遥感地学分析第一章植被遥感ppt课件.ppt

《遥感地学分析第一章植被遥感ppt课件.ppt》由会员分享，可在线阅读，更多相关《遥感地学分析第一章植被遥感ppt课件.ppt（176页珍藏版）》请在三一办公上搜索。

1、遥感地学分析,第一章 植被遥感,一、植被遥感原理二、植被分类三、植被生态参数的估算四、与光合作用有关的物理量的估算五、中国及中亚地区荒漠化遥感监测研究,主要内容,植被,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（找水、矿）。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。,植被,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,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

2、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。,植被遥感研究的主要内容：,（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，

3、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。,一、植被遥感原理,植被遥感不仅依赖于对单张植物叶片的光谱特性，还需进一步认识植被冠层的光谱特性。,1、植物叶片结构,叶片是绿色植物的主要受光面积，也是遥感传感器所接收到的植被信号的主要贡献者。分为异面叶和等面叶两种。异面叶的叶肉组织有较大分化，形成栅栏组织和海绵组织，故叶片上下面的受光情况不同，上呈深绿色，下呈淡绿色。等面叶的组织分化不明显。,（一）单张叶片光谱特性及影响因素,1、植物叶片结构,叶片一般具有三部分：表皮、叶肉和叶脉表皮：包围整个叶片，由一层或多层组成。表皮细胞扁平，排列紧密，通常不含叶绿体，外表常有

4、一层角质层。,（一）单张叶片光谱特性及影响因素,1、植物叶片结构,叶肉：为表皮内的同化薄壁组织，有两种：（1）栅栏组织：紧靠上表皮下方，呈圆柱状，垂直于表皮细胞，并紧密排列呈栅状，内含较多叶绿体。在两面叶或针形叶，栅栏组织亦分布于下表皮上方或整个表皮内侧四周，但亦有一些水生及阴生植物的叶是完全没有栅栏组织的。（2）海绵组织：细胞形状多不规则，内含较少叶绿体，位于栅栏组织下方，层次不清，排列疏松，状如海绵。,（一）单张叶片光谱特性及影响因素,1、植物叶片结构,叶脉：为贯穿于叶肉间的维管束。主脉部分维管束较粗大，侧脉及小脉部分维管束较细小。叶脉具有输导和支持的作用，是盐分和水分的运输管道，也是光合

5、作用产物的运输通道。,（一）单张叶片光谱特性及影响因素,2、单张叶片的反射、吸收和透射特性,（一）单张叶片光谱特性及影响因素,入射辐射,外部反射,内部反射,透射辐射,反射辐射,散射辐射,入射辐射-散射辐射=吸收辐射，用于增加植物体温和光合作用,2、单张叶片的反射、吸收和透射特性,（一）单张叶片光谱特性及影响因素,1）绿色叶片反射和透射光谱非常相似；,2）叶片对紫外线吸收很大，达90%-99%；,3）叶片对可见光以吸收为主（约90%），且蓝-紫光（0.38-0.47um）和橙-红光（0.62-0.68um）的光合有效辐射吸收最大，约90%，绿光吸收最少，吸收率为50%-90%。,4）从0.69u

6、m始，叶片对近红外辐射的吸收迅速减小，在0.76和1.2um间有最小吸收率，5-25%，故反射和透射最大。,2、单张叶片的反射、吸收和透射特性,（一）单张叶片光谱特性及影响因素,5）超过1.2um，又以吸收为主，且在1.4、1.9和2.7um出现液态水吸收带，吸收作用增强，达到70-95%。,6）1.3um的短波红外，入射能基本均被吸收或反射，透射极少。,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。,3、叶片反射波谱的影响因素1）叶片生化组分叶片生化组分包括水、叶绿素、胡萝卜素、纤维素和蛋白质等，它们决定了叶片的吸收特性。,（一）

