成都市植被覆盖度遥感动态监测分析
遥感地学分析课程设计实验报告成都市植被覆盖度遥感动态监测分析
团队人员胡禹贤2008043013遥感081班杨维2008043035 遥感081班胡晓2008043010 遥感081班卿晓琼2008043009 遥感081班郝争2008043007 遥感081班
摘要
本次研究以四川省成都市为研究区，选择2000年Landsat ETM数据、2007年Landsat TM 数据、成都1:50万地形图以及全国县界1：400万的矢量图作为基本信息源，对遥感数据进行波段合成、大气校正、几何校正、图像裁剪处理后，计算出两期图像的归一化植被指数（NDVI），对植被覆盖度进行估算。结果表明：成都市在七年间植被覆盖度总体上呈增高趋势，尤其是市区二环路以内，植被覆盖度有了明显的增加。但是，在成都的一些郊区，比如龙泉、郫县、以及金堂等地的植被覆盖度已经出现下降的迹象；另外，与2000年相比，成都市到2007年低植被覆盖度区域面积有了明显的减少，中低植被覆盖到中高植被覆盖度区域面积增加明显，高植被覆盖度区域面积变化不大。从研究结果上看，我们总体上认为研究区植被覆盖度变化和人类活动有不可分割的密切关系。
【关键词】：归一化植被指数；遥感；植被覆盖度；成都市。
summary
The study, Chengdu, Sichuan Province as the study area, select the Landsat ETM data in 2000, Landsat TM data in 2007, Chengdu, 1:50 million, and topographic maps 1:400 million the county boundary vector as a basic source of information on remote sensingband synthetic data, atmospheric correction, geometric correction, image cropping treatment, two images to calculate the normalized difference vegetation index (NDVI), vegetation coverage estimate. The results showed that: Chengdu, vegetation coverage in the seven years, showing a rising trend in general, especially in the urban area within the Second Ring Road, the vegetation coverage has been an obvious increase.However, in some suburbs of Chengdu, such as Longquan, Pixian, and Jintang, the vegetation coverage has been signs of decline; In addition, compared with 2000, Chengdu, in 2007 ,had a significant size of the area decrease in the low vegetation cover in areas of high vegetation coverage area increased significantly and the regional area of high vegetation coverage changed little. The results from the research point of view, is generally thought that the vegetation cover change and human activities are inextricably close relationship.
【Key words】: normalized difference vegetation index; remote sensing; vegetation coverage; Chengdu.
1研究目的及意义
植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比，它反映了植被在水平方向上的密度情况，是评价环境生态条件优劣的一个重要指标。作为重要的生态气候、生态水文影响因子，植被覆盖度影响着大气圈、水圈、生物圈层间的各种物质转化和能量转移过程，因此，众多生态、水文、气候模型都把植被覆盖度作为一个重要的输入参数[1]。
研究植被覆盖度不仅可以明确当前生态环境分布和变化趋势,而且可以为后续的治理、保护、研究提供数据基础。此外，由于城市植被是区域植被中的一部分,它是城市生态系统重要的组成因素,对于保护城市生态环境具有不可忽视的作用,如缓解城市“热岛效应”、净化空气以及改善区域气候等,因此开展城市植被生态研究也具有重要现实的意义。
在遥感技术应用之前，大区域的植被盖度监测只能依靠野外实地调查完成，这必然消耗大量的人力物力，同时，野外调研过程中人工确定植被覆盖也必然存在着诸多主观客观的不确定因素，影响最终结果的精度。遥感技术可以连续不断地提供具有四维(三维空间和时间)特征的数字图像，通过遥感图像可真实地记录植被覆盖的景观特征，可以准确、快速、连续地提取植被指数信息，为植被覆盖度动态调查提供了可靠的信息源保证。在少数缺少实测资料的地区，应用遥感技术提取植被指数信息，可有效降低植被覆盖度的研究难度。
成都市位于中国西南东北部, 位于天府之国四川盆地，地处西南、西北、华北、华中地区的几何中心位置，地理位置优越，有成昆、成渝、宝成、成昆铁路和川渝、川藏等公路以及航空等运输方式与我国西北、西南、华北、华中等地区相联系，区位优势明显。农业自然条件优越,工业自然资源丰富,地缘关系与战略地位十分突出。研究成都市植被覆盖情况及其变化规律,对整个区域的经济发展、生态建设具有重要的意义。
2研究区状况
成都位于成都平原中部、岷江中游地段，东临龙泉山脉，西临龙门山脉，介于东经102度54分至104度53分，北纬30度05分至31度26分之间。东西最大横距192公里，南北最大纵距166公里，境内海拔387-5353米，平均海拔400米，辖区总面积12390平方公里，市区面积598平方公里，常住人口1474万人。
辖区内西北高、东南低，平均坡降0.3%。属亚热带湿润季风气候，四季分明，夏无酷暑，冬无严寒，年平均气温16.7℃。年平均日照时数1071小时，年平均降雨量945.6毫米，总体气候环境良好，有利于植物的生长。
近年来，随着成都市城市化进程的加快，特别是到了2000年，成都市明确了要建立国际化大都市的目标以后，全境城市化过程导致原有的农业景观被迅速改造成城市景观，大规模建设用地扩张引发了土地利用结构的急剧调整，地表植被覆盖度也由于强烈的认为干扰而发生了显著的变化。
3数据来源
本次研究利用了成都市两个时相的LandsatTM2000年和LandsatETM+2007年的遥感数据，其轨道号为129/39。选用陆地卫星数据，其空间分辨率30 m×30 m。除了遥感数据外，还包括成都市1：50万的地形图，全国县界1：400万的矢量图。
为了更加合理有效地提取植被信息，通常情况下选择同一时相的不同年份的遥感影像，我们选择的遥感影像都是植被生长比较茂盛的6月份，而且考虑到两幅图像基本无云，成像质量较好，这样使得研究区的植被变化具有可比性。
陆地卫星Landsat遥感数据信息
主题成像仪Landsats4-5 波段波长(微
米)
分辨率
(米)
主要作用
TM、ETM
Band 1 蓝绿波段0.45-0.52 30 用于水体穿透,分辨土壤植被Band 2 绿色波段0.52-0.60 30 分辨植被
Band 3 红色波段0.63-0.69 30
处于叶绿素吸收区域, 用于
观测道路/裸露土壤/植被种
类效果好
Band 4 近红外0.76-0.90 30
用于估算生物数量,分辨潮湿
土壤
Band 5 中红外 1.55-1.75 30
用于分辨道路/裸露土壤/水,
并且有较好的穿透大气、云
雾的能力。
Band 6(仅
ETM)
热红外
10.40-12.5
60 感应发出热辐射的目标。Band 6(仅TM) 热红外
10.40-12.5
120 感应发出热辐射的目标。
