植被光谱特征及常用卫星参数
植被的光谱特性
植被的光谱特性色素吸收决定着可见光波段的光谱反射率，细胞结构决定近红外波段的光谱反射率，而水汽吸收决定了短波红外的光谱反射率特性。
一般情况下，植被在350 - 2500nm范围内具有如下典型反射光谱特征:(1 )350一490nm谱段:由于400一450nm谱段为叶绿素的强吸收带，425一490nm 谱段为类胡罗卜素的强吸收带，380nm波长附近还有大气的弱吸收带，故350一490nm谱段的平均反射率很低，一般不超过10%，反射光谱曲线的形状也很平缓;(2) 490一600mn谱段:由于550nm波长附近是叶绿素的强反射峰区，故植被在此波段的反射光谱曲线具有波峰的形态和中等的反射率数值(约在8-28%之间); (3) 600一700nm谱段:650一700nm谱段是叶绿素的强吸收带，610、660nm谱段是藻胆素中藻蓝蛋白的主要吸收带，故植被在600一700nm的反射光谱曲线具有波谷的形态和很低的反射率数值(除处于落叶期的植物群落外，通常不超过10%)(4) 700一750nm谱段:植被的反射光谱曲线在此谱段急剧上升，具有陡而近于直线的形态。
其斜率与植物单位面积叶绿素(a+b)的含量有关，但含量超过4一5mg.cm'2后则趋于稳定;(5) 750一1300nm谱段:植被在此波段具有强烈反射的特性(可理解为植物防灼伤的自卫本能)，故具有高反射率的数值。
此波段室内测定的平均反射率多在35一78%之间，而野外测试的则多在25一65%之间。
由于760nm, 850nm, 910nm,960nm 和1120nm等波长点附近有水或氧的窄吸收带，因此，750.1300nm谱段的植被反射光谱曲线还具有波状起伏的特点;(6) 1300一1600nm谱段:与1360一1470nm谱段是水和二氧化碳的强吸收带有关，植被在此谱段的反射光谱曲线具有波谷的形态和较低的反射率数值(大多在12一18%之间):(7) 1600一1830nm谱段:与植物及其所含水分的波谱特性有关，植被在此波段的反射光谱曲线具有波峰的形态和较高的反射率数值(大多在20一39%之间); (8) 1830一2080mn 谱段:此谱段是植物所含水分和二氧化碳的强吸收带，故植被在此谱段的反射光谱曲线具有波谷的形态和很低的反射率数值(大多在6一10%之间);(9) 2080一2350nm谱段:与植物及其所含水分的波谱特性有关，植被在此波段的反射光谱曲线具有波峰的形态和中等的反射率数值(大多在10一23%之间): (10) 2350一2500mn谱段:此谱段是植物所含水分和二氧化碳的强吸收带，故植被在此谱段的反射光谱曲线具有波谷的形态和较低的反射率数值(大多在8一12%之间)。
Landsat陆地卫星系列遥感数据介绍
Landsat陆地卫星遥感影像数据1.美国陆地卫星计划“地球资源技术卫星”计划最早始于1967年，美国国家航空与航天局(NASA)受早期气象卫星和载人宇宙飞船所提供的地球资源观测的鼓舞，开始在理论上进行地球资源技术卫星系列的可行性研究。
美国陆地卫星(Landsat)系列卫星由美国航空航天局(NASA)和美国地质调查局(USGS)共同管理。
陆地卫星是美国用于探测地球资源与环境的系列地球观测卫星系统，曾称作地球资源技术卫星(ERTS)。
陆地卫星的主要任务是调查地下矿藏、海洋资源和地下水资源，监视和协助管理农、林、畜牧业和水利资源的合理使用，预报农作物的收成，研究自然植物的生长和地貌，考察和预报各种严重的自然灾害(如地震)和环境污染，拍摄各种目标的图像，以及绘制各种专题图(如地质图、地貌图、水文图)等。
1972年7月23日，第一颗陆地卫星(Landsat1)成功发射，后来发射的这一系列卫星都带有陆地卫星(Landsat)的名称。
到1999年4月15日，共成功发射了六颗陆地卫星，它们分别命名为陆地卫星1到陆地卫星5(Landsat1—landsat5)以及陆地卫星7(Landsat7)，其中陆地卫星6的发射失败了。
时隔24年，2013年2月11日Landsat 系列卫星Landsat8发射升空，经过100天的测试运行后开始获取影像。
2.陆地卫星的轨道参数陆地卫星的轨道设计为与太阳同步的近极地圆形轨道，以确保北半球中纬度地区获得中等太阳高度角(25°一30°)的上午成像，而且卫星以同一地方时、同一方向通过同一地点．保证遥感观测条件的基本一致，利于图像的对比。
如Landsat 4、5轨道高度705km．轨道倾角98.2°，卫星由北向南运行，地球自西向东旋转，卫星每天绕地球14.5圈，每天在赤道西移159km，每16天重复覆盖一次，穿过赤道的地方时为9点45分，覆盖地球范围N81°—S81.5°。
ENVI中常见植被指数介绍
作业9 植被指数植被指数概念：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。
植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。
不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。
Broadband Greenness(5 indices)（宽带绿色指标(5)）宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。
宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。
宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。
下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。
1. Normalized Difference Vegetation Index归一化植被指数增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。
简称NDVI： NDVI=(NIR-R)/(NIR+R)（1）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；（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；2.Simple Ratio Index比值植被指数在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。
典型地物的光谱曲线特征
