CN110807435A - 一种基于多种植被指数的遥感监测森林蓄积量方法 - Google Patents

一种基于多种植被指数的遥感监测森林蓄积量方法 Download PDF

Info

Publication number
CN110807435A
CN110807435A CN201911080883.0A CN201911080883A CN110807435A CN 110807435 A CN110807435 A CN 110807435A CN 201911080883 A CN201911080883 A CN 201911080883A CN 110807435 A CN110807435 A CN 110807435A
Authority
CN
China
Prior art keywords
area
forest accumulation
equal
vegetation index
vegetation
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
CN201911080883.0A
Other languages
English (en)
Inventor
戴维序
彭玉泉
祖笑锋
吴燕良
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.)
Aerospace Xindezhitou (beijing) Technology Co Ltd
Original Assignee
Aerospace Xindezhitou (beijing) Technology Co Ltd
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 Aerospace Xindezhitou (beijing) Technology Co Ltd filed Critical Aerospace Xindezhitou (beijing) Technology Co Ltd
Priority to CN201911080883.0A priority Critical patent/CN110807435A/zh
Publication of CN110807435A publication Critical patent/CN110807435A/zh
Pending legal-status Critical Current

Links

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
    • G06V20/188—Vegetation
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

一种基于多种植被指数的遥感监测森林蓄积量方法，包括以下步骤：选定采集区域，并对采集区域进行面积等分，采集树木的光谱信息图像，存储，得到等面积的光谱信息分析图像；提取等面积所述光谱信息分析图像的近红外波段与红光波段；计算等面积区域的比值植被指数；计算等面积区域的归一化植被指数；比值植被指数与归一化植被指数相结合得到森林蓄积量。本发明中，对检测区域进行等面积划分，计算一小块区域的森林蓄积量代替整个检测区域的森林蓄积量，计算量较少，而且同时计算比值植被指数与归一化植被指数，通过多种植被指数进行森林蓄积量的预估，预估的更加准确。

Description

一种基于多种植被指数的遥感监测森林蓄积量方法
技术领域
本发明涉及遥感监测技术领域，尤其是涉及一种基于多种植被指数的遥感监测森林蓄积量方法。
背景技术
森林蓄积量是指一定面积森林中现存各种活立木的材积总量，以立方米为计算单位。
“蓄积量”一词，只限于尚未采伐的森林，有继续生长和不断蓄积之意。通常包括有林地蓄积、疏林地蓄积、散生林木蓄积、“四旁”树蓄积等。一般多用于统计较大的地区范围(如一国、一地区)各种活立木的材积总量，可按树种、径级、材种等分别统计不同活立木的材积总量。木材蓄积量是反映一个国家或地区生产力的一项重要指标，随树种和立地条件等的不同而发生有规律的变化。
现有的森林蓄积量预测和预估方法大多采用一种植被指数进行监测，即仅仅采用比值植被指数对森林蓄积量进行预估，结果往往有不小的偏差。
因此，有必要提供一种新的技术方案以克服上述缺陷。
发明内容
本发明的目的在于提供一种可有效解决上述技术问题的基于多种植被指数的遥感监测森林蓄积量方法。
为达到本发明之目的，采用如下技术方案：
一种基于多种植被指数的遥感监测森林蓄积量方法，包括以下步骤：
S1：选定采集区域，并对采集区域进行面积等分，采集树木的光谱信息图像，存储，得到等面积的光谱信息分析图像；
S2：提取等面积所述光谱信息分析图像的近红外波段与红光波段；
S3：计算等面积区域的比值植被指数；
S4：计算等面积区域的归一化植被指数；
S5：比值植被指数与归一化植被指数相结合得到森林蓄积量。
进一步的：步骤S5中,比值植被指数大于1，归一化植被指数大于0小于1，即判定为数目，其面积与选定采集区域的比值即为森林蓄积量。
进一步的：步骤S1中，对采集区域进行面积等分是指，将采集区域分成若干5m×5m的空间。
进一步的：步骤S1中，采集方法为，采用安装有多光谱成像模块以及高清拍摄镜头的无人机。
进一步的：步骤S1中，采集时间为12:00到15:00，并且当天为晴天。
进一步的：采集时无人机位于树木冠顶高度3m到5米。
与现有技术相比，本发明具有如下有益效果：本发明基于多种植被指数的遥感监测森林蓄积量方法，对检测区域进行等面积划分，计算一小块区域的森林蓄积量代替整个检测区域的森林蓄积量，计算量较少，而且同时计算比值植被指数与归一化植被指数，通过多种植被指数进行森林蓄积量的预估，预估的更加准确，同时使用安装有多光谱成像模块以及高清拍摄镜头的无人机进行数据收集，更加方便快捷，获取数据的成本低，实时性高。
具体实施方式
下面对本发明基于多种植被指数的遥感监测森林蓄积量方法做出清楚完整的说明。
为了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技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的部分实施例，而不是全部实施例。
本发明基于多种植被指数的遥感监测森林蓄积量方法，包括以下步骤：
S1：选定采集区域，将采集区域分成若干5m×5m的空间，采用安装有多光谱成像模块以及高清拍摄镜头的无人机，采集时间为12:00到15:00，并且当天为晴天，采集时无人机位于树木冠顶高度3m到5米，采集树木的光谱信息图像，存储，得到等面积的光谱信息分析图像；
S2：提取等面积所述光谱信息分析图像的近红外波段(NIR)与红光波段(R)；
S3：计算等面积区域的比值植被指数RVI，RVI＝NIR/R；
S4：计算等面积区域的归一化植被指数NDVI,NDVI＝(NIR-R)/(NIR+R)；
S5：比值植被指数大于1，归一化植被指数大于0小于1，即判定为数目，其面积与选定采集区域的比值即为森林蓄积量。
本发明基于多种植被指数的遥感监测森林蓄积量方法，对检测区域进行等面积划分，计算一小块区域的森林蓄积量代替整个检测区域的森林蓄积量，计算量较少，而且同时计算比值植被指数与归一化植被指数，通过多种植被指数进行森林蓄积量的预估，预估的更加准确，同时使用安装有多光谱成像模块以及高清拍摄镜头的无人机进行数据收集，更加方便快捷，获取数据的成本低，实时性高。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种基于多种植被指数的遥感监测森林蓄积量方法，其特征在于：包括以下步骤：
S1：选定采集区域，并对采集区域进行面积等分，采集树木的光谱信息图像，存储，得到等面积的光谱信息分析图像；
S2：提取等面积所述光谱信息分析图像的近红外波段与红光波段；
S3：计算等面积区域的比值植被指数；
S4：计算等面积区域的归一化植被指数；
S5：比值植被指数与归一化植被指数相结合得到森林蓄积量。
2.如权利要求1所述的基于多种植被指数的遥感监测森林蓄积量方法，其特征在于：步骤S5中,比值植被指数大于1，归一化植被指数大于0小于1，即判定为数目，其面积与选定采集区域的比值即为森林蓄积量。
3.如权利要求1所述的基于多种植被指数的遥感监测森林蓄积量方法，其特征在于：步骤S1中，对采集区域进行面积等分是指，将采集区域分成若干5m×5m的空间。
4.如权利要求3所述的基于多种植被指数的遥感监测森林蓄积量方法，其特征在于：步骤S1中，采集方法为，采用安装有多光谱成像模块以及高清拍摄镜头的无人机。
5.如权利要求4所述的基于多种植被指数的遥感监测森林蓄积量方法，其特征在于：采集时间为12:00到15:00，并且当天为晴天。
6.如权利要求5所述的基于多种植被指数的遥感监测森林蓄积量方法，其特征在于：采集时无人机位于树木冠顶高度3m到5米。
CN201911080883.0A 2019-11-07 2019-11-07 一种基于多种植被指数的遥感监测森林蓄积量方法 Pending CN110807435A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911080883.0A CN110807435A (zh) 2019-11-07 2019-11-07 一种基于多种植被指数的遥感监测森林蓄积量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911080883.0A CN110807435A (zh) 2019-11-07 2019-11-07 一种基于多种植被指数的遥感监测森林蓄积量方法

Publications (1)

Publication Number Publication Date
CN110807435A true CN110807435A (zh) 2020-02-18

Family

ID=69502170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911080883.0A Pending CN110807435A (zh) 2019-11-07 2019-11-07 一种基于多种植被指数的遥感监测森林蓄积量方法

Country Status (1)

Country Link
CN (1) CN110807435A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112069947A (zh) * 2020-08-25 2020-12-11 航天信德智图（北京）科技有限公司 一种基于密度分析的果林颗数统计系统
CN113807208A (zh) * 2021-08-30 2021-12-17 中科海慧（天津）科技有限公司 浒苔监测方法、装置、电子设备及存储介质
CN113807208B (zh) * 2021-08-30 2024-05-31 中科海慧（天津）科技有限公司 浒苔监测方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109344550A (zh) * 2018-11-26 2019-02-15 国智恒北斗科技集团股份有限公司 一种基于国产高分卫星遥感数据的森林蓄积量反演方法及系统
CN110322047A (zh) * 2019-05-31 2019-10-11 新疆维吾尔自治区地质矿产勘查开发局第一水文工程地质大队 一种预测极端干旱区疏叶骆驼刺长势的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109344550A (zh) * 2018-11-26 2019-02-15 国智恒北斗科技集团股份有限公司 一种基于国产高分卫星遥感数据的森林蓄积量反演方法及系统
CN110322047A (zh) * 2019-05-31 2019-10-11 新疆维吾尔自治区地质矿产勘查开发局第一水文工程地质大队 一种预测极端干旱区疏叶骆驼刺长势的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王宗梅等: "基于哑变量的高山松蓄积量反演模型研究", 《林业资源管理》, no. 4, 15 August 2017 (2017-08-15), pages 78 - 79 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112069947A (zh) * 2020-08-25 2020-12-11 航天信德智图（北京）科技有限公司 一种基于密度分析的果林颗数统计系统
CN113807208A (zh) * 2021-08-30 2021-12-17 中科海慧（天津）科技有限公司 浒苔监测方法、装置、电子设备及存储介质
CN113807208B (zh) * 2021-08-30 2024-05-31 中科海慧（天津）科技有限公司 浒苔监测方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Nuske et al. Yield estimation in vineyards by visual grape detection
US20170118925A1 (en) Information processing apparatus, method of producing control signal, and information processing system
CN110569786B (zh) 一种基于无人机数据采集的果树识别和数量监测方法及系统
CN111815014A (zh) 一种基于无人机低空遥感信息的作物产量预测方法及系统
CA2709377A1 (en) Remote sensing and probabilistic sampling based method for determining the carbon dioxide volume of a forest
CN110533595A (zh) 一种作物病虫害空间动态分布监测的方法和系统
CN109033937B (zh) 通过无人机影像进行植物数量统计方法及系统
CN108334110A (zh) 一种基于无人机的林业病害监测方法和装置
CN110889394A (zh) 基于深度学习UNet网络的水稻倒伏识别方法
CN104915660A (zh) 一种基于gf-1/wfv ndvi时间序列的冬小麦自动识别方法
CN113850312A (zh) 森林生态状况的监测方法、装置、电子设备及存储介质
CN116543316B (zh) 一种利用多时相高分辨率卫星影像识别稻田内草皮的方法
CN110807435A (zh) 一种基于多种植被指数的遥感监测森林蓄积量方法
Ouyang et al. Assessment of canopy size using UAV-based point cloud analysis to detect the severity and spatial distribution of canopy decline
KR102177985B1 (ko) 산사태 발생 영역 자동 탐지 장치 및 탐지 방법
Yang et al. Fraction vegetation cover extraction of winter wheat based on RGB image obtained by UAV
Genno et al. Apple growth evaluated automatically with high-definition field monitoring images
CN112634213A (zh) 一种无人机预测冬小麦冠层叶面积指数的系统和方法
CN117197595A (zh) 基于边缘计算的果树生育期识别方法、装置及管理平台
CN113125383A (zh) 基于遥感的农耕用地次生盐渍化监测和预警方法和系统
CN103900498B (zh) 一种棉田苗情自动探测方法及其探测装置
CN114782843A (zh) 基于无人机多光谱图像融合的作物产量预测方法及系统
CN113514402B (zh) 一种冬小麦叶绿素含量的预测系统及方法
Jaramillo et al. Low-Cost, Computer Vision-Based, Prebloom Cluster Count Prediction in Vineyards
KR20220106639A (ko) 무인항공기 기반 다중분광영상을 활용한 소규모 저수지의 수생식물 탐지 방법 및 시스템

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