CN111007042A - 一种基于遥感数据异质性的群落多样性估测方法 - Google Patents
一种基于遥感数据异质性的群落多样性估测方法 Download PDFInfo
- Publication number
- CN111007042A CN111007042A CN201911351615.8A CN201911351615A CN111007042A CN 111007042 A CN111007042 A CN 111007042A CN 201911351615 A CN201911351615 A CN 201911351615A CN 111007042 A CN111007042 A CN 111007042A
- Authority
- CN
- China
- Prior art keywords
- data
- remote sensing
- correction
- sensing data
- heterogeneity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000003595 spectral effect Effects 0.000 claims abstract description 21
- 241000196324 Embryophyta Species 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000002310 reflectometry Methods 0.000 claims abstract description 17
- 230000005855 radiation Effects 0.000 claims abstract description 10
- 238000009499 grossing Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 6
- 230000010365 information processing Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 230000035764 nutrition Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229920005610 lignin Polymers 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Agronomy & Crop Science (AREA)
- Analytical Chemistry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于遥感数据异质性的群落多样性估测方法,方法包括:获取遥感数据,进行辐射纠正、几何纠正和地形矫正后,提取450、470、800、465、681、750、550nm处的植被反射率作为光谱数据;将获取的光谱数据进行矫正和检验,确保无数据错误;将获取的光谱数据进行平滑处理;计算450‑470nm之间各波段反射率之间的方差SD;计算植物物种多样性指数Y。本发明可以快速估算植物物种的多样性,可广泛适用于草原、草地、灌丛、农田及苗圃地等植物物种丰富度的快速评估;可以快速测定出植物物种的多样性指数,无需大量人力物力投入,具有信息处理高效、节省投入成本的优点。
Description
技术领域
本发明涉及一种群落多样性估测方法,尤其涉及一种基于遥感数据异质性的群落多样性估测方法。
背景技术
群落异质性是生态系统稳定性的重要指标之一,广泛应用于指示生态弹性和可持续性,用于生态质量评价、生态建设和生态治理。遥感技术已经广泛的应用于生态环境监测、农作物病虫害与作物估产、地矿勘探等方面,发挥着越来越重要的作用。植物的光谱特征是由生理生态特征、组成结构特征引起的对光的吸收、透射和反射的变化,能够利用遥感数据定量反演植被生理和生化参数,主要涉及植被覆盖度、生物量、叶面积指数,以及叶片或冠层的水分含量、叶绿素含量、矿质营养含量、纤维素、木质素、淀粉和蛋白质含量、光合生理参数等。这些指标是群落异质性的有力指标。
我国具有森林、草原、灌丛、农田等多种生态系统类型,为我国可持续发展提供支撑。我国草地面积广阔,约占国土面积的1/3以上,其中约50%~60%的天然草地存在着不同程度的退化现象。不同生态恢复阶段植被群落特征表现不同,群落多样性和异质性是生态恢复的重要指标。不同生态恢复阶段优势植物物种的矿质营养状况、生理生态状况、形态结构特征也不相同。大面积监测不同生态恢复阶段草原的表现,对于传统的植物样方调查法来说,需要大量人力物力,往往耗时数月才能完成。遥感由于能够有效监测植物的矿质营养状况、生理生态状况和生长状况,同时具有多样性分辨率,在大面积生态恢复监测上具有优势。但是植物物种丰富度的监测尚没有有效的遥感监测方法,因此,亟需开发一种适合草地、草原、农田等对象的植物群落多样性快速评估的方法。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种基于遥感数据异质性的群落多样性估测方法。
为了解决以上技术问题,本发明采用的技术方案是:一种基于遥感数据异质性的群落多样性估测方法,方法包括以下步骤:
I、获取遥感数据,进行辐射纠正、几何纠正和地形矫正后,提取450、470、800、465、681、750、550nm处的植被反射率作为光谱数据;
II、将获取的光谱数据进行矫正和检验,确保无数据错误;将获取的光谱数据,根据地物类型,进行矫正和检验,仅提取植被数据,确保所获得的遥感数据为植被数据,无数据错误;
