青海師范大學(xué)

1、碩士學(xué)位論文開 題 報 告 書論文題目 基于多源遙感數(shù)據(jù)的青海湖流域 植被指數(shù)研究 院（系） 生命與地理科學(xué)學(xué)院 學(xué)位類別 理學(xué)碩士 學(xué)科專業(yè) （專業(yè)領(lǐng)域） 地圖學(xué)與地理信息系統(tǒng) 研究方向 遙感技術(shù)應(yīng)用 研究生姓名 劉金鋒 導(dǎo)師姓名 殷青軍 青海師范大學(xué)研究生部制注：此表一式三份，學(xué)校檔案室一份，本人檔案一份，院系一份論文選題的國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢：植被指數(shù)是由多光譜數(shù)據(jù)線性和非線性組合構(gòu)成的對植被具有一定指示意義的數(shù)值，主要利用綠色植被在紅光波段和近紅外波段具有不同的光譜特性，通過衛(wèi)星探測數(shù)據(jù)的線性或非線性組合來反映綠色植物的生長狀況，定量地表明了植被活力。植被指數(shù)按發(fā)展階段可分為三類：

2、第一類植被指數(shù)基于波段的線性組合(差或和)或原始波段的比值，由經(jīng)驗方法發(fā)展的，沒有考慮大氣影響、土壤亮度和土壤顏色，也沒有考慮土壤、植被間的相互作用(如RVI等)。它們表現(xiàn)了嚴重的應(yīng)用限制性，這是由于它們是針對特定的遙感器(Iandsat MSS)并為明確特定應(yīng)用而設(shè)計的。第二類植被指數(shù)大都基于物理知識，將電磁波輻射、大氣、植被覆蓋和土壤背景的相互作用結(jié)合在一起考慮，并通過數(shù)學(xué)和物理及邏輯經(jīng)驗以及通過模擬將原植被指數(shù)不斷改進而發(fā)展的(如PVI、SAVI、MSAVI、TSAVI、ARVI、GEMI、AVI、NDVI等)。它們普遍基于反射率值、遙感器定標和大氣影響并形成理論方法，解決與植被指數(shù)相關(guān)

3、的但仍末解決的一系列問題。第三類植被指數(shù)是針對高光譜遙感及熱紅外遙感而發(fā)展的植被指數(shù)(如DVI、TsVI、PHI等)。這些植被指數(shù)是近幾年來基于遙感技術(shù)的發(fā)展和應(yīng)用的深入而產(chǎn)生的新的表現(xiàn)形式。1常見的植被指數(shù)大概有幾十種。 最早的一種植被指數(shù)比值植被指數(shù)( RVI)，對大氣影響敏感，而且當(dāng)植被覆蓋不夠濃密時(小于50)，它的分辨能力也很弱，只有在植被覆蓋濃密的情況下效果最好，對于濃密植物反射的紅光輻射很小,RVI 無限增長。后來有人提出了差值植被指數(shù)DVI ,Deering ( 1978 年) 提出歸一化差值植被指數(shù)NDVI ,將比值限定在( - 1 ,1) 范圍內(nèi), NDV I 可以消除大部

4、分與儀器定標、太陽角、地形、云陰影和大氣條件有關(guān)輻照度的變化, 增強了對植被的響應(yīng)能力,應(yīng)用最為廣泛。NDVI對綠色植被表現(xiàn)敏感，它可以對農(nóng)作物和半干旱地區(qū)降水量進行預(yù)測，該指數(shù)常被用來進行區(qū)域和全球的植被狀態(tài)研究。對低密度植被覆蓋，NDVI對于觀測和照明幾何非常敏感。但在農(nóng)作物生長的初始季節(jié)，將過高估計植被覆蓋的百分比；在農(nóng)作物生長的結(jié)束季節(jié)，將產(chǎn)生估計低值。目前應(yīng)用廣泛的植被指數(shù)AVHRR-NDVI缺陷主要表現(xiàn)在：（1）在植被高覆蓋區(qū)容易飽和，這除了紅光通道就容易飽和外，主要是基于NIR/RED比值的NDVI算式本身存在容易飽和的缺陷；（2）沒有考慮樹冠背景對植被指數(shù)的影響；（3）NDVI

5、的比值算式和最大值合成算法（MVC）確實消除了某些內(nèi)部和外部噪音，但最終的合成產(chǎn)品仍然有較多噪音；（4）MVC不能確保選擇最小視角內(nèi)的最佳像元。所有這些AVHRR-NDVI的局限性，在基于中分辨率成像光譜儀（MODIS）的增強型植被指數(shù)（EVI）產(chǎn)品中3都有不同程度改善。MODIS-EVI改善表現(xiàn)在(1) 大氣校正包括大氣分子、氣溶膠、薄云、水汽和臭氧，而AVHRR-NDVI僅對瑞利散射和臭氧吸收做了校正，這樣MODIS-EVI可以不采用基于比值的方法，因為比值算式是以植被指數(shù)飽和為代價來減少大氣影響。（2）根據(jù)藍光和紅光對氣溶膠散射存在差異的原理，采用抗大氣植被指數(shù)（ARVI）對殘留氣溶膠做

6、進一步的處理；（3）采用土壤調(diào)節(jié)植被指數(shù)（SAVI）減弱了樹冠背景土壤變化對植被指數(shù)的影響；（4）綜合ARVI和SAVI的理論基礎(chǔ)，形成增強型植被指數(shù)（EVI）”，它可以同時減少來自大氣和土壤噪音的影響;(5) 采用限定視角內(nèi)最大值合成法(CV-MVC)” 選擇最小視角內(nèi)的最佳像元,此外，目前正在實驗的“雙向反射分布函數(shù)（BRDF）合成法”首先把不同視角換算為星下點像元反射值然后采用（CV-MVC）合成，目的是進一步提高EVI對植被季節(jié)性變化的敏感性，總之，MODIS-EVI使植被指數(shù)與不同覆蓋程度植被的線性關(guān)系得到明顯改善，尤其在高覆蓋區(qū)表現(xiàn)良好。2農(nóng)業(yè)植被指數(shù)(AVI)針對作物生長階段測量

7、綠色植被；多時相植被指數(shù)(MTVI)，將兩個不同日期的數(shù)值簡單相減，是為了觀測兩個日期植被覆蓋條件的變化和作物類型的分類，并用來探測由于火災(zāi)和土地流失造成的森林覆蓋變化。歸一化差異綠度指數(shù)(NDGI)，可用來對不同活力植被形式進行檢驗。歸一化差異指數(shù)(NDI)建立了光譜反射率和棉花作物殘余物的表面覆蓋率的關(guān)系，以用來對作物殘余物的制圖。近年來，隨著高光譜分辨率遙感的發(fā)展以及熱紅外遙感技術(shù)的應(yīng)用，又發(fā)展了紅邊植被指數(shù)、導(dǎo)數(shù)植被指數(shù)(DVI)、溫度植被指數(shù)(Ts一)、生理反射植被指數(shù)(PHI)?！凹t邊”的一般定義為葉綠素吸收紅邊斜率的拐點。紅邊位置靈敏于葉綠素ab的濃度和植被葉細胞的結(jié)構(gòu)。3為獲取

8、紅邊位置信息，Miller等4用一個倒高斯模型擬合紅邊斜率。導(dǎo)數(shù)植被指數(shù)由于它能壓縮背景噪音對目標信號的影響或不理想的低頻信號，被應(yīng)用在目前的高光譜遙感研究中，尤其是在利用高光譜遙感提取植被化學(xué)成份信息方面得到成功的應(yīng)用。近年來的經(jīng)驗研究表明：熱紅外輻射(如土面亮度溫度)和植被指數(shù)在大尺度范圍遙感應(yīng)用中可提高土地覆蓋的制圖和監(jiān)測精度。生理反射植被指數(shù)是針對高光譜遙感的特點，對植被生化特性的短期變化(如一天的植被的光合作用)進行探測5.土壤亮度對植被指數(shù)有相當(dāng)大的影響。許多植被指數(shù)的發(fā)展就是為了控制土壤背景的影響。土壤背景和環(huán)境反射率的空間變化與土壤結(jié)構(gòu)、構(gòu)造、顏色和濕度有關(guān)。由于土壤背景的作用

9、，當(dāng)植被覆蓋稀疏時，紅波段輻射將有很大的增加，而近紅外波段輻射將減小，致使比值指數(shù)和垂直指數(shù)（PVI）都不能對植被光譜行為提供合適的描述。由此，必須發(fā)展其它新的植被指數(shù)以便更合適地描述“土壤植被大氣”系統(tǒng)。基于經(jīng)驗的方法，在忽略大氣、土壤、植被間相互作用的前提下，發(fā)展了土壤亮度指數(shù)（SBI）、綠度植被指數(shù)（GVI）、黃度植被指數(shù)（YVI）等。用Landsat數(shù)據(jù)已證明SBI和GVI指數(shù)可用來評價植被和裸土的行為，GVI指數(shù)與不同植被覆蓋有較大的相關(guān)性。在此基礎(chǔ)上，又考慮到大氣影響的處理，發(fā)展了調(diào)整土壤亮度指數(shù)（ASBI）和調(diào)整綠度植被指數(shù)（AGVI）?；贚andsat MSS圖像而進行主成份

