CN111241962A - 一种剥离人类活动对生态系统生境质量影响的方法 - Google Patents
一种剥离人类活动对生态系统生境质量影响的方法 Download PDFInfo
- Publication number
- CN111241962A CN111241962A CN202010009349.7A CN202010009349A CN111241962A CN 111241962 A CN111241962 A CN 111241962A CN 202010009349 A CN202010009349 A CN 202010009349A CN 111241962 A CN111241962 A CN 111241962A
- Authority
- CN
- China
- Prior art keywords
- npp
- vegetation
- influence
- ecosystem
- ecological
- 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
Links
- 230000000694 effects Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000005855 radiation Effects 0.000 claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 230000003595 spectral effect Effects 0.000 claims abstract description 15
- 238000010521 absorption reaction Methods 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 238000011160 research Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 4
- 241000196324 Embryophyta Species 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000000243 photosynthetic effect Effects 0.000 claims description 12
- 238000003066 decision tree Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 208000005156 Dehydration Diseases 0.000 claims description 3
- 244000068988 Glycine max Species 0.000 claims description 3
- 235000010469 Glycine max Nutrition 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims description 3
- 235000007164 Oryza sativa Nutrition 0.000 claims description 3
- 240000008042 Zea mays Species 0.000 claims description 3
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims description 3
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 235000005822 corn Nutrition 0.000 claims description 3
- 230000008020 evaporation Effects 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 235000009566 rice Nutrition 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000003643 Callosities Diseases 0.000 description 1
- 206010020649 Hyperkeratosis Diseases 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