Band 7 中红外 2.09-2.35 30
对于岩石/矿物的分辨很有
用, 也可用于辨识植被覆盖
和湿润土壤。
Band 8(仅
ETM)
微米全色0.52-0.90 15
得到的是黑白图象, 用于增
强分辨率, 提供分辨能力。
4数据处理
4.1遥感数据预处理
本次研究的技术流程图
4.1.1波段合成：利用Erdas 8.7图像处理软件对TM 和ETM 图像进行波段合成，把两期单波段遥感影像合成为两幅多波段的彩色图像。本次研究分别把TM 与ETM 图像的1~5
波段的灰度图像进行合成，得到的假彩色图像如下图所示：
2000年ETM1~5波段合成图（轨道号129/39） 2007年TM1~7波段合成图（轨道号129/39） 生成NDVI 灰度图
原始遥感数据 影像的预处理
波段合成
辐射校正
几何校正
遥感影像图的信息提取成都市遥感影像
图像裁剪
生成植被覆盖度图
4.1.2大气校正：根据前人研究成果及其经验，在使用NDVI来计算研究区植被覆盖度时，如果不进行大气校正，局部地区NDVI值的计算误差将达到50%以上[2]。我们知道，TM 和ETM的第六波段都是热红外波段，大气对它的传输、反射等影响最小，所以我们就可以用它的最小反射值作为参考标准，来对其他波段的反射值做一个改正，以达到消除由于太阳高度角或大气影响造成的研究区不同时相影像的效果差异。本次研究采分别将两幅图像的1~5波段的最小反射值减去两幅图像的第六波段的最小反射值，得到的图像如下图所示：
未经大气校正后的2000年成都影像图未经大气校正后的2007年成都影像图
经过大气校正后的2000年成都影像图经过大气校正后的2007年成都影像图
4.1.3几何校正：为了进行动态比较，以及动态变化面积大小的量算，需要对遥感影像进行几何校正和两期影像配准。利用成都l:50万的地形图作为标准参考数据，采用UTM投影，WGS84坐标系统，选出36个控制点，用三次多项式拟合法对控制点进行平差计算，并
用双线形内插法完成像元重采样即可获得2000年的遥感图像。利用影像对影像的方法，将2006年的TM影像配准到2000年的ETM影像上。选取30个控制点，对这30个控制点进行三次多项式平差计算及双线性插值法重采样后，就得到了经几何校正过的2006年的TM 图像。两者几何校正的最大误差不超过0.5个像元，保证了两个不同时相数据相同位置像元的空间位置配准。
4.1.4图像裁剪：利用全国1：400万县界的矢量图，在arcgis9.3的支持下，对成都市的矢量图进行提取，然后利用提取出的研究区边界，在erdas8.7的支持下，进行遥感图像裁剪，得到和研究区一致的遥感图像。
4.2植被覆盖度遥感反演
4.2.1归一化植被指数NDVI的优势
植被指数是对地表植被活动的简单、有效和经验的度量。将两个(或多个)光谱观测通道组合可得到植被指数，这一指数在一定程度上反映着植被的演化信息[3]。通过大量地物光谱波段测量研究分析发现，植被红光波段0.55-0.68μm有一个强烈的吸收带，它与叶绿素密度成反比;而近红外波段0.725-1.1μm有一个较高的反射峰，它与叶绿素密度成正比。因此，通常使用红色可见光通道(0.6-0.7μm)和近红外光谱通道(0.7—1.1μm)的组合来设计植被指数。这两个波段的比值和归一组合与植被的叶绿素含量、叶面积及生物量密切相关，所以植被指数便成为植被生态研究领域的基础。植被指数按不同的监测方法和计算方法又可分为多种多样的植被指数。常用的有：归一化植被指数NDVI；垂直植被指数PVI;比值植被指数RVI；消除土壤影响的植被指数SA VI和全球植被指数GVI等。其中，NDVI则是使用最广泛，效果也较好的一种。
NDVI(Normalized Difference V egetation Index)归一化植被指数,又称标准化植被指数,在使用遥感图像进行植被研究以及植物物候研究中得到广泛应用,它是植物生长状态以及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关。实验表明,NDVI对土壤背景的变化较为敏感;它是单位像元内的植被类型、覆盖形态、生长状况等的综合反映,其大小取决于植被覆盖度和叶面积指数等要素;NDVI对植被盖度的检测幅度较宽,有较好的时相和空间适应性,因此应用较广。
NDVI长期以来被用来监测植被变化情况,也是遥感估算植被覆盖度研究中最常用的植被指数。如Dymond等使用NDVI植被指数研究新西兰退化草地的植被覆盖度,(Dymond,etal,1992)；Wittich和Hansing的研究成果肯定了NDVI对植被覆盖度的指示作用(Wit-tich,Hansing,1995)；Purevdorj等通过各植被指数与植被覆盖度进行二次多项式回归,
表明TSA VI与NDVI可以最好的估算大范围的草地植被覆盖度(Purevdorj,etal,1998);Leprieur 等检验了NDVI，MSA VI与GEMI在估算植被覆盖度方面的能力，结果表明在监测低植被覆盖度时NDVI与GEMI的效果比较好,随着植被覆盖度的增加，NDVI与MSA VI对于植被覆盖度的测量要优于GEMI(Leprieur,etal,2000)；Bradley为测量高草草原的植被覆盖度，分别研究了NDVI，N*2，SA VI三个植被指数与植被覆盖度的关系，结果表明NDVI与N*z 都与植被覆盖度有良好的相关性(Bradley,2002)；Qi J等建立了NDVI估算植被覆盖度的模型，并使用了三种数据：Landsat TM，SPOT4VEGETA TION与机载数据对该模型进行了检验，认为该模型适用于不同分辨率遥感数据对植被覆盖度的估算(Qi J,etal,2000)；Zeng等用NDVI估测了全球的植被覆盖度(Zeng,etal,2000)[4]。
综上所述，NDVI在植被指数中所占居着非常重要的位置,它主要具有以下几方面的优势：
1)植被检测灵敏度较高;
2)植被覆盖度的检测范围较宽;
3)能消除地形和群落结构的阴影和辐射干扰;
4)削弱太阳高度角和大气所带来的噪音。
4.2.2NDVI植被指数信息提取
4.2.2.1植被指数提取方法
植被指数提取的方法很多,最为常用的一种方法是通过遥感影像处理软件对遥感影像不同波段进行处理,从而得到各类植被指数。本次研究选取的LandsatTM以及LandsatETM遥感影像，分别共有7个波段和8个波段，其中TM3(波长0.63～0.69gm)为红外波谱段,为叶绿素主要吸收波段；TM4(波长0.76～O.90gm)为近红外波谱段，对绿色植被的差异敏感，为植被通用波段[5]。归一化植被指数NDVI的定义是：
NDVI=(NIR-R)/(NIR+R)(其中NIR代表近红外波段,R代表红外波段)要计算NDVI，就是在遥感处理软件中，计算近红外波段与红波段之差，再除以两个波段之和。利用遥感影像处理软件提取植被指数流程一般为：
1)、使用遥感处理软件打开遥感图像。
2)、依据植被指数公式，对图像不同波段进行波段计算。
3)、生成植被指数影像文件。
4.2.2.2植被指数提取中存在的问题
在计算归一化植被指数NDVI时，此时若采用NDVI公式直接进行波段计算，如果
NIR+RED(近红外波段+红波段)的值为零时，对这些点的计算就会产生结果溢出的现象。此类情况在干旱区植被覆盖度较低的遥感影像处理中较为常见。生成NDVI植被指数影像图时，如果不进行适当处理,在对生成的植被指数影像文件分析判读时，就会与实测数据产生很大的误差，计算结果的精度就无法保证。
4.2.2.3在ERDAS IMAGINE中提取植被指数NDVI
ERDAS IMAGINE遥感软件中的Modeler是一个面向目标的图形模型语言,用户可据此设计出高级的空间分析模型,实现复杂的分析和处理功能,整个过程只需用其提供的工具栏在窗口中绘出模型的流程图、指定流程图的意义、所用参数等,即可完成模型的设计,无需进行具体而复杂的编程过程。ERDAS IMAGINE为用户提供了高层次的设计工具和手段,同时可使用户将更多的精力集中在专业领域的研究，如下图就是利用ERDAS的Modeler绘制的NDVI计算的模型。
ERDAS IMAGINE的模块编辑器非常适合用户使用，只需在工具栏上点击所需的功能框，然后再在模块编辑窗中点击，便可生成相应的功能图标。双击功能图标后便可进行流程控制、公式编辑、输入/输出等操作。
利用ERDAS IMAGINE的图像处理中的条件判断功能，对影像各运算波段中的值采取逻辑判断处理，即对植被指数波段运算公式中分母值为零的情况特殊处理，以避免运算结果产生溢出的情况。在ERDAS IMAGINE的Modeler的波段运算中，采用以下语句：EITHER
