9高光谱遥感的应用.

1第九章高光谱遥感应用本章主要介绍高光谱遥感应用在植被，地质，水体，农业，林业，矿山，城市等地区，以及具体的应用实例。2一、在植被中的应用利用高光谱遥感数据提取生物物理参数主要是指用于陆地生态系统研究中的一些生物物理变量，比如：叶面积指数（LAI），生物量，植物种类，植冠郁闭度，光合有效辐射，净生产率及其它冠层结构参数等。9.1高光谱遥感应用的领域3植被指数是植被监测应用的重要参数之一，通过高光谱遥感植被指数技术可以提取植物生物物理参数的定量信息。植被指数（VegetationIndex）的定义：是指通过多/高光谱遥感数据波段的线性或非线性组合，定量描述地球表面植被状况的一种光谱特征度量指标。植被指数的作用：已被广泛用来定性和定量评价植被覆盖及其生长状况。另外，有助于增强遥感影像的解译力，并已作为一种遥感手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物灾害预报等方面。植被指数41）Pearson等于1972年提出了比值植被指数RVI，它是基于植被在红光波段处叶绿素强烈吸收太阳光谱，而在近红外波段处植被叶细胞结构强烈反射太阳光谱这一植被的生物物理机理而提出的。缺点：RVI没有考虑大气等外部环境的影响，因此RVI对大气影响很敏感。由于没有考虑土壤背景的影响，只适用于植被覆盖浓密的情况，当植被分布较稀疏时，RVI效果并不理想。RNIRRVI52）Pinty等在1993年提出归一化差异植被指数NDVI，对绿色植被表现敏感，常被用来进行区域和全球的植被状态研究。为了改进NDVI，人们又提出了其他一些植被指数，主要是将各波段反射率以不同形式进行组合来消除外界的影响因素，如土壤、大气、光照、视场角等对反射光谱带来的影响。RNIRRNIRNDVI6归一化植被指数的特点1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；2、-1=NDVI=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，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；3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；7893）增强植被指数EVI104）植被指数VIUPD由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度等的复杂混合反映，而且受大气空间–时相变化的影响，因此植被指数没有一个普遍的值，其研究经常表现为不同的结果。不同传感器获得的数据，由于光谱响应不同，即使利用同一天的数据计算植被指数，结果也不同。不同传感器红外波段与红波段的光谱响应1112原始modis影像实例1：MODIS数据(b)植被指数NDVI影像图(a)植被指数VIUPD影像图13全球反射率影像图(B1+B5+B8)(GLI数据2003年4月7日)实例2：日本高光谱GLI数据全球植被指数影NDVI像图(GLI数据2003年4月7日)全球植被指数VIUPD影像图(GLI数据2003年4月7日)14二、地质方面的应用区域地质制图和矿产勘探是高光谱技术主要的应用领域之一。根据光谱特征可以识别出大部分的岩石和矿物，从而利用高光谱遥感手段进行地质制图变成可能。各种矿物和岩石在电磁波谱上显示的光谱特征可以帮助人们识别不同矿物成分。高光谱数据能反映出这类光谱特征。15地表岩性岩石分为三大类：沉积岩、火成岩和变质岩，各类岩石由于形成的环境不同，具有不同的光谱特性。沉积岩：以Fe离子的变化作为判别依据，三阶铁离子（0.5和0.9微米）与二阶铁离子（1.0微米）的光谱特性并不一样。火成岩：SiO2的含量。变质岩：比如白云石和方解石中的Mg和Ca离子，吸收峰发生偏移。16矿物光谱特性一、吸收机制1、电子跃迁：金属阳离子2、分子振动：水分子，OH二、外部影响（1）风化（2）表面结构（3）颜色（4）其他17岩石判别光谱理论与模型矿物光谱遥感识别主要依赖于光谱吸收特征，以此来实现遥感矿物识别和填图。光谱吸收特征主要是通过波形特征参数来表达，如：吸收波段位置，吸收深度，吸收宽度，吸收面积，对称性等。典型的光谱识别模型如：矿物吸收指数模型（SAI），或一些混合光谱模型。18Mineralspectralabsorptionindexs2r2rr1s1rm21m矿物光谱吸收指数(SAI)：mssddmSAIrrrrr12)1(/211ssmsd石灰岩白云岩石灰岩(CaCO3):SAI2.315mSAI2.330m白云岩(MgCO3):SAI2.315mSAI2.330m新疆柯坪地区岩性填图192021矿山污染甘甫平等利用航天Hyperion高光谱数据研究矿山污染物的识别，通过对矿山野外光谱特征综合分析，结合污染物的特征，展开对废矿的污染物提取的研究。（2004）22油气渗漏探测当石油在地表的侵入点明显而且范围较大的时候，高光谱遥感的发展为油气管线渗漏监测提供了有效的解决方案。油气渗漏和土壤混杂点很难被多光谱遥感监测到，原因在于它们被其他材料所冲淡。而高光谱遥感器提供了充足的光谱分辨率，可以在可见光，近红外，短波红外提供大量的光谱数据。国外政府的投入很大，大的石油公司都有一套完备的高光谱遥感油气管道监测系统。23三、农业方面的应用高光谱遥感在农业科研和应用技术上主要表现在以下几个方面：（1）利用多时相的高光谱数据提取出光谱特征对不同作物进行识别和分类。（2）研究作物以及其个体生长状况与作物叶片光谱关系之间的关系，其中包括植被生长状况与植被的环境胁迫关系,如水分胁迫、虫害胁迫、营养胁迫等;红边位置与植被叶绿素浓度的关系等。（3）开展农作物的长势监测及产量预测。（4）研究遥感信息模型。（5）利用植被指数进行地表覆盖分析。（6）灾害预测。24作物的参数反演常规的作物参数测定是将样本从农田运输到实验室进行测定，这具有破坏性。高光谱仪通过测定农作物的反射率，透射率和吸收率进行作物的参数反演。主要反演的参数包括：（1）氮素：决定生长发育的营养。25（3）作物含水量水分是作物生长发育的主要限制因子之一。26（2）叶绿素与叶面积指数说明了作物的生长状况。（4）病虫害植物由于感染病虫害或污染或气候变化而“失绿”时，红边蓝移。27植被光谱特性与金属物所含浓度的估计28金属浓度量化图29（5）作物估产通过监测农作物生长发育期间的光谱变化，研究农作物的反射光谱与叶面积指数，生物量，产量等农业参数的关系，进行作物遥感长势监测和估产。（6）精细分类30墨西哥SanLuis流域的作物分类图墨西哥SanLuis流域的三种作物光谱曲线图31对森林的精确遥感监测，比如林地使用状况，植被分布特征等，可以直接为国家政策服务。高光谱用在林业方面，与植被的叶片光谱曲线特征有直接的关系四、林业方面的应用32（1）树种识别用高光谱遥感影像进行林地类型成图，正确判断森林树种。主要是采用一些分类手段。33（2）森林生物参数填图1、森林郁闭度：林冠层相互衔接的程度，是以林冠在林地投影所占面积与林地总面积只比的十分法表示。2、叶面积指数（LAI）。3、生化参数（含氮，叶绿素等）（3）综合分析34遥感监测水质又称为水色遥感。根据研究对象的不同，可以分为：1类水体：大洋开阔的水体，光学特性相对简单。2类水体：内陆和近岸水体。所采用的传感器一般是具有较低的空间分辨率（1km）和中等光谱分辨率或高光谱分辨率的航天器。例如：SeaWiFs（美国），MODIS（美国），MERIS（欧洲），CMODIS（中国），Hyperion（美国），CHRIS（欧空局），同时机载高光谱：AVIRIS，CASI，HyMap，OMIS等五、水体方面的应用35水质参数测定水质参数的种类主要包括：叶绿素a，悬浮物，可溶性有机物（CDOM），同时进行水温监测。1）叶绿素浓度a叶绿素在藻类物质中所占的比例稳定，是衡量水体初级生产力和富营养化作用的基本指标，而叶绿素a是藻类植物中最丰富的色素，因此，监测叶绿素a的浓度是主要监测项目之一。36叶绿素a的光谱水中叶绿素组分含量的不同，对应于水体一定波长范围的反射率显著不同。372）悬浮物浓度悬浮物是水中呈固体状的不溶解物质，是水体污染的基本指标之一。例如水中的各类矿物颗粒，含有铝，铁，硅等水合氧化物，其含量的多少直接影像水体的透明度、浑浊度、水色等光学性质。38393）可溶性有机物（CDOM）可溶性有机物主要来源于流域中土壤腐殖质的溶化，和水体自身生物体的分解。由于这种成分在紫外和蓝光范围具有强烈的吸收特性，在黄光波段吸收最小，因此呈黄色，所以，这类复杂的混合物又成为“黄色物质”。CDOM可以作为水体污染程度的指示剂。此外，还有水温监测，是通过热红外遥感器所探测到的辐射强度，作为水体的温度（黑体）。40人类活动对大气成分的影响和全球变暖已经成为世界各国关注的焦点。利用高光谱遥感手段主要用于监测气溶胶、臭氧、SO2、NO2等气体。例如ENVISAT卫星上的Meris传感器具有大气制图扫描成像吸收分光计。AVHRR，MODIS等也具有分析大气成分的功能。六、大气方面的应用411）监测气溶胶气溶胶是指：悬浮在气体中的固体或液体粒子，比如尘埃，烟粒，云雾滴，冰晶等，这都是气溶胶。气溶胶浓度的变化直接影响了人类的健康和生存环境，同时也影响了天气和气候变化。通过遥感手段来反演：气溶胶的光学厚度，总悬浮物浓度和可吸入颗粒物浓度是研究最多的内容。422）监测臭氧，SO2，NO2臭氧能大量吸收太阳紫外线，形成一个臭氧保护层，从而降低太阳的短波辐射强度，保护地球生物和人类。SO2，NO2来自于地球表面，比如尾气排放，生物体燃烧等，监测它们在大气的含量实际上就是分析他们在不同波段范围的特性。43随着人类社会活动的日益发展，城市下垫面的组成成分日益复杂多样，光谱特性也极其庞杂。城市遥感所依赖的传统数据源，如航片或多光谱数据，难以满足复杂多样的城市覆盖类型特点，不利于分类。高光谱分辨率遥感技术使得计算机能够识别的光谱类别极大的增多，有助于对地物覆盖进行精细分类。比如：城市地物与人工目标，包括水体，路面，屋顶，阴影，植被种类等。七、城市调查方面的应用44城市中主要地物的光谱特性1）建筑物：主要研究不同建筑物顶部材料的不同，反映不同的光谱特性。452）道路城市道路有水泥，柏油及少量土路。463）城市水体城市水体包括滨海城市近岸水体，江河，湖泊，水库，人工沟渠等。474）植被城市植被分为：稀疏的草地，良好的修剪草地，成片树林，道路两边的树林，农作物等。485）阴影阴影可以减少对太阳能量的吸收和发射，它的存在遮挡了下面的目标，使其难以辨别，因此，阴影的光谱在不同的下垫面也具有不同的光谱特性。49城市信息的综合表达由于城市是一个复杂的对象，因此，采用任何单一的分类手段无法达到良好的分类效果，因此，应该利用分级掩膜：即对城市目标，运用高光谱数据，利用这些地物的不同光谱特征来进行识别，采用不同的分类方法进行逐步分类。50原始数据青瓦屋顶屋顶2屋顶1铁路油毡屋顶高速路沥青公路聚类红，灰瓦其他石棉瓦屋水泥表面煤场水体水泥表面灰白色石棉瓦屋顶其他类别灰瓦屋顶水体，煤场白色屋顶平行管道分类非植被植被数据归一化聚类金属罐红瓦灰瓦NDVI分类流程图51529.2高光谱应用技术现有的分析技术可从高光谱数据或者各种变换形式中，提取、估计和预测各种生物物理，参数。例如：光谱微分，混合像元分解，光谱匹配，特征提取，光学模型等。具体将分析方法可以分为四类：（1）利用光谱（或其变换式）与不同的生物物理，化学参数的多变量统计回归分析技术；（2）考察光谱波长位置的变化量与生物物理、化学参量的关系；（3）建立在生物、物理学基础上的概念性的光学模型；（4