CN116523150B - 一种林下水土流失监测及防治模拟的方法 - Google Patents

一种林下水土流失监测及防治模拟的方法 Download PDF

Info

Publication number
CN116523150B
CN116523150B CN202310813185.7A CN202310813185A CN116523150B CN 116523150 B CN116523150 B CN 116523150B CN 202310813185 A CN202310813185 A CN 202310813185A CN 116523150 B CN116523150 B CN 116523150B
Authority
CN
China
Prior art keywords
forest
under
vegetation
remote sensing
water
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
Application number
CN202310813185.7A
Other languages
English (en)
Other versions
CN116523150A (zh
Inventor
张利超
苏彩秀
邵晓雪
陈美玉
金志伟
张扬国
吴江
熊海文
莫明浩
葛佩琳
夏金文
廖迎春
肖孔钟
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.)
Nanchang Institute of Technology
Original Assignee
Nanchang Institute of Technology
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 Nanchang Institute of Technology filed Critical Nanchang Institute of Technology
Priority to CN202310813185.7A priority Critical patent/CN116523150B/zh
Publication of CN116523150A publication Critical patent/CN116523150A/zh
Application granted granted Critical
Publication of CN116523150B publication Critical patent/CN116523150B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Immunology (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及林下水土流失监测及防治技术领域，特别是涉及一种林下水土流失监测及防治模拟的方法，所述方法包括如下步骤：获取监测林地的林下遥感子影像和林地遥感影像；利用林下遥感子影像得到林下遥感影像和林下地形坡度；根据林下遥感影像计算林下植被覆盖度和林下植被离散度；依据林地遥感影像计算林地植被离散度和地表裸露度；利用计算得到的数据计算林下水土流失程度并查询多个参考防治措施；对参考防施治措施的模拟分析得到改善增益；根据参考防治措施和改善增益整合出最优林下水土流失防治方案。本发明简单易行，可及时、准确的监测林下水土流失情况并给出针对性的防治策略，提高了林下水土流失的防治效果，减少了资源浪费。

Description

一种林下水土流失监测及防治模拟的方法
技术领域
本发明涉及林下水土流失监测及防治技术领域，尤其是涉及一种林下水土流失监测及防治模拟的方法。
背景技术
由于林地林下植被较为匮乏、生物多样性差、土壤抗蚀性差，导致林下水土流失严重，加上强烈的人为因素干扰，使得林下水土流失的情况进一步恶化，造成林地土壤养分流失、土壤水肥条件恶化和调节功能减弱，进而影响林地植物的生长，导致林地退化。并且林地水土流失造成的土壤退化在短时间内难以恢复，造成生态环境恶化。因此开展林下水土流失监测和治理，对于维护区域生态环境质量安全具有十分重要的意义。
常见的林下水土流失治理方式有工程措施和生物措施。其中，坡面工程改造措施的工程量较大，耗费人力物力大，难以全面推广；而单一的生物措施则面临土壤含水量及养分含量低而难以生长的困境。此外，现有的林下水土流失监测方法依赖遥感卫星获取的老旧的区域DEM数据，同时需要进行大量且复杂的数据处理，这对于大范围区域内的林下水土流失识别与预测的确具有较为良好的效果，然而实际情况是，即便是一线之隔的两片林地，其林下水土流失的情况也可能完全不同，因此现有的方法很难根据不同地区的林下水土流失情况及时给出针对性的防治策略，难以起到良好的防治效果，并在一定程度上造成了资源浪费。
发明内容
针对现有技术中的不足，本发明提供了一种林下水土流失监测及防治模拟的方法。
本发明的实施例是这样实现的，本发明还提供了一种林下水土流失监测及防治模拟的方法，所述方法包括如下步骤：
获取监测林地的林下遥感子影像和林地遥感影像；
将所述林下遥感子影像进行图像拼接得到林下遥感影像，并对所述林下遥感影像进行地形反演得到林下地形坡度；
根据所述林下遥感影像计算林下植被覆盖度和林下植被离散度；
依据所述林地遥感影像计算林地植被离散度和地表裸露度；
利用所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度和所述地表裸露度计算林下水土流失程度，所述林下水土流失程度满足如下关系：
，
其中，为所述林下水土流失程度，S为所述林下地形坡度，/>为所述林下植被离散度，/>为所述林地植被离散度，N为所述地表裸露度，C为所述林下植被覆盖度；
依据所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度以及所述林下水土流失程度查询多个参考防治措施；
通过对所述参考防治措施的模拟和分析得到所述参考防治措施的改善增益；
根据所述参考防治措施和所述改善增益整合出最优林下水土流失防治方案。
本发明提供的方法简单易行，数据处理方便，且适用于任何林地的水土流失监测，并及时给出针对性的林下水土流失防治策略，有利于避免林下水土流失情况的进一步恶化，提高了林下水土流失的治理效率。
可选地，所述根据所述林下遥感影像计算林下植被覆盖度和林下植被离散度包括如下步骤：
根据所述林下遥感影像计算所述林下植被覆盖度，所述林下植被覆盖度满足如下关系：
，
其中，C为所述林下植被覆盖度，为林下植被像元数量，A为所述林下遥感影像中像元的总数量；
通过将所述林下遥感影像灰度化得到林下植被灰度图；
利用所述林下植被灰度图计算所述林下植被离散度，所述林下植被离散度满足如下关系：
，
其中，为所述林下植被离散度，/>为所述林下遥感影像的像元的总行数，/>为所述林下遥感影像中第i行像元的变化次数，/>为所述林下遥感影像的像元的总列数，为所述林下遥感影像中第j列像元的变化次数。
进一步的，灰度图层次感强，可以很好的反映监测林地中林下植被疏密的变化情况，便于计算林下植被离散度，而林下植被覆盖度与林下植被离散度相结合，能够更加精准的判断监测林地土壤养分流失情况，为林下水土流失的判断提供数据基础。
可选地，所述依据所述林地遥感影像计算林地植被离散度和地表裸露度包括如下步骤：
通过将所述林地遥感影像灰度化得到林地植被灰度图；
利用所述林地植被灰度图计算所述林地植被离散度和所述地表裸露度，所述林地植被离散度和所述地表裸露度分别满足如下关系：
，
，
其中，为所述林地植被离散度，/>为所述林地遥感影像的像元的总行数，/>为所述林地遥感影像中第i行像元的变化次数，/>为所述林地遥感影像的像元的总列数，为所述林地遥感影像中第j列像元的变化次数，N为所述地表裸露度，/>为林地植被像元数量，B为所述林地遥感影像中像元的总数量。
进一步的，林地中的高层树木的状况与林下植被并不相同，且林地中的高层树木也能够很好的反映林下水土流失情况，通过计算相关数据可以提高林下水土流失程度的准确度。
可选地，所述依据所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度以及所述林下水土流失程度查询多个参考防治措施包括如下步骤：
建立包含所有林下水土流失防治方案的数据库；
根据所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度以及所述林下水土流失程度，在所述数据库中查询并获取多个适用于所述监测林地的所述参考防治措施。
可选地，所述通过对所述参考防治措施的模拟和分析得到所述参考防治措施的改善增益包括如下步骤：
利用所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度与所述参考防治措施进行拟合获得所述监测林地的治理效果；
利用所述治理效果获得所述参考防治措施的改善增益。
可选地，所述根据所述参考防治措施和所述改善增益整合出最优林下水土流失防治方案包括如下步骤：
利用所述改善增益确定所述参考防治措施的优先实施等级；
根据所述优先实施等级和所述参考防治措施整合出所述最优林下水土流失防治方案。
综上所述，本发明提供的方法简单易行，可及时、准确的监测林下水土流失情况并给出针对性的防治策略，做到及时止损，减少了资源浪费。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其它相关的附图。
图1为本发明实施例的一种林下水土流失监测及防治模拟的方法流程图。
具体实施方式
下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的电路，软件或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。
需要提前说明的是，在一个可选地实施例当中，除了做出独立的说明之外，其它的在所有公式中出现的相同的符号或字母带表的含义和数值相同。
请参见图1，在一个可选地实施例当中，本发明提供了一种林下水土流失监测及防治模拟的方法，所述方法包括如下步骤：
S1、获取监测林地的林下遥感子影像和林地遥感影像。
具体的，在本实施例当中，使用无人机携带极化干涉合成孔径雷达和可见光摄影设备获取林下遥感子影像和林地遥感影像，在获取林下遥感子影像和林地遥感影像之前，需要规划好无人机的飞行路线，便于无人机按照预先设定好的路线飞行并获取数据。其优点在于，同时使用林下遥感子影像和林地遥感影像来获取相关的参数可以更加准确的反映监测林地水土流失情况。
更为具体的，对于林下遥感子影像，使用无人机在林下1.5米的高度每间隔6米同时使用极化干涉合成孔径雷达和可见光摄影设备获取一次林下遥感子影像，考虑到林下遥感子影像可能存在重叠的部分，因此需要先对林下遥感子影像进行特征提取用以消除重叠的部分，进而消除林下遥感子影像中重叠部分带来的误差，提高林下遥感子影像的准确度，使林下遥感子影像能够准确的反映监测林地的林下特征，提高通过林下遥感子影像计算获取的相关参数的准确性和林下水土流失监测的可靠性。
进一步的，对于林地遥感影像，使用无人机在所述监测林地上空的不同位置使用可见光摄影设备对监测林地进行拍摄，然后对拍摄结果进行特征提取并加以分析，最后进行特征融合来获取林地遥感影像。这样获得的林下遥感影像消除了拍摄方向带来的误差，能全面、准确的反映监测林地上层树木的整体分布情况和疏密情况，提高林下水土流失监测的可靠性。
更进一步的，本实施例中用到的无人机为大疆Mavic 3 Classic无人机，可见光摄影设备为HRC62 25MAPRF型号的可见光摄像机，在其它可选地实施例当中，也可以使用其它类型的无人机和可见光摄影设备。
S2、将所述林下遥感子影像进行图像拼接得到林下遥感影像，并对所述林下遥感影像进行地形反演得到林下地形坡度。
具体的，在本实施例当中，对极化干涉合成孔径雷达获取的林下遥感子影像进行图像拼接得到第一林下遥感影像，对可见光摄影设备获取的林下遥感子影像进行图像拼接得到第二林下遥感影像，由于在此步骤之前已经消除了所述林下遥感子影像中重叠部分的影响，因此获取的林下遥感影像准确度高，具有较高的可靠性。
进一步的，利用第一林下遥感影像，使用双极化干涉SAR地形反演方法获取监测林地的林下地形，然后根据林下地形得到林下地形坡度。其优点在于双极化干涉SAR地形反演方法获取的林下地形信息准确可靠，可以提高林下地形坡度的准确性，进而提高对监测林地水土流失情况监测结果的可靠性，便于给出针对性的防治方案对监测林地进行林下水土流失的防治。
S3、根据所述林下遥感影像计算林下植被覆盖度和林下植被离散度。
其中，使用第二林下遥感影像来获取林下植被覆盖度和林下植被离散度，S3又包括如下步骤：
S31、根据所述林下遥感影像计算所述林下植被覆盖度。
具体的，在本实施例中，所述林下植被覆盖度满足如下关系：
，
其中，C为林下植被覆盖度，为林下植被像元数量，A为林下遥感影像中像元的总数量；
进一步的，林下植被覆盖度是判断林下水土流失的重要指标，本实施例中通过计算林下植被像元数与所述林下遥感影像总像元数的比值得到林下植被覆盖度；此外，可以设定阈值来区分林下植被像元与非林下植被的像元，也可以直接将第二林下遥感影像中的绿色像元数量作为林下植被的像元数量。其优点在于提高了林下植被覆盖度的准确性和可靠性。
S32、通过将所述林下遥感影像灰度化得到林下植被灰度图。
具体的，在本实施例中，林下植被灰度图更具层次感，其中的灰色深度可以很好的反映所述监测林地林下植被疏密的变化情况，便于计算所述林下植被离散度。
S33、利用所述林下植被灰度图计算所述林下植被离散度。
具体的，在本实施例中，林下植被离散度满足如下关系：
，
其中，为林下植被离散度，/>为林下遥感影像的像元的总行数，/>为林下遥感影像中第i行像元的变化次数，/>为林下遥感影像的像元的总列数，/>为林下遥感影像中第j列像元的变化次数。
进一步的，水土流失会造成林地土壤中的养分流失，进而影响林地植被的存活和生长，这会造成林地植被疏密度的变化，而作为林地中的林下植被，由于受到上层树木的影响，这种变化在林下植被中较为明显，因此通过计算林下植被离散度可以很好的反映林地土壤中的养分变化情况，有利于判断林下水土流失情况。
S4、依据所述林地遥感影像计算林地植被离散度和地表裸露度。
其中，S4又包括如下步骤：
S41、通过将所述林地遥感影像灰度化得到林地植被灰度图。
具体的，在本实施例中，其优点与步骤S32类似，在此就不做赘述。
S42、利用所述林地植被灰度图计算所述林地植被离散度和所述地表裸露度。
具体的，在本实施例中，林地植被离散度和所述地表裸露度分别满足如下关系：
，
，
其中，为林地植被离散度，/>为林地遥感影像的像元的总行数，/>为林地遥感影像中第i行像元的变化次数，/>为林地遥感影像的像元的总列数，/>为林地遥感影像中第j列像元的变化次数，N为地表裸露度，/>为林地植被像元数量，B为林地遥感影像中像元的总数量。
进一步的，水土流失不仅会影响林下植被，也会影响上层树木，且由于林下植被与上层树木结构不同，因此林下植被与上层树木对于林下水土流失的反应也会不同，通过计算林地植被离散度和地表裸露度可以有效反映林地上层树木的情况，结合所述林下植被覆盖度和所述林下植被离散度可以提高林下水土流失程度判断的准确性，便于给出针对性的防治措施。
S5、利用所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度和所述地表裸露度计算林下水土流失程度。
具体的，在本实施例当中，林下水土流失程度满足如下关系：
，
其中，为林下水土流失程度，S为林下地形坡度。
进一步的，通过林下地形坡度、林下植被覆盖度、林下植被离散度、林地植被离散度以及地表裸露度对林下水土流失的影响关系，计算林下水土流失程度，可以将林下水土流失程度量化，便于检索参考防治措施并给出针对性的防治措施，提高林下水土流失的防治效率。
S6、依据所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度以及所述林下水土流失程度查询多个参考防治措施。
其中，S6又包括如下步骤：
S61、建立包含所有林下水土流失防治方案的数据库。
具体的，在本实施例中，数据库中包含不同林下地形坡度、不同林下植被覆盖度、不同林下植被离散度、不同林地植被离散度、不同地表裸露度以及不同林下水土流失程度的林下水土流失防治方案。
进一步的，数据库中林下水土流失防治方案的来源是广泛的，这能够提高数据库中水土流失防治方案的丰富性，有利于检索出足够的参考防治措施，进而整合出针对观测林地的最优林下水土流失防治方案，提高林下水土流失防治的效果。
S62、根据所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度以及所述林下水土流失程度，在所述数据库中查询并获取多个适用于所述监测林地的所述参考防治措施。
S7、通过对所述参考防治措施的模拟和分析得到所述参考防治措施的改善增益。
其中，S7又包括如下步骤：
S71、利用所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度与所述参考防治措施进行拟合获得所述监测林地的治理效果。
具体的，在本实施例当中，治理效果通过林下地形坡度、林下植被覆盖度、林下植被离散度、林地植被离散度和地表裸露度的变化来决定，例如如果林下植被离散度变大，则在一定程度上反应参考防治措施的治理效果较差。
S72、利用所述治理效果获得所述参考防治措施的改善增益。
具体的，在本实施例当中，改善增益包括地形坡度增益、林下植被覆盖度增益、林下植被离散度增益、林地植被离散度增益以及地表裸露度增益。
进一步的，在其他可选地实施例当中，改善增益至少包括地形坡度增益、林下植被覆盖度增益、林下植被离散度增益、林地植被离散度增益以及地表裸露度增益中的任意两个。
S8、根据所述参考防治措施和所述改善增益整合出最优林下水土流失防治方案。
其中，S8又包括如下步骤：
S81、利用所述改善增益确定所述参考防治措施的优先实施等级。
具体的，在本实施例当中，所述优先实施等级是根据所述参考防治措施所对应的所述改善增益的大小来确定的，所述参考防治措施的所述改善增益越大，所述优先实施等级就越高。
S82、根据所述优先实施等级和所述参考防治措施整合出所述最优林下水土流失防治方案。
具体的，在本实施例当中，可以设定一个实施等级阈值，将优先实施等级超过实施等级阈值的参考防治措施结合，即可得到最优林下水土流失防治方案，最优林下水土流失防治方案是根据监测林地水土流失情况所提出的具有针对性的防治方案，能够解决现有技术没法在对林下水土流失进行监测的同时给出具体针对性防治方案的问题，能够及时防止林下水土流失情况的进一步恶化，提高了林下水土流失防治的效果，减小了资源浪费。
综上所述，本发明能够通过一些易于获取的数据准确计算林下地形坡度、林下植被覆盖度、林下植被离散度、林地植被离散度和地表裸露度，进而准确计算出林下水土流失程度，实现对林下水土流失的准确监测。同时，本发明能够根据林下地形坡度、林下植被覆盖度、林下植被离散度、林地植被离散度、地表裸露度和林下水土流失程度整合出针对监测林地实际情况的最优林下水土流失防治方案，进而及时防止林下水土流失情况的进一步恶化，提高了林下水土流失防治的效果，减小了资源浪费。本发明简单易行，适用范围广。
需要说明的是，在一些情况下，在说明书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果，在本实施例当中，所给出的步骤顺序仅仅是为了使实施例看起来更加清晰明了，方便说明，而非对其限制。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (4)

1.一种林下水土流失监测及防治模拟的方法，其特征在于，包括如下步骤：
获取监测林地的林下遥感子影像和林地遥感影像；
将所述林下遥感子影像进行图像拼接得到林下遥感影像，并对所述林下遥感影像进行地形反演得到林下地形坡度；
根据所述林下遥感影像计算所述林下植被覆盖度，所述林下植被覆盖度满足如下关系：
，
其中，C为所述林下植被覆盖度，为林下植被像元数量，A为所述林下遥感影像中像元的总数量；
通过将所述林下遥感影像灰度化得到林下植被灰度图；
利用所述林下植被灰度图计算所述林下植被离散度，所述林下植被离散度满足如下关系：
，
其中，为所述林下植被离散度，/>为所述林下遥感影像的像元的总行数，/>为所述林下遥感影像中第i行像元的变化次数，/>为所述林下遥感影像的像元的总列数，/>为所述林下遥感影像中第j列像元的变化次数；
通过将所述林地遥感影像灰度化得到林地植被灰度图；
利用所述林地植被灰度图计算所述林地植被离散度和所述地表裸露度，所述林地植被离散度和所述地表裸露度分别满足如下关系：
，
，
其中，为所述林地植被离散度，/>为所述林地遥感影像的像元的总行数，/>为所述林地遥感影像中第i行像元的变化次数，/>为所述林地遥感影像的像元的总列数，/>为所述林地遥感影像中第j列像元的变化次数，N为所述地表裸露度，/>为林地植被像元数量，B为所述林地遥感影像中像元的总数量；
利用所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度和所述地表裸露度计算林下水土流失程度，所述林下水土流失程度满足如下关系：
，
其中，为所述林下水土流失程度，S为所述林下地形坡度，/>为所述林下植被离散度，/>为所述林地植被离散度，N为所述地表裸露度，C为所述林下植被覆盖度；
依据所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度以及所述林下水土流失程度查询多个参考防治措施；
通过对所述参考防治措施的模拟和分析得到所述参考防治措施的改善增益；
根据所述参考防治措施和所述改善增益整合出最优林下水土流失防治方案。
2.根据权利要求1所述的一种林下水土流失监测及防治模拟的方法，其特征在于，所述依据所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度以及所述林下水土流失程度查询多个参考防治措施包括如下步骤：
建立包含所有林下水土流失防治方案的数据库；
根据所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度以及所述林下水土流失程度，在所述数据库中查询并获取多个适用于所述监测林地的所述参考防治措施。
3.根据权利要求2所述的一种林下水土流失监测及防治模拟的方法，其特征在于，所述通过对所述参考防治措施的模拟和分析得到所述参考防治措施的改善增益包括如下步骤：
利用所述林下地形坡度、所述林下植被覆盖度、所述林下植被离散度、所述林地植被离散度、所述地表裸露度与所述参考防治措施进行拟合获得所述监测林地的治理效果；
利用所述治理效果获得所述参考防治措施的改善增益。
4.根据权利要求3所述的一种林下水土流失监测及防治模拟的方法，其特征在于，所述根据所述参考防治措施和所述改善增益整合出最优林下水土流失防治方案包括如下步骤：
利用所述改善增益确定所述参考防治措施的优先实施等级；
根据所述优先实施等级和所述参考防治措施整合出所述最优林下水土流失防治方案。
CN202310813185.7A 2023-07-05 2023-07-05 一种林下水土流失监测及防治模拟的方法 Active CN116523150B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310813185.7A CN116523150B (zh) 2023-07-05 2023-07-05 一种林下水土流失监测及防治模拟的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310813185.7A CN116523150B (zh) 2023-07-05 2023-07-05 一种林下水土流失监测及防治模拟的方法

Publications (2)

Publication Number Publication Date
CN116523150A CN116523150A (zh) 2023-08-01
CN116523150B true CN116523150B (zh) 2023-09-26

Family

ID=87399839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310813185.7A Active CN116523150B (zh) 2023-07-05 2023-07-05 一种林下水土流失监测及防治模拟的方法

Country Status (1)

Country Link
CN (1) CN116523150B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109581412A (zh) * 2019-01-17 2019-04-05 合肥工业大学 一种快速进行水土流失动态变化遥感监测的方法
AU2020102166A4 (en) * 2019-09-10 2020-10-15 Institute of Water Resources for Pastoral Area, Ministry of Water Resources Intelligent black soil slope farmland erosion self-feedback system and implementation method thereof
AU2020103423A4 (en) * 2020-11-13 2021-01-28 Nanjing Forestry University Identification Method of Land Suitable for Afforestation in Karst Area Based on Neural Network System
CN113591572A (zh) * 2021-06-29 2021-11-02 福建师范大学 基于多源数据和多时相数据的水土流失定量监测方法
CN114547919A (zh) * 2022-04-27 2022-05-27 江西省水利科学院 一种沙山区风力侵蚀监测及防治模拟系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109581412A (zh) * 2019-01-17 2019-04-05 合肥工业大学 一种快速进行水土流失动态变化遥感监测的方法
AU2020102166A4 (en) * 2019-09-10 2020-10-15 Institute of Water Resources for Pastoral Area, Ministry of Water Resources Intelligent black soil slope farmland erosion self-feedback system and implementation method thereof
AU2020103423A4 (en) * 2020-11-13 2021-01-28 Nanjing Forestry University Identification Method of Land Suitable for Afforestation in Karst Area Based on Neural Network System
CN113591572A (zh) * 2021-06-29 2021-11-02 福建师范大学 基于多源数据和多时相数据的水土流失定量监测方法
CN114547919A (zh) * 2022-04-27 2022-05-27 江西省水利科学院 一种沙山区风力侵蚀监测及防治模拟系统和方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《基于无人机遥感影像的南方红壤区林下水土流失区提取方法研究》;柴鹏等;《亚热带水土保持》;第34卷(第1期);2-5、33 *
基于因素影响的水土流失程度敏感性研究;邓庆明;;黑龙江水利科技(11);167-170 *
基于遥感技术的县级水土流失动态监测分析――以千阳县为例;陈子琪;李小兵;陈亮;;中国水土保持(07);53-55 *

Also Published As

Publication number Publication date
CN116523150A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
Serran et al. New mapping techniques to estimate the preferential loss of small wetlands on prairie landscapes
Costa et al. The need for large-scale, integrated studies of biodiversity-the experience of the Program for Biodiversity Research in Brazilian Amazonia
Arnous et al. Land-use/land-cover change: a key to understanding land degradation and relating environmental impacts in Northwestern Sinai, Egypt
CN103424405B (zh) 一种基于hj-1a/1b ccd数据的干旱监测方法
CN110108257B (zh) 一种基于无人机航拍影像和静态规划图相匹配的展示方法
Straffelini et al. A high-resolution physical modelling approach to assess runoff and soil erosion in vineyards under different soil managements
Ko et al. Irrigation impacts on scaling properties of soil moisture and the calibration of a multifractal downscaling model
Buryak et al. Using GIS technology for identification of agricultural land with an increased risk of erosion
Achasov et al. Soil erosion by assessing hydrothermal conditions of its formation.
CN116523150B (zh) 一种林下水土流失监测及防治模拟的方法
Mascolo et al. A new methodology for rice area monitoring with COSMO-SkyMed HH–VV PingPong mode SAR data
García-Tomillo et al. Mapping soil texture using geostatistical interpolation combined with electromagnetic induction measurements
CN115457401A (zh) 一种针对不同淡水资源类型的sar遥感精细识别方法
Reis et al. Erosion risk mapping using CORINE methodology for Goz watershed in Kahramanmaras region, Turkey
BHANDARI et al. Application of remote sensing and participatory soil erosion assessment approach for soil erosion mapping in a watershed
Hasyim et al. Identification of fishery resources in Madura Strait based on the implementation of potential fishing zone information from remote sensing
Chala et al. A Geographic Information System Based Soil Erosion Assessment for Conservation Planning at West Hararghe, Eastern Ethiopia
Wen et al. Spatial distribution of rodent pests in desert forest based on UAV remote sensing
Gao Detection of changes in land degradation in Northeast China from Landsat TM and ASTER data
Khikmah et al. Evaluation of spatial and regional planning map using remote sensing and GIS in East Lombok Indonesia
Al-Hassoun Remote sensing of soil salinity in an arid areas in Saudi Arabia
Bajzak et al. Development of ecological land classification and mapping in support of forest management in northern Newfoundland, Canada
PHONTUSANG et al. Field-scale spatial variability of electrical conductivity of the inland, salt-affected soils of Northeast Thailand
Eltaif et al. Soil Erosion Catastrophe in Iraq-Preview, Causes and Study Cases
KR102570846B1 (ko) 오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템

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