《遥感地学应用03 植物遥感ppt课件.ppt》由会员分享，可在线阅读，更多相关《遥感地学应用03 植物遥感ppt课件.ppt（72页珍藏版）》请在三一办公上搜索。
1、1,遥感地学应用,第三章 植物遥感,第 三 章 植物遥感,植物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。,本章内容植物的光谱特征植被遥感判读植物生长状况的解译植被指数植被指数与地表参数
2、的关系植被遥感应用,5,3.1 植物的光谱特征,健康植物的反射光谱特征影响植物光谱的因素,3.1.1 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，在可见光的0.55m附近有一个反射率为1020的小反射峰。在0.45m和0.65m附近有两个明显的吸收谷。在0.70.8m是一个陡坡，反射率急剧增高。在近红外波段0.81.3m之间形成一个高的，反射率可达40或更大的反射峰。在1.45m，1.95m和2.62.7m处有三个吸收谷。,两个反射峰、五个吸收谷,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
3、他景物。,3.1.2 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。,对绿色光部分则部分吸收，部分反射，所以叶子呈绿色，并形 成在0.55m,附近的一个小反射峰值，而在0.33m-0.45m及0.65m附近有两个吸收谷。叶子的多孔薄壁细胞组织（海绵
4、组织）对0.8m-1.3m的近红外光强烈地反射，形成光谱曲线上的最高峰区。其反射率可达40，甚至高达60%，吸收率不到15。,叶子的含水量,叶子在1.45m-1.95m和2.6-2.7m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
5、常位于0.680.75m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。,矿区红杉林反射曲线的蓝移现象,研究者就发现生长在富含Cu，Mo等重金属元素土壤上的植物，受金属元素“毒害”影响，其光谱反射特性会发生一些变化，主要表现就是红边和绿峰会向短波区偏移10nm20nm不等（见图7.4）。这种矿化带植物光谱异常是植物遥感探矿的有用指标。,3.2 不同植物类型的
6、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。,3.3 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。,19,3.4 植被指数,植被指数植被指数的种类,3.4.1 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
7、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,3.4.2 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
8、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的指示参数。研究表明，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。此外，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
9、）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。,2）归一化植被指数（NDVI） ： 归一化指数（NDVI）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： 或 NDVI是简单比值RVI经非线性的归一化处理所得。在植被遥感中，NDVI的应用最为广泛，是植被生长状态及植被覆盖度的最佳指示因子，与植被分布密度呈线性相关。因此又被认为是反映生物量和植被监测的指标。,典型的地面覆盖类型的NDVI值域：云、水、雪 R NIR，则NDVI 0,NDVI的一个缺陷在于，对土壤背景的变化较为敏感。实验证明，当植被覆盖度小于15%时，植被的NDVI值高于裸土的N
