第五章-植被遥感

第5章植被遥感GeographyAnalysisforRemoteSensing遥感地学分析主要内容一、植被遥感原理二、植被分类三、植被生态参数四、植被指数与地表参数的关系五、中国及中亚地区荒漠化遥感监测研究一、植被遥感原理植被遥感不仅依赖于对单张植物叶片的光谱特性的认识，还需要进一步认识植被冠层的光谱特性。（一）单张叶片光谱特性单张叶片分为表皮、叶脉和叶肉组成单张叶片的反射、吸收和透射特性反射辐射入射辐射-散射辐射=吸收辐射，用于增加植物体温和光合作用植物叶片的反射、透射和吸收特性随种类、生长期、病害及入射波长不同而变化，故可依据此识别植被、诊断病害及估产。（二）影响植被叶片光谱的因素1.叶绿素植被叶子中含有多种色素，如叶青素、叶红素、叶绿素等，在可见光范围内，其反射峰值落在相应的波长范围内。叶绿素a和叶绿素b导致以0.45μm和0.67μm为中心形成两个强烈的吸收带。不同生长状态的橡树叶子不同橡树叶子的反射特性2.叶子的组织构造绿色植物的叶子是由上表皮、叶绿素颗粒组成的栅栏组织和多孔薄壁细胞组织（海绵组织）构成的。根据叶子的结构可分为结构稀疏（典型的双子叶植物）和结构紧凑（典型的单子叶植物）。小麦、水稻、竹子苹果、棉花、向日葵近红外波段的变化不同类型植物光谱曲线的差异叶子年龄的增长随着叶龄的增长，背腹性叶子的叶肉间空隙增多新叶成熟叶片衰老叶片近红外波段反射率的变化3.叶片含水量叶子在1.45μm、1.95μm和2.6~2.7μm处各有一个吸收谷，这主要是由于叶子的细胞液、细胞膜及吸收水分子所形成的。4.植被覆盖度一般而言，植被覆盖程度越大，光谱特征形态受背景下垫面的影响越小二、不同类型植被区分植被具有典型的波谱特征，将其余其它典型地物，如人工建筑、裸土、水域等区分容易，但对植被类型划分却有一定难度。不同植被类型，因组织结构、季相、生态条件等不同而具有不同的光谱特征和冠层形态特征。如：正常针叶林为红到品红，枯萎为暗红色，即将枯死时为青色。故可根据植被光谱、季相、生态环境、冠层形态进行植被类型识别。1.根据植被光谱划分不同植物由于叶子的组织结构和所含色素的不同，具有不同的光谱特征。在近红外光区，草本植物的反射高于阔叶树，阔叶树高于针叶树2.根据植物的物候差异来区分植物冬季多数植物凋零----长年常绿植被同种植被在不同季节的波谱特征差异不同植物生长期的不同，光谱特征也有差异植物季节性规律各种作物的生长期和收获期的差异3.根据植物的生态条件的不同来区分植被不同种类的植物有不同的适宜生态条件，如温度、水分、土壤、地貌等。比如：（我国北方山坡的阴阳面差异性）山地阴坡---易生长适应温度变化不大，湿度较大的环境的生物山地阳坡---易生长适应温度变化不大，湿度要求不高的环境的生物同一地理环境植被的垂直分带性（以山西省太原以南地区植物的垂直分带性为例）海拔植物群落2500m以上山地草甸2200~2500m云松、红桦1600m~2200m华北落叶松、云杉、白桦、杨树1200m~1600m刺槐、蒙古栎、辽东栎、杨700m~1200m杨、栎树4.根据植被冠层形态区分植被在高分辨率的遥感影像上，根据植被顶部及部分侧面形状、阴影、群落结构等区分植被类型。草本植物表现为大片均匀的色调，因其低矮无阴影；灌木呈不均匀细颗粒结构，灌木一般不高，阴影不明显；（1）针叶林（云杉、松树林）在比例尺为1：1万或1：15000的影片上，针叶林一般是深灰色颗粒状图型，随比例尺进一步变小，表现为暗色调均匀的细粒状影纹（2）阔叶林（山杨、白桦）其影像色调比针叶林浅，一般呈灰色或浅灰色颗粒状或粗圆粒状图型，在秋季影片上，不同树种的树冠颜色有较大差异，因而形成色调混杂的影像。（3）针阔混交林（4）灌丛多呈密集的细粒状结构，色调浅灰，因其覆盖度比森林低，又有植株阴影，故多呈均匀的浅色或灰色色调。三、植被生态参数植被指数是遥感领域中用来表征地表植被覆盖，生长状况的一个简单、有效的度量参数。随着遥感技术的发展，植被指数在环境、生态、农业等领域有了广泛的应用。随着人们对于全球变化研究的深入，以遥感信息推算区域尺度乃至全球尺度的植被指数日益成为令人关注的问题。植被指数的概念遥感图像上的植被信息，主要通过绿色植物叶子和植被冠层的光谱特性及其差异、变化而反映的，不同光谱通道所获得的植被信息可与植被的不同要素或某种特征状态有各种不同的相关性，如叶子光谱特性中，可见光谱段受叶子叶绿素含量的控制近红外谱段受叶内细胞结构的控制中红外谱段受叶细胞内水分含量的控制但是，对于复杂的植被遥感，仅用个别波段或多个单波段数据分析对比来提取植被信息是相当局限的。因而往往选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、生物量等有一定指示意义的数值——即所谓的“植被指数”。它用一种简单有效的形式来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。以美国陆地卫星LandsatTM传感器获取的遥感数据为例，植被指数就是由第三波段的红光波段（Red）和第四波段的近红外波段进行运算而得到可以表征植被状况的植被指数。植被指数的类型植被指数类型在植被指数中，通常选用对绿色植物强吸收的可见光红波段和对绿色植物高反射的近红外波段构建。植被指数类型比值植被指数（RVI）归一化植被指数（NDVI）土壤修正植被指数（SAVI）转换土壤调整植被指数（TSAVI）修改型二次土壤调节植被指数（MSAVI）差值植被指数（DVI）绿度植被指数（GVI）垂直植被指数（PVI）1.比值植被指数根据可见光红波段（R）和近红外波段（NIR）对绿色植物的光谱响应的不同，且具有倒转关系。两者的数值比能充分表达两反射率之间的差异或对于绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外强反射，RVI值高（一般大于2）。而对于无植被的地面包括裸土、人工特征物、水体以及枯死或受胁迫植被，因不显示这种特殊的光谱响应，则RVI值低（一般等于1）。因此，比值植被指数能增强植被与土壤背景之间的辐射差异。比值植被指数可提供植被反射的重要信息，是植被长势、丰度的度量方法之一同理，可见光绿波段（叶绿素引起的反射）与红波段之比G/R，也是有效的。比值植被指数可从多种遥感系统中得到。但主要用于Landsat的MSS、TM和气象卫星的AVHRR。RVI是绿色植物的一个灵敏指示参数它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素含量相关性高，被广泛用于估算和监测绿色植物生物量。在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好。但当植被覆盖度小于50%时，它的分辨能力显著下降。RVI对大气状况很敏感，大气效应大大地降低了它对植被检测的灵敏度，尤其是当RVI值高时。因此，最好运用经大气纠正的数据，或将两波段的灰度值（DN）转换成反射率（）后再计算RVI，以消除大气对两波段不同非线性衰减的影响。DN值转换为反射率ρ的公式太阳高度角的余角成像时太阳天顶角，即，大气顶部的太阳副照度，日地天文单位距离，取辐射能量值，圆周率，反射率，式中，）（图像的偏置图像的增益，样本灰度值，辐射量度值，式中，QE01dsLPiPcosQ*0Eds*ds*L*PiPbiasgainDNL*biasgainDNL在Landsat7快速格式产品的头文件辐射记录段中含有与辐射校正有关的参数，用户可利用这些参数将图象象元的亮度值转换成地物的辐射值或反射率。辐射记录段以“gainsandbiasesinascendingbandnumberorder”开始，逐行、按波段顺序记录了辐射校正有关的参数，每行中按bias、gain的顺序排列，其中bias的单位是W/m2.ster.μm，gain的单位是(W/m2.ster.μm)/DN。2.归一化植被指数（NDVI）计算公式RNIRRNIRRNIRRNIRDDDDNDVINDVI或NDVI介于-1和1之间，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示岩石或裸土等，NIR和R近似相等；正值表示有植被覆盖，且随覆盖度增大而增大几种典型的地面覆盖类型在大尺度NDVI图象上区分鲜明，植被得到有效的突出。因此，NDVI特别适用于全球或各大陆等大尺度的植被动态监测。NDVI的主要用途1）可以进行不同植被类型初级生产量的估计；2）识别不同的生态区；3）监测地球表面植被的物候类型，常被用来进行区域或全球的植被状态研究；4）评价生长期和变干期的长短NDVI的局限性NDVI对土壤背景的变化较为敏感。实验证明：低植被覆盖度时（＜15%），植被NDVI值高于裸土NDVI值，植被可被检测出来，但因植被覆盖度很低（如干旱、半干旱地区），其NDVI很难指示区域生物量；中植被覆盖度时（25—80%），NDVI值随生物量的增加呈线性迅速增加；高植被覆盖度时（＞80%），NDVI值增加延缓而呈现饱和状态，对植被检测灵敏度下降。实验表明，作物生长初期NDVI将过高估计植被覆盖度，而作物生长结束季节，NDVI值偏低。NDVI更适用于植被发育中期或中等覆盖度植被检测。增强型植被指数（EVI）为了克服NDVI高植被区易饱和、低植被区易受土壤背景影响的缺点，一种新型的植被指数——增强性植被指数（EnhancedVegetationIndex，EVI）被发展，该植被指数引入了蓝光波段降低了大气的影响。LCCGB2R1NIRRNIREVIC1:红光波段的大气纠正因子；C2：蓝光波段的大气纠正因子；L：冠层背景纠正因子；G：增益因子。根据经验，参数C1=6.0，C2=7.5和L=1.0，G=2.5在高覆盖度时提高了敏感性。MODIS—EVI改善表现在：(1)大气校正包括大气分子、气溶胶、薄云、水汽和臭氧。而AVHRR—NDVI仅对瑞利散射和臭氧吸收做了校正；这样MODIS—EVI可以不采用基于比值的方法。因为比值算式是以植被指数饱和为代价来减少大气影响；(2)根据蓝光和红光对气溶胶散射存在差异的原理。采用“抗大气植被指数(ARVl)对残留气溶胶做进一步的处理；(3)采用“土壤调节植；波指数(SAVl)”减弱了树冠背景土壤变化对植被指数的影响；(4)综合ARVI和SAVI的理论基础。形成“增强型植被指数(EVI)”。它可以同时减少来自大气和土壤噪音的影响。DVI—差值植被指数差值植被指数（DVI）又称环境植被指数（EVI），被定义为近红外波段与可见光红波段数值之差。即：差值植被指数的应用远不如RVI、NDVI。它对土壤背景的变化极为敏感，有利于对植被生态环境的监测。另外，当植被覆盖浓密（≥80%）时，它对植被的灵敏度下降，适用于植被发育早－中期，或低－中覆盖度的植被检测。土壤修正植被指数SAVI（Soil-AdjustedVegetationIndex）修正了土壤背景的敏感性。或L是一个土壤调节系数，是由实际区域条件所决定的常量，用来减小植被指数对不同土壤反射变化的敏感性；L取值介于0-1之间；L=0表示植被覆盖度为0；L=1表示土壤背景的影响为0，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现；一般情况下，L取值为0.5因子（1+L）主要是用来保证最后的SAVI值与NDVI值一样介于-1和+1之间。试验证明：①SAVI降低土壤背景的影响，改善植被指数与LAI的关系。但可能丢失部分植被信号，使植被指数偏低；②“L”取值随植被盖度变化的规律是植被盖度越大，L取值越大。对低密度植被（LAI=0～0.5），L取值较小，且随L增加，土壤对植被的影响越小；当L=1时，土壤的影响几乎消失；对较高密度植被（LAI=1），最佳调节系数L=0.75；一般L=0.5时，对较宽幅度的LAI值，具有较好地降低土壤噪声的作用。③同一副影像的植被指数计算出来的S(SAVI)/N(NDVI)存在以下变化趋势：S/N越大，植被