rvi指標

A. 什麼是Relative_volatility_index大神們幫幫忙

相對復離散指數（Relative Volatility Index，簡稱制RVI） 相對離散指數（RVI）又稱「相對波動性指標」， 用於測量價格的發散趨勢，由著名分析家 唐納德·多西 （ Donald Dorsey）於1993年提出。其原理與 相對強弱指標 （ RSI）類似，但它是以價格的 方差 而不是簡單的升跌來測量價格變 化的強度。

B. 植被指數的文獻

我自己收藏的，不知道是不是你要找的
植被指數
概念：利用衛星不同波段探測數據組合而成的，能反映植物生長狀況的指數。植物葉面在可見光紅光波段有很強的吸收特性，在近紅外波段有很強的反射特性，這是植被遙感監測的物理基礎，通過這兩個波段測值的不同組合可得到不同的植被指數。差值植被指數又稱農業植被指數，為二通道反射率之差，它對土壤背景變化敏感，能較好地識別植被和水體。該指數隨生物量的增加而迅速增大。比值植被指數又稱為綠度，為二通道反射率之比，能較好地反映植被覆蓋度和生長狀況的差異，特別適用於植被生長旺盛、具有高覆蓋度的植被監測。歸一化植被指數為兩個通道反射率之差除以它們的和。在植被處於中、低覆蓋度時，該指數隨覆蓋度的增加而迅速增大，當達到一定覆蓋度後增長緩慢，所以適用於植被早、中期生長階段的動態監測。藍光、紅光和近紅外通道的組合可大大消除大氣中氣溶膠對植被指數的干擾，所組成的抗大氣植被指數可大大提高植被長勢監測和作物估產精度。
詳解：
植被指數主要反映植被在可見光、近紅外波段反射與土壤背景之間差異的指標，各個植被指數在一定條件下能用來定量說明植被的生長狀況。在學習和使用植被指數時必須由一些基本的認識：
1、健康的綠色植被在NIR和R的反射差異比較大，原因在於R對於綠色植物來說是強吸收的，NIR則是高反射高透射的；
2、建立植被指數的目的是有效地綜合各有關的光譜信號，增強植被信息，減少非植被信息
3、植被指數有明顯的地域性和時效性，受植被本身、環境、大氣等條件的影響
一、RVI——比值植被指數：RVI=NIR/R，或兩個波段反射率的比值。
1、綠色健康植被覆蓋地區的RVI遠大於1，而無植被覆蓋的地面（裸土、人工建築、水體、植被枯死或嚴重蟲害）的RVI在1附近。植被的RVI通常大於2；
2、RVI是綠色植物的靈敏指示參數，與LAI、葉干生物量(DM)、葉綠素含量相關性高，可用於檢測和估算植物生物量；
3、植被覆蓋度影響RVI，當植被覆蓋度較高時，RVI對植被十分敏感；當植被覆蓋度<50%時，這種敏感性顯著降低；
4、RVI受大氣條件影響，大氣效應大大降低對植被檢測的靈敏度，所以在計算前需要進行大氣校正，或用反射率計算RVI。
二、NDVI——歸一化植被指數：NDVI=(NIR-R)/(NIR+R)，或兩個波段反射率的計算。
1、NDVI的應用：檢測植被生長狀態、植被覆蓋度和消除部分輻射誤差等；
2、-1<=NDVI<=1，負值表示地面覆蓋為雲、水、雪等，對可見光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大；
3、NDVI的局限性表現在，用非線性拉伸的方式增強了NIR和R的反射率的對比度。對於同一幅圖象，分別求RVI和NDVI時會發現，RVI值增加的速度高於NDVI增加速度，即NDVI對高植被區具有較低的靈敏度；
4、NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、學、枯葉、粗超度等，且與植被覆蓋有關；
三、DVIEVI——差值環境植被指數：DVI=NIR-R，或兩個波段反射率的計算。
1、對土壤背景的變化極為敏感；
四、SAVITSAVIMSAVI——調整土壤亮度的植被指數：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或兩個波段反射率的計算。
1、目的是解釋背景的光學特徵變化並修正NDVI對土壤背景的敏感。與NDVI相比，增加了根據實際情況確定的土壤調節系數L，取值范圍0~1。 L=0 時，表示植被覆蓋度為零；L=1時，表示土壤背景的影響為零，即植被覆蓋度非常高，土壤背景的影響為零，這種情況只有在被樹冠濃密的高大樹木覆蓋的地方才會出現。
2、SAVI僅在土壤線參數a=1,b=0（即非常理想的狀態下）時才適用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI3、SAVI4等改進模型。
小結：上述幾種VI均受土壤背景的影響大。植被非完全覆蓋時，土壤背景影響較大
五、GVI——綠度植被指數，k-t變換後表示綠度的分量。
1、通過k-t變換使植被與土壤的光譜特性分離。植被生長過程的光譜圖形呈所謂的"穗帽"狀，而土壤光譜構成一條土壤亮度線，土壤的含水量、有機質含量、粒度大小、礦物成分、表面粗糙度等特徵的光譜變化沿土壤亮度線方向產生。
2、kt變換後得到的第一個分量表示土壤亮度，第二個分量表示綠度，第三個分量隨感測器不同而表達不同的含義。如，MSS的第三個分量表示黃度，沒有確定的意義；TM的第三個分量表示濕度。
3、第一二分量集中了>95%的信息，這兩個分量構成的二點陣圖可以很好的反映出植被和土壤光譜特徵的差異。
4、GVI是各波段輻射亮度值的加權和，而輻射亮度是大氣輻射、太陽輻射、環境輻射的綜合結果，所以GVI受外界條件影響大。
六、PVI——垂直植被指數，在R-NIR的二為坐標系內，植被像元到土壤亮度線的垂直距離。PVI=((S R-VR)2+(SNIR-VNIR)2)1/2，S是土壤反射率，V是植被反射率。
1、較好的消除了土壤背景的影響，對大氣的敏感度小於其他VI
2、PVI是在R-NIR二位數據中對GVI的模擬，兩者物理意義相同
3、PVI=(DNnir-b)cosq-DNr´sinq，b是土壤基線與NIR截距，q是土壤基線與R的夾角。
七、其他
1、根據具體情況改進型：如MSS的DVI = B4-aB2，PVI=(B4-aB2-b)/(1+a2)1/2，SARVI = B4/(B2+b/a)；RDVI=(NDVI´DVI)1/2等
2、應用於高光譜數據的VI，如CARI(葉綠素吸收比值指數）和CACI（葉綠素吸收連續區指數）等
VI劃分
類型 典型代表 特點
線性 DVI 低LAI時，效果較好；LAI增加愛時對土壤背景敏感
比值型 NDVI、RVI 增強了土壤與植被的反射對比
垂直型 PVI 低LAI時，效果較好；LAI增加愛時對土壤背景敏感
TM資料:專題制圖儀資料

