CN112364302B - 融合属性分级信息的生态系统属性组分组成结构描述方法 - Google Patents

融合属性分级信息的生态系统属性组分组成结构描述方法 Download PDF

Info

Publication number
CN112364302B
CN112364302B CN202011251125.3A CN202011251125A CN112364302B CN 112364302 B CN112364302 B CN 112364302B CN 202011251125 A CN202011251125 A CN 202011251125A CN 112364302 B CN112364302 B CN 112364302B
Authority
CN
China
Prior art keywords
attribute
grading
vegetation index
ecological system
component
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
CN202011251125.3A
Other languages
English (en)
Other versions
CN112364302A (zh
Inventor
侯光雷
陈子琦
刘兆礼
赵文斌
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.)
Northeast Institute of Geography and Agroecology of CAS
Original Assignee
Northeast Institute of Geography and Agroecology of CAS
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 Northeast Institute of Geography and Agroecology of CAS filed Critical Northeast Institute of Geography and Agroecology of CAS
Priority to CN202011251125.3A priority Critical patent/CN112364302B/zh
Publication of CN112364302A publication Critical patent/CN112364302A/zh
Application granted granted Critical
Publication of CN112364302B publication Critical patent/CN112364302B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Processing (AREA)

Abstract

融合属性分级信息的生态系统属性组分组成结构描述方法，涉及一种生态系统属性组分组成结构描述方法。本发明是为了解决现有属性组分组成结构表达方式存在着宏观格局不易把握且难以理解的技术问题。本方法如下：一、建立属性组分的植被指数属性分级系统；二、融合属性分级信息的组分频率分布生成。本发明将用于表达生态系统组分属性的遥感植被指数进行分级，形成能够表达属性大小差异的定性分级系统，从而在利用植被指数组分频率分布进行生态系统属性组分组成结构定量描述的基础上，通过附加属性定性分级信息，以直观反映生态系统的属性组分组成结构整体状况，有助于完善生态系统属性组分组成结构描述方法。本发明属于生态系统属性结构描述领域。

Description

融合属性分级信息的生态系统属性组分组成结构描述方法
技术领域
本发明涉及一种生态系统属性组分组成结构描述方法。
背景技术
专利“基于遥感植被指数的生态系统属性组分组成结构描述方法”将遥感植被指数组分频率分布引入到生态系统属性组分组成结构描述当中，但在对生态系统属性组分组成结构进行分析时，上述方法将植被指数连续变量直接用于生态系统属性组分组成结构的量化描述，这种属性组分组成结构表达方式尽管细致准确，但存在着宏观格局不易把握且难以理解的弊端，同时也不利于生态系统空间结构与组成结构之间的关联分析。
发明内容
本发明的目的是为了解决现有属性组分组成结构表达方式存在着宏观格局不易把握且难以理解的技术问题，提供了一种融合属性分级信息的生态系统属性组分组成结构描述方法。
融合属性分级信息的生态系统属性组分组成结构描述方法按照以下步骤进行：
一、属性组分的植被指数属性分级系统建立：
从指定生态系统类型的遥感植被指数影像数据中，提取影像数据中像元的最大值与最小值；
对上述数据进行取整，得到属性分级区间的上界及下界；
确定分级区间宽度，按照等距或不等距分级方式，对整个植被指数NDVI变化范围进行区间分割，获得每个分级区间的界限值；
根据植被指数NDVI大小变化状况，对每个分级区间赋予分级名称，得到生态系统的植被指数属性分级系统；
二、融合属性分级信息的组分频率分布生成：
按照分级区间植被指数NDVI的数值变化规律，对植被指数NDVI分级区间赋予相应颜色；
生成分级区间依次相连的条状图例，将其附加到生态系统植被指数NDVI组分频率分布图的横轴下部，并标注植被指数NDVI分级区间的界限值，从而形成融合属性分级信息的属性组分频率分布图；
根据植被指数NDVI分级方案，对生态系统植被指数NDVI影像数据进行分级，并按照分级区间对应的颜色进行分层设色，形成生态系统植被指数NDVI组分分级空间分布图。
步骤一中所述确定分级区间宽度0.14
本发明将用于表达生态系统组分属性的遥感植被指数进行分级，形成能够表达属性大小差异的定性分级系统，从而在利用植被指数组分频率分布进行生态系统属性组分组成结构定量描述的基础上，通过附加属性定性分级信息，以直观反映生态系统的属性组分组成结构整体状况，从而有助于完善生态系统属性组分组成结构描述方法。
附图说明
图1是实验一中广东省森林生态系统植被指数NDVI组分频率分布图；
图2是实验一中广东省森林生态系统植被指数NDVI分级分布图。
具体实施方式
本发明技术方案不局限于以下所列举具体实施方式，还包括各具体实施方式间的任意组合。
具体实施方式一：本实施方式融合属性分级信息的生态系统属性组分组成结构描述方法按照以下步骤进行：
一、属性组分的植被指数属性分级系统建立：
从指定生态系统类型的遥感植被指数影像数据中，提取影像数据中像元的最大值与最小值；
对上述数据进行取整，得到属性分级区间的上界及下界；
确定分级区间宽度，按照等距或不等距分级方式，对整个植被指数NDVI变化范围进行区间分割，获得每个分级区间的界限值；
根据植被指数NDVI大小变化状况，对每个分级区间赋予分级名称，得到生态系统的植被指数属性分级系统；
二、融合属性分级信息的组分频率分布生成：
按照分级区间植被指数NDVI的数值变化规律，对植被指数NDVI分级区间赋予相应颜色；
生成分级区间依次相连的条状图例，将其附加到生态系统植被指数NDVI组分频率分布图的横轴下部，并标注植被指数NDVI分级区间的界限值，从而形成融合属性分级信息的属性组分频率分布图；
根据植被指数NDVI分级方案，对生态系统植被指数NDVI影像数据进行分级，并按照分级区间对应的颜色进行分层设色，形成生态系统植被指数NDVI组分分级空间分布图。
具体实施方式二：本实施方式与具体实施方式一不同的是步骤一中所述确定分级区间宽度0.14。其他与具体实施方式一相同。
采用下述实验验证本发明效果：
实验一：
融合属性分级信息的生态系统属性组分组成结构描述方法按照以下步骤进行：
一、组分植被指数属性分级系统建立：
通过查询2000年广东省森林生态系统植被指数NDVI影像数据，得到NDVI的最大值与最小值数据，结合森林生态系统性质，确定NDVI变化的上下界为[0，0.7]；采用等距方式对植被指数NDVI进行分组，并设置分组宽度为0.14；对整个植被指数NDVI变化范围进行五级分割，获得每个分级区间的界限值；根据植被指数大小变化情况，对每个分级区间赋予定性名称，得到生态系统属性分级系统，如表1所示。
表1植被指数NDVI属性分级系统
Figure BDA0002771650520000031
二、融合属性分级信息的频率分布生成
对植被指数NDVI的五个分级区间分别赋予不同颜色，按照区间NDVI数值的不断增大，其颜色分别为红色、黄色、浅绿、绿色与深绿；生成五个分级区间依次相连的条状图例，将其附加在广东省森林生态系统植被指数NDVI分布图横轴的下部，分布图横轴的标注采用植被指数NDVI的区间界限，形成融合属性分级信息的频率分布图，见图1。
根据上述植被指数NDVI分级方案，对广东省森林生态系统植被指数NDVI影像数据进行分级，并按照分级区间对应的颜色进行分层设色，形成森林生态系统植被指数NDVI分级分布图。
从图2可以看出，广东省森林的植被指数主要分布在中值区与高值区内，组分频数峰值位于上述两区交界附近；低值区数量较少，而植被指数极低值区与极高值区数量稀少。与此相对应，植被指数NDVI分级空间分布呈现一定的规律性(参见图2)，广东省森林面积占比较大，其中，面积占比较高的高值区森林分布在林区山脉的中部地区，具有相似面积占比的中值区森林则分布在山脉地势较低的周围地区；植被指数低值区主要分布在山间河谷与盆地，以及冲积平原地区，数量较少，而数量稀少的植被指数极低值区森林零散分布在河谷与盆地以及冲积平原地区，极高值区森林则零星出现在林区主要山脉的山峰处。

Claims (2)

1.融合属性分级信息的生态系统属性组分组成结构描述方法，其特征在于所述融合属性分级信息的生态系统属性组分组成结构描述方法按照以下步骤进行：
一、属性组分的植被指数属性分级系统建立：
从指定生态系统类型的遥感植被指数影像数据中，提取影像数据中像元的最大值与最小值；
对上述数据进行取整，得到属性分级区间的上界及下界；
确定分级区间宽度，按照等距或不等距分级方式，对整个植被指数NDVI变化范围进行区间分割，获得每个分级区间的界限值；
根据植被指数NDVI大小变化状况，对每个分级区间赋予分级名称，得到生态系统的植被指数属性分级系统；
二、融合属性分级信息的组分频率分布生成：
按照分级区间植被指数NDVI的数值变化规律，对植被指数NDVI分级区间赋予相应颜色；
生成分级区间依次相连的条状图例，将其附加到生态系统植被指数NDVI组分频率分布图的横轴下部，并标注植被指数NDVI分级区间的界限值，从而形成融合属性分级信息的属性组分频率分布图；
根据植被指数NDVI分级方案，对生态系统植被指数NDVI影像数据进行分级，并按照分级区间对应的颜色进行分层设色，形成生态系统植被指数NDVI组分分级空间分布图。
2.根据权利要求1所述融合属性分级信息的生态系统属性组分组成结构描述方法，其特征在于步骤一中所述确定分级区间宽度0.14。
CN202011251125.3A 2020-11-11 2020-11-11 融合属性分级信息的生态系统属性组分组成结构描述方法 Active CN112364302B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011251125.3A CN112364302B (zh) 2020-11-11 2020-11-11 融合属性分级信息的生态系统属性组分组成结构描述方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011251125.3A CN112364302B (zh) 2020-11-11 2020-11-11 融合属性分级信息的生态系统属性组分组成结构描述方法

