CN111078811A - 一种净初级生产力预警方法 - Google Patents
一种净初级生产力预警方法 Download PDFInfo
- Publication number
- CN111078811A CN111078811A CN201911208829.XA CN201911208829A CN111078811A CN 111078811 A CN111078811 A CN 111078811A CN 201911208829 A CN201911208829 A CN 201911208829A CN 111078811 A CN111078811 A CN 111078811A
- Authority
- CN
- China
- Prior art keywords
- primary productivity
- net primary
- data
- net
- grid
- 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 31
- 238000010586 diagram Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000001556 precipitation Methods 0.000 claims abstract description 7
- 230000005855 radiation Effects 0.000 claims description 26
- 238000010521 absorption reaction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000000243 photosynthetic effect Effects 0.000 claims description 7
- 208000005156 Dehydration Diseases 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 abstract description 3
- 239000000047 product Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241001464837 Viridiplantae Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000001651 autotrophic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 244000059217 heterotrophic organism Species 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000000463 material Substances 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
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种净初级生产力预警方法；具体包括：对遥感数据进行数据预处理，并结合地理位置信息，综合计算获得净初级生产力；根据所述获取到净初级生产力，计算获得预设时间间隔内的均值栅格图；根据所述净初级生产力的均值和标准差栅格数据，获得差值栅格图并输出。本申请公开的方法输出差值栅格图，可直接揭示待测区域净初级生产力的预警或正常状况，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
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，尤其涉及一种净初级生产力预警方法。
背景技术
净初级生产力(NPP：Net Primary Productivity)，是指单位时间、单位面积上植被所积累的有机物质的总量，是光合作用所吸收的碳和自养呼吸所释放的碳之间的差，即绿色植物把无机碳(CO2)固定、转化为有机碳这一过程的能力。NPP反映了植物固定和转化光合产物的效率，也决定了可供异养生物(包括动物和人)利用的物质和能量。净初级生产力
现阶段，人们只是能了解到净初级生产力的现状数据，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净初级生产力现状数据。有学者使用净初级生产力与其他生态因素结合来评价生态环境的综合状况，也有学者先将净初级生产力分级再进行分级数值的运算。
但是，净初级生产力的现状数据只是揭示某一期净初级生产力的空间分布数值，无法揭示净初级生产力是高还是低，即没有形成评价净初级生产力状况的模型。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；先将净初级生产力分级再进行分级数值的运算只是揭示两期净初级生产力之间的变化，而没有考虑净初级生产力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净初级生产力进行对比。
综合现有技术存在以上问题。
发明内容
本申请提供一种净初级生产力预警的方法，以解决现有技术中无法反应净初级生产力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，本申请采用的一个技术方案是净初级生产力的预警方法，所述方法包括以下步骤:获取目标区域的遥感影像数据，并对所述遥感影像数据进行预处理结合地理位置信息，计算获得净初级生产力；将所述得到的净初级生产力投影得到不同期年的净初级生产力栅格图；根据所述净初级生产力，计算起始年份到目标年份的净初级生产力平均值，生成年净初级生产力数均值栅格图，并根据所述植被指数平均值计算植被指数标准差；计算目标期年与年净初级生产力均值的差值，获得差值栅格图；输出净初级生产力差值栅格图。
进一步地，所述遥感数据源采用MODIS 250米每16天合成的NDVI数据产品和反射率数据产品，以及MODIS 250米每8天合成的陆地表面温度数据产品。
进一步地，所述运算处理包括：所述综合计算获得净初级生产力是利用CASA模型进行净初级生产力的估算。
进一步地，所述CASA模型进行净初级生产力的估算包括以下步骤：提取遥感数据中的太阳总辐射，获得光含有效辐射PAR；提取土地覆盖参数，获得植被对光合有效辐射的吸收比FPAR；根据有效辐射PAR和有效辐射的吸收比FPAR计算获得植被吸收的有效光合辐射APAR；提取太阳总辐射和温度、降水；并结合NDVI，获得温度胁迫系数和水分胁迫系数；计算得到光能利用率ε；结合上述步骤中的植被吸收的有效光合辐射APAR以及光能利用率ε，获得净初级生产力NPP。
进一步地，所述根据所述获取到净初级生产力，计算获得预设时间间隔内的均值栅格图；具体包括：使用ArcGIS中栅格计算器，对栅格中的每一个期年的净初级生产力进行平均值计算，计算各年份栅格数据的平均值。
进一步地，所述净初级生产力均值栅格图随年份的更新而自动更新。
进一步地，所述并根据所述植被指数平均值计算植被指数标准差；计算目标期年与年净初级生产力均值的差值，获得差值栅格图，具体包括：先计算净初级生产力均值与净初级生产力标准差的和；再用目标年份的净初级生产力减去净初级生产力均值与净初级生产力标准差的和，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。
进一步地，根据得到的目标年份的的差值数据绘制成差值栅格图包括：比较所述栅格数据中目标期年的净初级生产力的差值与预设预置，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。
进一步地，比较所述栅格数据中目标期年的净初级生产力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。
进一步地，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。
进一步地，所述遥感影像预处理包括：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、数据格式转换中的一种或多种。
有益效果：区别于现有技术，本申请的有益效果是：本申请公开的方法输出差值栅格图，可直接揭示待测区域净初级生产力的预警或正常状况，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是净初级生产力预警的流程图；
图2是净初级生产力预警的另一流程图；
图3是基于CASA模型的净初级生产力遥感估算流程图
图4是净初级生产力栅格图。
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。
地理国情监测云平台提供的净初级生产力数据产品，是采用光能利用率(GLOPEM)模型算法，通过多种卫星遥感数据(Landsat、MODIS等)反演得到的多种尺度栅格数据产品。
数据说明
为解决现有技术中只能获取当前净初级生产力现状数值的局限性，本申请提出了净初级生产力预警方法，具体请参阅图1，图1是本申请提供的净初级生产力预警方法流程图。
如图1和4所示，本实施例净初级生产力预警方法包括以下步骤：
步骤S100：获取目标区域的遥感影像数据，并对所述遥感影像数据进行预处理结合地理位置信息，计算获得净初级生产力；
所述预处理所述遥感影像预处理包括：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、数据格式转换中的一种或多种。
遥感数据源采用MODIS 250米每16天合成的NDVI数据产品和反射率数据产品，以及MODIS 250米每8天合成的陆地表面温度(LST)数据产品，并利用气象站点日照时数、降水数据作为遥感估测模型的补充，通过气象插值软件Anuspl43，结合DEM数据得到250米分辨率日照时数数据，以实现NPP估算由点向面的推演和扩展。利用CASA(Carnegie AmesStanford Approach)模型进行NPP的估算。即假定生态过程趋于调整植物特性以响应环境条件，认为植物生长是资源可利用性的组合体，物种通过生态过程的排序和生理生化、形态过程的植物驯化，就趋向于所有资源对植物生长有平等的限制作用。在某些极端或环境因子迅速变化的情况下，如果完全适应不可能，或者植物还来不及适应新的环境，NPP则受到最紧缺资源的限制，它们可以通过一个转换因子连接起来，这一转换因子可以是一个复杂的模型，也可以是一个简单的比率常数。NPP和限制性资源的关系可以用公式表达如下:
NPP＝Fc×Ru (1)
其中，Fc：转换因子；Ru：限制性资源。
所述利用CASA(Carnegie Ames Stanford Approach)模型进行NPP的估算具体过程为(如图2-3所示)：
S101:提取遥感数据中的太阳总辐射，获得光含有效辐射PAR；提取土地覆盖参数，获得植被对光合有效辐射的吸收比FPAR；
S102：根据有效辐射PAR和有效辐射的吸收比FPAR计算获得植被吸收的有效光合辐射APAR；
光合有效辐射(PAR)是植物光合作用的驱动力，是植物NPP的一个决定性因子，而植物吸收的光合有效辐射(APAR)则尤为重要。著名的Monteith方程就是建立在此基础之上(Monteith，1972)。
NPP＝APAR×ε (2)
式中ε为光能利用率，它受水、温度、营养物质等影响。
S103:提取太阳总辐射和温度、降水；并结合NDVI，获得温度胁迫系数和水分胁迫系数；计算得到光能利用率ε；
温度胁迫系数为Tε1,Tε1；水分胁迫系数为Wε；光能利用率为ε
S104：结合上述步骤中的植被吸收的有效光合辐射APAR以及光能利用率ε，获得净初级生产力NPP。
步骤S200：将所述得到的净初级生产力投影得到不同期年的净初级生产力栅格图；
将净初级生产力投影到坐标系中，在地图矢量图中，将净初级生产力的值投影到矢量图的栅格中，如图4。每个栅格中为每一期年的净初级生产力的数据。
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净初级生产力数据，这正是本申请与现有技术区别的地方。
S300：根据所述净初级生产力，计算起始年份到目标年份的净初级生产力平均值，生成年净初级生产力数均值栅格图，并根据所述植被指数平均值计算植被指数标准差；
