第六章 植被遥感
探究遥感技术在生态环境监测中的应用
探究遥感技术在生态环境监测中的应用遥感技术是利用航天器或飞机等，通过对地球表面反射、发射和散射的电磁波进行探测、记录和解译，从而获取地球表面信息的技术手段。
在生态环境监测领域，遥感技术具有重要的应用价值，可以实现对生态环境的全时空观测和监测，为生态环境保护和管理提供可靠的数据支持。
一、遥感技术在生态环境监测中的应用1. 植被遥感监测植被是生态系统的重要组成部分，其覆盖状况、生长状态和变化对生态环境的影响尤为重要。
遥感技术可以通过获取植被的光谱信息、叶片面积指数、叶绿素含量等数据，实现对植被生长状态和覆盖面积的监测和评估，为生态环境的保护和管理提供重要的信息支持。
3. 土地利用遥感监测土地利用是生态环境的重要组成部分，其合理利用和管理对生态环境的保护和改善至关重要。
遥感技术可以通过获取土地利用类型、土地利用变化等信息，实现对土地资源的合理利用和管理，为生态环境的保护和改善提供重要的技术支持。
4. 生态环境灾害监测生态环境遭受自然灾害或人为破坏时，遥感技术可以通过获取灾害范围、灾情程度等信息，快速、准确地评估灾害影响，为灾后环境恢复和重建提供重要的数据支持。
二、遥感技术在生态环境监测中的优势1. 全时空观测能力：遥感技术具有全时空观测能力，可以实现对生态环境的全面监测和评估，为生态环境的保护和管理提供全方位的数据支持。
2. 高精度数据获取：遥感技术可以获取高分辨率、高精度的地球表面信息，为生态环境监测和评估提供准确的数据支持。
4. 多源数据融合：遥感技术可以将多源遥感数据进行融合分析，实现对生态环境的多角度、多维度的监测和评估，为环境保护和管理提供多层次的数据支持。
三、遥感技术在生态环境监测中的应用案例1. 水体富营养化监测通过遥感技术获取水体叶绿素浓度、透明度等信息，对水体富营养化进行监测和评估，为水质监测和管理提供科学依据。
2. 森林覆盖状况监测通过遥感技术获取森林覆盖状况、植被生长状态等信息，对森林资源进行监测和评估，为森林资源的保护和管理提供技术支持。
第六章可见光与近红外波段简讲详解演示文稿
优选第六章可见光与近红外波段简讲
6.1 植被遥感模型
6.1.1 植被指数分类 6.1.2 土壤背景影响与消除 6.1.3 混合象元模型
6.1.1 植被指数分类
植被指数的由来
当人们用不同波段的植被-土壤系统的反射率因子以 一定的形式组合成一个参数时，发现它可以突出植被 信息，抑制其它目标信息，同时它与植被特性参数间 的函数联系（如LAI）比单一波段值更稳定、可靠。 我们把这种多波段反射率因子的组合统称为植被指数 （或植被光谱参数）。
Green Vegetation Index Soil Brightness Index Yellow Vegetation Index Non Such Index Soil Background Line
TVI GVI SBI TVI NSI SBL
2、RVI是绿色植物的灵敏指示参数，与LAI、叶干 生物量(DM)、叶绿素含量相关性高，可用于检测和估算 植物生物量；
3、植被覆盖度影响RVI，当植被覆盖度较高时， RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感 性显著降低；
4、RVI受大气条件影响，大气效应大大降低对植被 检测的灵敏度，所以在计算前需要进行大气校正，或用 反射率计算RVI。
归一化植被指数——NDVI的特性
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；
植被遥感的原理和应用
植被遥感的原理和应用1. 植被遥感的原理植被遥感是指利用遥感技术获取关于植被的信息。