7、单张叶片光谱特性及影响因素,植物的光谱特性受叶子总含水量的控制，反射率与总含水量呈相关关系。,不同水分含量玉米叶子反射曲线,3、叶片反射波谱的影响因素1）叶片生化组分在可见光谱段内，植物光谱特性主要受叶内各种色素（叶绿素和胡萝卜素等）的支配，其中叶绿素起最主要的作用。因色素强烈吸收，叶片的反射和透射都很低。,（一）单张叶片光谱特性及影响因素,3、叶片反射波谱的影响因素1）叶片生化组分叶绿素a、b，导致0.45m与0.67m为中心形成两个强烈的吸收带； 胡萝卜素、叶黄素导致0.43m-0.48m范围内形成强烈的吸收带。两吸收谷间（0.54m附近）吸收相对较少，形成绿色反射峰（10%-20%）。,

8、（一）单张叶片光谱特性及影响因素,组分吸收,不同色素影响反射率,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波长范围内。,不同颜色叶子的反射光谱,不同橡树叶子的反射特性,随着植物生长，叶绿素减少、其它色素增加、红光附近反射率上升,不同色素影响反射率,不同生长状态橡树叶子反射特性,3、叶片反射波谱的影响因素1）叶片生化组分蛋白质、纤维素+木质素的吸收在波长大于1.9um后有增加趋势，即该类化学成分在可见光-近红外区对植物反射率影响很小，但在短波红外影响增大。因此，可利用短波红外光谱判断植物是否缺肥并可进行氮含量的定量估算。,（一）单张叶片光谱特性

9、及影响因素,短波红外吸收特征,3、叶片反射波谱影响因素2）叶片内部结构：在0.7m - 1.3m近红外谱段，植物光谱特性主要取决于叶片内部的细胞结构，叶片反射与透射能各占4550%左右，吸收则很少。因为，透入叶子内部的光线，因细胞壁与细胞孔腔的折射率有明显差异，造成光线在叶子内部的多次反射与折射。由于植物类别间的叶片结构差异很大，故不同植物在近红外区的反射差异比在可见光区大的多，用近红外谱段进行植物类型区分。,（一）单张叶片光谱特性及影响因素,不同类型植物光谱曲线的差异,植被（近红外波段的变化）,双子叶与单子叶植物,(典型双子叶植物 )苹果、棉花、向日葵结构疏松，孔隙多，多次反射增加,(典型单

10、子叶植物 )小麦、水稻、竹子结构紧凑,双子叶植物反射率高于单子叶植物反射率,落叶树（阔叶）叶片结构比较稀疏；针叶树（针叶）叶片结构比较紧凑；,阔叶林与针叶林,不同成熟期的叶片,由于年轻，不成熟稀疏结构叶片相较于年长树叶叶绿素含量较低、空隙率较少，它们反映了更多的可见光辐射和较少的红外辐射,榕树病害的反射光谱曲线对比,3、叶片反射波谱影响因素3）叶片表面特征叶片表面发丝状物和蜡状物也是影响叶片反射率的重要因素。因不同植物种间表面发丝状物的差异较大，故无法用统一的模式描述其对发射率的影响。叶片表面蜡状物改变叶面粗糙度，影响反射率。叶片蜡状物对紫外和蓝光的反射增强，因其直径为125nm，使该波段产生

11、瑞利散射。,（一）单张叶片光谱特性及影响因素,总体来看，健康绿色植被叶片的光谱特性表现为相似的峰-谷相间的谱带特征。 但不同植被因其叶子的色素含量、细胞结构、含水量、叶表面特征等均有不同，其光谱响应曲线存在着差异，这种变化和差异正是可以用来鉴别和监测植物的依据。,（一）单张叶片光谱特性及影响因素,（二）植被冠层光谱特性及影响因素1、绿色植被冠层的反射植被冠层由叶、花、茎、果实等共同构成。冠层光谱不仅受叶片影响，还是茎、花、穗以及下垫面工作作用的结果。,（二）植被冠层光谱特性及影响因素,1、绿色植被冠层的反射传感器接收到的植被冠层辐射是：1）从植被组分上直接反射的光（冠层一次散射）；2）被植被组

12、分和地表多次散射最终逸出到达传感器的光（多次散射）；3）从地面一次反射直接到达传感器的光（地表一次散射）,（二）植被冠层光谱特性及影响因素自然状态下植被冠层是由多重叶层组成，上层叶的阴影挡住了下层叶，整个冠层的反射是由叶的多次反射和阴影的共同作用而成的。冠层阴影所占比例受光照角度，叶的形状、大小、倾角等的影响。阴影一般会导致冠层的反射低于单叶的实验室测定反射值。但在近红外谱段冠层的反射率高于单叶片，这是由多层叶子的多次透射反射导致，且冠层反射随层数增加而增加，大致8层叶片的冠层结构其反射率达到最大值；,2、植被冠层影响因素-植被结构植被结构指植物体表面的空间分布结构。植被结构是随着植被种类、生

13、长阶段、分布方式的不同而变化，详细描述很复杂。根据遥感研究需要，采用简化的结构特征，分为：水平均匀植被（连续植被）和离散植被两种。草地、幼林、生长茂盛农作物等为连续植被疏林地、果园、灌丛等为离散植被,（二）植被冠层光谱特性及影响因素,2、植被冠层影响因素-植被结构从植被遥感-植物与光的相互作用出发，植被结构主要指叶子形状（用叶倾角分布LAD表示），大小（叶面积指数LAI表示），植被冠层形状、大小及几何与外观结构，同时也包括植被的成层现象（与多次散射有关）、覆盖度（涉及间隙率、阴影）等。,（二）植被冠层光谱特性及影响因素,2、植被冠层影响因素-植被结构各参数的描述，如：冠层高度：土壤表层至冠层最

14、顶部的高度。冠层接收到的辐射能量往往在冠层顶部最大，随冠层深度的增加而逐渐减弱，故辐射传输是冠层高度的函数。,（二）植被冠层光谱特性及影响因素,2、植被冠层影响因素-植被结构各参数的描述，如：叶面积指数LAI：单位土地面积上的柱体内全部植物叶子面积（仅叶片向上半面）之和。LAI无量纲，用每平方米地表面积上的平方米叶面积表示。单位地表面积上叶面积的多少对光线透过、截获等至关重要。,（二）植被冠层光谱特性及影响因素,2、植被冠层影响因素-植被结构各参数的描述，如：叶面积体密度FAVD：某一高度上的单位体积内的叶面积的总和。其测量单位为每立方米群从容积中的平方米叶面积，即m-1.间隙率：在一个固定的

15、入射角条件下，一束光透过植被冠层而没有被拦截的概率。,（二）植被冠层光谱特性及影响因素,2、植被冠层影响因素-植被结构各参数的描述，如：植被覆盖度：植被冠层的垂直投影面积与土壤总面积之比，即植土比。叶倾角：叶子向上半面某一点上的法线方向与Z轴（垂直于水平面指向天空）的交角，称为叶子在该点的倾角。叶方位角：法线在水平面上的投影与正北方向的交角称为叶子在该点的方位角。,（二）植被冠层光谱特性及影响因素,2、植被冠层影响因素-植被结构各参数的描述，如：同一叶子的不同部位，其倾角和方位角可能有很大差异，测量时，根据叶片弯曲程度将叶片分成几部分，对每一部分进行测量。一个冠层内叶倾角的分布模式可以从0 （

16、水平叶）到90 （垂直叶），一般用间隔为10作出的叶倾角分布频率图来表示。用分布函数LAD来描述不同的倾角类型，如均匀型、球面型、倾斜型,（二）植被冠层光谱特性及影响因素,不同生长期苜蓿反射率与生物量、覆盖度的关系,红边-研究热点,在近年随着高光谱遥感的兴起而发展起来的光谱数据分析技术中，植被“红边”位移现象是研究最多、成效显著的成果之一。“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，对应红光区外叶绿素吸收减少部位到近红外高反射肩之间，健康植物的光谱响应陡然增加的（量度增加约10倍）的这一窄条区。通常位于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

17、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”。,红边-研究热点,Collins （1978）研究作物不同生长期内的高光谱扫描数据发现，作物快成熟时，其叶绿素吸收边（即红边）向长波方向移动，存在“红移”现象。各种植物都存在红移现象，但红移量随植物类型存在差异。因此红移现象可以用来评价作物间的差异以及特定作物的成熟期的开始。Horler等（1983）研究还认为红边可以作为植物受胁迫的光谱指示波段,矿区红杉林反射曲线的蓝移现象,还可根据“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。

18、二三十年前，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）。这种矿化带植物光谱异常是植物遥感探矿的有用指标。,红边-研究热点,植物光谱的“红边”红移现象,注意,不同植物种类虽有共同的光谱反射特性，形成很有特色的光谱反射曲线，但并不是千树一面。实际上，不同种属，处于不同生长环境，其光谱反射曲线有许多差异：如泡桐、杨树等阔叶树，枝叶繁茂，太阳辐射经过上下多层的叶面反射，上述绿色植被的光谱反射特性表现得尤为突出；杉松等针叶树， 叶面积指数低，相当比重太阳辐射穿过枝叶空隙

19、直接投射到地面，植被反射总体降低，绿光区的小反射峰值也趋于平缓；草类则基本上介于两者之间。,不同植被类型在可见光区的反射率彼此差异小，曲线几乎重叠在一起，进入红外区，反射率的差异就扩大了，彼此容易区分。因此0.8m、1.7m和2.3m都是识别不同植被类型的最佳波段。,注意,二、植被分类,植被具有典型的波谱特征，将其余其它典型地物，如人工建筑、裸土、水域等区分容易，但对植被类型划分却有一定难度。不同植被类型，因组织结构、季相、生态条件等不同而具有不同的光谱特征和冠层形态特征。如：正常针叶林为红到品红，枯萎为暗红色，即将枯死时为青色。故可根据植被光谱、季相、生态环境、冠层形态进行植被类型识别。,（

20、一）利用植物光谱特征区分植被类型,阔叶林与针叶林草与阔叶林,（二）利用物候期差异区分植被类型,落叶林与常绿林前提是需要获取典型植被类型的物候季影像,（三）利用生态环境条件区分植被类型,不同种类植物有不同的适宜生态条件，如温度条件、水分条件、土壤条件、地貌条件等。植物在地球表面的分布取决于热量和水分主导环境因子，及植物自身的适应性和变异能力。我国森林气候带自北向南为：寒温带针叶林-温带针阔混交林-暖温带落叶林和针叶林-亚热带常绿阔和针椰林-热带季雨林和雨林。,（三）利用生态环境条件区分植被类型,我国北方，要求温度变幅小，湿度较大的林木多长在山地阴坡，对温度和湿度要求低的草地多分布在山地阳坡。随海

21、拔变化产生不同温热组合决定了植被分布：云南保山在海拔1300-2500m，气候暖湿为亚热带暖性常绿阔叶林和针叶林；海拔2600-3200亚高山区气候温凉，为温带寒带高山暗针叶林海拔3200m以上亚高山和高山，气候多变，多为雪线，生长高山寒温带苔藓，还有部分高山灌丛矮林和草地。,（四）利用冠层形态特征区分植被类型,草本植物表现为大片均匀的色调，因其低矮无阴影；灌木呈不均匀细颗粒结构，灌木一般不高，阴影不明显；,三、植被生态参数估算,植 被指数是遥感领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。 环境领域，通过植

22、被指数来反演土地利用和土地覆盖变化，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；,三、植被生态参数估算,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。,本节内容,植被指数概念植被指数类型植被指数与叶面积指数关系植被指数与叶绿素含量关系植被指数与植被覆盖度关系植被指数与生物量关系植被指数与气候参数关系,（一）植被指数

23、概念,遥感图像上的植被信息，主要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，如叶子光谱特性中，可见光谱段受叶子叶绿素含量的控制近红外谱段受叶内细胞结构的控制中红外谱段受叶细胞内水分含量的控制,再如，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

24、、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。,（一）植被指数概念,植被指数举例以美国陆地卫星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。,（一）植被指数概念,(二)植被指数类型,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。20多年来，国内外学者已研究发展了几十种不同的植被指数模型见表7-1。,主要植被指数

25、表达式一览表,主要植被指数表达式一览表（续）,植被指数模型-类型,比值植被指数：两个或以上波段反射率或DN值的比值。差值植被指数：两个波段反射率或DN值的差值；角度植被指数：通过计算波段之间的夹角参数；,植被指数模型-目标,反映植被的生长状况，同样的植被具有相似或相同的植被指数；同一区域不同生长阶段植被的变化；减弱大气对遥感信号的影响，即大气辐射纠正问题；削弱土壤背景的影响；减小不同传感器之间的差别；增强不同时间之间的稳定性；。,植被指数模型-介绍,比值植被指数（RVI）归一化植被指数（NDVI）土壤修正植被指数（SAVI）转换土壤调整植被指数（TSAVI）修改型二次土壤调节植被指数 （MSA

26、VI）差值植被指数（DVI）绿度植被指数（GVI） 垂直植被指数（PVI）,1、比值植被指数RVI,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/红外段计数值（灰度值），地表反照率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，RVI值高（一般大于2）。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（一般等于1）。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。,或,比值植被指数可提供植被反射

27、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。,1、比值植被指数RVI,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

28、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。,1、比值植被指数RVI,DN转换为反射率P公式在Landsat 7快速格式产品的头文件辐射记录段中含有与辐射校正有关的参数，用户可利用这些参数将图象象元的亮度值转换成地物的辐射值或反射率。辐射记录段以“gains and biases in ascending band number order”开始，逐行、按波段顺序记录了辐射校正有关的参数，每行中按bias、gain的顺序排列，其中bias的单位是W/m2 . ster .m，gain的单位是(W/m2 . ster .

29、m)/DN。,1、比值植被指数RVI,2、归一化植被指数NDVI,对浓密植被，因红光反射很小，则RVI值将无界增长； NDVI 是简单比值植被指数RVI，经非线性的归一化处理后，使所得的比值，限定在 -1，1 范围内。归一化植被指数(Normalized vegetation index)NDVI介于-1和1之间，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示岩石或裸土等，NIR和R近似相等；正值表示有植被覆盖，且随覆盖度增大而增大几种典型的地面覆盖类型在大尺度NDVI图象上区分鲜明，植被得到有效的突出。因此，NDVI 特别适用于全球或各大陆等大尺度的植被动态监测。,式中DN为近红外/

30、红外段计数值（灰度值），地表反照率,植被遥感中NDVI应用最广泛, 是植被生长状态及植被覆盖度的最佳指示因子。 研究表明：NDVI 与 LAI、绿色生物量、植被覆盖度、光合作用等植被参数有关。如 NDVI与FAPAR（吸收光合有效辐射比）近线性关系，而与 LAI 呈非线性相关；NDVI的时间变化曲线可反映季节和人为活动变化；甚至整个生长期的NDVI对半干旱区降雨量、对大气CO2浓度随季节和纬度变化均敏感。因此，NDVI 被认为是监测地区或全球植被和生态环境变化的有效指标。 NDVI经比值处理，可部分消除与太阳高度角、卫星观测角、地形、大气程辐射（云 / 阴影和大气条件有关的辐照度条件变化）等的

31、影响。同时，NDVI的归一化处理，使因传感器标定衰退的影响降低（对单波段从10-30%降到对NDVI的0-6%），并使由地表二向反射和大气效应造成的角度影响减小。因此，NDVI 增强了对植被的响应能力。,NDVI的局限,NDVI 对土壤背景的变化较为敏感。 实验证明： 低植被覆盖度时（15%），植被NDVI值高于裸土NDVI值，植被可被检测出来，但因植被覆盖度很低（如干旱、半干旱地区），其 NDVI很难指示区域生物量； 中植被覆盖度时（2580%）， NDVI值 随生物量的增加呈线性迅速增加； 高植被覆盖度时（80%）， 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

32、生长初期NDVI将过高估计植被覆盖度，而作物生长结束季节，NDVI值偏低。NDVI 更适用于植被发育中期或中等覆盖度植被检测。,3、土壤修正植被指数,SAVI（Soil-Adjusted vegetation index）-修正NDVI对土壤背景敏感L是一个土壤调节系数，是由实际区域条件所决定的常量，用来减小植被指数对不同土壤反射变化的敏感性；L取值介于0-1之间；L=0表示植被覆盖度为0；L=1表示土壤背景的影响为0，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现 ；一般情况下，L取值为0.5因子（1+L）主要是用来保证最后的SAVI值与NDVI值一样介于-1和+1之间。,或,3、土壤

33、修正植被指数,SAVI（Soil-Adjusted vegetation index）-修正NDVI对土壤背景敏感L是一个土壤调节系数，它由实际区域条件所决定的常量，用来减小植被指数对不同土壤反射变化的敏感性；L取值介于0-1之间，植被覆盖度越大，L取值越大L=1表示土壤背景对植被信息的提取没有影响，这是一种理想状态，实际中几乎不会出现，只有在冠层覆盖密度很大的情况下才有可能出现 一般情况下，L取值为0.5L为0时，SAVI就是NDVI ；中等植被盖度区，L一般接近于0.5；因子（1+L）主要是用来保证最后的SAVI值与NDVI值一样介于-1和+1之间。,或,试验证明, SAVI降低土壤背景的

34、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； “ 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=00.5），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；对较高密度植被（LAI=1），最佳调节系数 L= 0.75； 一般 L=0.5时，对较宽幅度的LAI值，具有较好地降低土壤噪声的作用。同一副影像的植被指数计算出来的 S(SAVI)/N(NDVI)存在以下变化趋势：S/N越大，植被指数消除土壤影响的效果越好 。S/N最大时的L值是研究区最合适的 L值。,SAVI应用领域,SAVI也是应用比较广泛的

35、一种植被指数， 它可以在一定的程度上减弱土壤背景的影响，而不用计算土壤线的参数。在以往的研究中 SAVI用于提取植被信息和植被覆盖度、比较不同植被的差异、反演叶绿素和氮含量、分析与叶面积指数之间的相关性并计算叶面积指数、作为遥感分类的基础、监测旱情及修正模型。,4、转换土壤调整植被指数TSAVI,TSAVI（Soil-Adjusted vegetation index）式中，a、b 分别为土壤背景线的截距和斜率。TSAVI使土壤背景值有关参数（a，b）直接参与指数运算 实验证明，SAVI 和 TSAVI 在描述植被覆盖和土壤背景方面有着较大的优势。因其考虑了（裸土）土壤背景的有关参数，它们比

36、NDVI 对低植被盖度有更好的指示意义，适用于半干旱地区的土地利用制图。,土壤线,土壤在R与NIR 波段的反射率具有线性关系。则在NIRR通道的二维坐标中，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，,二维土壤光谱线,称为“土壤线”。表示为： IR = b R + a， a、b为土壤线截距和斜率植被背景，包括水体/雪/各种类型土壤/落叶等非光合作用目标均表现在基线上；所有植被象素均分布在基线上NIR一侧绿色光合作用越强，离“土壤线”越远。,一实地采样：实地采集多个土壤样点，并测定这些土壤样点在红波段和近红外波段上的光谱反射率，以近红外波段上反射率作为 y轴、红波段上反射率作

37、为 x轴，将土壤的反射率值作线性回归得到土壤线 。二基于卫星遥感影像：在遥感影像的近红外波段和红光波段组成的二维平面内，土壤样点也呈线状分布。在一定的观测条件下，土壤线方程可以从遥感图像的近红外波段和红波段的反射率或DN值组成的散点图中求取。,土壤线计算方法,TSAVI局限性,土壤线不一定是一条严格的直线，而具有一定的宽度，这就给精确地求解土壤线带来一定得困难。对修改型土壤调节植被指数的应用非常少，因为在遥感中土壤线的获得比较困难，而对修改型二次土壤调节植被指数的应用很多。,5、修改型二次土壤调整植被指数MSAVI,MSAVI（Modified Soil-Adjusted vegetation

38、 index）MSAVI不依赖于土壤线，算法很简单，是所有考虑土壤背景影响的植被指数中最简单的一种，因此应用也非常广泛。MSAVI主要用于分析植物的长势、荒漠化的研究、草地估产、计算叶面积指数、分析土壤有机质、监测旱情、分析土壤侵蚀。,6、差值植被指数DVI,DVI(difference vegetation index)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，又称环境植被指数（EVI）。 当植被覆盖浓密（80%）时，DVI 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。,总结,上述NDVI、DVI等植被指数均受土壤

39、背景的影响大，且该影响相当复杂，它随波长、土壤特征（含水量、有机质含量、表面粗糙度等）及植被覆盖度、作物排列方向等的变化而变化。植被指数的主要组成波段红光和近红外光而言，叶子对红光的作用主要是吸收，而透射、反射均很小，作为背景的土壤则红光的反射较强，因此在植被非完全覆盖情况下，冠层的红光反射辐射中，土壤背景的影响较大，且随着覆盖度的变化而变化；叶子对近红外光的反射、透射均较高（约各占50%），吸收极少，而土壤对近红外光的反射明显小于叶的反射。因此在植被非完全覆盖的情况下，冠层的近红外反射辐射中，叶层的多次反射及与土壤的相互作用是复杂的，土壤背景的影响仍较大。,7、绿度植被指数GVI,为了排除或

40、减弱土壤背景值对植物光谱或植被指数的影响，除前述出现一些调整、修正土壤亮度的植被指数（如SAVI、TSAV、MSAVII等）外，还广泛采用了光谱数值的缨帽变换技术（Tasseled Cap，即TC变换）。该技术是由K.J.Kath和G.S.Thomas首先提出，故又称之为K-T变换。,7、绿度植被指数GVI,缨帽变换（TC） 是指在多维光谱空间中，通过线性变换、多维空间的旋转，将植物、土壤信息投影到多维空间的一个平面上，在这个平面上使植被生长状况的时间轨迹（光谱图形） 和土壤亮度轴相互垂直。 也就是，通过坐标变换使值被与土壤特征分离。植被生长过程的光谱图形呈所谓的“缨帽”图形；而土壤光谱则构成

41、一条土壤亮度线，有关 土壤特征（含水量、有机质含量、粒度大小、土壤矿物成分、土壤表面粗糙度等）和光谱变化都沿土壤亮度线方向产生。,7、绿度植被指数GVI,缨帽变换（TC） 是一种通用的植被指数，可以被用于Landsat MMS或Landsat TM数据 。 Landsat MSS缨帽变换为四维空间，包括：土壤亮度指数SBI，反映土壤反射率变化的信息绿色植被指数GVI，反映地面植物的绿度黄色成分：说明植物的枯萎程度Non-such指数，无实际意义，可去除，压缩数据量变换矩阵c绿度指数（GVI）=-0.290MSS4-0.562MSS5-0.600MSS6+0.491MSS7,7、绿度植被指数GV

42、I,Landsat TM缨帽变换为6维空间，前三维分量有意义，包括：亮度，反映总体亮度变换绿度GVI，反映地面植物的绿度湿度变换矩阵c（去掉分辨率低的6波段）绿度指数（GVI）,8、垂直植被指数PVI,PVI(perpendicular vegetation index)在R、NIR的二维坐标系内，土壤的光谱响应表现为一条斜线即土壤亮度线。土壤在R（x轴）与NIR（Y轴）波段均显示较高的光谱响应，随着土壤特性的变化，其亮度值沿土壤线上下移动。植被一般在红波段响应低，而在近红外波段光谱响应高。因此在这二维坐标系内植被多位于土壤线的左上方。,不同植被与土壤亮度线的距离不同。于是Richardson

43、（1977）把植物象元到土壤亮度线的垂直距离定义为垂直植被指数（Perpendiclar Vegetation Index）。PVI是一种简单的欧几里德距离。表示为：其中，S为土壤反射率，V为植被反射率，R为红波段，NIR为红外波段。PVI表征着在土壤背景上存在的植被的生物量，距离越大，生物量越大,8、垂直植被指数PVI,PVI也可定量表达为：其中，DNNIR、DNR分别为NIR、R两波段的反射辐射亮度值；b为土壤基线与NIR反射率纵轴的截距；为土壤基线与R光反射率横轴的夹角。PVI的显著特点是较好地滤除了土壤背景的影响，且对大气效应的敏感程度也小于其它植被指数。正因为它减弱和消除了大气、土壤

44、的干扰，所以被广泛应用于作物估产。在岩石和土壤光谱特征都变化很大的干旱和半干旱地区，作为首选植被指数。,8、垂直植被指数PVI,GVI和PVI指数实际应用模型算法,MSS数据应用模型算法：AVHRR数据应用模型算法：,植被指数简单应用-RVI森林虫害监测,森林病虫害严重威胁着林木生存，使材质降低并影响其更新，被誉为“不冒烟的森林火灾”，因为森林病虫害造成的经济损失和林木损失都达到甚至超过了森林火灾，而它对生态环境所带来的负效应就更严重了。必须及时准确掌握病虫害发生发展。,当树木遭受病虫害侵袭时，首先是近红外波段的反射率明显降低，近红外陡坡效应明显削弱甚至消失；接着绿光区的小反射峰值位置逐渐向红

45、光区漂移，叶色由绿变黄、变褐，以致枯死。健康树木与受害树木光谱特性的差异成为遥感监测病虫害的依据。,植被指数简单应用-RVI森林虫害监测,选择NDVI、RVI、PVI和GVI进行植被病虫害遥感监测，发现：NDVI对高覆盖植被检测的灵敏度下降；RVI在高覆盖度下对植被十分敏感，与生物量相关性很好；PVI和GVI虽可减少土壤植被背景值对植物光谱的影响，但在多层森林群落结构及丘陵、山地地区，就不能准确反映植被情况。相对言，RVI监测森林病虫害较为有效。,植被指数简单应用-RVI森林虫害监测,(三)植被指数与叶面积指数关系,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

46、是十分有意义的。绿色植物的叶子是它进行光合作用的基本器官，叶片的叶绿素在光照条件下发生光合作用，产生植物干物质积累，并使叶面积增大。叶面积越大则光合作用越强，而光 合作用越强，又使植物群体的叶面积越大，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。当LAI高达7.5时，有5%的入射光可到达土壤表面。,(三)植被指数与叶面积指数关系,叶面积指数LAI，是利用遥

47、感技术监测植被长势和估算产量的关键参数。叶面积指数的手动测量可以获得小范围或区域的值，但很难获得大范围的数据，提供不了研究全球变化、气候分析所需要的数据。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。在光谱曲线中，近红外波段的反射率随叶面积指数增加而增加。,(三)植被指数与叶面积指数关系,高塔遥感实验场的大量观测资料表明，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，如下：,(三)植被指数与叶面积指数关系,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

48、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，这种衰减是呈非线性的指数函数变化。,(三)植被指数与叶面积指数关系,式中，K为作物群体消光系数，如冬小麦拔节前K0.28；拔节后K0.35。C为作物覆盖度。,(三)植被指数与叶面积指数关系,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

49、；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。,(四)植被指数与叶绿素含量关系,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。,(四)植被指数与叶绿素含量关系,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,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， 的光谱模型表达叶绿素含量最佳 。,(四)植被指数与叶绿素含量关系,其余四个绿度模型分别为：,对大豆言，因叶子较早封垄，土壤影响较小，则G3光谱模型反映叶绿素含量最佳。,(五)植被指数与植被覆盖度关系,植被覆盖度指植被冠层的垂直投影面积与土壤

50、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。,(五)植被指数与植被覆盖度关系,生物量指的是植物组织的重量。它是由植物光合