不同类型的地物在遥感影像中呈现出不同的光谱曲线特征。
以下是一些常见地物的光谱曲线特征：
植被：植被在可见光波段（0.4-0.7微米）表现出较高的反射率，特别是在绿色波段（0.5-0.6微米）反射率最高。
这是因为植被对太阳辐射的吸收主要集中在红光和蓝光波段，而对绿光波段较少吸收，因此呈现出较高的反射率。
水体：水体在可见光波段表现出较低的反射率，尤其在蓝光波段（0.45-0.5微米）反射率较低。
这是因为水体对蓝光有较强的吸收能力，吸收了大部分蓝光能量，导致较低的反射率。
土壤：土壤的光谱曲线特征受其成分和含水量的影响。
一般而言，裸土在可见光波段的反射率较高，而在近红外波段（0.7-1.3微米）反射率较低。
不同类型的土壤（如沙质土壤、粘质土壤等）的光谱特征会有所差异。
建筑物：建筑物通常呈现出较高的反射率，尤其在可见光和近红外波段。
建筑物的反射率与其材质和表面特性有关，如玻璃、金属等材质会呈现出较高的反射率。
道路：道路表面通常具有较高的反射率，尤其在可见光和近红外波段。
道路的光谱特征与其材质、路面状况和光照条件等因素相关。
【转】植被光谱曲线特征
【转】植被光谱曲线特征【转】植被光谱曲线特征001）对绿光（0.55 ）有一小的反射峰值，反射率大致为20%，这是绿色植物呈现绿色的原因。
注意这里也正是太阳光的光能峰值。
2）在红光处（0.68 ）有一吸收谷，这是光合作用吸收谷。
注意此处太阳光能仍很大，若吸收谷减小，则植被发黄、红。
3）在 0.7~1.4 与 1.5 ~ 1.9 有很高红外反射峰，反射率可高达70%以上，这两峰与前边红光波谷是植被光谱的特征。
这第一峰波长段还处在太阳光能波谱中主要能量分布区（0.2~1.4 ）占有全部太阳光能量90.8%，这是遥感识别植被并判断植被状态的主要依据。
4）在 1.45 至 1.95 有两处吸收谷，表明植被中水分含量。
5）不同种类植物反射光谱曲线的变化趋势相同，而植物与其它地物的反射光谱曲线显著不同，这是遥感可以估测生物量的基础。
6）植物叶片重叠时，反射光能量在可见光部分几乎不变，而在红外却可增加20~40%。
这是因为红外光可透过叶片，又经下层叶片重复反射。
叶片重叠反映作物长势旺盛，生物量高。
7) 植物叶片可见光区反射率有显著的方向性，这是因为植物叶片反射（散射）不是纯粹的朗伯散射，还有方向性。
而在红外区方向性就不显著，这是因为红外光透射性好，透射后重复反射打扰了方向性。
Spectral Reflectance SignatureWhen solar radiation hits a target surface, it may be transmitted, absorbed or reflected. Different materials reflect and absorb differently at different wavelengths. The reflectance spectrumof a material is a plot of the fraction of radiation reflected as a function of the incident wavelength and serves as a unique signature for the material. In principle, a material can be identified from its spectral reflectance signature if the sensing system has sufficient spectral resolution to distinguish its spectrum from those of other materials. This premise provides the basis for multispectral remote sensing. The following graph shows the typical reflectance spectra of five materials: clear water, turbid water, bare soil and two types of vegetation.Reflectance Spectrum of Five Types of Landcover The reflectance of clear water is generally low. However, the reflectance is maximum at the blue end of the spectrum and decreases as wavelength increases. Hence, clear water appears dark-bluish. Turbid water has some sediment suspension which increases the reflectance in the red end of the spectrum, accounting for its brownish appearance. The reflectance of bare soil generally depends on its composition. In the example shown, the reflectance increases monotonically with increasing wavelength. Hence, it should appear yellowish-red to theeye. Vegetation has a unique spectral signature which enables it to be distinguished readily from other types of land cover in anoptical/near-infrared image. The reflectance is low in both the blue and red regions of the spectrum, due to absorption by chlorophyll for photosynthesis. It has a peak at the green region which gives rise to the green colour of vegetation. In