[发明专利]一种植被覆盖管理因子的动态评估方法在审
申请号: | 201910431621.8 | 申请日: | 2019-05-21 |
公开(公告)号: | CN110296942A | 公开(公告)日: | 2019-10-01 |
发明(设计)人: | 史志华;闫桦;王玲 | 申请(专利权)人: | 华中农业大学 |
主分类号: | G01N21/27 | 分类号: | G01N21/27;G06F17/50 |
代理公司: | 武汉知产时代知识产权代理有限公司 42238 | 代理人: | 易滨 |
地址: | 430000 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 管理因子 植被覆盖 植被覆盖度 动态评估 降雨侵蚀力 预处理 高时空分辨率 遥感影像数据 产品数据 数据融合 土壤流失 卫星影像 栅格数据 降水量 多源 水土保持 影像 | ||
1.一种植被覆盖管理因子的动态评估方法,其特征在于,主要包括以下步骤:
S1、多源遥感影像数据的收集:下载研究区域目标研究年份中每月的MODND1T影像数据D1多幅以及高分2号卫星影像数据D2一幅;
S2、D2的预处理:采用ENVI软件对S1中的所述D2进行预处理;
S3、计算D2的植被覆盖度:采用ENVI软件中的MNF变换,提高S2中的D2的信噪比,利用纯净像元指数(PPI)法提取D2的纯净像元并获取典型地物光谱,利用线性波谱分离(LSU)计算地物中植被的丰度,得到D2的植被覆盖度;
S4、计算每幅D1的植被覆盖度:采用ENVI软件中的像元二分模型分别将S1中的每幅所述D1中的NDVI转化为植被覆盖度,以分别得到每幅D1的植被覆盖度;
S5、计算每幅D1的植被覆盖度差异:利用ArcGIS软件中的栅格计算器工具箱将S4的多幅所述D1的植被覆盖度分别与S3中的所述D2的植被覆盖度进行作 差运算,得到目标研究年份一年中每幅D1的植被覆盖度差异;
S6、计算高精度月MODND1T数据的植被覆盖度:将S5中的多幅D1的植被覆盖度差异分别与S3中的所述D2的植被覆盖度进行相加运算,即得到每月的高精度月MODND1T数据的植被覆盖度;
S7、计算月降水量栅格数据:下载研究区域目标研究年份中每月的月降水量数据,利用ArcGIS软件中的克里格插值法对研究区域目标研究年份中每月的月降水量数据进行空间插值,得到研究区域目标研究年份中每月的月降水量栅格数据;
S8、计算月降雨侵蚀力和年降雨侵蚀力:根据S7中所述月降水量栅格数据计算研究区域目标研究年份中每月的月降雨侵蚀力和年降雨侵蚀力,其公式为:
这式中,R年--年降雨侵蚀力,MJ·mm/·hm2·h;
0.0125Pt1.6295--某月的月降雨侵蚀力,MJ·mm/·hm2·h;
Pt--某月侵蚀性降水总量,≥12mm,mm;
t--月份;
S9、计算月降雨侵蚀力比:根据S8中的所述月降雨侵蚀力和所述年降雨侵蚀力,计算研究区域目标研究年份中的每月的月降雨侵蚀力比,其计算方法为:月降雨侵蚀力比=每月降雨侵蚀力/年降雨侵蚀力;
S10、计算月土壤流失率:利用ArcGIS软件中的栅格计算器将S9中的每月的所述月降雨侵蚀力比与S6中得到的对应月份的所述高精度月MODND1T数据的植被覆盖度一一对应的进行加权运算,得到对应月份的月土壤流失率,其运算公式为Y=log(-0.043*X),
这式中,Y--月土壤流失率,%;
X--高精度月MODND1T数据的植被覆盖度,%;
S11、植被覆盖管理因子集的获取:利用ArcGIS软件中的栅格计算器将S10中的每月的所述月土壤流失率与S8中得到的对应月份的所述月降雨侵蚀力一一对应的进行加权运算,得到多个月植被覆盖管理因子,并将多个所述月植被覆盖管理因子进行整理,即可得到研究区域目标研究年份的植被覆盖管理因子集,其中,运算公式为C=SLR1*Ratio1+SLR2*Ratio2+SLRn*Ration+…+SLR12*Ratio12,
这式中,C--植被覆盖管理因子;
n--月份;
SLRn--第n个月的土壤流失率,%;
Ration--第n个月的降雨侵蚀力比例,%。
2.根据权利要求1所述的一种植被覆盖管理因子的动态评估方法,其特征在于,S1中所述D1的空间分辨率为500m,时间分辨率为10d。
3.根据权利要求2所述的一种植被覆盖管理因子的动态评估方法,其特征在于,S1中所述D1的下载方式为:在研究区域目标研究年份的每个月下载三幅所述D1,并连续选取十二个月的所述D1进行下载,共得到三十六幅所述D1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中农业大学,未经华中农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910431621.8/1.html,转载请声明来源钻瓜专利网。