CN108596379A - 一种预测陆地生态系统植物群落覆被的技术与装置 - Google Patents
一种预测陆地生态系统植物群落覆被的技术与装置 Download PDFInfo
- Publication number
- CN108596379A CN108596379A CN201810347874.2A CN201810347874A CN108596379A CN 108596379 A CN108596379 A CN 108596379A CN 201810347874 A CN201810347874 A CN 201810347874A CN 108596379 A CN108596379 A CN 108596379A
- Authority
- CN
- China
- Prior art keywords
- plant
- soil
- cover
- parameter
- equation
- 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
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明针对陆地生态系统植物群落覆被观测时间较短、观测误差较高、长期连续人工观测工作量大、效率低的缺点,发明了一种能生成长时间序列、以两周为时间精度的植物覆被技术,可以用于定量描述在气候变化和人类扰动条件下植物群落覆被的变化。该技术首先运用土壤分析仪和植物监测设备获取土壤粒径和植物参数,结合土壤数据库获取土壤水文参数。然后运用动态植被模型模拟植物群落覆被,同时用数码照相机成像获取实测植物覆被,验证模拟结果并修正数据库中的土壤水文和植被参数。该技术和装置具有成本低、预测准确性高、适用范围广的特点,对陆地生态系统植物动态研究和生物多样性保护具有重要的指示意义。
Description
技术领域
本发明属于陆地生态系统生物监测领域,涉及一种利用土壤分析仪和植物监测装置获取土壤水文和植被参数,依靠数学建模模拟产生长时间序列植物覆被数据,并运用数码成像校正模型参数的技术和装置。
背景技术
随着社会经济的持续发展,由气候变化和人类活动导致的环境和生态问题日益突出。气候变化和人类活动显著改变了陆地生态系统植物群落的组成和多样性。植物作为初级生产者是塑造陆地生态系统的关键组分,对环境变化的响应相对其它生态系统组分更加敏感。植物覆被(覆盖度)相对其它植物生理生态特征可以更直观的反映植物的生长状况。植物覆被受很多环境因子的驱动,如降水、温度、光照、土壤水分和养分等。当某地区植物分布较稀疏时,人为观测的误差较小;反之当地区植物生长旺盛,植物密集的分布会导致部分植物叶片重叠,增加人为观测的误差。此外,一些地区自然地理条件较差或经济发展较落后,不便于植物覆被长时间的人工观测,耗时且成本较高。然而这些地区的生态系统通常受人类扰动的影响较大或生态系统具有较高的脆弱性,因此开发适用于这些地区的植物监测技术和设备,可以有效减缓和预防自然灾害和人类社会经济活动对生态系统的影响,对保护关键生物物种和生物多样性起着重要的作用。
近年来国内外学者对植物覆被及其影响因素进行了较深入的研究。国内,人类活动如旅游、过度放牧和开垦导致草地生态系统严重退化,草地生物量和盖度显著减少,同时优势种发生演替(马旭晨&栗忠飞,2017)。同时草地退化程度的加剧导致禾草类和莎草类的盖度减少而杂草类的盖度增加,相关分析表明植物覆被与土壤含水量之间呈显著的正相关关系(王文颖等,2004),然而这些研究结果基于的观测时间相对较短,仅为一年,不同年际间的降水和温度通常差异很大,会导致植物覆被响应的变化。有学者通过NDI法对数码照片的处理,实现了植被覆盖度的快速提取,同时用监督分类法提取相同数码照片的植被覆盖。结果表明两种方法估算的植被覆盖度均能达到较高的准确性(任杰等,2010)。有学者提出了一种利用过绿特征植被指数和半自动阈值设定算法从数码照片中快速计算草地植被覆盖度的方法,计算结果准确客观,适用性强,然而对绿色特征不明显的植物群落效果不佳(胡健波等,2011)。有学者利用植被判定流程图法对数码照片进行处理并计算植被盖度,结果表明该方法优于NDI法,是一种准确、高效、提取信息全面的方法。这些研究表明数码照相法是一种成熟可靠的获取实测植物覆被的方法,而预测植物覆被的技术目前还处于空白地带。国外,Wanda et al.(2015)发现温度异常事件对植物覆被的影响在高纬度地区和低纬度地区之间是有差异的。Bunting et al.(2016)模拟了不同温度和降水场景下木本植物和草本植物覆被的空间格局。
检索发现测量植物盖度的发明专利,申请号为CN89203277.4,名称为植被盖度计,公开号为CN2048574,该装置是一种测量草地植被盖度的电子仪器,该仪器利用被测面积上植被所反射的光强因盖度的不同而变化,通过光电转换元件经放大电路处理后,根据电流的大小由显示仪表量度被测面积的实际盖度,既可测量多种植被盖度又可以对草场产量实施监测,具有测量精度高,适用范围广,便于拆装携带等优点。
检索发现用数码相机估算植被盖度的发明专利,申请号为CN200910079454.1,名称为由数码照片估计植被盖度的方法,公开号为CN101493894,该发明是一种由数码照片估计植被盖度的方法,其特征在于,包括:首先对需估算的测区拍摄数码照片;然后利用仿射变换模型对所述数码照片进行几何校正;之后根据校正后的数码照片像素的颜色信息识别植被像素和非植被像素,并根据识别的信息估算所述测区的植被盖度。
由此可见,结合植物覆被模拟系统和数码照相设备获取长时间序列的植物覆被数据是十分必要的,该技术对定量评估气候变化和人类活动对陆地生态系统植物群落组成和多样性的影响具有重要意义。
发明内容
本发明针对当前陆地生态系统植物群落覆被观测数据时间较短,缺乏连续观测的不足,同时为了评估气候变化和人类活动对植物组成和多样性的影响,提供了一种集成动态植被模型模拟和数码拍照成像的植物群落覆被生成技术和装置,可以预测植物覆被的变化,取代传统的人工观测法,该技术具有以下优点:
(1)生成长时间序列,准确性高的植物覆被数据
(2)观测成本低,适用于不同地区植物群落覆被的观测
(3)可以定量预测环境变化对陆地生态系统植物群落动态的影响
附图说明
图1预测植物群落覆被的流程图
图2生成一年中植物群落覆被
具体实施方式
以下详细说明本发明的工作原理及装置构造:
(1)装置
各装置详细说明如下:
1)样品预处理系统
首先对采集的土壤样品过筛,去除体积较大的固体杂质;同时对采集的植物样品进行枝、叶和根等组织的分离,便于称重植物各组分的质量,获取相应的植物参数;
2)土壤粒径分析仪
土壤水文参数取决于土壤的质地,土壤质地主要依据土壤粒径(粉沙土、沙土、壤土和粘土)进行分类;3)植物监测设备
测量植物各组分的重量获取不同的植物参数。例如,根据叶的重量变化得到植物生长速率,根据土地表面及直立部分叶和枝的重量得到植物的死亡速率,根据根的重量变化得到植物吸收土壤水分及养分的速率,同时获取植物根随土壤深度的分布状况。通过测量生长样地及周围裸地的植物生物量得到植物的扩散繁殖速率;
4)数据库
数据库采用Microsoft Office Access 2010建立,数据库分为土壤水文参数数据库和植物参数数据库。录入不同土壤质地下的土壤水文参数。植物参数依据第3)步的计算结果;
5)植物覆被模拟系统
植物覆被模拟系统的工作平台采用笔记本电脑戴尔燃7000,操作系统采用Windows 10,软件支持平台采用Eclipse,利用C++计算机编程语言进行开发,植物覆被的模拟主要通过土壤水文和植物两个子模型的相互作用实现;
6)数码照相系统
数码照相机采用佳能G1X MarkⅢ,有效像素为2420万,具备F2.8-5.6的大光圈镜头,用于拍摄25到50平方米样地的图像,提取图像中的植物覆被部分,之后通过实时传输线路将处理后的数据传输到植物覆被模拟系统和数据库;
7)辅助设备
辅助设备包括电源设备、连接线路等;
(2)植物覆被的模拟
本系统的核心是生成长时间序列的植物群落覆被数据。该模拟基于生态系统过程的植被动态模型。模型的运行基于元胞自动机算法,包括两个子模型水文模型和植被模型:水文模型围绕土壤水分进行方程构建,主要过程包括降水、蒸散发、水分下渗、土壤不同层间的水分扩散、由地形因素引起的地表径流。植被模型围绕植物覆被进行方程搭建,主要过程包括植被的生长、死亡、繁殖、对空间和资源的竞争。植物覆被的输出以每两周为计算的时间精度。每一个元胞代表的面积是5×5m2。模型中包含的植物类型为多年生草本,一年生草本和木本植物;
水文过程主要方程:
方程(1)中,WS代表土壤湿度,P代表降水,ES代表土壤蒸发,TP代表植物蒸腾,I代表水分下渗,Rout代表地表径流流出;
I=K×na×Sf×WS×(1-cover×0.5) (2)
方程(2)中,K代表水力电导率,na代表土壤孔隙度,Sf代表土壤结构吸力参数,这些土壤水文参数从土壤水文参数数据库中获取,cover代表植物覆被;
方程(3)中,ET代表实际蒸散发,af代表校正因子,代表天均温度,Tmax代表天最高温度,Tmin代表天最低温度,Ra代表太阳辐射参数,这些气象参数从中国气象数据网(data.cma.cn)下载获取,slope代表的是样点所在地区坡度,alt代表的是样点所在地区海拔;
ES=ET×(1-b×cover) (4)
Tp=ET-ES (5)
方程(4)中,b为校准因子且为正;
植物过程主要方程:
方程(7)中,Cveg代表植物覆被,G代表植物生长,M代表植物死亡,R代表植物繁殖,C代表植物竞争;
方程(8)中,rveg代表某种植物类型的生长速率;
方程(9)中,morveg代表某种植物类型的死亡率,rootveg为某种植物类型根生物量占所有植物类型根生物量的百分比;
R=coverveg×estab×(1-cover) (10)
方程(10)中,estab为某种植物类型扩散繁殖速率,上述植物参数从植物参数数据库中获取。
C=coverveg×(1-coverveg/cover) (11)
实施例
将本文的植物群落覆被技术与装置应用于中国西北某省
①对比植物覆被模拟系统和数码照相系统生成的植物覆被数据,分析结果如表1所示:
表1不同季节平均植物覆被的对比结果(基于多年)
②一年植物覆被的模拟
运用植物覆被模拟系统生成样点一年中的植物覆被,结果见图2。
Claims (1)
1.一种生成长时间序列和高精度植物覆被的技术与装置,其特征在于:运用土壤粒径分析仪测量土壤质地,结合数据库信息获取相应质地下的土壤水文参数,用植物监测设备测量植物不同组织的重量并计算各植物参数,存储于数据库中。将土壤水文参数和植物参数输入到植物覆被模拟系统中生成长时间序列的植物覆被数据。通过数码照相系统获取实测植物覆被数据,对模拟数据进行验证并校正数据库中参数。具体的工作原理及装置构造如下:
(1)装置
各装置详细说明如下:
1)样品预处理系统
首先对采集的土壤样品过筛,去除体积较大的固体杂质;同时对采集的植物样品进行枝、叶和根等组织的分离,便于称重植物各组分的质量,获取相应的植物参数;
2)土壤粒径分析仪
土壤水文参数取决于土壤的质地,土壤质地主要依据土壤粒径(粉沙土、沙土、壤土和粘土)进行分类;
3)植物监测设备
测量植物各组分的重量获取不同的植物参数。例如,根据叶的重量变化得到植物生长速率,根据土地表面及直立部分叶和枝的重量得到植物的死亡速率,根据根的重量变化得到植物吸收土壤水分及养分的速率,同时获取植物根随土壤深度的分布状况。通过测量生长样地及周围裸地的植物生物量得到植物的扩散繁殖速率;
4)数据库
数据库采用Microsoft Office Access 2010建立,数据库分为土壤水文参数数据库和植物参数数据库。录入不同土壤质地下的土壤水文参数。植物参数依据第3)步的计算结果;
5)植物覆被模拟系统
植物覆被模拟系统的工作平台采用笔记本电脑戴尔燃7000,操作系统采用Windows10,软件支持平台采用Eclipse,利用C++计算机编程语言进行开发,植物覆被的模拟主要通过土壤水文和植物两个子模型的相互作用实现;
6)数码照相系统
数码照相机采用佳能G1X MarkⅢ,有效像素为2420万,具备F2.8-5.6的大光圈镜头,用于拍摄25到50平方米样地的图像,提取图像中的植物覆被部分,之后通过实时传输线路将处理后的数据传输到植物覆被模拟系统和数据库;
7)辅助设备
辅助设备包括电源设备、连接线路等;
(2)植物覆被的模拟
本系统的核心是生成长时间序列的植物群落覆被数据。该模拟基于生态系统过程的植被动态模型。模型的运行基于元胞自动机算法,包括两个子模型水文模型和植被模型:水文模型围绕土壤水分进行方程构建,主要过程包括降水、蒸散发、水分下渗、土壤不同层间的水分扩散、由地形因素引起的地表径流。植被模型围绕植物覆被进行方程搭建,主要过程包括植被的生长、死亡、繁殖、对空间和资源的竞争。植物覆被的输出以每两周为计算的时间精度。每一个元胞代表的面积是5×5m2。模型中包含的植物类型为多年生草本,一年生草本和木本植物;
水文过程主要方程:
方程(1)中,WS代表土壤湿度,P代表降水,ES代表土壤蒸发,TP代表植物蒸腾,I代表水分下渗,Rout代表地表径流流出;
I=K×na×Sf×WS×(1-cover×0.5) (2)
方程(2)中,K代表水力电导率,na代表土壤孔隙度,Sf代表土壤结构吸力参数,这些土壤水文参数从土壤水文参数数据库中获取,cover代表植物覆被;
方程(3)中,ET代表实际蒸散发,af代表校正因子,代表天均温度,Tmax代表天最高温度,Tmin代表天最低温度,Ra代表太阳辐射参数,这些气象参数从中国气象数据网(data.cma.cn)下载获取,slope代表的是样点所在地区坡度,alt代表的是样点所在地区海拔;
ES=ET×(1-b×cover) (4)
Tp=ET-ES (5)
方程(4)中,b为校准因子且为正;
植物过程主要方程:
方程(7)中,Cveg代表植物覆被,G代表植物生长,M代表植物死亡,R代表植物繁殖,C代表植物竞争;
方程(8)中,rveg代表某种植物类型的生长速率;
方程(9)中,morveg代表某种植物类型的死亡率,rootveg为某种植物类型根生物量占所有植物类型根生物量的百分比;
R=coverveg×estab×(1-cover) (10)
方程(10)中,estab为某种植物类型扩散繁殖速率,上述植物参数从植物参数数据库中获取。
C=coverveg×(1-coverveg/cover) (11)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810347874.2A CN108596379B (zh) | 2018-04-18 | 2018-04-18 | 一种预测陆地生态系统植物群落覆被的技术与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810347874.2A CN108596379B (zh) | 2018-04-18 | 2018-04-18 | 一种预测陆地生态系统植物群落覆被的技术与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108596379A true CN108596379A (zh) | 2018-09-28 |
CN108596379B CN108596379B (zh) | 2021-08-03 |
Family
ID=63611060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810347874.2A Active CN108596379B (zh) | 2018-04-18 | 2018-04-18 | 一种预测陆地生态系统植物群落覆被的技术与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596379B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114529102A (zh) * | 2022-03-11 | 2022-05-24 | 福州市规划设计研究院集团有限公司 | 耦合多因素影响的华北落叶松单株液流预测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243283A1 (en) * | 2007-03-26 | 2008-10-02 | Hitachi, Ltd. | Process Control Simulator and Process Control Simulating Method |
CN101949916A (zh) * | 2010-08-12 | 2011-01-19 | 中国农业大学 | 土壤水分供给量的遥感定量反演方法 |
CN106846229A (zh) * | 2017-02-16 | 2017-06-13 | 中国环境科学研究院 | 湖泊生态系统灾变早期预警方法 |
-
2018
- 2018-04-18 CN CN201810347874.2A patent/CN108596379B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243283A1 (en) * | 2007-03-26 | 2008-10-02 | Hitachi, Ltd. | Process Control Simulator and Process Control Simulating Method |
CN101949916A (zh) * | 2010-08-12 | 2011-01-19 | 中国农业大学 | 土壤水分供给量的遥感定量反演方法 |
CN106846229A (zh) * | 2017-02-16 | 2017-06-13 | 中国环境科学研究院 | 湖泊生态系统灾变早期预警方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114529102A (zh) * | 2022-03-11 | 2022-05-24 | 福州市规划设计研究院集团有限公司 | 耦合多因素影响的华北落叶松单株液流预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108596379B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
Yang et al. | MODIS leaf area index products: From validation to algorithm improvement | |
CN108717044B (zh) | 一种去除植被覆盖影响的表层土壤含水量卫星遥感估算方法 | |
Wang et al. | Evaluation of seasonal variations of remotely sensed leaf area index over five evergreen coniferous forests | |
CN115481368B (zh) | 一种基于全遥感机器学习的植被覆盖度估算方法 | |
Wang et al. | Landscape-level vegetation classification and fractional woody and herbaceous vegetation cover estimation over the dryland ecosystems by unmanned aerial vehicle platform | |
CN108981616B (zh) | 一种由无人机激光雷达反演人工林有效叶面积指数的方法 | |
Zhou et al. | Assessing the impact of urban sprawl on net primary productivity of terrestrial ecosystems using a process-based model—a case study in Nanjing, China | |
CN113221765A (zh) | 一种基于数字相机影像有效像元的植被物候期提取方法 | |
Hmida et al. | Crop biophysical properties estimation based on LiDAR full-waveform inversion using the DART RTM | |
CN109325433A (zh) | 引入地形因子的黑土区大豆生物量多时相遥感反演方法 | |
CN112014542B (zh) | 植被覆盖区土壤水分图制作方法、装置、储存介质及设备 | |
CN115630567A (zh) | 一种海岸带土壤有机碳储量模拟及预测方法 | |
CN109946714A (zh) | 一种基于LiDAR和ALOS PALSAR多元数据的森林生物量模型的建立方法 | |
CN114529097A (zh) | 多尺度农作物物候期遥感降维预测方法 | |
Lou et al. | An effective method for canopy chlorophyll content estimation of marsh vegetation based on multiscale remote sensing data | |
Jin et al. | Combining 3D radiative transfer model and convolutional neural network to accurately estimate forest canopy cover from very high-resolution satellite images | |
Pätzig et al. | Allometric relationships for selected macrophytes of kettle holes in northeast Germany as a basis for efficient biomass estimation using unmanned aerial systems (UAS) | |
CN113723000A (zh) | 一种基于Sentinel数据与深度学习模型的农田土壤水分模拟方法 | |
Turner et al. | Effects of land use and fine-scale environmental heterogeneity on net ecosystem production over a temperate coniferous forest landscape | |
Ge et al. | Estimating rice yield by assimilating UAV-derived plant nitrogen concentration into the DSSAT model: Evaluation at different assimilation time Windows | |
CN108596379A (zh) | 一种预测陆地生态系统植物群落覆被的技术与装置 | |
Yu et al. | Hyperspectral database prediction of ecological characteristics for grass species of alpine grasslands | |
CN117011694A (zh) | 一种基于级联循环网络的林木生长参数预测方法 | |
Zhu et al. | A methodology for estimating Leaf Area Index by assimilating remote sensing data into crop model based on temporal and spatial knowledge |
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 |