高光谱遥感及其在环境科学研究中

高光谱遥感

及其在环境科学研究中的应用LectureforUndergraduatesonNewEnvironmentalTechnologyHyperSpectralResolutionRemoteSensing&ItsApplicationinEnvrionmentalResearch高光谱遥感--HyperspectralImagingAllobjectsreflect,absorb,oremitelectromagneticradiationbasedontheircomposition.Ahyperspectralsensor,usingreflectedsolarradiation(0.4micrometers-2.5micrometerswavelengthrange),capturestheuniquespectra,or'spectralsignature',ofanobject,whichcanthenbeusedtoidentifyandquantifythematerial(s)ofwhichitiscomposed.Figure1:TypicalHyperspectralFrequencyBandsVis---Visible

NIR---Nearinfrared

SWIR---Shortwavelengthinfrared

MWIR---Mediumwavelengthinfrared

LWIR---Longwavelengthinfrared(EconomicandMarketAnalysisCentre,UnitedStatesAirForce)TheelectromagneticspectrumcoveredbyarangeofhyperspectralimagersisshowninFigure1.Hyperspectralimagerstypicallycollectdataincontiguousnarrowbands(uptoseveralhundredbands)intheelectromagneticspectrum.Theyproducevastquantitiesofdatabecauseofthenumberofbandssimultaneouslyimaged(Figure2).Figure2.HyperspectralImagingTypically,theanalysisofahyperspectralsceneinvolvesthedecompositionofeachpixelintheimageintoitsconstituents,wherethesearerepresentedbyspectraofrelativelypurematerial,whicharethemselvesextractedfromthescene.Theidentityoftheseconstituentsisdeterminedbycomparisonwith'library'spectraofknownmaterialsmeasuredinthefieldorinthelaboratory.Hyperspectraldatawillenabletheidentificationofterrestrialfeatureswithgreateraccuracyandthecapabilityofdevelopinguniqueimageproductsnotpossibleusingthecurrentgenerationofspacebornesensors.Aspacebornehyperspectralsensorwillbeanenablingtoolusedtomonitorbothstaticanddynamictargetsathighspectralandspatialresolution.TheNASAEO-1Hyperionsensorwasthefirstsatellitetocollecthyperspectraldatafromspace(November2000).Therearecurrentlynocommercialspacebornehyperspectralsensorsinorbit,althoughsomeareplanned.TheHyperioninstrumentaboardNASA'sEO-1satelliteseestheEarthfromspaceinanewway.itdetects220distinctwavelengthsoflight.Somany,infact,thatitobservesavirtuallycontinuousspectrumoflightfrom.4µm(blue)to2.5µm(mid-infrared).Knownashyperspectraldata,Hyperion'smeasurementswillenablescientiststodistinguishdifferenttypesofsurfacefeatures—notonlyvegetationfromwater,butalsosoybeansfromcorn,pinetreesfromoaks,andsandfromdust.EO-1willflytwominutesbehindLandsat-7alongtheexactsamegroundtrack.(ImagebyChrisMeaney,GSFCStudio13)TheBenefitsofSpaceborneHyperspectralImagingspacebornehyperspectralsensorswilloffercertainadvantagesoverairbornehyperspectralsensorsandconventionalmulti-spectralsatellites:Hyperspectraldatacanbeacquiredanywheregloballyatlowcosttotheenduser.Aspacebornesensorwillhaveawelldefinedsun-synchronousorbit,ensuringconsistentilluminationcharacteristics.SpacebornehyperspectraldatawillprovideuniquecapabilitiestodiscernphysicalandchemicalpropertiesofEarthsurfacefeaturesnotpossibleusingcurrentbroad-bandmulti-spectralsatellites.TheUseofHyperspectralImagingforTheEnvironmentEnvironmentalapplicationsinwaterresources,forestryandagriculturearecoveredinreports.Thefollowingtopicsareaddressed:Wetlands,Minewastemanagement/reclamation,Landdegradationandsoilsmapping,andClimateChange.高光谱遥感在生态环境监测方面的应用生物多样性监测湿地生态系统简介湿地生态系统调查土壤退化土壤类型图编制土壤有机质含量反演农田残留物覆盖填图植被重金属污染监测植被重金属污染高光谱监测原理植被重金属污染高光谱监测案例当前全球面临的主要生态环境问题也括：臭氧层破坏、全球变暖森林破坏与生物多样性减少大气及酸雨污染淡水资源危机土地荒漠化国际水域与海洋污染有毒化学品污染和有害废物越境转移等。遥感作为一种物理手段、数学方法和地学分析为根底的综合性应用技术，其最大优势在于强大的数据获取能力，通过该方法可以及时获得大范围、多时相、多波段的地表信息，为不同时序上从局域到全球各种现象的综合分析创造了条件。国内外遥感生态环境监测研究比较集中、成熟的有：土地利用／土地覆盖变化监测生物多样性监测城市生态环境变化监测以及生态环境灾害监测水环境监测大气污染监测等。高光谱分辨率遥感技术所具有的光谱划分精细、数据信息丰富等独特性能，以及在地表物质的识别和分类、有用信息的提取方面与其他技术相比所具有的优势，使得这一技术在生态环境监测上有着巨大的应用潜力。本讲只从生物多样性监测、其他有关生态环境灾害监测方面进行简要论述。1.生物多样性监测目前，人家公认的生物多样性按照空间尺度可划分为4个层次，即遗传(基因)、物种、生态系统和景观4方面多样性(马克平，1993)。生物多样性是衡量生态环境质量的一个极其重要的指标。生物多样性是地球上数十亿年来生命进化的结果，是生物圈的核心组成局部，也是人类赖以生存的物质根底。然而，随着人口的迅速增长与人类活动的加剧，生物多样性受到了严重的威胁，成为当前世界性的环境问题之一，受到国际社会的普遍关注。湿地作为表达生物多样性的一个重要生态系统，其监测与保护也具有非常重要的意义。