高光谱数据应用于植被监测与分析与数据获取

国内系统：MAIS、OMIS-1、OMIS-2、PHI、WHI、LASIS

国外系统：AIS、AVIRIS、TRWIS、GERIS、HYDICEAISA、DAIS、CASI、HYMAP

(2) 航天成像光谱仪

Hyperion/EO-1

环境与减灾小卫星星座（HJ-1B）

中高光谱分辨率数据MODIS

2.高光谱数据应用于植被监测的优势

健康植物的波谱特征主要取决于它的叶子，受其影响，健康植物的波谱特征表现如下：

(1) 可见光谱段

在可见光谱段内，植物的光谱特征主要受叶的各种色素的支配，其中叶绿素起着最重要的作用。由于色素的强烈吸收，叶的反射和透射很低。在0.45um为中心的蓝波段和0.67为中心的红波段叶绿素强烈吸收辐射能（>90%）而呈吸收低谷。在这两个吸收谷之间（0.54um附近）吸收相对减少，形成绿色反射峰（10%~20%）而呈现绿色植物。

(2)近红外谱段

在近红外谱段内，植物的光谱特征取决于叶片内部的细胞结构。叶片的反射和透射能相近（各占入射能的45%~50%），而吸收能量很低（<5%）。在0.74um附近，反射率急剧增加。在近红外0.74-1.3um谱段内形成高反射。

(3)短波红外谱段

在短波红外谱段内（1.3um以外），植物的入射能基本上均吸收或者反射，透射极少。植物的光谱特征受叶子总含水量的控制，叶子的反射率与叶内总含水量约成负相关，即反射总量是叶内水分含量及叶片厚度的函数。由于叶子细胞间及内部的水分含量，绿色植物的光谱反射率受到以1.4um、1.9um以及2.7um为中心的水吸收带的控制，而呈跌落状态的衰减曲线。

植被种类和健康状况的不同，决定了不同的特征光谱信息。但是不同的植物类别，其叶子的色素含量、细胞结构、含水量均有不同。因而光谱响应总存在一定的差异。

高光谱数据可以非常敏感的捕捉到这些差异。

3.ENVI提供的植被分析工具

基于高光谱数据，ENVI提供了一系列分析工具，其中包括了常用的植被指数计算器。该计算器提供了最多6类 27种植被指数的计算，如绿度（Greenness）、　光利用率（Light Use Efficiency）、氮、干旱或炭衰减（Dry or Senescent Carbon）、冠层水分含量（Canopy Water Content）等常用的生物化学指数。并提供了每种植被指数的详细资料和计算公式能够根据影像信息自动显示可计算的植被指数。

在ENVI中，植被指数计算工具通过Spectral->Vegetation Analysis->Vegetation Indices Calculator实现。

以一景360个波段的SpecTIR高光谱数据为例，它的波谱范围为0.4 μm-2.4 μm，涵盖了从可见光到短波红外的常见的植被反射或吸收的特征光谱区间，可以很好的用来进行植被生长状态的分析。

4. 基于ENVI植被分析工具的海岸带植被监测

(1) 林木健康情况

用于病虫害监测、森林资源评估

原理：植被健康状况与绿度指数、叶面积指数、叶片水分含量和光利用效率有关

在ENVI中通过Spectral->Vegetation Analysis->Forest Health实现

(2)作物胁迫分析

用于作物胁迫制图，可产生预测结果

原理：作物胁迫与绿度指数、叶面积指数、冠层水分含量、冠层含氮量和光利用效率有关

在ENVI中通过Spectral->Vegetation Analysis->Agriculture Stress实现

(3) 着火可能性分析

分辨着火范围和着火点

原理:植被着火可能性与绿度指数、冠层水分含量、干旱和非光合植物造成的碳衰减有关

在ENVI中通过Spectral->Vegetation Analysis-> Fire Fuel实现