导读:本文包含了地表植被覆盖论文开题报告文献综述及选题提纲参考文献，主要关键词:根河市,地表温度,植被覆盖度
地表植被覆盖论文文献综述
张岐岳,孙紫英,赵鹏武,周梅[1]（2019）在《根河市地表温度与植被覆盖关系研究》一文中研究指出本文以大兴安岭地区根河市为研究区,使用2000年～2018年MODIS MOD 11A2 LST、MYD 13A2 NDVI,在时序重构基础上对根河市地表温度时空变化及其余植被盖度的相互关系进行分析。(本文来源于《内蒙古科技与经济》期刊2019年16期）
张延成[2]（2019）在《干旱半干旱地区植被覆盖地表土壤水分反演研究》一文中研究指出土壤水分在地球生态系统中扮演着重要的角色,无论在理论研究还是实际生产中,土壤水分都有至关重要的作用。干旱半干旱地区水资源匮乏,进行土壤水分反演研究对该地区的农业生产、生态环境和经济发展等方面有重要意义。传统土壤水分测量手段在对大范围地表监测时会耗费较大成本,而遥感技术为大范围地、实时地进行土壤水分测量提供了新的解决方案。其中,SAR技术因具有穿透性强、对土壤水分敏感等特性在土壤水分反演领域备受关注。使用SAR反演土壤水分时,主要受到植被覆盖和地表粗糙度两个因素的影响,当前主要方法是选择适用的植被微波散射模型以去除植被的影响,再选择适用的裸土微波散射模型,通过模型中后向散射系数、地表粗糙度和土壤水分之间的数学关系来反演土壤水分,以消除地表粗糙度的影响。本文综合利用多光谱数据对植被信息的光谱敏感性和SAR数据的穿透性、对土壤水分的敏感性,协同使用光学和SAR数据反演土壤水分。以黑河中游的临泽草地和花寨子农田为研究区,使用临泽草地的遥感数据和地面数据建立土壤水分反演算法,并应用于花寨子农田,与传统方法对比以验证适用性。建立土壤水分反演算法时,考虑研究区特点并分析模型的适用性,首先选取水云模型以去除植被影响,对水云模型中的关键参数的输入进行了研究和探讨,其次选取AIEM模型建立LUT表,在建立LUT表时对各参数的取值和范围进行了讨论,通过LUT表法反演了研究区的土壤水分。通过研究,本文主要得出了以下结论和成果:(1)使用水云模型对后向散射系数校正后,有效去除了植被影响,提高了模拟土壤表面后向散射系数的准确性,不同参数输入模式下的水云模型所对应的土壤水分反演精度都有所提高。水云模型的输入参数中,植被含水量为主导因素,植被参数B的取值对结果影响不显着,植被参数B对结果的影响较大。(2)在水云模型中输入植被含水量时,本文使用植被指数法反演。即建立多个遥感指数(EVI、NDVI、NDWI、RVI、SAVI)与植被含水量之间的响应关系,发现各指数与植被含水量均有较高的相关性,其中RVI反演精度最高;在输入植被参数时,提出基于植被覆盖度分级的参数输入方法,相比传统的输入方法精度有所提高。(3)使用LUT表法反演土壤水分时,通过采用不同的单极化SAR数据源(是否考虑植被影响、不同极化、不同的水云模型参数输入模式),发现使用本文方法去除植被影响的VV极化数据反演精度最高,该方法能有效去除地表粗糙度的影响。同时,发现同极化数据反演精度优于交叉极化数据,其中VV极化数据反演精度最高。(本文来源于《长安大学》期刊2019-04-23）
李娅丽,汪小钦,陈芸芝,王苗苗[3]（2019）在《福建省地表温度与植被覆盖度的相关性分析》一文中研究指出地表温度(Land surface Tenperature, LST)和植被覆盖度(Fractional Vegetation Coverage,FVC)是生态环境变化的重要指标因子,研究两者的时空变化及相互关系对评价区域生态环境建设、改善区域生态环境具有重要意义。本文以福建省为研究区域,利用2001-2015年MODIS 11A2 LST和13Q1 NDVI数据,在时序数据重构的基础上对福建省LST时空变化及LST与FVC的相互关系进行分析。结果表明:①2001-2015年福建省LST总体呈轻微下降趋势,尤其是2010年之后其LST明显降低。LST与FVC的空间分布具有较好的负相关一致性:在FVC较高的区域,LST值较低;在FVC较低的区域,LST较高。②LST与FVC、DEM和纬度均成负相关关系,且负相关性在一年之中随着月份的变化而呈规律性增加或降低。夏季FVC对LST的负相关性最大为0.7,冬季FVC对LST的负相关性降低为0.4。③LST随着FVC增加而降低的趋势呈现分段线性关系,存在"FVC拐点"。"FVC拐点"前后随着FVC增加LST的降低速率在夏季"先慢后快",而在冬季则"先快后慢"。春秋两季,LST随着FVC增加而降低的速率在"FVC拐点"前后差异变小。在夏季,当FVC大于0.4时,FVC每增加0.1可降低LST约0.77°C,降温效果大约是FVC小于0.4时的2倍。因此如果要有效地降低夏季地表高温,要使地表植被覆盖大于40%,才能较好的发挥植被的降温的作用。④在1-8月份,FVC对LST的负相关作用存在滞后性,FVC变化对滞后一个月的LST时空分布影响更大。研究成果对福建省生态环境建设与评估具有一定的意义,对于发挥植被对区域高温抑制作用提供了重要的参考依据。(本文来源于《地球信息科学学报》期刊2019年03期）
高尚,沙晋明,帅晨[4]（2019）在《厦门市地表温度与植被覆盖关系定量研究》一文中研究指出以福建省厦门市为研究区,基于2015年的Landsat 8遥感影像数据进行4种不同算法的地表温度反演,并对4种算法的结果进行精度验证,选择一种精度最高的算法的结果与植被覆盖度进行回归分析,探讨不同下垫面的植被覆盖度与地表温度的关系.结果表明:在本研究区内,使用单窗算法反演地表温度结果与对比数据更为接近,精度相对较高.地表温度与植被覆盖度之间具有明显的相关关系,植被覆盖度能够有效降低地表温度.在不同的植被覆盖度范围内,对地表温度降温效果不同,当整体植被覆盖度水平较低时,植被覆盖度的增加能够更加明显地降低地表温度.不同的下垫面类型植被覆盖度与地表温度之间有很好的对应关系,植被覆盖度越高的下垫面类型,温度越低.(本文来源于《福建师范大学学报(自然科学版)》期刊2019年02期）
乐柯君[5]（2019）在《龙泉市植被覆盖度与地表温度时空演变及相关性分析》一文中研究指出植被是城市生态系统的重要组成部分,在提升热舒适度方面起至关重要的作用。以国家森林城市龙泉市为研究对象,利用2003年、2010年、2017年叁期遥感数据提取植被覆盖度、反演地表温度,运用差异分区和迭图分析方法研究植被覆盖度及地表温度时空演变,运用空间统计与线性回归方法研究植被覆盖度与地表温度耦合关系。结果表明:龙泉市植被覆盖度与地表温度均呈上升趋势;植被覆盖度与地表温度呈现明显空间集聚性;植被覆盖度处于不同水平时,与地表温度的线性相关性存在差异。(本文来源于《智能计算机与应用》期刊2019年01期）
茹晨,段四波,姜小光,冷佩,高懋芳[6]（2018）在《基于地表温度日较差-植被覆盖度特征空间的土壤含水量反演方法》一文中研究指出土壤含水量是气候、水文和生态等研究的重要参数。地表温度-植被指数特征空间法是遥感监测土壤含水量的常用方法。以欧洲伊比利亚半岛为研究区,使用MSG-SEVIRI(Meteosat Second Generation-Spinning Enhanced Visible and Infrared Imager)晴空数据,构建地表温度日较差-植被覆盖度特征空间。在此特征空间上,结合研究区土壤质地数据,建立土壤含水量反演模型反演土壤体积含水量。利用西班牙REMEDHUS (REd de MEDiciòn de la HUmedad del Suelo)土壤含水量观测网络的实测数据对反演结果进行验证,均方根误差均在0. 05 m~3/m~3以内,具有较高的精度。与常用的地表温度-植被覆盖度特征空间的结果对比证明,以地表温度日较差替代地表温度,能够减小地表温度反演误差导致的土壤含水量估算误差,从而提高土壤含水量反演精度。(本文来源于《中国科学院大学学报》期刊2018年06期）
胡德陛[7]（2018）在《利用归一化植被指数分析地表植被覆盖的时空变化》一文中研究指出归一化植被指数和植被覆盖度是研究城市植被覆盖时空演变特征的常用遥感数据处理模型。利用Landsat卫星于2006、2010和2014年同时期获取的覆盖山东省青岛市的多光谱遥感影像数据,基于NDVI和植被覆盖度指数模型,开展了植被覆盖度时空动态变化特征及其演化过程的定量分析,并在此基础上分析了变化原因。(本文来源于《中国锰业》期刊2018年05期）
鲍艳松,林利斌,吴善玉,Khidir,Abdalla,Kwal,Deng,George,P.Petropoulos[8]（2018）在《基于Sentinel-1和Landsat 8数据的植被覆盖地表土壤湿度反演》一文中研究指出基于Sentinel-1合成孔径雷达(SAR)和LandsatOLI数据,结合水‐云模型和地表散射模型,提出了一种植被覆盖条件表层土壤水分(surface soil moisture,SSM)反演模型。为了消除植被对SSM反演的影响,应用Landsat OLI光谱指数建立植被含水量估计模型。将该模型代入原始水‐云模型,建立一套改进的带有光谱指数的水‐云模型。最后,基于改进的水云模型开发了SSM估计模型。为检验模型精度,在英国和西班牙两个实验区进行了试验研究,试验中使用International Soil Moisture Network (ISMN)观测网络。研究结果表明:(1)对于植被覆盖地表的土壤水分估计,从1.57-1.65μm波段反射率数据得到的归一化水分指数(normalized difference water index,NDWI)更适合去除植被覆盖的影响;(2)与Sentinel-1VH极化相比,VV极化的后向散射系数更适用于土壤水分反演,并且精度较高;(3)所建模型具有较高的土壤湿度反演精度,与实测土壤湿度的相关系数R为0.911,均方根误差RMSE为0.053 cm3/cm3。本文提出的模型可用于区域土壤湿度监测,为农业生产提供高时空分辨率土壤湿度信息,具有较高的应用价值。(本文来源于《第35届中国气象学会年会 S21 卫星气象与生态遥感》期刊2018-10-24）
张翀,王静,雷田旺,马玲,宋佃星[9]（2018）在《退耕还林工程以来黄土高原植被覆盖与地表湿润状况时空演变》一文中研究指出基于2000—2014年的MODIS数据和Landsat数据,利用温度植被干旱指数反映地表湿润状况,分析了退耕还林工程以来黄土高原地表湿润状况与植被覆盖的时空变化特征及其相互关系。(1)2001—2014年黄土高原归一化植被指数增速为6.3%·(10a)~(-1),温度植被干旱指数降速为-4.5%·(10a)~(-1),植被覆盖与地表湿润状况均呈增加趋势,分布呈"东南高、西北低"的特征,大体上可以看出两者具有正的空间相关性。(2)从TVDI和NDVI的变化趋势来看,黄土高原植被覆盖与地表湿润状况整体上呈现出增加趋势。空间分布上反映出,植被覆盖变化基本上与地表湿润状况变化分布一致,但是仍然存在区域性差异。(3)从相关系数来看,黄土高原植被覆盖与地表湿润状况呈现出正相关。从变化趋势对应关系来看,14 a间黄土高原东北—西南一线山地地区植被覆盖与地表湿润状况变化有利于生态环境改善。人类活动强烈的平原地带极不利于生态环境改善。值得注意的是,退耕还林重点区是未来生态环境变化监测和管理的重点区域,以免引起再次退化。(本文来源于《干旱区研究》期刊2018年06期）
林利斌,鲍艳松,左泉,房世波[10]（2018）在《基于Sentinel-1与FY-3C数据反演植被覆盖地表土壤水分》一文中研究指出基于新一代的Sentinel-1SAR数据与FY-3C的MWRI数据,研究植被覆盖地表土壤湿度反演方法。为消除植被对土壤湿度反演影响,首先利用FY-3C/MWRI的微波极化差异指数MPDI,建立植被含水量反演模型;然后,结合植被含水量反演模型和水—云模型,发展一种主被动微波联合反演植被覆盖地表土壤含水量模型;最后,在江淮地区开展反演试验,利用观测的土壤湿度数据进行反演结果的精度验证。结果表明:(1)对于植被覆盖地表土壤湿度反演,由FY3C/MWRI提取的MPDI对于去除植被影响效果较好;(2)相比于VH极化哨兵1号卫星数据,VV极化数据更适用于土壤含水量的反演,能够得到更高的土壤湿度反演精度;(3)哨兵1号卫星数据能够获得较高精度的土壤含水量反演结果,试验反演的土壤湿度值与实测值相关系数为0.561 2,均方根误差为0.044cm~3/cm~3。(本文来源于《遥感技术与应用》期刊2018年04期）
