CN114092831A - 一种草本沼泽植被物候信息提取方法 - Google Patents

一种草本沼泽植被物候信息提取方法 Download PDF

Info

Publication number
CN114092831A
CN114092831A CN202111457921.7A CN202111457921A CN114092831A CN 114092831 A CN114092831 A CN 114092831A CN 202111457921 A CN202111457921 A CN 202111457921A CN 114092831 A CN114092831 A CN 114092831A
Authority
CN
China
Prior art keywords
ndvi
day
vegetation
herbaceous
pixel
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
CN202111457921.7A
Other languages
English (en)
Other versions
CN114092831B (zh
Inventor
刘奕雯
神祥金
张佳琦
姜明
吕宪国
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 CN202111457921.7A priority Critical patent/CN114092831B/zh
Publication of CN114092831A publication Critical patent/CN114092831A/zh
Application granted granted Critical
Publication of CN114092831B publication Critical patent/CN114092831B/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
    • 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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • 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
    • G06F16/29—Geographical information databases

Landscapes

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

Abstract

一种草本沼泽植被物候信息提取方法，它涉及一种草本沼泽植被物候信息提取方法。本发明为了解决现有草本沼泽植被物候实地观测范围小、周期长、无法快速准确地提取区域草本沼泽植被物候信息的问题。步骤：获取并预处理遥感数据；计算研究区逐像元多年平均逐旬NDVI变化率，得到物候开始期和结束期对应的旬数，并转换为儒略日数；拟合出每年及多年平均逐日NDVI拟合曲线；将儒略日数代入多年平均逐日NDVI拟合曲线，得到物候开始期及结束期对应的NDVI阈值；将NDVI阈值带入每年逐日NDVI拟合曲线，得到每年的草本沼泽植被物候开始期及结束期。本发明保证了时效性和宏观性的同时，能够快速准确地提取整个区域草本沼泽植被物候信息。本发明属于植被物候信息提取领域。

Description

一种草本沼泽植被物候信息提取方法
技术领域
本发明涉及一种草本沼泽植被物候信息提取方法，特别是涉及一种基于遥感数据提取区域草本沼泽植被物候信息的方法。
背景技术
湿地和森林、海洋是世界三大生态系统，湿地在全球碳循环过程中扮演着极其重要的角色。草本沼泽作为一种重要的湿地类型，在调节区域气候、净化环境等方面具有重要作用。植被作为草本沼泽生态系统的重要组成部分，在沼泽生态系统的能量转化和循环中发挥重要作用。植被物候是植物随着气候的季节性变化而发生萌芽、抽枝、展叶、开花、结果及落叶等规律性变化的现象。植被物候是植物长期适应季节变化而形成的生长发育节律，是指示植被生长发育和生理活动最常用的一个指标。在全球变化背景下，草本沼泽植被物候发生了明显变化，准确获取草本沼泽植被物候信息，明确草本沼泽植被物候时空变化是评估草本沼泽固碳潜力的关键。
当前，有关草本沼泽植被物候信息的获取主要通过实地观测法，通过定点观测，获取草本沼泽植被的物候期。这种观测方法虽然在小范围内较为精确，但会耗费大量的人力和物力，无法进行连续观测，且无法获取整个区域的草本沼泽植被物候信息。
发明内容
本发明的目的是为了解决现有草本沼泽植被物候实地观测范围小、周期长、无法快速准确地提取区域草本沼泽植被物候信息的问题，提供了一种草本沼泽植被物候信息提取方法。
一种草本沼泽植被物候信息提取方法按照以下步骤进行：
步骤一、获取研究时间段内覆盖研究区域的逐旬归一化植被指数NDVI数据集、以及两期沼泽湿地分布数据，并进行数据预处理；
步骤二、利用最大值合成法将逐旬NDVI数据集合成为逐月NDVI数据集，并利用算术平均法计算得到多年平均生长季NDVI；
步骤三、根据两期沼泽湿地分布数据，提取研究时间段内未变化的草本沼泽分布；
步骤四、在未变化的草本沼泽分布范围内，提取多年平均生长季NDVI≥0.1的像元分布，得到未变化的草本沼泽植被分布，并将此作为研究区；
步骤五、利用研究区裁切逐旬NDVI数据集，提取出逐像元的每年逐旬NDVI值，并利用算术平均法计算得到逐像元的多年平均逐旬NDVI值；
步骤六、计算逐像元的多年平均逐旬NDVI值的变化率，并确定最大变化率对应的旬数和最小变化率对应的旬数；
步骤七、将最大变化率对应的旬数作为物候开始期对应的旬数，并将旬数换算为物候开始期对应的儒略日数；将最小变化率对应的下一旬数作为物候结束期对应的旬数，并将旬数换算为物候结束期对应的儒略日数；
步骤八、根据步骤五得到的逐像元的每年逐旬NDVI值及多年平均逐旬NDVI值，利用多元拟合最大值法构建一元六次多项式函数，拟合出逐像元的每年逐日NDVI拟合曲线及逐像元的多年平均逐日NDVI拟合曲线；
步骤九、将步骤七得到的物候开始期对应的儒略日数及结束期对应的儒略日数代入到逐像元的多年平均逐日NDVI拟合曲线中，得到物候开始期及结束期对应的NDVI阈值；
步骤十、分别将物候开始期及结束期对应的NDVI阈值带入到步骤八得出的逐像元的每年逐日NDVI拟合曲线中，得到NDVI阈值对应的天数，即研究时间段内每年的草本沼泽植被物候开始期及结束期。
步骤一所述数据预处理过程为：将逐旬归一化植被指数NDVI数据集以及两期沼泽湿地分布数据统一为相同的投影和坐标系。
步骤三所述未变化的草本沼泽分布是两期沼泽湿地分布数据中均为草本沼泽的像元分布。
步骤六所述多年平均逐旬NDVI值的变化率计算公式如下：
Figure BDA0003388492830000021
其中，t为旬数，NDVIratio(t)是多年平均第t旬NDVI值的变化率，NDVI(t)是多年平均第t旬NDVI值，NDVI(t+1)是多年平均第t+1旬NDVI值。
步骤七所述儒略日数是在一年中，从1月1日开始，到某一天结束所经历的日数。
步骤八所述利用多元拟合最大值法构建一元六次多项式函数，拟合出逐像元的每年逐日NDVI拟合曲线及逐像元的多年平均逐日NDVI拟合曲线，公式如下：
NDVI(x)＝a+a1x1+a2x2+a3x3+a4x4+a5x5+a6x6 公式(2)
其中：x为儒略日数，NDVI(x)为第x儒略日对应的NDVI拟合值，a1，a2，a3…a6为对应的系数。
本发明的优点在于：
与实地观测数据相比，遥感数据具有覆盖范围广，连续性强，数据易获取的优点。归一化植被指数(NDVI)能够在大的空间尺度上准确地反映植被的生长状态。本发明方法改善了传统物候观测范围小、周期长、观测物种有限，无法快速准确获取区域草本沼泽植被物候信息的缺点。本发明对于利用遥感植被数据及沼泽湿地分布数据，在区域尺度上提取草本沼泽植被物候信息提供了新的方法。本发明方法能利用遥感数据准确获取草本沼泽植被物候信息，保证了时效性和宏观性的同时，能够快速准确地提取整个区域草本沼泽植被物候信息。
附图说明
图1是本发明的流程图；
图2是实验一中2001-2015年三江平原未变化草本沼泽植被分布图；
图3是实验一中2015年三江平原草本沼泽植被开始期空间分布图；
图4是实验一中2015年三江平原草本沼泽植被结束期空间分布图。
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：本实施方式一种草本沼泽植被物候信息提取方法按照以下步骤进行：
步骤一、获取研究时间段内覆盖研究区域的逐旬归一化植被指数NDVI数据集、以及两期沼泽湿地分布数据，并进行数据预处理；
步骤二、利用最大值合成法将逐旬NDVI数据集合成为逐月NDVI数据集，并利用算术平均法计算得到多年平均生长季NDVI；
步骤三、根据两期沼泽湿地分布数据，提取研究时间段内未变化的草本沼泽分布；
步骤四、在未变化的草本沼泽分布范围内，提取多年平均生长季NDVI≥0.1的像元分布，得到未变化的草本沼泽植被分布，并将此作为研究区；
步骤五、利用研究区裁切逐旬NDVI数据集，提取出逐像元的每年逐旬NDVI值，并利用算术平均法计算得到逐像元的多年平均逐旬NDVI值；
步骤六、计算逐像元的多年平均逐旬NDVI值的变化率，并确定最大变化率对应的旬数和最小变化率对应的旬数；