主要通过感知、识别和解译植被的光谱、空间和时间特征，从而实现对植被生态系统的监测和评估。
植被遥感的原理可以概括为以下几点：•光谱反射特性：植被对不同波段的电磁辐射有不同的反射特性。
通过测量植被对可见光和红外辐射的反射率，可以获取与植被生理和结构特征相关的信息。
•植被指数：植被指数是通过计算植被光谱特征之间的关系得到的一种指标。
常用的植被指数有归一化植被指数（NDVI）、差值植被指数（DVI）等。
植被指数可以反映植被的生长状况和叶绿素含量等信息。
•植被分类：通过分析植被光谱特征的差异，可以将植被进行分类和识别。
常用的植被分类方法包括基于光谱特征的有监督分类和无监督分类等。
•时序变化：植被在不同季节和年份的生长状态存在差异，通过观测植被的时序变化，可以获取植被的生长过程和季节变化规律。
2. 植被遥感的应用植被遥感可以广泛应用于农林牧渔、环境保护、地质勘察和城市规划等领域。
以下是一些植被遥感的具体应用：•农业管理：植被遥感可以用于农作物的监测和评价。
通过监测植被生长状况和叶面积指数变化，可以实现农作物的施肥、灌溉和病虫害防治等管理工作。
•生态环境监测：植被遥感可以用于湿地、森林和草原等生态系统的监测和评估。
通过监测植被覆盖度、植被类型和植被退化状况等指标，可以了解生态系统的健康状况和环境变化趋势。
•火灾监测：植被遥感可以通过监测植被的温度和湿度等指标，实现对火灾的预警和监测。
及时发现火点并采取措施可以有效减少火灾的危害和损失。
•城市绿化规划：植被遥感可以用于城市的绿化规划和管理。
通过分析城市植被覆盖度和类型分布，可以优化城市绿地布局和植被种植结构，改善城市环境质量。
•土地利用变化：植被遥感可以用于监测土地利用变化和评估土地资源的可持续利用。
通过比较不同时间段的遥感影像，可以分析土地利用类型的变化和转移。
3. 总结植被遥感是一种重要的环境监测和资源管理技术。
植被信息遥感提取方法
植被信息遥感提取是一种利用遥感技术来获取地表植被信息的方法。
这种方法通过卫星或无人机拍摄地表图像，然后利用图像处理技术和计算机视觉技术，提取出植被的特征信息，如植被覆盖率、植被类型、植被生长状态等。
以下是植被信息遥感提取的基本方法：
1. 图像获取：使用卫星或无人机拍摄地表图像，获取不同分辨率、不同光谱特性的图像数据。
这些图像数据可以提供丰富的植被信息，为后续的植被信息提取提供基础。
2. 图像预处理：对获取的图像进行预处理，包括去噪、增强、裁剪等操作，以提高图像的质量和可读性，为后续的植被信息提取提供更好的基础。
3. 特征提取：利用图像处理技术和计算机视觉技术，从图像中提取植被的特征信息。
常用的特征包括植被覆盖率、植被类型、植被生长状态等。
这些特征可以通过不同的算法和方法进行提取，如基于光谱特征的方法、基于纹理特征的方法、基于机器学习的方法等。
4. 分类识别：将提取的特征进行分类识别，确定植被的类型和生长状态。
常用的分类方法包括监督学习、非监督学习等。
通过对图像中的植被进行分类，可以得到各种植被的信息，如草地的面积、森林的覆盖率等。
5. 结果评估：对植被信息提取的结果进行评估，以确保提取结果的准确性和可靠性。
评估的方法包括人工目视检查、统计分析等。
评估结果可以用于优化植被信息提取的方法和算法，提高结果的准确性和可靠性。
总的来说，植被信息遥感提取是一种综合利用遥感技术、图像处理技术和计算机视觉技术的方法，可以快速、准确地获取地表植被的信息。
这种方法在农业、林业、环境监测等领域具有广泛的应用价值。
植被遥感研究综述
植被遥感研究综述摘要：随着计算机科学的发展，遥感技术可以有效完成复杂时空尺度海量信息的收集处理，其与森林资源研究的交叉、融合大大提高了复杂时空尺度上森林资源动态研究的表达能力。
遥感已在森林资源综合监测、林火监测方面广泛应用。