地表植被覆盖论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
土壤水分在地球生态系统中扮演着重要的角色,无论在理论研究还是实际生产中,土壤水分都有至关重要的作用。干旱半干旱地区水资源匮乏,进行土壤水分反演研究对该地区的农业生产、生态环境和经济发展等方面有重要意义。传统土壤水分测量手段在对大范围地表监测时会耗费较大成本,而遥感技术为大范围地、实时地进行土壤水分测量提供了新的解决方案。其中,SAR技术因具有穿透性强、对土壤水分敏感等特性在土壤水分反演领域备受关注。使用SAR反演土壤水分时,主要受到植被覆盖和地表粗糙度两个因素的影响,当前主要方法是选择适用的植被微波散射模型以去除植被的影响,再选择适用的裸土微波散射模型,通过模型中后向散射系数、地表粗糙度和土壤水分之间的数学关系来反演土壤水分,以消除地表粗糙度的影响。本文综合利用多光谱数据对植被信息的光谱敏感性和SAR数据的穿透性、对土壤水分的敏感性,协同使用光学和SAR数据反演土壤水分。以黑河中游的临泽草地和花寨子农田为研究区,使用临泽草地的遥感数据和地面数据建立土壤水分反演算法,并应用于花寨子农田,与传统方法对比以验证适用性。建立土壤水分反演算法时,考虑研究区特点并分析模型的适用性,首先选取水云模型以去除植被影响,对水云模型中的关键参数的输入进行了研究和探讨,其次选取AIEM模型建立LUT表,在建立LUT表时对各参数的取值和范围进行了讨论,通过LUT表法反演了研究区的土壤水分。通过研究,本文主要得出了以下结论和成果:(1)使用水云模型对后向散射系数校正后,有效去除了植被影响,提高了模拟土壤表面后向散射系数的准确性,不同参数输入模式下的水云模型所对应的土壤水分反演精度都有所提高。水云模型的输入参数中,植被含水量为主导因素,植被参数B的取值对结果影响不显着,植被参数B对结果的影响较大。(2)在水云模型中输入植被含水量时,本文使用植被指数法反演。即建立多个遥感指数(EVI、NDVI、NDWI、RVI、SAVI)与植被含水量之间的响应关系,发现各指数与植被含水量均有较高的相关性,其中RVI反演精度最高;在输入植被参数时,提出基于植被覆盖度分级的参数输入方法,相比传统的输入方法精度有所提高。(3)使用LUT表法反演土壤水分时,通过采用不同的单极化SAR数据源(是否考虑植被影响、不同极化、不同的水云模型参数输入模式),发现使用本文方法去除植被影响的VV极化数据反演精度最高,该方法能有效去除地表粗糙度的影响。同时,发现同极化数据反演精度优于交叉极化数据,其中VV极化数据反演精度最高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
地表植被覆盖论文参考文献
[1].张岐岳,孙紫英,赵鹏武,周梅.根河市地表温度与植被覆盖关系研究[J].内蒙古科技与经济.2019
[2].张延成.干旱半干旱地区植被覆盖地表土壤水分反演研究[D].长安大学.2019
[3].李娅丽,汪小钦,陈芸芝,王苗苗.福建省地表温度与植被覆盖度的相关性分析[J].地球信息科学学报.2019
[4].高尚,沙晋明,帅晨.厦门市地表温度与植被覆盖关系定量研究[J].福建师范大学学报(自然科学版).2019
[5].乐柯君.龙泉市植被覆盖度与地表温度时空演变及相关性分析[J].智能计算机与应用.2019
[6].茹晨,段四波,姜小光,冷佩,高懋芳.基于地表温度日较差-植被覆盖度特征空间的土壤含水量反演方法[J].中国科学院大学学报.2018
[7].胡德陛.利用归一化植被指数分析地表植被覆盖的时空变化[J].中国锰业.2018
[8].鲍艳松,林利斌,吴善玉,Khidir,Abdalla,Kwal,Deng,George,P.Petropoulos.基于Sentinel-1和Landsat8数据的植被覆盖地表土壤湿度反演[C].第35届中国气象学会年会S21卫星气象与生态遥感.2018
[9].张翀,王静,雷田旺,马玲,宋佃星.退耕还林工程以来黄土高原植被覆盖与地表湿润状况时空演变[J].干旱区研究.2018
[10].林利斌,鲍艳松,左泉,房世波.基于Sentinel-1与FY-3C数据反演植被覆盖地表土壤水分[J].遥感技术与应用.2018