CN115828518A - 一种基于气候和土壤模拟植被生产力空间格局的系统 - Google Patents
一种基于气候和土壤模拟植被生产力空间格局的系统 Download PDFInfo
- Publication number
- CN115828518A CN115828518A CN202211362556.6A CN202211362556A CN115828518A CN 115828518 A CN115828518 A CN 115828518A CN 202211362556 A CN202211362556 A CN 202211362556A CN 115828518 A CN115828518 A CN 115828518A
- Authority
- CN
- China
- Prior art keywords
- target vegetation
- vegetation
- module
- remote sensing
- 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.)
- Withdrawn
Links
- 239000002689 soil Substances 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000003595 spectral effect Effects 0.000 claims abstract description 31
- 238000002310 reflectometry Methods 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 230000000243 photosynthetic effect Effects 0.000 claims description 43
- 230000012010 growth Effects 0.000 claims description 42
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 39
- 230000005855 radiation Effects 0.000 claims description 34
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 32
- 230000001651 autotrophic effect Effects 0.000 claims description 18
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 16
- 239000001569 carbon dioxide Substances 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 230000008635 plant growth Effects 0.000 claims description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 10
- 229910052799 carbon Inorganic materials 0.000 claims description 10
- 210000000056 organ Anatomy 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000007306 turnover Effects 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 6
- 229920006395 saturated elastomer Polymers 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 239000002028 Biomass Substances 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000010206 sensitivity analysis Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000012512 characterization method Methods 0.000 abstract 2
- 230000008569 process Effects 0.000 description 7
- 239000005416 organic matter Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于地理空间技术领域，公开了一种基于气候和土壤模拟植被生产力空间格局的系统，所述基于气候和土壤模拟植被生产力空间格局的系统包括：气候指数监测模块、土壤质量监测模块、中央控制模块、生产力估算模块、空间分布测量模块、模拟模块、云存储模块、显示模块。本发明通过生产力估算模块能够提高目标植被净初级生产力的估算精度；同时，通过空间分布测量模块对待测目标植被的冠层遥感图像进行分析，确定所述遥感图像的表征参数及表征参数与光谱反射率之间的对应关系，从而能够通过所述对应关系确定目标植被的空间分布状态，而避免了人工使用测量工具测量目标植被的空间分布状态，因而提供了测量的准确性和测量速度。
Description
技术领域
本发明属于地理空间技术领域，尤其涉及一种基于气候和土壤模拟植被生产力空间格局的系统。
背景技术
生物生产力是指生物吸取外界物质和能量制造有机物质的能力，以单位时间内生产的有机物质总量来计算，一般分为初级生产力和次级生产力。前者指生产者(主要是绿色植物)在单位时间内生产的有机物质总量；后者指消费者(主要是动物)同化所进食物在单位时间内生产的有机物质总量。植被生产力作为陆地生态系统碳循环的关键组成部分，在大气圈到生物圈的固碳过程中起着至关重要的作用，大尺度的植被生产力空间格局通常由环境因子决定；然而，现有基于气候和土壤模拟植被生产力空间格局的系统获取植被的生产力数据存在较大误差；同时，对目标植被空间分布状态的测量通常由人工进行，具体地，由人工使用测量工具，实地测量目标植被中的植株的倾斜角等参数，再依据测得的参数计算出各植株的空间分布状态。这种测量目标植被空间分布状态的方法准确性不高，并且测量测度慢。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有基于气候和土壤模拟植被生产力空间格局的系统获取植被的生产力数据存在较大误差。
(2)对目标植被空间分布状态的测量通常由人工进行，具体地，由人工使用测量工具，实地测量目标植被中的植株的倾斜角等参数，再依据测得的参数计算出各植株的空间分布状态。这种测量目标植被空间分布状态的方法准确性不高，并且测量测度慢。
发明内容
针对现有技术存在的问题，本发明提供了一种基于气候和土壤模拟植被生产力空间格局的系统。
本发明是这样实现的，一种基于气候和土壤模拟植被生产力空间格局的系统包括：
气候指数监测模块、土壤质量监测模块、中央控制模块、生产力估算模块、空间分布测量模块、模拟模块、云存储模块、显示模块；
气候指数监测模块，与中央控制模块连接，用于监测气候指数数据；
土壤质量监测模块，与中央控制模块连接，用于监测土壤质量数据；
中央控制模块，与气候指数监测模块、土壤质量监测模块、生产力估算模块、空间分布测量模块、模拟模块、云存储模块、显示模块连接，用于控制各个模块正常工作；
生产力估算模块，与中央控制模块连接，用于估算植被生产力；
空间分布测量模块，与中央控制模块连接，用于测量植被空间分布；
模拟模块，与中央控制模块连接，用于基于气候和土壤模拟植被生产力空间格局；
云存储模块，与中央控制模块连接，用于通过云服务器对气候指数、土壤质量、生产力估算结果、空间分布测量结果、模拟信息进行云存储；
显示模块，与中央控制模块连接，用于显示气候指数、土壤质量、生产力估算结果、空间分布测量结果、模拟信息。
进一步，所述生产力估算模块估算方法如下：
(1)通过遥感设备采集目标植被遥感数据；对遥感数据进行校准处理；对遥感数据进行预处理，所述遥感数据由中分辨率成像光谱仪进行采集；提取所述遥感数据中的目标植被覆盖指数；根据所述目标植被覆盖指数，确定目标植被吸收的光合有效辐射比率；提取所述遥感数据中的温度数据；根据所述温度数据，确定空气温度对目标植被生长的影响系数；
所述空气温度对目标植被生长的影响系数为：
式中σT为空气温度对目标植被生长的影响系数，T为空气温度，Tmin为最低温度，Topt为最适温度，Tmax为最高温度；
(2)提取所述遥感数据中的降水数据；根据所述降水数据，分别确定大气水汽对目标植被生长的影响系数和土壤水分缺失对目标植被生长的影响系数；根据C3植物叶子内部的二氧化碳浓度和二氧化碳的光合补偿值，确定C3植物的量子效率；根据所述量子效率，确定C3植物的光合利用率；
(3)获取C4植物占目标植被的比例；根据所述C3植物的光合利用率和所述C4植物占目标植被的比例，确定目标植被的潜在光合利用率；根据所确定的目标植被的潜在光合利用率、空气温度对目标植被生长的影响系数、大气水汽对植物生长的影响系数和土壤水分缺失对植物生长的影响系数，确定目标植被的现实光能利用率；
(4)获取植物的维持性呼吸和植物的生长呼吸；根据所述维持性呼吸和所述生长呼吸确定植物的自养呼吸；获取所述遥感数据中的光合有效辐射；根据所述光合有效辐射、目标植被吸收的光合有效辐射比率、所述目标植被的现实光能利用率和自养呼吸，确定目标植被的净初级生产力。
进一步，所述目标植被吸收的光合有效辐射比率是一个与目标植被覆盖指数相关的线性函数，为FPAR＝a×NDVI2，其中a为系数，FPAR为目标植被吸收的光合有效辐射比率，NDVI为目标植被覆盖指数。
进一步，所述大气水汽对目标植被生长的影响系数为：
δq＝Qw(T)-q；
式中，σE为大气水汽对目标植被生长的影响系数，δq为饱和湿度差，Qw(T)为在指定温度条件下的饱和湿度，q为当前大气下湿度；
所述土壤水分缺失对目标植被生长的影响系数为：
式中，σS为土壤水分缺失对目标植被生长的影响系数，ρnir为近红外波段的反射率，ρswir为短波红外波段的反射率，LSWI为陆地表层水分指数，LSWImax是区域生长季最大的陆地表层水分指数。
进一步，所述C3植物的量子效率为：
式中，α为C3植物的量子效率，P为叶子内部的二氧化碳浓度，Γ*为二氧化碳光合补偿值，τ为二氧化碳和氧气随目标植被温度Ta变化而变化的米-蒙系数，O为空气中二氧化碳的浓度。
进一步，所述C3植物的光合利用率为：εC3＝55.2α，式中α为C3植物的量子效率，εC3为C3植物的光合利用率；
所述C4植物占目标植被的比例为：
式中Ta为空气温度，PC4为C4植物占目标植被的比例。
进一步，所述目标植被的潜在光合利用率为：
ε*＝2.76PC4+(1-PC4)×εC3，
式中ε*为目标植被的潜在光合利用率，PC4为C4植物占目标植被的比例，εC3为C3植物的光合利用率；
所述目标植被的现实光能利用率为：
ε＝ε*×σT×σE×σS，
式中ε为目标植被的现实光能利用率，ε*为目标植被的潜在光合利用率，σT为空气温度对目标植被生长的影响系数，σE为大气水汽对植物生长的影响系数，σS为土壤水分缺失对植物生长的影响系数；
植物的自养呼吸为：
其中，Ra为植物的自养呼吸，Rm，i为植物的维持性呼吸，Rg，i为植物的生长呼吸，i表示不同的植物器官，i＝1为植物的叶，i＝2为植物的茎，i＝3为植物的根；
维持性呼吸和温度相关：
Mi＝VGC×ra，i×(1-1/Turncver)
式中Mi为植物的第i器官的生物量，ra，i为碳分配系数，Turnover为碳周转比率，VGC为目标植被碳库，γ是植物器官i的维持性呼吸系数；Q10是温度影响因子，Tb是积温，T是空气温度；
所述目标植被的净初级生产力为：
NPP＝PAR×FPAR×ε-Ra，
式中NPP为目标植被的净初级生产力，PAR为光合有效辐射，FPAR为目标植被吸收的光合有效辐射比率，ε为目标植被的现实光能利用率，Ra为自养呼吸。
进一步，所述空间分布测量模块测量方法如下：
1)通过遥感设备获取待测目标植被的冠层遥感图像；对遥感图像进行增强处理；确定所述冠层遥感图像中的表征所述冠层遥感图像的空间分布状态的参数；依据所述参数及预设的第一模型，绘制预设的光谱波长范围内所述冠层遥感图像的光谱反射率随所述参数变化的曲线；
2)依据所述曲线，确定所述冠层遥感图像的光谱反射率随所述参数变化率最大的光谱波长；测量所述光谱波长处所述待测目标植被拔节期和返青期的冠层遥感图像的光谱反射率；
3)依据所述光谱波长处的预设的第二模型确定所述参数的值，所述预设的第二模型为依据所述拔节期冠层遥感图像的光谱反射率，以及拔节期和返青期的冠层遥感图像的光谱反射率的比值确定所述参数的值的模型；依据所述参数的值，确定所述目标植被的空间分布状态。
进一步，所述确定所述冠层遥感图像中的表征所述冠层遥感图像的空间分布状态的参数包括：
利用主成分分析和敏感性分析，统计不同参数对所述冠层遥感图像的影响；
确定对所述冠层遥感图像的影响最大的参数为表征所述冠层遥感图像的空间分布状态的参数。
进一步，所述预设的第一模型包括：
计算目标植被冠层光谱和光谱影响因素的目标植被冠层辐射传输模型。
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
本发明通过生产力估算模块采用的光合有效辐射、温度数据和湿度数据等，均可以从气象局所提供的遥感数据集中直接获得，这就能够提高估算过程中的采集数据的效率，进而提高估算效率；同时所采用的对目标植被净初级生产力进行估算的光合有效辐射、目标植被吸收的光合有效辐射比率、目标植被的现实光能利用率和自养呼吸数据均是通过精确计算得到的数据，这就能够提高目标植被净初级生产力的估算精度；同时，通过空间分布测量模块对待测目标植被的冠层遥感图像进行分析，确定所述遥感图像的表征参数及表征参数与光谱反射率之间的对应关系，从而能够通过所述对应关系确定目标植被的空间分布状态，而避免了人工使用测量工具测量目标植被的空间分布状态，因而提供了测量的准确性和测量速度。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明通过生产力估算模块采用的光合有效辐射、温度数据和湿度数据等，均可以从气象局所提供的遥感数据集中直接获得，这就能够提高估算过程中的采集数据的效率，进而提高估算效率；同时所采用的对目标植被净初级生产力进行估算的光合有效辐射、目标植被吸收的光合有效辐射比率、目标植被的现实光能利用率和自养呼吸数据均是通过精确计算得到的数据，这就能够提高目标植被净初级生产力的估算精度；同时，通过空间分布测量模块对待测目标植被的冠层遥感图像进行分析，确定所述遥感图像的表征参数及表征参数与光谱反射率之间的对应关系，从而能够通过所述对应关系确定目标植被的空间分布状态，而避免了人工使用测量工具测量目标植被的空间分布状态，因而提供了测量的准确性和测量速度。
附图说明
图1是本发明实施例提供的基于气候和土壤模拟植被生产力空间格局的系统结构框图。
图2是本发明实施例提供的生产力估算模块估算方法流程图。
图3是本发明实施例提供的空间分布测量模块测量方法流程图。
图1中：1、气候指数监测模块；2、土壤质量监测模块；3、中央控制模块；4、生产力估算模块；5、空间分布测量模块；6、模拟模块；7、云存储模块；8、显示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示，本发明实施例提供的基于气候和土壤模拟植被生产力空间格局的系统包括：气候指数监测模块1、土壤质量监测模块2、中央控制模块3、生产力估算模块4、空间分布测量模块5、模拟模块6、云存储模块7、显示模块8。
气候指数监测模块1，与中央控制模块3连接，用于监测气候指数数据；
土壤质量监测模块2，与中央控制模块3连接，用于监测土壤质量数据；
中央控制模块3，与气候指数监测模块1、土壤质量监测模块2、生产力估算模块4、空间分布测量模块5、模拟模块6、云存储模块7、显示模块8连接，用于控制各个模块正常工作；
生产力估算模块4，与中央控制模块3连接，用于估算植被生产力；
空间分布测量模块5，与中央控制模块3连接，用于测量植被空间分布；
模拟模块6，与中央控制模块3连接，用于基于气候和土壤模拟植被生产力空间格局；
云存储模块7，与中央控制模块3连接，用于通过云服务器对气候指数、土壤质量、生产力估算结果、空间分布测量结果、模拟信息进行云存储；
显示模块8，与中央控制模块3连接，用于显示气候指数、土壤质量、生产力估算结果、空间分布测量结果、模拟信息。
如图2所示，本发明提供的生产力估算模块估算方法如下：
S101，通过遥感设备采集目标植被遥感数据；对遥感数据进行校准处理；对遥感数据进行预处理，所述遥感数据由中分辨率成像光谱仪进行采集；提取所述遥感数据中的目标植被覆盖指数；根据所述目标植被覆盖指数，确定目标植被吸收的光合有效辐射比率；提取所述遥感数据中的温度数据；根据所述温度数据，确定空气温度对目标植被生长的影响系数；
所述空气温度对目标植被生长的影响系数为：
式中σT为空气温度对目标植被生长的影响系数，T为空气温度，Tmin为最低温度，Topt为最适温度，Tmax为最高温度；
S102，提取所述遥感数据中的降水数据；根据所述降水数据，分别确定大气水汽对目标植被生长的影响系数和土壤水分缺失对目标植被生长的影响系数；根据C3植物叶子内部的二氧化碳浓度和二氧化碳的光合补偿值，确定C3植物的量子效率；根据所述量子效率，确定C3植物的光合利用率；
S103，获取C4植物占目标植被的比例；根据所述C3植物的光合利用率和所述C4植物占目标植被的比例，确定目标植被的潜在光合利用率；根据所确定的目标植被的潜在光合利用率、空气温度对目标植被生长的影响系数、大气水汽对植物生长的影响系数和土壤水分缺失对植物生长的影响系数，确定目标植被的现实光能利用率；
S104，获取植物的维持性呼吸和植物的生长呼吸；根据所述维持性呼吸和所述生长呼吸确定植物的自养呼吸；获取所述遥感数据中的光合有效辐射；根据所述光合有效辐射、目标植被吸收的光合有效辐射比率、所述目标植被的现实光能利用率和自养呼吸，确定目标植被的净初级生产力。
本发明提供的目标植被吸收的光合有效辐射比率是一个与目标植被覆盖指数相关的线性函数，为FPAR＝a×NDVI2，其中a为系数，FPAR为目标植被吸收的光合有效辐射比率，NDVI为目标植被覆盖指数。
本发明提供的大气水汽对目标植被生长的影响系数为：
δq＝Qw(T)-q；
式中，σE为大气水汽对目标植被生长的影响系数，δq为饱和湿度差，Qw(T)为在指定温度条件下的饱和湿度，q为当前大气下湿度；
所述土壤水分缺失对目标植被生长的影响系数为：
式中，σS为土壤水分缺失对目标植被生长的影响系数，ρnir为近红外波段的反射率，ρswir为短波红外波段的反射率，LSWI为陆地表层水分指数，LSWImax是区域生长季最大的陆地表层水分指数。
本发明提供的C3植物的量子效率为：
式中，α为C3植物的量子效率，P为叶子内部的二氧化碳浓度，Γ*为二氧化碳光合补偿值，τ为二氧化碳和氧气随目标植被温度Ta变化而变化的米-蒙系数，O为空气中二氧化碳的浓度。
本发明提供的C3植物的光合利用率为：εC3＝55.2α，式中α为C3植物的量子效率，εC3为C3植物的光合利用率；
所述C4植物占目标植被的比例为：
式中Ta为空气温度，PC4为C4植物占目标植被的比例。
本发明提供的目标植被的潜在光合利用率为：
ε*＝2.76PC4+(1-PC4)×εC3，
式中ε*为目标植被的潜在光合利用率，PC4为C4植物占目标植被的比例，εC3为C3植物的光合利用率；
所述目标植被的现实光能利用率为：
ε＝ε*×σT×σE×σS，
式中ε为目标植被的现实光能利用率，ε*为目标植被的潜在光合利用率，σT为空气温度对目标植被生长的影响系数，σE为大气水汽对植物生长的影响系数，σS为土壤水分缺失对植物生长的影响系数；
植物的自养呼吸为：
其中，Ra为植物的自养呼吸，Rm，i为植物的维持性呼吸，Rg，i为植物的生长呼吸，i表示不同的植物器官，i＝1为植物的叶，i＝2为植物的茎，i＝3为植物的根；
维持性呼吸和温度相关：
Mi=VGC×ra，i×(1-1/Turnoer)
式中Mi为植物的第i器官的生物量，ra，i为碳分配系数，Turnover为碳周转比率，VGC为目标植被碳库，γ是植物器官i的维持性呼吸系数；Q10是温度影响因子，Tb是积温，T是空气温度；
所述目标植被的净初级生产力为：
NPP＝PAR×FPAR×ε-Ra，
式中NPP为目标植被的净初级生产力，PAR为光合有效辐射，FPAR为目标植被吸收的光合有效辐射比率，ε为目标植被的现实光能利用率，Ra为自养呼吸。
如图3所示，本发明提供的空间分布测量模块5测量方法如下：
S201，通过遥感设备获取待测目标植被的冠层遥感图像；对遥感图像进行增强处理；确定所述冠层遥感图像中的表征所述冠层遥感图像的空间分布状态的参数；依据所述参数及预设的第一模型，绘制预设的光谱波长范围内所述冠层遥感图像的光谱反射率随所述参数变化的曲线；
S202，依据所述曲线，确定所述冠层遥感图像的光谱反射率随所述参数变化率最大的光谱波长；测量所述光谱波长处所述待测目标植被拔节期和返青期的冠层遥感图像的光谱反射率；
S203，依据所述光谱波长处的预设的第二模型确定所述参数的值，所述预设的第二模型为依据所述拔节期冠层遥感图像的光谱反射率，以及拔节期和返青期的冠层遥感图像的光谱反射率的比值确定所述参数的值的模型；依据所述参数的值，确定所述目标植被的空间分布状态。
本发明提供的确定所述冠层遥感图像中的表征所述冠层遥感图像的空间分布状态的参数包括：
利用主成分分析和敏感性分析，统计不同参数对所述冠层遥感图像的影响；
确定对所述冠层遥感图像的影响最大的参数为表征所述冠层遥感图像的空间分布状态的参数。
本发明提供的预设的第一模型包括：
计算目标植被冠层光谱和光谱影响因素的目标植被冠层辐射传输模型。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
本发明工作时，首先，通过气候指数监测模块1监测气候指数数据；通过土壤质量监测模块2监测土壤质量数据；其次，中央控制模块3通过生产力估算模块4估算植被生产力；通过空间分布测量模块5测量植被空间分布；通过模拟模块6基于气候和土壤模拟植被生产力空间格局；然后，通过云存储模块7利用云服务器对气候指数、土壤质量、生产力估算结果、空间分布测量结果、模拟信息进行云存储；最后，通过显示模块8显示气候指数、土壤质量、生产力估算结果、空间分布测量结果、模拟信息。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
本发明通过生产力估算模块采用的光合有效辐射、温度数据和湿度数据等，均可以从气象局所提供的遥感数据集中直接获得，这就能够提高估算过程中的采集数据的效率，进而提高估算效率；同时所采用的对目标植被净初级生产力进行估算的光合有效辐射、目标植被吸收的光合有效辐射比率、目标植被的现实光能利用率和自养呼吸数据均是通过精确计算得到的数据，这就能够提高目标植被净初级生产力的估算精度；同时，通过空间分布测量模块对待测目标植被的冠层遥感图像进行分析，确定所述遥感图像的表征参数及表征参数与光谱反射率之间的对应关系，从而能够通过所述对应关系确定目标植被的空间分布状态，而避免了人工使用测量工具测量目标植被的空间分布状态，因而提供了测量的准确性和测量速度。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述基于气候和土壤模拟植被生产力空间格局的系统包括：
气候指数监测模块、土壤质量监测模块、中央控制模块、生产力估算模块、空间分布测量模块、模拟模块、云存储模块、显示模块；
气候指数监测模块，与中央控制模块连接，用于监测气候指数数据；
土壤质量监测模块，与中央控制模块连接，用于监测土壤质量数据；
中央控制模块，与气候指数监测模块、土壤质量监测模块、生产力估算模块、空间分布测量模块、模拟模块、云存储模块、显示模块连接，用于控制各个模块正常工作；
生产力估算模块，与中央控制模块连接，用于估算植被生产力；
空间分布测量模块，与中央控制模块连接，用于测量植被空间分布；
模拟模块，与中央控制模块连接，用于基于气候和土壤模拟植被生产力空间格局；
云存储模块，与中央控制模块连接，用于通过云服务器对气候指数、土壤质量、生产力估算结果、空间分布测量结果、模拟信息进行云存储；
显示模块，与中央控制模块连接，用于显示气候指数、土壤质量、生产力估算结果、空间分布测量结果、模拟信息。
2.如权利要求1所述基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述生产力估算模块估算方法如下：
(1)通过遥感设备采集目标植被遥感数据；对遥感数据进行校准处理；对遥感数据进行预处理，所述遥感数据由中分辨率成像光谱仪进行采集；提取所述遥感数据中的目标植被覆盖指数；根据所述目标植被覆盖指数，确定目标植被吸收的光合有效辐射比率；提取所述遥感数据中的温度数据；根据所述温度数据，确定空气温度对目标植被生长的影响系数；
所述空气温度对目标植被生长的影响系数为：
式中σT为空气温度对目标植被生长的影响系数，T为空气温度，Tmin为最低温度，Topt为最适温度，Tmax为最高温度；
(2)提取所述遥感数据中的降水数据；根据所述降水数据，分别确定大气水汽对目标植被生长的影响系数和土壤水分缺失对目标植被生长的影响系数；根据C3植物叶子内部的二氧化碳浓度和二氧化碳的光合补偿值，确定C3植物的量子效率；根据所述量子效率，确定C3植物的光合利用率；
(3)获取C4植物占目标植被的比例；根据所述C3植物的光合利用率和所述C4植物占目标植被的比例，确定目标植被的潜在光合利用率；根据所确定的目标植被的潜在光合利用率、空气温度对目标植被生长的影响系数、大气水汽对植物生长的影响系数和土壤水分缺失对植物生长的影响系数，确定目标植被的现实光能利用率；
(4)获取植物的维持性呼吸和植物的生长呼吸；根据所述维持性呼吸和所述生长呼吸确定植物的自养呼吸；获取所述遥感数据中的光合有效辐射；根据所述光合有效辐射、目标植被吸收的光合有效辐射比率、所述目标植被的现实光能利用率和自养呼吸，确定目标植被的净初级生产力。
3.如权利要求2所述基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述目标植被吸收的光合有效辐射比率是一个与目标植被覆盖指数相关的线性函数，为FPAR＝a×NDVI2，其中a为系数，FPAR为目标植被吸收的光合有效辐射比率，NDVI为目标植被覆盖指数。
4.如权利要求2所述基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述大气水汽对目标植被生长的影响系数为：
δq＝Qw(T)-q；
式中，σE为大气水汽对目标植被生长的影响系数，δq为饱和湿度差，Qw(T)为在指定温度条件下的饱和湿度，q为当前大气下湿度；
所述土壤水分缺失对目标植被生长的影响系数为：
式中，σS为土壤水分缺失对目标植被生长的影响系数，ρnir为近红外波段的反射率，ρswir为短波红外波段的反射率，LSWI为陆地表层水分指数，LSWImax是区域生长季最大的陆地表层水分指数。
5.如权利要求2所述基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述C3植物的量子效率为：
式中，α为C3植物的量子效率，P为叶子内部的二氧化碳浓度，Γ*为二氧化碳光合补偿值，τ为二氧化碳和氧气随目标植被温度Ta变化而变化的米-蒙系数，O为空气中二氧化碳的浓度。
6.如权利要求2所述基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述C3植物的光合利用率为：εC3＝55.2α，式中α为C3植物的量子效率，εC3为C3植物的光合利用率；
所述C4植物占目标植被的比例为：
式中Ta为空气温度，PC4为C4植物占目标植被的比例。
7.如权利要求2所述基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述目标植被的潜在光合利用率为：
ε*＝2.76PC4+(1-PC4)×εC3，
式中ε*为目标植被的潜在光合利用率，PC4为C4植物占目标植被的比例，εC3为C3植物的光合利用率；
所述目标植被的现实光能利用率为：
ε＝ε*×σT×σE×σS，
式中ε为目标植被的现实光能利用率，ε*为目标植被的潜在光合利用率，σT为空气温度对目标植被生长的影响系数，σE为大气水汽对植物生长的影响系数，σS为土壤水分缺失对植物生长的影响系数；
植物的自养呼吸为：
其中，Ra为植物的自养呼吸，Rm，i为植物的维持性呼吸，Rg，i为植物的生长呼吸，i表示不同的植物器官，i＝1为植物的叶，i＝2为植物的茎，i＝3为植物的根；
维持性呼吸和温度相关：
M1＝VGC×ra，i×(1-1/Turnover)
式中Mi为植物的第i器官的生物量，ra，i为碳分配系数，Turnover为碳周转比率，VGC为目标植被碳库，γ是植物器官i的维持性呼吸系数；Q10是温度影响因子，Tb是积温，T是空气温度；
所述目标植被的净初级生产力为：
NPP＝PAR×FPAR×ε-Ra，
式中NPP为目标植被的净初级生产力，PAR为光合有效辐射，FPAR为目标植被吸收的光合有效辐射比率，ε为目标植被的现实光能利用率，Ra为自养呼吸。
8.如权利要求1所述基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述空间分布测量模块测量方法如下：
1)通过遥感设备获取待测目标植被的冠层遥感图像；对遥感图像进行增强处理；确定所述冠层遥感图像中的表征所述冠层遥感图像的空间分布状态的参数；依据所述参数及预设的第一模型，绘制预设的光谱波长范围内所述冠层遥感图像的光谱反射率随所述参数变化的曲线；
2)依据所述曲线，确定所述冠层遥感图像的光谱反射率随所述参数变化率最大的光谱波长；测量所述光谱波长处所述待测目标植被拔节期和返青期的冠层遥感图像的光谱反射率；
3)依据所述光谱波长处的预设的第二模型确定所述参数的值，所述预设的第二模型为依据所述拔节期冠层遥感图像的光谱反射率，以及拔节期和返青期的冠层遥感图像的光谱反射率的比值确定所述参数的值的模型；依据所述参数的值，确定所述目标植被的空间分布状态。
9.如权利要求8所述基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述确定所述冠层遥感图像中的表征所述冠层遥感图像的空间分布状态的参数包括：
利用主成分分析和敏感性分析，统计不同参数对所述冠层遥感图像的影响；
确定对所述冠层遥感图像的影响最大的参数为表征所述冠层遥感图像的空间分布状态的参数。
10.如权利要求8所述基于气候和土壤模拟植被生产力空间格局的系统，其特征在于，所述预设的第一模型包括：
计算目标植被冠层光谱和光谱影响因素的目标植被冠层辐射传输模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211362556.6A CN115828518A (zh) | 2022-11-02 | 2022-11-02 | 一种基于气候和土壤模拟植被生产力空间格局的系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211362556.6A CN115828518A (zh) | 2022-11-02 | 2022-11-02 | 一种基于气候和土壤模拟植被生产力空间格局的系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115828518A true CN115828518A (zh) | 2023-03-21 |
Family
ID=85526216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211362556.6A Withdrawn CN115828518A (zh) | 2022-11-02 | 2022-11-02 | 一种基于气候和土壤模拟植被生产力空间格局的系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115828518A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116384743A (zh) * | 2023-03-29 | 2023-07-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
-
2022
- 2022-11-02 CN CN202211362556.6A patent/CN115828518A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116384743A (zh) * | 2023-03-29 | 2023-07-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
| CN116384743B (zh) * | 2023-03-29 | 2024-01-19 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Partitioning of daily evapotranspiration using a modified shuttleworth-wallace model, random Forest and support vector regression, for a cabbage farmland | |
| Shan et al. | Modeling canopy conductance and transpiration from solar-induced chlorophyll fluorescence | |
| Zhang et al. | Spatially-explicit monitoring of crop photosynthetic capacity through the use of space-based chlorophyll fluorescence data | |
| Wu et al. | The potential of the satellite derived green chlorophyll index for estimating midday light use efficiency in maize, coniferous forest and grassland | |
| Lehuger et al. | Predicting the net carbon exchanges of crop rotations in Europe with an agro-ecosystem model | |
| Qiu et al. | Simulating emission and scattering of solar-induced chlorophyll fluorescence at far-red band in global vegetation with different canopy structures | |
| CN110579186B (zh) | 基于逆高斯过程反演叶面积指数的农作物长势监测方法 | |
| Patel et al. | Measurement and scaling of carbon dioxide (CO 2) exchanges in wheat using flux-tower and remote sensing | |
| Wilson et al. | The spatial variability of energy and carbon dioxide fluxes at the floor of a deciduous forest | |
| CN110082309B (zh) | 冬小麦冠层spad值综合光谱监测模型建立方法 | |
| CN111044516A (zh) | 一种水稻叶绿素含量遥感估测方法 | |
| CN114140695B (zh) | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 | |
| CN112881327B (zh) | 一种基于新型植被指数的烟叶spad值估测方法 | |
| CN116108318B (zh) | 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法 | |
| Ito et al. | Seasonal variation in leaf properties and ecosystem carbon budget in a cool-temperate deciduous broad-leaved forest: simulation analysis at Takayama site, Japan | |
| CN113111799B (zh) | 一种基于集合经验模态分解的耕地土壤肥力水平监测方法 | |
| CN115828518A (zh) | 一种基于气候和土壤模拟植被生产力空间格局的系统 | |
| CN115452822B (zh) | 基于遥感和农田信息获取稻田甲烷排放通量的方法及装置 | |
| Li et al. | Research progress on carbon sources and sinks of farmland ecosystems | |
| Wang et al. | Solar-induced chlorophyll fluorescence as an indicator for determining the end date of the vegetation growing season | |
| Huang et al. | Estimating soil respiration using spectral vegetation indices and abiotic factors in irrigated and rainfed agroecosystems | |
| CN114511550A (zh) | 一种鄱阳湖湿地植被净初级生产力的遥感估算方法 | |
| Feng et al. | Performance of the improved two-source energy balance model for estimating evapotranspiration over the heterogeneous surface | |
| CN117347283A (zh) | 一种适用于农业园区尺度的小麦氮肥推荐方法 | |
| He et al. | Uncertainty analysis of eddy flux measurements in typical ecosystems of ChinaFLUX |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230321 |
|
| WW01 | Invention patent application withdrawn after publication |