第六章遥感技术应用

1、1第六章：遥感技术应用第一节：遥感数据源的综合分析方法第一节：遥感数据源的综合分析方法遥感基本原则、信息源评价选择及应用遥感基本原则、信息源评价选择及应用第二节：遥感技术应用领域第二节：遥感技术应用领域重点为植被遥感；土壤含水量遥感、农重点为植被遥感；土壤含水量遥感、农业遥感、热红外遥感应用业遥感、热红外遥感应用城市热岛效城市热岛效应、土地利用制图等应、土地利用制图等2遥感的基本原则遥感的基本原则遥感数据源的选择遥感数据源的选择遥感数据处理应用方法遥感数据处理应用方法3一、遥感总则及概念一、遥感总则及概念 （一）遥感提取信息的原则（一）遥感提取信息的原则地学信息源有很多，野外调查、定位观测、统

2、计数据地学信息源有很多，野外调查、定位观测、统计数据遥感仅是采集地学信息源的一部分。有两个问题：遥感仅是采集地学信息源的一部分。有两个问题：1、遥感究竟能为地学提供哪些信息？今后是否可能提供、遥感究竟能为地学提供哪些信息？今后是否可能提供更多信息？更多信息？2、从地学角度应如何更充分利用遥感信息？、从地学角度应如何更充分利用遥感信息？遥感图像所对应的实际区域是特定地理环境的综合体，是遥感图像所对应的实际区域是特定地理环境的综合体，是地球大气圈、岩石圈、水圈、生物圈以及社会生态环境的地球大气圈、岩石圈、水圈、生物圈以及社会生态环境的综合反映，同时包含了各个圈层的物质和能量交换。各种综合反映，同时

3、包含了各个圈层的物质和能量交换。各种遥感信息都部分地提供这种综合信息，因为遥感信息传递遥感信息都部分地提供这种综合信息，因为遥感信息传递有局限性，从无限的地学信息源变为有限的遥感地学信息有局限性，从无限的地学信息源变为有限的遥感地学信息源。源。4各种遥感信息源本身是相互补充综合地反映地理环境。各种遥感信息源本身是相互补充综合地反映地理环境。地物之间、地物与环境之间、地物与遥感数据之间及遥感数地物之间、地物与环境之间、地物与遥感数据之间及遥感数据之间具有相关性（当然各环节的相关性强弱不同）。这正据之间具有相关性（当然各环节的相关性强弱不同）。这正是遥感提取信息的可能性。是遥感提取信息的可能性。最

4、基本的原则：一是可能性，即遥感数据是否能满足研究对最基本的原则：一是可能性，即遥感数据是否能满足研究对象的地学属性象的地学属性空间分布、辐射波谱特征和时相变化对遥感空间分布、辐射波谱特征和时相变化对遥感信息能力的要求；二是遥感地学分析（详细见后）信息能力的要求；二是遥感地学分析（详细见后）（二）遥感提取信息的类型及方式（二）遥感提取信息的类型及方式类型信息类型信息参数信息参数信息5 二、遥感数据源的选择、遥感数据源的选择u考虑遥感地学对象的地学属性：空间分布，光考虑遥感地学对象的地学属性：空间分布，光谱反射和发射特征，时相变化。谱反射和发射特征，时相变化。u遥感信息源以遥感信息源以4个分辨率为

5、主的评价标准。个分辨率为主的评价标准。u选择遥感数据源时，看其是否能反映研究对象选择遥感数据源时，看其是否能反映研究对象的地学属性：空间分布、波谱辐射特征和时相的地学属性：空间分布、波谱辐射特征和时相变化规律，两者相符，则可能成功，反之基本变化规律，两者相符，则可能成功，反之基本条件不具备则可能不成功。条件不具备则可能不成功。u必须考虑解决问题的精度要求（尺度大小）、必须考虑解决问题的精度要求（尺度大小）、信息类型、成本等，综合考虑，选择合适的遥信息类型、成本等，综合考虑，选择合适的遥感数据。如提取几何结构参数，可能需要航空感数据。如提取几何结构参数，可能需要航空像片、激光雷达或多角度观测数据

6、，提取非表像片、激光雷达或多角度观测数据，提取非表面信息、则需要微波遥感数据。提取生物化学面信息、则需要微波遥感数据。提取生物化学参数则需要高光谱数据。参数则需要高光谱数据。6u两类处理方法：基于目视解译原理的一类方法和定量两类处理方法：基于目视解译原理的一类方法和定量遥感。遥感。目视解译，发展到计算机处理，包括变换、增强、复目视解译，发展到计算机处理，包括变换、增强、复原、图像分析（分类）、图像融合等。这里的定量方原、图像分析（分类）、图像融合等。这里的定量方法可以随意改变像元值。法可以随意改变像元值。定量遥感，方法很多，有不同领域的定量模型，包括定量遥感，方法很多，有不同领域的定量模型，包

7、括统计模型。其中以统计模型。其中以BRDF为基础的定量遥感，不能随为基础的定量遥感，不能随意改变像元值。意改变像元值。u地学分析方法。遥感如何与地学方法综合，从补充地地学分析方法。遥感如何与地学方法综合，从补充地学信息和应用地学分析方法现在发展到遥感为解决地学信息和应用地学分析方法现在发展到遥感为解决地学问题提供数据、地学过程模型和遥感模型耦合表达学问题提供数据、地学过程模型和遥感模型耦合表达地学现象时空演变的阶段。地学现象时空演变的阶段。7遥感图像信息所反映的地理环境的综合性与复杂性，遥感信遥感图像信息所反映的地理环境的综合性与复杂性，遥感信息传递过程的局限性、地物的遥感信息之间复杂相关性、

8、相息传递过程的局限性、地物的遥感信息之间复杂相关性、相互补充及其本身的综合特点。区域综合分析的处理方法是必互补充及其本身的综合特点。区域综合分析的处理方法是必要的，数学物理方法和地学分析结合。要的，数学物理方法和地学分析结合。充分利用遥感数据本身的潜力（各种处理变换，从方法上：充分利用遥感数据本身的潜力（各种处理变换，从方法上：目视、增强、融合、分类、定量模型）目视、增强、融合、分类、定量模型）用地物之间、地物和环境之间的相互关系，推断出遥感图像用地物之间、地物和环境之间的相互关系，推断出遥感图像没有反映出来的信息，选择因子必须一是与目标相关，二是没有反映出来的信息，选择因子必须一是与目标相关

9、，二是目视解译时显示明显，图像数据分析时可以提取和识别。目视解译时显示明显，图像数据分析时可以提取和识别。综合的地学分析（信息复合、交叉分析法、环境本底、分层综合的地学分析（信息复合、交叉分析法、环境本底、分层分类、地理相关分析）分类、地理相关分析）遥感和地学分析方法可以从两个角度或阶段来认识：以遥感遥感和地学分析方法可以从两个角度或阶段来认识：以遥感 为主，补充地学知识，用地学分析的方法进行遥感信息提取；为主，补充地学知识，用地学分析的方法进行遥感信息提取；以地学现象的时空演变为主，借助于遥感获取所需数据，把以地学现象的时空演变为主，借助于遥感获取所需数据，把地学过程模型与遥感模型进行耦合。

10、地学过程模型与遥感模型进行耦合。8u遥感提取信息应该发展的趋势：遥感提取信息应该发展的趋势：多遥感数据源综合协同。例如微波回波因为具有穿透性，多遥感数据源综合协同。例如微波回波因为具有穿透性，反映树干的信息。而光学遥感计算反映树干的信息。而光学遥感计算LAI精度很高。因此，主精度很高。因此，主被动协同就有了可能的基础。被动协同就有了可能的基础。遥感模型协同。可见光的遥感模型协同。可见光的RT和和GO模型向红外和微波推广；模型向红外和微波推广；多元遥感数据各种模型综合。多元数据综合反演的方法等。多元遥感数据各种模型综合。多元数据综合反演的方法等。遥感与地学模型和地学过程模型耦合。加强遥感数据的地

11、遥感与地学模型和地学过程模型耦合。加强遥感数据的地学理解！学理解！ 空间尺度转换。地面数据与像元之间的尺度转换，不同分空间尺度转换。地面数据与像元之间的尺度转换，不同分辨率遥感数据像元之间的转换辨率遥感数据像元之间的转换时间尺度转换。瞬间的遥感数据与地学发展过程的时间尺时间尺度转换。瞬间的遥感数据与地学发展过程的时间尺度转换，遥感机理模型与地学过程模型耦合研究是解决该问度转换，遥感机理模型与地学过程模型耦合研究是解决该问题的关键。题的关键。9资源调查资源调查环境监测环境监测区域分析区域分析宏观研究宏观研究 本节主要介绍植被遥感。另外简单介绍土壤含本节主要介绍植被遥感。另外简单介绍土壤含水量遥感

12、估测、应用热红外遥感研究城市热导水量遥感估测、应用热红外遥感研究城市热导效应、作物估产和土地利用制图。效应、作物估产和土地利用制图。10（一）植被的光谱（一）植被的光谱特征特征1 1、健康植物的反射光、健康植物的反射光谱特征：谱特征：有四个反有四个反射峰、五个吸收射峰、五个吸收谷。谷。11植物叶子的颜色即植物叶子的颜色即叶绿素含量叶绿素含量叶子的组织结构叶子的组织结构叶子的含水量叶子的含水量植物的覆盖度植物的覆盖度2 2、影响植物光谱的因素、影响植物光谱的因素12不同植物由于叶子的组织结不同植物由于叶子的组织结构和所含色素不同，具有不构和所含色素不同，具有不同的光谱特征。同的光谱特征。 在近红

13、外光区，草本植物的反在近红外光区，草本植物的反射高于阔叶树，阔叶树高于针叶射高于阔叶树，阔叶树高于针叶树。树。利用植物的物候期差异来区利用植物的物候期差异来区分植被类型。分植被类型。根据植物空间分布及其生态根据植物空间分布及其生态条件等区分植被类型。条件等区分植被类型。p注意不同时间、地区有不同注意不同时间、地区有不同特点特点131、植被分类、植被分类 植被类型具有层次性：植被类型具有层次性：植被型。优势层或建群层相似的植物群落，如森林，灌丛植被型。优势层或建群层相似的植物群落，如森林，灌丛等。等。 植被亚型。在植被型中，具有在群落生态中相同的优势物植被亚型。在植被型中，具有在群落生态中相同的

14、优势物种习性。如针叶林，阔叶林等。种习性。如针叶林，阔叶林等。 群系组。在植被型或植被亚型范围内，凡优势种（或建群群系组。在植被型或植被亚型范围内，凡优势种（或建群种），相同的森林群落。属于本级同一类的林分，林内的种），相同的森林群落。属于本级同一类的林分，林内的区系成分，生物生产力及群落动态基本一致。如落叶松林，区系成分，生物生产力及群落动态基本一致。如落叶松林，云杉，蒙古栎等云杉，蒙古栎等 142、植被类型识别、植被类型识别分层分类技术分层分类技术 第 一 层 次 分 类 精 度 验 证 多 源 多 时 相 遥 感 数 据 库 栅 格 数 据 库 矢 量 数 据 库 预 处 理 群 系 组

15、 层 次 （ 主 要 用 面 象 对 象 的 分 类 方 法 ） 第 四 层 次 高 光 谱 及 多 源 遥 感 数 据 +组 合 分 类 器 灌 木 地 形 校 正 几 何 校 正 辐 射 归 一 化 植 被 亚 型 层 次 针 叶 林 辐 射 校 正 大 气 校 正 阔 叶 林 优 势 树 种 组 树 种 针 阔 混 交 林 分 类 后 处 理 栅 格 转 矢 量 平 滑 处 理 聚 类 竹 林 乔 木 一 类 清 查 数 据 二 类 调 查 数 据 外 业 数 据 15多时相遥感数据综合分类技术多时相遥感数据综合分类技术 针叶林、阔叶林或不同的树种组类型具有不同的物候规针叶林、阔叶林或不

16、同的树种组类型具有不同的物候规律。表现在遥感图像上应该具有不同的光谱特征。律。表现在遥感图像上应该具有不同的光谱特征。深入分析不同森林类型的物候特征与多时相遥感数据光深入分析不同森林类型的物候特征与多时相遥感数据光谱特征的对应规律，通过不同时相的遥感数据的波段组合谱特征的对应规律，通过不同时相的遥感数据的波段组合成新的充分反映光谱时间变化的新的图像进行分类，或者成新的充分反映光谱时间变化的新的图像进行分类，或者是对多时相遥感数据进行主成分分析（是对多时相遥感数据进行主成分分析（CA变换），提取变换），提取特征成分进行森林类型识别，较大限度地消除单一时相遥特征成分进行森林类型识别，较大限度地消除

17、单一时相遥感影像图容易出现的同物异谱和同谱异物现象，提高森林感影像图容易出现的同物异谱和同谱异物现象，提高森林类型的分类精度。类型的分类精度。16177月148月31日9月12日9月20日10月2日10月22日18 多时相遥感光谱特征提取 多时相遥感数据库 不同层次森林类型信息提取及评价 多时相数据主成分分析 特征波段选择及组合 不同森林类型物侯特征分析 多时相遥感数据预处理 多时相遥感数据 191、植被指数的类型及其影响因素植被指数的类型及其影响因素2、叶面积指数、叶面积指数201、植被指数、植被指数通过遥感的多波段计算表达出植被的光谱特性的遥感变量称通过遥感的多波段计算表达出植被的光谱特性

18、的遥感变量称为植被指数为植被指数rednirrednirXXXXNDVI归一化植被指数归一化植被指数 ，应用广泛应用广泛RVI=nir /red 比值植被指数比值植被指数 。高密度植被覆盖时优。高密度植被覆盖时优于于NDVIDVI=nir -red 差值植被指数差值植被指数 ，又称为环境植被指，又称为环境植被指数（数（EVI），对土壤更敏感。），对土壤更敏感。)()(redbluerednirredbluerednirIAVI式中式中:nir、red、blue分别为近红外、红色可见光和蓝色可分别为近红外、红色可见光和蓝色可见光大气校正后的地表反射率见光大气校正后的地表反射率;为辐射校正系数（根

19、据实为辐射校正系数（根据实际观测和辐射传输方程确定际观测和辐射传输方程确定0.65-1.21 ）。）。抗大气影响植被指数，不抗大气影响植被指数，不唯一唯一 21)1 (LLSAVIrednirrednir土壤调节植被指数土壤调节植被指数 其中其中:L为土壤调节系数为土壤调节系数,它是植被密度的函数它是植被密度的函数,应根据具体应根据具体的植被密度而变化的植被密度而变化,一般取一般取L=0.5（01）,它的确定需要预它的确定需要预先知道植被数量。低密度植被先知道植被数量。低密度植被L为为1时土壤影响几乎消失；时土壤影响几乎消失；高密度植被最佳为高密度植被最佳为0.7522)()(nirnirrr

20、VSVSPVI垂直植被指数。广泛垂直植被指数。广泛用于作物估产。用于作物估产。)1 (21LLCCEVIbluerednirrednir增强型植被指数，不增强型植被指数，不唯一。唯一。 C1、C2和和L为可调参数为可调参数 sincos)(rnirDNbDNPVI22植被遥感中，从一开始就被普遍认同和采用的方法植被遥感中，从一开始就被普遍认同和采用的方法是，利用植被反射光谱在可见光和近红外波段上明显是，利用植被反射光谱在可见光和近红外波段上明显的不同，构建遥感植被指数，在研究纠正植被形态、的不同，构建遥感植被指数，在研究纠正植被形态、土壤光学特性、太阳位置以及云和大气等影响的基础土壤光学特性、

21、太阳位置以及云和大气等影响的基础上，反演地表状况。植被指数与各种植被变量上，反演地表状况。植被指数与各种植被变量 （包括（包括LAI ）、植株生物量、植被覆盖度、光合组织总量、）、植株生物量、植被覆盖度、光合组织总量、光合有效辐射和初级生产力等因子进行相关分析。这光合有效辐射和初级生产力等因子进行相关分析。这种方法抓住了植被的光谱特征，简单而明确。具有很种方法抓住了植被的光谱特征，简单而明确。具有很强的实用性，强的实用性，易于为大多数研究者接受，目前开展的很大一部分易于为大多数研究者接受，目前开展的很大一部分植被遥感的研究工作都是从这方面展开的。植被遥感的研究工作都是从这方面展开的。 232、

22、叶面积指数、叶面积指数叶面积指数叶面积指数(leaf area index, LAI)为植物冠层表面物质、能为植物冠层表面物质、能量交换的描述提供结构化的定量信息，是估计植物冠层功能量交换的描述提供结构化的定量信息，是估计植物冠层功能的重要参数，也是生态系统中最重要的结构参数之一的重要参数，也是生态系统中最重要的结构参数之一 目前有三种不同定义：目前有三种不同定义：单位水平地面面积上所有叶子表单位水平地面面积上所有叶子表面积的总和面积的总和(TLAI-total leaf area index)，它的含义是所有叶，它的含义是所有叶子的外部表面面积。子的外部表面面积。单位水平地面面积上单面叶面积

23、的总单位水平地面面积上单面叶面积的总和和(OLAI-total one sided leaf area index)，也常被称为是，也常被称为是TLAI的一半，不考虑叶子上下表面是否对称。的一半，不考虑叶子上下表面是否对称。Chen1992年正式提年正式提出了单位地面面积上总叶面积的一半这个定义并进行了验证，出了单位地面面积上总叶面积的一半这个定义并进行了验证，在植物学上普遍应用。在植物学上普遍应用。单位水平地面面积上所有叶子投影单位水平地面面积上所有叶子投影面积的总和面积的总和(PLAI-projected leaf area index) 24LAI的测定方法及原理的测定方法及原理（1）直

24、接测量法：包括树木解析法、点接触法、落叶）直接测量法：包括树木解析法、点接触法、落叶收集法。也可以用打孔法和照相法。收集法。也可以用打孔法和照相法。 （2）间接测量法：目前所采用的间接测量法是用光学）间接测量法：目前所采用的间接测量法是用光学仪器测量，包括仪器测量，包括LAI-2000、TRAC、鱼眼相机等、鱼眼相机等2525测定原理测定原理贝尔定律贝尔定律 ：和：和Miller定律一起构成定律一起构成LAI测定原理测定原理)exp(0 xII入射光线入射光线I0透过透过x距离的均匀介质例如大气，距离的均匀介质例如大气，衰减后得到能量衰减后得到能量I adxIdIxx加入均匀介质的属性，即消光

25、系数加入均匀介质的属性，即消光系数a )exp(0axII贝尔提出了消光系数贝尔提出了消光系数a是与介质的浓度是与介质的浓度C成正比成正比 aCdxIdIxxtln00透过率aCxeIIaCxII2626把此公式应用到光线穿过树冠时的情形，会出现下面情况把此公式应用到光线穿过树冠时的情形，会出现下面情况 ：叶子的多少？叶子角度分布？叶子之间是否重叠？叶子的多少？叶子角度分布？叶子之间是否重叠？修正大气传输时的消光系数、光学厚度修正大气传输时的消光系数、光学厚度应该是叶面积体密度应该是叶面积体密度叶倾角分布用叶倾角分布用G()表示表示HdzzuL0)(叶子之间是否重叠定义一个聚集指数叶子之间是否

26、重叠定义一个聚集指数 cos/LGgapePLLe贝尔定律贝尔定律真实叶面积指数与有效叶面积指数真实叶面积指数与有效叶面积指数27聚集指数聚集指数 cos/LGeP叶倾角分布为水平分布，即叶倾角分布为水平分布，即G()=cos当当L=1，即只有一层叶子时：，即只有一层叶子时：（1）叶子空间分布为随机时，）叶子空间分布为随机时，=1=1， ，有有37%37%的叶子是的叶子是重叠的。适用于部分农作物的情况；重叠的。适用于部分农作物的情况；（2）叶子空间分布为聚集时，）叶子空间分布为聚集时，111，有小于，有小于37%37%的叶子是重叠的叶子是重叠的。适用于极少数农作物的情况；的。适用于极少数农作物

27、的情况；37. 01e2828 /20sin0.5Gd eLGLGPLGPeP)(cos)(lncos/)()(lncos/eeLdGLdP5 . 0sin)(sincos)(ln2/02/020sincos)(ln2/edPLMiller定律：定律： 借助借助两边同时乘以两边同时乘以sin在积分得：在积分得： LAI2000等仪器的测定原理等仪器的测定原理由贝尔定律由贝尔定律 cos/LGeP贝尔定律适合用贝尔定律适合用TRAC（陈镜明）（陈镜明）29遥感反演遥感反演LAI比较成熟可以用统计模型，也可以用物理模型比较成熟可以用统计模型，也可以用物理模型利用查找表反演利用查找表反演LAI的结果

28、图的结果图 与与TRAC测量的测量的LAI的值对比图的值对比图30（四）植被生产力（四）植被生产力31常用植被生产力术语：常用植被生产力术语：GPP (Gross Primary Productivity)NPP (Net Primary Productivity): NPP=GPP-RaRa: Autotrophic respiration (自养呼吸自养呼吸)，主要取决，主要取决于植被种类、生物量和温度。于植被种类、生物量和温度。NEP (Net Ecosystem Productivity): NEP=NPP-Rh.Ra: Heterotrophic respiration (异养呼吸异

29、养呼吸)，主要，主要取决于土壤有机碳含量、温度、湿度和质地。取决于土壤有机碳含量、温度、湿度和质地。NBP (Net Biome Productivity)： NBP=NEP-De.De: 火灾、虫害和砍伐等导致的碳排放火灾、虫害和砍伐等导致的碳排放32植被生产力统计模型有很多形式，多数都是气候相关模型有很多形式，多数都是气候相关模型 。Miami模型模型 )119. 0315. 1exp(1/(30001Ty)000664. 0exp(1 (30002Py),min(21yyy y1为根据年平均气温计算的为根据年平均气温计算的NPP，gC/(m2a)y2为根据年降水量计算的为根据年降水量计算

30、的NPP， gC/(m2a) 33这类模型大部分是根据经验关系和实测数据建立的区域统这类模型大部分是根据经验关系和实测数据建立的区域统计相关模型，没有研究全球变化和植被之间的响应关系，计相关模型，没有研究全球变化和植被之间的响应关系，不能解释其中的反馈关系和植物的生理反应机制。对于在不能解释其中的反馈关系和植物的生理反应机制。对于在不同的地区和条件下，得到的统计规律缺乏广泛的普适性。不同的地区和条件下，得到的统计规律缺乏广泛的普适性。 )20(0009695. 013000EeNPP2)/05. 11 (105. 1LRRE325253000ttL)20(0009695. 013000EeNP

31、P2)/05. 11 (105. 1LRRE325253000ttL)20(0009695. 013000EeNPP2)/05. 11 (105. 1LRRE Thornthwaite纪念模型纪念模型E为年实际蒸散量；为年实际蒸散量；L为年平均蒸散量；为年平均蒸散量；t为年平均气为年平均气温温()；R为年平均降水量为年平均降水量 (mm)。34光能利用率模型的形式光能利用率模型的形式光合作用子模型光合作用子模型 txWtxTtxAPAPNPPtt,*APAR为植被吸收的光合有效辐射为植被吸收的光合有效辐射:x代表位置；代表位置；t代表时间；代表时间；*为最大光能利用率，即植被将所吸收的光合有效

32、辐射转为最大光能利用率，即植被将所吸收的光合有效辐射转化为有机物的理论最大效率化为有机物的理论最大效率Tt(x,t)为温度对最大光能利用为温度对最大光能利用率的影响；率的影响； Wt(x,t)为土壤水分对植物最大光能利用率的影为土壤水分对植物最大光能利用率的影响。响。APAR(x,t)=PAR(x,t)*FPAR(x,t) *0.5 35 PAR(x,t)是是t月份象元月份象元x处的太阳总辐射量处的太阳总辐射量(MJ/m2)，由太，由太阳总辐射测量站进行阳总辐射测量站进行kriging插值得到；插值得到； FPAR(x,t)为植被为植被冠层对入射光合有效辐射冠层对入射光合有效辐射(PAR)的吸

33、收比例；常数的吸收比例；常数0.5表表示植被所能利用的太阳有效辐射示植被所能利用的太阳有效辐射(波长为波长为0.40.7微米微米)占占太阳总辐射的比例。植被对太阳有效辐射的吸收比例太阳总辐射的比例。植被对太阳有效辐射的吸收比例(FPAR)取决于植被类型和植被覆盖状况。由遥感数据得取决于植被类型和植被覆盖状况。由遥感数据得到的归一化植被指数到的归一化植被指数(NDVI)能很好地反映植物覆盖状况。能很好地反映植物覆盖状况。模型中模型中FPAR由由NDVI和植被类型两个因子来表示：和植被类型两个因子来表示： minmin,max,minmaxmin,),(,FPARNDVINDVIFPARFPARN