C. MT4快捷鍵 大全

1、Ctrl+M：市場報價

2、Ctrl+N：導航

3、VCtrl+T：帳號終端

4、Ctrl+D：數據窗口

5、Ctrl+G：網格回

6、Ctrl+L：成交量

7、Ctrl+O：選項答

8、Ctrl+F：游標變成十字精確型

9、Ctrl+Y：在圖表上顯示日期線

10、Ctrl+W：關閉當前圖表窗口

11、F2：歷史數據中心

12、F3：全局變數

13、F4：MT程序編輯器

14、F5：圖標窗口重繪

15、F6：交易系統測試

16、F7：交易系統參數設置

17、F8：圖表主窗口屬性

(3)rvi指標擴展閱讀

指令和功能——

文件：管理圖表，列印，歷史數據儲存和數據圖表儲存。

查看：工具屬性，窗口管理 ("市場報價"、 "數據窗口"、 "導航"、 "終端"、 "測試")和程序語言界面。

插入：管理終端指示器，曲線研究和其他對象。

圖表：顯示柱狀屬性，比例，圖表屬性，網格，對象管理。

工具：客戶終端，歷史數據中心，綜合變數和 MetaEditor (MetaQuotes Language 4 editor)屬性。

窗口：打開窗口的列表和當前位置。

幫助：有關程序的信息和指南。

D. gate.io的K線指標里相對能量指數是什麼意思

相對能量指數（RVI指標），是由John Ehlers發明的以衡量市場上升和下降的能力來預測以後價格的走向的指標，它由RVI主曲線和信號線兩條曲線組成。

E. 植被覆蓋度信息提取

植被的反射光譜曲線起伏變化明顯，具有多峰與多谷的特徵。植被在0.38～0.49μm波段是強吸收帶，平均反射率一般不超過10%;在0.49～0.60μm波段具有波峰的形態和中等反射率(在8%～28%之間)，其中0.55μm處是葉綠素的綠色強反射區;在0.6～0.70μm段具有波谷的形態，反射率很低;到0.70～0.75μm段，反射率急劇上升，光譜曲線具有陡而接近於直線形態;在0.75～1.3μm段，因植被的吸收率很低而保持高反射率。

