第三章遥感的应用-2016

第三章遥感的应用内容3.1水体遥感基础3.2遥感在水体上的应用3.3植被遥感基础及应用3.4遥感在城市中的应用3.1水体遥感基础电磁波在水体中的辐射传输过程影响传感器接收到的水体光谱的因素出水辐射反射率的求算3.1水体遥感基础电磁波在水体中的辐射传输过程3.1水体遥感基础影响传感器接收到的水体光谱的因素入射光太阳直射光天空光3.1水体遥感基础影响传感器接收到的水体光谱的因素镜面反射光镜面反射具一定的方向性，也称太阳耀斑当有风浪时，镜面反射会向所有方向扩散并有一部分进入传感器。实际情况中，完全没有浪的情况极小因水反射率极低，而镜面反射很强，很容易接近甚至超过正常水反射率的量级，故不应被忽略。3.1水体遥感基础影响传感器接收到的水体光谱的因素镜面反射光镜面反射结果使水体反射率增大使进入水中的入射辐照度减小镜面反射特点使入射光能量（辐照度）减少各波段的反射率近相等。故反射光为白色3.1水体遥感基础影响传感器接收到的水体光谱的因素水的折射入射光在水面会发生折射折射角度与折射率有关折射定律（斯涅耳Snell定律）表征了入射角与折射角的关系：

n1sinθi=n2sinθt

其中n为折射率。空气：0.000292，水：1.333θiθrθt3.1水体遥感基础影响传感器接收到的水体光谱的因素水体散射光光折射到水中后，在水中传播的过程中发生的散射散射光中，有一部分向上射出水面进入大气被传感器所接收。这部分光是构成水体反射率的主要成分，常称出水反射率散射光除了与水的性质、水深有关外，还与水中杂质的性质和含量有关，即具有水质的性质，是水质遥感的基础清洁水的散射即水分子散射，散射性质为瑞利散射3.1水体遥感基础影响传感器接收到的水体光谱的因素水底反射光总有一部分光穿透水体到过水底，然后又有一部分被水底反射，再向上穿过水体射向大气，被传感器所接收，为水底反射光这部分反射光除了与水散射、吸收性质有关外，更取决于水深、水底质反射率，是水深和底质遥感的基础当水深不大时，水底反射光必须另以考虑。但当水深较大（一般大于5米），水底反射光可以忽略3.1水体遥感基础出水辐射率的求算求算步骤辐射定标大气校正镜面反射的消除3.1水体遥感基础出水辐射率的求算镜面反射的消除去除大气影响后，则可获得水的综合反射率由于镜面反射的影响，水面反射辐射由出水反射辐射和镜面反射辐射两部分组成（在水较深的情况下），相应的反射率为出水反射率；为镜面反射率；为水面透过率，表征水面镜面反射对入射光的削减，由下式计算为水面各方向太阳镜面反射率的平均，通常取0.063.1水体遥感基础出水辐射率的求算镜面反射的消除水面镜面反射率与波长无关。对红外波段的TM5和TM7，水为强吸收，基本为零，故，因此每个波段减去TM5计算的反射率可得到出水反射率,即3.2遥感在水体上的应用水体富营养化遥感监测悬浮泥沙遥感监测3.2遥感在水体上的应用水体富营养化遥感监测当大量的营养盐进入水体后，在一定条件下会引起藻类的大量繁殖，而后在藻类死亡分解过程中消耗大量溶解氧，从而导致鱼类和贝类的死亡。这一过程称为水体的富营养化。反映水体富营养化程度的最主要因子是叶绿素，其中又以叶绿素-a最为突出。3.2遥感在水体上的应用水体富营养化遥感监测叶绿素遥感是基于不同浓度浮游植物有着不同的辐射光谱特性。不同浓度浮游植物的光谱特征曲线在0.44m处出现明显的吸收（辐射微弱）；在0.52m处出现“节点”。在“节点”处，该处水面反射率与叶绿素浓度关系不大。在0.55m附近，普遍出现辐射峰值。而且水体叶绿素浓度越高，其辐射峰值也越高。这就是叶绿素遥感的波谱基础。不同叶绿素含量水面光谱曲线3.2遥感在水体上的应用水体富营养化遥感监测可以通过多波段传感器的可见光和红外的增强彩色影像，发现赤潮的存在，受其影响的沿岸或港湾水域在此类影像中以鲜明的橙红色显示出来。对于富营养化信息的提取，可以通过现场叶绿素生物量和蓝藻生物量数据采样，并用采样数据与特定的遥感数据反映的水体绿度指数，建立遥感回归模型，从而可得出水体中叶绿素及生物量的空间分布信息，并计算出叶绿素及蓝藻生物总量，可达到较高精度，由此发现和监测水体富营养化。3.2遥感在水体上的应用悬浮泥沙遥感监测由于自然因素和人类活动造成水土流失、河流侵蚀等，河流带走了大量泥沙入湖、入海，是水中悬浮固体物质的主要来源。这些泥沙物质进入水体，引起水体的光谱特性的变化。水体反射率与水体混浊度之间存在着密切的相关关系。

