植被含水量的遥感反演方式..

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。
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。
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。 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。
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 % • 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
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。
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。
植被含水量光谱反演原理及 水分的敏感光谱波段
•1ห้องสมุดไป่ตู้
•2
植被含水量光谱反演原理 水分的敏感光谱波段
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。
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。
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; • 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。
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。
• 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 • 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。
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