版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、二、植被指数的影响因素 物候期、农事历,植物波谱特性是复杂的,它是受多种因素控制的,本身也是因时因地在变化着。同样,植被指数也受到许多因素的影响,如上述的土壤背景、物候期农事历、作物排列方向、大气效应、太阳高度角与方位角、地形效应及遥感器等。 物候期指自然植物在其生长发育过程中,其生理、外形、结构等的季节性变化,可通过遥感加以监测。 对于农作区,物候期表 现为地方农事历,即耕作、 播种、发芽、生长、成熟、 收获、休闲等季相循环周期。 它是由作物的生长特点、地 方气候、地方农业耕作方式 与习惯等决定的。 可见,植被指数提取中、 遥感数据时相选择的重要性。,几种主要作物的农事历,冬小麦物候期(旬/
2、月),植被指数的影响因素 大气效应,大气对组成植被指数的R、NIR波 段有不同的衰减系数。大气散射一般 使植被的红光辐射增强(上行程辐射增强)、 但大气散射和吸收使近红外辐射降低, 两者对比度下降。 因此,大气对植被指数的总效应是 使植被指数信号下降。但其对不同植被 指数影响程度却有很大的不同。 DVI在浑浊和晴朗的天气条件下变化 很小,而RVI数值可下降50%,其它指 数位于上述两者之间。 从右图可见,由地面光谱所得的植物 全生长期 RVI曲线明显起伏;在3000m 航高所得的 RVI变化幅度已明显减小; 而在卫星大气顶端所得的RVI变化起伏 已显模糊。因此需要进行大气校正。,比值植被指数的
3、大气效应8 (虚线为缺水植物,实线为不缺水植物),大气阻抗植被指数(Atmospherically resistant vegetation Index-ARVI),ARVI =(NIR-RB)/(NIR+RB) 或,其中, 为光学路径效应因子,ARVI的性能取决于 。 通过用大气辐射传输模型在各种大气条件下模拟自然表面光谱,发现ARVI 具 NDVI 同样的动态范围,但对大气的敏感性比 NDVI小 4 倍 24。,大气阻抗植被指数利用可见光的兰光(B)与红光(R)对大气响应的差异,用红-兰波段组合(RB)替代了NDVI的红波段(R),减小由大气气溶胶引起的大气散射对红波段的影响,以减少植被指
4、数VI对大气性质的依赖。,改进型土壤大气修正植被指数(EVI),式中, 为大气层顶或地表的二向反射率; L 为背景(土壤)调整系数;C1、C2为拟合系数; NIR、R、B分别代表近红外,可见光的红、兰波段。,研究表明,大气的衰减作用,虽使卫星遥感的植被指数减小。但尚未扰乱植被指数与叶面积指数、植土比之间的关系。因此,在宏观植被长势的动态监测中,并非一定要消除大气对植被指数的衰减影响,但对于作物估产则情况有所不同。,改进型土壤大气修正植被指数(EVI)将植被背景调整和大气修正结合起来,考虑到叶冠背景对植被指数的影响也与大气有关,用兰通道(B)对红通道(R)进行大气气溶胶散射修正。,植被指数的影响
5、因素太阳高度角等,太阳天顶角()、方位角及观察角的影响主要反映在大气路径长度和地表二向反射(BRDF)效应,使植被指数值变化较大,致使不同时相的植被指数缺乏可比性。 VI与关系复杂,它与植被冠层特征、光照条件等有关。 试验表明29,不同绿度条件下的VI与之间存在着线性、非线性、高常数、低常数。 绿度中等区(0.52.0),正午时VI最大,随增大VI减小,或VI趋 于一个高常数值; 绿度低区(LAI0.5),VI为低常数值(与无关)。,过去,在对卫星遥感数据的前期处理时,人们往往把像元的太阳高度角纠正到太阳垂直照射的状态下(即进行太阳高度角、观察角、观察方位角的归一化订正),显然这是不合适的。因
6、为仅考虑了大气路径长度的影响,而忽略了方向反射效应。事实上,地表的方向反射(BRDF)变化与植被冠层结构有关,而冠层结构受太阳高度角的影响。 试验表明太阳垂直照射要比倾斜照射( 40 ),VI与LAI的预测能力低;选用45的太阳高度角时,VI与 LAI相关性好。,植被指数的影响因素地形效应与遥感器,在地形起伏的山区、地形的阴影效应,往往掩盖了部分植被,使植被指数发生变化。最简便的方法比值法或比值合成法可以消除部分阴影的影响,提高植被信息提取的能力。 遥感器本身的辐射定标以及多种遥感器间光谱波段响应函数、空间分辨率、视场角等的差异,均会对植被指数的植被检测能力和数值的可比性发生影响。因而需要对遥
7、感数据进行辐射纠正,以及各波段光谱响应函数间的纠正处理,以保证多源数据的综合分析和大尺度植被遥感动态监测的可靠性。,三、植被指数与生物物理参数的关系,植被指数与植被生物物理参数(如叶面积指数LAI,植被覆盖度、绿色生物量、光合有效吸收辐射FAPAR等)之间存在相关关系,可以作为获取这些生物物理参数的“中间变量”,或得到两者之间的转换系数。 目前利用遥感数据来估算植被生物物理参数,主要采用两种方法: 统计模型- 根据大量实测数据(不同地面条件、不同植物生长阶段的植被与土壤光谱反射辐射特征数据,以及相应的生物物理测量数据),建立遥感植被指数与植物物理参数间的统计相关(多变量回归方程)。此方法抓住植
8、被光谱这一本质,简便易行,被广泛应用 ,但要有“先验知识”,其结果受先验数据的局限,适普性差,且未考虑非植被因素(土壤背景、地形、大气特征)。 理论模型- 如几何光学模型与辐射传输模型等。它物理意义明确,描述了植被方向反射与植物冠层结构之间的关系,可定量反演各种类型植被的生物物理参数;但模型反演复杂,需要的参数较多,一定程度上限制了它的应用。 鉴于两类模型各自的特点,有的学者提出了两类模型结合的方法。,1. 植被指数与叶面积指数的关系,植冠形态参数LAI 对植物光合作用和能量传输是十分关键的。 叶面积越大,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。
9、同时,植物群体的叶面积越大,植物群体的反射辐射增强 ( 如作物群体LAI 大于3 时,其反射率可达太阳总辐射的20% )。 可见,利用遥感监测植被长势和估产中 LAI 是关键参数。LAI 难从遥感直接获得,但它与遥感参数植被指数间有密切的关系,因而可以通过大量的理论和实验研究,建立起植被指数与LAI之间的各种相关的理论和经验统计模型。 如 用遥感植被指数估算叶面积指数,其回归式为67、12:,张仁华等(1996)通过高塔遥感的观测实验表明: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。且NDVI与LAI存在饱和现象,即随着绿色生物量的增加达到一定程度后,
10、NDVI不再增长,而处于“饱和”状态。“饱和”主要是由比值的非线性转换过程引起的,它使得NDVI对红色反射率信号过度敏感,而红波段对叶绿素的强吸收很快达到饱和。当LAI超过2或3时,NDVI对LAI的变化不敏感。,植被指数NDVI或RVI与叶面积指数LAI之间的关系可表示为11 : 或表示为: 式中,A、B、C 及 A、B 、C 均为经验系数、实验常数。 A、B 通常接近于1,而对于小麦,叶角为球形分布,C通常为 0.5。 A、 A 由植物本身的光谱反射确定(叶形、叶倾角及散射系数等); B、 B 与叶倾角、观测角有关(如当叶呈水平状,线性关系明显;当 叶呈非水平状,两者呈余弦关系); C、
11、C 取决于叶子对辐射的衰减,这种衰减呈非线性的指数函数 变化。,此外,太阳高度角和方位角的变化、冠层密度、下垫面类型等均对VI与LAI的关系产生影响。,LAD、s 对 VI-LAI关系的影响11,实验还表明:随着观测角度的不同所引起的植土比差异,以及作物类别不同所引起的叶形、叶角差异(大豆叶偏椭园形、叶角基本上呈水平状分布;小麦叶呈长条形,叶角基本上呈球状分布),均使NDVI与LAI的关系曲线存在差异。,右图(由模拟计算所得)显示了叶角分布 LAD、土壤反射率s在植被指数NDVI、RVI与叶面积指数的关系中的作用。,(根据NOAA-AVHRR和同步观测数据绘制) 11,叶面积指数区域分布,植被
12、结构参数的获取,主要通过以下途径: 直接或间接的测量方法,并建立对不同农作物类型、不同生长期 的LAD、 LAI等植物结构参数的先验知识库,再用NDVI及平均 叶角等参数进行计算,以获得区域尺度的LAI。 如 便携式叶面积指数测定仪(LICOR LAI2000),可自动测量、自动记录测量结果;通过某一高度标尺插入植被的“接触频率”它包含了这一高度的FAVD和LAD的信息,或通过光谱仪测量植被表面不同方向的入射强度,以推算LAI和LAD;根据计算机断层扫描成像原理,采用地面摄影/摄像方法获取树冠的多角度观测数据,应用图像重建算法重构树冠几何形状,再对冠层内叶面积密度进行估值,并进而推算整个树冠的
13、叶面积体密度(FAVD)的空间分布和LAI(王锦地等,1995)。,树冠断层图像,模型反演 - 通过卫星遥感数据所得的二向反射分布函数BRDF进行模型反演,这需要多角度遥感数据。 如 对均匀植被冠层,基于平均冠层透射理论,从冠层内的透过率来反演LAI、LAD(Norman等,1978),或通过测冠层中空隙率来推算LAI(项月琴等,1989); 又如,随机选择一定数量的样本象元,用BRDF模型(辐射传输模型或几何光学模型等)输入叶子、土壤的光谱特征值,冠层结构(LAD),冠层密度-(LAI)的值,模型反演输出一定数量的(2500个)象元的LAI值,反射值及NDVI值;用实测值作为边界条件来检验象
14、元反演值是否有效,剔除无效象元后形成训练数据集;建立LAI 与植被指数的回归模型,并绘出LAI分布图。经实地测量验证模型估计值可靠(Gilabert等,2000) 。,LAI 反演算法混合模型,遥感图像定量反演LAI,2. 植被指数与叶绿素含量的关系,小麦光谱组合模型和叶绿素含量的 时 间 剖 面 曲 线 11,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,兰、红波段吸收增强,近红外反射率增强,植被指数增大;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。 实验表明:不同作物因植土比 差异,其表达叶绿素含量
15、的光谱 模型不同。图中对小麦G5=NIR/R2 模型最佳。其余为: 而对大豆,因叶子较早封垄, 土壤影响较小,则G3模型最佳。,研究表明,NDVI 可以反映出作物长势和叶绿素含量变化 (肖乾广等,1993 )。 小麦从播种越冬返青抽穗期,叶绿素处于快速增长阶段,NDVI也同步快速增长; 小麦在抽穗期后叶绿素呈缓慢减低的趋势,此时NDVI也表现为缓慢减低; 小麦从麦黄麦熟,叶绿素 又呈现快速下降趋势,NDVI 也呈现出快速下降的趋势。,冬小麦不同生育期绿度变化曲线,植被高光谱反射特性和生化组分,由于许多生化过程,如光合、呼吸、蒸腾、分解,都与叶生化物浓度有关。利用遥感精确估算植被冠层生化组分,往
16、往是运用逐步回归和归一化等方法,建立回归方程,把植被高光谱反射光谱特性与叶生化组分(如 叶绿素a、叶绿素b、全叶绿素、木质素、氮、纤维素、水磷、蛋白质、氨基酸、糖、淀粉等)浓度联系起来。,Kakoly和Clark(1999)提出了BNC和BNA两个指数,来表征反射 光谱的特征75 。 BNC=1-(R/Ri)/1-(Rc /Ric) BNA=1-(R/Ri)/A BNC为归一化的波谱吸收中心的波深; BNA为波谱吸收特征面积比归一化波深; R 为特定波谱的样本反射率; Ri 为特定波谱连线的反射率; Rc为波谱吸收中心的样本反射率; Ric为波谱吸收中心连线的反射率; A 为波谱吸收特征的面积
17、。,3、植被指数与植被覆盖度的关系,植被覆盖度( f )指植被冠层的垂直投影面积与土壤总面积之比,即 植/土比。传感器所测得的反射辐射 R 可表示为: 式中, 、 分别为植被、土壤的总反射辐射; f 为植被覆盖度。 则,或,式中, 为植被与土壤混合光谱反射率; 、 分别为纯植被和纯土壤宽波段反射率。,实际上,“植土比” ( f )和 “叶面积指数”(LAI)同时随时间、空间而变化,因此,需综合考虑植被指数与这两者的关系。 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,多用于作物估产研究。但
18、它对植土比的感应能力随 LAI 减小而降低。,也可表示为: 或,式中,NDVI 为所求地块或象元的植被指数; NDVIv、NDVIs 分别为纯植被和纯土壤的植被指数; NDVImin、NDVImax分别为区内NDVI的最小、最大值。 f 3 、 f 4 适用于作物覆盖处的叶面积指数较均一的场合。不同叶面积的全覆盖,其NDVIv值不一,因此, f 3、 f 4 值中包含一定的叶面积指数信息11。,NOAA遥感数据与植被参数的关系,通过黄淮海地区的大量野外测试,得NOAA遥感数据与植被覆盖度f、叶面积指数LAI之间的关系为13:,其中, 、 经大气纠正。,4、植被指数与生物量的关系,生物量(bio
19、mass)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 与植被盖度 f 均是生物量的重要指标,它们都与植被指数相关。因此往往可以将一个地区的平均叶面积指数( )与该地区植土比( f )的乘积(L f )作为该地区作物总产量的线性相关因子。 (植被指数与生物量的定量关系,将在 “作物估产”中详细论述 ) 以下讨论植被状态指数(Vegetation Condition IndexVCI)与植被覆盖度、生物量的关系。,Anatoly等(1993)曾对不同干湿条件、不同生态区(高程与NDVI),用NOAA数据的VCI来估算植被覆盖度以及草场与作物生产力,并用大量地
20、面实测数据验证。研究结果表明, VCI 估算 f 的误差16%,低覆盖区误差更小;且VCI与实测的 f 相关性较高(相关系数约0.76)。 VCI定量估算植物(草场、作物)生物量也有效。,植被状态指数VCI 对植被覆盖度的关系39,由NOAA/AVHRR数据获得的植被状态指数 VCI 被定义为: 式中, 、 、 、 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)。,试验研究表明,将对植被水分反映敏感的TM5、TM7引入植被指数,如: STVI1 =(TM5* TM3)/ TM4 ; STVI2 = TM4 /(TM3+TM7) ; STVI3 = TM
21、4 /(TM3 + TM5) ; MSVI1 = TM4 / TM5 ; MSVI2 = TM4 / TM7 ; MSVI3 = TM4 /(TM5+TM7); 在估算大豆、玉米 LAI、BI(湿、干)、植被高度、最终产量等作物生长参数方面,往往并不亚于常规植被指数,尤其对玉米改善明显。,参考文献 2, Roujean J.L. & Breon F.M.,1995, Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements, Remote Sensing of Environ.,51:37
22、5384 . Kim M.S.,Daughtry C.S.T.,Chappelle E.W. & McMurtrey J.E., 1994, The use of High Spectral Resolution Bands for Estimating Absorbed Photosynthetically Active Radiation (APAR) , In:Proc.ISPRS94 Val dIsere,France 17-21 January 1994 (pp.299306) . Ben-dor E. & Kruse F. A., 1995 , Surface Mineral Ma
23、pping of Makhtesh Ramon,Negev, Israel using GER 63 Channel Scanner Data, International Journal of Remote Sensing,16,35293553. Rahman , 2001, Influence of Atmospheric Correction on the Estimation of Biophysical Parameters of Crop Canopy Using Satellite Remote Sensing , International Journal of Remote
24、 Sensing , 22(7): 12451268 . Bo-Cai Gao & Rong-Rong Li , 2000, Quantitative Improvement in the Estimates of NDVI Values from Remotely Sensed Data by Correcting Thin Cirrus Scattering Effects , Remote Sensing of Environ., 74(3): 494502 . Chappell A., J. W. Seaquist, L. Eklundh , 2001 ,Improving the Estimation
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2024乡村医生考试试题及答案
- (2025)初级保育员理论知识考试题库(含参考答案)
- 对合同执行情况的核查通知(4篇范文)
- 2026年职培云考试模拟试卷(含答案)
- 2026年伊春单招考试题库及答案
- 2026年脑膜解剖试题题库及答案
- 2026年日常应用英语口语实战题库及答案
- 2026年整形美容外科手术常见并发症防治模拟试卷(含答案)
- 2026年国际酒店笔试题库及答案
- 2026年中国人寿模拟试卷(含答案)
- 新版2026年新教材统编版九年级上册道德与法治期末复习全册考点提纲
- 羊绒衫制作工安全操作规程
- 新版2026秋新苏教版小学科学五年级上册全册知识点考点合集
- 2027兴业银行校园招聘笔试参考题库及答案详解
- ASTM D5276-23 中文版(运输包装件自由跌落测试标准 完整原文 + 不同重量跌落高度对照表)
- ASME B31.3-2024 中文版(工艺管道规范 引用 ASME V 卷无损检测要求)
- 武汉产业投资控股集团有限公司招聘笔试参考题库及答案详解
- 2026年海南发展控股公司招聘试题及答案
- 2025年山东公务员考试行测真题完整版(含答案+详细解析)
- 室外给水管道及设备安装工艺标准
- 肿瘤类器官模型应用
评论
0/150
提交评论