单击此处编辑母版标题样式,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,遥感在植被监测方面的应用,植被解译的目的是为了在遥感影像上有效地确定植被的分布、类型、长势等信息，以及对植被的生物量作出估算，因而，它可以为环境监测、生物多样性保护、农业、林业等有关部门提供信息服务遥感对植被的监测分析：,一 植物的光谱特征,二 不同植物类型的区分,三 植物生长状况的解译,四 大面积农作物的遥感估产,五 遥感植被解译的应用,一 植物的光谱特征,健康植物的反射光谱特征,遥感技术的物理基础是地物对电磁波的反射、吸收和发射特性遥感波段的辐射源不同，辐射与地物相互作用的机理就不同，因此所反映的地物信息也就不同在可见光、近红外波段，主要反射太阳光的辐射，遥感信息所反映的主要是地物的反射率反射率的一个重要特点就是光谱特性，也即反射率随波长的变化而变化我们能够利用遥感信息识别不同地物的一个根本原因就是因为各种地物间光谱特性具有一定的差异植物的光谱特征可使其在遥感影像上有效地与其他地物相区别图1 绿色植物有效光谱响应特征,健康植物的的波谱曲线有明显的特点，在可见光的0.55m附近有一个反射率为10%20%的小反射峰，在0.45m和0.65m附近有两个明显的吸收谷，在0.70.8m是一个陡坡,反射率急剧增高,在近红外波段0.81.3m之间形成一个高的,反射率可达40%或更大的反射峰,在1.45m,1.95m和2.62.7m处有三个吸收谷。
健康绿色植被都具有基本的光谱特性，其光谱响应曲线有一定的变化范围，但曲线形态变化是基本相似的，这是因为影响其波谱特性的主导控制因素一致从植物的典型波谱曲线来看，影响植物光谱的因素包括植物叶子的颜色，,叶子的组织结构,，叶子的含水量以及植物的覆盖度当植物的生长状况发生变化时，其波普曲线的形态也会随之改变如植物病虫害，农作物因缺乏营养和水分而生长不良时，海绵组织受到破坏，叶子的色素比例也发生变化，使得可见光区的两个吸收谷不明显，0.55um处的反射峰按植物叶子被损害的程度而变低近红外区的变化更为明显，峰值被削低，甚至消失，整个反射光谱曲线的波状特征变得不明显，如下图所示因此比较受损植物与健康植物的光谱曲线，可以确定植物受伤害的程度受损害植物光谱曲线,近红外波段在植物遥感中的重要作用，这是因为近红外区的反射是受叶内复杂的叶腔结构和腔内对近红外辐射的多次散射控制，以及近红外光对叶片有近50%的透射和重复反射的原因随着植物的生长、发育或受病虫害胁迫状态或水分亏缺状态等的不同，植物叶片的叶绿素含量、叶腔的组织结构、水分含量均会发生变化，致使叶片的光谱特性变化虽然这种变化在可见光和近红外区同步出现，但近红外的反射变化更为明显。
这对于植物/非植物的区分、不同植被类型的识别、植物长势监测等是很有价值的植物的发射特征主要表现在热红外和微波谱段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植物是非黑体而是,灰体,，因而研究它的热辐射特征必须考虑植物的发射率植物的发射率是随植物类别、水分含量等的变化而变化健康绿色植物的发射率一般在0.960.99范围内，常取0.970.98；干植物的发射率变幅较大，一般为0.880.94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,和表面粗糙度有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SJU（L波段）图像可以穿透植被，而得到植物生长环境的信息；ERS-1的SAR（C波段）图像可以直接监测植被，并含有土壤和地形信息（Genya.S，1996）；Palosm（1998）研究了多波段（L、C、P）、多极化的SAR数据与农田观测的叶面积之间关系，指出可以用多波段雷达数据估算作物叶面积指数（LAI）。
