CN111678871A - 一种非生长季植被覆盖度遥感估算方法 - Google Patents
一种非生长季植被覆盖度遥感估算方法 Download PDFInfo
- Publication number
- CN111678871A CN111678871A CN202010545237.3A CN202010545237A CN111678871A CN 111678871 A CN111678871 A CN 111678871A CN 202010545237 A CN202010545237 A CN 202010545237A CN 111678871 A CN111678871 A CN 111678871A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- pixels
- infrared band
- pure
- wave infrared
- 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
Images
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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种非生长季植被覆盖度遥感估算方法,包括如下步骤:获取研究区域非生长季的遥感数据,基于遥感数据获取研究区域所有像元在短波红外波段的反射率;基于研究区域非生长季的遥感数据,分别选取若干个植被纯像元、裸土纯像元,并分别计算植被纯像元、裸土纯像元在短波红外波段的平均反射率,基于平均反射率计算研究区域非生长季植被纯像元、裸土纯像元的植被指数;计算研究区域所有像元非生长季的植被指数,基于植被纯像元的植被指数、裸土纯像元的植被指数,计算研究区域所有像元非生长季的植被覆盖度。本发明能够快速准确地计算出研究区域所有像元非生长季的植被覆盖度,且不受时间、空间尺度的限制。
Description
技术领域
本发明涉及遥感应用技术领域,特别是涉及一种非生长季植被覆盖度遥感估算方法。
背景技术
非生长季植被是牲畜采食的重要饲草资源,在陆地生态系统中具有重要的意义。非生长季植被不仅是植被生态系统物质循环、能量流动和信息传递过程中不可或缺的关键环节,而且在阻抑土壤侵蚀、涵养水源、促进土壤发育等方面具有极其重要的作用。
非生长季植被覆盖度获取的传统方法为实地采样法,但仅适用于小尺度研究,费时、费力,且局限性较大。遥感技术的发展为非生长季植被覆盖度的估算提供了新的技术手段,尤其为大范围快速、准确估算提供了可能。
植被指数是估算非生长季植被覆盖度最常用的遥感方法,主要包括CAI、SINDIR、STI、NDTI、DFI等。其中,基于短波红外波段构建的NDTI、STI指数是最常用的遥感植被指数。但是,这些植被指数仅仅是非生长季植被覆盖度的间接指示,并不是真实的非生长季植被覆盖度。这些植被指数转换为真实的非生长季植被覆盖度,还需要建立这些植被指数与非生长季植被覆盖度之间的回归模型,利用建立的回归模型再进行非生长季植被覆盖度的估算。此外,这些回归模型具有时空局限性,无法进行不同时间、不同空间尺度的拓展应用,严重制约了大区域范围非生长季植被覆盖度遥感估算的发展。为准确掌握、科学合理利用非生长季植被资源,亟需发明一种快速、高效、低廉、精确的遥感方法来定量估算大区域范围非生长季植被覆盖度。
发明内容
本发明的目的是提供一种非生长季植被覆盖度遥感估算方法,以解决现有技术中存在的技术问题,能够快速准确地计算出研究区域非生长季的植被覆盖度,适用于任何时间、空间尺度及地区的非生长季植被覆盖度计算。
为实现上述目的,本发明提供了如下方案:本发明提供一种非生长季植被覆盖度遥感估算方法,包括如下步骤:
获取研究区域非生长季的遥感数据,基于遥感数据获取研究区域所有像元在短波红外波段的反射率;
基于研究区域非生长季的遥感数据,分别选取若干个植被纯像元、裸土纯像元;
基于所选取的每个植被纯像元、裸土纯像元在短波红外波段的反射率,分别获取植被纯像元、裸土纯像元在短波红外波段的平均反射率;
基于植被纯像元、裸土纯像元在短波红外波段的平均反射率,分别计算研究区域非生长季植被纯像元、裸土纯像元的植被指数;
基于区域所有像元在短波红外波段的反射率,计算研究区域所有像元非生长季的植被指数;
基于研究区域非生长季植被纯像元的植被指数、裸土纯像元的植被指数以及研究区域所有像元非生长季的植被指数,计算研究区域所有像元非生长季的植被覆盖度。
优选地,所述短波红外波段包括短波红外波段A、短波红外波段B,所述短波红外波段A的波长范围为1550~1750nm,所述短波红外波段B的波长范围为2080~2350nm。
优选地,研究区域植被纯像元的植被指数VI1的计算如式1所示:
式中,RA为植被纯像元在短波红外波段A的平均反射率,RB为植被纯像元在短波红外波段B的平均反射率;
研究区域裸土纯像元的植被指数VI2的计算如式2所示:
式中,FA为裸土纯像元在短波红外波段A的平均反射率,FB为裸土纯像元在短波红外波段B的平均反射率。
优选地,研究区域所有像元非生长季的植被指数VI的计算如式3所示:
式中,EA为研究区域所有像元在短波红外波段A的反射率,EB为研究区域所有像元在短波红外波段B的反射率。
优选地,研究区域所有像元非生长季的植被覆盖度C的计算如式4所示:
式中,VI为研究区域所有像元非生长季的植被指数,VI1为研究区域植被纯像元的植被指数,VI2为研究区域裸土纯像元的植被指数。
优选地,所述遥感数据为高光谱遥感影像或多光谱遥感影像。
本发明公开了以下技术效果:
本发明通过从研究区域的遥感影像中选取植被纯像元和裸土纯像元,计算得到植被纯像元的植被指数和裸土纯像元的植被指数,通过研究区域中所有像元的植被指数、植被纯像元的植被指数和裸土纯像元的植被指数能够准确计算得到研究区域所有像元非生长季的植被覆盖度,无需建立植被指数与非生长季植被覆盖度之间的回归模型,也无需精密的计算设备,计算数据量少,简单高效,精确度高;同时,本发明方法不受时间、空间尺度的限制,能够适用于任何时间、空间尺度及地区的非生长季植被覆盖度计算。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明非生长季植被覆盖度遥感估算方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示,本实施例以内蒙古荒漠草原为例,对本发明所提供的一种非生长季植被覆盖度遥感估算方法进行详细说明,具体包括如下步骤:
S1、获取研究区域非生长季的遥感数据,基于遥感数据获取研究区域所有像元在短波红外波段的反射率。具体包括:
本实施例获取内蒙古荒漠草原研究区域非生长季的遥感数据,通过遥感数据获取研究区域所有像元的植被光谱值,基于所有像元的植被光谱值,分别计算得到研究区域所有像元在短波红外波段A(波长1550~1750nm)、短波红外波段B(波长2080~2350nm)的反射率。
由于非生长季植被的主要成分是纤维素、半纤维素、木质素等非结构组分,相对于可见光、近红外波段,短波红外波段具有更高的敏感性,因此,本实施例选取短波红外波段的反射率进行非生长季植被覆盖度遥感估算,其中,1550~1750nm与2080~2350nm是大气窗口的常用短波红外波段范围。
所述遥感数据为高光谱遥感影像或多光谱遥感影像。
S2、基于研究区域非生长季的遥感数据,选取研究区域非生长季的植被纯像元。具体包括:
在步骤S1覆盖研究区域的非生长季遥感影像上,选取5个非生长季植被全覆盖(植被覆盖度100%)的植被纯像元。
S3、基于研究区域非生长季的遥感数据,选取研究区域非生长季的裸土纯像元。具体包括:
在步骤S1覆盖研究区域的非生长季遥感影像上,选取5个非生长季无植被覆盖(植被覆盖度0%)的裸土纯像元。
S4、基于步骤S2所选取的每个植被纯像元在短波红外波段的反射率,获取植被纯像元在短波红外波段的平均反射率。具体包括:
基于步骤S1中研究区域所有像元在短波红外波段的反射率,获取步骤S2中选取的5个植被纯像元在短波红外波段A、B的反射率,计算得到5个植被纯像元在短波红外波段A、B反射率的平均值,分别为0.294、0.224。
S5、基于步骤S3所选取的每个裸土纯像元在短波红外波段的反射率,获取裸土纯像元在短波红外波段的平均反射率。具体包括:
基于步骤S1中研究区域所有像元在短波红外波段的反射率,获取步骤S3中选取的5个裸土纯像元在短波红外波段A、B的反射率,计算得到5个裸土纯像元在短波红外波段A、B反射率的平均值,分别为0.428、0.423。
S6、基于步骤S4中植被纯像元在短波红外波段的平均反射率,计算研究区域非生长季植被纯像元的植被指数。具体包括:
依据步骤S4计算得到的植被纯像元在短波红外波段A、B反射率平均值,计算植被纯像元的植被指数VI1,如式(1)所示:
式中,RA为植被纯像元在短波红外波段A的平均反射率,为0.294,RB为植被纯像元在短波红外波段B的平均反射率,为0.224,计算得到研究区域非生长季植被纯像元的植被指数VI1的值为0.135。
S7、基于步骤S5中裸土纯像元在短波红外波段的平均反射率,计算研究区域非生长季裸土纯像元的植被指数。具体包括:
依据步骤S5计算得到的裸土纯像元在短波红外波段A、B反射率平均值,计算裸土纯像元的植被指数VI2,如式(2)所示:
式中,FA为裸土纯像元在短波红外波段A的平均反射率,为0.428,FB为裸土纯像元在短波红外波段B的平均反射率,为0.423,计算得到研究区域非生长季裸土纯像元的植被指数VI2的值为0.006。
S8、基于研究区域所有像元在短波红外波段的反射率,计算研究区域所有像元非生长季的植被指数。具体包括:
基于步骤S1中研究区域所有像元在短波红外波段A、B反射率EA、EB,计算研究区域所有像元非生长季的植被指数VI,如式(3)所示:
式中,EA为研究区域所有像元在短波红外波段A的反射率,EB为研究区域所有像元在短波红外波段B的反射率,以研究区域中像元X为例,计算得到的植被指数VI值为0.046。
S9、基于研究区域非生长季植被纯像元的植被指数、裸土纯像元的植被指数以及研究区域所有像元非生长季的植被指数,计算研究区域所有像元非生长季的植被覆盖度。具体包括:
依据步骤8计算的非生长季所有像元植被指数VI、步骤6计算的植被纯像元植被指数VI1以及步骤7计算的裸土纯像元植被指数VI2,计算研究区域所有像元非生长季的植被覆盖度,如式(4)所示:
式中,C为研究区域所有像元非生长季的植被覆盖度。以研究区域中像元X为例,计算得到的植被覆盖度C值为0.31。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (6)
1.一种非生长季植被覆盖度遥感估算方法,其特征在于,包括如下步骤:
获取研究区域非生长季的遥感数据,基于遥感数据获取研究区域所有像元在短波红外波段的反射率;
基于研究区域非生长季的遥感数据,分别选取若干个植被纯像元、裸土纯像元;
基于所选取的每个植被纯像元、裸土纯像元在短波红外波段的反射率,分别获取植被纯像元、裸土纯像元在短波红外波段的平均反射率;
基于植被纯像元、裸土纯像元在短波红外波段的平均反射率,分别计算研究区域非生长季植被纯像元、裸土纯像元的植被指数;
基于区域所有像元在短波红外波段的反射率,计算研究区域所有像元非生长季的植被指数;
基于研究区域非生长季植被纯像元的植被指数、裸土纯像元的植被指数以及研究区域所有像元非生长季的植被指数,计算研究区域所有像元非生长季的植被覆盖度。
2.根据权利要求1所述的非生长季植被覆盖度遥感估算方法,其特征在于,所述短波红外波段包括短波红外波段A、短波红外波段B,所述短波红外波段A的波长范围为1550~1750nm,所述短波红外波段B的波长范围为2080~2350nm。
