CN112926416A - 一种基于生态水文特征的植被分区方法、系统及装置 - Google Patents
一种基于生态水文特征的植被分区方法、系统及装置 Download PDFInfo
- Publication number
- CN112926416A CN112926416A CN202110168455.4A CN202110168455A CN112926416A CN 112926416 A CN112926416 A CN 112926416A CN 202110168455 A CN202110168455 A CN 202110168455A CN 112926416 A CN112926416 A CN 112926416A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- distribution area
- area
- coverage
- aet
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于生态水文特征的植被分区方法、系统及装置,包括分别针对目标区域内的各个覆被分布区,通过覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,获得覆被分布区的植被类型,进一步获得该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度。通过本发明可以得到更为全面的植被分区结果,完善面向流域尺度的、针对干旱区内陆河流域的、基于生态水文特征的植被分区方法体系,提升流域生态保护与修复的分区管控能力。
Description
技术领域
本发明涉及生态水文分类领域,具体而言涉及一种基于生态水文特征的植被分区方法、系统及装置。
背景技术
我国西北干旱区内陆河流域水资源稀缺、生态脆弱,受水资源空间分布格局及植被水资源利用方式的综合影响,流域内植被地域性分布规律显著,从生态类型角度干旱区内陆河流域植被类型主要可划分为自然植被和人工植被,从水资源利用角度植被类型可分为降水依赖型植被、地下水依赖型植被、灌溉依赖型植被,在对植被种类进行识别与空间分布研究中,传统的野外实地调查费时费力,且不适合流域尺度大面积作业,在现有技术中多结合卫星和无人机遥感影像,采用目视解译、智能算法等方法对人工植被种类识别、以及地下水依赖植被空间分布开展植被分区研究。
在现有的植被种类识别方法中,人工植被种类识别主要包括:融合多源遥感数据及相关辅助信息的分类方法、基于机器学习的分类方法、以及其他分类方法,在地下水依赖型植被分布研究中,通常通过构建归一化植被指数与地下水埋深的响应关系曲线、或者通过地下水在植被水分利用总量的占比评估植被对地下水的依赖程度,从而确定地下水依赖型植被的空间分布范围,但是现有的植被种类识别方法,存在以下不足:
1.植被种类识别与空间分布研究多针对地域性的、特定的人工植被或自然植被开展,缺乏流域尺度的、针对干旱区内陆河流域的植被分区方法;
2.在现有技术中,未综合考虑植被的生态水文特征,分类与分区结果无法明确植被的水资源利用类型,即降水依赖型、地下水依赖型或灌溉依赖型,难以为干旱区内陆河流域水资源管理和生态环境保护提供技术支撑和科学依据。
发明内容
本发明的目的在于提供一种基于生态水文特征的植被分区方法、系统及装置,以解决现有技术中的问题。
为实现上述目的,本发明提供如下技术方案:
分别针对目标区域内的各个覆被分布区,通过步骤A和步骤B获得覆被分布区的植被类型,通过执行步骤C,获得该目标区域中植被的分区结果:
步骤A、获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像;
进而根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入步骤B;
步骤B、针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区;
当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜提取对应的植被分布区,对提取的植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型;
当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空;
步骤C、针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度。
优选地,所述步骤B中,将目标覆被分布区分为植被分布区或非植被分布区,包括:
当归一化植被指数小于预设指数阈值时,该目标覆被分布区为非植被分布区;
当归一化植被指数大于或等于预设指数阈值时,该目标覆被分布区为植被分布区。
优选地,所述步骤B中,通过以下步骤获得植被分布区中植被的类型,所述植被分布区包括降水依赖型植被、地下水依赖型植被、以及灌溉依赖型植被:
步骤B1、生成与植被分布区对应的植被分布掩膜,利用植被分布掩膜对目标覆被分布区的DEM栅格影像、以及Pre/AET栅格影像进行裁剪,生成当前植被分布区对应的DEM栅格影像、以及当前植被分布区对应的Pre/AET栅格影像,并对其进行归一化处理,得到植被分布区的归一化DEM、以及归一化Pre/AET,随后进入步骤B2;
步骤B2、通过ISODATA非监督分类方法,结合植被分布区的归一化DEM、以及归一化Pre/AET,识别当前植被分布区为降水依赖型植被分布区、或者为其他水源依赖型植被分布区,其中其他水源依赖型植被分布区包括地下水依赖型植被分布区、以及灌溉依赖型植被分布区,确定植被分布区为降水依赖型植被分布区,随后进入步骤B3;
步骤B3、利用植被分布掩膜对覆被分布区的AET/PET栅格影像、以及NDVI栅格影像进行裁剪,生成当前其他水源依赖型植被对应的植被分布区的AET/PET栅格影像、以及NDVI栅格影像,并对其进行归一化处理,得到其他水源依赖型植被的归一化AET/PET、以及归一化NDVI,随后进入步骤B4;
步骤B4、通过ISODATA非监督分类方法,结合其他水源依赖型植被的归一化AET/PET、以及归一化NDVI,识别当前植被分布区为地下水依赖型植被分布区、或者为灌溉依赖型植被分布区,确定植被分布区类型。
优选地,所述步骤B中,对栅格影像进行归一化处理,根据公式:
其中,R为任意栅格影像,任意栅格影像包括DEM栅格影像、Pre/AET栅格影像、AET/PET栅格影像、以及NDVI栅格影像;
RG为植被分布区的归一化栅格影像,其中RG∈[0,1];
Rmin为覆被分布区的栅格影像的最小值,Rmax为覆被分布区的栅格影像的最大值。
优选地,所述步骤D中,根据Kappa系数计算分区精度,根据公式:
其中,n1、n2、n3、n4分别为正确分类的降水依赖型植被分布区数目、地下水依赖型植被分布区数目、灌溉依赖型植被分布区数目、非植被分布区数目,n1a、n2a、n3a、n4a分别为实际降水依赖型植被分布区数目、地下水依赖型植被分布区数目、灌溉依赖型植被分布区数目、非植被分布区分布区数目,N为选取的目标区域内覆被分布区的数量,K为Kappa系数,其中K∈[-1,1]。
根据本发明公开的第二方面,还提出一种基于生态水文特征的植被分区系统,包括:
一个或多个处理器;
存储器,存储可被执行的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,分别针对目标区域内的各个覆被分布区,通过步骤A和步骤B获得覆被分布区的植被类型,通过执行步骤C,获得该目标区域中植被的分区结果:
步骤A、获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像;
进而根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入步骤B;
步骤B、针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区;
当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜对该植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型;
当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空;
步骤C、针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度。
根据本发明公开的第三方面,还提出一种存储软件的计算机可读取介质,其特征在于,所述软件包括能通过一个或多个计算机执行的指令,所述指令在被所述一个或多个计算机执行时,执行任意一项所述植被分区方法的操作。
根据本发明公开的第四方面,还提出一种基于生态水文特征的植被分区装置,包括:
用于获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像的模块;
用于根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合的模块;
用于针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区的模块;
用于当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜提取对应的植被分布区,对提取的植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型的模块;
用于当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空的模块;
用于针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度的模块。
本发明所述一种基于生态水文特征的植被分区方法,采用以上技术方案与现有技术相比,具有以下技术效果:
本发明克服传统野外实地调查方法费时费力、不适宜流域尺度大面积作业的不足,提供了一种可以依据当地生态水文特征进行植被分区的方法,结合植被分布区的自然地理特征、植被水分利用特征以及植被长势特征对植被进行分类分区,得到的植被分类结果的更为全面,弥补现有方法未综合考虑植被的生态水文特征、分类与分区结果,以致无法明确植被水资源利用类型的不足,同时,提高归一化植被指数NDVI、数字高程(DigitalElevation Model,DEM)、降水量(Precipitation,Pre)、实际蒸散发量(ActualEvapotranspiration,AET)、潜在蒸散发量(Potential Evapotranspiration,PET)等资料的利用效率,完善面向流域尺度的、针对干旱区内陆河流域的、基于生态水文特征的植被分区方法体系,提升流域生态保护与修复的分区管控能力,为保障干旱区内陆河流域自然绿洲植被生态需水、提高水资源利用效益、优化水资源配置格局提供技术支撑和科学依据,以促进人水和谐、助力生态文明建设、实现可持续发展。
附图说明
图1为本发明示例性实施例的植被分区方法的流程图;
图2为本发明示例性实施例的吐鲁番盆地降水依赖型植被分布图;
图3为本发明示例性实施例的吐鲁番盆地地下水依赖型植被分布图;
图4为本发明示例性实施例的吐鲁番盆地灌溉依赖型植被分布图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
结合图1所示的本发明示例性实施例植被分区方法的分区流程,基于现有对植被种类识别与空间分布研究的方法是通过人工植被种类识别方法、以及地下水依赖型植被空间分布两种方法实现的,由于现有的两种方法不适用于流域尺度大面积区域的作业,因此,本发明采用一种结合植被分布自然地理特征、植被水分利用特征、以及植被长势特征,构建指标体系,采用非监督分类进行植被分区识别,获得特定流域的植被分区结果,并应用至生态保护中,对为水资源管理和生态环境保护提供技术支持和科学依据。
