植被遥感研究综述
植被遥感监测研究综述
植被遥感监测研究综述作者：齐敬辉叶晨曦韩杰来源：《现代商贸工业》2019年第25期摘要：随着对地观测技术的不断进步，植被的遥感监测已成为全球变化研究的重要内容，也是宏观生态变化研究的主要途径。
在广泛阅读中外文献的基础上，对植被遥感监测的国内外研究现状进行了梳理。
国际研究方面，从全球和干旱半干旱区两个空间尺度，对当前主流学者的研究成果进行归纳总结，指出其中的异同。
国内研究方面，从全国、中国北方干旱半干旱区、青藏高原地区三个空间尺度，对我国植被遥感监测研究进行对比分析，明确我国植被演变的主要趋势及驱动机制，以期为相关学者研究提供参考。
关键词：植被遥感;生态遥感;干旱半干旱区;植被变化中图分类号：TB 文献标识码：Adoi：10.19311/ki.1672-3198.2019.25.095目前，学者对植被遥感监测研究主要基于AVHRR、MODIS、SPOT等数据，其中AVHRR數据的时间序列最长，但空间分辨率低，MODIS和SPOT数据空间分辨率高，但时间序列短。
对于大尺度、长时间序列的植被监测往往采用AVHRR数据，主要产品包括PAL、GIMMS和LTDR。
其中，GIMMS数据应用最广，准确性也最高，最新版本为GIMMSNDVI3g.v1，已更新至2015年。
基于GIMMS的植被监测研究，大约始于1990年代中期，主要集中在物候、全球植被活动及其渐进变化等方面，2000年代中期以后，植被变化及其驱动因素研究兴起。
1 国际研究进展1.1 全球植被变化研究1980年代至2010年代，全球及各大洲（南极洲除外）植被呈现出明显的绿化趋势，且存在明显的纬度非对称性，即南半球植被增加比较小，而北半球植被绿化区域非常多，特别是北半球中高纬度地区绿化趋势最为明显。
就空间分布而言，绿化区域包括欧亚及北美大陆的苔原带、欧洲、印度西部、撒哈拉地区、非洲南部、澳大利亚西部等地，棕化地区主要在北美洲北部、阿根廷、印度尼西亚、非洲的热带地区等地。
湿地植被高光谱遥感技术运用研究
湿地植被高光谱遥感技术运用研究湿地植被高光谱遥感技术是通过获取、处理和分析植被反射光谱信息来研究湿地植被的技术手段。
湿地植被高光谱遥感技术可以为湿地生态环境监测、湿地植被类型分类与分布、湿地植被物候变化监测等方面的研究提供重要的数据支持。
湿地植被高光谱遥感技术的核心是利用高光谱遥感图像获得湿地植被的光谱信息。
高光谱遥感图像可以获取大量的连续光谱数据，一般包含几十甚至上百个光谱波段，能够提供详细的光谱信息，有助于分析湿地植被的物理、化学和生物特性。
通过对湿地植被光谱的分析，可以获得湿地植被的光谱曲线和光谱特征参数，进而确定湿地植被的类型、生态状态和健康状况。
湿地植被高光谱遥感技术主要包括数据获取、数据处理和数据分析三个步骤。
数据获取是指通过卫星传感器获取高光谱遥感图像。
目前常用的高光谱遥感传感器有ENVI、Hyperion、AVIRIS等。
数据处理是指对高光谱遥感图像进行预处理，包括大气校正、辐射校正、几何校正等，以获得准确的植被光谱信息。
数据分析是指利用统计学、数学模型及遥感技术对植被光谱进行分析，提取湿地植被的信息。
湿地植被高光谱遥感技术在湿地生态环境监测方面具有广泛的应用价值。
通过对湿地植被高光谱遥感图像的分析，可以实现湿地植被的类型分类与分布研究。
湿地植被具有多样性和复杂性，传统的遥感方法难以准确地识别和划分湿地植被的类型和分布。
而湿地植被高光谱遥感技术可以通过对植被光谱特征参数的分析，实现湿地植被类型的精确识别和准确定位。
湿地植被高光谱遥感技术还可以用于湿地植被物候变化的监测。
湿地植被物候变化是指植物在生长发育过程中由于气候、水分和养分等环境因素的不同而表现出的不同生长阶段。
高光谱遥感图像可以获取植被的光谱曲线以及与物候变化相关的指标，如光谱特征参数和植被指数等。
通过对这些指标的分析，可以实现湿地植被物候变化的实时监测和预测，有助于研究湿地植被的生长发育规律和生态系统的动态变化。
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。
植被遥感研究的测绘方法与技巧
植被遥感研究的测绘方法与技巧植被遥感研究是一门以卫星和无人机等遥感平台获取植被信息为基础，利用光学、红外、雷达等遥感技术手段进行植被监测和评估的学科。
其在环境保护、农业生产、土地利用规划等领域具有重要的应用价值，可以为决策者提供重要的植被指标数据，为生态保护和可持续发展提供科学依据。
本文将从植被遥感的数据源、处理方法和技巧等方面进行探讨。
数据源植被遥感研究所依赖的主要数据源有卫星影像和无人机影像。
卫星影像由遥感卫星获取，可以覆盖大范围的地表信息，具有高时空分辨率的优势。
而无人机影像则是通过无人机平台进行获取，具有较高的空间分辨率和较小的时间间隔，可以获取更为详细的植被信息。
处理方法植被遥感研究中的数据处理方法主要包括图像预处理、植被指数计算、分类和监督分类等过程。
首先，图像预处理是为了减少影像中的噪声和干扰，提高后续处理的效果。
常见的图像预处理方法包括大气校正、辐射校正和几何校正等。
其次，植被指数计算是植被遥感研究中的重要环节，可以通过计算植被指数获取植被信息。
常用的植被指数有归一化植被指数（NDVI）、总体反射率指数（EVI）等。
然后，分类是根据植被指数的数值范围将遥感影像划分为不同的类别。
分类方法主要有基于阈值的分类和基于统计的分类等。
最后，监督分类是通过人工标注一些样本点，并使用这些标注样本点进行分类的过程。
它可以提高分类的准确性和可信度。
技巧在植被遥感研究中，有一些技巧可以帮助研究人员提高测绘的准确性和效率。
首先，选择适合的遥感数据源和传感器是保证数据质量的关键。
根据研究目的和要求选择合适的遥感数据源和传感器，能够提供清晰、准确的植被信息。
其次，合理设置遥感参数是植被遥感研究中必不可少的步骤。
影像预处理中的大气校正和辐射校正参数设置对于减少噪声、消除影像中的干扰非常重要。
此外，合理选择植被指数和分类方法也是重要的技巧。
根据研究需求和遥感数据的特点，选择合适的植被指数和分类方法可以提高研究结果的准确性和可信度。
植被遥感综述
植被遥感及其应用综述一，植被与植被遥感 (2)二，植被指数 (2)三，植被遥感和植被指数的发展历史 (2)四，植被光谱特征 (3)五，植被遥感反射模型 (5)六，植被指数的影响因素 (6)1 土壤背景 (7)（1）土壤颜色............................... 错误！未定义书签。
（2）土壤亮度............................... 错误！未定义书签。
3 大气 (8)4 传感器影响 (9)（1）传感器定标 (9)（2）传感器光谱影响 (9)5 双向反射模型 (9)七，各种植被指数 (10)（一）, 简单植被指数 (10)1，比值植被指数 (10)2，差值植被指数 (11)3，归一化差值植被指数 (13)（二），基于土壤线的植被指数 (14)垂直植被指数 (14)土壤调节植被指数和修正的土壤调节植被指数 (16)（三），减少大气效应的植被指数 (18)1全球环境监测指数 (18)2抗大气植被指数 (18)3增强植被指数 (19)八，植被指数与植被遥感应用 (21)1 植被指数与分类 (21)2 植被指数与典型地物信息提取 (21)3 植被指数与土地覆盖及植被覆盖情况调查 (23)4 植被遥感与生态环境监测 (24)5 植被指数与农业生产 (25)九，植被指数与生物物理参数 (26)1 植被指数与叶面积指数 (26)2 植被指数与植被盖度 (27)3 植被指数与生物量 (27)（1）植被指数估算草场植被高度与植被盖度 (28)（2）植被指数、生物量与作物估产 (28)4 植被指数与叶绿素 (28)十，植被指数与地表生态环境参数 (29)1 植被指数与气候因子 (29)2植被指数与降水、植物蒸发量、土壤水分的关系 (30)十一，植被指数的技术进展 (30)一，植被与植被遥感陆地表面分布着由许多植物组成的各种植物群落，如森林、草原、灌丛、荒漠、草甸、沼泽等，总称为该地区的植被。
