Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种科尔沁沙地沙化动态监测系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国科学院沈阳应用生态研究所

摘要:本发明公开了一种科尔沁沙地沙化动态监测系统,其沙地沙化动态监测系统:遥感监测→地面监测→土壤含沙量比例数据监测→沙漠化综合指数→数据分析→预警系统。本发明利用Landsat遥感数据,基于光谱特征计算科尔沁沙地的植被指数;利用风蚀模型RWEQ,计算科尔沁沙地的风蚀模数;利用ASD光谱仪和GF‑5遥感数据获取土壤含沙量比例数据,其次使用土壤含沙量和土地利用数据,建立定量关系,计算土壤含沙量比例数据;使用层次分析法确定不同因子的权重,构建一个综合植被、动力和土壤因子的沙漠化综合指数,精准客观监测科尔沁沙地长时间序列沙化动态,解决了耗时耗力、主观性强和反映信息较为单一的问题,精准客观监测沙化动态变化。

主权项:1.一种科尔沁沙地沙化动态监测系统,其沙地沙化动态监测系统:遥感监测→地面监测→土壤含沙量比例数据监测→沙漠化综合指数→数据分析→预警系统,其特征在于:包括以下六个步骤:步骤一:遥感监测:遥感监测通过卫星遥感技术,对沙地进行定期监测,获取沙地的土地利用、覆盖、地形地貌、植被生长等信息,利用Landsat遥感数据,基于光谱特征计算科尔沁沙地的植被指数,植被指数包括归一植被指数NDVI、增强型植被指数EVI、土壤调整植被指数SAVI等。步骤二:地面监测:在地面设立监测站点,对沙地土壤、植被、气候等要素进行实时监测,获取更为准确的数据,利用风蚀模型RWEQ,计算科尔沁沙地的风蚀模数,收集生态环境数据,包括气象数据、土壤数据、地表覆盖数据、计算风蚀潜力、计算土壤可蚀性、计算地表覆盖因子、整合因素并计算风蚀模数。步骤三:土壤含沙量比例数据监测,用ASD光谱仪和GF-5遥感数据获取土壤含沙量比例数据,使用ASD光谱仪在每个采集土壤的光谱反射率数据,记录每个样点的光谱数据,并同步记录样点地理位置信息;使用GF-5遥感数据,获取覆盖科尔沁沙地的GF-5遥感影像,将地表划分为不同的土地利用类型,如草地、林地、裸地等;首先,确保影像质量良好,对GF-5遥感影像进行辐射定标、大气校正和几何校正等预处理步骤,以消除传感器和大气对影像质量的影响,得到地表反射率数据,从预处理后的遥感影像中提取与土壤含沙量密切相关的波段反射率数据。其次,将土壤含沙量和土地利用数据整合到一个地理空间框架中,确保土壤含沙量和土地利用数据具有相同的地理坐标系数和分辨率,再将地面实地测量建立的光谱与含沙量的关系模型或算法应用到GF-5遥感数据上,通过模型的推广或插值方法,得到整个研究区域的计算土壤含沙量比例数据以及土壤含沙量分布情况。再次,使用地面实地测量的含沙量数据对遥感估算结果进行验证,分析误差来源,并进行必要的修正,以提高遥感估算的精度。步骤四:沙漠化综合指数,通过使用层次分析法确定不同因子的权重,层次分析包括构建层次结构模型、构建判断矩阵、计算权重系数、一致性检验、计算综合指数;构建层次结构模型:1目标层:沙漠化综合指数,2准则层:植被因子、动力因子、土壤因子等,3指标层:每个准则下的具有指标,如植被覆盖率、风速、土壤类型等;构建判断矩阵:对于每一层的因子,通过两两比较的方式构建判断矩阵,通过1-9标度法来量化因子之间相对重要性,如:1:两个因子同等重要;3:一个因子比另一个因子稍微重要;5:一个因子比另一个因子明显重要;7:一个因子比另一个因子强烈重要;9:一个因子比另一个因子极端重要;中间值2、4、6、8用于表示相邻判断的中间值;计算权重系数:对于每个判断矩阵,基数按其特征值和特征向量,特征向量归一化后即为各因子的权重,可以使用软件工具,如MATLAB、Excel插件等,来辅助计算;一致性检验:为确保判断矩阵的合理性、需要进行一致性检验,计算一致性比例CR,其中CR=CIRI,其中CIConsistencyIndex是一致性指标,计算公式为CI=λmax-nn-1,其中λmax是判断矩阵的最大特征值,n是矩阵的阶数,RIRandomIndex是随机指标,其值取决于判断矩阵的阶数,可以通过查表获得,如果CR0.1则认为判断矩阵的一致性是可以接受的;计算综合指数:使用计算得到的权重和各个因子的实际数据,通过加权平均法计算沙漠化综合指数,公式如下:沙漠化综合指数=\sum{i=1}^{n}因子i的权重\times因子i的评价值。步骤五:所述将上述步骤收集到的遥感数据、地面数据、土壤含沙量比例数据、沙漠化综合指数经过统一的数据处理和分析,然后使用合适的模型,如地理信息系统GIS、空间统计模型、机器学习模型等,来分析和预测沙化的动态变化。步骤六:所述基于模型预测结果,建立沙化预警系统,当预测到沙漠化趋势加剧时,预警系统及时发出预警,以便于相关部门及时采取措施进行干预,为科尔沁沙地生态保护和恢复提供数据支持。

全文数据:

权利要求:

百度查询: 中国科学院沈阳应用生态研究所 一种科尔沁沙地沙化动态监测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。