植被指數是以植被對紅光和近紅外光的生理生態效益為基礎的。科學試驗證明:植物葉綠素需要強烈吸收紅光和藍紫光，用於光合作用，其中以0.66μm波長附近的吸收最為強烈，吸收率可達90%。吸收強度的大小，同葉綠素的多少和葉綠素的活力的高低有關。葉綠素的數量越多，活力越高，吸收強度越大，而在波長0.7～1.1μm的近紅外光譜段內，植被葉片形成強反射，吸收率幾乎等於零，而透射和反射幾乎各佔50%。在0.35～1.1μm波段中綠色植物的紅光吸收峰和近紅外光反射峰及其組合，是其他生物和非生物所沒有的，所以它們成為識別植被的專屬性標志，而它們的組合，也就成為提取植被信息的特異性指標。

系統用於植被信息提取的數據源有Landsat-ETM、CBERS、SPOT、QUICKBIRD和MODIS，它們的IR和R波段的通道編號和波長范圍見表5－2所示。

表5－2 植被指數的數據源表

常用的植被指數有:

(1)環境植被指數(EVI):即近紅外波段與可見光紅波段的亮度差值，又稱差值植被指數，表達式為

EVI對土壤背景有一定的敏感性;當植被蓋度為15%～25%時，差值隨蓋度的增加而迅速增大，當蓋度大於80%時，靈敏度明顯下降。

(2)雙差植被指數(DDVI):即近紅外波段與可見光紅波段的亮度差值減去可見光紅波段與綠波段(TM2)之差，表達為

DDVI的特點是引用了對健康茂盛的植物綠反射敏感的綠色波段，增強了植被的信息，並能在一定程度上補償大氣層的不利影響。由於綠波段對土壤敏感，按「綠峰」反射評價植被生活力，所以有利於植被分類，區分林型和樹種。

(3)比值植被指數(RVI):即近紅外波段與可見光紅波段之比，表達為

RVI對土壤背景比較敏感，在植被蓋度大於50%時，對植被蓋度的差異敏感度較高，但不能很好區分小於30%的植被蓋度差異。

(4)歸一化植被指數(NDVI):即近紅外波段與可見光紅波段之差與這兩個波段之和的比值，表達為

NDVI綜合利用了四則運算，提高了對土壤背景變化的鑒別能力，消除了地形和群落結構的陰影的影響，削弱了大氣層的干擾，因而大大擴展了對植被蓋度的監測靈敏度。它是植被生長狀況和植被空間分布密度的最佳指示因子，與植物分布密度呈線性相關，有較好的時相和空間適應性，因此又可稱之為生物量指數或標准化植被指數。

大量研究上述各類植被指數的處理結果並進行了比較，發現各類方法提取效果無較大差異。但在乾旱地區採用NDVI方法是最成熟和常用的方法，因為它綜合了EVI、DVI和DDVI的演算法，對植被檢測靈敏度較高，對植被蓋度的檢測范圍較寬，能消除陰影和輻射干擾。

植被覆蓋度信息自動提取模塊以上述原理為基礎，將圖像定標、NDVI植被指數計算，密度分割等功能有機地集成封裝到一起(圖5－6)。用戶只需要通過簡單的幾步操作就完成從原始影像數據到植被覆蓋度分類結果的轉變。植被覆蓋度信息提取的核心是密度分割的閾值劃分問題，根據多次試驗和野外調查分析，在系統內部設定了適合工作區植被蓋度級別劃分的閾值，隨著工作程度的深入和資料積累，將不斷完善閾值設定。

圖5－6 植被覆蓋度信息提取流程圖

目前植被覆蓋度信息提取流程主要如下:

(1)反射率反演:反射率反演為定量遙感的基礎。在不考慮大氣多次散射和交叉輻射的情況下，有:

