CN107145848A - 一种基于遥感数据的土壤风力侵蚀监测方法及系统 - Google Patents
一种基于遥感数据的土壤风力侵蚀监测方法及系统 Download PDFInfo
- Publication number
- CN107145848A CN107145848A CN201710288175.0A CN201710288175A CN107145848A CN 107145848 A CN107145848 A CN 107145848A CN 201710288175 A CN201710288175 A CN 201710288175A CN 107145848 A CN107145848 A CN 107145848A
- Authority
- CN
- China
- Prior art keywords
- target area
- remote sensing
- soil
- wind erosion
- factor
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 123
- 230000003628 erosive effect Effects 0.000 title claims abstract description 107
- 238000012544 monitoring process Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000007613 environmental effect Effects 0.000 claims abstract description 53
- 230000002123 temporal effect Effects 0.000 claims abstract description 23
- 238000001704 evaporation Methods 0.000 claims description 28
- 230000008020 evaporation Effects 0.000 claims description 28
- 238000001556 precipitation Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 abstract description 3
- 210000004209 hair Anatomy 0.000 description 12
- 230000008859 change Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000009834 vaporization Methods 0.000 description 4
- 230000008016 vaporization Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241001365789 Oenanthe crocata Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种基于遥感数据的土壤风力侵蚀监测方法及系统,所述方法包括:获取目标区域的遥感影像,根据遥感影像获取目标区域的环境遥感参数;根据环境遥感参数和风蚀气候因子优化模型获取目标区域不同特征的下垫面在不同的监测时空尺度下的风蚀气候因子;根据风蚀气候因子和环境遥感参数,利用土壤风蚀量估算优化模型获取目标区域在不同的监测时空尺度下的土壤风蚀量;所述系统用于执行上述方法。本发明实施例利用环境遥感参数,根据风蚀气候因子优化模型和土壤风蚀量估算优化模型获得目标区域不同时空分布的土壤风蚀量。实现对目标区域任何时空的土壤风蚀监测,实现了时空动态的土壤风蚀评估,提高了土壤风蚀评估的客观性与准确性。
Description
技术领域
本发明实施例涉及遥感技术领域,具体涉及一种基于遥感数据的土壤风力侵蚀监测方法及系统。
背景技术
风力侵蚀是指风力剥蚀、搬运和聚积土壤及其松散母质的过程,简称风蚀。它吹失土壤耕作层中的细土、养分,使心土甚至岩石裸露,降低土地生产力;在种植季节使种子裸露,或对幼苗产生机械损害;所产生的尘埃土沙进入大气,还造成环境污染。风力侵蚀尤其发生在干旱半干旱区域的风力侵蚀,可以导致的土壤养分流失、沙尘暴、植被破坏等问题,甚至导致大面积的荒漠化,严重威胁着区域可持续发展。因此,对土壤进行风力侵蚀的监测是一项必要的工作。
土壤风蚀的发生与发展取决于区域降水、风力等气候因素和地形、土壤质地、植被覆盖、土壤湿度等可蚀性因子。因此,现有技术大多数土壤风力侵蚀的研究模型和方法集中在气候和可蚀性因子上,并试图通过试验研究与理论分析相结合的方法,研究在气候特征和可蚀性因子之间建立定量关系,以进一步进行区域风力侵蚀模拟与分析。然而,现有技术的相关模型与方法由于数据源大多来自地面站点的气象数据和野外样点辅助数据(如植被盖度等),缺乏不同空间分布的土地利用、土壤质地、土壤湿度等动态的数据支持,只能在特定的时间、对特定的地区进行土壤风蚀的评估。因此很难进行时空动态的风力侵蚀评估,进一步对土壤风力侵蚀的监测结果造成了一定程度的影响。
