东北城市绿化典型植被光谱特征分析-测绘工程本科毕业论文开题报告

《东北城市绿化典型植被光谱特征分析-测绘工程本科毕业论文开题报告》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毕业设计（论文）开题报告设计（论文）题目:东北城市绿化典型植被光谱特征分析院系名称:测绘工程学院 专业班级:测绘工程12-1班学生姓名:魏清龙 导师姓名:刘丹丹开题时间:2016年3月13日指导委员会审查意见：签字：年月日一、研究目的和意义1.目的：测量东北城市典型植被的光谱，并分析光谱特征2．意义：为遥感分类做基础研究二、文献综述（研究现状及分析）北京师范大学生命科学学院的张军、葛剑平和东北林业大学森林经营管理学院的国庆喜，就对东北地区主要植被类型NDVI变化与气候因子的关系做出了研究。首先选择东经120

2、~135北纬40~55作为研究区。该区域跨越暖温带、温带和寒温带。山系主要有大兴安岭、小兴安岭、长白山、张广才岭、锡霍特山脉等。河流主要有松花江、黑龙江、乌苏里江和嫩江及其支流。该区域还包括松辽平原、松嫩平原和三江平原等地势较开阔的地区。然后获取了研究地区的NDVI数据，通过对NOAA和AVⅡR两种卫星的数据分析处理从而生成NDVI指数。之后获取当地的气象数据和对选择区域的GPS数据、外业调查资料。本研究的外业调查从1998年8月开始，从哈尔滨出发，行程5000多km，途经黑、吉两省，最后返回哈尔滨。此次调

3、查利用摄像、书面记录和GPS（采用C/A伪码）定位的形式，用两个GPS每隔几百米设一个点，并每隔20km设置一个样点，每隔,40km打一个样地的方法，形成了一个环状调查带。然后又针对某些典型类型进行了两次调查，又形成了两条典型调查带。最后将采集到的NDVI数据文件在ARC/INFO软件上转换成植被光谱响应图并进行预处理，以每月中的最大值代表该月的NDVI值，以每年中的最大值代表该年的NDVI值，从而消除大气和云雾的部分干扰。然后进行投影转换、植被分类、各类型NDVI年际变化和气象数据、外业调查资料的整理。N

4、DVI是由NOOA卫星AVIIRR/2的通道1和通道2复合而来的，该指数对地物的绿色程度非常敏感，并能消除云雾的干扰和降低星下点被选中的概率，提高了识别地物的精度，而且该数据时间序列长、分辨率低、数据量大。经研究证明，对于研究大尺度的植被分布、植被动态和植被气候关系是非常有用的。在GIS和GPS技术的支持下，利用1982年的8km分辨率的NDVI图像将该地区最终划分为3个地带性类型和10个子类型，并得出该地区的植被分布呈现明显的纬度地带性分布，并分析出这种分布与降水量相关性最密切。受各类型植被自身生理特点和

5、气候因子的影响，随着温带典型草原、森林、草原过渡类型、森林类型的逐渐过渡，各类型的NDVI由低到高变化。通过分析该地区的各植被类型IIa的NDVI变化与同时期的气候资料得出，各类型的NDVI年际变化与年最高温度和年总降水量的变化相关性最密切。在1982年和1992年NDVI下降的原因是由于高温、干旱影响了植被的生长从而引起NDVI的降低；而在1985年是由于高温、暴雨使得植被生长受影响，引起各类型NDVI的明显最低。在其它年份里，由于气候条件相对稳定，对植被的生长影响不大，因此，在光谱特征上表现为各类型的N

6、DVI均值基本保持稳定，略有升降，但幅度都不大。利用1982~1992年时间序列的.NOAA/AVⅡR8km×8km分辨率的归一化植被指数（Normalizeddifferencevegetationindex,NDVI），将东经120°～135°、北纬40°～55°区域的土地覆盖类型分为10类。然后研究了各类型的NDVI年平均值的变化规律。结合该地区的19个气象站1982～1992年的年平均气温、年最高温度、年最低温度、年降水量和年相对湿度研究了各类型NDVI年平均值的变化与气候因子之间的关系，进一步阐明

7、了气候因子是NDVI动态变化的主要原因。不光东北地区有这种研究南方地区也有相关的研究。成都理工大学地学空间信息技术国土资源部重点实验室/遥感与GIS研究所的戴晓爱、张晓雪、甘艳霞、孙晓飞、陈佳俊、杨武年也对自己校园内的典型植被不同生长期的冠层光谱敏感性进行了相关研究和结论分析。植被作为人类生存环境的重要影响因子之一，正确识别植被特征是生态学研究的支撑性工作。目前植被特征识别的方法主要包括野外调查、图像解译和数字遥感。通过野外调查来进行植被识别和动态监测等工作，需要大量的人力和物力，且花费的时间长，局限性大，

8、难以满足植被研究的需求；在植被遥感研究中，受波段宽度和波段数，以及波长位置的影响和约束，传统遥感和多波段遥感数据获取的遥感图像往往只有几个离散的波段空间信息、辐射信息和光谱信息，且都不连续，信息量不够丰富，丢失了很多有用的信息。然而高光谱遥感突破了这一瓶颈，大大的改善了植被特征难以识别和分类精度不高的难题，为植被特征识别、植被生长动态监测技术提供海量数据，有利于进行植物的生长状况监测，了解植物生长特性目前，国内外