遙感地學應用植物遙感第1頁，課件共71頁，創作于2023年2月2第三

章植物遙感第2頁，課件共71頁，創作于2023年2月3植物遙感研究的主要內容：（1）通過遙感影像從土壤背景中區分出植被覆蓋區域，并對植被類型進行劃分，區分是森林還是草場或者農田，并區分森林、草場、農作物的類型等。（2）能否從遙感數據中反演出植被的各種重要參數，例如葉面積指數（LAI）、葉子寬度、平均葉傾角、植被層平均高度、樹冠形狀等等，這一類問題屬于更深層次的遙感數據定量分析方法與反演技術。（3）能否準確的估算出與植被光合作用有關的若干物理量，例如植被表面水分蒸騰量、光合作用強度（干物資生產率）、葉表面溫度等。第3頁，課件共71頁，創作于2023年2月4

本章內容植物的光譜特征植被遙感判讀植物生長狀況的解譯植被指數植被指數與地表參數的關系植被遙感應用第4頁，課件共71頁，創作于2023年2月3.1植物的光譜特征健康植物的反射光譜特征影響植物光譜的因素5第5頁，課件共71頁，創作于2023年2月63.1.1健康植物的反射光譜特征

健康植物的波譜曲線有明顯的特點，在可見光的0.55μm附近有一個反射率為10％~20％的小反射峰。在0.45μm和0.65μm附近有兩個明顯的吸收谷。在0.7~0.8μm是一個陡坡，反射率急劇增高。在近紅外波段0.8~1.3μm之間形成一個高的，反射率可達40％或更大的反射峰。在1.45μm，1.95μm和2.6~2.7μm處有三個吸收谷。第6頁，課件共71頁，創作于2023年2月7兩個反射峰、五個吸收谷第7頁，課件共71頁，創作于2023年2月8在地表景物中，通常只有植物在近紅外波段有很高的反射率，所以在彩色紅外航空像片或包含近紅外波段的假彩色合成遙感圖像上可以很容易區分植被和其他景物。第8頁，課件共71頁，創作于2023年2月93.1.2影響植物光譜的因素葉子的顏色葉子的組織結構葉子的含水量植物的覆蓋度第9頁，課件共71頁，創作于2023年2月10葉子的顏色

植物葉子中含有多種色素，如葉青素、葉紅素、葉黃素、葉綠素等，在可見光范圍內，其反射峰值落在相應的波長范圍內

第10頁，課件共71頁，創作于2023年2月11葉子的組織結構

綠色植物的葉子是由上表皮、葉綠素顆粒組成的柵欄組織和多孔薄壁細胞組織（海綿組織）構成。第11頁，課件共71頁，創作于2023年2月12葉子的組織結構

及光譜特征葉綠素對紫外線和紫色光的吸收率極高，對藍色光和紅色光也強烈吸收，以進行光合作用。

對綠色光部分則部分吸收，部分反射，所以葉子呈綠色，并形成在0.55μm,附近的一個小反射峰值，而在0.33μm-0.45μm及0.65μm附近有兩個吸收谷。葉子的多孔薄壁細胞組織（海綿組織）對0.8μm-1.3μm的近紅外光強烈地反射，形成光譜曲線上的最高峰區。其反射率可達40％，甚至高達60%，吸收率不到15％。

第12頁，課件共71頁，創作于2023年2月13葉子的含水量

葉子在1.45μm-1.95μm和2.6-2.7μm處各有一個吸收谷，這主要由葉子的細胞液、細胞膜及吸收水分所形成。植物葉子含水量增加將使整個光譜反射率降低，反射光譜曲線的波狀形態變得更為明顯，特別是在近紅外波段，幾個吸收谷更為突出。第13頁，課件共71頁，創作于2023年2月14植物的覆蓋度

當植被葉子的密度不大，不能形成對地面的全覆蓋時，傳感器收到的反射光不僅是植被本身的光譜信息，而且還包含部分下墊面的反射光，是兩者的疊加。第14頁，課件共71頁，創作于2023年2月15“紅移”與“藍移”

