CN112365562A - 一种生态系统属性组分组成结构的描述方法 - Google Patents

一种生态系统属性组分组成结构的描述方法 Download PDF

Info

Publication number
CN112365562A
CN112365562A CN202011238205.5A CN202011238205A CN112365562A CN 112365562 A CN112365562 A CN 112365562A CN 202011238205 A CN202011238205 A CN 202011238205A CN 112365562 A CN112365562 A CN 112365562A
Authority
CN
China
Prior art keywords
vegetation
ecosystem
vegetation index
period
data
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
Application number
CN202011238205.5A
Other languages
English (en)
Other versions
CN112365562B (zh
Inventor
陈子琦
侯光雷
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 CN202011238205.5A priority Critical patent/CN112365562B/zh
Publication of CN112365562A publication Critical patent/CN112365562A/zh
Application granted granted Critical
Publication of CN112365562B publication Critical patent/CN112365562B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Cultivation Of Plants (AREA)

Abstract

一种生态系统属性组分组成结构的描述方法，本发明涉及生态系统属性组分组成结构的描述方法。本发明是要解决现有的生态系统属性组分组成结构描述方法不适合气候差异大的大面积地区的技术问题。本发明的描述方法：一、确定植被生长盛期时间范围；二、将生长盛期植被指数平均数据并与土地利用矢量数据空间叠加，输出研究区指定生态系统类型的生长盛期植被指数栅格数据；三、将生长盛期植被指数栅格数据分组并计算频率分布数据，绘制植被生长盛期的生态系统属性组分频率分布图。该频率分布图能克服植被生长物候期的空间差异，对遥感植被指数在生态系统属性组分组成结构进行准确描述。本发明可用于大尺度区域的生态系统监测领域。

Description

一种生态系统属性组分组成结构的描述方法
技术领域
本发明涉及生态系统属性组分组成结构的描述方法。
背景技术
环境及生态要素的实时监测和可视化，是现代环境生态系统“信息化、智能化”的标识之一，通过生态要素的实时监测和可视化，在资源保护和生态修复领域有重要的意义。而生态系统属性组分组成结构分布图能够直接反映环境及生态要素的状态。
目前评价一个生态系统结构的一个重要指标是遥感植被指数，如利用生长季遥感植被指数对落叶植被地区生态系统属性组分组成结构进行描述，但是由于各地区、各季节等不同条件下的植被指数具有很大的不同，遥感植被指数对于具有相同或相似植被生长周期的面积较小地区来说是有效的。对于幅员面积较大地区，由于存在着冷热或者干湿等方面的气候条件差异，导致区域内部绿色植被生长的显著空间变异，直接利用遥感植被指数数据将难以精确反映大范围区域的生态系统属性组分组成结构状况。
发明内容
本发明是要解决现有的生态系统属性组分组成结构描述方法不适合气候差异大的大面积地区的技术问题，而提供一种生态系统属性组分组成结构的描述方法。
本发明的生态系统属性组分组成结构的描述方法，按以下步骤进行：
一、植被生长盛期时间范围确定：获取研究区各时段的遥感植被指数栅格数据，通过计算整幅影像的植被指数平均值，生成年内植被指数各时段的均值折线图；从图中选取植被指数平均值最大的一个时段或植被指数平均值相对较大的多个连续时段，将其作为植被生长盛期的时间范围；
二、生长盛期植被指数数据生成：对研究区生长盛期内的多期植被指数栅格数据进行逐网格平均处理，得到研究区生长盛期的植被指数数据；将植被指数数据与研究区土地利用矢量数据进行空间叠加，输出研究区指定生态系统类型的生长盛期植被指数栅格数据；
三、对获得的生长盛期植被指数栅格数据，确定生态系统类型的植被指数分组方案；根据分组方案，将植被指数栅格数据转换为生态系统属性组分的频率分布数据；再以各分组的属性值作为横作标、以各分组所占频数作为纵作标绘制曲线，得到植被生长盛期的生态系统属性组分频率分布图，完成生态系统属性组分组成结构的描述。
更进一步地，步骤一所述的时段是以一个月为一时段，或以一旬为一时段；
更进一步地，步骤一所述的相对较大是指所选择的生长盛期的植被指数平均值较全年植被指数平均值高0.35以上。
更进一步地，步骤二中所述的指定生态系统类型是指森林生态系统、草原生态系统或湿地生态系统。
更进一步地，步骤三中所述的生态系统类型为森林生态系统时，植被指数分组方案为对植被指数进行等距分组，分组区间为0.02～0.1。分组原则为保证每个分组内都存在频率个数且令分组区间为最小值。
更进一步地，步骤三中所述的属性值具体是指分组的代表值，代表值为各分组的最小值与最大值的平均值。
植被生长周期主要包括出叶期、生长盛期和落叶期三个阶段，在出叶期和落叶期期间，对于南北或东西方向跨度较大地区，相同生态系统组分的植被生长物候期存在着明显的空间异质性。针对这种情况，本发明提出将生长盛期遥感植被指数平均值数据用于生态系统属性组分组成结构描述中，利用植被生长盛期的生态系统属性组分频率分布图来描述气候条件差异较大地区的生态系统属性组分组成结构，该方法可克服因植被生长物候期的空间差异，对遥感植被指数在生态系统属性组分组成结构进行准确描述。
本发明可用于大尺度区域的生态系统监测领域。
附图说明
图1是实施例1中2000年黑龙江省年内植被指数月均值折线图；
图2是实施例1中7～8月黑龙江省森林生态系统的植被指数NDVI栅格数据图；
图3是实施例1中5～10月黑龙江省森林生态系统的植被指数NDVI栅格数据图；
图4是实施例1中黑龙江省森林生态系统植被生长盛期的生态系统属性组分频率分布图；
图5是实施例1中黑龙江省森林生态系统植被生长季的生态系统植被指数频率分布图。
具体实施方式
用下面的实施例验证本发明的有益效果：
实施例1：本实施例的生态系统属性组分组成结构的描述方法，是基于生长盛期遥感植被指数对黑龙江省森林生态系统属性组分组成结构进行描述分析，同时利用该区域生长季植被指数对森林生态系统属性组分组成结构进行描述分析，进行对比看是否具有差异性，具体步骤如下：
一、植被生长盛期时间范围确定：
获取2000年黑龙江省各月份植被指数NDVI平均值数据，形成年内植被指数月均值折线图，如图1所示，7月～8月的植被指数NDVI平均值为0.68，全年植被指数平均值为0.32，7月～8月的植被指数NDVI平均值较全年植被指数平均值高0.36，因此，选择7月～8月作为黑龙江省森林生态系统生长盛期；
二、生长盛期植被指数数据生成：
对黑龙江省生长盛期7～8月内的多期植被指数栅格数据进行逐网格平均处理，得到黑龙江省生长盛期的植被指数数据；将植被指数数据与黑龙江省土地利用矢量数据进行空间叠加，输出黑龙江省森林生态系统的生长盛期植被指数栅格数据，得到7-8月黑龙江省森林生态系统的植被指数NDVI栅格数据图如图2所示；同时，对黑龙江省生长季5～10月内的多期植被指数栅格数据进行逐网格平均处理，得到黑龙江省生长季的植被指数数据；将植被指数数据与黑龙江省土地利用矢量数据进行空间叠加，输出黑龙江省森林生态系统的生长季植被指数栅格数据，得到5～10月黑龙江省森林生态系统的植被指数NDVI栅格数据图如图3所示；
三、由生长盛期植被指数NDVI栅格数据生成生态系统属性组分频率分布数据，它是按保证每个分组内都存在频率个数且令分组区间为最小值分组原则，对植被指数NDVI进行等距分组而获得的，其中，植被指数NDVI的分组区间均为0.02；将植被指数栅格数据转换为生态系统属性组分的频率分布数据；再以各分组的最小值与最大值的平均值(即中间值)作为横作标、以各分组所占频数作为纵作标绘制曲线，得到黑龙江省森林生态系统植被生长盛期的生态系统属性组分频率分布图，如图4所示，完成生态系统属性组分组成结构的描述；
同时由生长季植被指数NDVI栅格数据生成生态系统属性组分频率分布数据，它也是对植被指数NDVI进行等距分组而获得的，其中，植被指数NDVI的分组区间均为0.02；将生长季植被指数栅格数据转换为生态系统植被指数的频率分布数据；再以各分组的中间值作为横作标、以各分组所占频数作为纵作标绘制曲线，得到黑龙江省森林生态系统植被生长季的生态系统植被指数频率分布图，如图5所示，完成生态系统属性组分组成结构的描述。
本实施例的生长盛期和对比的生长季的情况，如图4和图5所示，生长季及生长盛期森林生态系统的植被指数NDVI频率分布都呈现类似高斯函数的频率分布态势。生长季植被指数NDVI集中分布在0.36～0.72内，生长盛期植被指数NDVI则分布在0.54～0.8内；生长季主体林地属性分布在0.63，而生长盛期分布在0.75；生长季植被指数NDVI频率分布高度略小于生长盛期，这说明后者森林生态系统中主体属性的林地所占空间面积比前者大；两个时间范围的植被指数NDVI频率分布形状却存在差异，虽然生长季和生长盛期频率分布都呈现单峰形式，但生长盛期频率分布比生长季更为集中，它们直观表达了黑龙江省2000年生长季和生长盛期森林生态系统在属性方面的不同。而采用生长盛期频率分布更能体现黑龙江省2000年森林生态系统的真实状态。

Claims (6)

1.一种生态系统属性组分组成结构的描述方法，其特征在于该方法按以下步骤进行：
一、植被生长盛期时间范围确定：获取研究区各时段的遥感植被指数栅格数据，通过计算整幅影像的植被指数平均值，生成年内植被指数各时段的均值折线图；从图中选取植被指数平均值最大的一个时段或植被指数平均值相对较大的多个连续时段，将其作为植被生长盛期的时间范围；
二、生长盛期植被指数数据生成：对研究区生长盛期内的多期植被指数栅格数据进行逐网格平均处理，得到研究区生长盛期的植被指数数据；将植被指数数据与研究区土地利用矢量数据进行空间叠加，输出研究区指定生态系统类型的生长盛期植被指数栅格数据；
三、对获得的生长盛期植被指数栅格数据，确定生态系统类型的植被指数分组方案；根据分组方案，将植被指数栅格数据转换为生态系统属性组分的频率分布数据；再以各分组的属性值作为横作标、以各分组所占频数作为纵作标绘制曲线，得到植被生长盛期的生态系统属性组分频率分布图，完成生态系统属性组分组成结构的描述。
2.根据权利要求1所述的一种生态系统属性组分组成结构的描述方法，其特征在于步骤一所述的时段是以一个月为一时段，或以一旬为一时段。
3.根据权利要求1或2所述的一种生态系统属性组分组成结构的描述方法，其特征在于步骤一所述的相对较大是指所选择的生长盛期的植被指数平均值较全年植被指数平均值高0.35以上。
4.根据权利要求1或2所述的一种生态系统属性组分组成结构的描述方法，其特征在于步骤二中所述的指定生态系统类型是指森林生态系统、草原生态系统或湿地生态系统。
5.根据权利要求1或2所述的一种生态系统属性组分组成结构的描述方法，其特征在于步骤三中所述的生态系统类型为森林生态系统时，植被指数分组方案为对植被指数进行等距分组，分组区间为0.02～0.1。
6.根据权利要求1或2所述的一种生态系统属性组分组成结构的描述方法，其特征在于步骤三中所述的属性值具体是指分组的代表值，代表值为各分组的最小值与最大值的平均值。
CN202011238205.5A 2020-11-09 2020-11-09 一种生态系统属性组分组成结构的描述方法 Active CN112365562B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011238205.5A CN112365562B (zh) 2020-11-09 2020-11-09 一种生态系统属性组分组成结构的描述方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011238205.5A CN112365562B (zh) 2020-11-09 2020-11-09 一种生态系统属性组分组成结构的描述方法

Publications (2)

Publication Number Publication Date
CN112365562A true CN112365562A (zh) 2021-02-12
CN112365562B CN112365562B (zh) 2022-11-22

Family

ID=74509032

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011238205.5A Active CN112365562B (zh) 2020-11-09 2020-11-09 一种生态系统属性组分组成结构的描述方法

Country Status (1)

Country Link
CN (1) CN112365562B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115098746A (zh) * 2022-06-10 2022-09-23 吉林大学 基于生长季遥感植被指数的生态系统组成结构描述方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005310053A (ja) * 2004-04-26 2005-11-04 Ntt Data Corp 不法投棄箇所検知装置、方法、およびプログラム
CN101908197A (zh) * 2009-11-16 2010-12-08 北京师范大学 一种城市生态系统的分析方法
CN103000077A (zh) * 2012-11-27 2013-03-27 中国科学院东北地理与农业生态研究所 利用面向对象的分类方法对中等分辨率遥感图像进行红树林制图的方法
CN106803059A (zh) * 2016-12-02 2017-06-06 浙江工业大学 一种遥感植被指数时间序列森林监测方法
CN109145072A (zh) * 2018-08-10 2019-01-04 中国农业科学院农业资源与农业区划研究所 一种草原生物量遥感监测分区方法及装置
CN109358162A (zh) * 2018-11-06 2019-02-19 福州大学 一种基于空间几何原理的新型遥感生态指数的构建方法
CN110175537A (zh) * 2019-05-10 2019-08-27 深圳大学 一种融合多源遥感指标评估土地退化状况的方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005310053A (ja) * 2004-04-26 2005-11-04 Ntt Data Corp 不法投棄箇所検知装置、方法、およびプログラム
CN101908197A (zh) * 2009-11-16 2010-12-08 北京师范大学 一种城市生态系统的分析方法
CN103000077A (zh) * 2012-11-27 2013-03-27 中国科学院东北地理与农业生态研究所 利用面向对象的分类方法对中等分辨率遥感图像进行红树林制图的方法
CN106803059A (zh) * 2016-12-02 2017-06-06 浙江工业大学 一种遥感植被指数时间序列森林监测方法
CN109145072A (zh) * 2018-08-10 2019-01-04 中国农业科学院农业资源与农业区划研究所 一种草原生物量遥感监测分区方法及装置
CN109358162A (zh) * 2018-11-06 2019-02-19 福州大学 一种基于空间几何原理的新型遥感生态指数的构建方法
CN110175537A (zh) * 2019-05-10 2019-08-27 深圳大学 一种融合多源遥感指标评估土地退化状况的方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUANYUAN MENG 等: ""Spatio-temporal variation indicators for landscape structure dynamics monitoring using dense normalized difference vegetation index time series"", 《ECOLOGICAL INDICATORS》 *
周怡新: ""基于遥感和GIS的台州城市植被与地表温度耦合关系研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 *
王丹萍 等: ""样本量对叶面积指数遥感经验建模精度影响研究"", 《土壤与作物》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115098746A (zh) * 2022-06-10 2022-09-23 吉林大学 基于生长季遥感植被指数的生态系统组成结构描述方法

Also Published As

Publication number Publication date
CN112365562B (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
CN108921885B (zh) 一种综合三类数据源联合反演森林地上生物量的方法
CN106908415B (zh) 一种基于修正ndvi时间序列的大区域农作物全生育期墒情监测方法
CN111091079B (zh) 基于tls的高寒脆弱区植被优势单株结构参数测定方法
CN105488770A (zh) 一种面向对象的机载激光雷达点云滤波方法
CN112164062A (zh) 一种基于遥感时序分析的抛荒地信息提取方法及装置
CN111598999B (zh) 一种基于三维干旱体结构的干旱事件识别方法
CN106991529A (zh) 基于跨域多维大数据的城市夜间灯光经济指数评价方法
AU2020103047A4 (en) Crop Distribution Mapping
Wang et al. GIS and RS based assessment of cultivated land quality of Shandong Province
CN102867115A (zh) 一种基于模糊c均值聚类的农田划分方法
CN107607692B (zh) 基于土壤最大储水容量的土壤水分监测优化布点方法
CN104050323A (zh) 一种高海拔山区模糊多准则风电场选址方法
CN112365562B (zh) 一种生态系统属性组分组成结构的描述方法
CN108986024A (zh) 一种基于网格的激光点云规则排列处理方法
Zhang et al. Geographic distribution of global climate zones under future scenarios
CN111693020A (zh) 光伏组串方位角确定方法、组串重组方法及相关装置
CN115953085A (zh) 一种评估复合干热事件对植被生长影响的方法
CN108808671A (zh) 一种风电场短期风速集合预报方法
CN113051845B (zh) 在役山地风电场实时风资源可视化评估方法、系统、设备及存储介质
CN112700349A (zh) 测风塔选址方法和装置
CN114417467A (zh) 城市密集区通风廊道的建立方法、装置、介质及设备
CN110110457A (zh) 一种复杂地形风电场的噪声分布预测方法
CN112166688B (zh) 基于小卫星的沙漠与沙漠化土地监测方法
CN111047083B (zh) 一种步进式涡度协方差观测数据处理方法
CN106023178B (zh) 一种基于梯度方向聚类的遥感数据中单棵树的检测方法

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