遥感教程第3-4页

目录


This page considers more examples of practical uses of remote sensing in studying several aspects of vegetation. The first introduces the concept of "Vegetation Index" in which bands sensitive to chlorophyll absorption and cell wall reflectance are treated by simple mathematics (usually ratios of individual bands or of band sums or differences) to accentuate recognition of and variation within types and densities of growing forests, fields, and crops. A now famous example of vegetation changes over growing seasons in the entire African continent, as imaged by the AVHRR sensor on a NOAA satellite, is presented. Other AVHRR examples display NDVI results for Canada, Mexico, and the whole Earth's landmasses. Another example looks at wheat fields along the Volga River in southern Russia, as seen in Landsat images taken at dates about 3 weeks apart in 1974 and 1975, in which crops in the latter year are greatly reduced in vigor and extent owing to a major drought. A similar situation affected East Africa in 1984 and was monitored by the AVHRR. The final scene includes a Landsat view of the California-Mexican border just above the Gulf of California, in which a striking contrast in number of fields planted and degree of growth results from different crop practices and water uses. Two ASTER scenes covering the same region are also depicted. All these observations, especially at AVHRR scales, are needed as input to integrated data systems that monitor crops at regional and global levels.


植被指数;其他植被景观

陆地卫星和现场系统参与了各种作物控制和库存。如前所述,陆地卫星专题制图仪(TM)4和多光谱扫描仪(MSS)6和7波段(以及斑点波段3)对检测植物细胞的红外反射(被含水量修改)最敏感。TM波段3和MSS波段5(以及斑点波段2)测量可见红色的反射率,提供了吸收光叶绿素影响的数据。使用这些波段的比率图像有助于量化参与特征响应的植被数量,如生物量。对于NOAA系列,其高级甚高分辨率辐射计(AVHRR)传感器的波段2和1大致相当于TM波段4和3(参见第14节了解METSAT系统的回顾)。TM波段4与波段3、MSS波段6或7与波段5或AVHRR波段2与1的比值是植被指数(vi)的简单近似值。其他vi变量取决于这些变量的其他组合。最常用的是归一化差分植被指数(ndvi),即(近红外波段-红波段)除以(近红外波段+红波段)。对于tm,这是(4-3)/(4+3);对于avhrr,这是(2-1)/2+1)。

vi可从气象卫星等地球静止卫星的一个角度监测整个大陆的分布情况(这是常见描述性术语“气象卫星”)。利用AVHRR数据(以及支持地面真实性的数据),在1982年4月至1983年2月中旬,按照8个观测间隔(由NOAA-7提供),J.C.Tucker和他在美国宇航局戈达德航天飞行中心的同事利用主成分分析,得出了一个总体分类。关于所有非洲的土地覆盖类型。在下面的类图中,中蓝色=灌丛和灌木丛;深蓝色=散布的热带森林和草地;紫色=苏丹式草地和林地;中绿色=半干旱的木本草地和灌木丛;深绿色=林地;黄色=落叶灌木地和木本草地;橙色=半沙漠到沙漠;红色=热带雨林和山地森林。

|利用NOAA-7上的两条AVHRR带绘制的植被指数(NDVI)图,显示了1982年4月至1983年2月期间整个非洲大陆植被覆盖的各种类型和程度的总体分布。γ

这一组和其他人继续应用metsat avhrr观测非洲各地生物量的季节变化(“绿波”),如下所示:a.1982年4月12日至5月2日;b.1982年7月5日至25日;c.1982年9月27日至10月17日;d.1982年12月20日至1983年1月9日。事实证明,这对于确定埃塞俄比亚和萨赫勒地区(北部沙漠地区)的作物短缺和干旱状况非常有价值,在过去十年中,饥饿是一个巨大的威胁。这种观测技术目前已在世界范围内得到应用。

|上面图像的ndvi值的键。|


` <>`__3-9Knowing that the desert in northern Africa is called "The Sahel", in which of the four above panels has the "drought" moved farthest south; which panel marks the most significant northern encroachment of vegetation, as disclosed by a higher VI? `ANSWER <Sect3_answers.html#3-9>`__

AVHRR数据可以监测从大陆到区域或全球范围内的植被。这是一个彩色马赛克,由1波段=蓝色;2波段=绿色;以及ndvi=红色组成,适用于加拿大所有地区。结果表明该国的森林覆盖范围很广。

可以使用AVHRR、陆地卫星、SPOT和其他系统研究更小的区域。接下来的三幅图像,其信息内容在标题中给出,覆盖了墨西哥中部高地的一个大流域。勒玛河穿过现场流入查帕拉湖。这个地区在瓜达拉哈拉以南。

Land Cover Classification of the Chapala-Lerma Basin

本研究由贝勒大学的Joseph White完成,可在 Internet .

在另一个极端,累积的AVHRR数据允许在全球基础上绘制平均NDVI分布图。下一幅图显示了1982年至1990年间使用LosTucker模型得出的平均值。请注意,最高值出现在南美洲的亚马逊地区,最低值出现在北非的沙漠中,向东穿过中东进入中亚。

Global distribution of NDVIs averaged between 1982-1990.

应力植被可通过NDVI计算或其他指标更直接地揭示。2002年夏天,美国遭遇了几十年来最严重和普遍的干旱。(作者在哪里 [NMS] 住在宾夕法尼亚东北部,从8月21日的窗外望去,草坪几乎全是棕色的,几棵树正在失去树叶,基础植物枯萎了,过去6周里雨水不足1英寸。(8月初的降雨量稀少在页面顶部讨论 14-15 . 这幅图像是一幅AVHRR数据图,经过处理后可显示植被应力:

image8

The Volga Wheat Drought; Africa; the Salton Sea, California/Mexico

70年代中期,另一个大规模而非非洲作物歉收的例子成为媒体的头条新闻。在前苏联的伏尔加和其他主要小麦种植区,俄罗斯部分地区的严重干旱导致了威胁性的产量短缺,迫使领导人寻求外部小麦市场的帮助。他们联系美国和澳大利亚政府,特别是提供足够的小麦和其他谷物,以防止几个地区可能出现的饥饿。一些批评人士声称,这些领导人是在假装短缺,以利用其他地方的好价格。但是,相机不会说谎。陆地卫星图像证明了俄罗斯求救的真实性,正如这张前后图像所清楚描述的:

Partial Landsat images of the grain belt steppes of southern Russia around the Volga river taken at nearly the same time in 1974 (left) and 1975 (right), showing that the wheat fields in 1975 are much less red in this false color composite, indicating delayed growth and stress caused by a severe drought.

1974年的次新世,在伏尔加河的一个大拐弯处,农田已经处于正常的种植阶段。一年后,也就是1974年之后的三个星期,当成熟的作物本应增加现场的红色,而不是大部分农田是休耕(深灰色和棕褐色),证实了干旱的要求。

` <>`__3-10Does the drought appear localized or regional; what is the nature of the red colored area within the great curved bend of the Volga? `ANSWER <Sect3_answers.html#3-10>`__

干旱是影响植被的条件之一,可以通过AVHRR-NDVI计算敏感地测量。下一个场景覆盖了从埃塞俄比亚和索马里延伸出的角附近的东非部分地区。棕色表示植被中异常严重的应力状态;黄色比正常情况差一点;绿色与不受低降雨量影响的局部地区有关。

冬小麦是南非开普敦的主食。下一组modis图像分别于2002年7月21日和2003年7月21日在南半球种植这种小麦作物的高峰期分别拍摄了整整一年。2003年自然色图像中大大减少的绿色是南部非洲明显下降导致作物歉收的强烈迹象;同时,丰富这种气候的天然草原也受到影响。

July 21, 2002 MODIS image of Cape Town in South Africa; normal wheat crop conditions Same area on July 21, 2003, showing effects of a severe drought.

