CN107133949A - 一种森林物候信息自动观测方法 - Google Patents

一种森林物候信息自动观测方法 Download PDF

Info

Publication number
CN107133949A
CN107133949A CN201710356448.0A CN201710356448A CN107133949A CN 107133949 A CN107133949 A CN 107133949A CN 201710356448 A CN201710356448 A CN 201710356448A CN 107133949 A CN107133949 A CN 107133949A
Authority
CN
China
Prior art keywords
forest
phenology
index
automatic
cover
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.)
Pending
Application number
CN201710356448.0A
Other languages
English (en)
Inventor
李世明
刘清旺
李增元
陈尔学
庞勇
斯林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
INSTITUTE OF SOURCE INFORMATION CHINESE ACADEMY OF FORESTRY
Original Assignee
INSTITUTE OF SOURCE INFORMATION CHINESE ACADEMY OF FORESTRY
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by INSTITUTE OF SOURCE INFORMATION CHINESE ACADEMY OF FORESTRY filed Critical INSTITUTE OF SOURCE INFORMATION CHINESE ACADEMY OF FORESTRY
Priority to CN201710356448.0A priority Critical patent/CN107133949A/zh
Publication of CN107133949A publication Critical patent/CN107133949A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开一种森林物候信息自动观测方法，包括以下步骤：(1)相机自动拍照的定时触发控制；(2)长时间序列、不同时刻获取照片的归类与自动/半自动化处理；(3)建立森林植被物候相关的植被指数方程；(4)通过观测时间序列照片和森林植被指数分析物候曲线、确定森林植被物候节点。通常森林物候观测主要是基于人工的、地面长时间序列观测，费时、费力、耗费财力。该技术方案，能够实现森林植被物候信息的自动提取，大大改善了森林物候信息提取的时效性、连续性和准确性，为森林经营管理人员、生态学研究人员掌握森林物候信息提供了有效的自动观测与信息提取方法。

Description

一种森林物候信息自动观测方法
技术领域
本发明涉及一种森林物候信息自动观测方法。
背景技术
森林物候信息与光照、温度等环境因子密切相关，树木的萌动期、生长期、开花期、落叶期等与主要物候期对于森林经营管理、森林防火、森林病虫害防治、森林的生长监测等都有重要意义。通常，森林的物候观测主要通过地面调查完成，对于不同的生长季节，安排不同的观测次数。有些树种在一定的物候期中每天都有变化，需要随时观测。由于森林常常是位于偏远地区，地面观测观测间隔时间较长，很难实现物候的连续观测。现提出一种基于定时照相装置和时间序列相片信息提取温带落叶林物候信息的方法。
发明内容
本发明要解决的技术问题是提供一种能实现物候连续观测的森林物候信息自动观测方法。
为解决上述问题，本发明采用如下技术方案：
包括以下步骤：
(1)相机自动拍照的定时触发控制；
(2)长时间序列、不同时刻获取照片的归类与自动/半自动化处理；
(3)建立森林植被物候相关的植被指数方程；
(4)通过观测时间序列森林植被指数分析物候曲线、确定森林植被物候节点。
作为优选，在步骤1中所述相机自动拍照的定时触发控制包括：相机的快门有计算机程序控制拍照，设定好光圈、快门、感光度，按照设定的时间和时间间隔进行拍照。
作为优选，在步骤2中长时间序列、不同时刻获取照片的归类与自动/半自动化处理包括：相机的文件按照日期和拍照时间进行存储，每天同一时间拍照的相片进行图层合成，形成一个每天同一时间的数据集。
作为优选，在步骤2中建立森林植被物候相关的植被指数方程包括：由于入射光照强度、云层覆盖等因素的影响，不同时间的照片的色彩、强度和饱和度等方面可能都有变化，因此对照片的各个波段的数据进行归一化处理，形成不同波段的亮度百分比数据集，并提取出相关的植被指数，包括总亮度、红光指数、绿光指数、蓝光指数、过绿指数、归一化植被指数等。
作为优选，在步骤4中通过观测时间序列照片和森林植被指数分析物候曲线、确定森林植被物候节点包括：根据图像中对应的森林类型，提取连续时间序列的数据信息，进行曲线散点图制图，获取森林物候的时间曲线，设定物候期节点判定规则，获取物候变化节点的时间信息，确定植被物候期变化的时间节点。
本发明的有益效果是：通常森林物候观测主要是基于人工的、地面长时间序列观测，费时、费力、耗费财力。该技术方案，能够实现森林植被物候信息的自动提取，大大改善了森林物候信息提取的时效性、连续性和准确性，为森林经营管理人员、生态学研究人员掌握森林物候信息提供了有效的自动观测与信息提取方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种森林物候信息自动观测方法的时间序列绿光植被指数的物候曲线图。
具体实施方式
参阅图1所示，一种森林物候信息自动观测方法，包括以下步骤：
(1)相机自动拍照的定时触发控制；包括：相机的快门有计算机程序控制拍照，设定好光圈、快门、曝光，按照设定的时间和时间间隔进行拍照，如ISO感光度为100、光圈为F8、快门为1/100。每天上午8点开始拍照，每隔一个小时拍照一次，至下午8点停止拍照，照片以拍照地点+时间信息为文件名字，如BJ01_20160621090000.jpg标识为BJ01地点2016年6月21日上午9点整拍摄的照片数据。
(2)长时间序列、不同时刻获取照片的归类与自动/半自动化处理。具体内容包括：相机的文件按照日期和拍照时间进行存储，每天同一时间拍照的相片进行图层合成，形成一个每天同一时间的数据集，根据拍照间隔：8、9、10、11、12、13、14、15、16、17、18、19、20，形成13个长时间的森林物候数据集。通过脚本文件，将观测周期内同一地点、同一时间观测的照片(如文件名字为BJ01_*090000.jpg)的文件提取出来，建立相应观测时间目录(如TIME-0900)，建立观测期内各个观测时刻的数据集。
(3)建立森林植被物候相关的植被指数方程；包括：由于入射光照强度、云层覆盖等因素的影响，不同时间的照片的色彩、强度和饱和度等方面可能都有变化，因此对照片的各个波段的数据进行归一化处理，形成不同波段的亮度百分比数据集，并提取出相关的植被指数，包括总亮度、红光指数、绿光指数、蓝光指数、过绿指数、归一化植被指数等。具体公式如下：
总亮度 Z＝R+B+G
红光指数 Ri＝R/(R+G+B)
绿光指数 Gi＝G/(R+G+B)
蓝光指数 Bi＝B/(R+G+B)
过绿指数 Ggi＝2G-R-B
归一化植被指数 NDVI＝(Nir-R)/(Nir+R)。
(4)通过观测时间序列森林植被指数分析物候曲线、确定森林植被物候节点。包括：根据图像中对应的森林类型，提取连续时间序列的数据信息，进行曲线散点图制图，获取森林物候的时间曲线，设定物候期节点判定规则，获取物候变化节点的时间信息，确定植被物候期变化的时间节点。
本发明的有益效果是：通常森林物候观测主要是基于人工的、地面长时间序列观测，费时、费力、耗费财力。该技术方案，能够实现森林植被物候信息的自动提取，大大改善了森林物候信息提取的时效性、连续性和准确性，为森林经营管理人员、生态学研究人员掌握森林物候信息提供了有效的自动观测与信息提取方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本实用新保护范围为准。

Claims (5)

1.一种森林物候信息自动观测方法，其特征在于：包括以下步骤：
(1)相机自动拍照的定时触发控制；
(2)长时间序列、不同时刻获取照片的归类与自动/半自动化处理；
(3)建立森林植被物候相关的植被指数方程；
(4)通过观测时间序列照片和森林植被指数分析物候曲线、确定森林植被物候节点。
2.根据权利要求1所述的森林物候信息自动观测方法，其特征在于：在步骤1中所述相机自动拍照的定时触发控制包括：相机的快门有计算机程序控制拍照，设定好光圈、快门、感光度，按照设定的时间和时间间隔进行拍照。
3.根据权利要求2所述的森林物候信息自动观测方法，其特征在于：在步骤2中长时间序列、不同时刻获取照片的归类与自动/半自动化处理包括：相机的文件按照日期和拍照时间进行存储，每天同一时间拍照的相片进行图层合成，形成一个每天同一时间的数据集。
4.根据权利要求3所述的森林物候信息自动观测方法，其特征在于：在步骤3中建立森林植被物候相关的植被指数方程包括：由于入射光照强度、云层覆盖等因素的影响，不同时间的照片的色彩、强度和饱和度等方面可能都有变化，因此对照片的各个波段的数据进行归一化处理，形成不同波段的亮度百分比数据集，并提取出相关的植被指数，包括总亮度、红光指数、绿光指数、蓝光指数、过绿指数、归一化植被指数。
5.根据权利要求4所述的森林物候信息自动观测方法，其特征在于：在步骤4中通过观测时间序列照片和森林植被指数分析物候曲线、确定森林植被物候节点包括：根据图像中对应的森林类型，提取连续时间序列的数据信息，进行曲线散点图制图，获取森林物候的时间曲线，设定物候期节点判定规则，获取物候变化节点的时间信息，确定植被物候期变化的时间节点。
CN201710356448.0A 2017-05-19 2017-05-19 一种森林物候信息自动观测方法 Pending CN107133949A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710356448.0A CN107133949A (zh) 2017-05-19 2017-05-19 一种森林物候信息自动观测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710356448.0A CN107133949A (zh) 2017-05-19 2017-05-19 一种森林物候信息自动观测方法

