rvi指标

A. 什么是Relative_volatility_index大神们帮帮忙

相对复离散指数（Relative Volatility Index，简称制RVI） 相对离散指数（RVI）又称“相对波动性指标”， 用于测量价格的发散趋势，由著名分析家 唐纳德·多西 （ Donald Dorsey）于1993年提出。其原理与 相对强弱指标 （ RSI）类似，但它是以价格的 方差 而不是简单的升跌来测量价格变 化的强度。

B. 植被指数的文献

我自己收藏的，不知道是不是你要找的
植被指数
概念：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。差值植被指数又称农业植被指数，为二通道反射率之差，它对土壤背景变化敏感，能较好地识别植被和水体。该指数随生物量的增加而迅速增大。比值植被指数又称为绿度，为二通道反射率之比，能较好地反映植被覆盖度和生长状况的差异，特别适用于植被生长旺盛、具有高覆盖度的植被监测。归一化植被指数为两个通道反射率之差除以它们的和。在植被处于中、低覆盖度时，该指数随覆盖度的增加而迅速增大，当达到一定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段的动态监测。蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰，所组成的抗大气植被指数可大大提高植被长势监测和作物估产精度。
详解：
植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识：
1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的；
2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息
3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响
一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。
1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2；
2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量；
3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低；
4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。
二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；
2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；
三、DVIEVI——差值环境植被指数：DVI=NIR-R，或两个波段反射率的计算。
1、对土壤背景的变化极为敏感；
四、SAVITSAVIMSAVI——调整土壤亮度的植被指数：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。
1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。 L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。
2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI3、SAVI4等改进模型。
小结：上述几种VI均受土壤背景的影响大。植被非完全覆盖时，土壤背景影响较大
五、GVI——绿度植被指数，k-t变换后表示绿度的分量。
1、通过k-t变换使植被与土壤的光谱特性分离。植被生长过程的光谱图形呈所谓的"穗帽"状，而土壤光谱构成一条土壤亮度线，土壤的含水量、有机质含量、粒度大小、矿物成分、表面粗糙度等特征的光谱变化沿土壤亮度线方向产生。
2、kt变换后得到的第一个分量表示土壤亮度，第二个分量表示绿度，第三个分量随传感器不同而表达不同的含义。如，MSS的第三个分量表示黄度，没有确定的意义；TM的第三个分量表示湿度。
3、第一二分量集中了>95%的信息，这两个分量构成的二位图可以很好的反映出植被和土壤光谱特征的差异。
4、GVI是各波段辐射亮度值的加权和，而辐射亮度是大气辐射、太阳辐射、环境辐射的综合结果，所以GVI受外界条件影响大。
六、PVI——垂直植被指数，在R-NIR的二为坐标系内，植被像元到土壤亮度线的垂直距离。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、较好的消除了土壤背景的影响，对大气的敏感度小于其他VI
2、PVI是在R-NIR二位数据中对GVI的模拟，两者物理意义相同
3、PVI=(DNnir-b)cosq-DNr´sinq，b是土壤基线与NIR截距，q是土壤基线与R的夹角。
七、其他
1、根据具体情况改进型：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、应用于高光谱数据的VI，如CARI(叶绿素吸收比值指数）和CACI（叶绿素吸收连续区指数）等
VI划分
类型 典型代表 特点
线性 DVI 低LAI时，效果较好；LAI增加爱时对土壤背景敏感
比值型 NDVI、RVI 增强了土壤与植被的反射对比
垂直型 PVI 低LAI时，效果较好；LAI增加爱时对土壤背景敏感
TM资料:专题制图仪资料

