CN113869675A - 基于遥感的植被去污计算的方法、装置及电子设备 - Google Patents
基于遥感的植被去污计算的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113869675A CN113869675A CN202111071052.4A CN202111071052A CN113869675A CN 113869675 A CN113869675 A CN 113869675A CN 202111071052 A CN202111071052 A CN 202111071052A CN 113869675 A CN113869675 A CN 113869675A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- determining
- data
- decontamination
- primary productivity
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了基于遥感的植被去污计算的方法、装置及电子设备,方法包括:获取地表参数以及植被类型,构建气象要素数据库,根据气象要素数据库中的气象要素数据确定蒸散发数据,根据植被叶面积指数以及蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力,根据植被总初级生产力确定植被净初级生产力,根据植被类型以及植被净初级生产力确定植被对污染元素的需求量,根据植被对元素的需求量确定植被去污计算结果。本发明通过植被类型以及植被净初级生产力得到植被去污计算结果,提高了植被去污计算结果的准确性,同时采用月尺度提高了植被去污计算的效率。
Description
技术领域
本发明涉及计算机技术领域,具体涉及基于遥感的植被去污计算的方法、装置及电子设备。
背景技术
近年来,非点源(Non Point Source,NPS)污染物中氮(Nitrogen,N)和磷(Phosphorus,P)元素污染已成为世界范围内影响水体质量恶化和造成水污染的两个重要因素。植物可以显著吸收N和P,并且在氮磷迁移过程中发挥关键作用。
目前的研究大多采用现场抽样和数理统计的方法分析植物对氮磷的吸收,这些结果不足以揭示植物对氮磷吸收的机制过程,而且很难在流域尺度上给出总体解决方案。随着信息技术的发展,遥感(Remote Sensing,RS)技术已经可以为非点源模拟研究领域提供大范围内地具有高时间和空间分辨率基础数据,在相当大程度上解决了非点源污染计算问题,尤其对于机理模型和分散参数较多和难以收集与管理的问题,大大加快了非点源污染研究的进展。但是,目前用于中小流域尺度的中高分辨率的卫星数据很难提供每天连续的数据。
综上,目前亟需一种植被去污计算的方法,用于解决上述现有技术存在的问题。
发明内容
由于现有方法存在上述问题,本发明提出基于遥感的植被去污计算的方法、装置及电子设备。
第一方面,本发明提供了一种基于遥感的植被去污计算的方法,包括:
获取地表参数以及植被类型;所述地表参数包括植被叶面积指数;
构建气象要素数据库;
根据所述气象要素数据库中的气象要素数据确定蒸散发数据;
根据所述植被叶面积指数以及所述蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力;
根据所述植被总初级生产力确定植被净初级生产力;
根据所述植被类型以及所述植被净初级生产力确定植被对污染元素的需求量;
根据所述植被对污染元素的需求量确定植被去污计算结果。
进一步地,所述获取地表参数以及植被类型,包括:
获取卫星遥感数据;
对所述卫星遥感数据进行预处理,得到地表反射率数据;
根据所述地表反射率数据确定植被归一化指数;
根据所述植被归一化指数确定植被盖度;
根据所述植被盖度确定所述植被叶面积指数;
对所述地表反射率数据进行土地利用类型解译,得到土地利用类型数据;
根据所述土地利用类型数据确定所述植被类型。
进一步地,所述根据所述植被叶面积指数以及所述蒸散发数据确定植被总初级生产力,包括:
获取太阳总辐射;
根据所述植被叶面积指数以及所述太阳总辐射确定光合有效辐射量;
根据所述植被类型确定光能转化率;
根据所述光能转化率、所述光合有效辐射量以及所述蒸散发数据确定所述植被总初级生产力。
进一步地,所述根据所述气象要素数据库中的气象要素数据确定蒸散发数据,包括:
根据所述气象要素数据确定潜在蒸散发;
根据所述潜在蒸散发确定实际蒸散发。
进一步地,所述植被类型为林灌,所述根据所述植被类型以及所述植被净初级生产力确定植被对污染元素的需求量,包括:
获取所述植被净初级生产力在所述植被各个器官的分配;所述器官包括叶片、根系以及枝干;
根据所述植被净初级生产力在所述植被各个器官的分配确定所述植被对污染元素的需求量。
进一步地,所述获取所述植被净初级生产力在各个器官的分配,包括:
根据所述植被的叶面积确定所述叶片的第一分配量;
根据所述第一分配量确定所述根系的第二分配量;
根据所述第一分配量、所述第二分配量确定所述枝干的第三分配量。
第二方面,本发明提供了一种基于遥感的植被去污计算的装置,包括:
获取模块,用于获取地表参数以及植被类型;所述地表参数包括植被叶面积指数;
构建模块,用于构建气象要素数据库;
处理模块,用于根据所述气象要素数据库中的气象要素数据确定蒸散发数据;根据所述植被叶面积指数以及所述蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力;根据所述植被总初级生产力确定植被净初级生产力;根据所述植被类型以及所述植被净初级生产力确定植被对污染元素的需求量;根据所述植被对污染元素的需求量确定植被去污计算结果。
进一步地,所述获取模块具体用于:
获取卫星遥感数据;
对所述卫星遥感数据进行预处理,得到地表反射率数据;
根据所述地表反射率数据确定植被归一化指数;
根据所述植被归一化指数确定植被盖度;
根据所述植被盖度确定所述植被叶面积指数;
对所述地表反射率数据进行土地利用类型解译,得到土地利用类型数据;
根据所述土地利用类型数据确定所述植被类型。
进一步地,所述处理模块具体用于:
获取太阳总辐射;
根据所述植被叶面积指数以及所述太阳总辐射确定光合有效辐射量;
根据所述植被类型确定光能转化率;
根据所述光能转化率、所述光合有效辐射量以及所述蒸散发数据确定所述植被总初级生产力。
进一步地,所述处理模块具体用于:
根据所述气象要素数据确定潜在蒸散发;
根据所述潜在蒸散发确定实际蒸散发。
进一步地,所述植被类型为林灌,所述处理模块具体用于:
获取所述植被净初级生产力在所述植被各个器官的分配;所述器官包括叶片、根系以及枝干;
根据所述植被净初级生产力在所述植被各个器官的分配确定所述植被对污染元素的需求量。
进一步地,所述处理模块具体用于:
根据所述植被的叶面积确定所述叶片的第一分配量;
根据所述第一分配量确定所述根系的第二分配量;
根据所述第一分配量、所述第二分配量确定所述枝干的第三分配量。
第三方面,本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的基于遥感的植被去污计算的方法。
第四方面,本发明还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述的基于遥感的植被去污计算的方法。
由上述技术方案可知,本发明提供的基于遥感的植被去污计算的方法、装置及电子设备,通过植被类型以及植被净初级生产力得到植被去污计算结果,提高了植被去污计算结果的准确性,同时采用月尺度提高了植被去污计算的效率。
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,下面将对实施例或现有技术描述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的前提下,还可以根据这些图获得其他的附图。
图1为本发明提供的基于遥感的植被去污计算的方法的系统框架;
图2为本发明提供的基于遥感的植被去污计算的方法的流程示意图;
图3为本发明提供的基于遥感的植被去污计算的方法的流程示意图;
图4为本发明提供的基于遥感的植被去污计算的方法的流程示意图;
图5为本发明提供的基于遥感的植被去污计算的方法的流程示意图;
图6为本发明提供的基于遥感的植被去污计算的装置的结构示意图;
图7为本发明提供的电子设备的结构示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明实施例提供的基于遥感的植被去污计算的方法,可以适用于如图1所示的系统架构中,该系统架构包括卫星100、服务器200。
具体的,卫星100用于通过采集图像得到卫星遥感数据。
服务器200用于根据卫星遥感数据确定地表参数、蒸散发数据,根据地表参数以及蒸散发数据确定匹配卫星像元的月尺度的植被净初级生产力,根据植被净初级生产力确定植被对污染元素的需求量,根据植被对污染元素的需求量确定植被去污计算结果。
需要说明的是,图1仅是本发明实施例系统架构的一种示例,本发明对此不做具体限定。
基于上述所示意的系统架构,图2为本发明实施例提供的一种基于遥感的植被去污计算的方法所对应的流程示意图,如图2所示,该方法包括:
步骤201,获取地表参数以及植被类型。
需要说明的是,地表参数包括植被叶面积指数。
步骤202,构建气象要素数据库。
在一种可能的实施方式中,收集降雨、气温和日照时数等数据,通过采用最小临近法进行空间插值,构建气象要素数据库。
需要说明的是,还可以采用双线性内插法进行空间插值,本发明实施例对此不做具体限定。
步骤203,根据气象要素数据库中的气象要素数据确定蒸散发数据。
具体的,根据气象要素数据确定潜在蒸散发;
根据潜在蒸散发确定实际蒸散发。
在一种可能的实施方式中,采用彭曼公式计算潜在蒸散发,具体如下:
其中,Δ表示月平均气温T时的饱和水汽压曲线斜率;Rn表示月平均净辐射;G表示月平均土壤热通量;γ表示月平均干湿表常数;T表示月平均温度;U2表示2米处风速;es表示月平均气温T下的饱和水汽压;ea表示实际水汽压。
进一步地,本发明实施例采用实际蒸散发和潜在蒸散发互补的方法计算实际蒸散发,具体的计算公式如下:
其中,P表示月尺度的降水量;Re表示月尺度的地表净太阳辐射量;ET表示月尺度的实际蒸散发,ETP表示月尺度的潜在蒸散发。
步骤204,根据植被叶面积指数以及蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力。
需要说明的是,植被总初级生产力(Gross primary productivity,GPP)是指单位时间内生物通过光合作用所固定的有机碳量。
本发明实施例中,以卫星像元为基本计算单元,计算月尺度的植被总初级生产力。
在一种可能的实施方式中,计算月尺度流域的植被总初级生产力。
步骤205,根据植被总初级生产力确定植被净初级生产力。
具体的,根据植被总初级生产力确定呼吸消耗量;
根据植被总初级生产力以及呼吸消耗量确定植被净初级生产力。
具体的,呼吸消耗量的计算公式如下:
其中,Rα表示呼吸消耗量,T表示月平均气温,GPP表示植被总初级生产力。
进一步地,植被净初级生产力的具体计算如下:
NPP=GPP-Rα
其中,NPP表示植被净初级生产力,GPP表示植被总初级生产力,Rα表示呼吸消耗量。
步骤206,根据植被类型以及植被净初级生产力确定植被对污染元素的需求量。
步骤207,根据植被对污染元素的需求量确定植被去污计算结果。
上述方案,通过植被类型以及植被净初级生产力得到植被去污计算结果,提高了植被去污计算结果的准确性,同时采用月尺度提高了植被去污计算的效率。
进一步地,本发明实施例在步骤201中,具体的步骤流程如图3所示,如下:
步骤301,获取卫星遥感数据。
在一种可能的实施方式中,获取陆地卫星8号Landsat 8的遥感数据。
需要说明的是,卫星Landsat 8携带有陆地成像仪(Operational Land Imager,OLI)和热红外传感器(Thermal Infrared Sensor,TIRS)。Landsat 8的OLI包括9个波段,TIRS包括2个单独的热红外波段。
上述方案,Landsat 8更多的波段和高的时空分辨率更有利于对地物进行识别,更适合对小流域的地表识别,数据源稳定。
步骤302,对卫星遥感数据进行预处理,得到地表反射率数据。
在一种可能的实施方式中,对遥感数据进行几何校正、辐射定标和大气纠正等预处理,从而获得地表反射率数据。
具体的,几何校正是在校正目标区域选择具有正确地理信息的若干控制点,然后利用完整的遥感图像处理平台(The Environment for Visualizing Images,ENVI)中的Registration模块在遥感影像选择和已知控制点匹配的坐标点,然后进行公式拟合。
进一步地,辐射定标是通过ENVI的波段运算结合遥感数据头文件的辐射定标参数完成,大气纠正是通过利用ENVI的FLAASH模块进行大气误差的去除。
步骤303,根据地表反射率数据确定植被归一化指数。
本发明实施例中,采用近红外和红光波段的地表反射率数据计算植被归一化指数,具体如下:
NDVI=(NIR-R)/(NIR+R)
其中,NDVI表示植被归一化指数,NIR表示近红外波段的地表反射率值,R表示红光波段的地表反射率值。
步骤304,根据植被归一化指数确定植被盖度。
本发明实施例中,植被盖度FVC的计算公式具体如下:
FVC=(NDVI-NDVImin)/(NDVImax-NDVImin)
其中,FVC表示植被盖度,NDVImax和NDVImin分别表示遥感单元尺度上计算时期内NDVI的最大月值和最小月值,NDVI表示当月的植被归一化指数。
举例来说,计算时期为一年时,NDVImax和NDVImin分别表示一年里12个月对应的12个植被归一化指数中的最大值和最小值。
步骤305,根据植被盖度确定植被叶面积指数。
具体的,植被叶面积指数的计算公式如下;
LAI=ln(1-FVC)/(-0.5Ω/cosθz)
其中,LAI表示植被叶面积指数,FVC表示植被盖度,Ω为聚集指数,θz为太阳天顶角。
步骤306,对地表反射率数据进行土地利用类型解译,得到土地利用类型数据。
在一种可能的实施方式中,采用最大似然法对地表反射率数据进行土地利用类型解译,构建土地利用类型数据库。
需要说明的是,土地利用类型可以为林地、草地、农田、园地、水域、城乡建设用地和湿地等,本发明实施例对此不做具体限定。
步骤307,根据土地利用类型数据确定植被类型。
上述方案,通过对卫星遥感数据预处理,得到地表参数以及植被类型,提高了植被净初级生产力的准确性。
进一步地,本发明实施例在步骤204中,具体的步骤流程如图4所示,如下:
步骤401,获取太阳总辐射。
步骤402,根据植被叶面积指数以及太阳总辐射确定光合有效辐射量。
本发明实施例中,光合有效辐射量的具体计算公式如下:
需要说明的是,APAR(Absorbed photosynthesis active radiation)表示考虑植物吸收的光合有效辐射量,Q表示太阳总辐射,α表示光合有效辐射与总辐射的比例因子,kl为叶层消光系数,是太阳天顶角的函数。
进一步地,叶层消光系数的具体计算公式如下:
K1=0.5cosθz
步骤403,根据植被类型确定光能转化率。
步骤404,根据光能转化率、光合有效辐射量以及蒸散发数据确定植被总初级生产力。
具体的,植被总初级生产力的具体计算公式如下:
GPP=ε×APAR×f1(T)×f2(β)
其中,ε表示植被将所吸收的光合有效辐射转化为有机物的转化率,即光能转化率;f1(T)表示温度对光合作用的影响函数,是温度T的函数;f2(β)表示水分对光合作用的影响函数,β为蒸发比。
进一步地,温度对光合作用的影响函数具体如下:
需要说明的是,Tmin表示植被光合作用的最低温度,Tmax表示植被光合作用的最高温度,Topt表示植被光合作用的最适宜温度,T代表月平均温度。
在一种可能的实施方式中,植被光合作用的最低温度设置为0℃,植被光合作用的最高温度设置为40℃,植被光合作用的最适宜温度设置为21℃。
本发明实施例中,水分对光合作用的影响函数具体如下:
f2(β)=0.5+0.5ET/ETP
其中,ET表示月尺度的实际蒸散发,ETP表示月尺度的潜在蒸散发。
上述方案,根据光能转化率、光合有效辐射量以及蒸散发数据计算植被总初级生产力,提高了植被总初级生产力的准确性。
本发明实施例在步骤206中,具体的步骤流程如图5所示,如下:
步骤501,获取所述植被净初级生产力在植被各个器官的分配。
需要说明的是,器官包括叶片、根系以及枝干。
具体的,根据植被的叶面积确定叶片的第一分配量;
根据第一分配量确定根系的第二分配量;
根据第一分配量、第二分配量确定枝干的第三分配量。
本发明实施例中,对于林灌植被类型,NPP首先分配到叶片,然后是根系,最后是枝干。
具体的,NPP分配到叶片的生物量与叶面积成比例,计算公式如下:
其中,NPPLeaf为叶片的NPP,Rleaf是单位面积叶片的生物量,εLA是叶面积月增加量。
进一步地,分配到叶片后的NPP再成比例的分配到根系,分配到根系的NPPRoot的具体计算公式如下:
其中,NPPRoot为分配到根系的NPP,Kr为分配系数。
进一步地,NPP分配到枝干的具体计算公式如下:
其中,NPPWattle为分配到枝干的NPP。
上述方案,通过植被净初级生产力在植被各个器官的分配提高了植被对污染元素的需求量的准确性。
步骤502,根据植被净初级生产力在植被各个器官的分配确定植被对污染元素的需求量。
本发明实施例中,针对木本植被,植被对污染元素的需求量是叶片、枝干、根系各部分的NPP与污染元素浓度乘积的加和,其中叶片有一部分生物量在生长过程中返回土壤。对林木和灌木,植物对氮元素和磷元素的需求量的计算公式如下:
Xdem=(1-Kretra)×folX×FB+XW×WB+Xr×RB
其中,Kretra为返回系数,folX为叶片中X元素的含量,FB为植被叶片部分的NPP,XW为枝干中X元素的含量,WB为植被枝干部分的NPP,Xr为根系中X元素的含量,RB植被根系部分的NPP,Xdem为植物生长对X元素的需求量。
进一步地,针对草本植物,则不进行器官间的植被净初级生产力分配。
具体的,如果植被类型为草本植物,则不进行器官间的去污量计算分配,直接由植被净初级生产力乘以元素在植被中的含量求得。植物对氮元素和磷元素的需求量的计算公式如下:
Xdem=NPP×Xcont
其中,Xcont为草本植物中X元素的含量。
上述方案,根据不同的植被类型分别得到植被对污染元素的需求量,提高了植被去污计算结果的准确性。
基于同一发明构思,图6示例性的示出了本发明实施例提供的一种基于遥感的植被去污计算的装置,该装置可以为一种基于遥感的植被去污计算的方法的流程。
所述装置,包括:
获取模块601,用于获取地表参数以及植被类型;所述地表参数包括植被叶面积指数;
构建模块602,用于构建气象要素数据库;
处理模块603,用于根据所述气象要素数据库中的气象要素数据确定蒸散发数据;根据所述植被叶面积指数以及所述蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力;根据所述植被总初级生产力确定植被净初级生产力;根据所述植被类型以及所述植被净初级生产力确定植被对污染元素的需求量;根据所述植被对污染元素的需求量确定植被去污计算结果。
进一步地,所述获取模块601具体用于:
获取卫星遥感数据;
对所述卫星遥感数据进行预处理,得到地表反射率数据;
根据所述地表反射率数据确定植被归一化指数;
根据所述植被归一化指数确定植被盖度;
根据所述植被盖度确定所述植被叶面积指数;
对所述地表反射率数据进行土地利用类型解译,得到土地利用类型数据;
根据所述土地利用类型数据确定所述植被类型。
进一步地,所述处理模块603具体用于:
获取太阳总辐射;
根据所述植被叶面积指数以及所述太阳总辐射确定光合有效辐射量;
根据所述植被类型确定光能转化率;
根据所述光能转化率、所述光合有效辐射量以及所述蒸散发数据确定所述植被总初级生产力。
进一步地,所述处理模块603具体用于:
根据所述气象要素数据确定潜在蒸散发;
根据所述潜在蒸散发确定实际蒸散发。
进一步地,所述植被类型为林灌,所述处理模块603具体用于:
获取所述植被净初级生产力在所述植被各个器官的分配;所述器官包括叶片、根系以及枝干;
根据所述植被净初级生产力在所述植被各个器官的分配确定所述植被对污染元素的需求量。
进一步地,所述处理模块603具体用于:
根据所述植被的叶面积确定所述叶片的第一分配量;
根据所述第一分配量确定所述根系的第二分配量;
根据所述第一分配量、所述第二分配量确定所述枝干的第三分配量。
基于相同的发明构思,本发明又一实施例提供了一种电子设备,参见图7,所述电子设备具体包括如下内容:处理器701、存储器702、通信接口703和通信总线704;
其中,所述处理器701、存储器702、通信接口703通过所述通信总线704完成相互间的通信;所述通信接口703用于实现各设备之间的信息传输;
所述处理器701用于调用所述存储器702中的计算机程序,所述处理器执行所述计算机程序时实现上述基于遥感的植被去污计算的方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:获取地表参数以及植被类型;所述地表参数包括植被叶面积指数;构建气象要素数据库;根据所述气象要素数据库中的气象要素数据确定蒸散发数据;根据所述植被叶面积指数以及所述蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力;根据所述植被总初级生产力确定植被净初级生产力;根据所述植被类型以及所述植被净初级生产力确定植被对污染元素的需求量;根据所述植被对污染元素的需求量确定植被去污计算结果。
基于相同的发明构思,本发明又一实施例提供了一种非暂态计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述基于遥感的植被去污计算的方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:获取地表参数以及植被类型;所述地表参数包括植被叶面积指数;构建气象要素数据库;根据所述气象要素数据库中的气象要素数据确定蒸散发数据;根据所述植被叶面积指数以及所述蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力;根据所述植被总初级生产力确定植被净初级生产力;根据所述植被类型以及所述植被净初级生产力确定植被对污染元素的需求量;根据所述植被对污染元素的需求量确定植被去污计算结果。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,基于遥感的植被去污计算的装置,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,基于遥感的植被去污计算的装置,或者网络设备等)执行各个实施例或者实施例的某些部分所述的基于遥感的植被去污计算的方法。
此外,在本发明中,诸如“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
此外,在本发明中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于遥感的植被去污计算的方法,其特征在于,包括:
获取地表参数以及植被类型;所述地表参数包括植被叶面积指数;
构建气象要素数据库;
根据所述气象要素数据库中的气象要素数据确定蒸散发数据;
根据所述植被叶面积指数以及所述蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力;
根据所述植被总初级生产力确定植被净初级生产力;
根据所述植被类型以及所述植被净初级生产力确定植被对污染元素的需求量;
根据所述植被对污染元素的需求量确定植被去污计算结果。
2.根据权利要求1所述的基于遥感的植被去污计算的方法,其特征在于,所述获取地表参数以及植被类型,包括:
获取卫星遥感数据;
对所述卫星遥感数据进行预处理,得到地表反射率数据;
根据所述地表反射率数据确定植被归一化指数;
根据所述植被归一化指数确定植被盖度;
根据所述植被盖度确定所述植被叶面积指数;
对所述地表反射率数据进行土地利用类型解译,得到土地利用类型数据;
根据所述土地利用类型数据确定所述植被类型。
3.根据权利要求1所述的基于遥感的植被去污计算的方法,其特征在于,所述根据所述植被叶面积指数以及所述蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力,包括:
获取太阳总辐射;
根据所述植被叶面积指数以及所述太阳总辐射确定光合有效辐射量;
根据所述植被类型确定光能转化率;
根据所述光能转化率、所述光合有效辐射量以及所述蒸散发数据确定所述植被总初级生产力。
4.根据权利要求1所述的基于遥感的植被去污计算的方法,其特征在于,所述根据所述气象要素数据库中的气象要素数据确定蒸散发数据,包括:
根据所述气象要素数据确定潜在蒸散发;
根据所述潜在蒸散发确定实际蒸散发。
5.根据权利要求1所述的基于遥感的植被去污计算的方法,其特征在于,所述植被类型为林灌,所述根据所述植被类型以及所述植被净初级生产力确定植被对污染元素的需求量,包括:
获取所述植被净初级生产力在所述植被各个器官的分配;所述器官包括叶片、根系以及枝干;
根据所述植被净初级生产力在所述植被各个器官的分配确定所述植被对污染元素的需求量。
6.根据权利要求5所述的基于遥感的植被去污计算的方法,其特征在于,所述获取所述植被净初级生产力在所述植被各个器官的分配,包括:
根据所述植被的叶面积确定所述叶片的第一分配量;
根据所述第一分配量确定所述根系的第二分配量;
根据所述第一分配量、所述第二分配量确定所述枝干的第三分配量。
7.一种基于遥感的植被去污计算的装置,其特征在于,包括:
获取模块,用于获取地表参数以及植被类型;所述地表参数包括植被叶面积指数;
构建模块,用于构建气象要素数据库;
处理模块,用于根据所述气象要素数据库中的气象要素数据确定蒸散发数据;根据所述植被叶面积指数以及所述蒸散发数据确定匹配卫星像元的月尺度的植被总初级生产力;根据所述植被总初级生产力确定植被净初级生产力;根据所述植被类型以及所述植被净初级生产力确定植被对污染元素的需求量;根据所述植被对污染元素的需求量确定植被去污计算结果。
8.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111071052.4A CN113869675A (zh) | 2021-09-13 | 2021-09-13 | 基于遥感的植被去污计算的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111071052.4A CN113869675A (zh) | 2021-09-13 | 2021-09-13 | 基于遥感的植被去污计算的方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113869675A true CN113869675A (zh) | 2021-12-31 |
Family
ID=78995580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111071052.4A Pending CN113869675A (zh) | 2021-09-13 | 2021-09-13 | 基于遥感的植被去污计算的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113869675A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314184A (zh) * | 2023-09-19 | 2023-12-29 | 沈阳农业大学 | 年总初级生产力时空变化结果的确定方法、装置及设备 |
-
2021
- 2021-09-13 CN CN202111071052.4A patent/CN113869675A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314184A (zh) * | 2023-09-19 | 2023-12-29 | 沈阳农业大学 | 年总初级生产力时空变化结果的确定方法、装置及设备 |
CN117314184B (zh) * | 2023-09-19 | 2024-04-30 | 沈阳农业大学 | 年总初级生产力时空变化结果的确定方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Assessing the impact of urbanization on regional net primary productivity in Jiangyin County, China | |
Zheng et al. | Assessment of the effects of shelterbelts on crop yields at the regional scale in Northeast China | |
Turner et al. | Effects of spatial variability in light use efficiency on satellite-based NPP monitoring | |
Rasmussen | Operational yield forecast using AVHRR NDVI data: reduction of environmental and inter-annual variability | |
Kandel et al. | Measurement and modelling of CO 2 flux from a drained fen peatland cultivated with reed canary grass and spring barley | |
CN108985588A (zh) | 一种农作物单产遥感估算方法、装置与系统 | |
CN108152212A (zh) | 基于高时间分辨率和空间分辨率多光谱遥感数据的草地地上生物量反演方法 | |
CN112257225A (zh) | 一种适用于高寒草地生态系统的npp计算方法 | |
CN110599360A (zh) | 一种干旱区农作物生长季蒸散发高分辨率遥感估算方法 | |
CN111401790B (zh) | 地表用水量计算方法、装置、计算机设备和存储介质 | |
CN113869675A (zh) | 基于遥感的植被去污计算的方法、装置及电子设备 | |
Barcza et al. | Analysis of the 21-years long carbon dioxide flux dataset from a Central European tall tower site | |
Tum et al. | Validating modelled NPP using statistical yield data | |
Wang et al. | Research on cropping intensity mapping of the Huai River Basin (China) based on multi-source remote sensing data fusion | |
Liu et al. | Microclimate characteristics and evapotranspiration estimates of cucumber plants in a newly developed sunken solar greenhouse | |
CN115239175A (zh) | 一种陆地生态系统生产总值的快速估算方法及其系统 | |
Wu et al. | Assessing evapotranspiration observed from ECOSTRESS using flux measurements in agroecosystems | |
Li et al. | BESSv2. 0: A satellite-based and coupled-process model for quantifying long-term global land–atmosphere fluxes | |
Balbontín et al. | Irrigation performance assessment in table grape using the reflectance-based crop coefficient | |
Samarasinghe | Growth and yields of Sri Lanka’s major crops interpreted from public domain satellites | |
CN109272460A (zh) | 水田信息提取方法及系统 | |
Wang et al. | Estimation of leaf area index from high resolution ZY-3 satellite imagery in a catchment dominated by Larix principis-rupprechtii, northern China | |
Darouich et al. | Searching for Sustainable-Irrigation Issues of Clementine Orchards in the Syrian Akkar Plain: Effects of Irrigation Method and Canopy Size on Crop Coefficients, Transpiration, and Water Use with SIMDualKc Model | |
CN111175784A (zh) | 一种棉花冠层水分含量的卫星遥感监测方法 | |
Zhang et al. | Simulated annual carbon fluxes of grassland ecosystems in extremely arid conditions |
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 |