CN106777757B - 植被叶面积指数的估计方法及装置 - Google Patents
植被叶面积指数的估计方法及装置 Download PDFInfo
- Publication number
- CN106777757B CN106777757B CN201611258523.1A CN201611258523A CN106777757B CN 106777757 B CN106777757 B CN 106777757B CN 201611258523 A CN201611258523 A CN 201611258523A CN 106777757 B CN106777757 B CN 106777757B
- Authority
- CN
- China
- Prior art keywords
- leaf area
- area index
- parameter
- determined
- meteorological data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000005855 radiation Effects 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 2
- 241000196324 Embryophyta Species 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 238000001704 evaporation Methods 0.000 description 5
- 230000008020 evaporation Effects 0.000 description 5
- 241000894007 species Species 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Image Processing (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
Abstract
本发明公开了一种植被叶面积指数的估计方法及装置。该方法包括:建立叶面积指数与气象数据的对应关系,所述对应关系中包括待确定参数;根据对应关系、叶面积指数样本和对应的已有气象数据,率定所述待确定参数;根据所述对应关系、率定的待确定参数和预测的气象数据,确定叶面积指数。本发明实现了能够使用预测的未来时期气象数据来估计叶面积指数,并且预测的气象数据时空精度高时可以在较好的时空尺度上模拟植被叶面积指数的变化,对研究未来无叶面积指数观测资料的降雨径流过程提供了方法依据,具有重要的科学价值和应用价值。
Description
技术领域
本发明实施例涉及植被叶面积指数模拟技术,尤其涉及一种植被叶面积指数的估计方法及装置。
背景技术
水文模拟中需要考虑陆面植被覆盖对降雨截流、蒸散发和产汇流的影响,特别是当研究未来时期无观测资料的降雨径流过程时。而植被叶面积指数作为陆地植被覆盖的重要参数,对模拟的表层土壤蒸发和植被叶面蒸发有重要影响。表层土壤蒸发模拟对表层土壤湿度、下渗和产流具有重要影响;植被叶面蒸发水分来自于植被根系从土壤根系区吸收的水分,因此植被叶面蒸发模拟对土壤根系区的含水量模拟有影响;由于虹吸作用,根系区土壤湿度模拟又对地下饱和含水层的动态模拟有影响。综上所述,研究植被叶面积指数估计方法,对研究水文模拟和水资源评估等有重要意义。
现有技术中,普遍使用的植被叶面积指数数据是基于卫星遥感的数据产品,例如MODIS(Moderate resolution Imaging Spectroradiometer,中分辨率成像光谱仪)叶面积指数(Leaf Area Index,LAI)。另外,政府间气候变化专门委员会(IntergovernmentalPanel on Climate Change,IPCC)也发布植被叶面积指数数据。MODIS数据是利用已有观测资料得到的数据,局限在于不能预测未来时期的数据;而IPCC发布的数据是利用固定的已有气象数据,且是以平方公里为单位得到的数据,局限在于数据时空精度差。
发明内容
有鉴于此,本发明实施例提供一种植被叶面积指数的估计方法及装置,以能够使用预测的未来时期气象数据,在较好的时空尺度上模拟植被叶面积指数的变化。
第一方面,本发明实施例提供了一种植被叶面积指数的估计方法,所述方法包括:
建立叶面积指数与气象数据的对应关系,所述对应关系中包括待确定参数;
根据对应关系、叶面积指数样本和对应的已有气象数据,率定所述待确定参数;
根据所述对应关系、率定的待确定参数和预测的气象数据,确定叶面积指数。
进一步地,所述气象数据包括:近地表空气温度、相对湿度和长波辐射;
建立叶面积指数与气象数据的对应关系包括:
基于近地表空气温度、相对湿度和长波辐射,按照如下公式估计所述叶面积指数:
其中,LAI是叶面积指数,LAImax是同种植被的最大叶面积指数,radlw是长波辐射,Rh是相对湿度,Tair是近地表空气温度,x1,x2,x3,x4,x5,x6是待确定参数。
进一步地,根据叶面积指数样本和对应的已有气象数据,率定所述待确定参数包括:
S1、接收用户设置的待确定参数的范围;
S2、根据所述范围,确定待确定参数的值;
S3、将所述待确定参数的值、所述叶面积指数样本和对应的已有气象数据输入所述对应关系中,得到叶面积指数的模拟值,其中,所述模拟值的数量与所述叶面积指数样本的数量相同;
S4、计算所述模拟值和所述叶面积指数样本的相关系数;
S5、如果所述相关系数小于预设值,则返回执行S2;如果所述相关系数不小于所述预设值,则执行步骤S6;
S6、将相关系数不小于所述预设值时的待确定参数的值作为率定的待确定参数。
进一步地,所述叶面积指数样本为MODIS叶面积指数数据。
第二方面,本发明实施例还提供了一种植被叶面积指数的估计装置,所述装置包括:
对应关系建立模块,用于建立叶面积指数与气象数据的对应关系,所述对应关系中包括待确定参数;
待确定参数率定模块,用于根据对应关系、叶面积指数样本和对应的已有气象数据,率定所述待确定参数;
叶面积指数估计模块,用于根据所述对应关系、率定的待确定参数和预测的气象数据,确定叶面积指数。
进一步地,所述气象数据包括:近地表空气温度、相对湿度和长波辐射;
所述对应关系建立模块具体用于:
基于近地表空气温度、相对湿度和长波辐射,按照如下公式估计所述叶面积指数:
其中,LAI是叶面积指数,LAImax是同种植被的最大叶面积指数,radlw是长波辐射,Rh是相对湿度,Tair是近地表空气温度,x1,x2,x3,x4,x5,x6是待确定参数。
进一步地,所述待确定参数率定模块包括:
范围接收单元,用于接收用户设置的待确定参数的范围;
参数值确定单元,用于根据所述范围,确定待确定参数的值;
模拟值确定单元,用于将所述待确定参数的值、所述叶面积指数样本和对应的已有气象数据输入所述对应关系中,得到叶面积指数的模拟值,其中,所述模拟值的数量与所述叶面积指数样本的数量相同;
相关系数计算单元,用于计算所述模拟值和所述叶面积指数样本的相关系数;
判断单元,用于如果所述相关系数小于预设值,则触发参数值确定单元;如果所述相关系数不小于所述预设值,则触发参数率定单元;
参数率定单元,用于将相关系数不小于所述预设值时的待确定参数的值作为率定的待确定参数。
进一步地,所述叶面积指数样本为MODIS叶面积指数数据。
本发明实施例的技术方案,通过建立叶面积指数与气象数据的对应关系,根据对应关系、叶面积指数样本和对应的已有气象数据,率定所述对应关系中的待确定参数,从而可以根据所述对应关系、率定的待确定参数和预测的气象数据,来估计叶面积指数,实现了能够使用预测的未来时期气象数据来估计叶面积指数,并且预测的气象数据时空精度高时可以在较好的时空尺度上模拟植被叶面积指数的变化,对研究未来无叶面积指数无观测资料的降雨径流过程提供了方法依据,具有重要的科学价值和应用价值。
附图说明
图1是本发明实施例一提供的一种植被叶面积指数的估计方法的流程图;
图2是本发明实施例提供的植被叶面积指数的估计方法中的率定待确定参数的流程图;
图3是本发明实施例二提供的一种植被叶面积指数的估计方法的流程图;
图4是本发明实施例二提供的植被叶面积指数的估计方法中的树林区域公式模拟和MODIS观测的LAI值散点图;
图5是本发明实施例二提供的植被叶面积指数的估计方法中的C4草原植物公式模拟和MODIS观测的LAI值散点图;
图6是本发明实施例二提供的植被叶面积指数的估计方法中的C3草原植物公式模拟和MODIS观测的LAI值散点图;
图7是本发明实施例三提供的一种植被叶面积指数的估计装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
图1是本发明实施例一提供的一种植被叶面积指数的估计方法的流程图,本实施例可适用于根据预测的气象数据来估计植被叶面积指数的情况,该方法可以由植被叶面积指数的估计装置来执行,具体包括如下步骤:
步骤110,建立叶面积指数与气象数据的对应关系,所述对应关系中包括待确定参数。
其中,叶面积指数又叫叶面积系数,是指单位土地面积上植物叶片总面积占土地面积的倍数。
本发明实施例根据气象数据来估计叶面积指数,首先建立叶面积指数与气象数据的对应关系,所述对应关系中包括待确定参数,待确定参数可以通过以往实测的叶面积指数和对应的气象数据来率定得到。其中,气象数据是与植被联系紧密的数据,如近地表空气温度、相对湿度和长波辐射等。
可选的,所述气象数据包括:近地表空气温度、相对湿度和长波辐射;
建立叶面积指数与气象数据的对应关系包括:
基于近地表空气温度、相对湿度和长波辐射,按照如下公式估计所述叶面积指数:
其中,LAI是叶面积指数,LAImax是同种植被的最大叶面积指数,radlw是长波辐射,Rh是相对湿度,Tair是近地表空气温度,x1,x2,x3,x4,x5,x6是待确定参数。在同种植被中,LAImax是一定值。
步骤120,根据对应关系、叶面积指数样本和对应的已有气象数据,率定所述待确定参数。
将以往实测得到的叶面积指数数据作为叶面积指数样本,并获取对应的已有气象数据,将这些数据代入所述对应关系中,率定所述待确定参数。
示例性的,叶面积指数样本为4年的同种植被的叶面积指数数据,对应的已有气象数据为这4年的气象数据,并且以天为单位,因为MODIS每8天观测一次叶面积指数,则数据的总数量为4×365/8=182,将这182对叶面积指数数据和气象数据代入所述对应关系中,对所述待确定参数进行率定。
其中,图2是本发明实施例提供的植被叶面积指数的估计方法中的率定待确定参数的流程图,如图2所示,根据叶面积指数样本和对应的已有气象数据,率定所述待确定参数包括:
步骤121、接收用户设置的待确定参数的范围;
用户首先给定一组待确定参数的范围,即所述对应关系中每个待确定参数的范围。
步骤122、根据所述范围,确定待确定参数的值;
从每个待确定参数的范围中,随机选取一个值作为该待确定参数的值。
步骤123、将所述待确定参数的值、所述叶面积指数样本和对应的已有气象数据输入所述对应关系中,得到叶面积指数的模拟值,其中,所述模拟值的数量与所述面积指数样本的数量相同;
确定待确定参数的值后,将所述叶面积指数样本和对应的已有气象数据输入所述对应关系中,每个叶面积指数样本和对应的已有气象数据得到一个叶面积指数的模拟值,总共得到与所述叶面积指数样本的数量相同的模拟值。其中,所述叶面积指数样本为MODIS叶面积指数数据。
步骤124、计算所述模拟值和所述叶面积指数样本的相关系数;
所述叶面积指数样本的值即为观测值,计算所述模拟值和所述观测值的相关系数。一组模拟值和观测值可得到一个相关系数。
步骤125、如果所述相关系数小于预设值,则返回执行步骤122;如果所述相关系数不小于所述预设值,则执行步骤126;
判断所述相关系数是否小于预设值,如果是则返回执行步骤122,如果否则执行步骤126。
步骤126、将相关系数不小于所述预设值时的待确定参数的值作为率定的待确定参数。
相关系数不小于所述预设值时,确定的待确定参数的值位率定的待确定参数。
在上述待确定参数的率定过程中,以模拟值和观测值的相关系数作为率定指标,使得率定的待确定参数更加准确。
步骤130,根据所述对应关系、率定的待确定参数和预测的气象数据,确定叶面积指数。
待确定参数率定后,叶面积指数与气象数据的对应关系就已经明确,从而可通过预测得到的气象数据代入所述对应关系中,得到估计的叶面积指数。
本实施例的技术方案,通过建立叶面积指数与气象数据的对应关系,根据对应关系、叶面积指数样本和对应的已有气象数据,率定所述对应关系中的待确定参数,从而可以根据所述对应关系、率定的待确定参数和预测的气象数据,来估计叶面积指数,实现了能够使用预测的未来时期气象数据来估计叶面积指数,并且预测的气象数据时空精度高时可以在较好的时空尺度上模拟植被叶面积指数的变化,对研究未来无叶面积指数无观测资料的降雨径流过程提供了方法依据,具有重要的科学价值和应用价值。
实施例二
图3是本发明实施例二提供的一种植被叶面积指数的估计方法的流程图,本实施例是在上述实施例的基础上的一个优选实例,本实施例以碧流河流域为例来说明叶面积指数的估计,具体包括如下步骤:
步骤310,建立叶面积指数与近地表空气温度、相对湿度和长波辐射的对应关系,所述对应关系如下公式:
其中,LAI是叶面积指数,LAImax是同种植被的最大叶面积指数,radlw是长波辐射,Rh是相对湿度,Tair是近地表空气温度,x1,x2,x3,x4,x5,x6是待确定参数,exp是以自然常数e为底的指数函数。
其中,碧流河流域位于中国东北部,辽宁省南部地区,南靠黄海,西邻渤海,地势由东北向西南倾斜,上游属低山区。流域6~9月为汛期,降雨量大、强度大、范围广、洪水历时较短。流域多年平均降水量742.8毫米,多年平均径流深294.5毫米。碧流河流域面积为2814km2。多年平均温度为10.6℃。根据简单生物圈2号(Simple Biosphere 2)植被分区方法,碧流河流域主要有三种植被覆盖:C3草原植物、C4草原植物以及落叶性阔叶林和针叶林组成的树林。
步骤320,根据对应关系、叶面积指数样本和对应的已有近地表空气温度、相对湿度和长波辐射,率定所述待确定参数。
使用碧流河流域8年的气象观测资料和MODIS叶面积指数数据率定并验证上述对应关系中的待确定参数,以模拟值和观测值的相关系数为率定和验证指标,可以使用一些年份(如前4年)的MODIS叶面积指数数据和对应的气象数据率定所述对应关系中的待确定参数,然后使用另一些年份(如后4年)的MODIS叶面积指数数据和气象数据对率定的待确定参数进行验证,得到最终率定的待确定参数。
参数率定后的公式如下:
将这8年的气象观测资料中的气象数据带入上述公式得到叶面积指数的模拟值,并与相应的MODIS叶面积指数进行对比,MODIS叶面积指数和叶面积指数的模拟值散点图对比分别如图4-6所示。如图4所示,树林植被的模拟值和观测值的相关系数为0.95;如图5所示,C4草原植物的模拟值和观测值的相关系数为0.94;如图6所示,C3草原植物的模拟值和观测值的相关系数为0.95。
步骤330,根据所述对应关系、率定的待确定参数和预测的近地表空气温度、相对湿度和长波辐射,确定,叶面积指数。
本实施例的技术方案,通过建立叶面积指数与近地表空气温度、相对湿度和长波辐射的对应关系,根据对应关系、叶面积指数样本和对应的已有近地表空气温度、相对湿度和长波辐射,率定所述待确定参数,根据所述对应关系、率定的待确定参数和预测的近地表空气温度、相对湿度和长波辐射,确定叶面积指数,通过使用碧流河流域的已有数据来率定待确定参数,得到相应植被的叶面积指数的估计公式,从而可以通过预测的碧流河流域的气象数据对不同植被的叶面积指数进行估计。
实施例三
