五种TM影像大气校正模型在植被遥感中的应用
表观反射率及其在植被遥感中的应用
表观反射率及其在植被遥感中的应用1 背景在植被遥感中经常涉及到植被指数，例如，归一化差植被指数(NDVI)。
用何种遥感数据计算才能得到较真实的植被指数?对于同一块森林或草地，如何对比和监测它们在不同时期的状况?这些研究均需要定量化的方法。
本文试图对辐射校正中存在的一些容易混淆的概念和术语，进行澄清。
特别对植被遥感应用定量化、监测，具有特殊作用的大气层顶表观反射率(简称表观反射率，Apparent reflectance)的定义；长期以来，各种书刊关于辐射校正(Radiometriccorrection)的定义和内容没有统一。
辐射定标(Ra—diometric calibration)、辐射校正和大气校正(Atmo—spheric correction)使一些初步参与遥感应用的人员感到困惑。
他们不知道三者之间的区别和关系。
有的人员将辐射定标与辐射校正等同，有的则认为大气校正是独立于辐射校正的。
从光学遥感数据的获取过程，我们知道地物反射的辐射亮度 (Radiance)通过大气层，然后被卫星传感器接收，最后转换为DN值。
理想状况下，光学遥感传感器各波段纪录下的辐射通量应该是地物反射的精确测量值。
然而，误差(噪声)在遥感数据获取过程中，通过几种途径混杂进来。
辐射校正的目的就是消除这些误差(噪声)。
它们包括，由传感器本身产生的内部误差和由环境影响——大气和地形影响引起的外部误差。
内部误差一般是系统的、可以预测的，通过卫星发射之前的辐射定标(Pre—flight calibration)和运行中的星上辐射定标(On board calibration)、替代(场地)辐射定标(Vicarious calibration)来确定。
而外部误差在自然界是变化的、不确定的，非系统误差。
一般在内部误差校正(即辐射定标)后，由用户自己来消除这种误差。
在平原地区，只进行大气校正即可消除它，而在山区，除大气校正外，有时还要进行地形辐射校正。
如何利用遥感影像进行草地覆盖度监测
如何利用遥感影像进行草地覆盖度监测草地覆盖度是一个重要的生态指标，对于草原生态环境的保护和管理具有重要意义。
遥感技术是一种有效的手段，可以对大范围的地表覆盖进行监测。
本文将介绍如何利用遥感影像进行草地覆盖度监测。
一、遥感影像获取遥感影像是利用卫星或航空平台上的传感器对地面进行观测和测量的图像数据。
在草地覆盖度监测中，我们可以选择合适的遥感影像进行分析。
常见的遥感影像有光学影像和合成孔径雷达（SAR）影像。
光学影像获取的是地面反射光的信息，可以通过检测植被的绿色指数来估算草地覆盖度。
而SAR影像则可以获取地表的微波散射信号，对地表覆盖进行分析。
二、影像预处理在进行草地覆盖度监测之前，我们需要对获取的遥感影像进行预处理。
预处理的目的是消除影像中的噪声和干扰，提高后续处理的质量。
常见的预处理步骤包括辐射校正、大气校正、几何校正等。
辐射校正是将影像的数字值转换成表面反射率，大气校正是消除大气散射对反射率的影响，几何校正则是将影像的几何形状调整为实际地面的几何形状。
三、草地覆盖度估算在遥感影像预处理完成后，我们可以通过不同的方法来估算草地覆盖度。
一种常用的方法是利用植被指数来估算草地覆盖度，常见的植被指数有归一化植被指数（NDVI）和差值植被指数（DVI）。
这些指数可以通过计算不同波段的遥感数据来获取，通过对比这些指数的数值范围，可以估算不同覆盖度的草地。
另一种方法是利用目标识别和分类算法。
通过构建训练样本来训练分类器，然后将分类器应用于整个影像，将影像像素分为不同的类别，如草地、裸地和水体等。
最后，通过统计每个类别的像素数量，可以得到不同类别的覆盖度。
四、草地覆盖度动态变化监测草地覆盖度的动态变化是草地管理和保护的重要内容。
利用遥感影像可以对草地覆盖度的动态变化进行监测。
一种常用的方法是利用时间序列的遥感影像数据。
通过获取多期的遥感影像数据，并进行影像预处理和草地覆盖度估算，可以获得不同时间点的草地覆盖度信息。
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
ENVI-专题五LandsatTM辐射定标与大气纠正
ENVI-专题五LandsatTM辐射定标与大气纠正专题五Landsat TM辐射定标与大气纠正图像处理流程分为以下几个步骤：图像的配准、重采样、定标以及大气纠正。
其中，图像配准是做所有工作的前提，是图像的几何纠正。
在进行定性或者定量遥感时都要进行图像配准来确定我们所要研究的目标。
在进行完图像配准（几何纠正）之后，为了使得输出图像的配置与输入图像向对应，因此要进行重采样。
定标以及大气纠正则是进行辐射量纠正的重要的过程，是进行定量遥感不可少的步骤。
分类是图像处理的最后一步，按某种使用意图分类之后的图像，对实际应用有很大帮助。
辐射定标和大气纠正都属于图像的预处理，辐射定标的目的是把图像上的DN值转为辐亮度或者是反射率，大气纠正的目的是消除或减少大气对图像的干扰。
以下是图像预处理的流程：一、辐射定标要对图象进行辐射定标，将图象的DN值转化为表观反射率，该过程的实现是通过应用以下两个步骤来实现的：（1）首先将图象的DN值转化为辐亮度：radiance=gain*DN+offset (1)式（2）然后将图象的辐亮度转化为表观反射率：(reflectance) ρ=π*L*d2/（ESUN*cos（θ））(2)式其中ρ为表观反射率，L为表观辐亮度，d为日地距离，ESUN为太阳平均辐射强度，θ为太阳天顶角。
（3）将以上两个步骤结合得：ρ=π*（gain*DN+offset）* d2/（ESUN*cos（θ））(3)式①日地天文单位距离D：D＝1 - 0.01674 cos(0.9856× (JD-4)×π/180)；JD为遥感成像的儒略日（Julian Day）D = 1 + 0.0167 * Sin(2 * PI * (days - 93.5) / 365)；days是拍摄卫片的日期在那一年的天数，如2004年5月21号，则days＝31＋29＋31+30+21＝142。
计算得：D=1.01250756ENVI中的具体实现（以Landsat 7 ETM+为例）：采用简单的波段运算例如，我们把2002-5-22的一幅ETM图像第3波段的DN值转化为表观反射率。
遥感应用模型7-大气遥感
一、传统大气环境质量监测
——20世纪50年代开始大规模开展 20世纪50年代，以美国为首的发达国家，对空气中主要污染物
纳入常规监测，主要为SO2，CO， TSP，NOX，O3，总HC等6个
项目；空气监测对象由气体一种形态扩展到气体、蒸气、颗粒物3 种不同形态。 1953年后，随着大流量空气采样器的使用，开展空气监测的地 区和城市大幅增加，不少城市还划定空气质量控制区并建立一批空
征进行分析，总结大气环境质量的空间格局的特征及其形成机制。
四、大气程辐射研究
传统意义上，研究大气程辐射的主要目的是进行大气校正，即 去除传感器接收到的影响和干扰地面信息的大气影响，主要分为精 确校正和粗略校正两种方法。 精确校正需要找到每个波段像元亮度值与地物反射率的关系。 为此需要得到卫星飞行时的大气参数，以求出大气的参数：大气透 过率和大气程辐射遥感值。
由于在遥感信息中，大气污染信息叠加于多变的地面信息之上，
——20世纪80年代人们开始尝试间接的方法。 如范心坍等人根据城市热岛情况对城市大气污染进行估计。 Fujii Hisao等人根据树叶SO含量与植被指数的关系估计大气
污染，但这均是一些定性描述或者是间接结果。
——20世纪90年代以后，开始对大气环境进行遥感定量描述。
气监测站点，初步组成空气监测网；分析手段也发生重大变化，由
40年代的以化学法为主，过渡到以分光光度法为主的新时代。
——目前大气环境质量监测仍然延续定点采样的方法，包括在城市
建立固定的大气环境监测站。
——随着分析手段的日益增多，在大气常规监测中，监测的内容不 断扩大，监测的精度和范围也有所提高。 ——除了定点采样外，较为先进和准确的方法是步建立和完善的全
议上瑞典人首先提出，他们的代表做了一个《超越国境的污染大气
遥感影像在农田病虫害监测中的应用
遥感影像在农田病虫害监测中的应用在农业生产中，农田病虫害一直是影响农作物产量和质量的重要因素。
及时、准确地监测病虫害的发生和发展，对于采取有效的防治措施、保障农业生产的稳定和可持续发展具有至关重要的意义。
随着科学技术的不断进步，遥感影像技术凭借其独特的优势，在农田病虫害监测中发挥着越来越重要的作用。
遥感影像技术是一种通过传感器获取远距离目标的电磁波信息，并对其进行处理和分析，以获取目标特征和相关数据的技术。
在农田病虫害监测中，常用的遥感影像包括卫星影像和航空影像等。
这些影像可以提供大范围、高分辨率的农田信息，为病虫害的监测和分析提供了丰富的数据支持。
遥感影像能够反映出农田中作物的生长状况、植被指数、叶面积指数等重要参数。
当农田遭受病虫害侵袭时，作物的生理和形态会发生变化，这些变化会在遥感影像上有所体现。
例如，受到病虫害危害的作物叶片可能会出现变色、枯萎、脱落等现象，导致植被指数下降、叶面积减少。
通过对遥感影像中这些参数的分析和对比，可以初步判断病虫害的发生范围和严重程度。
此外，不同的病虫害对作物的影响方式和程度也有所不同，因此在遥感影像上会呈现出特定的特征。
例如，某些害虫可能会导致作物叶片出现斑点或孔洞，而某些病害则可能引起叶片的黄化或畸形。
通过对这些特征的识别和分析，可以进一步确定病虫害的类型。