Publications (1)

Publication Number Publication Date
CN107133949A true CN107133949A (zh) 2017-09-05

Family

ID=59732485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710356448.0A Pending CN107133949A (zh) 2017-05-19 2017-05-19 一种森林物候信息自动观测方法

Country Status (1)

Country Link
CN (1) CN107133949A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114092831A (zh) * 2021-12-02 2022-02-25 中国科学院东北地理与农业生态研究所 一种草本沼泽植被物候信息提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102538717A (zh) * 2010-12-30 2012-07-04 北京师范大学 叶面积指数自动观测系统及其方法
CN105718936A (zh) * 2016-02-02 2016-06-29 福州大学 一种森林动态变化模式自动提取方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102538717A (zh) * 2010-12-30 2012-07-04 北京师范大学 叶面积指数自动观测系统及其方法
CN105718936A (zh) * 2016-02-02 2016-06-29 福州大学 一种森林动态变化模式自动提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
董奎: "数码相机与MODIS卫星遥感结合的森林物候监测及管理系统初步研建", 《万方学位论文库》 *
薛丽姗等: "大花黄牡丹物候观测及其主要气象因子关系分析", 《广东农业科学》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114092831A (zh) * 2021-12-02 2022-02-25 中国科学院东北地理与农业生态研究所 一种草本沼泽植被物候信息提取方法

Similar Documents

Publication Publication Date Title
Sonnentag et al. Digital repeat photography for phenological research in forest ecosystems
Zhou et al. Using colour features of cv.‘Gala’apple fruits in an orchard in image processing to predict yield
Chianucci et al. Digital hemispherical photography for estimating forest canopy properties: current controversies and opportunities
Key et al. Landscape assessment (LA)
White et al. Measuring fractional cover and leaf area index in arid ecosystems: digital camera, radiation transmittance, and laser altimetry methods
Chianucci et al. Estimation of leaf area index in understory deciduous trees using digital photography
JP5729476B2 (ja) 撮影装置、および撮影支援プログラム
CN109827957B (zh) 一种基于计算机视觉的水稻叶片spad值估测方法及系统
CN105891112A (zh) 一种基于Android手机的蔬菜叶片新鲜度检测装置及方法
Song et al. Improving accuracy of canopy hemispherical photography by a constant threshold value derived from an unobscured overcast sky
Sakamoto et al. Application of day and night digital photographs for estimating maize biophysical characteristics
Beamish et al. Phenology and vegetation change measurements from true colour digital photography in high Arctic tundra
Foster et al. Orienting to polarized light at night–matching lunar skylight to performance in a nocturnal beetle
Orlando et al. Estimating leaf area index in tree species using the Pocket LAI smart app
Chianucci et al. Continuous observations of forest canopy structure using low-cost digital camera traps
JP4140052B2 (ja) 作物の生育診断方法における画像の補正方法
Beeles et al. Characterizing canopy openness across large forested landscapes using spherical densiometer and smartphone hemispherical photography
Glenszczyk et al. The jumping spider Saitis barbipes lacks a red photoreceptor to see its own sexually dimorphic red coloration
CN112052757A (zh) 火烧迹地信息提取方法、装置、设备和存储介质
CN107133949A (zh) 一种森林物候信息自动观测方法
Maas et al. Estimating ground cover of field crops using medium‐resolution multispectral satellite imagery
Brundrett et al. A monitoring toolkit for banksia woodlands: comparison of different scale methods to measure recovery of vegetation after fire
van Blerk et al. UAVs improve detection of seasonal growth responses during post-fire shrubland recovery
CN103871065B (zh) 一种基于半球影像的植被冠层聚集效应定量评估方法
Fitzgerald Portable hyperspectral tunable imaging system (PHyTIS) for precision agriculture

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170905