不同大气校正方法对森林叶面积指数遥感估算影响的比较
大气校正实验报告
一、实验背景遥感技术作为获取地球表面信息的重要手段，广泛应用于地质、农业、环境、城市规划等领域。
然而，由于大气对太阳辐射的吸收、散射和反射作用，遥感图像中的地物反射率信息受到一定程度的影响。
为了消除大气影响，提高遥感图像的精度和应用价值，大气校正技术应运而生。
本文将针对大气校正实验进行详细报告。
二、实验目的1. 理解大气校正的原理和方法；2. 掌握大气校正实验的操作流程；3. 评估大气校正对遥感图像质量的影响。
三、实验原理大气校正的目的是消除大气对遥感图像的影响，恢复地物真实反射率。
主要原理如下：1. 辐射传输模型：根据遥感成像过程中太阳辐射、大气和地物之间的相互作用，建立辐射传输模型，描述太阳辐射、大气和地物之间的能量传递过程。
2. 大气校正算法：通过分析遥感图像和同步观测的大气参数数据，建立大气校正模型，消除大气影响，恢复地物真实反射率。
3. 大气校正方法：主要包括单窗算法、双窗算法、大气校正模型等。
四、实验数据与工具1. 实验数据：选取Landsat 8卫星的OLI传感器获取的遥感图像作为实验数据。
2. 实验工具：ENVI软件，MODTRAN模型，FLAASH大气校正模型。
五、实验步骤1. 辐射定标：将原始遥感图像进行辐射定标，使其具有物理意义。
2. 大气校正：利用FLAASH大气校正模型对辐射定标后的遥感图像进行大气校正。
3. 结果分析：对比校正前后的遥感图像，分析大气校正对图像质量的影响。
六、实验结果与分析1. 辐射定标对原始遥感图像进行辐射定标，得到具有物理意义的图像数据。
2. 大气校正利用FLAASH大气校正模型对辐射定标后的遥感图像进行大气校正，得到校正后的遥感图像。
3. 结果分析（1）目视效果对比通过目视对比校正前后的遥感图像，可以看出大气校正后的图像清晰度更高，地物信息更丰富。
（2）定量分析通过统计分析校正前后遥感图像的地物反射率，可以发现大气校正后的遥感图像地物反射率更加接近真实值。
遥感图像处理中大气校正方法综述
遥感图像处理中大气校正方法综述作者：廖吉庆章开灵来源：《科学与财富》2013年第03期摘要：本文就遥感图像处理中大气校正的一些方法进行论述，综合总结了遥感图像处理大气校正方法。
大气校正的方法主要有辐射传输模型、黑暗像元法、不变目标法、参考值大气校正法和大气阻抗植被指数法等。
关键词：遥感图像大气校正方法卫星遥感图像的大气校正，一直是遥感定量化研究的主难点之一。
近些年来，随着定量遥感技术迅速发展，特别利用多传感器、多时相遥感数据进行土地利用和土地覆盖化监测、全球资源环境分析、气候变化监测等的需要，使得感图像大气校正方法的研究越来越受到重视。
一、辐射传输模型在诸多的大气校正方法中校正精度高的方法是辐射传输模型法（Radiative transfer models）。
辐射传输模型法是利用电磁波在大气中的辐射传输原理建立起来的模型对遥感图像进行大气校正的方法。
国内很多研究者对辐射传输模型大气校正方法也作了很多研究工作。
秦益等人提出了基于辐射传输模型理论的AVHRR图像大气校正方案，并研制了软件系统。
李先华等人在讨论逐点计算遥感图像像元的大气程辐射值和大气透过率的方法和原理的基础上，提出了一个适合非均匀大气的、包括大气程辐射和大气透过率等修正内容的遥感图像广义大气校正模型。
张玉贵对TURNER模型进行改进，并对TM 图像进行了大气校正。
胡宝新等人提出了BRDF一大气订正环的大气校正方法。
这种方法首先用6S模型作基于朗伯体的大气校正，并通过一系列在不同成像几何条件的订正结果，在BRDF模型库中找到一种最能描述这些数据的模型，最后根据反演的模型参数进行基于BRDF的大气校正。
龙飞等人利用连续数天的多角度NOAA卫星数据，采用Rahman地表二向反射模型和基于地面BRDF反射率的大气校正方法反复迭代提出了多个角度大气校正后的图像。
二、黑暗像元法最理想的大气辐射校正和反射率反演方法应该是仅通过遥感影像信息，而不需要野外场地测量等辅助数据，并且能够适用于历史数据和很偏远的研究区域。
五种TM影像大气校正模型在植被遥感中的应用
五种 !" 影像大气校正模型在植被遥感中的应用 !
宋巍巍! 管东生
!!