可见，植物的发射特征（热红外和微波）和微波散射特征信息是光学反射遥感数据的补充，也是植物遥感的理论基础2 影响植物光谱的因素,影响植物光谱的因素有植物本身的结构特征，也有外界的影响，但外界的影响总是通过植物本身生长发育的特点在有机体的结构特征中反映出来的由于植物品种、叶子生长部位及生长季节等的不同，植被光谱曲线的峰和谷的形态、位置都会产生很大的差异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高光谱遥感：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（Lillesand&Kiefer 2000）其成像光谱仪可以收集到上百个非常窄的光谱波段信息二 不同植物类型的区分,1 不同植物由于叶子的组织结构和所含色素不同，具有不同的光谱特征如在近红外光区，草本植物的反射高于阔叶树，阔叶树高于针叶树禾本草科植物的叶片组织比较均一，没有栅状组织和海绵组织的区别，细胞壁多角质化并含有硅质，透光性较阔叶差茂密的草本植物在可见光区低于阔叶树，而在近红外区可高于阔叶树。
阔叶树叶片中的海绵组织使得它在近红外区的反射明显高于没有海绵组织的针叶树在0.81.1um的近红外区影像上可以有效地区分出针叶树、阔叶树和草本植物2 利用植物的物候期差异来区分植物，也是植被遥感重要反方法之一物候：生物长期适应温度条件的周期性变化，形成与此相适应的生长发育节律，这种现象称为物候现象如冬季落叶树和常绿树很好区别最明显的是冬季时，落叶树的树叶已经凋零，叶子的色素组织已经发生了变化，在遥感图像上显示不出植物的影像特征，无论是可见光区还是近红外光区，总体的反射率都下降，蓝光吸收谷和红光吸收谷都不明显而常绿植物仍旧保持正常的光谱特征所以容易区分3 根据植物植物生态条件区别植物类型,不同植物种类，有不同的生存条件，如温度、水分、土壤、地貌条件等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在我国北方那些，那些要求温度变化幅度较小、湿度较大的林木多生长在山地的阴坡，而对温度和湿度都要求较低的草地多分布在山地的阳坡对于植物生长状况的解译，可依据健康的绿色植物具有典型的光谱特征，而遭受病虫害的植物其反射光谱曲线的波状特征被拉平的现象进行判断几种植物的不同遥感影像,草本植物在高分辨率的遥感影像图片上表现为大片均匀的色调，由于草本植物比较矮小因而看不出阴影，区别于灌木和乔木。
灌木：遥感影像呈不均匀的细颗粒结构，一般灌木植株高度不大，阴影不明显乔木：体型高大，有明显阴影，根据落影可以观察其侧面轮廓结合纹理结构的粗细，明确分别出针叶或阔叶，甚至种类三 植物生长状况解译,1,作物的长势主要用植被指数来监测遥感图像上的植被信息，主要通过绿色植物叶子和植被冠层的光谱特性及其差异、变化而反映的，不同光谱通道所获得的植被信息可与植被的不同要素或某种特征状态有各种不同的相关性，如叶子光谱特性中，可见光谱段受叶子叶绿素含量的控制、近红外谱段受叶内细胞结构的控制、中红外谱段受叶细胞内水分含量的控制对于复杂的植被遥感，仅用个别波段或多个单波段数据分析对比来提取植被信息是相当局限的因而往往选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值即所谓的“植被指数”它用一种简单有效的形式来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等在植被指数中，通常选用对绿色植物（叶绿素引起的）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这两个波段不仅是植物光谱中的最典型的波段，而且它们对同一生物物理现象的光谱响应截然相反，故它们的多种组合对增强或揭示隐含信息将是有利的。
另外，对植被长势监测的信息可包括：叶面积指数、叶片氮含量和氮积累量等叶面积指数（leaf area index）,又叫叶面积系数，是一块地上作物叶片的总面积与占地面积的比值即：叶面积指数=绿叶总面积/占地面积叶面积指数是反映作物群体大小的较好的动态指标在一定的范围内，作物的产量随叶面积指数的增大而提高当叶面积增加到一定的限度后，田间郁闭，光照不足，,光合效率,减弱，产量反而下降苹果园的最大叶面积指数一般不超过5，能维持在34较为理想盛果期的红富士苹果园，生长期亩枝量维持在1012万条之间，叶面积指数基本能达到较为适宜的指标氮对提高叶面积指数、光合势、叶绿素含量和生长率均有促进作用,而净同化率随施氮增加而下降施氮对大豆光合速率无显著影响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因此,高产栽培首先应考虑获得适当大的叶面积指数四 大面积农作物的遥感估产,美国对世界小麦产量的估产精度已达90%以上，并扩大到对玉米、大豆等八种以上作物的估产我国于19831986年在京津冀进行跨省市的统一网络较大范围冬小麦遥感估产试验，精度也超过90%遥感估产的优点是可以得到长时间尺度和大空间尺度的生产资料，因而它仍是未来生产力探测方法的发展方向。
遥感与作物模型结合，实现作物生长的动态模拟和预报，是目前国内外关注的热点通过遥感与模型的结合，估算出实际产量，通过作物模拟出潜在生产力，可分析出潜在生产力与实际产量间的差距在此基础上，通过寻找限制当前产量的因素，可为提高产量提供政策建议和方法指导宇振荣登对建立遥感作物模拟复合模型的原理、方法进行了探讨，并在点上进行了校正利用NOAA卫星遥感估算地面植物冠层温度并计算冠层与大气间温差，进而计算PS123模型所需作物实际蒸腾和水分胁迫系数，建立遥感作物模拟复合模型PS-X，从而可以在多点、不同土壤类型上，对区域作物产量及产量差进行估测和分析利用PS-X模型进行产量估测，在平原地区精度可以达到90%以上遥感植物估产的两种模式：,一、遥感统计模型,目前，基于统计的遥感估产有三种技术路线：一是遥感光谱绿度值（植被指数）生物量关系模式在对作物、草原、森林的估产中这是常用的思路，但是该方法得到的遥感估产等级图只反映卫星摄影时的植物长势和生物量的空间分布状况：二是遥感光谱绿度值-地物光谱绿度值-生物量关系模式，即先分析实测地物光谱绿度值与生物量之间的关系，建立相应模型，再分析卫星遥感植被指数与地物光谱绿度值的关系，建立卫星遥感植被指数与与生物量之间的关系模型，最后利用光谱检测模型进行检测与估产；三是遥感-地学综合模式。
该方法将气温、降水等环境因子引入模式，与遥感-生物量模型互相补充，克服各自存在的缺陷，可进一步提高估产精度建立的统计模型有线性、幂函数、指数、对数等，回归的方法有一元回归、多元回归、逐步回归等，得到的系数差别较大，并且应用也局限于建模的时间和地点，在很多情况下地面资料的数量也影响模型的精度二、遥感综合模型,综合模型借助遥感信息和植被信息、气象因子等来建立，其包含了更多的信息量，可以更加精确地反映植被的生物物理参数尽管这类方法前景广阔，但受到模型中大量参数和变量获取的限制（如呼吸、衰老、光合作用、碳分配、凋落物的分解等），以及当物种的组成在时空上变化较大时出现复杂的、异质性的、冠层的描述问题的影响，部分模型只适用于当时的研究区域，如何通过“尺度扩大”来改进模式中的区域限制，更好地适用遥感信息的同化需要，也是亟需解决的一个关键问题目前Landsat TM/ETM和NOAA/AVHRR数据已被广泛用于估算森林植被生物量，如郭志华等通过样方调查方准确定位，根据LandsatTM数据7个波段信息及其线性与非线性组合，应用逐步回归技术分别建立了粤西及附近地区的森。