植被遥感

第 7 章植被遥感

植被是生长于地球表层的各种植物类型的总称，在地球系统中扮演着重要的角，它是地球表层内重要的再生资源。植被是全球变化中最活跃、最有价值的影响要素和指示因子。植被影响地气系统的能量平衡,在气候、水文和生化循环中起着重要作用,是气候和人文因素对环境影响的敏感指标。

因此,地球植被及其变化一直被各国科学家和政府所关注。卫星遥感是监测全球植被的有效手段,卫星从太空遥视地球,不受自然和社会条件的限制,迅速获取大范围观测资料,为人类提供了监测、量化和研究人类有序活动和气候变化对区域或全球植被变化影响的可能。

植被遥感研究的主要内容：

（1）通过遥感影像从土壤背景中区分出植被覆盖区域，并对植被类型进行划分，区分是森林还是草场或者农田，进而可以问是什么类型的森林，什么类型的草场，什么样的农作物，如此等等。

（2）能否从遥感数据中反演出植被的各种重要参数，例如叶面积指数（LAI）、叶子宽度、

平均叶倾角、植被层平均高度、树冠形状等等，这一类问题属于更深层次的遥感数据定量分析方法与反演技术。

（3）能否准确的估算出与植被光合作用有关的若干物理量，例如植被表面水分蒸腾量、光合作用强度（干物资生产率）、叶表面温度等。

周宝宽

吹来一缕春风关于植被资源的清查与分类方面以已取得了较为突出的成绩，后两个问题正是植被遥感所要研究的问题，虽已取得了相当的进展，但到成熟仍需时日。

.1 植物的光谱特征

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。同时，不同的植物各有其自身的波谱特征，从而成为区分植被类型、长势及估算生物量的依据。

.1.1 健康植物的反射光谱特征

健康植物的波谱曲线有明显的特点（图7.1），在可见光的0.55µm附近有一个反射率为10％~20％的小反射峰。在0.45µm和0.65µm附近有两个明显的吸收谷。在0.7~0.8µm是一

个陡坡，反射率急剧增高。在近红外波段0.8~1.3µm之间形成一个高的，反射率可达40％或更大的反射峰。在1.45µm，1.95µm和2.6~2.7µm处有三个吸收谷。

图7.1绿植物有效光谱响应特征

阳性预测值

.1.2 影响植物光谱的因素

影响植物光谱的因素除了植物本身的结构特征，同时也受到外界的影响。外界影响主要包

括季节的变化，植被的健康状况，植物的含水量的变化，植株营养物质的缺乏与否等等。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反映出来的。

从植物的典型波谱曲线来看，控制植物反射率的主要因素有植物叶子的颜、叶子的细胞构造和植物的水分等。植物的生长发育、植物的不向种类、灌溉、施肥、气候、土壤、地形等因素都对有机物的光谱特征发生影响，使其光谱曲线的形态发生变化。

叶子的颜植物叶子中含有多种素，如叶青素、叶红素、叫黄素、叶绿素等，在可见光范围内，其反射峰值落在相应的波长范围内(图7.2)。

图 7.2不同颜叶子的反射光谱

叶子的组织构造绿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（海绵组织）构成。叶绿素对紫外线和紫光的吸收率极高，对蓝光和红光也强烈吸收，以进行光合作用。对绿光部分则部分吸收，部分反射，所以叶子呈绿，并形成在0.55µm,附近的一个小反射峰值，而在0.33µm~0.45µm及0.65µm附近有两个吸收谷。

叶子的多孔薄壁细胞组织（海绵组织）对0.8µm~1.3µm的近红外光强烈地反射，形成光谱曲线上的最高峰区。其反射率可达40％，甚至高达60%，吸收率不到15％。

叶子的含水量叶子在1.45µm、1.95µm和2.6~2.7µm处各有一个吸收谷，这主要由叶子的细胞液、细胞膜及吸收水分所形成。

植物叶子含水量的增加，将使整个光谱反射率降低（图7.3)，反射光谱曲线的波状形态变得更为明显，特别是在近红外波段，几个吸收谷更为突出。

图7.3水分含量对玉米叶子反射率的影响

在近年随着高光谱遥感的兴起而发展起来的光谱数据分析技术中，植被“红边”位移现象是研究最多、成效显著的成果之一。“红边”定义为反射光谱的一阶微分最大值所对应的光谱位置，通常位于0.68~0.75µm之间。当绿植物叶绿素含量高，生长旺盛时，“红边”会向波长增加的方向偏移，称“红移”。当植物由于受金属元素“毒害”、感染病虫害、污染受害或者缺水缺肥等原因而“失绿”时，则“红边”会向波长短的方向移动，称“蓝移”。因此，根据“红边

”位移量可以精确地估计叶绿素含量或探测叶片的生化组分。其实早在二三十年前，研究者就发现生长在富含Cu，Mo等重金属元素土壤上的植物，受金属元素“毒害”影响，其光谱反射特性会发生一些变化，主要表现就是红边和绿峰会向短波区偏移10nm~20nm不等（见图7.4）。这种矿化带植物光谱异常是植物遥感探矿的有用指标。

图7.4矿区红杉林反射曲线的蓝移现象

还应该指出，不同的植物种类虽然都有共同的光谱反射特性，形成很有特的光谱反射曲

线，但并不都是千树一面。实际上，不同的种属，处于不同的生长环境，其光谱反射曲线就会有许多差异，如泡桐、杨等阔叶树，枝叶繁茂，太阳辐射经过上下多层的叶面反射，上述绿植被的光谱反射特性表现得尤为突出；杉松等针叶树，叶面积指数低，相当比重的太阳辐射穿过枝叶空隙直接投射到地面，因此植被反射总体降低，绿光区的小反射峰值也趋于平缓；草类则基本上介于两者之间。此外．不同植被类型在可见光区的反射率彼此差异小，曲线几乎重叠在一起，进入红外区，反射率的差异就扩大了，彼此容易区分。放0.8µm、1.7µm和2.3µm都是识别不同植被类型的最佳波段。

.2 植被生态参数的估算

植被指数是遥感领域中用来表征地表植被覆盖，生长状况的一个简单，有效的度量参数。随着遥感技术的发展，植被指数在环境、生态、农业等领域有了广泛的应用。在环境领域，通过植被指数来反演土地利用和土地覆盖的变化，逐渐成为实现对全球环境变化的研究重要手段；生态领域，随着斑块水平的生态系统研究成果拓展到区域乃至全球的空间尺度上，植被指数成了空间尺度拓展的连接点；在农业领域，植被指数广泛应用在农作物分布及长势监测、产量估算、农田灾害监测及预警、区域环境评价以及各种生物参数的提取。

分量信号

总之，随着人们对于全球变化研究的深入，以遥感信息推算区域尺度乃至全球尺度的植被指数日益成为令人关注的问题。

.2.1 植被指数的概念

遥感图像上的植被信息，主要通过绿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。

再如，可见光中绿光波段0.52µm~0.59 µm对区分植物类别敏感；红光波段0.63µm~0.69µm对植被覆盖度、植物生长状况敏感等。但是，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，通常选用对绿植物（叶绿素引起的）强吸收的可见光红波段和对绿植物（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。

.2.2 植被指数的种类

由于植被光谱受到植被本身、土壤背景、环境条件、大气状况、仪器定标等内外因素的影响，因此植被指数往往具有明显的地域性和时效性。20多年来，国内外学者已研究发展了几十种不同的植被指数模型见表7-1。大致可归纳为以下几类：

比值植被指数（RVI）由于可见光红波段（R）与近红外波段（NIR）对绿植物的光谱响应十分不同，且具倒转关系。两者简单的数值比能充分表达两反射率之间的差异。比值植被指数可表达为：

或	（7-1黄亚虎）

式中，DN为近红外、红外段的计数值（灰度值），ρ为地表反照率。

对于绿植物叶绿素引起的红光吸收和叶肉组织引起的近红外强反射，使其R与NIR值有较大的差异，使RVI值高。而对于无植被的地面包括裸土、人工特征物、水体以及枯死或受胁迫植被，因不显示这种特殊的光谱响应，则RVI值低。因此，比值植被指数能增强植被与土壤背景之间的辐射差异。

垃圾车法则表71主要植被指数表达式一览表

因此，比值植被指数能增强植被与土壤背景之间的辐射差异。土壤一般有近于1的比值，而植被则会表现出高于2的比值。可见，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。

RVI是绿植物的一个灵敏的指示参数。研究表明，它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素含量相关性高，被广泛用于估算和监测绿植物生物量。在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好。但当植被覆盖度小于50%时，它的分辨能力显著下降。此外，RVI对大气状况很敏感，大气效应大大地降低了它对植被检测的灵敏度，尤其是当RVI值高时。因此，最好运用经大气纠正的数据，或将两波段的灰度值（DN）转换成反射率（ρ）后再计算RVI，以消除大气对两波段不同非线性衰减的影响。

归一化植被指数（NDVI）归一化指数（NDVI）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。即：

或（7-2）

实际上，NDVI是简单比值RVI经非线性的归一化处理所得。在植被遥感中，NDVI的应用最为广泛。它是植被生长状态及植被覆盖度的最佳指示因子，与植被分布密度呈线性相关。因此又被认为是反映生物量和植被监测的指标。

经归一化处理的AVHRR的NDVI，部分消除了太阳高度角、卫星扫描角及大气程辐射的影响，特别适用于全球或各大陆等大尺度的植被动态监测。这是因为，对于陆地表面主要覆盖而言，云、水、雪在可见光波段比近红外波段有较高的反射作用，因而其NDVI值为负值（＜0〉；岩石、裸土在两波段有相似的反射作用，因ρ其NDVI值近于0；而在有植被覆盖的情况下，NDVI为正值（＞0），并随着植被覆盖度增大，其NDVI值越大。可见，几种典型的地面覆盖类型在大尺度NDVI图象上区分鲜明，植被得到有效的突出。

但是，NDVI的一个缺陷在于，对土壤背景的变化较为敏感。实验证明，当植被覆盖度小于15%时，植被的NDVI值高于裸土的NDVI值，植被可以被检测出来，但因植被覆盖度很低，如干旱、半干旱地区，其NDVI很难指示区域的植物生物量，而对观测与照明却反应敏感；当植被覆盖度由25～80%增加时，其NDVI值随植物量的增加呈线性迅速增加；当植被

覆盖度大于80%时，其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，而在作物生长的结束季节，NDVI值偏低。因此，NDVI更适用于植被发育中期或中等覆盖度的植被检测。

Hµete等（1988）为了修正NDVI对土壤背景的敏感提出了可适当描述土壤——植被系统的简单模型，即土壤调整后的植被指数（Soil-Adjµsted Vegetation Index），其表达式为：