植被遥感光谱分析
基于高光谱遥感数据的植被物候期提取与监测方法研究
基于高光谱遥感数据的植被物候期提取与监测方法研究随着社会经济的发展和人们对环境保护意识的提高，对植被生长状态的监测和评估变得越来越重要。
而植被物候期提取与监测方法的研究，能够为生态环境保护、农业生产和气候变化研究等领域提供有力的支持。
一、传统的植被物候期提取方法过去的植被物候期提取方法主要依靠地面实地观测和气象监测数据，采用人工统计和主观判断的方式。
然而，这种方法存在着时间、空间覆盖范围有限、成本较高等问题。
因此，基于高光谱遥感数据的植被物候期提取与监测方法的研究成为了一个热点领域。
二、高光谱遥感数据在植被物候期提取与监测方法中的应用高光谱遥感数据能够提供丰富的光谱信息，对植被物候期的提取和监测具有明显优势。
通过对植被光谱曲线的分析，可以获取植被物候期的关键时间节点，如萌芽期、生长期、枯黄期等。
同时，高光谱遥感数据还可以结合植被指数等参数，实现对植被生长状态的动态监测。
三、基于高光谱遥感数据的植被物候期提取方法研究进展1. 特征提取方法：通过对高光谱遥感数据进行特征提取，可以获取反映植被物候期的关键光谱波段。
常用的特征提取方法包括主成分分析、线性判别分析等。
2. 分类算法：高光谱遥感数据的植被物候期提取可以借助分类算法实现。
常用的分类算法有支持向量机、随机森林等。
这些算法通过学习植被物候期与遥感数据之间的映射关系，实现自动化的提取和监测。
3. 时间序列分析：高光谱遥感数据具有时间序列特征，可以通过分析植被物候期的时序变化来提取和监测。
时间序列分析方法包括小波变换、卡尔曼滤波等，能够较好地应对数据的噪声和不确定性。
四、基于高光谱遥感数据的植被物候期提取与监测方法的应用基于高光谱遥感数据的植被物候期提取与监测方法已经在多个领域得到了广泛应用。
1. 农业生产：通过监测植被物候期的变化，可以实现农作物生长状态的评估和预测。
农民可以根据植被物候期信息，合理安排农事活动，提高农作物的产量和品质。
2. 生态环境：植被物候期对生态系统的健康状况具有重要指示作用。
遥感地学分析—植被遥感原理
（一）单张叶片光谱特性及影响因素
❖ 3、叶片反射波谱的影响因素 ❖ 1）叶片生化组分
❖ 叶绿素a、b，导致0.45μm与0.67μm为中心形 成两个强烈的吸收带；
❖ 胡萝卜素、叶黄素导致0.43μm-0.48μm范围内 形成强烈的吸收带。
❖ 两吸收谷间（0.54μm附近）吸收相对较少， 形成绿色反射峰（10%-20%）。
✓ 等面叶的组织分化不明显。
（一）单张叶片光谱 特性及影响因素
❖ 1、植物叶片结构
✓ 叶片一般具有三部分：表皮、叶肉和叶脉 ✓ 表皮：包围整个叶片，由一层或多层组成。表
皮细胞扁平，排列紧密，通常不含叶绿体，外 表常有一层角质层。
（一）单张叶片光谱
特性及影响因素
❖ 1、植物叶片结构
✓ 叶肉：为表皮内的同化薄壁组织，有两种： （1）栅栏组织：紧靠上表皮下方，呈圆柱状，
叶方位角：法线在水平面上的投影与正北方向 的交角称为叶子在该点的方位角。
（二）植被冠层光谱特性及影响因素
❖ 2、植被冠层影响因素-植被结构
各参数的描述，如：
同一叶子的不同部位，其倾角和方位角可能有很大 差异，测量时，根据叶片弯曲程度将叶片分成几部 分，对每一部分进行测量。
一个冠层内叶倾角的分布模式可以从0 ° （水平叶 ）到90 ° （垂直叶），一般用间隔为10°作出的叶 倾角分布频率图来表示。
植被遥感研究的主要内容：
• （1）通过遥感影像从土壤背景中区分出植被覆盖 区域，并对植被类型进行划分，区分是森林还是 草场或者农田，进而可以问是什么类型的森林， 什么类型的草场，什么样的农作物，如此等等。
• （2）能否从遥感数据中反演出植被的各种重要参 数，例如叶面积指数（LAI）、叶子宽度、平均叶 倾角、植被层平均高度、树冠形状等等，这一类 问题属于更深层次的遥感数据定量分析方法与反 演技术。
利用光谱遥感技术进行林木种类研究与分类
利用光谱遥感技术进行林木种类研究与分类光谱遥感技术是一种非常有用的工具，可以帮助我们了解地球上不同地区的植被分布和种类。
在林木种类研究和分类方面，光谱遥感技术在提供高效准确的数据方面有着巨大的潜力。
本文将介绍利用光谱遥感技术进行林木种类研究与分类的方法和应用。
首先，光谱遥感技术可通过分析不同波段的反射率来识别和分类不同种类的林木。
不同种类的植物具有不同的光谱特性，这些特征能够以数字化形式记录在光谱数据中。
通过比较不同种类植物在不同波段的反射率变化，我们可以得到用于分类的重要特征。
在进行林木分类之前，我们需要采集大量的光谱数据。
这些数据可以通过航空或卫星遥感技术获取。
航空遥感技术使用搭载在航空器上的高分辨率光谱仪，可以获取更为详细和准确的光谱数据。
而卫星遥感技术则能够覆盖更大范围的地区。
通过对这些数据进行处理和分析，我们可以了解不同地区的植被类型和林木种类。
利用光谱遥感技术进行林木种类研究与分类需要一些先验知识。
在开始研究时，我们需要进行地面调查和数据采集，确定不同地区的林木种类和分布情况。