the near infrared (NIR) region, the reflectance is much higher than that in the visible band due to the cellular structure in the leaves. Hence, vegetation can be identified by the high NIR but generally low visible reflectances. This property has been used in early reconnaisance missions during war times for "camouflage detection". The shape of the reflectance spectrum can be used for identification of vegetation type. For example, the reflectance spectra of vegetation 1 and 2 in the above figures can be distinguished although they exhibit the generally characteristics of high NIR but low visible reflectances. Vegetation 1 has higher reflectance in the visible region but lower reflectance in the NIR region. For the same vegetation type, the reflectance spectrum also depends on other factors such as the leaf moisture content and health of the plants. The reflectance of vegetation in the SWIR region (e.g. band 5 of Landsat TM and band 4 of SPOT 4 sensors) is more varied, depending on the types of plants and the plant's water content. Water has strong absorption bands around 1.45, 1.95 and 2.50 µm. Outside these absorption bands in the SWIR region, reflectance of leaves generally increases when leaf liquid water content decreases. This property can be used for identifying tree types and plant conditions from remote sensing images. The SWIR band can be used in detecting plant drought stress and delineating burnt areas and fire-affected vegetation. The SWIR band is also sensitive to the thermal radiation emitted by intense fires, and hence can be used to detect active fires, especially during night-time when the background interference from SWIR in reflected sunlight is absent.Typical Reflectance Spectrum of Vegetation. The labelled arrows indicate the common wavelength bands used in optical remote sensing of vegetation: A: blue band, B: green band; C: red band; D: near IR band;E: short-wave IR band。
多光谱遥感卫星影像植被指数种类
遥感植被指数的种类、适用性和优缺点分析摘要：遥感是现代科学技术中的一种远距离观测、分析目标地物的理论和方法，它在现代环境监测中具有广泛的应用。
遥感植被指数是指利用遥感图像进行植被长势、生物量生产潜能等监测的重要指标。
本文将在对植物的光谱特征分析的基础上，总结相关研究，对植被指数的种类以及它们的适用性和优缺点进行分析。
1、引言遥感是指利用不同地物波谱特征不同这一特性，通过传感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息，进行处理、分析与应用的一门科学和技术。
而植被指数则是利用遥感图像获取多光谱遥感数据，经过分析得到植被分布、种类等数值，对某些植被的长势、生物量等有一定应用价值。
目前，国内外学者已研究发展了几十种不同的植被指数模型，常用的有以下几类：1、比值植被指数（RVI）；2、归一化植被指数（NDVI）；3、差值植被指数（DVI）；4、缨帽变换中的绿度植被指数（GVI）；5、垂直植被指数（PVI）；6、土壤调整植被指数（SAVI）等，这几类植被指数对植被的敏感性、抗土壤和大气的干扰性等不尽相同。
一般情况下由于归一化植被指数（NDVI）与一些重要的生物物理参数如生物量、叶面积指数和光有效辐射等有密切的联系[1]，所以NDVI被广泛用于植被研究。
遥感植被指数是预测生物量、作物生产潜能以及评价一个生态系统结构与功能特征的重要指标[2]，然而遥感的植被指数不仅取决于植被的种类，还要受到其他环境条件的干扰，如土壤湿度、土壤的物理化学属性、大气条件以及季节等的影响。
于是如何在不同的条件下选择不同的植被指数对更好的进行植被监测、农作物估产等有着较大的影响。
本文正是通过对植被遥感的原理、植物光谱特征分析研究等的基础上，总结有关资料数据，对各类遥感植被指数的适用性和优缺点进行了分析，作为今后相关研究的参考。
2、植被遥感的原理植物遥感依赖于植物本身的特征，主要是叶片结构特点和植被冠层光谱特性。