此语句的语法描述是：如果测试条件
1)、打开模块编辑器(Modeler Maker)进行图像模块编辑。
2)、根据上图所示的模块，点击模块工具栏绘制流程图。
3)、在功能框中分别计算出NIR～Red和NIR+Red,并分别保存在两个内存影像文件中。
4)、通过ERDAS的功能定义(Function Definition)中的条件选项(Conditiona1)中的Either 条件判断语句对合并计算的功能框进行条件判断处理：
EITHER 0 IF($n7-memory==0.0)OR($n3-memory/$n7-memory)OTHERWISE(其中$n3-memory:近红外波段—红外波段生成的内存影像文件;$n7-memory:近红外波段+红外波段生成的内存影像文件)此语句执行的功能为：如果近红外波段+红外波段的值为零,则生成的图像文件此点的值为零;否则(近红外波段+红外波段的值不为零),进行$n3-memory/$n7-memory。
将运算结果输出成NDVI影像磁盘文件。本次研究中，分别以2000年的ETM图像和2007年TM图像为基础计算两个年份的NDVI，得到2000年和2007年成都市NDVI图像（如下图所示），图像上亮度越亮代表植被覆盖度越高，反之，亮度越暗代表植被覆盖度越低。
成都市2000年NDVI灰度图成都市2007年NDVI灰度图为了更加直观的分析了解成都市在这几年中的植被变化情况，我们还将这两年的NDVI 数据做了一个差值运算：
4.2.3基于NDVI的植被覆盖度计算
4.2.3.1NDVI与植被覆盖度关系
植被覆盖度（Fc）指植被冠层的垂直投影面积与土壤总面积之比。遥感器所测得的反辐射值R可表示为：
R=Fc*Rv+(1-Fc)*Rs （1）式中，Rv、Rs分别为植被、土壤的总反射辐射；Fc为植被覆盖度。
归一化植被指数(NDVI)也是一种由遥感传感器所接收的地物光谱信息推算而得的反映地表植被状况的定量值。根据像元二分模型，一个像元的NDVI值可以表达为由绿色植被部分所贡献的信息NDVIveg，与由无植被覆盖(裸土)部分所贡献的信息NDVIsoil这两部分组成，因此利用公式（4）可计算植被覆盖度Fc[6]：
Fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) （2）4.2.3.2NDVIsoil与NDVIveg的取值
NDVIsoil对于大多数类型的裸地表面，理论上应该接近零，而且不随时间改变，可以
由图像中计算出来。NDVIveg代表着全植被覆盖像元的最大值，由于植被类型的影响，NDVIveg值也会随着时间和空间而改变。在实地应用中，植被覆盖类型随土地利用类型而变化，对于某一土地利用类型，由于植被类型近似，其NDVIveg值也相近；而对于特定的土壤类型，其NDVIsoil值也应该是一定的。
因此公式（2）可近似为：
Fc=(NDVI-NDVImin)/(NDVImax-NDVImin) （3）由于遥感影像中不可避免的存在噪声，NDVImin与NDVImax并不能直接取由NDV1灰度图统计出来的最大和最小值。本文对其取值时，取给定置信度区间的最大值与最小值。置信度的取值主要由图像大小、图像清晰度等情况来决定。为了便于比较，同时考虑两个时期的图像，决定在NDVI频率累积表上取频率为0.5的NDVI为NDVImin，取频率为99.5的NDVI值为NDVImax。同时为了使得NDVI-NDVImin的值始终为非负数，所以本次研究选定2000年NDVImin= 0，NDVImax=0.790688；2007年NDVImin=0，NDVImax=0.928555，也就是Fc可进一步近似为：
Fc=NDVI/NDVImax （4）
计算植被覆盖度模型
以此来完成2000年和2007年成都市植被覆盖度计算，得到下图：
4.2.4成都市植被覆盖度动态分析
根据研究区植被覆盖度实际情况，将研究区植被覆盖度分成五级进行研究：Vc<10%、10%<=Vc<30%、30%<=Vc<50%、50%<=Vc<70%、Vc>=70%，Vc是基于像元的植被覆盖度，根据各植被覆盖度等级按从小到大依次将研究区划为：低植被覆盖度区、中低植被覆盖
度区、中等植被覆盖度区、中高植被覆盖度区、高植被覆盖度区。经过对比两年的数据，我
们不难看出：成都市2007年植被覆盖度与2000年植被覆盖度相比低植被覆盖度明显减少，中低植被覆盖度区域及以上的面积均有明显地增加，高等植被覆盖度几乎也没有什么变化，其具体面积变化如下表所示。
成都市2000年与2007年各等级植被覆盖度面积变化表面积(km2)
Vc<10% 10%<=Vc<30% 30%<=Vc<50% 50%<=Vc<70% Vc>=70% 年份
2000年808.98 400.89 193.35 47.78 5.53 2007年208.17 591.69 415.93 208.16 32.57
差值-600.81 190.80 222.58 160.38 27.04
5结果分析
通过以上数据，可以看出成都市在这七年中的植被覆盖度除一些个别区域外总体上呈现出明显的上升势头，我们分析这主要是因为：生态环境的改善有利于植被生长。随着社会经济的发展，人们对环境保护、生态建设和可持续发展认识的不断提高和退耕还林还草措施的实施，使得较高植被覆盖度区面积有所增加。尤其是近年来，成都市通过创建“国家园林城市”和“环保模范城市”等举措，完善城市绿地系统规划，充分保护和利用规划区范围内的自然地貌，大力开展全民绿化、美化活动，使整个城市的生态环境得到了极大的改善。因此，我们总体上认为：研究区植被覆盖度变化和人类活动有不可分割的密切关系。
从植被保护的角度看，建议今后成都市生态建设工作应继续注重以下几个方面：
1)继续加强对林地植被的保护和恢复工作,促进地表植被覆盖的持续恢复和改善；
2)尽可能地避免建设用地扩张侵占林地和园地等植被覆盖较好的区域，以免出现新的植被覆盖显著退化区；
3)加强城市内部的绿地建设,特别要注重大型生态节点建设，提高城市总体绿化水平，尽快改善集中工业区等显著植被覆盖退化区域的绿地率水平，通过系统化的城市人工生态维护建设，有效地补偿建设用地扩张对区域植被覆盖带来的负面冲击。
6结论
1)使用LandSat TM/ETM遥感图像，结合RS以及GIS技术，可较为准确地提取研究区植被覆盖度信息，满足研究需要。
2）成都市2000年~2007年植被覆盖度总体上呈增高趋势，尤其是市区二环路以内，植被覆盖度有了明显的增加。但是，在一些郊区地带，比如龙泉、郫县、以及金堂等的植被覆盖度已近出现下降的迹象。
3）与2000年相比，成都市到2007年低植被覆盖度区域面积有了明显的减少，中低植被覆盖到中高植被覆盖度区域面积增加明显，高植被覆盖度区域面积变化不大。
7个人体会与建议
经过几个月的努力，我们学院的3S大赛终于接近了尾声。虽然最后的结果很难令我们自己可满意，但在整个过程中，我们组各成员都付出了努力与汗水，从中也学到了不少东西。在这里，就我们在这次大赛中的感受与体会作下总结。
我们组的五位成员都是同一个班的，对于3S大赛的方面的知识都可谓是0基础。但是，对于充满热情的我们来说，即使是再大的困难，相信只要努力了，总会被克服的。在一开始的时候，我们这个项目就不是很顺利。首先，就是在选材的时候，我们根本就不知道从何下手，这个过程大概持续到大三上学期开学的时候，我们通过咨询老师、查文献等才终于把方向定了下来。接下来就是在技术方面，由于基础薄弱，我们几乎不会操作专业软件，就连最基本的下载遥感数据都成问题，但是由于我们组的同学都非常好学，加之老师同学的帮助和指导，最终使得我们所遇到的问题，能够得以一个个的解决。
在上次的作品交流会上，看到了很多同学的优秀作品，真是自叹不如。对于这个问题，我认为初期的过分乐观与对困难的预见不足是一大因素，当然，自身实力上的不足才是主要原因。但无论如何，我们都为了同一个目标而努力了，有人为了看懂一个函数的用法彻夜不眠；有人为了实现一个算法绞尽脑汁；有人为了项目书的撰写竭心尽力…总之，我们真的已经很努力了，最后虽然成果很难令自己满意，但这其中的过程仍旧值得我们铭记于心，记住这份热情，记住这种朝着目标不断努力的感觉。
最后，要非常感谢刘志红老师提供的帮助以及鼓励，希望学院多举办类似大赛，让我们的同学的实际动手能力得到进一步提高，谢谢大家！
8参考文献
[1] 丁艳梅,张继贤,王坚,刘正军. 基于TM数据的植被覆盖度反演[J]. 测绘科学, 2006,(01) .
[2] 陈云浩,李晓兵,史培军. 基于遥感的植被覆盖变化景观分析——以北京海淀区为
例[J]. 生态学报, 2002,(10) .
[3] 郭锦,张晓丽,赵丽琼,谢芳毅. 基于3S技术的北京市植被覆盖空间格局变化研究[J]. 安徽农业科学, 2009,(17) .
[4] 程红芳,章文波,陈锋. 植被覆盖度遥感估算方法研究进展[J]. 国土资源遥感, 2008,(01) .
[5] 秦伟,朱清科,张学霞,李文华,方斌. 植被覆盖度及其测算方法研究进展[J]. 西北
农林科技大学学报(自然科学版), 2006,(09) .
[6] 赵群,陈建平. 太原盆地植被覆盖度遥感估算[J]. 现代农业科技, 2008,(23) .
植被遥感的现状与展望_英文_
Present Status and Perspectives of Remote Sensing of Vegetation Juhan Ross (T artu Obse r va tory,EE2444Tor a vere,T artu,Estonia) During the recent decades a new discipline of biogeophysics remote sensing of vegetation has been born.T his w as stimulated by the need to describe in more detail the energy and m ass ex chang e betw een the g round surface and atmosphere in the mathemat-i cal models of the global and reg ional climate,by the need to have rapid inform ation about biological productiv ity and yield of the vegetation over the large areas and probably to most extent by m ilitary needs, connected w ith rocket piloting.The rapid develop-ment of remote sensing has based on: i)The existence of Earth s satellites,originally constructed for military and astronom ical needs. ii)The availability of the powerful enoug h com-puter technolog y for recording,data processing and analysis. iii)The possibility to use the radiative transfer theory originally elaborated for astrophysics, atmospheric physics and neutron transport in nuclear reactors. T he main problem of remote sensing of the veg e-tation might be formulated as follow s:measuring from satellites or airplanes electromagnetic radiation in optical,therm al and microw ave spectral regions reflected from vegetation and the solv ing the inversion problem to obtain information for classification, distribution,functioning and productiv ity of different kinds of vegetation over the w hole Earth surface. Reflected from veg etation electromag netic radiation is determined by the following factors: i)Conditions of illumination above the veg eta-tion. ii)The disturbing influence of the atmosphere in propagation of the reflected radiation. iii)T he properties of the vegetation and soil in scattering of the radiation. iv)The architecture of the w hole canopy as w ell as individual plants. There ex ist different fundamental and practical difficulties which limit the solving of the m ain prob-lem. 1)Within a certain type of vegetation the varia-tion of the reflected radiation is great within pix els variations m ay ex ceed variations between pix els.T he main reason of these variations is the semiregular structure and inhomogeneity of vegetation itself. These v ariations are sm aller for cultural vegetation and greater for natural one, e.g.for forests and shrubs. 2)Nonflat relief of the g round surface changing the conditions of illum ination. 3)The existence of the cloud cover in the Earth atmosphere drastically limiting the possible time for remote sensing in optical and thermal spectral reg ions. 4)Lack of detailed enough information about3D distribution of the optical properties of the atmosphere resulting in erroneous atmospheric correction. 5)Different technical errors,connected w ith sensor calibration and stability,w ith reg istration,da-ta processing,etc. Due to these difficulties the inverse problem having the measuring data of the reflected radiation about some certain type of vegetation to determine the optical and architectural parameters of this vegetation must be m athematically treated as incorrect inverse 第1卷增刊1997年 5月 遥 感 学 报 JOURNAL OF REM OTE SENSING V ol.1,Suppl. M ay, 1997
遥感考研总结
