CN114092831B - 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 PDFInfo
- Publication number
- CN114092831B CN114092831B CN202111457921.7A CN202111457921A CN114092831B CN 114092831 B CN114092831 B CN 114092831B CN 202111457921 A CN202111457921 A CN 202111457921A CN 114092831 B CN114092831 B CN 114092831B
- Authority
- CN
- China
- Prior art keywords
- ndvi
- day
- pixel
- herbaceous
- vegetation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000000605 extraction Methods 0.000 claims abstract 2
- 238000011160 research Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000001308 synthesis method Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 230000002354 daily effect Effects 0.000 description 14
- 238000002474 experimental method Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 230000034303 cell budding Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011430 maximum method Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
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：
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：
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：
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 (4)
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阈值代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。
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。
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，其特征在于步骤六所述多年平均逐旬NDVI值的变化率计算公式如下：
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。
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。
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 CN114092831A (zh) | 2022-02-25 |
| CN114092831B true 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) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116596193B (zh) * | 2023-05-30 | 2024-06-11 | 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 (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933699B (zh) * | 2015-04-22 | 2017-06-30 | 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 |
| CN110032939B (zh) * | 2019-03-13 | 2020-12-25 | 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 |
| CN110766299B (zh) * | 2019-10-11 | 2022-11-29 | 清华大学 | 一种基于遥感数据的流域植被变化分析方法 |
| CN111104858B (zh) * | 2019-11-19 | 2022-07-15 | 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 |
| CN111832506B (zh) * | 2020-07-20 | 2023-10-17 | 中国矿业大学 | 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 |
| CN113221765B (zh) * | 2021-05-18 | 2022-08-30 | 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 |
| CN113469145B (zh) * | 2021-09-01 | 2021-12-21 | 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 |
-
2021
- 2021-12-02 CN CN202111457921.7A patent/CN114092831B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114092831A (zh) | 2022-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yuan et al. | Abiotic and biotic determinants of coarse woody productivity in temperate mixed forests | |
| Baker et al. | Evapotranspiration in the Amazon: spatial patterns, seasonality, and recent trends in observations, reanalysis, and climate models | |
| Peppe et al. | Reconstructing paleoclimate and paleoecology using fossil leaves | |
| Yesson et al. | Phyloclimatic modeling: combining phylogenetics and bioclimatic modeling | |
| Zhang et al. | Spatial and temporal variability in the net primary production of alpine grassland on the Tibetan Plateau since 1982 | |
| Bohn et al. | Of climate and its resulting tree growth: Simulating the productivity of temperate forests | |
| Asam et al. | Relationship between spatiotemporal variations of climate, snow cover and plant phenology over the Alps—an earth observation-based analysis | |
| CN109359411B (zh) | 一种气候变化影响下沼泽湿地植被覆盖度估算方法 | |
| Rahman et al. | Changes in sensitivity of tree-ring widths to climate in a tropical moist forest tree in Bangladesh | |
| CN112182882B (zh) | 一种顾及物侯信息的植被冠层蒸腾反演方法 | |
| Cusack et al. | Tradeoffs and synergies in tropical forest root traits and dynamics for nutrient and water acquisition: field and modeling advances | |
| Wang et al. | GOLUM-CNP v1. 0: a data-driven modeling of carbon, nitrogen and phosphorus cycles in major terrestrial biomes | |
| CN111814326A (zh) | 一种沼泽湿地芦苇地上生物量估算方法 | |
| Guimarães et al. | Source and distribution of pollen and spores in surface sediments of a plateau lake in southeastern Amazonia | |
| CN114092831B (zh) | 一种草本沼泽植被物候信息提取方法 | |
| CN109886067A (zh) | 湿地受损遥感识别方法及装置 | |
| CN106919645A (zh) | 复杂地貌大景区的景点气象要素智能精细预测方法 | |
| Malhado et al. | Are compound leaves an adaptation to seasonal drought or to rapid growth? Evidence from the Amazon rain forest | |
| Dorey et al. | Validity of the pineapple crop model SIMPIÑA across the climatic gradient in Réunion Island | |
| Zribi et al. | Deep soil conditions make Mediterranean cork oak stem growth vulnerable to autumnal rainfall decline in Tunisia | |
| Xu et al. | Assessing the distribution and driving effects of net primary productivity along an elevation gradient in subtropical regions of China | |
| Gee et al. | A new lapillopsid from Antarctica and a reappraisal of the phylogenetic relationships of early diverging stereospondyls | |
| Shi et al. | Temporal and Spatial Dynamics in Carbon Utilization Efficiency and Driving Mechanisms in Southeast Tibet from 2012 to 2022 | |
| Saayman et al. | Evaluating non-linear approaches in forecasting tourist arrivals | |
| Singh et al. | Carbon Stock and Carbon Sequestration Potential of Forest Growing Stock Around National Thermal Power Plant, Bilaspur, Chhattisgarh, Central India. |
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 |