利用短波红外数据区分土壤与冠层衰败植被
23536 文章评分：
4.2
利用短波红外数据区分土壤与冠层衰败植被
匿名作者 2015年12月1日 星期二
短波红外数据能让图像分析人员“看见”人眼无法感知的信息。本文假设读者已具备吸收特征与短波红外数据的基础知识。如需回顾短波红外数据相关知识，请阅读此文。人眼可感知的光谱范围约为400-700纳米，与完整的电磁波谱相比这个范围极其有限。对近红外与短波红外波段反射率的分析是摄影测量与光谱技术的核心。我们不仅能利用短波红外数据监测植物健康状况，还能识别病害载体、确定最佳收获期、确保合理施肥等。
数十年来，研究学者已认识到采集近红外数据对植被健康分析的重要性，但直到20世纪90年代中期，研究界才开始广泛应用短波红外数据，探索地表反射率如何指示植被健康度、碳含量、氮含量等指标。短波红外数据分析在农业与林业领域具有重要应用价值。
Greg Asner研究员通过研究光与植被的相互作用机制，推动了如何利用光学影像更好地理解植物健康的研究进程。其论文《冠层反射率的生物物理与生物化学来源变异性》（Asner 1998）为理解植物与光的相互作用奠定了理论基础。后续发表的聚焦植被短波红外数据研究的论文《土壤与植被的自动短波红外解耦生物地球物理方法》（Asner and Lobell, 2000）进一步深化了这一领域。本文将深入探讨该论文的一个方面，并运用ENVI可视化Asner和Lobell的研究发现：利用仅存在于短波红外光谱区域的吸收特征区分衰败植被与土壤。
短波红外波段范围约为1400-3000纳米。历史上，电磁波谱的该波段主要用于矿物学、地质学和土地管理领域的物质探测与识别。20世纪90年代末期，研究进展实现了对短波红外特定子波段的识别，这些波段可用于判定植被健康状况、含水量、碳含量等指标。下图展示了水、木质素与纤维素在可见光、近红外及短波红外波段的反射光谱。如图所示，大部分可识别的吸收特征都出现在短波红外光谱区域。
电磁波谱的可见光范围可用于识别植被色素。健康的绿叶植物因叶绿素a和b浓度较高而呈现绿色；受胁迫和衰老的植被因类胡萝卜素增加而呈现黄色；新形成叶片中的花青素会使植被呈现红色，该色素含量随衰老而增加。利用色素识别植被健康与衰老的典型实例是秋季，数十亿叶片在完全枯萎前，会从鲜绿色渐变为黄/红色调。虽然了解植物色素至关重要，但仅靠可见光范围无法确定含水量、氮含量或碳含量。下图第二个子图展示了绿叶、黄叶和红叶的反射率，可以清晰看到叶绿素、类胡萝卜素和花青素含量不同导致的光谱曲线差异。
（图表由D.A. Sims, J.A. Gamon提供，来源：Remote Sensing of Environment1）
电磁波谱的短波红外范围使用户能清晰观测某些吸收特征，因为特定物质仅在该波段显示吸收特征，这有助于判断植被健康状况并区分土壤与衰败冠层。如前所述，可根据叶片呈现的绿/黄/红色程度判断植物的相对健康状况。在可见光范围内对比衰败叶片光谱与土壤光谱时，地表反射率的差异较难分辨。而在光谱曲线中加入短波红外部分后，地表反射率值差异则变得显而易见。上图显示了来自美国和巴西木本植物物种的叶片半球反射与透射特性均值，下图显示了草本物种的反射与透射特性。下图展示了短波红外相比可见光与近红外波段所呈现的更多吸收特征与光谱特征。
（图表由G. Asner提供，来源：Remote Sensing of Environment2）
根据Asner博士及其同事的部分研究，“Asner（1998）采集的土壤光谱在2200纳米附近具有独特的吸收特征，这是由于主导干旱和半干旱环境的土壤黏土晶格结构中羟基吸收的组合与倍频所致”（Asner, 2000）。通俗而言，我们在2200纳米处观测到的土壤表面反射率吸收特征源于黏土的存在，这一特性使得区分土壤与衰败冠层变得十分简便。衰败冠层含有木质素和纤维素而土壤没有，反之土壤光谱包含黏土吸收特征而衰败冠层光谱则不存在。观看以下视频以全面理解此概念。
ENVI可便捷显示光谱库及自有像元数据的光谱曲线。识别这些光谱特征并理解其成因，是任何高级影像分析工作流程的关键环节。本文仅针对单一吸收特征展示了短波红外数据强大功能的冰山一角。更多相关信息请务必查阅关于短波红外数据在植被与农业领域应用的众多文献。
观看此网络研讨会，重点关注与ENVI及植被分析相关的WorldView-3短波红外数据应用。
参考文献：
1 - Sims, Daniel A., and John A. Gamon. "Relationships between Leaf Pigment Content and Spectral Reflectance across a Wide Range of Species, Leaf Structures and Developmental Stages." Remote Sensing of Environment 81.2-3 (2002): 337-54. Web. 24 Nov. 2015.
2 - Asner, Gregory P. "Biophysical and Biochemical Sources of Variability in Canopy Reflectance." Remote Sensing of Environment 64.3 (1998): 234-53. Web. 24 Nov. 2015.
3 - Asner, Gregory P., and David B. Lobell. "A Biogeophysical Approach for Automated SWIR Unmixing of Soils and Vegetation." Remote Sensing of Environment 74.1 (2000): 99-112. Web. 24 Nov. 2015.
行业嵌入：哈里斯公司培训陆军首席准尉 使用IDL 8.5.1的HTML功能创建更丰富的Jupyter Notebooks