CN105158413B - 一种用于遥感监测高寒草地基准样地的建立方法 - Google Patents
一种用于遥感监测高寒草地基准样地的建立方法 Download PDFInfo
- Publication number
- CN105158413B CN105158413B CN201510434638.0A CN201510434638A CN105158413B CN 105158413 B CN105158413 B CN 105158413B CN 201510434638 A CN201510434638 A CN 201510434638A CN 105158413 B CN105158413 B CN 105158413B
- Authority
- CN
- China
- Prior art keywords
- sample ground
- ground
- benchmark
- benchmark sample
- information
- 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.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种用于遥感监测高寒草地基准样地的建立方法,是在确定1公顷基准样地基础上,进行地面调查,该基准样地面积能够涵盖更多信息,包括植被、土壤、地形、干扰等多种信息;差分GPS保证的定位精确度,可为高光谱遥感提供更精确的解译信息;9个控制样方数据可根据数据置信区间,除噪声数据能力强;该基准样地可重复性强,具有可验证性,改变了以往草地调查不可重复的缺陷;通过该基准样地方法信息综合能力强,不仅是植被,还可根据研究、监测需要,将物种、土壤、水文、微生物、同位素、遗传等信息同时采集,纳入到信息平台中,本发明将为我国进一步扩大高寒草地基准样地网络建设提供技术和标准。
Description
技术领域
本发明涉及草地监测领域,具体涉及一种用于遥感监测高寒草地基准样地的建立方法。
背景技术
作为一种重要的国土、农业、生态资源,草地在国家资源及环境管理中越来越重要。其中高寒草地占据着青藏高原国土面积的51%,是我国高寒地区生态、生产及当地人民生活的重要基础。因此,高寒草地的健康程度对维护高寒地区生态安全,及社会经济发展、稳定具有重要作用。因此,我国国土、农业、环境管理部分对草地健康的监测、评估的工作十分关键,这对采用较精确的方法要求逐渐提高。因此, 研究适宜的监测方法十分紧迫。
遥感作为目前普遍,便捷,精确的方法在草地资源监测中得到广泛应用。但是在与之相对应的地面调查方法中,多种多样,能够适用于遥感,并且能够精确的与光谱数据得到精确验证的地面调查方法是目前该领域研究的重要、关键工作。针对不同调查任务,不同调查目的,发展的地面调查方法很多。其中样地抽样、调查内容是关键。在全球范围内,能够与遥感监测精确对接的地面抽样及调查方法,急需得到发展。其中,减少地面工作量,并精确的方法是该领域的共性难题。的确,网格式,覆盖的抽样方法确实精确,但是这样的工作量却很大,也不符合人力、物力的耗费要求。因此,建立于对国土监测要求的能够长期应用的样地需要被建立起来,这种样地的就是基准样地技术。
基准样地技术是基于国土资源长期监测,并且具有能够提供代表性,稳定性的数据功能。并且能够综合宏观、中观、微观的数据采集需求。这种样地技术是综合性、典型样地,它首先应该满足遥感判别植被的基本特征。其次,它能够满足一般遥感多尺度判别的要求。再次,基准样地控制点的确定能够将一个地区,或者一种类型植被得到精确表达。同时,基准样地应该适合于多尺度、多功能、多类型生态、环境、生物数据的采集,和整合,并与遥感信息平台能够对接。
基准样地与随机选择的样地区别在于,它具有可回访性,也就是能偶执行可重复性调查与监测工作。同时它与长期样地也具有一定区别,长期样地基本上基于连续观测台站基础上研究样地,在长期连续监测仪器支持下运行的样地。而基准样地只能作为基本信息获取样地,由于其覆盖面广,数据相对较多,不能像长期样地一样进行连续监测。
基于上述分析,建立基准样地是国家国土资源监测的重要硬件建设,也是我国遥感监测,信息监测网络平台的重要工作。
发明内容
本发明的目的就是针对上述现有技术中的缺陷,提供了一种用于遥感监测高寒草地基准样地的建立方法。
为了实现上述目的,本发明提供的技术方案为:一种用于遥感监测高寒草地基准样地的建立方法,包括以下步骤:
1)选择基准样地,样地面积为1公顷,形状为正方形,该正方形的样地能够涵盖代表一个地区的群落、地形及物种丰富度;即至少涵盖2个群丛组的群落、2个以上地形及大于当地最小物种饱和度面积的物种丰富度;
2)采用差分GPS精确定位基准样地四个直角,四个角分别位于东南、西南、西北、东北方向,在四个直角点上固定有三角铁柱,作为永久标记,以重物打入地下;
3)分别固定四个角后,以百米尺连接正方形基准样地的4个边;
4)用红色或其他明显颜色丝带,标记每个边的中点;
5)用差分GPS找到基准样地的中心,并在中心固定三角铁柱;
6)在基准样地的中心位置固定相机,采用1米高度360度取景照相方法,记录该样地360度范围内景观,保证每次照相能够拍照到四个角及四边中心点的其中一个,用于建立3D立体的空间景观图;
7)将基准样地划分为每10m×10m大小的正方形,以线绳隔开;
8)调查基准样地内,每个10m×10m正方形面积的物种,并根据每个物种在每个100m2内出现的次数,计算频度;
9)在基准样地的四个角、每个边中心、样地中心,共9个点,选择小样方,进行植被调查,所述小样方面积为50cm×50cm,小样方植被调查包括调查植被覆盖度、生物量和高度;
10)将获得的基准样地内9个小样方植物样品进行牧草基本指标测定,基本指标测定包括牧草粗蛋白含量、灰分含量和中性/酸性洗涤纤维含量;