遥感技术基础课后作业(一) 一、名词解释 1、遥感：是一种远距离的、非接触的目标探测技术。通过对目标进行探测，获取目标的观测数据，然后对获取的观测数据进行加工处理，从而实现对目标的定位、定性、定量和变化规律的描述（即认识观测对象）。 2、遥感技术系统：从空间分布的角度：空间部分（空基系统）、地面部分（地基系统）。 从功能的角度：观测系统、数据传输与接收系统、数据处理系统、应用系统。 3、电磁波谱：将电磁波在真空中按照波长或频率依大小顺序划分成波段并排列成谱。 4、瑞利散射：由尺寸远远小于电磁波波长λ的微粒引起的散射。 5、米氏散射：由尺寸与波长λ相当的微粒（水滴、烟尘、花粉、气溶胶）引起的散射。 6、大气层窗口：电磁波辐射在大气传输中透过率比较高的波段。 7、镜面反射：电磁波照射到光滑的表面上，引起的一种入射角和反射角相等的反射。 8、漫反射：电磁波照射到一定粗糙程度的表面上，引起的一种不论入射方向如何，各个方向都有反射光，并且从各个方向观察到的反射亮度是相同的的一种反射。（在物体表面的各个方向上都有反射能量的分布的一种反射） 9、方向反射：由于地形起伏和地面结构的复杂性，电磁波往往在某些方向上反射最强烈。 10、反射率：物体的反射通量（单位时间内的反射能量）与入射通量之比，即ρ＝Eρ/E。 11、波谱反射率：地物在某波段的反射通量与该波段的入射通量之比。 12、波谱反射特性：地物波（光）谱反射率随波长变化而变化的特性。 13、遥感平台：遥感过程中，搭载传感器（成像设备）的工具。 14、卫星轨道根数：用于确定轨道形状及卫星在某时刻的位置需要的参数。（表示卫星运动轨道特征的参数） 15、近极轨道：环绕地球两极并且轨道倾角约为90度附近的卫星轨道。 16、太阳同步轨道：卫星轨道面与太阳地球连线之间的夹角不随地球绕太阳公转而变化的轨道。（太阳高度角不发生变化的卫星轨道） 二、问答题 1、遥感中为什么要讲电磁波知识？ 遥感是一种远距离的、非接触的目标探测技术。通过对目标进行探测，获取目标的观测数据，然后对获取的观测数据进行加工处理，从而实现对目标的定位、定性、定量和变化规律的描述（即认识观测对象）。遥感的任务，是通过探测和记录观测对象反射或辐射的电磁波，并对其进行处理、分析和应用来实现的。 遥感中的问题：1、观测对象（称为“地物”）的表现形式（色调或颜色）、2、传感器的设计；3、观测图像的识别与理解。这些问题与电磁波有关，所以需要了解电磁波。 2、电磁波有哪四个要素。 波长（相邻两个波峰（或波谷）之间的距离）；振幅；传播方向；偏振面（包含电场矢量的平面）。 3、晴朗的天空为什么呈蓝色? 当天空晴朗时，空气中的微粒（水分子、气体分子）尺寸远远小于可见光的波长，从而引发瑞利散射，并且微粒的散射能力与波长的关系为：γ∝ 1/λ4 。所以波长越短，散射能力越强。在三原色中，蓝色波段的波长最短，所以散射的能力最强。所以天空成蓝色。 4、云、雾为什么呈白色？ 云雾是由大气中的气溶胶、液溶胶组成，所以它们的微粒半径尺大于可见光波长，此时会发生米氏散射，而米式散射的强度几乎与波长无关，所以各波段的散射几乎相同，云雾呈白色。 5、遥感是根据什么要选择大气窗口的？ 大气窗口表示的是电磁波辐射在大气传输中透过率比较高的波段，所以选择大气窗口时要先考虑大气透过率；其次，因为遥感需要使用电磁波去分辨地物，所以该电磁波需要对不同的地物有不同的反射率，便于进行区分。 6、当太阳光入射到地面时，为什么会发生三种不同形式的反射？ 由于不同地区的地物表面的粗糙程度是不一样的，并且电磁波入射到地面的波长和入射角也有不同，所以导致产生的三种不同形式的散射。 7、结合健康的绿色植被的反射特性曲线，说明在进行森林普查时为什么要选择近红外波段进行遥感？监测森林病虫害的原理是什么？ 8、试绘出一些常见的地物（雪地、阔叶树、针叶树、水体）在可见光和近红外波段的反射波谱特性曲线，并说明它们的差异对遥感图像色调的影响。（课本P21页） 10、遥感为什么要使用近极轨道？ 通过近极轨道，卫星可以观察到地面目标区域就越广，进而可以获得全球覆盖。 11、遥感为什么要使用太阳同步轨道？ （1）能使卫星以同一地方时飞过成像区域上空，成像区域在每次成像时都处于基本相同的光照条件，便于监测地物的变化情况。 （2）对卫星工程设计及遥感仪器工作非常有利 （3）有利于温度控制系统的设计 12、遥感平台的姿态及其对遥感成像的影响？ 遥感平台的姿态主要有：滚动、俯仰、偏航三种姿态。 不同的姿态对遥感成像有不同的影响。 滚动和俯仰会导致遥感图像出现的非线性变形，而偏航会导致其发生线性变形。三、论述题I love you so much congratulation 1、遥感的主要使命和任务。 遥感是利用地面目标反射或辐射电磁波的固有特性，通过观察目标的电磁波信息以达到获取目标的几何信息和物理属性的目的。它主要应用于：农林、地质、水文、海洋、气象、环境。从室内的近景摄影测量大大范围的陆地、海洋信息的采集以致全球范围内的环境变化监测，遥感技术都发挥着巨大的作用。它的主要任务有：资源勘查、环境监测、植被监测、沙漠化监测、气象分析。 定性（是什么？）、定量（有什么？）、定位（在哪里？）、演变规律分析（变化否？） 2、遥感技术的主要特点和优势。 初级阶段遥感技术的特点：完善了地面到空中取得像片的手段；对像片的几何、物理特性还没有深入的研究。 发展阶段的特点：航空摄影测量的手段、方法、原理及多光谱、彩色摄影、机载侧视雷达成像技术成熟；使用多样化平台（飞机、气球、火箭等）出现了判读仪器，对像片的几何，物理特性有一定的认识；开始用于规模军事侦察和地形测图。 飞跃时期遥感技术的特点：光机扫描、CCD扫描仪成像技术、星载SAR技术成熟；成像幅面大、覆盖范围广，基本全球成像；影像获取速度快，易于重复观测；用于资源勘查、军事侦察、地形测图；波段数目多，可用波谱范围宽。遥感技术的优势？（自行解答） 课件答案：效率高，效益好（特别大范围、宏观、境外等应用）；客观性好（与传统方法比较）；适合动态监测、变化规律研究（传输型卫星可周期性观测）。 遥感技术基础课后作业（二） 名词解释： 传感器：收集、探测、处理和记录物体电磁波辐射信息的设备 画幅式传感器：在空间摄站上摄影的瞬间，地面上视场范围内的目标的辐射信息一次性地通过镜头中心后在焦平面上成像的成像装置。 推扫式传感器：在城乡过程中，采取线阵列或面阵列的形式对地面垂直目标进行推扫以获得电磁波信息的成像装置。 側扫式传感器：又称光学传感器，借助于遥感平台沿飞行方向运动和遥感器本身光学机械横向扫描达到地面覆盖，得到地面条带图像的成像装置。 多光谱传感器：同一瞬间，对同一景物进行摄影，并分波段记录景物辐射来的电磁波信息，形成一组多波段黑白图像的成像装置。 同轨立体观测：在同一条轨道的方向上获取立体影像的观测方法。 异轨立体观测：在不同轨道上获取立体影像的观测方法。 黑白图像：只有亮度差别，无色彩差别的图像。 彩色图像：具有色调、饱和度和亮度等色彩信息。彩色图像一般分为：真彩色图像、假彩色图像。 全色图像：黑白图像的一种，记录了所能探测到的景物所有电磁波信息（一般包括可见光和部分近红外）的黑白图像。 多光谱图像：对同一景物进行摄影时，分波段记录景物辐射来的电磁波信息，形成的一组多波段黑白图像，不同波段图像在几何上是完全配准的，但记录的是景物在不同波段范围内的电磁波信息。 热红外图像：记录的是地物热辐射信息的遥感图像。 微波图像：记录的是波长在1mm～1m之间范围内的地物辐射信息的遥感图像。画幅式图像：由画幅式相机拍摄的具有面中心对称特性的图像。 面中心投影图像：地面上所有点均通过投影中心在投影平面上成像，图像几何关系稳定。 面阵图像：即面中心投影图像。 线中心投影图像：同一幅图像有多条扫描线构成，任意一条扫描线上的点都通过某一投影中心成像，扫描线内几何关系稳定。 线阵图像：即线中心投影。 点中心投影图像：同一幅图像有许多扫描点构成，每一扫描点的几何关系都不一样。 立体图像：两幅同一地区不同角度的立体像对。 空间分辨率：图像上能够分辨的最小单元所对应地面尺寸。 光谱分辨率：反映了传感器的光谱探测能力。它包括传感器探测的波谱宽度、波段数、各波段的波长范围和间隔。 辐射分辨率：反映了传感器对电磁波探测的灵敏度。对图像的色调和表面细节有影响。 时相分辨率：是相邻两次对地面同一区域进行观测的时间间隔。 Landsat卫星：美国发射的用于进行地球资源勘查的系列卫星，至今为止已经发射了7颗（一颗失踪），现在正常运行的是4，5号卫星。4、5号卫星的轨道高度是705千米，轨道倾角是98度，太阳同步准回归轨道，准回归周期是17天，星体上分别携带了MSS（4波段）、TM（7波段）传感器。7号卫星的轨道高度705.3千米，轨道倾角是98.2度，准回归周期是16天，星体上携带了ETM+（7波段、1全色）、SEAWIFS传感器。 SPOT卫星：法国发射的高性能地球观测系列卫星，至今已经发射4颗，现在正常运行的有2、4、5号卫星。卫星的高度统一为830千米，轨道倾角为98.7度，太阳同步准回归轨道，回归周期26天，1、2、3号卫星上携带了HRV（3波段、1全色）传感器，4号卫星上携带HRVIR（4波段、1全色）传感器。IKONOS卫星：美国SpaceImaging公司1999发射的新一代高分辨率卫星中的第一颗商业卫星，轨道高度为681千米、轨道面倾角为98.1度的太阳同步轨道。星体上携带了SPACEIMAGING（4波段、1全色）传感器 Landsat图像：由Landsa卫星拍摄的图像，MSS传感器所得到的图像的空间分辨率为80米，TM传感器的分辨率为30米，ETM+传感器的分辨率为30米，
城市遥感的应用综述
课程论文 城市遥感技术的应用与展望综述 课程名称：遥感技术导论 姓名：王旭阳 学院：草业与环境科学学院学号：220140869 指导老师：党玉 论文评分：
摘要：城市遥感技术为全面、高效、实时地了解城市的发展变化提供了有力的技术支撑，它逐渐渗透到城市建设和研究的各个领域，在城市规划管理中的巨大的作用也日益显现。该文阐述了遥感技术在城市基础数据获取、生态环境监测以及城市规划等领域的应用，同时展望了城市遥感技术发展的新趋势。 关键词：城市遥感技术数据获取数字城市 1 引言 城市是人口密集、经济活动集中和资源相对集中的空间地域。城市又是人类活动的缩影,随着社会经济的发展,城市面貌不断发生变化,需要及时地对其进行监测和分析。近20年来,我国在遥感技术的基础研究和实际应用中均取得了重大进步,遥感应用研究在抗洪、防灾、土地资源调查、农作物估产、矿产资源调查、城市综合调查等领域均取得了可喜成就,尤其在城市遥感方面所取得的成果举世瞩目。越来越多的人们认识到,遥感已成为城市规划、建设和管理不可分割的重要组成部分和技术支持,成为各级政府强有力的辅助决策工具和指导与加强地区管理的现代化手段。 因此，如何采取合理有效的技术手段对城市系统进行实时监测和有效管理，最终实现城市的可持续发展，是人类待解决的关键问题之一。另外，传统的城市基础信息获取手段由于周期长、费用高、围有限，难以及时反映城市空间发展趋势，也已成为城市建设与管理的制约因素。因此，采用新兴的信息获取技术对现代城市进行合理的规
划管理已显得十分迫切。 2 城市遥感应用的领域 2.1 制作城市图像 包括卫星遥感图像制作、航空像片镶嵌、计算机制图及彩红外正射影像图研制等。利用遥感资料使用光学或计算机技术可制作不同种类、各种比例尺的专题图或影像图，以满足不同使用者的需求。不论是规划者、建设者、管理者或决策者，均可以从图中了解所需要的信息，在图上拟定方案或对策。 2.2 城市土地利用现状调查 当前，城市用地共分为十个大类，分别是: 居住用地、公共设施用地、工业用地、仓库用地、对外交通用地、道路广场用地、市政公用设施用地、绿地、特殊用地、水域和其他用地。在实际工作中，我们可以根据不同的应用需要，进行相应类型的遥感调查，获取相应的遥感资料，然后绘制出土地利用现状图和土地利用演变图，并自动测算出该区域各种用地的面积、分布、变化情况及发展趋势。城市规划和管理者通过这些资料，可以判断城市布局是否合理?城市绿地是否足够?存在哪些不足?需要如何改进?从而因地制宜，为城市制定相应的规划、建设和管理方案。 2.3 城市人口普查 在定性、定量、定位的调查了城市各种土地利用现状后，可迅速而准确地获得城市的总建筑密度、住宅房屋密度等城市用地特征参
ENVI下植被覆盖度的遥感估算
ENVI下植被覆盖度的遥感估算 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。 估算模型 目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在 像元二分模型的基础上研究的模型： VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1） 其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2） NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4） NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。 2）当区域内不能近似取VFCmax=100%，VFCmin=0%
多光谱遥感卫星影像植被指数种类
遥感植被指数的种类、适用性和优缺点分析 摘要：遥感是现代科学技术中的一种远距离观测、分析目标地物的理论和方法，它在现代环境监测中具有广泛的应用。遥感植被指数是指利用遥感图像进行植被长势、生物量生产潜能等监测的重要指标。本文将在对植物的光谱特征分析的基础上，总结相关研究，对植被指数的种类以及它们的适用性和优缺点进行分析。 1、引言 遥感是指利用不同地物波谱特征不同这一特性，通过传感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息，进行处理、分析与应用的一门科学和技术。而植被指数则是利用遥感图像获取多光谱遥感数据，经过分析得到植被分布、种类等数值，对某些植被的长势、生物量等有一定应用价值。 目前，国内外学者已研究发展了几十种不同的植被指数模型，常用的有以下几类： 1、比值植被指数（RVI）； 2、归一化植被指数（NDVI）； 3、差值植被指数（DVI）； 4、缨帽变换中的绿度植被指数（GVI）； 5、垂直植被指数（PVI）； 6、土壤调整植被指数（SAVI）等， 这几类植被指数对植被的敏感性、抗土壤和大气的干扰性等不尽相同。一般情况下由于归一化植被指数（NDVI）与一些重要的生物物理参数如生物量、叶面积指数和光有效辐射等有密切的联系[1]，所以NDVI被广泛用于植被研究。 遥感植被指数是预测生物量、作物生产潜能以及评价一个生态系统结构与功能特征的重要指标[2]，然而遥感的植被指数不仅取决于植被的种类，还要受到其他环境条件的干扰，如土壤湿度、土壤的物理化学属性、大气条件以及季节等的影响。于是如何在不同的条件下选择不同的植被指数对更好的进行植被监测、农作物估产等有着较大的影响。本文正是通过对植被遥感的原理、植物光谱特征分析研究等的基础上，总结有关资料数据，对各类遥感植被指数的适用性和优缺点进行了分析，作为今后相关研究的参考。 2、植被遥感的原理 植物遥感依赖于植物本身的特征，主要是叶片结构特点和植被冠层光谱特性。我们都知道，植物叶片能进行光合作用，但所利用的仅是太阳光的可见光部分（0.4~0.76μm），即称之为光合有效辐射（PAR），约占太阳辐射的47%~50%，其强度随着时间、地点、大气条件等变化。 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
高光谱应用研究综述
浙江师范大学 研究生课程论文封面 课程名称：遥感理论与技术 开课时间： 2014-2015年第一学期 学院地理与环境科学学院学科专业自然地理学 学号2014210580 姓名张勇 学位类别全日制硕士 任课教师陈梅花 交稿日期2015年1月21日 成绩 评阅日期 评阅教师 签名 浙江师范大学研究生学院制
高光谱遥感应用研究综述 张勇 （浙江师范大学地理环境与科学学院，浙江金华321004） 摘要：高光谱遥感是近二十年发展起来的谱像和一的遥感前沿技术。虽然发展时间不长，但由于其本身的特点，使其获得了广泛的重视和应用。本文阐述了高光谱遥感的特点、优势，以及在航空及航天领域的发展情况，列举了几种典型高光谱成像仪的光学系统原理和主要技术指标。在此基础上，概述了高光谱遥感在植被生态、大气环境、地质矿产、海洋、军事等领域的应用情况。最后对高光谱遥感发展趋势提出了几点建议，包括低反射率目标遥感、高信噪比、高空间分辨率及宽覆盖范围等方面。 关键字：高光谱遥感；应用；成像光谱以；研究综述 Conclusion application of hyperspectral remote sensing Zhang Yong (Geography and environmental sciences, Zhejiang Normal University, Jinhua 321004) Abstract:Hyperspectral remote sensing, developed in the late twenty years, is the advanced technology of remote sensing. Because of its characters, Hyperspectral Remote Sensing has been attached importance to and used widly. The characteristics and advantages of hyperspectral remote sensing, and development situation are presented in the fields of aviation and aerospace. Several typical hyperspectral imager optical system principle and the main technical indicators are particularized. At the same time, the applications with hyperspectral remote sensing in vegetation ecology, atmospheric science ,geology and mineral resources, marine and military fields are summarized. The suggestions for the future development trend of hyperspectral remote sensing are given in the end，including the remote sensing of low reflectivity target, high signal-to-noise ratio, high spatial resolution and wide coverages. Keywords: hyperspectral remote sensing；application；imaging spectrometer 1 引言 遥感是20世纪60年代发展起来的对地观测综合性技术，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术[1]。经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技术为主的时代。本文系统地阐述了高光谱遥感技术在分析技术及应用方面的发展概况，并简要介绍了高光谱遥感技术主要航空/卫星数据的参数及特点。 1.1高光谱遥感简介 高光谱遥感技术又称为成像光谱技术，是指利用很多很窄的电磁波波段从感兴趣的物体