随着水中悬浮固体浓度的增加，即水的混浊度的增加，水体在整个可见光谱段的反射亮度增加，水体由暗变得越来越亮，同时反射峰值波长向长波方向移动，即从蓝（B）→绿（G）→更长波段（0.5μm以上）移动，而且反射峰值本身形态变得更宽。3.2遥感在水体上的应用悬浮泥沙遥感监测图为遥感试验对7种不同悬浮固体浓度的水库进行反射率测定，所得的水体反射光谱曲线与泥沙浓度的关系。图中所示，随着水中悬浮固体浓度的增加及泥沙粒径的增大，水体的反射率增大，反射峰值向长波方向移动，但由于受到0.93μm、1.13μm红外强吸收的影响，反射峰值移到0.8μm终止（可能有系统误差）

水库中不同悬浮固体浓度水体的反射率3.2遥感在水体上的应用悬浮泥沙遥感监测一般说来，对可见光遥感而言，波长0.58~0.68μm对不同泥沙浓度出现辐射峰值，即对水中泥沙反映最敏感，是遥感监测水体混浊度的最佳波段。当然泥沙含量的多寡具有多谱段响应的特性。因而水中悬浮固体含量信息的提取，除用可见光红波段数据外还多用近红外波段数据（与红波段数据正相反，其光谱反射率较低，且受水体悬浮固体含量的影响不大），利用两波段的明显差异，选用不同组合可以更好地表现出水中悬浮固体分布的相对等级。3.3植被遥感基础及应用3.3.1植被光学特性3.3.2植被指数3.3.1植被光学特性

叶片的成分和结构叶片的成分主要由叶绿素组成——可见光波段的主要吸收成分其次水分——红外波段主要吸收成分再次纤维素——反射率与土壤相似叶黄素——植物衰老期含量增加，反射率与土壤相似少量花青苷——使紫色少量蛋白质3.3.1植被光学特性叶片的成分和结构叶片的结构叶片主体由许多紧密排列的（多为柱状）小腔室组成入射光在腔壁之间发生多重反射，使可见光被叶绿素充分吸收；短波近红外却吸收得很少，多次反射使其向四面散去叶片上下表面具有薄层蜡质，以叶背面较厚，导致其在可见光反射率略高3.3.1植被光学特性叶片的光谱曲线特征叶子各种色素细胞构造含水量控制叶子反射率的主要因素