（ 中山大学环境科学与工程学院，广州 "#$%&" ）
摘! 要! 基于 %$$" 年 & 月 #’ 日广州市东北部和惠州市北部的 () 影像， 以表观反射率模型 为参照， 从植被反射率光谱、 地物反射率统计特征、 规一化植被指数三方面对 * 种黑体减法模 型和 +, 模型在植被遥感中的应用进行了评价- 结果表明： 黑体减法模型 ./,* 获得了精度较 高的植被反射率， 其地物反射率与规一化植被指数的信息量最大， 适用于研究区的植被遥感 研究- 对于不同区域的植被遥感研究需要进行具体的比较分析， 才能选择到合适的大气校正 模型关键词! 大气校正! 黑体减法模型! +, 模型! 植被遥感 文章编号! #$$#0122% （ %$$’ ） $*0$&+10$+! 中图分类号! 31*’ ； (4&"#! 文献标识码! 5 #$$%&’()&*+ *, ,&-. ()/*0$1.2&’ ’*22.’)&*+ /*3.%0 ,*2 4(+30() !" 3()( &+ -.5.)()&*+ 2./*). 0.+0&+56 ,/67 89:;<9:， 7=56 .>?@;AB9?@（ !"#$$% $& ’()*+$(,-(./% !"*-("- /(0 ’(1*(--+*(1， !2( ; 4:#*(; <; =>>%; ’"$%- ， %$$’， 78 （* ） ： &+10&&*3/.45-( 6(*)-+5*.7，82/(19#$2 "#$%&"，:#*(/） #90)2(’)：CDA9E >? FB9 GD?EADF () :HD@9 >I ?>JFB9DAF 7KD?@LB>K M:FN D?E ?>JFB OK:LB>K M:FN >? %$$" ，D?E R>HSDJ9E <:FB DSSDJ9?F J9IQ9RFD?R9 H>E9Q，I:T9 DFH>ASB9J:R R>JJ9RF:>? H>E9QA PKQN #’ ， :?RQKE:?@ I>KJ EDJU >VW9RF AKVFJDRF:>? H>E9QA D?E +, H>E9Q <9J9 9TDQKDF9E IJ>H FB9 DAS9RFA >I T9@9; FDF:>? J9IQ9RFD?R9 ，AKJIDR9 J9IQ9RFD?R9，D?E ?>JHDQ:L9E E:II9J9?R9 T9@9FDF:>? :?E9X（ 6.YZ ） - (B9 J9AKQFA AB><9E FBDF FB9 EDJU >VW9RF AKVFJDRF:>? H>E9Q ./,* SJ>EKR9E FB9 B:@B9AF DRRKJDF9 T9@9FDF:>? D?E BDE FB9 QDJ@9AF :?I>JHDF:>? Q>DEA I>J AKJIDR9 J9IQ9RFD?R9 D?E 6.YZ， V9:?@ FB9 V9AF I>J J9IQ9RFD?R9 ， FB9 DFH>ASB9J:R R>JJ9RF:>? :? FB9 AFKEN DJ9DA- ZF <DA ?9R9AADJN F> D?DQNL9 D?E F> R>HSDJ9 E:II9J9?F H>E9QA F> I:?E >KF D? DSSJ>SJ:DF9 H>E9Q I>J DFH>ASB9J:R R>JJ9RF:>? :? FB9 AFKEN >I >FB9J DJ9DA:.; <*230：DFH>ASB9J:R R>JJ9RF:>? ；EDJU >VW9RF AKVFJDRF:>? H>E9Q；+, H>E9Q；T9@9FDF:>? J9H>F9 A9?A:?@! ! 卫星遥感在大面积的数据收集与生态环境变化 ［ # 0 2］ 监测中起着重要作用 ， 其在植被研究中的应用 ［ * 0 +］ 越来越广泛 - 太阳;地表;卫星传感器之间的辐 射传输受到大气散射与吸收的影响， 大气校正不仅 对影像灰度值与地表反射率之间的转化具有重要意 义， 而且对不同时间、 空间影像数据之间的反射率配 准也极为重要- 因此在利用遥感影像进行定量分析
森林生物量遥感估算与应用分析
森林生物量遥感估算与应用分析一、本文概述《森林生物量遥感估算与应用分析》一文旨在探讨利用现代遥感技术对森林生物量进行有效、精确估算的方法及其在实际林业管理、碳循环研究及气候变化应对等领域的广泛应用。
本文首先梳理了遥感技术在森林生物量估测方面的理论基础和最新进展，包括不同遥感平台（如卫星、无人机等）获取的多光谱、高光谱、雷达等数据源在生物量模型构建中的作用机理与适用性分析。
接着，本文详细介绍了目前国内外常用的遥感生物量估算模型，比较其性能优劣，并结合实地调查数据验证了各类模型在不同森林类型、不同尺度下的精度与稳定性。
研究中特别关注了遥感指数的选择、地表特征参数提取、生物量遥感变量关系建模以及不确定性分析等关键技术环节。
本文还深入剖析了遥感估算森林生物量的实际应用价值，通过实例展示如何将遥感估算成果应用于森林资源清查、碳汇计量、生态系统服务评估以及森林可持续经营策略制定等多个层面。
针对现有研究存在的问题与挑战，提出了未来遥感估算森林生物量的研究方向和技术改进策略，力求为推进我国乃至全球的森林资源精细化管理和生态环境保护工作提供科学依据和技术支撑。
二、森林生物量遥感估算的理论基础森林生物量遥感估算技术是一种结合现代遥感技术与生态学原理，对森林生态系统中植被固有的有机物质总量进行非接触式、大范围精确估计的方法。
这一技术的理论基础涵盖了遥感科学、生态计量学、森林生态学以及地理信息系统等多个学科领域。
遥感科学提供了从空间获取森林结构与状态信息的核心手段。
遥感卫星及航空器搭载的多光谱、高光谱和雷达等传感器能够捕捉到地表森林冠层的电磁波辐射特征，这些特征与森林生物量的相关性已被大量科学研究证实。
例如，近红外波段反映叶绿素含量及叶片面积指数，短波红外则可以指示水分状况和生物化学成分，雷达数据可用于提取森林高度和结构参数，这些都是估算生物量的关键参数。
生态计量学构建了生物量与遥感指标之间的定量关系模型。
通过对地面实测生物量数据与遥感数据的相关分析，科学家们建立了多元线性回归、机率密度函数模型、人工神经网络、随机森林等多种数学模型，用于模拟和预测大面积森林生物量分布。
如何利用遥感技术进行森林资源监测与评估
如何利用遥感技术进行森林资源监测与评估森林资源对于我们的生态环境和经济发展至关重要。
随着环境问题的日益严峻和人们对可持续发展的需求不断增加，森林资源的监测与评估变得尤为重要。
遥感技术作为一种快速、高效、准确的手段，已经成为森林资源监测与评估的重要工具之一。
一、遥感技术在森林资源监测中的应用遥感技术通过获取大量的遥感图像数据，使研究者能够全面地了解森林资源的状况。
首先，遥感技术可以提供准确的森林面积和分布信息。
通过对遥感图像进行解译和分类，可以快速获取不同类型森林的分布范围和面积，并对各类森林进行统计和分析。
这样的信息对于合理规划森林资源的利用和保护至关重要。
其次，遥感技术可以提供森林的生长状态和变化情况。
通过对多时相的遥感图像进行比对和分析，可以得到森林的生长速度、植被覆盖程度等动态信息。
这样的信息对于科学管理森林资源、判断森林生态环境的健康状况以及制定相应政策具有重要意义。
此外，遥感技术还可以提供森林的生物多样性信息。
通过对遥感图像进行纹理、光谱分析，可以获得不同植被的特征参数，如叶面积指数、植被指数等。
这些参数可以反映出森林的生态环境和物种多样性的状况，为生物多样性保护和生态环境修复提供科学依据。
二、遥感技术在森林资源评估中的应用森林资源评估是对森林资源进行价值及潜力评估的重要环节，遥感技术在其中发挥着不可或缺的作用。
首先，遥感技术可以提供森林的生产潜力评估。
通过对遥感图像进行光谱信息提取和分析，可以获得森林植被的养分含量、生长速率等参数，从而评估森林的生产潜力，并为森林经济发展提供科学依据。
其次，遥感技术可以提供森林碳储量的评估。
森林是地球上最大的陆地生态系统之一，其具有重要的碳汇功能。
通过遥感技术获取的森林信息，可以结合地面采样数据，进行森林碳储量的估算。
这对于应对气候变化、制定碳交易政策具有重要意义。
此外，遥感技术还可以提供森林资源保护与监管的评估。
通过对遥感图像进行解译和分析，可以获得森林面积、破坏情况等信息，进而评估森林资源的保护状况，并为相关管理部门提供监管决策依据。
大气校正的方法
大气校正的方法
大气校正是指通过计算和分析遥感影像的大气影响，来修正遥感影像的像素值，以获得更准确的地表覆盖信息和遥感数据。
大气校正的方法主要有以下几种:
1. 统计学方法：该方法利用野外光谱测量数据来建立模型，并通过计算遥感影像的光谱特征和野外光谱数据的相关性来校正大气影响。
2. 辐射传递方程计算法：该方法通过建立辐射传递方程来计算遥感影像的大气影响，从而获得更准确的遥感数据。
3. 波段对比法：该方法利用不同波段之间的差异来识别大气影响，并通过计算不同波段之间的差异来校正大气影响。
4. 基于 MODTRAN 的高光谱快速大气校正方法：该方法利用MODTRAN 模型来计算大气影响，并通过建立水汽和能见度的查找表来校正大气影响。
5. 机载高光谱遥感图像大气校正方法：该方法通过分析机载高光谱遥感图像的大气影响，来修正遥感图像的像素值，以获得更准确的地表覆盖信息和遥感数据。
不同的方法有不同的假设和优缺点，选择合适的大气校正方法需要考虑多种因素，如数据质量、计算效率、精度和成本等。
应用PROSAIL模型对森林冠层叶面积指数遥感估测
面积指数 ［９］ ） 。 尽管该方法可以应用于各种植被类
第 １１ 期 何金有，等：应用 ＰＲＯＳＡＩＬ 模型对森林冠层叶面积指数遥感估测
型和背景环境，由于其需要的输入参数较多，并且模
精度进行验证。
型结构复杂，因此，目前使用该方法来反演叶面积指
ｔｈｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ （ Ｒ２ ） ｏｆ ｔｈｅ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｅｓｔｉｍａｔｅｄ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ ｉｓ ０．３３３ ８． Ｔｈｅ ＰＲＯＳＡＩＬ ｍｏｄ⁃
ｅｌ ｈａｓ ａ ｈｉｇｈ ａｃｃｕｒａｃｙ ｉｎ ｉｎｖｅｒｔｉｎｇ ｔｈｅ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ， ａｎｄ ｔｈｅ ｅｓｔｉｍａｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ＰＲＯＳＡＩＬ ｍｏｄｅｌ ａｒｅ ｃｏｎｓｉｓｔｅｎｔ ｗｉｔｈ
ｔａｎｃｅ， ａｎｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｃｏｓｔ ｆｕｎｃｔｉｏｎ． Ｔｈｅ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ ｗａｓ ｓｉｍｕｌａｔｅｄ ｂｙ ａｄｊｕｓｔｉｎｇ ｔｈｅ ｋｅｙ ｐａ⁃
ｒａｍｅｔｅｒ ｖａｌｕｅｓ ｏｆ ｔｈｅ ＰＲＯＳＡＩＬ ｍｏｄｅｌ ｗｉｔｈ ｈｉｇｈ ｓｅｎｓｉｔｉｖｉｔｙ． Ｔｈｅ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ （ ＡＮＮ） ｗａｓ ｕｓｅｄ ｔｏ ｍａｐ ｔｈｅ ｒｅｌａ⁃
Ｉｎ ｏｒｄｅｒ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ （ ＬＡＩ） ｏｆ ｆｏｒｅｓｔ ｃａｎｏｐｙ ｉｎ ａ ｔｉｍｅｌｙ ａｎｄ ａｃｃｕｒａｔｅ ｍａｎｎｅｒ， ｍｏｎｉｔｏｒ ｆｏｒｅｓｔ ｇｒｏｗｔｈ
基于遥感的森林健康评估方法研究
基于遥感的森林健康评估方法研究森林作为地球上重要的生态系统之一，对于维持生态平衡、提供生态服务、保护生物多样性以及应对气候变化等方面都具有不可替代的作用。
因此，准确评估森林的健康状况对于森林资源的管理和可持续发展至关重要。
遥感技术的出现和发展为森林健康评估提供了新的途径和方法。
遥感技术能够获取大面积森林的信息，包括植被的光谱特征、结构特征和生态过程等。
通过对这些信息的分析和处理，可以有效地评估森林的健康状况。
目前，基于遥感的森林健康评估方法主要包括以下几种：一、植被指数法植被指数是通过对不同波段的反射率进行组合计算得到的数值，能够反映植被的生长状况和覆盖度。
常见的植被指数如归一化植被指数（NDVI）、增强型植被指数（EVI）等。
NDVI 是通过近红外波段和红光波段的反射率计算得到的，其值在－1 到 1 之间，值越大表示植被生长越旺盛，覆盖度越高。
EVI 则在 NDVI 的基础上进行了改进，对高植被覆盖区域的敏感性更高。
通过对不同时期的植被指数进行比较和分析，可以了解森林植被的动态变化，从而评估森林的健康状况。
例如，如果植被指数在一段时间内持续下降，可能表明森林受到了病虫害、干旱等因素的影响，健康状况不佳。
二、光谱分析法不同的植被在不同波段的光谱反射率具有独特的特征，这些特征与植被的生理生化参数密切相关。
通过对森林植被的光谱进行测量和分析，可以获取植被的叶绿素含量、水分含量、氮含量等信息，进而评估森林的健康状况。
例如，叶绿素在可见光波段的吸收较强，而在近红外波段的反射较强。
通过分析叶绿素在不同波段的吸收和反射特征，可以估算植被的叶绿素含量。
叶绿素含量的高低可以反映植被的光合作用能力和生长状况，从而间接反映森林的健康水平。
三、高空间分辨率遥感影像分析法高空间分辨率遥感影像能够提供详细的森林结构信息，如树木的分布、树冠的大小和形状等。
通过对这些影像的处理和分析，可以计算森林的郁闭度、林分密度等参数，进而评估森林的结构完整性和健康状况。
