植被含水量的遥感反演方式ppt课件

;.
9
2:水分的敏感光谱波段
对于MODIS数据而言,1230～1250nm比较适合用于预测含水量。Penuelas等指出近红外858nm波段 是反演水含量的一个好的选择,因为相对于更长的近红外和短波红外波段,此波段对水含量的变化不敏 感,故很适合用它来进行归一化处理。
Chen等在用Landsat数据反演含水量时发现短波红外位于1550～1750nm波段较佳,并且发现1640nm、 2130nm波段处对水分的吸收很敏感。
• RWC =(FW-DW)/(TW –DW)×100 %
• EWT =(FW-DW)/A
g/ cm^2
• 植物鲜重用FW表示;植物干重用DW表示;植物饱和鲜重用TW表示;单位都是g
• 叶面积用A表示 单位是cm^2
;.
3
• 把植物鲜重在80℃下烘干24小时以上直到恒重,就得到植物的干重
• 把新鲜植物水合至饱和就得到了植物饱和鲜重
在1971年, Thomas就用完全饱和的叶片在室温下逐渐干燥的方法来获取不同含水量下的反射光谱,并 研究了叶片含水量与光谱反射率之间的关系,结果表明叶片的光谱反射率随叶片含水量的下降而增 加,1450nm和1930nm波段的反射率与叶片的相对含水量显著相关。
Sims等经过研究指出950～970nm ,1150～1260nm和1520～1540nm波段和冠层水分相关性很好,尤其 在960nm和1180nm处没有大气的干涉,是监测冠层含水量的较佳选择。
;.
2
植被含水量的定义
• 常用含水量表示方法有三种:
• 叶片含水量FMC( Fuel Moisture Content )
• 相 对 含 水 量RWC( Relative Water Content )
• 等效水深EWT ( Equivalent Water Thickness)
• FMC =(FW-DW)/(FW or DW) ×100 %
;.
源自文库
6
2:水分的敏感光谱波段
大量的研究表明植被水分对热红外波段 (6. 0～15. 0μm)、近红外(700～1300nm)和短波红外 (1300～3000nm)波段比较敏感。
自1963年提出以冠层温度指示植被水分亏缺以来,冠层温度法成为诊断作物水分状况的一个重要手 段。
30多年来,有关科学家相继提出了参考温度法、胁迫积温法、作物缺水指标法以及水分亏指数法等, 并在田间以及区域尺度上展开了大量的应用研究。
;.
7
2:水分的敏感光谱波段 但利用热红外波段反演植被水分仍受到环境状况的强烈影响,还不足以说明作物水分状况在时间
和空间上随环境的巨大变化而变化,并且热红外波段更适合于指示植被的蒸腾作用所以对植被含水量 的反演更多的焦点聚集于近红外-短波红外波段。
;.
8
2:水分的敏感光谱波段
为了明确水分的敏感光谱波段,早在1951年, Curcio就指出820nm、970nm、1200nm、1450nm和 1940nm处是水分的强吸收波段,可以用来诊断植物的含水量。
• 研究表明,FMC、RWC和EWT是表征含水量的三个不相关量,是定量提取含水量的不同方法。
• 研究发现在用遥感数据反演含水量时,短波红外波段与EWT相关性较好,而与FMC相关性较差,并且表明 用EWT来表征含水量要优于用FMC表示,因为FMC要受叶子中的干物质影响。
• 在研究EWT和FMC的关系时发现,对于桉树叶,其近红外波段反射光谱与FMC有很好的相关性,而短波红外 波段的反射光谱与EWT高度相关。
• 二是建立物理模型,即建立含水量的叶片散射和吸收模型,将叶片模型耦合到冠层模型中反演整个冠层 的含水量。
;.
11
统计分析方法 • 叶片生化组分对应特定光谱的吸收特征,利用多元回归可以确定化学组分和光谱数据相关程度高的波
段和波段组合,从而反演出化学组分含量。在进行回归分析的过程中,采用逐步回归的方法,通过F检验, 使对因变量贡献大的因子随时可以进入方程,贡献小的因子又可以随时剔除,从而建立最优回归方程。
;.
4
植被含水量光谱反演原理及 水分的敏感光谱波段
• 1 植被含水量光谱反演原理 • 2 水分的敏感光谱波段
;.
5
1:植被含水量光谱反演原理
• 每一种物质对不同波长的电磁波的吸收和反射都不同,物质的这种对不同波段光谱的响应特性叫光谱 特性。植被光谱诊断便是基于植被的光谱特性来进行的。
• 植被反射波谱中某些波长的光谱反射和吸收差异是由植被中化学组分分子结构的化学键在一定辐射水 平的照射下发生振动引起的,从而产生了不同的光谱反射率,且该波长处光谱反射率的变化对该化学组 分的含量多少非常敏感(故称敏感光谱) 。植被含水量光谱诊断的实现便是以植被水分敏感光谱的反射 率与水含量的相关关系为基础的。
;.
10
植被含水量反演方法
• 在明确了水分于近红外-短波红外波段比较敏感后,许多学者对用光谱反射率诊断植株水分状况 进行了 可行性分析。国内外研究植被水分含量与光谱特征之间的关系,主要集中在两个方面:
• 一是利用统计模型,即对观测到的数据作经验性的统计描述,或进行相关分析,由叶片和冠层光谱特征估 算含水量,不解答为什么有这样的相关或统计结果这类问题;
植被含水量反演
;.
1
介绍
近年来随着成像光谱技术的兴起,如何利用遥感数据监测植被化学特性,已成为全球变 化研究中重要的议题。
水分是控制植物光合作用、呼吸作用和生物量的主要因素之一,水分亏缺会直接影响植 物的生理生化过程和形态结构,从而影响植物生长和产量与品质,因此植物的水分在农林业 的应用中是一个重要的参数,研究植物水分状况具有重要的意义。利用成像光谱遥感估测植 物水含量有很大的潜力,它可以实时快速准确地监测或诊断出植物水分状况,从而可有效及 时指导精确植物灌溉,有效评价自然干旱情况,及时预测森林火灾。
其中C为生化组分含量,N为入选的波段数,α0、αi分别为回归常数和第i个回归系数,D(λi)为入选的波段 光谱值。
;.
12
统计分析方法
• 确定了植被水分的敏感光谱后,在统计分析的基础上,前人提出了很多不同的指数和方法来诊断植物的 含水量。这些统计模型可以大致分为以下三类:
• 1:建立光谱指数 • 2:基于光谱导数变量建立模型 • 3包络线消除法