及时、准确、动态地获取生物多样性现状和变化信息并对导致其变化的因素做出分析与评价，在目前生物多样性研究与保护中具有重要的意义。传统的调查方法，主要是利用野外抽样调查、室内试验和各地调查数据的手工聚集等方法获得生物多样性数据，数据的现势性、准确性和可靠性受到极大的限制．难以满足不断深入的生物多样性研究与保护的要求。近年来，遥感(RS)、地理信息系统(GIS)、全球定位系统(GPS)的开展与广泛应用，为生物多样性调查与研究带来了新的思路与方法，遥感技术主要应用于物种多样性、生态系统多样性及景观多样性的研究。湿地生态系统简介湿地一般是指地表水、陆两种界面交互延伸的一定区(地)域，包括湖泊、沼泽、海岸滩涂等，是地球上一种独特的生态系统，由于其特有的自然环境条件而孕育着丰富的自然资源，对保护生物多样性至关重要。同时，它在修养水源、蓄洪防旱、降解污染物、防止自然灾害等方面具有其他生态系统不可替代的作用。因此，湿地具有“自然之肾”的美誉，掌握湿地的面积和该生态系统中各种植被群落的分布是研究生物多样性的重要内容。我国湿地主要具有5个显著特点。一是类型多：《湿地公约》划分的40类湿地在我国均分布，是全球湿地类型最丰富的国家。二是面积大：仅自然湿地就有3620万公顷。三是分布广：从寒温带到热带，从沿海到内陆，从平原到高原都有分布。四是区域差异显著：东部地区河流湿地多，东北部地区沼泽湿地多，长江中下游和青藏高原湖泊湿地多等。五是生物多样性丰富：湿地生境类型众多，不仅物种数量多，且许多为中国特有。目前，由于盲目开发，局部湿地已经遭到破坏，如与杭州西湖一山之隔的西溪，曾拥有占地近24平方公里的湿地，但如今已成为工农业废水、生活污水的承接体，其调节杭城气候、抵御洪涝灾害、保持动植物多样性的自然生态区逐渐消失了。因此，我国的湿地保护已经成为国际湿地和生物多样性保护的热点地区。在HITA报告中(McDonald，DettwillerandAssociates,Ltd.1998)列出了湿地专家需要的信息包括：湿地边界划分植被制图土地利用制图与规划生物群落分类水质填图等。湿地生态系统调查SchmidtKS＆SkidMoreAK对荷兰waddenze湿地27种盐沼植被类型的反射光谱进行分析，发现这27种植物物种类型的反射光谱是不同的，而且通过一种光谱去包络的标准化过程，这种差异可以放大，最后利用Bhattacharyya(BH)和Jeffries-Matusita距离测定法，确定了6个波长来划分这些植被类型。因此，可以认为，根据高光谱遥感影像获取同步测定的植被广谱数据库来鉴别物种类别完全是可能的。Kokaly等〔2003〕在美国国家黄石公园做的植被制图的研究进一步验证了该观点。加拿大遥感中心〔://〕利用紧密型航空成像光谱仪CASI图像数据成功地对Labrador湿地进行了土地覆盖分类，为实地环境监测与质量评价提供了依据。(ImagecourtesyofCanadaCentreforRemoteSensing,NaturalResourcesCanada)Figure3.WetlandmappinginLabradorusinghyperspectralcasidata.1995年12月，作为中国国家遥感中心研究开展部的中国科学院遥感应用研究所与日本宇宙开发事业团合作在我国江西鄱阳湖市地开展了航空遥感试验，进行了鄱阳湖实地植被遥感监测研究。实验中采用了中国科学院上海技术物理研究所研制的模块式航空成像光谱仪〔MAIS〕，在光谱区域440~2491纳米选择了30个波段成像。基于MAIS数据，经过反射率定标，采用导数光谱波形匹配模型和光谱夹角填图方法，成功地对鄱阳湖实地生态系统进行了分类，分类结果如图7.2所示。所分类型为黎蒿-苔草混合群丛、黎蒿群丛、滩洲苔草群丛、河漫滩苔草群丛、坡地高苔草群丛、湖滩旱苗萝群丛、苔草-茭白混合群丛、英白-碎米莽混合群丛、芦苇群丛、白沙质和河滩地、潮湿沼泽或浅水区、水域等12个类型。这是利用常规宽波段遥感数据和传统的方法在研究区很难得到的结果，对一些植物成像光谱物种的分类可以精细到亚类。生物量生物量是植物组织的重量。是有植物光合作用的干物质积累而来，叶面积指数与植被覆盖度均是生物量的重要指标。由于植被的可见光与近红外光谱的变化〔累积植被指数〕与植被冠层吸收光合有效辐射〔FAPAR〕能力有关，而他们又与干物质生产有关，可用于遥感估产，并可反过来了解植被的生长状况〔生产力〕。这是目前基于植被指数〔VI〕建立半经验模型进行遥感估产的理论根底。生物量监测Wlegaind等〔1991〕用光谱成分分析法〔SCA〕，建立了植被指数累计量〔∑VI〕、冠层吸收的光合有效辐射累计量〔∑APAR〕及作物生产的干物质量〔△DM〕与作物产量〔Y〕间的关系，即：可见，生物量也是关系植被生产力评估的重要因子之一。