1.一种基于枯草植被指数计算高寒枯草覆盖度的方法，其特征在于，包括以下步骤：S1，获取采样点的高光谱反射曲线：选取一个牧草覆盖度为100%的样方，将所述样方平均分成若干个子样方，以中间子样方为光谱观测的标准点，每测一次光谱剪除一个子样方枯草，以一测一剪的顺序剪获若干条枯草覆盖度光谱，建立0‑100%以固定梯度等级变化的覆盖度光谱数据对；

S2，对所述步骤S1获取得到的采样点的高光谱反射曲线对进行预处理，得到反射率敏感波段；

利用极差分析，计算出光谱反射率数据各个波长的最值差，得到差异最大的波长范围和最小的波长范围，所得到的波段范围即敏感波段：MODIS的波段3、4和波段6；

S3，对敏感波段进行波段组合，得到新的枯草植被指数；

通过MODIS的波段响应函数计算得到各个敏感波段的光谱反射率，通过归一化和比值的方法得到植被指数，其中枯草植被指数的表达式为：其中，band6表示MODIS的第6波段；

band4表示MODIS的第4波段；

band3表示MODIS的第3波段；

DGVI表示枯草植被指数；

S4，基于枯草植被指数与植被覆盖度实际测量值，通过线性回归方法，构建植被覆盖度估算模型；

对样本的覆盖度和光谱反射率数据进行线性拟合得到指数与覆盖度的回归方程；

S5，将验证样方输入枯草覆盖估算模型，筛选得到最优估算模型：将野外采集的枯草样本数据分为建模样本集与验证样本集；其中，所述建模样本集用于构建植被覆盖度估算模型并获得建模精度，所述验证样本集用于验证构建的估算模型精度并获得验证精度；通过所述建模精度与所述验证精度选取最优估算模型。

2.根据权利要求1所述的方法，其特征在于，验证构建的估算模型的精度并获得验证精度，包括以下步骤；

将所述验证样本的枯草植被指数带入植被覆盖度估算模型中求得相应的植被覆盖度估算值；

基于所述植被覆盖度估算值与所述验证样本集中相应的植被覆盖度实际测量值，利用线性拟合方法和计算均方根误差的方法，得到验证精度。

3.根据权利要求2所述的方法，其特征在于，所述步骤S2，对所述高光谱反射曲线对进行预处理包括步骤：

剔除错误光谱反射数据；

对光谱曲线进行求平均以及平滑处理；

利用极差分析，计算出样本光谱反射率数据各个波长的最大值和最小值的差值，即敏感波段。

4.根据权利要求1所述的方法，其特征在于，所述植被指数包括归一化植被指数NDVI，比值植被指数RVI，垂直植被指数SAVI，土壤调节植被指数PVI和枯草植被指数DGVI。

5.根据权利要求4所述的方法，其特征在于，所述归一化植被指数NDVI，比值植被指数RVI，垂直植被指数SAVI，土壤调节植被指数PVI的表达式如下：；

；

；

；

其中，NIR为近红外波段反射率；R为红色波段反射率；a，b分别为土壤线的斜率和截距；

土壤调节系数L，取值范围0 1；L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响~

为零。

6.根据权利要求1所述的方法，其特征在于，所述步骤S1中，对每一目标的光谱观测记录数不少于10次，取平均值作为该次测量的枯草覆盖度光谱。

7.根据权利要求6所述的方法，其特征在于，所述步骤S1中，测量时，子样方与参考白板测量交替进行测量，每测量子样方一定时间后就重新获取白板光谱，采集得到枯草覆盖度光谱。