植被覆盖率的遥感研究进展.pdf

植被覆盖率的遥感研究进展.pdf

ID:56753008

大小:184.07 KB

页数:5页

时间:2020-07-07

植被覆盖率的遥感研究进展.pdf_第1页
植被覆盖率的遥感研究进展.pdf_第2页
植被覆盖率的遥感研究进展.pdf_第3页
植被覆盖率的遥感研究进展.pdf_第4页
植被覆盖率的遥感研究进展.pdf_第5页
资源描述:

《植被覆盖率的遥感研究进展.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第1期,总第59期国土资源遥感No.1,20042004年3月15日REMOTESENSINGFORLAND&RESOURCESMar.,2004植被覆盖率的遥感研究进展田静,阎雨,陈圣波(吉林大学地球探测与信息技术学院,长春130026)摘要:综述了应用遥感技术估算植被覆盖率的方法,分析了各种方法的优缺点,探讨了植被覆盖率估算中的几个影响因素,给出了未来研究植被覆盖率的新方向。关键词:遥感;植被覆盖率;混合模型;植被指数;角度影响中图分类号:TP79:Q948.2文献标识码:A文章编号:1001-070X(2004)01-00

2、01-05R=aRa+bRb+cRc+,(1)0引言式中,a、b、c等是加权系数;Ra、Rb、Rc等是单物质的反射比。植被覆盖率作为反映地表信息的重要参数,一在实际应用中,加权系数被认为是各种单成分直是植被遥感领域的重要研究课题。测量植被覆盖物质在混合区域内(一个像元内)所占的面积,与其率的方法可分为地表实测和遥感监测两种。由于植覆盖率有很大关系。其物理含义是,各个单成分物被覆盖率具有显著的时空分异特性,因而,遥感已成质的光谱是单独存在的,混合光谱是在单成分光谱为估算植被覆盖率的主要技术手段。进入传感器后形成的。基于这样的理论,

3、许多遥感绿色植物或作物的覆盖率通常定义为绿叶的垂学家提出了用线性光谱模型计算植被覆盖率,文献直投影面积与土壤总面积之比,它是植被冠层形状、[2]提出的模型为植被空间分布、叶子倾角及重叠所形成的参量,与植G2(RgRvr-RrRvg)C=1-(2)被的光谱特征无关,但是,利用遥感手段反演植被覆(G1Rvr-Rvg)盖率时,必须要用到反射率和植被光谱,二者随太阳式中,G1=Rsg/Rsr,G2=Rsir/Rsr;Rg、Rr分别天顶角、观测角、土壤背景和大气条件等因素的不同是混合像元在绿波段和红波段的反射率;Rvg和Rvr而变化,因此

4、,研究覆盖率反演问题是一个很复杂的分别是纯植被在绿波段和红波段的反射率;Rsg、Rsr过程,必须要研究植被自身的几何特征,研究地表反和Rsir分别是纯土壤绿波段、红波段和近红外波段的射率和植被光谱,以及它们受太阳天顶角、观测角和反射率。研究发现,G1和G2随着土壤含水量增加保土壤背景等因素的影响方式和影响程度,属于多角持一个常数,但随土壤类型的不同而变化。这个模度遥感研究领域中的重要内容。本文主要针对植被型的主要缺点是输入参数较多,在实际应用中根据覆盖率反演中的问题进行探讨。土壤类型确定G1和G2值较繁琐。根据禹城实验站实测数据

5、验证发现,这个模型往往会高估植被覆盖1植被覆盖率遥感研究的主要方法率,误差较大。文献[2]提到的另一个根据混合光谱理论推算1.1混合光谱模型方法植被覆盖率的模型为目前,利用线性混合理论对混合光谱进行应用C=(Q-Qs)/(Qv-Qs)(3)[1]和解释是较为普遍的方法。张良培对线性混合理式中,Q为植被与土壤混合光谱宽波段(0.4um~论做了很好地论述,他认为,由不同物质形成的混合1.1um)反射率;Qv为纯作物宽波段反射率;Qs为纯土光谱可以表达成每种单物质(Endmember)光谱的线壤宽波段反射率。通常卫星所获得的遥感数据性

6、组合,即都是窄波段的反射率,将窄波段反射率换算成宽波收稿日期:2003-09-01;修订日期:2003-12-02#2#国土资源遥感2004年段反射率属于尺度转换理论研究范畴,较为复杂,而位置,进而获得它们的反射率是比较复杂的。利用且转换也存在一定的偏差。地面定标的方法虽然可以解决这个问题,但需要耗上述两个模型是把土壤和植被作为组成像元的费一定的人力和物力,且很不方便。总体来说,混合单物质成分,是最粗略的考虑方法。在此基础上进光谱模型估算植被覆盖率方法要考虑的参数比较一步细分,考虑到阴影效应对混合光谱的影响(图多,这些参数的获取

7、又相对比较复杂,因此应用有一1),遥感学家们建立了多维分量的混合光谱模型。定的难度。1.2植被指数方法在遥感应用领域,植被指数作为反映地表植被信息的最重要信息源,已广泛用来定性和定量评价植被覆盖及其生长活力。用植被指数方法估算植被[5]覆盖率广泛研究于90年代初。DuncanJ,StowD等曾研究了墨西哥荒漠地区灌木林覆盖率与NDVI[6]的关系,得到了较好的关系模型;LarssonH分别从TM、MSS和SPOT卫星图像数据估算植被指数,并建立了阿拉伯森林地区植被指数与覆盖率的关系[7]模型;中科院植物所的池宏康等通过分析沙地反

8、图1表观覆盖率示意图A-传感器所视部分;B-太阳光照部分;射机理,建立了沙地油蒿群落盖度与修正后的土壤C-传感器所视和太阳光照部分调节植被指数(MSAVI)之间的关系模型。众所周文献[3]使用的模型为知,关系模型只适用于特定地区和特定的时间,因此Q(K)=miQ

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。