高光谱遥感复习总结
1.高光谱分辨率遥感:用很窄（0.01波长）而连续的光谱通道对地物持续遥感成像的技术。在可见光、近红外、短波红外和热红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的。 2.高光谱遥感特点：波段多,数据量大；光谱范围窄(高光谱分辨率)；在成像范围内连续成像；信息冗余增加 3. 高光谱遥感的发展趋势（1）遥感信息定量化（2）“定性”、“定位”一体化快速遥感技术 4.光谱特征的产生机理：在绝对温度为0K以上时，所有物体都会发射电磁辐射，也会吸收、反射其他物体发射的辐射。高光谱遥感准确记录电磁波与物质间的这种作用随波长大小的变化，通过反映出的作用差异，提供丰富的地物信息，这种信息是由地物的宏观特性和微观特性共同决定的。宏观特性:分布、粗糙度、混杂微观特性:物质结构 6.典型地物反射：水体的反射主要在蓝绿光波段，其他波段吸收都很强，特别到了近红外波段，吸收就更强，所以水体在遥感影像上常呈黑色。 植被的反射波谱特征：①可见光波段有一个小的反射峰，位置在0.55um处，两侧 0.45um(蓝)和0.67um(红)则有两个吸收带。这一特征是叶绿素的影响。②在近红外波段(0.7-0.8um)有一反射的“陡坡”（被称为“红边”)，至1.1um附近有一“峰值”，形成植被的独有特征。这一特征由于植被结构引起。③在中红外波段(1.3-2.5um) ，反射率大大下降，特别以1.45um和1.95um为中心是水的吸收带，形成低谷。 土壤:由于土壤反射波谱曲线呈比较平滑的特征，所以在不同光谱段的遥感影像上，土壤的亮度区别不明显.自然状态下土壤表面的反射率没有明显的峰值和谷值，一般来讲土质越细反射率越高，有机质含量越高和含水量越高反射率越低，此外土类和肥力也会对反射率产生影响。 6.野外光谱测量的影响因素（1）大气透射率（2）水蒸气3）风（4）观测几何 7.地面光谱的测量方法：实验室测量，野外测量 8.垂直与野外测量的区别:垂直测量：为使所有数据能与航空、航天传感器所获得的数据进行比较，一般情况下测量仪器均用垂直向下测量的方法，以便与多数传感器采集数据的方向一致。由于实地情况非常复杂，测量时常将周围环境的变化忽略，认为实际目标与标准板的测量值之比就是反射率之比。 野外测量（非垂直测量）：在野外更精确的测量是测量不同角度的方向反射比因子。 凝视时间：探测器的瞬时视场角扫过地面分辨单元的时间称为凝视时间（dwell time）。探测器的凝视时间在数值上等于行扫描时间除以每行的像元个数。凝视时间越长，进入探测器的能量越多，光谱响应越强，图像信噪比越高。 光谱图像立方体：空间平面：O-XY平面；线光谱平面：O-XZ，O-YZ平面 9.高光谱遥感图像数据表达：A.光谱图像立方体 B.二维光谱曲线 C. 三维光谱曲面 10.空间成像方式：（1）摆扫型成像光谱仪：定义：它由光机左右摆扫和飞行平台向前运动完成二维空间成像，其线列探测器完成每个瞬时视场像元的光谱维获取。原理：45斜面的扫描镜，电机进行360旋转，旋转水平轴与遥感平台前进方向平行，扫描镜扫描运动方向与遥感平台运动方向垂直，光学分光系统形成色散光源再汇集到探测器上，这样成像光谱仪所获取的图像就具有了两方面的特性：光谱分辨率与空间分辨率。 （2）推扫型成像光谱仪：定义：采用一个面阵探测器，其垂直于运动方向在飞行平台向前运动中完成二维空间扫描；平行于平台运动方向，通过光栅和棱镜分光，完成光谱维扫描。它的空间扫描方向就是遥感平台运动方向。原理：垂直于运动方向完成空间维扫描，平行于运动方向完成光谱维扫描。 （3）两者的优缺点：摆扫型成像光谱仪的优点：A.FOV 大；B.探测元件定标方便，数据稳
我国农业遥感的应用现状与展望
第19卷第6期2003年11月农业工程学报 Transactions of the CSAE Vol .19 No .6Nov . 2003 我国农业遥感的应用现状与展望 邢素丽1,2,张广录2 (1.中国科学院研究生院,北京100039; 2.中国科学院石家庄农业现代化研究所,石家庄050021) 摘 要:目前,遥感技术在我国农业上主要应用在农用地资源的监测与保护、农作物大面积估产与长势监测、农业气象灾害 监测和作物模拟模型等几方面。该文对我国农业遥感上述几方面的研究、应用进行了讨论、分析与评价,认为3S 一体化、灾害预测研究、高光谱遥感、定量遥感是今后的发展方向。同时,遥感技术的应用与发展,对我国农业数字化进程的推进有不可替代的作用。关键词:遥感;农业应用中图分类号:S127 文献标识码:A 文章编号:1002-6819(2003)06-0174-05 收稿日期:2003-03-21 基金项目:中科院知识创新项目(KZCX2-SW -317;K ZCX2-313)作者简介:邢素丽(1966-),女,河北唐山人,硕士研究生,从事遥感农业应用研究。北京 中国科学院研究生院,100039。Email :sophi -axing @s ina .com . 1 引 言 遥感技术是20世纪60年代以来,在现代物理学(包括光学技术、红外技术、微波雷达技术、激光技术和全息技术等)、空间科学、电子计算机技术、数学方法和地球科学理论的基础上发展起来的一门新兴的、综合性的边缘学科,是一门先进的、实用的探测技术[1],它已越来越广泛地应用在农业、地理、地质、海洋、水文、气象环境监测、地球资源勘探、军事侦察等多个方面。在我国农业应用中,从早期的土地利用和土地覆盖面积估测研究、农作物大面积遥感估产研究开始,已扩展到目前的3S 集成对农作物长势的实时诊断研究、应用高光谱遥感数据对重要的生物和农学参数的反演研究、高光谱农学遥感机理的研究、模型的研究与应用以及草地产量估测、森林动态监测等多层次和多方面。遥感技术和计算机技术的发展和应用,已经使农业生产和研究从沿用传统观念和方法的阶段进入到精准农业、定量化和机理化农业的新阶段,使农业研究从经验水平提高到理论水平。 2 遥感技术在我国农业中的应用研究现状 2.1 农用地资源的监测与保护 在我国,由于耕地的数量减少与质量下降,耕地保护已成为实现农业可持续发展的一个重要战略任务。遥感信息因其覆盖面大、实时性和现势性强、速度快、周期性和准确可靠以及省时、省力、费用低等优点,被广泛用于测定农用地的数量与质量的动态变化[2～7]常用的土地利用遥感监测方法基本上分为两种,即:逐个像元比较法(pixel to pixel composition )和分类后比较法(post classfication composition )。前者首先是对同一区域不同年份同一时相影像的光谱特征差异进行比较,确定土地利用发生变化的位置,在此基础上,再采用分类的方法 来确定土地利用变化信息[8]。该方法优点是先确定土 地利用变化的位置,缩小分类范围,提高监测速度。后者是针对整个监测区域的逐影像系列同一位置分类结果确定土地利用类型变化的位置和所属类型,其优点是可以回避前一种方法所要求的影像系列一致的条件,以及影像间辐射纠正、匹配等问题,但需要选择合适的分类方法来改善精度。 在分类方法上,目前农业遥感中计算机自动分类的研究方法很多,主要集中在如下几种:统计方法、神经网络法、模糊法、小波变换理论分类法等。尤以统计方法和神经网络法研究和应用得最多。统计分类法又可分为“监督分类”和“非监督分类”两种实施方案。以最大似然法应用得最为广泛。最大似然法的基本前提是认为每一类的概率密度分布都是正态分布。其算法内在缺陷少、可靠性好、分类精度较高,缺陷是需要先验概率和条件概率密度函数模型,模型的精度直接影响分类精度。后来有人发展了改进的最大似然分类法,如最小距离分类结果估计先验概率法[9]、Markov 模型分类技术[10]等。 神经网络分类法[11]与传统分类方法的最大区别在于,神经网络分类法并不基于某个假定的概率分布;它在非监督分类中,从特征空间到模式空间的映射是通过网络的自组织来完成的,是一种聚类过程;在监督分类中,网络通过对训练样本的学习,获得网络的权值,形成分类器。一般可以分为前馈网络、后馈网络、自组织网络三大类。神经网络中多层前馈网络的反向传播神经算法(又称BP 算法)在遥感分类中应用得最为广泛。B P 算法的神经网络容错能力强,有较好的适应性,适于解决遥感图像中的“同物异谱”和“同谱异物”问题。 模糊分类技术比传统的最大似然法具有较高的识别精度,模糊分类认为一个像元在某种程度上属于某类而同时在另一程度上属于另一类,这种类属关系的程度用像元隶属度表示。模糊分类技术的关键是确定像元的隶属度函数。 小波变换的基本思想是将任一平方函数或能量的有限信号通过多分辨率分析表示成小波系数的叠加。小波变换在边缘检测和纹理分析中可反映出不同尺度 174
成都理工大学地质工程专业本科培养方案081401
成都理工大学地质工程专业本科培养方案（081401） Geological Engineering (081401) 一、专业简介（Ⅰ Major Introduction） 地质工程专业门类为工科，一级学科为地质资源与地质工程。地质工程是国内最早通过中国工程教育认证的地学类专业之一，是我校双一流学科“地球科学”的主要支撑专业。 地质工程专业是在原成都地质学院“水文地质与工程地质”“探矿工程”两个专业的基础上，经过60余年的艰苦奋斗发展起来的。“水文地质与工程地质”专业始建于1956年，“探矿工程系”专业始建于1959年。1993年原成都地质学院更名为成都理工学院，“探矿工程”专业改名为“勘察工程”专业。1999年，因国家专业目录调整，“水文地质与工程地质”和“勘察工程”专业分别调整为“勘查技术与工程”专业的工程地质方向和岩土钻掘工程方向，分别隶属于当时的环境与土木工程学院和勘察与机电工程系。2001年底，成都理工学院重新组建并更名为成都理工大学，学校进行院系调整，将勘查技术与工程专业的岩土钻掘工程方向和工程地质方向统一归属环境与土木工程学院。2012年，按照国家专业目录调整要求，环境与土木工程学院的勘查技术与工程专业更名为“地质工程”专业并沿用至今，仍设工程地质和钻掘工程两个方向。 地质工程是地质学与工程学相互渗透交叉的学科，主要研究人类工程活动与地质环境相互关系，以地质学及机械学原理为基础，认识、分析和解决地质工程问题，采用先进的工程技术方法和手段，为工程建设、资源开发和地质环境保护服务。我校工程地质方向主要在山区复杂地质工程问题分析与解决、工程地质勘察设计与施工、地质灾害评价与防治、地质环境评价与保护等方面形成了鲜明的特色和优势，钻掘工程方向在岩土钻掘工程材料、岩土钻掘机具、定向钻探与取心、非开挖水平定向钻进等方面的新技术新方法开发与研究形成了鲜明的特色和优势。 本专业人才质量保障体系实现了国家级本科教学质量工程全覆盖，包括国家级精品课程、国家级特色专业、国家级教学名师、国家级实验教学示范中心、国家级教学团队、教育部专业综合改革试点专业，还入选国家级卓越工程师教育培养计划、国家级工程实践教育中心、国家级虚拟仿真实验教学中心。本专业达到国内一流、国际知名的水平。 本专业全面落实企业导师制度，采用企业导师和专业教师联合指导的教学方式。注重实践能力和创新精神的培养，大学四年中，每年一次校外实习。 二、培养目标（Ⅱ Academic Objectives） 本专业培养知识、能力、素质全面发展，系统掌握地质工程的基本理论、基本方法和基本技能，受到相关工程训练，具有较强创新实践能力以及良好的人文与职业素养、具备分析和解决复杂地质工程问题能力，能在地质工程相关领域承担资源开发、工程勘察、设计、施工、管理及研发等工作的应用型工程技术人才。毕业5年后经过持续学习和工程实践锻炼达
基于GIS的ndvi植被覆盖度的估算
1.绪论 1.1 课题研究的目的与意义 植被，包括森林、灌丛、草地和农作物，既是生态系统的主要组成部分，也是生态系统存在的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能，联结着土壤、大气和水分等自然过程，在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色，是全球变化研究中的“指示器”[1]。植被根据生态系统中水、气等的状况，调控其内部与外部的物质、能量交换。植被覆盖与气候因子关系极为密切，研究植被覆盖变化 对气候的影响是气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环(李苗苗，2004)。
植被覆盖度(vegetation fractional cover，简称FC)是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[2]。它是植被对地面的垂直投影比例， 对于山坡进行植被覆盖度测量时，应该采用垂直于坡面的角度。植被覆盖度具有强烈的尺度效应，同一片植被，因被纳入统计的范围不同而表现为不同的植被覆盖度。如一个地区的植被覆盖度很高，但平均到全国水平就大大降低了[3]。植被覆盖度在提示地表植被分布规律, 探讨植被分布影响因子, 分析评价区域生态环境, 及时准确地掌握其动态变化, 分析其发展趋势对维护区域生态平衡等方面都具有重要意义。[4]而城市植被则是城市生态系统重要的还原组织和最重要的元素,对于保护城市生态环境具有不可忽视的作用[5] ,如有效缓解城市
“热岛效应”,改善城市区域小气候[5～7] 等。 城市化的迅速推进，带来了多样化的生态足迹，植被覆盖度，土壤污染率，地表侵蚀率，逐渐成为生态研究的热点，也成为环境保护的重点。借助于高速发展的RS与GIS技术来进行植被覆盖度的估算，将是当前环境监测的必要步骤。 徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。 1.2 国内外植被覆盖度研究现状 由于植被覆盖度是许多学科的重要参数，为
植被遥感
基于遥感的山西省森林植被研究的论文综述 摘要：以山西省行政区为研究区域，根据遥感与GIS、GPS相结合形成的“3S”技术体系，以TM743卫片为数据源，结合相关资料，对山西省森林资源面积进行调查，建立山西森林资源可持续经营能力指标体系，并对其能力进行评价。 关键词：山西省；植被遥感；3S技术 前言 植被覆盖率作为反映地表信息的重要参数，一直是植被遥感领域的重要研究课题。测量植被覆盖率的方法可分为地表实测和遥感监测两种。由于植被覆盖率具有显著的时空分异特征，因而，遥感已成为估算植被覆盖率的主要技术手段。本课题研究的目的是应用遥感技术清查全省森林资源的质量和数量，以及分析消长变化规律，为国土资源开发，保护森林资源，加强生态环境建设提供科学依据。 山西省地形地貌复杂，省内各区域间水汽条件差异较大，其植被密度分布呈明显的地带性和区域性规律。植被是覆盖地表的植物群落的总称,包括森林、灌丛、草地与农作物等,具有截留降雨、减缓径流、防沙治沙、保水固土等功能。植被覆盖是许多全球、区域变化监测模型中所需的重要信息,是描述生态系统的重要基础数据,也是生态系统的重要组成部分,在生态系统中发挥着非常重要的作用"作为生态系统的主要组分,植被是生态系统存在的基础,也是联接土壤、大气和水分的自然/纽带。植被在陆地表面的能量交换过程、生物地球化学循环过程和水文循环过程中扮演着重要的角色,在全球变化研究中起着/指示器的作用。植被根据生态系统中水气等的状况,调控其内部与外部的物质!能量交换"植被覆盖与气候因子关系极为密切,研究植被覆盖变化对气候的影响是气候变化研究的主要内容之一,它影响着土壤湿度、地表温度和地表能量与水的循环。 一、与遥感集成的“3S”技术在林业资源调查中的应用现状 在李强峰的《青海省森林植被的遥感调查与可持续评价》一文中，可以了解到“3S”技术在林业资源调查中的应用现状：“3S”集成技术包括RS与GIS 的集成、RS与GPS 的集成、GIS与GPS的集成，RS、GIS 和GPS 的集成。它们相互渗透，综合发展，显示出单一技术没有的优势。在“3S”集成技术中，GPS用于实时、快速地提供目标的定位定向信息；RS 用于实时、准时地提供目标环境的语义或非语义信息，发现地球表面的各种变化，及时对GIS 数据更新；GIS 作为集成系统的基础平台，可对多源时空数据进行综合处理、集成管理、动态存取、及时分析决策，形成一个完整的闭环控制系统。 在袁金国的《森林植被遥感分类研究》也提到了相关的内容：最早的植被分类采用人工目视解译,之后计算机自动分类比目视解译前进了一步,但由于各树种相互搀杂,且受土壤湿度,地形阴影,异物同谱的影响,单纯对遥感数据进行监督或非监督分类的结果精度不高.之后采用了遥感信息复合技术.信息复合的内容和方式包括:同种遥感信息多波段多时相信息复合;多平台遥感数据复合;遥感与非遥感信息的复合,如与专题地图信息或数字地形模型(DTM)的复合;遥感数据加入GIS数据,可视为信息复合的高级形式。 二、遥感技术在我国森林资源调查中的应用 遥感影像是以地物的光谱特征、辐射特征、几何特征和时相变化来表现地物信息，解