遥感应用模型3-植被.pptVIP

对于绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外强反射，使其R与NIR值有较大的差异，使RVI值高。 而对于无植被的地面包括裸土、人工特征物、水体以及枯死植被，则RVI值低。因此，比值植被指数能增强植被与土壤背景之间的辐射差异。 比值植被指数可从多种遥感系统中得到。但主要用于Landsat的MSS、TM和气象卫星的AVHRR。 RVI是绿色植物的一个灵敏的指示参数。研究表明，它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素含量相关性高，被广泛用于估算和监测绿色植物生物量。 在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好，但当植被覆盖度小于50%时，它的分辨能力显著下降。 此外，RVI对大气状况很敏感，大气效应大大地降低了它对植被检测的灵敏度，尤其是当RVI值高时。 因此，最好运用经大气纠正的数据，或将两波段的灰度值（DN）转换成反射率（ρ）后再计算RVI，以消除大气对两波段不同非线性衰减的影响。 归一化植被指数 对绿色植被表现敏感，主要用途： 进行不同植被类型初级生产量的估计； 识别不同的生态区 ； 监测地球表面植被的物候类型，常被用来进行区域和全球的植被状态研究 ； 评价生长期和变干期的长短 对低密度植被覆盖，NDVI对于观测和照明几何非常敏感。但在农作物生长的 初始季节，将过高估计植被覆盖的百分比；在农作物生长的结束季节，将产生估计低值。 在植被遥感中，NDVI的应用最为广泛。它是植被生长状态及植被覆盖度的最佳指示因子，与植被分布密度呈线性相关。因此又被认为是反映生物量和植被监测的指标。 经归一化处理的NDVI，部分消除了太阳高度角、卫星扫描角及大气程辐射的影响，特别适用于全球或各大陆等大尺度的植被动态监测。 对于陆地表面主要覆盖而言，云、水、雪在可见光波段比近红外波段有较高的反射作用，因而其NDVI值为负值（＜0〉 岩石、裸土在两波段有相似的反射作用，因而其NDVI值近于0； 而在有植被覆盖的情况下，NDVI为正值（＞0），并随着植被覆盖度增大，其NDVI值越大。 可见，几种典型的地面覆盖类型在大尺度NDVI图象上区分鲜明，植被得到有效的突出。 但是，NDVI的一个缺陷在于，对土壤背景的变化较为敏感。 实验证明，当植被覆盖度小于15%时，植被的NDVI值高于裸土的NDVI值，植被可以被检测出来，但因植被覆盖度很低，如干旱、半干旱地区，其NDVI很难指示区域的植物生物量，而对观测与照明却反应敏感； 当植被覆盖度由25—80%增加时，其NDVI值随植物量的增加呈线性迅速增加； 当植被覆盖度大于80%时，其NDVI值增加延缓而呈现饱和状态，对植被检测灵敏度下降。 实验表明，作物生长初期NDVI将过高估计植被覆盖度，而在作物生长的结束季节，NDVI值偏低。因此，NDVI更适用于植被发育中期或中等覆盖度的植被检测。 当L=0，SAVI=NDVI 对中等植被覆盖区，L=0.5 乘法因子（1+L）主要用来保证SAVI值与NDVI值一样介于-1和+1之间 土壤调整植被指数 在NDVI的基础上引入了土壤调整因子, L, 以便最大限度地降低背景在土壤－植被相互作用中的影响 L 的值一般可取 0.5 ，对不同的土壤都比较适合，可以降低土壤亮度的变化 L是一个土壤调节系数，它是由实际区域条件所决定的常量，用来减小植被指数对不同土壤反射变化的敏感性。 当L为0时，SAVI就是NDVI。对于中等植被盖度区，L一般接近于0.5。 因子（1+L）主要是用来保证最后的SAVI值与NDVI值一样介于-1和+1之间。 在SAVI的基础上，人们又进一步发展了转换型土壤调整指数TSAVI=[a(NIR-aR-b]/(R+aNIR-ab)，将土壤背景值的有关参数(a,b)直接参与指数运算。 此外，针对不同的区域特点和不同的植被类型，人们又发展了不同的归一化植被指数。如，用于检验植被不同生长活力的归一化差异绿度指数 NDGI=（G-R）/（G+R） 用于建立光谱反射率与棉花作物残余物的表面覆盖率关系的归一化差异指数 NDI=（NIR-MIR）/（NIR+MIR） K-T变换：是kauth-Thomas变换的简称，也称缨帽变换。是一种坐标空间发生旋转的线性变换，旋转后的坐标轴指向与地面景物有密切关系的方向。 变换后产生6个波段 土壤亮度指数：反映图像总体的反射值 绿度指数：反映了绿色生物量的特征 湿度指数：反映了湿度特征 4、5、6三个分量没有与地物明显的对应关系 缨帽变换 与主成分变换的区别是，变换以后还有残余的相关，并将滚滚普特征和自然景观属性联系起来。 第一特征为亮度，反应总体辐射率的综合效果，并仅仅与影响总体反射率的物理过程有关； 第二特征为绿度，可见光植被吸收和近红外植被反射的综合