植被高光谱遥感的应用研究综述_申广荣
高光谱图像处理方法在植物识别中的应用研究
高光谱图像处理方法在植物识别中的应用研究植物是地球上最主要的生物类群之一，其种类繁多且广泛分布，对人类和自然生态系统都起着重要作用。
随着科技的不断进步，高光谱图像处理方法在植物识别中的应用正逐渐成为研究的热点。
本文将探讨高光谱图像处理方法在植物识别中的优势和应用前景。
1. 高光谱技术简介高光谱技术是一种获取和分析物体光谱数据的技术。
与传统的数字相机只能获取红、绿、蓝三个波段的图像不同，高光谱技术可以获取几十甚至上百个波段的图像。
每个波段都包含了物体在该波段上的光谱特征，从而使得植物识别更加准确和可靠。
2. 高光谱图像处理方法的优势2.1. 丰富的光谱信息相比传统图像处理方法，高光谱图像处理方法可以提供丰富的光谱信息。
通过分析不同波段的光谱反射率，可以获取植物的物理性质和化学成分等详细信息。
这为植物的分类和识别提供了更多的参考依据，提高了分类的准确性。
2.2. 高灵敏度和高分辨率高光谱图像处理方法具有高灵敏度和高分辨率的特点。
灵敏度指的是高光谱技术可以对微小变化做出较为精确的反应，而分辨率指的是高光谱图像可以提供更多细节信息。
这使得植物的特征提取和分类更加准确和可靠。
3. 高光谱图像处理方法在植物识别中的应用3.1. 植被类型分类高光谱图像处理方法可以通过分析不同植物的光谱特征，实现对不同植被类型的分类。
例如，在农田监测中，通过采集农作物的高光谱图像，可以准确地识别出不同作物的种类和生长状况。
这对于农作物管理和精确施肥等方面具有重要意义。
3.2. 病虫害检测高光谱图像处理方法可以实现病虫害对植物的影响的监测和评估。
通过分析植物在不同波段上的光谱反射率，可以发现病害或虫害对植物的影响，进而采取相应的防治措施。
这将有助于降低农业生产的损失，提高农作物的质量和产量。
3.3. 植物生理参数估算通过高光谱图像处理方法，可以估算植物的生理参数，如叶绿素含量、水分含量和光合作用强度等。
这些参数对于研究植物的生长状况和环境适应能力具有重要意义。
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。
高光谱遥感技术在矿山生态修复治理中的应用
高光谱遥感技术在矿山生态修复治理中的应用摘要：随着矿业开发的不断推进，矿山环境破坏问题日益突出。
为了实现矿山生态环境的修复与治理，高光谱遥感技术被引入其中。
本文重点探讨了高光谱遥感技术在矿山生态修复治理中的应用，包括高光谱遥感技术的原理、优势以及在土壤水分监测、植被覆盖评估、环境质量监测等方面的具体应用。
研究结果表明，高光谱遥感技术可以提供高精度的空间和时间信息，在矿山生态修复治理中起到了重要的作用。
关键词：高光谱遥感技术；矿山生态修复治理；土壤水分监测；植被覆盖评估引言在矿山开采和开发过程中，环境破坏问题已成为全球关注的焦点。
为了实现矿山生态环境的修复与治理，高光谱遥感技术被引入其中。
高光谱遥感技术具有丰富的光谱信息，可以提供精确的空间数据。
本文旨在探讨高光谱遥感技术在矿山生态修复治理中的应用，包括土壤水分监测、植被覆盖评估和环境质量监测等方面的具体运用。
通过该研究，我们将深入了解高光谱遥感技术在矿山生态修复治理中的潜力和优势，以促进可持续发展和生态保护。
1.研究背景和意义矿山开采对环境造成严重损害，包括土壤侵蚀、水源污染等。
矿山生态修复与治理成为迫切需求。
高光谱遥感技术提供了获取大量地表信息的有效手段，可以在矿山生态修复治理中发挥重要作用。
通过研究高光谱遥感技术在矿山生态修复中的应用，可以探索有效的监测和评估方法，为矿山生态修复提供科学依据，并推动矿山行业向可持续发展方向转型，保护生态环境。
2.高光谱遥感技术介绍2.1高光谱遥感技术原理和概述高光谱遥感技术利用具有连续和连续变化的窄波段光谱数据进行地物识别与分析，能够获取丰富的地表信息。
它基于不同物质对不同波长光的吸收、反射或散射特性，通过光谱曲线上的多个波段数据进行数据处理与解译，实现对地物类型、含量及环境状况等方面的精准识别。
通过高光谱遥感数据的获取与处理，可以获得高空间和光谱分辨率的信息，为矿山生态修复治理提供科学依据。
