植被含水量的遥感反演方式26页PPT

4
实验一 植被覆盖度的遥感反演
三、实习仪器与数据
（1）Landsat 8数据：LC81290392013110LGN01 仁寿县的县界*.shp文件
（2）根据自己的兴趣选择研究区，遥感影像以及矢量数据可以从网上获取。 数据来源：从网站下载免费数据，如：
◦ /data/ ◦ ◦ / 数据源请从（1）和（2）中任意选择一个。
7
实验一 植被覆盖度的遥感反演
◦ 3、计算植被覆盖度 方法一：(两种方法都要做)
根据公式（1），我们可以将整个地区分为三个部 分：
• 当NDVI小于NDVI0 ， fv取值为0； • NDVI大于NDVIv ， fv取值为1； • 介于两者之间的像元使用公式（1）计算。 利用ENVI主菜单->Basic Tools->Band Math，在公式 输入栏中输入进行计算. 请回顾ENVI中公式的写法
1
实验一 植被覆盖度的遥感反演
在线性像元分解模型中，最简单的模型假设像元只有植被 和非植被两部分构成。所得的光谱信息也只有这两个组分因子 线性合成。他们各自的面积在像元中所占的比率即为各因子的 权重，其中植被覆盖部分所占像元的百分比即为该像元的植 被覆盖度。
NDVI = fv*NDVIv + (1- fv)* NDVI0
(公式1）
NDVI为像元NDVI值，fv为像元的植被覆盖度，NDVIv和NDVI0分别 为植被覆盖部分和非植被覆盖部分的NDVI值。NDVIv和NDVI0这两个 参数值的确定是关键，将直接影响到植被覆盖度估算结果。
在实际工作中因缺少大面积地表实测数据作参考，以及不可避 免存在噪声，所以通常对NDVI 统计直方图给定置信区间，求该区间 内的最小和最大值来作为NDVI0和NDVIv值，或者取5%和95%频率的 NDVI 值作为NDVI0和NDVIv值。本实验中采取后一种取值方法。

消除大气辐射的影响，恢复大气下界的地面反射率或者地面辐射亮度
未知数：７个通道的发射率、昼夜两个地表温度、昼夜两套大气等效辐射温度和水汽含量
大气水汽含量
经验公式、查找表
L L 例子：GLASS叶面积指数产品生产线
数据信息＋已知参数＋先验约束
toa
0
建立440纳米处地表反射率、气溶胶类型、气溶胶光学厚度、太阳角度、观测角度等自变量与TOA反射率的查找表。
解决病态反演问题的办法，一是扩充信息源，比如综合 使用多源遥感数据或地面观测资料，引入先验知识；二 是控制信息分配，让有限的观测信息尽量分配到目标参 数，抑制反演过程中的误差传播。
4
1. 遥感反演概述
1.3 常见的几种遥感反演方法 经验回归
例如逐步多元回归、神经元
公式推导及线性反演
简化、线性化 ；例如大气校正公式、分裂窗
模型 通过地面观测或者较高质量的遥感产品获得统计知识
这里讨论的是狭义的辐射畸变，即传感器自身特点引起的图像缺陷
大气水汽含量
经验公式、查找表
广泛用于大气、地表、叶片
人工抽查的质量检查方法
例子：GLASS叶面积指数产品生产线
传感器缺陷、地形和光照条件的变化、大气的吸收和散射
遥感反演信息量缺乏问题的解决方法
2
1. 遥感反演概述
1.1 什么是遥感反演
正演
物理参数 遥感信号
3
反演
1. 遥感反演概述
1.2 遥感反演问题的本质和科学问题
遥感的本质是反演，而从反演的数学来源讲，反演研究 所针对的首先是数学模型。……，首先要解决的问题是对 地表遥感像元信息的地学描述。
但陆地遥感反演的根本问题在于定量遥感往往需要用少 量观测数据估计非常复杂的地表系统的当前状态，本质 上是一个病态反演问题。

