07遥感应用解剖.pptVIP

第七章 遥感应用 第一节 植被遥感 本节内容 1 植被光谱特征 2 植被遥感应用领域 第一节 植被遥感 如何能够实现农作物产量预测 第一节 植被遥感 一、植物的光谱特征及影响因素 绿色植被的波谱反射曲线 不同类型植被的光谱反射率 一、植被的光谱特征 植物叶子的颜色 叶子的组织结构 叶子的含水量 植物的覆盖度 2、影响植物光谱的因素 一、植被的光谱特征 植物叶子的颜色 叶子的组织结构 叶子的含水量 植物的覆盖度 2、影响植物光谱的因素 二、不同植物类型的区分 1、不同植物由于叶子的组织结构和所含色素不同，具有不同的光谱特征。 在近红外光区，草本植物的反射高于阔叶树，阔叶树高于针叶树。 2、利用植物的物候期差异来区分植物。 3、根据植物的生态条件区别植物类型。 三、植物生长状况的解译 健康的绿色植物具有典型的光谱特征。遭受病虫害的植物其反射光谱曲线的波状特征被拉平。 四、大面积农作物的遥感估产 1、根据作物的色调、图形结构等差异大的物候期的遥感时相和特定的地理位置等的特征，将其与其他植被分开。 获得植被分布图。 2、利用高时相分辨率的卫星影象对作物生长的全过程进行动态监测 得到植被指数：比值植被指数、归一植被指数、差值植被指数、正交植被指数。 3、建立农作物估产模式 用选定的植物灌浆期植被指数与某一作物的单产进行回归分析，得到回归方程。 2 植被遥感应用领域 农作物遥感： 林业遥感： 草场遥感： 芦苇和湿地： 植被制图： 第一节 植被遥感 如何能够实现农作物产量预测 二、植被遥感应用实例 实例一 基于植被指数的作物产量监测方法研究 0 引 言 中国农业灾害频繁，气候灾害每年都在一定范围内发生。受气候因素的影响，粮食产量逐年波动。在作物收获以前进行大范围的作物长势评价，提前估测作物产量逐渐受到政府各部门的重视。及时准确预测一个地区或全国的作物产量，对粮食供需平衡、贸易、农业政策制定等非常重要。 作物产量预测主要有3种模型：气象模型、农学模型和遥感模型。 遥感模型是通过建立作物光谱信息与产量间的关系来估算作物产量。 大尺度的农作物产量遥感监测使用的数据主 要是NOAA／AVHRR数据。 气象卫星的可见光和红外波段，包含9O% 以上的植被信息 大量研究结果表明，植物的叶面积系数、生物量、干物重与植被指数间存在较好的相关关系。 NOAA卫星重复探测周期短、覆盖范围大、可以形成作物生长期间的植被指数过程。 农作物估产原理 遥感手段预测作物产量就是根据植被指 数与作物产量间的相关关系构建数学模 型，监测作物产量。 1 研究中使用的数据 本项研究收集1984年到2002年的NOAA／AVHRR气象卫星数据和新疆玉米单产数据，在此基础上计算研究区范围的植被指数，建模分析预测新疆玉米产量。 1.1 植被指数—归一化植被指数(NDVI) NDVI的计算公式 NDVI=(CH2-CH1)/(CH2+CH1) 通道1(CH1)可见光波段(VIS)，波长0.58～0.68μm，典型的正常植被在CH1具有强吸收特点，由通道1探测的地面植被反射率非常低。 通道2(CH2)近红外波段(NIR)，波长0.725～1.1μm ，正常植被在CH2具有强反射特点，通道2对地面植被的响应非常强。 图像预处理： 为了消除部分云和大气的干扰，用最大值合成法，每个像元取该像元每7天的最大值，生成7天合成的AVHRR／NDVI数据 由此得到的一年52周的NDVI数据以时间为横坐标排列形成的时间序列数据能够描述作物从出苗、到成熟的周期性生长态势。 产生的问题： 气候和生态系统不同地区的NDVI不具有可比性，气候和管理措施较好的地区，生物量和产量较高。 解决方案： 采用各地区每周的植被状态指数VCI、温度状态指数TCI以及VCI、TCI的合成值,即生长状态指数VHI来监测气候对植被的影响 VCI、 TCI、VHI定义 植被状态指数VCI反映水分对植被影响的程度 VCI=(NDVI-NDVImin)／(NDVImax-NDVI)×1OO 温度状态指数TCI反映温度对植被影响的程度，定义为（数据来源于热红外波段） TCI=(BTmax-BT)／(BTmax-BTmin)×1O0 植被生长状态指数VHI反映温度和水分条件联合作用下对植被影响的程度，定义为 VHI=a(VCI)+ (1-a)(TCI) 其中：a为控制VCI和TCI对VHI影响程度的调节系数 本研究在GIS背景数据库的支持下，提取新疆耕地范围内的VCI、TCI和VHI值 1.2 农业资料 一个地区粮食产量受气候、经济、科技等多种因素影响，经济、科技对粮食产量的影响是一个长期的