本站小編為你精心準備了遙感植被指數(shù)提取與農林業(yè)應用參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1數(shù)碼照片作為遙感影像的預處理

1.1全景圖拼接近地遙感影像拼接通常無需借助地面控制點，只需獲得影像匹配點便可直接拼接生成全景圖。使用這種粗糙的全景圖可以檢驗遙感作業(yè)中是否出現(xiàn)漏拍，影像重疊度是否符合要求等。

1.2空中三角測量對區(qū)域網進行空中三角測量，獲得控制點和檢查點的精度，從而對近地遙感作業(yè)所得數(shù)據(jù)精度進行評估。必要時，還可以通過提高地面控制點數(shù)量和精度來提高全景圖平面坐標和高程的準確性。

1.3正射影像制作在以上工作基礎上就可以進行正射影像的生成了。利用獲取的方位數(shù)據(jù)和匹配點對影像進行處理，利用人機交互法得到研究區(qū)DEM，最終生成精確的正射影像。得到正射影像后，還需抽取一定數(shù)量的地面控制點，對比其在屏幕上的坐標與實測坐標間的誤差，對正射影像的精度進行評估［12］。實際應用中，因研究目的不一，區(qū)域范圍各異，拍攝視角多變，以上各項處理步驟并不都是必需的。

2基于數(shù)碼照片可提取的遙感植被指數(shù)

經預處理的RGB色彩模式數(shù)碼照片只有紅綠藍3個顏色通道;使用經過改造(即拆除相機內部紅外濾光片并在鏡頭前加裝可見光濾鏡)或專用的紅外相機還能再獲取1個近紅外通道———在此基礎上，構造植被指數(shù)就是用R、G、B、NIR4個波段進行數(shù)學變換，最大化植被信號，最小化非植被信號。因為RGB圖像為真彩色，因此僅用RGB三通道構造的指數(shù)又被稱為植被顏色指數(shù)(Colorindices)［13］。

2.1比值植被指數(shù)數(shù)碼照片色相中綠色的比例已經能在一定程度上直觀地反映區(qū)域植被的好壞———綠色強度指數(shù)(Sgreen，Strengthofgreen)，也即綠色的比例系數(shù)或色度坐標。因葉綠素對紅光的強吸收和葉肉組織對近紅外光的強反射，植被在R和NIR波段的光譜差異最顯著。兩者之比即比值植被指數(shù)(RVI，Ratioveg-etationindex)能有效反映植物的這種特殊光譜響應特征。

2.2差值植被指數(shù)與Sgreen不同，超綠指數(shù)(ExG，excessgreenindex)以差值的形式表征綠色在色相中的富余度。ExG圖像是天然近二值灰度圖像，呈現(xiàn)明顯的黑白效果，通過自動閥值分割易于完成二值化處理，區(qū)分出植被與非植被，是近年來使用最多的顏色指數(shù)之一［17］。Woebbecke等［18］對比分析了ExG與r-b、g-b、(g-b)/(r-g)、HUE等植被指數(shù)對草地的識別能力，發(fā)現(xiàn)ExG效果最佳。它有很多改進型(MExG)。DVI的缺點是受土壤背景影響很大，會隨土壤的含水量、有機質含量、表面粗糙度等，以及光照條件、植被蓋度、作物排列方向的變化而變化。尤其是當植被過于濃密(蓋度≥80%)時，它對植被的靈敏度會顯著下降，因此只適用于植被發(fā)育早中期或低中覆蓋度植被的檢測。

2.3歸一化植被指數(shù)歸一化差異植被指數(shù)(NDVI，Normalizeddifferencevegetationindex)可被視為RVI的改進型?？梢姽獠ǘ蔚腘DVI(常記為NDI)通常基于R和B波段的光譜差異進行構造。而利用R和NIR波段構造的NDVI更加有效，能消除大部分與儀器定標、太陽角、地形、云陰影和大氣條件有關的照度變化。WDRVI通過為NIR波段引入權重系數(shù)解決NDVI的數(shù)值飽和問題，指數(shù)與植被覆蓋率的關系更加線性，對作物LAI的靈敏度是NDVI的三倍以上。式中，a為作物近紅外波段權重參數(shù)，常見農作物a值的取值范圍為［0.1，0.2］。而轉換植被指數(shù)(TVI，Transformedvegetationindex)是通過取平方根將近Poisson分布的NDVI數(shù)值轉換為正態(tài)分布。

