遥感应用模型综述课件：03高光谱遥感应用模型及案例.ppt

高光谱遥感应用模型及案例植被光谱研究精细农业•探索耕地上农作物生长状态、环境、产量的关系•将3S及相关农业学科有机结合•实施过程：带定位系统和产量传感器的联合收获机每秒自动采集田间定位及对应小区平均产量数据→通过计算机处理，生成作物产量分布图→根据田间地形、地貌、土壤肥力、墒情等参数的空间数据分布图，作物生长发育模拟模型，投入、产出模拟模型及根据作物管理专家知识库等，建立作物管理辅助决策支持系统，并在决策者的参与下生成作物管理处方图→根据处方图采用不同方法与手段或相应的处方，农业机械按小区实施目标投入和精细农业精细农业管理这一技术思想是通过多次循环的实践，来不断改善农田资源环境，积累知识，逐步使作物生产管理精细化 植物光谱的基本特征绿色植物包含的组分基本相同，光谱特征：•0.4～0.7um，主控因素是叶绿素•0.68～0.75um，植物的反射率急剧上升•0.7～1.3um，体内水吸收和冠层结构引起•1.3～2.5um，明显看出反射率跌落，跌落程度主要取决于大气含水量植物光谱的特征参数•红边是绿色植物在680nm～740nm之间反射率增高最快的点，也是一阶导数光谱在该区间内的拐点。

•红边的描述包括红边的位置和红边的斜率•红边位置：叶绿素a和b浓度，叶细胞结构变化，植物冠层结构，但对噪声不敏感•红边斜率：植被覆盖度和页面指数有关，覆盖度越高，红边斜率越大•生长状况：好，红边右移；差，红边蓝移植物光谱的特征参数•蓝边：蓝光在490～530nm之间反射率一阶导数最大值位置•黄边：黄光在550～582nm之间反射率一阶导数最小值位置•归一化差异植被指数NVDI=（TM4-TM3）/（TM4+TM3）•植被页面指数（LAI）：见教材136页•红边一阶导数最大值（DRE）：它对绿色植物量（LAI）反映极为敏感•叶面叶绿素指数（LCI）：反映叶面叶绿素含量•叶面水含量指数（WI）：比较970nm水吸收波段和900nm的反射率相对而定的参数•归一化差异水体指数（NDWI）：反映植物叶面水分含量，比较1240nm水吸收波段和860nm的反射率相对而定的参数使用最多的植物参数：红边位置、使用最多的植物参数：红边位置、使用最多的植物参数：红边位置、使用最多的植物参数：红边位置、NDVINDVI植物光谱的影响因素•生化组分•水分•覆盖度•混合地物•生长阶段生化组分植物光合作用色素的影响•叶绿素：生长状况和生产能力•类胡萝卜素：吸收带在蓝紫光，不吸收红光的波长较长的光•藻胆素：吸收绿橙光，吸收光谱在橙红部分，而藻红蛋白吸收最大值在绿色和黄色部分植物光合色素对光谱的影响•植物本身颜色差异大时，在光谱曲线上有很大区别•对高光谱遥感建模最有指导意义的是植物体内色素含量及各类色素间比例的差异•红边左侧的反射率主要与叶绿素的含量有关，红边右侧的反射率主要取决于叶内组织结构和植物体内含水量的影响。

•红边向长波方向的位移反映了植物叶绿素浓度的增加植物表面蜡质茸毛的影响•沙枣的光谱反射率明显高于其它树种，在559nm附近的反射峰相对宽度和高度远高于其它树种，反面茸毛含量太高，降低了表面叶绿素反射特征；在756～1360nm叶片反面的反射率比正面要低；其它波段，茸毛含量越高，反射率越高•蛋白质、木质素和纤维素对植物光谱的影响，绿色植物方面不显著，主要吸收特征出现在1450nm～2450nm之间水分•植物在红外和短红外波段（690～1300nm）由于叶绿素的强反射导致高平台，出现两个（以972nm、1172nm为中心）吸收峰，其是由大气中的水蒸气和植物体内的水分决定的•实验材料：样品猜自木耳菜、抱桐叶和梧桐叶，木耳菜代表蔬菜类含水量高，抱桐叶和梧桐叶代表常见的成熟阶段的树叶，含水量较低•实验过程：采摘后立即进行光谱测试和称重，24小时内分时段光谱测试和称重，选择夏季晴朗高温干燥天气，在通风口对叶片自然晾干，确保叶片24h内干燥，使叶绿素分解到最低限度水分对植物光谱的影响规律•含水量大于90％时，在795nm附近出现叶绿素的反射峰；小于90％时此处无峰值B1>B2>B3）•当水分含量低于50％时，在1304nm处出现最大值（B1

•作物进入成熟期，体内的干物质含量增高，水分含量相对降低，大约在90％～50％，B1,B2,B3,B4的波长位置、反射率的相对大小与体内含水量的多少密切相关•比较在1120nm和1300nm附近出现的第二个峰值B2和第三个峰值B3的位置，发现所有植物叶面随着水分含量的降低，反射率峰值位置向长波方向逐渐移动•第四个峰值B4的位置随着水分含水量的降低向短波方向移动•抱桐叶的干燥物在900nm之后光谱比其在潮湿状态下的反射率高出15％以上，与表面大量蜡质茸毛有关•植物体内水分还决定了972nm和1172nm处的光谱吸收强度，水分越大，吸收越强•叶绿素尚未降解的情况下，植物缺水，红边位置将向短波方向偏移，新鲜木耳菜红边为721nm，干燥后为711nm覆盖度覆盖度影响的实验•实验过程：将抱桐叶平展依次切取同等宽度的条带，分别放在黄土和白纸上，按不同覆盖度测试光谱反射率，测试过程中，适当挪动叶片整体位置，保持叶片各条带相对应位置不变，测量多次，求平均值•结论：背景为黄土时，模拟与实测的整体相关性达到0.97，尤其在350～1000nm之间相关性高达0.99；背景为白纸时，整体相关性达到0.99，其中350nm～750nm之间覆盖度与光谱之间相关性更高。

