遥感应用模型3-植被资料.pptVIP

第三章 植被遥感;植被遥感是遥感的重要应用领域。 以确定植被的分布、类型、长势。 植被判读的原理是植物的光谱特性。 不同的植物由于结构和叶绿素含量不同，具有不同的光谱特征，特别是近红外波段有较大的差别。 利用植物的物候差异也可区分植物类型，如冬季落叶树和常绿树很好区别。 ;植被遥感的意义;假彩色合成图像;植被遥感原理;植物的光谱特征 ;不同的植物类别，光谱响应曲线总存在着一定的差异，即使同一植物随叶的新老、稀密、季节不同、土壤水分等影像，均含导致整个谱段或个别谱段内反射率的变化。;;;影响植物光谱的因素;不同生长状态橡树叶子的反射特性;不同橡树叶子的反射特性;叶子在 1.45μm， 1.95μm和 2.6～ 2.7μm处各有一个吸收谷，这主要有由叶子的细胞液、细胞膜及吸收水分所形成。 植物叶子含水量的增加，将使整个光谱反射率降低，反射光谱曲线的波状形态变得更为明显，特别是在近红外波段，几个谷更为突出。;水分含量对植被反射率的影响（以木兰为例）;在适当的环境下，可以容易地监测到作物受水份缺乏或病虫害的胁迫作用，有时可使农民在察觉前即进行处理。胁迫作用的指标是作物在近红外波段反射率的逐渐减少，如下图所示一组对大豆叶在其因水份缺失而经历细胞壁损坏胁迫作用增强过程的近红外波段波谱反射率野外测试的波谱曲线。; 植被冠层反射 ; 植被结构 植株是由叶、叶柄、茎、干、花等不同组分组成。 植被结构主要指植物叶子的形状（用叶倾角分布LAD表示）、大小（用叶面积指数LAI表示）、植被冠层的形状、大小及外部结构，包括成层现象（涉及多次散射）、覆盖度（涉及空隙率、阴影）等。 植被结构是随植物的种类、生长阶段、分布方式的变化而变化的。在定量遥感中它通过一组特征参数来描述和表达。;植被结构—连续型;植被结构—离散型;植被冠层光谱特性; 一般说来，由于阴影的影响，往往冠层的反射低于单叶的实验室测量的反射值，但在近红外谱段冠层的反射更强。 这是由于植物叶子透射约50%——60%的近红外辐射能，透射到下层的近红外辐射能被下层叶反射，并透过上层叶，导致冠层红外反射的增强。 ;叶面积指数与植被覆盖度;植物覆盖程度越大，光谱特征形态受背景下垫面影响愈小。 叶面指数——植物所有叶子的累加面积总和与覆盖地面面积之比。 ;污染植物反射光谱特征分析 ; 植物在生长过程中受到某种物质污染后，内部结构、叶绿素和水分含量就会发生不同程度的变化，其反射光谱特性也随之变化，污染越严重变化越大。 根据受损植被与健康植被光谱曲线的比较，确定植被受伤害的程度。; 植被因受到病虫害、农作物因缺乏营养、缺乏水分使其生长不良。植被波谱特征要发生变化，反映在影像上的色调形态的变化； 例如：海棉组织受到破坏，叶子色素发生了变化，至使在可见光区域内两个吸收谷（蓝、红）就不明显了。而绿光处反射峰值也会变低、变平； 在近红外区，峰值被消低，甚至消失，整个光谱曲线的波状特征被拉平。 因此，在遥感影像上，植被的信息体现不明显，与健康植被极易区分。;植被指数;在植被指数中，通常选用对绿色植物强吸收的可见光红波段和对绿色植物强反射的近红外波段。 这两个波段不仅是植物光谱、光合作用中的最重要的波段，而且它们对同一生物物理现象的光谱响应截然相反，形成的明显反差，这种反差随着叶冠结构、植被覆盖度而变化。 建立植被指数的关键在于，如何有效地结合各有关的光谱信号，在增强植被信息的同时，使非植被信息最小化。 植被指数的定量测量可表明植被活力，而且植被指数比单波段用来探测生物量有更好的灵敏性。 ;; 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;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。