中国物种物候和地面物候数据获取方法

物候学是研究自然界的植物(包括农作物)、动物和环境条件(气候、水文、土壤条件)的周期变化之间相互关系的科学。它的目的是认识自然季节现象变化的规律,以服务于农业生产和科学研究。 [3-4]  

物候既可指生物的周期性现象(如植物的发芽、开花、结实,候鸟的迁徙,某些动物的冬眠等)与季节气候的关系,也指自然界的非生物变化(如初霜、解冻等)与季节气候的关系。这门科学主要关心生物事件之变化在年循环里出现的日期

 该数据集提供了1951 - 2020年中国(18°N-54°N,72°E-136°E) 24种木本植物的栅格物候(SP)图和森林地面物候(GP)图,空间分辨率为0.1°,时间分辨率为1天。每个物种包括三个物候期,即初叶日期(FLD)、初花日期(FFD)和100%叶片着色日期(LCD)。

  数据质量:24个物种的SP图与中国的原位观测基本一致,FLD、FFD和LCD的平均误差分别为6.4、7.5和10.8 d。森林GP图与中国现有LSP产品具有较好的一致性,特别是在DF地区,FLD和LCD的GP与LSP的相关系数分别为0.91和0.84,差异分别为8.8天和15.1天。

  方法:基于中国物候观测网络(CPON)近70年的现场物候观测数据,采用3个春季物候模型(Unichill、Unified、Temporal-Spatial Coupling)和2个秋季物候模型(Multiple Regression、温度-光周期)对中国木本植物物候数据进行模拟和升级,生成中国木本植物的SP图。采用加权平均值(mean)、加权百分位数(pct50、pct20\80、pct10\90) 4种聚合方法,在SP图的基础上生成中国森林GP图。每个物种的权重由物种分布概率决定。

  数据集组成:该数据集包含1951 - 2020年中国24种木本植物SP年图(China_SP.zip)和森林GP年图(China_GP.zip),包括春季FLD、FFD和秋季LCD。每个地图都存储在一个GeoTIFF格式的16位带签名整数文件中,该文件包含一个二维(641行× 361列)的栅格。数据文件按“中国+物候(XXD) +物种/方法+年份(YYYY)”命名。例如,“China_FLD_Acer_pictum_2020.tif”是宏碁2020年FLD的SP图,“China_FLD_mean_2020.tif”是2020年加权平均FLD的GP图。物候数据的单位为儒略历日(DOY),表示从物候发生之日到当年1月1日的实际天数。有效值为1 ~ 366,无效填充值为-1。数据的空间参考系统为EPSG:4326 (WGS84)。

数据大小:84.31MB

时间:1951-2020

例:China_FFD_mean_2021.tif

基金:

National Key Research and Development Plan(Grant No.Grant No.2018YFA0606102)

“Strategic Priority Research Program” of the Chinese Academy of Sciences(Grant No.Grant No.XDA19020303)

National Natural Science Foundation of China(Grant No.Grant No.42271062)

 数据获取方法:

1951-2020年中国物种物候和地面物候数据 下载

--------------------------------------------------- 

 

在 ArcMap 中显示影像和栅格数据快速浏览

向 ArcMap 添加影像非常简单。在目录 窗口中导航至影像,然后将其拖放到 ArcMap 中的显示视图。

    各影像的图标将显示为几种图标中的一种,具体取决于影像的内容。

    金字塔和统计数据的创建有助于提高显示性能和视觉质量。建议在栅格数据显示之前预先构建金字塔和统计数据。不过,一般情况下,如果金字塔不存在,将会自动弹出一个消息框,提示您选择是否对其进行计算。选择“是”将会帮助提高显示速度。如果数据的统计数据不存在,将会根据影像的采样对其进行动态计算。统计数据有助于增强影像的显示。

    栅格产品实际上就是具有若干已知关联元数据的栅格数据集。它们是若干影像供应商所提供的标准产品,例如卫星影像产品(如 Landsat 或 QuickBird)。应用程序对多个波段进行组合以创建这些产品中的一种,这样,您可以更为方便地将那该数据添加到显示画面中。例如,以下面的栅格产品图标显示 Landsat 7 数据(请参见下图),展开后,您可以选择特定波段组合以添加到显示画面中。

    添加至 ArcMap 后,栅格数据集即显示在内容列表中。如果栅格数据集处于当前显示视图的范围内,您便可以看到影像信息。各优化显示参数(包括渲染器类型、拉伸类型、Gamma 和对比度)会根据数据的属性自动应用。因此,如果数据是一个单波段数据集,将应用灰度拉伸。如果该单波段具有一个色彩映射表,将使用色彩映射表渲染器。如果数据是一个多波段影像,将应用默认的 RGB 波段组合。如果这个输入具有所需的波长信息,将显示自然色波段组合。如果数据是一个栅格产品,各波段会自适应地命名。如果数据是一个镶嵌数据集,您可以查看构成数据集的多个图层。如果数据是一个栅格目录而且在显示画面中包含九个以上图像,则会显示为面要素(一个线框)。

    当添加到 ArcMap 时,栅格数据显示方式的默认设置参数可在 ArcMap 选项 对话框上进行修改。此外,当栅格数据添加到显示画面之后,您便可对每个渲染器进行修改以增强影像的显示效果。

    栅格图层的使用方法与 ArcMap 中其他图层的使用方法相同。您可在内容列表中移动栅格图层以调整显示顺序。可右键单击以缩放至各图层的范围。可以编辑显示属性。

    影像分析 窗口可为栅格图层的使用提供帮助。通过选择窗口顶部的图层,不同的选项将高亮显示,使您可以调整渲染以及进行一些处理。要打开该窗口,请单击窗口 > 影像分析。此窗口为可停靠窗口,可以在窗口内随意移动。

    在影像分析 窗口的显示部分,您可以更改影像的对比度或亮度、指定直方图拉伸方式以及使背景像素透明,从而以交互方式快速地对栅格图层的外观进行更改。

    通过闪烁图层  和 卷帘图层  工具,可更容易地对栅格图层和其他图层中的差异进行直观检查。

    当通过查找差异对栅格图层进行分析时,影像分析 窗口的处理部分非常有用。该部分提供了动态影像处理功能。其中包含可快速执行两个栅格图层间的差异计算的工具,您也可以通过单击按钮对数据集进行全色锐化。如果处理的是 DEM 数据,可使用“晕渲地貌”工具快速打开山体阴影并应用色带。其中一些工具可通过在图层可导出为栅格数据集的内容列表中创建新图层,来应用其算法。

    在内容列表中,您也可通过选择色带、更改波段组合、重新排序图层、重命名波段或图层、创建图层组等方法,对栅格的外观进行更改。

    通过单击内容列表中的波段颜色,可选择是否使其可见以及选择另一个波段。通过单击色带,可选择新的色带以及反向渐变颜色(从低至高,而非从高至低)。

    影像分析 窗口和内容列表中的很多功能也可通过各图层的“图层属性”对话框进行访问。

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
近年来,随着遥感技术的不断发展和应用,物候观测与提取方法也得到了广泛应用和研究。其中,主要的研究进展包括以下几个方面: 1. 基于时间序列的物候提取方法:时间序列分析方法是目前物候观测与提取中应用最广泛的方法之一。其主要思想是通过对时间序列数据进行分析,了解地表覆盖变化的规律和趋势。常用的方法包括时间序列平滑、时间序列分解和时序聚类等。 2. 基于机器学习的物候提取方法:机器学习方法可以通过对大量的遥感数据进行训练,建立模型,从而实现自动化的物候提取。目前,常用的机器学习方法包括支持向量机(SVM)、决策树和随机森林等。 3. 基于深度学习的物候提取方法:深度学习方法是近年来发展最为迅速的机器学习方法之一,其应用在遥感图像的物候提取中也取得了不错的效果。常用的深度学习方法包括卷积神经络(CNN)、循环神经络(RNN)和长短期记忆络(LSTM)等。 4. 基于多源数据物候提取方法:多源数据融合可以充分利用不同数据源的优势,提高物候提取的准确性和精度。目前,常用的多源数据融合方法包括数据融合和特征融合等。 总的来说,物候观测与提取方法的研究一直是遥感领域的重点之一。未来,随着遥感技术的不断发展和应用,物候观测与提取方法也将不断地得到改进和完善。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值