CN110927120B - 一种植被覆盖度预警方法 - Google Patents

一种植被覆盖度预警方法 Download PDF

Info

Publication number
CN110927120B
CN110927120B CN201911208822.8A CN201911208822A CN110927120B CN 110927120 B CN110927120 B CN 110927120B CN 201911208822 A CN201911208822 A CN 201911208822A CN 110927120 B CN110927120 B CN 110927120B
Authority
CN
China
Prior art keywords
data
vegetation coverage
difference
remote sensing
raster
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
CN201911208822.8A
Other languages
English (en)
Other versions
CN110927120A (zh
Inventor
王保林
哈斯尔
孙广福
白耀华
景文
道力格亚
张全民
敖一杰
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.)
Inner Mongolia Xiaocao Digital Ecological Industry Co ltd
Original Assignee
Inner Mongolia Xiaocao Digital Ecological Industry 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 Inner Mongolia Xiaocao Digital Ecological Industry Co ltd filed Critical Inner Mongolia Xiaocao Digital Ecological Industry Co ltd
Priority to CN201911208822.8A priority Critical patent/CN110927120B/zh
Publication of CN110927120A publication Critical patent/CN110927120A/zh
Application granted granted Critical
Publication of CN110927120B publication Critical patent/CN110927120B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01N21/55—Specular reflectivity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G01N2021/1793—Remote sensing
    • G01N2021/1797—Remote sensing in landscape, e.g. crops
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种植被覆盖度预警方法；具体包括：对遥感数据进行数据预处理，根据预设算法，计算获得植被覆盖度植被覆盖度，并投影形成栅格图；计算所述栅格图中的预设期年的植被覆盖度均值，绘制预设期年内的均值栅格图；计算所述均值栅格图中栅格数据的植被覆盖度标准差，并根据栅格数据的均值和标准差，绘制差值栅格图并输出。本申请的有益效果是：在差值栅格图上，对预警或正常用不同的颜色或者阴影等方式进行区分标记，然后在对应的栅格数据中进行绘制；可直接揭示待测区域植被覆盖度的预警或正常状况，进一步精准识别需要生态修复的区域；基于地理信息系统，与其他气象指标数据如降水、积温等进行相关性分析时无缝链接。

Description

一种植被覆盖度预警方法
技术领域
本申请涉及本发明涉及土地资源与生态环境监测评价领域，尤其涉及一种植被覆盖度预警方法。
背景技术
植被覆盖度是指植被(vegetation fractional cover，简称FC)（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。
现阶段，人们只是能了解到植被覆盖度的现状数据，即利用遥感影像数据通过GIS或ENVI波段运算处理生成区域的植被覆盖度现状数据。有学者使用植被覆盖度与其他生态因素结合来评价生态环境的综合状况，也有学者先将植被覆盖度分级再进行分级数值的运算。但是，植被覆盖度的现状数据只是揭示某一期植被覆盖度的空间分布数值，无法揭示植被覆盖度是高还是低，即没有形成评价植被覆盖度状况的模型。而评价生态环境的综合状况还需很多其他的基础生态数据，较难获取；先将植被覆盖度分级再进行分级数值的运算只是揭示两期植被覆盖度之间的变化，而没有考虑植被覆盖度本身在长时间序列上的变化也是正常现象，应该用一个标准值来与目标植被覆盖度进行对比。综合现有技术存在以上问题。
发明内容
本申请提供植被覆盖度预警的方法，以解决现有技术中无法反应植被覆盖度的预警无法在较长时间内的变化的问题。
为解决上述技术问题，本申请采用的一种植被覆盖度预警方法，包括以下步骤:对遥感数据进行数据预处理，根据预设算法，计算获得植被覆盖度植被覆盖度，并投影形成栅格图；计算所述栅格图中的预设期年的植被覆盖度均值，绘制预设期年内的均值栅格图；计算所述均值栅格图中栅格数据的植被覆盖度标准差，并根据栅格数据的均值和标准差，绘制差值栅格图并输出。
进一步的，所述遥感数据源遥感数据来源包括省域遥感数据和县域遥感数据：省域常用遥感数据有MOD09GQ地表反射率数据，空间分辨率1000m/500m/250m，时间分辨率1天/8天；NOAA-AVHRR气象数据，空间分辨率为1km，时间分辨率为1天；MOD13Q NDVI产品数据，空间分辨率为1000m/500m/250m，时间分辨率为8天；FY-3/MERSI数据，空间分辨率为250m，时间分辨率为1天。县域常用遥感数据有GF-1号数据（wfv），空间分辨率为16m，时间分辨率4天、Sentinel-2A/B数据，空间分辨率为10m,时间分辨率为5天左右；环境小卫星A/BCCD数据，空间分辨率30m，时间分辨率31天；Landsat TM数据，空间分辨率为30m，时间分辨率为16天；资源02C数据，空间分辨率10米，时间分辨率为55天。
进一步的，所述对遥感数据进行数据预处理包括：辐射定标、大气校正、NDVI计算。
进一步的，所述辐射定标包括以下步骤： 获取遥感原始影像，选择Basic Tools–Preprocessing–Calibration Utilities–Landsat Calibration，根据传感器类型从遥感影像中的头文件获取数据获取时间：太阳的水平高度；校正曲线类型设置为：辐射率。
进一步的，所述大气校正包括以下步骤，进入ENVI-Spectral-Flaash，或者Basictools-Pregrocessing-Caliration Utilities-Flaash，输入辐亮度图像，设置转换因子，设置输出参数以及输入成像。
进一步的，所述设置输出参数以及输入成像：在Output Reflectance File和Output Derectory for Flaash files里面设定输出文件的文件名和位置，根据遥感影像的头文件设定传感器参数，影像中心点的经纬度（Scene Center Location），可以将影像打开，查看中心点的经纬度。Flight Date,Flight Time GMT。
进一步的，所述植被覆盖度均值栅格图随年份的更新而自动更新。
进一步的，计算所述栅格图中的预设期年的植被覆盖度均值，绘制预设期年内的均值栅格图；具体包括：先计算植被覆盖度均值与植被覆盖度标准差的和；再用目标年份的植被覆盖度减去植被覆盖度均值与植被覆盖度标准差的和，得到目标年份的的差值数据，根据得到的目标年份的的差值数据绘制成差值栅格图。
进一步的，比较所述栅格数据中目标期年的植被覆盖度的差值与预设预置并根据比较结果，若差值小于预设预置，记为预警；若差值大于预设阈值，记为正常。
进一步的，在所述差值栅格图上，对预警或正常用不同的颜色或者阴影等方式进行区分标记。
有益效果：区别于现有技术，本申请的有益效果是：在差值栅格图上，对预警或正常用不同的颜色或者阴影等方式进行区分标记，然后在对应的栅格数据中进行绘制；可直接揭示待测区域植被覆盖度的预警或正常状况，进一步精准识别需要生态修复的区域；基于地理信息系统，与其他气象指标数据如降水、积温等进行相关性分析时无缝链接。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对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是植被覆盖预警的流程图；
图2是植被覆盖计算的流程图；
图3是大气校正前后对比图
图4是植被覆盖度栅格图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
植被覆盖度植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。
植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。
为解决现有技术中只能获取当前植被覆盖度植被覆盖度现状数值的局限性，本申请提出了植被覆盖度预警方法，具体请参阅图1，图1是本申请提供的植被覆盖度预警方法流程图。
如图1和4所示，本实施例植被覆盖度方法包括以下步骤：
步骤S100：对遥感数据进行数据预处理，根据预设算法，计算获得植被覆盖度植被覆盖度，并投影形成栅格图；
本申请的实施例中，遥感数据来源包括省域遥感数据和县域遥感数据：省域常用遥感数据有MOD09GQ地表反射率数据，空间分辨率1000m/500m/250m，时间分辨率1天/8天；NOAA-AVHRR气象数据，空间分辨率为1km，时间分辨率为1天；MOD13Q NDVI产品数据，空间分辨率为1000m/500m/250m，时间分辨率为8天；FY-3/MERSI数据，空间分辨率为250m，时间分辨率为1天。县域常用遥感数据有GF-1号数据（wfv），空间分辨率为16m，时间分辨率4天、Sentinel-2A/B数据，空间分辨率为10m,时间分辨率为5天左右；环境小卫星A/B CCD数据，空间分辨率30m，时间分辨率31天；Landsat TM数据，空间分辨率为30m，时间分辨率为16天；资源02C数据，空间分辨率10米，时间分辨率为55天。
所述对遥感数据进行数据预处理包括：重投影、图像镶嵌、裁剪、辐射定标、大气校正、NDVI计算、最大值合成、数据格式转换等预处理方式。
辐射定标包括：获取遥感原始影像，选择
Basic Tools–Preprocessing–Calibration Utilities–Landsat Calibration，根据传感器类型从遥感影像中的头文件获取数据获取时间(Data Acquisition的时间)：太阳的水平高度(Sun elevation)；校正曲线类型(Calibration Type)设置为：Radiance（辐射率）。
大气校正包括，如图3所示：进入ENVI-Spectral-Flaash，或者Basic tools-Pregrocessing-Caliration Utilities-Flaash。输入辐亮度图像，输入数据必须是辐射校正后的数据，对辐射校正数据转成BIL或者BIP格式（Convert Data）；对输入数据进行头文件编辑，主要是对波长(wavelenth)和波长宽度的编辑，若不是高光谱，可以不对波长宽度进行标记。
输入数据后，设置转换因子（Single scale factor），在本实施例中，设置转换因子为为0.1，对于输入影响不同波段有不同的转换因子。
设置输出参数以及输入成像：在Output Reflectance File和Output Derectoryfor Flaash files里面设定输出文件的文件名和位置，根据遥感影像的头文件设定传感器参数，影像中心点的经纬度（Scene Center Location），可以将影像打开，查看中心点的经纬度。Flight Date,Flight Time GMT。
Atmospheric Model（大气模型）:共有Sub-Arctic Winter(SAW),Mid-LatitudeWinter(MLW),U.S. Standard(US),Sub-Arctic Summer(SAS),Mid-LatitudeSummer(MLS)和Tropical(T)，6种大气模型,根据经纬度和时间可以选定研究区的大气模式。
（气溶胶模型）Aerosal Modal:提供四种标准，分别为（乡村）Rural,（城市）Urban,（海洋）Maritime和Tropospheric四种选择，根据实际情况选择即可。
大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率和辐射率、地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧对地物反射的影响。消除大气分子和气溶胶散射的影响。
计算植被覆盖度，如图2所示：
NDVI计算：通过近红外波段与可见光红波段数值之差与这两个波段数值之和的比值计算获得，即NDVI=(NIR-RED)/(NIR+RED),NIR代表近红外波段的反射率，RED代表可见光红波段的反射率。
像元二分模型基于像元二分模型的植被覆盖度监测: 像元二分模型反演植被覆盖度，假设一个像元的地表由有植被覆盖部分地表(SV)与无植被覆盖部分地表(SS)组成，而遥感传感器观测到的光谱信息(S)也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，如其中植被覆盖度可以看作是植被的权重。
因此，像元二分模型的原理如下：
①遥感传感器观测到的光谱信息(S)由有植被覆盖部分地表(SV)与无植被覆盖部分地表(SS)组成，可得出：
S = SV + SS （公式1）
②假设一个像元中有植被覆盖的面积比例为fc,即该像元的植被覆盖度,则裸土覆盖的面积比例为1-fc，如果全由植被所覆盖的纯像元所得的遥感信息为Sveg ,则混合像元的植被部分所贡献的信息Sv可以表示为Sveg与fc的乘积：