10、DVI值，植被可以被检测出来，但因植被覆盖度很低，如干旱、半干旱地区，其NDVI很难指示区域的植物生物量，而对观测与照明却反应敏感；当植被覆盖度由2580%增加时，其NDVI值随植物量的增加呈线性迅速增加；当植被覆盖度大于80%时，其NDVI值增加延缓而呈现饱和状态，对植被检测灵敏度下降。,差值植被指数（DVI） 差值植被指数（DVI）又称环境植被指数（EVI），被定义为近红外波段与可见光红波段数值之差。即： 差值植被指数的应用远不如RVI、NDVI。它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。另外，当植被覆盖浓密（80%）时，它对植被的灵敏度下降，适用于植被发育早中期，或低中覆盖
11、度的植被检测。,缨帽变换中的绿度植被指数（GVI） 而对于TM而言，可见光红外6个波段数据经缨帽变换(TC)的前三个分量主要反映土壤亮度、绿度、湿度特征，第四分量主要为噪声。其中绿度指数可表示为：TC变换既然是以各波段的辐射亮度值作为变量的，这些亮度值中包含了太阳辐射、大气辐射、环境辐射等多要素的综合信息，因而TC变换所得的图形和数值，受大气纯度、光照角度等外界条件的变化而波动。,在作物研究中，为了突出作物本身的光谱特征的动态信息，尽量排除大气环境等因素的影响，在TC变换中选用反射率来替代亮度值，将典型的缨帽变换图形进一步发展为G-转换图形，即绿度转换图形。图形中的一维是作物在红波段（R）与近
12、红外波段（NIR）组合的绿度模型（绿度变量G），另一维是作物在0.41.1的平均反射率，每一种作物在由这两个变量组成的象限里均有各自独特的变化图形和不同的空间位置。,在绿度转换图形上，土壤与植被光谱特征互不相干，植被的绿度测量可排除土壤背景的干扰，一个通过植被光谱图形反映植被的生长状况，另一个通过土壤亮度线反映植被的生长条件绿度转换图形可以直接形象地反映了G、P两维变量的变化规律和植被发育过程中空间结构的变化，且信息量得到压缩。但是它缺乏时间变量。,尽管图形反映了作物生长过程，而作物生长过程本身是时间的函数，作物光谱是随时间的变化而变化的，但由于它缺乏具体的时间变量、不能描述作物生长期的长短，
13、特别是当两种作物在图形和空间位置相近，需用时间参数加以鉴别时，该图形反映出一定的局限性。为了弥补这一不足，往往运用多时相动态资料，绘制绿度时间剖面曲线，以显示作物不同生长期中的显著差异。,36,3.5 植被指数与地表参数的关系,植被指数与叶面积指数的关系植被指数与叶绿素含量的关系植被指数与植被覆盖度的关系植被指数与生物量的关系植被指数与地表生态环境参数的关系植被指数与气候参数的关系植被指数与植物蒸发量、土壤水分的关系,1、 植被指数与叶面积指数的关系叶面积指数LAI是指每单位土壤表面积的叶面面积比例。它对植物光合作用和能量传输是十分有意义的。叶面积越大则光合作用越强，而光合作用越强，又使植物群
14、体的叶面积越大，植物干物质积累越多，生物量越大。同时，植物群体的叶面积越大，植物群体的反射辐射增强。实验证明：当作物群体LAI大于3时，其反射率可达太阳总辐射的20%；当正常稻田LAI为4时的能量透过率 为太阳总辐射的23%或低于20%；对草本植物而言，叶片倾角较大，光很容易透过冠层直达底部直至土壤则当LAI高达7.5时，有5%的入射光可到达土壤表面。,叶面积指数LAI，是利用遥感技术监测植被长势和估算产量的关键参数。然而，叶面积指数LAI往往是难以直接从遥感仪器获得，但是它与遥感参数植被指数间有密切的关系，它是联系植被指数与植物光合作用的一个主要的植冠形态参数。叶面积指数一般大于1，小于10
15、，在光谱曲线中，近红外波段的反射率随叶面指数增加而增加。,外表上的和表面覆盖面积随时间发生变化，是植物和地面其它大多数地物（特别是那些与气候无关的）相区别的标志。植被指数NDVI或RVI与叶面积指数LAI的相关系数很高，且与LAI呈非线性函数关系。式中的A、B、C及A、B 、C 均为经验系数，可通过模拟试验获得。其中， A、 A值是由植物本身的光谱反射确定的，不同叶形，叶倾角及散射系数造成不同的A值及A值；B、B值与叶倾角、观测角有关，当叶呈水平状，则线性关系明显；当叶呈非水平状，随着LAI的增大，植被指数增大速率较慢，两者呈余弦关系，基本是线性的。C、C值取决于叶子对辐射的衰减，这种衰减是呈
16、非线性的指数函数变化。,2、 植被指数与叶绿素含量的关系 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后，吸收率近于饱和，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。不同作物由于植土比的差异，其表达叶绿素含量的光谱模型是不同。下图显示小麦几种植被指数模型与叶绿素含量的时间剖面曲线的关系。,从图中可见，G5曲线与叶绿素含量相当吻合。实验证明，对小麦而言， G5=NIR/R2的光谱模型表达叶绿素含量最佳。其余四个绿度模型分别为：,对大豆而言，因叶子较早封垄
