高光谱遥感在植被监测中的研究综述

高光谱遥感已成为地表植被地学过程对地观测的强有力的工具，其特点是在特定光谱域以高光谱分辨率同时获取连续的地物光谱图像，使得遥感应用着重于在光谱维上进行空间信息展开，定量分析地球表层生物物理化学过程和参数。

传统的植被指数如比值植被指数、垂直植被指数或绿度等，与植被生物量有较好的相关关系，但这些指数受外部条件如植被覆盖率、叶子颜色和土壤颜色的影响较大，影响了这些指数的获取精度。利用高光谱遥感导数光谱技术能消除上述因素的影响，直接反映植被叶面积指数、叶绿素含量等信息。

1高光谱遥感信息处理方法

1.1定标与大气纠正

高光谱遥感数据易受一些外部因素的影响，诸如遥感器老化、地物二向性反射、大气效应、地形因子等，这些因子会削弱高光谱遥感数据赖以区分地物的敏感性。高光谱遥感信息的光谱一图像转换，必须进行定标和大气辐射校正，以消除这些因子的影响。

1.2光谱图像增强

光谱图像增强技术如光谱间的算术运算可增强像元光谱的差异。其中，滤波运算是广泛采用的信息增强方法。滤波运算，一方面是为了消除噪声，突出目标地物；另一方面也是为了方便进一步的导数运算。

1.3降维运算

为了将高光谱遥感数据与常用的宽波段数据进行对比分析，有必要对它进行降维处理。常用的降维方法都是通过卷积运算得到低光谱分辨率数据。

1.4混合像元分解

图像中每个像元均是一些最终单元(end member)光谱的线性混合。由于高光谱遥感数据具有光谱波段划分细、数量多等特点，有利于选择各种单一地物光谱区分明显的波段，将混合光谱反演成为单一光谱。

1.5光谱匹配

利用光谱数据库光谱进行光谱匹配可以直接识别地物成分。美国JPL最早发展了二值编码光谱匹配，已用于单矿物的识别。

2植被参数分析

植被各种参数的反演是植被遥感的主要内容之一。通过高光谱遥感植被指数技术可以提取植物生物物理参数的定量信息n。但在这一方面仍需要发展更适宜高光谱遥感的植被指数，并建立这些新指数与植被参量的定量联系。

2.1归一化指数

归一化植被指数(NDVI)，被定义为近红外波段(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。

2.2叶面积指数(LAI)

叶面积指数难以直接从遥感信息直接反演。国际上多用一个相对简单的反射模型来拟合：

由此模型推导得

吸收光合有效辐射(APAR)

植物冠层的光合有效辐射无论从理论和实验中都证明与反射值有联系。遥感所得的APAR比LAI能更可靠地估计作物生物量，因为作物的光合作用过程直接把APAR能量转换成干物质，因此APAR是作物初级生产力的一个较好的指标。

03

//植被生长监测

高光谱遥感的超多波段(几十、上百个)、光谱分辨率高(3～20nm)的特点，使其可探测植被的精细光谱信息(特别是植被各种生化组分的吸收光谱信息)，反演各组分含量，监测植被的生长状况。

植被初级生产力与生物量

冠层的理化特性在一定程度上控制着森林的初级生产力(NPP)。比如叶面积、叶厚度和氮含量通过控制光合作用和传输速率来影响NPP。

植物病虫害监测

植物病虫害的监测通过监测叶子的生物化学成分来进行。植物光谱维方向的特征信息主要集中在由植物叶片中生物化学成分含量的变化形成的吸收波形处。植物光谱的导数实质上反映了植物内部物质(叶绿素及其它生物化学成分)的吸收波形的变化。

病虫害感染导致叶子叶肉细胞结构发生变化，使得叶子的光谱反射率也发生了变化。大豆受蚕豆斑点葡萄孢(Botrytis{abae)感染后，大豆反射率在可见光区变平坦，在近红外的800nm处反射率降低。受感染的程度与可见光的反射率的相关性，一阶导数比原始的反射率要高，可以用它来监测病虫害的感染情况。、运用高光谱遥感还能监测植被受空气污染的状况。Holer等发现受空气污染地区多年的叶簇的红边位置比正常叶子向短波方向偏移了5 nm(蓝移)。在某些植被类型中，蓝移还与重金属含量偏高有关。实验表明蓝移是林地受污染后在光谱上表现的细微变化，它可以作为监测林地健康状况的诊断指标。

04

//结语

(1)高光谱遥感作为一种新的遥感技术已经在植被指数、植被叶面积指数、光合有效辐射等因子的估算中以及在植被生物化学参数分析、植被生物量和作物单产估算、作物病虫害监测中得到广泛的应用。

(2)选择合适的反演算法是保证高光谱遥感信息反演精度的关键，它决定着消除遥感器

老化、大气影响、地形效应等因素影响的效果。要定量地对植被生物量和作物单产进行估算，需要解决的问题还很多。目前多用的是一些回归算法，尽管离实用化还有一定的距离，但毕竟显示了其应用潜力。

(3)目前运用地面研究与航空遥感进行植被监测的试验较多，为将来应用航天高光谱遥感数据进行研究奠定了基础。

(4)高光谱遥感数据量巨大，必须选择适宜的数据压缩算法以减少存贮空间需求。

审核编辑 黄昊宇