12 kV环保气体绝缘环网柜电场分析及优化设计

近年来,环保气体作为SF 6的替代气体用于电力设备上成为了国内外的研究热点。为解决12 kV环保气体绝缘环网柜的放电问题,提出了金属均压罩和均压绝缘套两种优化设计方案加强环网柜绝缘薄弱部位,通过仿真分析对比了两种优化方案的电场分布情况,确定采用均压绝缘套方案作为最终的绝缘优化方案。

基于作物生长模型参数调整动态估测夏玉米生物量

针对如何利用作物生长模型定量解析区域夏玉米生物量动态变化的热点问题,该文在沿东海岸的江苏省盐城市大丰区设置大田夏玉米生物量估测试验,在构建夏玉米生物量过程模拟模型的基础上,对夏玉米多个生育阶段的生物量(指地上部生物量)及其变化特征进行分析,并结合试验实测数据探讨利用实测叶面积指数和生物量数据调整生物量模拟模型参数的可行性。结果表明:夏玉米生物量过程模拟模型可以对夏玉米从出苗到灌浆期间的多个生育阶段生物量动态变化进行估测。出苗到拔节前的生长阶段,生物量积累主要来源于叶片形成,模拟模型可以对生物量进行有效预测,预测值与实测值之间的均方根差(root mean square error,RMSE)为18.31 kg/hm^2,相对误差为3.35%。拔节到抽雄前的生长阶段,由于茎节伸长与节数增加,生物量积累加快,预测值与实测值之间的差异较大。拔节初期生物量预测值为535.5 kg/hm^2,实测值为480 kg/hm^2,相对误差11.56%。抽雄前生物量预测值为7 036.46 kg/hm^2,实测值为5 794 kg/hm^2,相对误差21.44%。拔节到抽雄前生长阶段预测值与实测值之间的RMSE为825.94 kg/hm^2。经过模型参数调整,抽雄前生物量预测值为6 036 kg/hm^2,与实测值较为接近,RMSE为219.43 kg/hm^2,相对误差4.18%。利用参数调整后的模拟模型继续对抽雄到灌浆前生长期间生物量进行预测,预测值与实测值较为一致,灌浆期生物量预测值为11 156 kg/hm^2,实测值为10 785 kg/hm^2,相对误差3.44%,而参数调整前预测值为12 492 kg/hm^2,相对误差15.83%。在玉米拔节期进行模型参数调整,对拔节到抽雄和抽雄到灌浆2生长阶段的生物量预测效果较好。该研究可为县域夏玉米不同生长阶段生物量及其动态变化预测提供参考,可辅助县域农业管理部门进行适时生产措施调整。

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。

不同灌溉条件下冬小麦冠层含水量的光谱响应

【目的】寻找快速、无损地诊断冠层含水量的方法,对冬小麦长势监测、旱情评估及变量灌溉提供技术支持。【方法】基于田间变量灌溉试验,分析生育期、灌溉量对冬小麦冠层含水量的影响,解析冠层光谱对不同灌溉处理下冠层含水量的响应规律,以冠层等效水厚度(EWTc)为表征指标,基于连续小波变换(CWT)技术,构建冬小麦冠层等效水厚度光谱诊断模型,利用独立样本验证模型精度。【结果】冬小麦冠层等效水厚度在生育后期均随着灌溉量的增多而增加,并随着生育进程的推进而减少;冬小麦冠层光谱反射率随着生育进程的推进而降低,在近红外和中红外波段冠层光谱反射率均表现为1水>0.5水>0水;与原始冠层光谱反射率相比,经连续小波变换后的小波系数与冠层等效水厚度相关性在第1、2、3、5、6、7分解尺度均有不同程度的提高,提高幅度在8.40%—26.20%;以第6尺度2 400 nm、第2尺度1 596 nm和第7尺度2 397 nm构建的冠层等效水厚度光谱诊断模型稳定性和精度较好,验证样本决定系数R^2为0.5411,RMSE为0.0127 cm。【结论】冬小麦冠层含水量随着灌溉时间与灌溉量发生规律性变化,在水分敏感波段范围内呈现明显的光谱响应特征,连续小波变换技术可以有效提高冠层光谱特征参量与冠层等效水厚度的相关性,实现冬小麦冠层含水量光谱诊断,可以为冬小麦田间变量灌溉决策提供技术支持。