17、，土壤影响较小，则G3光谱模型反映叶绿素含量最佳。研究还表明，可以根据红边拐点对应的反射光谱值，来估计冠层叶绿素含量（Chlf），叶绿素含量增加，拐点值相应增加。V.Demarez等（2000）指出：林冠层叶绿素含量Chlf除了以红边拐点对应的波长i来确定外，还受叶面积指数LAI、观测方向、下垫面反射和冠层结构等因素的影响。若不考虑冠层结构（如成熟林型或杆状林型等），林冠层叶绿素含量Chlf的估计误差可达23g/cm2。,3、 植被指数与植被覆盖度的关系 植被覆盖度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： 其中，RV为植被的总反射辐射，RS为土壤
18、的 总反射辐射，C为植被覆盖度，则：,式中,为植被与土壤混合光谱反射率, v、s分别为纯植被和纯土壤宽波段反射率。,据理论推导，RVI、NDVI与植土比分别呈指数和幂函数关系，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，其对植土比的感应能力也随LAI减小而降低。就估测作物而言，PVI较为优越，但应选LAI较大的时期。实际上，植土比和叶面积指数同时随空间而变化，因此，需综合考虑植被指数与两者的关系。,对同一地区来说，作物品种特性差异较小，作物长势越好，叶面积指数越大作物产量就越高。也就是说，作物（主指冬小麦）的理论产量与抽穗期叶面积指数呈很好的直线相关关系。因此，可以
19、将一个地区的平均叶面积指数（LAI）与该地区植土比（KW）的乘积（LK）作为该地区作物总产的线性相关因子。,4、植被指数与生物量的关系 生物量指的是植物组织的重量。它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。讨论植被条件指数与植被覆盖度、生物量的关系。,由NOAA/AVHRR数据获得的植被条件指数VCI被定义为： 式中，NDVI、NDVImax、NDVImed、NDVImin分别为平滑化后每周（7天）的NDVI以及它的多年最大值、中值、最小值（以象元为计算单元）,Anatoly等（1990）曾对干湿两种气候条件和不同生态区（
20、高程与NDVI值不同），运用NOAA/AVHRR数据获得的植被条件指数VCI来估算植被覆盖度以及草场与作物生产力，并通过大量地面实测数据来验证遥感估算的结果。 研究结果表明，用植被条件指数VCI对植被覆盖度的估算误差16%，低覆盖区误差更小；且VCI与实测的植被覆盖度相关性较高（相关系数约0.76）。因此，用遥感卫星数据所获得的植被条件指数VCI方法，来定量估算大面积植被覆盖度和生物量是有效的。,5、 植被指数与地表生态环境参数的关系 植被指数如NDVI常被认为是气候、地形、植被/生态系统和土壤/水文变量的函数。从概念上讲，可以用这些环境因子建立NDVI模型：,式中，C为气候子模型，V为植被/
21、生态子模型，P为地形子模型，S为土壤/水文子模型。这些子模型又可表示为各自主因子的数：,但是对于一个特定的地理位置和一定时间尺度（如年或10年），地形子模型可认为是常量，植被/生态系统子模型及土壤/水文子模型也变化不大或基本倾向于常量。那么，应该说变化较大的是气候子模型，或者说，对一个具体时间（t），一个具体地点的NDVI主要成为相关气候变量的函数：,6、植被指数与气候参数的关系 影响植被指数的气候参数主要指水、气温和日照，因此上式可表示为：,式中Tt表示在具体时间t之前一段时间的某个因子的累计影响；一般说来，气温和日照是与同一年度的季节密切相关，而季节可用日期来加以描述。 因此，可用一个指定
22、变量日期（j），作为表示气候季节的变量，则上式可简化为：,对于一个时间分辨率为天的NDVI模型，上式的t为j ，则：,也就是说，日期为j的NDVI为降水和日期j的函数。它受日期（表征气温与日照）以及该日期前一时间段降水的影响。,7、 植被指数与植物蒸发量、土壤水分的关系 一般说来，NDVI能反映植被状况，而植被状况与植被蒸发量、土壤水分有关的。对某一站点的绿色植被连续测定表明，累计的蒸发量与累计的植被指数间高度相关 Smith等（1990）对半干旱地区的研究表明，图象上测得的植被覆盖与实际地面测得的蒸发量有密切关系：Desjardins（1989、1990）的研究发现，草本植被冠层测得的CO2
