CN115098746A - 基于生长季遥感植被指数的生态系统组成结构描述方法 - Google Patents
基于生长季遥感植被指数的生态系统组成结构描述方法 Download PDFInfo
- Publication number
- CN115098746A CN115098746A CN202210657231.4A CN202210657231A CN115098746A CN 115098746 A CN115098746 A CN 115098746A CN 202210657231 A CN202210657231 A CN 202210657231A CN 115098746 A CN115098746 A CN 115098746A
- Authority
- CN
- China
- Prior art keywords
- growing season
- vegetation index
- ecosystem
- ecological system
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000009826 distribution Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 description 1
- 210000004602 germ cell Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Agronomy & Crop Science (AREA)
- General Engineering & Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Data Mining & Analysis (AREA)
- Biodiversity & Conservation Biology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Cultivation Of Plants (AREA)
Abstract
一种基于生长季遥感植被指数的生态系统组成结构描述方法，本发明涉及一种生态系统组成结构描述方法。本发明解决了现有利用全年遥感植被指数数据将会对生态系统属性组分组成结构描述产生干扰而导致显著误差甚至错误的问题。本发明方法：一、生长季生态系统植被指数数据生成；二、生长季生态系统组分频率分布构建。本发明利用生长季遥感植被指数数据，通过构建生长季的生态系统植被指数组分频率分布，以提高对非常绿植被分布地区的生态系统属性组分组成结构描述的准确性。
Description
技术领域
本发明涉及一种生态系统组成结构描述方法。
背景技术
针对缺乏生态系统内部属性组分组成结构描述方法，专利“基于遥感植被指数的生态系统属性组分组成结构描述方法”将全年遥感植被指数引入到生态系统属性组分组成结构分析中。该方法利用的是全年遥感植被指数数据，对于诸如位于热带亚热带地区全年常绿植被的生态系统来说是有效的。然而，对于广泛分布落叶植被的温带等广大地区，由于落叶时期的遥感植被指数无法反映生态系统内部属性差异状况，利用全年遥感植被指数数据将会对生态系统属性组分组成结构描述产生干扰而导致显著误差甚至错误，特别是北方广泛分布的非常绿植被地区的生态系统属性组分组成结构描述时会产生较大误差。
发明内容
本发明为了解决现有利用全年遥感植被指数数据将会对生态系统属性组分组成结构描述产生干扰而导致显著误差甚至错误的问题，而提供了一种基于生长季遥感植被指数的生态系统组成结构描述方法。
本发明基于生长季遥感植被指数的生态系统组成结构描述方法按照以下步骤进行：
一、生长季生态系统植被指数数据生成：
确定实验区生长季起止时间，将落入该期间的植被指数数据进行平均化处理，输出实验区生长季植被指数数据；对获得的生长季植被指数数据，实施与土地利用数据的空间叠加处理，得到指定生态系统类型的生长季植被指数栅格数据；
二、生长季生态系统组分频率分布构建
根据生长季植被指数数据变动范围，确定生态系统类型植被指数分组方案；由所述分组方案，将步骤一中的指定生态系统类型的生长季植被指数栅格数据转化为生长季的生态系统组分频率分布数据；在此基础上，生成以分组的属性值作为横轴，以各分组所占频数作为纵轴的生长季生态系统组分频率分布图，即实现了对生态系统组成结构的描述。
本发明依据遥感植被指数与生长季绿色植被生长状况紧密相关性，本专发明提出将生长季期间遥感植被指数用于生态系统属性组分组成结构描述中，以形成适合于广泛非常绿植被分布地区的生态系统属性组分组成结构描述方法。
本发明利用生长季遥感植被指数数据，通过构建生长季的生态系统植被指数组分频率分布，以提高对非常绿植被分布地区的生态系统属性组分组成结构描述的准确性。解决了现有技术中利用全年遥感植被指数数据将会对生态系统属性组分组成结构描述产生干扰而导致显著误差甚至错误的问题。
全年遥感植被指数适用于全年植被处于常绿状态下的地区进行属性组分组成结构分析，而对于我国北方广大温带地区，主要分布落叶阔叶林，即使针叶林在冬季也常常落叶发黄，造成植被仅在生长季常绿，因此仅在这个时间段内常规植被指数NDVI对本区域分析属性组分的组成结构更具有应用意义。
本发明方法可用于监测森林、草原等自然植被生长状况时空变化分析，进而探究合理的生态环境的空间配置，为生态环境保护部门提供科学指导信息。
附图说明
图1是实施例1中2000年吉林省森林生态系统植被指数NDVI分布图；
图2是实施例1中2000年吉林省森林生态系统植被指数NDVI频率分布图。
具体实施方式
具体实施方式一：本实施方式基于生长季遥感植被指数的生态系统组成结构描述方法按照以下步骤进行：
一、生长季生态系统植被指数数据生成：
确定实验区生长季起止时间，将落入该期间的植被指数数据进行平均化处理，输出实验区生长季植被指数数据；对获得的生长季植被指数数据，实施与土地利用数据的空间叠加处理，得到指定生态系统类型的生长季植被指数栅格数据；
二、生长季生态系统组分频率分布构建
根据生长季植被指数数据变动范围，确定生态系统类型植被指数分组方案；由所述分组方案，将步骤一中的指定生态系统类型的生长季植被指数栅格数据转化为生长季的生态系统组分频率分布数据；在此基础上，生成以分组的属性值作为横轴，以各分组所占频数作为纵轴的生长季生态系统组分频率分布图，即实现了对生态系统组成结构的描述。
本实施例中先将步骤一中的指定生态系统类型的生长季植被指数栅格数据属性表首先生成表格数据，然后再转化为生长季的生态系统组分频率分布数据。
实施例1本实施方式选择北方典型地区吉林省为试验区，基于2000年数据实现生长季遥感植被指数的生态系统属性组分组成结构描述方法，详细步骤如下：
第一，生长季生态系统植被指数数据生成，确定实验区生长季起止时间，将落入该期间的植被指数数据进行平均化处理，输出实验区生长季植被指数数据；对获得的生长季植被指数数据，实施与土地利用数据的空间叠加处理，得到指定生态系统类型的生长季植被指数栅格数据；即确定2000年吉林省森林生态系统生长季起止月份为5月-10月，将2000年吉林省全年和生长季植被指数NDVI数据与土地利用数据进行空间叠加处理，得到2000年吉林省森林生态系统两个时间范围的植被指数NDVI栅格数据，森林生态系统植被指数NDVI栅格数据见图1，图中左面为全年，右面为生长季。
第二，生长季生态系统组分频率分布构建
根据生长季植被指数数据变动范围，确定生态系统类型植被指数分组方案；由所述分组方案，将步骤一中的指定生态系统类型的生长季植被指数栅格数据转化为生长季的生态系统组分频率分布数据(其中，将指定生态系统类型的生长季植被指数栅格数据属性表首先生成表格数据，然后再转化为生长季的生态系统组分频率分布数据)；在此基础上，生成以分组的属性值作为横轴，以各分组所占频数作为纵轴的生长季生态系统组分频率分布图。
具体为：
由全年和生长季期间植被指数NDVI栅格数据生成生态系统属性频率分布数据，这是对植被指数NDVI进行等距分组而获得的。其中，植被指数NDVI的分组区间为0.02，进而构建频率分布图,该图是以分组的中间值(特征值)作为横轴，各分组所占网格频数作为纵轴而形成，见图2，图中左面为全年，右面为生长季。
由图2所示，吉林省2000年全年和生长季期间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，这是其共同点。不同点包括：(1)全年植被指数NDVI集中分布在0.16-0.56之间，生长季植被指数NDVI则分布在0.32-0.75之间；(2)全年主体林地属性分布在0.4-0.48之间，生长季则为0.64-0.72；全年植被指数NDVI频率分布峰值高度小于生长季，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频率分布形状也存在显著差异。虽然全年和生长季频率分布都呈现单峰形式，但全年频率分布比生长季更为对称，这直观地表达了吉林省2000年全年和生长季期间森林生态系统在属性方面的不同。
通过本实施可以看出研究区为吉林省时，生长季NDVI更适用于该地区，更能反映吉林省真实的森林生态系统属性组分组成结构，而全年遥感植被指数适用于植被全年处于常绿状态下的地区进行属性组分组成结构分析，对于我国北方地区，植被仅在生长季常绿，本实施的方法提高对非常绿植被分布地区的生态系统属性组分组成结构描述的准确性，即在这个时间段的NDVI对该地区分析属性组分组成结构更具有应用意义。
Claims (1)
1.一种基于生长季遥感植被指数的生态系统组成结构描述方法，特征在于基于生长季遥感植被指数的生态系统组成结构描述方法按照以下步骤进行：
一、生长季生态系统植被指数数据生成：
确定实验区生长季起止时间，将落入该期间的植被指数数据进行平均化处理，输出实验区生长季植被指数数据；对获得的生长季植被指数数据，实施与土地利用数据的空间叠加处理，得到指定生态系统类型的生长季植被指数栅格数据；
二、生长季生态系统组分频率分布构建
根据生长季植被指数数据变动范围，确定生态系统类型植被指数分组方案；由所述分组方案，将步骤一中的指定生态系统类型的生长季植被指数栅格数据转化为生长季的生态系统组分频率分布数据；在此基础上，生成以分组的属性值作为横轴，以各分组所占频数作为纵轴的生长季生态系统组分频率分布图，即实现了对生态系统组成结构的描述。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210657231.4A CN115098746A (zh) | 2022-06-10 | 2022-06-10 | 基于生长季遥感植被指数的生态系统组成结构描述方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210657231.4A CN115098746A (zh) | 2022-06-10 | 2022-06-10 | 基于生长季遥感植被指数的生态系统组成结构描述方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115098746A true CN115098746A (zh) | 2022-09-23 |
Family
ID=83290834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210657231.4A Pending CN115098746A (zh) | 2022-06-10 | 2022-06-10 | 基于生长季遥感植被指数的生态系统组成结构描述方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115098746A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112308753A (zh) * | 2020-11-24 | 2021-02-02 | 中国科学院东北地理与农业生态研究所 | 基于生态参量的生态系统属性组分组成结构描述方法 |
| CN112347978A (zh) * | 2020-11-25 | 2021-02-09 | 中国科学院东北地理与农业生态研究所 | 基于遥感植被指数的生态系统属性组分组成结构描述方法 |
| CN112365562A (zh) * | 2020-11-09 | 2021-02-12 | 中国科学院东北地理与农业生态研究所 | 一种生态系统属性组分组成结构的描述方法 |
| CN112507858A (zh) * | 2020-12-03 | 2021-03-16 | 中国科学院东北地理与农业生态研究所 | 基于遥感植被指数的生态系统属性组分组成结构描述方法 |
| CN112508395A (zh) * | 2020-12-03 | 2021-03-16 | 中国科学院东北地理与农业生态研究所 | 面向频数分布对称性的生态系统属性组分组成结构量化法 |
-
2022
- 2022-06-10 CN CN202210657231.4A patent/CN115098746A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112365562A (zh) * | 2020-11-09 | 2021-02-12 | 中国科学院东北地理与农业生态研究所 | 一种生态系统属性组分组成结构的描述方法 |
| CN112308753A (zh) * | 2020-11-24 | 2021-02-02 | 中国科学院东北地理与农业生态研究所 | 基于生态参量的生态系统属性组分组成结构描述方法 |
| CN112347978A (zh) * | 2020-11-25 | 2021-02-09 | 中国科学院东北地理与农业生态研究所 | 基于遥感植被指数的生态系统属性组分组成结构描述方法 |
| CN112507858A (zh) * | 2020-12-03 | 2021-03-16 | 中国科学院东北地理与农业生态研究所 | 基于遥感植被指数的生态系统属性组分组成结构描述方法 |
| CN112508395A (zh) * | 2020-12-03 | 2021-03-16 | 中国科学院东北地理与农业生态研究所 | 面向频数分布对称性的生态系统属性组分组成结构量化法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Estimating basal area and stem volume for individual trees from lidar data | |
| Brown | Measuring, monitoring, and verification of carbon benefits for forest–based projects | |
| Hellman et al. | The REVEALS model, a new tool to estimate past regional plant abundance from pollen data in large lakes: validation in southern Sweden | |
| CN109031344B (zh) | 一种全波形激光雷达和高光谱数据联合反演森林结构参数的方法 | |
| CN108256088A (zh) | 一种基于键值数据库的时序数据的存储方法及系统 | |
| Woillard | The last interglacial-glacial cycle at Grande Pile in Northeastern France | |
| CN102592181A (zh) | 一种作物种植面积统计数据空间分布的优化方法 | |
| CN109800921B (zh) | 基于遥感物候同化和粒子群优化的区域冬小麦估产方法 | |
| Marx et al. | Climate change and viticulture-a quantitative analysis of a highly dynamic research field. | |
| WO2023109652A1 (zh) | 水稻种植提取及复种指数监测方法、系统、终端及存储介质 | |
| CN115170341A (zh) | 利用激光雷达修正小微样的林业资源碳汇精准测算方法 | |
| CN107314990A (zh) | 一种春玉米遥感识别方法 | |
| CN115098746A (zh) | 基于生长季遥感植被指数的生态系统组成结构描述方法 | |
| Moreno-de-las-Heras et al. | Drought conditions, aridity and forest structure control the responses of Iberian holm oak woodlands to extreme droughts: A large-scale remote-sensing exploration in eastern Spain | |
| CN112730465A (zh) | 一种smap l波段亮温的农业干旱监测方法 | |
| Vrška et al. | Below-and above-ground biomass, structure and patterns in ancient lowland coppices | |
| CN112365562B (zh) | 一种生态系统属性组分组成结构的描述方法 | |
| CN112131953A (zh) | 基于高分二号影像的森林变化快速检测方法研究 | |
| Hamilton et al. | Stand volume estimates from modelling inventory data | |
| Zhao et al. | Land cover classification based on daily normalized difference vegetation index time series from multitemporal remotely sensed data | |
| CN107340244B (zh) | 一种大棚芹菜的季节性最优光谱检测方法 | |
| Rowell et al. | Estimating plot-scale biomass in a western North American mixed-conifer forest from lidar-derived tree stems | |
| DAVISON | Analysis of the effect of leaf-on and leaf-off forest canopy conditions on LiDAR derived estimations of forest structural diversity | |
| Hinrichs et al. | North sea biogeochemical climatology | |
| CN112508758B (zh) | 生态系统内部类型组分与属性组分组成结构协同描述方法 |
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 |