5结论与讨论.17
致谢18
参考文献..19
1 绪 论1.1 概述作为地表覆盖最主要部分的植被，是土壤 、水分与大气相互连接的自然枢纽，对地表生态圈物质能量交换起着调控作用。此外，植被对地理环境依赖性较大，对其他生态因素的变化也最敏感,有明显的季节变化和年际变化的特点[1]， 因此地表植被状况是地理环境的有效指示因子， 研究区域植被动态变化对于了解区域地理环境变化具有重要的指导意义[2-3]。遥感技术因其具有宏观、动态、实时、综合的特点，已经在大中尺度植被动态变化监测研究中得到广泛应用。利用遥感技术进行植被动态变化监测，主要依据同一地区经过几何校准和灰度匹配的多时相遥感影像间存在的光谱信息差异来识别植被覆盖变化的外部、内部条件[4]。而基于遥感信息提取的归一化植被指数（NDVI）能够有效地反映植被的生长状况、植被代谢强度和光合作用强度，同时 NDVI 经比值处理可部分消除地形变化、大气衰减等引起的辐射误差，增强了NDVI 对植被的响应能力[1]。因此，NDVI 是植被动态变化监测的有效指标，研究 NDVI 时间序列影像已成为获取植被动态变化信息的重要途径[5-8]。目前用于大中尺度植被动态变化监测的遥感数据一般要求具有多时相、 覆盖范围广，兼顾空间分辨率和低成本的特点，常用于植被动态变化监测的遥感数据有气象卫星NOAA的改进型甚高分辨率辐射仪AVHRR、 SPOT卫星的宽视域植被探测仪VGT、Terra/Aqua卫星的中等分辨率成像光谱仪 MODIS、 陆地资源卫星 Landsat 的专题制图仪 TM 和增强型专题制图仪 ETM+。 其中 Landsat TM/ETM+遥感数据具有较高的空间分辨率可以进行详细的地表植被覆盖制图，但由于其时间分辨率较低且数据成本较高，制图范围局限于小区域且制图更新频率较低[9]，因而在反映大中尺度植被动态变化时存在明显不足。SPOT VGT 数据从1998 年开始获取，空间分辨率为 1.15km，对大范围植被覆盖变化研究很有意义[10-11]，NOAA-AVHRR 数据从 1980 年开始被处理和使用，时间序列最长，空间分辨率星下点为1.1km，远离星下点约为 4km，其 NDVI时间序列产品空间分辨率为 8km，常被用于大区域乃至全球的植被动态变化监测[12-13]，但低空间分辨率限制了AVHRR数据表达植被覆盖的细节信息，对于时空变异和复杂性较高的区域则需要比 AVHRR空间分辨率高的数据[14]。
MODIS 从 2000 年开始接收数据，其空间分辨率最高可达 250m 比 VGT 和 AVHRR 都高。高时间分辨率（重复观测周期 1-2d）和较高的空间分辨率（最高可达250m）使人类对地观测能力有了突破性的提高[15]。空间分辨率为 250m 的MODIS 遥感数据可免费获得，其中包括较为完整的 NDVI 时间序列数据，这使得 MODIS 数据更适于进行大中尺度植被动态变化研究。1.2 国内外研究现状目前国内外学者基于 NDVI 时序数据在植被动态变化监测研究领域相继开展了大量工作，其中研究区域尺度范围分为全球、洲际尺度和小区域尺度。如 TownshendJ R G 等[16]借助 DNVI 时序数据研究了非洲区域植被动态变化；Tucker C J 等[14]利用AVHRR的 DNVI 时序数据监测非洲大陆的沙漠化和干旱区域的植被覆盖变化；马明国[17]等基于 1981-2001 年 8km AVHRR DNVI 时间序列数据，利用均值法、一元线性回归趋势分析等方法，分析了西北植被的时空变化特征；李晓兵、史培军在 3S 技术支持下利用 NOAA-AVHRR 数据，通过非监督分类和主成分分析对我国植被进行分类， 并结合 AVHRR 的 DNVI 时序数据分析了不同植被类型的 DNVI年际变化规律[8]；朱明明等利用 2001-2010 逐月 MODIS DNVI 时间序列数据对我国东部植被覆盖的时空变化特征进行研究[18]；安佑志等基于 2000-2011 年 MODIS NDVI 时序数据集，分析了长江三角洲地区植被覆盖的动态变化趋势和空间分布特征特征[19]；吴云等借助MODIS NDVI 时间序列数据集，采用像元二分模型、年最大值合成法以及一元线性回归趋势分析等方法研究2000-2007 年海河流域植被覆盖度变化特征[20]。 国内外学者的一系列研究成果促进了植被动态变化监测研究领域的发展。 基于MODS数据与DNVI指数的黄淮海区域植被动态变化监测(2):http://www.youerw.com/jisuanji/lunwen_36173.html