CN109145072A - 一种草原生物量遥感监测分区方法及装置 - Google Patents
一种草原生物量遥感监测分区方法及装置 Download PDFInfo
- Publication number
- CN109145072A CN109145072A CN201810909804.1A CN201810909804A CN109145072A CN 109145072 A CN109145072 A CN 109145072A CN 201810909804 A CN201810909804 A CN 201810909804A CN 109145072 A CN109145072 A CN 109145072A
- Authority
- CN
- China
- Prior art keywords
- polar plot
- target area
- grassland
- weather
- biomass
- 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
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明实施例提供了一种草原生物量遥感监测分区方法及装置,包括:获取目标区域内的草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图;在ArcGIS软件中,将上述矢量图分别作为不同的图层进行叠加分析后,对目标区域进行分区得到适用不同生物量估算模型的多个分区。在对草原生物量进行遥感监测前,采用地理信息***空间分析方法将目标区域划分为多个分区,使得遥感监测时可以分别对不同的分区采用不同的生物量估算模型,进而使得目标区域内的生物量遥感监测更加准确,更加适用于大面积、复杂条件下草原生物量的高精度监测。
Description
技术领域
本发明实施例涉及遥感监测技术领域,更具体地,涉及一种草原生物量遥感监测分区方法及装置。
背景技术
草原生物量是维持草原生态***的物质基础,也是诊断草原健康状况的重要指标。草原生物量监测是草原资源合理利用和载畜平衡监测的重要依据。随着现代遥感技术的发展和遥感卫星数量的增加,利用遥感方法开展草原生物量监测成为重要的技术手段。
我国天然草原拥有18大类草地类型,约占国土总面积的41.7%,草原区地貌、气候等自然条件复杂,加之行政区划等社会条件影响,草原生物量分布的空间异质性较大。而在全国草原生物量遥感监测中,现在主要采用一个统一生物量估算模型进行生物量监测,这使得测算的草原生物量存在较大误差。
发明内容
本发明实施例提供了一种克服上述问题或者至少部分地解决上述问题的草原生物量遥感监测分区方法及装置。
一方面本发明实施例提供了一种草原生物量遥感监测分区方法,包括:
获取目标区域内的草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图;
在ArcGIS软件中,将所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图、所述行政区划矢量图、所述样方数据矢量图以及所述植被指数矢量图分别作为不同的图层进行叠加分析后,对所述目标区域进行分区得到适用不同生物量估算模型的多个分区。
进一步地,所述获取目标区域内的草地类型空间分布矢量图,具体包括:
对所述目标区域内的草地类型图集进行地图扫描数字化和图形配准,得到所述草地类型空间分布矢量图。
进一步地,所述获取目标区域内的气候矢量图,具体包括:
获取历史数据中所述目标区域内的年平均降水量和年平均气温,经数据空间插值和空间分区后得到所述气候矢量图。
进一步地,所述获取目标区域内的海拔高程矢量图,具体包括:
对所述目标区域内的数字高程数据进行镶嵌、裁剪处理和空间分区后得到所述海拔高程矢量图。
进一步地,所述获取目标区域内的行政区划矢量图,具体包括:
将所述目标区域内的地理信息数据转换成所述行政区划矢量图。
进一步地,所述获取目标区域内的样方数据矢量图,具体包括:
将所述目标区域内的多个样方数据与对应的经纬度信息相结合,得到所述样方数据矢量图。
进一步地,所述获取目标区域内的植被指数矢量图,具体包括:
对所述目标区域内的遥感数据中植被指数产品进行几何校正、镶嵌、裁剪和空间分区后得到所述植被指数矢量图。
进一步地,所述将所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图、所述行政区划矢量图、所述样方数据矢量图以及所述植被指数矢量图分别作为不同的图层进行叠加分析后,对所述目标区域进行分区得到适用不同生物量估算模型的多个分区,具体地包括:
将所述目标区域的所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图及所述植被指数矢量图进行叠加,得到包含第一属性信息、第二属性信息、第三属性信息及第四属性信息的输出图层;其中,所述第一属性信息、所述第二属性信息、所述第三属性信息及所述第四属性信息分别对应于所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图及所述植被指数矢量图;
将所述输出图层中所述第一属性信息、所述第二属性信息、所述第三属性信息及所述第四属性信息都分别相同的区域作为一个分区,得到所述目标区域的第一分区结果;
利用所述样方数据矢量图及所述行政区划矢量图对所述第一分区结果进行修正,得到所述目标区域的第二分区结果,即得到适用不同生物量估算模型的多个分区。
另一方面本发明实施例提供了一种草原生物量遥感监测分区装置,所述装置包括:
获取模块,用于获取目标区域内的草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图;
分区模块,用于在将ArcGIS软件中,将所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图、所述行政区划矢量图、所述样方数据矢量图以及所述植被指数矢量图分别作为不同的图层进行叠加分析后,对所述目标区域进行分区得到多个适用不同生物量估算模型的分区。
本发明实施例提供的一种草原生物量遥感监测分区方法及装置,在对草原生物量进行遥感监测前,通过综合考虑目标区域内的草地类型空间分布、气候、海拔高程、行政区划、样方数据以及遥感数据植被指数等信息,采用地理信息***空间分析方法将目标区域划分为多个分区,使得遥感监测时可以分别对不同的分区采用不同的生物量估算模型,进而使得目标区域内的生物量遥感监测更加准确,更加适用于大面积、复杂条件下草原生物量的高精度监测。
附图说明
图1为本发明实施例提供的一种草原生物量遥感监测分区方法的流程图;
图2为本发明实施例提供的一种草原生物量遥感监测分区装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种草原生物量遥感监测分区方法的流程图,如图1所示,所述方法包括:
S1,获取目标区域内的草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图;
S2,在ArcGIS软件中,将所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图、所述行政区划矢量图、所述样方数据矢量图以及所述植被指数矢量图分别作为不同的图层进行叠加分析后,对所述目标区域进行分区得到适用不同生物量估算模型的多个分区。
其中,在步骤S1中,在确定目标区域后,草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图这些矢量图都能够通过相应的方式提取得到。
在步骤S2中,ArcGIS软件为用户提供一个可伸缩的,全面的GIS平台。ArcObjects包含了许多的可编程组件,从细粒度的对象(例如单个的几何对象)到粗粒度的对象(例如与现有ArcMap文档交互的地图对象)涉及面极广,这些对象为开发者集成了全面的GIS功能,本发明实施例中所采用的ArcGIS软件具体类型可以根据实际需求进行选取。分别将空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图作为不同图层,即在分区过程中将每个矢量图所包含的信息作为一个考虑因素。
具体地,在确定待分区的目标区域后,采用相应手段获取目标区域内的草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图。再将这些矢量图分别输入ArcGIS软件中,并将草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图分别设置为不同的图层,即分别将这些矢量图对应的目标区域内的各种信息可视化。将得到的不同图层进行叠加,并综合考虑和分析不同图层对应的目标区域内的各种信息,得到目标区域的分区结果,即将目标区域分为多个独立的分区。在后续对该目标区域内的草原生物量进行遥感监测时,分别为该目标区域内不同的分区设置不同的生物量估算模型来进行生物量监测。
本发明实施例提供的一种草原生物量遥感监测分区方法,在对草原生物量进行遥感监测前,通过综合考虑目标区域内的草地类型空间分布、气候、海拔高程、行政区划、样方数据以及植被指数等信息,采用地理信息***空间分析方法将目标区域划分为多个分区,使得遥感监测时可以分别对不同的分区采用不同的生物量估算模型,进而使得目标区域内的生物量遥感监测更加准确,更加适用于大面积、复杂条件下草原生物量的高精度监测。
在上述实施例中,所述获取目标区域内的草地类型空间分布矢量图,具体包括:
对所述目标区域内的草地类型图集进行地图扫描数字化和图形配准,得到所述草地类型空间分布矢量图。
具体地,收集整理中国草地类型图集,经过地图扫描数字化和图形配准,转化成草地类型空间分布矢量图。全国草地类型共分为18大类,包括低地草甸类、山地草甸类、干热稀疏灌草丛类、改良草地类、暖性灌草丛类、暖性草丛类、沼泽类、温性草原化荒漠类、温性草原类、温性草甸草原类、温性荒漠类、温性荒漠草原类、热性灌草丛类、热性草丛类、高寒草原类、高寒草甸类、高寒草甸草原类、高寒荒漠类、高寒荒漠草原类等18类。
可以理解的是,这里以中国所覆盖区域作为目标区域来进行说明,但本发明实施例并不以此为限,目标区域可以选择任何需要进行分区的待监测区域,以下将以中国所覆盖区域为例进行说明。
在上述实施例中,所述获取目标区域内的气候矢量图,具体包括:
获取历史数据中所述目标区域内的年平均降水量和年平均气温,经数据空间插值和空间分区后得到所述气候矢量图。
具体地,利用中国气象局气象数据中心的年平均降水量和年平均气温的气象站点观测数据(例如,可以是1971-2000年的历史数据),经过Anusplin软件气候数据空间插值,转换成气候栅格数据,按照气候带空间分区得到气候矢量图。
在上述实施例中,所述获取目标区域内的海拔高程矢量图,具体包括:
对所述目标区域内的数字高程数据进行镶嵌、裁剪处理和空间分区后得到所述海拔高程矢量图。
具体地,数字高程数据(DEM,Digital Elevation Model),来源于国际农业研究协商小组空间信息协会(CGIAR-CSI),空间分辨率为90m×90m,对中国区域DEM数据进行镶嵌、裁剪处理,得到全国海拔高程栅格数据,按照地貌类型空间分区得到海拔高程矢量图。
在上述实施例中,所述获取目标区域内的行政区划矢量图,具体包括:
将所述目标区域内的地理信息数据转换成所述行政区划矢量图。
具体地,行政区边界为中国自然资源部测绘地理信息管理对外公开的1:400万基础地理信息数据,包括省、县行政边界的行政区划矢量图。
在上述实施例中,所述获取目标区域内的样方数据矢量图,具体包括:
将所述目标区域内的多个样方数据与对应的经纬度信息相结合,得到所述样方数据矢量图。
具体地,地面调查样方数据,样方包括草本及矮小灌木草原样方和具有灌木及高大草本植物草原样方,参照全国草原监测技术操作手册,草本及矮小灌木草原样方面积设置1m×1m;灌木及高大草本植物草原样方面积设置10m×10m。分别记录样方的编号、位置、生物量、草地类型、主要植物种名等基本信息,在全国布设样方点6668个,获取样方生物量GPS位置信息和生物量鲜重数据,基于经纬度信息将样方数据转换为样方数据矢量图。
在上述实施例中,所述获取目标区域内的植被指数矢量图,具体包括:
所述目标区域内的遥感数据中植被指数产品进行几何校正、镶嵌、裁剪和空间分区后得到所述植被指数矢量图。
具体地,确定草原生物量遥感估产最佳时相,获取遥感影像数据MODIS,16天合成的归一化植被指数(NDVI,Normalized Difference Vegetation Index)产品,空间分辨率250m,对遥感数据进行几何校正、镶嵌、裁剪等预处理,计算草原区域生长盛期(一般为7月上旬至8月下旬)多年平均植被指数NDVI,获得中国区域的NDVI。按照NDVI值大小进行等级划分,得到植被指数矢量图。
在上述实施例中,所述将所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图、所述行政区划矢量图、所述样方数据矢量图以及所述植被指数矢量图分别作为不同的图层进行叠加分析后,对所述目标区域进行分区得到适用不同生物量估算模型的多个分区,具体地包括:
将所述目标区域的所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图及所述植被指数矢量图进行叠加,得到包含第一属性信息、第二属性信息、第三属性信息及第四属性信息的输出图层;其中,所述第一属性信息、所述第二属性信息、所述第三属性信息及所述第四属性信息分别对应于所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图及所述植被指数矢量图;
将所述输出图层中所述第一属性信息、所述第二属性信息、所述第三属性信息及所述第四属性信息都分别相同的区域作为一个分区,得到所述目标区域的第一分区结果;
利用所述样方数据矢量图及所述行政区划矢量图对所述第一分区结果进行修正,得到所述目标区域的第二分区结果,即得到适用不同生物量估算模型的多个分区。
其中,气候矢量图,按照年平均降水量划分为湿润区、半湿润区、半干旱区和干旱区。按照年平均气温划分为热带区、亚热带区、暖温带区、中温带区、寒温带区和高原气候区。
海拔高程矢量图,按照地貌类型划分为平原区、丘陵区、山地区、高原区和盆地区。
样方数据矢量图,按照草原生物量划分为8个等级:1级草原(>4000kg/hm2),2级草原(3000-4000kg/hm2),3级草原(2000-3000kg/hm2),4级草原(1500-2000kg/hm2),5级草原(1000-1500kg/hm2),6级草原(500-1000kg/hm2),7级草原(250-500kg/hm2),8级草原(<250kg/hm2)
植被指数矢量图,按照NDVI大小划分为8个层级,NDVI由高到低分别为:1级(>0.8),2级(0.7-0.8),3级(0.6-0.7),4级(0.5-0.6),5级(0.4-0.5),6级(0.3-0.4),7级(0.2-0.3),8级(<0.2)。
具体地,在ArcGIS软件中,将草地类型、气候数据、海拔高程、行政区边界、样方数据和遥感数据等各要素实现空间可视化。以全国草地类型空间分布为基础,将草地类型矢量图、气候矢量图、海拔高程矢量图、植被指数矢量图采用空间叠加分析中合并叠加。通过叠加分别将第一属性信息、第二属性信息、第三属性信息及第四属性信息写入输出图层中,将输出图层中所有属性信息相同的区域作为一个分区,进而得到对目标区域的第一分区结果。
然后,结合样方数据矢量图中生物量、植被类型、植物种等信息,对第一分区结果采用人机交互的方法进行验证和相似性区域合并。
最后,若一个草原分区跨不同的县级行政区域,则利用行政区划矢量图进行调整和分割,保障行政单元上的完整性,得到对目标区域的第二分区结果,即完成对目标区域的分区,得到适用不同生物量估算模型的多个分区。
图2为本发明实施例提供的一种草原生物量遥感监测分区装置的结构框图,所述装置包括:获取模块1和分区模块2。其中:
获取模块1用于获取目标区域内的草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图。分区模块2用于在将ArcGIS软件中,将所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图、所述行政区划矢量图、所述样方数据矢量图以及所述植被指数矢量图分别作为不同的图层进行叠加分析后,对所述目标区域进行分区得到多个适用不同生物量估算模型的分区。
本发明实施例提供的一种草原生物量遥感监测分区装置,在对草原生物量进行遥感监测前,通过综合考虑目标区域内的草地类型空间分布、气候、海拔高程、行政区划、样方数据以及植被指数等信息,采用地理信息***空间分析方法将目标区域划分为多个分区,使得遥感监测时可以分别对不同的分区采用不同的生物量估算模型,进而使得目标区域内的生物量遥感监测更加准确,更加适用于大面积、复杂条件下草原生物量的高精度监测。
最后应说明的是:以上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精神和范围。
Claims (9)
1.一种草原生物量遥感监测分区方法,其特征在于,包括:
获取目标区域内的草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图;
在ArcGIS软件中,将所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图、所述行政区划矢量图、所述样方数据矢量图以及所述植被指数矢量图分别作为不同的图层进行叠加分析后,对所述目标区域进行分区得到适用不同生物量估算模型的多个分区。
2.根据权利要求1所述方法,其特征在于,所述获取目标区域内的草地类型空间分布矢量图,具体包括:
对所述目标区域内的草地类型图集进行地图扫描数字化和图形配准,得到所述草地类型空间分布矢量图。
3.根据权利要求1所述方法,其特征在于,所述获取目标区域内的气候矢量图,具体包括:
获取历史数据中所述目标区域内的年平均降水量和年平均气温,经数据空间插值和空间分区后得到所述气候矢量图。
4.根据权利要求1所述方法,其特征在于,所述获取目标区域内的海拔高程矢量图,具体包括:
对所述目标区域内的数字高程数据进行镶嵌、裁剪处理和空间分区后得到所述海拔高程矢量图。
5.根据权利要求1所述方法,其特征在于,所述获取目标区域内的行政区划矢量图,具体包括:
将所述目标区域内的地理信息数据转换成所述行政区划矢量图。
6.根据权利要求1所述方法,其特征在于,所述获取目标区域内的样方数据矢量图,具体包括:
将所述目标区域内的多个样方数据与对应的经纬度信息相结合,得到所述样方数据矢量图。
7.根据权利要求1所述方法,其特征在于,所述获取目标区域内的植被指数矢量图,具体包括:
对所述目标区域内的遥感数据中植被指数产品进行几何校正、镶嵌、裁剪和空间分区后得到所述植被指数矢量图。
8.根据权利要求1-7任一项所述方法,其特征在于,所述将所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图、所述行政区划矢量图、所述样方数据矢量图以及所述植被指数矢量图分别作为不同的图层进行叠加分析后,对所述目标区域进行分区得到适用不同生物量估算模型的多个分区,具体地包括:
将所述目标区域的所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图及所述植被指数矢量图进行叠加,得到包含第一属性信息、第二属性信息、第三属性信息及第四属性信息的输出图层;其中,所述第一属性信息、所述第二属性信息、所述第三属性信息及所述第四属性信息分别对应于所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图及所述植被指数矢量图;
将所述输出图层中所述第一属性信息、所述第二属性信息、所述第三属性信息及所述第四属性信息都分别相同的区域作为一个分区,得到所述目标区域的第一分区结果;
利用所述样方数据矢量图及所述行政区划矢量图对所述第一分区结果进行修正,得到所述目标区域的第二分区结果,即得到适用不同生物量估算模型的多个分区。
9.一种草原生物量遥感监测分区装置,其特征在于,所述装置包括:
获取模块,用于获取目标区域内的草地类型空间分布矢量图、气候矢量图、海拔高程矢量图、行政区划矢量图、样方数据矢量图以及植被指数矢量图;
分区模块,用于在将ArcGIS软件中,将所述草地类型空间分布矢量图、所述气候矢量图、所述海拔高程矢量图、所述行政区划矢量图、所述样方数据矢量图以及所述植被指数矢量图分别作为不同的图层进行叠加分析后,对所述目标区域进行分区得到多个适用不同生物量估算模型的分区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810909804.1A CN109145072B (zh) | 2018-08-10 | 2018-08-10 | 一种草原生物量遥感监测分区方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810909804.1A CN109145072B (zh) | 2018-08-10 | 2018-08-10 | 一种草原生物量遥感监测分区方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109145072A true CN109145072A (zh) | 2019-01-04 |
CN109145072B CN109145072B (zh) | 2020-08-11 |
Family
ID=64792797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810909804.1A Active CN109145072B (zh) | 2018-08-10 | 2018-08-10 | 一种草原生物量遥感监测分区方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145072B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858818A (zh) * | 2020-07-23 | 2020-10-30 | 生态环境部南京环境科学研究所 | 一种县域物种分布数据栅格化方法和*** |
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***属性组分组成结构的描述方法 |
CN113032451A (zh) * | 2021-02-24 | 2021-06-25 | 昆明理工大学 | 基于遥感影像和gis技术的公园绿地规划实施监测方法 |
CN113220810A (zh) * | 2021-04-16 | 2021-08-06 | 昆明理工大学 | 一种多源物种分布数据处理方法及装置 |
CN118295045A (zh) * | 2024-06-06 | 2024-07-05 | 贵州省邮电规划设计院有限公司 | 一种基于大数据的气象监测报警***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033230A (zh) * | 2009-09-25 | 2011-04-27 | 中国农业科学院农业资源与农业区划研究所 | 一种草原卫星遥感监测***及方法 |
CN104217103A (zh) * | 2014-08-13 | 2014-12-17 | 中国农业科学院植物保护研究所 | 一种草地植被亚型的建立及数字化表示方法 |
CN105677890A (zh) * | 2016-01-29 | 2016-06-15 | 东南大学 | 一种城市绿量数字地图制作及显示方法 |
-
2018
- 2018-08-10 CN CN201810909804.1A patent/CN109145072B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033230A (zh) * | 2009-09-25 | 2011-04-27 | 中国农业科学院农业资源与农业区划研究所 | 一种草原卫星遥感监测***及方法 |
CN104217103A (zh) * | 2014-08-13 | 2014-12-17 | 中国农业科学院植物保护研究所 | 一种草地植被亚型的建立及数字化表示方法 |
CN105677890A (zh) * | 2016-01-29 | 2016-06-15 | 东南大学 | 一种城市绿量数字地图制作及显示方法 |
Non-Patent Citations (4)
Title |
---|
翟鹏程: "基于遥感的植被生物量估算及其承载力评价", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
闫瑞瑞: "呼伦贝尔天然打草场分布及生物量遥感估算", 《农业工程学报》 * |
陶伟国: "草原产草量遥感估算方法发展趋势及影响因素", 《草业学报》 * |
高添,等: "内蒙古西部草原地上生物量的遥感估算", 《中国沙漠》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858818A (zh) * | 2020-07-23 | 2020-10-30 | 生态环境部南京环境科学研究所 | 一种县域物种分布数据栅格化方法和*** |
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***属性组分组成结构的描述方法 |
CN112365562B (zh) * | 2020-11-09 | 2022-11-22 | 中国科学院东北地理与农业生态研究所 | 一种生态***属性组分组成结构的描述方法 |
CN113032451A (zh) * | 2021-02-24 | 2021-06-25 | 昆明理工大学 | 基于遥感影像和gis技术的公园绿地规划实施监测方法 |
CN113220810A (zh) * | 2021-04-16 | 2021-08-06 | 昆明理工大学 | 一种多源物种分布数据处理方法及装置 |
CN113220810B (zh) * | 2021-04-16 | 2022-02-18 | 昆明理工大学 | 一种多源物种分布数据处理方法及装置 |
CN118295045A (zh) * | 2024-06-06 | 2024-07-05 | 贵州省邮电规划设计院有限公司 | 一种基于大数据的气象监测报警***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109145072B (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145072A (zh) | 一种草原生物量遥感监测分区方法及装置 | |
Oindo et al. | Interannual variability of NDVI and species richness in Kenya | |
Reed et al. | The spatial distribution of vegetation types in the Serengeti ecosystem: the influence of rainfall and topographic relief on vegetation patch characteristics | |
Vanino et al. | Estimation of evapotranspiration and crop coefficients of tendone vineyards using multi-sensor remote sensing data in a Mediterranean environment | |
Ismail et al. | Satellite data classification accuracy assessment based from reference dataset | |
Geremew | Assessing the impacts of land use and land cover change on hydrology of watershed: a case study on Gigel-Abbay Watershed, Lake Tana Basin, Ethiopia | |
Gandharum et al. | Remote sensing versus the area sampling frame method in paddy rice acreage estimation in Indramayu regency, West Java province, Indonesia | |
Imbrenda et al. | A smart procedure for assessing the health status of terrestrial habitats in protected areas: The case of the natura 2000 ecological network in Basilicata (Southern Italy) | |
Lopes Bento et al. | Overlap influence in images obtained by an unmanned aerial vehicle on a digital terrain model of altimetric precision | |
Leisz et al. | Mapping fallow lands in Vietnam's north-central mountains using yearly Landsat imagery and a land-cover succession model | |
Cui et al. | Extraction of information on the flooding extent of agricultural land in Henan Province based on multi-source remote sensing images and Google Earth Engine | |
Bashir et al. | Simulating Spatiotemporal Changes in Land Use and Land Cover of the North-Western Himalayan Region Using Markov Chain Analysis | |
Bie | Dryland degradation measurement techniques | |
Sari et al. | Integration of NDVI imagery and crop coverage registration system for apiary schedule | |
Mahoney et al. | Filtering ground noise from LiDAR returns produces inferior models of forest aboveground biomass in heterogenous landscapes | |
Garba et al. | Assessment of land cover change in the North Eastern Nigeria 1986 to 2005 | |
Jurišić et al. | Methodology of development of purpose maps in GIS environment–resource management | |
Perera et al. | Application of Modis data to assess the latest forest cover changes of Sri Lanka | |
Bavrina et al. | Some problems of regional reference plots system for ground support of remote sensing materials processing | |
Takáts et al. | Spatial Modelling of Vineyard Erosion in the Neszmély Wine Region, Hungary Using Proximal Sensing | |
Peña-Arancibia et al. | Land cover and cropping system analysis | |
d'Andrimont et al. | Harmonised LUCAS in-situ data and photos on land cover and use from 5 tri-annual surveys in the European Union | |
Waisurasingha et al. | Use of RADARSAT‐1 data and a digital elevation model to assess flood damage and improve rice production in the lower part of the Chi River Basin, Thailand | |
Powell et al. | NSW building a NSW wetland inventory: Lachlan River catchment wetland mapping methods | |
Strohbach et al. | Towards a user-friendly vegetation map of Namibia: ground truthing approach to vegetation mapping |
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 |