where ρNIR is the reflectance of th

where ρNIR is the reflectance of the near-infrared band and ρR is that of the red band, and n is the power, an integer from 1 to n. When n = 1, GDVI = NDVI. As Wu concluded [54], when n = 2, GDVI is better correlated with LAI (leaf area index) in all biomes, and more sensitive to low vegetal biomes than other vegetation indices. However, with the increase of n (e.g., n = 3 and 4), GDVI becomes saturated and insensitive to densely vegetated areas (e.g., wheat cropland, forest). High-power GDVI is thence only relevant for application in sparsely vegetated dryland biomes (such as rangeland and woodland). Our earlier studies show that GDVI is a powerful salinity indicator [28], [29], [55]. We applied this index (n = 2) together with others in soil salinity modeling and mapping in this study. Regarding NonVIs, as well as NDII (normalized difference infrared index) [56], TCB, PC1, and PC2, LST were derived from Landsat ETM+ images.

ผลลัพธ์ (ไทย) 1:

ที่ ρNIR เป็นการสะท้อนของวงใกล้อินฟราเรด และ ρR เป็นของวงสีแดง และ n คือ จำนวนเต็มจาก 1 ถึง n อำนาจ เมื่อ n = 1, GDVI = NDVI เป็นสรุปวู [54], เมื่อ n = 2, GDVI ดีกว่ามีความสัมพันธ์กับไล (ดัชนีพื้นที่ใบ) biomes และ biomes พืชอ่อนไหวมากกับต่ำกว่าดัชนีพืชอื่น ๆ อย่างไรก็ตาม มีการเพิ่มขึ้นของ n (เช่น n = 3 และ 4), GDVI กลายเป็นอิ่มตัว และตายไปหนาแน่นการปลูกพืชพื้นที่ (เช่น cropland ข้าวสาลี ป่า) GDVI กำลังสูงที่เกี่ยวข้องใน biomes ค้นเบาบาง dryland (เช่นป่าและ rangeland) องค์เท่านั้น เราศึกษาก่อนหน้านี้แสดงว่า GDVI เป็นตัวเค็มมีประสิทธิภาพบ่งชี้ [28], [29], [55] เราใช้ดัชนีนี้ (n = 2) ร่วมกับผู้อื่นในความเค็มของดินการสร้างแบบจำลอง และการแม็ปในการศึกษานี้ เกี่ยวกับ NonVIs เป็น NDII (ดัชนีความแตกต่างมาตรฐานอินฟราเรด) [56], TCB, PC1 และ PC2, LST ได้มาจาก Landsat ETM + ภาพ

ผลลัพธ์ (ไทย) 2:

ที่ρNIRคือการสะท้อนของวงอินฟราเรดใกล้และρRเป็นที่ของวงสีแดงและ n เป็นอำนาจจำนวนเต็มตั้งแต่ 1 ถึง n เมื่อ n = 1 GDVI = NDVI วูสรุป [54] เมื่อ n = 2 GDVI จะดีกว่าความสัมพันธ์กับ LAI (ดัชนีพื้นที่ใบ) ใน biomes ทั้งหมดและมีความสำคัญมากขึ้นในการ biomes vegetal ต่ำกว่าดัชนีพืชอื่น ๆ แต่มีการเพิ่มขึ้นของ n (เช่น n = 3 และ 4), GDVI จะอิ่มตัวและความรู้สึกไปยังพื้นที่หนาแน่นโซ (เช่นข้าวสาลี cropland ป่า) High-power GDVI คือที่นั่นเฉพาะที่เกี่ยวข้องกับการประยุกต์ใช้ในโซเบาบาง biomes dryland (เช่นทุ่งหญ้าและป่าไม้) การศึกษาก่อนหน้าของเราแสดงให้เห็นว่า GDVI เป็นตัวบ่งชี้ความเค็มที่มีประสิทธิภาพ [28] [29], [55] เราใช้ดัชนีนี้ (n = 2) ร่วมกับผู้อื่นในการสร้างแบบจำลองความเค็มของดินและการทำแผนที่ในการศึกษานี้ เกี่ยวกับ NonVIs เช่นเดียวกับ NDII (ความแตกต่างปกติดัชนีอินฟราเรด) [56], TCB, PC1 และ PC2, LST ได้มาจากดาวเทียม LANDSAT ETM + ภาพ

ผลลัพธ์ (ไทย) 3:

ที่ρ NIR คือการสะท้อนของอินฟราเรดใกล้วงดนตรีและρ R เป็นวงแดง และ N คืออำนาจ จำนวนเต็มตั้งแต่ 1 ถึง N เมื่อ n = 1 , gdvi = การเปลี่ยนแปลงด้านพืชพรรณ . เป็นอู๋สรุป [ 54 ] เมื่อ n = 2 , gdvi จะดีกว่า มีความสัมพันธ์กับลาย ( ดัชนีพื้นที่ใบ ) ในบิมสเทค และมีความไวต่ำ พืชบิมสเทคกว่าดัชนีพืชอื่น ๆ อย่างไรก็ตาม การเพิ่มขึ้นของ N ( e.g . , n = 3 และ 4 ) , gdvi กลายเป็นอิ่มตัวและกระแส vegetated หนาแน่นพื้นที่ ( เช่น ข้าวสาลี cropland ป่า ) gdvi พลังงานสูงคือที่นั่นเท่านั้นที่เกี่ยวข้อง เพื่อประยุกต์ใช้ใน dryland vegetated เบาบางบิมสเทค ( เช่นทำเป็นและป่า ) การศึกษาก่อนหน้านี้พบว่า gdvi เป็นตัวบ่งชี้ความเค็มที่มีประสิทธิภาพ [ 28 ] [ 29 ] [ 55 ] เราใช้ดัชนี ( n = 2 ) ร่วมกันกับคนอื่น ๆในดิน ความเค็มแบบและแผนที่ ในการศึกษานี้ เกี่ยวกับ nonvis เช่นเดียวกับ ndii ( ปกติความแตกต่างดัชนีอินฟราเรด ) [ 56 ] , TCB PC และ pc2 , LST , ได้มาจากดาวเทียม ETM + ภาพ