高光谱植被指数时间序列分析

在多时相指数图像立方体模型的基础上，根据作物不同的生理特点和物候历，通过高光谱植被指数时间序列分析，进行了作物类型分析和生长动态监测两个方面的应用，得到了良好的效果。

任何作物都有其特定的生长规律和物候历，表现在多时相指数图像立方体上它们的时间指数曲线区别性很强。

双季稻是中国南方长江流域的主要粮食作物，而在中国北方黄河流域,粮食以小麦和秋粮作物如玉米和高粱为主。作物的多时相NDVI曲线与其生育期之间存在较好的相关性；水体的NDVI曲线得到很好的确认,是一零值直线;水稻的绿峰高值总是出现在拔节期和抽穗期，NDVI低值都出现在水稻的插秧期和收获期；NDVI曲线能够很好地反映不同作物的物候差异。因此基于多时相指数图像立方体进行多种作物的识别和分类是可行的。

1999年中国科学院遥感应用研究所高光谱课题组在日本长野地区获得了生菜和中国大白菜多个生长季的野外光谱数据。基于此数据反演的多种生化参量和光谱指数(叶绿素、叶面积指数、氮含量、水分含量、光合有效吸收指数等)随时间的变化，这种变化体现了作物在生长过程中内在的物理和生理变化特点。据此,我们就可以分析作物的缺水、缺肥病虫害等情况，以服务于农业生产。

2001年和2002年，中国科学院遥感应用研究所与北京农林科学院合作，在小汤山精准农业示范基地开展了大规模高光谱遥感实验，实验包括获取多时相的航空高光谱遥感数据高时间频率下的地面光谱测量和生化采样分析,并配合这些分析工作，人为造成了冬小麦的氮胁迫和水胁迫。

最近几年，一些航空高光谱CCD相机被广泛应用于农业和自然资源研究方面的实验性或业务性图像采集,这些相机仅有有限的几个窄通道(一般宽度为25nm)。这些系统可以配备不同波段和带通的干涉滤光片，相机重量很轻，可以灵活地调整在不同高度上获得高分辨率的图像。这样，它们非常适用于在一定区域范围周期性地获取多时相高光谱植被指数图像。通过与标准的多时相植被指数曲线数据库进行比较，快速掌握植被长势信息。

在植被光谱指数构建的基础上，提出了多时相指数图像立方体分析模型(MIIC),并基于 FY-1C多时相NDVI数据，探讨了 MIIC模型在大面积作物分类与识别中的作用。利用多时相的地面光谱测量数据，绘制了生菜和白菜多种生化参量的生长变化曲线。在小汤山精准农业示范基地,利用MIIC模型分析了在氮与水的胁迫下小麦在不同时间段叶绿素、叶面积指数、氮含量、水分含量、光合有效吸收指数等的变化情况。

时间信息作为重要的信息源，用于辅助高光谱遥感图像分析,在进行地面覆盖类型识别、作物生长监测等方面都起到很好的作用。时间信息辅助下的高光谱数据分析不仅仅用于植被遥感中，也可以扩展到城市规划、灾害监测等应用领域。

多源的辅助信息为高光谱图像分析提供了更多的支持,在城市规划、环境监测、土地利用、军事侦察等方面有广阔的应用前景，目前已经在理论和技术方面取得了很多成果，但是大部分研究和尝试仍属于探索性质。总的来说，多源信息辅助下的高光谱数据分析已经展现了良好的应用潜力,有待进一步的发展和实践。