农业信息技术第六讲 农业遥感技术.pptVIP

* MSS图像光谱效应 TM图像光谱效应 五、植被指数模型 植被指数 植被指数是指由多光谱数据，经线性和非线性组合构成的对植被有一定指示意义的各种数值。植物光谱中红波段和近红外波段反射率及其相互关系，是构成各种植被指数的核心。红波段被植物叶绿素强吸收，进行光合作用制造干物质，它是光合作用的代表波段；近红外波段是叶子健康状况最灵敏的标志，它对植被差异及植物长势反映敏感，指示着光合作用能否正常进行。它们的各种组合构成的植被指数，是植物光合作用能力（即植物生产力）的精良监测器。 归一化差值植被指数（Normalization Difference Vegetation Index-NDVI） ND被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值，即ND=（IR-R）/（IR+R）。在陆地卫星MSS中，ND=（M7-M5）/（M7+M5）；在气象卫星AVHRR中，ND=（CH2-CH1）/（CH2+CH1）。其中，Ｃｈ1为可见光通道,Ｃｈ2为近红外通道。它在植被研究以及植物物候研究中得到广泛应用。它是植物生长状态及植物空间分布密度的最佳指示因子，与植物分布密度呈线性相关，因此又称为生物量（Biomass）指标。 实验证明，ND对土壤背景的变化较为敏感。当植物覆盖度小于15%时，数值高于ND值；而植物覆盖度为25~80%时，ND值随植被量呈线性增加；当植被覆盖度大于80%时，ND对植被检测灵密度下降。因此，ND很适合于早期发展极端或低覆盖度植被的检测。 比值植被指数（Ratio Vegetation Index-RVI） 是指近红外波段与可见光红波段数值的比值，即RVI=IR/R。在陆地卫星MSS中，RVI=M7/M5；在气象卫星AVHRR中，RVI=CH2/CH1。 RVI是绿色植被的一个灵敏指示者。它与叶面积指数（LAI）、叶干生物量、叶绿素含量相关最好。当植被覆盖小于50%时，RVI不能很好地识别植物密度差异；但在高覆盖度下，RVI将变得非常敏感，与生物量的相关性最好。因而，RVI更使用于植被旺盛、具有高覆盖度的植物的监测。RVI对大气状况极为敏感，极大地降低了它对植物检测的灵敏度，尤其在RVI值高时，大气效应影响相当显著，因此，最好运用经大气校正的数据。 环境植被指数（Environmental Vegetation Index-EVI） 又称差值植被指数，被定义为近红外波段与可见光波段数据的差值，即EVI=IR-R。在陆地卫星MSS中，EVI=CH2-CH1。 EVI对土壤背景的变化较RVI敏感。在植被覆盖度为15~25%时，它随植被数量的增加而迅速增大；当植被覆盖度达80%时，它对植被的灵敏度有所下降。EVI在AVHRR的植被遥感中应用较为普遍。 绿度植被指数（Green Vegetation Index-GVI）和垂直植被指数（Perpendicular Vegetation Index-PVI） 由于植被指数都受土壤背景的影响，为了消除和减轻土壤背景值对植物光谱的影响，采用光谱数值的“穗帽”转换技术，把离“土壤光谱线”的垂直距离作为植被生长的指标，叫做垂直植被指数。国内的黄签（1986），根据大气参数、大气外太阳光光谱照度数据，AVHRR定标参数及由实验计算出的转换系数，获得实际应用的绿色植被指数，其表达式为：GVI=1.6225CH2-2.2978CH1+11.0656。国外专家对于陆地卫星2号MSS数据而言， GVI=0.3887M7+0.577M6-0.660M5-0.283M4+32 PVI=0.939M7-0.344M5+0.09 植被指数模型分析 光谱数据分析 农业高光谱遥感研究的主要内容包括农作物种类识别与分类、农作物长势监测与估产、农作物生化组分的估测及农业生态评价等。建立各种从高光谱遥感数据中提取农作物的生物物理参数（如LAI、生物量、植物种类、冠层结构、净生产率等）、生物化学参数（如光合色素、各种糖类、淀粉、脂肪、蛋白质和各种营养元素等）的分析技术，是农业遥感中十分重要的内容。 这些分析技术结果的好坏取决于所采用的具体的分析技术和方法、高光谱数据特性及其质量。针对于水稻高光谱数据分析，一般采用① 多元统计分析技术；②基于光谱特征位置变量的分析技术；③光谱匹配技术；④光学模型方法等四类分析技术和方法。 光谱参数提取 为了探究目标物吸收反射光谱的特征