Sv=fc·Sveg （公式2）那么，
Ss=(1-fc)·Ssoil （公式3）
③将公式2与公式3代入到公式1中，可得到
S=fc·Sveg+(1-fc)Ssoil （公式4）
④对公式4进行变换,可得以下计算植被覆盖度的公式：
fc=(S-Ssoil)/(Sveg-Ssoil) （公式5）
其中Ssoil为纯土壤像元的信息,Sveg 为纯植被像元的信息, 因而可以根据公式5利用遥感信息来估算植被覆盖度。
⑤将归一化植被指数(NDVI)代入公式5可以被近似为:
fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) （公式6）
其中, NDVIsoil为裸土或无植被覆盖区域的NDVI值, 即无植被像元的NDVI值；而NDVIveg则代表完全被植被所覆盖的像元的NDVI值, 即纯植被像元的NDVI值。
当区域内可以近似取VFCmax=100%，VFCmin=0%，VFC=(NDVI-NDVImin)/(NDVImax-NDVImin)，NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定；当区域内不能近似取VFCmax=100%，VFCmin=0%，当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax和VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。当没有实测数据的情况下，取一定置信度范围内的NDVImax 和NDVImin。VFCmax
和VFCmin根据经验估算。
步骤S200：计算所述栅格图中的每个期年的植被覆盖度均值，绘制预设期年内的均值栅格图；
栅格计算得到的图像格式 为GRID格式，不具备栅格图像的灰度信息，为了得到不同植被覆盖度的面积统计值，将该图像进行属性值的重新设置低植被覆盖度的属性值为1，较低植被覆盖度的属性值为2，中度植被覆盖度的属性值为3，较高植被覆盖度的属性值为4，高植被覆盖度的属性值为5，水体与误差错分区的属性值设置为0，这样得到按照新的属性值统计的栅格总数，根据栅格总数可以计算出每种植被覆盖情况的面积。
将植被覆盖度植被覆盖度投影到坐标系中，在地图矢量图中，将植被覆盖度植被覆盖度的值投影到矢量图的栅格中。每个栅格中为每一期年的植被覆盖度植被覆盖度的数据。
本申请的目的是最终获得连续时间序列上，也即连续期年间的变化，而非仅仅获取某一特定期年的植被覆盖度，这正是本申请与现有技术区别的地方。
使用栅格计算器计算上述步骤S200中净植被覆盖度栅格图的平均值；也就是求每个期年植被覆盖度植被覆盖度栅格图中的数据之和与需要统计的总期年的比值，获得植被覆盖度植被覆盖度均值栅格图，其中该均值栅格图中包括每个期年植被覆盖度植被覆盖度的均值数据。
进一步的，再计算该栅格数据中的标准差，再输出植被覆盖度植被覆盖度标准差栅格图。
标准差定义是总体各单位标准值与其平均数离差平方和的算术平均数的平方根。它反映组内个体间的离散程度。因此，计算标准差更加能够反应每个期年植被覆盖度植被覆盖度的差异性和变化率。
比如，以2000年之后的植被覆盖度数据为例，使用ArcGIS中Raster Calculator工具（栅格计算器），所述栅格中数据像元数据为每期年校正后的植被覆盖度，当前年份为2019年，计算2000年至2018年，栅格数据中植被覆盖度数据的均值。进一步的计算植被覆盖度数据的标准差。
因此，该数据随年份的更新而自动更新。如果当前年份更新到2020年，则计算计算2000年至2019年的栅格数据，获得植被覆盖度的均值和标准差。会随着年份的更新而更新均值和标准差数据。
步骤S300：计算所述均值栅格图中栅格数据的植被覆盖度标准差，并根据栅格数据的均值和标准差，绘制差值栅格图并输出。
具体为：使用ArcGIS中Raster Calculator工具（栅格计算器）进行计算：
先计算植被覆盖度均值与植被覆盖度标准差的和；再用目标年份的植被覆盖度减去植被覆盖度均值与植被覆盖度标准差的和，得到目标年份的的差值数据，根据得到的目标年份的的差值数据绘制成差值栅格图。
比较所述栅格数据中目标期年的植被覆盖度的差值与预设阈值并根据比较结果，进行不同的标记，并根据标记结果输出差值栅格图。
使用ArcGIS中Reclassify工具（重分类），比较所述栅格数据中目标期年的植被覆盖度的差值与预设预置并根据比较结果，进行不同的标记，通过一个标准值与目标期年的植被覆盖度比较，直观显示连续多年时间序列上植被覆盖度的高或者低，形成评价植被覆盖度状况的模型，而不仅仅是两期年之间的变化。
若差值小于预设预置，记为预警；若差值大于预设阈值，记为正常；所述差值在本申请中可以设为-0.15，当然也可以是其他数值。
在差值栅格图上，对预警或正常用不同的颜色或者阴影等方式进行区分标记，然后在对应的栅格数据中进行绘制；可直接揭示待测区域植被覆盖度的预警或正常状况，进一步精准识别需要生态修复的区域；基于地理信息系统，与其他气象指标数据如降水、积温等进行相关性分析时无缝链接。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (4)

1.一种植被覆盖度预警方法，其特征在于，包括以下步骤:
对遥感数据进行数据预处理，根据预设算法，计算获得植被覆盖度，并投影形成栅格图；
计算所述栅格图中的预设期年的植被覆盖度均值，绘制预设期年内的均值栅格图；
计算所述均值栅格图中栅格数据的植被覆盖度标准差，并根据均值栅格数据和标准差，绘制差值栅格图并输出；
所述对遥感数据进行数据预处理包括：辐射定标、大气校正、NDVI计算；
所述辐射定标包括以下步骤：
获取遥感原始影像，选择Basic Tools–Preprocessing–Calibration Utilities–Landsat Calibration，根据传感器类型从遥感影像中的头文件获取数据获取时间；太阳的水平高度；校正曲线类型设置为：辐射率；
所述大气校正包括以下步骤，进入ENVI-Spectral-Flaash，或者Basic tools-Pregrocessing-Caliration Utilities-Flaash，输入辐亮度图像，设置转换因子，设置输出参数以及输入成像；
计算所述均值栅格图中栅格数据的植被覆盖度标准差，并根据均值栅格数据和标准差，绘制差值栅格图并输出；具体包括：先计算植被覆盖度均值与植被覆盖度标准差的和；再用目标年份的植被覆盖度减去植被覆盖度均值与植被覆盖度标准差的和，得到目标年份的差值数据，根据得到的目标年份的差值数据绘制成差值栅格图；
比较所述差值栅格图中目标年份的植被覆盖度差值与预设阈值,若差值小于预设阈值，记为预警；若差值大于预设阈值，记为正常；其中所述植被覆盖度的均值和标准差随年份的更新而更新。
2.根据权利要求1所述的一种植被覆盖度预警方法，其特征在于，遥感数据来源包括省域遥感数据和县域遥感数据：省域常用遥感数据有MOD09GQ地表反射率数据，空间分辨率1000m/500m/250m，时间分辨率1天/8天；NOAA-AVHRR气象数据，空间分辨率为1km，时间分辨率为1天；MOD13Q NDVI产品数据，空间分辨率为1000m/500m/250m，时间分辨率为8天；FY-3/MERSI数据，空间分辨率为250m，时间分辨率为1天；县域常用遥感数据有GF-1号数据，空间分辨率为16m，时间分辨率4天；Sentinel-2A/B数据，空间分辨率为10m,时间分辨率为5天；环境小卫星A/B CCD数据，空间分辨率30m，时间分辨率31天；Landsat TM数据，空间分辨率为30m，时间分辨率为16天；资源02C数据，空间分辨率10米，时间分辨率为55天。
3.根据权利要求1所述的植被覆盖度的预警方法，其特征在于，所述设置输出参数以及输入成像为：在Output Reflectance File和Output Derectory for Flaash files里面设定输出文件的文件名和位置，根据遥感影像的头文件设定传感器参数，影像中心点的经纬度。
4.根据权利要求1所述的一种植被覆盖度预警方法，其特征在于，在所述差值栅格图上，对预警或正常用不同的颜色或者阴影方式进行区分标记。
CN201911208822.8A 2019-11-30 2019-11-30 一种植被覆盖度预警方法 Active CN110927120B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911208822.8A CN110927120B (zh) 2019-11-30 2019-11-30 一种植被覆盖度预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911208822.8A CN110927120B (zh) 2019-11-30 2019-11-30 一种植被覆盖度预警方法

Publications (2)

Publication Number Publication Date
CN110927120A CN110927120A (zh) 2020-03-27
CN110927120B true CN110927120B (zh) 2023-08-04

Family

ID=69848311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911208822.8A Active CN110927120B (zh) 2019-11-30 2019-11-30 一种植被覆盖度预警方法

Country Status (1)

Country Link
CN (1) CN110927120B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364681B (zh) * 2020-09-21 2022-10-04 生态环境部卫星环境应用中心 基于二维表的植被覆盖度估算方法及装置
CN113516083B (zh) * 2021-07-19 2023-04-07 中国农业科学院草原研究所 一种草原区弃耕地植被的生态修复建模方法
CN113762383B (zh) * 2021-09-07 2024-04-05 甘肃中星鸿图科技有限公司 一种基于多源数据的植被指数融合方法
CN116778303B (zh) * 2023-08-25 2023-10-31 山东省国土测绘院 一种基于无人机遥感的植被覆盖度测量方法
CN117372503B (zh) * 2023-12-08 2024-03-08 水利部交通运输部国家能源局南京水利科学研究院 一种河湖岸带植被分类及覆盖度计算方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288954A (zh) * 2011-08-01 2011-12-21 高吉喜 一种草地植被覆盖度遥感估测方法
CN109615215A (zh) * 2018-12-06 2019-04-12 西安理工大学 一种区域植被恢复的特征分析方法
CN109636171A (zh) * 2018-12-06 2019-04-16 西安理工大学 一种区域植被恢复的综合诊断与风险评价方法
CN110059553A (zh) * 2019-03-13 2019-07-26 中国科学院遥感与数字地球研究所 利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法
CN110296942A (zh) * 2019-05-21 2019-10-01 华中农业大学 一种植被覆盖管理因子的动态评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288954A (zh) * 2011-08-01 2011-12-21 高吉喜 一种草地植被覆盖度遥感估测方法
CN109615215A (zh) * 2018-12-06 2019-04-12 西安理工大学 一种区域植被恢复的特征分析方法
CN109636171A (zh) * 2018-12-06 2019-04-16 西安理工大学 一种区域植被恢复的综合诊断与风险评价方法
CN110059553A (zh) * 2019-03-13 2019-07-26 中国科学院遥感与数字地球研究所 利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法
CN110296942A (zh) * 2019-05-21 2019-10-01 华中农业大学 一种植被覆盖管理因子的动态评估方法

Also Published As

Publication number Publication date
CN110927120A (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
CN110927120B (zh) 一种植被覆盖度预警方法
Yang et al. Daily Landsat-scale evapotranspiration estimation over a forested landscape in North Carolina, USA, using multi-satellite data fusion
Weng et al. Generating daily land surface temperature at Landsat resolution by fusing Landsat and MODIS data
Fernandes et al. Landsat-5 TM and Landsat-7 ETM+ based accuracy assessment of leaf area index products for Canada derived from SPOT-4 VEGETATION data
Merlin et al. Self-calibrated evaporation-based disaggregation of SMOS soil moisture: An evaluation study at 3 km and 100 m resolution in Catalunya, Spain
Zheng et al. Combining remote sensing imagery and forest age inventory for biomass mapping
Román et al. Use of in situ and airborne multiangle data to assess MODIS-and Landsat-based estimates of directional reflectance and albedo
Kowalik et al. Yield estimation using SPOT-VEGETATION products: A case study of wheat in European countries
Chen et al. A data-model fusion approach for upscaling gross ecosystem productivity to the landscape scale based on remote sensing and flux footprint modelling
Duveiller et al. Remotely sensed green area index for winter wheat crop monitoring: 10-Year assessment at regional scale over a fragmented landscape
Verger et al. GEOCLIM: A global climatology of LAI, FAPAR, and FCOVER from VEGETATION observations for 1999–2010
de Moura et al. Seasonality and drought effects of Amazonian forests observed from multi-angle satellite data
Zhang et al. Spatio-temporal reconstruction of air temperature maps and their application to estimate rice growing season heat accumulation using multi-temporal MODIS data
CN114819737B (zh) 公路路域植被的碳储量估算方法、系统及存储介质
Bolun et al. Estimating rice paddy areas in China using multi-temporal cloud-free normalized difference vegetation index (NDVI) imagery based on change detection
Samain et al. Use of a Kalman filter for the retrieval of surface BRDF coefficients with a time-evolving model based on the ECOCLIMAP land cover classification
Wu et al. Evaluation of winter wheat yield simulation based on assimilating LAI retrieved from networked optical and SAR remotely sensed images into the WOFOST model
Coops et al. Estimation of eucalypt forest leaf area index on the south coast of New South Wales using Landsat MSS data
Zhang et al. Development of the direct-estimation albedo algorithm for snow-free Landsat TM albedo retrievals using field flux measurements
CN114241331A (zh) 以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法
Propastin et al. A physically based approach to model LAI from MODIS 250 m data in a tropical region
He et al. Direct estimation of land surface albedo from simultaneous MISR data
Li et al. Aerodynamic roughness length estimation with lidar and imaging spectroscopy in a shrub-dominated dryland
Baret et al. Consistent and accurate LAI, FAPAR, and FCover global products: principles and evaluation of GEOV1 products
Cai Vegetation Observation in the Big Data Era: Sentinel-2 data for mapping the seasonality of land vegetation

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
CB02 Change of applicant information

Address after: 011517 room 2230, enterprise headquarters building, Shengle modern service industry cluster, Shengle economic Park, Helingeer County, Hohhot City, Inner Mongolia Autonomous Region

Applicant after: Inner Mongolia Xiaocao digital Ecological Industry Co.,Ltd.

Applicant after: Mengcao ecological environment (Group) Co.,Ltd.

Address before: 011517 room 2230, enterprise headquarters building, Shengle modern service industry cluster, Shengle economic Park, Helingeer County, Hohhot City, Inner Mongolia Autonomous Region

Applicant before: Inner Mongolia mengcao life community big data Co.,Ltd.

Applicant before: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (GROUP) Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 011599 West Hall, F2, Intelligent Manufacturing Industrial Park, Shengle Modern Service Industry Cluster, Horinger County, Hohhot, Inner Mongolia

Applicant after: Inner Mongolia Xiaocao Digital Ecological Industry Co.,Ltd.

Applicant after: Mengcao ecological environment (Group) Co.,Ltd.

Address before: 011517 room 2230, enterprise headquarters building, Shengle modern service industry cluster, Shengle economic Park, Helingeer County, Hohhot City, Inner Mongolia Autonomous Region

Applicant before: Inner Mongolia Xiaocao digital Ecological Industry Co.,Ltd.

Applicant before: Mengcao ecological environment (Group) Co.,Ltd.

CB02 Change of applicant information
TA01 Transfer of patent application right

Effective date of registration: 20230704

Address after: 011599 West Hall, F2, Intelligent Manufacturing Industrial Park, Shengle Modern Service Industry Cluster, Horinger County, Hohhot, Inner Mongolia

Applicant after: Inner Mongolia Xiaocao Digital Ecological Industry Co.,Ltd.

Address before: 011599 West Hall, F2, Intelligent Manufacturing Industrial Park, Shengle Modern Service Industry Cluster, Horinger County, Hohhot, Inner Mongolia

Applicant before: Inner Mongolia Xiaocao Digital Ecological Industry Co.,Ltd.

Applicant before: Mengcao ecological environment (Group) Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant