植被指数法提取植被覆盖度是基于光谱特征为前提，直接选取一种合适的植 被指数。并通过选择的植被指数和植被覆盖度值的相关关系，由此来测算出植被

覆盖度。Choudhury 和 Becker 等使用不同的方法和数据集，得到相同的植被覆盖 度估算公式使用该模型来估计美国在太平洋地区的森林覆盖度，而且采用的多种 不同类型的植被指数，根据 NOAA / AVHRR 的遥感数据，估测出该地区的森林 覆盖度 [12]。得到结果显示，植被指数和森林覆盖度有很高的相关性。植被指数 法的优点是不需要建立相应的回归模型，比回归模型更有普遍意义。而且还有好 处是这种方法不受区域范围限制、时间和植被类型等条件等限制，所以更容易使 用。对局部区域的估算得到的精度会低于了回归经验模型法。

利用像元分解模型法提取植被覆盖度的原理是，研究者认为在一定的情况下， 多个部分构成的遥感数据信息组成遥感影像中的一个实际像元，像元分解模型正 是由这些遥感信息所构建，从而进行地表植被覆盖度的估算。田静将由不同地物 组成的同一像元内的混合光谱信息分解成一个一个波段光谱，将这些一个一个的 光谱信息进行线性组合 [13]，即式（1-1）所示。

其中权重分别表示为L1、L2、L3 等，单一地物的反射率表示为R1、R2、R3 等。

许多研究都是根据一个一个的光谱信息进行线性组合的线性光谱模型来估 算植被覆盖度。现在应用最广泛的分解模型也是线性光谱模型。于秀娟等在三江 源区植被覆盖度的定量估算与动态变化研究中根据混合像元二分模型和改进的 归一化植被指数的参数的方法提取和定量评价三江源区2000～2009年的植被覆 盖度及其变化信息[14] [15]。也有其他研究者根据植被光谱特点，提出了三波段梯 度差法，简称为TGDVI[16]。这种植被指数跟归一化植被指数比较具有相对较高的 饱和点。还可消除一定量的背景影响。

1.3 研究内容和论文框架文献综述

本文研究的是徐州及其周边的植被覆盖度状况，考虑到徐州的气候和季节选 择植被生长的旺季六月份的数据，据此，本文采用徐州市 2015 年 6 月 10 日 MOD13Q1 下的 250 米 16 天 NDVI 数据（下载地址是 ladsweb.nascom.nasa.gov） 和相近时相同年 6 月 5 日的 Landsat8 OLI 遥感影像作为验证数据（下载地址是 glovis.usgs.gov 和地理空间数据云）。

本文主要想实现的一个过程是利用低分辨率 MODIS 遥感影像，对徐州及其 周边研究区域进行植被覆盖度的反演。因为，遥感数据获取是一个复杂的过程， 为了检查反演结果，就再用相同或相近时相的中高分辨率 Landsat8 OLI 影像作 为参考数据，对反演结果进行验证。通过中高分辨率影像验证分析下，旨在得出

利用中低分辨率影像提取研究区植被覆盖度是否具有实用性。在此基础上对研究 区域植被覆盖度进行分析。本研究具有以下意义：

（1）利用 MODIS 的 NDVI 数据产品，结合像元二分法对大尺度植被覆盖 度提取过程，进行了有益的探索。

（2）为了进一步判断由 MODIS 影像反演结果是否真实的反映地表植被覆 盖度信息，使用 Landsat8 OLI 影像对实验数据提取结果进行验证评估和分析。这 些过程对遥感真实性检验奠定了思想基础。

本文主要对两种不同分辨率的影像分别做相应的预处理，Landsat8 OLI 要经 过辐射定标、大气校 正、及影像镶嵌等处理，MODIS NDVI 数据则需要重投影 和裁剪处理 [17]。对 Landsat8 OLI 进行监督分类，得到地表覆盖分类图，作为反 演过程的辅助数据。利用像元二分法分别对预处理后的两种影像提取其植被覆盖 度的信息。最后对结果验证分析。如图 1-3 所示为研究内容的流程。