使用栅格计算器计算上述步骤S200中净初级生产力栅格图的平均值；也就是求每个期年净初级生产力栅格图中的数据之和与需要统计的总期年的比值，获得净初级生产力均值栅格图，其中该均值栅格图中包括每个期年净初级生产力的均值数据。
比如：计算2000年至今各期年净初级生产力栅格数据的均值，生成年净初级生产力均值栅格图，这个过程就是，打开栅格计算器页面，选择(“2000年净初级生产力”+“2001年净初级生产力”+“2002年净初级生产力”+“2003年净初级生产力”…)/年份总数，就得出栅格的平均值了。根据平均值投影得到均值栅格图。该均值随年份的更新而自动更新。
进一步的，再计算该栅格数据中的标准差，再输出净初级生产力标准差栅格图。
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净初级生产力的差异性和变化率。
比如，以2000年之后的净初级生产力数据为例，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净初级生产力数据，当前年份为2019年，计算2000年至2018年，栅格数据中净初级生产力数据的均值。进一步的计算净初级生产力数据的标准差。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，获得净初级生产力的均值和标准差。会随着年份的更新而更新均值和标准差数据。
步骤S400：计算目标期年与年净初级生产力均值的差值，获得差值栅格图；输出净初级生产力差值栅格图。
在本实施例中，根据标准差计算差值，所述差值为净初级生产力具体为：使用ArcGIS中Raster Calculator工具(栅格计算器)进行计算：
301：先计算净初级生产力均值与净初级生产力标准差的和；
302：再用目标年份的净初级生产力减去净初级生产力均值与净初级生产力标准差的和；得到目标年份的的差值数据，
303：根据得到的目标年份的的差值数据绘制成差值栅格图。
使用ArcGIS中Reclassify工具(重分类)，比较所述栅格数据中目标期年的净初级生产力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净初级生产力比较，直观显示连续多年时间序列净初级生产力的高或者低，形成评价净初级生产力状况的模型，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-0.25，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净初级生产力的预警或正常状况，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 (10)
1.一种净初级生产力预警方法，其特征在于， 包括以下步骤:
获取目标区域的遥感影像数据，并对所述遥感影像数据进行预处理结合地理位置信息，计算获得净初级生产力；
将所述得到的净初级生产力投影得到不同期年的净初级生产力栅格图；
根据所述净初级生产力，计算起始年份到目标年份的净初级生产力平均值，生成年净初级生产力数均值栅格图，并根据所述植被指数平均值计算植被指数标准差；
计算目标期年与年净初级生产力均值的差值，获得差值栅格图；输出净初级生产力差值栅格图。
2.根据权利要求1所述的一种净初级生产力预警方法，其特征在于，所述目标区域的遥感影像数据源采用MODIS 250米每16天合成的NDVI数据产品和反射率数据产品，以及MODIS250米每8天合成的陆地表面温度数据产品。
3.根据权利要求2所述的一种净初级生产力预警方法，其特征在于，所述运算处理包括：所述综合计算获得净初级生产力是利用CASA模型进行净初级生产力的估算。
4.根据权利要求3所述的一种净初级生产力预警方法，其特征在于，所述CASA模型进行净初级生产力的估算包括以下步骤：
提取遥感数据中的太阳总辐射，获得光含有效辐射PAR；提取土地覆盖参数，获得植被对光合有效辐射的吸收比FPAR；
根据有效辐射PAR和有效辐射的吸收比FPAR计算获得植被吸收的有效光合辐射APAR；
提取太阳总辐射和温度、降水；并结合NDVI，获得温度胁迫系数和水分胁迫系数；计算得到光能利用率ε；
结合上述步骤中的植被吸收的有效光合辐射APAR以及光能利用率ε，获得净初级生产力NPP。
5.根据权利要求1所述的一种净初级生产力预警方法，其特征在于， 所述根据所述净初级生产力，计算起始年份到目标年份的净初级生产力平均值，生成年净初级生产力数均值栅格图，具体包括：使用ArcGIS中的栅格计算器，将栅格中各个年份的植被指数相加，用相加的和除去总年份，计算各期年栅格数据的植被指数平均值。
6.根据权利要求5所述的一种净初级生产力预警方法，其特征在于，所述净初级生产力均值栅格图随年份的更新而自动更新。
7.根据权利要求1所述的一种净初级生产力预警方法，其特征在于，所述并根据所述植被指数平均值计算植被指数标准差；计算目标期年与年净初级生产力均值的差值，获得差值栅格图，具体包括：先计算净初级生产力均值与净初级生产力标准差的和；再用目标年份的净初级生产力减去净初级生产力均值与净初级生产力标准差的和，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。
8.根据权利要求7所述的一种净初级生产力生产力预警方法，其特征在于，根据得到的目标年份的的差值数据绘制成差值栅格图包括：比较所述栅格数据中目标期年的净初级生产力的差值与预设预置，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。
9.根据权利要求8所述的一种净生产力预警方法，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等方式进行区分标记。
10.根据权利要求1所述的一种净生产力预警方法，其特征在于，所述遥感影像预处理包括：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、数据格式转换中的一种或多种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911208829.XA CN111078811B (zh) | 2019-11-30 | 2019-11-30 | 一种净初级生产力预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911208829.XA CN111078811B (zh) | 2019-11-30 | 2019-11-30 | 一种净初级生产力预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111078811A true CN111078811A (zh) | 2020-04-28 |
