NDVI计算公式是什么?波段该如何选择?

wowwwai GIS研习社 · 工具流程与项目排障

NDVI计算公式是什么?波段该如何选择? 这是很多 GIS 初学者在做植被监测、作物长势分析、生态评价时最先遇到的问题。NDVI 看起来只是一个简单公式，但如果近红外波段和红光波段选错，结果可能会整体偏低、范围异常，甚至把水体、裸地和植被判断反了。

本文以 QGIS、ArcGIS Pro 和常见遥感影像为使用场景，讲清楚 NDVI 计算公式、不同卫星影像的波段选择方法、结果检查方式，以及实际操作中最容易踩的坑。

引言：NDVI计算公式是什么

NDVI 的全称是 Normalized Difference Vegetation Index，中文通常叫归一化植被指数。它利用绿色植被在红光波段吸收强、在近红外波段反射强的特性，衡量地表植被覆盖和生长状况。

标准 NDVI 计算公式为：

NDVI = (NIR - Red) / (NIR + Red)

其中：

• NIR：近红外波段反射率。
• Red：红光波段反射率。
• NDVI：理论范围一般在 -1 到 1 之间。

从公式可以看出，NDVI 计算并不是随便拿两个波段相减相除，而是必须使用近红外波段和红光波段。这也是“NDVI波段该如何选择”这个问题的关键。

背景：为什么NDVI波段选择容易出错

很多 NDVI 结果异常，并不是公式写错，而是波段选错。常见原因有三个。

第一，不同卫星的波段编号不同。例如 Sentinel-2 的红光波段是 B4，近红外波段是 B8；Landsat 8/9 的红光波段是 Band 4，近红外波段是 Band 5。不能简单认为“第 4 波段一定是近红外”。

第二，影像产品可能已经做过不同级别的处理。有些是原始数字量化值，有些是表观反射率，有些是地表反射率。如果直接混用不同处理级别的波段，NDVI 计算结果会不稳定。

第三，软件显示的波段顺序和文件命名可能不一致。尤其是多波段 GeoTIFF、ENVI 格式影像或经过重采样、裁剪、合成后的影像，波段名称可能丢失，只剩 Band 1、Band 2、Band 3 这样的默认编号。

判断 NDVI 是否可靠，不能只看图像“变绿了没有”，还要检查波段来源、数值范围和典型地物的 NDVI 值是否合理。

原理：NDVI为什么使用近红外和红光波段

健康植被中的叶绿素会强烈吸收红光，用于光合作用；同时，植物叶片细胞结构会强烈反射近红外光。因此，健康植被通常表现为Red 值较低、NIR 值较高。

把这个特征代入 NDVI 计算公式：

• 健康植被：NIR 高、Red 低，NDVI 接近正值，通常较高。
• 裸地或建设用地：NIR 和 Red 差异不大，NDVI 通常接近 0。
• 水体：近红外反射很低，NDVI 常为负值。
• 云、雪、阴影：数值可能异常，需要结合掩膜或目视检查。

NDVI 使用归一化差值，是为了减弱部分光照条件、地形阴影和整体亮度差异的影响。但它不能完全替代大气校正、云掩膜和地形校正。因此，在严肃的变化监测或年度对比中，应优先使用地表反射率产品。

步骤：NDVI波段该如何选择并完成计算

1. 先确认影像来源和传感器

计算 NDVI 前，先确认影像来自哪个卫星或传感器。常见数据的红光和近红外波段如下：

如果你使用的是无人机多光谱影像，也要查看相机说明书或影像元数据，确认哪个通道是红光，哪个通道是近红外。不要只凭 RGB 显示顺序判断。

2. 确认波段是否为同一范围、同一分辨率、同一投影

NDVI 计算要求 Red 和 NIR 在空间上严格对应。计算前建议检查：

• 两个波段是否来自同一景影像。
• 像元大小是否一致。
• 坐标系是否一致。
• 行列数是否一致。
• 是否已经完成配准、裁剪或重采样。

以 Sentinel-2 为例，B4 和 B8 都是 10 米分辨率，适合直接计算 NDVI。但如果你使用 B8A，它是窄近红外波段，空间分辨率通常不同，需要先重采样，并确认是否符合你的研究目的。

