Page 80 - 遥感技术在生态环境监测中的应用研究

第三章 遥感监测技术

3. 植被初级生产力（NPP）与生物量

冠层的理化特性在一定程度上控制着植被的初级生产力（NPP）。比如叶面积和氮含
量通过控制光合作用的传输速率从而影响初级生产力（NPP），因此通过特定生物量（如
氮等）的含量将有助于估计年 NPP。Hame 等结合地面调查的高分辨率图像用相关分析的

方法建立了预测生物量的模型，然后再直接应用到低分辨率的 AVHRR 图像上，成功地估
算了面积达几百万平方公里的欧洲以针叶林树占优势的北方针叶林的生物量。

二、高空间分辨率遥感

（一）高空间分辨率遥感简介
空间分辨率是指能够被光学传感器辨识的单一地物或 2 个相邻地物间的最小尺寸。

空间分辨率越高，遥感图像包含的地物形态信息就越丰富，能识别的目标就越小。目前已
经商业化运行的光学遥感卫星的空间分辨率已经达到“亚米级”，如 2016 年发射的美国

WorldView-4 卫星能够提供 0.3m 分辨率的高清晰地面图像。近年来，随着我国空间技术的
快速发展，特别是高分辨率对地观测系统重大专项的实施，我国的卫星遥感技术也迈入了
亚米级时代，高分 2 号卫星（GF-2）全色谱段星下点空间分辨率达到 0.8m 与中低空间分

辨率遥感卫星相比，新型高分辨遥感卫星的成像传感器（如 CCD、CMOS 等）受光元件越
来越小，时间延迟积分（TDI）级数越来越高，卫星平台的通信能力、机动能力、指向稳
定性等也越来越好。但是，高空间分辨率遥感受传感器技术限制，其幅宽一般较窄，卫星

重访周期也相对较长，可以利用单星侧摆或星座组网等方式进行改善。
高空间分辨率图像（简称“高分图像”）包含了地物丰富的纹理、形状、结构、邻域
关系等信息，可主要应用于地物分类、目标提取与识别、变化监测等。基于高分图像，可

以充分提取图像地物的上下文语义信息，将图像分类从像元级提高到对象级。比如，自适
应马尔科夫随机场模型或者 GIS 辅助遥感图像分类都是充分利用精细的空间信息结构实现

对光谱分类结果的重定义，提高图像分类精度。此外，稀疏表示和深度学习方法在高分图
像分析中的应用研究也非常活跃。稀疏表示理论能够从复杂庞大的数据中分离出影像的主
要特征，深度学习方法则通过对深层网络结构进行训练提取图像所具有的深层次的结构特

征。
（二）高空间分辨率遥感环境制图方法

1. 空间分辨率的选择
目前，有多种高空间分辨率的遥感影像数据可供选择。影像的空间分辨率直接决定了
制图的效率、处理过程的复杂程度和结果的好坏，因此，它是整个制图过程中非常重要的

一个环节。分辨率选择的最主要依据是制图比例尺的大小，一般来说，为了保持地表细节
的清晰度，比例尺越大，要求影像的空间分辨率也就越高。对于一个给定的分辨率遥感影
像来说，白色部分表示最佳的制图比例尺范围，黑点填充部分表示该分辨率过高，存在信

73