2.4土壤修正植被指數(shù)由于拍攝距離近，拍攝時間機動，基于普通相機的近地遙感需要進行大氣修正的情況相對較少(相關指數(shù)從略);但為了降低土壤背景對植被指數(shù)的影響，土壤修正往往是必要的。土壤在R和NIR波段均有較高反射率，在R-NIR二維坐標系中，土壤光譜響應表現(xiàn)為一條斜線，稱為土壤線。而植被的R波段反射率低，在R-NIR坐標中位于土壤線左上方，不同植被與土壤亮度線的距離不同，可藉此被劃分。式中，a為土壤線斜率，b為截距。在PVI基礎上也發(fā)展出了一系列指數(shù)。它是NDVI和PVI的混合體，通過引入土壤亮度指數(shù)L，建立了一個描述“土壤-植被”系統(tǒng)的簡單模型，改善了指數(shù)與LAI的線性關系。

3相關指數(shù)在農林業(yè)中的應用領域

通過以上分析可以看到，僅使用一臺普通相機和一臺紅外相機4個波段的影像就足以提取到幾乎所有已知航空/衛(wèi)星遙感植被指數(shù)(少數(shù)指數(shù)需略加改造)，并實現(xiàn)絕大部分常規(guī)植被遙感所能夠實現(xiàn)的功能。這些指數(shù)中，不僅包括NDVI等常規(guī)遙感植被指數(shù)，還包括Sgreen、ExG、ExG-MExR、VVI等針對RGB模式照片發(fā)展而來的“顏色指數(shù)”。如果需要，通過給相機加裝不同波段的濾光片來截取特定光譜段的影像，提取高光譜遙感植被指數(shù)，如導數(shù)植被指數(shù)(DVI)、溫度植被指數(shù)(Ts-VI)、生理反射植被指數(shù)(PRI)等并繪制相關影像，理論上都是能夠實現(xiàn)的。在此基礎上足以實現(xiàn)，a.識別特定農林業(yè)遙感對象，提取相關空間信息。b.開展農林業(yè)資源調查、土地利用現(xiàn)狀調查、農林生態(tài)環(huán)境調查監(jiān)測等。c.建立指數(shù)與作物葉片色素、纖維素、木質素、水分、氮含量和CO2通量等生理生化指標的相關性，開展作物長勢監(jiān)測和產量評估。d.指導精準農林業(yè)活動的實施，如精準灌溉、精準施肥、精準播種、精準除草、精準防治病蟲害活動等。e.開展農林災害的遙感預警、監(jiān)測和損失評估，例如病蟲害、洪澇災害、火災評估。f.監(jiān)測植物物候變化，開展氣候變化研究，提升農林業(yè)應對氣候變化的能力。g.基于光譜變異假說(SpectralVariationHypothesis)［33］建立典型生物群落光譜特征參量和光譜庫，開展林業(yè)生物多樣性的監(jiān)測與評估等功能。

4展望

未來的農林業(yè)遙感應用將逐步形成“大、小、微衛(wèi)星遙感+航空遙感+近地遙感+地面調查”的復合模式，實現(xiàn)跨尺度、跨平臺、多時相、多傳感器遙感信息的整合，使遙感技術的作用得到充分發(fā)揮?；凇岸噍S飛行器+普通相機”的低成本、高分辨率近地遙感系統(tǒng)是對現(xiàn)有遙感體系的重要補充?？v觀遙感植被指數(shù)發(fā)展史，絕大多數(shù)指數(shù)是隨衛(wèi)星遙感平臺的發(fā)展在1970～1995年間被提出來的。相關領域在近年來并未有大的發(fā)展變化，這標志著相關理論和方法體系已相對成熟。反觀硬件的發(fā)展，低價微型紅外探測設備的缺失一直是阻礙植被遙感在平民中得以推廣使用的重要限制因素。這方面，美國PublicLab組織2013年在Kickstarter眾籌平臺發(fā)起Infragram項目，提供了一套有紅外和可見光雙鏡頭的相機及配套的PC軟件，支持假彩色合成和植被生理生化指標反演等功能，是植被遙感應用平民化的先驅者之一。2014年7月，美國Flir公司為iPhone6手機的FlirOne保護套是第一款供手機使用的消費級熱力紅外成像設備，其Lepton紅外攝像機芯，比普通紅外攝像機體積小34倍，輕20倍，并配備功能強大的圖像處理APP。隨著硬件成本的下降，紅外成像技術必將全面進入手機、平板電腦和可穿戴電子設備等移動通訊平臺。未來，利用這些平臺即可實現(xiàn)各種植被指數(shù)的實時計算，并借助“移動互聯(lián)網+WebGIS+云計算”技術實現(xiàn)遙感信息的共享、分析與交互，在此基礎上可構建出一種全新的低成本農林“微遙感”技術體系，為遙感植被指數(shù)的推廣應用提供多種可能。

作者：李昊民單位：西南林業(yè)大學云南生物多樣性研究院