一种剥离人类活动对生态系统生境质量影响的方法，适用于环测领域。选择植被覆盖的代表性的研究区域作为植被样本区，获取地表植物光谱数据并剔除异常样点；获取检测区的遥感影像数据，建立光合有效辐射吸收比例FPAR反演模型，并提高FPAR反演模型的精度；计算光能转换率，测算生态系统植被净初级生产力NPP，即实际NPP；测算环境因子对生态系统生态损伤的影响获得潜在NPP；将潜在NPP与实际NPP做差处理从而剥离出人类活动因素对生态系统生境质量变化的影响。该方法可以动态、准确测算人类活动对生态系统的生境质量的影响情况，特别对生态系统敏感区、矿山生态系统等区域精准、有效治理提供科学依据与技术支撑。
Description
技术领域
本发明涉及一种剥离人类活动对生态系统生境质量影响的方法，属于环境测绘领域。
背景技术
生态系统的演替受到自然环境和人类活动共同影响。但是在人类活动比较剧烈的区域，诸如：采矿活动区、农业生产区等人类活动影响生态系统的植被生长、区域微气候、水文、生物多样性等发生改变，对自然生态系统的演替造成扰动。为此，人类活动和自然环境对生态系统演替扰动的影响程度如何？如何测量？是本技术解决的问题。NPP是生态系统中物质与能量运转的直接反映，揭示了植物群落在自然环境条件下的生产能量，NPP与植被本身生物学特性及降水、温度等区域环境因素密切相关，能够以统一的尺度标准来衡量人类生产活动对地表植被的影响程度，并直接反映植被群落在自然环境条件下的生产能力，表征生态敏感区生态系统运行质量状况。
遥感技术广泛应用于快速的生态要素的监测，能够高效、动态、综合地采集生态区的生态环境信息，并进行生态区空间多种生态环境与人类生产扰动信息的加工、处理及分析。如利用遥感监测生态敏感区土地利用变化、温度变化、水土流失状况、土地复垦与生态恢复状况。但“遥感+NPP”的生态损伤探测技术未在生态区范围内广泛应用，更无剥离人类活动对生态系统生境质量损伤的影响方法。
技术方案
为了满足上述需求，本发明提供了一种步骤简单，准确及时地掌握人类活动与生态环境变化状况，剥离效果好的剥离人类活动对生态系统生境质量影响的方法。
为实现上述技术目的，本发明的剥离人类活动对生态系统生境质量影响的方法，包括以下步骤：
a选择植被覆盖的代表性的研究区域作为植被样本区，获取植被样本区的地表植物光谱数据，利用实地观测光谱数据进行光合有效辐射PAR测量，检验测量数据并剔除异常样点；
b获取检测区的遥感影像数据，并对遥感影像数据进行预处理，利用决策树方法对预处理后的遥感影像进行分类和NDVI指数测算，建立光合有效辐射吸收比例FPAR反演模型，并提高FPAR反演模型的精度；
c计算光能转换率，运用改进型CASA(Carnegie-Ames-Stanford Approach，光能利用率模型)模型测算生态系统植被净初级生产力NPP，即实际NPP；
d测算环境因子对生态系统生态损伤的影响，并将影像定义为潜在NPP；
e将潜在NPP与实际NPP做差处理从而剥离出人类活动因素对生态系统生境质量变化的影响。
植被光合有效辐射的吸收比例FPAR实际测算计算公式为：
APAR＝(PARci-PARcr)-(PARgi-PARgr)
FPAR＝APAR/PARci
式中：t0和t1分别表示日出和日落时间，单位为s；PARci是测得的冠层顶部的瞬时光量子通量密度PPFD，单位为μmolm-2s-1；PARcr是冠层之上的反射的PPFD；PARgi是植物冠层之下的PPFD；PARgr是来自土壤表面的发射PPFD。
样本区的地表植物类型为玉米、大豆、水稻、杂草，所述对遥感影像数据进行预处理包括利用ENVI软件对遥感影像进行预处理，包括日照差异纠正、图像几何校正、辐射校正，得到预处理后影像。
所述决策树方法的分类指标包括归一化植被指数及光谱特征。利用决策树方法将预处理后影像分为水域、耕地、林地、建设用地、废弃地五大类。
对预处理后影像进行NDVI指数测算：
求取各土地类型的NDVI值，式中，DNNIR指近红外波段图像的灰度值，DNR指红波段图像的灰度值。
光合有效辐射吸收比例FPAR反演模型的具体方法为：将遥感数据植被盖度NDVI指数f(与实测的测算的FPAR之间拟合来建立FPAR的反演模型，提高FPAR精度，通过测算拟合后公式为：FPAR＝0.5321+0.7043f。
光能转换率利用公式：ε(x，t)＝Tε1(x，t)*Tε2(x，t)*Wε(x，t)*ε*计算，
式中，Tε1(x，t)和Tε2(x，t)表示温度对光能利用率的影响，Wε(x，t)表示水分胁迫影响系数，反映水分条件的影响，ε*是理想条件下的最大光能利用率，单位为gCMJ-1，式中参数的变化根据环境与气候条件而决定。根据生态区域作物的生态生长特征，通过调查获取植被最佳温度参数值为：耕地的最佳温度25℃，林地的最佳温度为26.5℃，其他无植被地为0℃；最大光能利用率取值为0.389gCMJ-1，耕地的最大光能利用率为0.542gCMJ-1，林地的最大光能利用率为0.475gCMJ-1，其它植被类型最大光能利用率为0.542gCMJ-1。
生态系统不同年份植被净初级生产力的结果，利用公式：NPP(x，t)＝APAR(x，t)*ε(x，t)进行计算，式中APAR(x，t)为像元x在t月份植被所吸收的光合有效辐射，单位：每月每平方米的单位面积上所吸收的光合有效辐射MJm-2month-1，ε(x，t)为像元x在t月份光能利用率，单位：gCMJ-1，t为时间，x为空间位置。
测算气候因素对生态系统生态损伤的影响，即潜在NPP，利用公式：
NPP′＝0.29×[exp(-0.216×RDI)]×Rn×0.45
Rn＝RDI×L×P＝RDI×(597-0.6Tyr)×0.0103×P
式中，RDI为年平均辐射干燥度；Rn为陆地表面所获得净辐射量，单位为mm；L蒸发潜热，单位为mm；P年降水量，单位为mm；Tyr年平均气温，单位为℃；NPP′为潜在净第一性生产力，单位为每年每平方米的单位面积上植被碳量gCm-2a-1。
剥离出人类活动因素对生态系统生境变化的影响通过潜在NPP′和实际NPP的残差来表示：NPP″＝NPP′-NPP，式中，NPP″为人类活动对植被净初级生产力的影响值；NPP′为生境因子影响的植被净初级生产力，即潜在NPP′；NPP为根据改进的CASA模型测算的NPP，即实际NPP。
有益效果：
1)利用NPP作为生态系统生境扰动的监测指标将植被净初级生产力作为基础，并与其他生物和非生物指标有直接的联系；将人类活动的扰动结果必然体现在NPP的变化上，NPP的变化反过来能反映生态系统生境质量变动的程度，使NPP的监测能够实现全覆盖、可持续、高效率和动态性；
2)利用遥感技术实现NPP的测算，成本较低耗费时间短，而且覆盖范围较广，节约大量人力、物力，为生态系统长期、实时监测提供了可能；
3)本发明最终剥离出人类活动对生态系统生境质量的影响，提出一种生态系统生境质量变化的影响剥离方法，以此建立生境质量变化的测度体系，为进一步生态修复提供技术支撑。
附图说明
图1为本发明剥离人类活动对生态系统生境质量影响的方法的流程图；
图2为不同年份NPP测算结果示意图；
图3为不同年份生境因子对NPP的影响结果示意图；
图4为不同年份人类活动因素对NPP的影响结果示意图。
具体实施方式
下面结合附图对本发明的实施例做进一步说明：
如图1所示，本发明剥离人类活动对生态系统生境质量影响的方法，其步骤如下：
a选择植被覆盖的代表性的研究区域作为植被样本区，获取植被样本区的地表植物光谱数据，
b获取检测区的遥感影像数据，并对遥感影像数据进行预处理，利用决策树方法对预处理后的遥感影像进行分类和NDVI指数测算，建立光合有效辐射吸收比例FPAR反演模型，并提高FPAR反演模型的精度；
c计算光能转换率，运用改进型CASA(Carnegie-Ames-Stanford Approach，光能利用率模型)模型测算生态系统植被净初级生产力NPP，即实际NPP；
d测算环境因子对生态系统生态损伤的影响，并将影像定义为潜在NPP；
e将潜在NPP与实际NPP做差处理从而剥离出人类活动因素对生态系统生境质量变化的影响，具体见图2、图3和图4中不同年份中对NPP的影响结果示意图。
具体步骤为
步骤1：选择植被覆盖的代表性的研究区域作为植被样本区，获取植被样本区的地表植物光谱数据，利用实地观测光谱数据进行光合有效辐射PAR测量，检验测量数据并剔除异常样点；
步骤1-1：获取研究区大豆、玉米、水稻的光谱数据。用ISI921VF-256野外地物光谱辐射计测定植物光谱数据，用AccuPAR植物冠层分析仪(model LP-80)进行PAR(光合有效辐射强度)的平均与截取测量，测量入射的PAR值和冠层反射的PAR，总计样本数121个。
步骤1-2：对实验数据进行检验。根据光谱数据检验要求，剔除异常样点，保留有效样本数量107个。
步骤1-3：植被光合有效辐射的吸收比例FPAR实际测算。FPAR是植被冠层对入射光合有效辐射PAR的吸收比例，其计算公式为：
APAR＝(PARci-PARcr)-(PARgi-PARgr)
FPAR＝APAR/PARci
式中：t0和t1分别表示日出和日落时间(s)；PARci是测得的冠层顶部的瞬时光量子通量密度PPFD，单位为μmolm-2s-1；PARcr是冠层之上的反射的PPFD；PARgi是植物冠层之下的PPFD；PARgr是来自土壤表面的发射PPFD。
步骤2：获取检测区的遥感影像数据，并对遥感影像数据进行预处理，利用决策树方法对预处理后的遥感影像进行分类和NDVI指数测算，建立光合有效辐射吸收比例FPAR反演模型，并提高FPAR反演模型的精度；
具体的选择徐州九里矿区(东部地区)作为研究区，遥感影像数据来源较广泛，多光谱及高光谱数据均可，如：Landsat、QuickBird、sentinel-2、Worldview、SPOT等数据。在本实施例中，以Landsat 5TM影像为例进行详细描述，过程主要包括步骤2-1至步骤2-5。
步骤2-1，利用ENVI软件对遥感影像进行预处理，包括日照差异纠正、图像几何校正、辐射校正，得到预处理后影像。
步骤2-2，利用决策树方法对预处理后影像进行分类。所述决策树方法的分类指标包括归一化植被指数及光谱特征。利用决策树方法将预处理后影像分为水域、耕地、林地、建设用地、废弃地五大类。
步骤2-3，对预处理后的影像进行NDVI指数测算，求取各土地类型的NDVI值。其公式为：
式中，DNNIR指近红外波段图像的灰度值，DNR指红波段图像的灰度值。
步骤2-4：FPAR反演模型的建立。光合有效辐射吸收比例FPAR反演模型的具体方法为：将遥感数据植被盖度NDVI指数f与实测的测算的FPAR之间拟合来建立FPAR的反演模型，提高FPAR精度，通过测算，拟合后公式为：
FPAR＝0.5321+0.7043f
步骤2-5：光能转换率的计算。其计算公式为：
ε(x，t)＝Tε1(x，t)*Tε2(x，t)*Wε(x，t)*ε*
式中，Tε1(x，t)和Tε2(x，t)表示温度对光能利用率的影响，Wε(x，t)表示水分胁迫影响系数，反映水分条件的影响，ε*是理想条件下的最大光能利用率，单位为gCMJ-1，式中参数的变化根据环境与气候条件而决定。根据生态区域作物的生态生长特征，通过调查获取植被最佳温度参数值为：耕地的最佳温度25℃，林地的最佳温度为26.5℃，其他无植被地为0℃；最大光能利用率取值为0.389gCMJ-1，耕地的最大光能利用率为0.542gCMJ-1，林地的最大光能利用率为0.475gCMJ-1，其它植被类型最大光能利用率为0.542gCMJ-1。
步骤3：利用改进型CASA模型计算出矿区生态系统不同年份植被净初级生产力的结果，即实际NPP。其计算公式为：
NPP(x，t)＝APAR(x，t)*ε(x，t)
式中APAR(x，t)为像元x在t月份植被所吸收的光合有效辐射，单位：每月每平方米的单位面积上所吸收的光合有效辐射MJm-2month-1，ε(x，t)为像元x在t月份光能利用率，单位：gCMJ-1，t为时间，x为空间位置。
步骤4：测算生境因素对生态系统生境质量变化的影响，即潜在NPP′根据M.I.Budyko的辐射平衡公式以及IBP研究计划对世界植被潜在净第一性生产力(NPP)的研究而编制的CHIKUGO模型进行计算，其公式为：
NPP′＝0.29×[exp(-0.216×RDI)]×Rn×0.45
Rn＝RDI×L×P＝RDI×(597-0.6Tyr)×0.0103×P
式中，RDI为年平均辐射干燥度；Rn为陆地表面所获得净辐射量，单位为mm；L蒸发潜热，单位为mm；P年降水量，单位为mm；Tyr年平均气温，单位为℃；NPP′为潜在净第一性生产力，单位为每年每平方米的单位面积上植被碳量gCm-2a-1。
步骤5：剥离出人类活动因素(主要采矿活动)对生态系统生境变化的影响。剥离出人类活动因素对生态系统生境变化的影响通过潜在NPP′和实际NPP的残差来表示：
NPP″＝NPP′-NPP
式中，NPP″指人类活动对植被净初级生产力的影响值；NPP′指生境因子影响的植被净初级生产力，即潜在NPP′；NPP指根据改进的CASA模型测算的NPP，即实际NPP。
Claims (10)
1.一种剥离人类活动对生态系统生境质量影响的方法，其特征在于步骤如下：
a选择植被覆盖的代表性的研究区域作为植被样本区，获取植被样本区的地表植物光谱数据，利用实地观测光谱数据进行光合有效辐射PAR测量，检验测量数据并剔除异常样点；
b获取检测区的遥感影像数据，并对遥感影像数据进行预处理，利用决策树方法对预处理后的遥感影像进行分类和NDVI指数测算，建立光合有效辐射吸收比例FPAR反演模型，并提高FPAR反演模型的精度；
c计算光能转换率，运用改进型CASA(Carnegie-Ames-Stanford Approach，光能利用率模型)模型测算生态系统植被净初级生产力NPP，即实际NPP；
d测算环境因子对生态系统生态损伤的影响，并将影像定义为潜在NPP；
e将潜在NPP与实际NPP做差处理从而剥离出人类活动因素对生态系统生境质量变化的影响。
2.根据权利要求1所述的剥离人类活动对生态系统生境质量影响的方法，其特征在于：植被光合有效辐射的吸收比例FPAR实际测算计算公式为：
APAR＝(PARci-PARcr)-(PARgi-PARgr)
FPAR＝APAR/PARci
式中：t0和t1分别表示日出和日落时间，单位为s；PARci是测得的冠层顶部的瞬时光量子通量密度PPFD，单位为μmolm-2s-1；PARcr是冠层之上的反射的PPFD；PARgi是植物冠层之下的PPFD；PARgr是来自土壤表面的发射PPFD。
3.根据权利要求1所述的剥离人类活动对生态系统生境质量影响的方法，其特征在于：样本区的地表植物类型为玉米、大豆、水稻、杂草，所述对遥感影像数据进行预处理包括利用ENVI软件对遥感影像进行预处理，包括日照差异纠正、图像几何校正、辐射校正，得到预处理后影像。
4.根据权利要求1所述的剥离人类活动对生态系统生境质量影响的方法，其特征在于：所述决策树方法的分类指标包括归一化植被指数及光谱特征。利用决策树方法将预处理后影像分为水域、耕地、林地、建设用地、废弃地五大类。
5.根据权利要求1所述的剥离人类活动对生态系统生境质量影响的方法，其特征在于：对预处理后影像进行NDVI指数测算：
求取各土地类型的NDVI值，式中，DNNIR指近红外波段图像的灰度值，DNR指红波段图像的灰度值。