植被遥感监测研究综述
[４]李桂玲,张雨．基于“工作室”平 台 的 机 械 制 图 模 型 库 建 设 [J]．山 东 工 业 技 术 ,２０１９,(１４):３１．
植被遥感监测研究综述
齐 敬 辉１,２ 叶 晨 曦３ 韩 杰３
(１．郑州航空工业管理学院土木建筑学院,河南 郑州 ４５００４６; ２．兰州大学资源环境学院,甘肃 兰州 ７３００００;
３．郑州航空工业管理学院商学院,河南 郑州 ４５００４６)
摘 要:随着对地观测技术的不断进步,植被的 遥 感 监 测 已 成 为 全 球 变 化 研 究 的 重 要 内 容,也 是 宏 观 生 态 变 化研究的主要途径.在广泛阅读中外文献的基础 上,对 植 被 遥 感 监 测 的 国 内 外 研 究 现 状 进 行 了 梳 理. 国 际 研 究 方面,从全球和干旱半干旱区两个空间尺度,对当 前 主 流 学 者 的 研 究 成 果 进 行 归 纳 总 结,指 出 其 中 的 异 同. 国 内 研究方面,从全国、中国北方干旱 半 干 旱 区、青 藏 高 原 地 区 三 个 空 间 尺 度,对 我 国 植 被 遥 感 监 测 研 究 进 行 对 比 分 析 ,明 确 我 国 植 被 演 变 的 主 要 趋 势 及 驱 动 机 制 ,以 期 为 相 关 学 者 研 究 提 供 参 考 .
１ 国 际 研 究 进 展 １．１ 全 球 植 被 变 化 研 究
５ 解 题 流 程 图 对复杂 组 合 体,如 图 １１ 通 过 组 合 体 的 拆 解 流 程
图,将复杂程度 系 数 S 高 的 组 合 体 逐 个 分 解 为 复 杂 程 度系数 S较低的基本体,然 后 分 析 其 方 位 关 系、遮 挡 关 系、对称关系组合形式以及 剖 切 后 的 情 况,最 后 进 行 空 间上的组合,实现将复杂问 题 变 为 典 型 模 型 的 组 合,提 高组合体表达法理解的准确性及解题效率.
中国农作物长势遥感监测研究综述
基本内容
中国农作物长势遥感监测技术主要基于卫星遥感数据，结合地物光谱特征、 农学知识和计算机技术等多学科知识进行综合分析。其中，常用的技术方法包括 遥感图像处理、模式识别、地物光谱分析、机器学习等。遥感图像处理主要包括 图像预处理、图像增强和图像分类等步骤，目的是提取出与农作物长势相关的信 息。模式识别和地物光谱分析等技术则主要用于识别和区分不同农作物类型，以 及分析农作物的生长状况和产量预测等。
未来展望
未来展望
随着科技的不断进步和发展，农作物长势综合遥感监测方法将进一步完善和 提高。未来，可以加强以下方面的研究和发展：
未来展望
1、提高遥感数据的分辨率和覆盖范围，以满足更加精细的农业管理和决策需 求。
2、加强遥感技术的智能化和自动化水平，减少对人工的依赖，提高监测效率 和精度。
未来展望
基本内容
2、技术手段日益丰富：农作物长势遥感监测技术不断推陈出新，包括高光谱 遥感、多角度遥感、时间序列遥感等多种技术手段的应用，使得监测结果更加准 确和精细。
基本内容
3、智能化和自动化水平提高：随着人工智能和机器学习等技术的不断发展， 农作物长势遥感监测的智能化和自动化水平也在不断提高。通过数据挖掘和模式 识别等技术手段，能够实现农作物的自动分类和长势预测等功能。
基本内容
3、作物生长周期监测：利用遥感监测技术，可以监测作物的生长周期，从而 掌握作物的生长动态，为农业生产提供指导。
基本内容
总之，遥感监测在农作物长势评价中具有重要的作用。它不仅可以实现大范 围、高效的监测，而且可以提高监测的准确性和精度。通过遥感监测技术，我们 可以更好地了解作物的生长状况，为农业生产提供更为精确的指导，有助于提高 农作物的产量和品质，为保障粮食安全和农业可持续发展做出贡献。
荒漠植被覆盖度遥感提取研究进展
荒漠植被覆盖度遥感提取研究进展一、研究背景和意义荒漠化是全球性的环境问题，对人类生存和发展产生了严重的威胁。
荒漠化的主要表现形式之一是植被覆盖度的降低，导致土地退化、水资源减少、生物多样性丧失等问题。
研究荒漠植被覆盖度遥感提取技术具有重要的科学价值和实际意义。
遥感技术在环境保护领域具有广泛的应用前景，通过遥感手段获取荒漠植被覆盖度信息，可以为荒漠化防治提供科学依据和技术支持。
通过对不同地区的植被覆盖度进行监测，可以及时发现荒漠化趋势，为制定合理的荒漠化防治措施提供依据。
植被覆盖度遥感提取技术有助于提高荒漠化防治的效率，传统的植被覆盖度观测方法需要大量的人力物力投入，且受气象条件影响较大。
而遥感技术可以实现对大范围、连续时间的植被覆盖度监测，大大提高了监测效率。
遥感技术还可以实现对植被覆盖度变化的动态监测，为荒漠化防治提供实时、准确的数据支持。
植被覆盖度遥感提取技术有助于推动国际合作与交流，荒漠化是一个全球性问题，各国都在积极寻求有效的解决方案。
遥感技术的应用可以促进国际间的技术交流与合作，共同应对荒漠化挑战。
遥感技术还可以帮助发展中国家提高自身的环境保护能力，缩小与发达国家在环境保护方面的差距。
研究荒漠植被覆盖度遥感提取技术对于提高荒漠化防治水平、推动国际合作具有重要的理论和实践意义。
荒漠化问题的严重性和影响荒漠化是指土地逐渐失去植被覆盖，变得贫瘠、干旱和不适合人类居住的现象。
随着全球气候变化和人类活动的影响，荒漠化问题日益严重，对生态环境、经济发展和社会稳定产生了深远的影响。
荒漠化导致了生态环境的恶化，植被是维持地球生态平衡的重要因素，它们可以保持土壤湿度、防止水土流失、减缓风速、净化空气等。
当植被覆盖率降低到一定程度时，这些功能将受到严重影响，进而导致土地退化、沙漠扩张和生物多样性丧失。
荒漠化对经济发展产生了负面影响，许多国家和地区的土地资源十分有限，而荒漠化使得这些土地更加贫瘠，难以进行农业生产和建设。
- 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)。
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。
上述差异虽然导致森林植被光谱反射曲线各波段反射值略有不同，但光谱曲线的形状特征是基本一致的；然而当植被健康受到侵害时，植物体内的叶绿素浓度会发生明显变化，光谱曲线的形状特征也会随之发生改变。
研究证实：遥感光谱数据可与森林资源数量、稳定性、结构、功能和干扰等指标建立较好的相关关系；借助遥感技术，人们能够判断和区别不同健康状态的森林植被，准确、及时地掌握森林健康发生、发展的状况。
传感器是遥感技术的核心部件，按照搭载平台的不同，主要可以分为: 星载、机载、气球和手持四种类型，其中又以卫星传感器研究开展的最为广泛，成果也最为丰硕。
目前，在森林健康遥感研究领域广泛应用的卫星传感器主要包括：美国Terra ＆Aqua ( MODIS) 、Landsat-5 TM、Landsat-7 ETM+、ASTER、A VHRR、Quickbird-2、IKONOS-2、ICESAT / GLAS，法国SPOT 4＆5，中国、巴西CBERS-02B，日本JERS-1，加拿大Radcat-1 和印度Cartosat-1 等。
其中，Landsat 系列卫星、SPOT 卫星多光谱数据以及CBERS-02B 的多光谱数据拥有较高的空间分辨率，但是其重访周期较长，不适用于实时的森林健康研究工作；Quickbird-2、IKONOS-2 虽然空间分辨率较高，覆盖周期也较短，但却不适合大范围森林健康研究，而且数据价格十分昂贵；MODIS 数据光谱分辨率很高，每1—2d 便可观测地球表面 1 次，因此用于森林资源研究具有较强的优势，但其空间分辨率较低，多适用于较大空间的尺度森林健康研究。
上述星载遥感技术均为被动式遥感，依赖于太阳，只有白天接收的数据可用，受天气、云层影响较大，其在森林健康研究中的应用也受到限制。
与之相比，雷达成像为主动式遥感，不受太阳影响，昼夜数据均有效，且穿透力较强，尤其在热带地区，其应用具有极大优势。
雷达遥感的不足之处在于覆盖范围小，同名点数据重复获取难，而且缺少光谱信息，因此其实际应用不如多光谱数据。
3植被遥感研究应用3.1森林健康研究3.1.1林火管理火灾是威胁森林健康的重要风险因子之一，一旦发生其对森林的危害往往是巨大、彻底和不可逆的，气候变化情景下林火管理更具有十分重要的实际意义。
美国国家航空和航天管理局(NASA) 全球火灾数据库(GFDP) 是全球最著名的火灾数据库及管理系统，GFDP 的实质是一种基于Terra ＆Aqua MODIS 卫星的遥感数字地图，其主要功能包括: ( 1) 火场定位；( 2) 火烧迹地监控。
在现有技术条件下，GFDP 最大程度地降低了系统执行误差，为科研管理人员提供了一种大尺度监测、掌控森林火情的方法。
“森林火灾预防与控制项目”是欧盟—印度尼西亚国际合作项目，欧印双方在林火遥感数据解译、林火预警监测、可燃物风险控制、火烧迹地恢复重建等领域取得了广泛的成果，其主要遥感数据来源是NOAA 卫星。
2003 年，作为“森林火灾预防与控制项目”的后续计划，欧盟与印度尼西亚政府合作开展了“南苏门答腊森林火灾管理项目”，项目计划构建省域尺度火险探测和林火管理系统。
雷达遥感在林火管理领域也有应用，美国科学家曾采用多孔径雷达遥感数据，以半经验方法估算了黄石公园林冠可燃物质量、林冠体积密度和叶含水量等 3 个林分可燃物载荷参数，与地面研究相比总体精确度超过70%，将可燃物分类后，精度更是达到85% 以上。
3.1.2病虫害综合防治我国在20 世纪70 年代就已开展了健康林木与虫害林木的光谱分析研究。
此后，受大面积营造人工针叶纯林影响，我国非常重视松毛虫的遥感研究，在“八五”时期就有专题科技攻关项目。
武红敢等利用近、中红外波段对植物体水分和叶绿素含量变化的敏感反应建立森林质量变化遥感监测模型，以评价森林健康状况，地面验证结果显示绝大多数的严重变化图斑均是由松毛虫致害造成的。
此外，李明阳等以Quick Bird 遥感影像为基础，根据物种空间分布的主导生物地理因子，绘制了松材线虫、日本松干蚧和美国白蛾 3 种有害生物的空间适生性评价图。
王震提取浙江富阳地区不同时期植被指数，反演叶面积指数和覆盖度，分析不同受害时期马尾松林生态系统功能的演变过程，分析认为由于当地自然条件优越，森林植被演替使得森林生态系统逐渐恢复。
3.1.3酸雨和臭氧危害监测酸雨和臭氧是欧美国家森林健康研究的重要内容，美国、加拿大和欧盟都已将酸雨和臭氧纳入森林健康遥感监测指标体系。
在欧洲，Landsat TM 遥感监测数据显示: 二氧化硫致害落叶是导致捷克北部挪威云杉林大面积退化的重要原因，且这一危害在海拔600—1000m的南坡和东南坡尤为严重。
在北美，遥感应用研究发现: 臭氧是西黄松叶面损伤的重要致害因子，且臭氧浓度与当地人口总量呈显著正相关，说明人类活动造成的臭氧浓度增加是西黄松叶面损伤的根本原因。
王博在高光谱数据监测酸雨胁迫马尾松实验中发现: 不同酸雨梯度胁迫下马尾松光谱反射曲线差异明显；酸雨胁迫可使马尾松叶绿素值发生改变；不同强度的酸雨胁迫与马尾松叶绿素生长速度呈正相关关系。
3.2森林植被参数提取3.2.1植被指数目前，国内外发展了几十种不同的植被指数模型。
其中，应用最为广泛的为归一化植被指数( NDVI)。
Hoffman 等基于MODIS-NDVI 构建了森林关联识别与状态追踪系统，该系统可以有效识别自然和人为活动对森林的早期干扰，发现潜在的威胁因子，为森林健康提供第一重保护。
马来西亚学者研究显示: NDVI 与红树林分布密度显著相关，是红树林生长状态及植被空间分布的最佳指示因子。
一般来说，年轻、生长旺盛的红树林健康状况较好，其NDVI 也处在一个较高的水平( 0.40—0.68)；而遭受风沙沉积和海潮侵蚀的红树林健康状况较差，NDVI 也相对较低的水平( 0.38—0.47)。
朴世龙等利用NOAA-A VHRR数据，以NDVI 作为植被活动的指标，研究了中国1982—1999 年四季植被活动的变化，探讨植被活动对全球变化的主要响应方式。
结果表明，中国植被四季平均NDVI 均呈上升趋势，且季节性、区域性差异明显，生长及提前是中国植被对全球变化响应的最主要方式。
3.2.1叶面积指数叶面积指数( LAI) 是指总叶面积与其覆盖下土地面积的比值，LAI 不但可以直接反映出在多样化尺度的植物冠层中的能量、CO2及物质环境，还与蒸散量、土壤水分平衡、树冠层光量的裁取、地上部初级生产力、总初级生产力等生态过程直接相关，是衡量森林健康状况的一个重要活力指标。
从遥感影像中提取LAI 通常有4种方法: 植被指数法、混合象元分解法、几何光学模型法和辐射传输模型法。
伴随着遥感技术的发展，特别是光谱微分技术的应用，LAI 与遥感数据的相关性和精确度不断提高。
Spanner 研究认为，受林下植被、林隙和林冠郁闭度反射作用的影响，0.63—0.69μm 和 1.55—1.75 μm 反射带与LAI 呈显著的反曲线关系；而当林冠郁闭度大于89%时，0.76—0.90 μm 反射带又与LAI 呈极显著的正相关关系。
3.3作物单产估计水稻单产易受天气、病虫害、水分的影响，尤其在灌浆和成熟阶段尚无很好的长势/单产模型。
高光谱数据为消除天气、病虫害、水分对单产的影响提供了一条新的途径。
Miller运用比值植被指数通过干物质和单产的关系来估计单产。
但在作物灌浆与成熟阶段，由于反射率与总生物量之间并不相关，比值植被指数无法预测水稻的冠层生物量。
ldso等运用500～600 nm和600～700 nm两个光谱区得到的反射值的转换植被指数(TV16)来估计小麦与大麦的单产，获得每天的小麦单产与TV16之间的相关系数为0.78。
单产估算目前应用较多的还是回归分析方法，其基本过程为：Y=b0+b1X1+b2X2+b3X3+…+b i Xi+e式中：Y为作物产量，X i为经过平滑的光谱反射率或NDVI指数。
估计作物单产，用单通道的反射率是不够的。
运用R x、R′x和C(R x)的多元线性回归方法难以估计单产。
即使运用导数光谱技术，黄熟期作物的光谱数据与单产之间的关联也不显著。
运用NDVI(特别是NDVIb)的回归方程比直接基于光谱平滑曲线或导数光谱曲线具有更高的相关性，能提高单产估计的性能，但在多年产量估算中效果不佳。
目前来讲，导数光谱曲线的NDVI指数还难以真正用于估产实践，但该方法比宽波段的光谱指数或线性回归方程要好。
3.4植被覆盖率研究土壤背景的反射特征是影响植被反射波谱特征的重要因素。
许多植被指数和光谱模型的发展就是为了控制土壤背景的影响。
土壤背景反射率的空间变化与土壤结构、构造、颜色和湿度等有关，如，当土壤湿度较大或腐殖质含量较多时，土壤对可见光和近红外的反射率都会降低。