遥感技术在植被研究中的应用
遥感技术在植被覆盖度评估中的应用
遥感技术在植被覆盖度评估中的应用在当今时代，随着科技的飞速发展，遥感技术已经成为了我们研究和了解地球生态系统的重要工具。
其中，遥感技术在植被覆盖度评估方面发挥着至关重要的作用。
植被覆盖度作为反映生态环境质量和土地利用状况的重要指标，对于生态保护、资源管理以及气候变化研究等众多领域都具有重要意义。
首先，我们来了解一下什么是遥感技术。
简单来说，遥感就是不直接接触目标物体，而是通过传感器接收来自目标物体的电磁波信息，从而获取目标物体的特征和状态。
这些传感器可以搭载在卫星、飞机等平台上，从高空对地面进行观测。
那么，遥感技术是如何应用于植被覆盖度评估的呢？这主要依赖于植被在电磁波谱中的独特响应特征。
不同类型和生长状况的植被在可见光、近红外和短波红外等波段的反射和吸收特性有所不同。
例如，健康的植被在近红外波段具有高反射率，而在可见光波段则吸收较多的光能。
通过对这些波段的信息进行分析和处理，我们就能够区分植被和非植被区域，并进一步计算植被覆盖度。
在实际应用中，常用的遥感数据包括光学遥感数据和雷达遥感数据。
光学遥感数据，如 Landsat 系列卫星影像、SPOT 卫星影像等，具有较高的空间分辨率和光谱分辨率，能够提供丰富的植被光谱信息。
通过对这些影像进行分类和计算，可以得到较为准确的植被覆盖度。
然而，光学遥感数据在云雾遮挡等天气条件下可能会受到影响。
相比之下，雷达遥感数据，如合成孔径雷达（SAR）数据，具有穿透云雾的能力，能够在恶劣天气条件下获取地面信息。
此外，雷达遥感数据对植被的结构和水分含量较为敏感，对于评估植被的生长状况和健康程度具有独特的优势。
在评估植被覆盖度的过程中，通常会采用多种方法对遥感数据进行处理和分析。
其中，比较常见的有像元二分法、植被指数法和机器学习方法等。
像元二分法是一种简单而实用的方法。
它假设一个像元由植被和非植被两部分组成，通过计算植被部分所占的比例来估算植被覆盖度。
这种方法计算简便，但对于复杂的植被类型和混合像元的处理可能不够精确。
遥感技术在环境监测中的植被覆盖分析方法
遥感技术在环境监测中的植被覆盖分析方法遥感技术是一种通过获取和解释遥感图像数据来获取地球表面信息的方法。
在环境监测中，遥感技术可以用于植被覆盖分析，以评估植被的分布、健康状况和变化趋势。
本文将介绍遥感技术在环境监测中的植被覆盖分析方法。
植被覆盖是指地表被植物覆盖的程度。
植被覆盖分析对于评估生态系统的健康状况、监测土地利用和土地覆盖变化等具有重要作用。
遥感技术通过获取地表反射或辐射数据，可以提供大面积、连续性和定量化的植被信息，从而实现植被覆盖的分析。
首先，常用的遥感数据源包括卫星和航空遥感图像。
这些图像记录了地球表面的辐射能量，可以通过不同波段的信息来分析植被覆盖情况。
其中，可见光、红外和热红外波段的数据特别有助于植被覆盖分析。
其次，植被指数是植被覆盖分析中常用的量化指标。
植被指数利用不同波段的光谱反射特征，通过计算公式来估计植被的生长情况。
其中，最常用的植被指数是归一化植被指数（NDVI）和修正型归一化植被指数（EVI）。
这些指数可以通过计算地表图像中的红光和近红外波段的反射率差异得出，从而提供植被覆盖的信息。
此外，植被分类也是植被覆盖分析的重要步骤。
植被分类是将遥感图像中的像元分成不同的植被类型，以获得更详细的植被覆盖信息。
常用的分类方法包括监督分类和非监督分类。
监督分类需要提供训练样本，通过计算像元与训练样本之间的相似度来进行分类。
非监督分类不需要提前提供训练样本，它通过对图像中的像元进行聚类分析来实现分类。
