基于Landsat_OLI的坝上草原植被覆盖度反演模型研究的开题报告.docx

基于Landsat_OLI的坝上草原植被覆盖度反演模型研究的开题报告
开题报告：
一、研究背景
草原是我国重要的自然资源，草原植被覆盖度是草原生态健康的重要指标之一。传统的草原植被调查方法费时费力且成本高，因此，基于遥感技术的草原植被覆盖度反演模型逐渐受到关注。Landsat影像在其时间序列、空间分辨率和光谱波段等方面优势明显，因此，该研究选择利用LandsatOLI影像进行草原植被覆盖度反演模型的研究，可以为草原生态环境监测与管理提供支持。
二、研究目的
本研究旨在开发基于LandsatOLI影像的坝上草原植被覆盖度反演模型，提高草原植被覆盖度的监测能力，为草原生态环境管理提供科学依据。
三、研究方法
1.数据预处理
选取2020年6月的LandsatOLI遥感数据与离子层气象数据，进行大气校正、云去除等数据预处理。
2.指数筛选
通过建立植被指数与植被覆盖度的经验模型，对LandsatOLI遥感数据进行指数筛选，找出与草原植被覆盖度最相关的指数。
3.回归分析
采用多元线性回归模型对筛选出的指数与草原植被覆盖度进行回归分析，建立基于LandsatOLI影像的坝上草原植被覆盖度反演模型。
4.模型验证
选取坝上草原不同区域进行野外实地调查、测量，获取草原植被覆盖度数据，用建立好的模型预测草原植被覆盖度，进行模型验证。
四、研究意义与效益
本研究将基于LandsatOLI遥感技术建立坝上草原植被覆盖度反演模型，可以快速获取草原植被覆盖度数据，提高草原生态环境监管效率，为草原生态治理提供科学依据和技术支持。
五、研究难点
1.数据预处理：地表反射率计算中需要利用大气校正等处理方法进行数据预处理，精确的大气校正模型是提高遥感数据质量的重要方法。
2.指数筛选：寻找与草原植被覆盖度最相关的指数，需要对遥感影像数据进行分析，得到影像指数特征进行筛选。
3.模型验证：模型预测值与实测值的误差评估是评判模型好坏的关键环节，在调查数据预处理、分析指数筛选、建模阶段都需要严格标准和精度掌握。
六、研究计划
本研究将在六个月内完成，具体计划如下：
第一、二个月：完成数据预处理、指数筛选、回归分析模型建立等工作。
第三、四个月：进行模型测试和验证，对模型的预测结果进行检验评估。
第五、六个月：撰写论文，整理研究成果并撰写开题报告等论文内容。
七、参考文献
1.姜静，崔佳鹏，丁宜康.基于Landsat8OLI的植被覆盖度反演模型研究[J].测绘通报，2017，（8）：16-19。
2.陈丽琼，洪门奋，邢平华.遥感技术在草地监测中的应用研究[J].中国草地学报，2017，（3）：1-9。
3.马留霞，郭广，戴云萍.基于Landsat8OLI的农业区域化植被指数模型研究[J].测绘工程，2018，（1）：38-40。