34、DVItxNDVItxFPARiiiFPARmax与FPARmin与植被类型有关，0.95与0.001txWtxTtx,*用温度胁迫因子和水分胁迫因子计算实际光能利用率用温度胁迫因子和水分胁迫因子计算实际光能利用率36iigimgmaRRRRR)(,呼吸作用子模型呼吸作用子模型植物的自养呼吸区分为维持性呼吸和生长性呼植物的自养呼吸区分为维持性呼吸和生长性呼吸吸 植物呼吸可以用统计模型和物理模型进行计算植物呼吸可以用统计模型和物理模型进行计算aRNPPGPP37过程模型：过程模型：BIOME-BGC模型、模型、BEPS模型、模型、inTEC模型、模型、TME模型、模型、DEMETER模型，以及模

35、型，以及BATS模型、模型、SIB模型、模型、SIB2模型、模型、CLASS模型、模型、IBIS等等 38段时间步长段时间步长 BEPS（Boreal Ecosystem Productivity Simulator ）模型）模型将冠层分为阴叶和阳叶两部分将冠层分为阴叶和阳叶两部分,分别计算光合与蒸散分别计算光合与蒸散,进行叶进行叶片到冠层的转换；片到冠层的转换；BEPS模型由瞬时到天的时间尺度转换参模型由瞬时到天的时间尺度转换参见见Chen et al.,1999, Ecological Modelling39BEPS模型初步结果：模型初步结果：计算NEP还需要结合BIOME-BGC、Cen

36、tury模型模型计算土壤呼吸40l健康的绿色植健康的绿色植物具有典型的物具有典型的光谱特征。遭光谱特征。遭受病虫害的植受病虫害的植物其反射光谱物其反射光谱曲线的波状特曲线的波状特征被拉平。征被拉平。41土壤是在地形土壤是在地形, ,气候等多种成土因素的综合作气候等多种成土因素的综合作用下形成的用下形成的. .在遥感影象上，不同的土壤类型在遥感影象上，不同的土壤类型的特征，不如水体的特征，不如水体, ,植被等要素明显，而且，植被等要素明显，而且，土壤的性状主要表现在剖面上，而不是在土土壤的性状主要表现在剖面上，而不是在土壤的表面。壤的表面。土壤类型和一些参数信息提取主要通过综合土壤类型和一些参数

37、信息提取主要通过综合分析，并依靠间接解译标志。分析，并依靠间接解译标志。42地表植被稀少的情地表植被稀少的情况下，土壤况下，土壤 的光谱的光谱曲线与其机械组成曲线与其机械组成和颜色密切相关和颜色密切相关. .土壤表面有植被覆土壤表面有植被覆盖时盖时, ,覆盖度小于覆盖度小于15%,15%,光谱特征与裸光谱特征与裸土相似土相似; ;在在15%-70%,15%-70%,表现为混合光谱表现为混合光谱. .431450nm1800nm是区分土壤含水量的最佳光谱范围，是区分土壤含水量的最佳光谱范围，据此选择遥感变量据此选择遥感变量 ，构建统计模型，构建统计模型441、一般统计模型：、一般统计模型：根据不

38、同土壤含水量下的土壤光谱特征，在根据不同土壤含水量下的土壤光谱特征，在14501800nm光谱范围内选取波段数据直接与土壤含水量通光谱范围内选取波段数据直接与土壤含水量通过多元回归分析的方法建立经验关系式，以高光谱为例：过多元回归分析的方法建立经验关系式，以高光谱为例：W=6.618+0.0156B1-0.02B2式中，式中，W是土壤含水量，是土壤含水量，B1、B2是在是在14501800nm光光谱段内选取若干波段后，分成两组求平均，拟合的复相谱段内选取若干波段后，分成两组求平均，拟合的复相关系数为关系数为0.921。2、热惯量模型、热惯量模型 热惯量是表示物体阻碍其自身热量变化的一种量度。是

39、热惯量是表示物体阻碍其自身热量变化的一种量度。是热红外遥感的基础。热红外遥感接收物体的热量变化，热红外遥感的基础。热红外遥感接收物体的热量变化，从而得到地物的热惯量，根据不同地物的热惯量特性对从而得到地物的热惯量，根据不同地物的热惯量特性对地表进行研究。地表进行研究。45土壤热惯量是土壤的一种热特性，它是引起土壤表层温度土壤热惯量是土壤的一种热特性，它是引起土壤表层温度变化的内在因素变化的内在因素, 它与土壤含水量有密切的相关关系它与土壤含水量有密切的相关关系, 同时同时又控制着土壤温度日较差的大小。而土壤温度日较差可以又控制着土壤温度日较差的大小。而土壤温度日较差可以由卫星遥感资料获得，因此

40、，使热惯量法研究土壤湿度成由卫星遥感资料获得，因此，使热惯量法研究土壤湿度成为可能。为可能。KcP K为热传导系数，为热传导系数，c为比热容，为比热容，为密度。为密度。因为因为K、c、都难以同遥感信息对应。许多研究人员都难以同遥感信息对应。许多研究人员(田田国良、肖乾广，国良、肖乾广，1990；马霭乃，；马霭乃，19911997)从热传导从热传导方程出发经理论推导得到下式方程出发经理论推导得到下式热惯量：热惯量：)(1PfTA46式中式中,A为反照度为反照度,T为地面昼夜温差，为地面昼夜温差，P为热惯量，并将为热惯量，并将（1-A）T定义为表观热惯量，定义为表观热惯量，（1-A）T的值随的值随

41、P的增大单调上升，的增大单调上升，（1-A）T值的大小反映热惯量值的大小反映热惯量P的的相对大小。相对大小。W=a+b*（1-A）T ）)(RWAnn)()(,nsensenQQWA=0.423Vis+0.577Nirse是太阳分光辐射照度是太阳分光辐射照度 47481 1、根据作物的色调、图形结构等差异大的物候期的遥感、根据作物的色调、图形结构等差异大的物候期的遥感时相和特定的地理位置等的特征，将其与其他植被分开。时相和特定的地理位置等的特征，将其与其他植被分开。 获得农田分布图。获得农田分布图。2 2、利用高时相分辨率的卫星影象对作物生长的全过程进、利用高时相分辨率的卫星影象对作物生长的全

42、过程进行动态监测行动态监测 得到植被指数：比值植被指数、归一植被指数、差值植得到植被指数：比值植被指数、归一植被指数、差值植被指数、被指数、垂直植被指数。垂直植被指数。3 3、建立农作物估产模式、建立农作物估产模式 用选定的植物灌浆期植被指数与某一作物的单产进行回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，得到统计模型。归分析，得到统计模型。49作物估产模型：作物估产模型：气象模型气象模型农学模型农学模型遥感模型。用遥感数据提取变量作为农学模型的输入。遥感模型。用遥感数据提取变量作为农学模型的输入。作物产量构成的三要素：作物产量构成的三要素：亩穗数、穗粒数和千粒重亩穗数、穗粒数和千

43、粒重所以，作物估产类似于植被生产力模型。所以，作物估产类似于植被生产力模型。5036. 0152. 0603. 0hpPVIPVIY57. 0436. 0118. 2186. 1dhpPVIPVIPVIY12. 1087. 0076. 009. 024. 0mdhpPVIPVIPVIPVIY08. 0487. 0535. 0144. 1882. 0mdhpPVIPVIPVIPVIY每亩穗数：每亩穗数：每穗实粒数：每穗实粒数：千粒重：千粒重：理论产量：理论产量：注：注：（1）引自江苏省水稻研究所研究课题）引自江苏省水稻研究所研究课题（2）公式中下标）公式中下标p、h、d和和m 分别表示穗分化期、齐穗分别表示穗分化期、齐穗期、灌浆期和乳熟期。期、灌浆期和乳熟期。51四、城市热岛效应研究四、城市热岛效应研究DNLLTMLTMLb2556)6(minmaxmin) 1/ln() 1/ln(215112bbLkkLCCT如果用如果用ETM：Lmax =12.605 Lmin=3.200如果用如果用TM： Lmax =1.5600，Lmin=0.1238， K1与与K2为校正系数，为校正系数， k1=1260.56，k2=60.766这种不考虑大气等各种影响因素，并假设地物为全辐射体这种不考虑大气等各种影响因素，并假设地物为全辐射体的前提下，通过地表的辐射亮度求出地表温度