此外，在植被覆盖分析中，还可以利用时序遥感数据来监测植被的变化趋势。
时序遥感数据记录了多个时间点的地表信息，可以对不同时间段的植被变化进行对比和分析。
通过比较不同时间点的植被指数或植被分类结果，可以了解植被的增长、凋落、干扰和恢复情况。
除了上述方法，还有许多其他的遥感技术可以用于植被覆盖分析。
例如，通过高空间分辨率的遥感图像可以获取更详细的植被信息；通过合成孔径雷达（SAR）遥感可以在夜间和云层遮挡的情况下获取植被信息；通过利用光谱库和多光谱图像可以实现更精确的植被识别和提取等。
遥感技术与测绘技术在植物生长监测中的应用
遥感技术与测绘技术在植物生长监测中的应用植物生长监测在农业、林业以及环境保护等领域具有重要的意义。
传统的植物生长监测往往依赖于人工的观测和统计，费时费力且精度有限。
然而，随着遥感技术和测绘技术的发展，植物生长监测进入了一个新的时代。
本文将介绍遥感技术和测绘技术在植物生长监测中的应用。
一、遥感技术在植物生长监测中的应用遥感技术通过卫星、飞机或无人机等对地球表面进行遥感探测，获取大量的地理信息。
在植物生长监测中，遥感技术可以提供丰富的植被指数、地表温度、光谱信息等。
1.1 植被指数的应用植被指数是衡量植被覆盖状况的重要指标之一。
常用的植被指数包括归一化植被指数（NDVI）和叶绿素指数（CI）。
通过遥感数据获取的植被指数可以帮助我们了解植物的生长状况，如植被覆盖率、植物的生长势、干旱程度等。
这对于农业、林业和生态环境评估等方面具有重要意义。
1.2 地表温度的应用地表温度是指地表上空一定高度处的温度。
在植物生长监测中，地表温度可以反映植物的生理状态和水分蒸发情况。
通过遥感技术获取的地表温度数据可以帮助我们了解植物的适应能力、蒸腾作用和水分利用效率等方面的信息。
这对于农业灌溉和水资源管理等方面具有重要意义。
1.3 光谱信息的应用光谱信息是指物体对不同波段光的反射和吸收特性。
不同植物在不同波段的光谱特征存在差异，因此可以利用遥感技术获取的光谱信息来判断植物的种类、健康状况以及养分含量等。
这对于植物分类、病虫害监测以及农作物施肥等方面具有重要意义。
二、测绘技术在植物生长监测中的应用测绘技术是指通过测量和绘制地图来获取地理信息的技术手段。
在植物生长监测中，测绘技术可以提供植物高度、冠层结构以及土地利用信息等。
2.1 植物高度的应用植物高度是评估植物生长状况和生物量的重要参数之一。
利用激光雷达和全站仪等测绘设备，可以对植物的高度进行精确测量。
植物高度信息可以用于农业、林业和城市绿化等领域的规划和管理。
2.2 冠层结构的应用冠层结构是指植物的树冠形态和枝叶分布特点。
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。
遥感技术在生态与环境研究中的应用
遥感技术在生态与环境研究中的应用生态与环境研究是一门涉及到生物、地理、环境与地球科学的综合性学科，广泛应用于生态系统监测、环境保护和资源管理等领域。
而遥感技术作为一种获取和解译地球表面信息的手段，被广泛应用于生态与环境研究中。
本文将从不同角度介绍遥感技术在生态与环境研究中的应用。
一、遥感技术在生态系统监测中的应用1. 植被监测植被是生态系统中重要的组成部分，对维持生态平衡和保护环境具有重要作用。
遥感技术可以通过获取和分析植被的光谱特征和空间分布信息，实现对植被覆盖、生长状况和种类分类等方面的监测。
2. 湿地监测湿地是重要的生态系统，对保护地球生态平衡具有重要作用。
遥感技术通过获取湿地的水体分布、植被分布和土壤湿度等信息，可以实现湿地的监测和保护。