由于RS 分辨率大幅度提高，波谱范围不断扩大，特别是星载和机载成像雷达的出现，使RS 具备多功能、多时相、全天候能力。
其中NOAA 卫星广泛用于监测全球森林宏观变化，MSS、TM、SPOT 用于区域中森林资源动态监测。
遥感技术极大地推动了我国森林植被的研究。
关键词：遥感信息处理植被监测植被指数1引言森林资源，是林业和生态环境建设的基础，总面积超过40亿hm，约占陆地总面积的31%，对经济、社会和环境的可持续发展有不可替代的作用。
遥感影像分类是森林资源调查和监测不可缺少的内容。
从不同来源、不同形式的遥感信息提取出森林植被的专题信息，为划分森林类型、绘制林相图、清查森林资源、预测预报森林病虫害及森林火灾、合理规划、利用和保护森林资源提供基础和依据。
20 世纪以来，由于森林面积萎缩和质量下降引发的生态环境事件不断出现，使得森林健康问题得到前所未有的关注，各国学者开展了大量而富有成效的研究工作。
但是，传统的原地观测与受控实验等研究方法不仅需要耗费大量的人力物力资源，且速度缓慢，缺乏时间序列上的可比性，一些偏远地区更是难以到达；因为缺乏恰当的尺度转换手段，整体研究结果常常难以令人信服，方法具有一定的局限性。
遥感技术则为人们提供了广阔的视野、海量的信息及一个可以实现客观、连续、重复、动态对比分析和推断预警的工作平台，已成功应用于植被研究的诸多领域，显示出强大的生命力。
2基本原理森林植被的物理属性与草原、荒漠、农田、水体、建筑用地等土地利用类型有很大的区别；不同森林植被在不同生存环境和生长发育阶段，体内生化物质组成、含量、特性以及细胞结构、含水量也各不相同，这种物理属性的差异形成了目标物独特的光谱反射曲线，是用于判断和区别森林植被的重要手段。
森林植被遥感图像分类及目标识别
森林植被遥感图像分类及目标识别植被遥感图像分类及目标识别是利用遥感技术进行森林植被研究和保护的重要手段。
它通过获取植被信息，实现对植被类型分类和目标识别的精准分析，为森林生态系统的管理、保护和可持续发展提供科学依据。
一、植被遥感图像分类森林植被遥感图像分类是指将遥感图像中的植被区域按照物种、功能和结构等特征进行分类。
这一过程需要借助计算机视觉和机器学习等技术手段，从遥感图像中提取有关植被的特征信息，并根据这些特征进行分类和识别。
在植被遥感图像分类中，常用的方法包括基于像元和基于对象两种方式。
基于像元的分类方法是指将每个像素点视为分类单元，通过像素点的光谱信息、纹理信息和形状信息等进行分类。
而基于对象的分类方法是将一组相连的像素点或区域视为一个分类单元，利用连接关系和形状特征进行分类。
常用的遥感图像分类算法包括支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest）、卷积神经网络（Convolutional Neural Network，CNN）等。
这些算法在特征提取、模型训练和分类决策等方面都有不同的优势，可以根据实际情况选择合适的算法进行植被遥感图像分类。
二、目标识别森林植被遥感图像目标识别是指在植被图像中准确识别出目标，如森林火灾、病虫害、盗伐等，以及其他与植被有关的人为活动。
目标识别的目的是及时监测和预警植被异常情况，为森林生态环境的保护提供依据。
目标识别的关键技术包括特征提取、目标检测和目标分类。
特征提取是从植被图像中提取与目标相关的特征信息，可以包括颜色、纹理、形状、结构等特征。
目标检测是在植被图像中寻找目标的位置和边界，常用的方法包括边缘检测、区域生长和模板匹配等。
目标分类是将检测到的目标进行分类和识别，可以利用机器学习和深度学习等技术进行分类模型的训练和应用。
在实际应用中，为了提高目标识别的准确性和效率，可以将植被遥感图像与其他数据源相结合，如地理信息系统（Geographic Information System，GIS）、气象数据和传感器数据等，进行多源数据融合分析。