总结
统计模型相对比较简单,适用性强,在地面实况不清或遥感信号产生机理过于复 杂的情况下,是一种很好的工具来暂时回避困难,留待以后继续研究。 但是随着地面知识的积累和遥感观测波段的增加,统计模型的这一优势逐渐减弱。 并且当这些方法从实验室状态推广到室外冠层遥感数据的时候,就出现了大量的干扰 因素,包括不同的照明强度和角度、观测状态、冠层结构、下覆地表和大气状态等。 到目前为止,发展新的光谱指数仍然是一个活跃的研究领域,但是不论是经验或 半经验统计方法都缺乏鲁棒性和可移植性。可能在某些地点和时间,某种方法或指数 能够取得很好的效果,但事异时移,它们很可能就不适用了,因此人们逐渐考虑利用物 理模型反演得到植物的组分含量。
在使用PROSPECT 模型时考虑了三种生化组分:叶绿素,水分,干物质。其中干物 质代表纤维素、半纤维素、木质素、蛋白质、淀粉等,这些物质或者因其在叶片 内的含量极其微量,或者由于它们的吸收作用非常微弱,很难将他们的作用单独表 示出来,因此采用了总的干物质来表达这些物质的综合作用。PROSPECT 模型 是目前公认的叶片尺度最好的辐射传输模型之一,其输入参数只有4 个,为反演带 来了很大的方便。在这4个输入参数中,只有叶肉结构参数n 的确定无法通过测量
• 例如Penuelas等发现用水分指数WI(WI=R970/R900)能清楚地指示水分状况的变化.
• Penuelas和Inoue在随后的研究中还表明WI(WI=R900/R970)与NDVI(NDVI=(R900R680)/(R900+R680))的比值WI/NDVI不仅可以用来预测叶片的水分含量,还可以用来预 测植株或冠层的含水量,且显著提高了预测的精度.
物理模型方法：
叶片光学模型基于生物物理机制,通过描述光子在叶片内的散 射和吸收,模拟叶片的光谱特性,其前向过程通常都包含生化组分含 量,这些参数通常无法获得解析表达式,但是可以通过反向反演得到 。进一步可以将叶片模型耦合到冠层模型中,就可以利用冠层光谱 数据反演得到组分含量。由于物理模型解释了光与叶片物质的作 用机制,原理清楚,加之在模型的初始假设范围内,不受限于时间地点 等因素,因此成为植被生化组分参数提取研究的又一个方向。 目前应用于反演植被含水量的物理模型主要考虑基于辐射传 输方程的叶片光学模型PROSPECT 和冠层模型SAIL 及其耦合模 型。

APAR=FAPAR×PAR
FAPAR

(
I TOC

I Ground

I Ground

I TOC
)
/
I TOC
ppt课件
4
4
在PAR区间叶绿素a、 叶绿素b和类胡萝卜素 的吸收率和总光合作用 效率
55
2. FAPAR野外测量
SUNSCAN冠层分析系统（SUNSCAN Canopy Analysis System）
FAPAR=1.21×NDVI-0.04 FAPAR=1.67×NDVI-0.08
FAPAR=0.105(0.323×NDVI)+(1.168×ND
VI2) FAPAR=3.257×SAVI-0.07
FAPAR=0.846×NDVI-0.08
FAPAR=1.723×MSAVI0.137
FAPAR=2.213×(ΔMSAVI)**
通过遥感方式可以获取植被FAPAR。随着遥感传感器分 辨率的多样化，遥感可以提供更广泛空间区域和时间范围 的FAPAR产品。
ppt课件
3
3
基本概念
PAR（photosynthetically Active Radiation），光合有效辐射，指陆地植 被光合作用所能吸收的从400到700 nm的太阳光谱能量。
算法
R2 取得经验值方法
植被类型
参考文献
FAPAR=1.2×NDVI-0.18
0.974
PAR 测量 春小麦，生长阶段
Hatfield et al.,1984
FAPAR=0.6(2.2×NDVI)+(2.9×NDVI2)
-
PAR 测量
玉米，生长阶段

B
exp(

C
•
LAI
)]



RVI

A
[
1

B
exp(

C
•
LAI
)]
✓A、B、C为经验系数。
✓A由植物本身光谱反射确定
✓B与叶倾角、观测角相关
✓C取决于叶子对辐射的衰减，衰减成非线性的指数函数关系。
植被指数与叶绿素含量的关系：
叶绿素浓度模型：
G
RVI