例如，利用遥感技术可以监测湿地的水质污染和水位变化，为湿地保护和水资源管理提供数据支持。
3. 水资源监测水资源是人类生存和社会经济发展的基础。
遥感技术可以通过获取和分析地表水体的分布、水质和水量等信息，实现对水资源的监测和评估。
例如，通过遥感技术可以实现对河流的水位、径流和水质的动态监测，为水资源管理和保护提供数据支持。
二、遥感技术在环境保护中的应用1. 气候变化监测气候变化对地球生态系统和人类社会产生重要影响。
遥感技术可以通过获取和分析地球大气、陆地和海洋的各种参数和变量，实现对气候变化的监测和评估。
例如，利用遥感技术可以获取全球云量、海表温度和植被指数等信息，为气候模型验证和气候预测提供数据支持。
2. 空气质量监测空气质量是环境保护的重要指标之一。
遥感技术可以通过获取地表和大气中的各种污染物的分布和浓度信息，实现对空气质量的监测和评估。
例如，利用遥感技术可以监测城市中的颗粒物、臭氧和二氧化氮等污染物的分布和变化情况，为空气质量管理提供数据支持。
3. 土壤污染监测土壤污染对环境和人类健康具有重要影响。
遥感技术可以通过获取土壤光谱和土壤质地等信息，实现对土壤污染的监测和评估。
如何利用遥感技术进行林业资源调查和森林植被分类的关键要素和数据处理方法
如何利用遥感技术进行林业资源调查和森林植被分类的关键要素和数据处理方法遥感技术在林业资源调查和森林植被分类中起着重要作用。
通过利用遥感技术获得的图像数据，可以对森林的类型、结构和分布进行准确、高效的调查和分类分析。
本文将探讨遥感技术在林业资源调查和森林植被分类中的关键要素和数据处理方法。
一、遥感技术在林业资源调查中的关键要素1. 遥感数据源遥感数据源包括航空摄影和卫星遥感数据。
航空摄影是通过飞机或无人机进行的，具有高分辨率和高精度的优点。
卫星遥感数据覆盖范围广，可获取大范围的数据，但分辨率相对较低。
2. 植被指数植被指数是通过计算可见光波段和近红外波段反射率的比值来表征植被生长状况的指标。
其中，最常用的指数是归一化植被指数（NDVI），其计算公式为（NIR-VIS）/（NIR+VIS），其中NIR表示近红外波段反射率，VIS表示可见光波段反射率。
植被指数可以反映植被的覆盖程度和健康状况，是进行森林植被分类和调查的重要指标之一。
3. 影像预处理遥感图像预处理是指对原始图像进行去噪、辐射校正、几何校正等处理，以便更好地提取和分析图像信息。
预处理能够提高遥感图像的质量，减少后续处理的误差。
二、遥感技术在森林植被分类中的数据处理方法1. 监督分类监督分类是根据事先确定的训练样本进行分类的方法。
首先，从遥感图像中选择代表各类别的样本点，并提取与之相关的特征，如植被指数。
然后，通过训练分类器，将这些样本点分配到相应的类别中，进而实现对整个图像的分类。
常用的监督分类方法包括最大似然分类、支持向量机和随机森林等。
2. 无监督分类无监督分类是根据图像的统计特征进行自动分类的方法。
通过对遥感图像进行聚类分析，将像素点分组成若干个类别，进而得到图像的分类结果。
无监督分类方法简单易行，但分类结果的准确性相对较低。
3. 决策树分类决策树分类是一种基于树状结构的分类方法。
通过对遥感图像中的各个像素点进行特征值判断，逐层划分为不同的类别。
遥感测绘技术在植被生态监测与自然保护区管理中的应用案例研究及对策建议
遥感测绘技术在植被生态监测与自然保护区管理中的应用案例研究及对策建议近年来，随着环境保护意识的增强和科技的进步，遥感测绘技术在植被生态监测与自然保护区管理中的应用逐渐受到关注。
本文将通过一些案例研究，详细探讨遥感测绘技术在这方面的应用及相关问题，并提出一些建议和对策。