基于改进分离阈值特征优选的秋季作物遥感分类

为了提高秋季作物分类精度,以多时相的Sentinel 2为数据源,以生育进程相近的秋季作物为分类对象,提出一种基于Relief F算法和信息熵改进分离阈值算法(Modified ISEaTH based entropy,EMISE)的多评价准则融合特征优选算法——改进分离阈值组合式特征优选算法(Modified EMISE based Relief F,ReEMISE),并分析了不同特征对秋季作物分类的重要性。首先,利用Relief F算法对特征进行初选,结合EMISE算法对2种评价准则进行融合,再优化初选特征集,进而利用随机森林(Random forest,RF)方法提取农作物种植面积,并与单评价准则的Relief F算法和EMISE算法的随机森林分类精度进行比较。同时,利用多时相光谱特征、传统指数特征、红边指数特征、纹理特征、不同时相波段差值特征、不同时相波段比值特征及优选特征,通过7组不同的特征组合提取秋季作物种植面积,分析不同特征组合对秋季作物分类精度的影响。结果表明:ReEMISE特征优选的随机森林法在特征变量为9个时精度最高,总体精度和Kappa系数分别为95.3918%和0.9397;综合多特征是提高农作物分类精度的关键,在多时相光谱特征基础上分别加入传统指数特征和红边特征,总体精度分别提高1.5021、1.5715个百分点,Kappa系数分别提高0.0198、0.0207。因此综合多特征的ReEMISE特征优选的随机森林法可以有效提高秋作物分类精度和效率。

表征冬小麦倒伏强度敏感冠层结构参数筛选及光谱诊断模型

针对倒伏胁迫下冬小麦冠层结构变化规律不清、冠层光谱响应机理不明的问题,以灌浆期倒伏冬小麦为研究对象,分析不同倒伏强度下冬小麦冠层结构参数变化规律,通过光谱探测视场内的茎、叶、穗面积比率与倒伏角度的相关性分析,筛选出表征倒伏强度的敏感冠层结构参数,采用传统光谱变换方法与连续小波变换方法对倒伏冬小麦冠层高光谱数据进行处理分析,筛选冠层结构参数的敏感波段和小波系数,采用偏最小二乘法构建冠层结构参数与高光谱特征参量的响应模型,并利用野外实测样本验证模型精度(建模集样本28个,验证集样本13个)。研究结果表明:倒伏后的冬小麦茎叶比与倒伏角度的相关性最高(-0.687,P<0.01),能较好地表征冬小麦倒伏强度,且茎叶比随着倒伏角度的减小而增加;基于连续小波变换的冬小麦倒伏灾情诊断模型优于常规光谱变换方法,检验样本的决定系数为0.632(P<0.01);以冠层茎叶比预测结果进行倒伏灾情等级划分的精度可达84.6%。因此,不同倒伏强度的冠层茎叶比与冬小麦冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的冬小麦倒伏灾情遥感监测提供先验知识。

倒伏胁迫下玉米抽雄期叶面积密度光谱诊断

【目的】叶面积密度(leaf area density,LAD)反映作物在垂直方向上体积内叶面积总量的差异,体现作物冠层内叶面积随着高度变化的分布状况。本文旨在探索玉米叶面积密度对于倒伏胁迫强度的表征能力及其光谱响应规律。【方法】以抽雄期倒伏夏玉米为研究对象,获取倒伏后玉米多期LAD及冠层光谱数据,对倒伏玉米冠层光谱进行一阶微分和小波变换处理,根据LAD与冠层光谱一阶微分及小波分解系数的相关性分析,筛选LAD敏感波段和最佳小波分解尺度,采用偏最小二乘法构建倒伏玉米LAD光谱诊断模型,并利用实测样本验证模型精度。【结果】玉米LAD随着倒伏胁迫程度的增强而增大,LAD可有效表征玉米倒伏胁迫强度及其自身恢复能力;玉米倒伏后冠层结构发生较大变化,倒伏玉米冠层光谱反射率较正常玉米整体增高,近红外波段的增幅相比可见光波段更高,倒伏强度越强则光谱反射率越高;LAD敏感波段主要分布在蓝光波段354—442、472—495 nm和红光波段649—829 nm以及近红外波段903—1 195 nm和1 564—1 581 nm;同一阶微分处理相比,基于连续小波变换的玉米倒伏LAD诊断模型的验证R^2提高6.08%—9.11%,RMSE降低23.08%—31.63%;小波分解尺度对LAD诊断精度有一定的影响,中低尺度模型精度优于高尺度模型,其中第5尺度构建的模型对LAD的拟合效果最优(R^2=0.898,RMSE=1.016)。【结论】利用连续小波变换技术对玉米冠层高光谱解析,可有效诊断倒伏胁迫下的玉米叶面积密度,可以为玉米倒伏胁迫灾情遥感监测提供必要的先验知识。