C. MT4快捷键 大全

1、Ctrl+M：市场报价

2、Ctrl+N：导航

3、VCtrl+T：帐号终端

4、Ctrl+D：数据窗口

5、Ctrl+G：网格回

6、Ctrl+L：成交量

7、Ctrl+O：选项答

8、Ctrl+F：光标变成十字精确型

9、Ctrl+Y：在图表上显示日期线

10、Ctrl+W：关闭当前图表窗口

11、F2：历史数据中心

12、F3：全局变量

13、F4：MT程序编辑器

14、F5：图标窗口重绘

15、F6：交易系统测试

16、F7：交易系统参数设置

17、F8：图表主窗口属性

(3)rvi指标扩展阅读

指令和功能——

文件：管理图表，打印，历史数据储存和数据图表储存。

查看：工具属性，窗口管理 ("市场报价"、 "数据窗口"、 "导航"、 "终端"、 "测试")和程序语言界面。

插入：管理终端指示器，曲线研究和其他对象。

图表：显示柱状属性，比例，图表属性，网格，对象管理。

工具：客户终端，历史数据中心，综合变量和 MetaEditor (MetaQuotes Language 4 editor)属性。

窗口：打开窗口的列表和当前位置。

帮助：有关程序的信息和指南。

D. gate.io的K线指标里相对能量指数是什么意思

相对能量指数（RVI指标），是由John Ehlers发明的以衡量市场上升和下降的能力来预测以后价格的走向的指标，它由RVI主曲线和信号线两条曲线组成。

E. 植被覆盖度信息提取

植被的反射光谱曲线起伏变化明显，具有多峰与多谷的特征。植被在0.38～0.49μm波段是强吸收带，平均反射率一般不超过10%;在0.49～0.60μm波段具有波峰的形态和中等反射率(在8%～28%之间)，其中0.55μm处是叶绿素的绿色强反射区;在0.6～0.70μm段具有波谷的形态，反射率很低;到0.70～0.75μm段，反射率急剧上升，光谱曲线具有陡而接近于直线形态;在0.75～1.3μm段，因植被的吸收率很低而保持高反射率。

植被指数是以植被对红光和近红外光的生理生态效益为基础的。科学试验证明:植物叶绿素需要强烈吸收红光和蓝紫光，用于光合作用，其中以0.66μm波长附近的吸收最为强烈，吸收率可达90%。吸收强度的大小，同叶绿素的多少和叶绿素的活力的高低有关。叶绿素的数量越多，活力越高，吸收强度越大，而在波长0.7～1.1μm的近红外光谱段内，植被叶片形成强反射，吸收率几乎等于零，而透射和反射几乎各占50%。在0.35～1.1μm波段中绿色植物的红光吸收峰和近红外光反射峰及其组合，是其他生物和非生物所没有的，所以它们成为识别植被的专属性标志，而它们的组合，也就成为提取植被信息的特异性指标。

系统用于植被信息提取的数据源有Landsat-ETM、CBERS、SPOT、QUICKBIRD和MODIS，它们的IR和R波段的通道编号和波长范围见表5－2所示。

表5－2 植被指数的数据源表

常用的植被指数有:

(1)环境植被指数(EVI):即近红外波段与可见光红波段的亮度差值，又称差值植被指数，表达式为

EVI对土壤背景有一定的敏感性;当植被盖度为15%～25%时，差值随盖度的增加而迅速增大，当盖度大于80%时，灵敏度明显下降。

(2)双差植被指数(DDVI):即近红外波段与可见光红波段的亮度差值减去可见光红波段与绿波段(TM2)之差，表达为

DDVI的特点是引用了对健康茂盛的植物绿反射敏感的绿色波段，增强了植被的信息，并能在一定程度上补偿大气层的不利影响。由于绿波段对土壤敏感，按“绿峰”反射评价植被生活力，所以有利于植被分类，区分林型和树种。

(3)比值植被指数(RVI):即近红外波段与可见光红波段之比，表达为

RVI对土壤背景比较敏感，在植被盖度大于50%时，对植被盖度的差异敏感度较高，但不能很好区分小于30%的植被盖度差异。

(4)归一化植被指数(NDVI):即近红外波段与可见光红波段之差与这两个波段之和的比值，表达为

NDVI综合利用了四则运算，提高了对土壤背景变化的鉴别能力，消除了地形和群落结构的阴影的影响，削弱了大气层的干扰，因而大大扩展了对植被盖度的监测灵敏度。它是植被生长状况和植被空间分布密度的最佳指示因子，与植物分布密度呈线性相关，有较好的时相和空间适应性，因此又可称之为生物量指数或标准化植被指数。

大量研究上述各类植被指数的处理结果并进行了比较，发现各类方法提取效果无较大差异。但在干旱地区采用NDVI方法是最成熟和常用的方法，因为它综合了EVI、DVI和DDVI的算法，对植被检测灵敏度较高，对植被盖度的检测范围较宽，能消除阴影和辐射干扰。

植被覆盖度信息自动提取模块以上述原理为基础，将图像定标、NDVI植被指数计算，密度分割等功能有机地集成封装到一起(图5－6)。用户只需要通过简单的几步操作就完成从原始影像数据到植被覆盖度分类结果的转变。植被覆盖度信息提取的核心是密度分割的阈值划分问题，根据多次试验和野外调查分析，在系统内部设定了适合工作区植被盖度级别划分的阈值，随着工作程度的深入和资料积累，将不断完善阈值设定。

图5－6 植被覆盖度信息提取流程图

目前植被覆盖度信息提取流程主要如下:

(1)反射率反演:反射率反演为定量遥感的基础。在不考虑大气多次散射和交叉辐射的情况下，有:

式中: DNi为图像的灰度值; ρ 为地物的反射外大气层反射; GAINSi为辐射定标的增益系数，包括了大气透过率、传感器的波长响应等乘性因素的影响; BLASESi为辐射定标的偏移值，包括了大气层辐射、传感器暗电流等加性因素的影响。对于不同的波段以及同一波段不同的航带，辐射定标的增益值和偏移值是不同的。而通过辐射定标的增益值和偏移值即可以进行反射率 ρ 的反演。

( 2) 植被指数变换: 将经过反射率反演的图像进行NDVI ( 植被指数) 变换，得到植被指数图像。各类样本在 NDVI 图像上呈离散度矩阵，植被与非植被类型在NDVI 图像上差异很大，利用 NDVI 图像可将植被与非植被区分开来。

( 3) 密度分割: 由于植被指数是植被覆盖度的重要指标，并且对于遥感数据而言，每个像元内的反射率是林冠的反射率，而不是树冠和叶面的反射率，并且能很好地区分植被和非植被，所以植被指数数据较适用于植被覆盖度。对干流区 1∶ 10 万植被指数图像NDVI 值和重点区 1∶ 1 万植被指数图像 NDVI 值均按照植被盖度低盖度、中盖度和高盖度三个级别进行密度分割，并将分类结果与植被盖度历史专题数据以及沿干流布设的生态监测站的植被盖度数据进行反演，如精度较差，修改其密度分割参数重新分割，以达到较好的结果。

将经过密度分割的植被指数图像进行非监督分类，得到分类结果图像，并将栅格图像数据转换为带有分类属性的专题图形数据，与高分辨率的融合图像套合进行人机交互解译，修正提取不准确的地物边界，最终输出达到精度要求的专题矢量图形文件。

F. 求高手编个通达信平台用的 rvi指标源码

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. 什么是Relative

相离散指数(Relative Volatility Index简称RVI) 相离散指数(RVI)称相波性指标 用于测量价格发散趋势由著名析家 唐纳德·西 ( Donald Dorsey)于1993提其原理与 相强弱指标 ( RSI)类似价格 差 简单升跌测量价格变 化强度

H. 安卓手机想看MT4的RAVI指标怎样可以办到

有可能是版本不对、安装一个新版本看看、你确定找的不是 RSI 或者 RVI？

I. NDVI的定义是什么

1、归一化植被指数

NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。

2、NDVI时间序列分析

主要是利用长时间序列的遥感数据，建立研究区域内NDVI随时间的变化曲线，并通过比较各种变化检测指标的年际曲线或生长期曲线的差异获取覆盖变化信息；

采用拟合线性函数的斜率来反映植被覆盖变化趋势；或采用频谱分析对NDVI时间序列曲线进行分解，从而检测出土地覆盖的变化，以及地表植被生态系统的物候变化，进而分析植被长时序变化与气候、环境变化的关系。

NDVI的更多资料

1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；

2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大

3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；

4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关

以上内容参考 网络-植被指数；网络-NDVI时间序列分析

J. gate.io的K线指标里相对离散指数是什么意思

相对离散指数（RVI）是Donald·Dorsey于1993年提出的用于测量价格的发散趋势，其原理与RSI 类似，但它是以价格的方差来测量价格变化的强度。RVI主要用于辅助、配合其他指标使用。