第三章 植被遥感
遥感应用模型4-植被(1)-覆盖率统计模型
其中
实际上，一个像元中往往含有多种植被类型，而 且它们的垂直密度 ( 叶面指数 LAI) 也是多样的。所 以混合模型假设像元NDVI 值实际上是像元中不同 植被类型的NDVI 值和非植被NDVI 值的加权平均。 其中
混合密度模型中植被覆盖率的计算十分复杂，必 须确定像元中不同植被类型的 NDVI 、叶面指数和 消光系数。
参考文献
基于土地覆盖分类的植被覆盖估算亚像元模型与 应用，遥感学报，2001，5（6）：416-422
作业
根据植被覆盖统计模型，选择两种分辨率遥感影 像数据，分别计算某一地区的植被覆盖率，比较 两次植被覆盖率计算结果的不同，试分析原因。
植被的亚像元模型表
均一像元
“均一像元类型”指像元完全被一定厚度的植被 覆盖，即fg = 1。因而“均一像元类型”的NDVI 值 主要取决于叶面指数LAI，由Bear′定律可得出LAI与 NDVI 的关系式:
其中： NDVI0 对应于裸土( LAI →0) 和NDVI ∞对应于 高垂直密度植被(LAI →∞) 的NDVI 值， k 是消光系 数。
植被指数NDVI 是单位像元内的植被类型、覆盖形 态、生长状况等的综合反映，其大小取决于植被 的叶面指数LAI (垂直密度) 和植被覆盖率fg (水平 密度) 等要素。 但不同的亚像元植被结构 ( 垂直密度和水平密度 ) 却可能产生相同的 NDVI 值。因此，为了更好理解 NDVI 与植被覆盖率fg的定量关系，需进一步对植 被覆盖的亚像元结构进行分析。
第三章 植被遥感
本章主要内容
植被覆盖率估算模型
植被覆盖率估算模型
植被覆盖率(单位面积内植被的垂直投影面积所占 面分比)，作为重要的生态气候参数，是许多全球 及区域气候数值模型中所需的重要信息，也是描 述生态系统的重要基础数据。
植被遥感的原理和应用
植被遥感的原理和应用1. 植被遥感的原理植被遥感是指利用遥感技术获取关于植被的信息。
主要通过感知、识别和解译植被的光谱、空间和时间特征，从而实现对植被生态系统的监测和评估。
植被遥感的原理可以概括为以下几点：•光谱反射特性：植被对不同波段的电磁辐射有不同的反射特性。
通过测量植被对可见光和红外辐射的反射率，可以获取与植被生理和结构特征相关的信息。
•植被指数：植被指数是通过计算植被光谱特征之间的关系得到的一种指标。
常用的植被指数有归一化植被指数（NDVI）、差值植被指数（DVI）等。
植被指数可以反映植被的生长状况和叶绿素含量等信息。
•植被分类：通过分析植被光谱特征的差异，可以将植被进行分类和识别。
常用的植被分类方法包括基于光谱特征的有监督分类和无监督分类等。
•时序变化：植被在不同季节和年份的生长状态存在差异，通过观测植被的时序变化，可以获取植被的生长过程和季节变化规律。
2. 植被遥感的应用植被遥感可以广泛应用于农林牧渔、环境保护、地质勘察和城市规划等领域。
以下是一些植被遥感的具体应用：•农业管理：植被遥感可以用于农作物的监测和评价。
通过监测植被生长状况和叶面积指数变化，可以实现农作物的施肥、灌溉和病虫害防治等管理工作。
•生态环境监测：植被遥感可以用于湿地、森林和草原等生态系统的监测和评估。
通过监测植被覆盖度、植被类型和植被退化状况等指标，可以了解生态系统的健康状况和环境变化趋势。
•火灾监测：植被遥感可以通过监测植被的温度和湿度等指标，实现对火灾的预警和监测。
及时发现火点并采取措施可以有效减少火灾的危害和损失。
•城市绿化规划：植被遥感可以用于城市的绿化规划和管理。
通过分析城市植被覆盖度和类型分布，可以优化城市绿地布局和植被种植结构，改善城市环境质量。
•土地利用变化：植被遥感可以用于监测土地利用变化和评估土地资源的可持续利用。
通过比较不同时间段的遥感影像，可以分析土地利用类型的变化和转移。
3. 总结植被遥感是一种重要的环境监测和资源管理技术。
植被信息遥感提取方法
植被信息遥感提取是一种利用遥感技术来获取地表植被信息的方法。
这种方法通过卫星或无人机拍摄地表图像，然后利用图像处理技术和计算机视觉技术，提取出植被的特征信息，如植被覆盖率、植被类型、植被生长状态等。
以下是植被信息遥感提取的基本方法：
1. 图像获取：使用卫星或无人机拍摄地表图像，获取不同分辨率、不同光谱特性的图像数据。
这些图像数据可以提供丰富的植被信息，为后续的植被信息提取提供基础。
2. 图像预处理：对获取的图像进行预处理，包括去噪、增强、裁剪等操作，以提高图像的质量和可读性，为后续的植被信息提取提供更好的基础。
3. 特征提取：利用图像处理技术和计算机视觉技术，从图像中提取植被的特征信息。
常用的特征包括植被覆盖率、植被类型、植被生长状态等。
这些特征可以通过不同的算法和方法进行提取，如基于光谱特征的方法、基于纹理特征的方法、基于机器学习的方法等。
4. 分类识别：将提取的特征进行分类识别，确定植被的类型和生长状态。
常用的分类方法包括监督学习、非监督学习等。
通过对图像中的植被进行分类，可以得到各种植被的信息，如草地的面积、森林的覆盖率等。
5. 结果评估：对植被信息提取的结果进行评估，以确保提取结果的准确性和可靠性。
评估的方法包括人工目视检查、统计分析等。
评估结果可以用于优化植被信息提取的方法和算法，提高结果的准确性和可靠性。
总的来说，植被信息遥感提取是一种综合利用遥感技术、图像处理技术和计算机视觉技术的方法，可以快速、准确地获取地表植被的信息。
这种方法在农业、林业、环境监测等领域具有广泛的应用价值。
植被遥感研究综述
植被遥感研究综述摘要：随着计算机科学的发展，遥感技术可以有效完成复杂时空尺度海量信息的收集处理，其与森林资源研究的交叉、融合大大提高了复杂时空尺度上森林资源动态研究的表达能力。
遥感已在森林资源综合监测、林火监测方面广泛应用。
由于RS 分辨率大幅度提高，波谱范围不断扩大，特别是星载和机载成像雷达的出现，使RS 具备多功能、多时相、全天候能力。
其中NOAA 卫星广泛用于监测全球森林宏观变化，MSS、TM、SPOT 用于区域中森林资源动态监测。
遥感技术极大地推动了我国森林植被的研究。
关键词：遥感信息处理植被监测植被指数1引言森林资源，是林业和生态环境建设的基础，总面积超过40亿hm，约占陆地总面积的31%，对经济、社会和环境的可持续发展有不可替代的作用。
遥感影像分类是森林资源调查和监测不可缺少的内容。
从不同来源、不同形式的遥感信息提取出森林植被的专题信息，为划分森林类型、绘制林相图、清查森林资源、预测预报森林病虫害及森林火灾、合理规划、利用和保护森林资源提供基础和依据。
20 世纪以来，由于森林面积萎缩和质量下降引发的生态环境事件不断出现，使得森林健康问题得到前所未有的关注，各国学者开展了大量而富有成效的研究工作。
但是，传统的原地观测与受控实验等研究方法不仅需要耗费大量的人力物力资源，且速度缓慢，缺乏时间序列上的可比性，一些偏远地区更是难以到达；因为缺乏恰当的尺度转换手段，整体研究结果常常难以令人信服，方法具有一定的局限性。
遥感技术则为人们提供了广阔的视野、海量的信息及一个可以实现客观、连续、重复、动态对比分析和推断预警的工作平台，已成功应用于植被研究的诸多领域，显示出强大的生命力。
2基本原理森林植被的物理属性与草原、荒漠、农田、水体、建筑用地等土地利用类型有很大的区别；不同森林植被在不同生存环境和生长发育阶段，体内生化物质组成、含量、特性以及细胞结构、含水量也各不相同，这种物理属性的差异形成了目标物独特的光谱反射曲线，是用于判断和区别森林植被的重要手段。
森林植被遥感图像分类及目标识别
森林植被遥感图像分类及目标识别植被遥感图像分类及目标识别是利用遥感技术进行森林植被研究和保护的重要手段。
它通过获取植被信息，实现对植被类型分类和目标识别的精准分析，为森林生态系统的管理、保护和可持续发展提供科学依据。
一、植被遥感图像分类森林植被遥感图像分类是指将遥感图像中的植被区域按照物种、功能和结构等特征进行分类。
这一过程需要借助计算机视觉和机器学习等技术手段，从遥感图像中提取有关植被的特征信息，并根据这些特征进行分类和识别。
在植被遥感图像分类中，常用的方法包括基于像元和基于对象两种方式。
基于像元的分类方法是指将每个像素点视为分类单元，通过像素点的光谱信息、纹理信息和形状信息等进行分类。
而基于对象的分类方法是将一组相连的像素点或区域视为一个分类单元，利用连接关系和形状特征进行分类。
常用的遥感图像分类算法包括支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest）、卷积神经网络（Convolutional Neural Network，CNN）等。
这些算法在特征提取、模型训练和分类决策等方面都有不同的优势，可以根据实际情况选择合适的算法进行植被遥感图像分类。
二、目标识别森林植被遥感图像目标识别是指在植被图像中准确识别出目标，如森林火灾、病虫害、盗伐等，以及其他与植被有关的人为活动。
目标识别的目的是及时监测和预警植被异常情况，为森林生态环境的保护提供依据。
目标识别的关键技术包括特征提取、目标检测和目标分类。
特征提取是从植被图像中提取与目标相关的特征信息，可以包括颜色、纹理、形状、结构等特征。
目标检测是在植被图像中寻找目标的位置和边界，常用的方法包括边缘检测、区域生长和模板匹配等。
目标分类是将检测到的目标进行分类和识别，可以利用机器学习和深度学习等技术进行分类模型的训练和应用。
在实际应用中，为了提高目标识别的准确性和效率，可以将植被遥感图像与其他数据源相结合，如地理信息系统（Geographic Information System，GIS）、气象数据和传感器数据等，进行多源数据融合分析。
论述植被的遥感波段特征
论述植被的遥感波段特征植被遥感是利用遥感技术获取地表植被信息的一种手段，通过对地球表面反射或辐射的电磁波进行探测，获取植被的空间分布、生理状况等信息。
在植被遥感中，不同的波段对于植被的反射和吸收呈现出独特的特征，对于理解和监测植被的生态、生理和空间分布具有重要意义。
本文将深入论述植被的遥感波段特征，涵盖可见光、近红外、红外和微波等波段，以及这些波段在植被遥感中的应用。
一、可见光波段特征可见光波段主要包括蓝、绿、红三个波段，它们的波长分别为0.45-0.50μm、0.50-0.60μm和0.63-0.70μm。
植被在可见光波段的特征主要表现在叶绿素的吸收和叶片的反射。
1.1 叶绿素吸收特征植物中的叶绿素对于蓝光和红光的吸收较高，而在绿光波段的吸收较低。
这是因为叶绿素A和B主要吸收波长为430-450nm和640-680nm 的光，而在绿光波段的吸收较小。
1.2 叶片反射特征植物的叶片在可见光波段表现出不同的反射特性。
通常，植被的叶片在绿光波段的反射较高，因为叶绿素对于绿光的吸收相对较低，而在红光波段的反射相对较低，因为叶绿素对于红光的吸收较高。
可见光波段主要应用于植被的视觉监测，通过对植被在不同波段的反射特性进行分析，可以识别植被类型、监测植被覆盖度以及研究植被的生长状态。
二、近红外波段特征近红外波段的波长范围为0.70-1.00μm，植被在近红外波段的特征主要表现在叶绿素的吸收和细胞结构的散射。
2.1 叶绿素吸收特征在近红外波段，叶绿素A和B对光的吸收较小，因此近红外波段的反射较高。
2.2 细胞结构散射特征植物细胞中的细胞壁和细胞质等结构在近红外波段对光表现出较强的散射，导致近红外波段的反射相对较高。
近红外波段主要应用于植被的生理监测，通过近红外波段的反射特性，可以推测植被的叶绿素含量、植被的生长状况以及植被的健康状态。
三、红外波段特征红外波段通常包括短波红外（SWIR）和中波红外（MWIR），波长范围分别为1.00-3.00μm和3.00-5.00μm。
植被遥感教案
植被遥感教案教案标题：植被遥感教案教案目标：1. 了解植被遥感的基本概念和原理。
2. 理解植被遥感在环境监测和资源管理中的应用。
3. 学会使用遥感数据和工具进行植被遥感分析。
教案步骤：引入活动：1. 引导学生思考植被遥感的概念，并与他们分享一些实际应用案例，如农业监测、森林管理等。
知识讲解：2. 介绍植被遥感的基本原理，包括遥感传感器、光谱特征、遥感数据获取等。
3. 解释植被遥感在环境监测和资源管理中的重要性和应用领域。
案例分析：4. 分发给学生一些植被遥感图像，并指导他们观察和分析图像中的植被分布情况。
5. 引导学生思考如何利用遥感数据来评估植被生长状况、监测植被覆盖变化等。
实践操作：6. 教授学生如何使用遥感工具（如遥感软件或在线平台）进行植被遥感分析。
7. 指导学生根据自己选择的研究区域，进行植被遥感分析实践，如计算植被指数、绘制植被覆盖图等。
讨论与总结：8. 组织学生讨论实践操作的结果，并分享彼此的发现。
9. 总结植被遥感的优势和局限性，并鼓励学生思考如何进一步应用植被遥感技术解决实际问题。
拓展活动：10. 提供一些拓展资源，如相关阅读材料、案例研究等，以帮助学生深入了解植被遥感的更多应用和发展趋势。
评估方式：11. 设计一份简单的问卷或小测验，以评估学生对植被遥感知识的掌握程度和实践能力。
教学资源：- PowerPoint演示文稿或教学板书- 植被遥感图像- 遥感软件或在线遥感平台- 拓展阅读材料和案例研究资料教案延伸：教师可以根据学生的学习进度和兴趣，进一步引导他们进行植被遥感实践项目，如利用遥感数据分析城市绿化覆盖率、监测自然灾害对植被的影响等。
此外，教师还可以引导学生进行相关的研究报告或展示，以提高他们的研究和表达能力。
植被遥感应用张超
如果忽略掉土壤线与轴的截距，并设
A点为任一植被——土壤系统的实测
值在坐标中的位置，则PVI值就代表
θ
Red
A点到土壤线间的垂直距离。
红外指数
红外指数 Infrared Index (II) 综合考虑了植被在近红外和短波红外对于植被生物量比较敏感，水分的影响 :
II NIRTM 4 MIRTM 5 NIRTM 4 MIRTM 5
TM穗帽变换的参数矩阵
植物遥感依赖于对植物叶片和植被冠层光谱特性的 认识，因而首先了解植物叶片和植被的结构，及叶 片和植被结构的光谱特性。
叶片光谱特征
叶面切面结构及其与 光谱特征的关系
上表皮层；栅栏层；海 绵层；气孔；下表皮层 叶绿素、水、木质素、 纤维素等物质
叶片的机构
光与叶片相互作用的机理－I 反射
Epidermis:表皮，上皮；palisade：栅栏；spongy：海绵
0.45 - 0.52 mm and 0.63 - 0.69 mm
Absorption Efficiency
假彩色合成图像
真彩色图像
不同生长状态 橡树叶子的反
射特性
Jensen, 2000
1 a
3 2
不同橡树叶子的反射特性
a.
b. 4
45 40 35 30 25 20 15 10
5
d. 0
Bl ue (0.45 - 0.52mm)
其中，
p * rb p* red p * blue p * red
在使用之前需要对蓝波段、红波段、和近红外波段进行分子散射和臭氧吸收的纠 正。
增强植被指数
针对 MODIS 数据提出的增强植被指数 Enhanced Vegetation Index (EVI)：
7植被遥感
主要内容
植被遥感原理 植被遥感解译 植被指数与植被覆盖信息提取
植被是生长在地球表层内各种植物类型的总 称，它是地球表层内重要的再生资源。
植被遥感是遥感应用的重要内容，也是地学 遥感理论研究和信息提取定量方法研究较为 成熟的领域之一。
植被遥感的主要内容有：植被遥感原理、基 于林业的植被遥感、基于农业的植被遥感、 植被多光谱遥感与植被指数信息提取、植被 指数与生物物理量以及地表生态环境的关联 研究、全球植被覆盖遥感监测与生物多样性 监测，等。
可见光两个吸收带、一个窄反射峰，近红外 宽反射峰，短波红外三个强吸收带。
总的来说，健康绿色植物的基本光谱特征：
光谱曲线总的“峰-谷”形态变化是基本相似的，说 明植物的光谱特性取决于其生物物理结构特征。
不同植物类别由于叶片的色素含量、细胞结构、含水 量的不同，其光谱曲线形态总是存在着一定的差异； 这就是植被遥感的理论基础和图像认知依据，也是进 行植被分类、长势监测、作物估产、病虫害预测等专 题研究的波谱分析依据。
3.植被物候特征与植被长势分析
植被物候特征和长势的解译需要利用多 时相的遥感数据，即基于波谱时差变化 信息，并利用图像处理算法进行信息提 取。
植被长势分析还需要对植物病虫害进行 遥感监测。
主要内容
植被遥感原理 植被遥感解译 植被指数与植被覆盖信息提取
植被指数
植被指数是植被定量遥感的特征参数，它是 将遥感图像光谱数据经数学方法处理后生成 的能够揭示植被生物物理学的一种特征参数 值。
对植被类型的图像解译是以覆盖层的植 冠的光谱特征组合、植冠构图的几何形 态及图像纹理标志位基本依据进行。
2. 植被地带性分布及植被区划解译
植被覆盖类型具有特定的地带性，可分为水 平地带性和垂直地带性。植被的地带性对植 被遥感解译具有一定的指导意义。
如何进行植被变化遥感监测和评价
如何进行植被变化遥感监测和评价近年来，植被变化对于生态环境和地球资源的可持续发展具有重要影响。
植被是地球上生物多样性和生态系统健康的关键组成部分。
随着技术的进步和遥感技术的广泛应用，通过遥感监测和评价植被变化成为可能。
本文将探讨如何进行植被变化遥感监测和评价的方法和技术，并讨论其在生态保护和资源管理中的应用。
一、植被遥感监测技术的原理植被遥感监测技术是利用卫星或航空器搭载的传感器获取植被相关数据，并通过分析这些数据来监测和评价植被变化的过程。
遥感监测植被变化的原理基于植物和其他植被形成可见光、红外辐射和微波辐射的反射、辐射和传输特性。
这些辐射特性可以通过遥感技术获取，并用于分析植被的生物物理参数和类型。
常用的遥感数据包括光学遥感数据和雷达遥感数据。
光学遥感数据主要利用自然光或主动辐射源的能量进行拍摄，包括可见光、红外光和热红外光等。
它具有高分辨率、丰富的信息和多波段的优势，可以提供详细的植被植物类型和植被指数。
例如，彩色合成图像可以提供植被的空间分布和类型，而归一化植被指数（NDVI）可以反映植被的繁茂程度和生长状况。
雷达遥感数据则利用雷达波的特性，通过发射和接收雷达信号来获取植被信息。
相较于光学遥感，雷达遥感在遥感图像的获取过程中不受时间、天气和云雾的限制，并具有较高的穿透能力。
雷达遥感数据可以被用来分析植被的结构、湿度和生理特性。
二、植被变化遥感监测的方法植被变化遥感监测的方法主要包括变化检测、分类和模型建立。
变化检测是指利用遥感数据比较和分析植被覆盖的差异，以找出植被变化的空间和时间模式。
这种方法可以通过多时相遥感影像的比较来检测植被变化，例如，利用NDVI值的变化来反映植被覆盖的改变。
植被分类是指将遥感图像中的植被区域划分为不同的类别，例如森林、草地、农田等。
这种方法可以通过监督或无监督分类技术来实现。
监督分类需要预先定义训练样本来训练分类算法，而无监督分类则通过聚类分析来自动划分植被类别。
《遥感导论》课后练习题
遥感导论》课后练习题第一章遥感概述1. 遥感的基本概念，并区分遥感的广义和狭义。
2. 简述遥感探测系统组成。
3. 根据不同目的或手段，简述遥感的类型。
4. 简述遥感的特点，并举例。
5. 试述全球及我国遥感技术的进展和发展趋势，并结合地学发展阐述个人的看法或观点。
第二章电磁辐射与地物光谱特征1. 电磁波含义及电磁波的性质。
2. 电磁波谱的含义，电磁波区段的划分是怎样的？3. 辐射通量，辐射通量密度的物理意义。
4. 简述辐照度，辐射出射度和辐射亮度的物理意义，其共同点和区别是什么？5. 朗伯源和黑体的概念？6. 大气的散射现象有几种类型？根据不同散射类型的特点分析可见光遥感和微波遥感的区别，说明为什么微波具有穿云透雾的能力而可见光不能？7. 什么是大气窗口？对照书内卫星传感器表中所列波段区间和大气窗口的波段区间，理解大气窗口对于遥感探测的重要意义。
8. 综合论述太阳辐射传播到地球表面又返回到遥感传感器这一整体过程中所发生的物理现象9. 从地球辐射的分段特性说明为什么对于卫星影像解译必须了解地物反射波谱特性。
10. 列举几种可见光与近红外波段植被、土壤、水体、岩石的地物反射波谱曲线实例。