下面结合附图1至附图4所述,更加具体的描述本发明的实现。
如图1所示的示例性流程表示的植被分区方法,包括以下步骤:
步骤A、获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像;
进而根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入步骤B;
步骤B、针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区;
当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜提取对应的植被分布区,对提取的植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型;
当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空;
步骤C、针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度。
作为优选地,结合图2至图3,选取吐鲁番盆地为本发明实施例的应用研究区域,具体包括:
分别针对目标区域内的各个覆被分布区,通过步骤A和步骤B获得覆被分布区的植被类型,通过执行步骤C,获得该目标区域中植被的分区结果:
步骤A、获得吐鲁番盆地的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,空间分辨率为1km×1km;
进而根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入步骤B;
步骤B、针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,一般地,干旱区内陆河流域预设指数阈值属于[0,0.1]的阈值范围内,在吐鲁番盆地,预设指数阈值为0.06,将覆被分布区分为植被分布区或非植被分布区;
当归一化植被指数小于预设指数阈值时,该目标覆被分布区为非植被分布区,主要包括但不限于裸地、城镇、水体等非植被覆被类型;
当归一化植被指数大于或等于预设指数阈值时,该目标覆被分布区为植被分布区,;包括降水依赖型植被、地下水依赖型植被、以及灌溉依赖型植被。
当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜提取对应的植被分布区,对提取的植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型,所述植被分布区包括降水依赖型植被、地下水依赖型植被、以及灌溉依赖型植被,通过以下步骤获得植被分布区中植被的类型:
步骤B1、生成与植被分布区对应的植被分布掩膜,利用植被分布掩膜对目标覆被分布区的DEM栅格影像、以及Pre/AET栅格影像进行裁剪,生成当前植被分布区对应的DEM栅格影像、以及当前植被分布区对应的Pre/AET栅格影像,并对其进行归一化处理,得到植被分布区的归一化DEM、以及归一化Pre/AET,随后进入步骤B2;
步骤B2、通过ISODATA非监督分类方法,结合植被分布区的归一化DEM、以及归一化Pre/AET,识别当前植被分布区为降水依赖型植被分布区、或者为其他水源依赖型植被分布区,其中其他水源依赖型植被分布区包括地下水依赖型植被分布区、以及灌溉依赖型植被分布区,确定植被分布区为降水依赖型植被分布区,在干旱区内陆河流域,降水依赖型植被主要分布在上游山区,对应的覆被分布区数字高程DEM、以及Pre/AET相对较大,而地下水依赖型植被和灌溉依赖型植被主要分布在中下游平原区,降水稀少,潜在蒸散发剧烈,对应的覆被分布区数字高程DEM、以及Pre/AET相对较小,随后进入步骤B3,考虑降水依赖型植被和地下水依赖型植被、灌溉依赖型植被自然地理特征与水资源利用特征的差异,利用DEM和Pre/AET两个指标,基于植被分布区的归一化DEM栅格影像和植被分布区的归一化Pre/AET栅格影像,采用ISODATA(Iterative Self-Organizing Data Analysis Technique)非监督分类方法,识别降水依赖型植被和其它水源依赖型植被,其中其它水源依赖型植被包括地下水依赖型植被和灌溉依赖型植被;
步骤B3、利用植被分布掩膜对覆被分布区的AET/PET栅格影像、以及NDVI栅格影像进行裁剪,生成当前其他水源依赖型植被对应的植被分布区的AET/PET栅格影像、以及NDVI栅格影像,并对其进行归一化处理,得到其他水源依赖型植被的归一化AET/PET、以及归一化NDVI;
在进行归一化处理时,归一化处理过程根据公式:
其中,R为任意栅格影像,任意栅格影像包括DEM栅格影像、Pre/AET栅格影像、AET/PET栅格影像、以及NDVI栅格影像;
RG为植被分布区的归一化栅格影像,其中RG∈[0,1];
Rmin为覆被分布区的栅格影像的最小值,Rmax为覆被分布区的栅格影像的最大值,随后进入步骤B4;
步骤B4、通过ISODATA非监督分类方法,结合其他水源依赖型植被的归一化AET/PET、以及归一化NDVI,识别当前植被分布区为地下水依赖型植被分布区、或者为灌溉依赖型植被分布区,确定植被分布区类型,在干旱区内陆河流域,农田灌区植被在人工管理条件下水分、养分条件均较好,植被实际蒸散耗水相对较大、植被长势相对较好,即灌溉依赖型植被的AET/PET、NDVI相对较大,地下水依赖型植被的水分、养分条件与农田灌区植被的水分、养分条件相比均相对较差,植被实际蒸散耗水相对较小、植被长势相对较差,即地下水依赖型植被的AET/PET、NDVI相对较小,考虑地下水依赖型植被和灌溉依赖型植被水资源利用特征、长势特征的差异,利用AET/PET和NDVI两个指标,基于地下水+灌溉依赖型植被分布区的归一化AET/PET栅格影像和地下水+灌溉依赖型植被分布区的归一化NDVI栅格影像,采用ISODATA(Iterative Self-Organizing Data Analysis Technique)非监督分类方法,识别地下水依赖型植被和灌溉依赖型植被;
当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空;
步骤C、针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并根据Kappa系数计算目标区域对应的覆被分布精度:
其中,n1、n2、n3、n4分别为正确分类的降水依赖型植被分布区数目、地下水依赖型植被分布区数目、灌溉依赖型植被分布区数目、非植被分布区数目,n1a、n2a、n3a、n4a分别为实际降水依赖型植被分布区数目、地下水依赖型植被分布区数目、灌溉依赖型植被分布区数目、非植被分布区分布区数目,N为选取的目标区域内覆被分布区的数量,K为Kappa系数,其中K∈[-1,1],在吐鲁番盆地,Kappa系数K=0.95;
Kappa系数数值越大表明植被分区结果与实际植被空间分布的一致性匹配程度越高,即植被分区方法越好、植被分区精度越高。一般认为,K∈[0.2,0.4]表明植被分区结果与实际植被空间分布的一致性匹配程度一般,K∈[0.4,0.6]表明植被分区结果与实际植被空间分布的一致性匹配程度中等,K∈[0.6,0.8]表明植被分区结果与实际植被空间分布具有高度的一致性,K∈[0.8,1]表明植被分区结果与实际植被空间分布几乎完全一致,对于吐鲁番盆地来说,表明吐鲁番盆地植被分区识别的精度较高,本发明一种基于生态水文特征的干旱区内陆河流域植被分区方法效果较好。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (8)
1.一种基于生态水文特征的植被分区方法,通过目标区域的生态水文特征,对目标区域内的植被进行分区,其特征在于,分别针对目标区域内的各个覆被分布区,通过步骤A和步骤B获得覆被分布区的植被类型,通过执行步骤C,获得该目标区域中植被的分区结果:
步骤A、获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像;
进而根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入步骤B;
步骤B、针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区;
当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜提取对应的植被分布区,对提取的植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型;
当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空;
步骤C、针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度。
2.根据权利要求1所述的一种基于生态水文特征的植被分区方法,其特征在于,所述步骤B中,将目标覆被分布区分为植被分布区或非植被分布区,包括:
当归一化植被指数小于预设指数阈值时,该目标覆被分布区为非植被分布区;
当归一化植被指数大于或等于预设指数阈值时,该目标覆被分布区为植被分布区。
3.根据权利要求2所述的一种基于生态水文特征的植被分区方法,其特征在于,所述步骤B中,通过以下步骤获得植被分布区中植被的类型,所述植被分布区包括降水依赖型植被、地下水依赖型植被、以及灌溉依赖型植被:
步骤B1、生成与植被分布区对应的植被分布掩膜,利用植被分布掩膜对目标覆被分布区的DEM栅格影像、以及Pre/AET栅格影像进行裁剪,生成当前植被分布区对应的DEM栅格影像、以及当前植被分布区对应的Pre/AET栅格影像,并对其进行归一化处理,得到植被分布区的归一化DEM、以及归一化Pre/AET,随后进入步骤B2;
步骤B2、通过ISODATA非监督分类方法,结合植被分布区的归一化DEM、以及归一化Pre/AET,识别当前植被分布区为降水依赖型植被分布区、或者为其他水源依赖型植被分布区,其中其他水源依赖型植被分布区包括地下水依赖型植被分布区、以及灌溉依赖型植被分布区,确定植被分布区为降水依赖型植被分布区,随后进入步骤B3;
步骤B3、利用植被分布掩膜对覆被分布区的AET/PET栅格影像、以及NDVI栅格影像进行裁剪,生成当前其他水源依赖型植被对应的植被分布区的AET/PET栅格影像、以及NDVI栅格影像,并对其进行归一化处理,得到其他水源依赖型植被的归一化AET/PET、以及归一化NDVI,随后进入步骤B4;
步骤B4、通过ISODATA非监督分类方法,结合其他水源依赖型植被的归一化AET/PET、以及归一化NDVI,识别当前植被分布区为地下水依赖型植被分布区、或者为灌溉依赖型植被分布区,确定植被分布区类型。
6.一种基于生态水文特征的植被分区系统,其特征在于,包括:
一个或多个处理器;
存储器,存储可被执行的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,分别针对目标区域内的各个覆被分布区,通过步骤A和步骤B获得覆被分布区的植被类型,通过执行步骤C,获得该目标区域中植被的分区结果:
步骤A、获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像;
进而根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入步骤B;
步骤B、针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区;
当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜对该植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型;
当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空;
步骤C、针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度。
7.一种存储软件的计算机可读取介质,其特征在于,所述软件包括能通过一个或多个计算机执行的指令,所述指令在被所述一个或多个计算机执行时,执行如所述权利要求1-4中任意一项所述植被分区方法的操作。
8.一种基于生态水文特征的植被分区装置,其特征在于,包括:
用于获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像的模块;
用于根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合的模块;
用于针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区的模块;
用于当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜提取对应的植被分布区,对提取的植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型的模块;
用于当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空的模块;
用于针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度的模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110168455.4A CN112926416B (zh) | 2021-02-07 | 2021-02-07 | 一种基于生态水文特征的植被分区方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110168455.4A CN112926416B (zh) | 2021-02-07 | 2021-02-07 | 一种基于生态水文特征的植被分区方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112926416A true CN112926416A (zh) | 2021-06-08 |
CN112926416B CN112926416B (zh) | 2021-12-14 |
Family
ID=76171097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110168455.4A Active CN112926416B (zh) | 2021-02-07 | 2021-02-07 | 一种基于生态水文特征的植被分区方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926416B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897630A (zh) * | 2022-06-21 | 2022-08-12 | 生态环境部卫星环境应用中心 | 植被生长最适温度估算方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295576A (zh) * | 2016-08-12 | 2017-01-04 | 中国水利水电科学研究院 | 一种基于自然地理特征的水源类型解析方法 |
CN108133310A (zh) * | 2017-12-11 | 2018-06-08 | 中国水利水电科学研究院 | 一种人类活动和气候变化对河川径流影响的综合评估方法 |
CN108363983A (zh) * | 2018-03-06 | 2018-08-03 | 河南理工大学 | 一种基于无人机影像与重建点云的城市植被分类方法 |
-
2021
- 2021-02-07 CN CN202110168455.4A patent/CN112926416B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295576A (zh) * | 2016-08-12 | 2017-01-04 | 中国水利水电科学研究院 | 一种基于自然地理特征的水源类型解析方法 |
CN108133310A (zh) * | 2017-12-11 | 2018-06-08 | 中国水利水电科学研究院 | 一种人类活动和气候变化对河川径流影响的综合评估方法 |
CN108363983A (zh) * | 2018-03-06 | 2018-08-03 | 河南理工大学 | 一种基于无人机影像与重建点云的城市植被分类方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897630A (zh) * | 2022-06-21 | 2022-08-12 | 生态环境部卫星环境应用中心 | 植被生长最适温度估算方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112926416B (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Measuring urban agglomeration using a city-scale dasymetric population map: A study in the Pearl River Delta, China | |
Haas et al. | Satellite monitoring of urbanization and environmental impacts—A comparison of Stockholm and Shanghai | |
Li et al. | Coastal wetland loss and environmental change due to rapid urban expansion in Lianyungang, Jiangsu, China | |
Yang et al. | Preliminary mapping of high-resolution rural population distribution based on imagery from Google Earth: A case study in the Lake Tai basin, eastern China | |
Miller et al. | Refining flood estimation in urbanized catchments using landscape metrics | |
Peng et al. | Integrating land development size, pattern, and density to identify urban–rural fringe in a metropolitan region | |
Chen et al. | Toward sustainable land use in China: A perspective on China’s national land surveys | |
CN111028255A (zh) | 基于先验信息与深度学习的农田区域预筛选方法及装置 | |
Li et al. | Non-point source pollutant load variation in rapid urbanization areas by remote sensing, Gis and the L-THIA model: A case in Bao’an District, Shenzhen, China | |
CN107657618A (zh) | 基于遥感影像和地形数据的区域尺度侵蚀沟自动提取方法 | |
Zhang et al. | Analysis of land use change and its influence on runoff in the Puhe River Basin | |
Zare et al. | Modeling the effect of land use and climate change scenarios on future soil loss rate in Kasilian watershed of northern Iran | |
Li et al. | Detection of coastal wetland change in China: a case study in Hangzhou Bay | |
Ghosh et al. | Exploring the lateral expansion dynamics of four metropolitan cities of India using DMSP/OLS night time image | |
Williams et al. | Mapping urban slum settlements using very high-resolution imagery and land boundary data | |
Yermolaev et al. | Basin and eco-regional approach to optimize the use of water and land resources | |
Shahtahmassebi et al. | Implications of land use policy on impervious surface cover change in Cixi County, Zhejiang Province, China | |
CN112926416B (zh) | 一种基于生态水文特征的植被分区方法、系统及装置 | |
Albalawi et al. | Spatio-temporal analysis of land use and land cover changes in arid region of Saudi Arabia | |
CN112712087A (zh) | 一种基于深度卷积神经网络的遥感影像地物语义分割方法 | |
Hu et al. | Could the hydrological conditions of Lake Baiyangdian support a booming metropolis? | |
Lopez et al. | Identifying urban features from LiDAR for a high‐resolution urban hydrologic model | |
Yang et al. | A novel weakly-supervised method based on the segment anything model for seamless transition from classification to segmentation: A case study in segmenting latent photovoltaic locations | |
Odeh et al. | GIS-based analytical analysis for selecting potential runoff harvesting sites: the case study of Amman-Zarqa Basin | |
CN111178372B (zh) | 基于遥感影像和地形数据的大区域尺度黄土塬面提取方法 |
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 |