Landsat陆地卫星TM遥感影像数据介绍
Landsat陆地卫星遥感影像数据简介“地球资源技术卫星”计划最早始于1967年，美国国家航空与航天局（NASA）受早期气象卫星和载人宇宙飞船所提供的地球资源观测的鼓舞，开始在理论上进行地球资源技术卫星系列的可行性研究。
1972年7月23日，第一颗陆地卫星（Landsat_1）成功发射，后来发射的这一系列卫星都带有陆地卫星（Landsat）的名称。
到1999年，共成功发射了六颗陆地卫星，它们分别命名为陆地卫星1到陆地卫星5以及陆地卫星7，其中陆地卫星6的发射失败了。
Landsat陆地卫星系列遥感影像数据覆盖范围为北纬83o到南纬83o之间的所有陆地区域，数据更新周期为16天（Landsat 1~3的周期为18天），空间分辨率为30米（RBV和MSS传感器的空间分辨率为80米）。
目前，中国区域内的Landsat陆地卫星系列遥感影像数据（见图1）可以通过中国科学院计算机网络信息中心国际科学数据服务平台QQ电子网免费获得（）。
Landsat 陆地卫星在波段的设计上，充分考虑了水、植物、土壤、岩石等不同地物在波段反射率敏感度上的差异，从而有效地扩充了遥感影像数据的应用范围。
在基于Landsat遥感影像数据的一系列应用中，计算植被指数和针对Landsat ETM off影像的条带修复为最常用同时也是最为基础的两个应用。
因此，中国科学院计算机网络信息中心基于国际科学数据服务平台，提供了1）基于Landsat 数据的多种植被指数提取。
2）对Landsat ETM SLC-off影像数据的条带修复。
图1 Landsat 遥感影像中国区示意图数据特征（1）数据基本特征Landsat陆地卫星包含了五种类型的传感器，分别是反束光摄像机（RBV），多光谱扫描仪（MSS），专题成像仪（TM），增强专题成像仪（ETM）以及增强专题成像仪+（ETM+），各传感器拍摄影像的基本特征如下：（2）数据主要参数Landsat陆地卫星携带的传感器，在南北向的扫描范围大约为179km，东西向的扫描范围大约为183km，数据输出格式是GeoTIFF，采取三次卷积的取样方式，地图投影为UTM-WGS84南极洲极地投影。
多光谱遥感卫星影像植被指数种类
多光谱遥感卫星影像植被指数种类1. 归一化植被指数（Normalized Difference Vegetation Index，NDVI）：归一化植被指数是最常见且最广泛应用的植被指数之一、它利用红光和近红外波段的反射率差异来评估植被的健康和生长状况。
NDVI值的范围从-1到1，数值越高表示植被覆盖越好。
2. 增强型植被指数（Enhanced Vegetation Index，EVI）：增强型植被指数是对NDVI的改进，它通过加入大气校正和土地表面背景修正，可以提高植被指数的特征表达能力。
相比于NDVI，EVI在地表背景光照条件变化大的情况下表现更好。
3. 土壤调整植被指数（Soil-Adjusted Vegetation Index，SAVI）：土壤调整植被指数是在NDVI的基础上引入土壤亮度校正因子，用于纠正影响NDVI计算的土壤亮度对植被指数的影响。
SAVI对土壤覆盖比较重的地区提供了更准确的植被信息。
4. 归一化水体指数（Normalized Difference Water Index，NDWI）：归一化水体指数利用短波红外波段和近红波段的反射率差异来区分水体和其他地表信息。
NDWI值的范围从-1到1，数值越高表示水体覆盖越多。
除了以上提到的常见植被指数，还有其他一些衍生出来的指数用于特定的研究和应用，如大气校正后的植被指数（AtmosphericallyResistant Vegetation Index，ARVI）、非线性植被指数（Non-linear Vegetation Index，NVI）等。
多光谱遥感卫星影像植被指数种类的选择取决于研究目的和具体的科学问题。
不同的指数在对植被响应的灵敏度、对土壤背景和大气影响的抑制能力等方面有所差异。
因此，在具体应用中，需根据研究区域的自然环境特点，综合考虑各种植被指数的适用性，选择合适的指数进行分析和研究。
云南大学东陆园植被景观的光谱特征
云南大学东陆园植被景观的光谱特征曹帅强;李阳阳;张军【摘要】植被景观是我国校园生态环境建设与文化认知的重要组成部分,非成像地物光谱仪得到的植被光谱特征是植被景观分类的重要依据.以云南大学东陆园为例,采用野外光谱仪对针、阔、草三种典型绿色植被和不同颜色植被的反射光谱进行采集和处理,得到六种植被的反射光谱.通过分析三种绿色植被的反射光谱特征、一阶导数光谱和二阶导数光谱,建立了校园植被景观中针、阔、草的区分特征规律.研究结果表明:(1)特征值分别位于反射光谱的红光区(反射率从高到低依次为:草地、阔叶林、针叶林)、一阶导数光谱红边峰值(峰值从高到低次序与反射率相同)和二阶导数的四个特征波段(683 nm—703 nm(二阶导数>0)、724 nm—755 nm(二阶导数<0)、756 nm—760 nm(二阶导数>0)和760 nm—765 nm(二阶导数<0)),峰值从高到低分别对应草地、阔叶林、针叶林,且二阶导数区分性最好;(2)彩色植被由于花青素差异,红、黄、蓝青三种花在可见光波段对应颜色区域呈现较高的反射率,因此可见光区的反射特征可以用来区分不同色系的彩色植被.【期刊名称】《衡阳师范学院学报》【年(卷),期】2018(039)003【总页数】7页(P116-122)【关键词】校园植被景观;反射光谱;导数光谱;云南大学【作者】曹帅强;李阳阳;张军【作者单位】湖南省古村古镇文化遗产数字化传承协同创新中心,湖南衡阳421002;云南大学资源环境与地球科学学院,云南昆明 650000;湖南省古村古镇文化遗产数字化传承协同创新中心,湖南衡阳 421002;湖南省古村古镇文化遗产数字化传承协同创新中心,湖南衡阳 421002【正文语种】中文【中图分类】Q436校园植被景观是我国重要“科—学—游”一体化为集合的文化功能、空间构景和地域特色等的总和，具有一定的地方意义。
学术界主要从校园植物景观的群落结构特征[1]、文化内涵[2]、规划设计[3]与配置[4]、质量提升改造[5]等方面做了大量研究工作，但对于充分识别校园植被景观特征仍需要深入探讨。
Landsat数据介绍
Landsat数据介绍LANDSAT是美国NASA的陆地卫星计划（1975年前称“地球资源技术卫星-ERTS”）,从1972年开始发射第一颗卫星LANDSAT-1，已发射7颗。
目前，在役服务的是Landsat5。
