文献综述
1.研究的目的及意义
植被覆盖度作为反映植物生长状况的重要生态学参数, 在评估和检测生态环境方面起着关键的作用。本研究以中等分辨率的Landsat 8遥感影像为数据源，以干旱半干旱地区黑河流域为研究区，经最小噪声分离变换 (MNF变换) 、纯像元指数 (PPI) 计算以及人机交互端元选取等运算，构建植被-高反照率地物-低反照率地物-裸露土壤为组分的四端元模型，并基于全约束下的线性光谱混合模型（LSMM）对植被覆盖度开展估算，在与像元二分模型开展对比的基础上，辅以高分辨率遥感影像开展精度评价，研究将对扩展遥感数据在干旱半干旱地区生态环境监测领域的研究具有重要意义。
2.国内外同类研究概况
当前的全球观测系统发展迅猛，可以提供及时有效的遥感影像数据，为获取更精确的生态环境监测数据奠定了基础。植被覆盖度能够对植被进行直观量化，基本反映了植被的状况，因此其是许多相关研究的基础数据，被广泛应用于各类相关模型中。由于植被覆盖度是很多领域进行研究的重要依据，目前越来越多的学者注重植被覆盖信息提取技术和植被监测技术的改进与提高。如何获取更高精度的植被覆盖度信息在实际研究中具有指导性意义［1］。
干旱半干旱地区由于气候干旱,降水稀少,水资源紧缺,当地的农业生产活动及人类生存面临着严重的水资源合理利用问题，对此类区域开展植被覆盖度监测将有助于了解干旱半干旱地区生态环境状况，为开展防风固沙、水资源合理利用提供重要参考。当前，探索及改进该类区域植被覆盖度的测算方法仍是研究的重要方向。
地表实测和遥感估算是获取植被覆盖度的两种主要方法。传统地表实测法主要有目估法、仪器法、概率法、网格法、模型法等，由于测量范围相对较小， 受主观因素、气象因素、时间等影响，易产生较大误差，而且对设备要求较高，野外工作量大、成本高、不方便， 因此其应用受到一定的限制。随着遥感技术的出现，特别是高光谱、高空间分辨率、高时间分辨率遥感的快速发展，能够大范围、准确、及时的监测植被覆盖度，有助于掌握某一区域植被的空间分布状况及其动态变化过程［2］。因此，如何能够更好地从这些高光谱分辨率和高空间分辨率的影像中提取有用信息，并提高信息提取的精度是当前乃至以后的植被覆盖度遥感估算的研究方向。
目前，用于估算植被覆盖度的遥感数据主要有：Landsat TM/ETM 、 MODIS、 SPOT、 NOAA／AVHRR、ASTER、AVIRIS高光谱数据、SAR雷达数据以及航片等，不同的遥感数据具有不同的分辨率特征。研究区的遥感影像获取及影像质量也是研究是否合理，是否能够取得效果的关键，中等分辨率遥感影像上存在大量的混合像元, 在研究植被覆盖度问题时容易引起像元归类误判误分等问题。
开展植被覆盖度遥感估算的主要方法包括回归分析法，植被指数法和混合像元法［13］，此外，也有学者在对草原地区的植被覆盖度开展遥感估算时，提出通过优化Baret 模型参数来提高植被覆盖度估算精度的方法［7］。混合像元分解方法，是在某种假定的比例关系下，将图像中的一个实际像元分解成由多个组分构成的遥感数据信息，利用得到的遥感数据信息从而构建像元分解模型从而进行植被覆盖度的估算。此类光谱混合模型模拟了像元的光谱组成, 能够深入像元内部对各组成成分进行解混, 以此来求取对应地表各种覆盖物的组成比例, 进而得到亚像元精度的地表植被覆盖度。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