叶绿素吸收带水吸收带3.3.1植被光学特性植被结构生物学定义：构成一个地段的空间构造，也可以指一个植被型或一个植物丛的空间构造植被结构主要成分：生长性、成层性和覆盖度遥感定义侧重于植被与光辐射的相互作用，即植物的形状、尺寸、几何和外部结构3.3.1植被光学特性植被结构单植株：外为丛生的叶，内为枝、茎、干，特殊阶段还有花、果植物群落：连续植被——植株间以相似的密度连续分布，没有明显的空隙不连续植被——即稀疏植被，植株间或了群落之间有明显的空隙3.3.1植被光学特性植被结构丛生叶子的影响植被的反射面不再是一个平面，而是由许多间断小面组成的不连续曲面，使对入射光的反射复杂化使植物叶间发生多次散射植株、叶丛的三维结构导致阴影的出现3.3.1植被光学特性植被结构连续植被：如草地、农作物等其密度能常用叶面积指数（LAI）来表征，LAI是植被组分的面积（单面）与其下的地表面积之比。LAI是一个植被指数，对植被生长及水分蒸发的情况及生物量关系有密切的关系，是一个重要的参数。不连续植被：如疏林地等最明显的特点是植株间有明显的空隙，一部分阳光常可以不穿过植被而直接到达地面，同时植株有明显的承照面和阴影面和投影阴影。植被结构植物叶子的形状（用叶倾角分布LAD表示）叶片大小（用叶面积指数LAI表示）植被冠层的形状、大小（植被整体形状）植被冠层几何与外部结构成层现象（涉及多次散射）覆盖度（涉及间隙率、阴影）3.3.1植被光学特性3.3.1植被光学特性“红边位移”现象红边红光区外叶绿素吸收减少部位（约<0.7um）到近红外高反射肩（>0.7um）之间健康植物的光谱响应陡然增加的这一窄条带区红边图8.4植被红边示意图3.3.1植被光学特性“红边位移”现象红边位移作物快成熟时，其叶绿素吸收边向长波方向移动，即“红移”其他植物也存在红移，且红移量随植物类型而变化“红移”出现的重要原因是植物成熟或受胁迫时叶黄素逐步代替叶绿素所致红移可以用来评价作物间的差异以及某一特定作物成熟期的开始对于植物来说，可以作为植物受压抑（胁迫状态）的表现3.3.2植被指数植被指数的基础植被在可见光、近红外波段的反射特征的明显差异性该反射特性与植被的覆盖度、生长状态等明显相关绿色植物在可见光红波段（0.6-0.7um）强吸收，在近红外波段（0.7-1.1um）高反射和高透射植被指数大多基于红光波段和近红外波段3.3.2植被指数比值植被指数（RVI-RatioVegetationIndex）近红外波段(NIR)与红光波段(R)的比值DN：灰度值ρ：地表反射率比值能反映植被覆盖度、健康程度健康的、覆盖度高的植被RVI高，一般植被的RVI高于2，土壤近于1RVI与叶面积指数、叶干生物量、叶绿素含量相关性很高3.3.2植被指数归一化植被指数（NDVI-NormalizedDifferenceVegetationIndex）近红外波段(NIR)与红光波段(R)组合运算的比值是比值植被指数（RVI）的归一化处理3.3.2植被指数归一化植被指数（NDVI）是植被生长状态和植被覆盖度的最佳指示因子可以部分消除与太阳高度角、卫星观测角、地形、云、阴影和大气等的影响取值范围在[-1,1]云、水、雪等<0岩石、裸土近于0植被>0，值越大，覆盖度越大3.3.2植被指数归一化植被指数（NDVI）NDVI也有缺陷，即对土壤背景的变化比较敏感实验表明：作物生长初期，NDVI会过高估计植被覆盖度作物生长后期，NDVI对植被检测灵敏度下降，会低估植被覆盖度NDVI适用于植被发育中期，或中等覆盖度的植被检测3.3.2植被指数差值植被指数（DVI-DifferenceVegetationIndex）近红外波段（NIR）与红光波段（R）数值之差对土壤背景的变化极为敏感，有利于对植被生态环境的监测，又称环境植被指数（EVI）当植被覆盖浓密（>=80%）时，对植被灵敏度下降，适用于植被发育早—中期，或低—中覆盖度的检测3.3.2植被指数由于土壤在红光波段和近红外波段的反射都较强，因此NDVI、DVI等植被指数在植被非完全覆盖的情况下，均受土壤背景的影响大以下两个植被指数较好的消除了土壤的影响3.3.2植被指数缨帽变换中的绿度植被指数（GVI）通过变换得到亮度、绿度、土壤湿度三组分绿度和湿度分别代表植被和土壤植被和土壤的光谱特征得到了分离GVI受大气浑浊度、光照条件等外界条件的影响3.3.2植被指数垂直植被指数指数建立基础为了消除植被的背景（水体、学、各类土壤、落叶等）的影响研究表明，土壤在红光波段（R）与近红外波段（NIR）的反射率具有线性关系土壤（植被背景）光谱特性的变化，表现为一个由近于原点发射的直线，称为“土壤线”（见图8.5），可表示为IR=aR+b3.3.2植被指数如图8.5：植被背景均表现在基线（土壤线）上所有的植被像素均分布在基线上的NIR一侧绿色光合作用越强，离“土壤线”越远在该图中，植被像元的表现特征是叶子光学特征、生物量、叶冠结构参数的函数图8.5二维土壤光谱线3.3.2植被指数垂直植被指数垂直植被指数（PVI-PerpendicolarVegetationIndex）是在R、NIR二维数据中对绿度植被指数（GVI）的模拟，两者物理意义相似基于图8.5，把植物像元到土壤亮度线的垂直距离定义为垂直植被指数，表示为S：土壤反射率V：植被反射率R：红波段NIR：近红外3.3.2植被指数垂直植被指数也可将PVI定义为b:土壤基线与NIR反射率纵轴的截距θ：土壤基线与R光反射率横轴的夹角PVI较好地滤除了土壤的影响，且对大气效应的敏感程度也小于其他植被指数被广泛应用于大面积作物估产3.4城市遥感应用3.4.1监测城市扩张3.4.2城市热岛效应的监测3.4.3其他应用3.4.1监测城市扩张监测城市扩张城市扩张在遥感影像上体现为城市面积的不断扩大，特别是城镇建筑用地的不断扩张。基于遥感影像上提取城镇用地通常是通过识别城镇用地的特征而获得的。提取城镇用地信息的方法主要有目视解译手工数字化的方法，计算机监督分类和非监督分类的方法和基于光谱特征知识的分类方法。3.4.1监测城市扩张监测城市扩张目前，有几种指数用来提取建筑物信息，这几种方法源于对NDVI的深入分析。NDVI之所以能有效提取植被，是因为植被在TM4上值大于TM3，而其它地物的DN值都变小。因此在NDVI图像上一般值大于0的地物都是植被。3.4.1监测城市扩张