步骤七、将最大变化率对应的旬数作为物候开始期对应的旬数，并将旬数换算为物候开始期对应的儒略日数；将最小变化率对应的下一旬数作为物候结束期对应的旬数，并将旬数换算为物候结束期对应的儒略日数；
步骤八、根据步骤五得到的逐像元的每年逐旬NDVI值及多年平均逐旬NDVI值，利用多元拟合最大值法构建一元六次多项式函数，拟合出逐像元的每年逐日NDVI拟合曲线及逐像元的多年平均逐日NDVI拟合曲线；
步骤九、将步骤七得到的物候开始期对应的儒略日数及结束期对应的儒略日数代入到逐像元的多年平均逐日NDVI拟合曲线中，得到物候开始期及结束期对应的NDVI阈值；
步骤十、分别将物候开始期及结束期对应的NDVI阈值带入到步骤八得出的逐像元的每年逐日NDVI拟合曲线中，得到NDVI阈值对应的天数，即研究时间段内每年的草本沼泽植被物候开始期及结束期。
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所述数据预处理过程为：将逐旬归一化植被指数NDVI数据集以及两期沼泽湿地分布数据统一为相同的投影和坐标系。其他与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是步骤三所述未变化的草本沼泽分布是两期沼泽湿地分布数据中均为草本沼泽的像元分布。其他与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是步骤六所述多年平均逐旬NDVI值的变化率计算公式如下：
Figure BDA0003388492830000041
其中，t为旬数，NDVIratio(t)是多年平均第t旬NDVI值的变化率，NDVI(t)是多年平均第t旬NDVI值，NDVI(t+1)是多年平均第t+1旬NDVI值。其他与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是步骤七所述儒略日数是在一年中，从1月1日开始，到某一天结束所经历的日数。其他与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是步骤八所述利用多元拟合最大值法构建一元六次多项式函数，拟合出逐像元的每年逐日NDVI拟合曲线及逐像元的多年平均逐日NDVI拟合曲线，公式如下：
NDVI(x)＝a+a1x1+a2x2+a3x3+a4x4+a5x5+a6x6 公式(2)
其中：x为儒略日数，NDVI(x)为第x儒略日对应的NDVI拟合值，a1，a2，a3…a6为对应的系数。其他与具体实施方式一至五之一相同。
采用下述实验验证本发明效果：
实验一：
选择三江平原为实施区域，一种草本沼泽植被物候信息提取方法按照以下步骤进行：
步骤一、获取研究时间段内覆盖研究区域的逐旬归一化植被指数NDVI数据集、以及两期沼泽湿地分布数据，并进行数据预处理；
获取覆盖三江平原区域的2001-2015年MODIS NDVI数据集、2001和2015年两期沼泽湿地分布数据，将逐旬归一化植被指数NDVI数据集以及两期沼泽湿地分布数据统一为相同的投影和坐标系。
步骤二、利用最大值合成法将逐旬NDVI数据集合成为逐月NDVI数据集，并利用算术平均法计算得到2001-2015年多年平均生长季(5-9月)NDVI；
步骤三、根据两期沼泽湿地分布数据，提取研究时间段内未变化的草本沼泽分布；
提取2001和2015年三江平原沼泽湿地分布数据中均为草本沼泽的像元，即为2001-2015年三江平原未变化的草本沼泽分布。
步骤四、在未变化的草本沼泽分布范围内，提取多年平均生长季NDVI≥0.1的像元分布，得到未变化的草本沼泽植被分布，并将此作为研究区；
图2为2001-2015年三江平原未变化的草本沼泽植被分布图。
步骤五、利用研究区裁切逐旬NDVI数据集，提取出逐像元的每年逐旬NDVI值，并利用算术平均法计算得到逐像元的多年平均逐旬NDVI值；
步骤六、计算逐像元的多年平均逐旬NDVI值的变化率，并确定最大变化率对应的旬数和最小变化率对应的旬数；
步骤七、将最大变化率对应的旬数作为物候开始期对应的旬数，并将旬数换算为物候开始期对应的儒略日数；将最小变化率对应的下一旬数作为物候结束期对应的旬数，并将旬数换算为物候结束期对应的儒略日数；
步骤八、根据步骤五得到的逐像元的每年逐旬NDVI值及多年平均逐旬NDVI值，利用多元拟合最大值法构建一元六次多项式函数，拟合出逐像元的每年逐日NDVI拟合曲线及逐像元的多年平均逐日NDVI拟合曲线；
步骤九、将步骤七得到的物候开始期对应的儒略日数及结束期对应的儒略日数代入到逐像元的多年平均逐日NDVI拟合曲线中，得到物候开始期及结束期对应的NDVI阈值；
步骤十、分别将物候开始期及结束期对应的NDVI阈值带入到步骤八得出的逐像元的每年逐日NDVI拟合曲线中，得到NDVI阈值对应的天数，即2001-2015年每年的草本沼泽植被物候开始期及结束期。
以2015年为例，分别将物候开始期及结束期对应的NDVI阈值带入到逐像元的2015年逐日NDVI拟合曲线中，得到2015年三江平原草本沼泽植被开始期(图3)及结束期(图4)的空间分布。
步骤三所述未变化的草本沼泽分布是两期沼泽湿地分布数据中均为草本沼泽的像元分布。
步骤六所述多年平均逐旬NDVI值的变化率计算公式如下：
Figure BDA0003388492830000061
其中，t为旬数，NDVIratio(t)是多年平均第t旬NDVI值的变化率，NDVI(t)是多年平均第t旬NDVI值，NDVI(t+1)是多年平均第t+1旬NDVI值。
步骤七所述儒略日数是在一年中，从1月1日开始，到某一天结束所经历的日数。
步骤八所述利用多元拟合最大值法构建一元六次多项式函数，拟合出逐像元的每年逐日NDVI拟合曲线及逐像元的多年平均逐日NDVI拟合曲线，公式如下：
NDVI(x)＝a+a1x1+a2x2+a3x3+a4x4+a5x5+a6x6 公式(2)
其中：x为儒略日数，NDVI(x)为第x儒略日对应的NDVI拟合值，a1，a2，a3…a6为对应的系数。

Claims (6)

1.一种草本沼泽植被物候信息提取方法，其特征在于所述一种草本沼泽植被物候信息提取方法按照以下步骤进行：
步骤一、获取研究时间段内覆盖研究区域的逐旬归一化植被指数NDVI数据集、以及两期沼泽湿地分布数据，并进行数据预处理；
步骤二、利用最大值合成法将逐旬NDVI数据集合成为逐月NDVI数据集，并利用算术平均法计算得到多年平均生长季NDVI；
步骤三、根据两期沼泽湿地分布数据，提取研究时间段内未变化的草本沼泽分布；
步骤四、在未变化的草本沼泽分布范围内，提取多年平均生长季NDVI≥0.1的像元分布，得到未变化的草本沼泽植被分布，并将此作为研究区；
步骤五、利用研究区裁切逐旬NDVI数据集，提取出逐像元的每年逐旬NDVI值，并利用算术平均法计算得到逐像元的多年平均逐旬NDVI值；
步骤六、计算逐像元的多年平均逐旬NDVI值的变化率，并确定最大变化率对应的旬数和最小变化率对应的旬数；
步骤七、将最大变化率对应的旬数作为物候开始期对应的旬数，并将旬数换算为物候开始期对应的儒略日数；将最小变化率对应的下一旬数作为物候结束期对应的旬数，并将旬数换算为物候结束期对应的儒略日数；
步骤八、根据步骤五得到的逐像元的每年逐旬NDVI值及多年平均逐旬NDVI值，利用多元拟合最大值法构建一元六次多项式函数，拟合出逐像元的每年逐日NDVI拟合曲线及逐像元的多年平均逐日NDVI拟合曲线；
步骤九、将步骤七得到的物候开始期对应的儒略日数及结束期对应的儒略日数代入到逐像元的多年平均逐日NDVI拟合曲线中，得到物候开始期及结束期对应的NDVI阈值；
步骤十、分别将物候开始期及结束期对应的NDVI阈值带入到步骤八得出的逐像元的每年逐日NDVI拟合曲线中，得到NDVI阈值对应的天数，即研究时间段内每年的草本沼泽植被物候开始期及结束期。
2.根据权利要求1所述一种草本沼泽植被物候信息提取方法，其特征在于步骤一所述数据预处理过程为：将逐旬归一化植被指数NDVI数据集以及两期沼泽湿地分布数据统一为相同的投影和坐标系。
3.根据权利要求1所述一种草本沼泽植被物候信息提取方法，其特征在于步骤三所述未变化的草本沼泽分布是两期沼泽湿地分布数据中均为草本沼泽的像元分布。
4.根据权利要求1所述一种草本沼泽植被物候信息提取方法，其特征在于步骤六所述多年平均逐旬NDVI值的变化率计算公式如下：
Figure FDA0003388492820000021
其中，t为旬数，NDVIratio(t)是多年平均第t旬NDVI值的变化率，NDVI(t)是多年平均第t旬NDVI值，NDVI(t+1)是多年平均第t+1旬NDVI值。
5.根据权利要求1所述一种草本沼泽植被物候信息提取方法，其特征在于步骤七所述儒略日数是在一年中，从1月1日开始，到某一天结束所经历的日数。
6.根据权利要求1所述一种草本沼泽植被物候信息提取方法，其特征在于步骤八所述利用多元拟合最大值法构建一元六次多项式函数，拟合出逐像元的每年逐日NDVI拟合曲线及逐像元的多年平均逐日NDVI拟合曲线，公式如下：
NDVI(x)＝a+a1x1+a2x2+a3x3+a4x4+a5x5+a6x6 公式(2)
其中：x为儒略日数，NDVI(x)为第x儒略日对应的NDVI拟合值，a1，a2，a3...a6为对应的系数。
CN202111457921.7A 2021-12-02 2021-12-02 一种草本沼泽植被物候信息提取方法 Active CN114092831B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111457921.7A CN114092831B (zh) 2021-12-02 2021-12-02 一种草本沼泽植被物候信息提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111457921.7A CN114092831B (zh) 2021-12-02 2021-12-02 一种草本沼泽植被物候信息提取方法

Publications (2)

Publication Number Publication Date
CN114092831A true CN114092831A (zh) 2022-02-25
CN114092831B CN114092831B (zh) 2023-03-24

Family

ID=80306318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111457921.7A Active CN114092831B (zh) 2021-12-02 2021-12-02 一种草本沼泽植被物候信息提取方法

Country Status (1)

Country Link
CN (1) CN114092831B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596193A (zh) * 2023-05-30 2023-08-15 中国科学院东北地理与农业生态研究所 一种沼泽湿地植被叶片绿化期碳积累变化的预测方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933699A (zh) * 2015-04-22 2015-09-23 吉林大学 基于高斯函数拟合方差自动提取地表植被物候信息的方法
CN107133949A (zh) * 2017-05-19 2017-09-05 中国林业科学研究院资源信息研究所 一种森林物候信息自动观测方法
CN109359411A (zh) * 2018-11-01 2019-02-19 中国科学院东北地理与农业生态研究所 一种气候变化影响下沼泽湿地植被覆盖度估算方法
CN110032939A (zh) * 2019-03-13 2019-07-19 浙江工业大学 一种基于高斯混合模型的遥感时序数据拟合方法
CN110766299A (zh) * 2019-10-11 2020-02-07 清华大学 一种基于遥感数据的流域植被变化分析方法
CN111832506A (zh) * 2020-07-20 2020-10-27 大同煤矿集团有限责任公司 一种基于长时序植被指数的重建植被遥感判别方法
CN112164062A (zh) * 2020-10-29 2021-01-01 河海大学 一种基于遥感时序分析的抛荒地信息提取方法及装置
WO2021098471A1 (zh) * 2019-11-19 2021-05-27 浙江大学 一种基于形态模型法的大范围作物物候提取方法
CN113221765A (zh) * 2021-05-18 2021-08-06 河海大学 一种基于数字相机影像有效像元的植被物候期提取方法
CN113392759A (zh) * 2021-06-11 2021-09-14 河南大学 一种云计算平台下基于多源全时相卫星影像的越冬作物种植面积识别方法
CN113469145A (zh) * 2021-09-01 2021-10-01 中国测绘科学研究院 一种基于高时空分辨率遥感数据的植被物候提取方法
CN113590733A (zh) * 2021-08-02 2021-11-02 中国科学院东北地理与农业生态研究所 区域草本沼泽植被地上生物量的估算方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933699A (zh) * 2015-04-22 2015-09-23 吉林大学 基于高斯函数拟合方差自动提取地表植被物候信息的方法
CN107133949A (zh) * 2017-05-19 2017-09-05 中国林业科学研究院资源信息研究所 一种森林物候信息自动观测方法
CN109359411A (zh) * 2018-11-01 2019-02-19 中国科学院东北地理与农业生态研究所 一种气候变化影响下沼泽湿地植被覆盖度估算方法
CN110032939A (zh) * 2019-03-13 2019-07-19 浙江工业大学 一种基于高斯混合模型的遥感时序数据拟合方法
CN110766299A (zh) * 2019-10-11 2020-02-07 清华大学 一种基于遥感数据的流域植被变化分析方法
WO2021098471A1 (zh) * 2019-11-19 2021-05-27 浙江大学 一种基于形态模型法的大范围作物物候提取方法
CN111832506A (zh) * 2020-07-20 2020-10-27 大同煤矿集团有限责任公司 一种基于长时序植被指数的重建植被遥感判别方法
CN112164062A (zh) * 2020-10-29 2021-01-01 河海大学 一种基于遥感时序分析的抛荒地信息提取方法及装置
CN113221765A (zh) * 2021-05-18 2021-08-06 河海大学 一种基于数字相机影像有效像元的植被物候期提取方法
CN113392759A (zh) * 2021-06-11 2021-09-14 河南大学 一种云计算平台下基于多源全时相卫星影像的越冬作物种植面积识别方法
CN113590733A (zh) * 2021-08-02 2021-11-02 中国科学院东北地理与农业生态研究所 区域草本沼泽植被地上生物量的估算方法
CN113469145A (zh) * 2021-09-01 2021-10-01 中国测绘科学研究院 一种基于高时空分辨率遥感数据的植被物候提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张丽等: "青藏高原地区物候数据集、地表覆盖种类图和青海湖环湖地区草地生物量数据集", 《中国科学数据(中英文网络版)》 *
张晨: "基于MODIS数据的河北省2006-2016年不同植被类型的物候期及与NPP相关分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *
陈天伟等: "集水面积阈值的拟合方法", 《桂林理工大学学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596193A (zh) * 2023-05-30 2023-08-15 中国科学院东北地理与农业生态研究所 一种沼泽湿地植被叶片绿化期碳积累变化的预测方法

Also Published As

Publication number Publication date
CN114092831B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN109359411B (zh) 一种气候变化影响下沼泽湿地植被覆盖度估算方法
Zheng et al. Re‐quantifying the emission factors based on field measurements and estimating the direct N2O emission from Chinese croplands
Hua et al. Review of tropospheric bomb 14C data for carbon cycle modeling and age calibration purposes
CN113361191B (zh) 基于多情景模拟的像元尺度冬小麦单产遥感估算方法
CN109711102B (zh) 一种作物灾害损失快速评估方法
Kennedy et al. Quantitative palaeoclimate estimates from Late Cretaceous and Paleocene leaf floras in the northwest of the South Island, New Zealand
CN107014753B (zh) 作物长势监测方法和系统
CN113139901A (zh) 一种流域尺度植被净初级生产力遥感精细反演方法
Bandaru et al. Estimating crop net primary production using national inventory data and MODIS-derived parameters
Tian et al. Changes in production potentials of rapeseed in the Yangtze River Basin of China under climate change: A multi-model ensemble approach
CN111814326A (zh) 一种沼泽湿地芦苇地上生物量估算方法
CN114092831B (zh) 一种草本沼泽植被物候信息提取方法
CN114297578A (zh) 一种基于遥感的草地植被覆盖度估算及预测方法
CN113887819A (zh) 一种河口枯水期的咸潮预报方法及预报设备
CN108205718B (zh) 一种粮食作物抽样测产方法及系统
CN102156886A (zh) 基于统计数据和遥感影像数据的区域化肥投入空间化方法
CN109615150B (zh) 一种确定水稻气象产量的方法和系统
CN113887841A (zh) 一种区域沼泽湿地植被净初级生产力的预测方法
Ito et al. Model-based evaluation of methane emissions from paddy fields in East Asia
Wu et al. Wetland area identification and waterbird protection management in consideration of lake topography and water level change
Liu et al. Unrevealing past and future vegetation restoration on the Loess Plateau and its impact on terrestrial water storage
Chen et al. Prediction of global water use efficiency and its response to vapor pressure deficit and soil moisture coupling in the 21st century
CN116502050B (zh) 全球通量站点蒸散发观测缺失的动态插补方法与系统
CN101276446B (zh) 一种区域作物需水量测算方法
CN109359862B (zh) 一种粮食作物实时估产方法及系统

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