在鄱阳湖试验中，通过实地光谱测量数据建立了地面生物量总和Mt与归一化植被因子之间的函数关系：将生物量与归一化植被因子之间的函数关系应用到MAIS图像上，得到如图7.3所示的鄱阳湖实地生物量填图，可以进一步分析生物量或者植被冠层吸收光合有效辐射累积量的空间分布，及其与湿地不同植被群落间的关系。2.土壤退化土壤退化〔SOILdegradation〕(张桃林，2000)时值在各种自然特别是人为因素影响下所发生的导致土壤的农业生产能力或土地利用和环境调控潜力，即土壤质量及其可持续性下降〔包括暂时性的和永久性的〕甚至完全丧失其屋里的、化学的和生物学特征的过程，包括过去的、现在的和将来的退化过程，使土地退化的核心局部。当前因各种不合理的人类活动所引起的土壤和土地退化问题，已严重威胁着世界农业的可持续性。据统计，全球土壤退化面积达1965万平方公里。就地区分布来看，地处热带亚热带地区的亚洲、非洲土壤退化尤为突出，约300万平方公里的严重退化土壤中有120万平方公里分布在非洲、110万平方公里分布于亚洲。就土壤退化类型来看，土壤侵蚀退化占总退化面积的84％，是造成土壤退化的最主要原因之一。就退化等级来看，土壤退化以中度、严重和极严重退化为主，轻度退化仅占总退化面积的38％(GLASOD，1990；OLDEMAN,l991,1994)。土壤学研究工作在过去几十年主要集中在土壤分类和制图(特别是土壤资源清查)、土壤根本物理、化学和生物学性质(特别是土壤肥力性状)；土壤资源开发利用与改进(特别是土壤培肥、盐渍土和红壤的改进等)等方面。利用高光谱数据进行土壤退化、侵蚀调查是高光谱遥感技术的又一用途，并呈现出巨大的应用潜力。土壤类型图编制Palacios—orueta＆Ustin(1996)发现，实验室测定的土样光谱与AVIRIS测得的光谱间相关性很高，说明AVIRIS识别土壤变异的能力可与实验室光谱分析相类比，由此可以利用AVIRIS图像编制土壤类型分布图。DeJong(1992)分析高光谱数据用于地中海地区侵蚀土壤板结和土壤类型成图研究。在地中海地区，土壤退化所具有的普通特征是面状侵蚀、溪沟侵蚀和形成地表板结。地表板结是由于大量的雨水冲刷、地表径流引起并可描述为土壤颗粒的固结。分别选取5种土壤性质不同类型的土样，在实验室用GER光谱仪测定光谱，在野外研究地区同时收集航空GERIS成像光谱数据，以进行土壤光谱分析和编绘土壤类型图和土壤退化图。分析不同土地类型的实验室光谱测量结果说明，近红外NIR和短波红外SWIR上存在着吸收特征的差异。依据位于1000~1100nm和2330—2350nm铁和方解石的吸收特征，很容易区分两种土类：垂直始成土和细土类。这两类土壤可侵蚀的危险性差异很明显，因而用成像光谱数据对它们的侵蚀危险等级填图是可行的。多元分析中的对应分析方法(CA)有助于确定一些提供特殊土壤类型信息的重要波段。利用CA中形成的不同土类和它们相关的光谱段之间的集群分析可以到达这一目的。虽然地表板结不能通过SWIR和NIR吸收特征来与无板结土壤区分，但地表板结通常在SWIR和NIR上的总反照率比起无板结的土壤高出大约12％。研究结果说明，成像光谱学通过光谱的吸收特征的分析可鉴别出主要的土壤类型。进而通过板结与无板结之间反照率的差异也能在NIR和SWIR上将土壤外表有无板结区分开。根据DeJong(1992)的研究结果，利用成像光谱技术进行土壤退化调查可总结为以下4步：(1)利用土壤退化指数确定土壤退化脆弱性及在野外验证；(2)运用多元分析方法分析实验室土类光谱，这种技术有助于选择区分土壤类型的重要波段；(3)将选择波段与光谱库中吸收特征波段匹配，以确定选择波段的吸收特征性质；(4)用实验室光谱匹配航空或航天成像光谱数据进行土壤识别分类并在野外验证。土壤有机质含量反演土壤有机质含量是土壤退化研究中所需要的最重要的信息之一。它是影响土壤肥沃性状的物质根底，也是评价土壤好坏、肥沃性上下的重要标志。作为土壤的重要组成局部，土壤有机质是指土壤中那些生物来源的，主要是植物和微生物来源的物质。土壤有机质不单是植物养分的来源和结构形成的最主要因素，同时对于土壤的理化性质如保水性、热量状况、缓冲性和代换性也有重要的影响。这些特性除有调节和保持植物养分供给的作用外，对消除或减少因污染而进人土壤的有害物质也起着相当重要的作用。土壤有机质含量反演机理土壤光谱反射特性不仅受其有机质的含量影响，而且不同的组成也同样有显著的影响。—般来说，随土壤有机质的增加，土壤的光谱反射率减小。