遥感植指数种类

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

的植物各有其自身的波谱特征，从而成为区分植被类型、长势及估算生物量的依据。首先，近红外波段是植物遥感的重要波段，因为近红外区的反射是受叶内复杂的叶腔结构和腔内对近红外辐射的多次散射控制，以及近红外光对叶片有近50%的透射和重复反射，这对植物的生长阶段、发育水平或受病虫害胁迫状态或水分亏缺状态等的监测有很重要的意义；其次，植物的微波辐射特征能量较低，受大气干扰较小等。

2.1健康植被的反射光谱特征

健康植物的波谱曲线有明显的特点，在可见光的0.55μm附近有一个反射率为10％~20％的小反射峰。

在0.45μm和0.65μm附近有

两个明显的吸收谷。在

0.7~0.8μm是一个陡坡，反

射率急剧增高。在近红外波

段0.8~1.3μm之间形成一个

高的，反射率可达40％或更

大的反射峰。在1.45μm，

1.95μm和

2.6~2.7μm处有

三个吸收谷。

图1:健康植被的有效光谱响应特征

2.2影响植物光谱的因素

影响植物光谱的因素除了植物本身的结构特征，同时也受到外界的影响。外界影响主要包括季节的变化，植被的健康状况，植物的含水量的变化，植株营养物质的缺乏与否等等。但外界的影响总是通过植物本身生长发育的特点在有机体的结构特征反映出来的。从植物的典型波谱曲线来看，控制植物反射率的主要因素有植物叶子的颜色、叶子的细胞构造和植物的水分等。植物的生长发育、植物的不向种类、灌溉、施肥、气候、土壤、地形等因素都对有机物的光谱特征发生影响，使其光谱曲线的形态发生变化。

总之，不同植被种类、在不同的生长时期呈现出不同状态以及不同的环境条件变化等的结果都将进一步反应到植被遥感图像中，同时，植被的光谱反射或发射特性是由其化学和形态学特征决定的，而这种特征与植被的发育、健康状况以及生长条件密切相关。因此，可以采用多波段遥感数据来揭示植物活动的信息，进行植物状态监测等。

3、植被指数的概念

遥感植被指数是反映地表植被覆被情况的数学指标,可用于提取植被覆被信息。由于高光谱遥感的窄波段特性,高光谱遥感植被指数可以定量地反演植被的物理和化学参量,如叶绿素、叶黄素、类胡萝卜素等色素,N、P、K等营养物质,纤维素、木质素、蛋白质、淀粉、糖和油等。这些定量信息的获取对全面、精确地分析和评价生态环境具有重要的意义。通常在植被指数中，选用对绿色植物强吸收的可见光红波段和对绿色植物高反射的近红外波段。

4、植被指数的种类、适用性及其优缺点分析

4.1几种常用的植被指数种类

（1）比值值被指数（RVI）：由于可见光红波段（R）与近红外波段（NIR）对绿色植物的光谱响应十分不同，且具倒转关系。两者简单的数值比能充分表达两反射率之间的差异。比值植被指数可表达为：

或者

其中：DN为近红外（NIR）、红外段（R）的灰度值，ρ为地表反照率比值值被指数（RVI）对于绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外有强反射，使其R与NIR值有较大的差异，从而产生较高的RVI值。而对于无植被的地面包括裸土、人工特征物、水体以及枯死或受胁迫植被，由于不显示这种特殊的光谱响应，则RVI值低。因此，比值植被指数能增强植被与土壤背景之间的辐射差异，适用于估算和监测植被覆盖，是植被长势、丰度的度量方法之一。

但该指数对大气影响敏感，最好运用经大气纠正的数据，或将两波段的灰度值转换成反射率，消除大气对两波段不同非线性衰减速的影响后再进行指数的计算，而且当植被覆盖不够浓密时(小于50%)，其分辨能力也很弱；在植物生长的整个阶段，能较好地反映植被的覆盖度和生长状况的差异，特别适合于植被生长高度旺盛并具有高覆盖度时的植被监测。

（2）归一化植被指数（NDVI）：为近红外波段（NIR）与可见光红波段（R）数值之差和这两个波段数值之和的比值。即：

或

其中：DN为近红外（NIR）、红外段（R）的灰度值，ρ为地表反照率归一化植被指数（NDVI）是简单比值RVI经非线性的归一化处理所得。在植被遥感中，NDVI的应用最为广泛。它是植被生长状态及植被覆盖度的最佳指示因子，与植被分布密度呈线性相关。因此又被认为是反映生物量指标。NDVI部分消除了太阳高度角、卫星扫描角及大气程辐射的影响，特别适用于全球或各大陆等大尺度的植被动态监测。这是因为，对于陆地表面主要覆盖而言，云、水、雪在可见光波段比近红外波段有较高的反射作用，因而其NDVI值为负值（岩石、裸土在两波段有相似的反射作用，因ρ其NDVI值近于0；而在有植被覆盖的情况下，NDVI为正值（＞0），并随着植被覆盖度增大，其NDVI值越大。可见，几种典型的地面覆盖类型在大尺度NDVI图像上区分鲜明，植被得到有效的突出。实验表明，作物生长初期NDVI将过高估计植被覆盖度，而在作物生长的结束季节，NDVI值偏低。因此，NDVI更适用于植被发育中期或中等覆盖度的植被检测。

NDVI的一个缺陷在于，对土壤背景的变化较为敏感。实验证明，当植被覆盖度小于15%时，植被的NDVI值高于裸土的NDVI值，植被可以被检测出来，但因植被覆盖度很低，如干旱、半干旱地区，其NDVI很难指示区域的植物生物

量，而对观测与照明却反应敏感；当植被覆盖度由25～80%增加时，其NDVI值随植物量的增加呈线性迅速增加；当植被覆盖度大于80%时，其NDVI值增加延缓而呈现饱和状态，对植被检测灵敏度下降。

（3）差值植被指数（DVI）：又称环境植被指数（EVI），被定义为近红外波段（NIR）与可见光红波段（R）数值之差。即：

其中：DN为近红外（NIR）、红外段（R）的灰度值

差值植被指数（DVI）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，主要应用于高光谱遥感研究中，尤其是在利用高光谱遥感提取植被化学成份信息方面得到成功的应用。另外，当植被覆盖浓密（≥80%）时，它对植被的灵敏度下降，适用于植被发育早－中期，或低－中覆盖度的植被检测。

与NDVI类似，DVI植被指数受土壤背景的影响大，且这种影响是相当复杂的，它随波长、土壤特征（含水量、有机质含量、表面粗糙度等）及植被覆盖度、作物排列方向等的变化而变化。

（4）缨帽变换中的绿度植被指数（GVI）：为了排除或减弱土壤背景值对植物光谱或植被指数的影响，除了修正土壤亮度的植被指数（如SAVI、TSAVI、MSAVI 等）外，还广泛采用了光谱数值的缨帽变换技术（Tasseled Cap，即TC变换）又称之为K-T变换。

而对于TM而言，可见光—红外6个波段数据经缨帽变换的前三个分量主要反映土壤亮度、绿度、湿度特征，第四分量主要为噪声。其中绿度指数可表示为：

TC变换既然是以各波段的辐射亮度值作为变量的，这些亮度值中包含了太阳辐射、大气辐射、环境辐射等多要素的综合信息，因而TC变换所得的图形和数值，受大气纯度、光照角度等外界条件的变化而波动。

就K-T变换的特征空间而言,其林学意义是很明确的,森林具有较高的绿度、湿度和较低的亮度,它们在光谱空间具有相对稳定的位置,利用这一特殊性质,即可用反射光谱描述森林的林学意义及其环境特征。

（5）垂直植被指数（PVI）：是在R、NIR二维数据中对GVI的模拟，两者物理意义相似。在R、NIR的二维坐标系内，土壤的光谱响应表现为一条斜线——即土壤亮度线。土壤在R与NIR波段均显示较高的光谱响应，随着土壤特性的变化，其亮度值沿土壤线上下移动。而植被一般在红波段响应低，而在近红外波段光谱响应高。因此在这二维坐标系内植被多位于土壤线的左上方。

不同植被与土壤亮度线的距离不同。于是把植物象元到土壤亮度线的垂直距离定义为垂直植被指数，是一种简单的欧几米得（Euclidean）距离。表示为：

其中S为土壤反射率，V为植被反射率，R为红波段，NIR为红外波段

PVI表征着在土壤背景上存在的植被的生物量，距离越大，生物量越大，也可将PVI定量表达为：

其中：DN为近红外（NIR）、红外段（R）的灰度值，b为土壤基线与NIR反射率纵轴的截距，为土壤

基线与R光反射率横轴的夹角

PVI的显著特点是较好地滤除了土壤背景的影响，且对大气效应的敏感程度也小于其它植被指数。正因为它减弱和消除了大气、土壤的干扰，所以被广泛应

用于作物估产。

（6）土壤调整植被指数（SAVI）：基于NDVI和大量观测数据提出土壤调节植被

指数用以减小土壤背景影响。

其中：DN为近红外（NIR）、红外段（R）的灰度值，土壤调节系数L

SAVI能够减少土壤和植被冠层背景的干扰,但是必须预先知道下垫面植被的密度分布或覆盖百分比，适合于提取某一小范围植被覆盖度变化较小的下垫

面的植被信息。SAVI目的是解释背景的光学特征变化并修正NDVI对土壤背景的

敏感，与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。

当L=0时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆

盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖

的地方才会出现。SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适

用。因此为了减小SAVI中的裸土影响，将植被指数发展为修改型土壤调整植被

指数(MSAVI)。Major等又发展了SAVI的三个新的形式:SAVI2、SAVI3和SAVI4,这

些转换形式是基于理论考虑,考虑到土壤是干燥的还是湿润的,以及太阳入射角的

变化等。

4.2其他植被指数种类

名称简写公式作者及日期黄度植被指数YVI-0.283MSS4-0.66MSS5+0.577MSS6+0.388MSS7Kauth等人，1976 Misra绿度植被指数MGVI-0.386MSS4-0.53MSS5+0.535MSS6+0.532MSS7Misra等人，1977农业植被指数AVI 2.0MSS7-MSS5Ashburn，1978多时相植被指数MTVI NDVI(date2)-NDVI(date1)Yazdani等人，1981调整绿度植被指数AGVI GVI-(1+0.018GVI)YVI-NSI/2Jackson等人，1983红色植被指数RI（R-G）/（R+G）Escadafal等人,1991非此植被指数NSI-0.283MSS4-0.66MSS5+0.577MSS6+0.388MSS7Kauth等人，1976裸土植被指数GRABS GVI-0.09178SBI+5.58959Hay等人，1978转换型土壤调整指数TSAVI a(NIR-aR-B)]/(R+aNIR-ab Baret等人,1989大气阻抗植被指数ARVI（NIR-RB）/（NIR+RB）Kanfman等人，1992

以上为几种比较不常见的植被指数种类，本文不在单独列举其适用性及优缺点。

5、总结

本文通过分析遥感和植被的遥感特性，解释了利用遥感确定植被指数的原理。即利用对电磁波敏感的传感器采集研究区遥感图像，依据植被的光谱特征分析研究区植被的分布、种类、长势等数据。本文主要列举了6种植被指数，不同的植被指数分别有不同的适用性与优缺点，现总结如下表：

可见，每一植被指数的应用环境有自已的特点，而且都有它对绿色植被的特定表达方式，因此；在实际应用中，对植被指数的取舍要相当谨慎，要根据其优遥感植被指数

适用性优点缺点比值植被指数

（RVI ）估算和监测植被生长高度旺盛并具有高覆盖度时的植被覆盖，度量植被长势、丰度能较好地反映植被的覆盖度和生长状况的差异受大气影响较大，且覆盖率小于50%时，监测受限

归一化植被指数（NDVI ）适用于发育中期或中等覆盖度的植被生长状态和植被覆盖度的监测，较好的反映生物量，特别适用于全球或各大陆等大尺度的植被动态监测

部分消除了太阳高度角、卫星扫描角及大气程辐射的影响，对土壤背景的变化较为敏感，当

植被覆盖度小于15%时，NDVI

很难指示区域的植物生物量、当

植被覆盖度大于80%时，对植被检

测灵敏度下降、作物生长初期

NDVI 将过高估计植被覆盖度，而

在作物生长的结束季节，NDVI 值

偏低差值植被指数（DVI ）对植被生态环境的监测，

主要应用于高光谱遥感研

究中，尤其适用于在利用

高光谱遥感提取植被化学

成份信息方面、适用于植

被发育早－中期，或低－

中覆盖度的植被检测对土壤背景的变化极为敏感利于对植被生态环境的监测当植被覆盖浓密（≥80%）时，它对植被的灵敏度下降、

缨帽变换中的绿度

植被指数（GVI ）用于描述森林的林学意义及其环境特征、也用于农

作物识别排除或减弱土壤背景值对植物光谱或植被指数的影响受大气纯度、光照角度等外界条件的变化而波动、由于它缺乏具体的时间变量，不能描述作物生长期的长短，特别是当两种作物在图形和空间位置相近，需用时

间参数加以鉴别时，反映出一定

的局限性

垂直植被指数（PVI ）广泛应用于作物估产、计算页面指数、植被识别和

分类

较好地滤除了土壤背景的影响，且对大气效应的敏感程度也小于其它植被指数当植被覆盖稀疏时，不能对植被

光谱行为提供合适的描述、土壤调整植被指数（SAVI ）适合于提取某一小范围植

被覆盖度变化较小的下垫

面的植被信息减小土壤背景影响、能够减少土壤和植被冠层背景的干扰必须预先知道下垫面植被的密度分布或覆盖百分比

缺点、适用性来选择合理的植被指数，科学的对植被长势、生物量生产潜能等进行监测。

[1]张仁华.实验遥感模型及地面基础[M].北京:科学出版社.1996.

[2]钱峻屏.利用遥感植被指数分析中国东部样带农业生态系统的生产力格局[J].生态

学杂志,2001，20(6):46-49.

[3]田庆久,闵祥军.植被指数研究进展[J].地球科学进展,1998,13(4):219)225.

[4]吕国楷.遥感概论[M].北京:高等教育出版社,1995.

[5]陈述彭.世界森林的数字地球监测[J].遥感学报,2001,(15):321-326.

[6]马志勇,沈涛,张军海,等.基于植被覆盖度的植被变化分析[J].测绘通报,2007(3):

4548

[7]梅安新,彭望王录遥感导论M.北京:高等教育出版社,2001240-249

[8]赵英时，陈冬梅，杨立明，等.2003.遥感应用分析原理与方法北京:科学出版社

遥感植被指数NDVI计算

本科学生综合性、设计性 实验报告 姓名宋国俊学号114130168 专业地理信息系统班级 实验课程名称遥感地学分析 实验名称NDVI计算 开课学期2011 至2012 学年下学期 云南师范大学旅游与地理科学学院编印 一、实验准备

1、实验目的和要求： 利用TM卫星数据，应用ENVI软件进行归一化植被指数的计算，及在此基础对研究 区进行植被覆盖率的提取，根据植被覆盖率进行一些应用分析。 2、实验材料及相关设备： 昆明影像数据(path/row:129/43（2002.02.09）)ENVI及ArcGIS软件。 3、实验方法步骤及注意事项： 实验方法：利用ENVI及ArcGIS图像处理软件，参考软件的处理操作步骤，对图像进行处理。 注意事项：下载数据时应该严格遵照行列号来下载，下载的数据要包括完整的影像数据信息以便数据的预处理。 二、实验内容、步骤和结果（详细写清楚本次实验的完成的主要内容、具体 实施步骤和实验结果。） 1、实验内容 利用下载的昆明影像数据用ENVI进行NDVI计算，计算公式如下： NDVI=(NIR-R)/(NIR+R)(NIR为近红外波段，R为红光波段) 2、实验步骤 (1)对昆明影像数据进行辐射定标： Ⅰ、启动ENVI File→Open External File→Landsat→Geo TIFF with metadata→Enter Landsat MetaData Filenames（输入元数据） Ⅱ、Spectral→Preprocessing→Calibration utilities→Landsatcalibration→Landsat calibration input file→输 入第一步的元数据 Ⅲ、将辐射定标后的数据转化为BIL格式：

植被指数

在遥感应用领域，植被指数已广泛用来定性和定量评价植被覆盖及其生长活力。由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度复杂混合反应，而且受大气空间—时相变化的影响，因此植被指数没有一个普遍的值，其研究经常表明不同的结果。研究结果表明，利用在轨卫星的红光和红外波段的不同组合进行植被研究非常好，这些波段在气象卫星和地球观测卫星上都普遍存在，并包含90%以上的植被信息，这些波段间的不同组合方式统被称为植被指数。 植被指数有助于增强遥感影像的解译力，并已作为一种遥感手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面，并在专题制图方面增强了分类能力。植被指数还可用来诊断植被一系列生物物理参量：叶面积指数（LAI）、植被覆盖率、生物量、光合有效辐射吸收系数（APAR）等；反过来又可用来分析植被生长过程：净初级生产力（NPP）和蒸散（蒸腾）等。 为了估算和监测植被覆盖，最早发展了比值植被指数（RVI）。但RVI对大气影响敏感，而且当植被覆盖不够浓密时（小于50%），它的分辨能力也很弱，只有在植被覆盖浓密的情况下效果最好。归一化差异植被指数（NDVI）对绿色植被表现敏感，它可以对农作物和半干旱地区降水量进行预测，该指数常被用来进行区域和全球的植被状态研究。对低密度植被覆盖，NDVI对于观测和照明几何非常敏感。但在农作物生长的初始季节，将过高估计植被覆盖的百分比；在农作物生长的结束季节，将产生估计低值。继之,将各波段反射率以不同形式进行组合来消除外在的影响因素，如遥感器定标、大气、观测和照明几何条件等。这些线性组合或波段比值的指数发展满足特定的遥感应用，如作物产量、森林开发、植被管理和探测等。农业植被指数（A VI）针对作物生长阶段测量绿色植被；多时相植被指数（MTVI），将两个不同日期的数值简单相减，是为了观测两个日期植被覆盖条件的变化和作物类型的分类，并用来探测由于火灾和土地流失造成的森林覆盖变化。归一化差异绿度指数（NDGI），可用来对不同活力植被形式进行检验。归一化差异指数（NDI）建立了光谱反射率和棉花作物残余物的表面覆盖率的关系，以用来对作物残余物的制图。 近年来，随着高光谱分辨率遥感的发展以及热红外遥感技术的应用，又发展了红边植被指数、导数植被指数（DVI）、温度植被指数（Ts-VI）、生理反射植被指数（PRI）。“红边”的一般定义为叶绿素吸收红边斜率的拐点。红边位置灵敏于叶绿素a、b的浓度和植被叶细胞的结构。为获取红边位置信息，Miller 等用一个倒高斯模型拟合红边斜率。导数植被指数由于它能压缩背景噪音对目标信号的影响或不理想的低频信号，被应用在目前的高光谱遥感研究中，尤其是在利用高光谱遥感提取植被化学成份信息方面得到成功的应用。近年来的经验研究表明：热红外辐射（如土面亮度温度）和植被指数在大尺度范围遥感应用中可提高土地覆盖的制图和监测精度。生理反射植被指数是针对高光谱遥感的特点，对植被生化特性的短期变化（如一天的植被的光合作用）进行探测。 植被指数按发展阶段可分为三类：第一类植被指数基于波段的线性组合（差或和）或原始波段的比值，由经验方法发展的，没有考虑大气影响、土壤亮度和土壤颜色，也没有考虑土壤、植被间的相互作用（如RVI等）。它们表现了严重的应用限制性，这是由于它们是针对特定的遥感器（Landsat MSS）并为明确特定应用而设计的。第二类植被指数大都基于物理知识，将电磁波辐射、大气、植被覆盖和土壤背景的相互作用结合在一起考虑，并通过数学和物理及逻辑经验以及通过模拟将原植被指数不断改进而发展的（如PVI、S A VI、MSA VI、TSA V

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，

主要植被指数类型及其应用条件

主要植被指数类型及其应用条件 分类:遥感知识 2008.7.2 08:55 作者：晓雪天飞 | 评论：0 | 阅读：79 在遥感应用领域，植被指数已广泛用来定性和定量评价植被覆盖及其生长活力。由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度复杂混合反应，而且受大气空间—时相变化的影响，因此植被指数没有一个普遍的值，其研究经常表明不同的结果。研究结果表明，利用在轨卫星的红光和红外波段的不同组合进行植被研究非常好，这些波段在气象卫星和地球观测卫星上都普遍存在，并包含90%以上的植被信息，这些波段间的不同组合方式统被称为植被指数。植被指数有助于增强遥感影像的解译力，并已作为一种遥感手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面，并在专题制图方面增强了分类能力。植被指数还可用来诊断植被一系列生物物理参量：叶面积指数（LAI）、植被覆盖率、生物量、光合有效辐射吸收系数（APAR）等；反过来又可用来分析植被生长过程：净初级生产 力（NPP）和蒸散（蒸腾）等。 为了估算和监测植被覆盖，最早发展了比值植被指数（R VI）。但RVI对大气影响敏感，而且当植被覆盖不够浓密时（小于50%），它的分辨能力也很弱，只有在植被覆盖浓密的情况下效果最好。归一化差异植被指数（NDVI）对绿色植被表现敏感，它可以对农作物和半干旱地区降水量进行预测，该指数常被用来进行区域和全球的植被状态研究。对低密度植被覆盖，NDVI对于观测和照明几何非常敏感。但在农作物生长的初始季节，将过高估计植被覆盖的百分比；在农作物生长的结束季节，将产生估计低值。继之,将各波段反射率以不同形式进行组合来消除外在的影响因素，如遥感器定标、大气、观测和照明几何条件等。这些线性组合或波段比值的指数发展满足特定的遥感应用，如作物产量、森林开发、植被管理和探测等。农业植被指数（AVI ）针对作物生长阶段测量绿色植被；多时相植被指数（MTVI），将两个不同日期的数值简单相减，是为了观测两个日期植被覆盖条件的变化和作物类型的分类，并用来探测由于火灾和土地流失造成的森林覆盖变化。归一化差异绿度指数（NDGI），可用来对不同活力植被形式进行检验。归一化差异指数（NDI）建立了光谱反射率和棉花作物残余物的表面覆盖率的关系，以用来对作物残余物的制图。 近年来，随着高光谱分辨率遥感的发展以及热红外遥感技术的应用，又发展了红边植被指数、导数植被指数（DVI）、温度植被指数（Ts-VI）、生理反射植被指数（PRI）。“红边” 的一般定义为叶绿素吸收红边斜率的拐点。红边位置灵敏于叶绿素a、b的浓度和植被叶细胞的结构。为获取红边位置信息，Miller 等用一个倒高斯模型拟合红边斜率。导数植被指数由于它能压缩背景噪音对目标信号的影响或不理想的低频信号，被应用在目前的高光谱遥感研究中，尤其是在利用高光谱遥感提取植被化学成份信息方面得到成功的应用。近年来的经验研究表明：热红外辐射（如土面亮度温度）和植被指数在大尺度范围遥感应用中可提高土地覆盖的制图和监测精度。生理反射植被指数是针对高光谱遥感的特点，对植被生化特性的短期 变化（如一天的植被的光合作用）进行探测。 植被指数按发展阶段可分为三类：第一类植被指数基于波段的线性组合（差或和）或原始波段的比值，由经验方法发展的，没有考虑大气影响、土壤亮度和土壤颜色，也没有考虑土壤、植被间的相互作用（如RVI 等）。它们表现了严重的应用限制性，这是由于它们是针对特定的遥感器（Landsat MSS）并为明确特定应用而设计的。第二类植被指数大都基于物理知识，将电磁波辐射、大气、植被覆盖和土壤背景的相互作用结合在一起考虑，并通过数学和物理及逻辑经验以及通过模拟将原植被指数不断改进而发展的（如PVI、SAVI、MSAVI、TSAV I、ARVI、GEMI、AVI、NDVI等）。它们普遍基于反射率值、遥感器定标和大气影响并

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

植被光谱分析与植被指数计算解读

植被光谱分析与植被指数计算 在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁 迫性相关的色素、植被冠层中水分含量等。 包括以下内容： ??●植被光谱特征 ??●植被指数 ??●HJ-1-HSI植被指数计算 1.植被光谱特征 植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。这个波长范围可范围以下四个部分： ??●可见光（Visible）：400 nm to 700 nm ??●近红外（Near-infrared——NIR）：700 nm to 1300 nm ??●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm ??●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm 其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。 SWIR-1 和 SWIR-2的过渡区（1900nm附近）也是大气水的强吸收范围。 植被可分为三个部分组成： ??●植物叶片（Plant Foliage） ??●植被冠层（Plant Canopies） ??●非光合作用植被(Non-Photosynthetic Vegetation) 这三个部分是植被分析的基础，下面对他们详细介绍。

ENVI中常见植被指数介绍

作业9 植被指数 植被指数 概念：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。 植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。 不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。 Broadband Greenness(5 indices)（宽带绿色指标(5)） 宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些 波段。下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。 1. Normalized Difference Vegetation Index归一化植被指数 增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。 简称NDVI： NDVI=(NIR-R)/(NIR+R) （1）应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； （2）-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大； （3）NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI 对高植被区具有较低的灵敏度； （4）NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 2.Simple Ratio Index比值植被指数 在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。 简称SR：SR=ρNIR/ρRED 在LAI 值很高，即植被茂密时其灵敏度会降低.SR值的范围是0~30，一般绿色植被区的范围是2~8 3.Enhanced Vegetation Index 增强植被指数 增强NDVI,解决土壤背景和大气气溶胶对茂密植被的影响。 简称：EVI

遥感与地理信息系统试题总结

一、名词解释 年份 2005 中心投影辐射分辨率瑞利散射地球同步轨 道 亮温 2006 摄影红外太阳常数气溶胶朗伯体瞬时视场角反差扩展2007 2008 空间参考系 统数据字典拓扑包含关 系 质底法辐射温度树枝状水 系 2009 矢量数据结 构数据字典拓扑包含关 系 空间数据库米氏散射瞬时视场 2010 影纹图案气溶胶归一化植被 指数 热点 2011 太阳同步轨 道光谱分辨率大气窗口与 大气屏障 多中心投影 二、简答题 年份题目 何谓解译标志？解译标志包括哪些方面？请具体叙述。 采用何种图像处理方法可以有效增强图像阴影区中的地物信息？请列出两 种方法，并说明原理。 试述土壤的光谱特征及其影响因素 试述地形对光学遥感数据的影响？ 试述主要沉积岩类的影像标志 试述SPOT（HRV）卫星遥感数据的几何特征和波谱效应 侧视雷达图像属什么投影，与摄影成像航空照片相比其变形特征有什么不 同？ 何谓天空光（天空漫射光），它成因及主要影响因素是什么？对遥感数据产 生什么影响？地物反射率主要受哪些因素的影响？ 书体光谱由哪几部分组成？ 试述地形对光学遥感数据的影响 试述主要沉积岩类的影像标志 试述SPOT（HRV）卫星遥感数据的几何特征和波谱效应。 矢量数据叠置分析的基本步骤是什么？举例说明。 E—R模型有哪些基本成分，怎样利用E—R模型进行概念设计？ 什么是像点位移？与地形起伏有何关系？ 在彩虹外航空照片上，如何识别阔叶林、针叶林、灌木和草本植物？ 如何通过图像处理消除图像上的孤立糙声点？ 在遥感图像上如何区分沉积岩和火成岩

E—R模型有哪些基本成分，请用案例形式设计一个E—R模型。 什么事地理信息元数据？地理信息元数据包括哪些内容？ 卫星运行轨道会对遥感数据产生什么影响？太阳同步轨道与地球同步轨道获得的遥感数据各有什么特点？ TM卫星遥感数据7个波段各有什么信息特点。 以TM影像为例，对多波段光学卫星影像数据，如何通过波段选择和图像处理获得最佳的水质信息。 在航空遥感图像上如何区分深变质岩和沉积岩？ 在彩红外航空照片上如何识别不同类型的植被？ 大气散射有哪几种类型？各在什么条件下发生，有什么特点？ 较之光学遥感图像，卫星雷达遥感图像哥有什么特点？ 影响土壤反射波谱的主要因素有哪些？如何影响？ DEM的地形模型分析主要有哪些？（用案例说明） 栅格数据中混合像元的处理方法有哪些？ 何谓像点位移？有哪两种类型？其特点如何？ 反差扩展的原理是什么？线性反差扩展、指数反差扩展对数反差扩展各有什么特点？ 遥感信息模型有哪些特点？ 如何通过图像处理方法增强和提取山区阴影区中的信息？简述原理。 什么是地理信息元数据？地理信息元数据包括哪些内容？ 矢量数据叠置分析的基本步骤是什么？举例说明。

植被指数表达式总表

植被指数表达式总表 名称简写公式作者及日期 比值植被指数 RVI R/NIR Pearson等人，1972 植被指数序数 VIN NIR/R Pearson等人，1972 转换型植被指数 TVI Rouse等人， 1974 绿度植被指数 GVI(-0.283MSS4-0.66MSS5+0.577MSS6+0.388MSS7）Kauth等人， 1976 土壤亮度指数 SBI(-0.283MSS4-0.66MSS5+0.577MSS6+0.388MSS7）Kauth等人， 1976 黄度植被指数 YVI(-0.283MSS4-0.66MSS5+0.577MSS6+0.388MSS7）Kauth等人， 1976 非此植被指数 NSI(-0.283MSS4-0.66MSS5+0.577MSS6+0.388MSS7）Kauth等人， 1976 土壤背景线 SBL （MSS7-2.4MSS5）Richardson等人，1977 差值植被指数 DVI (2.4MSS7-MSS5）Richardson等人，1977 Misra土壤亮度指数MSBI( 0.406MSS4+0.60MSS5+0.645MSS6+0.243MSS7）Misra等人，1977 Misra绿度植被指数MGVI(-0.386MSS4-0.53MSS5+0.535MSS6+0.532MSS7）Misra等人，1977 Misra黄度植被指数MYVI(0.723MSS4-0.597MSS5+0.206MSS6-0.278MSS7）Misra等人，1977 Misra非此植被指数MNSI(0.404MSS4-0.039MSS5-0.505MSS6+0.762MSS7）Misra等人，1977 垂直植被指数PVI Richardson等人，1977 农业植被指数AVI (2.0MSS7-MSS5) Ashburn，1978 裸土植被指数GRABS (GVI-0.09178SBI+5.58959) Hay等人，1978 多时相植被指数MTVI (NDVI(date 2)-NDVI(date 1)) Yazdani等人， 1981 绿度土壤植被指数GVSB GVI/SBIBadhwar等人，1981 调整土壤亮度植被指数ASBI (2.0YVI)Jackson等人， 1983 调整绿度植被指数AGVI GVI-(1+0.018GVI)YVI-NSI/2Jackson等人， 1983 植被指数TVI  Perry等人， 1984 植被指数DVI (NIR-R) Clevers等人，1986 归一化差异绿度指数NDGI (G-R)/(G+R) Chamadn等人， 1991 红色植被指数RI （R-G）/（R+G）Escadafal等人, 1991 归一化差异植被指数NDI (NIR-MIR)/(NIR+MIR) McNairn等人， 1993 归一化植被指数NDVI (NIR-R)/(NIR+R) Rouse等人， 1974 垂直植被指数PVI （NIR-aR-b）/ Jackson等人, 1980 土壤调整植被指数SAVI （1+L） Huete等人, 1988 转换型土壤调整指数TSAVI [a(NIR-aR-B)]/(R+aNIR-ab)Baret等人, 1989 改进的转换型土壤调整植被指数TSAVI [a(NIR-aR-B)]/[R+aNIR-ab+X(1+a )] Baret等人, 1989 大气阻抗植被指数ARVI （NIR-RB）/（NIR+RB）Kanfman等人，1992 全球环境监测指数GEMI (1-0.25)-(R-0.125)/(1-R) ; =[2(NIR -R )+1.5NIR+0.5R]/(NIR+R+0.5 ) Pinty等人，1992

遥感考点总结

第一章遥感概述 一、遥感概念 遥感(Remote Sensing)泛指对地表事物的遥远感知。 遥感定义：是从远处探测感知物体，也就是不与目标对象直接接触的情况下，通过某种平台上装载的传感器获取其特征信息，然后对所获取信息进行提取、判定、加工处理及解译应用的综合性技术。 二、遥感的分类 按遥感平台分类：近地面遥感；航空遥感；航天遥感。 按传感器的探测波段分类：紫外0.05-0.38；可见光0.38-0.76；红外0.76-1000微米；微波1mm-10m；多波段遥感 按传感器工作方式分类：主动遥感；被动遥感。 按遥感资料获取方式：成像遥感；非成像遥感获得信号是曲线、数据。 按波段宽度及波谱的连续性：高光谱遥感；常规遥感。 按应用领域分类：陆地遥感、海洋遥感；农业遥感；城市遥感…… 三、遥感的特点 宏观观测，大范围获取数据(…)。 动态监测，更新快(…)。 技术手段多样，信息量大(…)。 应用领域广，经济效益高(…)。 局限性(…)。 四、遥感数据的应用领域 林业：清查森林资源、监测森林火灾和病虫害。 农业：作物估产、作物长势及病虫害预报。 水文与海洋：水资源调查、水资源动态研究、冰雪监控、海洋渔业。 国土资源：国土资源调查、规划和政府决策。 气象：天气预报、气候预报、全球气候演变研究。 环境监测：水污染、海洋油污染、大气污染、固体垃圾等及其预报。 测绘：航空摄影测量测绘地形图、编制各种类型的专题地图和影像地图。 城市：城市综合调查、规划及发展。 考古：遗址调查、预报。 地理信息系统：基础数据、更新数据。 五、遥感技术系统组成 1、遥感平台；遥感平台(Remote Platform)是安放遥感仪器的载体，包括气球、飞机、人造卫星、航天飞机以及遥感铁塔等。按遥感平台的高度不同，遥感分为近地遥感（150m以下）、航空遥感（80 km以下的平台，包括飞机和气球）和航天遥感等。 2、遥感器；遥感器或传感器( Remote Sensor)是接收与记录地表物体辐射、反射与散射信息的仪器。目前常用的遥感器包括遥感摄影机、光机扫描仪、推帚式扫描仪、成像光谱仪和成像雷达。按其特点，遥感器分为摄影、扫描、雷达等几种类型。 根据遥感器的类型不同，遥感分为被动遥感与主动遥感。被动式遥感器不向目标发射电磁波，仅被动接收地表物体对太阳光的反射与物体自身辐射的电磁波，如可见光照相机、红外照相机等。主动式遥感器主动向目标物发射电磁波，然后记录目标物反射信息，如真实孔径雷达与合成孔径侧视雷达等。 3、遥感数据接收与处理系统；遥感器接收到地物目标的电磁波信息，被记录在胶片或数字

NDVI指数在植被研究中的应用及其评价

NDVI指数在植被研究中的应用及其评价 归一化植被指数NDVI是目前应用最广泛的植被指数。不同的NDVI值对应不同的土地覆被类型，可以进行土地覆被方面的研究;NDVI20余年的时序资料可用于研究植被动态，以及与相关生态因子的相关性研究；卫星遥感技术具有覆盖面广、获取数据快等特点，可以用于环境、植被等的监测；应用NDVI发展生态学模型，可以开展生态学模拟研究，并在实地检验过程中完善。NDVI指数虽然存在容易饱和、校正有限、噪音较多等缺点，而且已经发展了新的替代性指数，但其特有的优点仍将使其在今后的研究中发挥重大作用。 植被指数是基于植物的光谱特征，将可见光与近红外遥感光谱观测通道进行组合运算而得到的数据。迄今为止，植被指数已经发展出40 余种。其中AVHRR-NDVI是目前应用最广泛的植被指数，应用领域包括土地利用、产量预报、区域检测以及生物地理学和生态学研究等。NDVI已经积累了20 余年的数据资料Anyamba Tucker，2005，应用研究颇具成效。 1、NDVI指数原理 植物叶片组织对蓝光470nm和红光650nm有强烈吸收，而对绿光和红外光强烈反射叶片中心的海绵组织和叶片背面组织对近红外辐射NIR，700-1000nm 反射较强。从红光Red到红外光，裸地反射率较高但增幅很小。植被覆盖越高，红光反射越小，近红外光反射越大。红光吸收很快达到饱和，而近红外光反射随着植被增加而增加。所以，任何强化Red 和NIR 差别的数学变换都可以作为植被指数，来描述植被状况。归一化植被指数NDVI就被定义为：NIR/Red-1/ NIR/Red1。 在理想状况下，不考虑大气、土壤背景等的影响，太阳-地物-传感器位置相对固定，此时传感器受到的信号将没有信号丢失和噪音干扰。而现实中，遥感数据要受到大气、土壤和传感器角度等因素的影响，因此在使用时需要进行必要的校正。如AVHRR-NDVI，对瑞利散射和臭氧吸收作了校正，又通过最大值合成法MVC对其他噪音作了校正。 2、NDVI指数应用举例 2.1. 土地覆被研究 在合适的条件下，不同的NDVI值对应不同的土地覆盖类型，从而可以进行大尺度上的土地覆盖分类。王长耀等2005利用1995 年NOAA 十天合成的ch4、ch5 通道亮温，先计算出陆地表面温度Ts，然后用最大值合成法计算每月的最大Ts和NDVI，以每月最大Ts和NDVI建立NDVI-Ts 空间。根据像素点NDVI，Ts在空间中的位置矢量，求出矢量在空间中的方向角度，并作归一化处理，得对到温度植被角度NTVA。12 个月NTVA 做主成分变换提取前三个主分量辅以全年总NDVI和大于0℃Ts积温，用模糊K-均值法进行全国土地覆盖分类。研究结果表明，基于NDVI-Ts 空间的NTVA 与NDVI、Ts一起作为分类特征在土地覆盖分类中具有较高的分类精度，能够取得较好的分类效果。 植被盖度是土地覆被研究的重要内容。结合实地观测来验证NDVI指数的植被盖度估测方法，可以提高实际工作的效率。张云霞等2007选择中国北方温带典型草原为研究对象，运用样方叠加的方法，选择不同植被盖度的49 块样地，将地面实测数据和ASTER 遥感数据结合，建立植被盖度经验模型，研究植被指数与植被盖度的相关性以及地面样方尺度对经验模型的影响。发现NDVI在估测草原植被盖度上优于其它植被指数RVI NDGI，而且样方尺度的选择对植被盖度经验模型的建立又很大影响，中国北方典型草原区适合大样方、取中值的方法。夏照

几种常见植被指数

常用的植被指数，土壤指数，水体指数有哪些？ 植被指数与土壤指数 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；

3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感； 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数： SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。

植被指数模型详解

ENVI下植被指数模型详解 植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算。未经过大气校正的辐射亮度或者无量纲的DN值数据不适合计算植被指数。 目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。在ENVI中，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。 下面是7大类27种植被指数的说明，这些植被指数都是经过严格生物条件下测试的。 1宽带绿度——BroadbandGreenness(5种) 宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。 宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm， ρBLUE=450nm。 1)归一化植被指数（NormalizedDifferenceVegetationIndex——NDVI）