•原因：细粒黄土易粘连到叶面，且粘连黄土具有随机性覆盖度对光谱的影响规律•植被覆盖度变化实质上反映了单位面积上叶绿素的含量变化•同一成熟度状态下的植物覆盖变化时，红边位置几乎没有变化没有变化（详见教材148页）•当植物冠层中成年鲜绿叶片含量增加，红边位置会向长波方向移动长波方向移动混合地物•混合为线性混合，光谱信号是按各个组分所占面积比例与其光谱的乘积叠加的•天然状态下的植物混合生长有其区域性和相对稳定的组合方式，混合通常是发生在几类植物之间生长阶段•同一植物在不同生长期内各组分含量不同，所有这些组分变化对植物反射光谱都有影响•例子：叶绿素a和b、胡萝卜素的总含量在开花之前连续增加，开花之后到成熟期，叶绿素总体含量开始衰减，叶绿素a的含量比叶绿素b的衰减快•不同生长期的植物光谱曲线是不同的，不能用一种光谱曲线代表整个生长期的光谱特征植物光谱与生化组分反演方法•植物光谱可以反映其成分和结构的变化，也与植物生长过程有关，已被广泛应用于植被生态环境调查、农作物估产、土地利用监测、海洋叶绿素浓度调查等领域•方法一：运用生物化学成分与光谱数据或由此衍生的各种植被参数，经过多元回归分析，建立定量关系。

•方法二：运用光谱数据的波长进行定量分析绿色植物生化组分计算方法•计算方法（见教材150页，表6.2）•不敏感色素指数（SIPI）：能最佳表示不同样本、不同条件下的胡萝卜素、叶绿素a与光谱反射率的关系•色素简化指数PSSR和色素专项归一化指数PSND、PSSRa与叶绿素a以及PSSRb与叶绿素b的之间存在强烈的指数关系•NDVI对中、高叶绿素含量的差异非常敏感•主要吸收区间400～500nm、660～690nm，其反射率对叶绿素含量变化不敏感反演植被干物质成分方法•玉米、小麦、大豆，三类植物的干物重量与它们的高度和叶面指数（LAI）紧密相关，从高光谱图像上计算的植被指数可用于计算“光合成有效辐射累计吸收量（APAR）”，进而估算植物的干物质量•生殖生长期小麦的干物质量却与APAR的相关性很低，说明存在其它因素影响干物质累计量的估算结果•树木干枯落叶的生化组分与光谱相关实验和分析•玉米冠层光谱与生物化学分析树木干枯落叶的生化组分与光谱相关实验和分析• •定义定义定义定义：波深均一化多元逐步线性回归方法，成功地对干枯植物落叶的生化组分（氮、木质素和纤维）含量作出了估算• •过程过程过程过程：首先要选定氮、木质素、纤维素的特征波谱对应的波长位置；然后对波谱曲线进行背景去除和波深均一化处理，得到波深曲线；最后对各生化组分的特征波普进行波深分析，利用特征吸收处的所有波长变量来线性拟合氮、木质素或纤维素含量数据，从而建立起能够反演植物体内氮、木质素和纤维素含量的回归方程。

• •实验条件实验条件实验条件实验条件：首先把所采集的植物叶子在温度70度的烘箱内烘干48h；然后用孔径1mm的筛网进行过滤，再进行反射波谱测试，波长范围在1100nm～2498nm；最后对样本进行氮、纤维素和木质素含量测定• •数据预处理数据预处理数据预处理数据预处理：去除背景、波深归一化处理、多元逐步线性回归结果数据预处理•A去除背景：枯叶内许多化学成分的化学健在这些波长范围内具有不稳定的吸收特征，对氮、木质素、纤维素的波谱特征有不同程度的影响背景去除技术首先估算出波谱曲线中非研究对象所造成的特征吸收峰，然后利用背景去除算法将这种影响去除掉•过程：用线性分段方法逼近背景线，得出背景线方程；根据方程进行背景处理；计算每个特征吸收区间各波长所对应的波深木质素：由四种醇单体形成的一种复杂酚类聚合物木质素：由四种醇单体形成的一种复杂酚类聚合物木质素：由四种醇单体形成的一种复杂酚类聚合物木质素：由四种醇单体形成的一种复杂酚类聚合物. .木质素包括木质素磺酸钠木质素包括木质素磺酸钠木质素包括木质素磺酸钠木质素包括木质素磺酸钠, ,钙钙钙钙, ,镁镁镁镁, ,铵等铵等铵等铵等 数据预处理•B波深归一化处理：实验室条件下植物的反射波谱曲线随叶内化学组分的不同仅发生轻微变化，如果将实验室算法用于室外光谱计算，还要降低其它因素的影响，这一算法处理就是要消除这些因素的影响，经过波深归一化处理的波谱曲线吸收特征与枯叶内的化学组分含量有更好的相关性。