NIR
/R
1
G
(NIR
/R
)
2
G
NIR
1

C

(
s
)
/(
v

s
) ρ:植被与土壤混合光谱反射率
2
ρs :纯土壤宽波段反射率
ρv :纯植被宽波段反射率
RVI、NDVI与植土比分别成指数和幂函数关系。
遥感测量植被覆盖度方法：
回归模型法、植被指数与像元分解模型法。
回归模型法：是通过对遥感数据的某一波段、波段组合或利用遥感数据
计算出的植被指数与植被覆盖度进行回归,建立经验模型,并利用空间外推模型求取大
的）强吸收的可见光红波段和对绿色植物（叶内
组织引起的）高反射的近红外波段。
二、植被指数的种类
1）比值植被指数RVI ：
可见光红波段（R）与近红外波段(NIR)对植物光谱响应数值比值。
RVI
DN
/DN
NIR
R（灰度值）
RVI


/
NIR
R （地表反照率）
➢比值植被指数RVI与叶面积指数、叶干生物量、叶绿素含量相

其中C为生化组分含量,N为入选的波段数,α0、αi分 别为回归常数和第i个回归系数,D(λi)为入选的波段光 谱值。
统计分析方法
• 确定了植被水分的敏感光谱后,在统计分析的基础上,前人提出了很多不 同的指数和方法来诊断植物的含水量。这些统计模型可以大致分为以下 三类:
• 1:建立光谱指数 • 2:基于光谱导数变量建立模型 • 3包络线消除法
植被含水量光谱反演原理及 水分的敏感光谱波段
• 1 植被含水量光谱反演原理
• 2 水分的敏感光谱波段
1:植被含水量光谱反演原理
• 每一种物质对不同波长的电磁波的吸收和反射都不同,物质的这 种对不同波段光谱的响应特性叫光谱特性。植被光谱诊断便是基 于植被的光谱特性来进行的。
• 植被反射波谱中某些波长的光谱反射和吸收差异是由植被中化学 组分分子结构的化学键在一定辐射水平的照射下发生振动引起的, 从而产生了不同的光谱反射率,且该波长处光谱反射率的变化对 该化学组分的含量多少非常敏感(故称敏感光谱) 。植被含水量 光谱诊断的实现便是以植被水分敏感光谱的反射率与水含量的相 关关系为基础的。
• 研究表明,FMC、RWC和EWT是表征含水量的三个不相关量,是定量提取含水量 的不同方法。
• 研究发现在用遥感数据反演含水量时,短波红外波段与EWT相关性较好,而与 FMC相关性较差,并且表明用EWT来表征含水量要优于用FMC表示,因为FMC要受 叶子中的干物质影响。
• 在研究EWT和FMC的关系时发现,对于桉树叶,其近红外波段反射光谱与FMC有 很好的相关性,而短波红外波段的反射光谱与EWT高度相关。
建立光谱指数
• 建立的光谱指数一般是两个波段或多个波段的组合,如简单的加减组合、比值或者 是归一化比值,这是根据植被波谱的物理特性和半经验方法提出的。

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％。
简单比值植被指数 (Ratio Vegetation Index)
第一个植被指数:
R ir 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。
（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。
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、丰度的度量方法之一。
标准差植被指数
(Normalized Difference Vegetation Index) 标准差植被指数 Normalized Difference Vegetation Index (NDVI):

而灌要木区 ：别遥对感待影的。像呈信不均息匀的；细颗E粒R结S构，-一1般的灌木S植A株高R度（不大C，波阴影段不明）显 。图像可以直接监测植被， 反植射物率 的的光一谱个特并重征要可含特使点其有就在是遥土光感谱影壤特像性上和，有也效地即地反与形射其率他信随地波物息长相的区（变别化。G而e变n化。ya.S，1996）；Palosm （1998）研究了多波段（L、C、P）、多极化的SAR数 植物在热红外谱段的发射特征，遵循普朗克（Planck）黑体辐射定律，与植物温度直接相关。
高光谱成像仪对波段的精细划分，能够记录这些光谱特征的差异，而常规遥感由于波段数据的局限则不可能做到。
SJU（L波段）图像可以穿透植被，而得到植物生长环境 乔木：体型高大，有明显阴影，根据落影可以观察其侧面轮廓。
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，
普朗克定律描述的黑体辐射在不同温度下的频谱：
植物的微波辐射特征能量较低，受大气干扰较小，
也可用黑体辐射定律来描述。植物的微波辐射能量（即微
波亮度温度）与植物及土壤的水分含量有关。而植物的雷
达后向散射强度（即主动微波辐射）与其介电常数和表面
如冬季落叶树粗和常糙绿树度很好有区别关。 。它反映了植物水分含量和植物群体的几何结 构，同样传达了大量植物的信息。研究表明：JERS-1的 55um处的反射峰按植物叶子被损害的程度而变低。
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。
状特征变得不明显，如下图所示。因此比较 随施氮增加叶面积指数提高的正效应可以抵消净同化率下降的负效应,从而最终获得一个较高的生长率。
它是在电磁波谱的可见光，近红外，中红外和热红外波段范围内，获取许多非常窄的光谱连续的影像数据的技术（Lillesand & Kiefer

遥感地学分析
Geography Analysis for Remote Sensing
第5章 植被遥感
2020/12/15
1
2020/12/15
2
精品资料
• 你怎么称呼老师？
• 如果老师最后没有总结一节课的重点的难点，你 是否会认为老师的教学方法需要改进？
• 你所经历的课堂，是讲座式还是讨论式？ • 教师的教鞭
中植被覆盖度时（25—80%）， NDVI值 随生物量的增 加呈线性迅速增加；
高植被覆盖度时（＞80%）， NDVI值 增加延缓而呈现 饱和状态，对植被检测灵敏度下降。
实验表明，作物生长初期NDVI将过高估计植被覆盖 度，而作物生长结束季节，NDVI值偏低。
NDVI 更适用于植被发育中期或中等覆盖度植被检测。
2020/12/15
44
比值植被指数可提供植被反射的重要信息，是植被长 势、丰度的度量方法之一
同理，可见光绿波段（叶绿素引起的反射）与红波段 之比G/R，也是有效的。
比值植被指数可从多种遥感系统中得到。
但主要用于Landsat的MSS、TM和气象卫星的 AVHRR。
2020/12/15
45
2020/12/15
14
根据叶子的结构可分为结构稀疏（典型的双子叶 植物）和结构紧凑（典型的单子叶植物）。
苹果、棉花、向日葵
小麦、水稻、竹子
2020/12/15
15
近红外波段的变化
2020/12/15
16
不同类型植物光谱曲线的差异
2020/12/15
17
叶子年龄的增长
随着叶龄的增长，背腹性叶子的叶肉间空隙增多
2020/12/15
47
2. 归一化植被指数（NDVI）

• 大范围的土壤含水量信息并不易获得，由于土壤含水量的监测方法比较多，且不同 区域的监测方法不尽相同，难以实现大范围、实时、动态的土壤含水量监测；
• 目前，中国气象局仅能提供279个站点的土壤湿度观测资料，且空间分布不均，集 中分布在东北、华北和江淮地区；
• 遥感监测技术具有范围大、快速、及时的优点，研究遥感土壤含水量技术具有重要 意义。目前，能获得土壤表层0-20cm的土壤含水量。
第9页/共53页
• 地物在吸收短波太阳辐射后以长波的方式发射，地温增高。白昼地物吸收太阳能 量而增温；夜间地物发射能量而减温。地物昼夜的温差就是地物热惯量的表象。
• 例如水体，由于热惯量大，昼夜温差小；岩石热惯量小，昼夜温差大；各种含 水量不同的土壤热惯量介于水体与岩石的热惯量之间，热惯量的大小也介于水体 与岩石的热惯量之间。
第36页/共53页
• 对于完全及部分植被覆盖地的土壤水分遥感监测问题，应主要以作物缺水指数法为主，一般对于完全植被 覆盖，采用作物缺水指数法能取得较好估算效果；
• 由植被缺水指数CWSI模型公式可知，其计算过程复杂，而且一些要素仍依赖于地面气象台站，实时性不能 保证。
第37页/共53页
植被供水指数法
ATI可以用水体在遥感影像上的数据为最大值，干沙 沙漠的数据为最小值，从而求解k，n。
第12页/共53页
ABE的计算
第13页/共53页
第14页/共53页
温差的计算
第15页/共53页
MODIS数据的热惯量计算
大部分地物在31、32波段的比辐射率稳定，通常用31、31波段的亮温进行 地表温度反演
第11页/共53页
遥感波段中可见光与近红外中的全部太阳波谱
的能量，减去地物在所有谱段内的反照率能量，