一、植被生态监测中的遥感测绘技术应用案例分析1. 植被覆盖度监测遥感图像可以提供大范围的植被覆盖度信息，帮助我们了解植被的变化趋势和空间分布。
通过对历史遥感图像的对比分析，可以监测到植被覆盖度的变化，并为采取相应的保护措施提供数据支持。
2. 物种多样性评估遥感图像可以通过不同的光谱信息，辅助进行物种的多样性评估。
通过对不同物种的光谱特征进行分析，可以判断出不同物种的存在情况和分布范围。
这为保护区内物种多样性的保护和调查提供了有力的工具。
3. 病虫害监测遥感图像可以通过红外和近红外波段的信息来判断植物是否受到病虫害的侵袭。
通过对比不同时间段的遥感图像，可以及时发现病虫害的发生和蔓延趋势，从而采取相应的防治措施。
二、自然保护区管理中的遥感测绘技术应用案例分析1. 边界监测自然保护区的边界非常重要，因为它决定了保护区内外的环境条件和资源利用方式。
遥感技术可以通过高分辨率的遥感图像，辅助进行边界的识别和监测，及时发现违法建设和非法活动，从而采取措施进行管理和保护。
2. 森林火灾监测森林火灾是自然保护区中常见的灾害，它对生态环境和生物多样性造成严重破坏。
遥感技术可以通过红外波段的信息来监测森林火灾的发生和蔓延情况，为及时疏散和灭火提供重要的数据支持。
3. 土地利用监测自然保护区内的土地利用状况直接影响着生态系统的健康与稳定。
通过遥感技术，可以对保护区内的土地利用情况进行监测，包括农业活动、建设活动等。
这将有助于发现潜在的环境问题并采取相应的管理措施。
三、对策建议1. 加强遥感图像的解译与应用能力培养遥感图像的解译与应用需要具备专业的技能和知识。
基于遥感技术的植被覆盖度监测与分析研究
基于遥感技术的植被覆盖度监测与分析研究自然界的绿色是人类赖以生存的一个重要来源，而植被则是绿色的主要来源。
因此，对植被的监测与分析非常重要。
近年来，随着遥感技术的快速发展和普及，基于遥感技术的植被覆盖度监测与分析成为了越来越受关注的研究领域。
一、遥感技术在植被监测中的应用遥感技术是通过遥距方式获取地面信息的一种技术，它利用空间传感器获取地球表面的电磁辐射信息，根据这些信息可以推断出地表反射率、植被覆盖情况等。
相比传统的植被调查和监测方法，基于遥感技术的植被监测具有较高的效率和准确性。
遥感技术的应用可以提高数据获取的速度和精度，同时覆盖面积也会变得更广泛，可以为农业、林业、环境保护等领域提供重要支持。
二、植被覆盖度的定义和计算方法植被覆盖度是指地面被植被覆盖部分所占据的面积比例，反映出一个地区植被的丰富程度和茂盛情况。
植被覆盖度的计算方法主要有三种：目视法、样方法和遥感法。
其中，遥感法是目前应用最广泛、最准确的一种方法。
通过遥感图像的数字化，可以实现对不同地区的植被覆盖度进行监测和计算。
三、植被覆盖度监测对环境保护的重要性对于环境保护，植被覆盖度的监测是非常重要的。
植被具有拦截、保持、净化和改善水源的功能，对于土地保持和水资源的保护起到了至关重要的作用。
因此，监测植被覆盖度可以为环境保护提供重要的数据支持，促进环境保护的工作顺利进行。
四、植被覆盖度监测的未来发展趋势随着科技的不断发展，植被覆盖度监测技术也在不断创新和发展。
目前，人工智能、机器学习等新技术的应用，为植被覆盖度的监测和分析带来了更多的可能性，可以更加准确地预测和模拟植被的生长规律。
未来，植被覆盖度监测的科学研究和应用都将朝着更加深入和完善的方向不断发展。
总之，基于遥感技术的植被覆盖度监测与分析研究是当前领域内的热点和重要课题。
通过遥感技术的应用和不断的技术创新，相信在不久的将来，植被覆盖度监测可以实现更高的精度和准确度，为环境保护和人类生活带来更多的实际应用价值。
