青海师范大学硕士学位论文要点.doc

硕士学位论文 开 题 报 告 书 论文题目 基于多源遥感数据的青海湖流域 植被指数研究 院（系） 生命与地理科学学院 学位类别 理学硕士 学科专业 （专业领域） 地图学与地理信息系统 研究方向 遥感技术应用 研究生姓名 刘金锋 导师姓名 殷青军 青海师范大学研究生部制 注：此表一式三份，学校档案室一份，本人档案一份，院系一份 论文选题的国内外研究现状及发展趋势： 植被指数是由多光谱数据线性和非线性组合构成的对植被具有一定指示意义的数值，主要利用绿色植被在红光波段和近红外波段具有不同的光谱特性，通过卫星探测数据的线性或非线性组合来反映绿色植物的生长状况，定量地表明了植被活力。 植被指数按发展阶段可分为三类：第一类植被指数基于波段的线性组合(差或和)或原始波段的比值，由经验方法发展的，没有考虑大气影响、土壤亮度和土壤颜色，也没有考虑土壤、植被间的相互作用(如RVI等)。它们表现了严重的应用限制性，这是由于它们是针对特定的遥感器(Iandsat MSS)并为明确特定应用而设计的。第二类植被指数大都基于物理知识，将电磁波辐射、大气、植被覆盖和土壤背景的相互作用结合在一起考虑，并通过数学和物理及逻辑经验以及通过模拟将原植被指数不断改进而发展的(如PVI、SAVI、MSAVI、TSAVI、ARVI、GEMI、AVI、NDVI等)。它们普遍基于反射率值、遥感器定标和大气影响并形成理论方法，解决与植被指数相关的但仍末解决的一系列问题。第三类植被指数是针对高光谱遥感及热红外遥感而发展的植被指数(如DVI、Ts—VI、PHI等)。这些植被指数是近几年来基于遥感技术的发展和应用的深入而产生的新的表现形式。[1]常见的植被指数大概有几十种。 最早的一种植被指数—比值植被指数( RVI)，对大气影响敏感，而且当植被覆盖不够浓密时(小于50％)，它的分辨能力也很弱，只有在植被覆盖浓密的情况下效果最好，对于浓密植物反射的红光辐射很小,RVI 无限增长。后来有人提出了差值植被指数DVI , Deering ( 1978 年) 提出归一化差值植被指数NDVI ,将比值限定在( - 1 ,1) 范围内, NDV I 可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化, 增强了对植被的响应能力,应用最为广泛。NDVI对绿色植被表现敏感，它可以对农作物和半干旱地区降水量进行预测，该指数常被用来进行区域和全球的植被状态研究。对低密度植被覆盖，NDVI对于观测和照明几何非常敏感。但在农作物生长的初始季节，将过高估计植被覆盖的百分比；在农作物生长的结束季节，将产生估计低值。 目前应用广泛的植被指数AVHRR-NDVI缺陷主要表现在：（1）在植被高覆盖区容易饱和，这除了红光通道就容易饱和外，主要是基于NIR/RED比值的NDVI算式本身存在容易饱和的缺陷；（2）没有考虑树冠背景对植被指数的影响；（3）NDVI的比值算式和最大值合成算法（MVC）确实消除了某些内部和外部噪音，但最终的合成产品仍然有较多噪音；（4）MVC不能确保选择最小视角内的最佳像元。所有这些AVHRR-NDVI的局限性，在基于中分辨率成像光谱仪（MODIS）的增强型植被指数（EVI）产品中3都有不同程度改善。MODIS-EVI改善表现在(1) 大气校正包括大气分子、气溶胶、薄云、水汽和臭氧，而AVHRR-NDVI仅对瑞利散射和臭氧吸收做了校正，这样MODIS-EVI可以不采用基于比值的方法，因为比值算式是以植被指数饱和为代价来减少大气影响。（2）根据蓝光和红光对气溶胶散射存在差异的原理，采用抗大气植被指数（ARVI）对残留气溶胶做进一步的处理；（3）采用土壤调节植被指数（SAVI）减弱了树冠背景土壤变化对植被指数的影响；（4）综合ARVI和SAVI的理论基础，形成增强型植被指数（EVI）”，它可以同时减少来自大气和土壤噪音的影响;(5) 采用限定视角内最大值合成法(CV-MVC)” 选择最小视角内的最佳像元,此外，目前正在实验的“双向反射分布函数（BRDF）合成法”首先把不同视角换算为星下点像元反射值然后采用（CV-MVC）合成，目的是进一步提高EVI对植被季节性变化的敏感性，总之，MODIS-EVI使植被指数与不同覆盖程度植被的线性关系得到明显改善，尤其在高覆盖区表现良好。[2] 农业植被指数(AVI)针对作物生长阶段测量绿色植被；多时相植被指数(MTVI)，将两个不