CN113643409A - 植被生产速率的表征方法、装置以及存储介质 - Google Patents
植被生产速率的表征方法、装置以及存储介质 Download PDFInfo
- Publication number
- CN113643409A CN113643409A CN202110971600.2A CN202110971600A CN113643409A CN 113643409 A CN113643409 A CN 113643409A CN 202110971600 A CN202110971600 A CN 202110971600A CN 113643409 A CN113643409 A CN 113643409A
- Authority
- CN
- China
- Prior art keywords
- surface temperature
- determining
- data
- curve
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000002310 reflectometry Methods 0.000 claims abstract description 29
- 238000012512 characterization method Methods 0.000 claims abstract description 10
- 230000012010 growth Effects 0.000 claims description 56
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 13
- 238000000513 principal component analysis Methods 0.000 claims description 13
- 230000004069 differentiation Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 15
- 238000011156 evaluation Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 230000003698 anagen phase Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 239000000758 substrate Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000013824 polyphenols Nutrition 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 101150101698 outF gene Proteins 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请公开了一种植被生产速率表征方法、装置以及存储介质。其中，基于热红外遥感数据植被生产速率的表征方法，包括：根据地表温度数据以及地表反射率数据，确定地表温度参考曲线，其中地表温度数据为根据热红外遥感数据反演得到的；根据地表温度数据，根据地表温度参考曲线，确定待检测地表温度曲线；以及根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数。
Description
技术领域
本申请涉及生态遥感技术领域，特别是涉及一种基于热红外遥感数据的植被生产速率的表征方法、装置以及存储介质。
背景技术
气候变化对全球环境退化和经济活动的影响已经成为公众长期普遍关注的问题。人类已经通过与广泛的土地利用变化和土地管理实践对气候变化产生了显著影响，这也意味着土地利用管理在缓解土地***的可持续性方面发挥着重要作用。实施土地利用管理实践以保持或改善景观状况，需要了解土地***生态潜力的模式以及关键***要素植被对管理行为的响应。
在现有的方法体系中，基于遥感数据对植被生产速率的表达缺乏从能量的维度对植被生产速率的量化表征和功能函数的建立。部分研究利用热红外数据反演的地表温度区域或经验性地作为环境因子来量化不同局地植被生产速率之间的差异，但是无法适应不同时空尺度的植被年内生长期日均生产速率的评估。
针对上述的现有技术中存在的现有的植被生产速率的方法无法实现不同时空尺度的植被生产速率的评估的技术问题，目前尚未提出有效的解决方案。
发明内容
本公开的实施例提供了一种植被生产速率的表征方法、装置以及存储介质，以至少解决现有技术中存在的现有的植被生产速率的方法无法实现不同时空尺度的植被生产速率的评估的技术问题。
根据本公开实施例的一个方面，提供了一种植被生产速率的表征方法，包括：根据地表温度数据以及地表反射率数据，确定地表温度参考曲线，其中地表温度数据为根据热红外遥感数据反演得到的；根据地表温度数据，确定待检测地表温度曲线；以及根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数。
根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。
根据本公开实施例的另一个方面，还提供了一种植被生产速率的表征装置，包括：第一确定模块，用于根据地表温度数据以及地表反射率数据，确定地表温度参考曲线；第二确定模块，用于根据地表温度数据，确定待检测地表温度曲线；以及第三确定模块，用于根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数。
根据本公开实施例的另一个方面，还提供了一种植被生产速率的表征装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：根据地表温度数据以及地表反射率数据，确定地表温度参考曲线；根据地表温度数据，确定待检测地表温度曲线；以及根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数。
从而根据本实施例，基于热红外遥感数据反演的地表温度数据，能够从能量利用的角度对植被生产速率进行表征，达到更加精准的反映植被在自然扰动和人为管理条件下的生产速率及生态抵抗力和恢复力的技术效果。并且从不同时空角度对植被生产速率进行研究分析，达到准确表征植被作物产量和自然植被的生态潜力的技术效果。进而解决了现有技术中存在的现有的植被生产速率的方法无法实现不同时空尺度的植被生产速率的评估的技术问题。
附图说明
此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1是用于实现根据本公开实施例1所述的方法的计算设备的硬件结构框图；
图2是根据本公开实施例1的第一个方面所述的植被生产速率的表征方法的流程示意图；
图3是根据本公开实施例1的第一个方面所述的地表温度时间序列数据的示意图；
图4是根据本公开实施例1的第一个方面所述的通过平均值确定地表温度参考曲线的示意图；
图5是根据本公开实施例1的第一个方面所述的地表基质纯净像元的确定示意图；
图6是根据本公开实施例1的第一个方面所述的植被生产速率指数的示意图；
图7是根据本公开实施例1所述的植被生产速率指数的计算流程示意图；
图8是根据本公开实施例2所述的植被生产速率的表征装置的示意图；以及
图9是根据本公开实施例3所述的植被生产速率的表征装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开的技术方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，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，都应当属于本公开保护的范围。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本实施例，提供了一种植被生产速率的表征方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的计算设备中执行。图1示出了一种用于实现植被生产速率的表征方法的计算设备的硬件结构框图。如图1所示，计算设备可以包括一个或多个处理器（处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、用于存储数据的存储器、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口（I/O接口）、通用串行总线（USB）端口（可以作为I/O接口的端口中的一个端口被包括）、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算设备中的其他元件中的任意一个内。如本公开实施例中所涉及到的，该数据处理电路作为一种处理器控制（例如与接口连接的可变电阻终端路径的选择）。
存储器可用于存储应用软件的软件程序以及模块，如本公开实施例中的植被生产速率的表征方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的植被生产速率的表征方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器（Network Interface Controller，NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频（Radio Frequency，RF）模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器（LCD），该液晶显示器可使得用户能够与计算设备的用户界面进行交互。
此处需要说明的是，在一些可选实施例中，上述图1所示的计算设备可以包括硬件元件（包括电路）、软件元件（包括存储在计算机可读介质上的计算机代码）、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算设备中的部件的类型。
在上述运行环境下，根据本实施例的第一个方面，提供了一种植被生产速率的表征方法。图2示出了该方法的流程示意图，参考图2所示，该方法包括：
S202：根据地表温度数据以及地表反射率数据，确定地表温度参考曲线，其中地表温度数据为根据热红外遥感数据反演得到的；
S204：根据地表温度数据，确定待检测地表温度曲线；以及
S206：根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数。
正如背景技术中所述的，在现有的方法体系中，基于遥感数据对植被生产速率的表达缺乏从能量的维度对植被生产速率的量化表征和功能函数的建立。部分研究利用热红外数据区域或经验性反演的地表温度作为环境因子来量化不同局地植被生产速率之间的差异，但是无法适应不同时空尺度的植被年内生长期日均生产速率的评估。
有鉴于此，本申请提供了一种植被生产速率的表征方法，首先，计算设备可以根据地表温度数据以及地表反射率数据，确定地表温度参考曲线，其中地表温度数据为根据热红外遥感数据反演得到的（S202）。计算设备通过地表温度数据以及地表反射率数据，计算得到地表温度参考曲线，从而通过热红外遥感数据反演得到的地表温度数据表征植被的生产速率，达到了从能量的角度对植被的生产速率进行表征的效果。
进一步地，计算设备根据地表温度数据，确定待检测地表温度曲线（S204）。计算设备可以根据预先设置的规则算法对地表温度数据进行计算，得到待检测地表温度曲线，其中待检测地表温度曲线更加直观准确的反映了植被的生产速率。从而通过上述方式，得到地表的待检测地表温度曲线，进而可以准确的反映植被的生产期的相关特征。
进一步地，计算设备根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数（S206）。从地表温度角度对植被生产速率进行表征，即从能量利用的视角对植被生产速率进行量化表征的方法，突破了传统基于形态结构的方法，能够更加快速和精准表征植被生产速率，是一种全新的、易更新的技术方法。
从而通过上述方式，基于热红外遥感数据反演的地表温度数据，能够从能量利用的角度对植被生产速率进行表征，达到更加精准的反映植被在自然扰动和人为管理条件下的生产速率及生态抵抗力和恢复力的技术效果。进而解决了现有技术中存在的现有的植被生产速率的方法无法实现不同时空尺度的植被生产速率的评估的技术问题。
此外，在计算过程中地表温度数据以及地表反射率数据为对相同地区的数据。
可选地，根据地表温度数据以及地表反射率数据，确定地表温度参考曲线的操作，包括：根据地表温度数据，确定多个地表温度时间序列曲线，其中多个地表温度时间序列曲线与地表温度数据中的像元分别对应；以及根据地表反射率数据以及多个地表温度时间序列曲线，确定地表温度参考曲线。
具体地，参考图3所示，例如地表温度数据包括多个波段的数据，每个波段分别对应一个温度数值，因此每个像元就可以形成一个地表温度时间序列曲线。然后计算设备可以根据多个地表温度时间序列曲线以及地表反射率数据，确定地表温度参考曲线。从而通过上述方式达到了确定地表温度参考曲线的技术效果。
此外，图3所示的栅格数据图像仅作为示例，没有实际意义。此外，参考图4所示，示例性的显示了像元所对应的地表温度时间曲线，其中地表温度数据可以包括多个月份的数据，例如包括1-12月份的12个数据，12个地表温度数据像元分别对应。
此外，例如采集北京地区1-12月份每个月份的热红外遥感数据，然后对热红外遥感数据进行反演，得到每个月份对应的单波段地表温度数据。
可选地，根据地表温度数据，确定多个地表温度时间序列曲线的操作，包括：将地表温度数据中多个时间节点的单波段地表温度数据按照时间顺序进行组合，确定地表温度时间序列数据；以及根据地表温度时间序列数据，确定多个地表温度时间序列曲线。
具体地，参考图3和图4所示，尽管图3仅显示了三个单波段地表温度数据，但是不限于3个，例如地表温度数据中可以包括12个月份的每一个月份的数据，也可以包括一年内每一天的数据，时间节点由用户自行限定，这里不做具体限定。
从而通过时间节点对多个单波段地表温度数据进行组合，参考图3所示，例如将1-3月份的数据按照1月、2月以及3月的顺序进行组合，生成地表温度时间序列数据。然后通过组合后的地表温度时间序列数据，确定每个像元分别对应的多个地表温度时间序列曲线。
进一步地，例如地表温度数据可以包括1-12月份12个地表温度数据，然后通过波段组合的方式将12个栅格数据按照时间顺序进行组合，从而生成12个波段的地表温度时间序列数据。然后对该地表温度时间序列数据的每个像元的地表温度数据信息进行提取，生成地表温度时间序列曲线。从而通过上述方式，实现热红外遥感数据反演的地表温度数据确定多个像元对应的多个地表温度时间序列曲线的技术效果。并且从不同时空角度对植被生产速率进行研究分析，达到准确表征植被作物产量和自然植被的生态潜力的技术效果。
可选地，根据地表温度时间序列数据，确定多个地表温度时间序列曲线的操作，包括：对地表温度时间序列数据进行滤波，确定地表温度时间序列平滑数据；以及根据地表温度时间序列平滑数据，确定多个地表温度时间序列曲线。
具体地，例如，用S-G滤波对地表温度时间序列数据进行平滑和重构，以获取更高质量的地表温度时间序列数据。在S-G滤波方法的参数设置中，可根据实验效果和需求设置滤波的窗口宽度和多项式拟合的阶数。从而通过对地表温度数据进行滤波，使得确定的多个地表温度时间序列曲线更加平滑，达到便于后期地表温度参考曲线的确定的技术效果。
此外SG滤波例如可以通过滑动窗口对地表温度时间序列数据的每个像元中的多个数值进行平滑。SG滤波对图像进行去噪的方式本领域的常用手段，此处不再赘述。
可选地，根据地表反射率数据以及多个地表温度时间序列曲线，确定地表温度参考曲线的操作，包括：利用主成分分析算法，对地表反射率数据进行数据降维，确定预定维度的波段数据；对预定维度的波段数据进行几何顶点的端元提取，确定多个地表基质纯净像元；以及根据多个地表基质纯净像元以及多个地表温度时间序列曲线，确定地表温度参考曲线。
具体地，主成分分析是一种去除波段之间的多余信息、将多波段的图像信息压缩到比原始波段更有效的少数几个转换波段的方法。通过主成分分析，实现对数据的降维。例如，将原始所有波段中95%以上的信息量压缩到三个主成分中（这里预定维度不限于3个，也可以是2个或者4个等其他数量的维度），且变换后的各波段相关很小，即包括95%的数据信息的波段可以作为主成分波段。
进一步地，将相关性很小的图像波段，如主成分分析变换结果的前面两个波段，作为X、Y轴构成二维散点图。在理想情况下，散点图是三角形状，根据线性混合模型数学描述，纯净端元几何位置分布在三角形的三个顶点，而三角形内部的点则是这三个顶点的线性组合，也就是混合像元，如图5所示。根据这个原理，我们可以在二维散点图上选择端元波谱。在实际的端元选择过程中，往往选择散点图周围凸出部分区域，后获取这个区域相应原图上的平均波谱作为端元波谱。从而通过上述方式，达到了基于地表反射率数据运用端元波谱提取技术获取地表基质纯净端元，作为参考像元计算地表温度参考曲线的效果。
此外，例如以水体端点为例，以水体端点为圆心，半径1（半径1仅做举例说明，也可以是其他数值，根据用户要求进行限定）以内的像元作为纯净像元，即距离水体端点的像元越近，这个像元越纯净。沙地和植被端点的原理参考水体端点纯净像元的选取。
可选地，根据地表基质纯净像元以及多个地表温度时间序列曲线，确定地表温度参考曲线的操作，包括：对多个地表基质纯净像元对应的地表温度时间序列曲线的温度数据进行平均求值，确定多个平均值；以及根据多个平均值，确定地表温度参考曲线。
具体地，参考图3和图4所示，例如，地表温度数据包括100个像元，地表基质纯净像元为3个（这里3个地表基质纯净像元仅做举例说明，地表基质纯净像元的个数由实际计算为准）。在地表温度时间序列数据中确定这3个地表基质纯净像元对应的像元，然后在确定这3个像元对应的地表温度时间序列曲线。参考图4所示，将3个与地表基质纯净像元对应的地表温度时间序列曲线每个时间节点对应的地表温度进行平均求值，从而可以得到地表温度参考曲线。从而通过上述方式，达到确定地表温度参考曲线的技术效果。
其中，地表温度时间序列数据以及地表反射率数据的像元大小相同，并且一一对应。
可选地，根据地表温度数据，确定待检测地表温度曲线的操作，包括：根据多个地表温度时间序列曲线，确定植被的生长期的开始时间、结束时间以及特征点，其中特征点用于将生长期分割成多个生长阶段；以及根据开始时间、结束时间以及特征点，确定待检测地表温度曲线。
具体地，在确定的生长期中，包括多个植被物候期。若植被在不同的物候期能量收支差异显著不同，即地表温度曲线变化规律在整个生长期出现明显的阶段性特征，此时需要借助生长期特征点对生长期进行分割，对生长期的地表温度曲线进行分段拟合，再进行植被生产速率指数的计算。从而根据多个地表温度时间序列曲线确定植被的生长期的开始时间、结束时间以及特征点，达到确定植被的多个生长期，并且通过植被的多个生长期对不同生长阶段进行分段拟合待检测地表温度曲线的技术效果。
可选地，根据多个地表温度时间序列曲线，确定生长期的开始时间、结束时间以及特征点的操作，包括：对多个地表温度时间序列曲线进行一阶微分，确定一阶微分曲线；以及根据一阶微分曲线，确定开始时间、结束时间以及特征点。
具体地，通过多个地表温度时间序列曲线确定植被生长期的开始时间、结束时间以及特征点的步骤如下：
(1)生长期起止点（开始时间以及结束时间）的确定：
ts= {𝑡∣D𝑡−2 > i and D𝑡−1 >i and D𝑡 < i} 公式（1）
te= {𝑡∣D𝑡 < j and D𝑡+1 > j and D𝑡+2 > j} 公式（2）
其中ts、te分别为初步拟定的生长期的开始和结束的时间，D t表示t时刻对应地表温度一阶微分曲线的值，i，j分别是生长期开始和结束的地表温度一阶微分值阈值。
Δt =te-ts 公式（3）
其中T s 、T e 分别为最终确定的生长期的开始和结束的时间，k为最短的生长期时长。
(2)特征点的确定
特征点检测是在生长期内进行的，即满足T s 和T e 都不等于0且T1、T2∈（T s 、T e ），计算公式如下：
T1= {𝑡∣D𝑡 = 0 and D𝑡-1 > 0 and D𝑡-1 < 0} 公式（6）
T2= {𝑡∣D𝑡 = 0 and D𝑡-1 < 0 and D𝑡-1 > 0} 公式（6）
其中T1 、T2分别为第一个和第二个生长期特征点的时间。
从而通过上述方式，对多个地表温度时间序列曲线进行一阶微分达到确定植被起止点以及特征点的技术效果，进一步确定植被的生产期的各个生长阶段。
可选地，根据开始时间、结束时间以及特征点，确定待检测地表温度曲线的操作，包括：根据生长期的开始时间、结束时间以及特征点，确定多个生长阶段的多个待检测地表温度子曲线；以及根据多个待检测地表温度子曲线，确定待检测地表温度曲线。
具体地，参考图6所示，例如植被的生产周期存在两个特征点b、c（生长阶段根据特征点而定，这里仅用两个特征点进行举例说明），生长期的开始时间a，结束时间d，那么可以将该植被的生长周期分为a-b，b-c，c-d三个生长阶段。由于每个生长阶段的在确定的生长期中，包括多个植被物候期。若植被在不同的物候期能量收支差异显著不同，即地表温度曲线变化规律在整个生长期出现明显的阶段性特征，此时需要借助生长期特征点对生长期进行分割，对生长期的多个地表温度时间序列曲线进行分段拟合，再进行生态状态指数的计算。
例如，通过如下步骤确定待检测地表温度曲线：
对多个地表温度时间序列曲线分别进行微分得到一阶微分函数h(t)
：，其中T地表温度，t时间；
然后对h(t)还原，即求原函数（待检测地表温度曲线）
，f(t)待检测
地表温度曲线，h(t)一阶微分函数，将a、b、c和d点的值带入就可以得到C的值。从而得到a-
b，b-c，c-d三个生长阶段的待检测地表温度子曲线。然后由3个待检测地表温度子曲线确定
待检测地表温度曲线。从而通过对植被不同阶段的生长期的待检测地表温度曲线分别拟
合，达到准确确定待检测地表温度曲线的技术效果，并且通过上述方式可以得到逐像元的
地表温度时间序列曲线分别对应的待检测地表温度曲线。
可选地，根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数的操作，包括：计算地表温度参考曲线以及待检测地表温度曲线在开始时间以及结束时间的区域面积；以及根据区域面积，确定植被生产速率指数。
具体地，参考图6所示，通过分段计算生长期的每个阶段的面积，得到植被生产速率指数。即区域m的面积是每个生长期植被生产速率指数VPI的累计值。
其中，植被生产速率指数VPI计算如下：
其中，VPI是植被生产速率指数，Ts、Te分别为生长期的开始和结束时间，f(t)为待检测地表温度曲线的拟合函数，g(t)为地表温度参考曲线的拟合函数。
确定的生长期中，包括多个植被物候期。若植被在不同的物候期能量收支差异显著不同，即地表温度曲线变化规律在整个生长期出现明显的阶段性特征，此时需要借助生长期特征点对生长期进行分割，对生长期的地表温度曲线进行分段拟合，再进行植被生产速率指数的计算。如图6的情况，则植被生产速率指数VPI参数的计算可转化为：
其中，Ts、Ts分别为生长期的开始a和结束d的时间，T2为第二个生长期特征点c的时间，f1为（Ts,T2）时间段内待检测的地表温度曲线的拟合函数，f2为（T2,Te）时间段内待检测的地表温度曲线的拟合函数，g(t)为参考地表温度曲线的拟合函数。
此外，参考图1所示，根据本实施例的第二个方面，提供了一种存储介质。所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行以上任意一项所述的方法。
从而根据本申请实施例提供的一种植被生产速率的表征方法，基于热红外遥感数据反演的地表温度数据，能够从能量利用的角度对植被生产速率进行表征，达到更加精准的反映植被在自然扰动和人为管理条件下的生产速率及生态抵抗力和恢复力的技术效果。并且从不同时空角度对植被生产速率进行研究分析，达到准确表征植被作物产量和自然植被的生态潜力的技术效果。进而解决了现有技术中存在的现有的植被生产速率的方法无法实现不同时空尺度的植被生产速率的评估的技术问题。
此外，参考图7所示示出了本发明中植被生产速率指数的计算流程示意图，
5.1年内时间序列地表温度(LST)曲线（即地表温度时间序列曲线）的构建
基于热红外遥感数据反演的地表温度产品，将年内时间序列的白天地表温度遥感数据按时间顺序进行波段组合，融合成多波段数据，然后用S-G滤波对数据进行平滑和重构，以获取更高质量的地表温度时间序列数据。在S-G滤波方法的参数设置中，可根据实验效果和需求设置滤波的窗口宽度和多项式拟合的阶数。
5.2地表温度参考曲线的确定
本部分主要基于地表反射率数据运用端元波谱提取技术获取地表基质纯净端元，作为参考像元计算地表温度参考曲线，包括主成分分析（PCA）和基于几何顶点的端元提取等步骤。
（1）主成分分析
主成分分析是一种去除波段之间的多余信息、将多波段的图像信息压缩到比原始波段更有效的少数几个转换波段的方法。通过主成分分析，实现对数据的降维，将原始所有波段中95%以上的信息量压缩在前三个主成分中，且变换后的各波段相关很小。
（2）基于几何顶点的端元提取
将相关性很小的图像波段，如主成分分析等变换结果的前两个波段，作为X、Y轴构成二维散点图。在理想情况下，散点图是三角形状。根据线性混合模型的数学描述，纯净端元几何位置分布在三角形的3个顶点，而三角形的内部则是这个顶点的线性组合，也就是混合像元，如图2所示。因此我们可以选择代表地表基质，即无植被覆盖的像元，作为地表基质纯净像元。
（3）计算地表温度参考曲线
将所选取的地表纯净像元的平均值曲线作为地表温度的参考曲线。
5.3 生长期起止点和特征点的检测
对地表温度曲线求一阶微分，在一阶微分曲线上进行生长期起止点和特征点的检测。
5.4 植被生产速率指数参数的计算
由于地表不同的生态状态在植被生长期有明显的能量收支差异特征，因此可以通过地表温度在生长期的差异表征生态状态的不同。
一方面，本发明基于热红外遥感数据，创新性地提出了一种从能量利用的视角对植被生产速率进行量化表征的方法，突破了传统基于形态结构的方法，能够更加快速和精准表征植被生产速率，是一种全新的、易更新的技术方法。
另一方面，基于土地***地表生态过程和能量收支平衡，构建了完整的专业概念与物理实现相统一的植被生产速率表征模型。规范统一的方法，保证了本方法在不同时空背景下应用的普适性和结果的可对比性。
本发明的方法基于热红外遥感数据，能够从能量利用的角度对植被生产速率进行表征，更加精准的反映植被在自然扰动和人为管理条件下的生产速率及生态抵抗力和恢复力。既可用于不同时空的植被生产速率的研究分析，摸清作物产量和自然植被的生态潜力，服务于自然资源的监管和政策制定；也可作为一个重要的特征变量，辅助更好的认知人地***演化的规律，实现更加精准的模拟预测。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
实施例2
图8示出了根据本实施例所述的植被生产速率的表征装置800，该装置800与根据实施例1的第一个方面所述的方法相对应。参考图8所示，该装置800包括：第一确定模块810，用于根据地表温度数据以及地表反射率数据，确定地表温度参考曲线，其中地表温度数据为根据热红外遥感数据反演得到的；第二确定模块820，用于根据地表温度数据，确定待检测地表温度曲线；以及第三确定模块830，用于根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数。
可选地，第一确定模块810包括：第一确定子模块，用于根据地表温度数据，确定多个地表温度时间序列曲线，其中多个地表温度时间序列曲线与地表温度数据中的像元分别对应；以及第二确定子模块，用于根据地表反射率数据以及多个地表温度时间序列曲线，确定地表温度参考曲线。
可选地，第一确定子模块包括：第一确定单元，用于将地表温度数据中多个时间节点的单波段地表温度数据按照时间顺序进行组合，确定地表温度时间序列数据；以及第二确定单元，用于根据地表温度时间序列数据，确定多个地表温度时间序列曲线。
可选地，第二确定单元，包括：第一确定子单元，用于对地表温度时间序列数据进行滤波，确定地表温度时间序列平滑数据；以及第二确定子单元，用于根据地表温度时间序列平滑数据，确定多个地表温度时间序列曲线。
可选地，第二确定子模块包括：第三确定单元，用于利用主成分分析算法，对地表反射率数据进行数据降维，确定预定维度的波段数据；第四确定单元，用于对预定维度的波段数据进行几何顶点的端元提取，确定多个地表基质纯净像元；以及第五确定单元，用于根据多个地表基质纯净像元以及多个地表温度时间序列曲线，确定地表温度参考曲线。
可选地，第五确定单元包括：第三确定子单元，用于对多个地表基质纯净像元对应的地表温度时间序列曲线的温度数据进行平均求值，确定多个平均值；以及第四确定子单元，用于根据多个平均值，确定地表温度参考曲线。
可选地，第二确定模块820包括：第三确定子模块，用于根据多个地表温度时间序列曲线，确定植被的生长期的开始时间、结束时间以及特征点，其中特征点用于将生长期分割成多个生长阶段；以及第四确定子模块，用于根据开始时间、结束时间以及特征点，确定待检测地表温度曲线。
可选地，第三确定子模块包括：第六确定单元，用于对多个地表温度时间序列曲线进行一阶微分，确定一阶微分曲线；以及第七确定单元，用于根据一阶微分曲线，确定开始时间、结束时间以及特征点。
可选地，第四确定子模块包括：第八确定单元，用于根据生长期的开始时间、结束时间以及特征点，确定多个生长阶段的多个待检测地表温度子曲线；以及第九确定单元，用于根据多个待检测地表温度子曲线，确定待检测地表温度曲线。
可选地，第三确定模块830包括：计算子模块，用于计算地表温度参考曲线以及待检测地表温度曲线在开始时间以及结束时间的区域面积；以及第五确定子模块，用于根据区域面积，确定植被生产速率指数。
从而根据本实施例，基于热红外遥感数据反演的地表温度数据，能够从能量利用的角度对植被生产速率进行表征，达到更加精准的反映植被在自然扰动和人为管理条件下的生产速率及生态抵抗力和恢复力的技术效果。并且从不同时空角度对植被生产速率进行研究分析，达到准确表征植被作物产量和自然植被的生态潜力的技术效果。进而解决了现有技术中存在的现有的植被生产速率的方法无法实现不同时空尺度的植被生产速率的评估的技术问题。
实施例3
图9示出了根据本实施例所述的植被生产速率的表征装置900，该装置900与根据实施例1的第一个方面所述的方法相对应。参考图9所示，该装置900包括：处理器910；以及存储器920，与处理器910连接，用于为处理器910提供处理以下处理步骤的指令：根据地表温度数据以及地表反射率数据，确定地表温度参考曲线，其中地表温度数据为根据所述热红外遥感数据反演得到的；根据地表温度数据，确定待检测地表温度曲线；以及根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数。
可选地，根据地表温度数据以及地表反射率数据，确定地表温度参考曲线的操作，包括：根据地表温度数据，确定多个地表温度时间序列曲线，其中多个地表温度时间序列曲线与地表温度数据中的像元分别对应；以及根据地表反射率数据以及多个地表温度时间序列曲线，确定地表温度参考曲线。
可选地，根据地表温度数据，确定多个地表温度时间序列曲线的操作，包括：将地表温度数据中多个时间节点的单波段地表温度数据按照时间顺序进行组合，确定地表温度时间序列数据；以及根据地表温度时间序列数据，确定多个地表温度时间序列曲线。
可选地，根据地表温度时间序列数据，确定多个地表温度时间序列曲线的操作，包括：对地表温度时间序列数据进行滤波，确定地表温度时间序列平滑数据；以及根据地表温度时间序列平滑数据，确定多个地表温度时间序列曲线。
可选地，根据地表反射率数据以及多个地表温度时间序列曲线，确定地表温度参考曲线的操作，包括：利用主成分分析算法，对地表反射率数据进行数据降维，确定预定维度的波段数据；对预定维度的波段数据进行几何顶点的端元提取，确定多个地表基质纯净像元；以及根据多个地表基质纯净像元以及多个地表温度时间序列曲线，确定地表温度参考曲线。
可选地，根据地表基质纯净像元以及多个地表温度时间序列曲线，确定地表温度参考曲线的操作，包括：对多个地表基质纯净像元对应的地表温度时间序列曲线的温度数据进行平均求值，确定多个平均值；以及根据多个平均值，确定地表温度参考曲线。
可选地，根据地表温度数据，确定待检测地表温度曲线的操作，包括：根据多个地表温度时间序列曲线，确定植被的生长期的开始时间、结束时间以及特征点，其中特征点用于将生长期分割成多个生长阶段；以及根据开始时间、结束时间以及特征点，确定待检测地表温度曲线。
可选地，根据地表温度参考曲线，确定生长期的开始时间、结束时间以及特征点的操作，包括：对多个地表温度时间序列曲线进行一阶微分，确定一阶微分曲线；以及根据一阶微分曲线，确定开始时间、结束时间以及特征点。
可选地，根据开始时间、结束时间以及特征点，确定待检测地表温度曲线的操作，包括：根据生长期的开始时间、结束时间以及特征点，确定多个生长阶段的多个待检测地表温度子曲线；以及根据多个待检测地表温度子曲线，确定待检测地表温度曲线。
可选地，根据地表温度参考曲线以及待检测地表温度曲线，确定植被生产速率指数的操作，包括：计算地表温度参考曲线以及待检测地表温度曲线在开始时间以及结束时间的区域面积；以及根据区域面积，确定植被生产速率指数。
从而根据本实施例，基于热红外遥感数据反演的地表温度数据，能够从能量利用的角度对植被生产速率进行表征，达到更加精准的反映植被在自然扰动和人为管理条件下的生产速率及生态抵抗力和恢复力的技术效果。并且从不同时空角度对植被生产速率进行研究分析，达到准确表征植被作物产量和自然植被的生态潜力的技术效果。进而解决了现有技术中存在的现有的植被生产速率的方法无法实现不同时空尺度的植被生产速率的评估的技术问题。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于热红外遥感数据的植被生产速率的表征方法，其特征在于，包括：
根据地表温度数据以及地表反射率数据，确定地表温度参考曲线，其中所述地表温度数据为根据所述热红外遥感数据反演得到的；
根据所述地表温度数据，确定待检测地表温度曲线；以及
根据所述地表温度参考曲线以及所述待检测地表温度曲线，确定植被生产速率指数，其中所述植被生产速率指数用于表征植被的生产速率。
2.根据权利要求1所述的方法，其特征在于，根据地表温度数据以及地表反射率数据，确定地表温度参考曲线的操作，包括：
根据所述地表温度数据，确定多个地表温度时间序列曲线，其中所述多个地表温度时间序列曲线与所述地表温度数据中的像元分别对应；以及
根据所述地表反射率数据以及所述多个地表温度时间序列曲线，确定所述地表温度参考曲线。
3.根据权利要求2所述的方法，其特征在于，根据所述地表温度数据，确定多个地表温度时间序列曲线的操作，包括：
将所述地表温度数据中多个时间节点的单波段地表温度数据按照时间顺序进行组合，确定所述地表温度时间序列数据；以及
根据所述地表温度时间序列数据，确定所述多个地表温度时间序列曲线。
4.根据权利要求3所述的方法，其特征在于，根据所述地表温度时间序列数据，确定所述多个地表温度时间序列曲线的操作，包括：
对所述地表温度时间序列数据进行滤波，确定地表温度时间序列平滑数据；以及
根据所述地表温度时间序列平滑数据，确定所述多个地表温度时间序列曲线。
5.根据权利要求2所述的方法，其特征在于，根据所述地表反射率数据以及所述多个地表温度时间序列曲线，确定所述地表温度参考曲线的操作，包括：
利用主成分分析算法，对所述地表反射率数据进行数据降维，确定预定维度的波段数据；
对所述预定维度的波段数据进行几何顶点的端元提取，确定多个地表基质纯净像元；以及
根据所述多个地表基质纯净像元以及所述多个地表温度时间序列曲线，确定所述地表温度参考曲线。
6.根据权利要求5所述的方法，其特征在于，根据所述地表基质纯净像元以及所述多个地表温度时间序列曲线，确定所述地表温度参考曲线的操作，包括：
对所述多个地表基质纯净像元对应的所述地表温度时间序列曲线的温度数据进行平均求值，确定多个平均值；以及
根据所述多个平均值，确定所述地表温度参考曲线。
7.根据权利要求3所述的方法，其特征在于，根据所述地表温度数据，确定待检测地表温度曲线的操作，包括：
根据所述多个地表温度时间序列曲线，确定植被的生长期的开始时间、结束时间以及特征点，其中所述特征点用于将所述生长期分割成多个生长阶段；以及
根据所述开始时间、所述结束时间以及所述特征点，确定所述待检测地表温度曲线。
8.根据权利要求7所述的方法，其特征在于，根据所述地表温度参考曲线，确定生长期的开始时间、结束时间以及特征点的操作，包括：
对所述地表温度参考曲线进行一阶微分，确定一阶微分曲线；以及
根据所述一阶微分曲线，确定所述开始时间、所述结束时间以及所述特征点，并且
根据所述开始时间、所述结束时间以及所述特征点，确定所述待检测地表温度曲线的操作，包括：
根据所述生长期的所述开始时间、所述结束时间以及所述特征点，确定所述多个生长阶段的多个待检测地表温度子曲线；以及
根据所述多个待检测地表温度子曲线，确定所述待检测地表温度曲线。
9.根据权利要求8所述的方法，其特征在于，根据所述地表温度参考曲线以及所述待检测地表温度曲线，确定植被生产速率指数的操作，包括：
计算所述地表温度参考曲线以及所述待检测地表温度曲线在所述开始时间以及所述结束时间的区域面积；以及
根据所述区域面积，确定所述植被生产速率指数。
10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至9中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110971600.2A CN113643409B (zh) | 2021-08-24 | 2021-08-24 | 植被生产速率的表征方法、装置以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110971600.2A CN113643409B (zh) | 2021-08-24 | 2021-08-24 | 植被生产速率的表征方法、装置以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113643409A true CN113643409A (zh) | 2021-11-12 |
| CN113643409B CN113643409B (zh) | 2022-03-18 |
Family
ID=78423487
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110971600.2A Active CN113643409B (zh) | 2021-08-24 | 2021-08-24 | 植被生产速率的表征方法、装置以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113643409B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113962248A (zh) * | 2021-12-01 | 2022-01-21 | 中国农业大学 | 一种确定草原地上生物量的方法、装置以及存储介质 |
| CN113963263A (zh) * | 2021-12-23 | 2022-01-21 | 中国农业大学 | 多年生植被生长属性的确定方法、装置以及存储介质 |
| CN117689959A (zh) * | 2024-01-30 | 2024-03-12 | 中交第二公路勘察设计研究院有限公司 | 一种融合植被生命周期特征的遥感分类方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005027625A1 (de) * | 2005-06-15 | 2007-01-04 | Aktiv-First Gmbh | Einrichtung zum Verhindern bzw. Abtöten von Bewuchs auf einem Schrägdach |
| US20110125477A1 (en) * | 2009-05-14 | 2011-05-26 | Lightner Jonathan E | Inverse Modeling for Characteristic Prediction from Multi-Spectral and Hyper-Spectral Remote Sensed Datasets |
| KR101404430B1 (ko) * | 2013-06-11 | 2014-06-10 | 서울시립대학교 산학협력단 | 적외선 영상을 이용한 지표온도감률 추정 방법 |
| CN105046188A (zh) * | 2015-04-13 | 2015-11-11 | 中南林业科技大学 | Modis混合像元分解森林信息提取方法 |
| CN105475100A (zh) * | 2016-01-14 | 2016-04-13 | 无锡南理工科技发展有限公司 | 一种园林监控与管理*** |
| CN107966210A (zh) * | 2017-11-03 | 2018-04-27 | 深圳市环境监测中心站 | 基于高光谱图像的热红外融合重构方法 |
| CN108387525A (zh) * | 2018-01-26 | 2018-08-10 | 中国科学院遥感与数字地球研究所 | 一种基于evi2季节变化曲线的年gpp估算方法及*** |
| CN108896185A (zh) * | 2018-05-14 | 2018-11-27 | 河海大学 | 基于归一化沙漠指数的遥感地表温度空间降尺度方法 |
| CN108985959A (zh) * | 2018-08-09 | 2018-12-11 | 安徽大学 | 一种基于地表温度反演技术的小麦白粉病遥感监测方法 |
| CN110909821A (zh) * | 2019-12-03 | 2020-03-24 | 中国农业科学院农业资源与农业区划研究所 | 基于作物参考曲线进行高时空分辨率植被指数数据融合的方法 |
| CN111178169A (zh) * | 2019-12-12 | 2020-05-19 | 广州地理研究所 | 一种基于遥感影像的城市地表覆盖物精细分类方法及装置 |
| CN111666914A (zh) * | 2020-06-15 | 2020-09-15 | 中国科学院地理科学与资源研究所 | 基于曲线间距离的耕地识别方法、***、设备及存储介质 |
| CN111999251A (zh) * | 2020-08-14 | 2020-11-27 | 中国水利水电科学研究院 | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 |
| CN112464980A (zh) * | 2020-10-26 | 2021-03-09 | 中国农业科学院农业资源与农业区划研究所 | 一种融合热红外与被动微波遥感数据反演地表温度的方法 |
| CN112560570A (zh) * | 2020-09-29 | 2021-03-26 | 中国科学院大学 | 一种协同降尺度与数据融合的高分辨率地表温度估算方法 |
-
2021
- 2021-08-24 CN CN202110971600.2A patent/CN113643409B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005027625A1 (de) * | 2005-06-15 | 2007-01-04 | Aktiv-First Gmbh | Einrichtung zum Verhindern bzw. Abtöten von Bewuchs auf einem Schrägdach |
| US20110125477A1 (en) * | 2009-05-14 | 2011-05-26 | Lightner Jonathan E | Inverse Modeling for Characteristic Prediction from Multi-Spectral and Hyper-Spectral Remote Sensed Datasets |
| KR101404430B1 (ko) * | 2013-06-11 | 2014-06-10 | 서울시립대학교 산학협력단 | 적외선 영상을 이용한 지표온도감률 추정 방법 |
| CN105046188A (zh) * | 2015-04-13 | 2015-11-11 | 中南林业科技大学 | Modis混合像元分解森林信息提取方法 |
| CN105475100A (zh) * | 2016-01-14 | 2016-04-13 | 无锡南理工科技发展有限公司 | 一种园林监控与管理*** |
| CN107966210A (zh) * | 2017-11-03 | 2018-04-27 | 深圳市环境监测中心站 | 基于高光谱图像的热红外融合重构方法 |
| CN108387525A (zh) * | 2018-01-26 | 2018-08-10 | 中国科学院遥感与数字地球研究所 | 一种基于evi2季节变化曲线的年gpp估算方法及*** |
| CN108896185A (zh) * | 2018-05-14 | 2018-11-27 | 河海大学 | 基于归一化沙漠指数的遥感地表温度空间降尺度方法 |
| CN108985959A (zh) * | 2018-08-09 | 2018-12-11 | 安徽大学 | 一种基于地表温度反演技术的小麦白粉病遥感监测方法 |
| CN110909821A (zh) * | 2019-12-03 | 2020-03-24 | 中国农业科学院农业资源与农业区划研究所 | 基于作物参考曲线进行高时空分辨率植被指数数据融合的方法 |
| CN111178169A (zh) * | 2019-12-12 | 2020-05-19 | 广州地理研究所 | 一种基于遥感影像的城市地表覆盖物精细分类方法及装置 |
| CN111666914A (zh) * | 2020-06-15 | 2020-09-15 | 中国科学院地理科学与资源研究所 | 基于曲线间距离的耕地识别方法、***、设备及存储介质 |
| CN111999251A (zh) * | 2020-08-14 | 2020-11-27 | 中国水利水电科学研究院 | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 |
| CN112560570A (zh) * | 2020-09-29 | 2021-03-26 | 中国科学院大学 | 一种协同降尺度与数据融合的高分辨率地表温度估算方法 |
| CN112464980A (zh) * | 2020-10-26 | 2021-03-09 | 中国农业科学院农业资源与农业区划研究所 | 一种融合热红外与被动微波遥感数据反演地表温度的方法 |
Non-Patent Citations (10)
| Title |
|---|
| 刘荣高等: "基于MODIS数据估算晴空陆地光合有效辐射", 《地理学报》 * |
| 周玉科: "基于数码照片的植被物候提取多方法比较研究", 《地理科学进展》 * |
| 孙敏轩等: "利用光谱混合分解模型分析GF_6新增波段对土地利用覆被的响应", 《农业工程学报》 * |
| 张学霞等: "遥感技术在植物物候研究中的应用综述", 《地球科学进展》 * |
| 张长春等: "黄河三角洲地表特征参数的遥感研究", 《水文地质工程地质》 * |
| ***等: "基于GRACE和MODIS数据的长江流域陆地水储量变化分析及预测", 《长江科学院院报》 * |
| 李秀芬等: "黑龙江省森林NPP的遥感反演", 《中国农业气象》 * |
| 申广荣等: "植被光谱遥感数据的研究现状及其展望", 《浙江大学学报(农业与生命科学版)》 * |
| 赵艳华等: "红外多角度观测的优势分析", 《航天返回与遥感》 * |
| 黄华国: "林业定量遥感研究进展和展望", 《北京林业大学学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113962248A (zh) * | 2021-12-01 | 2022-01-21 | 中国农业大学 | 一种确定草原地上生物量的方法、装置以及存储介质 |
| CN113962248B (zh) * | 2021-12-01 | 2022-03-18 | 中国农业大学 | 一种确定草原地上生物量的方法、装置以及存储介质 |
| CN113963263A (zh) * | 2021-12-23 | 2022-01-21 | 中国农业大学 | 多年生植被生长属性的确定方法、装置以及存储介质 |
| CN117689959A (zh) * | 2024-01-30 | 2024-03-12 | 中交第二公路勘察设计研究院有限公司 | 一种融合植被生命周期特征的遥感分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113643409B (zh) | 2022-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113643409B (zh) | 植被生产速率的表征方法、装置以及存储介质 | |
| CN113469586B (zh) | 土地***状态的评估方法、装置以及存储介质 | |
| CN114324780A (zh) | 大气污染物排放通量处理方法、存储介质以及计算机终端 | |
| CN109815846B (zh) | 图像处理方法、装置、存储介质和电子装置 | |
| Hernández-Hernández et al. | A new portable application for automatic segmentation of plants in agriculture | |
| CN113763533A (zh) | 对象的模型处理方法、存储介质和处理器 | |
| CN110321774B (zh) | 农作物灾情评估方法、装置、设备及计算机可读存储介质 | |
| CN108737491B (zh) | 信息推送方法和装置以及存储介质、电子装置 | |
| CN110852472B (zh) | 一种基于随机森林算法的陆地水储量预测方法及设备 | |
| CN112597983B (zh) | 一种遥感图像中目标对象的识别方法及其存储介质和*** | |
| CN113971757A (zh) | 图像分类方法、计算机终端及存储介质 | |
| Zhang et al. | Primary driving factors of ecological environment system change based on directed weighted network illustrating with the Three-River Headwaters Region | |
| CN113963263B (zh) | 多年生植被生长属性的确定方法、装置以及存储介质 | |
| CN115641450A (zh) | 基于点云数据的杆塔绝缘子的提取方法、装置及存储介质 | |
| CN115311418B (zh) | 一种多细节层次树木模型单体化重建方法及装置 | |
| CN115082800B (zh) | 图像分割方法 | |
| CN114708260A (zh) | 图像检测方法 | |
| CN112413862B (zh) | 能耗系数的确定方法和装置、存储介质、电子装置 | |
| CN113192043B (zh) | 基于多尺度拓扑图的医学关键点检测方法、装置及应用 | |
| CN114359599A (zh) | 图像处理方法、存储介质及计算机终端 | |
| CN110929866B (zh) | 神经网络模型的训练方法、装置和*** | |
| CN115526816A (zh) | 遥感图像处理方法、存储介质和电子设备 | |
| CN113962248B (zh) | 一种确定草原地上生物量的方法、装置以及存储介质 | |
| CN108037092A (zh) | 一种基于信号识别的光谱分析*** | |
| CN115052270A (zh) | 业务指标确定方法、装置、电子设备及非易失性存储介质 |
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 |