CN102033230A - 一种草原卫星遥感监测系统及方法 - Google Patents
一种草原卫星遥感监测系统及方法 Download PDFInfo
- Publication number
- CN102033230A CN102033230A CN2009100939733A CN200910093973A CN102033230A CN 102033230 A CN102033230 A CN 102033230A CN 2009100939733 A CN2009100939733 A CN 2009100939733A CN 200910093973 A CN200910093973 A CN 200910093973A CN 102033230 A CN102033230 A CN 102033230A
- Authority
- CN
- China
- Prior art keywords
- grassland
- grass
- ndvi
- yield
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种草原卫星遥感监测系统及方法,该系统包括,草原长势监测模块,用于根据遥感信息与地面草原植被状况的关系,通过对不同时期卫星遥感MODIS数据处理,获取草原植被指数NDVI及草原长势指数GI,以反映草原植被长势;草原产草量监测模块,用于通过卫星遥感MODIS信息,结合地面样方测产数据建立产草量估算模型,再通过遥感MODIS数据反演草原产草量;草畜平衡监测模块,用于根据所述草原产草量监测模块获取的产草量,并结合天然草原现存产草量、天然草原已采食草产量及补充饲草料量,以估测草畜平衡情况。
Description
技术领域
本发明涉及草原监测技术,特别是涉及一种基于MODIS(ModerateResolution Imaging Spectrometer,中分辨率成像光谱仪)数据的草原卫星遥感监测系统及方法。
背景技术
草原植被遥感监测是利用3S技术(遥感、地理信息系统和全球定位系统),结合地面调查数据实现对草原植被的监测。草原植被遥感监测的内容主要包括草原植被长势、草原植被生物量和草畜平衡估算等内容。随着3S技术的不断发展与成熟,特别是对地观测技术的迅速发展,高时空分辨率卫星遥感数据获取技术的不断完善,草原植被遥感监测技术也迅速发展。
草原植被长势是草原植被的总体生长状况与趋势,通常是与以往草原植被的状况进行对比,来说明现在草原植被的生长情况,以往的植被状况可以是过去某个时间段的平均状况或实际状况;根据需要,时间段可以分为年、季、月、旬等。草原植被长势监测分为地面监测和遥感监测。草原植被长势地面监测,是通过样地、样方测定植被的长势指标并与以往的测定结果进行比较,来说明现在草原植被的生长情况;草原植被长势遥感监测,是利用遥感信息与草原植被状况有密切相关关系的特点,对不同时期的遥感信息进行处理,来间接反映草原植被长势的一种方法。草原植被长势遥感监测具有快速、覆盖面广的特点,有广泛的应用前景。目前,草原植被长势监测较广泛应用的方法主要有逐年NDVI差值法、距平NDVI差值法和比值法等。总体而言,这些方法对于不同草地类型的大区域而言不太适合,因为高NDVI区域如草甸草原,和低NDVI区域的荒漠草原,使用同一种长势等级划分阈值的话,可能会使监测结果与实际情况不相符合。因此需要根据实际情况研究适合更大区域的草原长势监测方法。
草原植被生物量的监测是草原资源合理利用和草畜平衡估算的重要依据。草原植被生物量的测定方法主要有直接收获法、产量模拟模型法和遥感模型法等。直接收获法是齐地面剪割所获得的产草量;产量模拟模型法是结合气候、土壤等条件因素,建立模拟模型进行产量测定,一般需要连续和详细的数据;遥感模型法是利用遥感产品,结合地面测定的参数和植物生长规律建立生物量测产模型,再用遥感数据反演植被生物量。遥感模型法是随着现代遥感技术的发展、遥感数据时空间分辨率的逐渐提高而发展起来的,利用遥感数据进行草原测产的方法和模型发展较快。
遥感模型大致分为两大类,一类是综合模型,另一类是统计模型或经验模型。综合模型借助遥感信息、植被信息和气象因子等来建立,由于包含了更多的信息量,可以较精确地反映植被的生物物理参数,遥感数据的引入是为了弥补数据的不足或避免获取某些植被生长的环境条件因子的繁琐性,由于需要的参数多、数据种类多,数据获取比较困难,应用受到限制。统计模型或经验模型不涉及机理问题,主要是对观测数据与遥感信息进行统计和相关分析,建立最优的模型用于测算。目前主要的统计模型是对植被指数与生物量或产量进行回归分析,得到测算的统计模型,或者引入植被的环境影响因子(例如气温、降水、土壤含水量等)资料作为输入量来提高统计模型的测算精度。统计模型主要有线性、幂函数、指数、对数和Logistic模型等形式,回归的方法有一元回归、多元回归、逐步回归等,模型的质量与地面样本量的多少和空间分布有很大关系。
草原载畜量是评定草原生产能力的一项重要指标,也是影响草原家畜生产能力的一项临界指标。载畜量过低会造成牧草浪费,牧草利用率降低,减少单位草原面积上牲畜的总增重。载畜量过高则导致牧草利用过度,草原基况恶化,牲畜营养匮乏,降低单个家畜的增重。因而进行草畜平衡计算,经济合理地利用草地是提高草原生产能力的有效途径。天然草场载畜量估算是一项极其复杂而又十分重要的研究项目,是草场资源管理与草原生态保护中不可缺少的内容,同时也是合理利用草场和防治草场退化的关键环节。因此,在草原保护和管理工作中,及时、充分的了解草畜平衡的现状及其动态变化,才能更好地合理利用草原,科学地确定放牧强度,改善生态环境,实现草原资源的可持续利用。
草畜平衡的研究目前多基于小区域试验或模型来进行,对大区域的草畜平衡研究往往不能直接应用。基于遥感技术的草畜平衡估算研究在大区域宏观上具有一定的优势。草原载畜量取决于草地地上净生物量,准确估测草地地上净生物量是计算牧草生长季节载畜量的基础。利用遥感技术估测天然草场牧草产量较常规方法准确、及时、直观、经济,获得的信息量大而丰富,因此利用遥感技术估算草产量、建立草畜平衡研究方法是可行的。
发明内容
本发明所要解决的技术问题在于提供一种基于MODIS数据的草原卫星遥感监测系统及方法,用于进行草原植被长势、草原产草量监测以及草畜平衡的监测。
为了实现上述目的,本发明提供了一种草原卫星遥感监测系统,其特征在于,包括,
草原长势监测模块,用于根据遥感信息与草原植被状况的关系,通过对不同时期卫星遥感MODIS数据处理,获取草原植被指数NDVI及草原长势指数GI,以反映草原植被长势;
草原产草量监测模块,用于通过卫星遥感MODIS信息,结合地面样方测产数据建立产草量估算模型,再通过遥感MODIS数据反演草原产草量;
草畜平衡监测模块,用于根据所述草原产草量监测模块获取的天然草原现存产草量,并结合天然草原已采食草产量及补充饲草料量,以估测草畜平衡情况。
上述草原卫星遥感监测系统,其特征在于,所述草原长势监测模块进一步包括:
植被指数计算模块,用于构建植被指数计算模型,并根据该模型计算获取的植被指数NDVI建立多年旬度标准NDVI时间序列数据库;
长势等级确定模块,用于构建草原长势指数计算模型,并根据该模型计算获取的草原长势指数对草原长势进行等级划分。
上述草原卫星遥感监测系统,其特征在于,所述草原长势监测模块进一步包括一专题图生成模块,用于根据所述草原长势指数制作专题图,生成草原长势空间分布图。
上述草原卫星遥感监测系统,其特征在于,所述草原长势监测模块进一步包括一数据统计分析模块,用于在所述草原长势空间分布图的基础上,结合被监测区的行政区划矢量图,进行数据统计分析,得到监测期内各行政区划单元的草地长势统计数据。
上述的草原卫星遥感监测系统,其特征在于,所述草原产草量监测模块进一步包括:
数据库建立模块,用于根据对遥感MODIS数据及地面样方数据进行预处理获得的植被指数平均值和样方产草量平均值建立NDVI样方鲜重数据库;
产草量估算模型构建模块,用于通过构建反映NDVI和产草量关系的计算模型,以通过NDVI反演产草量的空间分布状况;
产草量鲜重计算模块,用于根据草原植被指数NDVI和产草量估算模型,计算理论产草量;
空间分布图生成模块,用于根据计算获取的理论产草量生成理论产草量鲜重空间分布图,再结合监测区域的行政区划图和草地类型分布矢量图形成监测区产草量区域空间分布图。
上述草原卫星遥感监测系统,其特征在于,所述草原产草量监测模块还包括一产草量干重计算模块,用于在鲜草产量的基础上,根据设定的折算系数进行折算得到产草量干重数据。