数据预处理•C多元逐步线性回归结果：采用多元线性回归法，选择与植物体内生物化学成分高度相关的波深、波长估算其含量•氮的估算：选定5个相关性较好的波长位置•木质素含量的估算：木质素含量的估算需要6个波长位置•纤维素含量的估算：纤维素含量估算需要8个波长•结果：计算表明，回归过程所选波段与氮、木质素、纤维素含量之间的相关系数较高；计算值与实验室测量值的标准方差较低，说明估算结果较为准确，应用到植被冠层生化组分研究，对森林生态系统监测有意义，应用于大规模遥感数据分析还必须考虑其它因素的影响，其中包括传感器特性差别（信噪比及带宽）、大气影响、植被覆盖率及冠层结构差异等玉米冠层光谱与生物化学分析•玉米生长过程中，NDVI、红边位置、LAI等生物参数都发生显著的变化，能反映玉米的生长状况•植被指数必须能敏感反映叶面状态和密度，对背景如土壤、气候、大气湍流、太阳位置等反应不敏感，植物的反射能力与叶绿素的含量在红光波段为负相关，在近红外波段为正相关植物光谱应用研究成果•区分外来物种：物种识别过程中，光谱的波形是主要识别标志•例子：见教材159页•美国西北部山地已经受到一种来自欧洲的植物阔叶大戟的入侵。

它乳白的汁液是有毒的，无法充当牲畜的牧草经过七年的研究，科学家发现放养跳甲虫可以确保它们只吃入侵植物，而不吃当地的原生物种 监测植物营养状况监测植物的水状态•植物叶面水分的吸收区间有多个，中心波长：970nm、1200nm、1400nm、1940nm，970nm处为强吸收•小麦水势与光谱吸收强度的关系，分析研究了110个野外样本，结果表明，1650nm～1850nm处小麦的吸收特征主要是受叶面水含量控制，利用吸收强度可以预测小麦的水势，误差小于12％•橡树水状态的光谱标志，测量了139个橡树叶样本在350～2500nm之间的反射光谱相对水分含量不仅与中心波长在975nm、1200nm处的吸收深度、宽度和吸收面积为线性相关，还与另外三波段比值为线性相关，其中吸收面积与含水量的关系比其它参数的相关性更加稳定密切•由于微气候、土壤特性、降雨以及其它环境因素的影响，同一物种的光谱特征会出现偏移现象意外胁迫因素，如：空气污染、重金属污染、干旱等也会改变植物叶面的光谱，甚至某些树种生长阶段的不同也能导致同一物种的光谱差异，叶面的病原体和附着生物也改变叶面光谱，尤其是老叶的光谱监测植物氮、磷、钾状态监测植物氮、磷、钾状态监测植物氮、磷、钾状态监测植物氮、磷、钾状态监测植物氮、磷、钾状态•用AVIRIS图像结合地面采样分析，探测松针的化学组分和湿度变化规律，研究高光谱遥感监测生态和环境的方法。

测定了冠层氮含量、总叶绿素含量、湿度等参数，回归分析表明，氮、叶绿素、湿度与光谱之间的相关系数依次为81％、79％、70％•主成分变换后的四元参数法预测叶面氮含量时效果最好，蓝边和黄边位置的光谱一阶导数的最大值预测的效果较好，红光和绿光的反射率差值能预测氮、磷、钾的含量总体看来，单变量回归分析时，光谱参数与营养物含量的相关性较低，在单变量分析中只有两个植被指数RB和NRB能用于三种营养物含量的预测•实际上，用各类光谱参数预测氮含量的效果比较差，磷次之，钾最好有主成分变换参数参与多变量回归分析时，氮效果最好，钾次之，磷最好检测玉米和向日葵叶子的缺铁状况检测玉米和向日葵叶子的缺铁状况检测玉米和向日葵叶子的缺铁状况检测玉米和向日葵叶子的缺铁状况•不同含铁量的营养液中的玉米和向日葵的光谱进行测试研究，两种植物因为缺铁降低了干物质的重量、单个叶子面积、叶绿素a和b的含量，反射光谱的红边位置向短波方向移动，玉米叶子的铁含量与叶绿素a、b的相关性分别为0.92和0.93反射率与叶面铁含量非线性负相关，玉米比向日葵对铁缺乏更敏感监测植物病虫害•病虫害导致植物叶面枯黄、凋零，改变光谱反射特征，建立叶绿素含量与反射率的关系•黄色指数（YI）是反映光谱曲线3个点之间差别的近似值，YI对大气叶面结构和水含量的变化不敏感。

利用AVIRIS图像模拟产生NDVI和YI图像，能提取枯黄病信息；橡树叶面染病后的水状态和光谱反射率均发生显著变化，利用主成分分析和集群分析，从光谱特征上区分番茄的病虫害程度其中第一组分量与健康番茄的光谱相关，第二组分与病番茄组分相关对生化组分的分析，可以反演森林生态系统的病虫害信息监测大气变化•由于微气候、土壤特性、降雨以及其它环境因素的影响，空气污染、重金属污染、干旱等也会改变植物叶面的光谱•从遥感图像上提取大气浓度信息和吸收差异这些方法对水气估算的均方差均为6％，如果水气吸收波段的地面反射率发生突变，或者有其它气体影响，误差会达到百分之几十，所以需要预先调查森林、火山、工业污染•对AVIRIS图像的线性光谱混合分析（SMA）适于获取干旱草场的生态系统和微地貌差异信息，探测识别植物在干燥和潮湿年之间结构上的细微变化，不同类型植物之间的光谱差异大，同样类型植物在多年之间的光谱差别不大•常绿林和落叶林因能够吸收到更深层的土壤水，所以它们的LAI和生长状况的年际变化比草地变化小，要全面反映生态系统结构，还必须考虑子像元组分的双向反射率•在对地表反射光谱未知的情况下，能根据AVIRIS高光谱遥感图像的光谱反射率监测大气中某些气体的含量，前提是空中没有固体悬浮物，大气清洁，所用光谱范围在800～2500nm之间。

•利用分类和光谱混合技术，天然林火的发生与地表可燃植物的水分含量密切相关，植被指数（VI）在一定程度上能够成功用于有燃烧趋向的植被环境分析，前提是全面理解植物叶面和冠层的光谱以及光谱随空间和时间的变化规律监测植物和土壤污染•固体废弃物污染、粉尘污染、尾矿污染、有害气体污染一方面有自身的光谱特征，另一方面，污染物也影响着植物的生长发育，改变了植物的光谱形态•石油污染对植物的影响机理：石油在植物表面的富集，植物的叶、茎和躯干表面变色，叶面逐步失去叶绿素，从绿依次变成暗绿色、黄绿色和黄色，植物的茎依次变成灰褐色、暗褐色、黑色；石油污染破坏了植物体内的水分平衡，影响新陈代谢，产生毒性物质，危及植物生长•石油污染对土壤反射率的影响：使土壤反射率大为降低，严重污染的土壤光谱呈平滑曲线•植物光谱对环境胁迫的响应：遥感对植物胁迫的探测是基于植物对太阳光谱响应的差别，健康植物对太阳辐射的响应总体上相似，在近红外区域，植物对来自细胞壁和分子空间的太阳光有强烈的散射，使健康植物的光谱具有各自的特征，从而可以作为物种鉴别标志叶绿素的损失是红光反射率增加、吸收率降低的原因•遥感探测胁迫和覆盖率变化的方法：能探测植物胁迫的早期阶段，方法包括：植被指数、红边位置探测、波段吸收分析、光谱混合分析、小波变换和神经元网络分析。

延河流域主要植物的光谱特征主要植物光谱特征•不同生长期玉米的光谱特征•不同蔬菜的光谱特征•主要农作物的光谱特征•优势灌草类植物光谱特征•优势树种光谱特征土壤光谱研究土壤组成及其矿物光谱特征•土壤是由固体、液体和气体三相共同组成的多相体系•土壤矿物质占土壤绝大部分；有机质占1％～10％，绝大部分在表层•土壤液相：土壤中水分及其水溶物•土壤气相：土壤中无数空隙充满空气•土壤结构：A0－覆盖层；A－淋溶层；B－淀积层；C－母质层；D－基岩土壤矿物质•原生矿物：受到物理风化作用直接来源于岩石的碎屑，化学成分和结晶构造没有改变•次生矿物：风化过程和成土过程新生成的矿物，包括各种简单盐类、次生氧化物和铝硅酸盐类矿物等•简单盐类：原生矿物经化学风化后的最终产物，结晶构造也较简单，常见于干旱和半干旱地区•三氧化物类：硅酸盐矿物彻底风化后的产物，构造简单，常见于湿热的热带和亚热带地区的土壤，特别是基性岩（玄武岩、石灰岩、安山岩）上发育的土壤含量最多•次生硅酸盐类：这类矿物普遍存在于土壤中，种类很多，由长石等原生硅酸盐矿物风化而成，是构成土壤的主要成分，又称黏土矿物或黏粒矿物土壤中次生硅酸盐可分为三大类，即伊利石、蒙脱石和高岭石。

•伊利石：风化程度较低的矿物，膨胀性较小，有较高的阳离子代换量富含钾•蒙脱石：伊利石进一步风化产物，基性岩碱性环境下形成，阳离子代换量极高，植物难以利用它吸收水分•高岭石：风化程度极高的矿物，膨胀性小，阳离子代换量亦低•作为土壤原生矿物的方解石、石膏，以及次生矿物蒙脱石、伊利石、高岭石都有比较稳定的光谱吸收特征，通过分析土壤光谱特征，可以反演土壤组分土壤有机质•组成有机体的各种有机化合物，称为非腐殖物质（蛋白质、糖类、树脂、有机酸）•腐殖质的特殊有机化合物（腐植酸、富里酸和腐黑物）•腐殖质含量的增加会改变土壤的光谱特征（当木炭超过10％时，蒙脱石的光谱特征显得很微弱）土壤水分•土壤颗粒表面的吸附力和微细孔隙的毛细管力可以保持水分；沙土孔隙大漏水，黏土孔隙小不易漏水•土壤水分其实是土壤溶液，因此，土壤水分既是养分的主要来源，也是污染物向其它环境圈层迁移的媒介•土壤光谱反射率随着水分的增加快速降低土壤中的空气•主要成分：氮、氧、二氧化碳•差异一：土壤中的空气不连续•差异二：土壤中的空气二氧化碳含量高•原因：生物呼吸作用、有机物的分解土壤的粒级和质地•土壤粒级：以颗粒物状态存在，土粒可以分为若干组，同组土粒成分和性质基本一致，组间差异明显，较细的土粒中，钙、镁、磷、钾等元素含量较高，一般来说，土粒越细所含养分越多，反之，则越少。

•土壤质地：土壤中所占的相对比例或重量百分数称为土壤的机械组成•质地不同的土壤表现出的不同性状其光谱形态也不同影响土壤光谱特征的因素•同一类土壤的光谱之间存在一定差异，但是总体相似•高光谱图像上，只有大片耕翻的地才能出现比较纯净的土壤像元•见教材178页图7.3含水率•含水率增加时，反射率在各个波长都会明显降低•2200nm附近的小吸收特征主要由黏土类矿物和碳酸离子引起，其变化规律是随着含水率增加而逐渐减小粒度•实验材料：正长石、斜长石、石英、硅质结核、碎石结核等•同一种黄沙随着粒径增大，反射率降低土壤有机质含量•土壤有机质含量较高时，土壤颜色往往会偏暗，因此它的光谱反射率降低见图7.4）•原生有机体可能富含纤维素、木质素或蛋白质等高分子化合物，其反射率比腐熟有机质高葡萄渣）延河流域主要土壤类型•黄绵土：黄土母质在自然因素与耕种熟化共同作用下形成了黄绵土或黑垆土类型的土壤•表层有腐殖质累积，同时发生钙质淋溶和淀积，以及进行微弱的黏化过程，若成土过程顺利进行，土壤则向黑垆土过渡，如遭遇强烈的反复侵蚀，则不存在深厚的腐殖质层而形成了黄绵土，因此黄绵土和黑垆土经常交错分布黑垆土•黑垆土：曾称为灰褐土，剖面一般都有覆盖层、垆土层和母质层3个明显层次。

•覆盖层：是质地疏松的天然腐殖质层•垆土层：是古代腐殖质层，颜色稍暗，呈暗棕褐色，向下逐渐变浅•母质层：含少量石灰结核和大量的菌丝状石灰淀积物，不含可溶性盐•黑垆土的机械组成以粉砂为主，显示出黄土母质的特性积钙红黏土•形成于某种干湿季分明的气候环境，母质可以是各类基岩风化体，也可以是其它各种地表沉积体，母质类型多，不受母质原始属性限制砖红壤性土壤可分为：腐殖质层、母质层•腐殖质层：厚度10～20cm，颜色呈黄灰、红棕等，构成紧实粒状或核状结构聚积层•母质层：岩石风化散碎物质或黏土的风化壳，剖面形态因生物气候条件和母岩种类的不同而有很大的变异河床冲积土•延河流域的各类土壤均是河床冲积土的物质来源，有机物含量丰富，河床冲积土的底层是基岩或其它土壤，如积钙红黏土等•延河河床的一级阶地上常常分布有大量的紫红色中砂、细砂、粉砂，分选性很差，宽度20～100m延河流域土壤光谱特征•黑垆土的整体反射率在所有波段均是最高的，在2202nm处波深最大，吸收最强，说明黑垆土中黏土最丰富，2200nm附近的反射率就是黏土的吸收深度•积钙红黏土、黄绵土的整体反射率与黑垆土相比依次降低，前者的褐铁矿含量更高，从土壤的色调上也有相应的反映。

•河床冲积物中的紫红色粉砂、细砂中含有较多的腐殖质和褐铁矿等，整体反射率比较低，但是又比中粒砂高，原因是中粒砂的粒径较大，阴影比例增大，降低了反射率高光谱土壤环境监测研究•土壤退化监测，土壤的侵蚀和退化•简单的波段比值，就能获得植物冠层生物量信息，应用地面光谱数据，结合NDVI和光谱分解技术可以评估半干旱地区植被丰度，推算裸土面积•利用光谱混合分析技术获取土壤的光谱形态和指数；结合土壤端元光谱特征和微地貌特征，对土壤退化生态进行评价；结果：能区分土地退化的影像纹理特征、组合方式，从图像上揭露土壤环境和土壤侵蚀特征；根据DEM地貌单元的变化、岩性和植物特征，结合光谱信息，把地形划分为不同单元，标识它们被水侵蚀的危险度•对生物圈空间变化景观和不稳定性特征信息提取时，光谱混合分析技术具有最佳效果，能同时标定绿色植物、非光合作用植物、土壤范围，这些都是沙漠化的标志参数•编制灌溉引起的盐渍化的成图方法土壤物质组分的反演方法•土壤的光谱是组成土壤的不同种类的矿物、有机质和水的光谱特征的综合反映；土壤的颜色是区分土壤类型的基本要素，颜色的差异可以在光谱曲线上得到显著的反映；土壤颜色对区分土壤类型最重要。

•假设土壤的光谱特征是由几种组分的吸收特征以线性比例组合而成，修改后的NIRA方法，利用短波红外的光谱特征可以用于鉴定土壤中的碳、氮、有机物、水分的含量以及土壤化学组分•VIS-NIR分两步：拟合预测方程，采集一批土壤样本，总量应超出50个；验证预测方程可信度，用剩下的部分样本数据检验回归方程的准确性，把用回归方程计算得到的化学成分与实测的化学成分进行比较•总之，利用可见光到近红外波段的光谱数据预测土壤矿物组分的精度远远低于室内化学分析环境监测光谱研究环境监测•水土流失、水体污染和粉尘污染是最常见的环境问题•东部地区：工业污染•西部地区：自然条件恶劣、生态脆弱、水土流失野外常见水体光谱形态•自然状态，人眼能分辨清水、污水、浑水、流水、净水；光谱能区分污水、浑水•对于清水深度超过30CM水下背景对光谱特征的影响就很微弱了探测水体土壤含量•实验过程：实验选用西安垆土，取定量干燥土壤粉末；搅拌至完全分散；水面快速旋转时测试水面光谱•水体的泥沙含量测试必须在泥沙沉淀之前完成，也就是在水流相对湍急的水面上进行才有效•验证：时隔一年后重复上述过程数据分析•光谱曲线图形分析•吸收指数和波深分析回归分析•曲线的起点、终点、拐点及少数异常点，回归分析法包括线性、指数和对数回归分析•误差分析（详见195页），线性回归分析和指数回归分析的相关系数和均值误差曲线形态基本一致，对两组垆土数据的分析获得了同样的结果。

结论•当水体深度一定时，垆土水样反射率与其土壤含量有如下一些规律：•随着水中土壤含量的增加，光谱反射率逐步增加，并在一些位置上出现特殊的变化如图版XII），水中土壤含量小于10g时，在350～1350nm之间反射率随着土壤含量增加而快速增加，尤其在土壤含量3.19～7.20g时，反射率增长最快•土壤含量超过20g后，虽然土壤含量成倍增长，但水体反射率增长越来越慢，尤其在350nm～1150nm之间更慢，含量超过173.96g时，土壤增加反射率反而降低，该范围内水体反射率不能有效反映水体中土壤含量，如图版XII•土壤含量的增加，700nm～800nm之间，水体吸收特征逐步减弱1500nm～1850nm和2000nm～2450nm之间出现两个反射峰，土壤吸收特征逐步显现，峰值随土壤含量的增加而增加，如图版XII所示•1150～1850nm和2000～2400nm之间反射率与土壤含量呈现显著的指数关系或线性关系，但是各个波段的指数回归和线性回归误差仍有较大差异；波长小于1381nm时，指数回归比线性回归精度高；波长大于1381nm时，线性回归比指数回归精度高•详见教材197页探测水体深度•实验过程：使用FieldSpecFR光谱仪，在室内光源下测试了11个不同深度水样光谱反射率。

•数据分析：绘制各个水样的光谱曲线，选择曲线的起点、终点、拐点及少数异常点，进行指数和线性回归分析，建立利用水体反射率预测水体深度的回归分析方程，再用回归方程预测水体深度，比较预测值和实测值之间的误差，统计它们的相关系数、均值误差，绘制误差曲线•结论：在350～1150nm之间，随着水体深度的增加，光谱反射率依次降低；在368～831nm之间的水体深度与光谱反射率之间存在显著的指数和线性关系，而且指数关系更为明显；从1150nm向后，水体反射率大幅降低，在此区间内所有光谱反射率的最大值为0.0086，且相对大小与水体深度没有规律，导致回归分析效果不显著；433nm处指数拟合的结果与实测结果均值误差最小，只有0.209cm，可以利用433cm或其附近的光谱反射率推算水体深度探测水体污染•水体污染物质包括悬浮物，可溶性有机物（黄色物质）及浮游植物等，这些物质都会极大地影响水体反射光谱特征，发现在水体反射率与BOD5和COD含量之间可以建立较好的相关模型，来预测水体中污染物的含量•BOD5表示在有氧条件下，好氧微生物氧化分解单位体积水中有机物所消耗游离氧的量•COD表示用氧化剂氧化单位体积水所消耗氧的量。

国外水体污染高光谱遥感研究•用R700/R675的光谱反射比来估算水体内叶绿素a的含量，研究发现该比值可能还会受到悬浮物和黄色物质散射和吸收的影响•研究了高潮线和低潮线之间沉积物的湿度和光谱变化规律，发现有机碳的溶解与水银的富集相关，这种相关模型可以用于调查湖水的水银污染强度•水体的颜色是水体对入射光的散射和吸收引起的DOC有微量的增加也会增加湖水对蓝光和绿光的吸收，但对红光和红外辐射的吸收变化不大，水体会反射较多的黄光和红光，而呈现暗棕色•根据湖水光谱反射率预测DOC浓度，要准确预测DOC的浓度，还必须考虑水体、湿地、植物的影响，因为落叶林比针叶林产生更多的石碳酸•Hyperion对水体有色有机物富集度、叶绿素、悬浮物变化很敏感，可以用于定量反演西安市水体污染光谱研究•篮绿波段比值法，水体离水辐射光谱峰随叶绿素浓度的增大从蓝波段向绿波段偏移的机理，采用在篮、绿波段反射率比值进行相关分析•BOD5•COD靖边县城水体污染高光谱遥感研究•光谱测试（见教材205页）•水污染的光谱特征和图像变化分析：水体的光谱不仅能反映水体的相对污染程度，而且能够反映水体污染的类型•在440～1100nm之间，污染水体与无污染水体的光谱差异显著，且随着水体污染程度加重，反射率增大。

•生活污染与泥沙污染的光谱反射率也明显不同（详见教材206页）•当水体较浅，水下有草时（详见教材207页）•水体内污染物含量常与某些波段反射率比值有较好的相关性，尽管与单波段反射光谱数据相关性较差•图像导数运算和植被指数运算处理能够有效突出光谱细微变化，污染浓度越大，水体色调越趋向蓝灰色如图版XIII）粉尘污染危害和国内外研究简述•粉尘污染危害：是固体污染的一种•国内外遥感探测研究简述：利用卫星遥感图像对澳大利亚主要流域和昆士兰州的东北部热带飓风导致的土壤侵蚀与沙尘暴分布状况进行调查，并推测其来源环境减灾环境减灾环境减灾环境减灾ABAB研究区粉尘污染现状粉尘来源：•煤炭开采、运输过程中的碾压•灭火施工中形成的粉尘•对矸石堆和烧变岩处理不当•气候干燥多风•居民燃煤粉尘污染光谱室内模拟测试•室内模拟测试：采用长寿草的一片叶子，用孔径0.1mm的筛子分重量依次均匀筛到页面上；两年后重复测试•测试结果分析（详见210页，图8.14）•实验发现粉尘对植物光谱的影响有规律性植物粉尘强度与植物光谱回归分析•一元回归分析：划分出3个相关性较好的波段•二元回归分析：从三个区间取出两个波长的反射率参与二元回归分析，筛选出3个最佳结果•三元回归分析：在二元三个区间基础上进行三元回归分析•第二次测试：重复上面工作•分析总结：采用三元回归分析效果最好，绿光波段反射率对反演粉尘覆盖具有主导作用。

验证与结论验证：•粉尘污染较低，光谱特征基本接近其未污染时形状；粉尘污染越重，铁杆蒿的光谱特征越弱，而粉尘的光谱特征越强；全部被覆盖时其光谱几乎被路面粉尘的光谱代替，野外光谱测试结果证明了室内模拟测试所得规律的正确性•高光谱特征验证（见图版XIV）结论：•选择3个特征波段的反射率能比较准确地计算粉尘的覆盖量，再多不能使精度提高•对于粉尘污染植物，粉尘覆盖量越大，植物自身的光谱特征越弱，粉尘光谱越强•波长小于1330nm时，植物反射率与粉尘覆盖量成反比；在1330nm之后反射率与粉尘覆盖量成正比铁杆蒿（铁杆蒿（铁杆蒿（铁杆蒿（Artemisia sacrorumArtemisia sacrorum）是菊科（）是菊科（）是菊科（）是菊科（CompositaeCompositae）蒿属（）蒿属（）蒿属（）蒿属（ArtemisiaArtemisia））））半灌木状草本，主根木质，生长于我国西北部陕西、甘肃、宁夏、青海、新疆半灌木状草本，主根木质，生长于我国西北部陕西、甘肃、宁夏、青海、新疆半灌木状草本，主根木质，生长于我国西北部陕西、甘肃、宁夏、青海、新疆半灌木状草本，主根木质，生长于我国西北部陕西、甘肃、宁夏、青海、新疆和西南部的西藏等省区海拔和西南部的西藏等省区海拔和西南部的西藏等省区海拔和西南部的西藏等省区海拔15001500～～～～4900m4900m的山坡、半荒漠草原、滩地，而且的山坡、半荒漠草原、滩地，而且的山坡、半荒漠草原、滩地，而且的山坡、半荒漠草原、滩地，而且在局部地区为植物群落优势种的主要伴生种在局部地区为植物群落优势种的主要伴生种在局部地区为植物群落优势种的主要伴生种在局部地区为植物群落优势种的主要伴生种 地质应用光谱研究岩石矿物光谱分析方法矿物识别和信息提取技术分为三种类型：•基于单个吸收特征：波段位置、吸收深度、吸收宽度、面积、吸收对称性、吸收峰数目、排列次序；由于混合光谱的存在，光谱特征往往发生飘移和变异。

•基于完全波形特征：•基于模拟模型•混合光谱的存在，光谱特征往往发生飘移和变异•基于整个波形识别的方法是在标志光谱和像元光谱组成的二维空间中建立测度函数，根据标志光谱和像元光谱的相似程度进行判别（测度函数：相似系数法、距离法、光谱填角法）•基于光谱知识模型的识别技术方法是建立在一定光学、光谱学、结晶学和数理基础上的信号处理技术方法，它能克服上面两种方法的缺陷•岩矿遥感光谱基础研究与高光谱遥感信息提取方法研究是同等重要又相互促进，二者的研究方向都主要集中在光谱特征知识与矿物物化属性的关联、光谱物理模型两大方面，对其研究将为岩矿识别方法、定量反演、矿物晶体内部结构分析等提供方法和理论基础，也将推动遥感技术的发展蒙脱石图谱解析•比较X-射线与红外线，前者反映物质的结构变化，而后者则反映物质原子间结合的性质在红外线波谱分析中，其吸收谷的变化与结晶程度、粒度和同型离子置换等诸多因素有关在粘土矿物中也可以显示出群的差异通过红外线分析首先可获得有关H2O和-OH的信息蒙脱石样品在3300～3600cm-1附近，均有宽广的吸收谷，这都是由H2O的伸缩振动所引起，样品中含水量的多少，可使其特征波数有微小的变化；而在1600～1650cm-1处吸收谷，是水的弯曲振动频率，这就表明在蒙脱石分子中含有一定的结晶水，这与差热分析和衍射分析所得结果相吻合；其次，红外光谱可以证明蒙脱石中Si-O四面体及Si-O-Al八面体的存在。

在图1中，900～1100cm-1附近，均出现了弱的吸收谷，这是基于Si-O的伸缩振动，而在430～460cm-1附近的吸收则认为是Si-O的变角振动•蒙脱石粘土的四面体片的Si与Al置换的影响同八面体片的离子种类无关；基于Si-O的伸缩振动的900～1100cm-1处的吸收偏向低波数一边这可能是因为(Si，Al)-O之间距离增大，化学键更趋于离子型所致再者，在八面体离子中2价离子比3价离子多时，由于Si-O…X的距离和化学键强度的变化，使538cm-1处Si-O-Al〔八面体离子〕的强度减弱而偏向低波数一边HayashiandOinuma研究日本蒙脱石粘土矿物时也得出了同样的结论尤其是在3600，3400，1600，1000，520和340cm-1处的吸收特征波数无显著差异充分证明了蒙脱石样品为较纯的蒙脱石 高光谱遥感在地质领域的典型应用成果•由于单一品种青苔很难完全占据一个完整像元，难以选择品种单一的标准青苔单元，分析各种青苔在短波红外的光谱后，发现它们形态相似，所以把各种青苔作为一个端元，用光谱混合分析的方法提高获取石英矿床信息的精度•石英矿床丰度与青苔标准处理后的光谱相关系数R2高于0.9•用AVIRIS图像编制的矿物分布图可以补充野外填图的成果，但是不能替代野外填图。

•尾矿丰度探测方面的研究结果表面，用K-Mean非监督分类方法，对植物端元组分、尾矿组分、植物结构组分等7类地物的整体分类精度达到78.13％青苔尾矿•沿山西省闻(喜)垣(曲)二级公路东行，在闻喜县石门乡曲家沟村不远的公路的东侧，一座30米高左右的尾矿坝赫然出现在视野中这是一条用砂土将深沟拦截而堆起的土坝，坝下有一座小房子，小房子的旁边建有提水设施，供选矿使用 太原西山煤系底层主要岩层光谱特征•砂岩：所有2180nm处出现了显著的吸收峰，是因为砂岩中普遍存在黏土类矿物•泥岩与粉砂岩：在煤系地层中，泥岩与粉砂岩是最常见的岩石类型；灰岩和泥灰岩的重要特征是矿物中含有CO3离子，它们的特殊吸收峰出现在2130～2398nm之间，与前面的所有粉砂岩、泥岩相比，该吸收波宽远远大于前两者，而波深远远小于前两者•煤层与碳质泥岩：煤层以炭为主，顶底板泥岩、夹矸以黏土类矿物和石英为主，它们的光谱形态存在较大的差异•总之，研究中采集的岩石标本来自标准层位，野外测试也是选择具有典型性和代表性的层位上进行的，各类地物的野外光谱与室内光谱形态一致；然而，在实际地层剖面上，各地层往往不是截然分开的，组成组分常常具有过渡性，光谱曲线是几种岩石光谱曲线的过渡形态。

砂岩•由石英颗粒（沙子）形成，结构稳定，通常呈淡褐色或红色，主要含硅、钙、黏土和氧化铁 •砂岩是一种沉积岩，是由石粒经过水冲蚀沉淀于河床上，经千百年的堆积变得坚固而成后因地球地壳运动，而形成今日的矿山•主要成份：A．石英成份 52％以上；B．粘土 15％左右；C．针铁矿 18％左右；D．其它物质 10％以上汝箕沟煤田烧变岩岩性特征与光谱特征•煤系地层的矿物在烧变前后变化很大，且烧变程度越重，变化越大Fe2+被氧化成Fe3+,局部铁质矿物高度富集，颜色通常变为砖红色、暗红色等，机械强度显著增加，表现为抗风化、剥蚀，当然如果原岩是高岭土等缺铁矿物，则烧变后会成为青灰色或白色陶瓷状、炉渣状胶结物•烧变岩光谱特征（图版XV）烧变岩•煤层燃烧后形成的“烧变岩”,地质专家称其为古火区， 正在燃烧的火区叫活火区，地表形成大片焦土和烧变岩,同时形成大范围的地面裂缝和塌陷坑 •这些岩层由于长时期在高温和一定压力条件下,成为一种烧变岩,并多裂障和气孔,成为良好的含水层和含瓦斯层利用高光谱图像数据提取铁质矿物信息（图版XV）•野外岩石的表面常常被其它物质浸染，常见浸染物有铁氧化物、碳质和其它有机质等，浸染物的含量虽不高，但它包裹在其它矿物的表层，极大改变着基本物质的光谱特征。

•发现烧变岩中全铁含量与792nm、854nm、1179nm的光谱反射率具有较高的相关性，尤其在854nm处出现能够更加明显地表现三者之间的差异•应用实验：各类地表岩石Fe3+含量如图版XVI，这些结果独立于野外调查工作，但与野外调查结果完全吻合•分析和识别矿床的方法概括如下：•（1）分析典型矿床分布区或典型矿物的光谱特征，寻找特殊吸收和反射波段的波长和反射率；•（2）采样分析矿床品位与反射率间的定量关系，可采用指数回归、对数回归、一元回归和多元线性回归得出回归方程；•（3）利用回归方程对定标后的图像做相应的运算，得到矿床品位分布图像；•（4）要注意剔除由浸染引起的富集假象铁矿石岩石浸染利用OMIS1热红外波段监测煤层自燃•TM热红外遥感图像的空间分辨率低于可见光和红外波段的图像，一个像元包含很多的地物，分解精度非常有限，远远达不到制作大比例尺地表等温线的要求，无法知道灭火•提高地表温度的反演精度是热红外遥感的本质问题烧变岩中的塌陷与鱼脊状烧变岩中的塌陷与鱼脊状裂隙（陕西神木）裂隙（陕西神木） 利用OMIS1热红外波段编制煤田获取等温线图•OMIS1高光谱遥感数据获取：由于实际分析过程中发现8个中红外波段反演温度的精度不如热红外波段。

•数据预处理：OMIS1安装在陀螺仪平台、飞机俯仰、侧滚引起几何畸变可以忽略，主要畸变是飞机偏航、同一扫描行内的投影误差以及山区高差引起的几何误差•温度定标处理•计算温度图像•热红外波段原始数据与红外辐射温度图像统计分析•地表等温线图的绘制•结论：•（1）汝箕沟高光谱遥感图像空间分辨率和光谱分辨率均比较高；•（2）所有热红外波段温度图像的均值相差不超过12度，温度误差小于6％，说明结果比较准确•（3）高光谱图像用于煤火调查具有两个优势：红外波段温度分辨率高；在可见光和近红外波段有大量波段，可以反映地物光谱特征•（4）利用高光谱热红外波段编制的火区等温线图，取得较理想的效果•（5）地面定标点的数量和定标精度是影响温度分析的关键•（6）汝箕沟获得的煤火温度反演公式不能用于其它地区的温度反演秦始皇陵区高光谱遥感考古•模拟真彩色合成图像（图版XVII）•土壤异常信息：地面热红外辐射信息、地面土壤组分特征；•热异常信息提取：低频信息通常代表土壤、植物变化导致的地表散射特征；•高光谱图像处理方法与效果，地面异常信息有：夯土层、火烧土导致的土壤成分和结构变化、地面温度、湿度、植被长势差异。