高光谱遥感植被监测应用.ppt

第1节 高光谱遥感植被监测应用 武汉大学遥感信息工程学院龚 龑 A.经验方法 B.模型方法 C.综合方法 NDVI（归一化差值植被指数） SAVI（土壤调节植被指数） 选择相应的植被指数，将每个像元相应波段的反射率代入公式，得到计算该像元的植被指数。 小结 一、高光谱遥感技术的主要应用领域介绍 二、高光谱遥感在植被监测中的应用 2.1植被指数的发展 2.2植被指数的物理意义 2.3常见植被指数介绍 NDVI SAVI EVI VIPD VIUPD 三、植被指数分析实例 3.1数据介绍 3.2几何纠正 3.3辐射定标 3.4 大气校正 3.5反射率反演 3.6计算植被指数 四、高光谱植被生物理化参数反演 4.1生理生化参数 4.2统计法、光谱特征分析法和物理模型法 将NDVI值由(-1,1)拉伸至[0，255]级灰度，用灰度影像将NDVI的分布表达出来。可再利用伪彩色形式对灰度影像进行重编码。 植被指数NDVI影像图 三、植被指数计算实例 3.7生成植被指数分布图 植被指数VIUPD 影像图 三、植被指数计算实例 3.7生成植被指数分布图 植被指数EVI 影像图 三、植被指数计算实例 3.7生成植被指数分布图 全球反射率影像图 三、植被指数计算实例 3.7生成植被指数分布图 2003.4.7 全球植被指数NDVI影像图 低 高 三、植被指数计算实例 3.7生成植被指数分布图 2003.4.7 全球植被指数VIUPD影像图 三、植被指数计算实例 3.7生成植被指数分布图 2003.4.7 全球EVI植被指数影像图 三、植被指数计算实例 3.7生成植被指数分布图 第五章 第1节 高光谱遥感植被监测应用 一、高光谱遥感主要应用领域二、高光谱遥感在植被监测中的应用三、植被指数计算实例四、高光谱植被生物理化参数反演 四、高光谱植被生物理化参数反演 4.1植被生物物理化学参数 植被生物物理和生物化学参数的精确估计对于生物多样性评价、陆地覆盖特征、生物量建模、精准农业以及碳通量估算等都具有重要的意义。 植被生物物理参数 植被生物化学参数 叶面积指数 生物量 植物种类 植冠郁闭度 光合有效辐射 蒸腾蒸发、光合作用、叶子凋落、固氮和气体散发等过程均与上述参数密切相关 叶绿素 叶黄素 N、P、K 纤维素 木质素 淀粉 蛋白质 通过生物化学参数了解植被营养状况和土壤养分储备状况，建立胁迫模型 4.2植被参数反演方法 1.多元统计分析法 四、高光谱植被生物理化参数反演 通常是利用逐步回归分析方法筛选出光谱反射率（或变换）与某个生物物理或生物化学参数关系密切的若干波段，建立统计回归方程，然后利用该方程对未知样本的参量进行预测并估算精度。 特点： 简单易行、适合实验室可控条件下测得光谱及参量 野外条件下收到大气、观测几何、土壤背景影响缺乏普适性。 4.2植被参数反演方法 2.光谱特征分析法 四、高光谱植被生物理化参数反演 利用光谱光谱特征参量或者光谱指数作为回归变量，有针对性的建立其与生物物理或生物化学参数的经验方程，然后对未知样本的参量进行预测。 光谱特征参量、 光谱吸收指数 NDVI、红边参数、蓝边参数 4.2植被参数反演方法 四、高光谱植被生物理化参数反演 1) 叶绿素含量反演 叶绿素吸收反射率指数（Kim1994） 多元统计和光谱特征分析法举例 红边分析法 4.2植被参数反演方法 四、高光谱植被生物理化参数反演 2) 叶面积指数反演 多元统计和光谱特征分析法举例 改进土壤调整植被指数法 LAI = f(Index) 红边分析法 4.2植被参数反演方法 3.物理模型法 四、高光谱植被生物理化参数反演 前两类方法均属于经验或半经验法，对植被参量的反演缺乏普适性和可移植性。 物理模型法 面临不同传感器以及不同植被类型时效果不理想或完全失效。 几何光学模型 辐射传输模型 基于植被体中辐射能传输的物理过程，分析各种生物参数对电磁波的吸收、散射等作用，建立定量描述模型。 4.2植被参数反演方法 物理模型法 四、高光谱植被生物理化参数反演 物理模型法 冠层反射率模型 几何光学模型 森林的郁闭度 叶面积密度分布 G函数 ?函数 叶倾角LAD 叶面积指数 郁闭度 PROSPECT 叶绿素 含水量 P(c1,c2,c3..) (R, T) 模拟 反演 4.2植被参数反演方法 物理模型法的病态反演 四、高光谱植被生物理化参数反演 参数众多 类型复杂 病态反演 参数 反射率、温度 DN 灰度 光谱重建 最小二乘法？ 反演过程可通过最小化代价函数实现 最小化代价函数 Robs为观测反射率值; RM为