由此得到启发，在TM4和TM5波段之间除了城镇用地DN值、裸地、低密度植被覆盖区走高之外，其他地物DN值都变小。因此，出现了基于此原理的三种模型3.4.1监测城市扩张归一化建筑建筑指数（NDBI）

NDBI=（TM5-TM4）/（TM5+TM4）

判断依据：NDBI>0

缺陷：包含裸地以及含土壤背景信息的低密度植被覆盖区3.4.1监测城市扩张改进的归一化裸露指数（MNDBI）

MNDBI=NDBI+(1-NDVI)

原理：

1）NDVI反映的是植被信息，那么（1-NDVI）反映的就是非植被信息，即主要是居民地、裸地以及河流。

2）NDBI反映的是城镇和裸地信息

判断依据：MNDBI>阀值

改进：突出了建筑物信息，使其与周围信息反差增大

缺陷：需要不断人为尝试选取MNDBI的阈值，最终获得较好的提取效果，受人为影响较大3.4.1监测城市扩张监测城市扩张城镇用地指数（ULI）原理：将NDBI与NDVI结合起来。

1）由于NDBI得到的城镇包含有低植被覆盖区

2）NDVI可以将低植被覆盖区与城镇和裸地区分开改进：进一步将低植被覆盖区与城镇分开缺陷：还不能完全区分城镇和裸地NDBI与ULI在提取城镇用地中的精度对比3.4.1监测城市扩张3.4.1监测城市扩张方法名称作者公式优点缺点归一化建筑建筑指数（NDBI）查勇，杨山等（2003）（TM5-TM4）/（TM5＋TM4）相对于传统方法快速有效，提取精度较高，结果较为客观，可信提取结果包含低密度植被区、裸地信息改进的归一化裸露指数（MNDBI）吴宏安，蒋建军等（2005）NDBI+(1-NDVI)相对NDBI更加突出了城镇用地信息，提取结果得到改善需要人为设定阈值，结果受主观因素影响；提取结果包含低密度植被区、裸地信息城镇用地指数（ULI）徐军，蒋建军等（2007）NDBI&NDVI相对NDBI去除了低密度植被区的影响，提取精度得到提高，结果客观、可信，是一种自动提取城镇用地的方法提取结果仍含有裸地信息3.4.2城市热岛效应的监测地表温度的求算辐射定标

L=a*DN+b（a,b由头文件中可得）辐射校正辐射校正后的到的Tb是指的亮温亮温：亮度温度，指和被测物体具有相同辐射强度的黑体所具有的温度。

3.4.2城市热岛效应的监测地表真实温度的求算

（*）

其中，为地表比辐射率地表比辐射率：物体在温度T，波长λ处的辐射出射度与同温度，同波长下的黑体辐射出射度的比值。

(*)参考文献：陈云浩，史培军，李晓兵.基于遥感和GIS的上海城市空间热环境研究[J].测绘学报，2002，31（2）：139-144.3.4.2城市热岛效应的监测地表真实温度的求算地表比辐射率的求算*地表比辐射率主要取决于地表的物质结构和遥感器的波段区间从卫星像元的尺度来看,可以大体视作由3种类型构成:水面、城镇和自然表面。水面结构简单；城镇包括城市和村庄,主要由道路、各种建筑和房屋组成；自然表面主要是指各种天然陆地表面、林地和农田等。

(*)参考文献：贾志豪，李文娟等，陆地卫星TM6波段范围内地表比辐射率的估计[J].国土资源遥感，2004，9：28-32.3.4.2城市热岛效应的监测地表真实温度的求算地表比辐射率的求算自然表面比辐射率对于地表温度反演来说,自然表面通常占图像比例最大,因而也是我们考虑的重点。组成自然表面的像元可以简单地看作是由不同比例的植被叶冠和裸土组成