《环境遥感技术及应用(田静毅)植被遥感.ppt》由会员分享，可在线阅读，更多相关《环境遥感技术及应用(田静毅)植被遥感.ppt（27页珍藏版）》请在三一办公上搜索。
1、植被遥感,植被是生长于地球表层的各种植物类型的总称，在地球系统中扮演着重要的角色，它是地球表层内重要的再生资源。植被是全球变化中最活跃、最有价值的影响要素和指示因子。植被影响地气系统的能量平衡,在气候、水文和生化循环中起着重要作用,是气候和人文因素对环境影响的敏感指标。,因此,地球植被及其变化一直被各国科学家和政府所关注。卫星遥感是监测全球植被的有效手段,卫星从太空遥视地球,不受自然和社会条件的限制,迅速获取大范围观测资料,为人类提供了监测、量化和研究人类有序活动和气候变化对区域或全球植被变化影响的可能。,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
2、行划分，区分是森林还是草场或者农田，进而可以问是什么类型的森林，什么类型的草场，什么样的农作物，如此等等。,（2）能否从遥感数据中反演出植被的各种重要参数，例如植被指数、植被覆盖度、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。关于植被资源的清查与分类方面以已取得了较为突出的成绩，后两个问题正是植被遥感所要研究的问题，虽已取得了相当的进展，但到成熟仍需时日。,植被生态参数 植被指数是遥感领
3、域中用来表征地表植被覆盖，生长状况的一个简单，有效的度量参数。随着遥感技术的发展，植被指数在环境、生态、农业等领域有了广泛的应用。在环境领域，通过植被指数来反演土地利用和土地覆盖的变化，逐渐成为实现对全球环境变化的研究重要手段；生态领域，随着斑块水平的生态系统研究成果拓展到区域乃至全球的空间尺度上，植被指数成了空间尺度拓展的连接点；在农业领域，植被指数广泛应用在农作物分布及长势监测、产量估算、农田灾害监测及预警、区域环境评价以及各种生物参数的提取。总之，随着人们对于全球变化研究的深入，以遥感信息推算区域尺度乃至全球尺度的植被指数日益成为令人关注的问题。,植被指数的概念遥感图像上的植被信息，主要
4、通过绿色植物叶子和植被冠层的光谱特性及其差异、变化而反映的，不同光谱通道所获得的植被信息可与植被的不同要素或某种特征状态有各种不同的相关性,可见光中绿光波段0.52m0.59 m对区分植物类别敏感；红光波段0.63m0.69m对植被覆盖度、植物生长状况敏感等。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。,在
5、植被指数中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光红波段和对绿色植物（叶内组织引起的）高反射的近红外波段。这两个波段不仅是植物光谱中的最典型的波段，而且它们对同一生物物理现象的光谱响应截然相反，故它们的多种组合对增强或揭示隐含信息将是有利的。,植被指数的种类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。,比值植被指数（RVI）由于可见光红波段（R）与近红外波段（NIR）对绿色植物的光谱响应十分不同，且具倒转关系。两者简单的数值比能充分表达两反射率之间的差异。比值植被指数可表达为：,式中，DN为近红外、红外段
6、的计数值（灰度值）,对于绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外强反射，使其R与NIR值有较大的差异，使RVI值高。而对于无植被的地面包括裸土、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。因此，比值植被指数能增强植被与土壤背景之间的辐射差异。,因此，比值植被指数能增强植被与土壤背景之间的辐射差异。土壤一般有近于1的比值，而植被则会表现出高于2的比值。可见，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Lands
7、at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。,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：,实际上，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，N
8、DVI的应用最为广泛。它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。,经归一化处理的AVHRR的NDVI，部分消除了太阳高度角、卫星扫描角及大气程辐射的影响，特别适用于全球或各大陆等大尺度的植被动态监测。这是因为，对于陆地表面主要覆盖而言，云、水、雪在可见光波段比近红外波段有较高的反射作用，因而其NDVI值为负值（0；岩石、裸土在两波段有相似的反射作用，其NDVI值近于0；而在有植被覆盖的情况下，NDVI为正值（0），并随着植被覆盖度增大，其NDVI值越大。可见，几种典型的地面覆盖类型在大尺度NDVI图象上区分鲜明，植被得到有效
9、的突出。,但是，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NDVI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。,实验表明，作物生长初期NDVI将过高估计植被覆盖度，而在作物生长的结束季节，NDVI值偏低。因此，NDVI更适用于植被发育中期或中等覆盖度的植被检测。,差值植被指数（DVI）差值
10、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，或低中覆盖度的植被检测。,软件截图,植被指数与植被覆盖度的关系,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。关于植被指数与生物理的定量关系，将在下面的“作物估产”部分作详细论述。这里仅讨论植被条件指数与植被覆
11、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（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。,