11)将9个小样方样品数据进行平均值计算,得到基准样地草地基本情况数据;
12)所有基准样地数据根据遥感光谱特征值进行模型建立。
本发明以高寒草地为例,首次在我国草地资源监测中提出该类型的基准样地技术,为我国进一步扩大基准样地网络建设提供技术和标准。为该领域深入研究,建立更加合理、更加精确的基准样地体系提供参考。本发明主要结合实地工作对方法的验证,提出一种适用于高寒草地的基准样地确定及其调查方法,并未将全部生物、生态、环境信息调查方法囊括到其中,考虑到这些方法内容较多,也为进一步在该发明基础,进一步完善,改进提供空间。本发明保证在该技术方案下,能够获得精确度较高的控制点数据,能够改进以前经确度不高的地面调查方法,这对准确表达一个调查对象的全面性具有重要作用。
本发明的有益效果为:本发明提供的一种用于遥感监测高寒草地基准样地的建立方法,与其他方法相比,具有如下特点:
(1)一个样地等距离的9个控制样方,保证了获得样地的数据精确度;
(2)该基准样地面积能够涵盖更多信息,包括植被、土壤、地形、干扰等多个信息,比其他单独样地方法信息量大;
(3)差分GPS保证的定位精确度,可为高光谱遥感提供更精确的解译信息;
(4)9个控制样方数据可根据数据置信区间,去除不可靠信息,除噪声数据能力强;
(5)该基准样地可重复性强,具有草地监测可验证性,而且通过基准样地标准方法,可为数据二次检验建立基础,改变了以往草地调查不可重复的缺陷;
6)信息开发、综合能力强,不仅是植被,还可根据研究、监测需要,将物种、土壤、水文、微生物、同位素、遗传等信息同时采集,纳入到信息平台中。
考虑到该方法的可行性,将该方法在青海省玛沁县高寒草地进行了实地验证,并与地面的地物光谱仪数据进行了对比分析。发现该基准样地方法是高寒草地遥感监测的可靠方法。
附图说明
图1为基准样地及9个控制样方分布图示。
图2为基于基准样地方法的玛沁县研究区域草地生物量(干物质基础)反演图。
图3为基于基准样地数据的玛沁县研究区B9/B7指数与生物量的一元线性关系。
图4为基于基准样地的高光谱与样地植被酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)相关关系。
具体实施方式
实施例1:
在青海省玛沁县高寒草地实施该技术方案。确定高寒草地调查范围,由遥感图确定基本植被类型,按照类型和范围进行控制样地确定。整体上按照,每种类型,每个地形确定一个控制样地。控制样地内确定基准样地。基准样地根据具体地面情况,包括干扰、植被构成、地形、土壤等特点,尽可能的涵盖更多的信息。采用的工具有,差分GPS,百米尺,三角铁柱,以及相关植被调查工具。结果如图1-4所示。
一种用于遥感监测高寒草地基准样地的建立方法,包括以下步骤:
(1)选择群落类型较多地区、涵盖更多地形、植物物种相对丰富的地区,确定一个1公顷的样地;
(2)确定1公顷的正方形样地,100m×100m=10000m2;
(3)采用差分GPS精确定位该基准样地四个直角,四个角分别位于东南、西南、西北、东北,在四个直角点上用三角铁柱固定,并将该三角铁柱作为永久标记,用重物打入地下;
(4)分别固定4个角后,用百米尺连接样地正方形的4个边;
(5)用红色或其他明显颜色丝带,标记每个边的中心;
(6)用差分GPS找到该基准样地中心。并用三角铁柱固定该中心;
(7)在中心位置固定相机,采用1米高度360度取景照相方法,记录该样地360度范围内景观,保证每次能够照相拍照到四个角及四边中心点的其中一个;
(8)将基准样地划分每10m×10m(100m2)大小的正方形,用一般线绳隔开;
(9)调查基准样地内,每个10m×10m正方形的物种,并根据物种在每个100m2内出现的次数,计算频度;
(10)在四个角,及每个边中心,以及该样地中心,一共9个点,选择小样方(50cm×50cm),开展一般植被调查;
(11)小样方植被调查包括覆盖度、生物量、高度等,根据《中国人民共和国农业行业标准:NY/T 1233-2006:草地资源与生态监测技术规程》等方法开展;
(12)将获得的基准样地内9个样方植物样品装入信封袋,带回实验室测定牧草基本指标。包括,粗蛋白,灰分,粗脂肪,中性/酸性洗涤纤维等指标,测定方法根据《饲草产品检验》及相关指标的国家标准进行分析;
(13)将9个样方数据进行平均值,作为该基准样地草地基本情况数据。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种用于遥感监测高寒草地基准样地的建立方法,其特征在于,包括以下步骤:
1)选择基准样地,样地面积为1公顷,形状为正方形,该正方形的样地能够涵盖代表一个地区的群落、地形及物种丰富度,即至少涵盖2个群丛组的群落、2个以上地形及大于当地最小物种饱和度面积的物种丰富度;
2)采用差分GPS精确定位基准样地四个直角,四个直角分别位于东南、西南、西北、东北方向,在四个直角点上固定有三角铁柱,作为永久标记,以重物打入地下;
3)分别固定四个直角后,以百米尺连接正方形基准样地的4个边;
4)用红色或其他明显颜色丝带,标记每个边的中点;
5)用差分GPS找到基准样地的中心,并在中心固定三角铁柱;
6)在基准样地的中心位置固定相机,采用1米高度360度取景照相方法,记录该样地360度范围内景观,保证每次照相能够拍照到四个直角及四边中心点的其中一个,用于建立3D立体的空间景观图;
7)将基准样地划分为每10m×10m大小的正方形,以线绳隔开;
8)调查基准样地内,每个10m×10m正方形面积的物种,并根据每个物种在每个100m2内出现的次数,计算频度;
9)在基准样地的四个直角、每个边中心、样地中心,共9个点,选择小样方,进行植被调查,所述小样方面积为50cm×50cm,小样方植被调查包括调查植被覆盖度、生物量和高度;