如何利用遥感技术进行森林资源调查与评估
如何利用遥感技术进行森林资源调查与评估遥感技术与森林资源调查与评估近年来，随着遥感技术的快速发展，利用遥感技术进行森林资源调查与评估变得越来越重要和可行。
遥感技术广泛应用于环境监测和资源管理等领域，对于评估森林资源的分布、类型、结构和生态功能等方面提供了有力的工具和数据。
首先，通过遥感技术可以获取大规模、连续、时序性的影像数据。
遥感技术可以通过人造卫星、航空影像或者地面监测设备获取高分辨率的图像，在一定程度上弥补了传统野外调查的局限性。
通过对不同时间、不同空间的影像数据进行比较和分析，可以有效监测森林资源的变化和动态。
这对于进行森林生态系统的监测、研究和评估是非常有帮助的。
其次，遥感技术可以提供森林资源的各种空间信息。
森林作为一个复杂的生态系统，包含着丰富的生物多样性和地理信息。
通过遥感技术可以获取到森林的空间分布、面积、边界、形状以及不同类型森林的数量和分布等信息。
这些信息对于科学合理地规划和管理森林资源具有重要意义。
另外，遥感技术还可以提供有关森林的生长状态、植被覆盖度、树木高度、群落结构等方面的数据，为森林资源的评估和利用提供了参考依据。
此外，遥感技术可以辅助进行森林病虫害监测和预警。
森林病虫害是森林生态系统中的重要问题，对生态环境和经济利益都具有显著的影响。
通过遥感技术可以及时探测和分析森林病虫害的发生程度和分布范围。
同时，遥感技术还可以结合地理信息系统，进行定量分析和模拟，为病虫害的预测和预警提供科学依据。
最后，遥感技术在森林资源调查与评估中还可以与其他辅助方法相结合。
例如，通过遥感技术获取到的图像数据可以与地面调查数据相结合，进行验证和校正。
同时，遥感技术还可以与气象数据、地形数据等多源数据融合，提高森林资源调查与评估的精度和可靠性。
这种多源数据融合的方法可以有效地综合利用各种信息，提高森林资源调查与评估的效率和精度。
综上所述，遥感技术对于森林资源调查与评估具有重要的意义和应用价值。
高光谱遥感数据BRDF校正与森林参数提取
《高光谱遥感数据brdf校正与森林参数提取》2023-10-27•高光谱遥感技术简介•高光谱遥感数据BRDF校正•森林参数提取方法目录•高光谱遥感数据BRDF校正与森林参数提取的关系•高光谱遥感数据BRDF校正与森林参数提取的发展趋势与挑战目录01高光谱遥感技术简介高光谱遥感技术是指利用高光谱传感器获取目标物体反射或辐射的电磁波信息，并通过分析这些信息来识别和测量目标物体特征的技术。
高光谱传感器可以在很窄的波段内获取大量连续的光谱信息，这使得高光谱遥感技术在探测地表覆盖类型、植被生长状况、水体污染程度等方面具有显著优势。
高光谱遥感技术具有高分辨率、高灵敏度、高光谱维度的特点。
高分辨率使得高光谱遥感技术可以获取更精细的空间信息，高灵敏度可以增强对目标物体的探测能力，高光谱维度则可以提供更丰富的光谱信息。
高光谱遥感技术在多个领域都有广泛的应用，如环境保护、城市规划、农业监测、地质勘查等。
在环境保护方面，高光谱遥感技术可用于监测空气质量、水体污染、土壤污染等；在城市规划方面，高光谱遥感技术可用于调查城市绿地、测量建筑物高度等；在农业监测方面，高光谱遥感技术可用于监测作物长势、估算作物产量等；在地质勘查方面，高光谱遥感技术可用于识别地质构造、探测矿产资源等。
高光谱遥感技术应用领域02高光谱遥感数据BRDF校正BRDF定义及原理BRDF定义BRDF（Bidirectional Reflectance Distribution Function）是指物体在单位入射角和单位出射角的反射辐射通量密度与入射角和出射角之间的函数关系。
它描述了物体在某个方向上的反射性质随入射角和出射角的变化情况。
BRDF原理BRDF原理是基于物理的光学反射定律和能量守恒定律。
它反映了物体在某个方向上的反射辐射通量密度与入射角和出射角之间的关系。
BRDF值受到物体表面材质、粗糙度、颜色等因素的影响。
基于模型的方法基于物理模型的方法通常需要先建立BRDF模型，然后将模型参数应用于实际高光谱遥感数据进行校正。
大兴安岭地区森林叶面积指数测定与遥感估算
东
北
林
业
大
学
学
报
Ｖｏ １ ． ４１ Ｎｏ ． ５ Ｍａ ｖ ２ ０１ ３
Ｊ ＯＵＲＮＡ Ｌ ＯＦ ＮＯＲＴ ＨＥ ＡＳ Ｔ Ｆ ０ＲＥ Ｓ Ｔ ＲＹ ＵＮＩ Ｖ ＥＲＳ Ｉ Ｔ Ｙ
大 兴 安 岭 地 区森 林 叶面 积 指 数 测 定 与 遥 感估 算 ）
ｖ ｅ ｇ ｅ ｔ ａ ｔ ｉ ｏ ｎ ｉ ｎ ｄ ｅ ｘ ｅ ｓ ａ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｅ ｄ ｂ ｙ Ｔ Ｍ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｉ ｍａ ｇ ｅ ｔ ｏ ａ ｎ ａ ｌ ｙ ｚ ｅ ｔ ｈ ｅ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈ ｉ ｐ ｂ ｅ ｔ ｗｅ ｅ ｎ ｔ ｈ ｅ ｍ．ａ ｎ ｄ ｔ ｈ ｅ ｎ ａ ｍｏ ｄ ｅ ｌ ｆ ｏ ｒ Ｉ Ｔ＾ｗ ａ ｓ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｄ ．Ｗ ｅ ｃ ｏ ｎ ｄ ｕ ｃ ｔ ｅ ｄ ｔ ｈ ｅ ｎａ ａ ｌ ｙ ｓ ｉ ｓ ｏ ｎ ｍｅ ａ ｓ ｕ ｒ ｅ ｄ ｒ ｅ ｃ ｏ ｒ ｄ ｓ ｓ ａ ｍｐ ｌ ｅ ｄ ａ ｔ ａ ａ ｎ ｄ ｒ ｅ ｌ ｅ ｖ ａ ｎ ｔ ｒ ｅ ｍｏ ｔ ｅ ． ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｄ ａ ｔ ａ ｉ ｎ ｔ ｗｏ ｗ ａ ｙ ｓ ：ｏ ｎ ｅ ｉ ｓ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ ｉ ｎ ａ ｐ ｕ ｒ ｅ ｃ ｏ ｎ ｉ ｆ ｅ ｒ ａ ｒ ｅ ａ，ａ ｎ ｄ ｎｏ ａ ｔ ｈ ｅ ｒ ｉ ｓ ａ ｎ ｌｙ ａ ｚ ｅ ｄ ｉ ｎ ｔ ｈ ｅ ａ ｒ ｅ ａ ｗｉ ｔ ｈ ｍｉ ｘ ｅ ｄ ｓ ｐ ｅ ｃ ｉ ｅ ｓ ．Ｔ ｈ ｅ ｎ Ｋｅ ，Ｆ ａ ｎ Ｗｅ ｎ ｙ ｉ ，Ｗｅ ｎ Ｙｉ ｂ ｏ，Ｍａ ｎ Ｚ ｉ ｙ ｕ ａ ｎ，Ｓ ｕ ｎ Ｓ ｈ ｅ ｎ ｇ ｘ ｉ ｎ（ Ｎｏ ｒ ｔ ｈ ｅ ａ ｓ ｔ Ｆ ｏ ｒ ｅ ｓ ｔ ｒ ｙ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ，Ｈａ ｒ ｂ ｉ ｎ １ ５ ０ ｏ ４ ０，Ｐ ． Ｒ． Ｃ ｈ ｉ ｎ ａ ） ／ ／ Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｎｏ ｒ ｔ ｈ ｅ ａ ｓ ｔ Ｆ ｏ ｒ ｅ ｓ ｔ ｒ ｙ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ． － ２ ０ １ ３． ４ １ （ ５ ） ． － ６ ６～７ ０
大气校正的目的及各个步骤的意义
⼤⽓校正的⽬的及各个步骤的意义
遥感所利⽤的各种辐射能均要与地球⼤⽓层发⽣相互作⽤、散射、吸收，⽽使能量衰减，并使光谱分布发⽣变化。
⼤⽓的衰减作⽤对不同波长的光是有选择性的，因⽽⼤⽓对不同波段的图像的影像是不同的。
另外，太阳-⽬标-遥感器之间的⼏何关系不同，则所穿越的⼤⽓路径长度不同，使图像中不同地区地物的像元灰度值所受⼤⽓影响程度不同，且同⼀地物的像元灰度值在不同获取时间所受⼤⽓影响程度也不同。
⼤⽓校正的⽬的是消除⼤⽓和光照等因素对地物反射的影响，⼴义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
⽤来消除⼤⽓中⽔蒸⽓、氧⽓、⼆氧化碳、甲烷和臭氧等物质对地物反射的影响，消除⼤⽓分⼦和⽓溶胶散射的影响。
⼤多数情况下，⼤⽓校正同时也是反演地物真实反射率的过程。
结果对⽐
在快速⼤⽓校正中涉及DN值→辐射定标→⼤⽓校正等步骤，这个过程的数据也是在不断变化
这些过程或者名词都有那些意义？
⾸先，DN值是⼀个较⼤的数值，它是遥感影像像元亮度值，记录的地物的灰度值。
⽆单位，是⼀个整数值，值⼤⼩与传感器的辐射分辨率、地物发射率、⼤⽓透过率和散射率等有关。
辐射定标的过程是将DN值转化为实际物理意义的⼤⽓顶层辐射亮度或反射率。
辐射定标的原理是建⽴数字量化值与对应视场辐射定标
中辐射亮度值之间的定量关系，以消除传感器本⾝产⽣的误差。
⼤⽓校正时⼜将定标值还原为地表真实信息，并能⾼保真地恢复地物波谱信息
⼤⽓校正。
森林覆盖变化的遥感监测与分析方法研究
森林覆盖变化的遥感监测与分析方法研究引言：随着全球气候变暖和人类活动的增加，森林面临着日益严重的威胁。
了解森林覆盖变化是保护和管理森林生态系统的关键。
传统的调查方法需要大量的时间和资源，因此遥感技术成为监测和分析森林覆盖变化的有力工具。
本文将介绍森林覆盖变化的遥感监测与分析方法，包括遥感数据获取、影像处理和分类方法以及变化检测与分析。
一、遥感数据获取1.空间分辨率：空间分辨率是指遥感影像中每个像素所代表的地面区域的大小。
在监测森林覆盖变化时，较高的空间分辨率可以提供更为详细的信息，但也需要更高的成本和处理能力。
选择合适的空间分辨率取决于研究的目的和可用资源。
2.光谱分辨率：光谱分辨率是指遥感影像中不同波段的数量和宽度。
不同波段的光谱信息可以用来提取不同的地物特征。
在森林覆盖变化的研究中，可见光、红外和热红外波段对于植被的监测尤为重要。
选择合适的光谱分辨率可以提高遥感数据对森林覆盖变化的敏感性。
3.时间分辨率：时间分辨率是指在一定时间间隔内获取遥感影像的频率。
时间序列的遥感影像可以反映森林覆盖变化的动态过程。
通过分析多个时期的影像数据，可以检测森林覆盖的变化趋势和周期性。
选择合适的时间分辨率是准确监测和分析森林覆盖变化的关键。
二、影像处理和分类方法1.预处理：遥感影像的预处理包括辐射校正、大气校正和几何校正等步骤。
这些步骤旨在消除影像中的噪声和歪斜，并使影像数据与实际地面特征一致。
预处理可以提高遥感数据的可用性和可靠性。
2.特征提取：特征提取是将遥感影像中的像素转化为具有实际意义的地物特征的过程。
在森林覆盖变化的研究中，常用的特征包括植被指数、纹理特征和空间结构特征等。
这些特征可以揭示植被的生物物理和生态学特性，为后续的分类和变化检测提供基础。
3.分类方法：分类是将预处理和特征提取后的遥感影像像素划分为不同的类别的过程。
常用的分类方法包括监督分类和无监督分类。
监督分类需要先建立一个训练样本库，并利用分类器对未知像素进行分类。
基于遥感技术的森林覆盖度估算方法研究
基于遥感技术的森林覆盖度估算方法研究森林是地球上生命力最强的生态系统之一，被誉为“地球之肺”，为全球生态环境的保护和平衡贡献了重要作用。
而森林覆盖度则是衡量森林生态系统的重要指标之一，它是指一定范围内森林面积所占的比例。
森林覆盖度是进行森林资源调查的基础，也是制定合理森林管理措施和开展森林保护工作的前提条件。
因此，对于森林覆盖度的估算和监测具有非常重要的意义。
遥感技术的出现为森林覆盖度的估算和监测提供了可能。
遥感技术是利用电磁波在传输过程中的物理特性和地物对电磁波的反射、辐射和散射的不同特征，通过在航天器和地面之间的信息传输和处理，获取和分析目标地表的信息和数据的技术。
遥感技术的发展和推广，对于森林覆盖度的估算和监测提供了新的途径和手段。
基于遥感技术的森林覆盖度估算方法研究已经成为当前森林科学研究中的热点问题。
这种方法是通过对遥感影像数据进行处理和分析，采用各种遥感指数和算法，来确定森林覆盖度的估算结果。
目前，基于遥感技术的森林覆盖度估算方法主要包括如下几种：第一种方法是基于多光谱遥感影像的分类估算方法。
这种方法是通过对多光谱遥感影像进行分类分割，即将目标地物分成不同的地物类别，并计算各个类别的面积比例来估算森林覆盖度。
该方法的优点是能够准确地识别森林和非森林区域，但是对于森林内部的不同干扰源、乔木和草木的分类效果较差。
第二种方法是基于遥感影像的指数法估算方法。
该方法是通过运用特定的数学公式和表达式，从遥感影像中提取不同的光谱信息和指标，并通过对不同指标的分析和组合，来估算森林覆盖度。
例如，采用归一化植被指数(Normalized Difference Vegetation Index, NDVI)方法进行估算，能够有效地表达植被的生长和覆盖情况，对森林覆盖度的估算效果较好。
但这种方法依赖于光谱特征的选择和指数计算的方法，对于光谱数据不完整和覆盖率不全的情况效果较差。
第三种方法是基于遥感影像的混合像元分析(Hybrid Pixel-Based Analysis, HPBA)估算方法。
基于遥感影像的森林面积动态变化分析
基于遥感影像的森林面积动态变化分析一、引言随着社会的不断发展，环境问题越来越受到人们的关注。
在环境问题中，森林面积的动态变化是一个重要的研究课题。
遥感技术可以获取到大面积、高分辨率、高精度的地表信息，因此在森林面积动态变化研究中具有广泛的应用前景和重要的意义。
二、基于遥感影像的森林面积检测方法1. 经验模态分解（EMD）法EMD是一种基于信号局部特征提取的方法，可以将复杂信号分解为若干个本征模态函数。
EMD法可以应用于遥感影像上，首先，利用一定的约束条件，将遥感影像分解为本征模态函数；然后，对于森林面积的本征模态函数部分进行处理，提取出许多小区域中灰度值为相同的像素点，并通过构造分类器实现森林面积的检测。
2. 改进的植被指数（IVI）法IVI法是将三个植被指数（NDVI、EVI、SAVI）进行线性组合得到的。
IVI法可以同时较好的反映土地覆盖情况和植被的覆盖情况，且不易受到大气影响。
在具体实现过程中，首先计算植被指数；然后根据经验公式构建分类器，进行森林面积的检测。
三、森林面积变化分析1. 森林面积变化趋势的统计分析通过观察时间序列上的森林面积数据，可以计算出数据的趋势，进而掌握森林面积变化的规律。
森林面积数据趋势分析的常用方法包括线性趋势分析、非线性趋势分析和B样条插值法等。
2. 森林面积变化的空间分析空间分析是认识森林面积变化的重要方法之一，因为森林面积的变化不仅仅是时间上的变化，同时还涉及到空间的变化。
在空间上，可以通过统计检验、GEE方法、GIS和RS集成等方法来分析森林面积变化的空间规律。
四、案例展示近年来，由于森林面积的减少，很多国家都开始进行森林面积的监测和治理。
其中，俄罗斯的森林面积变化情况备受瞩目。
根据RS数据，俄罗斯2019年的森林面积为8.83亿公顷，统计数据显示与相邻年份相比有了一定程度的下降。
应用EMD法分析，俄罗斯2019年的森林面积为8.74亿公顷，相比于统计数据而言，更加准确。
大气环境与生态系统的遥感监测与评估
大气环境与生态系统的遥感监测与评估大气环境和生态系统是人类生存和发展所必须的基本要素。
随着经济的发展和人类活动的增多，大气环境和生态系统也受到了越来越严重的破坏。
为了更好地保护和管理大气环境和生态系统，遥感监测和评估技术逐渐成为环保领域的热门话题。
一、大气环境的遥感监测与评估大气环境是指地球大气层的物理、化学和生物学状况。
大气环境对生态系统和人类的活动都有着重要影响。
大气污染已成为全球性的环境问题，严重影响了人类的生命健康和社会经济的发展。
遥感技术为大气环境监测提供了一种新的手段。
它可以通过卫星、飞机、无人机等载体获取大气环境数据，不受时间和空间限制，能够提供全球范围内的大气环境状况，大大提高了监测效率和质量。
遥感技术可以获取大气环境的多种信息，如大气温度、湿度、风速、风向、空气质量、大气成分等。
这些信息能够帮助科学家分析大气环境状况，研究空气污染的来源和规律，并制定出相应的应对措施，以减少大气污染对人类的危害。
二、生态系统的遥感监测与评估生态系统是指生物与环境相互作用形成的综合体系，包括陆地生态系统、水生生态系统、海洋生态系统等。
生态环境的破坏已成为全球性的问题，对生物多样性的保护和人类的生存都带来了很大的挑战。
生态系统的遥感监测与评估是保护生态环境的一种有效手段。
通过遥感技术，可以获取生态系统各个组成部分的数据，如植被覆盖度、生物量、土地利用方式等。
这些数据能够帮助科学家了解生态系统的状态和变化规律，并采取有效的措施来保护生态环境。
例如，遥感技术可以对森林砍伐的情况进行监测和评估，了解森林覆盖度的变化和森林生态系统的健康状况，并通过分析原因找到露天矿山、有害生物等破坏森林的罪魁祸首，进而采取相应的措施，如采取植树造林、森林保护等来恢复和保护森林。
三、结语遥感技术的应用不仅提高了大气环境和生态环境监测和评估的质量和效率，还为科学家提供了更多的信息和数据，有助于科学家更准确地分析和预测环境变化趋势。
森林面积遥感估测研究
森林面积遥感估测研究赵晓旭;王弘扬帆;丁磊;孙腾科【摘要】This study further explored the basic theory of the image processing method and classification principles. Based on the spectral characteristics of vegetation in the area, the appropriate remote sensing data and data pre-processing were selected through the spectral characteristics of vegetation, vegetation index analysis of key factors. The feature extraction method was selected, and then a preliminary automatic classification of a computer was being done. According to classification results, the forest area of Xuancheng was calculated. It not only avoids the defects of the large amount of manual work in the field survey, the long survey cycle, slow resource data, low accuracy, also make full use of its large amount of information, advanced detection methods etc., which makes quick and accurate estimates of forest area to become a reality.%深入探讨了图像处理方法、分类原理等基本理论;依据研究区内植被的光谱特征,选择合适的遥感数据源并对数据进行预处理;通过对植被光谱特征、植被指数等关键因子的分析,选择特征提取的方法,进行了初步的计算机自动分类;根据分类结果,计算宣城市森林面积.不仅可以弥补人工实地调查中工作量大、调查周期长,资源数据速度慢、精度低等缺点,还可以发挥其信息量大、检测手段先进等优点,使得快速、准确地完成森林面积估算成为现实.【期刊名称】《地理空间信息》【年(卷),期】2013(011)002【总页数】3页(P92-94)【关键词】遥感;几何校正;图像增强;图像分类;面积估算【作者】赵晓旭;王弘扬帆;丁磊;孙腾科【作者单位】河海大学,江苏南京210098【正文语种】中文【中图分类】P237.91 研究区概况以宣城市为研究区域，以TM影像为研究数据，利用Erdas Imagine 9.0遥感图像处理软件，结合已有的影像数据，首先对研究区的遥感影像数据进行图像预处理（几何校正和图像增强），然后采用2种分类方法提取出有利于面积估算的森林植被光谱特征，再比较2种分类结果的精度，最后根据分类精度高的结果图中森林植被光谱特征像元数计算出研究区的森林面积。
基于GF-1 WFV数据森林叶面积指数估算
基于GF-1 WFV数据森林叶面积指数估算李晓彤;覃先林;刘树超;孙桂芬;刘倩【摘要】以国产高分一号(GF-1)宽幅数据(wide field of view,WFV)为数据源,采用简单生物圈模型2(simple bio-sphere model2,SiB2)对黑龙江省漠河县森林植被叶面积指数(leaf area index,LAI)进行估算,并与增强植被指数(enhanced vegetation index,EVI)线性模型的估算结果进行对比,结合地面实测LAI数据分别对这2种模型估算结果进行精度评价.结果表明,采用EVI线性模型估算LAI,决定系数R2为0.582,均方根误差(root mean square er-ror,RMSE)为0.701;而采用SiB2模型估算LAI,R2为0.798,RMSE为0.358,均比EVI线性模型有所改善.该研究发现,结合中高空间分辨率的GF-1 WFV数据,SiB2模型更适宜于该研究区森林植被的LAI反演.【期刊名称】《国土资源遥感》【年(卷),期】2019(031)003【总页数】7页(P80-86)【关键词】GF-1WFV数据;SiB2模型;LAI;EVI线性模型【作者】李晓彤;覃先林;刘树超;孙桂芬;刘倩【作者单位】中国林业科学研究院资源信息研究所国家林业局林业遥感与信息技术实验室,北京 100091;中国林业科学研究院资源信息研究所国家林业局林业遥感与信息技术实验室,北京 100091;中国林业科学研究院资源信息研究所国家林业局林业遥感与信息技术实验室,北京 100091;中国林业科学研究院资源信息研究所国家林业局林业遥感与信息技术实验室,北京 100091;中国林业科学研究院资源信息研究所国家林业局林业遥感与信息技术实验室,北京 100091【正文语种】中文【中图分类】TP790 引言叶面积指数(leaf area index，LAI)是指单位绿叶面积在单位地表面积上的总和[1]，是植被结构特征的重要参数，同时也与植被的光合、呼吸和蒸腾作用等重要生理过程密切相关。
用遥感技术计算森林叶面积指数——以江西省兴国县为例
用遥感技术计算森林叶面积指数——以江西省兴国县为例骆知萌;田庆久;惠凤鸣
【期刊名称】《南京大学学报：自然科学版》
【年(卷),期】2005(41)3
【摘要】以江西省兴国县为研究区域,基于不同时相的LandsatETM+地面反射率图像,计算了RS、NDVI和RSR3种植被指数,并与野外观测的叶面积指数(LAI)数据建立相关关系,从而进行了LAI的反演研究.研究发现,对于针叶林地区,一月份图像也可用来反演LAI,只是预测值较五月偏低.而同一时相的原始图像和反射率图像的反演结果表明,去除传感器自身和大气辐射影响的地面反射率图像,更能真实地反演地表植被覆盖度.此外,在研究区森林覆盖度较高,林种较单一的情况下,RSR同LAI的关系比其他植被指数的相关性好,反演的精度也较高.
【总页数】6页(P253-258)
【关键词】遥感;森林;叶面积指数;植被指数;大气订正
【作者】骆知萌;田庆久;惠凤鸣
【作者单位】南京大学国际地球系统科学研究所
【正文语种】中文
【中图分类】TP751
【相关文献】
1.基于遥感技术的广州市城市森林叶面积指数推算 [J], 吴文友;吴泽民;胡鸿瑞;贾保全
2.江西省兴国县森林碳储量动态变化特征 [J], 李佳;邵全琴;刘纪远
3.基于被动微波遥感技术的玉米冠层叶面积指数反演 [J], 马红章;刘素美;朱晓波;孙根云;孙林;柳钦火
4.基于环境卫星数据的森林叶面积指数遥感反演与验证——以大兴安岭加格达奇林区为例 [J], 刘振波;张丽丽;葛云健;顾祝军
5.遥感技术在森林资源连续清查中的应用--以利用遥感技术分析森林植被、地类的动态变化为例 [J], 党永峰
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
不同大气校正方法对森林叶面积指数遥感估算影响的比较3陈新芳1 陈镜明2 安树青133 刘玉虹1 方秀琴3 王书明4(1南京大学生命科学学院,南京210093;2多伦多大学地理系,安大略M5S 3G 3;3河海大学水资源环境学院,南京210098;4南京大学地学院,南京210093)摘 要 利用TM 原始图像以及经过6S 模型和基于影像自身的G ilabert 模型大气校正后的地面绝对反射率图像,分别计算了褒河流域阔叶林和针阔混交林2种林型的5类光谱植被指数(SR 、NDV I 、MNDV I 、ARV I 和RSR ),并建立各林型森林叶面积指数与同时相的各个植被指数的相关关系。
结果表明,2种大气校正模型均显著提高了各植被指数与森林叶面积指数的相关关系,除了对森林叶面积指数与植被指数SR 和NDV I 的相关关系影响不显著外,对森林叶面积指数与植被指数MNDV I 、ARV I 和RSR 相关关系的影响均非常显著。
说明不同大气校正模型对叶面积指数的遥感估算结果有较大影响。
因此,在利用遥感数据进行定量分析、信息提取和生态遥感应用时,不仅要进行大气校正,而且还要慎重选择大气校正模型和植被指数。
关键词 大气校正,6S 辐射传输模型,G ilabert 模型,叶面积指数中图分类号 S71815 文献标识码 A 文章编号 1000-4890(2006)07-0769-05Comparison of different atmospheric correction models in their effects on Landsat TM estimation of forest leaf area index.CHEN Xinfang 1,CHEN Jingming 2,AN Shuqing 1,L IU Yuhong 1,FAN G Xiuqin 3,WAN G Shuming 4(1School of L if e Science ,N anjing U niversity ,N anjing 210093,China ;2Depart ment of Geog 2raphy and Program in Planning ,U niversity of Toronto ,Ontario M5S 3G 3,Canada ;3College of W ater Resources and Environment ,Hohai U niversity ,N anjing 210098,China ;4School of Earth Sciences ,N an 2jing U niversity ,N anjing 210093,China ).Chinese Journal of Ecology ,2006,25(7):769～773.To compare the effects of two atmos pheric correction models on the relationshi ps between vegetation indices (V Is )and forest leaf area index (LAI ),the atmospheric correction reflectance images on the basis of DN im 2age were obtained by using 6S and G ilabert models.The sim ple ratio (SR ),normalizes difference vegetation index (NDV I ),modified normalizes difference vegetation index (MNDV I ),atmospheric resistant vegetation index (ARV I )and reduced simple ratio (RSR )of the broad 2leaved forests and mixed broad 2leaved and conif 2erous forests in Baohe basin were estimated ,and the relationshi p s between the V Is and the ground 2based mea 2surements of LAI were calculated.The results showed that com pared with DN image ,the two models signifi 2cantly increased the correlation coefficients between LAI and V Is exce pt SR and NDV I.Different atmos pheric correction models had significant effects on the estimation of forest leaf area.It was su ggested that more at 2tention should be paid to choose appropriate atmospheric correction models and V Is when remote sensing data were applied to quantitative analyzing and information collecting in field.K ey w ords atmospheric correction ,6S model ,G ilabert model ,leaf area index.3加拿大国际发展署项目(CIDA )和国家自然科学基金资助项目(40128001)。
33通讯作者收稿日期:2005-09-17 接受日期:2006-04-111 引 言叶面积指数(leaf area index ,LA I )指单位地表面积上总叶片面积(双面或多面)的一半[10]。
它是植被系统的重要参数,用遥感影像反演LA I 、生产力、生物量等生态系统生物物理参数是植被生态遥感的重要内容之一[1,11]。
尤其随着全球变化研究的深入、全球范围和大区域尺度的森林碳循环和森林水文分布式模型的建立,LA I 常常作为重要的输入因子而成为模型中不可缺少的组成部分[5,6,9,13,16]。
目前存在很多使用遥感技术提取LA I 的方法[2,15],其中,通过建立植被指数(V I )与LA I 的相关关系来反演LA I 的方法目前最实用[3,7,10,12]。
但在这一方法中,有很多干扰因素制约了反演的精度,其中大气影响是一个最重要的因子[1,17,18,20]。
遥感技术是空间传感器获取地面地物信息的一生态学杂志Chinese Journal of Ecology 2006,25(7):769～773 个非常复杂的过程。
传感器接收到的地面辐射,既包括了地面反射光谱信息,也记录了大气辐射传输效应引起的地面反射辐照度的变化信息。
影像上灰度值的大小与地形、太阳光入射角、天空光散射、传感器观测角等有关。
由于遥感数据获取时受到大气的影响,直接通过影像DN值获取的植被指数带有大量的噪音,如果影像不经过大气校正,就不能够剔除这些干扰因素,也就影响了LA I的提取精度,所以有必要对遥感影像进行大气校正。
在对地光学遥感中,大气影响是妨碍遥感定量化和应用的关键因素之一。
目前大气校正模型大体可分为3类:基于影像特征的统计模型、基于地面定标的经验回归模型和基于大气传输理论的辐射传输模型。
基于影像特征的模型优点是不需要地面光谱及大气环境参数的测量。
辐射传输模型考虑光子与大气相互作用机理,物理意义明确。
经验模型要求有地面实测光谱数据,对大范围和地形复杂区域几乎是难以实现,故本研究未考虑此种方法。
本研究利用6S(Second Simulation of the Satellite Signal in the Solar Spectrum)大气辐射传输模型[19]和基于TM影像自身的G ilabert等[14]和Zhang等[21]大气校正模型分别对该影像进行了大气校正,得到地面反射率的反演,所产生的地面反射率图像消除了传感器和大气的影响。
比较了基于TM原始影像的植被指数和叶面积指数的相关性和经过这2种大气校正模型校正后的植被指数和叶面积指数的相关性,以及这2种大气校正模型对叶面积指数和植被指数相关性的影响。
2 研究地区与研究方法211 研究区概况褒河发源于秦岭太白山灵湫,在留坝县桑园流入汉中境内,经褒河水库流入汉中盆地,在勉县和汉台区交界处的孤山注入汉江,全长17515km,流域面积3908km2。
褒河流域地处亚热带与暖温带过渡区域,秦岭西南坡;海拔高度734～3767m,地势起伏很大;数百里褒水依山而行,从海拔3000m多的太白山飞流而下至石门峡谷,有2000m多落差。
气候具有暖温带与亚热带过渡性山地气候特点,年平均降水量782mm,年平均气温716℃。
植被地带属北亚热带常绿落叶阔叶混交林地带和暖温带落叶阔叶林地带,主要的森林植被类型有落叶阔叶林,如栎树类(Q uercus spp.)和油桐(A leurites f ordii)等,针阔混交林,如华山松(Pi nus arm andi)、油松(P. tabulaef orm is)、栎树类(Q uercus spp.)和桦树类(Bet ula spp.)等,高山针叶林有冷杉(A bies f abric)等。
212 研究方法21211 遥感数据 遥感数据为2003年6月5日的美国陆地资源卫星TM数据,其轨道号是128/36和128/37,太阳高度角64°。
21212 测定方法 森林叶面积指数的野外调查是利用加拿大国家遥感中心陈镜明博士研制的跟踪辐射与冠层结构测量仪(Tracing Radiation and Archi2 tecture of Canopies,TRAC)测得[8]。
野外观测于2003年7月期间进行。
用手持式Magellan GPS Field Pro V进行样地定位,根据GPS的定位坐标(W GS84坐标)在TM影像中选择距样地坐标最近的像元代表该样地,以该像元为中心,提取该像元相邻3×3像元的反射光谱信息,求其平均值,代表该样地的反射光谱信息。
结合地形图、森林分布图和实地考察将林型分成阔叶林区和针阔混交林区,考虑到地形影响,在每一个阔叶林样区和针阔混交林样区选择地势较为平坦、树木分布均匀的地区测量。