《遥感技术应用及发展》-武汉大学笔记

1. 植被光谱

1. 植被的状态是本质，光谱规律则是现象，植被状态决定光谱规律。
2. 植被光谱影响因素
   1. 植被类型
   2. 植被生长季节
   3. 植被健康状态

2. 植被指数分析

1. 植被指数的概念
   • 依据遥感光谱曲线评估植被覆盖程度的定量指标。       
2. 植被光谱规律
   • 在可见光（Vis）出植被逐渐增高，反射率降低，在近红外（NIR）处植被逐渐增高，反射率增高。
3. 植被指数设计(可见光和近红外是提取植被指数的关键频谱)
   1. 归一化差值植被指数(NDVI)（近红外反射率-红光的反射率）/（近红外反射率+红光的反射率）
      1. 存在问题：无法敏锐的捕捉到轻微灾害的变化规律，无法得到想要的预警点。

          2. 绿通道植被指数（GNDVI）

        3. 宽动态范围植被指数（WDRVI）

三者区别：

1. 归一化差值植被指数 (NDVI):

   • 计算方法：NDVI是通过计算红光波段和近红外光波段的反射值之差除以它们的和来得到的，其计算公式为：(NIR - Red) / (NIR + Red)。
   • 区别：NDVI是最常用的植被指数之一，广泛用于植被监测、农业管理、生态研究等领域。它的取值范围在-1到1之间，负值通常表示水体或裸土，接近1表示健康植被。

2. 绿通道植被指数 (GNDVI):

   • 计算方法：GNDVI是一种与NDVI类似的指数，但它使用了绿光波段和近红外光波段的反射值，其计算公式为：(NIR - Green) / (NIR + Green)。
   • 区别：GNDVI相对于NDVI更加敏感于植被的健康状况，因为绿色波段对植被的反射更敏感。它在一些特定应用中可能更合适，例如森林和湿地研究。

3. 宽动态范围植被指数 (WDRVI):

   • 计算方法：WDRVI旨在解决NDVI在高覆盖度或健康植被下的饱和问题。它将红光波段和近红外光波段的反射值调整为对不同植被条件更敏感，其计算公式为：(NIR - α * Red) / (NIR + α * Red)。
   • 区别：WDRVI的主要优势在于其更广泛的动态范围，使其能够更好地区分不同植被条件下的变化。α是一个调整参数，可以根据具体情况来选择。

总的来说，这些植被指数在应用中有一些差异，选择哪种取决于具体的研究或监测目的以及可用的遥感数据。NDVI是最常用的，而GNDVI和WDRVI则在特定情况下可能更适用，因为它们在某些方面具有更高的灵敏度或动态范围。不同植被指数可以互补使用，以提供更全面的植被信息。

3.红外辐射

红外（Infrared）（红外辐射可以进行温度的探测）

        温度在绝对零度以上（-273.15℃）的物体，可以向外发射辐射能量。

         问题：为什么遥感卫星常用红外波段探测地球目标的温度？

              比辐射率与物体固有的性质相关一般数值在（0-1）

用什么波段观测取决于在哪个波长能够观测到辐射能量的极大值

太阳温度（6000K）——可见光

地球温度（300K）——红外光

如下图所示：

4.卫星轨道参数

               遥感卫星有着稳定规律的飞行轨道（椭圆）

                参数1：轨道长半轴（卫星轨道长轴的一半a）

                参数2：轨道偏心率（卫星轨道焦距与长轴之比e=c/a）

                参数3：轨道倾角（卫星轨道平面与地球赤道平面的夹角）

                参数4：升交点赤经（卫星升交点与春分点的角距）

                参数5：近地点幅角（卫星升交点与近地点的夹角）

                参数6：真近点角（近地点到卫星真实位置的角度）

5.传感器场地定标

传感器好比卫星的眼睛，定标就是要把卫星的眼睛擦亮

定标场：美国NASA斯坦尼斯定标场、中国嵩山定标场

6.遥感影像大气校正

目的：让传感器把地球看的更清楚

【遥感专题系列】定量/高光谱遥感之——大气校正（一） - GIS知乎-新一代GIS问答社区 (geoscene.cn)

【遥感专题系列】定量/高光谱遥感之——大气校正（二） - GIS知乎-新一代GIS问答社区 (geoscene.cn)

7.红外遥感温度反演

目的：利用遥感卫星来探测地球表面的温度信息

通过普朗克辐射定律

简单改写为（亮度温度法）

 测试后发现反演失败（不能准确得到温度信息）

找原因 通过进行地面观测辐射实验发现 不能简单的把地面上的任何目标都当作物理上的黑体来对待

然后将真实的地面目标的辐射的亮度信息与理想黑体的辐射信息进行对比得到比辐射率

对辐射亮度在分析

使用双温双通道法：在红外通道设置两个不同的波段和对同一地方不同时间进行分析

通过测试可以得到准确的温度信息

【案例】针对旱灾监测需求，如何利用我国HJ-1B卫星和FY-2C号卫星,获取黄海-东海及沿海地区海陆综合温度信息?
解答：首先以HJ-1B卫星为基础在FY-2C号卫星的辅助下进行大气校正获取该区域的辐射亮度信息，进而利用HJ-1B卫星的双温双通道法获取地表温度信息，最终得到温度反演图

8.遥感异常温度检测

目的：利用遥感卫星对地表温度的异常状况进行探测

  

异常温度：目标温度和环境背景参照温度出现较大反差，这个异常温度的信息便会体现在异常的辐射能上，通过异常的辐射能探测便可监测异常温度

辐射能量如何体现温度异常?
能否从普朗克的辐射定律中找到相应的答案呢？

异常温度的检测方法

1.长波红外门限法（可以实现对相关海域的异常温度监测）

存在问题：在长波红外区间随着问的逐步升高当温度达到高温状态以后，它的辐射异常将出现出现饱和。这意味着对于常规水体的低温异常监测它是可行的。而对于森林火灾这样的高温检测它将无能为力。
 

 2.中红外门限法（可以实现对森林火灾的异常温度监测）

9.光谱匹配

目的：利用遥感卫星对地球上的目标进行精细识别。

1.光谱匹配的原理

由于物质结构决定光谱特征，通过光谱特征进行对物质进行光谱匹配。

       在地面进行各种目标的光谱测量将它们的曲线及相应的属性存储到地物标准库中，构成第一个集合（地物标准光谱库（属性一开始已知））。

另外一个集合来自遥感卫星或飞机所获取的高光谱数据呈现出丰富的光谱信息，对于影像中的任何一个像元都存在着像元的响应值随波段的变化曲线，构成第二个集合（卫星遥感光谱（属性一开始未知））。

匹配将在上边的两个集合中进行。两者之间建立关联便可以实现已知->未知的转换。

2.光谱匹配的方法

        方法1：从像元出发

         遥感影像中的每一个像元都具备着不同的像元的响应曲线，让它与已知的地物标准光谱进行对比。

        方法2：从地面出发

        从地物标准光谱库中取出目标，与影像像元中每一个光谱进行对比分析。

10.光谱吸收匹配

目的：实现地面目标的精准识别

 1.光谱吸收

       当电磁波穿透介质的时候由于介质的不同成分会对电磁波产生不同的吸收作用，而大气中不同成分的吸收正好体现在太阳辐射剂的观测结果中。

2.光谱吸收匹配

         地面目标会形成不同的地物吸收光谱，在卫星探测的信息中会形成相应的卫星吸收光谱。通过二者的匹配可以实现目标识别。

3.谱线匹配法

        以植被作为分析对象，当太阳光照射至植被表面时，可见光范围内的光合作用，以及植被中水分对于近红外的吸收作用，并展现出来对于这样一条光谱曲线我们做出它的包络线。

        我们将包络线与光谱曲线中对应反射率进行比值，如此便得到吸收的光谱图（如下），在这样的一个图中光谱吸收谷会在若干个不同的波长位置处形成自身的投影而这些波长便形成了我们所说的植被吸收谱线。利用这一谱线进行匹配便是我们谱线匹配法的基本思想。

 测试存在问题（绿植吸收谱线完全一致）

4.普强匹配法

11.水体富营养化遥感监测

目的：利用遥感卫星对地球的水资源进行监测。

 水体光谱分析：随着电磁波波长的增加。其反射率从蓝绿红近红外逐步降低。

从富营养化的水体中提取固体的藻类样本，分析固体藻类光谱：在红光处出现低值，在近红外出现反射峰值，这也是与水体的区别。

1.近红外法

测试发现无法区分富营养化程度。

原因：地面实验光谱观测的固体取样与高光谱卫星观测的直接观测有差异，其中差异在卫星观测中水的强烈吸收的作用，无法识别水中藻类植物的含量信息。

2.红边法

12.遥感叶面积指数提取

目的：利用卫星对森林的茂密程度进行监测。

1.叶面积指数（涉及两个对象 叶片和土壤）

        定义：单位地表面积上植被总叶片面积

2.叶片-地表光谱分析

        地物光谱曲线

叶片数量不同则光谱曲线不同。

3.NDVI监测法

存在问题：28%的地面监测点出现了不同程度的误差。

原因：土壤湿度不同（不同湿度会导致相同LAI出现不同结果）。

3.土壤线分析法（误差率降低至15%（存在原因是植被叶片的多样性））

4.双线分析法