3. 在 QGIS 中计算 NDVI

在 QGIS 中，可以使用栅格计算器完成 NDVI 计算。基本流程如下：

1. 加载包含 Red 和 NIR 的遥感影像。
2. 打开“栅格”菜单中的“栅格计算器”。
3. 找到红光波段和近红外波段对应的图层或波段。
4. 输入 NDVI 表达式。
5. 设置输出路径和输出格式，建议保存为 GeoTIFF。
6. 运行后检查输出 NDVI 栅格的最小值、最大值和渲染效果。

如果 Red 和 NIR 是两个单独文件，表达式类似：

("NIR@1" - "Red@1") / ("NIR@1" + "Red@1")

如果是多波段影像，需要根据实际波段编号修改。例如某个 Landsat 8 多波段栅格中 Band 4 是 Red，Band 5 是 NIR，则表达式可能类似：

("landsat_stack@5" - "landsat_stack@4") / ("landsat_stack@5" + "landsat_stack@4")

这里的关键不是照抄表达式，而是确认 @5 是否真的代表近红外，@4 是否真的代表红光。

4. 在 ArcGIS Pro 中计算 NDVI

ArcGIS Pro 中可以使用 Raster Calculator、栅格函数或影像分析工具计算 NDVI。使用 Raster Calculator 时，表达式逻辑相同：

(Float("NIR") - Float("Red")) / (Float("NIR") + Float("Red"))

加入 Float 的目的是避免整数运算导致结果被截断。对于 0 到 10000 缩放的反射率产品，公式仍然成立，因为分子和分母会同时受到比例因子影响。但如果存在 NoData、云、阴影或饱和像元，仍需要先做掩膜处理。

5. 用 Python 计算 NDVI

如果需要批量处理大量影像，可以使用 Python 的 Rasterio。下面是一个简化示例，适合 Red 和 NIR 为两个单波段 GeoTIFF 的情况：

import rasterio
import numpy as np

red_path = "red.tif"
nir_path = "nir.tif"
out_path = "ndvi.tif"

with rasterio.open(red_path) as red_src, rasterio.open(nir_path) as nir_src:
    red = red_src.read(1).astype("float32")
    nir = nir_src.read(1).astype("float32")

    profile = red_src.profile
    profile.update(dtype=rasterio.float32, count=1, nodata=-9999)

    denominator = nir + red
    ndvi = np.where(denominator == 0, -9999, (nir - red) / denominator)
    ndvi = np.where(np.isfinite(ndvi), ndvi, -9999)

with rasterio.open(out_path, "w", **profile) as dst:
    dst.write(ndvi.astype("float32"), 1)

这个示例重点处理了分母为 0 和无效值问题。真实项目中还应检查两幅影像的投影、范围、分辨率是否一致。

常见坑：NDVI计算结果异常怎么排查

坑一：红光和近红外波段选反

如果把 Red 和 NIR 放反，公式会变成：

(Red - NIR) / (Red + NIR)

这会使健康植被变成负值，结果方向完全相反。判断方法很简单：选一片明显植被区域，正常 NDVI 应该为正值，且通常高于裸地和建筑区。

坑二：直接用真彩色影像计算 NDVI

普通 RGB 真彩色影像通常只有红、绿、蓝三个可见光波段，没有近红外波段。没有 NIR，就不能计算标准 NDVI。网络地图截图、普通航拍照片、JPEG 图片一般不适合直接计算 NDVI。

坑三：没有做云和阴影处理

云、云影、积雪和传感器异常会影响 NDVI。尤其在多期对比中，如果某一期有云影，可能被误判为植被退化。建议使用质量控制波段、云掩膜产品或手动掩膜排除异常区域。

坑四：输出数据类型不对

NDVI 是小数值，通常位于 -1 到 1。如果输出为整数类型，结果可能被截断为 -1、0、1，失去分析意义。输出栅格应使用 Float32 等浮点类型。

坑五：没有检查 NoData

NoData 参与运算后可能生成极端值或空洞。计算前后都要检查 NoData 设置，尤其是经过裁剪、镶嵌和投影转换后的影像。

方法比较：QGIS、ArcGIS Pro、Python计算NDVI怎么选

如果你只是学习 NDVI 计算公式和波段选择，建议先用 QGIS 做一景影像练习；如果要做长期监测或批量生产，再转向 Python 或云平台工作流。

检查清单：计算NDVI前后必须确认的事项

• 是否明确影像来源和传感器名称。
• 是否确认 Red 和 NIR 的真实波段编号。
• Red 和 NIR 是否来自同一景或同一处理级别产品。
• 两个波段的坐标系、分辨率、范围和行列数是否一致。
• 是否使用浮点型输出 NDVI。
• 是否处理了 NoData、云、云影、雪和异常像元。
• NDVI 结果范围是否大致在 -1 到 1。
• 植被、水体、裸地、建筑区的 NDVI 相对大小是否符合常识。
• 是否保存了计算表达式、数据来源和处理日期，便于复现。

一个可靠的 NDVI 结果，不仅要公式正确，还要能解释数据来源、波段选择和质量控制过程。

FAQ：关于NDVI计算公式和波段选择的常见问题

1. NDVI计算公式一定是 NIR 减 Red 吗？

是的，标准 NDVI 计算公式是 (NIR - Red) / (NIR + Red)。如果写成 (Red - NIR) / (Red + NIR)，结果符号会反过来，健康植被通常会变成负值。

2. Sentinel-2计算NDVI应该选哪个波段？

常规 Sentinel-2 NDVI 通常使用 B8 作为近红外波段，B4 作为红光波段，公式为 (B8 - B4) / (B8 + B4)。如果使用 B8A，需要注意其波段含义和空间分辨率，并根据项目要求进行重采样。

3. Landsat 8和Landsat 9计算NDVI用哪些波段？

Landsat 8/9 OLI 通常使用 Band 5 作为近红外波段，Band 4 作为红光波段，公式为 (Band 5 - Band 4) / (Band 5 + Band 4)。如果使用地表反射率产品，仍要注意云掩膜和质量控制波段。

4. RGB照片可以计算NDVI吗？

普通 RGB 照片不能计算标准 NDVI，因为缺少近红外波段。只有包含 NIR 通道的多光谱影像，才适合按标准 NDVI 公式计算。

5. NDVI结果为什么超过1或小于-1？

理论上 NDVI 通常应在 -1 到 1 之间。若明显超出范围，可能是波段缩放、NoData、数据类型、异常像元或表达式设置错误导致的。应优先检查输入波段是否正确、分母是否接近 0、输出是否为浮点类型。

6. NDVI值越高就一定代表植被越好吗？

不一定。NDVI 高通常表示植被覆盖或活性较强，但它会受到植被类型、土壤背景、冠层饱和、季节变化、大气条件和水分状况影响。做专业分析时，应结合研究区背景、时相、样点和其他指数综合判断。

结论：先选对波段，再谈NDVI结果解释

NDVI计算公式是什么?波段该如何选择? 核心答案很明确：NDVI 使用 (NIR - Red) / (NIR + Red)，其中 NIR 必须是近红外波段，Red 必须是红光波段。不同卫星的波段编号不同，计算前一定要查清楚数据源和波段说明。

在实际 GIS 工作中，NDVI 计算的难点不在公式本身，而在数据质量控制、波段确认、NoData 处理和结果验证。只要按“确认传感器、选择正确波段、检查空间一致性、使用浮点计算、验证典型地物”的流程执行，NDVI 结果就会更可靠，也更适合后续的植被监测和空间分析。