11. 在真空中电磁波速为3X108叹(1)可见光谱的波长范围从约3.8 X0-7 m的紫色光到约7.6 X0-7m的红色光，其对应的频率范围为多少？(2)X射线的波长范围约5X10-9—1.0 10-11m,其对应的频率范围是多少？(3)短波无线电的频率范围约为1.5MH z ---300MH z其对应的波长范围是多少？12. 在地球上测得太阳的平均辐照度1=1.4 103 W m2设太阳到地球的平均距离约为1.5)1011m试求太阳的总辐射能量。
13. 假定恒星表面的辐射与太阳表面辐射一样都遵循黑体辐射规律。
如果测得到太阳辐射波谱入=0.51卩的北极星的入=0.35卩,试计算太阳和北极星的表面温度及每单位表面积上所发射出的功率是多少？14. 已知日地平均距离为天文单位，1天文单位〜1.496 X3m0太阳的线半径约为6.96 X05KM(1)通过太阳常数I o,计算太阳的总辐射通量E。
植被遥感
第7 章植被遥感植被是生长于地球表层的各种植物类型的总称，在地球系统中扮演着重要的角色，它是地球表层内重要的再生资源。
植被是全球变化中最活跃、最有价值的影响要素和指示因子。
植被影响地气系统的能量平衡,在气候、水文和生化循环中起着重要作用,是气候和人文因素对环境影响的敏感指标。
因此,地球植被及其变化一直被各国科学家和政府所关注。
卫星遥感是监测全球植被的有效手段,卫星从太空遥视地球,不受自然和社会条件的限制,迅速获取大范围观测资料,为人类提供了监测、量化和研究人类有序活动和气候变化对区域或全球植被变化影响的可能。
植被遥感研究的主要内容：（1）通过遥感影像从土壤背景中区分出植被覆盖区域，并对植被类型进行划分，区分是森林还是草场或者农田，进而可以问是什么类型的森林，什么类型的草场，什么样的农作物，如此等等。
（2）能否从遥感数据中反演出植被的各种重要参数，例如叶面积指数（LAI）、叶子宽度、平均叶倾角、植被层平均高度、树冠形状等等，这一类问题属于更深层次的遥感数据定量分析方法与反演技术。
（3）能否准确的估算出与植被光合作用有关的若干物理量，例如植被表面水分蒸腾量、光合作用强度（干物资生产率）、叶表面温度等。
关于植被资源的清查与分类方面以已取得了较为突出的成绩，后两个问题正是植被遥感所要研究的问题，虽已取得了相当的进展，但到成熟仍需时日。
7.1 植物的光谱特征植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。
同时，不同的植物各有其自身的波谱特征，从而成为区分植被类型、长势及估算生物量的依据。
7.1.1 健康植物的反射光谱特征健康植物的波谱曲线有明显的特点（图7.1），在可见光的0.55µm附近有一个反射率为10％~20％的小反射峰。
在0.45µm和0.65µm附近有两个明显的吸收谷。
在0.7~0.8µm是一个陡坡，反射率急剧增高。
在近红外波段0.8~1.3µm之间形成一个高的，反射率可达40％或更大的反射峰。
《遥感导论》课后练习题
《遥感导论》课后练习题第一章遥感概述1. 遥感的基本概念，并区分遥感的广义和狭义。
2. 简述遥感探测系统组成。
3. 根据不同目的或手段，简述遥感的类型。
4. 简述遥感的特点，并举例。
5. 试述全球及我国遥感技术的进展和发展趋势，并结合地学发展阐述个人的看法或观点。
第二章电磁辐射与地物光谱特征1. 电磁波含义及电磁波的性质。
2. 电磁波谱的含义，电磁波区段的划分是怎样的？3. 辐射通量，辐射通量密度的物理意义。
4. 简述辐照度，辐射出射度和辐射亮度的物理意义，其共同点和区别是什么？5.朗伯源和黑体的概念？6.大气的散射现象有几种类型？根据不同散射类型的特点分析可见光遥感和微波遥感的区别，说明为什么微波具有穿云透雾的能力而可见光不能？7. 什么是大气窗口？对照书内卫星传感器表中所列波段区间和大气窗口的波段区间，理解大气窗口对于遥感探测的重要意义。
8. 综合论述太阳辐射传播到地球表面又返回到遥感传感器这一整体过程中所发生的物理现象。
9. 从地球辐射的分段特性说明为什么对于卫星影像解译必须了解地物反射波谱特性。
10. 列举几种可见光与近红外波段植被、土壤、水体、岩石的地物反射波谱曲线实例。
11. 在真空中电磁波速为3×108 s m（1）可见光谱的波长范围从约3.8×10-7 m 的紫色光到约7.6×10-7m 的红色光，其对应的频率范围为多少?（2）X 射线的波长范围约5×10-9—1.0×10-11m,其对应的频率范围是多少？（3）短波无线电的频率范围约为1.5MH Z ---300MH Z 其对应的波长范围是多少？12.在地球上测得太阳的平均辐照度I=1.4×1032m w设太阳到地球的平均距离约为1.5×1011m 试求太阳的总辐射能量。
13.假定恒星表面的辐射与太阳表面辐射一样都遵循黑体辐射规律。
如果测得到太阳辐射波谱λ=0.51μm,的北极星的λ=0.35μm ，试计算太阳和北极星的表面温度及每单位表面积上所发射出的功率是多少？ 14.已知日地平均距离为天文单位，1天文单位≈1.496×103m ，太阳的线半径约为6.96×105KM（1）通过太阳常数I 0,计算太阳的总辐射通量E 。
植被遥感
C1 = ( R − RS ) /( RV − RS )
C2 = ( ρ − ρs ) /( ρv − ρs )
ρ:植被与土壤混合光谱反射率 ρs :纯土壤宽波段反射率 ρv :纯植被宽波段反射率
RVI、NDVI与植土比分别成指数和幂函数关系 RVI、NDVI与植土比分别成指数和幂函数关系。 与植土比分别成指数和幂函数关系。 遥感测量植被覆盖度方法： 遥感测量植被覆盖度方法： 回归模型法、植被指数与像元分解模型法。 回归模型法、植被指数与像元分解模型法。 回归模型法：是通过对遥感数据的某一波段、波段组合或利用遥感数据 回归模型法：是通过对遥感数据的某一波段、
NDVI = A[1 − B exp(−C • LAI )] RVI = A′[1 − B′ exp(−C ′ • LAI )]
A、B、C为经验系数。 A由植物本身光谱反射确定 B与叶倾角、观测角相关 C取决于叶子对辐射的衰减，衰减成非线性的指数函数关系。
植被指数与叶绿素含量的关系： 植被指数与叶绿素含量的关系：
3）差值植被指数DVI 差值植被指数DVI
DVI = DN NIR − DN R
4）缨帽变换中的绿度植被指数GVI 缨帽变换中的绿度植被指数GVI
GVI = −0.2848TM 1 − 0.2435TM 2 − 0.5436TM 3 + 0.7243TM 4 + 0.084TM 5 − 0.18TM 7
植物内部所含的色素、水分以及它的结构等控制 植物内部所含的色素、 所含的色素 着植物特殊的光谱响应。 着植物特殊的光谱响应。 植被在生长发育的不同阶段（从发芽-生长生长发育的不同阶段 植被在生长发育的不同阶段（从发芽-生长-衰 ），内部成分结构及外部形态特征均会发生变 老），内部成分结构及外部形态特征均会发生变 化。
高中地理第三章第二节-遥感技术及其应用
利用飞机携带遥感仪器 的遥感。包括 600 一 10 000 米的低、中空遥 感， 10 000 一 25 000 米 的高空、超高空遥感 机动性强，可以 根据研究主题选 择适当的传感器、 适当的飞行高度 和飞行区域 用于城市遥感、 海面污染监测、 森林火灾监测 等中、高分辨 率的遥感活动
类型
例 2 下列技术中，关键装置为 传感器的是（A ）
A
．遥感技术 B ．地理信息技术 C ．全球定位技术 D ．电子通信技术
解析：遥感技术系统由遥感平
台、传感器、信息传输接收装 置、数字或图像处理设备以及 相关技术等组成。其中，传感 器是遥感技术信息获取和传输 的关键装置。
二、遥感与资源ห้องสมุดไป่ตู้查
．不同的地物和地物的不同 状况，有不同的反射率，根据 这个原理，可以利用遥感的工 作有判断水体污染、分析城市 大气污染、监测灾害、普查资 源等等。
P92活动第3小题参考答案
3
．在矿产资源调查方面，可以利 用遥感资料进行成矿条件的地质分 析，提出矿产普查勘探的方向，指 出矿区的发展前景。我国吉林省铜 矿资源较为丰富，通过对全省陆地 卫星图像的分析，不同物质的波谱 特征不同，发现铜矿的分布与线性 构造密切相关，对于开发这个地区 的铜矿具有重要意义。
3 ．遥感技术在农业方面的应用有 ( D)
①
识别各种农作物 ② 计算种 植面积 ③ 根据作物生长情况估 计产量 ④ 农作物灾情预报 A ． ① ② ③ B ． ② ③ C ． ① ③ ④ D ． ① ② ③ ④
①
海上冰山漂流监测 ② 海上 石油污染监测 ③ 近海赤潮灾 害监测 ④ 海岸港口工程规划 A．①② B．①②③ C．①②③④D．②③
例 3 ( 2004 ·广东、广西）在遥感技术中， 可以根据植物的反射波谱特征判断植物的 生长状况。读图回答（ 1 ）-（ 3 ）题。
植被遥感检测的原理与方法
植被遥感检测的原理与方法
植被遥感检测是利用遥感技术获取地面植被信息的过程。
其原理和方法主要包括以下几个方面：
1. 光谱特征：植被具有不同的光谱特征，不同类型的植被在不同波段的反射率存在差异。
利用遥感传感器获取地面反射光谱信息，可以判断植被的类型和状态。
2. 植被指数：植被指数是通过计算不同波段反射率之间的比值或差值来反映植被状态的指标。
常用的植被指数包括NDVI（归一化植被指数）、EVI（增强型植被指数）等。
通过计算植被指数可以评估地表植被的覆盖度、生长情况等。
3. 形状特征：植被在不同生长阶段和环境条件下具有不同的形状特征。
通过遥感图像的形态学处理方法，可以提取植被的边界、形状和空间分布等信息。
4. 纹理特征：植被表面的纹理信息可以反映植被的结构和生长状况。
纹理特征分析方法包括协方差矩阵、灰度共生矩阵等。
通过提取植被纹理特征，可以评估植被的密度、分布等。
在植被遥感检测中，常用的方法包括单波段阈值法、多波段指数法、分类方法等。
单波段阈值法是利用一个波段的反射率或亮度信息，通过设置合适的阈值来划分植被和非植被区域。
多波段指数法是通过计算不同波段的植被指数，根据指数的阈值或变化趋势来区分植被类型。
分类方法是使用统计学、机器学习等技术，将
遥感影像像素分为植被和非植被两类，并实现植被类型的自动识别和分类。
常用的分类方法包括最大似然法、支持向量机、深度学习等。
植被遥感检测的原理和方法可以根据具体应用需求和数据资源来选择和应用，从而实现对不同区域和不同尺度的植被信息的提取和分析。
植被遥感光谱分析
植被遥感光谱分析植被遥感数据通常通过航空或卫星遥感手段获取，包括不同波长范围的多光谱数据和高光谱数据。
这些数据记录了植被对不同波长的反射率或辐射通量的信息，通过对这些数据进行光谱分析，可以获取植被的光谱特征，从而识别植被类型、提取生理参数、评估植被健康状态等。
在植被遥感光谱分析中，有三个关键步骤：预处理、特征提取和分类识别。
预处理包括对光谱数据进行大气校正、地物校正和辐射校正等，以消除大气和地表因素对光谱信号的影响，获得地物反射率。
特征提取是指从光谱数据中提取出与植被相关的特征参数，例如植被指数、高光谱纹理特征等。
常用的植被指数包括归一化植被指数（NDVI）、差异比值植被指数（DVI）、叶绿素指数（CI）等，它们可以反映植被的绿度、生长状态和叶绿素含量。
分类识别是利用提取的特征参数，通过分类算法将不同类型的植被进行自动分类和识别。
常用的分类算法有最大似然法、支持向量机、人工神经网络等。
植被遥感光谱分析在农业、森林资源管理、环境监测等领域有广泛应用。
在农业方面，可以通过光谱分析，监测农作物的生长状态、水分和养分状况，为农业管理提供精细化的决策支持；在森林资源管理方面，可以通过遥感光谱分析，识别森林类型、估计林木生长量和生产力，帮助制定森林经营计划；在环境监测方面，可以通过光谱分析，评估湖泊水质、海岸带植被覆盖状况，帮助环境保护和生态修复工作。
然而，植被遥感光谱分析也面临一些挑战。
一方面，由于植被光谱数据的复杂性和多变性，需要对数据进行精确的校正和去除干扰因素，以获得准确的植被信息；另一方面，不同植被类型和生理状态之间的光谱差异较小，容易导致分类识别的困难，需要选择合适的特征参数和分类算法。
总之，植被遥感光谱分析是一种重要的技术手段，在农业、森林资源管理和环境监测等领域有着广泛的应用前景。
随着遥感技术的不断发展和光谱数据的提供，植被遥感光谱分析将会在未来进一步发挥更大的作用，为植被研究和资源管理提供更为精确和详细的信息。
- 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)。
王细元 城市与环境学院
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
王细元 城市与环境学院
3.2 植被生态参数的估算
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
（3）差值植被指数（Difference Vegetation Index） 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DVI= DNNIR-DNR 或 DVI=NIR - R
王细元 城市与环境学院
3.2 植被生态参数的估算
Geography Analysis for Remote Sensing
在植被遥感中，NDVI的应用最为广泛。它是植 被生长状态及植被覆盖度的最佳指示因子，与植被分
布密度呈线性相关。因此又被认为是反映生物量和植
遥 感 地 学 分 析
被监测的指标。 NDVI的一个缺陷在于，对土壤背景的变化较为
敏感。
实验表明，作物生长初期NDVI将过高估计植被覆 盖度，而在作物生长的结束季节，NDVI值偏低。因 此，NDVI更适用于植被发育中期或中等覆盖度的植 被检测。
王细元 城市与环境学院
3.2 植被生态参数的估算
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
遥 感 地 学 分 析
型质量）
反演出植被的各种重要参数。（叶面积指数、叶子
宽度、树冠行政、高度）
估算与光合作用有关的物理量。（叶面积温度、植 被表面水分蒸腾量）
王细元 城市与环境学院
内容提要
Geography Analysis for Remote Sensing
3.1 植被的光谱特性
遥 感 地 学 分 析
基于ETM+遥感影像的南京市城市绿地的动态监测 ——郑光 摘要: ……本文利用 1988 年和2002 年的南京市域范 围的ETM+ / TM 影像, 通过分别计算亮度指数和垂 直植被指数, 建立亮度-垂直植被指数( BI-PVI) 平 面, 通过计算TM3-TM4平面内的点到 非植被线的距 离, 求得亮度- 植被指数向量, 进而得出变化向量获取 城市绿地的变化…… 王细元 城市与环境学院
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
不同水分含量对玉米叶子反射率的影响
王细元 城市与环境学院
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
红边定义为反射光谱的一阶微分最大值所对应的光谱位置。 当叶绿素含量高，生长旺盛时，红边向波长增加的方向偏 移，称红移。 当植被受损时，则红边会向波长短的方向移动，称蓝移。
王细元 城市与环境学院
3.2 植被生态参数的估算
Geography Analysis for Remote Sensing
（1）比值植被指数（Ratio Vegetation Index）
遥 感 地 学 分 析
由于可见光红波段（R）与近红外波段（NIR） 对绿色植物的光谱响应十分不同。两者简单的数值 比能充分表达两反射率之间的差异。
王细元 城市与环境学院
基于TM 影像的重庆市北碚区地表植被覆盖变化—兰明娟 摘要: …… 利用重庆市北碚区 1988 年与 2007 年的 Landsat TM 影像数据, 编制归一化植被指数(NDVI) 图, 进而计算生成植被覆盖度图像. 通过掩膜技术和变化检 遥 测等方法提取了研究区 1988- 2007 年的植被覆盖变化 感 信息.……
王细元 城市与环境学院
3.2 植被生态参数的估算
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
（4）缨帽变换中的绿度植被指数（GVI） 缨帽变换（TC）是指在多维光谱空间中， 通过线性变换、多维空间的旋转，将植物、土 壤信息投影到多维空间的一个平面上，在这个 平面上使植被生长状况的时间轨迹（光谱图形） 和土壤亮度轴相互垂直。也就是，通过坐标变 换使值被与土壤特征分离。 缨帽变换是一种通用的植被指数，可以 被用于 Landsat MMS 或 Landsat TM 数据。
第三章 植被遥感
城市与环境学院 王细元
xiyuan80_wang@ /ygdxfx/
遥感地学分析，黄家柱教授
遥 感 地 学 分 析
Geography Analysis for Remote Sensing
意义：
植被是全球变化中最活跃、最有价值的影响因素和
王细元 城市与环境学院
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
城市绿地遥感信息自动提取研究—— 以广州市为例 ——刘小平 , 邓孺孺, 彭晓鹃 摘要: ……提出了一种新的基于像元信息分解和神经网 络分类相结合的城市绿地遥感信息自动提取方 法。……
王细元 城市与环境学院
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
不同植物光谱反射曲线比较
王细元 城市与环境学院
叶子颜色
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
不同颜色叶子的反射光谱
王细元 城市与环境学院
地 学 分 析
Geography Analysis for Remote Sensing
基于遥感的城市绿地信息监测分析—— 以扬州市为例 ——许 超 摘要: ……利用不同时相的 CBERS 02的 CCD数据和中国 资源卫星二号星的全色数据, 选用合适的方法对城市主要 地物信息进行自动(半自动)提取, 对扬州市城区绿地系统 的变化进行动态监测及分析。……
遥 感 地 学 分 析
王细元 城市与环境学院
Geography Analysis for Remote S Nhomakorabeansing
从植物的典型波谱曲线来看，控制植物反 射率的主要因素有植物叶子的颜色、叶子的细
遥 感 地 学 分 析
胞构造和植物的水分等。植物的生长发育、植 物的不向种类、灌溉、施肥、气候、土壤、地 形等因素都对有机物的光谱特征发生影响，使 其光谱曲线的形态发生变化。
3.2 植被生态参数的估算 3.3 灾害监测
3.4 资源遥感调查
王细元 城市与环境学院
3.1 植被的光谱特性
Geography Analysis for Remote Sensing
3.1.1 健康植被的光谱特性 健康植物的波谱曲线有明显的特点，在可
遥 感 地 学 分 析
见光的0.55µm附近有一个反射率为10％~20％的 小反射峰。在0.45µm和0.65µm附近有两个明显 的吸收谷。在0.7~0.8µm是一个陡坡，反射率急 剧增高。在近红外波段0.8~1.3µm之间形成一个 高的，反射率可达40％或更大的反射峰。在 1.45µm，1.95µm和2.6~2.7µm处有三个吸收谷。
遥 感 地 学 分 析
指示因子。
植被影响地气系统的能量平衡，在气候、水文和生 化循环中起着重要作用，是气候和人文因素对环境 影响的敏感指标。
王细元 城市与环境学院
Geography Analysis for Remote Sensing
研究主要方向：
从土壤背景中区分出植被覆盖区域。（延伸：植被类型，类
王细元 城市与环境学院
3.2 植被生态参数的估算
Geography Analysis for Remote Sensing
缨帽变换（TC变换）是以陆地卫星MSS各波 段的辐度亮度值作为变量。经线性变换后，组
遥 感 地 学 分 析
成4个新变量：
TC10.433MSS40.632MSS50.586MSS60.264MSS7 TC2-0.290MSS4-0.562MSS5-0.600MSS60.491MSS7
相关文献（自学）
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
南京市城市绿地现状遥感分析——周文佐等 摘要: …… 研究中尝试用NDV I波段及其它波段组合对 南京城市植被进行解译, 效果较好。研究结果表明, 南 京生态绿地分布很不平衡。…… 基于 TM影像的城市绿地信息提取方法研究——姚 静等 摘要:……实验过程中首先对图像进行预处理 , 然后通过 四种绿地信息提取方案进行比较分析 , 这四种方案分 别为: 原始波段合成法、主成份分析法、归一化植被 指数 (NDV I )法和实验波段组合法。……
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”(Vegetation Index)。 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。
王细元 城市与环境学院
王细元 城市与环境学院
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
植物遭受不同程度损害的反射光谱曲线
王细元 城市与环境学院
3.2 植被生态参数的估算
Geography Analysis for Remote Sensing
遥 感 地 学 分 析
王细元 城市与环境学院
3.2 植被生态参数的估算
Geography Analysis for Remote Sensing
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