上述草原卫星遥感监测系统,其特征在于,所述草原产草量监测模块还包括一统计分析模块,用于提取各监测区域草地类型、区内不同草地类型的产草量及面积数据,对当年产草量进行统计分析,并与多年平均产草量结果进行对比。
上述草原卫星遥感监测系统,其特征在于,所述草畜平衡监测模块进一步包括:
草畜平衡参数获取模块,用于根据预设条件获取天然草原现存草产量、天然草原已采食草产量及补充饲草料量;
总饲草料储量计算模块,用于根据所述天然草原现存草产量、天然草原已采食草产量及补充饲草料量计算获取总饲草料储量;
草畜平衡等级确定模块,用于根据所述总饲草料储量确定合理载畜量,并结合实际牲畜数、实际载畜量确定草畜平衡等级。
上述草原卫星遥感监测系统,其特征在于,所述植被指数通过以下模型计算获取:
Reflectances=Scales[B]*(SI-Offsets[B])
式中,Reflectance表示反射率;SI为影像DN值;B是波段在数据集SDS中的序号组;Scales[B]和Offsets[B]是波段的偏移量和缩放比例;ρNIR和ρRED分别为第二波段和第一波段的反射率。
上述草原卫星遥感监测系统,其特征在于,植被指数计算模块进一步包括一植被指数合成模块,用于根据计算获取的NDVI进行旬度最大值合成,并建立多年旬度标准NDVI时间序列数据库,然后根据该多年旬度标准NDVI时间序列数据库对多年内监测期同旬度的NDVI最大值进行平均获取多年监测期旬度NDVI平均值,建立多年的旬度标准NDVI平均值时间序列数据库,其中所述旬度最大值和多年同旬平均值分别通过以下模型计算获取,VI(X,Y)=Max[NDVI(X,Y)]
上述草原卫星遥感监测系统,其特征在于,所述草原长势指数通过以下模型计算获取:
式中:GI是草原长势指数,NDVIm和NDVIn代表不同时间的植被指数值。
上述草原卫星遥感监测系统,其特征在于,所述草原产草量监测模块进一步包括:一测产模型检验模块,用于构建一产草量计算模型精度的验证模型,对产草量模型的精度进行验证,该验证模型通过下式进行产草量的模型精度的验证:
式中,RMSE是平均绝对误差,REE是平均相对误差,Yi是样点实际鲜草产量,Yi′是模型估计所得的产草量,N是样点数。
进一步的,本发明还提供了一种应用上述草原卫星遥感监测系统的监测方法,其特征在于,包括以下步骤:
草原长势监测步骤,用于根据遥感信息与草原植被状况的关系,通过对不同时期卫星遥感MODIS数据处理,获取草原植被指数及草原长势指数,以反映草原植被长势;
草原产草量监测步骤,用于通过卫星遥感MODIS信息,结合地面样方测产数据建立产草量估算模型,再通过遥感MODIS数据反演草原产草量;
草畜平衡监测步骤,用于根据所述草原产草量监测模块获取的产草量,并结合天然草原现存产草量、天然草原已采食草产量及补充饲草料量,以估测草畜平衡情况。
上述监测方法,其特征在于,所述草原长势监测步骤进一步包括:
植被指数计算步骤,用于构建植被指数计算模型,并根据该模型计算获取的植被指数指建立多年旬度标准NDVI时间序列数据库;
长势等级确定步骤,用于构建草原长势指数计算模型,并根据该模型计算获取的草原长势指数对草原长势进行等级划分。
上述监测方法,其特征在于,所述草原长势监测进一步包括一专题图生成步骤,用于根据所述草原长势指数生成草原长势空间分布图。
上述监测方法,其特征在于,所述草原长势监测步骤进一步包括一数据统计分析步骤,用于在所述草原长势空间分布的基础上,结合被监测区的行政区划矢量图,进行数据统计分析,得到监测期内各行政区划单元的草地长势统计数据。
上述监测方法,其特征在于,所述草原产草量监测步骤进一步包括:
数据库建立步骤,用于根据对遥感MODIS数据及地面样方数据进行预处理获得的植被指数平均值和产草量平均值建立NDVI样方鲜重数据库;
产草量估算模型构建步骤,用于通过构建反映NDVI和产草量的关系的计算模型,以通过NDVI反演产草量的空间分布状况;
产草量鲜重计算步骤,用于根据NDVI和产草量模型,计算理论产草量;
空间分布图生成步骤,用于根据计算获取的理论产草量生成整个监测区域的产草量鲜重空间分布图,再结合监测区域的行政区划图和草地类型分布矢量图形成监测区产草量区域空间分布图。
上述监测方法,其特征在于,所述草原产草量监测步骤还包括一产草量干重计算步骤,用于在鲜草产量的基础上,根据设定的折算系数进行折算得到产草量干重数据。
上述监测方法,其特征在于,所述草原产草量监测步骤还包括一统计分析步骤,用于提取各监测区域草地类型、区内不同草地类型的产草量及面积数据,对当年产草量进行统计分析,并与多年平均产草量结果进行对比。
上述监测方法,其特征在于,所述草畜平衡监测步骤进一步包括:
草畜平衡参数获取步骤,用于根据预设条件获取天然草原现存草产量、天然草原已采食草产量及补充饲草料量;
总饲草料储量计算步骤,用于根据所述天然草原现存草产量、天然草原已采食草产量及补充饲草料量计算获取总饲草料储量;
草畜平衡等级确定步骤,用于根据所述总饲草料储量确定合理载畜量,并结合实际牲畜数、实际载畜量确定草畜平衡等级。
与现有技术相比,本发明的有益技术效果在于:
本发明利用MODIS数据对草原进行监测,通过MODIS数据监测草原长势、产草量,并结合补饲调查监测草畜平衡,对上述监测内容和技术进行集成,完成了对草原快速、高效、稳定的遥感监测,为政府对草原的管理提供有效的决策依据。
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1为本发明的草原卫星遥感监测系统结构图;
图2为本发明的草原卫星遥感监测方法流程图;
图3为本发明中草原长势遥感监测步骤的具体实现流程图;
图4为本发明中草原产草量监测步骤的具体实现流程;
图5为本发明中草原平衡监测步骤的具体实现流程图。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步更详细的描述。
图1为本发明草原卫星遥感监测系统的结构框图,参考图1,该草原卫星遥感系统1包括草原长势监测模块10、草原产草量监测模块20,草畜平衡监测模块30。其中,草原长势监测模块10,用于根据遥感信息与草原植被状况的关系,通过对不同时期卫星遥感MODIS数据处理,获取草原植被指数NDVI及草原长势指数GI,以反映草原植被长势;草原产草量监测模块20,用于通过卫星遥感MODIS信息,结合地面样方测产数据建立产草量估算模型;来反演草原产草量;草畜平衡监测模块30,用于根据所述草原产草量监测模块获取的产草量,并结合天然草原现存产草量、天然草原已采食草产量及补充饲草料量,以估测草畜平衡情况。
下面结合附图进一步说明各个模块的具体结构及实现方式:
一、草原长势监测模块10,进一步包括植被指数计算模块101、长势等级确定模块102、专题图生成模块103及数据统计分析模块104。
其中,植被指数计算模块101,用于构建植被指数计算模型,并根据该模型计算获取的植被指数指建立多年旬度标准NDVI时间序列数据库。
监测主要利用空间分辨率为250米的MODIS数据,对第一波段红波段(620~670nm)和第二波段近红外波段(841~876nm)进行辐射定标、几何校正,bow-tie处理,以及利用NASA云掩膜产品的标准算法做云检测。然后计算这两个波段的反射率值及归一化植被指数NDVI,采用如下公式:
Reflectances=Scales[B]*(SI-Offsets[B])
式中,Reflectances表示反射率;SI为影像DN(Digital Number)值;B是波段在数据集SDS中的序号组;Scales[B]和Offsets[B]是波段的偏移量和缩放比例。ρNIR和ρRED分别为第二波段和第一波段的反射率。
上述植被指数计算模块101进一步包括一植被指数合成模块,用于根据计算获取的NDVI进行旬度最大值合成,并建立多年旬度标准NDVI时间序列数据库,然后根据该多年旬度标准NDVI时间序列数据库对多年内监测期旬度的NDVI最大值进行平均获取多年监测期旬度平均值,建立多年的旬度标准NDVI平均值时间序列数据库,
最大值合成方法是:
VI(X,Y)=Max[NDVI(X,Y)]
式中X,Y代表坐标,VI(X,Y)表示合成期内处于(X,Y)位置的不同时相的最大NDVI值。据此方法,建立多年旬度标准NDVI时间序列数据库。
对多年旬度标准NDVI时间序列数据库监测期(如5-9月)同旬的NDVI最大值进行平均,得出多年平均值,计算公式如下:
式中:X,Y代表坐标,表示合成期内处于(X,Y)位置的不同时相的最大NDVI值的平均值。例如,以4年相同旬(比如以2003年5月上旬、2004年5月上旬、2005年5月上旬和2006年5月上旬)为合成期,建立2003年至2006年的5月上旬的旬度标准NDVI平均值时间序列数据库。
上述长势等级确定模块102,用于构建草原长势指数计算模型,并根据该模型计算获取的草原长势指数对草原长势进行等级划分。
草原长势指数通过如下公式计算:
式中:GI(Growth_Index)是指草原长势指数,NDVIm和NDVIn代表不同时间的植被指数值。
根据计算获取的草原长势指数对草原长势进行等级划分,再通过专题图生成模块103,生成草原长势空间分布图,同时进行分级和分区统计。
数据统计分析模块104,用于在所述草原长势空间分布的基础上,结合被监测区的行政区划矢量图,进行图像数据统计分析,得到监测期内各行政区划单元的草地长势统计数据。如在长势空间分布图的基础上,结合各行政区划矢量图,利用Arcgis软件中的空间分析模块(Spatial Analyst)中的区域统计功能Zonal statistics进行分行政区划单元统计,得到5-9月每旬各行政区划单元的草地长势统计数据,然后在此基础上得到各行政区划单元的旬、月、年草原植被长势情况。
二、草原产草量监测模块20,进一步包括数据库建立模块201、产草量估算模型构建模块202、测产模型检验模块203、产草量鲜重计算模块204、产草量干重计算模块205、空间分布图生成模块206及统计分析模块207。其中,
数据库建立模块201,用于根据对遥感MODIS数据及地面样方数据进行预处理获得的植被指数平均值和产草量平均值建立NDVI样方鲜重数据库。该数据库建立模块的具体实现流程,将在下文的监测方法中详细描述。
产草量估算模型构建模块202,用于通过分区构建反映NDVI和产草量的关系的计算模型,以通过NDVI反演产草量的空间分布状况。
本实施例以中国草原为例,在全国范围内进行分区建模,主要包括九大区域:东北草甸草原区、大兴安岭东侧草甸草原区、蒙甘宁温带半干旱草原区、华北暖性灌草丛区、北疆和阿拉善荒漠山地草原区、南疆和柴达木盆地荒漠草原区、青藏高寒草原和荒漠草原区、青藏高寒草甸区,以及南方热性灌草丛区。在分析九大区域样方鲜草产量和NDVI散点关系的基础上,为了通过NDVI反演产草量的空间分布状况,对其应用回归分析共构建了包括一元线性方程、二元非线性方程、三元非线性方程、幂函数、指数函数、复合函数、S型函数、指数生长模型等拟合方程。经过F检验、T检验,决定系数比较等过程,获得各区优选的模型,即为最能反映NDVI和产草量关系的模型。例如,青藏高寒草原和荒漠草原区2008年构建的优选模型为幂函数模型,方程为Yield=32.00NDVI 1.083。
测产模型检验模块203,用于构建一产草量计算模型精度的验证模型,对产草量模型的精度进行验证,该验证模型通过下式进行产草量的模型精度的验证。对于上述产草量估算模型构建模块202建立的测产模型需要进行精度检验,经过对比分析之后选取最优模型用于估产。首先采用平均相对误差和平均绝对误差两个指标进行评价。计算公式如下:
式中:RMSE是平均绝对误差值,REE是平均相对误差,Yi是样点实际鲜草产量,Yi′模型估计所得的产草量,N是样点数。
产草量鲜重计算模块204,用于根据NDVI和产草量模型,计算理论产草量。具体在获得的各个区域优选的NDVI和产草量模型的基础上,根据NDVI空间分布图,对区域内的每个NDVI像元值应用优选的模型,计算其理论产草量。根据该理论产草量通过空间分布图生成模块206生成理论产草量空间分布图,然后将各个区域的理论产草量空间分布图在ARCGIS软件中进行拼接,就可以获得整个研究区的理论产草量,进而得到产草量鲜重空间分布图。
产草量干重计算模块205,用于在鲜草产量的基础上,根据预定的折算系数进行折算得到产草量干重数据。
将整个监测区的产草量鲜重空间分布图和各种草地类型的干鲜比空间分布图进行叠加,经由空间分布图生成模块206在ARCGIS软件中除法运算,就可以获得监测区产草量干重的空间分布图。
统计分析模块207,用于提取各监测区域草地类型、区内不同草地类型的产草量及面积数据,对当年产草量进行统计分析,并与多年平均产草量结果进行对比。
草原产草量监测模块的监测结果为产草量鲜重空间分布图和产草量干重空间分布图,叠加各行政区划矢量图和分草地类型分布矢量图,在ARCGIS软件中应用Spatial Analyst中的Zonal statistics(区域统计)功能,分别提取不同省和不同草地类型的产草量鲜重和干重数据,以及分布面积数据,对当年产草量鲜重和干重进行统计分析,同时与多年平均产草量结果进行对比。
三、草畜平衡监测模块30,进一步包括:草畜平衡参数获取模块301,用于根据预设条件获取天然草原现存草产量、天然草原已采食草产量及补充饲草料量;总饲草料储量计算模块302,用于根据所述天然草原现存草产量、天然草原已采食草产量及补充饲草料量计算获取总饲草料储量,该总饲草料储量=已采食的草产量+补充饲料总量+现存可食草产量;草畜平衡等级确定模块303,用于根据所述总饲草料储量确定合理载畜量,并结合实际牲畜数、实际载畜量确定草畜平衡等级。
本发明进一步提供了一种应用上述草原卫星遥感监测系统1的监测方法,参考图2,该监测方法包括以下步骤:
草原长势监测步骤S10,用于根据遥感信息与草原植被状况的关系,通过对不同时期卫星遥感MODIS数据处理,获取草原植被指数NDVI及草原长势指数GI,以反映草原植被长势;
草原产草量监测步骤S20,用于通过卫星遥感MODIS信息,结合地面样方测产数据建立产草量估算模型来反演草原产草量;
草畜平衡监测步骤S30,用于根据所述草原产草量监测模块获取的产草量,并结合天然草原现存产草量、天然草原已采食草产量及补充饲草料量,以估测草畜平衡情况。
下面结合附图进一步描述上述步骤的具体实现流程。
图3描述了草原长势监测步骤S10的具体实现流程,请参考图3,具体包括以下步骤:
步骤S101:获取MODIS影像数据,本实施例主要利用空间分辨率为250m的MODIS数据。
步骤S102:对所述MODIS影像数据进行预处理。具体对第一波段红波段(620~670nm)和第二波段近红外波段(841~876nm)进行辐射定标、几何校正,bow-tie处理,以及利用NASA云掩膜产品的标准算法做云检测。
步骤S103:进行植被指数的计算及合成。通过计算上述两个波段的反射率值,并据此计算归一化植被指数NDVI,采用如下公式:
Reflectances=Scales[B]*(SI-Offsets[B])
式中,Reflectances表示反射率;SI为影像DN值;B是波段在数据集SDS中的序号组;Scales[B]和Offsets[B]是波段的偏移量和缩放比例。ρNIR和ρRED分别为第二波段和第一波段的反射率。
一般来说,NDVI值越大,植被越茂密;相反,NDVI越小,地表植被生长越稀疏。所以,利用NDVI数值大小,可以从遥感图像上判定地表植被的生长状况。当NDVI小于0.1时,通常地表为裸地,绿色植被及其稀少。当NDVI超过0.8时,地表植被非常茂密,地表植被覆盖度接近于100%。
NDVI经比值处理,可以部分的消除与太阳高度角、卫星观测角、地形、云/影阴和大气条件有关的辐照度条件变化(大气层辐射)等的影响。但10天最大值合成方法可以进一步减少太阳角度、水汽、气溶胶、观测角度以及云等衰减因素对植被指数的影响。最大值合成方法是:
VI(X,Y)=Max[NDVI(X,Y)]
式中X,Y代表坐标,VI(X,Y)表示合成期内处于(X,Y)位置的不同时相的最大NDVI值。
对多年旬度标准NDVI时间序列数据库5-9月每旬的NDVI最大值进行平均,得出多年平均值,计算公式如下:
式中:X,Y代表坐标,表示合成期内处于(X,Y)位置的不同时相的最大NDVI值的平均值。例如,以4年相同旬(比如以2003年5月上旬、2004年5月上旬、2005年5月上旬和2006年5月上旬)为合成期,建立2003年至2006年的5月上旬的旬度标准NDVI平均值时间序列数据库。
步骤S104:根据上述合成方法,建立多年旬度标准NDVI时间序列数据库和旬度标准NDVI平均值时间序列数据库。
步骤S105:草原长势指数计算,并据此进行等级划分。计算公式如下:
式中:GI(Growth Index)是指草原长势指数,NDVIm和NDVIn代表不同时间的植被指数值。
以中国草原为例,为了对草原长势进行科学合理的评价,根据GI值大小,将有效监测区的草原长势分为5级,GI<-0.15代表长势差,级别为1;-0.15≤GI<-0.05代表长势较差,级别为2;-0.05≤GI<0.05代表长势持平,级别为3;0.05≤GI<0.15代表长势较差,级别为4;0.15≤GI<254代表长势差,级别为5;此外,将有遥感数据质量问题、云干扰和非草地部分称为非监测区,级别为6。
步骤S106:对图像数据的统计与分析。根据上述级别划分按1到6分别赋予不同的颜色,制作长势空间分布图,在长势空间分布图的基础上,结合各行政区划单元的矢量图,利用Arcgis软件中的空间分析模块(Spatial Analyst)中的区域统计功能(Zonal statistics)进行分行政区划单元统计,得到5-9月每旬各行政区划单元的草地长势统计数据,然后在此基础上得到各行政区划单元的月、年草原植被长势情况。
图4描述了草原产草量监测步骤S20的具体实现流程,参考图4,具体包括以下流程:
步骤S201:遥感数据的获取与预处理。
遥感数据选用NASA MODIS陆地产品中分辨率为250m的影像数据。首先,对影像进行辐射定标和几何校正,然后选用6~9月份的MODIS影像计算NDVI值,进行旬的最大值合成(一般为10天),经影像镶嵌得到的NDVI分布图;其次,根据地面样点的采样时间和经纬度,在相应时间的NDVI分布图中利用GIS技术提取每个采样点250m范围内的NDVI的均值,一般为3~4个像元的平均值。
步骤S202:地面样方数据的获取与预处理。
本发明中使用的地面样方测产数据来源于农业部草原监理中心,采样时间大体上在6月中旬~9月中旬。草本样方大小为1m×1m,灌木样方为20m×20m,在进行地面生物量测定的同时,还采集了样方平均高度和盖度等特征数据,以便为模型分析提供参考。由于考虑到地面样方测产数据的可靠性会影响到模型估算的准确性,所以在地面样方数据整理的过程中,根据产草量的历史数据对差异较大的数据进行了剔除,然后结合NDVI遥感影像计算1个像元内地面产草量的平均值,来代表此像元的地面产草量数据。
步骤S203:建立NDVI-样方鲜重数据库。
通过遥感数据的获取与预处理-根据地面采样点的经纬度提取的NDVI的均值,地面样方数据的获取与预处理-对应像元内地面产草量数据的平均值,两方面结合来建立NDVI-样方鲜重数据库。
步骤S204:分区构建产草量估算模型。
本实施例以中国草原为例,考虑到草原类型的空间分布情况、自然条件(如气候、地形、土壤、植被等,特别是水热因素的地域分异规律)、草原生产的社会经济条件和草原畜牧业的布局等客观情况的不同,在各区域界限与县级行政单元相吻合等原则的基础上,在范围内进行分区建模。在分析九大区域样方鲜草产量和NDVI散点关系的基础上,为了通过NDVI反演产草量的空间分布状况,对其应用回归分析共构建了包括一元线性方程、二元非线性方程、三元非线性方程、幂函数、指数函数、复合函数、S型函数、指数生长模型等拟合方程。经过F检验、T检验,决定系数比较等过程,获得各区优选的模型,即为最能反映NDVI和产草量关系的模型。
步骤S205:对产草量估算模型的精度进行检验,选取最优模型用于估产。
对于上述建立的测产模型需要进行精度检验,经过对比分析之后选取最优模型用于估产。首先采用平均相对误差和平均绝对误差两个指标进行评价。计算公式如下:
式中:RMSE是平均绝对误差值,REE是平均相对误差,Yi是样点实际鲜草产量,Yi′模型估计所得的产草量,N是样点数。
为了进一步验证所建立的模型的精度,选用了另一组数据集(为不同区内预留随机样方)对优选的拟合模型进行验证。
最后,根据这些样方对应的NDVI,分别用估产模型计算其理论产草量,然后和实际产草量进行比较计算出估产精度。
步骤S206:计算理论产草量,获取产草量鲜重空间分布图。
在获得的各个区域优选的NDVI和产草量模型的基础上,根据NDVI空间分布图,对区域内的每个NDVI像元值应用优选的模型,计算其理论产草量;然后将各个区域计算出的理论产草量空间分布图在ARCGIS软件中进行拼接,就可以获得整个研究区的理论产草量,即产草量鲜重空间分布图。
步骤S207:在鲜草产量的基础上,进行产草量干重的折算,获取产草量干重空间分布图。
由于分区模型是建立在鲜草产量的基础上,所以需要对遥感估算得到的九大区域的全部产草量数据,进行干鲜比折算以得到风干重数据。折算系数参考了《草地资源》中有关的规定(表1)。
将研究区反演的产草量鲜重空间分布图和各种草地类型的干鲜比空间分布图进行叠加,在ARCGIS软件中除法运算,就可以获得研究区产草量干重的空间分布图。
表1各种草地类型干鲜比:
草地类型 | 折算系数 | 草地类型 | 折算系数 |
低地草甸类 | 1/3.5 | 热性草丛类 | 1/3.2 |
改良草地 | 1/3.2 | 热性灌草丛类 | 1/3.2 |
干热稀树灌草丛类 | 1/3.2 | 山地草甸类 | 1/3.5 |
高寒草甸草原类 | 1/3.2 | 温性草甸草原类 | 1/3.2 |
高寒草甸类 | 1/3.2 | 温性草原化荒漠类 | 1/2.5 |
高寒草原类 | 1/3.0 | 温性草原类 | 1/3.0 |
高寒荒漠草原类 | 1/2.7 | 温性荒漠草原类 | 1/2.7 |
高寒荒漠类 | 1/2.5 | 温性荒漠类 | 1/2.5 |
暖性草丛类 | 1/3.2 | 沼泽类 | 1/4.0 |
暖性灌草丛类 | 1/3.2 |
步骤S208:分行政区划单元、分草地类型进行产草量数据的统计分析。
遥感估产结果为产草量鲜重空间分布图和产草量干重空间分布图,叠加各行政区划单元矢量图和草地类型分布矢量图,在ARCGIS软件中应用SpatialAnalyst中的Zonal statistics(区域统计)功能,分别提取不同地区、不同县和不同草地类型的产草量鲜重和干重数据,以及分布面积数据。在此基础上对当年产草量鲜重和干重进行分析,同时与多年平均产草量结果进行对比。
图5为本发明中草畜平衡监测步骤S30的具体实现流程,参考图5,该步骤具体包括以下流程:
步骤S301:草畜平衡计算参数估算,主要是根据预设条件获取天然草原现存草产量、天然草原已采食草产量及补充饲草料量
求算天然草原现存草产量、天然草原已采食草产量及补充饲草料量时,可食产草量、可利用面积上的可食产草量、补充饲草料和牲畜已采食产草量的估算是四个非常关键的参数。
牲畜放牧采食牧草,具有一定的区域性,因此,产草量要结合放牧利用率进行折算,得到可食性的产草量。放牧利用率是根据《天然草地合理载畜量的计算》(中华人民共和国农业行业标准NY/635-2002,2003-03-01实施)有关不同类型放牧草地的全年放牧利用率的规定,取其平均值。
表2不同类型放牧草地的放牧利用率
草地类型 | 放牧利用率 | 草地类型 | 放牧利用率 |
低地草甸类 | 0.5250 | 热性草丛类 | 0.6000 |
改良草地 | 0.5250 | 热性灌草丛类 | 0.6000 |
干热稀树灌草丛类 | 0.5750 | 山地草甸类 | 0.5750 |
高寒草甸草原类 | 0.5250 | 温性草甸草原类 | 0.5250 |
高寒草甸类 | 0.5250 | 温性草原化荒漠类 | 0.3250 |
高寒草原类 | 0.4750 | 温性草原类 | 0.4750 |
高寒荒漠草原类 | 0.3750 | 温性荒漠草原类 | 0.4250 |
高寒荒漠类 | 0.0250 | 温性荒漠类 | 0.3250 |
暖性草丛类 | 0.5500 | 沼泽类 | 0.2750 |
暖性灌草丛类 | 0.5500 |
产草量是计算草畜平衡的基础,而要实现草畜平衡的估算需要将可食性产草量进行可利用面积上的折算,得到可利用面积上的可食性产草量,即为天然草原现存草产量。
已采食的草产量是假定在某段时间完全放牧的情况下被牲畜采食的草产量。获得牲畜已采食产草量,主要是通过抽样调查获取完全放牧时间,然后用上年末的牲畜存栏数、羊单位采食标准和完全放牧时间(天)通过计算牲畜已经采食的产草量。
补饲率是计算补充饲草料的重要参数。补饲率的估算是根据家畜补饲情况抽样调查来进行的。调查的内容主要包括牲畜数量(包括山羊、绵羊、牛、马、骡子、骆驼等草食性动物)、人工草地产量、秸秆补饲量、青贮饲料量、粮食补饲量和购买其它饲料量等。通过对《非常规饲料资源的开发与利用》的来自不同地区10个试验区若干个试验点资料的整理,得到补充饲料量的折算系数。牲畜数量折算为标准羊单位的系数采用《天然草地合理载畜量的计算》(中华人民共和国农业行业标准NY/635-2002,2003-03-01实施标准进行)。在上述数据调查和整理的基础上,计算出各县及各户饲养牲畜的羊单位数、年需干草量、补充饲料量、补饲百分率等。
步骤S302:总饲草料储量的计算
把牧区和半牧区县(旗)的行政界线叠加到草原生产力分布图上,分县(旗)计算产草量,然后在获得可食性干重、可利用面积上的可采食干重和现存可食草产量的基础上,计算总饲草料储量,具体计算公式如下:
总饲草料储量=已采食的草产量+补充饲料总量+现存可食草产量
步骤S303:草畜平衡指标的确定
实际载畜量是以上年年末存栏数计算,单位为羊单位数,对于其它草食牲畜均换算成羊单位。牲畜数量折算为标准羊单位,折算系数采用《天然草地合理载畜量的计算》(中华人民共和国农业行业标准NY/635-2002,2003-03-01实施),使用的折算系数如下:
表3各种草食动物折算为标准羊单位的系数
绵羊 | 山羊 | 牛 | 马 | 骆驼 | 驴 | 骡 | |
折算系数 | 0.9 | 0.8 | 6 | 6 | 8 | 3 | 6 |
草畜平衡指标(%)=(实际载畜量-理论适宜载畜量)/理论适宜载畜量×100%
步骤S304:根据各县(旗)计算的载畜平衡指标可以划分草畜平衡等级,等级的划分可以根据当地的放牧试验等结果进行划分,划分的等级可依据监测面积的大小和当地的实际需要而定。一般划分为3-5级。3级一般分为超载、载畜平衡和载畜不足。5级一般分为极度超载、严重超载、超载、载畜平衡和载畜不足。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (11)
1.一种草原卫星遥感监测系统,其特征在于,包括,
草原长势监测模块,用于根据地面遥感信息与草原植被状况的关系,通过对不同时期卫星遥感MODIS数据处理,获取草原植被指数NDVI及草原长势指数GI,以反映草原植被长势;
草原产草量监测模块,用于通过卫星遥感MODIS信息,结合地面样方测产数据建立产草量估算模型,再通过遥感MODIS数据反演草原产草量;
草畜平衡监测模块,用于根据所述草原产草量监测模块获取的产草量,并结合天然草原现存产草量、天然草原已采食草产量及补充饲草料量,以估测草畜平衡情况。
2.根据权利要求1所述的草原卫星遥感监测系统,其特征在于,所述草原长势监测模块进一步包括:
植被指数计算模块,用于构建植被指数计算模型,并根据该模型计算获取的植被指数NDVI建立多年旬度标准NDVI时间序列数据库;
长势等级确定模块,用于构建草原长势指数计算模型,并根据该模型计算获取的草原长势指数对草原长势进行等级划分。
3.根据权利要求2所述的草原卫星遥感监测系统,其特征在于,所述草原长势监测模块进一步包括一专题图生成模块,用于根据所述草原长势指数制作专题图,生成草原长势空间分布图。
4.根据权利要求3所述的草原卫星遥感监测系统,其特征在于,所述草原长势监测模块进一步包括一数据统计分析模块,用于在所述草原长势空间分布图的基础上,结合被监测区的行政区划矢量图,进行数据统计分析,得到监测期内各行政区划单位的草地长势统计数据。
5.根据权利要求1~4中任一项所述的草原卫星遥感监测系统,其特征在于,所述草原产草量监测模块进一步包括:
数据库建立模块,用于根据对遥感MODIS数据及地面样方数据进行预处理获得的植被指数平均值和产草量平均值建立NDVI样方鲜重数据库;
产草量估算模型构建模块,用于通过构建反映NDVI和产草量的关系的计算模型,以通过NDVI反演产草量的空间分布状况;
产草量鲜重计算模块,用于根据草原植被指数NDVI和产草量模型,计算理论产草量;
空间分布图生成模块,用于根据计算获取的理论产草量生成整个监测区域的产草量鲜重空间分布图,再结合监测区域的行政区划图和草地类型分布矢量图形成监测区产草量区域空间分布图。
6.根据权利要求5所述的草原卫星遥感监测系统,其特征在于,所述草原产草量监测模块还包括一产草量干重计算模块,用于在鲜草产量的基础上,根据设定的折算系数进行折算得到产草量干重数据。
7.根据权利要求5所述的草原卫星遥感监测系统,其特征在于,所述草原产草量监测模块还包括一统计分析模块,用于提取各监测区域草地类型、区内不同草地类型的产草量及面积数据,对当年产草量进行统计分析,并与多年平均产草量结果进行对比。
8.根据权利要求1、2、3、4、6或7所述的草原卫星遥感监测系统,其特征在于,所述草畜平衡监测模块进一步包括:
草畜平衡参数获取模块,用于根据预设条件获取天然草原现存草产量、天然草原已采食草产量及补充饲草料量;
总饲草料储量计算模块,用于根据所述天然草原现存草产量、天然草原已采食草产量及补充饲草料量计算获取总饲草料储量;
草畜平衡等级确定模块,用于根据所述总饲草料储量确定合理载畜量,并结合实际牲畜数、实际载畜量确定草畜平衡等级。
9.根据权利要求2所述的草原卫星遥感监测系统,其特征在于,植被指数计算模块进一步包括一植被指数合成模块,用于根据计算获取的NDVI进行旬度最大值合成,并建立多年旬度标准NDVI时间序列数据库,然后根据该多年旬度标准NDVI时间序列数据库对多年内监测期同旬度的NDVI最大值进行平均获取多年监测期同旬度平均值,建立多年的旬度标准NDVI平均值时间序列数据库,其中所述旬度最大值和年平均值分别通过以下模型计算获取,
VI(X,Y)=Max[NDVI(X,Y)]
10.根据权利要求2所述的草原卫星遥感监测系统,其特征在于,所述草原长势指数通过以下模型计算获取:
式中:GI是草原长势指数,NDVIm和NDVIn代表不同时间的植被指数值。
11.一种应用上述权利要求1~10中任一项所述监测系统的监测方法,其特征在于,包括以下步骤:
草原长势监测步骤,用于根据遥感信息与草原植被状况的关系,通过对不同时期卫星遥感MODIS数据处理,获取草原植被指数及草原长势指数,以反映草原植被长势;
草原产草量监测步骤,用于通过卫星遥感MODIS信息,结合地面样方测产数据建立产草量估算模型来反演草原产草量;
草畜平衡监测步骤,用于根据所述草原产草量监测模块获取的产草量,并结合天然草原现存产草量、天然草原已采食草产量及补充饲草料量,以估测草畜平衡情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910093973 CN102033230B (zh) | 2009-09-25 | 2009-09-25 | 一种草原卫星遥感监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910093973 CN102033230B (zh) | 2009-09-25 | 2009-09-25 | 一种草原卫星遥感监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102033230A true CN102033230A (zh) | 2011-04-27 |
CN102033230B CN102033230B (zh) | 2013-05-01 |
Family
ID=43886378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910093973 Active CN102033230B (zh) | 2009-09-25 | 2009-09-25 | 一种草原卫星遥感监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102033230B (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565777A (zh) * | 2012-01-17 | 2012-07-11 | 复旦大学 | 一种城市绿地群落结构信息获取与评价方法 |
CN102646254A (zh) * | 2012-03-29 | 2012-08-22 | 贵州省烟草公司遵义市公司 | 采用三维技术的烟叶基础设施管理系统 |
CN103196839A (zh) * | 2013-03-20 | 2013-07-10 | 浙江工商大学 | 快鸟卫星归一化植被指数预测苦草盖度的方法 |
CN103439297A (zh) * | 2013-09-05 | 2013-12-11 | 太原理工大学 | 一种荒漠草原绿色植物鲜重遥感估算方法 |
CN103743456A (zh) * | 2013-12-21 | 2014-04-23 | 甘肃农业大学 | 一种测草杖和青藏高原天然草地草产量的快速测定方法 |
CN104316111A (zh) * | 2014-11-14 | 2015-01-28 | 锡林浩特国家气候观象台 | 一种小气候监测系统及基于此系统监测天然牧草的方法 |
CN104956871A (zh) * | 2015-06-05 | 2015-10-07 | 水利部牧区水利科学研究所 | 水草畜平衡系统 |
CN105158413A (zh) * | 2015-07-22 | 2015-12-16 | 兰州大学 | 一种用于遥感监测高寒草地基准样地的建立方法 |
CN105373088A (zh) * | 2014-08-31 | 2016-03-02 | 内蒙航天动力机械测试所 | 草原资源智能监测系统 |
CN106294991A (zh) * | 2016-08-10 | 2017-01-04 | 太原理工大学 | 一种荒漠草原绿色生物量遥感监测升尺度方法 |
CN106777001A (zh) * | 2016-12-06 | 2017-05-31 | 中国人民公安大学 | 公安遥感监测应用标准体系数据库的构建方法 |
CN106845428A (zh) * | 2017-01-26 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 一种作物产量遥感估算方法及系统 |
CN107219860A (zh) * | 2017-07-31 | 2017-09-29 | 内蒙古智牧溯源技术开发有限公司 | 一种无人机草场管理系统及方法 |
CN107632967A (zh) * | 2017-09-14 | 2018-01-26 | 青海省基础地理信息中心 | 一种草地产草量估算方法 |
CN109029370A (zh) * | 2018-06-09 | 2018-12-18 | 太原理工大学 | 一种量化区域草地放牧强度的遥感方法 |
CN109145072A (zh) * | 2018-08-10 | 2019-01-04 | 中国农业科学院农业资源与农业区划研究所 | 一种草原生物量遥感监测分区方法及装置 |
CN109238960A (zh) * | 2018-09-07 | 2019-01-18 | 兰州大学 | 一种基于ndvi的草地实际承载力指数快速监测方法 |
CN109615166A (zh) * | 2018-11-01 | 2019-04-12 | 中国农业科学院农业资源与农业区划研究所 | 一种草原植被退化遥感监测方法和装置 |
CN109883524A (zh) * | 2019-03-08 | 2019-06-14 | 武汉大学 | 作物器官重量估计模型的建模方法 |
CN110095412A (zh) * | 2019-04-22 | 2019-08-06 | 青海大学 | 一种草畜动态遥感监测及放牧预警方法 |
CN110348314A (zh) * | 2019-06-14 | 2019-10-18 | 中国资源卫星应用中心 | 一种利用多源遥感数据监测植被长势的方法及系统 |
CN112325946A (zh) * | 2020-11-12 | 2021-02-05 | 延安大学 | 基于物联网的草原生态监测系统 |
CN112711989A (zh) * | 2020-12-15 | 2021-04-27 | 中国农业大学 | 基于雷达遥感与光学遥感的玉米秸秆覆盖度估算方法 |
US11010608B2 (en) | 2018-05-25 | 2021-05-18 | Bayer Cropscience Lp | System and method for vegetation management risk assessment and resolution |
CN113011235A (zh) * | 2019-12-21 | 2021-06-22 | 中国林业科学研究院资源信息研究所 | 基于cpugpu异构平台的多源遥感草地草畜平衡评估方法 |
CN113033262A (zh) * | 2019-12-25 | 2021-06-25 | 中移(成都)信息通信科技有限公司 | 模型训练方法和农作物产量预估方法 |
CN113139717A (zh) * | 2021-03-31 | 2021-07-20 | 北京农业信息技术研究中心 | 作物苗情分级遥感监测方法及装置 |
CN113191302A (zh) * | 2021-05-14 | 2021-07-30 | 成都鸿钰网络科技有限公司 | 一种草原生态监测方法及系统 |
CN113205006A (zh) * | 2021-04-12 | 2021-08-03 | 武汉大学 | 一种基于水稻指数的多时相遥感影像水稻提取方法 |
CN113222453A (zh) * | 2021-05-28 | 2021-08-06 | 中国农业科学院草原研究所 | 一种基于北斗导航的天然草地草畜平衡评估方法、系统、设备及存储介质 |
CN114414491A (zh) * | 2021-12-30 | 2022-04-29 | 青海省草原总站 | 一种草原生态动态监测与分析系统 |
CN114723333A (zh) * | 2022-05-11 | 2022-07-08 | 水利部牧区水利科学研究所 | 考虑饲草料质量的家庭牧场水土草畜平衡计算方法及系统 |
CN116012733A (zh) * | 2022-12-14 | 2023-04-25 | 兰州大学 | 一种利用乡土草种物种组配修复重度退化高寒草地裸斑的方法 |
CN117313961A (zh) * | 2023-12-01 | 2023-12-29 | 首都师范大学 | 一种草地生态畜牧信息空天地协同感知与智能预测平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1284692A (zh) * | 1999-08-13 | 2001-02-21 | 强祖基 | 森林草原火灾预警系统 |
US20050125117A1 (en) * | 1995-06-07 | 2005-06-09 | Breed David S. | Vehicular information and monitoring system and methods |
CN1804225A (zh) * | 2005-12-05 | 2006-07-19 | 江苏省农业科学院 | 一种湿地保护与开发的优化分析方法 |
-
2009
- 2009-09-25 CN CN 200910093973 patent/CN102033230B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050125117A1 (en) * | 1995-06-07 | 2005-06-09 | Breed David S. | Vehicular information and monitoring system and methods |
CN1284692A (zh) * | 1999-08-13 | 2001-02-21 | 强祖基 | 森林草原火灾预警系统 |
CN1804225A (zh) * | 2005-12-05 | 2006-07-19 | 江苏省农业科学院 | 一种湿地保护与开发的优化分析方法 |
Non-Patent Citations (3)
Title |
---|
徐斌等: "东北草原区产草量和载畜平衡的遥感估算", 《地理研究》 * |
徐斌等: "中国草原产草量遥感监测", 《生态学报》 * |
徐斌等: "中国草原植被长势MODIS遥感监测", 《草地学报》 * |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565777A (zh) * | 2012-01-17 | 2012-07-11 | 复旦大学 | 一种城市绿地群落结构信息获取与评价方法 |
CN102646254A (zh) * | 2012-03-29 | 2012-08-22 | 贵州省烟草公司遵义市公司 | 采用三维技术的烟叶基础设施管理系统 |
CN103196839A (zh) * | 2013-03-20 | 2013-07-10 | 浙江工商大学 | 快鸟卫星归一化植被指数预测苦草盖度的方法 |
CN103439297B (zh) * | 2013-09-05 | 2016-03-23 | 太原理工大学 | 一种荒漠草原绿色植物鲜重遥感估算方法 |
CN103439297A (zh) * | 2013-09-05 | 2013-12-11 | 太原理工大学 | 一种荒漠草原绿色植物鲜重遥感估算方法 |
CN103743456A (zh) * | 2013-12-21 | 2014-04-23 | 甘肃农业大学 | 一种测草杖和青藏高原天然草地草产量的快速测定方法 |
CN103743456B (zh) * | 2013-12-21 | 2016-04-27 | 甘肃农业大学 | 一种测草杖和青藏高原天然草地草产量的快速测定方法 |
CN105373088A (zh) * | 2014-08-31 | 2016-03-02 | 内蒙航天动力机械测试所 | 草原资源智能监测系统 |
CN104316111A (zh) * | 2014-11-14 | 2015-01-28 | 锡林浩特国家气候观象台 | 一种小气候监测系统及基于此系统监测天然牧草的方法 |
CN104956871A (zh) * | 2015-06-05 | 2015-10-07 | 水利部牧区水利科学研究所 | 水草畜平衡系统 |
CN104956871B (zh) * | 2015-06-05 | 2018-05-08 | 水利部牧区水利科学研究所 | 水草畜平衡系统 |
CN105158413A (zh) * | 2015-07-22 | 2015-12-16 | 兰州大学 | 一种用于遥感监测高寒草地基准样地的建立方法 |
CN106294991A (zh) * | 2016-08-10 | 2017-01-04 | 太原理工大学 | 一种荒漠草原绿色生物量遥感监测升尺度方法 |
CN106777001A (zh) * | 2016-12-06 | 2017-05-31 | 中国人民公安大学 | 公安遥感监测应用标准体系数据库的构建方法 |
CN106777001B (zh) * | 2016-12-06 | 2019-11-15 | 中国人民公安大学 | 公安遥感监测应用标准体系数据库的构建方法 |
CN106845428B (zh) * | 2017-01-26 | 2020-03-31 | 中国科学院遥感与数字地球研究所 | 一种作物产量遥感估算方法及系统 |
CN106845428A (zh) * | 2017-01-26 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 一种作物产量遥感估算方法及系统 |
CN107219860A (zh) * | 2017-07-31 | 2017-09-29 | 内蒙古智牧溯源技术开发有限公司 | 一种无人机草场管理系统及方法 |
CN107632967A (zh) * | 2017-09-14 | 2018-01-26 | 青海省基础地理信息中心 | 一种草地产草量估算方法 |
US11010608B2 (en) | 2018-05-25 | 2021-05-18 | Bayer Cropscience Lp | System and method for vegetation management risk assessment and resolution |
CN109029370A (zh) * | 2018-06-09 | 2018-12-18 | 太原理工大学 | 一种量化区域草地放牧强度的遥感方法 |
CN109145072A (zh) * | 2018-08-10 | 2019-01-04 | 中国农业科学院农业资源与农业区划研究所 | 一种草原生物量遥感监测分区方法及装置 |
CN109145072B (zh) * | 2018-08-10 | 2020-08-11 | 中国农业科学院农业资源与农业区划研究所 | 一种草原生物量遥感监测分区方法及装置 |
CN109238960A (zh) * | 2018-09-07 | 2019-01-18 | 兰州大学 | 一种基于ndvi的草地实际承载力指数快速监测方法 |
CN109238960B (zh) * | 2018-09-07 | 2021-02-05 | 兰州大学 | 一种基于ndvi的草地实际承载力指数快速监测方法 |
CN109615166A (zh) * | 2018-11-01 | 2019-04-12 | 中国农业科学院农业资源与农业区划研究所 | 一种草原植被退化遥感监测方法和装置 |
CN109883524A (zh) * | 2019-03-08 | 2019-06-14 | 武汉大学 | 作物器官重量估计模型的建模方法 |
CN110095412A (zh) * | 2019-04-22 | 2019-08-06 | 青海大学 | 一种草畜动态遥感监测及放牧预警方法 |
CN110348314A (zh) * | 2019-06-14 | 2019-10-18 | 中国资源卫星应用中心 | 一种利用多源遥感数据监测植被长势的方法及系统 |
CN113011235B (zh) * | 2019-12-21 | 2024-05-07 | 中国林业科学研究院资源信息研究所 | 基于cpugpu异构平台的多源遥感草地草畜平衡评估方法 |
CN113011235A (zh) * | 2019-12-21 | 2021-06-22 | 中国林业科学研究院资源信息研究所 | 基于cpugpu异构平台的多源遥感草地草畜平衡评估方法 |
CN113033262A (zh) * | 2019-12-25 | 2021-06-25 | 中移(成都)信息通信科技有限公司 | 模型训练方法和农作物产量预估方法 |
CN113033262B (zh) * | 2019-12-25 | 2022-08-05 | 中移(成都)信息通信科技有限公司 | 模型训练方法和农作物产量预估方法 |
CN112325946A (zh) * | 2020-11-12 | 2021-02-05 | 延安大学 | 基于物联网的草原生态监测系统 |
CN112711989B (zh) * | 2020-12-15 | 2024-03-05 | 中国农业大学 | 基于雷达遥感与光学遥感的玉米秸秆覆盖度估算方法 |
CN112711989A (zh) * | 2020-12-15 | 2021-04-27 | 中国农业大学 | 基于雷达遥感与光学遥感的玉米秸秆覆盖度估算方法 |
CN113139717B (zh) * | 2021-03-31 | 2023-10-20 | 北京农业信息技术研究中心 | 作物苗情分级遥感监测方法及装置 |
CN113139717A (zh) * | 2021-03-31 | 2021-07-20 | 北京农业信息技术研究中心 | 作物苗情分级遥感监测方法及装置 |
CN113205006B (zh) * | 2021-04-12 | 2022-07-19 | 武汉大学 | 一种基于水稻指数的多时相遥感影像水稻提取方法 |
CN113205006A (zh) * | 2021-04-12 | 2021-08-03 | 武汉大学 | 一种基于水稻指数的多时相遥感影像水稻提取方法 |
CN113191302B (zh) * | 2021-05-14 | 2022-11-01 | 成都鸿钰网络科技有限公司 | 一种草原生态监测方法及系统 |
CN113191302A (zh) * | 2021-05-14 | 2021-07-30 | 成都鸿钰网络科技有限公司 | 一种草原生态监测方法及系统 |
CN113222453B (zh) * | 2021-05-28 | 2024-01-16 | 中国农业科学院草原研究所 | 一种基于北斗导航的天然草地草畜平衡评估方法、系统、设备及存储介质 |
CN113222453A (zh) * | 2021-05-28 | 2021-08-06 | 中国农业科学院草原研究所 | 一种基于北斗导航的天然草地草畜平衡评估方法、系统、设备及存储介质 |
CN114414491A (zh) * | 2021-12-30 | 2022-04-29 | 青海省草原总站 | 一种草原生态动态监测与分析系统 |
CN114414491B (zh) * | 2021-12-30 | 2023-10-27 | 青海省草原总站 | 一种草原生态动态监测与分析系统 |
CN114723333A (zh) * | 2022-05-11 | 2022-07-08 | 水利部牧区水利科学研究所 | 考虑饲草料质量的家庭牧场水土草畜平衡计算方法及系统 |
CN116012733B (zh) * | 2022-12-14 | 2023-09-29 | 兰州大学 | 一种利用乡土草种物种组配修复退化高寒草地裸斑的方法 |
CN116012733A (zh) * | 2022-12-14 | 2023-04-25 | 兰州大学 | 一种利用乡土草种物种组配修复重度退化高寒草地裸斑的方法 |
CN117313961A (zh) * | 2023-12-01 | 2023-12-29 | 首都师范大学 | 一种草地生态畜牧信息空天地协同感知与智能预测平台 |
Also Published As
Publication number | Publication date |
---|---|
CN102033230B (zh) | 2013-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102033230B (zh) | 一种草原卫星遥感监测系统及方法 | |
Punalekar et al. | Application of Sentinel-2A data for pasture biomass monitoring using a physically based radiative transfer model | |
Argento et al. | Site-specific nitrogen management in winter wheat supported by low-altitude remote sensing and soil data | |
Huang et al. | Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation | |
Battisti et al. | Assessment of different gridded weather data for soybean yield simulations in Brazil | |
Hill et al. | Estimation of pasture growth rate in the south west of Western Australia from AVHRR NDVI and climate data | |
Leroux et al. | Crop monitoring using vegetation and thermal indices for yield estimates: case study of a rainfed cereal in semi-arid West Africa | |
Edirisinghe et al. | Spatio-temporal modelling of biomass of intensively grazed perennial dairy pastures using multispectral remote sensing | |
Zhang et al. | Estimating wheat yield by integrating the WheatGrow and PROSAIL models | |
Ryu et al. | Integrating remote sensing and GIS for prediction of rice protein contents | |
Huang et al. | Assimilating remotely sensed information with the wheatgrow model based on the ensemble square root filter for improving regional wheat yield forecasts | |
Schneider | Assimilating remote sensing data into a land-surface process model | |
Amankulova et al. | Comparison of PlanetScope, Sentinel-2, and landsat 8 data in soybean yield estimation within-field variability with random forest regression | |
Sadenova et al. | Mathematical modelling in crop production to predict crop yields | |
Begue et al. | Multi-time scale analysis of sugarcane within-field variability: improved crop diagnosis using satellite time series? | |
Venancio et al. | Mapping within‑field variability of soybean evapotranspiration and crop coefficient using the Earth Engine Evaporation Flux (EEFlux) application | |
Parmar et al. | Assessment of crop water requirement of maize using remote sensing and GIS | |
Naqvi et al. | Remote estimation of wheat yield based on vegetation indices derived from time series data of Landsat 8 imagery. | |
Feng et al. | Integrating remote sensing and GIS for prediction of winter wheat (Triticum aestivum) protein contents in Linfen (Shanxi), China | |
Vanino et al. | Earth observation for improving irrigation water management: A case-study from Apulia Region in Italy | |
Etchanchu et al. | Effects of high spatial and temporal resolution Earth observations on simulated hydrometeorological variables in a cropland (southwestern France) | |
Martínez-Casasnovas et al. | Sentinel-2 vegetation indices and apparent electrical conductivity to predict barley (Hordeum vulgare L.) yield | |
Coelho et al. | Validation of white oat yield estimation models using vegetation indices | |
Njuki | Assessment of irrigation performance by remote sensing in the Naivasha Basin, Kenya | |
Kyalo | Sentinel-2 and MODIS land surface temperature-based evapotranspiration for irrigation efficiency calculations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |