[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107145872B - 基于gis缓冲区分析的荒漠河岸林空间分布获取方法 - Google Patents

基于gis缓冲区分析的荒漠河岸林空间分布获取方法 Download PDF

Info

Publication number
CN107145872B
CN107145872B CN201710333615.XA CN201710333615A CN107145872B CN 107145872 B CN107145872 B CN 107145872B CN 201710333615 A CN201710333615 A CN 201710333615A CN 107145872 B CN107145872 B CN 107145872B
Authority
CN
China
Prior art keywords
remote sensing
desert
ndvi
river channel
forest
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.)
Expired - Fee Related
Application number
CN201710333615.XA
Other languages
English (en)
Other versions
CN107145872A (zh
Inventor
黄显峰
刘娇
方国华
陈颖钦
刘展志
唐肖阳
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201710333615.XA priority Critical patent/CN107145872B/zh
Publication of CN107145872A publication Critical patent/CN107145872A/zh
Application granted granted Critical
Publication of CN107145872B publication Critical patent/CN107145872B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明公布了一种基于GIS缓冲区分析的荒漠河岸林空间分布获取方法，属于干旱区植被遥感监测技术领域。其包括以下步骤：步骤一：下载干旱区河流所在地TM遥感影像，对其进行图像预处理、遥感解译、NDVI计算，获取荒漠河岸林NDVI遥感数据；步骤二：提取河岸边界矢量线，与遥感影像在GIS平台下进行统一的配准与校正；步骤三：按研究要求生成河道外围多重缓冲区矢量图；步骤四：将多重缓冲区矢量图与荒漠河岸林NDVI遥感数据进行叠置，提取各缓冲带内的NDVI均值，并以垂直河道距离为自变量和NDVI均值为因变量，采用曲线拟合进行荒漠河岸林水平空间分布结构分析。本发明为确定荒漠河岸林空间连续梯度分布及其保护范围确定提供了有益参考。

Description

基于GIS缓冲区分析的荒漠河岸林空间分布获取方法
技术领域
本发明涉及干旱区植被遥感监测技术领域，具体为一种基于GIS(地理信息系统)缓冲区分析的荒漠河岸林空间梯度分布获取方法。
背景技术
荒漠是西部干旱区的一种重要地理景观，它与山地及绿洲形成了干旱区特殊的耦合关系，构成了西部干旱区山盆体系的核心内容。其中，依水而生的荒漠河岸林生态系统则是绿洲系统的天然防护体系，对实现荒漠、山地与绿洲的协调发展具有重要意义。荒漠河岸林是干旱内陆河流域的独特景观，又称杜加依林，集中分布在干旱区内陆河流域沿岸，主要依靠地下水生存，是复杂而重要的生态系统，支撑着很多临界环境的变化过程，成为抵抗风沙、抑制沙漠化、维护区域生态平衡、保护生物多样性以及保障绿洲农牧业生产的重要屏障。依水而生，无水而亡，河流的洪枯变化、河道的摆动迁移以及河流泛滥所补给的地下潜水均对荒漠河岸林的形成、发展和衰亡具有重大影响。因此有必要对其空间分布进行实时的监测与分析，获取其保护范围，为干旱荒漠区的生态治理以及可持续发展提供有益参考。一些学者(陈永金，李卫红，刘加珍，等.输水堤防工程对塔里木河中游荒漠河岸林生态系统的影响[J].自然科学进展，2009，19(5):505-512.)主要通过样方法以及定点观测资料，在小尺度上分析了荒漠河岸林年际变化以及空间分布对河流各种转变的响应。该监测方法结果真实，但却有着一定的局限性。对于植被稀疏，受河水影响范围较广的荒漠河岸林来说，该方法监测范围较小，数据获取不便，效率较低，精度不高，且耗费人力物力，无法对植被的变化进行实时动态观察以及全面客观的比较分析。现如今，随着卫星遥感处理技术与GIS地理信息系统的快速发展，一些学者采用遥感数据，在GIS基础平台下，对荒漠区内陆河流域荒漠河岸林的植被覆盖度变化以及覆被变化进行了研究(万红梅，李霞，董道瑞，等.塔里木河下游植被覆盖变化遥感定量分析[J].自然资源学报，2013.)。但研究都局限于部分监测点数据，在大尺度上，却较少有对荒漠河岸林的连续梯度空间分布以及河水影响范围确定的分析(白元，徐海量，刘新华，等.塔里木河干流荒漠河岸林的空间分布与生态保护[J].自然资源学报，2013，28(5):776-785.)，同时也缺乏相应高效便捷的梯度空间分布信息提取分析方法。
发明内容
本发明提供了一种基于GIS缓冲区分析的荒漠河岸林空间分布获取方法，目的是科学、高效、动态以及准确地获取多时段大尺度干旱区河岸林的空间梯度分布结构，以实时监测荒漠河岸林对河流变化的响应，对其保护范围确定提供依据，为干旱荒漠区的生态治理以及可持续发展提供有益参考。
为实现上述目的，本发明是通过以下技术方案实现的：
遥感是一种以物理手段、数学方法和地学分析为基础的综合应用技术，具有宏观、综合、动态和快速的特点。特别是在解决宏观尺度的环境问题时，卫星遥感可重复获取多种空间、不同时相和不同波谱分辨率的地球信息。现如今，对地观测技术的迅速发展和高分辨率商业卫星的投入使用，为生态环境监测提供了便捷。而GIS地理空间信息系统又为遥感数据的提取分析提供了一个有利的平台，其特有的空间定位、缓冲区分析、叠置分析等空间分析功能为传统地物分布空间分析方法注入了信息与科技元素，使得这些方法更具科学性、计量性与信息性。因此，GIS空间分析方法与遥感技术的结合是植被获取空间分布信息的有效途径。
本发明一种基于GIS缓冲区分析的荒漠河岸林空间分布获取方法，其具体包括以下步骤：
步骤一：下载干旱区目标河流所在地的TM遥感影像，借用ENVI软件对遥感数据进行图像预处理、遥感解译、植被指数(NDVI)计算，提取荒漠河岸林NDVI遥感数据；
步骤二：在Google Earth软件3D视窗中勾画河道边界矢量线，并导入GIS基础平台，与遥感影像相应河道边界位置进行统一的配准与校正；
步骤三：在GIS平台下，以河道边界线为基础，按具体研究要求生成其外围一定缓冲精度以及范围的多重缓冲区矢量图；
步骤四：在GIS平台下，按照特定的坐标系统和参考信息，将多重缓冲区矢量图与荒漠河岸林NDVI遥感数据进行叠置，沿着距河道距离顺序提取各个缓冲带内NDVI均值，并对垂直河道距离自变量和NDVI均值因变量数据，采用曲线拟合进行荒漠河岸林水平空间梯度分布结构分析。
在上述步骤中，所述TM遥感影像由Landsat系列卫星拍摄而成，空间分辨率为30m。
在上述步骤中，所述荒漠河岸林垂直河道水平分布结构的获取，是通过距河道不同距离下，NDVI这一环境因子的梯度分布来反映。
在上述步骤中，步骤一所述图像预处理进一步包括：
辐射定标、大气校正、几何校正、波段融合(红波、近红外波段)、影像拼接、研究区剪裁；所述遥感解译进一步包括：地物分类、精度评价以及荒漠河岸林遥感影像掩膜提取；
进一步地，所述荒漠河岸林遥感影像掩膜提取进一步包括：
基于地物分类结果，在ENVI软件中建立荒漠河岸林掩膜文件，将其导入GIS平台，与遥感影像进行叠置，再利用GIS栅格剪切工具提取荒漠河岸林遥感影像。
所述植被指数(NDVI)计算包括：
利用ENVI软件的band math工具计算提取出的荒漠河岸林遥感影像NDVI值，计算模型为：
NDVI＝(Bnir-Bred)/(Bnir+Bred)
上式中：Bnir为近红外波的地表反射率，Bred为红波的地表反射率；
随后再用band math工具除去NDVI异常值，将大于等于1的数值归为1，将小于等于0的数值归为0，使得NDVI范围在[0，1]。
在上述步骤中，步骤二所述河道边界矢量线是在Google Earth的3D视窗中，用添加多边形工具按最大比例尺，沿着河道边界画出的闭合矢量线，该矢量线自带WGS-84地理坐标；
所述配准与校正是在GIS基础平台下，将河道边界矢量线与遥感栅格数据按照一定标准赋予的统一空间参考投影信息和坐标系统，对其进行空间配准，使得河道边界矢量线与遥感图像中的河道边界位置具有一一对应的空间关系。
在上述步骤中，步骤三所述多重缓冲区建立在河道边界线外围，由数条宽度(缓冲精度)一定又连续的缓冲带组成，其中根据研究需要的不同，缓冲范围灵活，缓冲精度也可任意设定。
与现有技术相比，本发明的有益技术效果在于：
本发明提供了一种结合了遥感技术与GIS空间分析功能的河岸林空间梯度分布的获取方法，借此可了解距离河道各距离的植被生长情况，确定河岸林水平梯度分布结构及其保护范围，适用于干旱区大尺度区域河流生态环境研究。该方法效率高、数据获取便捷准确、人力物力耗费少，可实时动态的对环境进行监测，为干旱荒漠区的生态治理以及可持续发展提供有益参考。
附图说明
图1为本发明一种基于GIS缓冲区分析的荒漠河岸林空间分布获取方法的技术路线图；
图2为2000年及2014年地物分类结果；
图3为Google Earth 3D视窗中的河道边界线；
图4为研究区2014年荒漠河岸林NDVI遥感影像与1km缓冲精度的20条缓冲带矢量图的叠置分析；
图5为2014年20km范围内荒漠河岸林NDVI均值垂直河道空间梯度分布趋势。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细说明。
塔里木河两岸拥有世界上面积最大、分布最密集的以胡杨林为主体的荒漠河岸林植物群落。其丰富的产出，为生物多样性提供适宜生境，为水生生物提供有机食物，有着强大的生态功能，为荒凉的内陆盆地带来了一片生机。然而，源流区人口的增长以及对水资源的不合理开发与浪费，使得塔里木河干流荒漠河岸林生态系统受到了一定影响。随着时间的增长，为研究塔里木河干流荒漠河岸林垂直河道的空间梯度分布结构变化，下面以塔里木河中游河段为研究对象，对本发明进行实例分析，技术路线参见图1。
步骤一：数据下载与处理
1)从地理空间数据云(Geospatial Data Cloud)网站下载覆盖研究区域的行列号分别为143/31、143/32、144/31、144/32的Landsat TM遥感影像，所述TM遥感影像由Landsat系列卫星拍摄而成，空间分辨率为30m，易于获得，且适用于荒漠植被稀疏地区。为达到可比性，影像采集时间分别为2000年和2014年的8-9月份，为塔里木河丰水期，云覆盖率＜5％，植被覆盖度高；
2)借用ENVI软件对遥感数据进行图像预处理，包括辐射定标、大气校正、几何校正、波段融合(红波、近红外波段)、影像拼接和研究区裁剪；
3)借用ENVI软件对遥感数据进行遥感解译，包括地物分类、精度评价以及荒漠河岸林遥感影像掩膜提取，具体地，采用最大似然比(Maximum Likelihood)监督分类算法，结合Google Earth同期遥感影像以及研究区特征地物点位信息，根据目视判读方法对遥感影像进行地物分类，由于塔里木河中游靠近河道地区人烟较少，因此土地利用主要分为天然植被、耕地、未利用地以及其他地物四类，2000年及2014年地物分类结果参见图2；
4)采用随机抽样的方法进行精度评价，参考Google Earth同期高分辨率遥感影像以及1∶10万土地利用现状数据选择样本点，通过图像判读建立混淆矩阵，计算相关指标进行评价。结果表明：2000年、2014年的总精度和Kappa指数分别为84.4％、85.4％和0.77、0.79，达到最低判别精度0.7的要求，能够满足大区域宏观土地覆被分析的需要；
5)基于遥感影像地物分类结果，在ENVI软件中建立荒漠河岸林掩膜文件，将其导入GIS平台，与遥感影像进行叠置，再利用GIS栅格剪切工具掩膜提取荒漠河岸林遥感影像；
6)在ENVI软件中，利用Band Math工具计算研究区荒漠河岸林遥感影像NDVI(植被指数)值，计算模型为：
NDVI＝(Bnir-Bred)/(Bnir+Bred)
上式中：Bnir为近红外波的地表反射率，Bred为红波的地表反射率；
随后再用band math工具除去NDVI异常值，将大于等于1的数值归为1，将小于等于0的数值归为0，使得NDVI范围在[0，1]。
步骤二：河道边界矢量线提取以及图像配准与校正
在Google Earth的3D视窗中，用添加多边形工具按最大比例尺，沿着河道边界画出闭合矢量线(参见图3)，该矢量线自带WGS-84地理坐标，再以kml的格式导出。
配准与校正，是在GIS基础平台下，利用kml转矢量图层工具导入河道边界线矢量文件，与遥感栅格数据按照一定标准赋予的统一空间参考投影信息和坐标系统，对其进行空间配准，使得河道边界线与遥感图像中的河道边界位置具有一一对应的空间关系。
步骤三：基于GIS的缓冲区梯度分析
在GIS平台下，以河道边界矢量线为基础，按具体研究要求生成其外围一定缓冲精度(1km)以及范围的多重缓冲区矢量图，多重缓冲区建立在河道边界线外围，由数条宽度(缓冲精度)一定又连续的缓冲带组成，其中根据研究需要的不同，缓冲范围灵活，缓冲精度也可任意设定。具体地，生成其外围1km缓冲精度、范围为20km的20条缓冲区矢量图，参见图4。
步骤四：提取缓冲带的NDVI均值信息，进行荒漠河岸林水平空间梯度分布结构分析
在GIS平台下，利用转栅格工具对缓冲区进行栅格化，按照特定的坐标系统和参考信息，将河道外多重缓冲区与荒漠河岸林NDVI遥感数据进行叠置分析，沿着距河道距离顺序提取各个缓冲带内NDVI均值，然后以垂直河道距离为自变量，NDVI均值数据为因变量，进行曲线拟合，以此来反映荒漠河岸林的水平空间梯度分布结构。
具体地，将2000年与2014年荒漠河岸林空间梯度分布进行比较，分析塔河中游荒漠河岸林在14年间的变化。参见图5。
本发明一种基于GIS缓冲区分析的荒漠河岸林空间分布获取方法，该方法结合了遥感技术与GIS空间分析功能，对荒漠河岸林的连续梯度空间分布以及河水影响范围确定的分析，效率高，数据获取便捷准确，大大减少了人力物力耗费，并且可以实时动态的对环境进行监测。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (6)

1.一种基于GIS缓冲区分析的荒漠河岸林空间分布获取方法，具体包括以下步骤：
步骤一：下载干旱区目标河流所在地的TM遥感影像，借用ENVI软件对遥感数据进行图像预处理、遥感解译、植被指数计算，提取荒漠河岸林NDVI遥感数据，所述图像预处理进一步包括辐射定标、大气校正、几何校正、波段融合、影像拼接、研究区剪裁；所述遥感解译进一步包括地物分类、精度评价以及荒漠河岸林遥感影像掩膜提取；
步骤二：在Google Earth软件3D视窗中勾画河道边界矢量线，并导入GIS基础平台，与遥感影像相应河道边界位置进行统一的配准与校正；
步骤三：在GIS平台下，以河道边界矢量线为基础，按具体研究要求生成其外围一定缓冲精度以及范围的多重缓冲区矢量图；
步骤四：在GIS平台下，按照特定的坐标系统和参考信息，将多重缓冲区矢量图与荒漠河岸林NDVI遥感数据进行叠置，沿着距河道距离顺序提取各个缓冲带内NDVI均值，并对垂直河道距离自变量和NDVI均值因变量数据，采用曲线拟合进行荒漠河岸林水平空间梯度分布结构分析。
2.根据权利要求1所述的荒漠河岸林空间分布获取方法，其特征在于：所述TM遥感影像由Landsat系列卫星拍摄而成，空间分辨率为30m。
3.根据权利要求1所述荒漠河岸林空间分布获取方法，其特征在于：所述荒漠河岸林垂直河道水平分布结构的获取，是通过距河道不同距离下，NDVI这一环境因子的梯度分布来反映。
4.根据权利要求1所述的荒漠河岸林空间分布获取方法，其特征在于：在步骤一中，所述植被指数计算即利用ENVI的band math工具，计算提取出的荒漠河岸林遥感影像NDVI值，计算模型为：
NDVI＝(Bnir-Bred)/(Bnir+Bred)
上式中：Bnir为近红外波的地表反射率，Bred为红波的地表反射率；
随后再用band math工具除去NDVI异常值，将大于等于1的数值归为1，将小于等于0的数值归为0，使得NDVI范围在[0，1]。
5.根据权利要求1所述的荒漠河岸林空间分布获取方法，其特征在于：在步骤二中，所述河道边界矢量线是在Google Earth的3D视窗中，用添加多边形工具按最大比例尺，沿着河道边界画出的闭合矢量线，该矢量线自带WGS-84地理坐标；所述配准与校正是在GIS基础平台下，将河道边界矢量线与遥感栅格数据按照一定标准赋予的统一空间参考投影信息和坐标系统，对其进行空间配准，使得河道边界矢量线与遥感图像中的河道边界位置具有一一对应的空间关系。
6.根据权利要求1所述的荒漠河岸林空间分布获取方法，其特征在于：在步骤三中，所述多重缓冲区建立在河道边界线外围，由数条宽度一定又连续的缓冲带组成，其中根据研究需要的不同，缓冲范围灵活，缓冲精度也可任意设定。
CN201710333615.XA 2017-05-12 2017-05-12 基于gis缓冲区分析的荒漠河岸林空间分布获取方法 Expired - Fee Related CN107145872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710333615.XA CN107145872B (zh) 2017-05-12 2017-05-12 基于gis缓冲区分析的荒漠河岸林空间分布获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710333615.XA CN107145872B (zh) 2017-05-12 2017-05-12 基于gis缓冲区分析的荒漠河岸林空间分布获取方法

Publications (2)

Publication Number Publication Date
CN107145872A CN107145872A (zh) 2017-09-08
CN107145872B true CN107145872B (zh) 2020-12-22

Family

ID=59777994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710333615.XA Expired - Fee Related CN107145872B (zh) 2017-05-12 2017-05-12 基于gis缓冲区分析的荒漠河岸林空间分布获取方法

Country Status (1)

Country Link
CN (1) CN107145872B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107831168A (zh) * 2017-10-25 2018-03-23 吉林省林业科学研究院 遥感技术测量水田防护林防护效果的方法
CN108053409B (zh) * 2017-12-11 2022-05-13 中南大学 一种遥感影像分割基准库自动构建方法及其系统
CN108288059B (zh) * 2017-12-29 2020-04-21 中国电子科技集团公司第二十七研究所 一种基于高分辨率遥感技术的建筑垃圾监测方法
CN108535193A (zh) * 2018-03-19 2018-09-14 电子科技大学 一种林业典型病虫害遥感监测方法
CN108846089B (zh) * 2018-06-12 2021-10-19 南京师范大学 一种面向城市供水专业管线与综合管线的空间数据匹配方法
CN108959638B (zh) * 2018-07-26 2021-10-19 南京师范大学 一种面向城市燃气专业管线与综合管线的空间数据匹配方法
CN109164444A (zh) * 2018-09-04 2019-01-08 中科海慧（北京）科技有限公司 一种基于遥感数据的自然景观重构方法
CN109544429B (zh) * 2018-12-27 2021-11-05 浙江大学城市学院 一种利用城市绿地空间保育濒危植物提高城市生物多样性的方法
CN109711751A (zh) * 2019-01-15 2019-05-03 北京国脉时空大数据科技有限公司 一种基于时空数据融合分析的资源环境承载力评估方法
CN110322556B (zh) * 2019-04-29 2022-06-03 武汉大学 一种基于边界裁剪的高速高精度矢栅叠置分析方法
CN110659838A (zh) * 2019-09-27 2020-01-07 佛山科学技术学院 基于遥感和gis生态环境质量评估方法
CN110852232B (zh) * 2019-11-05 2022-08-26 河海大学 一种基于山区河流分级的河岸带植被覆盖度提取方法
CN110987063A (zh) * 2019-11-18 2020-04-10 广东岭秀科技有限公司 一种遥感监测河湖水文水生态要素的方法
CN111310674B (zh) * 2020-02-20 2020-11-10 生态环境部卫星环境应用中心 基于网格划分技术的河流生态缓冲带遥感监测方法和装置
CN112818751A (zh) * 2021-01-08 2021-05-18 江苏省无锡环境监测中心 一种基于物联网的水生态完整性动态评估方法
CN113205071A (zh) * 2021-05-28 2021-08-03 中国科学院地理科学与资源研究所 三江并流区高山林线的遥感识别及其空间格局分析方法
CN116385592B (zh) * 2023-06-07 2023-08-15 山东省国土测绘院 一种基于遥感解译的基础测绘道路数据生成方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010166851A (ja) * 2009-01-22 2010-08-05 Chiharu Hongo 作物の収量予測方法及びその装置
WO2015160968A1 (en) * 2014-04-15 2015-10-22 Open Range Consulting System and method for assessing riparian habitats

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699315B (zh) * 2009-10-23 2012-04-25 北京农业信息技术研究中心 一种作物长势均匀度的监测装置和方法
US9336584B2 (en) * 2014-06-30 2016-05-10 Trimble Navigation Limited Active imaging systems for plant growth monitoring

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010166851A (ja) * 2009-01-22 2010-08-05 Chiharu Hongo 作物の収量予測方法及びその装置
WO2015160968A1 (en) * 2014-04-15 2015-10-22 Open Range Consulting System and method for assessing riparian habitats

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Remote sensing analysis of riparian vegetation response to desert marsh restoration in the Mexican Highlands;Norman Laura 等;《Ecological Engineering》;20140620;第241-254页 *

Also Published As

Publication number Publication date
CN107145872A (zh) 2017-09-08

Similar Documents

Publication Publication Date Title
CN107145872B (zh) 基于gis缓冲区分析的荒漠河岸林空间分布获取方法
Liu et al. Spatio-temporal variation of oasis landscape pattern in arid area: Human or natural driving?
Leong et al. High-resolution pattern of mangrove species distribution is controlled by surface elevation
Liang et al. Using unmanned aerial vehicle data to assess the three-dimension green quantity of urban green space: A case study in Shanghai, China
CN112700358B (zh) 一种海洋生态桩监测的海洋空间资源智能监管系统
CN109272227B (zh) 一种基于遥感数据和地理信息系统的绿色矿山选址方法
Zhao et al. Extraction of long time series wetland information based on Google Earth Engine and random forest algorithm for a plateau lake basin–A case study of Dianchi Lake, Yunnan Province, China
Alphan et al. Monitoring environmental changes in the Mediterranean coastal landscape: the case of Cukurova, Turkey
CN113821925B (zh) 一种基于水生土三要素的湿地动态边界确定方法
Zhang et al. Spatiotemporal changes of wetlands in China during 2000–2015 using Landsat imagery
Li et al. Study on spatio-temporal evolution of habitat quality based on land-use change in Chongming Dongtan, China
Trolard et al. The PRECOS framework: Measuring the impacts of the global changes on soils, water, agriculture on territories to better anticipate the future
Cao et al. Drift path of green tide and the impact of typhoon “Chan-hom” in the Chinese Yellow Sea based on GOCI images in 2015
Sui et al. A high-resolution inland surface water body dataset for the tundra and boreal forests of North America
Frajer et al. The importance of historical maps for man-made pond research: From the past extent of ponds to issues of the present landscape. A case study from the Czech Republic
Zafar et al. Predictive modeling of regional carbon storage dynamics in response to land use/land cover changes: An InVEST-based analysis
Fergus et al. National framework for ranking lakes by potential for anthropogenic hydro-alteration
Zhipeng et al. Wetland mapping and landscape analysis for supporting international wetland cities: case studies in Nanchang City and Wuhan City
Tian et al. Spatio-temporal changes and driving force analysis of wetlands in Jiaozhou Bay
Jia et al. Spatio-temporal evolution of coastlines of sand-barrier lagoons over 26 years through historic Landsat imagery in Lingshui County, Hainan Province, China
Zhang et al. Simulation of the spatial stresses due to territorial land development on Yellow River Delta Nature Reserve using a GIS-based assessment model
Yu et al. The Comprehensive Management Zoning of Mountains, Rivers, Forests, and Farmlands Based on Element Recognition
Wang et al. Evaluating Ecosystem Service Value Changes of Mangrove Forests in Guangxi, China During 2016–2020
CN112686995B (zh) 一种红树林智能监管系统
Kharghoria et al. Detection of forest fragmented areas of Sonitpur, Lakhimpur, and Papum Reserve Forest using the FCD model

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201222

CF01 Termination of patent right due to non-payment of annual fee