遥感专业知识讲座

植被遥感

植被遥感原理植被指数植被指数与地表参数关系植被遥感应用1/21植物内部所含色素、水分以及它构造等控制着植物特殊光谱响应。植被在生长发育不一样阶段（从发芽-生长-衰老），内部成份构造及外部形态特性均会发生变化。植被遥感——植物专项信息提取，利用植被指数进行植被宏观监测以及生物量估算-包括农作物估产、森林蓄积量估算等。2/21第一节植被遥感原理一、叶片和植被植被构造是伴随植物种类、生长阶段、分布方式变化而变化。

定量遥感中大体分为水平均匀植被（连续植被，如草地、生长茂盛农作物）和离散植被（不连续植被，如稀疏林地、灌丛等）两种。植物遥感——植物与光互相作用出发，植被构造主要指植物叶子形状、大小以及几何与外部构造（成层现象、覆盖度等）植物遥感依赖于对植物叶子和植被冠层光谱特性结识。3/21植被构造可通过一组特性参数来描述和体现。

如叶面积指数LAI（单位地表面积上方植物单叶面积总和）、叶面积体密度FAVD（某一高度上单位体积内叶面积总和）4/21二、植物光谱特性近红外波段——反射■植物反射受叶内复杂叶腔构造和数次散射、透射、反复反射影响。见图热红外、微波——发射5/21近红外遥感器太阳光叶层近红外透射光50-60%地面植物冠层数次反射叶层叶层蓝绿红6/21二、植物光谱特性近红外波段——反射■植物反射受叶内复杂叶腔构造和数次散射、透射、反复反射影响。见图

※植物生长、发育或受病虫害胁迫状态或水分亏缺状态不一样，叶片光谱特性变化。在近红外反射变化更为显著。■意义：植物/非植物辨别、不一样植被类型识别、植物长势监测热红外、微波——发射7/21■热红外发射特性，遵循普朗克黑体辐射定律，与植物温度有关。

※植物不是黑体，发射率是随植物类别、水分含量等不一样

健康植物：0.96-0.99，常取0.97-0.98

干植物：0.88-0.94

■微波辐射特性，能量较低，受大气干扰小，黑体辐射定律描述。

※微波辐射能量（微波亮度温度）与植物及土壤水分含量有关。热红外、微波——发射※植物发射特性（热红外和微波）是光学反射遥感数据补充。8/21“红边”是指红光区外叶绿素吸取减少部位（约<0.7μm）到近红外高反射率（>0.7μm）之间，健康植物光谱响应陡然增加（亮度增加约10倍）这一窄条带区。植物光谱“红边”红移“红移”作物快成熟时，叶绿素吸取边（即红边）向长波方向移动。

红移量随植物类型而变化。“红移”出现原因虽很复杂，主要原因是由于作物成熟叶绿素a大量增加（叶黄素替代叶绿素）所致。9/21“红移”应用：很多营养胁迫条件下均能产生程度不一“红移”，但在一定条件下（例如，环境胁迫主要是氮素不足），缺素程度与红移程度有较好有关性，有也许利用“红移“大小建模诊断缺素种类及程度。10/21第二节植被指数植被指数概念

植被指数种类11/21

利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、生物量等有一定批示意义数值。植被指数中，一般选用绿色植物（叶绿素引发）强吸取可见光红波段和对绿色植物（叶内组织引发）高反射近红外波段。一、植被指数概念12/211）比值植被指数RVI：2）归一化植被指数NDVI

（地表反照率）（灰度值）

二、植被指数种类可见光红波段（R）与近红外波段(NIR)对植物光谱响应数值比值。比值植被指数RVI与叶面积指数、叶干生物量、叶绿素含量有关性高，用于估算和监测绿色植物生物量。RVI对大气情况很敏感，大气效应会大大减少它对植被检测敏捷度，因此必须大气纠正。

NDVI最广泛，归一化处理部分消除了辐射影响。云、水、雪，NDVI<0岩石、裸土，NDVI≈0植被覆盖，NDVI>0，植被覆盖度越大，NDVI越大。13/213）差值植被指数DVI

4）缨帽变换中绿度植被指数GVI

5）垂直植被指数PVI

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

14/21第三节植被指数与地表参数关系植被指数与叶面积指数关系：

植被指数与叶绿素含量关系：

植被指数与植被盖度关系：

15/21植被指数与叶面积指数关系：

10〉叶面指数〉1，在光谱曲线中，近红外波段反射率随叶面指数增加而增加。NDVI或RVI与叶面指数LAI有关系数很高，成非线性函数关系。A、B、C为经验系数。A由植物本身光谱反射确定B与叶倾角、观测角有关C取决于叶子对辐射衰减，衰减成非线性指数函数关系。16/21植被指数与叶绿素含量关系：叶绿素浓度模型：对于小麦最佳对于大豆最佳17/21植被指数与植被盖度关系：

植被盖度：植被冠层垂直投影面积与土壤总面积之比。即植土比。植被盖度：RV:植被总反射辐射RS:土壤总反射辐射R:传感器测反射辐射ρ:植被与土壤混合光谱反射率ρs:纯土壤宽波段反射率ρv:纯植被宽波段反射率18/21RVI、NDVI与植土比分别成指数和幂函数关系。遥感测量植被覆盖度办法：回归模型法、植被指数与像元分解模型法。回归模型法：是通过对遥感数据某一波段、波段组合或利用遥感数据计算出植被指数与植被覆盖度进行回归,建立经验模型,并利用空间外推模型求取大范围区域植被覆盖度。植被指数法：此法是在分析植被光谱信息特性基础上,选用与植被覆盖度具有良好有关关系植被指数,通过建立植被指数与植被覆盖度转换关系,进而估算植被覆盖度一种办法。在不一样区域针对不一样植被,植被指数法中采取植被指数不一样。19/212023年植被覆盖度分级图NDVI=（近红外-红光波段）/（近红外+红光波段）对于TM：（TM4-TM3）/(TM4+TM3)NDVI0:裸土或无植被覆盖区域NDVI值NDVIg:全植被所覆盖像元NDVI值，纯植被像元NDVI值。20/21植被覆盖与水土流