- 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)。
浅析遥感技术在植被研究中的应用李永红（宁夏大学资源环境学院宁夏银川 750021）摘要: 遥感是指应用探测仪器，不与探测目标相接触，从远处把目标物的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术[1]。
遥感技术作为21世纪空间信息技术的支柱之一，在植被研究中发挥着重要的作用。
本文从遥感的基本内涵出发，通过查阅相关的文献、参考资料和对资料进行归纳总结,阐述了大面积农作物估产的方法、常见的植被指数，介绍了遥感植被解译应用，通过对遥感图像的四个特征进行比较，得出在一般情况下，空间分辨率和辐射分辨率成反比的结论；并对高新技术遥感在植被研究中的应用过程和发展前景进行简单概述。
关键字:遥感,植被,微波,高光谱遥感（Remote Sensing）是20世纪60年代发展起来的对地观测的综合性技术，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。
植被调查是遥感的重要应用领域。
植被是环境的的重要组成因子，也是反映区域生态环境的最好标志之一，同时也是土壤、水文等要素的解译标志，个别还是找矿的指示植物。
植被成像及解译的研究成果可以为环境监测、生物多样性保护、农业、林业等有关部门提供信息服务。
1 植被遥感1.1植物的光谱特征遥感技术的物理基础是地物对电磁波的反射、吸收和发射特性[2]。
遥感波段的辐射源不同，辐射与地物相互作用的机理就不同，因此所反映的地物信息也就不同。
在可见光、近红外波段，主要反射太阳光的辐射，遥感信息所反映的主要是地物的反射率。
反射率的一个重要特点就是光谱特性，也即反射率随波长的变化而变化。
我们能够利用遥感信息识别不同地物的一个根本原因就是因为各种地物间光谱特性具有一定的差异。
植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。
图1显示了健康的绿色植物有效光谱响应特征。
图1 绿色植物有效光谱响应特征健康植物的的波谱曲线有明显的特点，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，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,在1.45μm,1.95μm和2.6～2.7μm处有三个吸收谷[1]。
健康绿色植被都具有基本的光谱特性，其光谱响应曲线有一定的变化范围，但曲线形态变化是基本相似的，这是因为影响其波谱特性的主导控制因素一致。
从植物的典型波谱曲线来看，影响植物光谱的因素包括植物叶子的颜色，叶子的组织结构，叶子的含水量以及植物的覆盖度[3]。
对于不同植物类型的区分，可依据(1)不同植物由于叶子的组织结构和所含色素不同，具有不同的光谱特征。
如在近红外光区，草本植物的反射高于阔叶树，阔叶树高于针叶树。
(2)利用植物的物候期差异来区分植物。
如冬季落叶树和常绿树很好区别。
(3)根据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。
对于植物生长状况的解译，可依据健康的绿色植物具有典型的光谱特征，而遭受病虫害的植物其反射光谱曲线的波状特征被拉平的现象进行判断[1]。
1.2 大面积农作物的遥感估产植被遥感在大面积的农作物估产中的运用主要包括农作物识别, 种植面积估算和建立农作物估产模式三方面[1]。
(1)农作物识别，获得植被分布图:根据作物的色调、图形结构等差异大的物候期的遥感时相和特定的地理位置等的特征，将其与其他植被分开。
(2)种植面积估算：利用高时相分辨率的卫星影象对作物生长的全过程进行动态监测，监测作物长势水平的有效方法是利用卫星多光谱通道影像的反射值得到植被指数（VI , Vegetation Index）。
植被指数是估计植物光合作用、叶子凋落、固氮等过程的重要参量,是植物生长模型中的一个非常关键的变量,可用来模拟植物的生长过程,估算植物的生产能力[11]。
对于经济型植物的估产有利于前期准备工作的进行，减少或避免不必要的后期投入。
植被研究中非常重要的参数有比值植被指数（RVI），又称为绿度，为二通道反射率之比，是较早发展的用于估算和监测植被覆盖的植被指数，能较好地反映植被覆盖度和生长状况的差异，特别适用于植被生长旺盛、具有高覆盖度的植被监测，但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。
归一化植被指数（NDVI : Normalized Differece Vegetation Index）为两个通道反射率之差除以它们的和，在植被处于中、低覆盖度时，该指数随覆盖度的增加而迅速增大，当达到一定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段的动态监测。
植被指数已被广泛用来定性和定量表征植被覆盖度及其生长状况，但由于大气变化的影响, 使植被指数未能真实反映地表植被的真实分布状况,造成其应用的局限性, 一种解决此问题的简易方法是仅通过中巴资源卫星(CBERS: China Brazil Environment Resource Satellite) 图像的第3、第4 波段中的水体, 推算卫星接收到的大气程辐射, 消除了大气对归一化植被指数(NDVI) 的影响, 减小植被指数所受的大气影响,应用结果表明,该方法能使植被指数较好地反映植被的生长及分布状况[4]。
建立农作物估产模式是大面积农作物的遥感估产的第三个方面，是指用选定的植物灌浆期植被指数与某一作物的单产进行回归分析，得到回归方程。
1.2遥感植被解译的应用遥感植被解译在城市绿化调查与生态坏境评价，草场资源调查，林业资源调查方面有着重要应用。
例如：我国在内蒙古草场遥感综合调查、天山北坡草场调查、湖北西南山区草场调查、西藏北部草场调查中，在应用遥感技术确定草场类型，进行草场质量评价的基础上，内蒙古草场资源遥感结合地面样点光谱测量数据，指出比值植被指数RVI=NIR/R与产草量W 有良好的关系：W = -86.9 + 162.65RVI (相关系数r = 0.966)根据这一方程计算出全自治区草场的总产草量。
这对确定草场载畜量，对草场的可持续利用有实际意义。
遥感植被解译是遥感图像解译的一方面，遥感图像具有4个特征：空间分辨率，波谱分辨率，辐射分辨率和时间分辨率。
一般而言，遥感器系统的空间分辨率越高，其识别物体的能力越强，辐射分辨率越高，则对地物的识别与区分能力越强。
但空间分辨率与辐射分辨率之间存在矛盾，一般IFOV越大，最小可分像素越大，空间分辨率越低；但是IF0V越大，即瞬时获得的入射能量越大，辐射测量越敏感，对微弱能量差异的检测能力越强，则辐射分辨率越高。
简言之，空间分辨率的增大，将伴之以辐射分辨率的降低。
对于波谱分辨率，不同波谱分辨率的传感器对同一地物的探测效果有很大区别，间隔愈小，分辨率愈高，但波段并非简单的越多越好，而要区别对待。
波段分得越细，越容易增加数据的冗余度，反而达不到识别效果。
2 高新遥感技术在植被研究中的应用2.1 微波遥感(microwave remote sensing)2.1.1微波遥感介绍在电磁波谱中,波长在1mm～1m的波段范围称微波。
微波遥感是通过微波传感器获取从目标地物发射或反射的微波辐射，经过判读处理来识别地物的技术[1]。
微波遥感分有主动和被动两大类，雷达属于前者，它是通过向目标地物发射微波并接收其后向散射信号来实现对地观测遥感的方式。
由于微波具有穿云透雾的能力（根据瑞利散射原理），不依赖于太阳作为辐射源，能全天候、全天时工作，而且比光波能更深的穿透植被，因而在植被研究中有特殊作用。
2.1.2微波遥感在植被研究中的应用由于被动微波数据的空间分辨率多为几十千米，无法满足植被的分类和提取研究要求，但能对植被的面积和发射的能量进行反应。
要能识别植被的类型必须具有较高分辨率。
利用遥感进行植被识别，还需要选择植被生长期的特定时间段获取遥感数据，雷达可以穿透云层全天时全天候的工作，为植被识别研究提供了有保障的数据供应[1]。
1969 年,美国堪萨斯大学的Haralick等对K波段的雷达图像进行研究,表明植被类型影响信号强度,并且与光学图像相比较,在作物区分中表现良好[5]。
光学数据能反应植被的光谱信息，但不具有分类的高精度优势。
微波波段的测量值主要取决于研究对象的几何特性和介电特性，利用多波段多极化的雷达数据及雷达和光学数据相结合能改进植被分类精度。
Ferrazzoli等对多波段多极化雷达分类进行了实验,结果表明,单波段单极化的SAR 数据识别农作物是有局限性的,利用多波段多极化的雷达数据,可以获取高达90 %的精确度[5]。
微波遥感对某些地物具有特殊的波谱特性，因此可利用这一点来判断植被的生长环境，能较容易地分辨出可见光和红外遥感所不能区别的某些目标物特性。
在微波波段中，水的比辐射率为0.4，而冰的比辐射率为0.99，在常温下两者的亮度温度相差100K，很容易区别，而在红外波段，水的比辐射率为0.96，冰的比辐射率为0.92，两者相差甚微，不易区别[]1。
可利用这一特性，在严寒的冬季，对经济型怕寒植被做防寒准备，防止天气寒冷影响到植被的生长，而影响到经济效应。
由于微波是指波长1～1 000 mm 的电磁波，其波长较长，衍射现象显著，因此微波传感器的分辨率一般都比较低，要提高分辨率必须加大天线尺寸[1]。
其次，观测精度和取样速度往往不能协调，要保证精度就需要有较长的积分时间，取样速度就要降低，通常是以牺牲精度来提高取样速度的[1]。
此外，地球表面的地物温度大多在200～300 K，峰值波长在10～15μ的范围，都落在红外波段，因此红外波段的辐射量要比微波大几个数量级。
然而，由于微波的特殊物理性质，使红外测量精度远不及微波，也要差几个数量级。
因此，总的来说，红外和微波遥感各有优缺点[1]。
2.2高光谱遥感（Hyperspectral Remote Sensing）2.2.1高光谱遥感介绍高光谱遥感与一般遥感主要区别在于：高光谱遥感的波段多，且波段很窄，仅小于10nm,能获取观测地物完整的连续光谱曲线，其光谱分辨率高，空间分辨率较高，光谱可覆盖从可见光到热红外的的全部电磁辐射覆盖范围。
2.2.2高光谱遥感应用于植被研究中的依据植被具有独特的光谱特征。
健康的绿色植物光谱曲线(见图1)由于叶绿素的吸收作用，在0.45μm（蓝）和0.67μm（红）波段为低谷；由于叶子内部的液态水分的强烈的吸收作用，在1.4μm，1.9μm和2.7μm处有三个明显的低谷，在近红外区（0.7μm～1.3μm）有很宽的高反射率区，此外在1.6μm和2.2μm处也有两个反射峰，但是，由于植物品种，叶子生长部位，生长季节等区别，植被光谱曲线的峰和谷的形态，位置都会产生很大的差异[1]。