植被指数的计算方法与遥感图像处理步骤
植被指数的计算方法与遥感图像处理步骤植被指数是研究地表植被覆盖状况的重要指标，可以通过遥感技术获取高空间分辨率的植被信息。
植被指数的计算方法与遥感图像处理步骤是确定植被指数数值的关键环节。
一、什么是植被指数？植被指数是通过遥感技术获取的图像数据来计算植被覆盖状况的指标。
常见的植被指数有归一化植被指数（Normalized Difference Vegetation Index, NDVI）、植被指数（Vegetation Index, VI）等。
这些指标利用遥感图像中红、近红外波段的反射光谱信息来反映植被生长情况，指数数值越高，代表植被覆盖程度越高。
二、植被指数的计算方法1. 归一化植被指数（NDVI）NDVI是最常用的植被指数之一，计算公式为（NIR-RED）/（NIR+RED），其中NIR是近红外波段的反射值，RED是红波段的反射值。
NDVI范围在-1到1之间，数值越接近1代表植被覆盖越高，数值越接近-1代表植被覆盖越低，数值接近0则代表无植被。
2. 植被指数（VI）植被指数是根据遥感图像中的红、蓝、绿波段的反射值计算得到的，常见的植被指数有绿光波段（Green）、蓝光波段（Blue）和红边波段（Red-edge）等。
植被指数的计算公式根据研究的需要而定，比如Normalized Green-Blue Vegetation Index（NGB）、Green-Blue Vegetation Index（GBVI）等。
三、遥感图像处理步骤1. 遥感图像获取遥感图像可以通过卫星、飞机等载体获取，一般包括多个波段的光谱信息。
从遥感图像中选取合适的波段进行植被指数的计算。
2. 数据预处理遥感图像预处理包括大气校正、几何纠正和辐射辐射校正等步骤，以消除由于大气、地表地貌等因素引起的图像噪声。
3. 波段选择根据研究需要和相关指数的计算公式选择合适的波段进行植被指数的计算。
常用的波段有红、近红外、绿、蓝等。
植被遥感上机课程-植被辐射传输模型
直接照射冠层
直接照射冠层与非直接照射冠层
非直接照射的冠层
5-SCALE建模
叶片 独立个体的冠层 空间分布
5-SCALE软件的特色
突出植被冠层的二向性
植被光谱的二向性？
不同观测角度，观测到 不同强度的遥感反射率
5-SCALE软件的功能
使用5-SCALE的三种模式
（1）太阳平面上的反射率二向性模式 （2）单波段反射率的二向性模式 （3）太阳平面上的反射率高光谱模式
使用5-SCALE模型，可关注针叶林的 BRDF响应。
5-SCALE模型输入参数
• • • • • • • • • • • • • 观测天顶角度 太阳天顶角 相对方位角 叶面积指数 LAI 丛生指数 树木密度 树冠垂直高度 杆高 冠层半径 冠层形状（1 圆锥加圆柱；2 椭圆） 枝叶几何参数 叶片光谱 下界面（背景）光谱
植被辐射模型上机课程
焦全军 jiaoqj@
1
植被辐射传输过程
400-2500nm： 地表反射率
植被患病变色
叶绿素 chlorophylls
叶片光谱受到叶片色素的影响
花青素anthocyanins 类胡萝卜素carotenoids 叶黄素 brown pigments
输出：
叶片反射率和透过率（400-2500nm，5nm间隔）
PROSPECT模型(WINSail软件中) 实习
从WINSail软件中 打开PROSPECT
PROSPECT 界面
叶肉结构参数N 叶绿素含量 叶片含水量 干物质含量 叶黄素含量
PROSPECT 模型的参数输入表
输入参数 描述 取值范围 默认值
第二种方式：COPY文本进入EXCEL，利用分列工具，对数据进行分列