基于潮汐规律修正的海岸线遥感监测

针对海岸线研究提取时难以去除潮汐的影响的问题,提出了利用潮汐规律修正海岸线的方法。以青岛地区为例,基于Landsat数据利用修正归一化水体指数提取了水边线,分析了潮汐规律对海岸水边线信息提取的影响,结合海岸高程数据提出了潮位校正方法。最后基于提取的长时间序列海岸线分析了青岛地区1979-2019年海岸线时空格局变化。结果表明,利用潮汐规律进行潮位校正的方法可行且精度较高;近40年间青岛地区海岸线共向海洋推进158km2,变化活跃区域呈现由胶州湾向青岛南部转移的趋势。

基于EFAST方法的WOFOST作物模型参数敏感性分析

作物生长模型广泛应用于作物长势监测和产量预测。为了有效识别作物模型关键参数,减少模型模拟的不适用性,选取河北省藁城市2009—2010年冬小麦作为研究对象,应用扩展傅立叶振幅灵敏度检验法(EFAST),对WOFOST模型26个作物参数进行敏感性分析。结果表明,生育期为0.5和1.0时的比叶面积(SLATB1和SLATB2),出苗到开花期的积温(TSUM1),35℃时叶面积的生长周期(SPAN),20℃下单叶有效光能利用率(EFFTB3)和最大CO2同化率在30℃的校正因子(TMPF4)等6个参数的敏感性指数均大于0.1,说明对产量形成的贡献较大。研究证明,基于扩展傅立叶幅度检验法(EFAST)的敏感性分析对模型修正具有指导意义,可为模型参数"本地化"提供重要依据。

基于连续小波变换定量反演冬小麦叶片含水量研究

为了解连续小波转换对利用冬小麦冠层高光谱数据反演叶片含水量精度的提高效果,以河北省衡水市安平县为研究区,基于野外高光谱数据,提取、筛选其光谱特征敏感波段,应用光谱指数、连续小波变换进行光谱处理,并采用偏最小二乘法构建冬小麦叶片含水量的定量反演模型。结果表明,连续小波变换可明显凸显冬小麦冠层光谱特征,提升其对叶片含水量的敏感性。在连续小波变换下,基于1尺度构建的冬小麦叶片含水量的反演模型为最优模型,模型的决定系数(r2)和RMSE分别为0.756和0.994%,独立样本验证时r2和RMSE分别为0.766和1.713%,说明反演模型的拟合效果和预测精度均较高。因此,利用连续小波变换可将冠层光谱信息进行二次分配,能有效将有益信息与噪声信息进行分离,提升光谱信息对冬小麦叶片水含量的敏感性,增强冬小麦叶片水含量的预测能力与稳定性。

基于改进CDAG云检测算法的Landsat8 OLI云雪识别

云检测阈值自动生成(CDAG)算法是一种自动生成阈值的云检测方法,这种方法是使用预先准确确定出云和晴空像元的AVIRIS高光谱数据模拟出不同传感器的云和晴空像元数据,据此生成它们的云检测阈值。这种方法具有自动化程度高、云检测效果好等优点。但是在原数据库的构建中,由于AVIRIS数据集中雪像元较少,导致云和雪的识别存在较大的误差。为了解决该问题,从待测数据中提取大量不同类型的雪像元,加入模拟得到的多光谱数据集中,生成新的云检测阈值,阈值生成中使用了单波段反射率、多波段反射率组合参数等作为云检测算法的输入参数。使用2013—2017年青藏高原地区多景典型Landsat8陆地成像仪(Operational Land Imager,OLI)影像进行实验验证。结果显示,在积雪覆盖的区域平均云像元识别正确率达到93.11%,对包括雪在内的晴空像元的漏判率降低到4.35%,表明此方法能有效避免雪的影响,实现高精度的云检测。

中国近10年SO2时空格局变化遥感监测

开展近地表大气中的二氧化硫浓度长时序空间格局动态变化监测,对于保护生态环境、评估节能减排成效具有重要意义。该文利用OMI L3 SO2产品数据分析2008-2017年近地表中国区域SO2柱浓度的年际、季相、月际及空间变化特征,并与SO2排放量统计数据进行对比分析,结果表明:(1)从年际变化来说,2008-2017年中国SO2柱浓度总体呈下降趋势,于2016年下降至最低值,2017年SO2柱浓度与2016年持平,2008-2017年OMI SO2柱浓度与国内SO2排放量相关系数可达0.74;(2)在空间分布上,中国中东部地区SO2柱浓度较高,尤其是京津冀及其周边地区,而西部地区SO2柱浓度普遍较低,如西藏、青海、新疆等地区;(3)从各年份SO2柱浓度分布情况可以得出,自2012年起全国SO2柱浓度高值区范围逐年缩小,京津冀及山东地区高值区范围缩小程度最为明显,至2015年全国已不存在SO2柱浓度高值区;(4)从季相变化来看,SO2柱浓度高低排序为:冬季>秋季>春季>夏季;SO2柱浓度月均值呈现以年为周期的波动形式,SO2柱浓度最低值一般出现在每年的5-7月,最高值一般出现在11、12、1、2月,与季度变化趋势相一致。近10年来中国制定了许多环保政策,加大了环保治理力度,如节能减排,淘汰落后产能,优化产业结构,近地表大气SO2柱浓度不断下降的时序遥感监测结果充分证明了中国近年来在环保领域所取得的重大进步。

基于多时相Sentinel-2影像的棉花雹灾时序变化遥感监测

近年来全球变暖导致强对流天气日益加剧,冰雹灾害已成为农业生产的主要灾害之一。开展棉花冰雹灾情遥感评估对防灾减损、保险理赔、种植结构调整均具有重要意义。以2019年8月23日新疆准噶尔盆地西南部的奎屯河流域的棉花雹灾为研究对象,基于野外实测样本和雹灾前后多时相Sentinel-2遥感影像数据,分析雹灾前后的多种植被指数的动态变化规律,筛选能有效表征雹灾灾情的敏感植被指数差值特征组合,利用逻辑回归、决策树、梯度提升决策树、随机森林4种机器学习算法自动提取棉花雹灾的受灾范围与灾情等级,并利用野外实测样本进行精度对比分析。结果表明:单一植被指数中NDVI对雹灾的指示效果最佳,总体精度为84.39%,Kappa系数为0.75;多时相植被指数差值组合对雹灾的指示性显著优于单一植被指数;结合雹灾前后的植被指数差值时序特征,8月30日与8月20日差值对雹灾的指示性明显强于8月25日与8月20日的差值,说明雹灾灾情等级遥感监测有必要考虑灾后棉花植株的自我恢复能力,待灾情稳定后监测为宜;利用灾前灾后多种植被指数差值组合和随机森林分类算法的棉花雹灾灾情等级监测效果最佳,总体精度达到了89.51%,Kappa系数为0.83。基于多时相Sentinel-2影像能有效评估棉花雹灾的受灾范围以及灾情程度。

低温冷害胁迫下的多熟水稻产量遥感监测

低温冷害是影响水稻产量主要气象灾害之一。开展低温冷害胁迫下的水稻产量遥感监测对于水稻优良品种推广、农艺救灾防灾以及农业保险精准理赔具有重要意义。以南方多熟水稻低温冷害为研究对象,在多时相遥感影像的支持下,结合地面实测水稻单产样本数据,构建多时相协同的多熟水稻产量监测模型,实现地块尺度的低温冷害影响下水稻产量遥感监测与空间制图。研究结果表明:低温冷害发生时所处水稻的生育期不同,对产量影响程度具有较大差异。中稻在灌浆中期遭遇低温冷害后的影响相对较小,平均产量约6637 kg/hm^(2),减产幅度近20%;早熟晚稻在抽穗期遭受低温冷害后产量明显低于中稻,平均产量4143 kg/hm^(2),减产幅度近45%;晚熟晚稻在拔节期遭受持续低温冷害后产量影响最大,平均产量仅1541 kg/hm^(2),远低于往年产量水平,减产幅度近80%。利用实割实测样本单产数据与哨兵数据多个关键物候期NDVI构建回归模型,R2均大于0.75,并利用实测样本单产数据进行精度交叉验证,MAPE均小于10%。该方法借助少量地面资料,可以较高精度地测算多熟水稻在遭受低温冷害的情况下的单产信息,为复杂条件下水稻低温冷害灾情评估提供了新的思路。

基于多时相协同变化检测的耕地撂荒遥感监测

针对地表覆被复杂、地块破碎等原因导致的撂荒地提取精度较低问题,提出一种基于多时相协同变化检测的耕地撂荒信息提取方法。以河北省石家庄市鹿泉区为研究区,采用Sentinel-2A和Landsat 7多光谱影像,在野外样本的支持下,分析耕地各种覆盖类型的归一化植被指数(Normalized Difference Vegetation Index,NDVI)季相变化规律,以季节性撂荒、常年性撂荒、冬小麦、多年生园地为分类体系,构建多时相协同变化检测模型,开展研究区耕地撂荒状态遥感监测。研究结果表明:基于Sentinel-2A影像的季节性撂荒和常年撂荒耕地的分类精度分别为95.83%和96.55%;基于Landsat 7影像的季节性撂荒和常年撂荒耕地的分类精度分别为91.67%和93.10%;2019年鹿泉区季节性撂荒占耕地面积的4.7%,常年撂荒耕地占7.1%。利用该方法能够快速、准确地获取研究区耕地空间分布、面积等信息,对于不同分辨率的影像均具有较好的撂荒地提取精度。

不同生育期倒伏胁迫下玉米叶面积指数高光谱响应解析

为研究倒伏胁迫下不同生育期LAI高光谱响应模型,提高LAI高光谱响应模型精度,获取不同生育期倒伏玉米LAI与冠层光谱反射率,采用6种传统变换方式对高光谱反射率进行处理,构建不同生育期倒伏玉米LAI分期与统一响应模型。研究结果表明:LAI能够直接反映玉米受倒伏胁迫程度及自身恢复能力;传统光谱变换有利于提高光谱同LAI的敏感性及模型响应精度;不同生育期倒伏玉米LAI分期响应模型优于统一响应模型。该结果可有效诊断倒伏胁迫下的玉米叶面积指数,为实现不同生育期倒伏玉米长势精确监测提供理论依据和技术支撑,对玉米倒伏胁迫灾情监测可提供必要的先验知识。

利用Beer-Lambert消光定律遥感反演玉米叶面积指数

利用遥感技术反演大范围玉米叶面积指数,对于田间肥水管理、长势监测乃至产量预测具有重要意义。在野外实测样本的支持下,获取玉米抽雄期的Landsat-8多光谱影像,引进Beer-Lambert定律,利用最小二乘法分析玉米冠层结构的消光系数,构建玉米叶面积指数遥感反演模型,最后采用交叉验证法评价模型精度。结果表明:玉米抽雄期NDVI、LAI呈较明显的正相关关系;基于Beer-Lambert定律的玉米叶面积指数遥感反演模型决定系数可达0.97,LAI空间分布状况与当地农业技术推广部门掌握的玉米实际生长状况基本一致,说明利用Beer-Lambert消光定律方法可以有效地反映玉米群体结构对光照的影响,据此开展玉米叶面积指数遥感反演具有较高的可行性。

先验终端像元库支持下的GF-4多光谱影像自动云检测

高分四号卫星是我国第一颗地球同步轨道遥感卫星,以其高频、宽幅的特点,可为我国农业、林业、减灾、气象、环保和水利等应用提供快速、稳定的光学遥感影像.高效的影像自动云检测有助于进一步提高高分四号影像的利用效率。CDAG(Cloud Detection Algorithm-Generating)是一种基于像元组分光谱分析的自动云检测算法,能有效降低混合像元、复杂表面结构和大气等因素的影响。为了探索CDAG算法对于高分4号多光谱影像(GF4-PMS)的云检测应用能力,首先,从高光谱影像(AVIRIS)上选取不同的云类型和各种地表覆盖类型,建立云像元库和地物像元库;其次,基于高光谱像元库和GF4-PMS传感器光谱响应函数模拟出多光谱影像像元库;然后,根据碎云、薄云、厚云及非云像元的光谱差异性分析,将GF4-PMS影像的待检测像元与终端像元进行相似概率分析,实现基于最佳阈值自动迭代的GF4-PMS影像云检测;最后,从云像元正确率、晴空像元正确率、误判率、漏判率等多个指标进行云检测精度验证。结果表明:AVIRIS影像可以有效提取适用于GF4-PMS影像云检测的终端像元库,基于CDAG算法能较好地识别GF4-PMS影像上各种类型的云,对于不同时相、不同下垫面的碎云、薄云、厚云的检测精度可达90%以上。因此,基于先验终端像元库的云检测法对于提升GF4-PMS影像的利用效率具有较好的应用价值。

基于小波技术定量反演多种果树叶片叶绿素含量的研究

以“红叶碧桃”“大金星山楂”“红柿”的果树冠层叶片为试材,通过野外实地试验获取叶片高光谱数据与相应SPAD数据;采用传统数学变换、小波变换处理分析光谱数据,并利用偏最小二乘算法构建叶绿素含量估测模型,研究精准检测多种果树叶绿素含量的方法,分析小波技术分离光谱信息的规律,以期为多种果树的同步精细管理提供参考依据。结果表明:1)小波技术可将不同强度的吸收特征进行二次分配,光谱吸收特征逐步从低频信息转移至高频信息内,且高频信息内涵的吸收特征强度随分解尺度的增加而逐渐增加;2)与原始光谱相比,数学变换、小波技术均能明显提升光谱数据对叶绿素含量的敏感性,二者与叶绿素含量的R^(2)最高可达0.879(位于H_(8)的479 nm处);3)在基于光谱构建的叶绿素含量估测模型中,以小波技术H构建的模型精度最高,为最优模型,其验证样本的R^(2)=0.941,RMSE=0.227,RPD=4.019,这表明利用光谱技术开展多种果树叶片叶绿素含量的精准检测可行且精度较高。

Measurement of ecological capital of Chinese terrestrial ecosystem based on remote sensing

The biosphere of the Earth is essential to human survival and development.The services of ecosystems are critical to the functioning of the Earth’s life-support system.They contribute to human welfare both directly and indirectly.Ecological capital refers to the sum of the direct biological resources value and the indirect ecosystem services value.It is necessary to estimate the ecological capital in order to bring it to the society and market economic system,and draw the social attention to ecological environment constructions.An estimation model for eco-logical capital based on remote sensing is presented in this paper.The parameters in the model are quantitatively measured using NOAA/AVHRR and other ancillary data,including the land cover types,the vegetation coverage,and the vegetation net primary productivity(NPP)of ter-restrial ecosystem.Based on the economic parameters in previously published studies and a few original calculations,the annual ecological capital of the entire terrestrial ecosystem of China is quantitatively estimated at 6.44 trillion(10^(12))yuan(RMB),and the spatial distribution of the eco-logical capital is also analyzed.Traditional ecological methods to ecological capital measurement are based on homogeneous plot scales,and the regional scaling is a key problem in their appli-cations.As the proposed remote sensing approach,it provides a new method to ecological capital measurement completely based on observation data.It can not only overcome the re-gional scaling problem easily,but also allows the ecological capital to be estimated objectively and spatial-explicitly.