Landsat5搭载MSS(Multi Spectral Scanner)四波段光-机扫描仪和TM（Thematic Mapper）多光谱扫描仪。
在2003年出现故障的Landsat7于1999年发射，搭载Enhanced Thematic Mapper Plus(ETM+)多光谱扫描仪，ETM+除有TM 7个波段外，增加了一个全色波段，空间分辨率为15米，同时热红外波段空间分辨率也提高到了60m。
Landsat系列卫星参数一览表陆地卫星的MSS、TM在波段的选择上，均考虑到在各自的条件下最大限度地区分和监测不同类型的地球资源。
MSS选用可见光-近红外（0.5~1.1μm）谱段，共分4个波段。
TM选用可见光-热红外（0.45~0.55μm）谱段，共分7个波段。
Landsat各个传感器波段设计1.MSS2.MSS3.TM4.ETM+数据解压后将得到7（TM）个波段文件，1个控制点文件（GCP.txt），1个头文件（MTL.txt）. 定标，打包都可以通过头文件来完成。
landsat8表1：OLI陆地成像仪OLIOLI陆地成像仪ETM+序号波段(μm)空间分辨率(m)序号波段(μm)空间分辨率(m)1 0.433–0.453 302 0.450–0.515 30 1 0.450–0.515 303 0.525–0.600 30 2 0.525–0.605 304 0.630–0.680 30 3 0.630–0.690 305 0.845–0.885 30 4 0.775–0.900 306 1.560–1.660 30 5 1.550–1.750 30常用的合成方法：321：真彩合成。
与肉眼所见接近；仅使用反射的可见光，受大气、云雾、阴影、散射的影响较大，通常对比度不高，感觉模糊（蓝色光散射严重）；对于海岸区域研究特别有用，因为可见光可穿透水面，观察到海底。
3.植被光谱参数
分消除 LAD 的变化所还带来的影响。 ②几乎所有的星载或机载的传感器所测得的是来自目标的散射或反射辐射亮度值，而不
是双向反射率因子，（ Ri ），但人们在建立应用模型时只能采用 Ri 或 ρi （半球反射率），因
LAI
=
−1 K
ln1
−
( Rv ,ir
−
PVI MRv,r
) cosϑ
这样 PVI 与 LAI 成指数型函数关系，等 PVI 线与 LAI 线一致，由于等 PVI 线与土壤线
平行，所以 PVI 值在 LAI 任何取值条件下都与土壤背景亮度值无关，换言之，PVI 参数具
有完全消除土壤背景信息的能力。但 Kir ≠ K r ，这是人所共知的事实，因此上述 PVI 与 LAI
除此以外还有 GVI（greenness vegetation Index），其实它就是多维系统中的垂直植被指
83
数，它也是对植被——土壤系统多维反射率因子进行 K—T 变换中的第二个主成份值。 为什么应用植被光谱参数从植被—土壤系统中提取植被信息会比单通道值更精确可靠
呢？ ①事实上，植被—土壤系统是一个复杂的非朗伯体系，它的双向反射率因子是传感器视
严格地讲，在应用 Boolean 原理时，应该使用覆盖度（x）概念，而不是使用 LAI，但 由于对固定的叶倾角分布函数（LAD），x 与 LAI 有单一的函数关系，就几何光学模型而言， 阴影是绝对地“黑”，而实际上，叶子对光的拦截作用因波段不同而变，比如近红外波段叶
子的透过率很大，而对红色波段其透过率就很少，此处引入植被对光谱的削弱系数 K λ 既表
RVI
ENVI中常见植被指数介绍
作业9 植被指数植被指数概念：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。
植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。
不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。
Broadband Greenness(5 indices)（宽带绿色指标(5)）宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。
宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。
宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。
下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。
1. Normalized Difference Vegetation Index归一化植被指数增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。
简称NDVI： NDVI=(NIR-R)/(NIR+R)（1）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；（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；2.Simple Ratio Index比值植被指数在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。
所有遥感卫星数据资源参数及特点总结
所有遥感卫星数据资源参数及特点总结遥感卫星是一种利用卫星技术收集地球上的信息和数据的设备，它可以对地球上的陆地、水域和大气进行观测和监测。
遥感卫星数据资源非常丰富，包括了多个参数和特点。
以下是对其中一些常见的遥感卫星数据资源参数及特点的总结：1.光谱范围：遥感卫星可以通过测量不同波段的光谱信息来获取地球上的不同特征。
常见的光谱范围包括可见光、红外线和微波等。
不同波段的光谱范围可以提供不同的信息，比如可见光波段可以用于识别陆地和水域，红外线波段可以用于测量地表温度等。
2.空间分辨率：遥感卫星可以提供不同的空间分辨率，即在地球上观测的最小尺度。
空间分辨率决定了卫星观测到的地面细节的程度。
通常来说，较高的空间分辨率可以提供更精细的地表特征，但也会导致数据量增加和处理难度提高。
3.时间分辨率：遥感卫星可以提供不同的时间分辨率，即观测地球的时间间隔。
时间分辨率对于监测地球上的变化非常重要。
高时间分辨率可以提供更频繁的观测，有助于监测地球上的动态过程，比如冰川变化、植被生长和灾害监测等。
4.数据格式：遥感卫星数据可以有不同的格式，比如栅格数据和矢量数据。
栅格数据是以像素为单位的网格数据，适合于图像显示和处理。
矢量数据可以表示地理空间中的点、线、面等要素，适合于地理信息系统（GIS）的分析和建模。
6.数据处理：遥感卫星数据需要进行一系列的预处理和处理步骤，比如影像几何校正、辐射校正和分类等。
这些处理步骤可以提高数据质量和可用性，并提取出关键的地表信息。
总之，遥感卫星数据资源丰富多样，包括了光谱范围、空间分辨率、时间分辨率、数据格式、数据传输和数据处理等参数和特点。
这些参数和特点决定了遥感卫星数据的质量和适用范围，对于地球观测和监测具有重要意义。
随着遥感卫星技术的不断发展，我们可以期待更高分辨率、更频繁观测的遥感卫星数据资源的出现，为地球科学和环境保护等领域的研究提供更多有用的信息。
常见遥感卫星基本参数大全
常见遥感卫星基本参数大全1.分辨率：指遥感卫星传感器所获取的影像中最小可分辨的空间单位大小。
分辨率分为空间分辨率和光谱分辨率。
空间分辨率一般以米为单位，光谱分辨率指在可见光和近红外波段上的波长分辨率。
2.观测周期和重访周期：观测周期是指卫星完成一次对地观测所需要的时间，通常为几天到几周；重访周期是指卫星经过同一地点的时间间隔，通常以天为单位。
较短的重访周期可以提供更频繁的观测和更新的数据。
3.带宽和频谱范围：带宽指卫星传感器所能接收的频率范围，通常以赫兹为单位。
不同的传感器具有不同的频谱范围，涵盖可见光、红外波段等。
4.存储容量：指卫星上用于存储获取的影像数据的容量。
较大的存储容量可以存储更多的数据，减少数据传输的次数。
5.数据传输速率：指卫星将获取的数据传输到地面接收站的速度。
较高的传输速率可以更快地传输数据，提高数据获取的效率。
6.平台稳定性：指卫星在运行过程中保持稳定的能力，主要包括对空气动力学效应的稳定性和姿态控制的能力。
7.太阳同步轨道：指卫星轨道平面与太阳方向垂直，使卫星每天经过同一地点的时间相同。
这种轨道可以确保在不同时间和不同季节获取的影像光照条件相似，方便进行对比分析。
8.观测角度：指卫星在观测目标时与地面之间的夹角。
不同的观测角度可以提供不同的视角，有助于获取更多的信息。
9.具体波段信息：不同的遥感卫星传感器可以获取不同波段的数据，如可见光、红外、近红外等。
不同波段的数据可以用于不同的应用领域，如植被监测、地表温度分析等。
这些是常见的遥感卫星基本参数，可以根据具体需求选择适合的遥感卫星。
不同的卫星具有不同的特点和应用领域，了解这些参数可以帮助我们更好地选择和使用遥感卫星数据。
植被遥感光谱分析-PPT课件
2、分类尺度
I类：危害极严重区，树林叶片郁闭度极小，叶片 干枯萎缩，树木接近死亡，树冠小，树林残缺现象 严惩，影像呈暗棕青、棕红色稀小的星点状，近红 外光谱反射值在ρ ＜30％。
II类：危害严重区，树木叶片郁闭度很小，叶片枯 萎，有坏死斑现象，树冠较小，树木残缺较严惩， 影像呈棕青、棕红、粉红色星点状，近红外光谱反 射值ρ ＝30～40％。
简单比值植被指数 (Ratio Vegetation Index)
第一个植被指数:
R ir RVI Rr
叶绿素在红波段的吸收谷 健康植被在近红外的反射高台区 (Cohen, 1991) . RVI对大气影响敏感，而且当植被覆盖不够浓密时（小于50%）， 它的分辨能力也很弱，只有在植被覆盖浓密的情况下效果最好。
（1）针叶林（云杉林、松树林） 在比例尺为 1:10000 ～ 1:15000 的像片上，针叶 林一般是深灰色颗粒状图型，随比例尺进一步小 ，表现为暗色调均匀的细粒状影纹。在比例尺大 于1:10000的像片上，可以判读其树冠形态、特征 ，多数针叶林的树呈圆锥形或椭圆形。 （云杉、 松树）
（2）阔叶林（山杨、白桦） 其影像色调比针叶林浅，一般呈灰色和浅灰色 颗粒状或粗圆粒状图型，在秋季像片上，不同树种 的树冠颜色有较大差异，因而形成色调混杂的影像 ，山杨多呈白色，白桦呈浅灰色，树冠呈倒卵形。 （3）针阔叶混交林 兼具上述两者的特征，针叶林呈深灰色的细颗 粒状，而阔叶林呈浅灰色，颗粒较粗，两者交错混 生，有的林斑以针叶林为主，阔叶林为副，有的则 反之。
土壤有近于1的比值，植被则会表现出高于2的比值。 增强植被与土壤背景之间的辐射差异。 是植被长势、丰度的度量方法之一。
标准差植被指数
(Normalized Difference Vegetation Index) 标准差植被指数 Normalized Difference Vegetation Index (NDVI):
植被光谱特征与植被指数综述
植被光谱特征与植被指数综述植被光谱特征与植被指数是现代遥感技术中常用的分析工具，能够提供植被物候变化、生理状况、生态系统功能等多种信息。
下面是关于植被光谱特征与植被指数的综述：一、植被光谱特征植被的光谱特征指的是植物叶片反射和吸收光线的特征，通常使用遥感技术获取。
植被的光谱特征可以分为两类：光谱反射率和吸收率。
光谱反射率指植被表面反射的光线占入射光线的比例，而吸收率则指植被吸收光线的能力。
光谱反射率植被表面的光谱反射率通常被描述为“红边反射”，即在近红外（NIR）波段和绿色波段之间的波段范围内的反射率。
典型的红边反射区域在680-750 nm之间，这是由于植物叶绿素的吸收谱和植被的叶片结构所导致的。
另外，绿色波段和近红外波段的反射率也可以提供有关植被的信息。
吸收率植物叶片中的叶绿素和类胡萝卜素是两种主要的色素，它们对特定波长的光线具有吸收作用。
在可见光谱范围内，叶绿素对蓝色和红色光线的吸收最大，而类胡萝卜素对蓝色光线的吸收最大。
此外，植物叶片的纤维素、半纤维素和蛋白质等化学成分也会影响植物叶片的吸收率。
二、植被指数植被指数是一种基于植被反射谱线的标准化指标，用于评估植被生长状况、叶绿素含量、光合作用速率等。
植被指数通常使用多光谱遥感数据计算，其中常见的植被指数包括：归一化植被指数（Normalized Difference Vegetation Index，NDVI）NDVI是植被遥感研究中最常用的指数之一，它可以通过计算近红外波段（NIR）和红色波段（RED）的反射率之差来获得，公式为：(NIR - RED) / (NIR + RED)。
该指数对植被覆盖度、生长状况和叶绿素含量有较好的敏感性。
归一化差值植被指数（Normalized Difference Vegetation Index，NDVI）NDWI主要用于估计水分含量，计算公式为：(NIR - SWIR) / (NIR + SWIR)，其中SWIR是短波红外波段。
常用遥感卫星数据介绍PPT课件
像服务持续到2023年。
.
Monday, November 04,
2019
SPOT 6 & SPOT 7产品
简化的标准产品
使用Reference3D，定位精度达到10米 （CE90）的自动正射影像 捆绑：同步采集全色和多光谱影像 - 1.5 m全色 (0.455 µm – 0.745 µm)
• » ASTER • » LANDSAT • » CBERS-2 • »IRS
• 低空间分辨率: 30 - > 1000 m
• » 气象方面：AVHRR、MODIS、
GMS、FY-1/2、SPOT-VGT • » 海洋方面：HY-1、SeaWiFS
（美）
Monday, November 04, 2019
• Landsat-7 除了在空间分辨率和光谱特性等方面保持了与Landsat-5 的基本 一致。Landsat-7每16 天扫瞄同一地区，即其16天覆盖全球一次。
• 2003 年5 月31 日(21:42:35 GMT)，Landsat-7ETM+ 机载扫描行校正器 (ScanLinesCorrector, 简称SLC) 突然发生故障，导致获取的图像出现数据 重叠和大约25% 的数据丢失，因此2003/5/31日之后Landsat 7的所有数据 都是异常的，需要采用SLC-off模型校正。另外，2003/5/31-2003/7/14以及 2003/7/3-2003/9/17之间的数据是没有获得。
- 6 m多光谱, 4个波段： - 蓝(0.455 µm – 0.525 µm) - 绿(0.530 µm – 0.590 µm) - 红(0.625 µm – 0.695 µm) - 近红外(0.760 µm – 0.890 µm) Pan-sharpened: 全色和4个多光谱波段的 1.5米彩色融合影像 影像幅宽：星下点60公里 格式：DIMAP V2 格式 (JPEG 2000或
常见遥感卫星地基本全参数大全
常见遥感卫星的基本参数大全1. BERS-1 中巴资源卫星CBERS-1 中巴资源卫星由中国与巴西于1999年10月14日合作发射，是我国的第一颗数字传输型资源卫星。
卫星参数：太阳同步轨道轨道高度：778公里,倾角:98.5o 重复周期：26天，平均降交点地方时为上午10：30 相邻轨道间隔时间为 4 天扫描带宽度:185公里星上搭载了CCD传感器、IRMSS红外扫描仪、广角成像仪，由于提供了从20米-256米分辨率的11个波段不同幅宽的遥感数据，成为资源卫星系列中有特色的一员。
红外多光谱扫描仪：波段数： 4波谱范围：B6：0.50 –1.10(um)B7：1.55 –1.75(um)B8：2.08 – 2.35(um)B9：10.4 – 12.5(um)覆盖宽度：119.50公里空间分辨率：B6 – B8：77.8米B9：156米 CCD相机：波段数： 5波谱范围： B1：0.45 –0.52(um)B2：0.52 – 0.59(um)B3：0.63 – 0.69(um)B4：0.77 – 0.89(um)B5：0.51 – 0.73(um)覆盖宽度：113公里空间分辨率：19.5米(天底点)侧视能力：-32 士32 广角成像仪：波段数： 2波谱范围：B10：0.63 – 0.69(um)B11：0.77 – 0.89(um)覆盖宽度：890公里空间分辨率：256米CBERS- 1卫星于1999年10月14日发射成功后，截止到2001年10月14日为止，它在太空中己运行2年，围绕地球旋转10475圈，向地面发送了大量的遥感图像数据，已存档218201景0级数据产品。
CBERS-1卫星的设计寿命是2年，但据航天专家测定CBERS-1卫星在轨道上运行正常。
有效载荷除巴西研制的宽视场成像仪于2000年5月9日因电源系统故障失效外，其余均工作正常，而且目前星上的所有设备均工作在主份状态，备份设备还未启用，星上燃料绰绰有余。
植被的光谱特性
植被的光谱特性色素吸收决定着可见光波段的光谱反射率，细胞结构决定近红外波段的光谱反射率，而水汽吸收决定了短波红外的光谱反射率特性。
一般情况下，植被在350 - 2500nm范围内具有如下典型反射光谱特征:(1 )350一490nm谱段:由于400一450nm谱段为叶绿素的强吸收带，425一490nm 谱段为类胡罗卜素的强吸收带，380nm波长附近还有大气的弱吸收带，故350一490nm谱段的平均反射率很低，一般不超过10%，反射光谱曲线的形状也很平缓;(2) 490一600mn谱段:由于550nm波长附近是叶绿素的强反射峰区，故植被在此波段的反射光谱曲线具有波峰的形态和中等的反射率数值(约在8-28%之间); (3) 600一700nm谱段:650一700nm谱段是叶绿素的强吸收带，610、660nm谱段是藻胆素中藻蓝蛋白的主要吸收带，故植被在600一700nm的反射光谱曲线具有波谷的形态和很低的反射率数值(除处于落叶期的植物群落外，通常不超过10%)(4) 700一750nm谱段:植被的反射光谱曲线在此谱段急剧上升，具有陡而近于直线的形态。
其斜率与植物单位面积叶绿素(a+b)的含量有关，但含量超过4一5mg.cm'2后则趋于稳定;(5) 750一1300nm谱段:植被在此波段具有强烈反射的特性(可理解为植物防灼伤的自卫本能)，故具有高反射率的数值。
此波段室内测定的平均反射率多在35一78%之间，而野外测试的则多在25一65%之间。
由于760nm, 850nm, 910nm,960nm 和1120nm等波长点附近有水或氧的窄吸收带，因此，750.1300nm谱段的植被反射光谱曲线还具有波状起伏的特点;(6) 1300一1600nm谱段:与1360一1470nm谱段是水和二氧化碳的强吸收带有关，植被在此谱段的反射光谱曲线具有波谷的形态和较低的反射率数值(大多在12一18%之间):(7) 1600一1830nm谱段:与植物及其所含水分的波谱特性有关，植被在此波段的反射光谱曲线具有波峰的形态和较高的反射率数值(大多在20一39%之间); (8) 1830一2080mn 谱段:此谱段是植物所含水分和二氧化碳的强吸收带，故植被在此谱段的反射光谱曲线具有波谷的形态和很低的反射率数值(大多在6一10%之间);(9) 2080一2350nm谱段:与植物及其所含水分的波谱特性有关，植被在此波段的反射光谱曲线具有波峰的形态和中等的反射率数值(大多在10一23%之间): (10) 2350一2500mn谱段:此谱段是植物所含水分和二氧化碳的强吸收带，故植被在此谱段的反射光谱曲线具有波谷的形态和较低的反射率数值(大多在8一12%之间)。
植被光谱特征及常用卫星参数
植被光谱特征400~700nm波段，植被强吸收波段，反射和透射都很低。
由于植物色素吸收，特别是叶绿素a、b的强吸收，在可见光波段形成两个反射率很低的吸收谷（450nm蓝光和660nm红光附近）和一个反射峰（550nm的绿光处），呈现出其独特的光谱特征，即“蓝边”、“绿峰”、“黄边”、“红谷”等区别于土壤、岩石、水体的独特光谱特征。
700nm~780nm波段，是叶绿素在红波段的强吸收到近红外波段多次散射形成的高反射平台的过渡波段，又称为植被反射率红边。
红边是植被营养、长势、水分、叶面积等的指示性特征，并得到了广泛应用与证实。
当植被生物量大、色素含量高、生长力旺盛时，红边位置会向长波方向移动（红移）；而当遇病虫害、污染、叶片老化等因素发生时，红边位置会向短波方向移动（蓝移）。
780nm~1350nm波段，叶片内部结构能够解释其光谱反射率特性。
由于光线在叶片内部的多次散射形成，且色素和纤维素在该波段来说是近似是透明的（多次散射最多10%被吸收），即便是叶片含水量也只是在970nm、1200nm附近有两个微弱的吸收特征，所以多次散射的结果便是近50%的光线被反射，近50%被透射。
该波段植被反射率较高且相对平稳，因此称反射率平台（又称为反射率红肩）的光谱反射率强度取决于叶片内部结构，特别是叶肉与细胞间空隙的相对厚度。
但叶片内部结构影响叶片光谱反射率的机理比较复杂，已有研究表明，当细胞层越多，光谱反射率越高；细胞形状、成分的各向异性及差异越明显，光谱反射率也越高。
当冠层叶片呈多层分布时，由于被透射光线可以多次反射，因此，在该波段随叶面积指数增大反射率也增高。
1350nm~2500nm波段，叶片水分吸收主导了该波段的光谱反射率特性。
由于1450nm、1940nm、2700nm的强吸收特征，这些吸收光谱位置中间，形成2个主要反射峰，位于1650nm和2200nm附近。
由于叶片水分的吸收波段受到大气中水汽的强烈干扰，而将大气水汽和植被水分对光谱反射率的贡献相分离的难度很大，虽取得了部分进展，但仍满足不了植被含水量的定量遥感需求。