遥感应用分析课件.ppt

第第7 7章章 遥感应用遥感应用Ø地质遥感地质遥感Ø水体遥感水体遥感Ø植被遥感植被遥感Ø土壤遥感土壤遥感Ø高光谱遥感高光谱遥感7.2 7.2 水体遥感水体遥感水体遥感的主要任务水体遥感的主要任务 通过对遥感影像的分析，获得水体的分布、泥沙、有机质等状况和水深、水温等要素的信息，从而对一个地区的水资源和水环境等作出评价，为水利、交通、航运及资源环境等部门提供决策服务 7.2.1 7.2.1 水体的光谱特征水体的光谱特征 7.2.2 7.2.2 水体界线的确定水体界线的确定 •判断水体界线可以用近红外波段或雷达影判断水体界线可以用近红外波段或雷达影像（微波）像（微波） 在可见光波段水体有一定的反射率，在在可见光波段水体有一定的反射率，在近红外波段几乎为零近红外波段几乎为零 在在1mm-30cm的微波波段，水体的发射的微波波段，水体的发射和后向散射也很弱和后向散射也很弱7.2.3 7.2.3 水体悬浮物质的确定水体悬浮物质的确定1. 1. 泥沙的确定泥沙的确定 含有泥沙的浑浊水体与清水比较，光谱反射特征存在以下差异：（1）浑浊水体的反射波谱曲线整体高于清水，随着悬浮泥沙浓度的增加，差别加大；（2）波谱反射峰值向长波方向移动（“红移”）。

清水在0.75处反射率接近于零，而含有泥沙的浑浊水至0.93处反射率才接近于零；（3）随着悬浮泥沙浓度的加大，可见光对水体的透射能力减弱，反射能力加强浅水区水体浑浊，色调较浅；而深水处水体较清，色调较深遥感影像的色调间接地反映了水体的相对深度4）波长较短的可见光，如蓝光和绿光对水体穿透能力较强，可反映出水面下一定深度的泥沙分布状况以不同波段探侧泥沙可构成水中泥沙分布的立体模式2.2.叶绿素的确定叶绿素的确定 水中叶绿素的浓度与水体反射光谱特征存在以下关系： （1）水体叶绿素浓度增加，蓝光波段的反射率下降，绿光波段的反射率增高； （2）水面叶绿素和浮游生物浓度高时，近红外波段仍存在一定的反射率，该波段影像中水体不呈黑色，而是呈灰色，甚至是浅灰色 7.2.4 7.2.4 水温的探测水温的探测Ø用热红外波段探测水温Ø白天，水体将太阳辐射能大量地吸收储存，增温比陆地慢，在遥感影像上表现为热红外波段辐射低，呈暗色调在夜间，水温比周围地物温度高，发射辐射强，在热红外影像上呈高辐射区，为浅色调Ø根据热红外传感器的温度定标，可在热红外影像上反映出水体的温度Ø夜间热红外影像可用于寻找泉水,特别是温泉7.2.5 7.2.5 水体污染的探测水体污染的探测（1）水体污染物浓度较大且使水色显著地变黑、变红或变黄，并与背景水色有较大的差异时，可以在可见光波段的影像上被识别出来（色调较亮）（色调较亮）。

（2）水体高度富营养化，受到严重的有机污染，浮游生物浓度高时，与背景水体的差异也可以在近红外波段影像上被识别（色调较亮）（色调较亮）3）水体受到热污染，与周围水体有明显温差，可以在热红外波段影像上被识别4）其他情况，如水上油溢污染可使紫外波段和近红外波段的反射率增高，有可能被探测出来7.2.6 7.2.6 水深的探测水深的探测Ø蓝光波段对平静、清澈的水体有较大的透射能力，并且水底反射波也较强 蓝色波段上影像的深浅可以区分水深Ø当水体含沙量较低时，可以利用蓝光波段与绿光波段的比值，求出相对水深 Ø水深的探测受泥沙、污染以及气候条件等因素的影响较大，故应用时应综合考虑7.3 7.3 植被遥感植被遥感植被解译的主要任务：植被解译的主要任务：Ø在遥感影像上有效地确定植被的分布、类型、长势等信息Ø对植被的生物量作出估算Ø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 本节主要内容本节主要内容Ø植物的光谱特征Ø不同植被类型的区分Ø植被生长状况的解译Ø大面积农作物的遥感估产Ø遥感植被解译的应用7.3.1 7.3.1 植物的光谱特征植物的光谱特征1. 1. 健康植物的反射光谱特征健康植物的反射光谱特征2. 2. 影响植物光谱的因素影响植物光谱的因素（（1 1）叶子的颜色）叶子的颜色 （（2 2）叶子的组织构造）叶子的组织构造 Ø绿色植物的叶子是由上表皮、叶绿素颗粒组成的栅栏组织和多孔薄壁细胞组织构成。

