植被种类众多，植被分类是植被研究的重要组成部分，也是最复杂的问题之一。传统植被分类通常以外貌结构特征、植被动态特征和生境特征等为依据，但在大范围尺度下，这种传统植被分类的效率较低。遥感具有大面积同步观测、时效性和周期性等特点，与传统实地勘测相比，大面积植被分类效率更高，而且获取信息速度快、周期短。每种植被都有光谱信息的独特性，利用遥感影像上的光谱差异可以区分不同植被。植被光谱库的建立，对于实现植被种类的快速匹配，提高分类识别水平起着重要的作用。
通过使用地物光谱仪(ASD FieldSpec4)采集典型植被的冠层或叶片特征光谱曲线。在采集测量光谱的同时，应同时拍照记录所测植被和现场采集情况、使用GPS测量所测植被的地理坐标位置、记录采集时间、仪器型号、光纤视场角、天气状况、观测人员、植被生长状况以及周围环境等。
典型植被的光谱数据库类型为对象关系型数据库。存储内容包括:光谱特征曲线和采集光谱特征数据的元信息(照片、名称、时间、仪器型号、光纤视场角、天气、位置、操作人员等)。在地面光谱测量时应重点注意以下事项:
(1)在天气晴朗、光线稳定(一般中午前后2小时，当地时间10点至14点)的天气条件下测量，测量时注意光线发生剧变后及时白板定标；
(2)针对低矮树木，可以直接测量冠层反射率；针对树木较高或者不易直接测量，采集足够树叶后找一块平坦的地方，将树叶平铺在黑布上测量。
对野外原始数据经过预处理，设计数据库结构，并建立典型植被光谱库，为植被类型的识别和进一步的地上生物量反演和生态监测提供基础的本底数据。
野外采集过程中每一株植被的光谱曲线可视为一个实体，而植被的光谱曲线元信息可视为其属性。因此，典型植被光谱数据库存在如下实体及属性:植株编号、植株名称、经纬度(位置)、地点、光谱曲线编号、仪器型号、操作人员、光纤视场角、天气、日期、现场采集照片记录。根据上述实体及属性的描述，以及实体间的一对一关系，可以构建概念模型，如图18-6所示。(www.xing528.com)
在典型植被的高光谱数据库中，根据已有的概念模型中实体及其属性关系，可利用物理模型描述该数据库，如关系数据库中的一些对象为表、字段、数据类型、长度、主键、外键、索引、约束、是否可为空、默认值(表18-2)。
图18-6 城市植被光谱曲线概念模型
表18-2 典型植被光谱数据库属性类型
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