为了更有效地从遥感影像中提取和分析与病虫害相关的信息，需要采用一系列的技术和方法。
首先是影像预处理，包括辐射校正、几何校正、大气校正等，以消除影像中的噪声和误差，提高影像的质量和准确性。
然后是特征提取，通过对影像的颜色、纹理、形状等特征进行分析和计算，提取出与病虫害相关的特征信息。
常用的特征提取方法有主成分分析、小波变换、灰度共生矩阵等。
在特征提取的基础上，还需要运用合适的分类和识别算法，对病虫害进行分类和识别。
常见的算法包括支持向量机、决策树、人工神经网络等。
这些算法可以根据提取的特征信息，对影像中的像素进行分类，从而划分出正常作物和受病虫害影响的作物区域。
大气校正的作用
大气校正的作用
大气校正是指利用大气模型对遥感图像进行修正，消除大气散射和吸收的影响，从而得到真实的地物表面反射率值。
这项技术在遥感应用中具有十分重要的作用，主要表现在以下几个方面：
一、提高地物分类和定量分析的准确性
遥感图像在获取后，由于大气对光线的影响，使得图像中的地物反射率值存在较大的误差。
通过大气校正技术可以消除这些误差，使得遥感图像的反射率值更加精准，从而提高了地物分类和定量分析的准确性。
二、帮助环境监测和资源评价
在环境监测和资源评价领域，遥感图像的应用十分广泛。
通过大气校正技术，可以有效地提高遥感图像的精度，从而更加准确地反映地表水、土壤、植被等环境要素的分布情况，为环境监测和资源评价提供更可靠的数据。
三、提升遥感图像的可视化效果
遥感图像在进行可视化呈现时，如果没有经过大气校正处理，图像的质量会受到大气散射和吸收的影响，从而出现颜色失真、亮度不足的问题。
通过大气校正技术可以消除这些影响，使得遥感图像更加真实、清晰，从而更好地呈现地物的真实景象。
四、提高监测和预测的精度
在预测自然灾害、监测空气污染等应用中，遥感技术是不可或缺的工具。
通过大气校正技术，可以消除大气散射和吸收的影响，使得遥感图像反映的现象更加准确、及时，从而提高了监测和预测的精度。
总之，大气校正技术对遥感图像的应用具有不可替代的作用。
它可以提高遥感数据的精度和可靠性，为遥感技术在环境监测、资源评价、自然灾害等领域的应用提供了有力的支持。
ENVI-专题五 Landsat TM辐射定标与大气纠正
专题五Landsat TM辐射定标与大气纠正图像处理流程分为以下几个步骤：图像的配准、重采样、定标以及大气纠正。
其中，图像配准是做所有工作的前提，是图像的几何纠正。
在进行定性或者定量遥感时都要进行图像配准来确定我们所要研究的目标。
在进行完图像配准（几何纠正）之后，为了使得输出图像的配置与输入图像向对应，因此要进行重采样。
定标以及大气纠正则是进行辐射量纠正的重要的过程，是进行定量遥感不可少的步骤。
分类是图像处理的最后一步，按某种使用意图分类之后的图像，对实际应用有很大帮助。
辐射定标和大气纠正都属于图像的预处理，辐射定标的目的是把图像上的DN值转为辐亮度或者是反射率，大气纠正的目的是消除或减少大气对图像的干扰。
以下是图像预处理的流程：一、辐射定标要对图象进行辐射定标，将图象的DN值转化为表观反射率，该过程的实现是通过应用以下两个步骤来实现的：（1）首先将图象的DN值转化为辐亮度：radiance=gain*DN+offset (1)式（2）然后将图象的辐亮度转化为表观反射率：(reflectance) ρ=π*L*d2/（ESUN*cos（θ））(2)式其中ρ为表观反射率，L为表观辐亮度，d为日地距离，ESUN为太阳平均辐射强度，θ为太阳天顶角。
（3）将以上两个步骤结合得：ρ=π*（gain*DN+offset）* d2/（ESUN*cos（θ））(3)式①日地天文单位距离D：D＝1 - 0.01674 cos(0.9856× (JD-4)×π/180)；JD为遥感成像的儒略日（Julian Day）D = 1 + 0.0167 * Sin(2 * PI * (days - 93.5) / 365)；days是拍摄卫片的日期在那一年的天数，如2004年5月21号，则days＝31＋29＋31+30+21＝142。
计算得：D=1.01250756ENVI中的具体实现（以Landsat 7 ETM+为例）：采用简单的波段运算例如，我们把2002-5-22的一幅ETM图像第3波段的DN值转化为表观反射率。
植被遥感_精品文档
叶绿素a和叶绿素b导致以0.45μm和0.67μm为中心形成两 个强烈的吸收带。
不同生长状态的橡树叶子
不同橡树叶子的反射特性
2. 叶子的组织构造
绿色植物的叶子是由上表皮、叶绿素颗粒组成的栅 栏组织和多孔薄壁细胞组织（海绵组织）构成的。
遥感地学分析
Geography Analysis for Remote Sensing
第5章 植被遥感
主要内容
一、植被遥感原理 二、植被分类 三、植被生态参数 四、植被指数与地表参数的关系 五、中国及中亚地区荒漠化遥感监测研究
一、植被遥感原理
植被遥感不仅依赖于对单张植物叶片的光谱特性的 认识，还需要进一步认识植被冠层的光谱特性。
冬季多数植物凋零----长年常绿植被 同种植被在不同季节的波谱特征差异 不同植物生长期的不同，光谱特征也有差异
植物季节性规律
各种作物的生 长期和收获期 的差异
3. 根据植物的生态条件的不同来区分植被
不同种类的植物有不同的适宜生态条件，如温度、 水分、土壤、地貌等。 比如：（我国北方山坡的阴阳面差异性）
低植被覆盖度时（＜15%），植被NDVI值高于裸土NDVI 值，植被可被检测出来，但因植被覆盖度很低（如干旱、 半干旱地区），其 NDVI很难指示区域生物量；
中植被覆盖度时（25—80%）， NDVI值 随生物量的增 加呈线性迅速增加；
高植被覆盖度时（＞80%）， NDVI值 增加延缓而呈现 饱和状态，对植被检测灵敏度下降。
被指数饱和为代价来减少大气影响； (2)根据蓝光和红光对气溶胶散射存 在差异的原理。采用“抗大气植被 指数(ARVl)对残留气溶胶做进一步 的处理；(3)采用“土壤调节植；波 指数(SAVl)”减弱了树冠背景土壤变 化对植被指数的影响；(4)综合 ARVI和SAVI的理论基础。形成 “增强型植被指数(EVI)”。它可以 同时减少来自大气和土壤噪音的影 响。
遥感实习作业大气校正、条带修复、镶嵌、裁剪、监督分类、三维显示等
贵州大学实习报告专用纸学院：公共管理学院专业：土地资源管理姓名：杨顺学号： 1208100304 班级：土管121 实习性质：课程实习实习地点：资环楼327机房指导教师：杨柳老师成绩：一、实验目的通过上机实验的学习让我们掌握基本一些关于遥感软件的基本操作,如envi大气校正、定标、镶嵌、裁剪、监督分类和地温反演等及 arcgis成图和三维显示。
二、实验要求实验要求是自己独立完成不得抄写，必须应用老师给的数据来完成，还有是监督分类和地温反演要求arcgis成图。
三、实验原理Envi和arcgis基本操作原理。
四、实验仪器安装envi和arcgis的电脑。
五、实验步骤实验步骤:envi的基本操作（Envi基本打开操作、子区裁剪、图像特征及图像信息的统计）→数据预处理（定标大气校正、条带修复、镶嵌、裁剪）→监督分类→三维显示→地温反演。
六、实验数据LE71270412007264PFS00.tar.gz和LE71270422007264PFS00.tar.gz这两个遥感影像数据文件。
七、实验内容（一）．熟悉ENVI基本操作1．Envi基本打开操作1) 启动ENVI2) 熟悉ENVI的菜单3) 打开一个影像文件4) 熟悉三个影像窗口5) 显示彩色合成图像6) 熟悉ENVI主影像窗口菜单Tools下的功能。
2．子区裁剪选择File>Save File as>ENVI Standard,出现New File Builder对话框。
点击Import File…,当Create New File Input File 对话框出现时，从下列选项中选择一个文件或多个文件。
如果内藏的文件没有在列表中显示出来，点击“Open Image File”，选择要输入的文件。
点击Spatial subset按钮，出现select Spatial subset对话框，在对话框内按不同方式进行子区的裁剪。
点击Spectral subset 按钮，出现File Spectral subset对话框，选取需要处理的波段。
利用遥感技术进行植被生长监测的操作指南
利用遥感技术进行植被生长监测的操作指南植被生长监测是一项重要的环境保护工作，通过对植被生长情况的监测，我们可以更好地了解和掌握自然环境的变化，为生态系统的保护和可持续发展提供科学依据。
遥感技术是一种非常有效的手段，可以通过获取遥感影像数据来实现对植被生长情况的监测。
本文将为大家介绍利用遥感技术进行植被生长监测的操作指南。
一、获取遥感影像数据首先，我们需要获取高质量的遥感影像数据来进行植被生长监测。
目前，有许多公开可用的卫星遥感影像供我们选择，如Landsat、MODIS、Sentinel等。
我们可以通过遥感数据共享平台或相关研究机构的开放数据库来获取这些数据。
或者，我们也可以购买高分辨率的商业遥感影像数据进行监测。
无论是免费获取还是购买，都需要确保数据的质量和分辨率满足我们的监测需求。
二、遥感影像预处理获得遥感影像数据后，我们需要进行一些预处理工作，以提高后续植被生长监测的准确性。
其中，大气校正是一个重要的步骤，可以消除大气对遥感影像的影响，减少误差。
此外，还需要进行辐射定标、几何校正等预处理工作，以确保遥感影像的精度和一致性。
三、指数计算在进行植被生长监测时，我们通常会使用一些植被指数来反映植被的生长状况。