10、分析，Misra等通過計算這些指數(shù)的多項因子而又發(fā)展了Misra土壤亮度指數(shù)（MSBI）、Misra綠度植被指數(shù)（MGVI）、Misra黃度植被指數(shù)（M YVI）和Misra典范植被指數(shù)（MNSI）。為動態(tài)植被發(fā)展的裸土綠度指數(shù)（GRABS）是基于GVI和SBI發(fā)展的。綠度植被和土壤亮度指數(shù)（GVSB）在農(nóng)作物識別中發(fā)揮了作用。Kauth等利用Landsat MSS的4個光譜段作為4維空間分析了裸土的光譜變化，并注意到裸土信息變化的主要部分是由它們的亮度造成的，并提出了“土壤線”或“土壤亮度矢量”的觀點。Richardson等促使了土壤背景線指數(shù)（SBL）的發(fā)展，并用來辨別土壤和植被覆蓋。植被

11、越密，植被象元離土壤線距越大。在航空和衛(wèi)星遙感圖像分析和解譯中，土壤線的概念被廣泛采用?；谕寥谰€理論，Jackson等發(fā)展了垂直植被指數(shù)（PVI）。相對于比值植被指數(shù)，PVI表現(xiàn)為受土壤亮度的影響較小。Jackson發(fā)展了基于n維光譜波段并在n維空間中計算植被指數(shù)的方法。兩維空間計算的PVI、四維空間計算的植被指數(shù)及六維空間計算的植被指數(shù)是n維植被指數(shù)的特殊情況。普遍地用“n”波段計算“m”個植被指數(shù)（mn）。實際上，相對于僅用紅波段和紅外波段的方法，通道數(shù)一味增加，常常并不能對植被指數(shù)有多大的貢獻。NDVI和PVI在描述植被指數(shù)和土壤背景的光譜行為上存在著矛盾的一面，為了減少土壤和植被冠層

12、背景的干擾,Huete (1988 年)6 提出了土壤調(diào)節(jié)植被指數(shù)(SAVI), 該指數(shù)看上去似乎由NDVI和PVI組成，其創(chuàng)造性在于，建立了一個可適當(dāng)描述土壤植被系統(tǒng)的簡單模型。為了減小SAVI中的裸土影響，之后又提出修正的土壤調(diào)節(jié)植被指數(shù)( MSAVI)7. Major等又發(fā)展了SAVI的三個新的形式：SAVI2、SAVI3和SAVI4，這些轉(zhuǎn)換形式是基于理論考慮，考慮到土壤是干燥的還是濕潤的，以及太陽入射角的變化等。轉(zhuǎn)換型土壤調(diào)整植被指數(shù)（TSAVI）是SAVI的轉(zhuǎn)換形式，也與土壤線有關(guān)。土壤線的參數(shù)參加該指數(shù)的運算，而且具有全球的特性。TSAVI又進行改進，通過附加一個“X”值，將土壤

13、背景亮度的影響減小到最小值。SAVI和TSAVI表現(xiàn)出，在獨立于遙感器類型的情況下，在描述植被覆蓋和土壤背景方面有著較大的優(yōu)勢。對于半干旱地區(qū)的土地利用圖，TSAVI已證明滿足于低覆蓋植被特性。由于考慮了裸土土壤線，TSAVI比NDVI對于低植被覆蓋有更好的指示作用。 高志海8 等利用TM 資料, 分析了NDVI 、SAVI 和MSAVI 對植被信息的提取能力, 結(jié)果表明SAVI 提取植被信息效果較好,消除土壤影響和適應(yīng)植被變化的能力強; L是SAVI 提取植被信息的關(guān)鍵, Huete 推薦的最佳L 值(0.5) 有很大局限性。池宏康9利用NOAA/ AVHRR 數(shù)據(jù)評價了適于提取黃土高原地區(qū)

14、植被信息的最佳植被指數(shù)是MSAVI 。MSAVI 能增強植被信號, 最大限度地消除土壤背景的影響,并能宏觀真實地反映該地區(qū)自然植被地帶的界線。在SAIL 10 模式敏感性分析中發(fā)現(xiàn),大氣引起的NDV I 噪音在暗的土壤背景下是十分顯著的,而土壤對NDVI 產(chǎn)生的噪音隨著大氣氣溶膠含量的增加而降低。這樣,增加大氣噪音降低了NDVI 信號, 但也最小化了土壤對NDVI 的噪音。Huete 等11利用Terra 發(fā)射后第一年(2000 年3 月2001 年5 月) 的MODIS 植被指數(shù)產(chǎn)品,對其在不同地區(qū)生物群系下的植被監(jiān)測能力作了評估,并分析了MODIS 與AVHRR 植被指數(shù)特點。說明EVI

15、比NDVI 對高生物量區(qū)更敏感。MODIS 植被研究組的分析表明在高氣溶膠含量下, EVI 比NDVI 更穩(wěn)定, 即具有抗大氣干擾能力,表明EVI 對背景噪音不敏感。 植被指數(shù)沒有一個統(tǒng)一的值，其研究結(jié)果經(jīng)常不一致，未來的研究應(yīng)以“植被一土壤一大氣”系統(tǒng)為一個整體目標，并應(yīng)考慮到遙感器及電磁波輻射特性。針對具體環(huán)境，要謹慎取舍植被指數(shù)，根據(jù)考察區(qū)域的特點，發(fā)展植被指數(shù)。超(高)光譜遙感技術(shù)(如AVIRIS)及熱紅外多光譜遙感技術(shù)(如ASTER)的發(fā)展將拓寬植被指數(shù)的研究領(lǐng)域，并將成為新的研究生長點。論文選題的意義及基本內(nèi)容： 意義:植被指數(shù)定量地表明了植被活力，它們比用單波段來探測綠色植被更具

16、有靈敏性并廣泛應(yīng)用在遙感影像的解譯中，分析已發(fā)展的各種植被指數(shù)的優(yōu)勢與局限性，將其應(yīng)用在具體區(qū)域中研究，可以結(jié)合青海湖具體環(huán)境特征和背景值特點，分析青海湖流域植被指數(shù)差異，最終找到適宜的植被指數(shù)指標，為青海湖流域植被的監(jiān)測、生物量反演、植被覆蓋度估測、荒漠化研究、凈第一性植被生產(chǎn)力等方面提供科學(xué)監(jiān)測根據(jù)，有助于遙感應(yīng)用開發(fā)及未來植被指數(shù)的發(fā)展。 基本內(nèi)容： （1） 研究青海湖流域區(qū)域特點，分析可能影響青海湖流域植被指數(shù)的環(huán)境因子；（2） 采集野外光譜數(shù)據(jù)，統(tǒng)計光譜特征、周圍環(huán)境因素及其地物類型（植被類型）；（3）針對不同類型典型地物（注意考查高中低覆蓋度植物），分析其光譜特征，并修正部分光譜特

17、征；（4）植被指數(shù)參數(shù)（土壤、水分、溫度、坡度、坡向等）和土壤背景值參數(shù)的測定；（5）分析光譜數(shù)據(jù)，驗證實驗效果，研究青海湖流域植被指數(shù)指標，選取適宜性指標，對青海湖流域植被作出評價。論文選題的研究特色和創(chuàng)新之處：研究特色：1）基于中國最大內(nèi)流湖流域青海湖流域植被指數(shù)研究為本論文區(qū)域選取特色；2）數(shù)據(jù)采集參數(shù)測量和背景值測定為本論文實踐特色3）光譜相關(guān)性分析修正系統(tǒng)論和統(tǒng)計學(xué)方法分析背景為技術(shù)特色創(chuàng)新之處： （1）文獻資料對其他區(qū)域植被指數(shù)有研究，但青海湖流域具體區(qū)域植被指數(shù)指標目前研究不多；（2）過去的研究中對NDVI研究的較多，但NDVI存在明顯的不足，如飽和問題、土壤背景的干擾等，在青海

18、湖流域中充分考慮土壤背景值，基于光譜數(shù)據(jù)研究植被指數(shù)。利用修正的植被指數(shù)研究流域；（3）采用相關(guān)分析和系統(tǒng)論等方法分析光譜和相關(guān)參數(shù)，充分考慮土壤背景值的干擾。論文擬寫的篇幅，預(yù)期成果的理論意義和應(yīng)用價值： 論文擬寫的篇幅為50000字左右。 預(yù)期成果的理論意義和應(yīng)用價值：植被在地球系統(tǒng)中扮演著重要的角色,植被影響地氣系統(tǒng)的能量平衡,在氣候、水文和生化循環(huán)中起著重要作用,是氣候和人文因素對環(huán)境影響的敏感指標，植被的光譜特征規(guī)律性非常明顯，植被 指 數(shù) 僅用一種簡單而有效的形式一光譜信號，不需其它輔助資料，也沒有任何假設(shè)條件來實現(xiàn)對植物狀態(tài)信息的表達，以定性和定量的評價植被覆蓋、生長活力及生物量

19、等。植被指數(shù)在與地表植被的覆蓋度具有密切的關(guān)系的同時還在一定程度上反映著植被的演化信息，可以利用這種關(guān)系，通過合適的數(shù)學(xué)模型，實現(xiàn)地表植被覆蓋度的多時相和長期的監(jiān)測，并已作為一種遙感手段廣泛應(yīng)用于土地利用覆蓋探測、植被覆蓋密度評價、作物識別和作物預(yù)報等方面，在專題制圖方面增強了分類能力。植被指數(shù)還可用來診斷植被一系列生物物理參量:葉面積指數(shù)(LAI)、植被覆蓋率、生物量、光合有效輻射吸收系數(shù)(AFAR)等;反過來又可用來分析植被生長過程:凈初級生產(chǎn)力(NPP)和蒸散(蒸騰)等。12基于具體遙感光譜數(shù)據(jù)對青海湖流域的植被指數(shù)進行比對和分析研究，加深對植被指數(shù)的理解，推動新的更客觀有效的植被指數(shù)表

20、達式的提出。論文工作進度計劃：2013年6月至8月：收集相關(guān)已有文獻，大量閱讀文獻整理文章思路，制定工作總體思路； 2013年9月-10月：收集論文需要數(shù)據(jù)，數(shù)據(jù)分析，數(shù)據(jù)基礎(chǔ)處理，統(tǒng)計光譜特征；2013年11月至12月：光譜數(shù)據(jù)修正，參數(shù)測量，土壤背景值測定，提取的植被指數(shù)比較總結(jié)；2014年1月至2014年4月：完成論文初稿；2014年5月：論文修改；2014年6月：答辯、定稿，提交論文。論文研究的基本方法、技術(shù)路線：基本方法：1） 青海湖流域區(qū)域特征分析，統(tǒng)計數(shù)據(jù)研究影響植被指數(shù)的環(huán)境因子；2） 光譜數(shù)據(jù)的提取和光譜特征統(tǒng)計；3） 典型植被光譜特征分析及其修正;4） 植被指數(shù)參數(shù)和土壤背

21、景值參數(shù)的測定；5） 實驗效果的驗證，植被指數(shù)評價和適宜性指數(shù)選取。技術(shù)路線：區(qū)域環(huán)境因子分析光譜數(shù)據(jù)提取和統(tǒng)計典型植被光譜特征分析修正植被指數(shù)參數(shù)和土壤背景值參數(shù)的測定光譜數(shù)據(jù)分析及植被指數(shù)計算實驗效果驗證流域植被指數(shù)評價及適宜性指標選取選取最優(yōu)植被指數(shù)評價流域開展研究已具備的條件，可能遇到的困難與問題及解決措施：具備的條件：豐富的數(shù)據(jù)資料；成熟植被指數(shù)表達式；其它中尺度區(qū)域個例植被指數(shù)對比研究成功案例表明流域植被指數(shù)研究可行?？赡苡龅降睦щy和問題：樣方的選擇；光譜數(shù)據(jù)提取及其前期處理精度；適合植被指數(shù)表達式的選定取舍；土壤背景值參數(shù)的率定；植被指數(shù)交互比較總結(jié)；解決措施:認真充分研究區(qū)域特

22、點和地表植被特征，努力選取代表性強的樣方；光譜數(shù)據(jù)提取盡量減少人為因素造成的誤差，采用均值法等盡量突出普遍代表性特征；植被指數(shù)參數(shù)和土壤背景值參數(shù)認真測定并采用數(shù)學(xué)方法加以修正，結(jié)合植被指數(shù)表達式特點，選取區(qū)域適宜性指數(shù)，樣本選取平均值；提高指數(shù)提取精度，使交互比較具體可行。主要參考文獻： 1田慶久, 閡祥軍，植被指數(shù)研究進展，地球科學(xué)進展J，1998,13（4） 2王正興，劉闖，植被指數(shù)研究進展：從AVHRR-NDVI到MODIS-EVIJ，生態(tài)學(xué)報，2003,23（5） 3 王正興，劉闖，植被指數(shù)研究進展：從AVHRR-NDVI到MODIS-EVIJ，生態(tài)學(xué)報，2003,23（5） 4 M

23、iller J RQuantitative characterization of the vegetation red edge reflectance：1An invertedGaussian reflectance modelInternational Journal 0f Remote Sensing，1990，11(10)：l 755一l 773 5 Gamon J AA narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiencyRemote Sensing of Environment，1992，4l：3544 6 Huete A R. A soil adjusted vegetation index (SAVI) J . Re2mote Sense Environ. 1988 , (25) :295 - 309. 7 Qi J . A modified soil