| CN111078811B CN111078811B (zh) | 2024-01-09 |
Family
ID=70312266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911208829.XA Active CN111078811B (zh) | 2019-11-30 | 2019-11-30 | 一种净初级生产力预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111078811B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111830211A (zh) * | 2020-07-30 | 2020-10-27 | 中国水产科学研究院南海水产研究所 | 一种基于rs的海洋初级生产力分布可视化方法 |
| CN114898072A (zh) * | 2022-06-14 | 2022-08-12 | 中国农业大学 | 一种基于3d温度特征的作物水分胁迫检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106780091A (zh) * | 2016-12-30 | 2017-05-31 | 黑龙江禾禾遥感科技有限公司 | 基于植被指数时空间统计特征的农业灾害信息遥感提取方法 |
| CN109919395A (zh) * | 2019-04-01 | 2019-06-21 | 安徽大学 | 一种基于短周期遥感区域数据的冬小麦产量估测方法 |
| CN110135368A (zh) * | 2019-05-20 | 2019-08-16 | 太原理工大学 | 基于空间自相关区域植被净初级生产力时空分异探测方法 |
-
2019
- 2019-11-30 CN CN201911208829.XA patent/CN111078811B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106780091A (zh) * | 2016-12-30 | 2017-05-31 | 黑龙江禾禾遥感科技有限公司 | 基于植被指数时空间统计特征的农业灾害信息遥感提取方法 |
| CN109919395A (zh) * | 2019-04-01 | 2019-06-21 | 安徽大学 | 一种基于短周期遥感区域数据的冬小麦产量估测方法 |
| CN110135368A (zh) * | 2019-05-20 | 2019-08-16 | 太原理工大学 | 基于空间自相关区域植被净初级生产力时空分异探测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 栾天: "正蓝旗土地主要生态服务功能演变研究", pages 2 * |
| 王芳: "2000—2015 年安徽省植被净初级生产力时空分布特征及其驱动因素", pages 2755 - 2765 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111830211A (zh) * | 2020-07-30 | 2020-10-27 | 中国水产科学研究院南海水产研究所 | 一种基于rs的海洋初级生产力分布可视化方法 |
| CN111830211B (zh) * | 2020-07-30 | 2021-05-04 | 中国水产科学研究院南海水产研究所 | 一种基于rs的海洋初级生产力分布可视化方法 |
| CN114898072A (zh) * | 2022-06-14 | 2022-08-12 | 中国农业大学 | 一种基于3d温度特征的作物水分胁迫检测方法 |
| CN114898072B (zh) * | 2022-06-14 | 2024-05-31 | 中国农业大学 | 一种基于3d温度特征的作物水分胁迫检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111078811B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ueyama et al. | Inferring CO2 fertilization effect based on global monitoring land-atmosphere exchange with a theoretical model | |
| Biggs et al. | Scenarios of biodiversity loss in southern Africa in the 21st century | |
| Maeda et al. | Prospective changes in irrigation water requirements caused by agricultural expansion and climate changes in the eastern arc mountains of Kenya | |
| CN110276304A (zh) | 基于降尺度的高分辨率植被生产力遥感估算方法 | |
| Maeda et al. | Modelling agricultural expansion in Kenya’s Eastern Arc Mountains biodiversity hotspot | |
| Xiao et al. | Optimizing hotspot areas for ecological planning and management based on biodiversity and ecosystem services | |
| Barrow et al. | Climate change scenarios with high spatial and temporal resolution for agricultural applications | |
| Deng et al. | Quantitative measurements of the interaction between net primary productivity and livestock production in Qinghai Province based on data fusion technique | |
| Gos et al. | Combined TBATS and SVM model of minimum and maximum air temperatures applied to wheat yield prediction at different locations in Europe | |
| CN110927120A (zh) | 一种植被覆盖度预警方法 | |
| Semenov et al. | Validation of ELPIS 1980-2010 baseline scenarios using the observed European Climate Assessment data set | |
| Saing et al. | Land use balance determination using satellite imagery and geographic information system: case study in South Sulawesi Province, Indonesia | |
| CN102184162A (zh) | 草原植被覆盖时空动态变化的遥感定量监测方法 | |
| CN111078811B (zh) | 一种净初级生产力预警方法 | |
| CN111879915B (zh) | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及系统 | |
| CN115358095B (zh) | 山地高空间分辨率植被总初级生产力估算方法 | |
| Edamo et al. | Effect of climate change on water availability in Bilate catchment, Southern Ethiopia | |
| Hou et al. | Improving the forecast accuracy of ECMWF 2-m air temperature using a historical dataset | |
| CN114723093A (zh) | 数据处理方法、装置及电子设备 | |
| Vimont et al. | Downscaling Indonesian precipitation using large‐scale meteorological fields | |
| Tesdal et al. | Sensitivity of modelled sulfate aerosol and its radiative effect on climate to ocean DMS concentration and air–sea flux | |
| Pflugmacher et al. | Satellite-based peatland mapping: Potential of the MODIS sensor | |
| Bodjrenou et al. | Evaluation of reanalysis estimates of precipitation, radiation, and temperature over Benin (West Africa) | |
| Sepulcre-Cantó et al. | Estimating crop-specific evapotranspiration using remote-sensing imagery at various spatial resolutions for improving crop growth modelling | |
| Guindin-Garcia | Estimating maize grain yield from crop biophysical parameters using remote sensing |
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 | ||
| 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 mengcao life community big data Co.,Ltd. Applicant before: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (GROUP) Ltd. 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: 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 | ||
| 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. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 011517 Office area on the second floor of Caoboyuan, south of North Fifth Street, Shengle Economic and Industrial Park, Helingeer County, Hohhot City, Inner Mongolia Autonomous Region 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. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |