第五章-植被遥感.pptxVIP

第5章 植被遥感;主要内容;一、植被遥感原理;单张叶片的反射、吸收和透射特性;植物叶片的反射、透射和吸收特性随种类、生长期、病害及入射波长不同而变化，故可依据此识别植被、诊断病害及估产。;（二）影响植被叶片光谱的因素;叶绿素a和叶绿素b导致以0.45μm和0.67μm为中心形成两个强烈的吸收带。;不同生长状态的橡树叶子;2. 叶子的组织构造;根据叶子的结构可分为结构稀疏（典型的双子叶植物）和结构紧凑（典型的单子叶植物）。;近红外波段的变化;不同类型植物光谱曲线的???异;叶子年龄的增长;近红外波段反射率的变化;3. 叶片含水量;4. 植被覆盖度;一般而言，植被覆盖程度越大，光谱特征形态受背景下垫面的影响越小;二、不同类型植被区分;1. 根据植被光谱划分;2. 根据植物的物候差异来区分植物 冬季多数植物凋零----长年常绿植被 同种植被在不同季节的波谱特征差异 不同植物生长期的不同，光谱特征也有差异;植物季节性规律;各种作物的生长期和收获期的差异;3. 根据植物的生态条件的不同来区分植被;同一地理环境植被的垂直分带性 （以山西省太原以南地区植物的垂直分带性为例） ;4. 根据植被冠层形态区分植被;（1）针叶林（云杉、松树林） 在比例尺为1：1万或1：15000的影片上，针叶林一般是深灰色颗粒状图型，随比例尺进一步变小，表现为暗色调均匀的细粒状影纹 （2）阔叶林（山杨、白桦） 其影像色调比针叶林浅，一般呈灰色或浅灰色颗粒状或粗圆粒状图型，在秋季影片上，不同树种的树冠颜色有较大差异，因而形成色调混杂的影像。 （3）针阔混交林;（4）灌丛 多呈密集的细粒状结构，色调浅灰，因其覆盖度比森林低，又有植株阴影，故多呈均匀的浅色或灰色色调。 ;三、植被生态参数;植被指数的概念;但是，对于复杂的植被遥感，仅用个别波段或多个单波段数据分析对比来提取植被信息是相当局限的。因而往往选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值——即所谓的“植被指数”。 它用一种简单有效的形式来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。;以美国陆地卫星Landsat TM传感器获取的遥感数据为例，植被指数就是由第三波段的红光波段（Red）和第四波段的近红外波段进行运算而得到可以表征植被状况的植被指数。 ;植被指数的类型;;植被指数类型;植被指数类型;1. 比值植被指数;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，也是有效的。 比值植被指数可从多种遥感系统中得到。 但主要用于Landsat的MSS、TM和气象卫星的AVHRR。 ;RVI是绿色植物的一个灵敏指示参数 它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素含量相关性高，被广泛用于估算和监测绿色植物生物量。 在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好。但当植被覆盖度小于 50% 时，它的分辨能力显著下降。 RVI 对大气状况很敏感，大气效应大大地降低了它对植被检测的灵敏度，尤其是当 RVI值 高时。因此，最好运用经大气纠正的数据，或将两波段的灰度值（DN）转换成反射率（ ）后再计算 RVI，以消除大气对两波段不同非线性衰减的影响。;DN值转换为反射率ρ的公式;2. 归一化植被指数（NDVI）;NDVI的主要用途 1）可以进行不同植被类型初级生产量的估计； 2）识别不同的生态区； 3）监测地球表面植被的物候类型，常被用来进行区域或全球的植被状态研究； 4）评价生长期和变干期的长短;NDVI的局限性;增强型植被指数（EVI）;MODIS—EVI改善表现在：(1)大气校正包括大气分子、气溶胶、薄云、水汽和臭氧。而AVHRR—NDVI仅对瑞利散射和臭氧吸收做了校正；这样MODIS—EVI可以不采用基于比值的方法。因为比值算式是以植被指数饱和为代价来减少大气影响；(2)根据蓝光和红光对气溶胶散射存在差异的原理。采用“抗大气植被指数(ARVl)对残留气溶胶做进一步的处理；(3)采用“土壤调节植；波指数(SAVl)”减弱了树冠背景土壤变化对植被指数的影响；(4)综合ARVI和SAVI的理论基础。形成“增强型植被指数(EVI)”。它可以同时减少来自大气和土壤噪音的影响。;DVI—差值植被指数;土壤修正植被指数;试验证明： ①SAVI降低土壤背景的影响，改善植被指数与LAI的关系。但可能丢失部分植被信号，使植被指数偏低； ② “ L”取值随植被盖度变化的规律是植被盖度越大，L取值越大。 对低密度植被（LAI=0～0.5），L取值较小，且随L 增加，土壤对植被的影响越小；当 L=1 时，土壤的影响几乎消失