因此,如何提出一种方法,能够提高土壤风力侵蚀监测的准确性,成为亟待解决的问题。
发明内容
针对现有技术中的缺陷,本发明实施例提供了一种基于遥感数据的土壤风力侵蚀监测方法及系统。
一方面,本发明实施例提供了一种基于遥感数据的土壤风力侵蚀监测方法,包括:
获取目标区域的遥感影像,根据所述遥感影像获取所述目标区域的环境遥感参数;
根据所述环境遥感参数利用风蚀气候因子优化模型获取所述目标区域不同特征的下垫面在不同的监测时空尺度下的风蚀气候因子;
根据所述风蚀气候因子和所述环境遥感参数利用土壤风蚀量估算优化模型获取所述目标区域不同特征的下垫面在所述不同的监测时空尺度下的土壤风蚀量。
进一步地,所述环境遥感参数包括:下垫面质地、土壤湿度、降水量、潜在蒸发量和植被覆盖度。
进一步地,所述风蚀气候因子优化模型为式中:RCwe表示所述风蚀气候因子,s表示监测时间步长,u表示2米高处所述监测时间步长内的平均风速,ETPi表示所述监测时间步长内的潜在蒸发量,Pi表示所述监测时间步长内的降水量。
进一步地,所述土壤风蚀量估算优化模型为式中:RE表示所述土壤风蚀量,m表示约束系数,0<m<1,E0表示参考土壤在无覆盖下的单位风蚀因子下的风蚀量,Cwe表示所述风蚀气候因子,K表示经验系数,K>0,Ct表示所述目标地区的植被覆盖度。
进一步地,所述方法还包括:利用公式m=m1×m2×m3×m4获取所述约束系数;
式中:m1表示土地类型约束系数,m2表示下垫面质地约束系数,m3表示土壤湿度约束系数,m4表示土壤表层覆盖约束系数,其中m1、m2、m3、m4的取值均为0到1之间常数。
进一步地,所述方法还包括:根据所述目标区域的遥感影像获取所述土地类型约束系数。
进一步地,根据所述目标区域的遥感影像,利用卫星反演技术获得所述目标区域的降水量。
进一步地,通过卫星遥感技术获取所述目标区域的瞬时潜在蒸发量,根据所述瞬时潜在蒸发量获取所述目标区域在所述监测时间内的潜在蒸发量。
另一方面,本发明实施例提供一种基于遥感数据的土壤风力侵蚀监测系统,包括:
遥感数据获取单元,用于获取目标区域的遥感影像,根据所述遥感影像获取所述目标区域的环境遥感参数;
风蚀气候因子获取单元,用于根据所述环境遥感参数利用风蚀气候因子优化模型获取所述目标区域不同特征的下垫面在不同的监测时空尺度下的风蚀气候因子;
土壤风蚀量监测单元,用于根据所述风蚀气候因子和所述环境遥感参数利用土壤风蚀量估算优化模型获取所述目标区域不同特征的下垫面在所述不同的监测时空尺度下的土壤风蚀量。
进一步地,所述环境遥感参数包括:下垫面质地、土壤湿度、降水量、潜在蒸发量和植被覆盖度。
本发明实施例提供的基于遥感数据的土壤风力侵蚀监测方法和系统,利用遥感影像,获取目标区域的环境遥感参数,进一步利用风蚀气候因子优化模型获得目标区域的风蚀气候因子,结合植被覆盖度,利用土壤风蚀量估算优化模型可以获得目标区域不同时间和不同空间分布的土壤风蚀量。实现对目标区域任何时间任何空间的土壤风蚀监测,实现了时空动态的土壤风蚀评估,提高了土壤风蚀评估的准确性。
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一简单地介绍,显而易见地,下面描述中的附图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为本发明实施例中基于遥感数据的土壤风力侵蚀监测方法流程示意图;
图2为本发明实施例中又一基于遥感数据的土壤风力侵蚀监测方法流程示意图;
图3为本发明实施例中日潜在蒸发余弦曲线变化图;
图4为本发明实施例中基于遥感数据的土壤风力侵蚀监测系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例中基于遥感数据的土壤风力侵蚀监测方法流程示意图,如图1所示,本发明实施例提供的基于遥感数据的土壤风力侵蚀监测方法包括:
S1、获取目标区域的遥感影像,根据所述遥感影像获取所述目标区域的环境遥感参数;
S2、根据所述环境遥感参数利用风蚀气候因子优化模型获取所述目标区域不同特征的下垫面在不同的监测时空尺度下监测时间内的风蚀气候因子;
S3、根据所述风蚀气候因子和所述环境遥感参数利用土壤风蚀量估算优化模型获取所述目标区域不同特征的下垫面在所述不同的监测时空尺度下的土壤风蚀量。
具体地,获取目标区域的遥感影像,根据获取到的遥感影像可以获取到目标区域的环境遥感参数,所述环境遥感参数包括:下垫面质地、土壤湿度、降水量、潜在蒸发量和植被覆盖度,当然根据需要还可以包括其他环境遥感参数,此外,根据需要还可以获取目标区域在监测时间内的平均风速。因为遥感影像可以是卫星图片,这样根据遥感影像可以获取到目标区域不同特征的下垫面任何时间内的环境遥感参数,并且可以获取到不同特征的下垫面的目标区域的任何空间格局的目标区域的环境遥感参数。目标区域不同特征的下垫面是指目标区域的下垫面质地不同的区域。获取到目标区域的环境遥感参数后,根据获取到的环境遥感数利用风蚀气候因子优化模型获取目标区域不同特征的下垫面在不同的监测时空尺度下的风蚀气候因子。即获取目标区域不同监测时间不同空间分布对应的风蚀气候因子。再根据风蚀气候因子与土壤风蚀强弱程度之间的关系,利用土壤风蚀量估算优化模型获取目标区域不同特征的下垫面在不同的监测时空尺度下的土壤风蚀量,完成对目标区域土壤风蚀的监测。
