9高光谱遥感的应用
合集下载
相关主题
- 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)。
10
不同传感器红外波段与红波段的光谱响应
11
实例1：MODIS数据
原始modis影像
(b) 植被指数NDVI影像图
(a) 植被指数VIUPD影像图
12
实例2：日本高光谱GLI数据
全球反射率影像图(B1+B5+B8) (GLI数据2003年4月7日)
全球植被指数影NDVI像图 (GLI数据2003年4月7日)
（1）利用多时相的高光谱数据提取出光谱特征对不同作 物进行识别和分类。
4
2） Pinty等在1993年提出归一化差异植被指数NDVI，对绿 色植被表现敏感，常被用来进行区域和全球的植被状态研究。
NDVI NIR R NIR R
为了改进NDVI，人们又提出了其他一些植被指数，主要是 将各波段反射率以不同形式进行组合来消除外界的影响因素， 如土壤、大气、光照、视场角等对反射光谱带来的影响。
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、 学、枯叶、粗超度等，且与植被覆盖有关；
6
7
8
3）增强植被指数EVI
9
4） 植被指数VIUPD 由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土
壤颜色和湿度等的复杂混合反映，而且受大气空间–时相变 化的影响，因此植被指数没有一个普遍的值，其研究经常表 现为不同的结果。不同传感器获得的数据，由于光谱响应不 同，即使利用同一天的数据计算植被指数，结果也不同。
油气渗漏和土壤混杂点很难被多光谱遥感监测到，原 因在于它们被其他材料所冲淡。而高光谱遥感器提供 了充足的光谱分辨率，可以在可见光，近红外，短波 红外提供大量的光谱数据。
国外政府的投入很大，大的石油公司都有一套完备的 高光谱遥感油气管道监测系统。
22
三、农业方面的应用
高光谱遥感在农业科研和应用技术上主要表现在以下几 个方面：
2
植被指数
植被指数是植被监测应用的重要参数之一，通过高光 谱遥感植被指数技术可以提取植物生物物理参数的定 量信息。
植被指数（Vegetation Index）的定义：是指通过多/ 高光谱遥感数据波段的线性或非线性组合，定量描述 地球表面植被状况的一种光谱特征度量指标。
植被指数的作用：已被广泛用来定性和定量评价植被 覆盖及其生长状况。另外，有助于增强遥感影像的解 译力，并已作为一种遥感手段广泛应用于土地利用覆 盖探测、植被覆盖密度评价、作物识别和作物灾害预 报等方面。
5
归一化植被指数的特点
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部 分辐射误差等；
2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对 可见光高反射；0表示有岩石或裸土等，NIR和R近似相等； 正值，表示有植被覆盖，且随覆盖度增大而增大；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR 和R的反射率的对比度。对于同一幅图象，分别求RVI和 NDVI时会发现，RVI值增加的速度高于NDVI增加速度， 即NDVI对高植被区具有较低的灵敏度；
第九章 高光谱遥感应用
本章主要介绍高光谱遥感应用在植 被，地质，水体，农业，林业，矿山， 城市等地区，以及具体的应用实例。
1
9.1 高光谱遥感应用的领域
一、在植被中的应用
利用高光谱遥感数据提取生物物理参数主要是 指用于陆地生态系统研究中的一些生物物理变 量，比如：叶面积指数（LAI），生物量，植 物种类，植冠郁闭度，光合有效辐射，净生产 率及其它冠层结构参数等。
全球植被指数VIUPD影像图
(GLI数据2003年4月7日)
13
二、地质方面的应用
区域地质制图和矿产勘探是高光谱技术主要的应 用领域之一。根据光谱特征可以识别出大部分的 岩石和矿物，从而利用高光谱遥感手段进行地质 制图变成可能。
各种矿物和岩石在电磁波谱上显示的光谱特征可 以帮助人们识别不同矿物成分。高光谱数据能反 映出这类光谱特征。
新
疆
柯
坪
地
区
岩
石灰岩
性
填
图
白云岩
18
19
20
Baidu Nhomakorabea
矿山污染
甘甫平等利用航天 Hyperion高光谱数 据研究矿山污染物 的识别，通过对矿 山野外光谱特征综 合分析，结合污染 物的特征，展开对 废矿的污染物提取 的研究。 （2004）
21
油气渗漏探测
当石油在地表的侵入点明显而且范围较大的时候，高 光谱遥感的发展为油气管线渗漏监测提供了有效的解 决方案。
14
地表岩性
岩石分为三大类：沉积岩、火成岩和变质岩， 各类岩石由于形成的环境不同，具有不同的光 谱特性。
沉积岩：以Fe离子的变化作为判别依据，三阶 铁离子（0.5和0.9微米）与二阶铁离子（1.0微 米）的光谱特性并不一样。
火成岩：SiO2的含量。 变质岩：比如白云石和方解石中的Mg和Ca离
3
1）Pearson等于1972年提出了比值植被指数RVI，它是基于 植被在红光波段处叶绿素强烈吸收太阳光谱，而在近红外波 段处植被叶细胞结构强烈反射太阳光谱这一植被的生物物理 机理而提出的。
RVI NIR R
缺点：RVI没有考虑大气等外部环境的影响，因此RVI对大气 影响很敏感。由于没有考虑土壤背景的影响，只适用于植被 覆盖浓密的情况，当植被分布较稀疏时，RVI效果并不理想。
典型的光谱识别模型如：矿物吸收指数模型 （SAI），或一些混合光谱模型。
17
Mineral spectral absorption index
矿物光谱吸收指数 (SAI)： r2
r r SAI / drs2 (1d )rs1 r
m
rm
r1
d s1 m s1 s 2
rm
s2 s1
2 m 1
石灰岩(CaCO3): SAI 2.315m < SAI 2.330 m 白云岩 (MgCO3): SAI 2.315 m> SAI 2.330 m
子，吸收峰发生偏移。
15
矿物光谱特性
一、吸收机制 1、电子跃迁：金属阳离子 2、分子振动：水分子，OH 二、外部影响 （1）风化 （2）表面结构 （3）颜色 （4）其他
16
岩石判别光谱理论与模型
矿物光谱遥感识别主要依赖于光谱吸收特征， 以此来实现遥感矿物识别和填图。
光谱吸收特征主要是通过波形特征参数来表达， 如：吸收波段位置，吸收深度，吸收宽度，吸 收面积，对称性等。
不同传感器红外波段与红波段的光谱响应
11
实例1：MODIS数据
原始modis影像
(b) 植被指数NDVI影像图
(a) 植被指数VIUPD影像图
12
实例2：日本高光谱GLI数据
全球反射率影像图(B1+B5+B8) (GLI数据2003年4月7日)
全球植被指数影NDVI像图 (GLI数据2003年4月7日)
（1）利用多时相的高光谱数据提取出光谱特征对不同作 物进行识别和分类。
4
2） Pinty等在1993年提出归一化差异植被指数NDVI，对绿 色植被表现敏感，常被用来进行区域和全球的植被状态研究。
NDVI NIR R NIR R
为了改进NDVI，人们又提出了其他一些植被指数，主要是 将各波段反射率以不同形式进行组合来消除外界的影响因素， 如土壤、大气、光照、视场角等对反射光谱带来的影响。
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、 学、枯叶、粗超度等，且与植被覆盖有关；
6
7
8
3）增强植被指数EVI
9
4） 植被指数VIUPD 由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土
壤颜色和湿度等的复杂混合反映，而且受大气空间–时相变 化的影响，因此植被指数没有一个普遍的值，其研究经常表 现为不同的结果。不同传感器获得的数据，由于光谱响应不 同，即使利用同一天的数据计算植被指数，结果也不同。
油气渗漏和土壤混杂点很难被多光谱遥感监测到，原 因在于它们被其他材料所冲淡。而高光谱遥感器提供 了充足的光谱分辨率，可以在可见光，近红外，短波 红外提供大量的光谱数据。
国外政府的投入很大，大的石油公司都有一套完备的 高光谱遥感油气管道监测系统。
22
三、农业方面的应用
高光谱遥感在农业科研和应用技术上主要表现在以下几 个方面：
2
植被指数
植被指数是植被监测应用的重要参数之一，通过高光 谱遥感植被指数技术可以提取植物生物物理参数的定 量信息。
植被指数（Vegetation Index）的定义：是指通过多/ 高光谱遥感数据波段的线性或非线性组合，定量描述 地球表面植被状况的一种光谱特征度量指标。
植被指数的作用：已被广泛用来定性和定量评价植被 覆盖及其生长状况。另外，有助于增强遥感影像的解 译力，并已作为一种遥感手段广泛应用于土地利用覆 盖探测、植被覆盖密度评价、作物识别和作物灾害预 报等方面。
5
归一化植被指数的特点
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部 分辐射误差等；
2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对 可见光高反射；0表示有岩石或裸土等，NIR和R近似相等； 正值，表示有植被覆盖，且随覆盖度增大而增大；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR 和R的反射率的对比度。对于同一幅图象，分别求RVI和 NDVI时会发现，RVI值增加的速度高于NDVI增加速度， 即NDVI对高植被区具有较低的灵敏度；
第九章 高光谱遥感应用
本章主要介绍高光谱遥感应用在植 被，地质，水体，农业，林业，矿山， 城市等地区，以及具体的应用实例。
1
9.1 高光谱遥感应用的领域
一、在植被中的应用
利用高光谱遥感数据提取生物物理参数主要是 指用于陆地生态系统研究中的一些生物物理变 量，比如：叶面积指数（LAI），生物量，植 物种类，植冠郁闭度，光合有效辐射，净生产 率及其它冠层结构参数等。
全球植被指数VIUPD影像图
(GLI数据2003年4月7日)
13
二、地质方面的应用
区域地质制图和矿产勘探是高光谱技术主要的应 用领域之一。根据光谱特征可以识别出大部分的 岩石和矿物，从而利用高光谱遥感手段进行地质 制图变成可能。
各种矿物和岩石在电磁波谱上显示的光谱特征可 以帮助人们识别不同矿物成分。高光谱数据能反 映出这类光谱特征。
新
疆
柯
坪
地
区
岩
石灰岩
性
填
图
白云岩
18
19
20
Baidu Nhomakorabea
矿山污染
甘甫平等利用航天 Hyperion高光谱数 据研究矿山污染物 的识别，通过对矿 山野外光谱特征综 合分析，结合污染 物的特征，展开对 废矿的污染物提取 的研究。 （2004）
21
油气渗漏探测
当石油在地表的侵入点明显而且范围较大的时候，高 光谱遥感的发展为油气管线渗漏监测提供了有效的解 决方案。
14
地表岩性
岩石分为三大类：沉积岩、火成岩和变质岩， 各类岩石由于形成的环境不同，具有不同的光 谱特性。
沉积岩：以Fe离子的变化作为判别依据，三阶 铁离子（0.5和0.9微米）与二阶铁离子（1.0微 米）的光谱特性并不一样。
火成岩：SiO2的含量。 变质岩：比如白云石和方解石中的Mg和Ca离
3
1）Pearson等于1972年提出了比值植被指数RVI，它是基于 植被在红光波段处叶绿素强烈吸收太阳光谱，而在近红外波 段处植被叶细胞结构强烈反射太阳光谱这一植被的生物物理 机理而提出的。
RVI NIR R
缺点：RVI没有考虑大气等外部环境的影响，因此RVI对大气 影响很敏感。由于没有考虑土壤背景的影响，只适用于植被 覆盖浓密的情况，当植被分布较稀疏时，RVI效果并不理想。
典型的光谱识别模型如：矿物吸收指数模型 （SAI），或一些混合光谱模型。
17
Mineral spectral absorption index
矿物光谱吸收指数 (SAI)： r2
r r SAI / drs2 (1d )rs1 r
m
rm
r1
d s1 m s1 s 2
rm
s2 s1
2 m 1
石灰岩(CaCO3): SAI 2.315m < SAI 2.330 m 白云岩 (MgCO3): SAI 2.315 m> SAI 2.330 m
子，吸收峰发生偏移。
15
矿物光谱特性
一、吸收机制 1、电子跃迁：金属阳离子 2、分子振动：水分子，OH 二、外部影响 （1）风化 （2）表面结构 （3）颜色 （4）其他
16
岩石判别光谱理论与模型
矿物光谱遥感识别主要依赖于光谱吸收特征， 以此来实现遥感矿物识别和填图。
光谱吸收特征主要是通过波形特征参数来表达， 如：吸收波段位置，吸收深度，吸收宽度，吸 收面积，对称性等。