2.2高光谱遥感数据获取和处理方法高光谱遥感数据的获取主要通过载荷传感器获取地面反射光谱信息。
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。
湿地植被高光谱遥感技术应用研究
湿地植被高光谱遥感技术应用研究佚名【摘要】在回顾湿地高光谱遥感技术发展历程的基础上,概述了高光谱遥感在湿地植被分类和理化参数反演中的国内外最新研究进展,分析了目前湿地植被高光谱遥感技术研究中存在的主要不足,展望并提出了今后湿地植被遥感领域研究的重点问题.【期刊名称】《西南林业大学学报》【年(卷),期】2018(038)006【总页数】7页(P208-214)【关键词】高光谱;湿地植被;遥感技术;信息提取;理化参数【正文语种】中文【中图分类】S771.8湿地植被遥感技术是当前国内外湿地科学领域研究的热点之一[1]，湿地是生态系统中的一个重要组成部分，拥有着自然界最丰富的生物多样性，在调节气候、控制污染和保护环境等方面均表现出重要的生态、经济和社会价值。
我国是全世界湿地资源比较丰富的国家之一，湿地总面积约为6 594万hm2，约占全球湿地总面积的10%，位居世界第4[2]。
由于湿地是由水体和陆地交互作用形成的具有独特功能的自然结合体，因此湿地更容易受到自然因素和人类活动的影响。
自20世纪80年代以来，社会经济发展速度加快，农业、畜牧业、水利工程、石油开发、环境污染等人类活动均对湿地带来了较大程度的干扰[3]。
目前，我国大部分湿地正在面临水土流失、不合理开发利用和水体污染的严重威胁[4]。
国内外学者已在湿地生态系统的群落及环境特征、调查与监测手段、评价与恢复策略方面开展了广泛研究，初步掌握了湿地生态系统的组成、结构、分布和动态变化特征[5]，成果显著。
但是，由于缺乏长期监测数据支撑，影响了研究结果的客观性和精确程度，“以空间替代时间”的被动研究策略亦导致了缺乏可比性[6]。
1991年以来，逐步出现了基于遥感手段识别、反演和评价湿地植被的相关研究和有益探讨，为今后湿地研究提供了宏观、及时、精确的实现手段。
然而，受到传统多光谱遥感诸多技术瓶颈的制约，对湿地植被的遥感反演、信息提取和主要养分状况估测等方面的研究至今未能取得理想成果。
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。
高光谱技术在农业遥感中的应用研究进展
高光谱技术在农业遥感中的应用研究进展茅恒昌（北京师范大学资源与环境学院，北京 100875）摘 要：随着生活质量要求的逐渐提升，高光谱技术在现代农业的发展中起到重要的作用。
文章通过对高光谱技术在农业遥感中的应用现状进行分析，以此深入研究高光谱技术在农业遥感中应用。
通过农业作物产量品质、生长情况以及生长性状进行全面的发展。
通过对现阶段研究情况的总结和分析，推动高光谱技术在农业遥感中的应用，从根本上提升国家农业种植的综合能力。
关键词：高光谱技术；农业遥感；生长性状中图分类号：S127 文献标志码：A 文章编号：1672-3872（2017）22-0088-01——————————————作者简介： 茅恒昌（1983-），男，安徽阜阳人，硕士在读，研究方向：农业遥感。
1 高光谱技术在农业遥感中的发展方向现阶段，精细农业成为国家农业现代化发展的主要目标和方向，而高光谱遥感技术在农业监测方面展现出来的快速高效、精准无损的特点，让其成为农业遥感监测中的重要应用手段。
精细农业是一种结合信息、生物以及工程等多种高新技术为一体的现代化农业管理手段，通过科学系统的管理方法提高农业资源的利用效率，在保证环境无污染的情况下，提升农产品的产量和质量。
考虑到精细农业对数据和信息的需求，传统的分析方法无法满足现代化农业发展，因此将遥感技术、地理信息系统、全球定位系统都应用到农业监测中。
农业遥感属于这三种技术其中之一，根据监测的不同类型分为农作物的土壤成分遥感信息模型、作物灾害估计遥感分析模型等。
而高光谱技术作为遥感技术中的重要手段，在国家现代化精细农业的发展中得到了广泛的应用。
利用高光谱技术获取相比传统分析技术中更加完整准确的农业作物参数，为农业作物的管理和种植提供保障。
2 高光谱技术在农业遥感中的具体应用2.1 农业作物生长长势监测1）叶面积指数。
高光谱遥感技术因为不会对作物造成破坏的特点，因而被应用到监测作物的叶面积上，弥补传统获取农业作物叶面积指数的耗时过长等缺点，以最小的破坏，获取最精准的叶面积指数。
高光谱遥感技术在植被信息提取中的应用
ＺＯＵ Ｚｈｕ － ｇ Ｙ ｏｙａｎ ＡＮＧ Ｗｕ— ａ ＣＨＥＮ ｉｇ ｎｉｎ Ｙｎ （ ｎｓｅｉｌ ｙＬ ｂｏ ａ ｄａ ｄＲｅｏ ｒｅ ｎｏ ｍａｉｎＴ ｃ ｎ ｌｇ ｎ ｐ ｉａｉｎ Ｉｓｉ ｔ ｆ ｎ Ｓ Ｍｉｉｔｒａ ａ ｆ ｎ ｎ ｓｕ ｃ ｓＩｆ ｒ ｔ ｅ ｈ ｏｏ ｙａ ｄＡｐ ｌ ｔ ｏ ，ｎ ｔｕｅｏ ａ ｄＧＩ ， Ｋｅ Ｌ ｏ ｃ ｔ ＲＳ
ｒ ｓ ｒ ｃ ｓａ ｈｅｌｋｅ ｐ ｉ ａｉ ｎ ｏｆｈｙ ｒｐｅ ｔａ ｎ ｔ ｅ ｓ ｄ ｏ ｅ ｔｔｏｎ ｗ ｉ ｃ ｍ ｅ ｉ ｃ ｅ ｓｎ ｙ ｍ ｐ ｔｎｔ Ｆｏｒ ｅ ｏｕ ｅ ｎｄ ｔ ｉ ，ａ ｐｌｃ ｔｏ ｐｅ ｓ ｃｒ ｌｉ ｔ ｙ ｆｖ ｇｅａ ｉ ｌ ｂｅ ｏ ｎ ｒ ａ ｉｇｌ ｉ ｏｒａ ． ｈ ｕ ｌ
ｏｊｃ ｕ ｓ ｉｈｒｓｅｔ ｌ ｅｏｕｉｎ Ｉｈ ｓｂｏ ｅ ｅｒｓ ｉｔ ｎｏ ａ ｉｏ ａ ｍ ｌｓｅｔ ｌ ｅ ｔ ｓｎｉｇ ｂｅｔ ｄ ｅｔ ｉ ｇｅ ｐ ｃ ａ ｒｓｌｔ ．ｔ ａ ｒｋｎｔ ｔｃ ｏ ｆ ｒｄｔ ｎ ｌ ｕｔ ｐｃ ａ ｒｍｏｅ ｅ ｓ ， ｓ ｏ ｔｈ ｒ ｏ ｈ ｅｒ ｉ ｔ ｉ ｉ ｒ ｎ
测绘第 ３ ３卷第 ２期 ２ １ ０ ０年 ４月
５ ５
高光谱遥 感技术在 植被信 息提 取 中的应用
邹卓 阳 杨武年 陈 颖
- 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)。
第19卷第4期2001年12月上海交通大学学报(农业科学版)JOURNALOFSHANGHAIJIAOTONGUNIVERSITY(AGRICULTURALSCIENCE)Vol.19No.4Dec.2001
文章编号:1000-193X(2001)04-0315-07
植被高光谱遥感的应用研究综述⒇
申广荣,王人潮(浙江大学农业遥感与信息技术应用研究所,杭州310029)
摘 要:植被高光谱遥感以其显著的特点已经成为连接遥感数据处理、地面测量、光谱模型和应用的强有力的工具。本文概述了植被高光谱遥感数据的处理方法和高光谱分析的算法以及它在植被参数估算与分析、植被长势监测、估产及生物量估算等领域的应用现状,特别是与近年逐步兴起的多角度遥感结合在建立与完善双向反射模型,更精确地反演植被参数等方面的发展状况。并讨论了进一步充分利用植被高光谱遥感数据,加速遥感定量化进程的一些途径。关键词:植被高光谱遥感;高光谱分析;植被监测;双向反射模型中图分类号:S127 文献标识码:A
Reviewoftheapplicationofvegetationhyperspectralremotesensing
SHENGuang-rong,WANGRen-chao(Inst.ofAgric.RemoteSensingandInform.Appli.,ZhejiangUniversity,Hangzhou310029,China)
Abstract:Hyperspectralremotesensingdata,comparedwithwide-bandremotesensingdata,hastheadvantageofhighspectralresolution.Inthispaper,themethodsofhyperspectralremotesensinginformationprocessing,spectralanalysisanditsapplicationindetectingthevegetationgrowthstate,estimatingthecanopybiochemicalcharacteristicsandproduc-tivityofricefromvegetationhyperspectralremotesensingdataarereviewedindetail.Andetailedreviewonrecentworksabouttheintegrationofmultiangleremotesensingandhyperspectralremotesensingdatatoconstructthebidirectionalre-flectancedistributionfunctionmodelandtheninvertvegetationparametersaccuratelyaregiven.Finallythepaperdiscussthewayoffurtherapplicationofhyperspectralremotesensinginformationinordertopromotequanlifingremotesensing.Keywords:vegetationhyperspectralremotesensing;hyperspectralanalysis;vegetationmonitoring;Bi-directionalre-flectancedistributionfunctionmodel
高光谱遥感技术是连接遥感数据处理、地面测量、光谱模型和应用的强有力工具,其显著特点是在特定光谱区域以高光谱分辨率同时获取连续的地物光谱图象,其超多波段信息使得根据混合光谱模型进行混合象元分解获取“子象元”或“最终光谱单元”信息的能力得到提高,从而使得遥感应用着重于在光谱维上进行空间信息展开,定量分析地球表层生物物理化学过程和参数[1]。由于高光谱遥感能提供更多的精细
光谱信息,它除了应用于矿物识别并实现单矿物识别和填图外,已广泛地应用于植被遥感中,并已成为地表植被地学过程对地观测的强有力工具[2]。
植被高光谱遥感数据,按获取方式的不同,采用相应的高光谱遥感信息处理技术处理后,可用于植被参数估算与分析,植被长势监测,估产及遥感图象定标与纠正等领域。近年来,随着双向反射模型的建立与
⒇收稿日期:2000-12-25;修稿日期:2001-01-28基金项目:国家自然科学基金资助项目(40171065)作者简介:申广荣(1965-),女,山西太谷人,副教授,在读博士,研究方向:遥感、农业信息技术应用.完善,高光谱遥感与双向反射模型的反演相结合,加上逐步成熟的植被高光谱分析算法,为更准确地探测植被的精细光谱信息,定量反演植被各组分含量及叶面积指数LAI等植被结构参数,精确估算植物所吸收的光合有效辐射APAR,植物的初级生产力NPP等指标提供了可能,从而推进了遥感定量化的进程。
1 植被高光谱遥感信息的处理方法高光谱遥感信息易受诸如遥感器老化、地物二向性反射、大气效应、地形因子等外部因素的影响,这些因子都会削弱高光谱遥感数据赖以区分地物的敏感性。因而,高光谱遥感信息的光谱——图象转换,必须进行定标和大气辐射校正,以消除这些因子的影响,这是遥感定量化研究的一个关键环节。常规的还有光谱图象增强处理,一方面是为了消除噪声,突出目标地物;另一方面也是为了将来进一步的导数运算。鉴于植被高光谱遥感图象的特殊性,对所获得的图象还需进行一些必要的处理。1.1 降维运算为了将高光谱遥感数据与常用的宽波段数据进行对比分析,有必要对它进行降维处理。主要的降维方法都是通过卷积运算得到低光谱分辨率数据。如AVIRIS(AirborneVisible/InfraredImagingSpectrome-ter)光谱(224个波段)通过卷积运算可减少到LandsatTM的对应光谱段,以便于两者进行对比分析。1.2 导数光谱技术[3]
导数光谱技术是分析高光谱遥感信息较为常用和有效的一种技术。因为二阶或更高阶导数对于由于太阳角、云的覆盖、地形因素等引起的图象亮度明暗度的变化相对不敏感,对于太阳光、天空光的光谱变化也几乎不敏感。一般用的较多的是一阶或二阶导数技术,导数技术通常直接针对光谱数据的某些特殊应用。比如,淡水湖组成成分浓度的检测,大气校正,波段分解等。此外,导数光谱主要反映了由于植物中叶绿素等吸收光产生的波形变化并能揭示光谱峰值的内在特性。因此,导数光谱可用在高光谱遥感中对植被指数进行估算和分析。1.3 红边效应分析技术由于植物体内叶绿素吸收作用的影响,植被反射光谱在红到近红外区(660～770nm)出现一个陡峭的爬山脊,称为“红边”[2]。通常采用红边斜率和红边位置两个因子来描述红边的特性。利用植被高光谱遥感
信息可以较为细致地描述植被的红边特性,“红边”的位置和斜率可以通过导数运算得到。红边斜率主要与植被覆盖度或叶面积指数有关,覆盖度越高或叶面积指数越大,红边斜率越大。红边位置主要与叶片叶绿素含量有关,当植被中叶绿素b含量减少时,红边位置将向短波方向偏移,通常称之为“蓝移”。当植被因缺水而发生叶子枯萎时,红边位置将向长波方向偏移(红移)。而用宽波段数据几乎不可能得到与叶绿素含量密切相关的“红边”光学参数[4]。
1.4 高光谱遥感数据的压缩随着遥感技术的发展和对遥感数据需求量的增长,具有高光谱分辨率覆盖几百条波段的成像光谱仪越来越多。为方便这些高光谱遥感数据的传输和存储及利用,高光谱遥感数据的压缩技术成为必需的、关键性的遥感图象处理技术。高光谱遥感数据的压缩有两种类型:无损压缩和有损压缩。采用哪种压缩根据图象应用的目的,精度的要求而定。比如用于一个小区域某项研究的高光谱遥感数据,其量很大,为了减少购买、存储等的费用,在可接受的精度范围内,可采用有损压缩。MichaelJ.Ryan(1997)认为有损压缩的关键是压缩图象的合适措施和标准,针对高光谱数据,他采用最大似然分类法对有损压缩的各种方法进行了比较和检验,提出了矢量量化的高光谱遥感数据有损压缩方法[5]。
2 植被高光谱分析算法目前在世界上已有30余台航空成象光谱仪正在运行,用的最多的是AVIRIS成象光谱数据。如何有效地充分利用这些高光谱数据进行植被定量对地观测,植被高光谱分析算法是关键。常用的植被高光谱分
316上海交通大学学报(农业科学版) 第19卷析算法可分为4类。2.1 光谱植被指数根据植被的反射光谱特征,通常是用植被红光,近红外波段的反射率和其他因子及其组合所获得的植被指数VI(近50种)来提取植被信息,并在区域和全球尺度上广泛应用于从高空对农作物与林木生长状况,农业估产和生态环境的监测。归一化植被指数NDVI是最广泛使用的一种植被指数,它是植物生长状态及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关。但实验表明,NDVI对土壤背景的变化较为敏感。张良培等利用在鄱阳湖地区测得的数据,选择波长676nm和832.6nm进行NDVI的计算。在该两个波长位置上,土壤的反射值相差很小[6]。可见,利用高光谱可以消除土壤信号在NDVI中的
作用。KennethMcGwire在干旱地区用多光谱和高光谱数据计算比较了稀疏植被宽波段和窄波段的ND-
VI值,用以监测植被覆盖度。计算结果:宽波段NDVI的r2=0.63;高光谱数据NDVI的r2=0.60;SAVI的NDVIr2=0.51;MSAVI的NDVIr2=0.64;由多光谱和高光谱数据组成的线性混合模型是将图象的每一象元分解为由参考光谱即最终象元的线性组合,这些最终象元数据可以由实验室或地面直接测得或通过卫星图象得到。用这种方法计算的NDVI,r2=0.74,大大提高了估算精度[7]。同时也证明了高
光谱数据结合其它遥感数据监测稀疏植被覆盖度的可行性。2.2 光谱匹配将混合像元与光谱数据库光谱或与实验室、地面实测的参考光谱进行光谱匹配可以直接识别地物成分。美国JPL最早发展了二值编码光谱匹配,已用于单矿物的识别。JohnC.Price选用45幅AVIRIS高光谱图象,在400～2500nm波段范围内,通过统计分析和与实验室测得的光谱进行匹配分析找到了分别对地表水、雪、火、植被和土壤较敏感的5个光谱波段,这5个波段是460～540nm、610～690nm、990～1090nm、1520～1610nm、2080～2170nm。从而为通过AVIRIS等高光谱图象方便地识别上述五种地表覆盖类型奠定了基础[8]。
利用光谱匹配进行分类的一个优点是影像像元与参考光谱之间的相似性(光谱夹角)不需考虑两者的相对亮度即可计算得到。童庆禧等应用光谱波形匹配算法得到了鄱阳湖典型湿地的植被分类图,实现了地物的直接识别与分类[1]。