本发明实施例提供的基于遥感数据的土壤风力侵蚀监测方法,利用遥感影像,获取目标区域不同特征的下垫面的不同的监测时空尺度下环境遥感参数,利用风蚀气候因子优化模型和土壤风蚀量估算优化模型可以实现对目标区域任何时间任何空间的土壤风蚀监测,实现时空动态的土壤风蚀评估,提高了土壤风蚀评估的准确性。
在上述实施例的基础上,所述风蚀气候因子优化模型为
式中:RCwe表示所述风蚀气候因子,s表示监测时间步长,u表示2米高处所述监测时间步长内的平均风速,ETPi表示所述监测时间步长内的潜在蒸发量,Pi表示所述监测时间步长内的降水量。
具体地,本发明实施例中使用的是遥感数据,即可以获取任何时间任何空间格局的目标区域的环境遥感参数,并对风蚀气候因子的计算方法做了适应性的改进。本发明实施例根据获取到的目标区域的环境遥感参数,利用如下公式(1)获取目标区域的风蚀气候因子:
式中:RCwe——表示风蚀气候因子;
S——表示监测时间步长,即预设的固定时间步长,可以取1天、5天、7天、1个月等;
U——表示2米高处监测时间步长内的平均风速(m/s);
ETPi——表示监测时间步长内的潜在蒸发量(mm);
Pi——表示监测时间步长内的降水量(mm)。
可以看出,只要获取到目标区域的环境遥感参数,即可以根据上述公式(1)获得目标区域在任意监测时间内的风蚀气候因子。本发明实施例可以获取任何时间任何空间的的环境遥感参数,并且根据获取的环境遥感参数的特点,对风蚀气候因子的获取方法做了相应的改进,可以获取任何时间任何空间的风蚀气候因子,可以实现对目标区域任何时间任何空间的土壤风蚀监测,实现时空动态的土壤风蚀评估,提高了土壤风蚀评估的准确性。
在上述实施例的基础上,所述所述土壤风蚀量估算优化模型为式中:RE表示所述土壤风蚀量,m表示约束系数,0<m<1,E0表示参考土壤在无覆盖下的单位风蚀因子下的风蚀量,Cwe表示所述风蚀气候因子,K表示经验系数,K>0,Ct表示所述目标地区的植被覆盖度。
具体地,根据获取的环境遥感参数获取到风蚀气候因子后,因为风蚀气候因子的动态变化、植被覆盖地面的时空变化及风蚀强弱程度三者之间具有良好的相关性。以此为基础,根据土壤风蚀程度与植被覆盖度状况之间的关系、土壤风蚀量与风蚀气候因子之间的关系及土壤风蚀量、风蚀气候因子之间与植被覆盖度都具有随时间变化的特点,本发明实施例采用如下公式(2)获取目标区域的土壤风蚀量:
式中:RE——表示土壤风蚀量,103kg.km-2;
m——表示约束系数,0<m<1;
E0——表示参考土壤在无覆盖下的单位风蚀因子下的风蚀量,103kg·km-2,对于特定的地区E0是一个常数;
Cwe——表示风蚀气候因子;
K——表示经验系数,K>0,是一个预设值;
Ct——表示目标地区的植被覆盖度。
式中t为时间(月),t1、t2为上下限,如:若监测时间为月则t1、t2的取值范围为1~12,若监测时间为天则t1、t2的取值范围为1~365,若监测时间为5天则取值范围为1~73(365/5=73)等。可以看出,根据上述公式(1)、(2)可以获取到一年内任意目标区域任意时间范围内的土壤风蚀量E。
此外,上述公式(2)中的约束系数m可以采用如下公式(3)获取:
m=m1×m2×m3×m4 (3)
式中:m1——表示土地类型约束系数,其中土地类型可以包括:农田、城市、林地、草地、水体、沙漠等;
m2——表示下垫面质地约束系数,其中下垫面质地可以包括:石质、沙质、土质、水泥地等;
m3——表示土壤湿度系数;
m4——表示土壤表层覆盖约束系数,土壤表层覆盖可以包括:雪盖、表层结壳等;
其中m1、m2、m3和m4均为大于0小于1的常数。
m1中的土地利用类型主要来自遥感影像分类得到的结果,根据土地利用类型分别赋值,即可以预先根据遥感影像对各个区域的土地利用类型进行分类,将不同的土地利用类型赋予不同的值作为土地利用类型系数。这样可以根据目标区域的遥感影像获取目标区域的土地利用类型,再根据目标区域的土地利用类型设置土地类型约束系数m1。m2为下垫面质地系数,可以结合遥感数据、土壤类型数据和野外调查数据综合研判,设置目标区域的下垫面质地系数m2;m3为土壤湿度系数,可以通过微波遥感反演的技术与方法得到表层土壤湿度,进一步设置土壤湿度系数m3;m4为土壤表层覆盖系数,可以使用微波或光学遥感得到雪盖、结壳等覆盖信息,根据获取到的目标区域的土壤表层覆盖信息,设置土壤表层覆盖系数m4。
图2为本发明实施例中又一基于遥感数据的土壤风力侵蚀监测方法流程示意图,如图2所示,根据遥感图像,获取到目标区域的平均风速、降水量、潜在蒸发量和植被覆盖度等环境遥感参数后,对数据进行简单的处理,根据目标区域在监测时间内的平均风速u、降水量Pi、以及潜在蒸发量ETPi,可以利用上述公式(1)获取到目标区域的风蚀气候因子,再结合植被覆盖度Ct,利用上述公式(2),即可以得到目标区域的土壤风蚀量。
可以看出,通过卫星遥感影像,利用微波遥感反演等技术,获取到目标区域的环境遥感参数以及约束系数后,即可以利用上述公式(1)、(2)和(3)获取到目标区域任意时间内的风蚀气候因子和土壤风蚀量,实现土壤风蚀的监测。关于目标区域的环境遥感参数可以采用如下方法进行获取:
关于降水量,本发明实施例可以根据获得的遥感影像,通过时间序列的TRMM、FY系列卫星反演可以得到目标区域的降水分布数据,进一步可以得到任何时间步长和任何空间格局的降水量数据。
关于潜在蒸发量,本发明实施例可以通过卫星遥感技术获取所述目标区域的瞬时潜在蒸发量,根据所述瞬时潜在蒸发量获取所述目标区域在所述监测时间内的潜在蒸发量。具体可以采用如下方法获得目标区域在监测时间内的潜在蒸发量:
Priestley-Taylor是在平衡蒸发(当下垫面上空的空气趋于饱和或当下垫面的湿度与空气相等时的蒸发)的基础上,引入常数α,从而推导出无平流条件下潜在蒸散发的计算公式,其与Penman公式的主要差别在于没有考虑空气动力项,Priestley-Taylor公式的表达式如下公式(4):
式中:Etp——为潜在蒸散发,mm;α——为Priestley-Taylor系数;Rn——为地表净辐射量,W/m2;G——为土壤热通量,W/m2;λ——为汽化潜热,MJ/kg;Δ为——饱和水气压-温度曲线斜率,kPa/℃;γ为干湿表常数,kPa/℃;。关于α的取值,分析了海洋和大陆范围饱和陆面资料,认为α最佳取值为1.26。
其中,饱和水汽压曲线斜率Δ可以采用如下公式(5)计算:
式中:Ta——气温,℃。
干湿表常数可以采用如下公式(6)计算:
式中:Cp——为空气定压比热,取值1.013×10-3MJ.kg-1.℃-1(指一定气压下,单位体积的空气温度升高1℃所需的能量为1.013×10-3MJ·kg-1·℃-1);Pr是大气压,kPa;ε是水汽分子量与干空气分子量之比,值为0.622;λ是汽化潜热,取值2.45MJ/kg;
其中汽化潜热λ也可通过下式(7)计算:
λ=2.50-0.0022Ta (7)
式中:Ta——气温,℃。
其中,区域尺度上大气压基于海拔估算,具体可以采用如下公式(8):
式中:H——为海拔高度,m,由DEM图获取。
通过上述公式(4)-(8)可以计算出瞬时潜在蒸散发量,而本发明实施例中所需的为日潜在蒸散发量,需进行转换。在晴朗天气条件下,农田上太阳辐射平衡各分量和农田蒸散量的日变化曲线呈正弦变化形式。因此,本发明实施例采用正弦曲线法求算潜在蒸散发的日过程,当达到农田上的净辐射与土壤热通量之差为零时,蒸发速率为零,一般出现在日出后1小时和日出前1小时左右,图3为本发明实施例中日潜在蒸发余弦曲线变化图,如图3所示,潜在蒸散发的日变化过程呈现余弦曲线的变化趋势。最大潜在蒸散发量出现在当地正午时间,通过该最大值可计算出曲线上任何时间点的潜在蒸散发,具体可以采用如下公式(9)进行计算:
式中:ETp_max——为日最大潜在蒸散发量;t为任意时间点,trise,tset分别为日出时间和日落时间,分别对应净辐射变为正和变为负的当地时间,可通过纬度和日期计算得到。
通过遥感技术能获取卫星过境时刻的净辐射量以及大气温度可由Priestley-Taylor公式估算卫星过境时刻的瞬时潜在蒸散发量,结合余弦曲线法即可估算日最大潜在蒸散发量,具体可以采用如下公式(10)进行计算:
式中:INETp为卫星过境时刻的潜在蒸散发,tpass为卫星过境时刻的当地时间。
由此,日潜在蒸散发总量可以采用如下公式(11)进行计算:
通过上述方法,即可计算出有遥感数据的日潜在蒸散发量,当然根据需要改变积分上下限可以获取任意时间内的潜在蒸发量。
对于植被覆盖度,可以采用如下公式(12)获得:
式中,Ct——为植被覆盖度,NDVI——为归一化植被指数,NDVImax——为NDVI的最大值,NDVImin——为NDVI的最小值,Binr——为近红外波段的反射率,Br——为红波段的反射率。
本发明实施例提供的基于遥感数据的土壤风力侵蚀监测方法,利用遥感影像,获取目标区域的不同特征的下垫面在不同的监测时空尺度下环境遥感参数,进一步获得目标区域不同特征的下垫面在不同的监测时空尺度下的风蚀气候因子,结合植被覆盖度,可以获得目标区域的土壤风蚀量。实现对目标区域任何时间任何空间的土壤风蚀监测,实现了时空动态的土壤风蚀评估,提高了土壤风蚀评估的准确性。
图4为本发明实施例中基于遥感数据的土壤风力侵蚀监测系统的结构示意图,如图4所示,本发明实施例提供的土壤风力侵蚀监测系统包括:遥感数据获取单元41、风蚀气候因子获取单元42和土壤风蚀量监测单元43,其中:
遥感数据获取单元41用于获取目标区域的遥感影像,根据所述遥感影像获取所述目标区域的环境遥感参数;风蚀气候因子获取单元42用于根据所述环境遥感参数利用风蚀气候因子优化模型获取所述目标区域不同特征的下垫面在不同的监测时空尺度下的风蚀气候因子;土壤风蚀量监测单元43用于根据所述风蚀气候因子和所述环境遥感参数利用土壤风蚀量估算优化模型获取所述目标区域不同特征的下垫面在所述不同的监测时空尺度下的土壤风蚀量。
具体地,遥感数据获取单元41获取目标区域的遥感影像,根据获取到的遥感影像可以获取到目标区域的环境遥感参数,环境遥感参数包括:下垫面质地、土壤湿度、降水量、潜在蒸发量和植被覆盖度,当然根据需要还可以包括其他环境遥感参数,此外,根据需要还可以获取目标区域在监测时间内的平均风速。因为遥感影像可以是卫星图片,这样根据遥感影像可以获取到目标区域不同特征的下垫面任何时间内的环境遥感参数,并且可以获取到不同特征的下垫面的目标区域任何空间格局的目标区域的环境遥感参数。获取到目标区域的环境遥感参数后,风蚀气候因子获取单元42根据获取到的环境遥感数利用风蚀气候因子优化模型获取目标区域不同特征的下垫面在不同的监测时空尺度下的风蚀气候因子。土壤风蚀量监测单元43再根据风蚀气候因子与土壤风蚀强弱程度之间的关系,利用土壤风蚀量估算优化模型获取目标区域不同特征的下垫面在不同的监测时空尺度下的土壤风蚀量,完成对目标区域土壤风蚀的监测。
其中,目标区域的环境遥感参数的获取方法以及风蚀气候因子、土壤风蚀量的具体计算方法,同上述实施例一致,此处不再赘述。
本发明实施例提供的土壤风力侵蚀监测系统用于执行上述方法,其具体实施方式同上述实施例一致,此处不再赘述。
本发明实施例提供的基于遥感数据的土壤风力侵蚀监测方法和系统,利用遥感影像,获取目标区域不同特征的下垫面的不同的监测时空尺度下环境遥感参数,利用风蚀气候因子优化模型进一步获得目标区域的风蚀气候因子,结合植被覆盖度,利用土壤风蚀量估算优化模型可以获得目标区域的土壤风蚀量。实现对目标区域任何时间任何空间的土壤风蚀监测,实现了时空动态的土壤风蚀评估,提高了土壤风蚀评估的准确性。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于遥感数据的土壤风力侵蚀监测方法,其特征在于,包括:
获取目标区域的遥感影像,根据所述遥感影像获取所述目标区域的环境遥感参数;
根据所述环境遥感参数利用风蚀气候因子优化模型获取所述目标区域不同特征的下垫面在不同的监测时空尺度下的风蚀气候因子;
根据所述风蚀气候因子和所述环境遥感参数利用土壤风蚀量估算优化模型获取所述目标区域不同特征的下垫面在所述不同的监测时空尺度下的土壤风蚀量。
2.根据权利要求1所述的方法,其特征在于,所述环境遥感参数包括:下垫面质地、土壤湿度、降水量、潜在蒸发量和植被覆盖度。
3.根据权利要求2所述的方法,其特征在于,所述风蚀气候因子优化模型为获取所述风蚀气候因子;
式中:RCwe表示所述风蚀气候因子,s表示监测时间步长,u表示2米高处所述监测时间步长内的平均风速,ETPi表示所述监测时间步长内的潜在蒸发量,Pi表示所述监测时间步长内的降水量。
4.根据权利要求3所述的方法,其特征在于,所述土壤风蚀量估算优化模型为式中:RE表示所述土壤风蚀量,m表示约束系数,0<m<1,E0表示参考土壤在无覆盖下的单位风蚀因子下的风蚀量,Cwe表示所述风蚀气候因子,K表示经验系数,K>0,Ct表示所述目标地区的植被覆盖度。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:利用公式m=m1×m2×m3×m4获取所述约束系数;
式中:m1表示土壤类型约束系数,m2表示下垫面质地约束系数,m3表示土壤湿度约束系数,m4表示土壤表层覆盖约束系数,其中m1、m2、m3、m4的取值均为0到1之间的常数。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:根据所述目标区域的遥感影像获取所述土地类型约束系数。
7.根据权利要求2所述的方法,其特征在于,所述方法还包括:根据所述目标区域的遥感影像,利用卫星反演技术获得所述目标区域的降水量。
8.根据权利要求2所述的方法,其特征在于,所述方法还包括:通过卫星遥感技术获取所述目标区域的瞬时潜在蒸发量,根据所述瞬时潜在蒸发量获取所述目标区域在所述监测时间内的潜在蒸发量。
9.一种基于遥感数据的土壤风力侵蚀监测系统,其特征在于,所述系统包括:
遥感数据获取单元,用于获取目标区域的遥感影像,根据所述遥感影像获取所述目标区域的环境遥感参数;
风蚀气候因子获取单元,用于根据所述环境遥感参数利用风蚀气候因子优化模型获取所述目标区域不同特征的下垫面在不同的监测时空尺度下的风蚀气候因子;
土壤风蚀量监测单元,用于根据所述风蚀气候因子和所述环境遥感参数利用土壤风蚀量估算优化模型获取所述目标区域不同特征的下垫面在所述不同的监测时空尺度下的土壤风蚀量。
10.根据权利要求9所述的系统,其特征在于,所述环境遥感参数包括:下垫面质地、土壤湿度、降水量、潜在蒸发量和植被覆盖度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710288175.0A CN107145848B (zh) | 2017-04-27 | 2017-04-27 | 一种基于遥感数据的土壤风力侵蚀监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710288175.0A CN107145848B (zh) | 2017-04-27 | 2017-04-27 | 一种基于遥感数据的土壤风力侵蚀监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107145848A true CN107145848A (zh) | 2017-09-08 |
CN107145848B CN107145848B (zh) | 2019-10-01 |
Family
ID=59775065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710288175.0A Expired - Fee Related CN107145848B (zh) | 2017-04-27 | 2017-04-27 | 一种基于遥感数据的土壤风力侵蚀监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107145848B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400014A (zh) * | 2019-07-23 | 2019-11-01 | 华东师范大学 | 一种基于gis栅格运算的沿海城市多源洪涝数值模拟方法 |
CN110597932A (zh) * | 2019-07-05 | 2019-12-20 | 袁静 | 一种基于遥感影像的环境综合评估预测方法 |
CN110780297A (zh) * | 2019-09-30 | 2020-02-11 | 中国国土勘测规划院 | 一种采用星载合成孔径雷达监测土壤侵蚀的方法与系统 |
CN111489063A (zh) * | 2020-03-25 | 2020-08-04 | 北京师范大学 | 一种评估风力发电机对周边环境影响的方法及系统 |
CN111539608B (zh) * | 2020-04-16 | 2021-01-22 | 生态环境部南京环境科学研究所 | 一种土地沙化敏感性评价精细化划定方法 |
CN113343488A (zh) * | 2021-06-29 | 2021-09-03 | 河北省科学院地理科学研究所 | 包含砾石和植被因子的风蚀速率估算模型及其构建方法 |
CN117520775A (zh) * | 2023-11-14 | 2024-02-06 | 西南交通大学 | 一种土壤风蚀对表层土壤有机碳库影响的评估方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609615A (zh) * | 2012-01-20 | 2012-07-25 | 浙江大学 | 基于修正通用水土流失方程的水土流失遥感动态监测方法 |
CN102661842A (zh) * | 2012-04-19 | 2012-09-12 | 北京地拓科技发展有限公司 | 一种定量估算年土壤风蚀量的方法及装置 |
CN103293285A (zh) * | 2013-06-01 | 2013-09-11 | 西北农林科技大学 | 一种在流域或区域尺度上的土壤侵蚀测定方法 |
CN103808487A (zh) * | 2014-03-04 | 2014-05-21 | 北京林业大学 | 一种测量并计算风蚀模型的方法 |
CN104376216A (zh) * | 2014-11-20 | 2015-02-25 | 尚可政 | 一种包含人为因素和自然因素的土壤风蚀模型 |
-
2017
- 2017-04-27 CN CN201710288175.0A patent/CN107145848B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609615A (zh) * | 2012-01-20 | 2012-07-25 | 浙江大学 | 基于修正通用水土流失方程的水土流失遥感动态监测方法 |
CN102661842A (zh) * | 2012-04-19 | 2012-09-12 | 北京地拓科技发展有限公司 | 一种定量估算年土壤风蚀量的方法及装置 |
CN103293285A (zh) * | 2013-06-01 | 2013-09-11 | 西北农林科技大学 | 一种在流域或区域尺度上的土壤侵蚀测定方法 |
CN103808487A (zh) * | 2014-03-04 | 2014-05-21 | 北京林业大学 | 一种测量并计算风蚀模型的方法 |
CN104376216A (zh) * | 2014-11-20 | 2015-02-25 | 尚可政 | 一种包含人为因素和自然因素的土壤风蚀模型 |
Non-Patent Citations (1)
Title |
---|
吴芳芳等: "准东地区土壤风蚀影响因子分析与风蚀量估算", 《水土保持学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597932A (zh) * | 2019-07-05 | 2019-12-20 | 袁静 | 一种基于遥感影像的环境综合评估预测方法 |
CN110400014A (zh) * | 2019-07-23 | 2019-11-01 | 华东师范大学 | 一种基于gis栅格运算的沿海城市多源洪涝数值模拟方法 |
CN110780297A (zh) * | 2019-09-30 | 2020-02-11 | 中国国土勘测规划院 | 一种采用星载合成孔径雷达监测土壤侵蚀的方法与系统 |
CN110780297B (zh) * | 2019-09-30 | 2023-05-23 | 中国国土勘测规划院 | 一种采用星载合成孔径雷达监测土壤侵蚀的方法与系统 |
CN111489063A (zh) * | 2020-03-25 | 2020-08-04 | 北京师范大学 | 一种评估风力发电机对周边环境影响的方法及系统 |
CN111489063B (zh) * | 2020-03-25 | 2022-03-22 | 北京师范大学 | 一种评估风力发电机对周边环境影响的方法及系统 |
CN111539608B (zh) * | 2020-04-16 | 2021-01-22 | 生态环境部南京环境科学研究所 | 一种土地沙化敏感性评价精细化划定方法 |
CN113343488A (zh) * | 2021-06-29 | 2021-09-03 | 河北省科学院地理科学研究所 | 包含砾石和植被因子的风蚀速率估算模型及其构建方法 |
CN113343488B (zh) * | 2021-06-29 | 2022-03-04 | 河北省科学院地理科学研究所 | 包含砾石和植被因子的风蚀速率估算模型及其构建方法 |
CN117520775A (zh) * | 2023-11-14 | 2024-02-06 | 西南交通大学 | 一种土壤风蚀对表层土壤有机碳库影响的评估方法及系统 |
CN117520775B (zh) * | 2023-11-14 | 2024-06-04 | 西南交通大学 | 一种土壤风蚀对表层土壤有机碳库影响的评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107145848B (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145848B (zh) | 一种基于遥感数据的土壤风力侵蚀监测方法及系统 | |
Yang et al. | Enhancing hydrologic modelling in the coupled weather research and forecasting–urban modelling system | |
Kato et al. | Estimation of storage heat flux in an urban area using ASTER data | |
Goulden et al. | Evapotranspiration along an elevation gradient in California's Sierra Nevada | |
Giorgi et al. | Representation of heterogeneity effects in earth system modeling: Experience from land surface modeling | |
Hafner et al. | Urban heat island modeling in conjunction with satellite-derived surface/soil parameters | |
Al Zayed et al. | Satellite-based evapotranspiration over Gezira Irrigation Scheme, Sudan: A comparative study | |
Wang et al. | Spatial and seasonal variations in evapotranspiration over Canada's landmass | |
Cheruy et al. | Combined influence of atmospheric physics and soil hydrology on the simulated meteorology at the SIRTA atmospheric observatory | |
Chen et al. | Effects of topography on simulated net primary productivity at landscape scale | |
Hadeel et al. | Application of remote sensing and GIS in the study of environmental sensitivity to desertification: a case study in Basrah Province, southern part of Iraq | |
Hwang et al. | Seasonal trends of satellite-based evapotranspiration algorithms over a complex ecosystem in East Asia | |
CN106169014A (zh) | 基于遥感数据的区域地表感热/潜热通量反演方法及系统 | |
Liaqat et al. | Accuracy comparison of remotely sensed evapotranspiration products and their associated water stress footprints under different land cover types in Korean peninsula | |
Bourque et al. | Seasonal snow cover in the Qilian Mountains of Northwest China: Its dependence on oasis seasonal evolution and lowland production of water vapour | |
Wang et al. | Estimation of net primary productivity using a process-based model in Gansu Province, Northwest China | |
Burchard‐Levine et al. | A remote sensing‐based three‐source energy balance model to improve global estimations of evapotranspiration in semi‐arid tree‐grass ecosystems | |
Ovalle et al. | Analysing the land use/land cover influence on land surface temperature in San Luis Potosí Basin, México using remote sensing techniques | |
Dimri | Wintertime land surface characteristics in climatic simulations over the western Himalayas | |
Qiu et al. | Exploring spatiotemporal patterns and physical controls of soil moisture at various spatial scales | |
Buri et al. | Land Surface Modeling in the Himalayas: On the Importance of Evaporative Fluxes for the Water Balance of a High‐Elevation Catchment | |
Wang et al. | A multiyear assessment of irrigation cooling capacity in agricultural and urban settings of Central Arizona | |
Song et al. | Interannual variability of regional evapotranspiration under precipitation extremes: a case study of the Youngsan River basin in Korea | |
Saadi | Spatial estimation of actual evapotranspiration and irrigation volumes using water and energy balance models forced by optical remote sensing data (VIS/NIR/TIR) | |
Wang et al. | Regional estimates of evapotranspiration over Northern China using a remote-sensing-based triangle interpolation method |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191001 |
|
CF01 | Termination of patent right due to non-payment of annual fee |