高光谱遥感植被监测应用

武汉大学龚龑《高光谱遥感》1第1节高光谱遥感植被监测应用武汉大学遥感信息工程学院龚龑《高光谱遥感》第五章高光谱遥感应用武汉大学龚龑《高光谱遥感》2第五章第1节高光谱遥感植被监测应用一、高光谱遥感主要应用领域二、高光谱遥感在植被监测中的应用三、植被指数计算实例四、高光谱植被生物理化参数反演武汉大学龚龑《高光谱遥感》3高光谱遥感技术农业林业环保地矿城市国土地物属性的探测光谱特征分析+领域知识一、高光谱遥感主要应用领域1.1高光谱遥感应用领域武汉大学龚龑《高光谱遥感》4一、高光谱遥感主要应用领域1.2应用领域与技术手段分析农林业水质监测大气监测溶解有机质二氧化硫树种精细识别作物精细识别病虫害监测叶绿素浓度悬浮物气溶胶臭氧二氧化氮生态环境土壤状态重金属污染地质调查矿区污染监测矿物填图油气能源探测城市专题信息人工目标提取绿地调查建筑物材质分析粮食估产光谱机理分析技术地面光谱数据采集技术成像光谱仪技术地物光谱重建技术特征选择与提取技术光谱特征参量化混合光谱分析技术分类与光谱匹配技术基础技术1231231211313223122121111312湿地3武汉大学龚龑《高光谱遥感》5综上所述，要实现高光谱遥感的应用，涉及两部分内容：1）光谱特征重建与分析模型2）应用领域与光谱特征的关联模型•反射率反演•光谱特征选择与提取•光谱匹配及分类•混合光谱分解…….•植被光谱分析方法•植被状态与光谱特征的关系•水质状态与光谱特征的关系•生物物理参数与反射率的关系…….一、高光谱遥感主要应用领域1.2应用领域与技术手段分析武汉大学龚龑《高光谱遥感》6第五章第1节高光谱遥感植被监测应用一、高光谱遥感主要应用领域二、高光谱遥感在植被监测中的应用三、植被指数计算实例四、高光谱植被生物理化参数反演武汉大学龚龑《高光谱遥感》7•植被指数概念以代数的形式对植被波谱维的特征进行指数化的定量衡量，从而实现对植被状态的监测。二、高光谱遥感在植被监测中的应用2.1植被监测与植被指数武汉大学龚龑《高光谱遥感》8A.经验方法基于波段的线性组合或原始波段的比值运算，得到反映植被某种特征的数值表达。特点：1.一般不考虑大气因素2.针对具体传感器设计（Landsat/MSS）例如：比值变换•植被指数的发展阶段二、高光谱遥感在植被监测中的应用2.1植被监测与植被指数武汉大学龚龑《高光谱遥感》9B.模型方法基于物理分析进行，将电磁波辐射、大气、植被的相互作用结合在一起考虑，通过数理及逻辑分析等方法，建立起植被指数表达式。特点：普遍基于反射率进行，有具体的物理意义，为解决与植被相关的具体问题而设计。例如：NDVI等•植被指数的发展阶段二、高光谱遥感在植被监测中的应用2.1植被监测与植被指数武汉大学龚龑《高光谱遥感》10C.综合方法发展至今，模型方法仍然是应用最广泛的一类植被指数方法。在模型方法的基础上，针对高光谱及热红外遥感，在波谱域进行更为深入细致的植被光谱特征分析，是目前正在发展中的一类方法。•植被指数的发展阶段二、高光谱遥感在植被监测中的应用2.1植被监测与植被指数温度植被指数导数植被指数生理反射植被指数武汉大学龚龑《高光谱遥感》11植被与土壤的波谱特征分析对比二、高光谱遥感在植被监测中的应用2.2植被指数的物理意义武汉大学龚龑《高光谱遥感》12植被光谱的典型特征是由于叶绿素的强烈吸收，在可见光区域反射率总体很低，在绿波段存在相对峰值，近红外区域出现突然的抬升。而作为背景的土壤光谱则相对平缓。定量化地描述植被的这种显著特征植被指数二、高光谱遥感在植被监测中的应用2.2植被指数的物理意义武汉大学龚龑《高光谱遥感》13•植被指数定义的关键：设计一种数学表达式F，能够反映出反射率从红光区域到近红外区域的剧烈抬升。F的计算值越大，说明植被特征越明显。思考：有哪些可供采取的数学表达式？方式之一：记红光反射率为p1,近红外为p2,将F设计为p2的增函数和p1的减函数。二、高光谱遥感在植被监测中的应用2.2植被指数的物理意义武汉大学龚龑《高光谱遥感》14•NDVI（归一化差值植被指数）NIR和R分别为红外波段和红波段处的反射率值二、高光谱遥感在植被监测中的应用2.3常见植被指数武汉大学龚龑《高光谱遥感》15A.NDVI的优点乘性因素（1）NDVI能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；原因？二、高光谱遥感在植被监测中的应用2.3常见植被指数武汉大学龚龑《高光谱遥感》16（2）NDVI结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；（3）NDVI是植被生长状态及植被覆盖度的最佳指示因子。（混合光谱分析）A.NDVI的优点二、高光谱遥感在植被监测中的应用2.3常见植被指数武汉大学龚龑《高光谱遥感》17（1）非线性变换，增强了NDVI低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低；B.NDVI的不足221NIRRNIRRRRNIRRNIRRNIRRNIR的反比关系二、高光谱遥感在植被监测中的应用2.3常见植被指数武汉大学龚龑《高光谱遥感》18（2）NDVI容易受到植冠背景的影响，没有消除大气散射、吸收对光谱产生的影响。12NIRRNIRRNIRRNIRR若反射率存在误差：加性误差B.NDVI的不足二、高光谱遥感在植被监测中的应用2.3常见植被指数武汉大学龚龑《高光谱遥感》19•SAVI（土壤调节植被指数）L为土壤调节系数，通常取L=0.5•EVI（增强植被指数EVI）用红、蓝波段的组合，代替NDVI中的红波段MODIS陆地植被指数产品之一二、高光谱遥感在植被监测中的应用2.3常见植被指数武汉大学龚龑《高光谱遥感》20建立在PDM（光谱模式分解）基础之上的一类新的植被指数，利用了所有波段的反射率。将首先将原始反射率光谱数据进行光谱模式分解，得到三类目标的通用光谱系数，再按下式计算指数：式中，Cw、Cv和Cs分别表示水、植被和土壤的PDM系数；Sv和Ss分别表示植被和土壤的PDM系数之和；Ai为波段i的反射率。•VIPD（光谱分解植被指数）二、高光谱遥感在植被监测中的应用2.3常见植被指数武汉大学龚龑《高光谱遥感》21其它形式植被指数的计算方式：二、高光谱遥感在植被监测中的应用2.3常见植被指数对植被指数知识的掌握，重点是理解其设计原理以及对波谱特征进行分析的方法。武汉大学龚龑《高光谱遥感》22第五章第1节高光谱遥感植被监测应用一、高光谱遥感主要应用领域二、高光谱遥感在植被监测中的应用三、植被指数计算实例四、高光谱植被生物理化参数反演武汉大学龚龑《高光谱遥感》23采用武汉大学MODIS卫星数据地面接收站提供的HDFL1B数据，进行NDVI植被指数计算。从36个波段中选择1-7波段三、植被指数计算实例3.1数据介绍武汉大学龚龑《高光谱遥感》24•分辨率转换MODIS所获取影像在不同波段具有不同分辨率（250m\500m\1km），为给每个像元计算植被指数，必须进行分辨率统一。利用临近像元内插法进行灰度采样•地图投影为保证所生成产品的通用性，需要对像元按照几何位置进行地理编码，生成投影影像。（几何纠正）三、植被指数计算实例3.2几何纠正武汉大学龚龑《高光谱遥感》25从定量反演的角度出发，计算NDVI须利用像元的光谱反射率进行，必须进行反射光谱重建。三、植被指数计算实例3.3辐射定标定标将DN值转换成传感器入瞳处的地物辐射亮度值对于MODIS数据，转换公式为(NASA,2000)a0和a1分别表示MODIS定标参数中的偏移和增益量，由从数据头文件中获取。武汉大学龚龑《高光谱遥感》26程辐射亮度计算方法：公式中所涉及的参数包括：•入射角•观测角•标准光学厚度•太阳辐射度•日地距离可以从数据头文件中直接或间接获取L=反射亮度+程辐射亮度三、植被指数计算实例3.4大气辐射校正武汉大学龚龑《高光谱遥感》27例如：日地距离一般作为数据的一部分由数据供应商提供，也可查表。三、植被指数计算实例3.4大气辐射校正L=反射亮度+程辐射亮度武汉大学龚龑《高光谱遥感》28将卫星记录的地物辐射亮度转换成地物反射率三、植被指数计算实例3.5反射率计算武汉大学龚龑《高光谱遥感》29MODISL1B数据给出直接用灰度值计算反射率的快速算法：利用数据附带参数可以直接计算出每个波段的反射率。三、植被指数计算实例3.5反射率计算武汉大学龚龑《高光谱遥感》30三、植被指数计算实例3.5反射率计算武汉大学龚龑《高光谱遥感》31选择相应的植被指数，将每个像元相应波段的反射率代入公式，得到计算该像元的植被指数。三、植被指数计算实例3.6计算植被指数武汉大学龚龑《高光谱遥感》32将NDVI值由(-1,1)拉伸至[0，255]级灰度，用灰度影像将NDVI的分布表达出来。可再利用伪彩色形式对灰度影像进行重编码。植被指数NDVI影像图三、植被指数计算实例3.7生成植被指数分布图武汉大学龚龑《高光谱遥感》33植被指数VIUPD影像图三、植被指数计算实例3.7生成植被指数分布图武汉大学龚龑《高光谱遥感》34植被指数EVI影像图三、植被指数计算实例3.7生成植被指数分布图武汉大学龚龑《高光谱遥感》35全球反射率影像图三、植被指数计算实例3.7生成植被指数分布图武汉大学龚龑《高光谱遥感》362003.4.7全球植被指数NDVI影像图低高三、植被指数计算实例3.7生成植被指数分布图武汉大学龚龑《高光谱遥感》372003.4.7全球植被指数VIUPD影像图三、植被指数计算实例3.7生成植被指数分布图武汉大学龚龑《高光谱遥感》382003.4.7全球EVI植被指数影像图三、植被指数计算实例3.7生成植被指数分布图武汉大学龚龑《高光谱遥感》39第五章第1节高光谱遥感植被监测应用一、高光谱遥感主要应用领域二、高光谱遥感在植被监测中的应用三、植被指数计算实例四、高光谱植被生物理化参数反演武汉大学龚龑《高光谱遥感》40四、高光谱植被生物理化参数反演4.1植被生物物理化学参数植被生物物理和生物化学参数的精确估计对于生物多样性评价、陆地覆盖特征、生物量建模、精准农业以及碳通量估算等都具有重要的意义。植被生物物理参数植被生物化学参数叶面积指数生物量植物种类植冠郁闭度光合有效辐射蒸腾蒸发、光合作用、叶子凋落、固氮和气体散发等过程均与上述参数密切相关叶绿素叶黄素N、P、K纤维素木质素淀粉蛋白质通过生物化学参数了解植被营养状况和土壤养分储备状况，建立胁迫模型武汉大学龚龑《高光谱遥感》414.2植被参数反演方法1.多元统计分析法四、高光谱植被生物理化参数反演通常是利用逐步回归分析方法筛选出光谱反射率（或变换）与某个生物物理或生物化学参数关系密切的若干波段，建立统计回归方程，然后利用该方程对未知样本的参量进行预测并估算精度。特点：•简单易行、适合实验室可控条件下测得光谱及参量•野外条件下收到大气、观测几何、土壤背景影响缺乏普适性。武汉大学龚龑《高光谱遥感》424.2植被参数反演方法2.光谱特征分析法四、高光谱植被生物理化参数反演利用光谱光谱特征参量或者光谱指数作为回归变量，有针对性的建立其与生物物理或生物化学参数的经验方程，然后对未知样本的参量进行预测。光谱特征参量、光谱吸收指数NDVI、红边参数、蓝边参数武汉大学龚龑《高光谱遥感》434.2植被参数反演方法四、高光谱植被生物理化参数反演1)叶绿素含量反演•叶绿素吸收反射率指数（Kim1994）多元统计和光谱特征分析法举例•红边分析法武汉大学龚龑《高光谱遥感》444.2植被参数反演方法四、高光谱植被生物理化参数反演2)叶面积指数反演多元统计和光谱特征分析法举例•改进土壤调整植被指数法LAI=f(Index)•红边分析法武汉大学龚龑《高光谱遥感》454.2植被参数反演方法3.物理模型法四、高光谱植被生物理化参数反演前两类方法均属于经验或半经验法，对植被参量的反演缺乏普适性和可移植性。物理模型法面临不同传感器以及不同植被类型时效果不理想或完全失效。几何光学模型辐射传输模型基于植被体中辐射能传输的物理过程，分