常用的植被指数包括归一化植被指数（NDVI）、修正后的归一化植被指数（EVI）等。
根据遥感影像的波段信息，我们可以利用相应的算法来计算这些指数，并得到每个像元的植被生长指数值。
四、监测分析获得植被生长指数值后，我们可以进行更详细的监测分析。
通过对植被生长指数的时空变化进行统计和分析，我们可以了解植被的生长速率、分布范围等情况。
同时，还可以与历史数据进行比较，推测未来发展趋势，为生态系统保护和生态环境治理提供科学依据。
五、数据可视化为了更直观地观察和理解植被生长情况，我们可以对监测结果进行数据可视化处理。
可以使用地理信息系统（GIS）软件或专业的遥感图像处理软件，将监测结果制作成植被生长状况图、热力图等形式，并标注相应的颜色和符号以表示不同的植被生长变化。
遥感在植被监测方面的应用T
遥感与作物模型结合，实现作物生长的动态 模拟和预报，是目前国内外关注的热点。通过遥 感与模型的结合，估算出实际产量，通过作物模 拟出潜在生产力，可分析出潜在生产力与实际产 量间的差距。在此基础上，通过寻找限制当前产 量的因素，可为提高产量提供政策建议和方法指 导。宇振荣登对建立遥感——作物模拟复合模型 的原理、方法进行了探讨，并在点上进行了校正。 利用NOAA卫星遥感估算地面植物冠层温度并计 算冠层与大气间温差，进而计算PS123模型所需 作物实际蒸腾和水分胁迫系数，建立遥感——作 物模拟复合模型PS-X，从而可以在多点、不同土 壤类型上，对区域作物产量及产量差进行估测和 分析。利用PS-X模型进行产量估测，在平原地区 精度可以达到90%以上。
叶面积指数（leaf area index）又叫叶面积系数， 是一块地上作物叶片的总面积与占地面积的比值。 即：叶面积指数=绿叶总面积/占地面积。
叶面积指数是反映作物群体大小的较好的动 态指标。在一定的范围内，作物的产量随叶面积 指数的增大而提高。当叶面积增加到一定的限度 后，田间郁闭，光照不足，光合效率减弱，产量 反而下降。苹果园的最大叶面积指数一般不超过5， 能维持在3~4较为理想。盛果期的红富士苹果园， 生长期亩枝量维持在10~12万条之间，叶面积指 数基本能达到较为适宜的指标。
精品
遥感植物估产的两种模式：
一、遥感统计模型
目前，基于统计的遥感估产有三种技术路线：一是遥感光谱 绿度值（植被指数）——生物量关系模式。在对作物、草原、森 林的估产中这是常用的思路，但是该方法得到的遥感估产等级图 只反映卫星摄影时的植物长势和生物量的空间分布状况：二是遥 感光谱绿度值-地物光谱绿度值-生物量关系模式，即先分析实测 地物光谱绿度值与生物量之间的关系，建立相应模型，再分析卫 星遥感植被指数与地物光谱绿度值的关系，建立卫星遥感植被指 数与与生物量之间的关系模型，最后利用光谱检测模型进行检测 与估产；三是遥感-地学综合模式。该方法将气温、降水等环境 因子引入模式，与遥感-生物量模型互相补充，克服各自存在的 缺陷，可进一步提高估产精度。建立的统计模型有线性、幂函数、 指数、对数等，回归的方法有一元回归、多元回归、逐步回归等， 得到的系数差别较大，并且应用也局限于建模的时间和地点，在 很多情况下地面资料的数量也影精品响模型的精度。
空间校正方法在遥感图像处理中的应用与比较
空间校正方法在遥感图像处理中的应用与比较遥感图像处理是指利用卫星、航空器或其他无人飞行器获得的遥感图像进行分析和解释的过程。
在进行遥感图像处理时，往往需要对图像进行空间校正，以消除地球表面的几何畸变、影像投影和地形效应等因素对图像的影响。
空间校正方法在遥感图像处理中起着至关重要的作用，本文将介绍一些常见的空间校正方法，并对它们进行比较。
一、几何校正方法几何校正是图像空间校正中最基本和常见的方法之一，主要用于消除地球表面的几何畸变。
在几何校正中，常用的方法有多项式拟合、残差最小化和控制点匹配。
1. 多项式拟合多项式拟合是一种简单且有效的几何校正方法。
它通过将原始图像中的像素坐标映射到已知地理坐标系中，然后利用多项式函数拟合像素坐标与地理坐标之间的关系，从而将图像进行几何校正。
多项式拟合的优点是简单易用，但它仅适用于地表变化较小的区域，对于地形变化较大的区域效果不佳。
2. 残差最小化残差最小化是一种校正方法，它通过最小化像素坐标与地理坐标之间的残差来进行几何校正。
在进行残差最小化时，通常需要根据已知地理坐标和像素坐标之间的关系建立数学模型，并利用最小二乘法对模型进行拟合，从而找到使残差最小的参数。
残差最小化的优点是适用于各种地形变化条件，但其缺点是计算量较大，需要较长的处理时间。
3. 控制点匹配控制点匹配是一种通过将已知的地理坐标与图像中的像素坐标进行对应来进行几何校正的方法。
在进行控制点匹配时，通常需要先在原始图像和已知地理坐标图上选择一些特征点作为控制点，然后通过对应关系来进行几何校正。
控制点匹配的优点是准确性较高，但需要人工选择控制点，因此在大规模图像处理时效率较低。
二、影像投影方法影像投影是将平面的地理坐标映射到球体或椭球体表面上的过程，在遥感图像处理中起着重要作用。
常用的影像投影方法有等经纬度投影、UTM投影和Lambert投影。
1. 等经纬度投影等经纬度投影是一种将地理坐标映射到球面上的投影方法，它可以将球面上任一点的经纬度坐标映射到平面上的等经纬线网格上。
遥感实验——辐射定标与大气校正
姓名：学号：日期：1．实验名称辐射定标与大气校正2、实验目的熟悉遥感软件，掌握ENVI中对图像辐射定标与大气校正的基本方法。
3、实验原理1、辐射定标是将传感器记录的电压或数字量化值（DN灰度值）转换成绝对辐射亮度值（辐射率）的过程，或者转换成与地表（表观）反射率、表面温度等物理量有关的相对值的处理过程2、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，获得地物反射率、辐射率、地表温度等真实物理模型参数，包括消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响；消除大气分子和气溶胶散射的影响。
4、数据来源（下载源、波段数、对应的波长、分辨率、投影、地区）Landsat5、TM图像、BAND_COMBINATION = "1234567"5、实验过程5、1辐射定标：实方法一：File-Open External File-Landsat-GeoTIFF with MetadataBasic Tools-Preprocessing-Calibration Utilitties-Landsat Calibration5.1.1.1打开Basic Tools-Preprocessing-Calibration Utilitties-Landsat TM，根据图像信息输入5.1.1.2 打开校正图像，关联两幅图像，比较数据值方法二：BandMath验结果与分析5.1.2.1打开图像，选择BandMath按照辐射定标公式输入5.1.2.2 选择待校正波段图像5.1.2.3 关联两幅图像，对比两幅图像数据5、2 去零5.2.1打开图像，选择BandMath输入公式（b1*b1/b1）5.2.2 选择辐射定标过的图像5.2.3 打开图像，但是得到的图像是数据负值5、3简化暗像元法大气校正5.3.1 打开basic tool->Preprocessing->General Purpose Utilities->Dark Subtract5.3.2 关联图像，对比信息6、心得、意见或建议。
遥感监测中5种相对辐射校正方法研究
DIN G Li2xia1 ,2 , ZHOU Bin1 , WAN G Ren2chao1 ( 1 . I nst . of A g rio. Remote S ensi n g & I n f orm . A p p li . , Zhej i an g U ni versit y , H an gz hou 310029 , Chi na ; 2 . Zhej i an g Forest ry Col le ge , L i n′an , Zhej i an g 311300 , Chi na) Comparison of f ive relative radiometric normalization techniques for remote sensing monitoring. Jo urnal of Zhejiang University (Agric1 & Life Sci1 ) , 2005 ,31 (3) :2692276 Abstract : Relative radio met ric normalization ( RRN ) minimized radiomet ric differences amo ng images caused by inconsistencies of acquisition conditio ns ( such as weat her , seaso n , sensor , etc. ) rat her t han change in surface reflectance. Five met hods of RRN , i. e. image regressio n ( IR) , p seudo2invariant feat ures ( PIF) , dark set2bright set no rmalizatio n (DB) , no2change set radiomet ric normalizatio n ( NC) , and histogram matching ( HM) , were applied