摘要本文利用 GaiaSorter 高光谱分选仪测出不同类型的植物的光谱信息， 得到不同植物的三维高光谱图像数据。运用 Specview 软件对测得的光谱数据进行分析，得出光谱曲线。基于反射率光谱变量结合植被参数分析光谱对叶片生化组分的响应， 用于提取高光谱遥感提取植被生化组分信息。48094
毕业论文关键词：高光谱遥感； 反射率； 植被参数； 生化组分
Abstract This paper, by using GaiaSorter hyperspectral sorter spectrum, information ofdifferent types of plants is measured, 3 d hyperspectral image data of different plantsis used to analyze the measured of spectral data , and obtain the spectrum curves.Based on reflectance Spectral variables combines vegetation parameters to analysis ofbiochemical components of blade, used to extract the biochemical composition ofvegetation information extraction of hyperspectral remote sensing.
Key Words: hyperspectral remote sensing; reflectance; parameters; biochemicalcomposition
目 录
中文摘要. 2
英文摘要. 3
第 1 章 绪论... 5
1.1 研究目的与意义..5
1.2 高光谱遥感简介..5
第 2 章 材料与方法...6
2.1 研究区概况..6
2.2 样品采集..6
2.3测量方法...6
2.3.1测量仪器6
2.3.2光谱测量6
2.3.3数据处理7
2.4 生化参数测定 7
2.4.1叶片相对含水量 RWC 测定.7
2.4.2叶片色素测定7
2.5光谱特征参数...7
第 3 章 数据预处理...8
3.1原始光谱...8
3.2平滑处理...8
3.3 微分处理..8
3.4 对数变换..9
第 4 章 结果与分析...9
4.1 植被理化参数统计性描述分析 ..9
4.1.1 植物叶片色素含量的统计分析.. 9
4.1.2 各类植物叶片相对含水量的统计分析 10
4.2 植物叶片色素含量与高光谱特征参数相关性分析... 10
4.3 植物叶片相对含水量与高光谱特征参数相关性分析... 11
4.4植物健康叶片高光谱特征分析.12
4.5 植物受胁迫叶片高光谱特征分析..13
第 5 章 Landsat 影像的预处理... 14
5.1 几何精校正14
5.2 影像的镶嵌与裁剪15
第 6 章 植被信息遥感提取与分析.16
6.1 最优波段选取16
6.2 主成分变换16
6.3 缨帽变换17
6.4 植被信息提取18
第 7 章 讨论与展望.18
致谢... 20
参考文献... 21
第 1 章 绪论1.1 研究目的与意义长三角(江浙沪)位于北半球亚热带地区，是我国第一大经济区，河网密集、湖泊众多，属于典型的城市湿地生态脆弱区，城镇化的飞速发展对生态环境也产生了重大影响，例如，植物多样性和时空分布都发生了很大变化。通过获取典型植物的 RGB图像、高光谱反射率和关键的生理生化指标， 运用多种光谱分析技术研究典型植物的电磁波谱对外界影响因素的响应特征；将典型植物的地面电磁波谱特征和 RGB图像与卫星影像相结合，采用多种图像分类技术，研究长三角地区的植物分类和时空分布变化监测。
1.2高光谱遥感简介传统的多光谱遥感由于受到波谱分辨率的限制，难以区分地物独特的波谱信息，高光谱遥感技术突破了这一局限，能获得整个可见光、近红外、短波红外、热红外波段的连续光谱，波段数多至几十甚至数百个， 光谱分辨率达到纳米级， 可获得影像中每个像元的精细光谱[1]。
1.3高光谱植被遥感的国内外研究现状随着农作物估产和土地利用监测等领域对植被精细信息的要求日益提高， 高光谱遥感在植被研究中的应用显得越发重要[2]。近年来,随着遥感和计算机软、 硬件技术的发展与完善,植被光谱遥感的应用范围越来越广且不断深入。除在区域和全球尺度上广泛应用于从高空对农作物与林木生长状况,农业估产和生态环境的监测外,还应用于山区地物识别和分类制图以及地质找矿,酸雨的监测,植被覆盖空间结构的分析和监测以及地下深部油气的探测等领域。 成象光谱仪的出现使从飞机到卫星平台获取高光谱分辨率图象数据成为可能[3]。经相应的高光谱遥感信息处理技术处理后,与逐步建立及完善的双向反射模型的反演相结合,加上逐步成熟的植被高光谱分析算法,为更准确地探测植被的精细光谱信息,定量反演植被各组分含量及叶面积指数 LAI 等植被结构参数,精确估算植物所吸收的光合有效辐射APAR,植物的初级生产力NPP等指标提供了可能,从而推进了遥感定量化的进程。 植被光谱遥感已成为地表植被地学过程对地观测的强有力工具[4]。Hurcom认为在半干旱区用地面测量的反射光谱数据经高光谱分解技术,通过 NDV I 估计植被丰度比用 LAI或生物量等指标效果好[5]。 Steven 用地面测量光谱数据与 SPOT 结合, 对英国的甜菜用 SAIL-SOIL-SPECT-PROSPEC T-KUUSK 模型检测 OSAVI对各种观测和环境因子的敏感性,认为由于甜菜叶大且接近地面从而易于产生的热点效应是可以忽略的,但叶角分布对甜菜的产量和覆盖度的估算是很重要的一个因子[6]。Qiu 等人也通过反演植被的双向反射模型来估算植被的表面特性[7]。 利用混合光谱分解技术可以提高定量监测植被丰度随时间变化的精确性与准确性[8]。温刚利用 NOAA /N ASA Pathfinder AV HRR陆地数据集,建立了中国东部季风区( 108°～ 123°E, 210°～ 45°N)的 1986年归一化植被指数 NDVI 距平图象序列,展示了中国东部季风区的植被物候季节性特征和地域差异[9]。 Wessman等用机载高分辨率光谱仪所获得的遥感图象来估计 Wisconsin 州整个森林冠层的木质素浓度,并且在未受到干扰的森林生态系统中观测到冠层木质素浓度与有效 N 之间有很强的相关性,并认为冠层木质素可以作为氮状态的一个指标,从而通过遥感可估计森林地区的 N 循环速率并制[10]。第 2 章 材料与方法2.1研究区概况研究区域选为杭州植物园，杭州植物园地处北半球亚热带地区，北纬 30°15′，东经120°16′，占地 248.46公顷，园内地势西北高，东南低，中间多波形起伏。海拔 10-165m之间，丘陵与谷地相间，土壤属红壤和黄壤，ph4.9-6.5， 肥力适中。这里将研究区植被分为乔木、灌木、藤本、草本、蕨类五类进行实验。2.2样品采集试验植物采样，共采集乔木类 100种，灌木类 81种，草本 39种，藤本 10 种，蕨类 4种，共计 234种。采集每一种植物健康叶片 5 片、衰老或胁迫叶片 5片，放入密封袋内，再放入保温箱中带回实验室。 杭州市植物波谱特征分析:http://www.youerw.com/shengwu/lunwen_50434.html