式中: DNi為圖像的灰度值; ρ 為地物的反射外大氣層反射; GAINSi為輻射定標的增益系數，包括了大氣透過率、感測器的波長響應等乘性因素的影響; BLASESi為輻射定標的偏移值，包括了大氣層輻射、感測器暗電流等加性因素的影響。對於不同的波段以及同一波段不同的航帶，輻射定標的增益值和偏移值是不同的。而通過輻射定標的增益值和偏移值即可以進行反射率 ρ 的反演。

( 2) 植被指數變換: 將經過反射率反演的圖像進行NDVI ( 植被指數) 變換，得到植被指數圖像。各類樣本在 NDVI 圖像上呈離散度矩陣，植被與非植被類型在NDVI 圖像上差異很大，利用 NDVI 圖像可將植被與非植被區分開來。

( 3) 密度分割: 由於植被指數是植被覆蓋度的重要指標，並且對於遙感數據而言，每個像元內的反射率是林冠的反射率，而不是樹冠和葉面的反射率，並且能很好地區分植被和非植被，所以植被指數數據較適用於植被覆蓋度。對幹流區 1∶ 10 萬植被指數圖像NDVI 值和重點區 1∶ 1 萬植被指數圖像 NDVI 值均按照植被蓋度低蓋度、中蓋度和高蓋度三個級別進行密度分割，並將分類結果與植被蓋度歷史專題數據以及沿幹流布設的生態監測站的植被蓋度數據進行反演，如精度較差，修改其密度分割參數重新分割，以達到較好的結果。

將經過密度分割的植被指數圖像進行非監督分類，得到分類結果圖像，並將柵格圖像數據轉換為帶有分類屬性的專題圖形數據，與高解析度的融合圖像套合進行人機交互解譯，修正提取不準確的地物邊界，最終輸出達到精度要求的專題矢量圖形文件。

F. 求高手編個通達信平台用的 rvi指標源碼

公式：

CO:=CLOSE-OPEN; 0;

HL:=HIGH-LOW;

V1:=(CO+2*REF(CO,1)+2*REF(CO,2)+REF(CO,3))/6;

V2:=(HL+2*REF(HL,1)+2*REF(HL,2)+REF(HL,3))/6;

S1:=SUM(V1,4/2);

S2:=SUM(V2,4/2);

RVI:S1/S2;

RVIS:( RVI+2*REF(RVI,1)+2*REF(RVI,2)+REF(RVI,3))/6;

G. 什麼是Relative

相離散指數(Relative Volatility Index簡稱RVI) 相離散指數(RVI)稱相波性指標 用於測量價格發散趨勢由著名析家 唐納德·西 ( Donald Dorsey)於1993提其原理與 相強弱指標 ( RSI)類似價格 差 簡單升跌測量價格變 化強度

H. 安卓手機想看MT4的RAVI指標怎樣可以辦到

有可能是版本不對、安裝一個新版本看看、你確定找的不是 RSI 或者 RVI？

I. NDVI的定義是什麼

1、歸一化植被指數

NDVI=(NIR-R)/(NIR+R)，或兩個波段反射率的計算。

2、NDVI時間序列分析

主要是利用長時間序列的遙感數據，建立研究區域內NDVI隨時間的變化曲線，並通過比較各種變化檢測指標的年際曲線或生長期曲線的差異獲取覆蓋變化信息；

採用擬合線性函數的斜率來反映植被覆蓋變化趨勢；或採用頻譜分析對NDVI時間序列曲線進行分解，從而檢測出土地覆蓋的變化，以及地表植被生態系統的物候變化，進而分析植被長時序變化與氣候、環境變化的關系。

NDVI的更多資料

1、NDVI的應用：檢測植被生長狀態、植被覆蓋度和消除部分輻射誤差等；

2、-1<=NDVI<=1，負值表示地面覆蓋為雲、水、雪等，對可見光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大

3、NDVI的局限性表現在，用非線性拉伸的方式增強了NIR和R的反射率的對比度。對於同一幅圖象，分別求RVI和NDVI時會發現，RVI值增加的速度高於NDVI增加速度，即NDVI對高植被區具有較低的靈敏度；

4、NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、雪、枯葉、粗糙度等，且與植被覆蓋有關

以上內容參考 網路-植被指數；網路-NDVI時間序列分析

J. gate.io的K線指標里相對離散指數是什麼意思

相對離散指數（RVI）是Donald·Dorsey於1993年提出的用於測量價格的發散趨勢，其原理與RSI 類似，但它是以價格的方差來測量價格變化的強度。RVI主要用於輔助、配合其他指標使用。