植被的反射波譜曲線規律性明顯而獨特，主要分三段：可見光波段有一個小的反射峰，兩側有兩個吸收谷；在近紅外波段有一個反射的“陡坡”，至1.1微米附近有一峰值；在中紅外波段反射率大大下降，形成幾個低谷。植被在上述基本特征下因植物種類、季節、病蟲害影響等不同仍有細部差別。水體的反射主要在藍綠光波段，其它波段吸收都很強，特別到了近紅外波段，吸收就更強。在遙感影像上，特別是近紅外影像上，水體呈黑色。但水中含有其它物質時，反射光譜曲線會發生變化。如水中含泥沙，峰值出現在黃紅區。水中含葉綠素時，近紅外波段明顯抬升植被、水體的反射波譜特性植被、水體的反射波譜特性1土壤和巖石的反射波譜特性自然狀態下土壤表面的反射率沒有明顯的峰值和谷值，一般來講土質越細反射率越高，有機質含量越高、含水量越高反射率越低，此外土類和肥力也會對反射率產生影響。巖石的反射波譜曲線無統一的特征，礦物成分、礦物含量、風化程度、含水狀況、顆粒大小色澤、粗糙度等都會對曲線形態產生影響。土壤和巖石的反射波譜特性自然狀態下土壤表面的反射率沒有明2地質遙感是綜合應用現代遙感技術來研究地質規律，進行地質調查和資源勘察的一種方法。它從宏觀的角度，著眼于由空中取得的地質信息，即以各種地質體對電磁輻射的反應作為基本依據，結合其他各種地質資料及遙感資料的綜合應用，以分析、判斷一定地區內的地質構造情況。地質遙感工作的基本內容是：地面及航空遙感試驗，發揮適用于地質找礦、地質環境的遙感系統，進行圖像、數字數據的處理和地質判釋。地質遙感需要應用電子計算機技術、電磁輻射理論、現代光學和電子技術以及數學地質的理論與方法，是促進地質工作現代化的一個重要技術領域。第一節地質遙感地質遙感是綜合應用現代遙感技術來研究地質規律，進3巖性的識別沉積巖的識別變質巖的識別巖漿巖的識別地質構造的識別水平巖層的識別傾斜巖層的識別褶皺及其類型的識別構造運動的分析巖性的識別4第二節水體遙感一、水體的光譜特征

傳感器所接受的輻射包括水面反射光、懸浮物反射光、水底反射光和天空散射光。不同水體的水面性質、水中懸浮物的性質和數量、水深和水底特性的不同，傳感器上接收的反射光譜特性存在差異,為遙感探測水體提供了基礎。第二節水體遙感一、水體的光譜特征5第二節水體遙感二、水體界線的確定在近紅外圖像上，水體呈黑色；在雷達圖像上，水體呈黑色。第二節水體遙感二、水體界線的確定6三、水體懸浮物的確定1、泥沙的確定渾濁水體的反射光譜曲線整體高于清水；波譜反射峰值向長波方向移動。（“紅移）隨著懸浮泥沙濃度的加大，可見光對水體的透射能力減弱，反射能力加強。波長較短的可見光，如藍光和綠光對水體的穿透力較強，可反映出水面下一定深度的泥沙分布狀況。三、水體懸浮物的確定1、泥沙的確定7三、水體懸浮物的確定2、葉綠素的確定水體葉綠素濃度增加，藍光波段的反射率下降，綠光波段的反射率增高；水面葉綠素和浮游生物濃度高時，近紅外波段仍存在一定的反射率，該波段影像中水體不呈黑色，而呈灰色，甚至淺灰色。四、水溫的探測白天水體為暗色調，夜晚為淺色調。三、水體懸浮物的確定2、葉綠素的確定8五、水體污染的探測1、水體污染物濃度大且使水色顯著地變黑、紅、黃等，與背景水色有較大差異時，在可見光波段的影像上可識別出來。2、水體高度富營養化，可在近紅外波段影像上識別出來。3、水體受到熱污染，可在熱紅外波段影像上被識別。4、水上油溢污染可使紫外波段和近紅外波段的反射率增高，可被探測出來。六、水深的探測藍光波段影像上的灰度可反映水深。五、水體污染的探測1、水體污染物濃度大且使水色顯著地變黑、紅9第三節植被遙感一、植被的光譜特征1、健康植物的反射光譜特征：有兩個反射峰、五個吸收谷。第三節植被遙感一、植被的光譜特征10一、植被的光譜特征植物葉子的顏色葉子的組織結構葉子的含水量植物的覆蓋度2、影響植物光譜的因素第三節植被遙感一、植被的光譜特征植物葉子的顏色2、影響植物光譜的因11二、不同植物類型的區分1、不同植物由于葉子的組織結構和所含色素不同，具有不同的光譜特征。

在近紅外光區，草本植物的反射高于闊葉樹，闊葉樹高于針葉樹。2、利用植物的物候期差異來區分植物。3、根據植物的生態條件區別植物類型。二、不同植物類型的區分1、不同植物由于葉子的組織結構和所含色12三、植物生長狀況的解譯健康的綠色植物具有典型的光譜特征。遭受病蟲害的植物其反射光譜曲線的波狀特征被拉平。三、植物生長狀況的解譯健康的綠色植物具有典型的光譜特征。遭受13四、大面積農作物的遙感估產1、根據作物的色調、圖形結構等差異大的物候期的遙感時相和特定的地理位置等的特征，將其與其他植被分開。

獲得植被分布圖。2、利用高時相分辨率的衛星影象對作物生長的全過程進行動態監測

得到植被指數：比值植被指數、歸一植被指數、差值植被指數、正交植被指數。3、建立農作物估產模式

用選定的植物灌漿期植被指數與某一作物的單產進行回歸分析，得到回歸方程。四、大面積農作物的遙感估產1、根據作物的色調、圖形結構等差異14Wecanthereforeusethisinformationtoevaluatevegetationtype,condition,ordensity.Onewayofcharacterizingthisrelationshipwithasinglevariableisbydividingthenear-infraredreflectancebytheredreflectance(NIR/Red).Thelargerthisratio,themorephotosyntheticallyactivevegetationispresent;thelowertheratio,thelessphotosyntheticallyactivevegetationpresent.Withaircraftandsatellitedigitalsensorsweacquirebrightnessorreflectancedatainseparateregionsoftheelectromagneticspectrum.ThisallowsustocreateaNIR/RedratioimagesimplybydividingtheNIRimagebytheRedimage.Becausetheseratiovalueswillvaryconsiderablyfromoneregiontoanother,awayofnormalizingtheratiowasestablishedcalledtheNormalizedDifferenceVegetationIndexorNDVI.NDVI=(NIR–Red)/(NIR+Red).TheNDVIimageofArizona(Figure3)showstherangeofNDVIacrossthestate.植被指數Wecanthereforeusethisinfo15Figure3.NDVIimageofArizonafromtheMODISsensoracquiredonMarch14,2002.TheimagehasbeencolorcodedsothatareasofhighNDVIappearinshadesofgreenandareasoflowNDVIappearinshadesoftanandbrown.Figure3.NDVIimageofArizon16五、遙感植被解譯的應用1、植被制圖2、城市綠化調查與生態環境評價3、草場資源調查4、林業資源調查五、遙感植被解譯的應用1、植被制圖17第四節土壤遙感土壤是在地形,氣候等多種成土因素的綜合作用下形成的.在遙感影像上，不同的土壤類型的特征不如水體,植被等要素明顯，而且，土壤的性狀主要表現在剖面上，而不是在土壤的表面.土壤判讀主要通過綜合分析，并依靠間接解譯標志.第四節土壤遙感土壤是在地形,氣候等多種成土因素的綜合作用下18一、土壤的光譜特征地表植被稀少的情況下，土壤的光譜曲線與其機械組成和顏色密切相關.土壤表面有植被覆蓋時,覆蓋度小于15%,光譜特征與裸土相似;在15%-70%,表現為混合光譜.一、土壤的光譜特征地表植被稀少的情況下，土壤的光譜曲線與其19二、土壤類型的確定確定土類確定亞類土屬的的確定土種的確定土壤類型綜合分析和間接解譯二、土壤類型的確定確定土類20第五節高光譜遙感高光譜遙感是高光譜分辨率遙感（HyperspectralRemoteSensing）的簡稱。它是在電磁波譜的可見光，近紅外，中紅外和熱紅外波段范圍內，獲取許多非常窄的光譜連續的影像數據的技術。其成像光譜儀可以收集到上百個非常窄的光譜波段信息。

高光譜遙感是當前遙感技術的前沿領域,它利用很多很窄的電磁波波段從感興趣的物體獲得有關數據，它包含了豐富的空間、輻射和光譜三重信息。高光譜遙感的出現是遙感界的一場革命,它使本來在寬波段遙感中不可探測的物質,在高光譜遙感中能被探測。第五節高光譜遙感高光譜遙感是高光譜分辨率遙感（Hype21

植被的反射波譜曲線規律性明顯而獨特，主要分三段：可見光波段有一個小的反射峰，兩側有兩個吸收谷；在近紅外波段有一個反射的“陡坡”，至1.1微米附近有一峰值；在中紅外波段反射率大大下降，形成幾個低谷。植被在上述基本特征下因植物種類、季節、病蟲害影響等不同仍有細部差別。水體的反射主要在藍綠光波段，其它波段吸收都很強，特別到了近紅外波段，吸收就更強。在遙感影像上，特別是近紅外影像上，水體呈黑色。但水中含有其它物質時，反射光譜曲線會發生變化。如水中含泥沙，峰值出現在黃紅區。水中含葉綠素時，近紅外波段明顯抬升植被、水體的反射波譜特性植被、水體的反射波譜特性22土壤和巖石的反射波譜特性自然狀態下土壤表面的反射率沒有明顯的峰值和谷值，一般來講土質越細反射率越高，有機質含量越高、含水量越高反射率越低，此外土類和肥力也會對反射率產生影響。巖石的反射波譜曲線無統一的特征，礦物成分、礦物含量、風化程度、含水狀況、顆粒大小色澤、粗糙度等都會對曲線形態產生影響。土壤和巖石的反射波譜特性自然狀態下土壤表面的反射率沒有明23地質遙感是綜合應用現代遙感技術來研究地質規律，進行地質調查和資源勘察的一種方法。它從宏觀的角度，著眼于由空中取得的地質信息，即以各種地質體對電磁輻射的反應作為基本依據，結合其他各種地質資料及遙感資料的綜合應用，以分析、判斷一定地區內的地質構造情況。地質遙感工作的基本內容是：地面及航空遙感試驗，發揮適用于地質找礦、地質環境的遙感系統，進行圖像、數字數據的處理和地質判釋。地質遙感需要應用電子計算機技術、電磁輻射理論、現代光學和電子技術以及數學地質的理論與方法，是促進地質工作現代化的一個重要技術領域。第一節地質遙感地質遙感是綜合應用現代遙感技術來研究地質規律，進24巖性的識別沉積巖的識別變質巖的識別巖漿巖的識別地質構造的識別水平巖層的識別傾斜巖層的識別褶皺及其類型的識別構造運動的分析巖性的識別25第二節水體遙感一、水體的光譜特征

傳感器所接受的輻射包括水面反射光、懸浮物反射光、水底反射光和天空散射光。不同水體的水面性質、水中懸浮物的性質和數量、水深和水底特性的不同，傳感器上接收的反射光譜特性存在差異,為遙感探測水體提供了基礎。第二節水體遙感一、水體的光譜特征26第二節水體遙感二、水體界線的確定在近紅外圖像上，水體呈黑色；在雷達圖像上，水體呈黑色。第二節水體遙感二、水體界線的確定27三、水體懸浮物的確定1、泥沙的確定渾濁水體的反射光譜曲線整體高于清水；波譜反射峰值向長波方向移動。（“紅移）隨著懸浮泥沙濃度的加大，可見光對水體的透射能力減弱，反射能力加強。波長較短的可見光，如藍光和綠光對水體的穿透力較強，可反映出水面下一定深度的泥沙分布狀況。三、水體懸浮物的確定1、泥沙的確定28三、水體懸浮物的確定2、葉綠素的確定水體葉綠素濃度增加，藍光波段的反射率下降，綠光波段的反射率增高；水面葉綠素和浮游生物濃度高時，近紅外波段仍存在一定的反射率，該波段影像中水體不呈黑色，而呈灰色，甚至淺灰色。四、水溫的探測白天水體為暗色調，夜晚為淺色調。三、水體懸浮物的確定2、葉綠素的確定29五、水體污染的探測1、水體污染物濃度大且使水色顯著地變黑、紅、黃等，與背景水色有較大差異時，在可見光波段的影像上可識別出來。2、水體高度富營養化，可在近紅外波段影像上識別出來。3、水體受到熱污染，可在熱紅外波段影像上被識別。4、水上油溢污染可使紫外波段和近紅外波段的反射率增高，可被探測出來。六、水深的探測藍光波段影像上的灰度可反映水深。五、水體污染的探測1、水體污染物濃度大且使水色顯著地變黑、紅30第三節植被遙感一、植被的光譜特征1、健康植物的反射光譜特征：有兩個反射峰、五個吸收谷。第三節植被遙感一、植被的光譜特征31一、植被的光譜特征植物葉子的顏色葉子的組織結構葉子的含水量植物的覆蓋度2、影響植物光譜的因素第三節植被遙感一、植被的光譜特征植物葉子的顏色2、影響植物光譜的因32二、不同植物類型的區分1、不同植物由于葉子的組織結構和所含色素不同，具有不同的光譜特征。

在近紅外光區，草本植物的反射高于闊葉樹，闊葉樹高于針葉樹。2、利用植物的物候期差異來區分植物。3、根據植物的生態條件區別植物類型。二、不同植物類型的區分1、不同植物由于葉子的組織結構和所含色33三、植物生長狀況的解譯健康的綠色植物具有典型的光譜特征。遭受病蟲害的植物其反射光譜曲線的波狀特征被拉平。三、植物生長狀況的解譯健康的綠色植物具有典型的光譜特征。遭受34四、大面積農作物的遙感估產1、根據作物的色調、圖形結構等差異大的物候期的遙感時相和特定的地理位置等的特征，將其與其他植被分開。

獲得植被分布圖。2、利用高時相分辨率的衛星影象對作物生長的全過程進行動態監測

得到植被指數：比值植被指數、歸一植被指數、差值植被指數、正交植被指數。3、建立農作物估產模式

用選定的植物灌漿期植被指數與某一作物的單產進行回歸分析，得到回歸方程。四、大面積農作物的遙感估產1、根據作物的色調、圖形結構等差異35Wecanthereforeusethisinformationtoevaluatevegetationtype,condition,ordensity.Onewayofcharacterizingthisrelationshipwithasinglevariableisbydividingthenear-infraredreflectancebytheredreflectance(NIR/Red).Thelargerthisratio,themorephotosyntheticallyactivevegetationispresent;thelowertheratio,thelessphotosyntheticallyactivevegetationpresent.Withaircraftandsatellitedigitalsensorsweacquirebrightnessorreflectancedatainseparateregionsoftheelectromagneticspectrum.ThisallowsustocreateaNIR/RedratioimagesimplybydividingtheNIRimagebytheRedimage.Becausetheseratiovalueswillvaryconsiderablyfromoneregiontoanother,awayofnormalizingtheratiowasestablishedcalledtheNormalizedDifferenceVegetationIndexorNDVI.NDVI=(NIR–Red)/(NIR+Red).TheNDVIimageofArizona(Figure3)showstherangeofNDVIacrossthestate.植被指數Wecanthereforeusethisinfo36Figure3.NDVIimageofArizonafromtheMODISsensoracquiredonMarch14,2002.TheimagehasbeencolorcodedsothatareasofhighNDVIappear