干旱或类似沙漠的地区实际上有相当多的植被。干旱的国家以草地和灌木丛为特征。这里是莫哈韦沙漠的国税局场景,其中主要的土地覆盖类型已被分类:

主要的植被是杂酚油灌木(Larrea tridentata),有几种环境。

在离开这个农业主题之前,我们想再看一个例子来展示北美最肥沃和多产的种植区之一。它位于莫哈韦沙漠以南大约100英里。这张宇航员照片显示了加利福尼亚州南部的大部分地区,包括莫哈韦沙漠、圣地亚哥以东的海岸线、索尔顿海和帝国谷,以及墨西哥在下加利福尼亚州北端的一部分。

在这幅陆地卫星图的放大部分,索尔顿海和帝国谷被照亮了。El Centro镇(蓝黑色小块)位于墨西哥边境以北16公里(10英里)处(由于与农业活动形成鲜明对比,因此非常明显)。El Centro以南是Mexacali。

这个农业区是美国冬季蔬菜的主要生产地之一,它延伸到咸海的北部和南部,咸海是一个长度超过49公里(30英里)的含盐水体,它充满了海平面以下约82米(269英尺)的盆地。这个“海”是在20世纪初不久从遥远的科罗拉多河(右上角可见一小段)溢出的水形成的。洪水从低洼的干涸的河床中倾泻而下,向西行驶超过64公里(40英里),注入科切拉山谷的最低处。在这种沙漠气候中,水慢慢蒸发,变成微咸水(中等咸水),因此不适合直接灌溉。

图片底部的湖状水是拉古纳萨拉达,它经历了季节性的水位下降,有时会达到干燥状态,露出了普拉亚湖床。山谷的东部是巧克力山,是盆地和山脉系统的一部分,其侧面是引人注目的冲积扇。亚新世右半部分的明亮地带是阿尔戈多内斯沙丘场,源于沙顿海(Salton Sea)的一个古代前身占据了沙顿海槽(Salton海槽)之后,表层留下的沙滩砂,沙顿海槽是海岸山脉(左下)和东部山脉之间的一个构造盆地。

今天,科罗拉多河的运河将水输送到大海。这里最大的运河是著名的全美洲运河。温和的冬天促进了山谷的全年农业(最多三个收成),棉花、甜菜、生菜和柑橘是主要作物。在这个四月的场景中,大部分区域都在完全增长,这是由明亮、均匀的红色表示的。土地利用实践和水资源(没有大运河)的可用性的差异导致墨西哥农业的显著减少。这在视觉上是相当惊人的,当这一aster特写的边境土地使用进行检查(el centro是在美国的城镇,墨西哥是在墨西哥)。

在上述两种假彩色合成材料中,单个字段的差异很小,在这些传统的格式中很难分辨出来。在下面的图片中,有三个由不同波段组合的aster光谱波段(参见 page 16-10 )这些都列在标题中。

` <>`__3-11在过去的几个月甚至几年里,一系列的陆地卫星或现场场景如何有利于该地区的经济和环境管理? **ANSWER**

显然,仅使用这些条带的不同组合表达的差异表明,能够识别、区分和分类正在生长的作物类型。ASTER上的附加波段提高了这一能力,允许在指定作物类型时更精确。

通过作物监测来控制健康状况和估计收获产量已经成为一个使用各种多源数据集的复杂系统。这是联邦机构和私人商品公司使用的一个计划,用于预测或发布有关作物损害和其他问题的警告。

Lacie、Agristars和Fife现场实验是概念验证的早期例子。作物识别可高达90%的准确度。这些项目需要大量的现场输入,但需要卫星提供高分辨率的多光谱数据,以便从相对较小区域分类所需的少数培训地点推断出需要在国家或地区进行可靠估计的广阔区域的地图。全球范围。我们将在第13节的第一部分重新考虑这个主题。


主要作者:Nicholas M.Short,高级电子邮件: nmshort@nationi.net