to 1993 and 2001 Landsat TM/ ETM + image of Jiashan County for evaluating t heir perfo rmance in relatio n to land cover detectio n. No ot her parameters and variables but image pixel digital values were used , so t hese met hods were very easy to apply , especially for historical remote sensing images. The root2mean2square error and t he dynamic range were employed in co mparing and evaluating t he images normalized by five met hods. A change detection algorit hm , i. e. , image subt raction , was applied to co mpare t he effect s on change detection. The result s showed t hat DB wo rked best amo ng t he five met hods at t he st udy area , t he PIF worked better. Finally , facto rs affecting t he perfo rmance of relative radiomet ric no rmalization and t he conditions of applying t hese met hods were identified and discussed. ,6] . 为了进行浙江省沿 海地区土壤资源利用遥感动态监测项目 ,本文 就一个研究子区 ,对前文提到的 5 种相对辐射 校正方法的效果作了比较 ,以便选择一种适合 研究区动态监测的相对辐射校正方法.
【珍藏】大气辐射传输校正模型(5S,modtran,acorn)
【珍藏】大气辐射传输校正模型(5S,modtran,acorn) 在遥感的实际应用中～常用很多简化的手段～如假设地面为朗伯面～排除云的存在～采用有关标准大气模式及大气气溶胶模式等～一次产生了许多不同类型的大气辐射传输模型～主要分为两类～1,采用大气的光学参数2,直接采用大气物理参数如lowtran、modtran等大气辐射近似计算模型～而且还增加了多次散射计算1. 5s模型该模型的代码模拟计算海平面上的均匀朗伯体目标的反射率～并假定大气吸收作用与散射作用可以耦合～就像吸收粒子位于散射层的上面一样～则大气上层测量的目标反射率可以表示为～海平面处朗伯体的反射率大气透过率分子、气溶胶层的内在反射率有太阳到地表再到传感器的大气透过率S为大气的反射率大气传输辐射校正模型,3 modtran该模型是由美国空军地球物理实验室研制的大气辐射模拟计算程序～在遥感领域被广泛应用于图像的大气校正。
,1lowtran7是一个光谱分辨率20cm～的大气辐射传输实用软件～它提供了6种参考大气模式的温度、气压、密度的垂直廓线～水汽、臭氧、甲烷、一氧化碳、一氧化二氮的混合比垂直廓线～其他13种微量气体的垂直廓线～城乡大气气溶胶、雾、沙尘、火山喷发物、云、雨的廓线～辐射参量,如消光系数、吸收系数、非对称因子的光谱分布,～以及地外太阳光谱。
lowtran7可以根据用户的需要～设置水平、倾斜、及垂直路径～地对空、空对地等各种探测几何形式～适用对象广泛。
lowtran7的基本算法包括透过率计算方法～多次散射处理和几何路径计算。
1, 多次散射处理lowtran 采用改进的累加法～自海平面开始向上直至大气的上界～全面考虑整层大气和地表、云层的反射贡献～逐层确定大气分层每一界面上的综合透过率、吸收率、反射率和辐射通量。
再用得到的通量计算散射源函数～用二流近似解求辐射传输方程。
2, 透过率计算该模型在单纯计算透过率或仅考虑单次散射时～采用参数化经验方法计算带平均透过率～在计算多次散射时～采用k,分布法3, 光线几何路径计算考虑了地球曲率和大气折射效应～将大气看作球面分层～逐层考虑大气折射效应由于lowtran直接使用大气物理参数～因而需要按照下列方法计算出与lowtran使用的大气物理参数相对应的大气光学参数179页 4.modtran辐射传输模型,1modtran可以计算0到50000cm的大气透过率和辐射亮度～它在440nm到无限,1,1大的波长范围精度是2cm～在22680到50000cm紫外波,200-440nm,范围的,1精度是20cm～在给定辐射传输驱动、气溶胶和云参数、光源与遥感器的几何立体对和地面光谱信息的基础上～根据辐射传输方程来计算大气的透过率以及辐射亮度。
大气光学模拟模型在遥感监测中的应用
大气光学模拟模型在遥感监测中的应用近年来，随着科技的不断发展，大气光学模拟模型在遥感监测中的应用日益广泛。
大气光学模拟模型，简称AOM，是通过模拟大气中的光学参数，对遥感图像进行后处理和修正，从而获得更精确的遥感监测结果。
本文将探讨大气光学模拟模型在遥感监测中的应用，并介绍一些常用的模型。
首先，大气光学模拟模型在遥感监测中的应用具有重要意义。
在遥感影像中，大气的存在往往会影响到图像的质量和准确性。
例如，大气中的颗粒物质会造成散射和吸收，使得图像的分辨率降低，细节模糊不清。
通过采用大气光学模拟模型，可以对图像进行去噪、融合等后处理操作，从而提高监测结果的准确性和可靠性。
其次，介绍一些常用的大气光学模拟模型。
目前，常用的大气光学模拟模型包括大气透射模型、大气散射模型、大气吸收模型等。
这些模型主要基于大气光学原理，通过对大气中的光学参数进行模拟和计算，对遥感图像进行校正和去除大气干扰。
例如，大气透射模型可以通过计算大气中的光学厚度、震荡等参数，对遥感图像进行恢复和增强。
接着，探讨大气光学模拟模型在不同领域的应用。
大气光学模拟模型广泛应用于气象、环境监测、农业、城市规划等领域。
在气象领域，通过模拟和计算大气中的光学参数，可以预测天气变化和气象灾害，从而提前采取措施保护人民生命财产安全。
在环境监测领域，大气光学模拟模型可以准确计算大气中的污染物浓度，从而为环境保护和治理提供参考依据。
在农业领域，大气光学模拟模型可以对农作物进行遥感监测，从而实现精确农业和病虫害预测。
在城市规划领域，大气光学模拟模型可以模拟和计算城市中的光照环境，从而提供城市规划和建筑设计的参考。
最后，总结大气光学模拟模型在遥感监测中的应用。
大气光学模拟模型通过模拟和计算大气中的光学参数，对遥感图像进行修正和校正，提高监测结果的准确性和可靠性。
它广泛应用于气象、环境监测、农业、城市规划等领域，为相关领域的科研和决策提供重要依据。
在未来，我们可以进一步改进和优化大气光学模拟模型，提高其在遥感监测中的效果，并探索其他新的应用领域。
高光谱遥感技术在树木种类分类中的应用
高光谱遥感技术在树木种类分类中的应用Ⅰ、引言随着遥感技术不断的发展，高光谱遥感技术作为一种新型的遥感技术，已逐渐应用于许多领域。
其中，树木种类分类是高光谱遥感技术重要的应用领域之一。
本文将介绍高光谱遥感技术在树木种类分类中的应用。
Ⅱ、高光谱遥感技术的原理高光谱遥感技术与传统遥感技术不同之处在于它可以对各种物质的反射率进行精细的测量，而传统遥感技术只能通过测量物体的总反射率来分析和研究物体的性质。
高光谱遥感技术是利用光谱分辨率很高的遥感器来收集的反射率数据，因此被称为高光谱数据。
Ⅲ、高光谱遥感技术在树木种类分类中的应用3.1 植物物种的光谱响应特征每种植物物种都有独特的光谱特征，即不同种类的植物，它们在不同波段上的光谱反射率有明显的差异。
也就是说，不同种类的植物在光谱上有着独特的反射特征，这为基于高光谱遥感数据的植被分类提供了基础。
3.2 树木种类分类的流程（1）采集高光谱数据采集高光谱数据是进行树木种类分类的第一步，在这个过程中，使用高光谱遥感仪对目标区域进行数字化采样，获取场地的高光谱数据。
（2）数据预处理对采集回来的数据进行预处理，包括数据校正、大气校正、去除杂散光等。
（3）特征提取高光谱数据中的一些通道会包含有用的区分不同树木种类的光谱信息，可以利用这些信息区分不同的树木种类。
将这些有用的通道提取出来，可以得到树木种类分类需要的特征。
（4）分类算法在得到树木种类分类需要的特征后，可以使用机器学习中的分类算法对数据集进行分类。
通常使用的算法包括支持向量机，最大似然法等。
（5）分类结果评价分类结果评价是对分类的准确性进行衡量，可以使用混淆矩阵、精度、召回率等指标来进行评价。
3.3 高光谱遥感技术在树木种类分类中的优势高光谱遥感技术在树木种类分类中有着很多优势。
相比于传统遥感技术，高光谱遥感技术采集的数据更为精细，可以提供更多的光谱信息。
通过分析植物的光谱反射率，可以提取出不同植物种类特有的光学特性，从而实现植物分类。
基于TM影像的区域植被覆盖变化遥感监测_王庆
【水土保持·生态】基于TM 影像的区域植被覆盖变化遥感监测王庆，王娜，曹雪峰（黄河水利委员会黄河上中游管理局，陕西西安710021）摘要：基于遥感影像TM 数据对窟野河流域1987—2009年植被覆盖度进行了提取和对比分析。
结果表明:通过近年来的综合治理工作，窟野河流域1987—2009年植被覆盖度总体呈现增长的好势头，其中1987—2000年植被状况变化较小，植被覆盖度较低;自2000年植被覆盖度有较大提高，2009年局部地区植被覆盖度相对下降。
研究表明，利用TM 影像计算归一化植被指数从而提取植被覆盖度的方法，可以快速准确地对区域植被生长状况进行动态监测。
关键词：TM ;NDVI ;植被覆盖度;动态监测;窟野河流域中图分类号：S157文献标志码：Adoi ：10．3969/j．issn．1000-1379．2013．02．025Regional Vegetation Cover Change Analysis of Remote Sensing Monitoring Based on TM ImageWANG Qing ，WANG Na ，CAO Xue-feng(Upper and Middle Yellow River Bureau ，YRCC ，Xi ’an 710021，China )Abstract :Based on TM remote sensing image data ，the vegetation coverage of Kuye River basin in 1987－2009period was extracted and compara-tively analyzed．The results show that through the comprehensive management work in recent years ，the overall vegetation coverage of Kuye River basin is increased．The vegetation coverage status in 1987－2000period changes gently and the vegetation coverage is low．Since 2000，the vegeta-tion coverage has been increased greatly ，but local vegetation coverage is relatively declined in 2009．The research shows that the vegetation cover-age extraction method by computing normalized vegetation index from TM image can dynamically monitor the regional vegetation growth condition rapidly and accurately．Key words :TM ;NDVI ;vegetation coverage ;dynamic monitoring ;Kuye River basin黄河中游多沙粗沙区属于干旱半干旱地区，年降水量小，但降雨强度大，水土流失严重，是黄河下游淤积泥沙的主要来源区。
1-8.几种用于TM图像薄云去除的大气纠正算法比较
第2期,总第64期国 土 资 源 遥 感No.2,2005 2005年6月15日RE MOTE SENSI N G F OR LAND&RES OURCES Jun.,2005 几种用于T M图像薄云去除的大气纠正算法比较董彦芳,孙国清,庞勇,付安民(中国科学院遥感应用研究所,北京 100101)摘要:介绍了几种用于T M图像薄云去除大气纠正算法的原理和应用,在同一景T M图像薄云去除中,比较它们的纠正效果,分析各自的优劣。
结果表明,梁顺林等提出的新算法具有一定的优越性。
关键词:大气纠正;T M图像;薄云去除中图分类号:TP75 文献标识码:A 文章编号:1001-070X(2005)02-0016-040 引言大气纠正的目的是求地表反射率。
去除大气影响的遥感图像可以有以下用途:①图像可以和光谱数据库进行比较;②多时相图像之间可以正确地比较与分析,可以监测植被动态变化,并进一步评价大气生态环境效益[1];③不同传感器的图像得以正确比较与分析;④多时相与多传感器的图像组合可实现土地覆盖分类;⑤对地面目标的光谱特征采样,可直接量测并作为反射、发射或亮度温度值。
大气纠正过程中的难点是如何去除气溶胶的影响,气溶胶的不均匀分布使得这项工作难度增大[2,3]。
大气纠正的早期方法是通过快速计算得到大气辐射传输方程的近似解。
目前广泛接受的方法是查找表方法,但是,查找表方法使得从图像自身进行大气参数的估计是最困难的。
本文通过几种典型大气纠正方法去除薄云效果的比较,验证了梁顺林新算法的实用性。
1 大气纠正算法传统的大气纠正算法可以分为参考地物法、直方图匹配法、暗目标法和对比消去法。
梁顺林等[1]于2001年提出了一种新算法,该算法完全是基于图像法,即从图像上估计气溶胶的空间分布,用来反演ET M图像的地表反射率。
这种新算法的特点在于从图像自身自动估测气溶胶的异构分布情况。
下面简单介绍几种大气纠正方法。
1.1 已知大气状况的纠正方法由于地表反射率是受大气影响后的结果,因此,如果知道了大气状况,就可以去除大气的影响,得到真实地表的情况。
- 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)。
五种T M 影像大气校正模型在植被遥感中的应用3宋巍巍 管东生33(中山大学环境科学与工程学院,广州510275)摘 要 基于2005年7月18日广州市东北部和惠州市北部的T M 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4种黑体减法模型和6S 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DOS4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 6S 模型 植被遥感文章编号 1001-9332(2008)04-0769-06 中图分类号 Q948;TP751 文献标识码 A Appli ca ti on of f i ve a t m ospher i c correcti on m odels for Lands a t T M da t a i n veget a ti on re m ote sen si n g .S ONGW ei 2wei,G UAN Dong 2sheng (School of Environm ental Science and Engineering,Sun Yat 2sen U niversity,Guangzhou 510275,China ).2Chin .J.A ppl .Ecol .,2008,19(4):769-774.Abstract:Based on the Landsat T M i m age of northeast Guangzhou City and north Huizhou City on July 18,2005,and compared with apparent reflectance model,five at m os pheric correcti on models including four dark object subtracti on models and 6S model were evaluated fr om the as pects of vege 2tati on reflectance,surface reflectance,and nor malized difference vegetati on index (NDV I ).The results showed that the dark object subtracti on model DOS4p r oduced the highest accurate vegetati on reflectance,and had the largest infor mati on l oads f or surface reflectance and NDV I,being the best for the at m os pheric correcti on in the study areas .It was necessary t o analyze and t o co mpare different models t o find out an app r op riate model f or at m os pheric correcti on in the study of other areas .Key words:at m os pheric correcti on;dark object subtracti on model;6S model;vegetati on re mote sensing .3国家“985”工程科技创新平台资助项目(105203200400006).33通讯作者.E 2mail:eesgds@mail .sysu .edu .cn 2007201229收稿,2008201223接受. 卫星遥感在大面积的数据收集与生态环境变化监测中起着重要作用[1-3],其在植被研究中的应用越来越广泛[4-6].太阳2地表2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时需进行大气校正[7],以获得真实的植被反射光谱信息.大气校正模型主要分为相对校正模型和绝对辐射校正模型两类[8].前者缺乏明晰的物理意义,不适用于植被遥感研究,后者有明晰的物理意义,可分为物理校正模型(如6S 模型[7]等)和基于影像的校正模型[如表观反射率(apparent reflectance,AR )模型[9]、黑体减法(dark object subtracti on,DOS )模型[10]等],适用于植被遥感研究.不同的绝对辐射校正模型获得的植被反射光谱不同[11],因此,选用相对合适的大气校正模型对植被遥感研究具有重要意义.目前,有关多种大气校正模型在植被遥感中的比较研究较少.Lu 等[11]利用2种T M 影像辐射标定方法,研究了AR 、DOS 及COST 等大气校正模型在亚马逊热带雨林的应用[12],结果表明,基于影像获取时间进行辐射标定[13]的COST 模型最适合于该区植被遥感的研究.但他们使用的3种大气校正模型是基于影像的校正模型,缺少物理校正模型,且由于Landsat 25T M 的长期运行可导致传感器老化,而该研究中的辐射标定方法不能用于2003年5月5日后获取的T M 影像.Chander 等[14]通过研究确定了新的T M 影像辐射标定方法.本文在新的T M 影像辐射标定方法下,对比分析了4种DOS 模型和6S应用生态学报 2008年4月 第19卷 第4期 Chinese Journal of App lied Ecol ogy,Ap r .2008,19(4):769-774模型在植被遥感中的应用,旨在提高植被遥感研究的精度,为植被遥感的大气校正模型的选择提供研究思路.1 研究地区与研究方法111 自然概况DOS模型应用前提是研究区大气状况相同[15],因此根据遥感影像获取时的大气状况分布特征,选择广州市东北部与惠州市北部(23°06′38″—23°51′39″N,113°42′42″—114°31′30″E)作为本文的研究区.该区属南亚热带季风气候区,区域内多为山区,主要由九连山脉与罗浮山脉组成,山体呈东北2西南走向,最高海拔1210m,地带性植被为南亚热带季风常绿阔叶林.112 数据来源研究区的遥感数据来自2005年7月18日摄录的轨道号为122/044的Landsat T M影像,整景影像面积为34225km2,覆盖了广东省珠三角大部分地区,是经过辐射校正和系统几何校正处理的产品.113 研究方法11311大气校正模型 为去除大气对辐射传输的影响,5种大气校正模型(DOS1、DOS2、DOS3、DOS4和6S模型)基于不同假设建立了影像表观反射亮度值与地物反射率的关系方程.但影像原始信息一般为灰度值(digital number,DN),因此在大气校正前,需对影像进行辐射标定,即DN与表观反射亮度值之间的转化计算[14].L sat=G・DN m in+B(1)式中:Lsat为表观反射亮度值;G和B分别是传感器的增益与偏移.1)DOS模型:DOS模型是基于以下假设建立:大气对辐射传输的影响是常数;被校正区域程辐射相同;地物表面为朗伯面;影像中具有因大气散射被卫星获取的黑体像元[15].地物反射率计算公式为:ρ=π(Lsat-L p)T v(E0co s(θz)T z+E down)(2)式中:ρ为地物反射率;Lp 为程辐射;Tv为地物到传感器的大气透过率;Edown为向下的大气散射辐照度;Eco s(θz)T z为太阳直射辐照度,E0为大气层外的太阳常数,E=ESUN/D2,ESUN为大气顶层的平均太阳光谱辐射,D为日地距离,单位是天文单位; T z为太阳到地物的大气透过率;θz为太阳天顶角.由于黑体像元受大气散射影响[16],一般假设黑体像元具有1%的地表反射率,所以大气程辐射计算公式为:L p=G・DN m in+B-0101[E0cos(θz)T z+E down]T v/π(3)式中,DNm in为遥感影像中的黑体像元值.因影像各波段直方图的最小像元值一般是影像边缘像元值,是一种噪声值,所以最小像元值不能作为影像的黑体像元值.本文把出现在影像内的最小像元值确定为黑体像元值,以降低选择黑体像元的主观性.根据Tz、Tv和Edown的不同假设,DOS模型可分为DOS1、DOS2、DOS3、DOS44类,其相关的参数设置见表1.表1 4种DO S模型的参数设置Tab.1 Param eters for the four DO S m odels模型ModelT v T z E do wnDOS1110DOS2130DOS3e-τ/cos(θv)e-τ/cos(θz)Rayleigh(6S) DOS4e-τ/cos(θv)e-τ/cos(θz)πL p3已有辐射传输模型中相对应波段的大气透过率的平均值Default values which were the average for each s pectral band derived fr om radiate transfer code.T v:地物到传感器的大气透过率A t m os pheric trans m it2 tance al ong the path fr om the gr ound surface t o the sens or;T z:太阳到地物的大气透过率A t m os pheric trans m ittance al ong the path fr om the sun t o the gr ound surface;E down:向下的大气散射辐照度Downwelling dif2 fuse irradiance.下同The sa me bel ow. DOS1假设无大气传输损失与向下大气散射辐射,透过率Tz、Tv为1,Edown为0[9];DOS2也被称为COST模型,T M1～T M4波段的T z为相应波段的辐射传输模型大气透过率平均值,T M5、T M7波段Tz 设为1;DOS3假设无气溶胶散射对Tz、Tv的影响,其光学厚度计算公式[17]为:τλ=01008569λ-4(1+ 010113λ-2+0100013λ-4).式中:τλ是光学厚度;λ是波长(μm),采用6S模型将550nm处气溶胶的光学厚度设为0估算Edown[7];DOS4考虑了气溶胶对T z、T v的影响,假设天空辐射各向同性[18],太阳辐照度损失为4πLp,T z计算公式为:Tz=e-τ/cos(θz)=1-4πL pE0cos(θz),将该式与式(3)联合可求出其大气光学厚度:τ=-cos(θz)×[1-{4π[G・DN m in+B-0101(E0cos(θz)Tz +E do wn)T v/π]}/E0cos(θz)](4)式中,Edown为πLp.计算大气光学厚度τ前T z、T v未知,因此先设置Tz、Tv为1计算τ,然后将新的Tz、Tv 计算结果代入公式,重复计算4～5次直到τ稳定.研究区4种DOS模型参数值见表2.077 应 用 生 态 学 报 19卷表2 研究区4种DO S模型参数值Tab.2 Param eter for the four DO S m odels i n the study area波段Band波谱范围Spectral range(μm)DOS1T z T v E do wnDOS2T z T v E downDOS3T z T v E do wnDOS4T z T v E do wnT M10145～0152110017010018357018499141128016876017121136166 T M20152～016011001781001905101913672102401770301789384171 T M30163～016911001851001950101954734145701858701871044135 T M40176～01901100191100197990198188198401874701885726123 T M51155～117511011001998701998801116110T M72108～213511011001999601999601014110 2)6S模型:6S模型利用卫星过境时大气同步气象参数进行校正[8],其基本计算公式为:L sat=T g Lp +ρFdT v T zπ(1-sρ)(5)式中:Tg为大气分子、水汽等吸收影响下的大气透过率;Tz=e-τ/cos(θz)+t d(θz),e-τ/cos(θz)是太阳到地物大气透过率,td(θz)是大气向下散射透射率;T v= e-τcos(θv)+t d(θv),e-τ/cos(θv)是地物到传感器大气透过率,td(θv)是地物周围环境经大气散射后大气向上散射透过率;s为大气球面反射率.本文利用查找表获得研究区相关大气气象参数.11312模型验证 采用AR模型[19]为参照,与DOS1、DOS2、DOS3、DOS4和6S模型进行对比.虽然AR模型未消除大气对辐射传输的影响,无法获得植被的真实反射率,但通过与5种大气校正模型对比分析,可了解大气校正模型的校正效果与校正后植被反射率变化.其大气层顶表观反射率的ρAR计算公式为:ρAR =πLsatE0cos(θz)(6)114 数据处理利用SPSS1210软件对数据进行统计分析,采用Excel软件作图.2 结果与分析211 植被反射率茂密成熟森林在空间与时间上可认为具有稳定的反射率[11],根据研究区植被与归一化植被指数空间分布情况选定多个茂密成熟森林,将它们的反射率平均值作为植被各波段反射率.由图1可以看出,在可见光T M1～T M3波段,因AR模型忽略了大气散射影响,所以其植被反射率偏高;DOS和6S模型通过对太阳天顶角、日地距离、太阳辐射亮度和大气散射进行校正,在可见光波段获得了较为理想的植被反射率.经DOS与6S模型校正后的T M1和T M3图1 研究区的森林反射率F i g.1 Forest reflectance in the study area.波段的反射率较低,在T M2波段有个小的反射峰,说明经大气校正后的植被在可见光波段的反射率变化与植被的光合作用现象吻合.在近红外T M4波段,DOS4和6S模型降低了大气传输损失对该波段植被反射率的影响,获取的反射率高于其他模型;DOS2与AR模型获取的反射率相近,说明DOS2模型中T M4的Tz经验值在研究区不适用,不能有效降低大气对植被T M4波段的影响;DOS1和DOS3模型T M4波段的大气透过率分别为1和接近于1,说明其几乎没有校正大气吸收对T M4波段反射率的影响,导致其在该波段的反射率小于AR模型.在中红外T M5和T M7波段,DOS1模型假设无大气传输损失,DOS2模型大气透过率默认值为1, DOS3模型假设无气溶胶影响,DOS4模型在中红外波段获得的大气程辐射为负值,因此4种DOS模型的Tz、Tv、为1或接近1,基本没有校正大气对中红外波段反射率的影响,获得的反射率与AR模型结果相同.只有6S模型降低了大气造成的辐射传输损失对T M5和T M7波段的影响.212 地物反射率由表3可以看出,在T M1～T M4波段,DOS4模型获得的反射率数值区间和标准方差最大,含有最1774期 宋巍巍等:五种T M影像大气校正模型在植被遥感中的应用 表3 不同大气校正模型各波段的地物反射率Tab.3 Surface reflect ance of var i ous bands i n d i fferen t correcti on m odels(%)波段Band 模型Model地物反射率Surface reflectance最小值M ini m um最大值Maxi m um平均值±标准差Mean±S DT M1AR71723418011150±1190a DOS10137271444110±1190dDOS20110381775140±2170cDOS30119351085100±2150cdDOS4-0115491496170±3150b6S1103341446100±2150bc T M2AR4173691989160±2160a DOS1-0111651144170±2160dDOS2-0142831245180±3130cDOS3-0128741975130±3100cdDOS4-0171991846180±4100b6S1102781327120±3120b T M3AR2156591477170±3110a DOS1-0141561514180±3110cDOS2-0166661305140±3170bcDOS3-0152601635100±3140cDOS4-0182721555180±4100b6S0151661166140±3180b T M4AR21747416823160±5120b DOS101117210521100±5120cDOS201027910723100±5170bDOS301097411221160±5130cDOS4-01118918326100±615a6S11678319526130±6100a T M5AR01184911713190±4140b DOS101184911713190±4140bDOS201184911713190±4140bDOS301184912613190±4140bDOS401184911713190±4140b6S-01145711116100±5110a T M7AR0120711597110±3180b DOS10120711597110±3180bDOS20120711597110±3180bDOS30120711637110±3180bDOS40120711597110±3180b6S0110841928130±4150a 数据后不同小写字母表示模型间差异显著(P<0105)Values f oll owed by different s mall letters meant significant difference at0105level.下同The sa me bel ow.大信息量;DOS1和AR模型在各波段的反射率数值区间与标准方差相同,2种模型获得的地物反射率含有相同信息量,主要区别是前者去除了大气程辐射,降低了植被反射率;在T M5和T M7波段,6S模型获得的反射率含有最大信息量.大气传输对影像具有多方面的影响并直接改变了地表反射率,而去除大气传输影响会有效提高影像的信息量与质量,影像在植被遥感中的应用精度也会随之提高[11]. 213 规一化植被指数规一化植被指数(NDV I)是植被生长状态和植图2 研究区森林的NDV I值F i g.2 Forest NDV I in the study area.不同小写字母表示不同计算方式间差异显著(P<0105)Values marked by different s mall letters meant significant difference at0105level.被盖度的最佳指示因子,与植被分布密度呈线性相关,是监测区域或全球植被和生态环境变化的有效指标,对植被遥感的研究具有重要意义[20].由于已有的一些研究直接使用DN计算NDV I,所以本文对以DN和6种模型计算出的研究区茂密成熟森林的NDV I进行对比分析,并比较了不同方法获得的研究区NDV I信息量的大小.经AR模型校正后,影像研究区茂密成熟森林的NDV I明显增加(P<0105),比DN的计算结果增加了16186%(图2).经DOS和6S模型校正后的NDV I显著增加(P<0105),比AR的计算结果增加了15127%～18195%,比DN的计算结果增加了37192%～44117%.这5种大气校正模型的NDV I最大差异仅为0104,相应变化率也只有5154%,说明这些大气校正模型对茂密成熟森林NDV I的影响较小.DN和AR模型获得的研究区NDV I含有近似的信息量(表4).5种大气校正模型则不同程度提升了研究区NDV I信息量,4种DOS模型对NDV I信息量的提升较大,其中DOS4模型的NDV I信息量最大.对比表3和表4说明T M3、T M4波段信息量较大的大气校正模型获得的NDV I信息量不一定大,因表4 研究区的NDV I统计值Tab.4 NDV I st a tisti ca l va lues i n the study area模型Model最小值M ini m um最大值Maxi m um平均值±标准差Mean±S DDN-014501740141±0117cAR-013901800150±0117b DOS1-015801930163±0120a DOS2-016801930161±0121a DOS3-016601950162±0121a DOS4-017201980163±0121a6S-013901890161±0119a277 应 用 生 态 学 报 19卷此不能以单波段信息量来判定NDV I等多波段综合指标的信息量大小.3 结 语虽然物理校正模型的大气校正精度较高,但是同步气象数据的难获取限制了其广泛应用,而DOS 模型克服了此限制,且可操作性和直观性较强[21].本文的研究进一步体现了DOS模型的上述优点.相对AR模型,4种DOS模型和6S模型都获得了较高精度的植被反射率.DOS2模型虽然在部分区域的大气校正中获得较好效果[11-12,22],但模型T M4波段大气透过率经验取值不适用于本文研究区;DOS4和6S模型对研究区T M影像的大气传输影响进行了较好的校正,获得的植被反射率精度相对最高,其中DOS4模型获得的信息量最大,6S模型则因利用查找表确定模型参数使校正结果存在主观性与不确定性.相对AR模型和DN的计算结果,4种DOS模型和6S模型获得的成熟森林NDV I显著增加,且其值间的相差较小,其中DOS4的NDV I信息量最大.综上所述,DOS4模型相对适用于研究区植被遥感的研究.DOS模型应用的前提条件是研究区的大气状况相同,即黑体像元程辐射代表整个区的程辐射,而在实际研究中,研究区往往难以满足此条件.对于大气状况组成相对简单的区域,可根据大气状况分块利用DOS模型进行大气校正,最后进行拼接,对于大气状况组成较为复杂的区域,如北京、广州等大城市,分块校正则不可行.大城市是植被遥感的重点研究区,如何对这些区域进行有效的大气校正是作者正在进行的研究,目前已验证在其它大气状况较为复杂区域取得较好大气校正效果的部分模型[23-24]不适于广州等大气状况复杂的城市,因此如何对于大气状况组成复杂的区域(主要是大城市)进行有效的大气校正需要进一步深入研究.参考文献[1] W ang Q(王 桥),Yang Y2P(杨一鹏),Huang J2Z(黄家柱),et al.Envir omental Re mote Sensing.Bei2jing:Science Press,2005(in Chinese)[2] Cheng Q(程 乾),W u X2J(吴秀菊).Landscapepattern change and its driving f orces in Xixi Nati onalW etland Park since1993.Chinese Journal of A ppliedEcology(应用生态学报),2006,17(9):1677-1682(in Chinese)[3] V ignol o A,Pochettino A,Cicer one D.W ater quality as2sess ment using re mote sensing techniques:MedranoCreek,A rgentina.Journal of Environm ental M anage2m ent,2006,81(4):429-433[4] Lu D.The potential and challenge of remote sensing2based bi omass esti m ati on.International Journal of Re2m ote Sensing,2006,27(7):1297-1328[5] M a M2D(马明东),J iang H(江 洪),L iu S2R(刘世荣),et al.The p reli m inary analysis of f orest ecosys2te m site index using re mote sensed data.A cta EcologicaS inica(生态学报),2006,26(9):2810-2816(inChinese)[6] Cheng Q(程 乾).Esti m ati on models of rice LA I andchl or ophyll content based on MOD09.Chinese Journal ofA pplied Ecology(应用生态学报),2006,17(8):1453-1458(in Chinese)[7] Ver mote E,Tanre D,Deuze JL,et al.Second si m ula2ti on of the satellite signal in the s olar s pectru m,6S:Anoverview.IEEE T ransactions on Geoscience and Re m oteSensing,1997,35(3):675-686[8] Thome K,Markha m B,Barker J,et al.Radi ometriccalibrati on of Landsat.Photogramm etric Engineeringand Re m ote Sensing,1997,63(7):835-858[9] Chavez PS J r.Radi ometric calibrati on of Landsat The2matic Mapper multis pectral i m ages.Photogramm etricEngineering and R e m ote Sensing,1989,55(10):1285-1294[10]M ilt on EJ.Teaching at m os pheric correcti on using as p readsheet.Photogramm etric Engineering and Re m oteSensing,1994,60(6):751-754[11] Lu D,M ausel P,B r ondizi o E,et al.A ssess ment of at2mos pheric correcti on methods f or Landsat T M data app li2cable t o Amazon basin LBA research.InternationalJournal of Re m ote Sensing,2002,23(13):2651-2671 [12] Chavez PS J r.I m age2based at m os pheric correcti ons re2visited and i m p r oved.Photogramm etric Engineering andRe m ote Sensing,1996,62(9):1025-1036[13] Teillet P M,Fedosejevs G.On the dark target app r oacht o at m os pheric correcti on of re motely sensed data.Cana2dian Journal of Re m ote Sensing,1995,21(4):374-387[14] Chander G,Markha m B.Revised Landsat25T M radi o2metric calibrati on p r ocedures and postcalibrati on dyna m2ic ranges.IEEE Transactions on Geoscience and Re m oteSensing,2003,41(11):675-686[15] Kauf man YJ,Sendra C.A lgorith m for aut omatic at m os2pheric correcti ons t o visible and near2I R satellite i m age2ry.International Journal of R e m ote Sensing,1988,9(8):1357-13813774期 宋巍巍等:五种T M影像大气校正模型在植被遥感中的应用 [16] Chavez PS J r.An i m p r oved dark2object subtracti on tech2nique f or at m os pheric scattering correcti on of multi s pec2tral data.R e m ote Sensing of Environm ent,1988,24(5):459-479[17] Kauf man YJ.The at m os pheric effect on re mote sensingand its correcti on//A srar G,ed.Theory and App lica2ti on of Op tical Re mote Sensing.Ne w York:W iley,1989[18] Moran M S,Jacks on RD,Slater P N,et al.Evaluati on ofsi m p lified p r ocedures f or retrieval of land surface reflec2tance fact ors fr om satellite sens or out put.R e m ote Sens2ing of Environm ent,1992,41(2):169-184[19] Chi H2K(池宏康),Zhou G2S(周广胜),Xu Z2Z(许振柱),et al.Apparent reflectance and its app licati onin vegetati on re mote sensing.A cta Phytoecologica S inica(植物生态学报),2005,29(1):74-80(in Chinese) [20] Zhao Y2S(赵英时).Princi p le and M ethods of Re moteSensing App licati on Analysis.Beijing:Science Press,2003(in Chinese)[21] GilabertMA,Conese C,Maselli F.An at m os pheric cor2recti on method f or the aut omatic retrieval of surface re2flectance fr om T M i m ages.International Journal of Re2m ote Sensing,1994,15(10):2065-2086[22] L i Y2H(李玉环),W ang J(王 静),LüC2Y(吕春燕),et al.Retrieve of earth reflecti on base on the re2mote sensing data of T M/ET M.Journal of ShandongA gricultural U niversity(山东农业大学学报),2005,36(4):545-551(in Chinese)[23] L iang S L,Fang HL,Chen MZ,et al.A t m os pheric cor2recti on of Landsat ET M+land surface i m agery-Part I:M ethods.IEEE T ransactions on Geoscience and Re m oteSensing,2001,39(11):2490-2498[24] Ka wata Y,Fukui H,Take mata K.Retrieval of aer os olop tical thickness using band correlati on method and at2mos pheric correcti on f or Landsat27/ET M+i m age data.IEEE International Geoscience and R e m ote Sensing Sym2posium,2003,4:2173-2175作者简介 宋巍巍,男,1981年生,博士研究生.主要从事空间信息技术在生态环境中的应用研究,发表论文3篇.E2 mail:best patrick2008@责任编辑 杨 弘477 应 用 生 态 学 报 19卷。