CN107145728A - 一种荒漠草原非生长季枯草重量遥感估算方法 - Google Patents
一种荒漠草原非生长季枯草重量遥感估算方法 Download PDFInfo
- Publication number
- CN107145728A CN107145728A CN201710287530.2A CN201710287530A CN107145728A CN 107145728 A CN107145728 A CN 107145728A CN 201710287530 A CN201710287530 A CN 201710287530A CN 107145728 A CN107145728 A CN 107145728A
- Authority
- CN
- China
- Prior art keywords
- withered grass
- grass weight
- remote sensing
- ndti
- survey region
- 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
Links
- 244000025254 Cannabis sativa Species 0.000 title claims abstract description 102
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001228 spectrum Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000002310 reflectometry Methods 0.000 claims description 26
- 230000003595 spectral effect Effects 0.000 claims description 14
- 238000002790 cross-validation Methods 0.000 claims description 6
- 241000051984 Blepharidachne Species 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 239000004744 fabric Substances 0.000 claims description 2
- 241001269238 Data Species 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 5
- 239000002689 soil Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000012789 harvest method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G17/00—Apparatus for or methods of weighing material of special form or property
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种荒漠草原非生长季枯草重量遥感估算方法是研究区域土地利用数据获取；枯草样地选取；样地枯草重量测定；样地植被指数计算；确定估算枯草重量的最佳光谱指数与遥感模型；计算研究区域待估算日期的最佳光谱指数；研究区域待估算日期枯草重量遥感估算；研究区域非生长季枯草重量遥感动态估算研究。本方法弥补了基于MODIS遥感数据估算荒漠草原非生长季枯草重量的空白，为及时准确估算大区域尺度范围荒漠草原非生长季枯草重量提供了一种新方法，实现了基于MODIS遥感数据的荒漠草原非生长季大范围区域枯草重量的快速准确监测，为荒漠草原生态研究以及可持续利用提供科学依据。
Description
技术领域
本发明涉及一种遥感估算荒漠草原枯草重量的方法，尤其是一种利用MODIS卫星遥感数据快速准确估算荒漠草原非生长季节枯草重量格局与动态的方法。
背景技术
枯草是荒漠草原非生长季植被重要的组成部分，枯草重量的准确估算对于荒漠草原生态系统碳储量的研究具有重要意义。荒漠草原非生长季枯草重量动态及模拟研究一直是陆地生态学的热点问题。枯草重量被广泛应用于开展荒漠草原植被生产力模型、干旱监测、火灾预警以及畜牧业规划等方面的实践与研究工作。
荒漠草原枯草重量获取的传统方法为实地测量，包括目测法、样点法、样方法以及样线法等，但这些方法一般只适用于小区域尺度，且费时费力、难以大面积展开及具有一定的破坏性。近年来，遥感技术迅猛发展，并以其宏观性、时效性、信息量大等特点在荒漠草原资源调查等领域展示了日渐广阔的应用前景。遥感技术的发展为荒漠草原非生长季枯草重量的获取提供了新的技术手段，尤其是为大范围荒漠草原非生长季枯草重量快速、准确估算提供了可能。
目前，基于卫星遥感技术估算大区域尺度草地非生长季枯草重量的方法主要是利用MODIS波段6与波段7反射率组合的NDTI指数（波段6反射率与波段7反射率的归一化指数）与STI指数（波段6反射率与波段7反射率的比值）。不过，由于荒漠草原植被稀疏，土壤背景对MODIS波段6与波段7反射率的影响较大，NDTI指数估算荒漠草原非生长季枯草重量的精度并不理想。为科学合理利用荒漠草原非生长季枯草资源，亟需提供一种准确估算荒漠草原非生长季枯草重量遥感估算方法。
发明内容
本发明要解决的具体技术问题是如何在荒漠草原植被稀疏，土壤背景对MODIS波段6与波段7反射率的影响较大，NDTI指数估算荒漠草原非生长季枯草重量不准确的问题，并构建估算荒漠草原非生长季枯草重量的遥感光谱指数，提供一种荒漠草原非生长季枯草重量遥感估算方法。
一种荒漠草原非生长季枯草重量遥感估算方法，所述枯草重量遥感估算方法是按照下列步骤进行的：
1）研究区域土地利用数据获取
获取研究区域的土地利用现状遥感监测数据，提取生成研究区域的荒漠草原空间分布图；
2）枯草样地选取
依据上述步骤1）描述方法得到的研究区域的荒漠草原空间分布图，在非生长季选取分布均匀的N个1 km × 1 km的枯草样地，采用手持式全球定位系统记录枯草样地的经纬度坐标；
3）样地枯草重量测定
在每个样地内随机选取M个1 m × 1 m的样方获取其枯草重量，并求取M个样方枯草重量的平均值作为该样地的枯草重量；
4）样地植被指数计算
下载与枯草重量测定日期同步的覆盖样地的MOD09GA反射率影像，进行数据格式与地图投影转换；提取位于样地内的MOD09GA像元的短波红外第6波段与短波红外第7波段反射率，计算如下光谱指数：
S-NDTI-0.1 = (1+0.1)×(B6-B7)/(B6+B7+0.1)
S-NDTI-0.2 = (1+0.2)×(B6-B7)/(B6+B7+0.2)
S-NDTI-0.3 = (1+0.3)×(B6-B7)/(B6+B7+0.3)
S-NDTI-0.4 = (1+0.4)×(B6-B7)/(B6+B7+0.4)
S-NDTI-0.5 = (1+0.5)×(B6-B7)/(B6+B7+0.5)
S-NDTI-0.6 = (1+0.6)×(B6-B7)/(B6+B7+0.6)
S-NDTI-0.7 = (1+0.7)×(B6-B7)/(B6+B7+0.7)
S-NDTI-0.8 = (1+0.8)×(B6-B7)/(B6+B7+0.8)
S-NDTI-0.9 = (1+0.9)×(B6-B7)/(B6+B7+0.9)
S-NDTI-1.0 = (1+1.0)×(B6-B7)/(B6+B7+1.0)
式中，B6为MOD09GA的短波红外波段第6波段反射率，B7为MOD09GA的短波红外波段第7波段反射率；
5）确定估算枯草重量的最佳光谱指数与遥感模型
采用一元线性分析对样地枯草重量与其对应的上述步骤4）中计算的10种光谱指数进行回归拟合，通过比较回归模型的决定系数R 2与留一交叉验证均方根误差RMSECV，确定估算枯草重量的最佳植被指数及其对应的遥感模型；
6）计算研究区域待估算日期的步骤5）中确定的最佳光谱指数
获取研究区域待估算日期的MOD09GA反射率遥感影像，进行数据格式与地图投影转换，依据上述步骤1）获得的研究区域荒漠草原空间分布图，逐像元计算荒漠草原分布区待估算日期的步骤5）中确定的短波红外第6波段与第7波段反射率组合的最佳光谱指数；
7）研究区域待估算日期枯草重量遥感估算
依据上述步骤6）计算的研究区域荒漠草原分布区待估算日期的最佳光谱指数，并通过上述步骤5）确定的最佳光谱指数对应枯草重量遥感估算模型，逐像元计算研究区域荒漠草原分布区待估算日期的枯草重量；
8）研究区域非生长季枯草重量遥感动态估算研究
利用上述步骤1）-7）的荒漠草原非生长季枯草重量遥感估算方法，对研究区域非生长季枯草重量进行一天、一周或一月的变化过程监测，研究荒漠草原非生长季枯草重量的动态变化规律，对荒漠草原生态系统研究以及可持续利用发展提供科学支撑。
上述技术方案的实施，消除了土壤背景对荒漠草原非生长季枯草重量遥感估算的影响，构建了监测荒漠草原非生长季枯草重量的光谱指数及估算模型，并应用此模型对研究区域的荒漠草原非生长季枯草重量进行了遥感反演，克服了传统的实地调查方法的局限性以及现有的遥感光谱指数估算精度低的问题。本方法弥补了基于MODIS遥感数据估算荒漠草原非生长季枯草重量的空白，为及时准确估算大区域尺度范围荒漠草原非生长季枯草重量提供了一种新方法，实现了基于MODIS遥感数据的荒漠草原非生长季大范围区域枯草重量的快速准确监测，为荒漠草原生态研究以及可持续利用提供科学依据。
附图说明
图1是本发明实施案例所述的一种荒漠草原非生长季枯草重量遥感估算方法中不同光谱指数估算枯草重量的精度比较图。
图2是本发明实施案例所述的一种荒漠草原非生长季枯草重量遥感估算方法中最佳光谱指数与实测枯草重量相关关系图。
图3 是本发明实施案例所述的一种荒漠草原非生长季枯草重量遥感估算方法中苏尼特荒漠草原枯草重量空间分布图。
图4是本发明实施案例所述的一种荒漠草原非生长季枯草重量遥感估算方法中对比例。
具体实施方式
下面通过一种苏尼特荒漠草原非生长季枯草重量遥感估算方法的应用案例，对本发明的具体实施方式作进一步说明。
实施一种荒漠草原非生长季枯草重量遥感估算方法是按下列步骤进行的：
步骤一、苏尼特荒漠草原土地利用数据获取
获取苏尼特（苏尼特左旗、苏尼特右旗）荒漠草原遥感影像产品MCD12Q1，使用MRT软件将MCD12Q1数据进行格式与地图投影转换，HDF格式转换为TIFF格式，正弦曲线地图投影转换为WGS/Albers地图投影，生成苏尼特荒漠草原空间分布图；
步骤二、苏尼特荒漠草原枯草样地选取
依据上述步骤一描述方法得到的苏尼特荒漠草原空间分布图，在非生长季10月中旬选取分布均匀的30个枯草样地（1公里 × 1公里），采用手持式全球定位系统记录枯草样地的经纬度坐标；
步骤三、苏尼特荒漠草原样地枯草重量测定
在每个样地内随机选取3个1米 × 1米样方，利用传统收获法获取样方的枯草，65℃恒温烘干至恒重，求取样方枯草重量，计算3个样方枯草重量的平均值作为该样地的枯草重量；
步骤四、苏尼特荒漠草原样地植被指数计算
下载与样地枯草重量测定时间同步的覆盖样地的MOD09GA反射率遥感影像，使用MRT软件对MOD09GA数据进行格式与地图投影转换，HDF格式转换为TIFF格式，正弦曲线地图投影转换为WGS84/Albers地图投影；
依据上述步骤二中记录的样地经纬度坐标，提取位于样地内的像元的第6波段（短波红外）与第7波段（短波红外）反射率，计算如下光谱指数：
S-NDTI-0.1 = (1+0.1)×(B6-B7)/(B6+B7+0.1)
S-NDTI-0.2 = (1+0.2)×(B6-B7)/(B6+B7+0.2)
S-NDTI-0.3 = (1+0.3)×(B6-B7)/(B6+B7+0.3)
S-NDTI-0.4 = (1+0.4)×(B6-B7)/(B6+B7+0.4)
S-NDTI-0.5 = (1+0.5)×(B6-B7)/(B6+B7+0.5)
S-NDTI-0.6 = (1+0.6)×(B6-B7)/(B6+B7+0.6)
S-NDTI-0.7 = (1+0.7)×(B6-B7)/(B6+B7+0.7)
S-NDTI-0.8 = (1+0.8)×(B6-B7)/(B6+B7+0.8)
S-NDTI-0.9 = (1+0.9)×(B6-B7)/(B6+B7+0.9)
S-NDTI-1.0 = (1+1.0)×(B6-B7)/(B6+B7+1.0)
式中，B6为MOD09GA第6波段（短波红外波段）反射率，B7为MOD09GA第7波段（短波红外波段）反射率；
步骤五、确定苏尼特荒漠草原枯草重量的最佳光谱指数与遥感估算模型
采用一元线性分析对样地枯草重量与其对应的上述步骤四中计算的10种光谱指数进行回归拟合，如附图1所示，通过比较回归模型的决定系数（R 2）与留一交叉验证均方根误差（RMSECV），确定估算枯草重量的最佳光谱指数为S-NDTI-0.5，如附图2所示，确定的最佳光谱指数S-NDTI-0.5对应的遥感估算模型如下：
枯草重量 = 6.4 + 844.1×S-NDTI-0.5
(R 2 = 0.77, RMSECV = 13.5 g/m2)
步骤六、计算苏尼特荒漠草原短波红外6波段与7波段组合的S-NDTI-0.5光谱指数
获取苏尼特荒漠草原10月下旬的MOD09GA反射率遥感影像，使用MRT软件将MOD09GA数据进行格式与地图投影转换，HDF格式转换为TIFF格式，正弦曲线地图投影转换为WGS84/Albers地图投影；
依据上述步骤一描述的方法得到的苏尼特荒漠草原空间分布图，计算10月中旬苏尼特荒漠草原短波红外6波段与7波段反射率组合的S-NDTI-0.5光谱指数；
步骤七、苏尼特荒漠草原枯草重量遥感估算
依据上述步骤六描述的方法计算得到的10月中旬苏尼特荒漠草原短波红外6波段与7波段反射率组合的S-NDTI-0.5光谱指数，并通过估算模型“枯草重量 = 6.4 + 844.1×S-NDTI-0.5”，逐像元计算10月下旬苏尼特荒漠草原枯草重量，如附图3所示。
在上述实施例中，根据记录的样地经纬度坐标，提取位于样地内对应MOD09GA像元的第6波段（短波红外）与第7波段（短波红外）反射率；计算第6波段与第7波段反射率组合的S-NDTI-0.1、S-NDTI-0.2、S-NDTI-0.3、S-NDTI-0.4、S-NDTI-0.5、S-NDTI-0.6、S-NDTI-0.7、S-NDTI-0.8、S-NDTI-0.9、S-NDTI-1.0等10种光谱指数；采用一元线性模型对30个样地枯草重量与其所对应的计算出的10个光谱指数之间的关系进行回归拟合；通过比较拟合方程的决定系数（R 2）与留一交叉验证均方根误差（RMSECV），决定系数越大留一交叉验证均方根误差越小，估算精度越高，确定估算枯草重量的最佳光谱指数为S-NDTI-0.5。
与背景技术中介绍的用于估算枯草重量的NDTI与STI指数相比，见附表图4，本发明方法估算枯草重量的决定系数提高了0.11，留一交叉验证均方根误差分别减小了1.4 g/m2，具有重要的实用推广意义。
Claims (1)
1.一种荒漠草原非生长季枯草重量遥感估算方法，所述枯草重量遥感估算方法是按照下列步骤进行的：
1）研究区域土地利用数据获取
获取研究区域的土地利用现状遥感监测数据，提取生成研究区域的荒漠草原空间分布图；
2）枯草样地选取
依据上述步骤1）描述方法得到的研究区域的荒漠草原空间分布图，在非生长季选取分布均匀的N个1 km × 1 km的枯草样地，采用手持式全球定位系统记录枯草样地的经纬度坐标；
3）样地枯草重量测定
在每个样地内随机选取M个1 m × 1 m的样方获取其枯草重量，并求取M个样方枯草重量的平均值作为该样地的枯草重量；
4）样地植被指数计算
下载与枯草重量测定日期同步的覆盖样地的MOD09GA反射率影像，进行数据格式与地图投影转换；提取位于样地内的MOD09GA像元的短波红外第6波段与短波红外第7波段反射率，计算如下光谱指数：
S-NDTI-0.1 = (1+0.1)×(B6-B7)/(B6+B7+0.1)
S-NDTI-0.2 = (1+0.2)×(B6-B7)/(B6+B7+0.2)
S-NDTI-0.3 = (1+0.3)×(B6-B7)/(B6+B7+0.3)
S-NDTI-0.4 = (1+0.4)×(B6-B7)/(B6+B7+0.4)
S-NDTI-0.5 = (1+0.5)×(B6-B7)/(B6+B7+0.5)
S-NDTI-0.6 = (1+0.6)×(B6-B7)/(B6+B7+0.6)
S-NDTI-0.7 = (1+0.7)×(B6-B7)/(B6+B7+0.7)
S-NDTI-0.8 = (1+0.8)×(B6-B7)/(B6+B7+0.8)
S-NDTI-0.9 = (1+0.9)×(B6-B7)/(B6+B7+0.9)
S-NDTI-1.0 = (1+1.0)×(B6-B7)/(B6+B7+1.0)
式中，B6为MOD09GA的短波红外波段第6波段反射率，B7为MOD09GA的短波红外波段第7波段反射率；
5）确定估算枯草重量的最佳光谱指数与遥感模型
采用一元线性分析对样地枯草重量与其对应的上述步骤4）中计算的10种光谱指数进行回归拟合，通过比较回归模型的决定系数R 2与留一交叉验证均方根误差RMSECV，确定估算枯草重量的最佳植被指数及其对应的遥感模型；
6）计算研究区域待估算日期的步骤5）中确定的最佳光谱指数
获取研究区域待估算日期的MOD09GA反射率遥感影像，进行数据格式与地图投影转换，依据上述步骤1）获得的研究区域荒漠草原空间分布图，逐像元计算荒漠草原分布区待估算日期的步骤5）中确定的短波红外第6波段与第7波段反射率组合的最佳光谱指数；
7）研究区域待估算日期枯草重量遥感估算
依据上述步骤6）计算的研究区域荒漠草原分布区待估算日期的最佳光谱指数，并通过上述步骤5）确定的最佳光谱指数对应枯草重量遥感估算模型，逐像元计算研究区域荒漠草原分布区待估算日期的枯草重量；
8）研究区域非生长季枯草重量遥感动态估算研究
利用上述步骤1）-7）的荒漠草原非生长季枯草重量遥感估算方法，对研究区域非生长季枯草重量进行一天、一周或一月的变化过程监测，研究荒漠草原非生长季枯草重量的动态变化规律，对荒漠草原生态系统研究以及可持续利用发展提供科学支撑。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710287530.2A CN107145728A (zh) | 2017-04-27 | 2017-04-27 | 一种荒漠草原非生长季枯草重量遥感估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710287530.2A CN107145728A (zh) | 2017-04-27 | 2017-04-27 | 一种荒漠草原非生长季枯草重量遥感估算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107145728A true CN107145728A (zh) | 2017-09-08 |
Family
ID=59774511
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710287530.2A Pending CN107145728A (zh) | 2017-04-27 | 2017-04-27 | 一种荒漠草原非生长季枯草重量遥感估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107145728A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764188A (zh) * | 2018-06-02 | 2018-11-06 | 太原理工大学 | 一种沙棘果品产量遥感精确估算方法 |
| CN111678871A (zh) * | 2020-06-16 | 2020-09-18 | 中国气象科学研究院 | 一种非生长季植被覆盖度遥感估算方法 |
| CN112016837A (zh) * | 2020-08-31 | 2020-12-01 | 中国气象科学研究院 | 一种基于气象数据的温带草原生长季末期枯落物量化方法 |
| CN113252583A (zh) * | 2021-06-25 | 2021-08-13 | 成都信息工程大学 | 一种基于枯草植被指数计算高寒枯草覆盖度的方法 |
| CN114781767A (zh) * | 2022-06-23 | 2022-07-22 | 成都信息工程大学 | 估算模型构建方法、估算方法、装置、计算机设备及介质 |
| CN115791866A (zh) * | 2023-01-13 | 2023-03-14 | 太原理工大学 | 基于热红外遥感数据的土壤含水率实时监测系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102393238A (zh) * | 2011-08-01 | 2012-03-28 | 高吉喜 | 一种草地地上干物质量遥感估测方法 |
| 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 |
| CN106092915A (zh) * | 2016-05-31 | 2016-11-09 | 太原理工大学 | 一种草地绿色植物与枯萎植物重量比例遥感估算方法 |
-
2017
- 2017-04-27 CN CN201710287530.2A patent/CN107145728A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102393238A (zh) * | 2011-08-01 | 2012-03-28 | 高吉喜 | 一种草地地上干物质量遥感估测方法 |
| 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 |
| CN106092915A (zh) * | 2016-05-31 | 2016-11-09 | 太原理工大学 | 一种草地绿色植物与枯萎植物重量比例遥感估算方法 |
Non-Patent Citations (3)
| Title |
|---|
| A.R.HUETE: "A soil-adjusted vegetation index（SAVI）", 《REMOTE SENSING OF ENVIRONMENT》 * |
| 周骏等: "《国产自肋烟、马里兰烟和晒红烟资源调查及工业可用性》", 31 December 2015 * |
| 汤健: "《基于频谱数据驱动的旋转机械设备负荷软测量》", 30 June 2015 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764188A (zh) * | 2018-06-02 | 2018-11-06 | 太原理工大学 | 一种沙棘果品产量遥感精确估算方法 |
| CN111678871A (zh) * | 2020-06-16 | 2020-09-18 | 中国气象科学研究院 | 一种非生长季植被覆盖度遥感估算方法 |
| CN112016837A (zh) * | 2020-08-31 | 2020-12-01 | 中国气象科学研究院 | 一种基于气象数据的温带草原生长季末期枯落物量化方法 |
| CN113252583A (zh) * | 2021-06-25 | 2021-08-13 | 成都信息工程大学 | 一种基于枯草植被指数计算高寒枯草覆盖度的方法 |
| CN114781767A (zh) * | 2022-06-23 | 2022-07-22 | 成都信息工程大学 | 估算模型构建方法、估算方法、装置、计算机设备及介质 |
| CN114781767B (zh) * | 2022-06-23 | 2022-10-28 | 成都信息工程大学 | 估算模型构建方法、估算方法、装置、计算机设备及介质 |
| CN115791866A (zh) * | 2023-01-13 | 2023-03-14 | 太原理工大学 | 基于热红外遥感数据的土壤含水率实时监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107145728A (zh) | 一种荒漠草原非生长季枯草重量遥感估算方法 | |
| Huang et al. | Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation | |
| Weng | Thermal infrared remote sensing for urban climate and environmental studies: Methods, applications, and trends | |
| CN106092915B (zh) | 一种草地绿色植物与枯萎植物重量比例遥感估算方法 | |
| CN102393238B (zh) | 一种草地地上干物质量遥感估测方法 | |
| Jia et al. | Long-term global land surface satellite (GLASS) fractional vegetation cover product derived from MODIS and AVHRR data | |
| CN110046415A (zh) | 一种时空精细化的土壤有机质含量遥感动态反演方法 | |
| Leng et al. | A practical algorithm for estimating surface soil moisture using combined optical and thermal infrared data | |
| Gao et al. | Using the random forest model and validated MODIS with the field spectrometer measurement promote the accuracy of estimating aboveground biomass and coverage of alpine grasslands on the Qinghai-Tibetan Plateau | |
| CN110927082A (zh) | 一种基于无人机成像高光谱遥感的冬小麦产量预测方法 | |
| Zhang et al. | A simple method for soil moisture determination from LST–VI feature space using nonlinear interpolation based on thermal infrared remotely sensed data | |
| CN102288954A (zh) | 一种草地植被覆盖度遥感估测方法 | |
| CN110427995A (zh) | 一种基于多源遥感数据的贝叶斯土壤水分估算方法 | |
| Yue et al. | Mapping winter-wheat biomass and grain yield based on a crop model and UAV remote sensing | |
| Zhong et al. | Estimation of hourly land surface heat fluxes over the Tibetan Plateau by the combined use of geostationary and polar-orbiting satellites | |
| CN103439297B (zh) | 一种荒漠草原绿色植物鲜重遥感估算方法 | |
| CN101629850A (zh) | 从modis数据反演地表温度方法 | |
| Zhou et al. | Observation and simulation of net primary productivity in Qilian Mountain, western China | |
| CN105631218A (zh) | 基于idtcm的遥感地表温度时间归一化方法 | |
| Ferrant et al. | Agro-hydrology and multi-temporal high-resolution remote sensing: toward an explicit spatial processes calibration | |
| Lou et al. | An effective method for canopy chlorophyll content estimation of marsh vegetation based on multiscale remote sensing data | |
| Chen et al. | Spatiotemporal variation of vegetation net primary productivity and its responses to climate change in the Huainan Coal Mining Area | |
| Smanov et al. | Mapping of Cornfield Soil Salinity in Arid and Semi-Arid Regions | |
| Bériaux et al. | Estimating surface-soil moisture for retrieving maize leaf-area index from SAR data | |
| Li et al. | UAV hyperspectral remote sensing estimation of soybean yield based on physiological and ecological parameter and meteorological factor in China |
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 |
Application publication date: 20170908 |
|
| RJ01 | Rejection of invention patent application after publication |