可見光與近紅外波段遙感應用測繪系本章內容6.1植被遙感模型6.2水色遙感6.1植被遙感模型6.1.1植被指數分類

6.1.2土壤背景影響與消除6.1.3混合象元模型植被指數的由來當人們用不同波段的植被-土壤系統的反射率因子以一定的形式組合成一個參數時，發現它可以突出植被信息，抑制其它目標信息，同時它與植被特性參數間的函數聯系（如LAI）比單一波段值更穩定、可靠。我們把這種多波段反射率因子的組合統稱為植被指數（或植被光譜參數）。6.1.1植被指數分類根據函數形式，植被指數主要分為2類。（1）比值型植被指數

Rir與Rr分別為近紅外與紅色波段的反射率。

RVI稱為比值植被指數

NDVI稱為標準差值植被指數（2）垂直距離型植被指數

PVI稱為垂直植被指數6.1.1植被指數分類NDVIRVI垂直植被指數的物理意義：θARirRrθθPVI土壤線θ

為土壤線與Rr坐標軸之間的夾角。若忽略土壤線在Rir軸上的截距，則A(Rr,Rir)的PVI值實際上就是A點到土壤線的垂直距離。1、綠色健康植被覆蓋地區的RVI遠大于1，而無植被覆蓋的地面（裸土、人工建筑、水體、植被枯死或嚴重蟲害）的RVI在1附近。植被的RVI通常大于2；

2、RVI是綠色植物的靈敏指示參數，與LAI、葉干生物量(DM)、葉綠素含量相關性高，可用于檢測和估算植物生物量；

3、植被覆蓋度影響RVI，當植被覆蓋度較高時，RVI對植被十分敏感；當植被覆蓋度<50%時，這種敏感性顯著降低；

4、RVI受大氣條件影響，大氣效應大大降低對植被檢測的靈敏度，所以在計算前需要進行大氣校正，或用反射率計算RVI。比值植被指數——RVI的特性歸一化植被指數——NDVI的特性

1、NDVI的應用：檢測植被生長狀態、植被覆蓋度和消除部分輻射誤差等；

2、-1<=NDVI<=1，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大；

3、NDVI的局限性表現在，用非線性拉伸的方式增強了NIR和R的反射率的對比度。對于同一幅圖象，分別求RVI和NDVI時會發現，RVI值增加的速度高于NDVI增加速度，即NDVI對高植被區具有較低的靈敏度；

4、NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、學、枯葉、粗超度等，且與植被覆蓋有關；波段號波段類型波長（um）空間分辨率（m）功能與主要用途1藍色0.45-0.5230對水體有穿透能力，用來分析土地利用、干燥的土壤、植被特征、編制森林分布圖2綠色0.52-0.6030對水體的穿透能力較強，對植被的反射敏感，位于葉綠素的兩個吸收帶之間，利用這一波段增強鑒別植被的能力；能區分林型、樹種3紅色0.63-0.6930位于葉綠素的吸收區，能增強植被覆蓋與無植被之間的反差，亦能增強同類植被的反差；可根據植被的色調判斷植物的健康狀況4近紅外0.76-0.9030集中反映植物的強反射，用于植被類型、生物量和作物長勢的調查，繪制水體邊界和土壤濕度，也可用來增強土壤與農作物和陸地與水域之間的反差5中紅外1.55-1.7530處于水的吸收帶，對含水量反應敏感，可用于土壤濕度、植物含水量調查、水分狀況研究、作物長勢分析6熱紅外10.4-12.5120屬于熱紅外波段，對熱異常敏感。監測與人類活動有關的熱特征，用于熱分布制圖、巖石識別和地質探礦、水體溫度變化制圖7中紅外2.08-2.3530探測高溫輻射源，如監測森里火災、火山活動等，區分巖石類型、地質探礦與制圖應用植被指數提取植被信息比單通道值準確可靠植被-土壤系統是一個復雜的非朗伯體系，其反射率是太陽方向、傳感器方向、自身結構參數（LAI、LAD等）、光學參數（葉片反射率與透過率、土壤發射率等）等因子的函數，不同種類、不同發育期會有所變化，而且有些參數難以獲得。此外，由于自然狀況（風、病蟲害）和人為狀況的影響，各通道反射率也會發生變化，造成判讀困難。當采用多波段時，可以通過比值或差值形式，部分消除某些參數（如LAD）在各波段上產生的同步影響。(2)傳感器測量的是來自目標的輻射亮度值，當輻射環境發生變化時（如大氣透明度變化造成太陽直射和天空光變化，地形地貌也會影響輻射環境），接收的目標亮度會發生變化，難以作為判讀的依據。但植被指數可以部分消除這一影響。其中S、F分別為太陽光譜和傳感器響應函數，則有：B受輻射環境變化的影響比單一波段要小得多。6.1植被遙感模型

6.1.1植被指數分類

6.1.2土壤背景影響與消除6.1.3混合象元模型6.1.4冠層反射率模型—輻射傳輸模型NDVI中的土壤背景影響假設存在土壤線（斜率M，截距I）：Rs,ir=MRs,r+I回憶：對于裸露土壤：如假設I=0，則NDVI=(M-1)/(M+1)，不等于0；如I≠0，則NDVI=[(M-1)Rs,r+I]/[M+1)Rs,r+I]，不僅不等于0，而且與土壤輻射亮度有關。所以NDVI受土壤影響較大。同時由于NDVI飽和值很低（LAIMAX≈2-3）、非朗伯特性顯著、大氣影響較大，因此NDVI不是一個好的植被指數形式。6.1.2土壤背景影響與消除NDVI指數的一個假設是研究區域內的所有土壤類型都是相同的，而建筑用地及鹽堿地與有植被覆蓋的土地類型受土地背景影響嚴重，就不能單一的應用NDVI指數進行區分。Huete提出了土壤調節植被指數SAVI，引入了土壤調節因子l，使無論深色或淺色土壤背景中求得的植被指數都完全相等，從而消除了土壤背景的干擾。SAVI指數計算公式為：公式中，l即為土壤調節因子，其值介于0～1之間。“0”和“1”分別代表植被覆蓋率極高和極低的兩種極端情況。通常選擇0.5可以較好地減弱土壤的背景差異，減弱土壤的噪聲影響。由于引入了土壤調節因子，SAVI適用于城區的提取。6.1.2土壤背景影響與消除NDVIRVI6.1植被遙感模型

6.1.1植被指數分類

6.1.2土壤背景影響與消除

6.1.3混合象元模型6.1.4冠層反射率模型—輻射傳輸模型6.1.3混合象元模型混合象元(mixedpixel)象元中存在多于1種地物時，稱其為“混合象元”。與此相對應，只包括1種地物的象元為“純象元”(purepixel)。事實上，遙感圖象中，尤其是低空間分辨率的圖象中，各個象元通常都包括多種地物。盡管不同的自然地物有其不同的波譜、時間、角度等特征，但是遙感記錄的象元只有單一的波譜、時間、角度等特征，即混雜后的特征。它給遙感解譯造成困擾。1km*1km方框(相當于NOAA-AVHRR象元)北京城郊Landsat-TM圖象(分辨率30m)從左圖可以看出來，1個AVHRR象元中存在多種地物，如小麥、村莊、裸地、水體、道路等，即混合象元。該象元反射率不同于任一單純地物的反射率。同物異譜、異物同譜端元(endmember)如果用混合象元進行判讀，會造成很大誤差。通常需要對混合象元進行分解，分析混合象元中存在的地物種類及其所占比例。分解混合象元時，被分解出來的成分稱為端元。每個端元通常對應一種地物。端元常被認為組成混合象元的最基本的成分；在混合象元模型中，端元是不能再分的。6.1.3混合象元模型我們可以認為一個混合象元由植被、裸地、水體組成，此時端元就是植被、裸地和水體。如果我們需要在植被中區分小麥和林地，在裸地中區分村莊和撂荒地，則此時我們認為一個混合象元由小麥、林地、村莊、撂荒地和水體等端元組成。端元的個數完全根據實際需要、遙感數據（多維）信息量、以及端元之間的差異而確定。6.1.3混合象元模型子象元(sub-pixel)當我們描述混合象元內部某種地物時，也常稱其為子象元。子象元，顧名思義，就是指尺度小于一個象元，而我們又希望予以關注的地物。象元是我們可以判讀遙感圖像的最基本單元，也就是說，當地物小于1個象元時，通常是不能被判讀出來的，這時，需要我們進行象元分解。6.1.3混合象元模型總之：當我們關注象元時，我們用混合象元或純象元等名詞。當我們關注象元內部時，我們用端元或子象元等名詞。通常，端元的含義與子象元的含義相同。混合象元分解也稱為子象元分解，主要目的就是為了求算各子象元（端元）所占的面積（比例）。當然，子象元（端元）的精確位置是無法通過分解確定的。6.1.3混合象元模型混合象元模型混合象元模型的公式可以表示為，象元反射率是所組成端元的反射率、各端元所占面積比例、以及其它參數的函數，即：ρ=F(ρ1,a1,ρ2,a2,……,ρn,an,X)其中j=1,…,n表示端元序號，ρ為反射率，a為面積比例，X表示其它各種參數（可能不止1個）。6.1.3混合象元模型混合象元模型有很多類型。其中最早使用、最簡單、目前還常被使用的是線性模型。以下，我們將主要介紹線性模型。6.1.3混合象元模型只考慮2個端元的線性模型考慮1個混合象元中只存在植被和裸土，此時混合象元的反射率為：ρ=ρvav+ρsas其中，ρ為反射率，a為面積比例，下標v代表植被，下標s代表裸土。avas6.1.3混合象元模型注意到：ρ=ρvav+ρs(1-av)av+as=1則此時上式可以寫為：如果我們已經知道了植被反射率ρv，以及裸土反射率ρs，則通過探測到的象元反射率ρ，即可反演出植被所占面積比例av，進而根據象元面積，得出植被面積。裸土的面積比例也可通過1-av獲得。6.1.3混合象元模型考慮3個端元的線性模型考慮1個混合象元中存在植被、裸土和水體，此時混合象元的反射率為：ρ=ρvav+ρsas+ρwaw其中，ρ為反射率，a為面積比例，下標v代表植被，下標s代表裸土，下標w代表水體。6.1.3混合象元模型注意到：ρ=ρvav+ρsas+ρw(1–av-as)av+as+aw=1則此時上式可以寫為：如果我們已經知道了各端元的反射率ρv、ρs

、ρw，也知道探測到的象元反射率ρ，但由于該式有2個未知數，av與as，仍無法求解。此時，必須引入更多的遙感信息，以構成至少由2個非同構方程組成的方程組，才可以求解。6.1.3混合象元模型我們可以獲取2個波段（如紅波段和近紅外波段）的遙感數據，以構成方程組：上述方程組有2個方程，2個未知數，可以求解出我們所需要的av、as、aw。同樣地，我們也可以選取2個時相的遙感數據，構成上述方程組，進行求解。只要端元的反射率有不同的變化（以避免方程同構）即可。面積不變，反射率變6.1.3混合象元模型考慮n個端元的線性模型結合上述模型分析，我們可以概括出包括n個端元的混合象元在第i個波段或時相的反射率為：其中，ρ為反射率，a為面積比例，下標j代表第j個端元。并有：6.1.3混合象元模型大寫ρ其中|ρ|、|e|均為m行的單列矩陣，|Ρ|為m行n列矩陣，|a|為n行單列矩陣。模型反演就是求解方程組的過程，有很多種解法，這里就不列舉了。6.1.3混合象元模型如果可慮誤差項，則混合象元反射率可以寫為：其中e為遙感數據的誤差項。由此我們可以列出由m個波段或時相數據構成的方程組，并用矩陣表示：上式各項具體矩陣表達式如何方程數多于未知數時，可以進一步提高反演精度。要保證上式能反演，未知數的個數要小于等于獨立方程的個數，注意到面積比例和為1，增加了1個方程，則首要的反演條件為：nm+1其次，端元所占面積比例在所采用的數據集中不能有變化。6.1.3混合象元模型反演的精度取決于：象元反射率與端元反射率的精度。其次，遙感數據集的選取也很重要。端元的反射率在不同數據中差別越大，反演越精確。模型中的誤差項主要是由于遙感數據誤差、混合象元中其它端元的貢獻、以及其它隨機誤差引起的。6.1.3混合象元模型6.1植被遙感模型

6.1.1植被指數分類

6.1.2土壤背景影響與消除6.1.3混合象元模型6.1.4冠層反射率模型—輻射傳輸模型我們如何定量地研究植被覆蓋區域的反射特征？植被遙感中，從一開始就被普遍認同和采用的方法是，利用植被反射光譜在可見光和近紅外波段上明顯的不同，構建遙感植被指數，在研究糾正植被形態、土壤光學特性、太陽位置以及云和大氣等影響的基礎上，反演地表狀況，用以與各種植被變量（包括LAI）、植株生物量、植被覆蓋度、光合組織總量、光合有效輻射和初級生產力等因子進行相關。這種方法抓住了植被的光譜特征，簡單而明確，具有很強的實用性，易于為大多數研究者所接受。目前開展的大部分植被遙感的研究工作都是從這方面展開的。6.1.4冠層反射率模型—輻射傳輸模型但是不可否認的是，遙感也象其它學科一樣，經歷著從簡單到復雜、從定性到定量的發展過程和發展趨勢，尤其是作為一門新興學科，更是如此。以植被指數、光譜-地物相關方法為代表的工作是在實驗數據和感官經驗的基礎上完成的，缺乏一套有力完整的理論體系作支撐，因而是經驗或半經驗的。其理論基礎是統計相關，其根本弱點在于主觀性和片面性，具有數據的局限性和結果的難以重復性。隨著遙感定量化呼聲日高和遙感手段的日益豐富完備，迫切需要發展有物理意義的理論模型，解決植被遙感中存在的問題和不足。6.1.4冠層反射率模型—輻射傳輸模型在研究植被等地物的光譜特征時，人們逐漸發現了“同物異譜、異物同譜”的現象，地面測量的光譜曲線與實際遙感測量的光譜曲線很難一一對應。研究者考慮到這種現象可能是混合象元引起的，于是引進了混合象元模型及其求解方法。在混合象元中，植被的反射率是已知的。但是實際上，由于植被反射率是由葉片、下層土壤等形成的綜合因素，即植被區域不是一個平面剛體，輻射是可以穿過冠層表面的，通過各種散射后，再從冠層上界逸出，被傳感器所接收。因而形成冠層反射率模型。可以這樣認為，混合象元是二維的，冠層反射率模型是三維的。6.1.4冠層反射率模型—輻射傳輸模型如果從遙感分析的角度，我們可以依據尺度由大向小排列順序如下：

象元之間的關系，即遙感影象上的紋理特征；象元本身的屬性，如根據象元光譜特征，進行分類；混合象元，即判斷象元內部各種地物所占比例；端元（冠層）反射，表征端元內部由于輻射進入，或鄰近遮擋而引起的輻射變化；材料波譜，如葉片內部各組分的結構與光譜特征。其中第一個屬于遙感數字圖象處理研究范疇，后兩個屬于遙感物理研究范疇，而中間兩個則屬于二者交叉研究范疇。6.1.4冠層反射率模型—輻射傳輸模型在冠層反射率模型中，通常分為兩類，即幾何光學模型與輻射傳輸模型。之所以分成兩類模型，主要是由于地面的植被（在生態學上就是林地、草地、農田）主要有兩種外在形態。一種是幾何特征明顯（如樹木、灌叢、成壟分布的農作物等），另一種則無明顯幾何特征（如大面積的草地、已封壟的農作物等）。當然，由于相互融合，兩類模型現在已經區分不明顯了，即以幾何光學為基礎的模型加入了對多次散射的考慮，而以輻射傳輸為基礎的模型加入了對熱點現象的考慮。6.1.4冠層反射率模型—輻射傳輸模型熱點(hotspot)現象所謂熱點(hotspot)現象，即當傳感器與太陽位于同一方向時，傳感器所接收的地面輻射最強（地面反射率最大、地面光強最強、最熱）。幾何光學模型可以較好地解釋熱點現象。a(θv,φv)a(θi,φi)O(θi,θv,φ)6.1.4冠層反射率模型—輻射傳輸模型輻射傳輸模型植被遙感接收的信息是植被上界的出射輻射（不考慮大氣影響），它是輻射在植被—土壤耦合體系中多次散射和吸收的結果，而輻射傳輸理論可以比較系統、較完整地描述該過程。通過輻射傳輸理論，我們可以準確地計算植被上界的出射輻射量，或根據這一信息反演植被的光學特性和結構特性，因而從理論的高度解決了植被遙感的定量化問題。同時在解決問題的過程中，還可以借鑒許多輻射傳輸理論的最新進展和突破，從而將使這一領域充滿活力。6.1.4冠層反射率模型—輻射傳輸模型植被遙感傳輸理論的三個里程碑成果：1950年，Chandrasekhar給出輻射傳輸方程的具體表達式，并在大氣和核物理等研究領域迅速得到應用和發展。

1953年，門司正三和佐伯敏郎（MonsiandSaeki）從實測測定和理論推導兩方面建立了光強對葉面積的依賴關系。其中所采用的理論就是輻射傳輸的基本定律—Beer-Lambert消光定律，從而開始了用輻射傳輸理論對植被冠層的研究。

1975年，在總結前人多年工作的基礎上，Ross出版了他的論著（俄文版），正式確定了植被內部的輻射傳輸方程，進而建立植被光學特性和結構特性與輻射場之間的關系。6.1.4冠層反射率模型—輻射傳輸模型與大氣相比，植被中的輻射傳輸過程要復雜得多，這集中表現在兩點：

大氣中散射和吸收粒子的分布可以看成是平面平行分布，即粒子特性僅隨高度發生變化，同一高度上的分布可以看成均一分布；而植被則在三維空間上均有變化，植被個體間往往存在一不定期的間隙，造成其在水平面上的不連續性，因而使問題復雜化。在本節中，我們考慮連續植被分布，或者植被個體間雖有間斷，但卻均勻分布（其體現的效果相當于個體密度之和在整個平面上的平均），這時植被葉片密度呈平面平行分布。這種假設符合農作物、自然草場以及一些較密的森林的狀況。6.1.4冠層反射率模型—輻射傳輸模型

大氣中散射體為粒狀分布，而植被中散射體—葉片則有一定的取向和大小。前者造成植被中的輻射不僅與傳輸路徑長度和路徑上葉片密度有關，而且與路徑上葉片的取向有關；后者則造成明顯的“熱點”現象（濃云反射也存在這種現象），即當觀測方向與輻射方向正好相反時，出現較強的反射亮度。綜上所述，植被中的輻射傳輸問題既有一般輻射傳輸問題所具有的共性，也有其獨有的個性；它是植被遙感定量化的橋梁的紐帶，是解釋植被—土壤體系雙向反射特性的最好的技術手段之一。6.1.5冠層反射率模型—輻射傳輸模型總結植被指數（0維）--混合象元（2維）--冠層反射率（3維）紋理-象元-端元-組分-材料葉片尺度與取向造成植被輻射傳輸的特殊性6.1.4冠層反射率模型—輻射傳輸模型植被輻射傳輸模型中的三個參數植被中主要的光合組織是葉片，輻射在植被中進行傳輸時，更多地是與葉片發生相互作用而改變輻射特性，因而在本節的討論范疇內，僅限于葉片對輻射傳輸的影響。葉片的物理特性包括葉片尺度、葉片取向、葉表面粗糙度以及葉片光學性質（如反射率、透過率和吸收率）等。由于我們更重視由葉片所組成的整體性質，因此需要定義一些植被群體特性參數，它們是對植被冠層結構和光學特征的一種提煉化描述，是對全體葉片分布統計平均的結果。這些統計量包括葉面積密度分布、G函數和函數。6.1.4冠層反射率模型—輻射傳輸模型葉面積密度分布輻射在介質中傳輸時，所受到的影響與散射體和吸收體的密度分布有很大關系。對于植被而言，則為葉片。葉面積密度指單位體積內葉片（單面）面積總和，它在空間分布的形式稱為葉面積密度分布，通常以uL(r)表示，單位為米-1。在植被平面平行分布的假設下，可以表示為uL(r)=uL(z)，即葉面積密度只隨垂直高度變化而改變，同一層的葉面積密度是均一的。uL(z)對dz在0-H區域積分，等于？6.1.4冠層反射率模型—輻射傳輸模型對于葉面積密度分布，存在：式中積分上限H為植被冠層深度，z的取向向下（即z=0為植被上界，z=H為植被下界），L0為葉面積指數（無單位量綱），是農學、植被生態學中最重要、最常用的參數。葉面積密度鉛垂分布uL(z)是植被切層研究的基本參數，因此為廣大研究者所重視，并針對不同植被冠層給出很多種函數表達。當植被分布完全均一時，uL(z)如何表示？葉面積指數的含義6.1.4冠層反射率模型—輻射傳輸模型G函數植被輻射傳輸過程與散射和吸收介質—葉片取向有很大的關系，這是其它領域內的輻射傳輸問題所沒有的。引入葉片法向分布概率密度gL(r,ΩL)，表示位置r處，法向（取其上半球空間單面法向）為ΩL附近單位立體角內的葉片概率，并存在歸一化條件：式中積分區域2π+

為上半球空間，這是因為葉片只能計算單面。對于平面平行假設，存在gL(r,ΩL)=gL(z,ΩL)。6.1.4冠層反射率模型—輻射傳輸模型gL(z,ΩL)為葉片取向的函數，是與輻射傳輸方向無關的量。為表示植被體內輻射場的分布與gL(z,ΩL)的關系，通常要引入一個中間變量，這個變量就是RossandNilson提出的G函數，它的定義為：式中Ω為輻射傳輸方向，Ω·ΩL為兩個方向矢量的點積，即方向夾角的余弦：式中，、L分別為傳輸方向和葉片法向的天項角，、L分別為兩個方向的方位角。6.1.4冠層反射率模型—輻射傳輸模型GL(z,Ω)的物理含義是位置z處，所有葉片的法向在傳輸方向Ω上的平均投影。它是植被輻射傳輸方程中所采用的一個重要參數，是與其它介質中輻射傳輸方程表述的根本區別所在。G函數是傳輸方向Ω的函數，它的取值限定了介質中在該方向上散射和吸收截面大小。6.1.4冠層反射率模型—輻射傳輸模型Γ函數同其它輻射傳輸理論一樣，植被中也定義了散射相函數，記為函數。函數同樣與散射點處的葉片取向有關，并且不是歸一化的。首先引入葉片散射相函數γL(ΩL,Ω’Ω)，表示當方向為Ω’的輻射入射到法向取向為ΩL的葉片時，被散射到Ω方向的比例。6.1.4冠層反射率模型—輻射傳輸模型為表征葉片群體的散射特征，必須引入函數。發生散射的位置z處，法向為ΩL的葉片微分概率為gL(z,ΩL)dΩL，當以Ω’入射時，入射強度還需要乘以因子|cosα’|，因此引入：若葉片存在雙半球散射特征，則群體散射相函數為：式中的積分區域Ω±滿足±cosαcosα’>0，且Ω++Ω-=2π+。6.1.4冠層反射率模型—輻射傳輸模型式中，α’=cos-1(Ω’·ΩL)為入射角，α=cos-1(Ω·ΩL)為出射角，rL為葉片反射率，tL為葉片透射率。對一般情況，函數僅能計算數值解；特別情況下可以得到函數的解析解。例如對葉片球型取向（各向均一）的植被，當葉片反射率與透射率相等時，函數即為：6.1.4冠層反射率模型—輻射傳輸模型總結葉面積密度分布、G函數和函數均為表征葉片群體特征的統計量。葉面積密度分布可以與葉面積指數掛鉤。G函數為植被傳輸中所特有，可以與葉傾角LAD掛鉤。函數是植被輻射傳輸方程中的散射相函數。6.1.4冠層反射率模型—輻射傳輸模型本章內容6.1植被遙感模型6.2水色遙感自然界水體遙感利用遙感技術可以探測自然界中水體特性。根據自然界水體種類，可以分為：海洋遙感、湖泊遙感、河流遙感等；根據采用的遙感技術手段，可以分為：光學遙感、熱紅外遙感、微波遙感等。利用光學遙感技術探測水體中的葉綠素、黃色物質、泥沙懸浮物等，稱為水色遙感。光學遙感還可以監測海（湖、河）冰、表面油膜污染、水深、船舶等。熱紅外、微波能做什么？6.2水色遙感海色遙感海色遙感的主要目標是監測海洋中葉綠素濃度分布和變化，進而分析海洋中的光合作用，評估海洋初級生產力和全球碳平衡。海色遙感模型主要分為2類，一是針對大洋水（通稱Case1，一類水體），一是針對近岸水（通稱Case2，二類水體）。大洋水中對光場影響的物質主要是以藻類形式存在的葉綠素。近岸水則由于河口排放和潮汐作用，增加了泥沙和黃色物質等變量。大洋水清澈、近岸水渾濁6.2水色遙感遙感器接收的水體表面亮度值L(λ)為遙感器測得的總輻射亮度，Lw(λ)為離水輻射亮度，Ls(λ)為水面對大氣下行輻射（天空光）及太陽直射輻射的反射，L0(λ)為大氣路徑輻射，t(λ)為大氣漫射透過率。LwLsL0水面水底6.2水色遙感離水輻射Lw是由水分子及水中懸浮物質對入射輻射的后向散射，以及水底反射（通常水深時照不到水底，此項為0）產生的。建立其與懸浮物質濃度的函數關系，以便反演我們希望獲得的信息，是水色遙感的主要目標。水面反射Ls中太陽直射部分能量較大，易導致遙感器信號飽和，喪失對水色的觀測能力，需要控制遙感器視向避開其干擾。水面反射可以看作鏡面反射，利用菲涅耳公式即可計算其強度，難度在于水面起伏以及白帽效應產生的破碎鏡面問題。大氣路徑輻射L0可以通過大氣訂正消除。水色遙感最大的難點在于我們關心的離水輻射在接收的總輻射中所占比例不足10%。對遙感器、處理方法信噪比的要求高6.2水色遙感水體中的輻射傳輸水體中的輻射傳輸過程，決定了水體中的輻射場分布，可以用輻射傳輸方程表述。假設水體的光學性質是水平均一、垂直分層的，則有其中c(z)為消光系數，β(z,Ω,Ω’)為體散射函數。β與散射相函數P的關系為：6.2水色遙感示例——海洋遙感海洋遙感理論基礎海洋遙感應用總結與展望內容簡介海洋遙感海洋遙感理論基礎海洋遙感理論基礎引言海洋遙感水體的光學性質內容引言20世紀90年代以來發射的海洋衛星及應用于海洋探測的航天遙感器越來越多，精度越來越高，不僅可以探測影響海洋生態環境的水色要素、懸浮泥沙、葉綠素和污染物等懸浮體的分布場及動態變化，而且可以探測海面動力場、海洋策略場和海面地形，探測目標為海面風場、浪場、流場、溫場、海面拓撲與冰面拓撲等，為海洋研究提供了可靠的技術手段。海洋遙感海洋遙感（OceanographicRemoteSensing）是指以海洋及海岸帶作為監測、研究對象的遙感。

包括物理海洋學遙感，如對海面溫度、海浪譜、海風矢量、全球海平面變化等的遙感；生物海洋學和化學海洋學遙感，如對海洋水色、黃色物體、葉綠素濃度等的遙感；海冰監測，如監測海冰類型、分布和動態變化；海洋污染監測，如油膜污染等。海洋遙感的概念海洋遙感的內容海洋遙感不受地表、海面、天氣和人為條件的限制其宏觀特性使它能進行大范圍海洋資源普查、海洋制圖以及海冰、海洋污染監測

能周期性地監測大洋環流、海面溫度場的變化、魚群的遷移、污染物的運移等多波段、高光譜海洋遙感可以提供海量海洋遙感信息，開拓人們的視野能達到同步觀測風、流、污染、海氣相互作用，并獲取能量收支信息海洋遙感的優點海洋遙感自美國在1978年發射了世界上第一顆海洋衛星以來，歐空局、俄國、日本、法國、加拿大、韓國和印度等相繼發射了一系列海洋衛星。2002年5月15日，我國第一顆海洋探測衛星“海洋一號”（HY-1A）與“風云一號”氣象衛星作為一箭雙星同時發射升空。我國的HY-1A以可見光、紅外波段傳感器探測水色、水溫為主，設計壽命為兩年。海洋遙感衛星及傳感器海洋遙感1985年以來發射的海洋衛星海洋遙感海洋傳感器及其應用水體的光學性質活的藻類細胞。其濃度可有很大變化。連帶的碎屑。即由浮游生物的自然死亡降解和浮游動物的消化排泄產生的碎屑。溶解有機質。由藻類和它們的碎屑釋放出來的物質(黃色物質)。懸浮的泥沙。沿岸海底和淺海區因海流等作用而攪起的泥沙。陸源顆粒。河流冰川帶入的礦物顆粒等。陸源溶解有機質（黃色物質）。人類活動產生并進入海洋的顆粒和溶解物一般水體可能含有以下7種成分水體的光學性質典型的一類水體是大洋開闊水體。一類水體的組成，可以簡單地看作由浮游生物的主要成分Chl-a，及其降解物--褐色素a(phea-a)，以及伴隨的黃色物質組成。二類水體是除一類水體外的可能包括所有上述7種成分或更多的所有水體。典型的二類水體是近岸、河口區域的水體。

水體的分類水體的光學性質兩類水體的圖示水體的光學性質固有光學量表觀光學量黃色物質浮游植物

懸浮物質

水底效應內容葉綠素水體的光學特性水體的光學特性對水環境光學性質影響最大的典型代表為單細胞植物，通過光合作用將水和CO2轉變為有機物質，全球碳循環的重要組成部分。初級生產量占全球生物圈內光合作用固著有機物的一半。指示浮游植物數量，生活在透光層，主要受光照、營養物質供應、溫度、鹽度等的影響。浮游植物葉綠素水體光學特性由MODIS影像得到的全球葉綠素濃度水體光學特性由SeaWiFS影像得到的全球葉綠素濃度水體光學特性葉綠素濃度分布的時空變化水體光學特性葉綠素濃度分布的時空變化水體的光學特性

浮游植物除外的所有無機物微粒。主要在近岸和內陸水體，并且對水色和水質改變很大。有色可溶性有機物。主要來源于水中生物體代謝和腐爛物，也與陸地徑流有關，在藍光處強烈吸收和發出熒光，使海水呈淺黃色在海水中的化學性質較穩定，可以作為海水污染程度的“指示劑”。光可以到達水體底部時。懸浮物質黃色物質水底效應水體的光學特性懸浮泥沙濃度反演結果(1998年4月3日)水體光學特性懸浮泥沙的空間分布水體光學特性懸浮泥沙的時間變化水體光學特性五類水質空間中樣本的反射特性水體光學特性

固有光學量(InherentOpticalProperties,IOPs)是指只與水體成分有關而不隨光照條件變化而變化的量。隨光照條件變化而變化的量，如向下輻照度Ed、向上輻照度Eu、離水輻射率LW、遙感反射率Rrs、輻照度比R等，以及這些量的漫衰減系數。這些參數必須進行歸一化，才有可能進行不同時間、地點測量結果的比較。固有光學量表觀光學量水體光學特性水色遙感就是利用表觀光學量(AOPs)來反演出水體成分的濃度，其基本量是離水輻射率LW(Water-leavingRadiance)。水色遙感反演模型利用的輻射參量：離水輻射率、歸一化離水輻射率、正水面下輻照比（或漫反射比）、遙感反射率等。水體成分吸收特征純(海)水(w)、及典型的葉綠素（C）、懸浮泥沙(X)、黃色物質(Y)的光譜吸收特征。水體成分歸一化單位光譜吸收系數曲線海洋遙感海洋遙感應用海洋遙感應用內容介紹海洋水色遙感研究海洋遙感在海水赤潮中的應用遙感在海洋漁業中的應用遙感在海岸帶海洋地質環境調查中的應用遙感在海洋災害污染預警中的應用海洋水色遙感海洋水色衛星遙感自1978年10月美國國家宇航局（NASA）成功發射雨云—7號（Nimbus-7）衛星裝載的海岸帶水色掃描儀（CZCS）以來，經過近18年的實驗分析研究，在20世紀最后5年出現了各國競相發射海洋水色衛星的熱潮。一直工作到1986年，首先揭示了全球性海區色素的時空分布和變化。1987年和1989年我國分別發射了FY—1A和FY—1B衛星，其中都配置了兩個海洋水色通道的高分辨率掃描輻射計VHRSR，雖然兩顆衛星的工作時間都不長，但首次獲得了我國海區較高質量的葉綠素濃度和懸浮泥沙分布圖。1997年9月美國發射了專門海洋水色衛星海星號SeaStar。海洋水色衛星海洋水色遙感海洋水色衛星遙感器的性能海洋水色遙感海洋水色衛星遙感器的性能海洋水色遙感海洋水色遙感海洋水色是海洋光化學、海洋生物作用、海氣界面生物地球化學通量及對全球氣候變化影響研究的重要內容。海洋水色遙感圖像上，每一像元灰度值與海洋的離水輻射率相對應，能夠反映與離水輻射率相關聯的因素如葉綠素濃度、懸浮泥沙含量、可溶有機物含量、真光層厚度、油膜覆蓋等信息。例如：海面葉綠素遙感的機理是基于不同的浮游植物濃度有著不同的輻射光譜特性，因而可以利用不同葉綠素濃度的水體的光譜特性來定量遙感海面葉綠素含量。

基于測量透射入水的太陽輻射經過海面反射和透射后到達遙感器的輻射，即離水輻射。海洋水色遙感離水輻射率海洋水色遙感水色衛星遙感資料應用的幾個關鍵技術輻射定標與真實性檢驗

大氣校正定量模式及反演技術輻射定標是獲取準確可靠的水色遙感數據的重要條件。真實性檢驗可有效地評價遙感數據的產品質量。在可見光波段大氣的分子及氣溶膠的后向散射占了傳感器接收輻射量的80%以上。因此大氣校正正是海洋水色遙感數據應用的關鍵。遙感技術的生命在于應用。大面積快速獲取的信息通過增強、提取、定量計算才能反演成為客戶最終需要的物理參數。海洋水色遙感水色遙感定量反演遙感在赤潮中的應用赤潮是在特定的環境條件下，海水中某些浮游植物、原生動物或細菌爆發性增殖或高度聚集而引起水體變色的一種有害生態現象我國赤潮的高發區為：渤海灣、大連灣、長江口、福建、沿海、廣東和香港海域。遙感在赤潮中的應用海水富營養化是赤潮發生的物質基礎和首要條件水文氣象和海水化學因子的變化是赤潮發生的重要原因海水養殖的自身污染亦是誘發赤潮的因素之一破壞海洋生態平衡對海洋漁業和水產資源造成破壞赤潮對人類健康的危害赤潮發生的條件赤潮發生的影響遙感在赤潮中的應用由赤潮發生的機理得知，葉綠素a濃度、藻類的品種數量、浮游細菌濃度是預測赤潮發生的重要參數。赤潮發生時，由于浮游植物大量繁殖，使海水逐漸變色。可見，監測水體的水色光譜響應變化，是監測赤潮的重要手段。在避開太陽直射反射的情況下，水體光譜測量數據為：

Lsea=Lw+rLsky得Lw=Lsea-rLsky當離水輻射度確定以后需根據相關模型進行計算漫反射比和遙感反射率的關系。赤潮研究遙感在海洋漁業中的應用遙感在海洋漁業中的應用遙感在海洋漁業中的應用1、隨著遙感技術的發展和遙感數據共享平臺的建設，遙感為海洋漁業提供了日益豐富、準確的數據。2、漁業遙感的信息分析水平得到了進一步提高。3、漁業遙感、地理信息系統、全球定位系統等高新技術進一步緊密結合。4、漁業遙感的應用分析模型得到了進一步發展。遙感在海洋漁業應用中的研究進展遙感在海洋地質環境調查中的應用海洋國土資源、環境基本狀況依然不清，資料老化，與實際情況存在較大差異；資料數據精度差，由于過去采用的調查技術手段落后，定位精度不高，因此總體精度不理想，給應用帶來困難；實測資料不足、區域不全、調查范圍小、周期長，開發利用、管理決策依據不足；調查比例尺過小，海洋國土資源總量評估過于粗糙，不利于新資源、新礦種的發現；調查目標單一，缺乏綜合性、實用性；缺乏長期連續的動態監測。傳統海洋地質調查的缺點

國家間的邊界線作為國家主權的象征，歷來受到世界各國政府和軍事當局的高度重視。采用專用衛星勘測調查，不僅能在短時間內迅速成圖，還為國家節省了大量人力、物力和資金,而且勘測精度高、數據更新快，更重要的是它一開始就能與中國正在建設中的“數字中國”、“數字地球”的計劃有效地結合在一起。遙感在海洋地質環境調查中的應用1、海洋邊界勘測海洋地質調查需求分析遙感在海洋地質環境調查中的應用2、海洋生物資源和礦產資源的調查

中國海岸線漫長，大陸架海床上有豐富的生物資源，物產資源豐富，不僅如此，它還是地球上礦藏資源最豐富的聚寶盆。石油、鎳、錳、鈾礦等戰略資源蘊藏豐富。世界各國都不約而同地在新世紀里將海洋作為開發的重點。由于季節的不同，環境生態系統有很大差異，研究海洋地質應有長期的觀測資料，且應具備動態監測能力。功能強大的海洋地質調查衛星可以滿足以上需求。遙感在海洋地質環境調查中的應用

領海作為國家海上主權的象征，歷來為各國政府和軍事部門所重視。隨著世界各國開發海洋資源熱潮的到來，國家間領海爭端將不可避免。特別是聯合國公布了《海洋法公約》，各國享有320km專屬經濟區的決議，各國海洋糾紛持續不斷。

3、海洋監測和保衛領海主權由于藍—綠激光器能穿透海水，所以該波長的激光器是可以使用的水下目標探測手段，可以裝在衛星上，發射激光脈沖,根據有關反射信號及其信號結構來推斷所探測的水下目標。美國國防部制圖管理局曾用低功率激光器進行了沿岸40m深以內的海底地形測量。國外刊物報導過美國也曾研制成功了能探測150m深海底潛艇的激光器，建議中國研制的“海洋地質調查衛星”裝備藍綠激光器，利用其可以穿透淺層海水的特性，直接探測5～100m的海底世界，繪制出相應比例尺的海底地形地貌圖。遙感在海洋地質環境調查中的應用1、水深探測。利用遙感技術反演水深的物理基礎是光線對水體有一定的穿透力，在不同波長的電磁波中，可見光波段具有最大的大氣透過率和最小的水體衰減系數，因而是水深遙感的最佳波段，由于光在水體中的輻射傳輸非常復雜，而在實際應用中，某些參量的測量受到一定程度的限制，故通常采用理論模型的簡化而得到半理論半經驗的水深遙感模型。

遙感在海洋地質環境調查中的應用2、灘涂演變。利用衛星遙感圖像監測灘涂演變時，通常是把從不同時相影像上提取的潮灘矢量數據疊加在一起分析，然而各時相影像的成像時刻并不是該區的最低潮時間，這樣簡單的從衛星遙感圖像上提取出灘涂進行比較，并不能真實的反映出灘涂的演變。

可以采用兩灘涂之間的潮溝進行分析，由于該區灘涂與潮溝相間分布，由潮溝的變化可以判別出灘涂的變化。在TM圖像中，TM3的水與灘地的分界線是最明顯的，故采用TM3提取灘涂的邊界線。首先對TM3用高斯卷積模板對圖像銳化，突出邊界，然后采用閥值分割法對圖像分割提取灘涂的邊界。遙感在海洋災害污染中的應用隨著海洋開發深度、廣度的不斷拓展，全球的海洋環境質量每況愈下，海洋環境監測與保護問題日益成為國際社會普遍關注的熱點。利用海洋遙感衛星，能夠實現對全球海洋環境的同步觀測，對我國近海海域水色信息進行大尺度、定量化提取，為海洋環境保護提供必要依據。遙感在海洋災害污染中的應用海洋災害一般是指海上強臺風、海嘯、巨浪、風暴潮和海冰等，這些災害性海況不僅對海上作業、海上交通運輸及海洋油氣開發造成重大影響，甚至會使陸上的經濟生產造成巨大損失，如強臺風登陸。災害性海況監測與預報，需要對海上風場、海面波浪場以及波浪能量譜等進行全天時、全天候監測，而且要求監測覆蓋面廣、周期短、精度高，衛星遙感正好滿足這方面的需求。通過衛星上的合成孔徑雷達、微波散射計等傳感器，可以獲得海況的監測數據，或者把數據作為預報模型的輸入，經過推理、演算后應用于海況預報。遙感在海洋災害中的應用

遙感在海洋災害污染中的應用海洋污染源主要