10)将获得的基准样地内9个小样方植物样品进行牧草基本指标测定,基本指标测定包括牧草粗蛋白含量、灰分含量和中性/酸性洗涤纤维含量;
11)将9个小样方样品数据进行平均值计算,得到基准样地草地基本情况数据;
12)所有基准样地数据根据遥感光谱特征值进行模型建立。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510434638.0A CN105158413B (zh) | 2015-07-22 | 2015-07-22 | 一种用于遥感监测高寒草地基准样地的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510434638.0A CN105158413B (zh) | 2015-07-22 | 2015-07-22 | 一种用于遥感监测高寒草地基准样地的建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105158413A CN105158413A (zh) | 2015-12-16 |
CN105158413B true CN105158413B (zh) | 2017-02-01 |
Family
ID=54799337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510434638.0A Expired - Fee Related CN105158413B (zh) | 2015-07-22 | 2015-07-22 | 一种用于遥感监测高寒草地基准样地的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105158413B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037182B (zh) * | 2017-04-27 | 2019-07-09 | 广西壮族自治区林业科学研究院 | 一种石漠化地区植被调查抽样单元的设置方法 |
CN111238448B (zh) * | 2020-01-17 | 2022-04-01 | 南通大学 | 一种非破坏性监测草地植物物种多样性的方法 |
CN112348469A (zh) * | 2020-11-05 | 2021-02-09 | 宁波大学 | 农田土壤动物野外大型固定样地建设和监测方法 |
CN113841566A (zh) * | 2021-10-11 | 2021-12-28 | 贵州师范大学 | 一种适于喀斯特生境下高生产力的牧草建植方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5886662A (en) * | 1997-06-18 | 1999-03-23 | Zai Amelex | Method and apparatus for remote measurement of terrestrial biomass |
JP4219819B2 (ja) * | 2002-02-13 | 2009-02-04 | 株式会社環境総合テクノス | リモートセンシング高解像度データによる森林・樹木のバイオマス推定方法 |
CN102033230B (zh) * | 2009-09-25 | 2013-05-01 | 中国农业科学院农业资源与农业区划研究所 | 一种草原卫星遥感监测系统及方法 |
CN103344746B (zh) * | 2013-06-25 | 2015-06-17 | 甘肃农业大学 | 草地生产力快速测定方法 |
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 |
-
2015
- 2015-07-22 CN CN201510434638.0A patent/CN105158413B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105158413A (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Otero et al. | Managing mangrove forests from the sky: Forest inventory using field data and Unmanned Aerial Vehicle (UAV) imagery in the Matang Mangrove Forest Reserve, peninsular Malaysia | |
McCoy | Field methods in remote sensing | |
Heezen et al. | Evaluation of radio-tracking by triangulation with special reference to deer movements | |
Piñeiro et al. | Seasonal variation in aboveground production and radiation-use efficiency of temperate rangelands estimated through remote sensing | |
CN105158413B (zh) | 一种用于遥感监测高寒草地基准样地的建立方法 | |
He et al. | Using LiDAR data to measure the 3D green biomass of Beijing urban forest in China | |
CN110109118B (zh) | 一种森林冠层生物量的预测方法 | |
Brocks et al. | Toward an automated low-cost three-dimensional crop surface monitoring system using oblique stereo imagery from consumer-grade smart cameras | |
Coops et al. | Estimation of plant and leaf area index using three techniques in a mature native eucalypt canopy | |
Standovár et al. | A novel forest state assessment methodology to support conservation and forest management planning | |
Görgens et al. | Stand volume models based on stable metrics as from multiple ALS acquisitions in Eucalyptus plantations | |
Gallardo‐Cruz et al. | Relating species richness to the structure of continuous landscapes: alternative methodological approaches | |
Syahadat et al. | Visual quality protection of ciboer rice fields to maintain the attraction of Bantar Agung tourism village | |
Rosette et al. | Evaluating prospects for improved forest parameter retrieval from satellite LiDAR using a physically-based radiative transfer model | |
Maan et al. | Tree species biomass and carbon stock measurement using ground based-LiDAR | |
Cao et al. | Extraction of forest structural parameters based on the intensity information of high-density airborne light detection and ranging | |
Fernández-Sarría et al. | Estimation of walnut structure parameters using terrestrial photogrammetry based on structure-from-motion (SfM) | |
CN112130825B (zh) | 一种蝗虫监测调查移动端软件系统 | |
Morain | Surveying China's agricultural resources: Patterns and progress from space | |
Jensen et al. | Remote sensing forest biomass: An evaluation using high resolution remote sensor data and loblolly pine plots | |
Simonetti et al. | Gap geometry, seasonality and associated losses of biomass–combining UAV imagery and field data from a Central Amazon forest | |
Rosetti et al. | An experimental method for investigating human searching behavior in large, open areas | |
Gaden | Assessing potential of UAV multispectral imagery for estimation of AGB and carbon stock in conifer forest over UAV RGB imagery | |
Hematang et al. | Application of Unmanned Aerial Vehicle (UAV) Remote Sensing Technology for Estimation of Tree Height in Heterogeneous Forest | |
Ning et al. | Detecting new building construction in urban areas based on images of small unmanned aerial system |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170201 Termination date: 20170722 |
|
CF01 | Termination of patent right due to non-payment of annual fee |