Publications (2)

Publication Number Publication Date
CN112364302A CN112364302A (zh) 2021-02-12
CN112364302B true CN112364302B (zh) 2023-05-02

Family

ID=74509401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011251125.3A Active CN112364302B (zh) 2020-11-11 2020-11-11 融合属性分级信息的生态系统属性组分组成结构描述方法

Country Status (1)

Country Link
CN (1) CN112364302B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8426211B1 (en) * 2010-02-08 2013-04-23 Bowling Green State University Method and system for detecting copper in soil from reflected light
WO2016128898A1 (en) * 2015-02-10 2016-08-18 International Rice Research Institute Semi-dwarf drought tolerant rice and related methods and materials

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013047A (zh) * 2010-09-10 2011-04-13 北京农业信息技术研究中心 农作物产量变异程度监测方法
CN106845806A (zh) * 2017-01-06 2017-06-13 中国科学院遥感与数字地球研究所 农田种植状态的遥感监测方法和系统
CN107014753B (zh) * 2017-03-06 2020-09-29 中国科学院遥感与数字地球研究所 作物长势监测方法和系统
CN109115770B (zh) * 2018-06-14 2019-05-24 中科禾信遥感科技（苏州）有限公司 一种大范围农作物遥感监测方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8426211B1 (en) * 2010-02-08 2013-04-23 Bowling Green State University Method and system for detecting copper in soil from reflected light
WO2016128898A1 (en) * 2015-02-10 2016-08-18 International Rice Research Institute Semi-dwarf drought tolerant rice and related methods and materials

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MONITORING FOREST REGROWTH WITH DIFFERENT BURN SEVERITY USING AERIAL AND LANDSAT DATA;Nataliya Stankova;《2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)》;2166-2169 *
基于SPOT数据的深圳市生态系统服务功能重要性评价;陈涛;《生态经济》;第32卷(第2期);151-157 *

Also Published As

Publication number Publication date
CN112364302A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN106548141B (zh) 一种基于三角网的面向对象耕地信息自动提取方法
CN106353811B (zh) 一种基于井资料属性优选的多属性融合储层流体识别方法
CN102903128B (zh) 基于局部特征结构保持的视频图像内容编辑传播方法
CN102187336B (zh) 用于识别视频档案中的对象的方法
Feng et al. Spatial applications of topological data analysis: Cities, snowflakes, random structures, and spiders spinning under the influence
CN103888541B (zh) 一种融合拓扑势和谱聚类的社区发现方法及系统
CN103632363A (zh) 基于多尺度融合的对象级高分辨率遥感影像变化检测方法
CN109272467A (zh) 一种基于多尺度边缘线索的层次化图像分割方法
CN107657207B (zh) 一种基于遥感影像的林地分类方法
CN106875481B (zh) 一种三维可视化遥感影像地表分类模型的制作方法
CN110956207B (zh) 一种光学遥感影像全要素变化检测方法
CN101673405A (zh) 使用可靠性的代表性颜色指定方法
CN113744106B (zh) 一种自动划分自然资源确权登记单元的方法
CN110309248A (zh) 一种基于Voronoi图的交通道路网络自动划分交通小区的方法
CN114238542A (zh) 多源交通gis路网多层级实时融合更新方法
CN110490975A (zh) 一种基于正射影像数据的施工总平面图制作方法
CN112364302B (zh) 融合属性分级信息的生态系统属性组分组成结构描述方法
CN109583479A (zh) 一种基于形态学的高光谱图像特征提取方法
CN101403796A (zh) 城区地面不透水性程度分析制图方法
CN112347978B (zh) 基于遥感植被指数的生态系统属性组分组成结构描述方法
CN105528412A (zh) 一种多元异构数据汇聚分析方法及系统
Touya River network selection based on structure and pattern recognition
CN104036499A (zh) 一种多尺度叠加分割方法
CN112066998A (zh) 用于航线地图的渲染方法及系统
CN110941749A (zh) 政务大数据全生命周期治理的可视化方法

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