光学卫星探测不同叶类型如何?

Question

在不同的土地覆盖分类系统,树木也进行归类的基础上阔叶或needleleaf。有人能告诉我这叶的机制,通过卫星探测类型?并归一化植被指数(NDVI)扮演任何的角色吗?

例如,在GlobCover项目,土地覆盖地图生成由23个土地覆盖类包括类阔叶林和needleleaf森林。,卫星传感器收集的数据在不同物候指标归一化植被指数、平均等,他们暂时获得一个值等指标。但是已经没有多少了http://due.esrin.esa.int/files/GLOBCOVER2009_Validation_Report_2.2.pdf关于所有物候指标计算。所以我的问题是,如何梅里传感器之间的分化阔叶林和needleleaf森林吗?

Answer 1

简短的回答

不同的植物反映不同波长的光与特定的模式。如果你知道的反射模式的阔叶林,needle-leaved森林,你可以比较他们的模式与卫星观测和总结森林更相似。

长回答

光学遥感

光学传感器记录电磁辐射在不同波长400 - 2400纳米之间。这种辐射来自太阳和影响地球上的不同材料表面表面吸收,通过或回散射传播。辐射散射回来的数量由一个观测传感器检测并记录,如梅里,MODIS或陆地卫星。由于不同材料的化学和物理性质,它们可以吸收、传输和反映不同比例在每个波长的辐射。纯物质的反射记录的传感器称为光谱特征。这个签名材料通常都是独特的。这可以帮助识别不同材料的存在在地球表面光谱特征时。

在实验室里,更复杂的和精确的传感器,可以识别的光谱模式单一的纯化合物或分子。规模不断扩大,然而,如果我们考虑一个整体的光谱响应森林,你可以很容易地想象一切混合:许多纯分子的光谱特征在不同的比例,散在或多或少密度和几何的树冠都感觉到由单个传感器单元(例如,卫星图像的一个像素)。

估计的存在和数量不同的材料在非均匀地表成为一个非常复杂的问题,研究者们已经发现了许多方法部分克服它并获得合理准确的估计覆盖地球表面和数量。主要是,1)观察到的混合材料的光谱响应统计与原位测量,或2)混合材料的光谱响应模拟计算模型和统计与观察。

在这两种情况下,可以使用整个光谱特征或特定指标来源于特定区域的光谱,我们知道相关的一些物质,我们试图描述有关。

植物的光谱性质

植物的光谱属性已收到相当兴趣在过去50年里,一个不可否认的光谱特性,所有的绿色植被,大大区别于土壤,岩石,人工材料和水是所谓的红色边。红边的特点是低反射率的可见辐射(由于叶绿素吸收)和高反射率在近红外区。

正常化的植被指数(NDVI)的许多指标提出了量化的红色边特性。该指数非常简单,只需要两个乐队和没有特定场地调整常量:

归一化植被指数= (Red-NIR) /红色(红色+ NIR) =红色辐射近红外光谱的反射率=近红外辐射的反射率

由于它的简单性,归一化植被指数可能是最使用的光学遥感植被指数。

红色边的归一化植被指数是度量功能,因此它是影响叶绿素活动和其他营养组织的存在。成功,(经验)与物候阶段,植物健康、生物量和叶面积指数。

总之,如果你知道预期的松林,光谱特征的橡树森林,你可以比较他们观察到的任何像素的光谱特征和估计森林像素的光谱特征是最相似的。

显然,该参数可用于比较,而不是整个签名由于其简单性和通用性;此外,其年际模式可以区分长期和年度计划,常绿和落叶森林。

然而,根据传感器的分辨率和项目的范围,更多的指标是可能的和不同的分类方法。还有其他几个特性,已确定在植物光谱响应。例如,木质素、淀粉、纤维素和水在短波红外吸收特性。

如果你看一看下面的图片,你可以注意到即使针头之间的年龄是可微的光谱特征检测到非常高的光谱分辨率传感器。这些传感器通常是手持虽然卫星传感器一般有5 - 15分,你看下一个连续的行。

图片来自:Rautiainen, M。Lukeš,P。Homolova, L。Hovi,。Pisek, J。& Mottus m (2018)。原始森林的光谱特性:回顾现场和实验室测量。遥感,10

Answer 2

一般来说,不,归一化植被指数不是用来获取植被类型。归一化植被指数为研究很有用物候学,但它不会告诉你的植物类型遥感。良好的土地覆盖系统使用多种数据源获得一般植物类型(如针叶树和落叶)。例如,国家土地类数据库(NLCD)描述状态:

全国土地覆盖数据库产品创建通过合作项目土地进行的多分辨率特征(MRLC)财团。MRLC联盟是一个联邦机构的合作,包括美国地质调查局(USGS)、美国国家海洋和大气管理局(NOAA),美国环境保护署(EPA),美国农业部(USDA)自然资源保护服务(nrc,美国林务局(usf),国家公园管理局(NPS),美国鱼类和野生动物服务(FWS),土地管理局(BLM),美国国家航空和宇宙航行局,以及地表采矿的办公室(OSM)。

仅依靠卫星数据分类(如看到造成问题在这里和在这里)。然而,试图得出叶面积指数(LAI)的归一化植被指数。赖然后可以使用长期试图区分原始和落叶森林(如通过比较冬天夏天)。不过,有很多做这些类型的假设时的误差来源。在这里指出这是一个很好的讨论,推导赖的归一化植被指数是越来越好,但仍然有局限性。