植被指数及其应.ppt

叶绿素含量反演 叶子生长初期，叶绿素含量与辐射能吸收间几乎直线相关，即叶绿素含量增多，蓝、红波段吸收增强，绿波段反射率降低，近红外反射率增强，植被指数增大；但当叶绿素含量增加到一定程度以后，吸收率接近于饱和，反射率变化小，植被指数的差异不明显，因而植物在生长旺季较难区分。 不同作物由于植物－土壤比例的差异，其表达叶绿素含量的光谱模型是不同的。 植被覆盖度计算 植被覆盖度（f）指植被冠层的垂直投影面积与土壤总面积之比，即植土比。 传感器所测得的反射辐射R可表示为： 实际上，植土比（f）和叶面积指数（LAI）同时随时间、空间而变化，因此，需综合考虑植被指数与两者的关系。根据理论推导，RVI、NDVI与植土比分别呈指数和幂函数的关系，当LAI较小时，它们与植土比的变化反应不敏感。PVI与植土比呈直线相关，但对植土比的感应能力随LAI减小而降低。就作物估产而言，PVI较为优越，但应选择LAI较大的时期。 研究表明，由于健康绿色植物吸收短波红外辐射，具有较高的湿度值，对于所有土壤背景，绿色植被覆盖度随湿度值（WI）的增大而增大，对于干燥土壤增加尤其明显。因此，选用穗帽变换的亮度分量（BI）或湿度（WI）来估计植被覆盖度比绿度（GVI）更好。 生物量（biomass）估算 广义的生物量是生物在某一特定时刻单位空间的个体数、重量或其含能量，可用于指某种群、某类群生物的（如浮游动物）或整个生物群落的生物量。狭义的生物量仅指以重量表示的，可以是鲜重或干重。生物量是由植物光合作用的干物质积累所致。 显然 ，叶面积指数LAI与植被覆盖度均是生物量的重要指标，它们都与植被指数相关。一般来说，作物长势越好，叶面积指数越大，作物产量就越高。研究表明：冬小麦的理论产量与抽穗期叶面积指数呈很好的线性相关。因此，可以把一个地区的平均叶面积指数与该地区植土比（f）作为该地区作物总产量的线性相关因子。 第七章 植被遥感 第四节 植被指数 (Vegetation Index)及其应用 √§7.4.1 植被指数综述 §7.4.2 植被指数分类 §7.4.3 土壤背景影响与消除 §7.4.4 大气影响与消除 §7.4.5 植被指数应用 Global Vegetation Index from MODIS 1）植被指数的由来 当人们用不同波段的植被-土壤系统的反射率因子以一定的形式组合成一个参数时，发现它可以突出植被信息，抑制其它目标信息，同时它与植被特性参数间的函数联系（如LAI），比单一波段值更稳定、可靠。 我们把这种多波段反射率因子的组合统称为植被指数（或植被光谱参数）。 对于遥感数据的信息来讲，很难对其进行分解，从而得到有用的一些参数 ，而植被指数恰好能应用于大范围的植被覆盖定性研究。 不同的植被覆盖类型可以通过其特有的光谱 特征进行区分，这是由于叶绿素在红波段内对太 阳辐射的吸收以及叶片细胞结构对红外波段内太 阳辐射的强反射。当我们观察植被的反射率曲线 时，红与红外区间反射率的差异会由于绿色植被 的不同覆盖而变化。使用这两个波段信息的组合 能够区分植被与土壤，以及测量不同植被覆盖度 下的光合有效生物量。 2）植被指数的基本原理 3）应用植被指数提取植被信息比单通道值准确可靠 （a） 植被-土壤系统是一个复杂的非朗伯体系，其反射率是太阳方向、传感器方向、自身结构参数（LAI、LAD等）、光学参数（叶片反射率与透过率、土壤发射率等）等因子的函数，不同种类、不同发育期会有所变化，而且有些参数难以获得。此外，由于自然状况（风、病虫害）和人为状况的影响，各通道反射率也会发生变化，造成判读困难。 当采用多波段时，可以通过比值或差值形式，部分消除某些参数（如LAD）在各波段上产生的同步影响。 （b） 传感器测量的是来自目标的辐射亮度值，当辐射环境发生变化时（如大气透明度变化造成太阳直射和天空光变化，地形地貌也会影响辐射环境），接收的目标亮度会发生变化，难以作为判读的依据。但植被指数可以部分消除这一影响。 其中S、F分别为太阳光谱和传感器响应函数，则有： B受辐射环境变化的影响比单一波段要小得多。 第七章 植被遥感 第四节 植被指数 (Vegetation Index)及其应用 §7.4.1 植被指数综述 √§7.4.2 植被指数分类 §7.4.3 土壤背景影响与消除 §7.4.4 大气影响与消除 §7.4.5 植被指数应用