草地植被覆蓋度（Fractional Vegetation Cover,FVC）是衡量地表草地植被生長狀況的一個重要指標,也是區(qū)域碳循環(huán)分析、草地生態(tài)系統(tǒng)健康評價以及草地資源可持續(xù)開發(fā)利用的指示因子。祁連山是中國西北地區(qū)典型的生態(tài)脆弱區(qū),草地生態(tài)系統(tǒng)是該區(qū)域內最主要的生態(tài)系統(tǒng)。因此,構建高精度的草地覆蓋度估算模型對祁連山地區(qū)內草地資源管理和生態(tài)環(huán)境保護具有重要的意義。許多學者已針對祁連山地區(qū)的植被覆蓋展開了大量研究,然而,目前的草地植被覆蓋度估算模型差異較大,也鮮有估算祁連山東、中、西段不同區(qū)域草地覆蓋度的精確模型。因此,本文以祁連山作為典型研究區(qū),以東、中、西段內各類型草地植被為研究對象,對比了不同MODIS產品對祁連山草地植被估算的適用性,利用多種植被指數、裸土指數、陰影指數以及溫度、降水、濕度等氣象因子,分別構建草地覆蓋度的單因子和多因子的參數與非參數模型,對比各模型的精度和穩(wěn)定性。在此基礎上,分析了2000-2019年祁連山地區(qū)草地覆蓋度的時空動態(tài)變化,結果表明:（1）與MOD09GA相比,MCD43A4是更適合用于祁連山草地覆蓋度研究的MODIS數據。在12種植被指數中,基于... 

【文章來源】：蘭州大學甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：70 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內外研究進展
    1.3 擬解決的關鍵問題
    1.4 研究目的及內容
第二章 研究區(qū)概況與研究數據及方法
    2.1 研究區(qū)概況
    2.2 研究數據
        2.2.1 MODIS數據來源與處理方法
        2.2.2 DEM數據來源與處理方法
        2.2.3 氣象數據來源與處理方法
        2.2.4 野外實測數據
        2.2.5 其他基礎數據的獲取
    2.3 研究方法
        2.3.1 植被指數計算
        2.3.2 基于不同反射率產品的植被指數與草地覆蓋度相關性分析
        2.3.3 草地覆蓋度的單因子參數估算模型構建及精度檢驗
        2.3.4 草地覆蓋度的多因子參數回歸模型構建
        2.3.5 BPNN的結構與算法流程
        2.3.6 基于BPNN的草地覆蓋度估測模型構建
        2.3.7 草地覆蓋度時空動態(tài)變化分析
第三章 草地覆蓋度單因子參數模型構建及精度檢驗
    3.1 2018-2019祁連山草地植被覆蓋度地面實測數據統(tǒng)計分析
    3.2 祁連山地區(qū)草地覆蓋度遙感監(jiān)測數據選取
    3.3 祁連山東、中、西段草地FVC與不同植被指數相關性比較
    3.4 祁連山東、中、西段草地FVC監(jiān)測最優(yōu)單因子參數模型確定
    3.5 草地FVC單因子非參數估算模型構建與精度檢驗
    3.6 討論
    3.7 小結
第四章 草地覆蓋度多因子估算模型構建及精度檢驗
    4.1 多因子線性參數模型與單因子模型精度對比
    4.2 基于不同輸入數據的多元線性回歸模型建立及精度檢驗
    4.3 基于BPNN的草地覆蓋度多因子非參數反演模型構建
    4.4 討論
    4.5 小結
第五章 祁連山地區(qū)草地覆蓋度時空動態(tài)變化分析
    5.1 祁連山地區(qū)草地覆蓋度月際動態(tài)變化
    5.2 2000-2019年祁連山草地覆蓋度年際變化
    5.3 2000-2019年祁連山地區(qū)草地覆蓋度空間變化
    5.4 討論
    5.5 小結
第六章 結論與展望
    6.1 結論
    6.2 創(chuàng)新點
    6.3 存在的問題與展望
參考文獻
在學期間研究成果
致謝


【參考文獻】：
期刊論文
[1]基于多光譜數據與小型無人機的甘南草地非生長季植被覆蓋度[J]. 冷若琳,張瑤瑤,謝建全,李芙凝,胥剛,崔霞.  草業(yè)科學. 2019(11)
[2]祁連山植被NDVI時空變化特征及其與氣候變化的響應研究[J]. 蘇軍德,李國霞.  甘肅科技. 2019(16)
[3]近15年北方6�。▍^(qū)）草地覆蓋度時空變化及其與氣溫、降水的關系[J]. 趙偉,張義,趙婷,程帥,程積民,剛成誠.  江蘇農業(yè)科學. 2018(10)
[4]1988—2013年基于BP神經網絡的植被葉面積指數遙感定量反演[J]. 林杰,潘穎,楊敏,佟光臣,唐鵬,張金池.  生態(tài)學報. 2018(10)
[5]基于SPA-MLR方法的土壤含水量光譜預測模型研究[J]. 賈學勤,馮美臣,楊武德,王超,孫慧,武改紅,張松.  干旱地區(qū)農業(yè)研究. 2018(03)
[6]基于植被指數估算天山牧區(qū)不同利用類型草地總產草量[J]. 劉艷,聶磊,楊耘.  農業(yè)工程學報. 2018(09)
[7]復合植被指數在稀疏高寒草原植被蓋度遙感反演中的應用[J]. 夏穎,范建容,張茜彧,畢永清.  草業(yè)科學. 2017(09)
[8]多植被指數組合的冬小麥遙感估產方法研究[J]. 王愷寧,王修信.  干旱區(qū)資源與環(huán)境. 2017(07)
[9]基于小型無人機與MODIS數據的草地植被覆蓋度研究——以甘南州為例[J]. 宋清潔,崔霞,張瑤瑤,孟寶平,高金龍,向宇軒.  草業(yè)科學. 2017(01)
[10]基于多源遙感數據的高寒草地生物量反演模型精度——以夏河縣�？撇菰囼瀰^(qū)為例[J]. 孟寶平,陳思宇,崔霞,馮琦勝,梁天剛.  草業(yè)科學. 2015(11)

博士論文
[1]基于UAV和機器學習方法的甘南地區(qū)高寒草地地上生物量遙感估測研究[D]. 孟寶平.蘭州大學 2018
[2]三江源地區(qū)高寒草地生物量和草畜平衡的時空變化動態(tài)及其影響因素研究[D]. 楊淑霞.蘭州大學 2017

碩士論文
[1]遙感技術在地理國情普查草地覆蓋度估算中的應用[D]. 王建強.西安科技大學 2018
[2]BP神經網絡輔助GPS-R遙感反演NDVI實驗研究[D]. 祁云.中國礦業(yè)大學 2018
[3]2000～2012年祁連山植被覆蓋變化及其對氣候的響應研究[D]. 武正麗.西北師范大學 2014
[4]基于3S技術的高寒草地植被覆蓋度分布特征及動態(tài)變化研究[D]. 郭述茂.蘭州大學 2009
[5]植被覆蓋度的照相法測算及其與植被指數關系研究[D]. 顧祝軍.南京師范大學 2005



本文編號：3196570