项目名称: 基于多角度遥感信息的土壤侵蚀模型植被覆盖与管理措施因子C定量反演研究

项目编号: No.31200534

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 林学

项目作者: 林杰

作者单位: 南京林业大学

项目金额: 23万元

中文摘要: 植被是影响土壤侵蚀最敏感的因子之一,USLE、RUSLE和EPIC模型中均将其作为重要参数。因此,各种侵蚀模型中植被覆盖因子的确定是水土保持研究的一个热点问题。近年来众多学者利用植被指数提取植被覆盖度进而估算植被覆盖因子C值,而植被覆盖度仅单一的从水平方面反映植被信息,忽略了植被垂直结构对土壤侵蚀的影响,降低了反演的精度。另一方面,单一方向遥感数据只能提供一个方向的数据,缺乏足够的信息表征地表植被结构,针对上述两个难题,本项目拟选用能高度概括植被水平覆盖与垂直结构特性的叶面积指数作为参量,利用多角度遥感数据及物理模型,建立多角度LAI的反演方法。研究不同植被结构土壤侵蚀速率、植被覆盖管理措施因子C与LAI的响应规律。探索构建基于多角度叶面积指数的植被覆盖与管理措施因子C量化耦合模型,从而实现土壤侵蚀模型中植被覆盖管理措施因子C的多角度定量遥感反演,为区域土壤侵蚀定量遥感监测提供新途径。

中文关键词: 土壤侵蚀;植被覆盖与管理措施因子C;遥感;叶面积指数;多角度

英文摘要: Vegetation cover is one of the most crucial factors affecting the intensity of soil erosion and considered as an important parameter in the soil erosion model such as USLE,RUSLE and EPIC .Therefore, assessment of the vegetation cover and management factor (C factor) is one of the key topic in soil and water loss. In recent years, vegetation Fractional Cover is widely used to estimate C factor for the USLE model. However, soil erosion does not only depend on vegetation coverage, but also on vegetation type and vegetation structures (e.g. canopy cover, shrub, litter fall, plant root). Moreover, uni-directional data from single-angular remote sensing could not describe vegetation structures. To address these questions, We select leaf area index (LAI) as input factor, which integrates vegetation horizontal and vertical structure, then establish the LAI retrieval method based on multi-angular data and physical model. Finally, the response relationship of LAI as function of vegetation cover, C factor and the soil erosion rate will be investigated. Our objective of this project is to inverse the quantity coupling model for the C factor and LAI, so as to inverse vegetation cover and management factor C using multi-angular remote sensing and present a new method for quantifying the regional soil erosion using remote sen

英文关键词: soil erosion;c factor;remote sensing;multi-angular;LAI

成为VIP会员查看完整内容
0

相关内容

空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
61+阅读 · 2021年6月11日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
33+阅读 · 2021年2月7日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
严望佳建议:建立权威数字经济指数,引领数字化高质量发展
CCF计算机安全专委会
0+阅读 · 2022年3月5日
空间数据智能:概念、技术与挑战
专知
8+阅读 · 2022年2月4日
解读:《金融数据安全 数据安全评估规范》
THU数据派
6+阅读 · 2022年1月18日
图嵌入模型综述
专知
3+阅读 · 2022年1月17日
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
「时空数据分析」综述论文,44页pdf
专知
9+阅读 · 2021年3月20日
AI如何帮助卫星遥感释放价值?
未来论坛
19+阅读 · 2018年8月8日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
SkiQL: A Unified Schema Query Language
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
Arxiv
11+阅读 · 2018年5月21日
小贴士
相关主题
相关VIP内容
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
专知会员服务
52+阅读 · 2021年10月1日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
61+阅读 · 2021年6月11日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
33+阅读 · 2021年2月7日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
严望佳建议:建立权威数字经济指数,引领数字化高质量发展
CCF计算机安全专委会
0+阅读 · 2022年3月5日
空间数据智能:概念、技术与挑战
专知
8+阅读 · 2022年2月4日
解读:《金融数据安全 数据安全评估规范》
THU数据派
6+阅读 · 2022年1月18日
图嵌入模型综述
专知
3+阅读 · 2022年1月17日
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
「时空数据分析」综述论文,44页pdf
专知
9+阅读 · 2021年3月20日
AI如何帮助卫星遥感释放价值?
未来论坛
19+阅读 · 2018年8月8日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员