农业信息技术：第7章 农业遥感技术（3-4）

第三节

农业遥感方法一、地面遥感试验研究1.地面遥感具有成本低，精度高，方便灵活，适用性强，可用数据多等特点。

地面遥感传感器主要有普通相机、数码摄像机、摄影经纬仪、ASDFieldSpecProFRTM光谱仪等光谱辐射计等摄影仪ASDFieldSpecpro

手持便携式高光谱辐射仪MSR－16便携式多光谱辐射仪Cropscan

2.地物波谱测量的作用其一，传感器波段选择、验证、评价的依据；其二，建立地面、航空和航天遥感数据的关系；其三，将地物光谱数据直接与地物特征进行相关分析并建立应用模型。3.地物光谱的测量方法

⑴样品的实验室测量

常用分光光度计，仪器由微机控制，测量数据也直接传给计算机。

⑵野外测量

1）垂直测量

2）非垂直测量二、空间遥感数据处理方法1.空间遥感信息源空间遥感信息的获取主要有两类，一类是航空相片；另一类是各种卫星影像资料。（1）NOAA／AVHRR资料；（2）Landsat/MSS和TM资料

（3）SPOT/HRV资料（4）Radarsat/SAR资料2.数字图像的校正（1）遥感影像变形的原因

1)遥感平台位置和运动状态变化的影响

2)地形起伏的影响

3)地球表面曲率的影响

4)大气折射的影响

5)地球自转的影响（2）辐射校正Vc为校准后的输出辐射值；Vr为未校正的输出辐射值；bs（n）为滤波增益，取决于传感器响应因素；as（n）为滤波偏移值，取决于传感器系统大气干扰；k为太阳角校正系统，在此为常数。（3）大气校正所谓大气校正就是指消除主要由大气散射引起的辐射误差的处理过程。方法主要有回归分析法、直方图法和公式计算法。回归分析法在不受大气影响的波段（如TM5）和待校正的某一波段图象中，选择由最亮到最暗的一系列目标，将每一目标的两个待比较的波段灰度值提取出来进行回归分析。如TM1波段和TM5波段进行比较。a1TM1TM5xyX为TM5波段的亮度均值；y为TM1波段的亮度均值；

T1，T5表示TM1与TM5波段灰度值，T1’为TM1波段校正后的灰度值，对于任一波段其校正值ai是第i波段回归分析的截距。直方图校正法灰度值亮度值％a1如果影像范围内存在灰度值为0的地物，其灰度直方图往往从原点开始，而其他波段灰度直方图离原点有一定距离，这段距离称为灰度直方图漂移值。（4）几何纠正

在用几何纠正法处理遥感影象信息时，常用的几种具体的基本空间变换有：①平移变换；②以y轴为对称轴的变换；③以x轴为对称轴的变换；④以原点为对称点的变换；⑤缩小变换；⑥放大变换；⑦旋转变换。几何校正的原理一是像元坐标变换；二是像元灰度值重新计算像元坐标变换首先要确定原始图象和纠正后图象之间的坐标关系。有直接法和间接法两种。直接法是从原始图象阵列出发，依次对其中每一个像元分别计算其在输出（纠正后）图象的坐标。间接法是从空白图象阵列出发，依次计算每个像元P（x，y）在原始图象中的位置，然后把该点的灰度值返送给P（x，y）。数字图象灰度值的重采样有三种方法：最近邻法

用距离投影点最近像元灰度值代替输出像元灰度值。双线性内插法

考虑周围4个相邻像元灰度值，并根据各自权重计算输出像元灰度值。di表示邻近点到投影点的距离（5）图像放大在图像处理系统中，一幅图象的放大是通过像元灰度值的内插来实现的。双三次卷积法

该法是取与投影点邻近的16个像元灰度值计算输出像元灰度值。而象元灰度值的内插目前包括三种方法：即平移重复内插、双线性内插和样条插值内插。第一种是平移重复内插；它是通过重复象元的灰度值来实现放大的。第二种为双线性内插

3.数字图像增强当一幅图像的目视效果不太好，或者有用的信息突出不够时，就需要作图像增强处理。

（1）对比度变换

是一种通过改变图像像元的亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。因为亮度值是辐射强度的反映，所以也称之为辐射增强。常用的方法有对比度线性变换和非线性变换。

⑵空间滤波

空间滤波则是以重点突出图像上的某些特征为目的的，如突出边缘或纹理等。

⑶彩色变换

单波段彩色变换

单波段黑白遥感图像可按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像。这种方法又叫密度分割，即按图像的密度进行分层，每一层所包含的亮度值范围可以不同。

多波段色彩变换

根据加色法彩色合成原理，选择遥感影像的某三个波段，分别赋予红、绿、蓝三种原色，就可以合成彩色影像。

HLS路变换

HLS代表色调，明度和饱和度(Hue，Lightness，Saturation)的色彩模式，这种模式可以用近似的颜色立体来定量化。⑷图象运算

实际应用中常采用差值运算和比值运算两种方法。

差值运算就是两幅同样行、列数的图像，对应像元的亮度值相减。反映了同一地物光谱反射率之间的差。比值运算就是两幅同样行、列数的图像，对应像元的亮度值相除。比值运算可以检测波段的斜率信息并加以扩展，以突出不同波段间地物光谱的差异，提高对比度。

多光谱变换方法可通过函数变换，达到保留主要信息，降低数据量；增强或提取有用信息的目的。常采用K—L变换，又被称作主成分变换；以及K—T变换4.多源信息复合

多种信息源的复合是将多种遥感平台，多时相遥感数据之间以及遥感数据与非遥感数据之间的信息组合匹配的技术。

⑸多光谱变换

5.遥感数字图像的计算机分类⑴监督分类方法

首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本，通过选择特征参数(如像素亮度均值、方差等)，建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。⑵非监督分类方法前提是假定遥感影像上同类物体在同样条件下具有相同的光诺信息特征，是在没有先验类别(训练场地)作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并(将相似度大的像元归为一类)的方法。遥感数字图像计算机分类基本过程如下：1)先明确遥感图像分类的目的及其需要解决的问题。2)根据研究区域，收集与分析地面参考信息与有关数据。3)选择合适的图像分类方法和算法。4)找出代表这些类别的统计特征。5)为了测定总体特征，在监督分类中可选择具有代表性的训练场地进行采样，测定其特征。在无监督分类中，可用聚类等方法对特征相似的像素进行归类，测定其特征。6)对遥感图像中各像素进行分类。7)分类精度检查。8)对判别分析的结果统计检验。

⑶监督分类和非监督分类方法比较监督分类和非监督分类的根本区别点在于是否利用训练场地来获取先验的类别知识，监督分类根据训练场提供的样本选择特征参数，建立判别函数，对待分类点进行分类。非监督分类不需要更多的先验知识，它根据地物的光谱统计特性进行分类。因此，非监督分类方法简单，且分类具有一定的精度。（三）植被指数模型

植被指数是指由多光谱数据，经线性和非线性组合构成的对植被有一定指示意义的各种数值。植物光谱中红波段和近红外波段反射率及其相互关系，是构成各种植被指数的核心。红波段被植物叶绿素强吸收，进行光合作用制造干物质，它是光合作用的代表波段；近红外波段是叶子健康状况最灵敏的标志，它对植被差异及植物长势反映敏感，指示着光合作用能否正常进行。

常用的植被指数主要有以下几种：归一化差值植被指数（NDVI）

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NDVI=（IR-R）/（IR+R）。在陆地卫星MSS中，NDVI=（M7-M5）/（M7+M5）；在气象卫星AVHRR中，NDVI=（CH2-CH1）/（CH2+CH1）。其中，Ｃｈ1为可见光通道,Ｃｈ2为近红外通道。它在植被研究以及植物物候研究中得到广泛应用。它是植物生长状态及植物空间分布密度的最佳指示因子，与植物分布密度呈线性相关，因此又称为生物量（Biomass）指标。比值植被指数（RVI）

指近红外波段与可见光红波段数值的比值，即RVI=IR/R。在陆地卫星MSS中，RVI=M7/M5；在气象卫星AVHRR中，RVI=CH2/CH1。RVI与叶面积指数（LAI）、叶干生物量、叶绿素含量相关最好。更使用于植被旺盛、具有高覆盖度的植物的监测。环境植被指数（EVI）又称差值植被指数，被定义为近红外波段与可见光波段数据的差值，即EVI=IR-R。在陆地卫星MSS中，EVI=CH2-CH1。EVI对土壤背景的变化较RVI敏感。在AVHRR的植被遥感中应用较为普遍。

绿度植被指数（GVI）和垂直植被指数（PVI）国内的黄签（1986），根据大气参数、大气外太阳光光谱照度数据，AVHRR定标参数及由实验计算出的转换系数，获得实际应用的绿色植被指数，其表达式为：GVI=1.6225CH2-2.2978CH1+11.0656。国外专家对于陆地卫星2号MSS数据而言，GVI=0.3887M7+0.577M6-0.660M5-0.283M4+32PVI=0.939M7-0.344M5+0.09叶面积指数（LAI）指在单位面积地面上，植物群体所有叶子的面积累加的总面积。目前，关于植被指数模型研究和应用较多的是NDVI、RVI、EVI、GVI和LAI等。第四节农业遥感应用一、农业资源遥感调查（一）农业资源调查的现状

目前，农业资源调查方法仍然是以传统的方法为主，但是遥感技术的应用越来越受到重视。

(二)农业资源调查的内容包含了土地资源遥感调查，生物资源遥感调查，气候资源遥感调查，水资源遥感调查和矿产资源遥感调查等五个方面的内容。（三）土地资源遥感调查

⑴土地资源遥感调查的内容土壤侵蚀，土地覆盖和土地利用，城市土地利用，山地利用，荒地，沙漠化与防治等。⑵土地资源遥感调查的准备工作

1)组织准备组织准备包括调查领导小组和专业队伍组建。

2)编写《土地资源遥感调查书》，制定工作计划。

3)资料的准备及整理

4)物质准备

5)技术准备

⑶野外工作

1)路线调查

2)室内预判

3)野外验证

⑷室内工作阶段

1)拼图2)（纠正）转绘

3)量算面积⑸编写土地资源调查报告

二、农作物种植面积的遥感估算方法⑴航天遥感方法

1)数字资料处理方法

2)建立绿度－面积模式的方法利用航天卫星资料获取植被指数与调查的作物种植面积建立回归方程，以求得农作物种植面积。

⑵面积框图取样法

面积框图取样法是在原美国农业部统计局的面积抽样统计估产的基础上发展起来的。它的基本原理是利用遥感影像分层，利用统计学方法抽样。⑶地理信息系统与遥感信息结合获取作物种植面积方法1)利用地理信息系统和TM资料提取种植面积的方法2)利用TM、NOAA和地理信息系统综合提取作物种植面积的方法3)利用NOAA/AVHRR和地理信息系统配合提取作物种植面积三、农作物遥感估产模型方法研究⑴光谱估产模式

光谱估产模型是在地面选择农作物的最佳生育期，运用光谱仪测定农作物的反射率，找出适宜的光谱变量（植被指数），建立起光谱变量与农作物产量及其农学参数之间的相关模式。最常见的单产光谱模式类型有：①Y=A+BX（式中Y为估测单产，X为光谱变量，A与B为回归系数)；②Y=A+BX+CX2(式中Y为估测单产，X为光谱变量，A、B、C为回归系数)；③Y=A+BXD+CXH+DXmf+Exms(式中Y为估测单产；XD、XH、Xmt和Xms分别为穗分化期、齐穗期、灌浆期和乳熟期的光谱变量；A、B、C、D、E为回归系数)。⑵卫星遥感估产模式

作为农作物生长的主要背景的土壤光谱反射率在红光（RED）波段比农作物高，到了近红外（NIR）部分又比农作物低。因此，反映在卫星遥感资料上的光谱反射特征是：农作物长势越好，NIR的反射越强，而RED反射越弱；长势越差，NIR的反射越弱，而RED的反射则越强。

1)资料预处理。

2）分析建模

3）光谱遥感估产与作物生长模拟估产的复合模型（3）农作物监测与估产应注意的问题

遥感数据定量化与复合分析技术

RS、GPS、GIS融合技术遥感与非遥感互补技术

四、农业灾害监测与评估1.我国农业自然灾害及其预监信息系统⑴我国主要农业自然灾害⑵农业自然灾害预监信息系统的结构农业自然灾害背景数据库管理子系统包括历史农业自然灾害数据库、空间数据库、属性数据库等。农业自然灾害的遥感信息提取子系统灾情实地调查子系统进行灾情实地调查可以校验灾情评估的准确性，以及检验灾情评估过程中的遗漏。农业自然灾害动态监测子系统是以时间序列为序，反映不同时相的灾情和受灾范围的变化，并进行分析

农业自然灾害损失评估子系统

防灾减灾决策支持子系统

根据以上5个子系统的分析处理过程和结果建立相关的决策模型。

2.建立农业自然灾害预监信息系统的支撑技术⑴应用遥感技术进行农业自然灾害数据快速采集与监测。⑵应用GIS建立农业自然灾害背景数据库和信息集成

GIS是采集、管理、处理、分析、显示、输出多种来源的与地理空间位置相关的信息的计算机系统。在农业自然灾害监测信息系统中可以发挥基础背景数据库和数据集成的的作用。

GIS在农业自然灾害监测信息系统中的应用大致分为三步。第一步，灾害发生之前，数字化采集灾害可能发生地区的各种基础地理背景要素、各种专业背景数据和经济背景数据。第二步，灾害发生时，通过各种手段采集、传输实时的灾情信