Ø叶绿素对紫外线和紫色光的吸收率极高，对蓝色光和红色光也强烈吸收，以进行光合作用对绿色光部分则部分吸收，部分反射，所以叶子呈绿色并形成在0.55附近的一个小反射峰值，而在0.33—0.45及0.65附近有两个吸收谷Ø叶子的多孔薄壁细胞组织（海绵组织）对0.8—1.3的近红外光强烈地反射，形成光谱曲线上的最高峰区 （（3 3）叶子的含水量）叶子的含水量 •叶子在1.45，l.95和2.6—2.7处各有一个吸收谷,是由叶子的细胞液、细胞膜及吸收水分所形成 •植物叶子含水量增加，光谱反射率降低 （（4 4）植物覆盖程度）植物覆盖程度 植物覆盖程度也植物覆盖程度也对植物的光谱曲线产对植物的光谱曲线产生影响：生影响：当植物叶子当植物叶子的密度不大，不能形的密度不大，不能形成对地面的全覆盖时，成对地面的全覆盖时，传感器接收的反射不传感器接收的反射不仅是植物本身的光谱仅是植物本身的光谱信息，而且还包含有信息，而且还包含有部分下垫面的反射光部分下垫面的反射光，，是两者的叠加是两者的叠加当叶当叶面积指数大于面积指数大于5 5时，时，几乎不受下垫面的影几乎不受下垫面的影响响 7.3.2 7.3.2 不同植物类型的区分不同植物类型的区分（（1 1）不同植物由于叶干）不同植物由于叶干的组织结构和所含色素的组织结构和所含色素不同，具有不同的光谱不同，具有不同的光谱特征特征 。

在0.8一1.1的近红外光区影像上，可以有效地区分出针叶树、阔叶树和草本植物 （（2 2）利用植物的物候期差异来区分植物）利用植物的物候期差异来区分植物 Ø落叶树与常绿树的区分 冬季的阔叶树，反射和吸收都明显下降；常绿的树木仍然保持植物反射光谱曲线特征，两者很容易辨别 Ø同一种植物在不同季节的光谱特征有明显的变化Ø不同的植物生长期不同，光谱特征的变化也是不一样的 （（3 3）根据植物生态条件区别植物类型）根据植物生态条件区别植物类型 Ø不同种类的植物，有不同的适宜生态条件，如温度条件、水分条件、土壤条件、地貌条件等 这些条件在一个地区综合地影响着植被的分布，但其中的主导因素起着重要的作用Ø在高分辨率遥感影像上，可以直接看到植物顶部和部分侧面的形状、阴影、群落结构等，可比较直接地确定乔木、灌木、草地等类型7.3.3 7.3.3 植物生长状况解译植物生长状况解译7.3.4 7.3.4 大面积农作物的遥感估产大面积农作物的遥感估产Ø农作物的识别与种植面积估算Ø农作物长势监测Ø估产模式的建立 （（1 1）农作物的识别与种植面积估算）农作物的识别与种植面积估算Ø可以根据作物的色调、图形结构等差异最大的物候期（时相）的遥感影像图和特定的地理位置等的特征，将其与其他植被区分开来 Ø作物的分布、形状（色调较亮）（色调较亮）。

Ø遥感影像图：中低分辨率（制作分布图），高分辨率（抽样检验，修正）（（2 2）农作物长势监测）农作物长势监测Ø利用高时相分辨率的卫星影像（如NOAA、FY—1、FY—2等）对作物生长的全过程进行动态观测 对作物的播种、返青、拔节、封行、抽穗、灌浆等不同阶段的苗情、长势制出分片分级图，并与往年同样苗情的产量进行比较、拟合，并对可能的单产作出预估Ø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（植被指数（VIVI））常用的植被指数有比值植被指数（比值植被指数（RVIRVI）、归一化植被指）、归一化植被指数（数（NVINVI）、差值植被指数（）、差值植被指数（DVIDVI）和正交植被指）和正交植被指数（数（PVIPVI）等常用植被指数的计算常用植被指数的计算•比值植被指数 （RVI） 其中：NIR为近红外波段的反射值，R为红光波段的反射值•归一化植被指数 •差值植被指数•正交植被指数（PVI） 对NOAA： 对Landsat:（（3 3）建立农作物估产模式）建立农作物估产模式 Ø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。

如果作物返黄成熟期没有发生灾害或天气突变等影响作物产量的事件，那么，估产方程作为模型被确定Ø求出单产y后，根据作物面积A，计算总产：举例：举例：•山西省运城地区的小麦遥感估产试验，在应用遥感影像求得小麦播种面积的基础上，应用NOAA卫星的AVHRR数据求取小麦抽穗期归一化植被数：•经与多年小麦产量数据拟合，得到小麦成热期单产模型 7.3.5 7.3.5 遥感植被解译的应用遥感植被解译的应用（1） 植被制图（2） 城市绿化调查与生态环境评价（3） 草场资源调查（3） 林业资源调查7.4 土壤遥感土壤遥感Ø土壤遥感的任务 通过遥感影像的解译，识别和划分出土壤类型，制作土壤图，分析土壤的分布规律，为改良土壤、合理利用土壤服务Ø需要综合利用各种直接和间接解译标志综合分析7.4.1 7.4.1 土壤的光谱特征土壤的光谱特征Ø土壤（植被稀少）的反射曲线与其机械组成和颜土壤（植被稀少）的反射曲线与其机械组成和颜色密切相关色密切相关• 颜色浅的土壤具有较高的反射率，颜色较深的土壤反射率较低；•在干燥条件下同样物质组成的细颗粒的土壤，表面比较平滑，具有较高的反射率，而较粗的颗粒具有相对较低的反射率•有机质含量高，也使反射率降低•土壤水的含量增加，会使反射率曲线平移下降。

水分过饱和的土壤表面形成一层薄薄的水膜，在地表平坦时、接近于镜面反射，其反射率会增高Ø土壤表面的植被覆盖影响土壤光谱特征土壤表面的植被覆盖影响土壤光谱特征–覆盖度小于15％，其光谱反射特征与裸土相近–植被覆盖度在15％一70％时，表现为土壤和植被的混合光谱，光谱反射值是两者的加权平均–植被覆盖度大于70％时，基本上表现为植被的光谱特征 Ø土壤的光谱特征还受到地貌、耕作特点等影响土壤的光谱特征还受到地貌、耕作特点等影响 7.4.2 7.4.2 土壤类型的确定土壤类型的确定Ø首先要确定研究区的水平地理地带作为基带 Ø其次是确定亚类土壤的亚类是在成土过程中受局部条件的影响使土类发生变化，形成的次一级类型 Ø土属的划分主要以地区性条件为依据，如地貌、母质等，在亚类的基础上再分出土属 Ø土种主要根据土壤剖面特征来划分，遥感影像较难发现 （自学课本（自学课本250250－－252252））7. 5 高光谱遥感的应用高光谱遥感的应用 Ø高光谱遥感是高光谱分辨率遥感（Hyperspectral Remote Sensing）的简称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。

其成像光谱仪可以收集到上百个非常窄的光谱波段信息 （见下图）（见下图）Ø高光谱遥感与一般遥感主要区别在于：高光谱遥感的成像光谱仪可以分离成几十甚至数百个很窄的波段来接收信息；每个波段宽度小于10nm；所有波段排列在一起能形成一条连续的完整的光谱曲线；光谱的覆盖范围从可见光到热红外的全部电磁辐射波谱范围 7.5.1 7.5.1 高光谱遥高光谱遥感在地质调查中感在地质调查中的应用的应用 高光谱遥感用于各种地质矿物成分的提取，需高光谱遥感用于各种地质矿物成分的提取，需要发展的技术力法：要发展的技术力法：Ø光谱微分技术光谱微分技术Ø光谱匹配技术光谱匹配技术 Ø混合光谱分解技术混合光谱分解技术 Ø光谱分类技术光谱分类技术 Ø光谱维特征提取方法光谱维特征提取方法 Ø模型方法模型方法 7.5.2 7.5.2 高光谱遥感在植被研究中应用高光谱遥感在植被研究中应用1. 1. 应用领域应用领域Ø植被类型的识别与分类 Ø植被制图 Ø土地覆盖利用变化的探测 Ø生物物理和生物化学参数的提取与估计 2. 2. 需要的技术方法需要的技术方法Ø多元统计分析技术Ø基于光谱波长位置变量的分析技术 Ø光学模型方法Ø参数成图技术7.5.3 7.5.3 高光谱遥感在其他领域的应用高光谱遥感在其他领域的应用Ø大气遥感 Ø水文与冰雪 Ø环境与灾害Ø土壤调查 Ø城市环境复习思考题复习思考题1.1.探测水体界线、悬浮物、水温、水污染可以使用探测水体界线、悬浮物、水温、水污染可以使用哪些波段的遥感影像？哪些波段的遥感影像？2.2.植被的光谱特征？植被遥感可以使用哪些波段？植被的光谱特征？植被遥感可以使用哪些波段？如何从遥感影像区分植物类型？如何从遥感影像区分植物类型？3.3.大面积农作物遥感估产的一般步骤？主要的植被大面积农作物遥感估产的一般步骤？主要的植被指数有哪些？指数有哪些？4.4.遥感植被解疑的主要应用。

遥感植被解疑的主要应用5.5.土壤的光谱特征土壤的光谱特征6.6.何谓高光谱遥感？与一般遥感有何区别？何谓高光谱遥感？与一般遥感有何区别？。