第五章植被遥感说课.ppt

1、经验方法 2、叶绿素含量半经验提取方法 光谱指数是研究田间或实验室获得的基于生理状态的生物指示因子（例如色素含量，叶绿素荧光）与植被 反射率之间关系的一种常用方法。光谱指数是指某些特 定波段反射率的组合，它们与叶片色素或光合作用以及 植被的胁迫状态有某种关系。 许多与植被功能联系的光谱指数都是基于叶片水平而非冠层水平的，它们与色素含量或叶绿素荧光的关系 可以容易地观测到。 3、常用叶片模型 PROSPECT 模型 4、理论模型反演 思考题 简述植被遥感原理 常用植被指数计算方法和优缺点 叶面积指数、植被覆盖度、生化组分遥感反演方法 * * NDVI与叶面积指数之间的经验关系随地域、植被类型、生长季等的变化而变化，将这些经验关系用于遥感像元尺度反演时会带来很大误差。 这就是说经验关系所能利用的信息量十分有限。该方法对不同数据需要参数的重新拟合和模型的不断调整。 从冬小麦品质来看，硬粒小麦播种面积占冬小麦播种面积的比例最大。硬粒小麦的种植区主要分布在：通州、大兴、顺义和房山。其次，考虑到采集北京地区地面信息的两景ASTER遥感数据覆盖的区域范围 首先，设置样区。参照地形图，同时借助GPS定位，在每个研究区内选择冬小麦连续种植面积至少250m*250m大小（一个MODIS像元大小）的地块为测量样区，并且每个样区内冬小麦生长状况良好；其次，设置样点。由样区西南角开始设样点，记录该点的地理坐标，由此点向北每隔30m设一个样点，然后由每点向东30m处设样点，最终每个样区内设置64个采样样点，其中包括训练样点和检验样点。 对冠层生理生化参数要进行参数的敏感性分析（下页）；土壤反射率是在野外采样时实测得到的；其他客观参数根据遥感影像成像时的条件决定的，在影像头文件中，文件格式为.hdf。 分别描述了以叶片内部结构参数N和叶片干物质含量为变量参数，冠层反射率的变化。 冠层反射率在N不同取值下光谱曲线图 冠层反射率在叶片干物质含量Cm不同取值下光谱曲线图 N和Cm的变化对冠层反射率影响不明显，换句话说，在冠层尺度，根据参数N和Cm难以识别出作物类型。 参数敏感性分析-1 因此，参数N和Cm可以作为常量。 冠层反射率在叶片叶绿素含量不同取值下光谱曲线图 冠层反射率在叶片含水量不同取值下光谱曲线图 可见光部分（MODIS/ASTER 第1波段），叶绿素含量的改变对冠层反射率的变化影响是显著的，传感器很容易可以采集到这些变化，记录在遥感数据中。 参数敏感性分析-2 相反的，在这些波长处，随叶片内水分含量的改变，冠层反射率曲线是固定不变的，水分含量不会影响冠层反射率。 冠层反射率在叶面积指数LAI不同取值下光谱曲线图 冠层反射率在平均叶倾角不同取值下光谱曲线图 LAI和平均叶倾角对冠层反射率的影响主要是在近红外范围（ MODIS/ASTER 第2波段），在可见光部分影响较小。 参数敏感性分析-3 在可见-近红光谱区域，除了叶片的叶肉结构参数和水分含量、干物质含量外，反射率对其他三个参数-叶绿素含量、叶面积指数、平均叶倾角-变化的反应是灵敏的。 叶片的叶肉结构参数和水分含量、干物质含量根据冬小麦实际生长状况和先验知识赋值。 叶绿素含量、叶面积指数和平均叶倾角三个参数，先赋予其多个经验值，通过多次迭代以确定最佳参数组合。 参数敏感性分析结果 平均叶倾角 25，35，45，55，65 叶面积指数 0.5，1，1.5，2，2.5，3，3.5，4，4.5，5 叶绿素含量 1.5，2.5，3.5，4.5，5.5 叶肉结构参数 1.5 等效水厚度 0.0255 干物质含量 0.005 是 否 运行PROSAIL模型源代码 生成模拟冠层反射率 遥感影像可见、近红波段反射率 计算可见、近红波段反射率 建立目标函数2 最优化 是 否 运行PROSAIL模型源代码 生成模拟冠层反射率 读取特征波长处反射率 实测反射率特征波长处反射率 建立目标函数1 最优化 模型初始输入参数 输出模型最终输入参数 输出模拟LAI 待定LAI LAI物理模型反演流程图 迭代 确定了除LAI之外的其他参数值 迭代 基于遥感影像模拟LAI值 特别说明 利用物理模型模拟ASTER遥感影像LAI –反演 青云店 魏善庄 高丽营 青云店 魏善庄 高丽营 经验反演 物理反演 两种方法模拟LAI -图像比较 （1）对三个研究区分别模拟出ASTER-LAI图，利用野外实测时GPS定位记录下的坐标与使用Google earth 查找相结合的办法，确定测量点的准确坐标值；（2）IDL编程，将地理坐