这些数据可以作为训练样本，用于开发分类算法和建立模型。
常用的光谱遥感技术中，最常使用的是多光谱遥感技术。
多光谱遥感数据包含了多个波段的信息，从可见光到红外波段。
这些波段各自对应着不同的光谱特征，可以提供丰富的信息用于分类分析。
通过对多光谱数据进行特征提取和处理，例如主成分分析、线性判别分析和神经网络等方法，可以提取出林木种类分类所需的信息。
除了多光谱数据，高光谱遥感数据也被广泛应用于林木种类研究与分类。
高光谱遥感数据包含更多的波段信息，通常涵盖了可见光和近红外波段。
这种数据可以提供更为详细和精确的光谱特征，能够更准确地识别和分类不同种类的林木。
在利用光谱遥感技术进行林木种类研究与分类时，建立一个准确的分类模型是至关重要的。
在模型的建立中，我们通常使用监督学习算法，例如支持向量机、随机森林和人工神经网络等方法。
这些方法能够根据已知的训练样本进行分类模型的训练和测试，然后将学习到的模型应用于未知数据进行林木种类的分类。
植被光谱分析与植被指数计算解读
植被光谱分析与植被指数计算在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。
目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。
本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。
这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。
包括以下内容：∙∙●植被光谱特征∙∙●植被指数∙∙●HJ-1-HSI植被指数计算1.植被光谱特征植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。
很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。
研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。
这个波长范围可范围以下四个部分：∙∙●可见光（Visible）：400 nm to 700 nm∙∙●近红外（Near-infrared——NIR）：700 nm to 1300 nm∙∙●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm∙∙●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。
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。
植被遥感的光谱特征
植被遥感的光谱特征
植被遥感的光谱特征主要有以下两个方面的表现：
1 . 植被在可见光波段的光谱特征：在可见光波段，植被的光谱特征主要受到叶片中各种色素的支配，其中叶绿素起着最重要的作用。
蓝光波段和红光波段形成两个吸收谷，两个吸收谷之间形成绿色反射峰，这是植被在可见光波段的光谱特征。
2 . 植被在近红外波段的光谱特征：在近红外波段，植物的光谱特征取决于叶片内部的细胞结构。
在这个波段，反射率急剧增加，形成一个高反射平台，这是区分植物类别的重要波段。
绿色植被的光谱反射特征
绿色植被的光谱反射特征与植物的叶片色素、结构以及植物状态有关。
下面是绿色植被的光谱反射特征的一些常见情况：
1.可见光区域：
绿色植被在可见光区域（400到700纳米波长范围内）对绿光的吸收较强，因此植物呈现出绿色。
叶绿素是植物中最重要的色素，其吸收峰值位于绿光波段，使植物对绿光反射较高。
2.红边特征：
在红外光谱区域，有一个称为“红边”的特征区域，大约位于680到750纳米之间。
绿色植被的红边特征是由于叶片的吸收和散射产生的，通常在植物叶片处于健康状态下观察到。
3.光谱吸收特征：
叶绿素不仅在可见光区域吸收，还在红外区域（700到1,000纳米）吸收。
这些光谱吸收特征对于识别不同植物类型、生长阶段和健康状态非常重要。
4.水分和叶片结构：
植物的水分含量和叶片结构也会影响其光谱反射特征。
水分越多，反射率可能较高，而干燥的植物可能具有较低的反射率。
5.氮含量：
叶片中的氮含量对光谱反射也有影响。
较高的氮含量通常与较低的反射率相关，因为氮是叶绿素等色素的重要组成部分。
6.病害和应激：
叶片病害、虫害、环境应激等因素可能导致植物的光谱反射特征发生变化。
这些变化可以通过遥感技术来检测，帮助监测植物的健康状况。
通过遥感技术，如植被指数（如NDVI、EVI等）的计算，可以利用植物的光谱反射特征来评估植被的生长状况、覆盖度和健康状态。
这对于农业、林业、环境监测等领域具有重要意义。
植被光谱分析与植被指数计算
植被光谱分析与植被指数计算在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。
目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。
本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。
这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。
包括以下内容：∙ ∙●植被光谱特征∙ ∙●植被指数∙ ∙●HJ-1-HSI植被指数计算1.植被光谱特征植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。
很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。
研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。
这个波长范围可范围以下四个部分：∙∙●可见光（Visible）：400 nm to 700 nm∙∙●近红外（Near-infrared——NIR）：700 nm to 1300 nm∙∙●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm∙∙●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。
- 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)。
NIRTM 4 MIR TM 5 II NIRTM 4 MIR TM 5
θ
Red
PVI的显著特点较好地滤除了土壤背景的影响，且对大气的敏感程度也小于 其它植被指数。广泛应用于大面积作物估产。
红外指数
红外指数 Infrared Index (II)
综合考虑了植被在近红外和中红外对于植被生物量比较敏感 ，水分的影响 (Hardisky et al., 1983; 1986):
红光和红外波段的不同组合统被称为植被指数。 利用它们的比值、差分、线性组合等多种组合来增 强或揭示隐含的植物信息。
植被指数的定量测量可表明植被活力，而 且植被指数比单波段用来探测生物量有更好的 灵敏性。植被指数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 作物预报等方面，并在专题制图方面增强了分 类能力。
3、叶子的含水量
叶子在 1.45μm， 1.95μm和 2.6～ 2.7μm处各有一个吸收 谷，这主要有由叶子的细胞液、细胞膜及吸收水分所形成。
植物叶子含水量的增加，将使整个光谱反射率降低，反射 光谱曲线的波状形态变得更为明显，特别是在近红外波段， 几个谷更为突出。
水分含量对植被反射率的影响（以木兰为例）
简单比值植被指数 (Ratio Vegetation Index)
第一个植被指数:
Rir 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。
一、植物的光谱特征
1、在可见光的0.55μm附近有一个反射率为10％～20 ％的小反射峰，在 0.45μm 和 0.65μm 附近有两个明 显的吸收谷。 2 、在 0.7 ～ 0.8μm 是一个陡坡，反射率急剧增高，在 近红外波段0.8～1.3μm之间形成一个高的，反射率 可达40％或更大的反射峰。 3 、在 1.45μm ， 1.95μm 和 2.6 ～ 2.7μm 处有三个吸收谷 。
（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。
植被遥感调查
植被调查是遥感的重要应用领域。 以确定植被的分布、类型、长势为主。 植被判读的原理是植物的光谱特性。 不同的植物由于结构和叶绿素含量不同，具有不同的光 谱特征，特别是近红外波段有较大的差别。 利用植物的物候差异也可区分植物类型，如冬季落叶树 和常绿树很好区别。 利用植物的生态条件区别植物类型。如地形上的阴坡和 阳坡，不同高度的地形部位，都分布着不同的植物类型 受病虫害的植物，结构和叶绿素含量发生很大的变化， 尤其是近红外波段与健康植物区别最为明显。 作物的长势主要用植被指数来监测。 植被指数可用来建立农作物的估产模型。
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ce Vegetation Index) 标准差植被指数 Normalized Difference Vegetation Index (NDVI):
（4）灌丛 多呈密集的细粒状结构，色调浅灰，因其覆盖度比 森林低，又有植株的阴影，故多呈均匀的浅色或灰色色调。
（5）草本植被 主要根据影像色调和生态环境判读草本植物 被，其色调一般为均匀的灰白和浅灰色。按生态 条件的不同，可分为草原、草甸、沼泽三大类草 本类型。水分条件好的草原，植被茂密，色调较 深一些，而荒漠化草原植被较稀疏，表土裸露或 盐渍化，色调浅，或呈花斑状图型。草甸群落色 调较暗且均匀，多分布在水分较丰富的沟漠滩及 低地地带。沼泽群落分布在多水的封闭洼地或湖 泊地区，形成暗色云块或“墨水迹”状图型。
山地阴坡——易生长适应温度变化不大、湿度较 大的环境的植物； 山地阳坡——易生长适应温度变化大、湿度要求 不高环境的植物； 例如：华北山地 阴坡——多为乔木 阳坡——灌木 山脊较缓的地带——草本植物
② 同一地理环境植被的垂直分带性 （以山西省太原以南地区植物的垂直分带性为例）
4.在高分辨率的遥感影像上，根据植被顶部及部 分侧面形状、阴影、群落结构等区分植被类型
III类：危害中度区，叶片郁度一般，树叶有病害， 叶子发黄，树冠中等， 树木无残缺现象，影像呈暗 红、棕红、粉红色星点状，近红外光谱反射值ρ ＝ 40～50％。
IV类：危害低程度区，植被发育较好，树叶有病害 但不明显，树冠较大，影像呈稍发暗的红色及粉红 色星点状，近红外光谱射值ρ ＝50～60％。
Green l eaf
Yel low Red/orange
1
30 25
Brown
2 3 4
20 15 10 5
d. 0
B lue (0.45 - 0.52m) G reen (0.52 - 0.60m) Red (0.63 - 0.69m) Near-Inf rared (0.70 - 0.92m)
四、污染植物反射光谱特征分析
植物在生长过程中受到某种物质污染后， 内部结构、叶绿素和水分含量就会发生不同程度 的变化，其反射光谱特性也随之变化，污染越严 重变化越大。
根据受损植被与健康植被光谱曲线的比较， 确定植被受伤害的程度。 1.植被因受到病虫害、农作物因缺乏营养、 缺乏水分使其生长不良。植被波谱特征要发生变 化，反映在影像上的色调形态的变化； 2.例如：海棉组织受到破坏，叶子色素发生 了变化，至使在可见光区域内两个吸收谷（蓝、 红）就不明显了。而绿光处反射峰值也会变低、 变平； 3.在近红外区，峰值被消低，甚至消失，整 个光谱曲线的波状特征被拉平。
水的NDVI值≺0
岩石、裸土的NDVI值≈0 植被的NDVI值≻0，且随植被覆盖度的增
大而增大
垂直植被指数
Particular Vegetation Index
PVI Rir cos Rr sin
Infrared
为土壤线与坐标轴之间的夹 角
A
Soil Line
实验表明，对每一种土壤而言， 其红色波段与近红外波段的垂直 视反射率因子值随土壤含水量及 表面粗糙度的变化近似满足线性 关系，并称它为土壤线。 如果忽略掉土壤线与轴的截距， 并设A点为任一植被——土壤系 统的实测与值在--坐标中的位置， 则PVI值就代表A点到土壤线间的 垂直距离。
植被的判读一般要用多波段合成的图像，如标准 假彩色合成图像。在该图像上植被为红色。
卫星图像的植被判读
卫星图像上，植被是群体的特征，不能反映个 体的形态，只能判读出植被的类型、生长状况 、分布范围。 植被类型的判读要依据纹理结构和色调，并要 有该地植物群落组成和植被分类图等资料，要 经过实地调查和验证。 植被的判读一般要用多波段合成的图像，如标 准假彩色合成图像。在该图像上植被为红色。
Jensen, 2000
4、植物覆盖度
植物覆盖程度越大，光谱特征形态受背景下垫面影响愈小。 叶面指数——植物所有叶子的累加面积总和与覆盖地面面积 之比。
三、主要植被类型的影像特征
航空像片的植被判读
判读标志为：色调/色彩和纹理结构。 纹理结构：细小地物在影像上构成的组合图案。 地物的性质不同，组合图案也不同，以此来判读 地物群体的性质。 以判读植物群落为主。
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％。
0类：健康区，大气质量较好，植被发育茂盛，影 像为鲜红色星点状，近红外光谱反射值ρ ＞60％。
六、利用植被指数监测作物长势水平 植被指数已广泛用来定性和定量评价植被覆 盖及其生长活力。由于植被光谱受到植被本身、 土壤亮度、环境条件、阴影、土壤颜色和湿度、 大气空间—时相变化等因素的影响，因此植被指 数往往具有明显的地域性和时效性，没有一个普 遍的值，其研究经常表明不同的结果。20多年来 ，已研究发展了几十种不同的植被指数。 在植被指数中，通常选用对绿色植物强吸收 的可见光红波段和对绿色植物强反射的近红外波 段。这两个波段不仅是植物光谱、光合作用中的 最重要的波段，而且它们对同一生物物理现象的 光谱响应截然相反，形成的明显反差，这种反差 随着叶冠结构、植被覆盖度而变化。 建立植被指数的关键在于，如何有效地结 合各有关的光谱信号，在增强植被信息的同时， 使非植被信息最小化。
因此，在遥感影像上，植被的信息体现不明 显，与健康植被极易区分。
五、污染植物的判读标志与危害程度分类
1、判读标志 （1）颜色 受污染的植物在彩红外像片上显示的红色纯度下降，出现 暗红、黑红、浅红、棕青等色。 （2）形态 树木影像的大小，是指树冠大小的反映。相同的树种的同 龄树木，树冠影像自污染源向远离污染源方向逐渐增大。 （3）综合标志 树木受污染危害致死造成的残缺现象，以树群空间展布的 图式呈现出来，不同于未受污染的树群形态。 上述标志要互相补充，互相印证，综合应用，以此圈定出 大气污染生态场的范围。