4.1. 点卫星¶
植被应用：
农业、林业和生态
植被识别的一般原则
由于许多遥感设备工作在电磁光谱的绿色、红色和近红外区域，因此它们可以区分植被的辐射吸收和反射。绿叶叶绿体中的叶绿素色素以约0.65微米（可见红色）为中心的吸收，在蓝色中的吸收程度类似，从白光中去除这些颜色，使可见波长的主要反射集中在绿色中。因此，大多数植被都是绿叶色的。叶叶肉细胞中也有0.7到1.0微米（近红外）的强反射，在这一反射范围内，光可能会在反射出现之前延迟。这种反射率的强度通常比大多数无机材料的强度大（百分比更高），因此植被在近红外波段显得明亮。植被的这些特性解释了它们在多光谱图像上的色调特征：蓝色、尤其是红色的色调较深，绿色波段较浅，近红外波段较亮（Landsat的多光谱扫描仪波段6和7以及主题映射器波段4的最大值）。
多光谱空间图像最成功的应用之一是监测世界农业生产状况。该应用程序包括识别和区分大多数主要作物类型：小麦、大麦、谷子、燕麦、玉米、大豆、水稻和其他作物。因此，我们可以在全球范围内随时量化这些作物和其他作物的总面积。对于更大的进口量，准确地（最好是90%）估计每种作物的预期产量（以蒲式耳或其他单位生产），包括本地、区域或全球。为此，我们首先计算每种作物的专用面积，然后结合每单位面积可靠的产量评估，农学家将这些评估收集到具有代表性的地面实况点。我们通过使用循环卫星轨道提供的农田重复覆盖来提高可靠性，当然，假设云覆盖足够稀疏，能够在生长季节培育出若干良好的外观。通常，从卫星数据中获得的产量估计比传统的收割方法更全面和更早（通常以周为单位）。有关土壤含水量的信息，通常对良好生产至关重要，可以通过某些卫星观测进行定性（在有利条件下，定量）评估。在适当的情况下，我们通常可以从水分不足或疾病中发现作物压力，有时还建议在农民意识到问题之前进行治疗。一些遥感专家声称，他们可以利用卫星探测毒品供应作物，如罂粟和野生烟草（大麻）。
根据遥感图像识别作物取决于几种植物特征。例如，一般来说，落叶的叶子比常绿的针更容易反光。因此，在红外颜色复合材料中，与0.7-1.1微米间隔中的这些条带相关的红色通常比松针的色彩更丰富，从树叶中更亮。因此，对于作物来说，我们使用的重要参数是作物类型的大小和形状（例如，大豆已展开叶丛，玉米具有高茎、细茎、有穗的茎和小叶，如小麦），单叶的形状和表面积，植物高度和它投射的阴影量，以及间距或其他种植几何结构。行间作物（豆类、饲料作物和果园的正常排列）。生长阶段（作物成熟度）也是一个因素。例如，在小麦的发育过程中，它经历了几个不同的步骤，例如，它的含核头部的发育，以及从绿色到金棕色的变化。
3-2 ： How would non-growing or dead vegetation (such as crops in senescence) be detected by Landsat? `ANSWER <answers.html#3-2>`__
我们在下面的序列图中显示了小麦的这些阶段：
请注意，在陆地卫星图像中，小麦田（尤其是最左边图像中的浅蓝色多边形）在紧急阶段在红外波段（因此是红色）显示出最亮的响应，但在成熟阶段则变得反应较弱。牧草和紫花苜蓿，组成牧草成熟（红）很晚。
3-3 ： This picture was made as part of the LACIE program, designed to demonstrate that crop history can be monitored by satellite and that productivity (yield in bushels) and prediction of total yield in a season from regions of major productions can be quantitatively assessed. How where the specific crop types used as training sites identified (determined)? `ANSWER <answers.html#3-3>`__
另一个图像变量是作物的背景，即可以改变颜色和其他特性的培育土壤，以及它所含的水分。所有这些因素结合起来，在人类种植的各种作物的光谱特征上造成了小到大的差异。一般来说，我们必须在特定时间从代表性样本中确定一个区域内每种作物的特征。然而，一些作物类型在同等生长阶段具有普遍相似的光谱响应。