6.根据权利要求2或5所述的剥离人类活动对生态系统生境质量影响的方法，其特征在于光合有效辐射吸收比例FPAR反演模型的具体方法为：将遥感数据植被盖度NDVI指数f(与实测的测算的FPAR之间拟合来建立FPAR的反演模型，提高FPAR精度，通过测算拟合后公式为：FPAR＝0.5321+0.7043f。
7.根据权利要求1所述的剥离人类活动对生态系统生境质量影响的方法，其特征在于光能转换率利用公式：ε(x，t)＝Tε1(x，t)*Tε2(x，t)*Wε(x，t)*ε*计算，
式中，Tε1(x，t)和Tε2(x，t)表示温度对光能利用率的影响，Wε(x，t)表示水分胁迫影响系数，反映水分条件的影响，ε*是理想条件下的最大光能利用率，单位为gCMJ-1，式中参数的变化根据环境与气候条件而决定。根据生态区域作物的生态生长特征，通过调查获取植被最佳温度参数值为：耕地的最佳温度25℃，林地的最佳温度为26.5℃，其他无植被地为0℃；最大光能利用率取值为0.389gCMJ-1，耕地的最大光能利用率为0.542gCMJ-1，林地的最大光能利用率为0.475gCMJ-1，其它植被类型最大光能利用率为0.542gCMJ-1。
8.根据权利要求1所述的剥离人类活动对生态系统生境质量影响的方法，其特征在于生态系统不同年份植被净初级生产力的结果，利用公式：NPP(x，t)＝APAR(x，t)*ε(x，t)进行计算，式中APAR(x，t)为像元x在t月份植被所吸收的光合有效辐射，单位：每月每平方米的单位面积上所吸收的光合有效辐射MJm-2month-1，ε(x，t)为像元x在t月份光能利用率，单位：gCMJ-1，t为时间，x为空间位置。
9.根据权利要求1所述的剥离人类活动对生态系统生境质量影响的方法，其特征在于测算气候因素对生态系统生态损伤的影响，即潜在NPP，利用公式：
NPP′＝0.29×[exp(-0.216×RDI)]×Rn×0.45
Rn＝RDI×L×P＝RDI×(597-0.6Tyr)×0.0103×P
式中，RDI为年平均辐射干燥度；Rn为陆地表面所获得净辐射量，单位为mm；L蒸发潜热，单位为mm；P年降水量，单位为mm；Tyr年平均气温，单位为℃；NPP′为潜在净第一性生产力，单位为每年每平方米的单位面积上植被碳量gCm-2a-1。
10.根据权利要求1所述的剥离人类活动对生态系统生境质量影响的方法，其特征在于：剥离出人类活动因素对生态系统生境变化的影响通过潜在NPP′和实际NPP的残差来表示：NPP″＝NPP′-NPP，式中，NPP″为人类活动对植被净初级生产力的影响值；NPP′为生境因子影响的植被净初级生产力，即潜在NPP′；NPP为根据改进的CASA模型测算的NPP，即实际NPP。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010009349.7A CN111241962A (zh) | 2020-01-06 | 2020-01-06 | 一种剥离人类活动对生态系统生境质量影响的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010009349.7A CN111241962A (zh) | 2020-01-06 | 2020-01-06 | 一种剥离人类活动对生态系统生境质量影响的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111241962A true CN111241962A (zh) | 2020-06-05 |
Family
ID=70879647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010009349.7A Pending CN111241962A (zh) | 2020-01-06 | 2020-01-06 | 一种剥离人类活动对生态系统生境质量影响的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111241962A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112903606A (zh) * | 2021-02-09 | 2021-06-04 | 深圳大学 | 一种基于无人机高光谱的红树林生态恢复力评估方法 |
| CN113569409A (zh) * | 2021-07-28 | 2021-10-29 | 生态环境部华南环境科学研究所 | 耦合气候累积效应的植被生产力模型优化方法 |
| CN113834787A (zh) * | 2021-08-17 | 2021-12-24 | 中国矿业大学 | 一种中小河道劣ⅴ类水体水质识别与量化方法 |
| CN115565063A (zh) * | 2022-03-24 | 2023-01-03 | 中国矿业大学(北京) | 基于气候潜在补偿的矿区植被碳汇贡献量计算与分析方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345567A (zh) * | 2013-05-21 | 2013-10-09 | 青海师范大学 | 一种基于遥感影像测量生态补偿量的方法 |
| CN106446564A (zh) * | 2016-09-29 | 2017-02-22 | 华南农业大学 | 一种植被净初级生产力遥感估算方法 |
| CN108053072A (zh) * | 2017-12-22 | 2018-05-18 | 中国科学院地理科学与资源研究所 | 沙漠化动态模拟模型的构建及应用 |
-
2020
- 2020-01-06 CN CN202010009349.7A patent/CN111241962A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345567A (zh) * | 2013-05-21 | 2013-10-09 | 青海师范大学 | 一种基于遥感影像测量生态补偿量的方法 |
| CN106446564A (zh) * | 2016-09-29 | 2017-02-22 | 华南农业大学 | 一种植被净初级生产力遥感估算方法 |
| CN108053072A (zh) * | 2017-12-22 | 2018-05-18 | 中国科学院地理科学与资源研究所 | 沙漠化动态模拟模型的构建及应用 |
Non-Patent Citations (1)
| Title |
|---|
| 侯湖平: "基于遥感的煤矿区植被净初级生产力变化的监测与评价" * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112903606A (zh) * | 2021-02-09 | 2021-06-04 | 深圳大学 | 一种基于无人机高光谱的红树林生态恢复力评估方法 |
| CN113569409A (zh) * | 2021-07-28 | 2021-10-29 | 生态环境部华南环境科学研究所 | 耦合气候累积效应的植被生产力模型优化方法 |
| CN113569409B (zh) * | 2021-07-28 | 2023-05-30 | 生态环境部华南环境科学研究所 | 耦合气候累积效应的植被生产力模型优化方法 |
| CN113834787A (zh) * | 2021-08-17 | 2021-12-24 | 中国矿业大学 | 一种中小河道劣ⅴ类水体水质识别与量化方法 |
| CN115565063A (zh) * | 2022-03-24 | 2023-01-03 | 中国矿业大学(北京) | 基于气候潜在补偿的矿区植被碳汇贡献量计算与分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111241962A (zh) | 一种剥离人类活动对生态系统生境质量影响的方法 | |
| Goffart et al. | Potato crop nitrogen status assessment to improve N fertilization management and efficiency: past–present–future | |
| Olofsson et al. | Estimation of absorbed PAR across Scandinavia from satellite measurements. Part II: Modeling and evaluating the fractional absorption | |
| Li et al. | Estimating plant traits of alpine grasslands on the Qinghai-Tibetan Plateau using remote sensing | |
| Fenghua et al. | Models for estimating the leaf NDVI of japonica rice on a canopy scale by combining canopy NDVI and multisource environmental data in Northeast China | |
| Fan et al. | A simple visible and near-infrared (V-NIR) camera system for monitoring the leaf area index and growth stage of Italian ryegrass | |
| Klingler et al. | Comparison of direct and indirect determination of leaf area index in permanent grassland | |
| CN115565063B (zh) | 基于气候潜在补偿的矿区植被碳汇贡献量计算与分析方法 | |
| Yang et al. | Cotton hail disaster classification based on drone multispectral images at the flowering and boll stage | |
| Tolba et al. | Rice acreage delineation in the Nile Delta based on thermal signature | |
| Zhou et al. | Ground-based thermal imaging for assessing crop water status in grapevines over a growing season | |
| Zhang et al. | Monitoring northern mixed prairie health using broadband satellite imagery | |
| CN104236486A (zh) | 一种棉花叶面积指数快速无损测定方法 | |
| Pan et al. | Using QuickBird imagery and a production efficiency model to improve crop yield estimation in the semi-arid hilly Loess Plateau, China | |
| Yin et al. | Tracing the nitrogen nutrient status of crop based on solar-induced chlorophyll fluorescence | |
| Wojtaszek et al. | Crop Water Condition Mapping by Optical Remote Sensing. | |
| Tang et al. | UAV-based high spatial and temporal resolution monitoring and mapping of surface moisture status in a vineyard | |
| CN116124774A (zh) | 一种基于无人机光谱多源数据预测冠层氮含量方法 | |
| Metzger et al. | Impact of land‐use intensity on the relationships between vegetation indices, photosynthesis and biomass of intensively and extensively managed grassland fens | |
| Zovko et al. | Hyperspectral imagery as a supporting tool in precision irrigation of karst landscapes | |
| Kannan | Analysis of Seasonal Vegetation Dynamics Using MODIS Derived NDVIand NDWI Data: A Case Study of Tamil Nadu | |
| Wu et al. | Can upscaling ground nadir SIF to eddy covariance footprint improve the relationship between SIF and GPP in croplands? | |
| Moharana et al. | Retrieval of paddy crop nutrient content at plot scale using optimal synthetic bands of high spectral and spatial resolution satellite imagery | |
| Surendran et al. | Remote Sensing in Precision Agriculture | |
| Wang et al. | Extraction of Jujube Planting Areas in Sentinel-2 Image Based on NDVI Threshold—A case study of Ruoqiang County |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200605 |
|
| WD01 | Invention patent application deemed withdrawn after publication |