III、将获取的光谱数据进行平滑处理,以相邻的4个数据为基础,获取中间数据的均值;
IV、计算450470nm之间各波段反射率之间的方差SD,计算方法如公式①所示:
其中,R表示450470nm之间各波段的反射率;Rm表示450470nm之间的平均反射率;
V、按照公式②计算植物物种多样性指数Y;
其中,R450,R470,R800,R465,R681,R750,R550分别表示450、470、800、465、681、750、550nm处光谱反射率。
进一步地,步骤I中辐射纠正的方法如公式③所示;
E=EOA, 公式③
其中,E为传感器接收到的电磁波能量,EO为地物的辐射能量,A为大气的衰减系数。
进一步地,步骤I中几何纠正的方法为利用地面控制点对遥感图像几何畸变进行纠正。
进一步地,步骤I中地形矫正为用同步获得的相同地区的任意2个波段对应像元的灰度值之比或几个波段组合的对应像元灰度值之比;消除在比值图像上阴影的影响,有助于提高遥感图像定量分析与识别分类精度。
本发明根据光谱异质性和物种多样性,可以快速估算植物物种的多样性,可广泛适用于草原、草地、灌丛、农田及苗圃地等的植物物种丰富度的快速评估;本发明不同于实地样方调查耗费的大量人力物力,或者购买遥感影像的大量花费,可以快速测定出植物物种的多样性指数,无需大量人力物力投入,具有信息处理高效、节省投入成本的优点。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明。
一种基于遥感数据异质性的群落多样性估测方法,方法包括以下步骤:
I、获取LandsatTM遥感影像数据,如公式③所示进行辐射纠正;
E=EOA, 公式③
其中,E为传感器接收到的电磁波能量,EO为地物的辐射能量,A为大气的衰减系数,可从遥感平台上大气参数装置获得;
利用地面控制点GCP(遥感图像上易于识别,并可精确定位的点)对因其他因素引起的遥感图像几何畸变进行纠正;
用同步获得的相同地区的任意2个波段对应像元的灰度值之比或几个波段组合的对应像元灰度值之比;消除在比值图像上阴影的影响,有助于提高遥感图像定量分析与识别分类精度;
经过上述辐射纠正、几何纠正和地形矫正后,提取450、470、800、465、681、750、550nm处的植被反射率作为光谱数据;
II、将获取的光谱数据进行矫正和检验,确保无数据错误;将获取的光谱数据,根据地物类型,进行矫正和检验,仅提取植被数据,确保所获得的遥感数据为植被数据,无数据错误;
III、将获取的光谱数据进行平滑处理,以相邻的4个数据为基础,获取中间数据的均值;
IV、计算450-470nm之间各波段反射率之间的方差SD,计算方法如公式①所示:
其中,R表示450-470nm之间各波段的反射率;Rm表示450-470nm之间的平均反射率;
V、按照公式②计算植物物种多样性指数Y;
其中,R450,R470,R800,R465,R681,R750,R550分别表示450、470、800、465、681、750、550nm处光谱反射率。
本发明相比现有技术具有的优点为:
本发明基于对已有植被参数模型的应用、反复试验和改良,根据不同植物物种的遥感光谱信息的生成与分解原理,按照不同波段光谱反射率的生物学特征,开发了新的能够反演植物物种多样性指数的方法。
本发明不同于实地样方调查耗费的大量人力物力,或者购买遥感影像的大量花费,可以快速测定出植物物种的多样性指数,无需大量人力物力投入,具有信息处理高效、节省投入成本的优点。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (4)
1.一种基于遥感数据异质性的群落多样性估测方法,其特征在于:所述方法包括以下步骤:
Ⅰ、获取遥感数据,进行辐射纠正、几何纠正和地形矫正后,提取450、470、800、465、681、750、550nm处的植被反射率作为光谱数据;
Ⅱ、将获取的光谱数据进行矫正和检验,确保无数据错误;将获取的光谱数据,根据地物类型,进行矫正和检验,仅提取植被数据,确保所获得的遥感数据为植被数据,无数据错误;
Ⅲ、将获取的光谱数据进行平滑处理,以相邻的4个数据为基础,获取中间数据的均值;
Ⅳ、计算450-470nm之间各波段反射率之间的方差SD,计算方法如公式①所示:
其中,R表示450-470nm之间各波段的反射率;Rm表示450-470nm之间的平均反射率;
Ⅴ、按照公式②计算植物物种多样性指数Y;
其中,R450,R470,R800,R465,R681,R750,R550分别表示450、470、800、465、681、750、550nm处光谱反射率。
2.根据权利要求1所述的基于遥感数据异质性的群落多样性估测方法,其特征在于:所述步骤Ⅰ中辐射纠正的方法如公式③所示;
E=E0A, 公式③
其中,E为传感器接收到的电磁波能量,E0为地物的辐射能量,A为大气的衰减系数。
3.根据权利要求1所述的基于遥感数据异质性的群落多样性估测方法,其特征在于:所述步骤Ⅰ中几何纠正的方法为利用地面控制点对遥感图像几何畸变进行纠正。
4.根据权利要求1所述的基于遥感数据异质性的群落多样性估测方法,其特征在于:所述步骤Ⅰ中地形矫正为用同步获得的相同地区的任意2个波段对应像元的灰度值之比或几个波段组合的对应像元灰度值之比;消除在比值图像上阴影的影响,有助于提高遥感图像定量分析与识别分类精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911351615.8A CN111007042B (zh) | 2019-12-24 | 2019-12-24 | 一种基于遥感数据异质性的群落多样性估测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911351615.8A CN111007042B (zh) | 2019-12-24 | 2019-12-24 | 一种基于遥感数据异质性的群落多样性估测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111007042A true CN111007042A (zh) | 2020-04-14 |
CN111007042B CN111007042B (zh) | 2022-04-22 |
Family
ID=70117874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911351615.8A Expired - Fee Related CN111007042B (zh) | 2019-12-24 | 2019-12-24 | 一种基于遥感数据异质性的群落多样性估测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111007042B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915625A (zh) * | 2020-08-13 | 2020-11-10 | 湖南省有色地质勘查研究院 | 一种能量积分的遥感影像地形阴影自动检测方法和系统 |
CN115830442A (zh) * | 2022-11-11 | 2023-03-21 | 中国科学院空天信息创新研究院 | 一种基于机器学习的小麦茎蘖密度遥感估算方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030184757A1 (en) * | 2002-03-19 | 2003-10-02 | Frederic Bevilacqua | Method and apparatus for performing quantitative analysis and imaging surfaces and subsurfaces of turbid media using spatially structured illumination |
CN103868860A (zh) * | 2014-03-25 | 2014-06-18 | 辽宁师范大学 | 一种基于高光谱植被指数监测湿地植被冠层氮浓度的方法 |
CN105043992A (zh) * | 2015-07-17 | 2015-11-11 | 辽宁师范大学 | 一种湿地土壤硝化微生物群落高光谱遥感监测方法 |
CN107340244A (zh) * | 2017-02-06 | 2017-11-10 | 重庆文理学院 | 一种大棚芹菜的季节性最优光谱检测方法 |
CN108387525A (zh) * | 2018-01-26 | 2018-08-10 | 中国科学院遥感与数字地球研究所 | 一种基于evi2季节变化曲线的年gpp估算方法及系统 |
CN108732137A (zh) * | 2018-07-19 | 2018-11-02 | 中央民族大学 | 基于高光谱遥感数据估算植物物种多样性的模型及方法 |
CN109459392A (zh) * | 2018-11-06 | 2019-03-12 | 南京农业大学 | 一种基于无人机多光谱影像的水稻地上部生物量估测方法 |
CN110208193A (zh) * | 2019-05-09 | 2019-09-06 | 航天恒星科技有限公司 | 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法 |
-
2019
- 2019-12-24 CN CN201911351615.8A patent/CN111007042B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030184757A1 (en) * | 2002-03-19 | 2003-10-02 | Frederic Bevilacqua | Method and apparatus for performing quantitative analysis and imaging surfaces and subsurfaces of turbid media using spatially structured illumination |
CN103868860A (zh) * | 2014-03-25 | 2014-06-18 | 辽宁师范大学 | 一种基于高光谱植被指数监测湿地植被冠层氮浓度的方法 |
CN105043992A (zh) * | 2015-07-17 | 2015-11-11 | 辽宁师范大学 | 一种湿地土壤硝化微生物群落高光谱遥感监测方法 |
CN107340244A (zh) * | 2017-02-06 | 2017-11-10 | 重庆文理学院 | 一种大棚芹菜的季节性最优光谱检测方法 |
CN108387525A (zh) * | 2018-01-26 | 2018-08-10 | 中国科学院遥感与数字地球研究所 | 一种基于evi2季节变化曲线的年gpp估算方法及系统 |
CN108732137A (zh) * | 2018-07-19 | 2018-11-02 | 中央民族大学 | 基于高光谱遥感数据估算植物物种多样性的模型及方法 |
CN109459392A (zh) * | 2018-11-06 | 2019-03-12 | 南京农业大学 | 一种基于无人机多光谱影像的水稻地上部生物量估测方法 |
CN110208193A (zh) * | 2019-05-09 | 2019-09-06 | 航天恒星科技有限公司 | 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法 |
Non-Patent Citations (1)
Title |
---|
刘鲁霞等: "基于高分2号遥感数据估测中亚热带天然林木本植物物种多样性", 《林业科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915625A (zh) * | 2020-08-13 | 2020-11-10 | 湖南省有色地质勘查研究院 | 一种能量积分的遥感影像地形阴影自动检测方法和系统 |
CN115830442A (zh) * | 2022-11-11 | 2023-03-21 | 中国科学院空天信息创新研究院 | 一种基于机器学习的小麦茎蘖密度遥感估算方法和系统 |
CN115830442B (zh) * | 2022-11-11 | 2023-08-04 | 中国科学院空天信息创新研究院 | 一种基于机器学习的小麦茎蘖密度遥感估算方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111007042B (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fu et al. | Combining UAV multispectral imagery and ecological factors to estimate leaf nitrogen and grain protein content of wheat | |
CN110796001B (zh) | 一种卫星影像覆膜农田识别与提取方法及系统 | |
CN110967300B (zh) | 一种维管植物物种丰富度估测的高光谱遥感方法 | |
CN102495005B (zh) | 高光谱图像技术诊断作物水分亏缺的方法 | |
CN103955938B (zh) | 一种基于移动互联网模式和叶片颜色分析的小麦生长状态诊断方法 | |
CN114821362B (zh) | 一种基于多源数据的水稻种植面积提取方法 | |
CN108732137B (zh) | 基于高光谱遥感数据估算植物物种多样性的模型及方法 | |
CN111007042B (zh) | 一种基于遥感数据异质性的群落多样性估测方法 | |
CN102175618A (zh) | 一种稻麦叶片氮含量光谱监测模型建模方法 | |
CN104749134A (zh) | 一种检测叶菜类作物冠层水分含量的方法 | |
CN114140695B (zh) | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 | |
Loozen et al. | Remote sensing of canopy nitrogen at regional scale in Mediterranean forests using the spaceborne MERIS Terrestrial Chlorophyll Index | |
Lang et al. | Detection of chlorophyll content in maize canopy from UAV imagery | |
CN110751035A (zh) | 一种制种玉米的识别方法及装置 | |
Shu et al. | Assessing maize lodging severity using multitemporal UAV-based digital images | |
CN112257531B (zh) | 基于多样性特征联合的林地变化遥感监测方法 | |
CN117274798B (zh) | 基于正则化的时序变分模型的遥感水稻识别方法 | |
CN117456367A (zh) | 一种农作物种植区域识别方法、装置、设备及存储介质 | |
CN115049902B (zh) | 柑橘叶片含水量可视化预测方法、系统、设备及存储介质 | |
CN102749290A (zh) | 一种樱桃树冠层树枝生长状态的检测方法 | |
Saberioon et al. | Multi-spectral images tetracam agriculture digital camera to estimate nitrogen and grain yield of rice at different growth stages | |
CN115358321A (zh) | 基于卷积神经网络的高光谱土壤速效钾含量预测方法 | |
CN111027523A (zh) | 一种棉花冠层类胡萝卜素含量的卫星遥感监测方法 | |
Loozen et al. | Regional detection of canopy nitrogen in Mediterranean forests using the spaceborne MERIS Terrestrial Chlorophyll Index | |
CN111507223B (zh) | 植物物种beta多样性的估算方法及系统 |
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: 20220422 |
|
CF01 | Termination of patent right due to non-payment of annual fee |