第六章遥感技术应用

1,第六章：遥感技术应用第一节：遥感数据源的综合分析方法遥感基本原则、信息源评价选择及应用第二节：遥感技术应用领域重点为植被遥感；土壤含水量遥感、农业遥感、热红外遥感应用城市热岛效应、土地利用制图等,2,第一节：遥感数据源的综合分析方法,遥感的基本原则遥感数据源的选择遥感数据处理应用方法,3,一、遥感总则及概念（一）遥感提取信息的原则地学信息源有很多，野外调查、定位观测、统计数据遥感仅是采集地学信息源的一部分。有两个问题：1、遥感究竟能为地学提供哪些信息？今后是否可能提供更多信息？2、从地学角度应如何更充分利用遥感信息？遥感图像所对应的实际区域是特定地理环境的综合体，是地球大气圈、岩石圈、水圈、生物圈以及社会生态环境的综合反映，同时包含了各个圈层的物质和能量交换。各种遥感信息都部分地提供这种综合信息，因为遥感信息传递有局限性，从无限的地学信息源变为有限的遥感地学信息源。,4,各种遥感信息源本身是相互补充综合地反映地理环境。地物之间、地物与环境之间、地物与遥感数据之间及遥感数据之间具有相关性（当然各环节的相关性强弱不同）。这正是遥感提取信息的可能性。最基本的原则：一是可能性，即遥感数据是否能满足研究对象的地学属性空间分布、辐射波谱特征和时相变化对遥感信息能力的要求；二是遥感地学分析（详细见后）（二）遥感提取信息的类型及方式类型信息参数信息,5,二、遥感数据源的选择考虑遥感地学对象的地学属性：空间分布，光谱反射和发射特征，时相变化。遥感信息源以4个分辨率为主的评价标准。选择遥感数据源时，看其是否能反映研究对象的地学属性：空间分布、波谱辐射特征和时相变化规律，两者相符，则可能成功，反之基本条件不具备则可能不成功。必须考虑解决问题的精度要求（尺度大小）、信息类型、成本等，综合考虑，选择合适的遥感数据。如提取几何结构参数，可能需要航空像片、激光雷达或多角度观测数据，提取非表面信息、则需要微波遥感数据。提取生物化学参数则需要高光谱数据。,6,三、遥感信息源的处理应用方法,两类处理方法：基于目视解译原理的一类方法和定量遥感。目视解译，发展到计算机处理，包括变换、增强、复原、图像分析（分类）、图像融合等。这里的定量方法可以随意改变像元值。定量遥感，方法很多，有不同领域的定量模型，包括统计模型。其中以BRDF为基础的定量遥感，不能随意改变像元值。地学分析方法。遥感如何与地学方法综合，从补充地学信息和应用地学分析方法现在发展到遥感为解决地学问题提供数据、地学过程模型和遥感模型耦合表达地学现象时空演变的阶段。,7,地学分析方法,遥感图像信息所反映的地理环境的综合性与复杂性，遥感信息传递过程的局限性、地物的遥感信息之间复杂相关性、相互补充及其本身的综合特点。区域综合分析的处理方法是必要的，数学物理方法和地学分析结合。充分利用遥感数据本身的潜力（各种处理变换，从方法上：目视、增强、融合、分类、定量模型）用地物之间、地物和环境之间的相互关系，推断出遥感图像没有反映出来的信息，选择因子必须一是与目标相关，二是目视解译时显示明显，图像数据分析时可以提取和识别。综合的地学分析（信息复合、交叉分析法、环境本底、分层分类、地理相关分析）遥感和地学分析方法可以从两个角度或阶段来认识：以遥感为主，补充地学知识，用地学分析的方法进行遥感信息提取；以地学现象的时空演变为主，借助于遥感获取所需数据，把地学过程模型与遥感模型进行耦合。,8,遥感提取信息应该发展的趋势：多遥感数据源综合协同。例如微波回波因为具有穿透性，反映树干的信息。而光学遥感计算LAI精度很高。因此，主被动协同就有了可能的基础。遥感模型协同。可见光的RT和GO模型向红外和微波推广；多元遥感数据各种模型综合。多元数据综合反演的方法等。遥感与地学模型和地学过程模型耦合。加强遥感数据的地学理解！空间尺度转换。地面数据与像元之间的尺度转换，不同分辨率遥感数据像元之间的转换时间尺度转换。瞬间的遥感数据与地学发展过程的时间尺度转换，遥感机理模型与地学过程模型耦合研究是解决该问题的关键。,9,第二节：遥感技术应用领域,资源调查环境监测区域分析宏观研究本节主要介绍植被遥感。另外简单介绍土壤含水量遥感估测、应用热红外遥感研究城市热导效应、作物估产和土地利用制图。,10,一、植被遥感,（一）植被的光谱特征1、健康植物的反射光谱特征：有四个反射峰、五个吸收谷。,11,植物叶子的颜色即叶绿素含量叶子的组织结构叶子的含水量植物的覆盖度,2、影响植物光谱的因素,12,（二）植被类型信息提取,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。利用植物的物候期差异来区分植被类型。根据植物空间分布及其生态条件等区分植被类型。注意不同时间、地区有不同特点,13,1、植被分类植被类型具有层次性：植被型。优势层或建群层相似的植物群落，如森林，灌丛等。植被亚型。在植被型中，具有在群落生态中相同的优势物种习性。如针叶林，阔叶林等。群系组。在植被型或植被亚型范围内，凡优势种（或建群种），相同的森林群落。属于本级同一类的林分，林内的区系成分，生物生产力及群落动态基本一致。如落叶松林，云杉，蒙古栎等,14,2、植被类型识别分层分类技术,15,多时相遥感数据综合分类技术针叶林、阔叶林或不同的树种组类型具有不同的物候规律。表现在遥感图像上应该具有不同的光谱特征。深入分析不同森林类型的物候特征与多时相遥感数据光谱特征的对应规律，通过不同时相的遥感数据的波段组合成新的充分反映光谱时间变化的新的图像进行分类，或者是对多时相遥感数据进行主成分分析（CA变换），提取特征成分进行森林类型识别，较大限度地消除单一时相遥感影像图容易出现的同物异谱和同谱异物现象，提高森林类型的分类精度。,16,17,7月14,8月31日,9月12日,9月20日,10月2日,10月22日,18,19,（三）植被指数和叶面积指数,1、植被指数的类型及其影响因素2、叶面积指数,20,1、植被指数通过遥感的多波段计算表达出植被的光谱特性的遥感变量称为植被指数,归一化植被指数，应用广泛,RVI=nir/red,比值植被指数。高密度植被覆盖时优于NDVI,DVI=nir-red,差值植被指数，又称为环境植被指数（EVI），对土壤更敏感。,式中:nir、red、blue分别为近红外、红色可见光和蓝色可见光大气校正后的地表反射率;为辐射校正系数（根据实际观测和辐射传输方程确定0.65-1.21）。,抗大气影响植被指数，不唯一,21,土壤调节植被指数,其中:L为土壤调节系数,它是植被密度的函数,应根据具体的植被密度而变化,一般取L=0.5（01）,它的确定需要预先知道植被数量。低密度植被L为1时土壤影响几乎消失；高密度植被最佳为0.75,垂直植被指数。广泛用于作物估产。,增强型植被指数，不唯一。,C1、C2和L为可调参数,22,植被遥感中，从一开始就被普遍认同和采用的方法是，利用植被反射光谱在可见光和近红外波段上明显的不同，构建遥感植被指数，在研究纠正植被形态、土壤光学特性、太阳位置以及云和大气等影响的基础上，反演地表状况。植被指数与各种植被变量（包括LAI）、植株生物量、植被覆盖度、光合组织总量、光合有效辐射和初级生产力等因子进行相关分析。这种方法抓住了植被的光谱特征，简单而明确。具有很强的实用性，易于为大多数研究者接受，目前开展的很大一部分植被遥感的研究工作都是从这方面展开的。,23,2、叶面积指数叶面积指数(leafareaindex,LAI)为植物冠层表面物质、能量交换的描述提供结构化的定量信息，是估计植物冠层功能的重要参数，也是生态系统中最重要的结构参数之一目前有三种不同定义：单位水平地面面积上所有叶子表面积的总和(TLAI-totalleafareaindex)，它的含义是所有叶子的外部表面面积。单位水平地面面积上单面叶面积的总和(OLAI-totalonesidedleafareaindex)，也常被称为是TLAI的一半，不考虑叶子上下表面是否对称。Chen1992年正式提出了单位地面面积上总叶面积的一半这个定义并进行了验证，在植物学上普遍应用。单位水平地面面积上所有叶子投影面积的总和(PLAI-projectedleafareaindex),24,LAI的测定方法及原理（1）直接测量法：包括树木解析法、点接触法、落叶收集法。也可以用打孔法和照相法。（2）间接测量法：目前所采用的间接测量法是用光学仪器测量，包括LAI-2000、TRAC、鱼眼相机等,25,25,测定原理,贝尔定律：和Miller定律一起构成LAI测定原理,入射光线I0透过x距离的均匀介质例如大气，衰减后得到能量I,加入均匀介质的属性，即消光系数a,贝尔提出了消光系数a是与介质的浓度C成正比,26,26,把此公式应用到光线穿过树冠时的情形，会出现下面情况：叶子的多少？叶子角度分布？叶子之间是否重叠？修正大气传输时的消光系数、光学厚度应该是叶面积体密度叶倾角分布用G()表示,叶子之间是否重叠定义一个聚集指数,贝尔定律,真实叶面积指数与有效叶面积指数,27,聚集指数,叶倾角分布为水平分布，即G()=cos,当L=1，即只有一层叶子时：（1）叶子空间分布为随机时，=1，有37%的叶子是重叠的。适用于部分农作物的情况；（2）叶子空间分布为聚集时，1，有小于37%的叶子是重叠的。适用于极少数农作物的情况；,28,28,Miller定律：,借助,两边同时乘以sin在积分得：,LAI2000等仪器的测定原理,由贝尔定律,贝尔定律适合用TRAC（陈镜明）,29,遥感反演LAI比较成熟可以用统计模型，也可以用物理模型,利用查找表反演LAI的结果图,与TRAC测量的LAI的值对比图,30,（四）植被生产力,31,常用植被生产力术语：GPP(GrossPrimaryProductivity)NPP(NetPrimaryProductivity):NPP=GPP-RaRa:Autotrophicrespiration(自养呼吸)，主要取决于植被种类、生物量和温度。NEP(NetEcosystemProductivity):NEP=NPP-Rh.Ra:Heterotrophicrespiration(异养呼吸)，主要取决于土壤有机碳含量、温度、湿度和质地。NBP(NetBiomeProductivity)：NBP=NEP-De.De:火灾、虫害和砍伐等导致的碳排放,32,植被生产力统计模型有很多形式，多数都是气候相关模型。Miami模型,y1为根据年平均气温计算的NPP，gC/(m2a)y2为根据年降水量计算的NPP，gC/(m2a),33,这类模型大部分是根据经验关系和实测数据建立的区域统计相关模型，没有研究全球变化和植被之间的响应关系，不能解释其中的反馈关系和植物的生理反应机制。对于在不同的地区和条件下，得到的统计规律缺乏广泛的普适性。,Thornthwaite纪念模型,E为年实际蒸散量；L为年平均蒸散量；t为年平均气温()；R为年平均降水量(mm)。,34,光能利用率模型的形式,光合作用子模型,APAR为植被吸收的光合有效辐射:x代表位置；t代表时间；*为最大光能利用率，即植被将所吸收的光合有效辐射转化为有机物的理论最大效率Tt(x,t)为温度对最大光能利用率的影响；Wt(x,t)为土壤水分对植物最大光能利用率的影响。,APAR(x,t)=PAR(x,t)*FPAR(x,t)*0.5,35,PAR(x,t)是t月份象元x处的太阳总辐射量(MJ/m2)，由太阳总辐射测量站进行kriging插值得到；FPAR(x,t)为植被冠层对入射光合有效辐射(PAR)的吸收比例；常数0.5表示植被所能利用的太阳有效辐射(波长为0.40.7微米)占太阳总辐射的比例。植被对太阳有效辐射的吸收比例(FPAR)取决于植被类型和植被覆盖状况。由遥感数据得到的归一化植被指数(NDVI)能很好地反映植物覆盖状况。模型中FPAR由NDVI和植被类型两个因子来表示：,FPARmax与FPARmin与植被类型有关，0.95与0.001,用温度胁迫因子和水分胁迫因子计算实际光能利用率,36,呼吸作用子模型植物的自养呼吸区分为维持性呼吸和生长性呼吸,植物呼吸可以用统计模型和物理模型进行计算,37,过程模型：BIOME-BGC模型、BEPS模型、inTEC模型、TME模型、DEMETER模型，以及BATS模型、SIB模型、SIB2模型、CLASS模型、IBIS等,38,段时间步长BEPS（BorealEcosystemProductivitySimulator）模型,将冠层分为阴叶和阳叶两部分,分别计算光合与蒸散,进行叶片到冠层的转换；BEPS模型由瞬时到天的时间尺度转换参见Chenetal.,1999,EcologicalModelling,39,BEPS模型初步结果：,计算NEP还需要结合BIOME-BGC、Century模型计算土壤呼吸,40,（五）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。,41,二、土壤遥感应用,土壤是在地形,气候等多种成土因素的综合作用下形成的.在遥感影象上，不同的土壤类型的特征，不如水体,植被等要素明显，而且，土壤的性状主要表现在剖面上，而不是在土壤的表面。土壤类型和一些参数信息提取主要通过综合分析，并依靠间接解译标志。,42,土壤的光谱特征,地表植被稀少的情况下，土壤的光谱曲线与其机械组成和颜色密切相关.土壤表面有植被覆盖时,覆盖度小于15%,光谱特征与裸土相似;在15%-70%,表现为混合光谱.,43,不同含水量土壤光谱特征,1450nm1800nm是区分土壤含水量的最佳光谱范围，据此选择遥感变量，构建统计模型,44,1、一般统计模型：根据不同土壤含水量下的土壤光谱特征，在14501800nm光谱范围内选取波段数据直接与土壤含水量通过多元回归分析的方法建立经验关系式，以高光谱为例：W=6.618+0.0156B1-0.02B2式中，W是土壤含水量，B1、B2是在14501800nm光谱段内选取若干波段后，分成两组求平均，拟合的复相关系数为0.921。2、热惯量模型,热惯量是表示物体阻碍其自身热量变化的一种量度。是热红外遥感的基础。热红外遥感接收物体的热量变化，从而得到地物的热惯量，根据不同地物的热惯量特性对地表进行研究。,45,土壤热惯量是土壤的一种热特性，它是引起土壤表层温度变化的内在因素,它与土壤含水量有密切的相关关系,同时又控制着土壤温度日较差的大小。而土壤温度日较差可以由卫星遥感资料获得，因此，使热惯量法研究土壤湿度成为可能。,K为热传导系数，c为比热容，为密度。因为K、c、都难以同遥感信息对应。许多研究人员(田国良、肖乾广，1990；马霭乃，19911997)从热传导方程出发经理论推导得到下式,热惯量：,46,式中,A为反照度,T为地面昼夜温差，P为热惯量，并将（1-A）T定义为表观热惯量，（1-A）T的值随P的增大单调上升，（1-A）T值的大小反映热惯量P的相对大小。,W=a+b*（1-A）T）,A=0.423Vis+0.577Nir,se是太阳分光辐射照度,47,遥感估算植被稀疏地区土壤含水量,48,三、大面积农作物的遥感估产,1、根据作物的色调、图形结构等差异大的物候期的遥感时相和特定的地理位置等的特征，将其与其他植被分开。获得农田分布图。2、利用高时相分辨率的卫星影象对作物生长的全过程进行动态监测得到植被指数：比值植被指数、归一植被指数、差值植被指数、垂直植被指数。3、建立农作物估产模式用选定的植物灌浆期植被指数与某一作物的单产进行回归分析，得到统计模型。,49,作物估产模型：气象模型农学模型遥感模型。用遥感数据提取变量作为农学模型的输入。,作物产量构成的三要素：亩穗数、穗粒数和千粒重所以，作物估产类似于植被生产力模型。,50,每亩穗数：,每穗实粒数：,千粒重：,理论产量：,注：（1）引自江苏省水稻研究所研究课题（2）公式中下标p、h、d和m分别表示穗分化期、齐穗期、灌浆期和乳熟期。,51,四、城市热岛效应研究,如果用ETM：Lmax=12.605Lmin=3.200如果用TM：Lmax=1.5600，Lmin=0.1238，K1与K2为校正系数，k1=1260.56，k2=60.766这种不考虑大气等各种影响因素，并假设地物为全辐射体的前提下，通过地表的辐射亮度求出地表温度，称为亮度温度（或称辐射温度）。,52,如果用ET