通过比较有机质前后的土壤光谱反射曲线，可以看出，因为有机质对整个VNIR-SWIR光谱区域都具有反射奉献，特别是在可见光波段，从该波段对土壤的有机质含量的研究已经有很多。Baumgardner等(1970)指出假设土壤中所含有的有机质含量低于2％，有机质对土壤的光谱反射率的影响那么很小。Montgomery(1976)说明当土壤中的有机质含量低于9％时，它不能够掩盖其他土壤特性(如水分)对光谱反射率的奉献。Baumgardner等(1985)说明有机质的不同分解水平的三种土壤具有不同的光谱形式、Ben—Dor等(1997)对土壤的有机质分解过程进行了控制实验，并且测定了光谱，揭示了葡萄渣有机质在392天的分解过程中整个VNIR—SWIR区域的明显的光谱变化，指出传统的从反射率估算土壤有机质的含量都会应土壤中有机质的分解阶段影响而出现偏差。土壤有机质含量高光谱反演虽然在土壤中有机质的含量不高，但精确地估算土壤中的有机质含量需要在VNIR-SWIR区域的高光谱分辨率的遥感数据。尽管目前对于有机质含量的反射率反演方法很多．但这些方法具有—定的局限性，当用于评价其他土壤类型的反射率时．会出现较大的误差，而且选取的波段也不一致。Kirshan等(1980)在实验室测定光谱0.4—2.4um范围内有机质含量变化的土壤光谱，并取反射光谱倒数的对数光谱形式，然后求其一阶和二阶微分值，再用逐步回归分析方法找出可以预测土壤有机质含量的最正确波段。他们的研究结果说明，在近红外波长范围0.8—2.4um，没有发现因土壤有机质存在而引起的吸收峰；为预测土壤有机质含量，可见光光谱区域比近红外波长区域更有用。得到的最正确顶测模型为：中科院遥感所刘伟东(2002)使用ASDFr便携式光谱仪对93种枯燥土壤(风干状况)的光谱反射率进行了实验室测定，土壤的有机质含量由专门的土壤实验室测定。在对这93种不同土壤类型的土壤反射率光谱分析其与有机质含量关系根底上，使用土壤的反射率光谱与其倒数的对数光谱，采用微分方法，通过逐步选入波段的方法建立预测方程：反射率与A(反射率倒数的对数)与土壤有机质含量的关系；反射率与A(反射率倒数的对数)的一阶微分与土壤有机质含量的关系；反射率与A(反射率倒数的对数)的差分与土壤有机质含量的关系；研究说明，由反射率倒数的对数的一阶微分建立的多元回归方程预测效果最好；最后将有关预测方程应用到2001年小汤山获取的128波段OMIS图像上，得到如图7.4所示的土壤有机质含量分布图，可以直观掌握该区域土壤肥力的分布情况。农田残留物覆盖填图土壤属性和耕作活动〔农田残留物百分比〕对土壤质量和土壤侵蚀程度都具有非常重要的影响。土壤侵蚀会导致土壤生产力衰退，农业化肥和杀虫剂的使用那么会污染周围的生态环境。农田残留物覆盖与土壤耕作也影响着农田温室气体的排放。农田残留物覆盖可以为识别侵蚀敏感地区提供非常有价值的信息，也为一些缓和措施〔如耕作调整〕与农田管理的结合提供依据，同时农业相关公司也可以利用农业活动信息适时开展化肥、种子、农田设施的销售，政府部门借此可以有效监测土壤保持活动。农田残留物覆盖度可有光学传感器进行估算，其理论根底是：作物衰老会导致植被光谱在0.45~2.5um范围的明显变化，这一响应取决于遥感器的工作波段〔可见光还是近红外〕。加拿大遥感中心对农田残留物填图进行了研究，利用mark3700野外光谱仪测得了clintonON一白豆地的土壤和农田残留物光谱，如图7.5所示，说明农田残留物比土壤亮，且在短波红外区〔2100nm附近〕有明显的可区别性特征，该特征与纤维素吸收有关。基于该地面光谱差异特征，加拿大遥感中心应用高光谱probe-1图像进行了残留物覆盖度填图。如图7-6所示，残留物填图和植被指数类似，都是相对的。他们认为，在大多数情况下，只需要在春季估算即可满足要求。3.植被重金属污染监测植被重金属污染高光谱监测原理金属矿物或元素、油气渗漏等污染可引发植物的异常和植物光谱的变异(浦瑞良，宫鹏，2000)。国内外学者对此在机理上作了较深入的研究(Baker，1992；FerrierG，1999)开展了一些航空和卫星多光谱、高光谱分辨率遥感试验研究。高光谱技术的开展为用遥感方法定量探测植物的光谱变异和植物异常，进而探测和分析环境污染成为可能。植被在可见光波段(400一685nm)的光谱主要受叶色素(叶绿素、叶黄素、胡萝素)控制，其中叶绿素的影响最大。叶绿素强烈吸收蓝光和红光，在480nm和680nm附近形成两个吸收谷，分别称为“蓝谷”和“红谷”；而对绿光吸收较弱，在蓝谷和红谷之间(520—600nm)出现绿反射峰(绿峰)，峰顶位于550nm附近，使植物外观呈绿色。植物受到污染影响发生病变后叶绿素含量减少，红谷变浅，红谷和绿峰之间的梯度变缓，使植物外观呈黄色。由植物病变而引起的叫绿素含量减少称为“缺绿症”(Chlorosis)。植被光谱在750-1250nm近红外光谱区间主要受叶织胞结构的影响。叶内细胞间空隙导致光的散射和折射，使反射率增高，形成红外反射坪(1nfraredReferenceP1ateau)。植物病变后叶细胞发生畸变或遭到破坏，细胞间隙增多，散射增强，反别率增高。由于红谷和红外反射坪的综合作用，植物反射光谱在680-750nm光谱区间急剧上升，形成一个反射陡坡，成为“红边”。植物病变后红谷的变浅和和红外反射坪的增高，都会使红边的斜率和位置发生变化(Huque＆Hutzler，1992)。土壤受到污染，特别是受到金属污染会使植物金属含量增高而引起植物重金属中毒现象，影响植物的生长状态和长势，从而使植物的光谱特征，如绿峰、红谷、红外反射坪等的强度和位置发生改变，并且引起红边和蓝边斜率的变化和位置的偏移。在可见光和反射红外区主要表现为：高重金属含量常会使植物发生“缺绿症”，使叶绿素含量下降，叶黄案含量增高，叶绿素a／b的比值增大，造成红谷变浅；高重金属含量会改变或破坏叶细胞结构，造成红外反射坪的增高。造成光谱红边的斜率和位置发生变化。叶绿素含量的减少会造成红边向短波方向位移，称为“蓝移”；而叶绿体受损那么形成“红移”。植被重金属污染高光谱监测案例甘甫平(2004)为了定量分析光谱特征与金属元素丰度之间的关系，挑选了6个落叶松和4个白桦树样品，作了化学分析，也测定了重金属元素的丰度。样品的波谱如图7.7所示。根据植物选择性吸收规律，结合测量地区的地球化学特征，确定分析的元素有As、Hg、Pb、Cu和Mo，表7．1所示。通过光谱特征与金属元素丰度的定性比照分析，司见两者间存在着一定相关性，但不同元素相关性的表现有所不问，如样品B149和B115绿峰不显著，红光吸收谷很浅，其As含量明显大于其他同类植物的样品；白桦样品B046和B004红外坪高，红边明显蓝移，其Pb和Cu的含量明显高于白桦的另两件样品。3.1．植被光谱特征的定量表征从植被光谱中提取红边位置(REP)、黄度指数(YellowneessIndex)和叶绿索吸收波段深度(BandAbsorptionnDepth)二种参数可以作为光谱变异程度的定量表征，用以分析金属含量对植物光谱的影响。红边(REP，redEdgePosition)，位于690—750nm之间，其位置常以植被光谱从可见光到近红外的转折点(拐点)表示，也即反射率变化最快的点位置。本次分别用—阶微分、简单线形插值和Longrangian插值方法确定红边。图7．8和图7．9分别为局部野外实测植被波谱的一阶和二阶微分，估计的红边位置如表7.2所示黄度指数(Yellownessindex)：叶绿素色素降低而引起叶面发黄是植物胁迫最明显的可视化标志之一。叶面微黄和枯黄一直被认为与叶绿素含量有关(Benedictandswidler，1961)。Adams等1999年观测到病叶的反射率在可见光区域相对绿叶较高，橙红波段(大约620nm左右)反射率相应增大，使685nm处红吸收谷(叶绿素最大吸收峰)程度不同地变浅。利用导数定义了黄度指数(Adamsetal，1999；Philpot，1991)作为光谱变异的度量：利用公式(7.6)求解的本区一些植物样品的黄度指数如表7.2所示。

吸收深度(AbsorptionDepth)：685nm处叶绿素最大吸收的深度是植物发育生长状态的又一光谱标志。植被金属中毒以及其他胁迫作用使植物的长势及生理特征发生变化，叶绿索色素降低，550—680nm光谱区域光谱反射率增大，光谱红边发生相对位移，与红边相连的红吸收谷(叶绿素最大吸收峰)明显变浅，金属含量愈高，吸收谷愈浅。因而利用光谱在550一760nm之间的波段吸收深度，可定量分析植株或冠层的波谱变异特征。波段吸收深度D定义为：区内植物实测波谱500-800nm的归一化吸收深度如图7.10所示.3.2植被光谱特征与金属含量的相关性分析从表7．2列出的以三种方法计算的红边位置可见，该区植被光谱红边大致分布在710~725nm之间。统计分析结果发现红边位置与植物金属含量相关性不高。其原因可能是红边位置本身的变化比较微小，一般仅为5~15nm。由于离散观测误差和光谱重建误差等影响，红边位置计算误差较大的缘故。

黄度指数(YI)与元素丰度之间一般呈对数相关，但相关性一般也不高。其中最明显的是落叶松的黄度指数(YI)与样品中砷(As)丰度的对数相关性：As＝0.146609×lg(YI)十1.18