第三章 遥感的应用-2016.ppt

3.4.3 其他应用 遥感在城市中的应用还有很多：城市大气气溶胶的监测（大气污染）、城市水污染的监测、城市土地利用变化的监测、城市污染源的监测…… 3.3.1 植被光学特性 “红边位移”现象 红边位移 作物快成熟时，其叶绿素吸收边向长波方向移动，即“红移” 其他植物也存在红移，且红移量随植物类型而变化 “红移”出现的重要原因是植物成熟或受胁迫时叶黄素逐步代替叶绿素所致 红移可以用来评价作物间的差异以及某一特定作物成熟期的开始 对于植物来说，可以作为植物受压抑（胁迫状态）的表现 3.3.2 植被指数 植被指数的基础 植被在可见光、近红外波段的反射特征的明显差异性 该反射特性与植被的覆盖度、生长状态等明显相关 绿色植物在可见光红波段（0.6-0.7um）强吸收，在近红外波段（0.7-1.1um）高反射和高透射 植被指数大多基于红光波段和近红外波段 3.3.2 植被指数 比值植被指数（RVI-Ratio Vegetation Index） 近红外波段(NIR)与红光波段(R) 的比值 DN：灰度值 ρ：地表反射率 比值能反映植被覆盖度、健康程度 健康的、覆盖度高的植被RVI高，一般植被的RVI高于2，土壤近于1 RVI与叶面积指数、叶干生物量、叶绿素含量相关性很高 3.3.2 植被指数 归一化植被指数（NDVI-Normalized Difference Vegetation Index） 近红外波段(NIR)与红光波段(R) 组合运算的比值 是比值植被指数（RVI）的归一化处理 3.3.2 植被指数 归一化植被指数（NDVI） 是植被生长状态和植被覆盖度的最佳指示因子 可以部分消除与太阳高度角、卫星观测角、地形、云、阴影和大气等的影响 取值范围在[-1,1] 云、水、雪等0 岩石、裸土近于0 植被0，值越大，覆盖度越大 3.3.2 植被指数 归一化植被指数（NDVI） NDVI也有缺陷，即对土壤背景的变化比较敏感 实验表明： 作物生长初期，NDVI会过高估计植被覆盖度 作物生长后期，NDVI对植被检测灵敏度下降，会低估植被覆盖度 NDVI适用于植被发育中期，或中等覆盖度的植被检测 3.3.2 植被指数 差值植被指数（DVI-Difference Vegetation Index） 近红外波段（NIR）与红光波段（R）数值之差 对土壤背景的变化极为敏感，有利于对植被生态环境的监测，又称环境植被指数（EVI） 当植被覆盖浓密（=80%）时，对植被灵敏度下降，适用于植被发育早—中期，或低—中覆盖度的检测 3.3.2 植被指数 由于土壤在红光波段和近红外波段的反射都较强，因此NDVI、DVI等植被指数在植被非完全覆盖的情况下，均受土壤背景的影响大 以下两个植被指数较好的消除了土壤的影响 3.3.2 植被指数 缨帽变换中的绿度植被指数（GVI） 通过变换得到亮度、绿度、土壤湿度三组分 绿度和湿度分别代表植被和土壤 植被和土壤的光谱特征得到了分离 GVI受大气浑浊度、光照条件等外界条件的影响 3.3.2 植被指数 垂直植被指数 指数建立基础 为了消除植被的背景（水体、学、各类土壤、落叶等）的影响 研究表明，土壤在红光波段（R）与近红外波段（NIR）的反射率具有线性关系 土壤（植被背景）光谱特性的变化，表现为一个由近于原点发射的直线，称为“土壤线”（见图8.5），可表示为 IR = aR + b 3.3.2 植被指数 如图8.5： 植被背景均表现在基线（土壤线）上 所有的植被像素均分布在基线上的NIR一侧 绿色光合作用越强，离“土壤线”越远 在该图中，植被像元的表现特征是叶子光学特征、生物量、叶冠结构参数的函数 图8.5 二维土壤光谱线 3.3.2 植被指数 垂直植被指数 垂直植被指数（PVI-Perpendicolar Vegetation Index）是在R、NIR二维数据中对绿度植被指数（GVI）的模拟，两者物理意义相似 基于图8.5，把植物像元到土壤亮度线的垂直距离定义为垂直植被指数，表示为 S：土壤反射率 V：植被反射率 R：红波段 NIR：近红外 3.3.2 植被指数 垂直植被指数 也可将PVI定义为 b: 土壤基线与NIR反射率纵轴的截距 θ：土壤基线与R光反射率横轴的夹角 PVI较好地滤除了土壤的影响，且对大气效应的敏感程度也小于其他植被指数 被广泛应用于大面积作物估产 3.4 城市遥感应用 3.4.1 监测城市扩张 3.4.2 城市热岛效应的监测 3.4.3 其他应用 3.4.1 监测城市扩张 监测城市扩张 城市扩张在遥感影像上体现为城市面积的不断扩大，特别是城镇建筑用地的不断扩张。 基于遥感影像上提取城镇用地通常是通过识别