第六章 植被遥感.pptVIP

第 6 章 植被遥感 本章内容 ?? 5.1 植被的光谱特征 ?? 5.2 植被遥感判读 5.3 植物生长状况的解译 ?? 5.4 植被指数 ?? 5.5 植被指数与地表参数的关系 ?? 5.6 植被遥感应用 植被遥感研究的主要内容： （1）通过遥感影像从土壤背景中区分出植被覆盖区域，并对植被类型进行划分，区分是森林还是草场或者农田，并区分森林、草场、农作物的类型等。 （2）能否从遥感数据中反演出植被的各种重要参数，例如叶面积指数（LAI）、叶子宽度、平均叶倾角、植被层平均高度、树冠形状等等，这一类问题属于更深层次的遥感数据定量分析方法与反演技术。 （3）能否准确的估算出与植被光合作用有关的若干物理量，例如植被表面水分蒸腾量、光合作用强度（干物资生产率）、叶表面温度等。 5.1植物的光谱特征 5.1.1 健康植物的反射光谱特征 健康植物的波谱曲线有明显的特点（图7.1），在可见光的0.55μm附近有一个反射率为10％~20％的小反射峰。在0.45μm和0.65μm附近有两个明显的吸收谷。在0.7~0.8μm是一个陡坡，反射率急剧增高。在近红外波段0.8~1.3μm之间形成一个高的，反射率可达40％或更大的反射峰。在1.45μm，1.95μm和2.6~2.7μm处有三个吸收谷。 在地表景物中，通常只有植物在近红外波段有很高的反射率，所以在彩色红外航空像片或包含近红外波段的假彩色合成遥感图像上可以很容易区分植被和其他景物。 5.1.2 影响植物光谱的因素 叶子的颜色 叶子的组织结构 叶子的含水量 植物的覆盖度 叶子的颜色 植物叶子中含有多种色素，如叶青素、叶红素、叶黄素、叶绿素等，在可见光范围内，其反射峰值落在相应的波长范围内 叶子的组织结构 绿色植物的叶子是由上表皮、叶绿素颗粒组成的栅栏组织和多孔薄壁细胞组织（海绵组织）构成。 叶子的组织结构及光谱特征 叶绿素对紫外线和紫色光的吸收率极高，对蓝色光和红色光也强烈吸收，以进行光合作用。 叶子的含水量 叶子在1.45μm-1.95μm和2.6-2.7μm处各有一个吸收谷，这主要由叶子的细胞液、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，几个吸收谷更为突出。 植物的覆盖度 当植被叶子的密度不大，不能形成对地面的全覆盖时，传感器收到的反射光不仅是植被本身的光谱信息，而且还包含部分下垫面的反射光，是两者的叠加。 “红移”与“蓝移” “红边”定义为反射光谱的一阶微分最大值所对应的光谱位置，通常位于0.68~0.75μm之间。当绿色植物叶绿素含量高，生长旺盛时，“红边”会向波长增加的方向偏移，称“红移”。 当植物由于受金属元素“毒害”、感染病虫害、污染受害或者缺水缺 肥等原因而“失绿”时，则“红边”会向波长短的方向移动，称“蓝移”。 因此，根据“红边”位移量可以精确地估计叶绿素含量或探测叶片的生化组分。 5.2 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。 5.3 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。 5.4 植被指数 5.4.1 植被指数（Vegetation Index, VI） 选用多个特征波段的遥感数据，经加、减、乘、除等线性或非线性组合运算，产生某些对植被长势、生物量等有一定指示意义的专题数值，称为植被指 数。 植被指数计算 在植被指数的计算中，通常选用R波段和NIR波段。 建立植被指数的关键 增强植被信息的同时，使非植被信息最小化。 由于植被光谱受到植被本身、土壤背景、环境条件、大气状况、仪器定标等内外因素的影响，因此植被指数往往具有明显的地域性和时效性。 主要植被指数 5.4.2 植被指数的种类 1）比值植被指数： RVI = NIR/R 由于绿色植物R值低、NIR值高，则RVI值高（一般高于2）；而对于无植被的地面（如裸土、人工特征物、水体）以及枯死或受胁迫植被，因不显示这种特殊的光谱响应，则RVI值低（一般近于1）。因此， RVI 能增强植被与土壤背景之间的辐射差异。 比值植被指数可提供植被反射的重要信息，是植被长势、丰度的度量方法之一。同理，可见光绿波段（叶绿素引起的反射）与红波段之比G/R，也是有效