图7是本发明实施例三提供的一种植被叶面积指数的估计装置的结构示意图,如图7所示,本实施例所示的植被叶面积的估计装置包括:对应关系建立模块710、待确定参数率定模块720和叶面积指数估计模块730。
其中,对应关系建立模块710,用于建立叶面积指数与气象数据的对应关系,所述对应关系中包括待确定参数;
待确定参数率定模块720,用于根据对应关系、叶面积指数样本和对应的已有气象数据,率定所述待确定参数;
叶面积指数估计模块730,用于根据所述对应关系、率定的待确定参数和预测的气象数据,确定叶面积指数。
可选的,所述气象数据包括:近地表空气温度、相对湿度和长波辐射;
所述对应关系建立模块具体用于:
基于近地表空气温度、相对湿度和长波辐射,按照如下公式估计所述叶面积指数:
其中,LAI是叶面积指数,LAImax是同种植被的最大叶面积指数,radlw是长波辐射,Rh是相对湿度,Tair是近地表空气温度,x1,x2,x3,x4,x5,x6是待确定参数。
可选的,所述待确定参数率定模块包括:
范围接收单元,用于接收用户设置的待确定参数的范围;
参数值确定单元,用于根据所述范围,确定待确定参数的值;
模拟值确定单元,用于将所述待确定参数的值、所述叶面积指数样本和对应的已有气象数据输入所述对应关系中,得到叶面积指数的模拟值,其中,所述模拟值的数量与所述叶面积指数样本的数量相同;
相关系数计算单元,用于计算所述模拟值和所述叶面积指数样本的相关系数;
判断单元,用于如果所述相关系数小于预设值,则触发参数值确定单元;如果所述相关系数不小于所述预设值,则触发参数率定单元;
参数率定单元,用于将相关系数不小于所述预设值时的待确定参数的值作为率定的待确定参数。
其中,所述叶面积指数样本优选为MODIS叶面积指数数据。
上述植被叶面积指数的估计装置可执行本发明任意实施例所提供的植被叶面积指数的估计方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的植被叶面积指数的估计方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.一种植被叶面积指数的估计方法,其特征在于,所述方法包括:
建立叶面积指数与气象数据的对应关系,所述对应关系中包括待确定参数;
根据对应关系、叶面积指数样本和对应的已有气象数据,率定所述待确定参数;
根据所述对应关系、率定的待确定参数和预测的气象数据,确定叶面积指数;
其中,根据叶面积指数样本和对应的已有气象数据,率定所述待确定参数包括:
S1、接收用户设置的待确定参数的范围;
S2、根据所述范围,确定待确定参数的值;
S3、将所述待确定参数的值、所述叶面积指数样本和对应的已有气象数据输入所述对应关系中,得到叶面积指数的模拟值,其中,所述模拟值的数量与所述叶面积指数样本的数量相同;
S4、计算所述模拟值和所述叶面积指数样本的相关系数;
S5、如果所述相关系数小于预设值,则返回执行S2;如果所述相关系数不小于所述预设值,则执行步骤S6;
S6、将相关系数不小于所述预设值时的待确定参数的值作为率定的待确定参数。
3.根据权利要求1或2所述的方法,其特征在于,所述叶面积指数样本为中分辨率成像光谱仪MODIS叶面积指数数据。
4.一种植被叶面积指数的估计装置,其特征在于,所述装置包括:
对应关系建立模块,用于建立叶面积指数与气象数据的对应关系,所述对应关系中包括待确定参数;
待确定参数率定模块,用于根据对应关系、叶面积指数样本和对应的已有气象数据,率定所述待确定参数;
叶面积指数估计模块,用于根据所述对应关系、率定的待确定参数和预测的气象数据,确定叶面积指数;
其中,所述待确定参数率定模块包括:
范围接收单元,用于接收用户设置的待确定参数的范围;
参数值确定单元,用于根据所述范围,确定待确定参数的值;
模拟值确定单元,用于将所述待确定参数的值、所述叶面积指数样本和对应的已有气象数据输入所述对应关系中,得到叶面积指数的模拟值,其中,所述模拟值的数量与所述叶面积指数样本的数量相同;
相关系数计算单元,用于计算所述模拟值和所述叶面积指数样本的相关系数;
判断单元,用于如果所述相关系数小于预设值,则触发参数值确定单元;如果所述相关系数不小于所述预设值,则触发参数率定单元;
参数率定单元,用于将相关系数不小于所述预设值时的待确定参数的值作为率定的待确定参数。
6.根据权利要求4或5所述的装置,其特征在于,所述叶面积指数样本为MODIS叶面积指数数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611258523.1A CN106777757B (zh) | 2016-12-30 | 2016-12-30 | 植被叶面积指数的估计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611258523.1A CN106777757B (zh) | 2016-12-30 | 2016-12-30 | 植被叶面积指数的估计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106777757A CN106777757A (zh) | 2017-05-31 |
CN106777757B true CN106777757B (zh) | 2020-04-28 |
Family
ID=58953687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611258523.1A Active CN106777757B (zh) | 2016-12-30 | 2016-12-30 | 植被叶面积指数的估计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777757B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723328B (zh) * | 2020-06-18 | 2024-02-13 | 中国科学院空天信息创新研究院 | 叶面积指数时间序列重建方法、装置、设备及存储介质 |
CN113378476B (zh) * | 2021-06-28 | 2022-07-19 | 武汉大学 | 一种全球250米分辨率时空连续的叶面积指数卫星产品生成方法 |
CN115048354B (zh) * | 2022-03-09 | 2023-07-07 | 中国长江三峡集团有限公司 | 一种水文模型的创建及径流预测方法、装置及计算机设备 |
-
2016
- 2016-12-30 CN CN201611258523.1A patent/CN106777757B/zh active Active
Non-Patent Citations (6)
Title |
---|
A Temporally Integrated Inversion Method For Estimating Leaf Area Index From MODIS Data;zhiqiang xiao 等;《IEEE Transactions on Geoscience and Remote Sensing》;20090421;第47卷(第8期);第2536-2545页第2节 * |
CLM3. 0-DGVM 中植物叶面积指数与气候因子的时空关系;邵璞 等;《生态学报》;20110823;第31卷(第16期);第4725-4731页 * |
Free Search-a comparative analysis;Kalin Penev et al;《Elsevier Science》;20050609;第172卷;第173-193页 * |
冬小麦高光谱特征及其生理生态参数估算模型研究;姚付启;《中国博士学位论文全文数据库 农业科技辑》;20121130;第2012年卷(第11期);第D047-14页 * |
刘永霞 等.巴西蕉叶面积指数的动态模型研究.《中国南方果树》.2015,第44卷(第5期), * |
巴西蕉叶面积指数的动态模型研究;刘永霞 等;《中国南方果树》;20151009;第44卷(第5期);第11-15页第2-3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN106777757A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | Trends in reference evapotranspiration and their causative factors in the West Liao River basin, China | |
Zuo et al. | Spatiotemporal variations and abrupt changes of potential evapotranspiration and its sensitivity to key meteorological variables in the Wei River basin, China | |
Wang et al. | Decadal variability of surface incident solar radiation over China: Observations, satellite retrievals, and reanalyses | |
Jamil et al. | Comparison of empirical models to estimate monthly mean diffuse solar radiation from measured data: Case study for humid-subtropical climatic region of India | |
Li et al. | Dynamic analysis of pan evaporation variations in the Huai River Basin, a climate transition zone in eastern China | |
Du et al. | Validation and sensitivity test of the distributed hydrology soil‐vegetation model (DHSVM) in a forested mountain watershed | |
Liu et al. | Observation and calculation of the solar radiation on the Tibetan Plateau | |
Wang et al. | Temporal and spatial changes in estimated near‐surface air temperature lapse rates on Tibetan Plateau | |
Cuo et al. | Lumped parameter sensitivity analysis of a distributed hydrological model within tropical and temperate catchments | |
Droste et al. | Assessing the potential and application of crowdsourced urban wind data | |
Raje et al. | Macroscale hydrological modelling approach for study of large scale hydrologic impacts under climate change in Indian river basins | |
Ding et al. | Variations of crop coefficient and its influencing factors in an arid advective cropland of northwest China | |
Chen et al. | Adaptability evaluation of TRMM satellite rainfall and its application in the Dongjiang River Basin | |
Gao et al. | Sensitivity study of reference crop evapotranspiration during growing season in the West Liao River basin, China | |
Cai et al. | Simulation of the soil water balance of wheat using daily weather forecast messages to estimate the reference evapotranspiration | |
CN106777757B (zh) | 植被叶面积指数的估计方法及装置 | |
Psiloglou et al. | Estimation of the ground albedo for the Athens area, Greece | |
Han et al. | Spatiotemporal analysis of potential evapotranspiration in the Changwu tableland from 1957 to 2012 | |
Zhang et al. | Comprehensive evaluation of mainstream gridded precipitation datasets in the cold season across the Tibetan Plateau | |
Gao et al. | Estimation of actual evapotranspiration distribution in the Huaihe River upstream basin based on the generalized complementary principle | |
Wang et al. | Using a remote sensing driven model to analyze effect of land use on soil moisture in the Weihe River Basin, China | |
Cai et al. | Stable water isotope and surface heat flux simulation using ISOLSM: Evaluation against in-situ measurements | |
Komatsu et al. | A simple model to estimate monthly forest evapotranspiration in Japan from monthly temperature | |
Guo et al. | Estimation of daily evapotranspiration in gully area scrub ecosystems on Loess Plateau of China based on multisource observation data | |
Cohen et al. | Measuring diurnal cycles of evapotranspiration in the Arctic with an automated chamber system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |