CN110378926B - 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法 - Google Patents

一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法 Download PDF

Info

Publication number
CN110378926B
CN110378926B CN201910521804.9A CN201910521804A CN110378926B CN 110378926 B CN110378926 B CN 110378926B CN 201910521804 A CN201910521804 A CN 201910521804A CN 110378926 B CN110378926 B CN 110378926B
Authority
CN
China
Prior art keywords
vegetation
ecological water
tree
data
sentinel
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
Application number
CN201910521804.9A
Other languages
English (en)
Other versions
CN110378926A (zh
Inventor
杨武年
刘睿
杨鑫
赵芩
文艳
罗新蕊
张宇航
刘亮
陈超
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.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
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 Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN201910521804.9A priority Critical patent/CN110378926B/zh
Publication of CN110378926A publication Critical patent/CN110378926A/zh
Application granted granted Critical
Publication of CN110378926B publication Critical patent/CN110378926B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于机载LiDAR和Sentinel‑2A数据的地上植被生态水估算方法，从宏观层面来解决植被的水文效应问题，无疑是一种有益的探索与尝试，包括以下步骤：步骤S10：选取研究区域，采集野外样地调查数据；步骤S20：对Sentinel‑2A遥感数据提取18种特征指数,构建植被冠层生态水模型；步骤S30：根据野外调查数据，采用非线性模型构建针叶树、阔叶树胸径‑树高转换模型；步骤S40：通过机载LiDAR数据,获取单木垂直结构信息；步骤S50：构建机载LiDAR植被茎枝生态水反演模型；步骤S60：将Sentinel‑2A植被冠层生态水与机载LiDAR植被茎枝生态水结合获得地上植被生态水储量成果，该成果相比于单一被动遥感源对地上植被冠层、茎、枝生态水的估测技术的准确度有很大提高。

Description

一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估 算方法
技术领域
本发明涉及于植被生态水的研究技术领域，具体为一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法。
背景技术
本发明涉及植被生态水的研究技术领域，属于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法。
生态水(层)指的是与植被体紧密相关的水体，具体来说是植被叶面、根系、腐殖层、表层根系土壤层以及植被本体所涵养或截留的水量。生态水(层)可划分为三部分：以植被为主体的植被层(叶面、根系、腐殖层)在不同形式的降水中截留的水；土壤水，以植被宿体-松散孔隙裂隙地球表层土壤包气带中滞留的非饱和水；植被生态水，植物体本身所含有的生物水，该部分水以特殊的运动模式影响着地下水与地表水运动。其中，植物生态水又分为植被冠层生态水、植被茎枝生态水、根系生态水，冠层生态水和茎枝生态水又合称为地上植被生态水。
目前植被生态水的估算方法分为两类：一是样地清查法，通过对样地全部植被的采集，实际测算植被生态水储量，传统样地清查估算方法可以在小范围区域内获得高精度的植被生态水调查数据；二是光学遥感估算法，基于植被光谱响应特征，植被生态水对热红外波段、近红外和短波红外波段相对比较敏感，存在以970、1200、1450、1930和2500nm为中心的5个水分吸收带，提取与植被生态水相关性最高的特征指数，从而遥感反演植被生态水，得到区域植被生态水储量空间分布情况。
传统样地清查植被生态水的估算方法已经完全不可行，该方法存在野外作业量大、工作周期长且样本采集效率低下，难以做到时空连续性的野外植被生态水调查，同时对森林生态系统具有较大的干扰性和破坏性，存在无法对大范围的植被生态水进行研究的缺陷。目前光学遥感估量植被生态水已经较为成熟，但是，缺陷表现在：一是受大气活动影响或在云层较厚的山区地带，光学遥感影像不能连续获得高质量影像；二是由于光学影像的测量原理，在水平结构上可以有效获取植被生态水信息，但是无法获取植被茎枝生态水信息，利用光学遥感影像计算植被生态水确切的来说测量的是植被冠层生态水，因此，采用单一被动光学遥感数据估测植被生态水具有较大的误差
发明内容
为了解决上述问题，本发明的目的在于提供一种基于机载Li DAR和Sentinel-2A数据的地上植被生态水估算方法，采用该方法能够分别实现对植被冠层生态水、植被茎枝生态水以及地上植被生态水的定量估算，大大提高了估算精度。
为实现上述目的，本发明提供如下技术方案：
一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，包括以下步骤：
步骤S10：选取研究区域，采集野外样地调查数据；
步骤S20：对预处理后的Sentinel-2A多光谱遥感影像提取18种特征指数，采用偏最小二乘回归模型构建植被茎枝生态水；
步骤S30：依据野外调查数据中针叶树、阔叶树的胸径(D)与树高(H)的相关关系，采用非线性模型分别构建符合研究区针叶树、阔叶树生长特性的胸径-树高转换模型；
步骤S40：对预处理后的机载LiDAR点云数据，获取单木垂直结构信息，包括：提取数字高程模型、点云归一化、基于点云分割算法的单木分割、结合针叶树与阔叶树的胸径-树高转换模型获取单木胸径信息；
步骤S50：结合生物量异速生长方程获取单木茎枝生物量，结合生物量-生态水转换公式获取单木茎枝生态水，最终得到植被茎枝生态水反演成果。
步骤S60：将Sentinel-2A植被冠层生态水与机载LiDAR植被茎枝生态水相结合从而获得地上植被生态水成果。
优选的，在步骤S10的过程中，野外样地调查数据包括单木检尺数据，采集样本并测量样本中叶片、茎、枝的含水率，最终计算样方森林生物量和样方植被生态水。
优选的，在步骤S20的过程中，Sentinel-2A多遥感影像进行大气校正、影像裁剪、植被类型分类的处理；特征指数包括13种植被指数和5种生物物理指数，植被指数由波段计算得到(见表1)，生物物理指数由SNAP的生物物理模块提取，包括冠层含水量(CanopyWater Content，CWC)、光合有效辐射吸收率(Fraction of Absorbed PhotosyntheticallyActive Radiation，FAPAR)、植被覆盖度(Fraction of Vegetation Cover，FVC)、叶面积指数(Leaf Area Index，LAI)和叶绿素含量(Chlorophyll Content in the Leaf，CCL)。
表1植被指数
Figure BDA0002096946650000031
Figure BDA0002096946650000041
优选的，在步骤S20的过程中，偏最小二乘法(Partial Least Squares Algorithmmethod，PLSA method)是一种多元统计回归方法，它结合了主成分分析和多重回归方法的特性，采用信息综合筛选技术构建回归模型，能够有效抑制自变量间的多重共线性问题，设一组自变量X＝(x1,x2,…xp)和因变量Y，在X中提取第一个成分t1，在Y中提取第一个成分u1，t1和u1要尽可能涵盖X和Y中的变异特征，且t1和u1的关联程度达到最大，然后X对t1进行回归、Y对u1进行回归。此时若回归模型达到预定精度，则偏最小二乘法运算结束，否则根据X、Y被t1、u1描述后的剩余信息再次提取第二个成分t2、u2，如此迭代反复，直至达到预定精度，算法运算结束，模型构建完成。
优选的，在步骤S40中，机载LiDAR点云数据的预处理包括去噪和点云分类。
优选的，在步骤S40中，获取单木垂直结构信息的具体步骤如下：
a、提取数字高程模型，采用狄洛尼三角网模型生成TIN三角网，经过TIN编辑修正后，生成数字高程模型。
b、点云归一化，是将点云数据的真实高程值减去对应DEM的高程值，得到高程值为该点云相对于地面的高度值，去除了地形起伏对点云高程值的影响，可以保留更多的特征信息。
c、基于点云分割算法的单木分割，是通过分析点云的高程值以及与其他点云间的距离，来确定待分割的单木，能够获取单木坐标、树高、冠幅直径等森林垂直结构信息。
d、采用胸径-树高转换模型，并结合上一步骤获得的单木垂直结构信息，得到单木胸径信息。
优选的，在步骤S50中，获取植被茎枝生态水的具体步骤如下：
a、单木茎枝生物量，采用研究区主要优势树种不同器官的生物量异速生长方程，结合单木垂直结构信息进行计算；
b、单木茎枝生态水：植被的茎、枝、叶是由干物质和生理水组成的，干物质即为植被茎、枝、叶中含有的的生物量，生理水即为植被茎、枝、叶中含有的生态水储量，由已建立的优势树种不同器官生物量异速生长方程，获取对应树种不同器官的生物量，经烘干处理获得该样本树种茎、枝、叶的生态水比率，因而由生物量和生态水的转换关系可以求得样本树种茎、枝、叶中的生态水储量。生物量-生态水转换公式如下：
Figure BDA0002096946650000051
其中，VMC：植被生态水，单位面积上植被生态水储量，单位：Mg ha-1；Biomass：单位面积上森林生物量，单位：Mg ha-1；FMC：可燃物含水量(FuelMoisture Content)，指代植被叶片、茎、枝中的生态水比率，单位：％；
c、样方尺度植被茎枝生态水：将单木茎枝生态水转换至与样地相同尺度的空间分辨，便于使用野外样地调查数据进行验证以及与植被冠层生态水相结合。
优选的，在步骤S60中，将Sentinel-2A植被冠层生态水与机载LiDAR植被茎枝生态水通过空间叠加分析相结合，从而得到地上植被生态水成果。
与现有技术相比，本发明具有以下优点和有益效果：
1、以往植被生态水的研究多采用被动遥感数据，如多光谱数据和高光谱数据，并且研究成果多集中在植被冠层生态水的层面上，本发明尝试采用新的研究角度，将主动遥感技术——机载LiDAR，融入地上植被生态水的估算方法中。本发明采用Sentinel-2A多光谱数据和野外调查数据从森林水平结构上反演植被冠层生态水，采用机载LiDAR数据和野外调查数据从森林垂直结构上对植被茎枝生态水进行定量研究，最终联合Sentinel-2A多光谱数据反演植被冠层生态水成果和机载LiDAR植被茎枝生态水成果，对地上植被生态水储量及分布情况进行评估。最终成果是由植被冠层、茎、枝生态水储量逐步计算汇总所得，相比于被动遥感对地上植被生态水储量的估测方法的准确度有很大提高。
2、本发明采用Sentinel-2A多光谱数据结合野外调查数据，提取13种植被指数和5种生物物理参数，构建偏最小二乘回归植被冠层生态水模型。由于植被中的水分对热红外波段、近红外和短波红外波段相对比较敏感，植被指数大多是红光、近红外、中红外光谱范围内的波段进行波段计算得到的，现有技术选取多个植被指数或生物物理参数建立植被冠层生态水模型，各指数或参数间相关性过高，存在多重共线性问题。本发明采用的偏最小二乘法是一种多元统计回归方法，它结合了主成分分析和多重回归方法的特性，采用信息综合筛选技术构建回归模型，能够有效抑制自变量间的多重共线性问题，从而提高了植被冠层生态水反演模型的精度。
3、本发明基于机载LiDAR和Sentinel-2A数据对地上植被生态水的估算方法，主动遥感和被动遥感实现数据上的优势互补，从宏观层面来解决植被的水文效应问题，无疑是一种有益的探索与尝试，将会很好地丰富我国水文学与生态环境研究。摸清查明生态水性状特点及空间分布情况，实现生态水资源储量的估算，可为环境保护、生态重建、水资源储量计算和“生态水资源库”建设等提供技术支撑，为水文循环系统的提供更科学的研究手段。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明机载LiDAR和Sentinel-2A数据的地上植被生态水模型构建流程框图。
图2为本发明机载LiDAR点云分类成果示意图
(注：地面点云显示为黄色，植被点云显示为绿色)
图3为本发明方法单木分割成果示意图(剖面)
图4为本发明方法单木分割成果示意图(俯视)
图5为本发明方法实测针叶树胸径-树高散点图
图6为本发明方法实测阔叶树胸径-树高散点图
图7为本发明地上植被生态水分布图
具体实施方式
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，所描述的实施例仅仅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做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。
本发明提供了一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，包括以下步骤：
步骤S10：选取研究区域，采集野外样地调查数据，野外样地调查样方规格采用10m*10m的正方形样方，采用高精度手持GPS，记录样方中心位置经纬度坐标，对胸径大于5厘米的单木，逐一记录单木树种、胸径(使用胸径尺围尺量测)、树高(使用激光测高仪测量)，并对样方内的优势树种进行样本采集，野外实地称重记录后，统一带回实验室进一步测量单木样本的叶片、茎、枝含水率，进而获得样方森林生物量和样方植被生态水；
步骤S20：选择7-8月份研究区Sentinel-2A多光谱数据，预处理包括大气校正、影像裁剪、植被类型分类等处理；采用偏最小二乘回归模型构建植被茎枝生态水，特征指数的提取包括13种植被指数和5种生物物理指数，植被指数由波段计算得到(见表1)，生物物理指数由SNAP的生物物理模块提取，包括冠层含水量(Canopy Water Content，CWC)、光合有效辐射吸收率(Fraction of Absorbed Photosynthetically Active Radiation，FAPAR)、植被覆盖度(Fraction of Vegetation Cover，FVC)、叶面积指数(Leaf Area Index，LAI)和叶绿素含量(Chlorophyll Content in the Leaf，CCL)。
表1植被指数
Figure BDA0002096946650000081
Figure BDA0002096946650000091
偏最小二乘法(Partial Least Squares Algorithm method，PLSA method)是一种多元统计回归方法，它结合了主成分分析和多重回归方法的特性，采用信息综合筛选技术构建回归模型，能够有效抑制自变量间的多重共线性问题，设一组自变量X＝(x1,x2,…xp)和因变量Y，在X中提取第一个成分t1，在Y中提取第一个成分u1，t1和u1要尽可能涵盖X和Y中的变异特征，且t1和u1的关联程度达到最大，然后X对t1进行回归、Y对u1进行回归。此时若回归模型达到预定精度，则偏最小二乘法运算结束，否则根据X、Y被t1、u1描述后的剩余信息再次提取第二个成分t2、u2，如此迭代反复，直至达到预定精度，算法运算结束，模型构建完成。
步骤S30：依据野外调查数据中针叶树、阔叶树的胸径(D)与树高(H)的相关关系，采用非线性模型分别构建符合研究区针叶树、阔叶树生长特性的胸径-树高转换模型；
步骤S40：机载LiDAR点云数据的预处理流程包括去噪和点云分类；对预处理后的机载LiDAR点云数据，获取单木垂直结构信息，具体步骤如下：
a、提取数字高程模型，采用狄洛尼三角网模型生成TIN三角网，经过TIN编辑修正后，生成数字高程模型。
b、点云归一化，是将点云数据的真实高程值减去对应DEM的高程值，得到高程值为该点云相对于地面的高度值，去除了地形起伏对点云高程值的影响，可以保留更多的特征信息。
c、基于点云分割算法的单木分割，是通过分析点云的高程值以及与其他点云间的距离，来确定待分割的单木，能够获取单木坐标、树高、冠幅直径等森林垂直结构信息。
d、采用针叶树、阔叶树的胸径-树高转换模型，结合上一步骤获得的单木垂直结构信息，从而获得单木胸径信息。
步骤S50：结合生物量异速生长方程获取单木茎枝生物量，结合生物量-生态水转换公式获取单木茎枝生态水，最终得到植被茎枝生态水反演成果，具体实施步骤如下：
a、单木茎枝生物量，采用研究区主要优势树种不同器官的生物量异速生长方程，结合单木垂直结构信息进行计算；
b、单木茎枝生态水：采用生物量-生态水转换公式计算，公式如下：
Figure BDA0002096946650000101
其中，VMC：植被生态水，单位面积上植被生态水储量，单位：Mg ha-1；Biomass：单位面积上森林生物量，单位：Mg ha-1；FMC：可燃物含水量(Fuel Moisture Content)，指代植被叶片、茎、枝中的生态水比率，单位：％；
c、样方尺度植被茎枝生态水：将单木茎枝生态水转换至与样地相同尺度的空间分辨，便于使用野外样地调查数据进行验证以及与植被冠层生态水相结合。
步骤S60：将Sentinel-2A植被冠层生态水与机载LiDAR植被茎枝生态水通过空间叠加分析相结合，从而得到地上植被生态水成果。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，其特征在于，包括以下步骤：
步骤S10：选取研究区域，采集野外样地调查数据；
步骤S20：对预处理后的Sentinel-2A多光谱遥感影像提取18种特征指数，采用偏最小二乘回归模型构建植被茎枝生态水；
步骤S30：依据野外调查数据中针叶树、阔叶树的胸径(D)与树高(H)的相关关系，采用非线性模型分别构建符合研究区针叶树、阔叶树生长特性的胸径-树高转换模型；
步骤S40：对预处理后的机载LiDAR点云数据，获取单木垂直结构信息，包括：提取数字高程模型、点云归一化、基于点云分割算法的单木分割、结合针叶树与阔叶树的胸径-树高转换模型获取单木胸径信息；
步骤S50：结合生物量异速生长方程获取单木茎枝生物量，结合生物量-生态水转换公式获取单木茎枝生态水，最终得到植被茎枝生态水反演成果；
步骤S60：将Sentinel-2A植被冠层生态水与机载LiDAR植被茎枝生态水相结合从而获得地上植被生态水成果。
2.根据权利要求1所述基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，其特征在于：在步骤S10的过程中，野外样地调查数据包括单木检尺数据，采集样本并测量样本中叶片、茎、枝的含水率，最终计算样方森林生物量和样方植被生态水。
3.根据权利要求1所述基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，其特征在于：在步骤S20中，Sentinel-2A多遥感影像预处理包括大气校正、影像裁剪、植被类型分类等处理；特征指数包括13种植被指数和5种生物物理指数，植被指数由波段计算得到，生物物理指数由SNAP的生物物理模块提取，包括冠层含水量(Canopy WaterContent，CWC)、光合有效辐射吸收率(Fraction of Absorbed PhotosyntheticallyActive Radiation，FAPAR)、植被覆盖度(Fraction of Vegetation Cover，FVC)、叶面积指数(Leaf Area Index，LAI)和叶绿素含量(Chlorophyll Content in the Leaf，CCL)。
4.根据权利要求1所述基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，其特征在于：在步骤S40中，机载LiDAR点云数据的预处理包括去噪和点云分类。
5.根据权利要求1所述基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，其特征在于：在步骤S40中，获取单木垂直结构信息的具体步骤如下：
a、提取数字高程模型，采用狄洛尼三角网模型生成TIN三角网，经过TIN编辑修正后，生成数字高程模型；
b、点云归一化，是将点云数据的真实高程值减去对应DEM的高程值，得到高程值为该点云相对于地面的高度值，去除了地形起伏对点云高程值的影响，可以保留更多的特征信息；
c、基于点云分割算法的单木分割，是通过分析点云的高程值以及与其他点云间的距离，来确定待分割的单木，能够获取单木坐标、树高、冠幅直径等森林垂直结构信息；
d、采用胸径-树高转换模型，并结合上一步骤获得的单木垂直结构信息，得到单木胸径信息。
6.根据权利要求1所述基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，其特征在于：在步骤S60中，获取植被茎枝生态水的具体步骤如下：
a、单木茎枝生物量，采用研究区主要优势树种不同器官的生物量异速生长方程，结合单木垂直结构信息进行计算；
b、单木茎枝生态水：采用生物量-生态水转换公式计算，公式如下：
Figure FDA0002096946640000031
其中，VMC：植被生态水，单位面积上植被生态水储量，单位：Mg ha-1；Biomass：单位面积上森林生物量，单位：Mg ha-1；FMC：可燃物含水量(Fuel Moisture Content)，指代植被叶片、茎、枝中的生态水比率，单位：％；
c、样方尺度植被茎枝生态水：将单木茎枝生态水转换至与样地相同尺度的空间分辨，便于使用野外样地调查数据进行验证以及与植被冠层生态水相结合。
7.根据权利要求1所述基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法，其特征在于：在步骤S60中将Sentinel-2A植被冠层生态水与机载LiDAR植被茎枝生态水通过空间叠加分析相结合，从而得到地上植被生态水成果。
CN201910521804.9A 2019-06-17 2019-06-17 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法 Active CN110378926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910521804.9A CN110378926B (zh) 2019-06-17 2019-06-17 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910521804.9A CN110378926B (zh) 2019-06-17 2019-06-17 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法

Publications (2)

Publication Number Publication Date
CN110378926A CN110378926A (zh) 2019-10-25
CN110378926B true CN110378926B (zh) 2020-04-07

Family

ID=68249025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910521804.9A Active CN110378926B (zh) 2019-06-17 2019-06-17 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法

Country Status (1)

Country Link
CN (1) CN110378926B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111950336B (zh) * 2020-04-14 2021-07-20 成都理工大学 基于背包式激光雷达的植被冠层生态水估算方法
CN112380984B (zh) * 2020-11-13 2024-04-30 华东师范大学 一种基于遥感的盐沼植被缓流能力空间评价方法
CN112989557A (zh) * 2021-01-14 2021-06-18 中国空间技术研究院 基于神经网络可选择模型提高水储量变化预测可靠性方法
CN112819066A (zh) * 2021-01-28 2021-05-18 北京林业大学 一种Res-UNet单木树种分类技术
CN112945882B (zh) * 2021-03-11 2022-10-25 内蒙古农业大学 一种基于高光谱的马铃薯植株水分监测灌溉方法
CN112991425B (zh) * 2021-04-28 2021-08-06 武汉光谷信息技术股份有限公司 一种水域水位提取方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913016A (zh) * 2016-04-08 2016-08-31 南京林业大学 一种通过条带LiDAR数据升尺度估算森林生物量的方法
CN105930772A (zh) * 2016-04-13 2016-09-07 武汉大学 基于sar影像与光学遥感影像融合的城市不透水面提取方法
US10127451B1 (en) * 2017-04-24 2018-11-13 Peter Cecil Vanderbilt Sinnott Method of detecting and quantifying sun-drying crops using satellite derived spectral signals
CN108921885A (zh) * 2018-08-03 2018-11-30 南京林业大学 一种综合三类数据源联合反演森林地上生物量的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9046363B2 (en) * 2012-04-27 2015-06-02 SATOP GmbH Using multispectral satellite data to determine littoral water depths despite varying water turbidity
CN106204611B (zh) * 2016-07-19 2018-12-28 中国科学院地理科学与资源研究所 一种基于HASM模型的LiDAR点云数据处理方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913016A (zh) * 2016-04-08 2016-08-31 南京林业大学 一种通过条带LiDAR数据升尺度估算森林生物量的方法
CN105930772A (zh) * 2016-04-13 2016-09-07 武汉大学 基于sar影像与光学遥感影像融合的城市不透水面提取方法
US10127451B1 (en) * 2017-04-24 2018-11-13 Peter Cecil Vanderbilt Sinnott Method of detecting and quantifying sun-drying crops using satellite derived spectral signals
CN108921885A (zh) * 2018-08-03 2018-11-30 南京林业大学 一种综合三类数据源联合反演森林地上生物量的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Stacked Sparse Autoencoder Modeling Using the Synergy of Airborne LiDAR and Satellite Optical and SAR Data to Map Forest Above-Ground Biomass;Zhenfeng Shao et al.;《IEEE》;20171231;第10卷(第12期);第5569-5582页 *
基于无人机立体影像数据的森林结构参数调查研究;刘见礼;《中国优秀硕士学位论文全文数据库 农业科技辑》;20180215(第2期);第I-II、4-11、53-65页 *

Also Published As

Publication number Publication date
CN110378926A (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
CN110378926B (zh) 一种基于机载LiDAR和Sentinel-2A数据的地上植被生态水估算方法
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
Keightley et al. 3D volumetric modeling of grapevine biomass using Tripod LiDAR
Yang et al. MODIS leaf area index products: From validation to algorithm improvement
CN111950336B (zh) 基于背包式激光雷达的植被冠层生态水估算方法
He et al. Inter-and intra-annual variations of clumping index derived from the MODIS BRDF product
Estornell et al. Tree extraction and estimation of walnut structure parameters using airborne LiDAR data
CN112287892A (zh) 基于无人机高光谱和机器学习算法的乔木生物量测算方法
Sonmez et al. Measuring intensity of tillage and plant residue cover using remote sensing
Thavorntam et al. Vegetation greenness modeling in response to climate change for Northeast Thailand
Klingler et al. Comparison of direct and indirect determination of leaf area index in permanent grassland
CN115796344A (zh) 一种区域尺度上森林植被碳储量的估算方法
CN110222656B (zh) 基于遥感技术的地上植被生态水定量反演方法
Pinto-Júnior et al. Leaf area index of a tropical semi-deciduous forest of the southern Amazon Basin
CN108548793A (zh) 一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法
Kang et al. Construction of multidimensional features to identify tea plantations using multisource remote sensing data: A case study of Hangzhou city, China
Pieri et al. Estimation of actual evapotranspiration in fragmented Mediterranean areas by the spatio-temporal fusion of NDVI data
Zhang et al. Generating high-resolution total canopy SIF emission from TROPOMI data: Algorithm and application
CN116665073A (zh) 一种基于多源数据的玉米产量遥感估测方法
CN116797950A (zh) 一种基于无人机多光谱遥感的茶树水分胁迫监测方法
Pisek et al. Assessment of a global leaf area index product from SPOT-4 VEGETATION data over selected sites in Canada
Kumara et al. GIS multi-criteria analysis to explore potential wine-grape growing sites in the tropics
Vastaranta et al. Monitoring forests in space and time using close-range sensing
CN110750896A (zh) 不同气候区下城市绿地降温效应定量评估方法与系统
Assiri et al. Leaf area index and aboveground biomass estimation of an alpine peatland with a UAV multi-sensor approach

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