“紅邊”定義為反射光譜的一階微分最大值所對應的光譜位置，通常位于0.68~0.75μm之間。當綠色植物葉綠素含量高，生長旺盛時，“紅邊”會向波長增加的方向偏移，稱“紅移”。當植物由于受金屬元素“毒害”、感染病蟲害、污染受害或者缺水缺肥等原因而“失綠”時，則“紅邊”會向波長短的方向移動，稱“藍移”。因此，根據“紅邊”位移量可以精確地估計葉綠素含量或探測葉片的生化組分。第15頁，課件共71頁，創作于2023年2月16礦區紅杉林反射曲線的藍移現象

研究者就發現生長在富含Cu，Mo等重金屬元素土壤上的植物，受金屬元素“毒害”影響，其光譜反射特性會發生一些變化，主要表現就是紅邊和綠峰會向短波區偏移10nm~20nm不等（見圖7.4）。這種礦化帶植物光譜異常是植物遙感探礦的有用指標。第16頁，課件共71頁，創作于2023年2月173.2不同植物類型的區分1、不同植物由于葉子的組織結構和所含色素不同，具有不同的光譜特征。

在近紅外光區，草本植物的反射高于闊葉樹，闊葉樹高于針葉樹。2、利用植物的物候期差異來區分植物。3、根據植物的生態條件區別植物類型。第17頁，課件共71頁，創作于2023年2月183.3植物生長狀況的解譯健康的綠色植物具有典型的光譜特征。遭受病蟲害的植物其反射光譜曲線的波狀特征被拉平。第18頁，課件共71頁，創作于2023年2月3.4植被指數植被指數植被指數的種類19第19頁，課件共71頁，創作于2023年2月203.4.1植被指數（VegetationIndex,VI）

選用多個特征波段的遙感數據，經加、減、乘、除等線性或非線性組合運算，產生某些對植被長勢、生物量等有一定指示意義的專題數值，稱為植被指數。第20頁，課件共71頁，創作于2023年2月21植被指數計算在植被指數的計算中，通常選用R波段和NIR波段。建立植被指數的關鍵增強植被信息的同時，使非植被信息最小化。由于植被光譜受到植被本身、土壤背景、環境條件、大氣狀況、儀器定標等內外因素的影響，因此植被指數往往具有明顯的地域性和時效性。第21頁，課件共71頁，創作于2023年2月22主要植被指數第22頁，課件共71頁，創作于2023年2月23第23頁，課件共71頁，創作于2023年2月24

3.4.2植被指數的種類1）比值植被指數：

RVI=NIR/R

由于綠色植物R值低、NIR值高，則RVI值高（一般高于2）；而對于無植被的地面（如裸土、人工特征物、水體）以及枯死或受脅迫植被，因不顯示這種特殊的光譜響應，則RVI值低（一般近于1）。因此，RVI能增強植被與土壤背景之間的輻射差異。第24頁，課件共71頁，創作于2023年2月25比值植被指數可提供植被反射的重要信息，是植被長勢、豐度的度量方法之一。同理，可見光綠波段（葉綠素引起的反射）與紅波段之比G/R，也是有效的。比值植被指數可從多種遙感系統中得到。但主要用于Landsat的MSS、TM和氣象衛星的AVHRR。第25頁，課件共71頁，創作于2023年2月26RVI是綠色植物的一個靈敏的指示參數。研究表明，它與葉面積指數（LAI）、葉干生物量（DM）、葉綠素含量相關性高，被廣泛用于估算和監測綠色植物生物量。在植被高密度覆蓋情況下，它對植被十分敏感，與生物量的相關性最好。但當植被覆蓋度小于50%時，它的分辨能力顯著下降。此外，RVI對大氣狀況很敏感，大氣效應大大地降低了它對植被檢測的靈敏度，尤其是當RVI值高時。因此，最好運用經大氣糾正的數據，或將兩波段的灰度值（DN）轉換成反射率（ρ）后再計算RVI，以消除大氣對兩波段不同非線性衰減的影響。第26頁，課件共71頁，創作于2023年2月272）歸一化植被指數（NDVI）：

歸一化指數（NDVI）被定義為近紅外波段與可見光紅波段數值之差和這兩個波段數值之和的比值。即：或NDVI是簡單比值RVI經非線性的歸一化處理所得。在植被遙感中，NDVI的應用最為廣泛，是植被生長狀態及植被覆蓋度的最佳指示因子，與植被分布密度呈線性相關。因此又被認為是反映生物量和植被監測的指標。第27頁，課件共71頁，創作于2023年2月28典型的地面覆蓋類型的NDVI值域：云、水、雪

R>NIR，則NDVI<0巖石、裸土

R≌NIR，則NDVI≌0植被

R<NIR，則NDVI>0第28頁，課件共71頁，創作于2023年2月29第29頁，課件共71頁，創作于2023年2月30NDVI的一個缺陷在于，對土壤背景的變化較為敏感。實驗證明，當植被覆蓋度小于15%時，植被的NDVI值高于裸土的NDVI值，植被可以被檢測出來，但因植被覆蓋度很低，如干旱、半干旱地區，其NDVI很難指示區域的植物生物量，而對觀測與照明卻反應敏感；當植被覆蓋度由25～80%增加時，其NDVI值隨植物量的增加呈線性迅速增加；當植被覆蓋度大于80%時，其NDVI值增加延緩而呈現飽和狀態，對植被檢測靈敏度下降。

第30頁，課件共71頁，創作于2023年2月31差值植被指數（DVI）

差值植被指數（DVI）又稱環境植被指數（EVI），被定義為近紅外波段與可見光紅波段數值之差。即：

差值植被指數的應用遠不如RVI、NDVI。它對土壤背景的變化極為敏感，有利于對植被生態環境的監測。另外，當植被覆蓋濃密（≥80%）時，它對植被的靈敏度下降，適用于植被發育早－中期，或低－中覆蓋度的植被檢測。第31頁，課件共71頁，創作于2023年2月32纓帽變換中的綠度植被指數（GVI）而對于TM而言，可見光—紅外6個波段數據經纓帽變換(TC)的前三個分量主要反映土壤亮度、綠度、濕度特征，第四分量主要為噪聲。其中綠度指數可表示為：TC變換既然是以各波段的輻射亮度值作為變量的，這些亮度值中包含了太陽輻射、大氣輻射、環境輻射等多要素的綜合信息，因而TC變換所得的圖形和數值，受大氣純度、光照角度等外界條件的變化而波動。第32頁，課件共71頁，創作于2023年2月33在作物研究中，為了突出作物本身的光譜特征的動態信息，盡量排除大氣環境等因素的影響，在TC變換中選用反射率來替代亮度值，將典型的纓帽變換圖形進一步發展為G-轉換圖形，即綠度轉換圖形。圖形中的一維是作物在紅波段（R）與近紅外波段（NIR）組合的綠度模型（綠度變量G），另一維是作物在0.4~1.1的平均反射率，每一種作物在由這兩個變量組成的象限里均有各自獨特的變化圖形和不同的空間位置。第33頁，課件共71頁，創作于2023年2月34在綠度轉換圖形上，土壤與植被光譜特征互不相干，植被的綠度測量可排除土壤背景的干擾，一個通過植被光譜圖形反映植被的生長狀況，另一個通過土壤亮度線反映植被的生長條件綠度轉換圖形可以直接形象地反映了G、P兩維變量的變化規律和植被發育過程中空間結構的變化，且信息量得到壓縮。但是它缺乏時間變量。第34頁，課件共71頁，創作于2023年2月35盡管圖形反映了作物生長過程，而作物生長過程本身是時間的函數，作物光譜是隨時間的變化而變化的，但由于它缺乏具體的時間變量、不能描述作物生長期的長短，特別是當兩種作物在圖形和空間位置相近，需用時間參數加以鑒別時，該圖形反映出一定的局限性。為了彌補這一不足，往往運用多時相動態資料，繪制綠度時間剖面曲線，以顯示作物不同生長期中的顯著差異。第35頁，課件共71頁，創作于2023年2月3.5植被指數與地表參數的關系植被指數與葉面積指數的關系植被指數與葉綠素含量的關系植被指數與植被覆蓋度的關系植被指數與生物量的關系植被指數與地表生態環境參數的關系植被指數與氣候參數的關系植被指數與植物蒸發量、土壤水分的關系36第36頁，課件共71頁，創作于2023年2月371、植被指數與葉面積指數的關系葉面積指數LAI是指每單位土壤表面積的葉面面積比例。它對植物光合作用和能量傳輸是十分有意義的。葉面積越大則光合作用越強，而光合作用越強，又使植物群體的葉面積越大，植物干物質積累越多，生物量越大。同時，植物群體的葉面積越大，植物群體的反射輻射增強。實驗證明：當作物群體LAI大于3時，其反射率可達太陽總輻射的20%；當正常稻田LAI為4時的能量透過率為太陽總輻射的23%或低于20%；對草本植物而言，葉片傾角較大，光很容易透過冠層直達底部直至土壤則當LAI高達7.5時，有5%的入射光可到達土壤表面。第37頁，課件共71頁，創作于2023年2月38葉面積指數LAI，是利用遙感技術監測植被長勢和估算產量的關鍵參數。然而，葉面積指數LAI往往是難以直接從遙感儀器獲得，但是它與遙感參數—植被指數間有密切的關系，它是聯系植被指數與植物光合作用的一個主要的植冠形態參數。葉面積指數一般大于1，小于10，在光譜曲線中，近紅外波段的反射率隨葉面指數增加而增加。第38頁，課件共71頁，創作于2023年2月39外表上的和表面覆蓋面積隨時間發生變化，是植物和地面其它大多數地物（特別是那些與氣候無關的）相區別的標志。植被指數NDVI或RVI與葉面積指數LAI的相關系數很高，且與LAI呈非線性函數關系。式中的A、B、C及A'、B'、C'均為經驗系數，可通過模擬試驗獲得。其中，A、A'值是由植物本身的光譜反射確定的，不同葉形，葉傾角及散射系數造成不同的A值及A'值；B、B'值與葉傾角、觀測角有關，當葉呈水平狀，則線性關系明顯；當葉呈非水平狀，隨著LAI的增大，植被指數增大速率較慢，兩者呈余弦關系，基本是線性的。C、C'值取決于葉子對輻射的衰減，這種衰減是呈非線性的指數函數變化。第39頁，課件共71頁，創作于2023年2月402、植被指數與葉綠素含量的關系

葉子生長初期，葉綠素含量與輻射能吸收間幾乎直線相關，即葉綠素含量增多，藍、紅波段吸收增強，綠波段反射率降低，近紅外反射率增強，植被指數增大；但當葉綠素含量增加到一定程度后，吸收率近于飽和，反射率變化小，植被指數的差異不明顯，因而植物在生長旺季較難區分。不同作物由于植土比的差異，其表達葉綠素含量的光譜模型是不同。下圖顯示小麥幾種植被指數模型與葉綠素含量的時間剖面曲線的關系。第40頁，課件共71頁，創作于2023年2月41第41頁，課件共71頁，創作于2023年2月42從圖中可見，G5曲線與葉綠素含量相當吻合。實驗證明，對小麥而言，G5=NIR/R2的光譜模型表達葉綠素含量最佳。其余四個綠度模型分別為：第42頁，課件共71頁，創作于2023年2月43對大豆而言，因葉子較早封壟，土壤影響較小，則G3光譜模型反映葉綠素含量最佳。研究還表明，可以根據紅邊拐點對應的反射光譜值，來估計冠層葉綠素含量（Chlf），葉綠素含量增加，拐點值相應增加。V.Demarez等（2000）指出：林冠層葉綠素含量Chlf除了以紅邊拐點對應的波長λi來確定外，還受葉面積指數LAI、觀測方向、下墊面反射和冠層結構等因素的影響。若不考慮冠層結構（如成熟林型或桿狀林型等），林冠層葉綠素含量Chlf的估計誤差可達23μg/cm2。第43頁，課件共71頁，創作于2023年2月443、植被指數與植被覆蓋度的關系

植被覆蓋度指植被冠層的垂直投影面積與土壤總面積之比,即植/土比。傳感器所測得的反射輻射R可表示為：

其中，RV為植被的總反射輻射，RS為土壤的總反射輻射，C為植被覆蓋度，則：式中,ρ為植被與土壤混合光譜反射率,ρv、ρs分別為純植被和純土壤寬波段反射率。第44頁，課件共71頁，創作于2023年2月45據理論推導，RVI、NDVI與植土比分別呈指數和冪函數關系，當LAI較小時，它們與植土比的變化反應不敏感。PVI與植土比呈直線相關，其對植土比的感應能力也隨LAI減小而降低。就估測作物而言，PVI較為優越，但應選LAI較大的時期。實際上，植土比和葉面積指數同時隨空間而變化，因此，需綜合考慮植被指數與兩者的關系。第45頁，課件共71頁，創作于2023年2月46對同一地區來說，作物品種特性差異較小，作物長勢越好，葉面積指數越大作物產量就越高。也就是說，作物（主指冬小麥）的理論產量與抽穗期葉面積指數呈很好的直線相關關系。因此，可以將一個地區的平均葉面積指數（LAI）與該地區植土比（KW）的乘積（LK）作為該地區作物總產的線性相關因子。第46頁，課件共71頁，創作于2023年2月474、植被指數與生物量的關系

生物量指的是植物組織的重量。它是由植物光合作用的干物質積累所致。顯然，葉面積指數LAI與植被覆蓋度均是生物量的重要指標，它們都與植被指數相關。討論植被條件指數與植被覆蓋度、生物量的關系。第47頁，課件共71頁，創作于2023年2月48由NOAA/AVHRR數據獲得的植被條件指數VCI被定義為：

式中，NDVI、NDVImax、NDVImed、NDVImin分別為平滑化后每周（7天）的NDVI以及它的多年最大值、中值、最小值（以象元為計算單元）第48頁，課件共71頁，創作于2023年2月49Anatoly等（1990）曾對干濕兩種氣候條件和不同生態區（高程與NDVI值不同），運用NOAA/AVHRR數據獲得的植被條件指數VCI來估算植被覆蓋度以及草場與作物生產力，并通過大量地面實測數據來驗證遙感估算的結果。研究結果表明，用植被條件指數VCI對植被覆蓋度的估算誤差＜16%，低覆蓋區誤差更小；且VCI與實測的植被覆蓋度相關性較高（相關系數約0.76）。因此，用遙感衛星數據所獲得的植被條件指數VCI方法，來定量估算大面積植被覆蓋度和生物量是有效的。第49頁，課件共71頁，創作于2023年2月505、

植被指數與地表生態環境參數的關系

植被指數如NDVI常被認為是氣候、地形、植被/生態系統和土壤/水文變量的函數。從概念上講，可以用這些環境因子建立NDVI模型：式中，C為氣候子模型，V為植被/生態子模型，P為地形子模型，S為土壤/水文子模型。這些子模型又可表示為各自主因子的數：第50頁，課件共71頁，創作于2023年2月51但是對于一個特定的地理位置和一定時間尺度（如年或10年），地形子模型可認為是常量，植被/生態系統子模型及土壤/水文子模型也變化不大或基本傾向于常量。那么，應該說變化較大的是氣候子模型，或者說，對一個具體時間（t），一個具體地點的NDVI主要成為相關氣候變量的函數：第51頁，課件共71頁，創作于2023年2月526、植被指數與氣候參數的關系影響植被指數的氣候參數主要指水、氣溫和日照，因此上式可表示為：

式中Tt表示在具體時間t之前一段時間的某個因子的累計影響；一般說來，氣溫和日照是與同一年度的季節密切相關，而季節可用日期來加以描述。因此，可用一個指定變量——日期（j），作為表示氣候季節的變量，則上式可簡化為：第52頁，課件共71頁，創作于2023年2月53對于一個時間分辨率為天的NDVI模型，上式的t為j，則：

也就是說，日期為j的NDVI為降水和日期j的函數。它受日期（表征氣溫與日照）以及該日期前一時間段降水的影響。第53頁，課件共71頁，創作于2023年2月547、植被指數與植物蒸發量、土壤水分的關系一般說來，NDVI能反映植被狀況，而植被狀況與植被蒸發量、土壤水分有關的。對某一站點的綠色植被連續測定表明，累計的蒸發量與累計的植被指數間高度相關Smith等（1990）對半干旱地區的研究表明，圖象上測得的植被覆蓋與實際地面測得的蒸發量有密切關系：Desjardins（1989、1990）的研究發現，草本植被冠層測得的CO2和H2O通量高度相關；Cihlar等（1991）通過作物生長季節每15天的NDVI、氣象站點的氣象數據，由土壤水分模型（VSMB、SWOM）反演計算了根系不同深度水含量以及生態、土壤等信息。在GIS支持下研究NOAA/AVHRR的NDVI與生態變量的關系以及用NDVI來估算蒸發量的可能性。第54頁，課件共71頁，創作于2023年2月55研究發現，不同的植被/土壤組合顯示不同的NDVI變化軌跡，它與潛在的蒸發量（PE）曲線的趨勢密切相關。實際蒸發量（AE）與相應的NDVI間相關系數為0.77；NDVI與前15天的潛在蒸發量間相關系數為0.86；整個生長季節的累計NDVI與累計蒸發量高度相關，相關系數達0.96。研究表明，用NDVI和潛在蒸發量（PE）可以估算15天為周期的實際蒸發量（AE），估算誤差約10～15%。這個結果說明NDVI的變化軌跡可提供植物季相變化的重要信息，并能較好的估算實際蒸發量（AE）。第55頁，課件共71頁，創作于2023年2月56不少學者研究了不同的干旱—半干旱地區植被指數與土壤水分的關系，發現植被指數與各種測量所得的土壤水分有效性（availability）之間有密切的經驗關系。Singh等（1988）的研究發現，植被指數與土壤水分受脅迫（Stress）的關系，依賴于植被的類型，許多研究表明，NDVI可以作為一種有用的土壤含水量指標。第56頁，課件共71頁，創作于2023年2月57ChoμdhμryGolμs（1988）運用Nimbμs-7的多通道微波輻射儀（SMMR）和NOAA/AVHRR數據，由SMMR的微波數據得亮度溫度和由AVHRR得植被指數NDVI，再通過降水指數（API）模型與土壤濕度進行相關分析。同時用SMMR和AVHRR的可見光—近紅外數據建立土壤濕度模型（線性回歸方程）得到4級土壤濕度，與不考慮植被的3級土壤濕度相比較。Di（1991）提出用NOAA/AVHRR所得的NDVI和表面溫度，以及氣候數據計算區域尺度土壤水分的方法。研究結果表明，此法所得的區域土壤水分與作物水分指數（CMI）和Palmer干旱指數（PDSI）有高度相關。第57頁，課件共71頁，創作于2023年2月583.6植被遙感的應用大面積農作物的遙感估產植被及其動態變化制圖城市綠化調查草場資源調查林業資源調查第58頁，課件共71頁，創作于2023年2月59大面積農作物估產農作物估產用遙感手段大面積地對某種作物做出產量預測，為國家進行國民經濟重大決策提供