23、和H2O通量高度相关；Cihlar等（1991）通过作物生长季节每15天的NDVI、气象站点的气象数据，由土壤水分模型（VSMB、SWOM）反演计算了根系不同深度水含量以及生态、土壤等信息。在GIS支持下研究NOAA/AVHRR的NDVI与生态变量的关系以及用NDVI来估算蒸发量的可能性。,研究发现，不同的植被/土壤组合显示不同的NDVI变化轨迹，它与潜在的蒸发量（PE）曲线的趋势密切相关。实际蒸发量（AE）与相应的NDVI间相关系数为0.77；NDVI与前15天的潜在蒸发量间相关系数为0.86；整个生长季节的累计NDVI与累计蒸发量高度相关，相关系数达0.96。研究表明，用NDVI和潜在蒸发
24、量（PE）可以估算15天为周期的实际蒸发量（AE），估算误差约1015%。这个结果说明NDVI的变化轨迹可提供植物季相变化的重要信息，并能较好的估算实际蒸发量（AE）。,不少学者研究了不同的干旱半干旱地区植被指数与土壤水分的关系，发现植被指数与各种测量所得的土壤水分有效性（availability）之间有密切的经验关系。Singh等（1988）的研究发现，植被指数与土壤水分受胁迫（Stress）的关系，依赖于植被的类型，许多研究表明，NDVI可以作为一种有用的土壤含水量指标。,Chodhry Gols（1988）运用Nimbs-7的多通道微波辐射仪（SMMR）和NOAA/AVHRR数据，由SM
25、MR的微波数据得亮度温度和由AVHRR得植被指数NDVI，再通过降水指数（API）模型与土壤湿度进行相关分析。同时用SMMR和AVHRR的可见光近红外数据建立土壤湿度模型（线性回归方程）得到4级土壤湿度，与不考虑植被的3级土壤湿度相比较。 Di（1991）提出用NOAA/AVHRR所得的NDVI和表面温度，以及气候数据计算区域尺度土壤水分的方法。研究结果表明，此法所得的区域土壤水分与作物水分指数（CMI）和Palmer干旱指数（PDSI）有高度相关。,3.6 植被遥感的应用,大面积农作物的遥感估产植被及其动态变化制图城市绿化调查草场资源调查林业资源调查,大面积农作物估产,农作物估产用遥感手段大
26、面积地对某种作物做出产量预测，为国家进行国民经济重大决策提供基础信息。遥感估产的前提大面积单一作物,遥感数据的采集与预处理根据区域分布、作物类别、农事历等特点，选择合适的遥感数据。空间、光谱分辨率选择：AVHRR + TM时相选择：选择作物最易识别或对产量最有意义的生长期预处理：辐射纠正、几何纠正、大气校正、叠加行政界线等。,作物识别与面积提取遥感数据的分类绿度分层混合像元分解,作物长势分析常以植被指数作为评价作物生长状态的定量标准。某一时刻的植被指数是该时刻作物长势和面积的函数，在面积变化很小的情况下，植被指数的变化主要与作物长势有关，能够直接建立植被指数与作物长势的关系。,植被及其动态变化
27、制图,应用遥感影像进行植被分类制图，尤其是大范围的植被制图，是一种非常有效而且节约人力物力的工作。随着全球生态环境的变化，植被生态遥感从主要了解局地植被状况和类型，发展到围绕全球生态环境而进行大尺度（全球、洲际、国家）植被的动态监测及植被与气候环境的关系的研究上。,全球植被覆盖分布,全球落叶植被覆盖分布,全球常绿植被覆盖分布,城市绿化调查,改善城市的生态环境，提高城市绿化水平，是城市生态建设的重要问题。三维绿化指数（绿量）,草场资源调查,草场上牧草的长势好坏与牧草的产量直接相关，而产草量是载畜量（单位面积草场可养牲畜的头数）的决定因素。在应用遥感技术确定草场类型，进行草场质量评价的基础上，结合
28、地面样点光谱测量数据，找出某类植被指数与产草量的关系即可进行草场资源调查 此外还可将产草量指标与实际载畜量进行比较，以确定哪些草场还有潜力，哪些草场属于超载，从而为畜牧业的发展提供科学的依据。在具体工作中还可划分出不同草场类型，不同产草量等级，分别确定合理的载畜量。,林业资源调查,林业部门是采用遥感技术进行资源调查最早的部门之一，在我国的各大林区都应用过遥感影像制作森林分布图、宜林地分布图等，并对林地的面积变化进行动态监测。尤其是1987-1990年之间全面开展的“三北”防护林遥感综合调查的重点科技攻关项目，对横贯我国的东北、华北和西北已建的防护林网的分布、面积、保存率和有效性进行评估。,作 业,查阅相关资料，以遥感技术在植被生态研究中的某方面应用为例，说明遥感技术在植被生态研究中的具体应用过程及价值。,