6.根据权利要求1所述的非生长季植被覆盖度遥感估算方法,其特征在于,所述遥感数据为高光谱遥感影像或多光谱遥感影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545237.3A CN111678871A (zh) | 2020-06-16 | 2020-06-16 | 一种非生长季植被覆盖度遥感估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545237.3A CN111678871A (zh) | 2020-06-16 | 2020-06-16 | 一种非生长季植被覆盖度遥感估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111678871A true CN111678871A (zh) | 2020-09-18 |
Family
ID=72436333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010545237.3A Pending CN111678871A (zh) | 2020-06-16 | 2020-06-16 | 一种非生长季植被覆盖度遥感估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111678871A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364681A (zh) * | 2020-09-21 | 2021-02-12 | 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 |
CN112633588A (zh) * | 2020-12-30 | 2021-04-09 | 中国林业科学研究院资源信息研究所 | 一种基于多源数据融合的林火行为潜势预测方法 |
CN113240648A (zh) * | 2021-05-18 | 2021-08-10 | 北京师范大学 | 一种多时相可见光影像的植被长势监测分析方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012063241A1 (en) * | 2010-11-11 | 2012-05-18 | Avi Buzaglo Yoresh | System and method for detection of minefields |
CN103679202A (zh) * | 2013-12-17 | 2014-03-26 | 中国测绘科学研究院 | 一种适用于光学遥感卫星影像植被分类方法及装置 |
CN107145728A (zh) * | 2017-04-27 | 2017-09-08 | 太原理工大学 | 一种荒漠草原非生长季枯草重量遥感估算方法 |
CN108896022A (zh) * | 2018-08-17 | 2018-11-27 | 山东农业大学 | 一种植被覆盖度估算方法 |
CN110160992A (zh) * | 2019-05-15 | 2019-08-23 | 中国科学院遥感与数字地球研究所 | 一种基于植被覆盖度时间序列的农作物分类方法 |
-
2020
- 2020-06-16 CN CN202010545237.3A patent/CN111678871A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012063241A1 (en) * | 2010-11-11 | 2012-05-18 | Avi Buzaglo Yoresh | System and method for detection of minefields |
CN103679202A (zh) * | 2013-12-17 | 2014-03-26 | 中国测绘科学研究院 | 一种适用于光学遥感卫星影像植被分类方法及装置 |
CN107145728A (zh) * | 2017-04-27 | 2017-09-08 | 太原理工大学 | 一种荒漠草原非生长季枯草重量遥感估算方法 |
CN108896022A (zh) * | 2018-08-17 | 2018-11-27 | 山东农业大学 | 一种植被覆盖度估算方法 |
CN110160992A (zh) * | 2019-05-15 | 2019-08-23 | 中国科学院遥感与数字地球研究所 | 一种基于植被覆盖度时间序列的农作物分类方法 |
Non-Patent Citations (2)
Title |
---|
JOSÉ A. M. DEMATTÊ1等: "Assessment of sugarcane harvesting residue effects on soil spectral behavior", 《SCIENTIA AGRICOLA》 * |
冷若琳等: "基于多光谱数据与小型无人机的甘南草地非生长季植被覆盖度", 《草业科学》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364681A (zh) * | 2020-09-21 | 2021-02-12 | 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 |
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 |
CN112633588A (zh) * | 2020-12-30 | 2021-04-09 | 中国林业科学研究院资源信息研究所 | 一种基于多源数据融合的林火行为潜势预测方法 |
CN112633588B (zh) * | 2020-12-30 | 2021-08-06 | 中国林业科学研究院资源信息研究所 | 一种基于多源数据融合的林火行为潜势预测方法 |
CN113240648A (zh) * | 2021-05-18 | 2021-08-10 | 北京师范大学 | 一种多时相可见光影像的植被长势监测分析方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Predicting grain yield and protein content in wheat by fusing multi-sensor and multi-temporal remote-sensing images | |
US11751499B2 (en) | Computer-implemented methods, computer readable medium and systems for a precision agriculture platform that detects disease in crops | |
CN111678871A (zh) | 一种非生长季植被覆盖度遥感估算方法 | |
Wang et al. | Modelling above-ground biomass based on vegetation indexes: a modified approach for biomass estimation in semi-arid grasslands | |
Jiang et al. | Estimating the aboveground biomass of coniferous forest in Northeast China using spectral variables, land surface temperature and soil moisture | |
US20180330245A1 (en) | Computer-implemented methods, computer readable medium and systems for generating an orchard data model for a precision agriculture platform | |
CN114076738B (zh) | 一种利用遥感构建指数估算秸秆残留农田土壤盐分的方法 | |
CN105004320B (zh) | 一种高分卫星数据陆表植被覆盖度反演方法及系统 | |
US10410334B2 (en) | Computer-implemented methods, computer readable medium and systems for a precision agriculture platform with a satellite data model | |
CN102829739A (zh) | 一种面向对象的作物叶面积指数遥感反演方法 | |
Wang et al. | Unsupervised discrimination between lodged and non-lodged winter wheat: A case study using a low-cost unmanned aerial vehicle | |
US10943173B2 (en) | Computer-implemented methods, computer readable medium and systems for generating a satellite data model for a precision agriculture platform | |
Yue et al. | Estimation of winter-wheat above-ground biomass using the wavelet analysis of unmanned aerial vehicle-based digital images and hyperspectral crop canopy images | |
CN109919250B (zh) | 考虑土壤水分的蒸散发时空特征融合方法及装置 | |
Abebe et al. | Assimilation of leaf Area Index from multisource earth observation data into the WOFOST model for sugarcane yield estimation | |
Li et al. | Monitoring of leaf nitrogen content of winter wheat using multi-angle hyperspectral data | |
CN113534083B (zh) | 基于sar的玉米留茬方式识别方法、装置和介质 | |
Zumo et al. | Mapping grass above-ground biomass of grazing-lands using satellite remote sensing | |
Jang et al. | Thermal‐water stress index from satellite images | |
Biradar et al. | Water productivity mapping methods using remote sensing | |
CN103413289A (zh) | 矿区图像处理方法及装置 | |
Wu et al. | Co-inversion of island leaf area index combination morphological and spectral parameters based on UAV multi-source remote sensing data | |
CN115496999A (zh) | 田间立地秸秆产量估计方法及装置 | |
Potgieter et al. | Spatial estimation of wheat yields from Landsat’s visible, near infrared and thermal reflectance bands | |
Mashonganyika et al. | Mapping of Winter Wheat Using Sentinel-2 NDVI Data |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |