激光雷达、多光谱和热红外数据是水文、生态、环境监测等研究领域的重要观测数据。本数据集为2020年黑河中游天地一体化综合观测试验无人机观测数据。数据集包括2020年8月16日至21日的无人机遥感数据,无人机平台为大疆精灵4-多光谱版。包括大满超级站(8月16日至21日)、花寨子站(8月19日)、湿地站(8月21日)的激光雷达数据,激光扫描系统为Tovos DroneScan,扫描频率30万点/秒,点密度100点/平方米,扫描精度5厘米;大满超级站(8月18日)、花寨子站(8月19日)、湿地站(8月21日)的多光谱数据,数据集包括5个波段影像,分别为蓝(450nm±16nm)、绿(560nm±16nm)、红(650nm±16nm)、红边(730nm±16nm)、近红外(840nm±26nm)波段;以及湿地站和花寨子站对应生成的NDVI和反射率数据产品,以上数据的空间分辨率约为0.2m;此外,还包括花寨子站(8月18日和19日)、湿地站(8月21日)的热红外数据,热红外通道的波长范围:7.5-13.5μm,成像系统灵敏度(NEDT)< 50MK,最高帧率:30HZ,场景范围(高增益):640×512: -25°至135℃,336×256: -25°至100℃,场景范围(低增益):-40°至550℃。
晋锐
地表反照率是地表能量平衡的重要参量之一。本数据集为2020年植被生长季(6-10月)逐月的黑河流域典型站点无人机遥感地表反照率数据(花寨子站8月份的数据由于实验开展的技术问题缺失)。地表反照率算法为统计回归方法,即基于6S模型和大量的典型地物光谱反射率数据,建立的从窄波段反射率到宽波段反照率的经验回归模型。将该回归模型应用于无人机多光谱遥感传感器获得的地表反射率,最终得到0.2 m空间分辨率的地表反照率数据。本数据集经过了辐射定标、几何校正,与地面站点实测数据的验证结果显示,均方根误差为0.029。本数据集提供了超高分辨率的地表反照率数据,可以作为卫星遥感尺度和地面观测尺度之间的“桥梁”,并为从事高分辨率和超高分辨率遥感数据工作的科研工作者提供数据支持。
刘绍民, 周纪, 董惟琛
归一化植被指数结合了不同波段的光谱信息,在研究植被长势、地物分类方面有重要作用。本数据集为2020年6-10月的黑河流域典型站点无人机遥感NDVI(Normalized Differential Vegetation Index)数据,空间分辨率为0.2 m。NDVI数据获取流程为将无人机拍摄后的单幅影像通过Pix4D mapper进行拼接,并由Pix4D mapper自动进行拼接和影像的植被指数计算。
刘绍民, 周纪, 金子纯, 王子卫
地表温度是地表能量平衡的重要参量之一。本数据集为2020年6-10月逐月的黑河流域典型站点无人机遥感地表温度数据;飞行使用大疆M600 pro无人机搭载WIRIS Pro Sc热像仪,分别以湿地内的SD站、绿洲内的DM站和荒漠内的HZ站为中心,观测了地表温度获取了地表亮温图像,无人机的飞行高度约300m,热像仪的像素为336x256,图像的空间分辨率为0.4m。地表温度反演算法为改进的单通道算法,将该算法应用于无人机热红外遥感传感器获取的地表亮温数据,最终得到0.4m空间分辨率的地表温度数据。
刘绍民, 周纪, 王子卫
本数据包括大满超级站、湿地、沙漠、荒漠和戈壁五个站点植被一个生长周期内的覆盖度数据集以及大满超级站玉米和湿地芦苇两种植被一个生长周期内的生物量数据集。观测时间自2013年5月19日开始,9月15日结束。 1覆盖度观测 1.1观测时间 1.1.1超级站:观测时间段2013年5月20日-9月15日, 7月31日以前每5天观测一次,7月31后每10天观测一次,共做了18次观测,具体观测时间如下; 超级站:2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.1.2其它四个站:观测时间段2013年5月20日-9月15日,每10天观测一次,共做了12次观测,具体观测时间如下; 其它四个站:2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 1.2观测方法 1.2.1测量仪器与原理: 采用数码相机拍照的方法测量,将数码相机置于简易支撑杆前端的仪器平台,保持拍摄的竖直向下,远程控制相机测量数据。观测架可以用来改变相机的拍摄高度,面向不同类型植被实现有针对性的测量。 1.2.2样方的设计 超级站:共取3块样地,每块样地样方大小10×10米,每样地每次测量时沿两条对角线依次拍照,共取9-10张照片; 湿地站:共取2块样地,每块样地样方大小10×10米,每样地每次测量拍9-10张照片; 其它3个站:选取1块样地,每块样地样方大小10×10米,每样地每次测量拍9-10张照片; 1.2.3拍摄方法 针对超级站玉米和湿地站芦苇,直接采用观测架观测,保证观测架上的相机距离植被冠层的高度远大于植被冠幅,在方形样方内沿着对角线采样,然后做算术平均。在视场角度不大(<30°)的情况下,视场内包括大于2个整周期的垄行,相片的边长与垄行平行;其它三个站点由于植被比较低矮,直接用相机垂直向下拍照(未使用支架)。 1.2.4 覆盖度计算 覆盖度计算由北京师范大学完成,采用一种自动分类方法,具体见 “建议参考文献”第1条文献。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间,对绿度分量a的直方图进行聚类,分离出绿色植被和非绿色背景2组分,获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法,最大限度发挥数码相机方法的优势。 2生物量观测 2.1观测时间 2.1.1玉米:观测时间段2013年5月20日-9月15日, 7月31日以前每5天观测一次,7月31后每10天观测一次,共做了18次观测,具体观测时间如下; 玉米:2013-5-20、2013-5-25、2013-5-30、2013-6-5、2013-6-10、2013-6-16、2013-6-22、2013-6-27、2013-7-2、2013-7-7、2013-7-12、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.1.2芦苇:观测时间段2013年5月20日-9月15日,每10天观测一次,共做了12次观测,具体观测时间如下; 芦苇:2013-5-20、2013-6-5、2013-6-16、2013-6-27、2013-7-7、2013-7-17、2013-7-27、2013-8-3、2013-8-13、2013-8-25、2013-9-5、2013-9-15 2.2观测方法 玉米:选取3块样地,每块样地每次观测选取代表样地平均水平的三株玉米分别称每株玉米的鲜重(地上生物量+地下生物量)和相应的干重(85℃恒温烘干),根据种植的株距和行距计算单位面积玉米的生物量; 芦苇:设置2个0.5mÍ0.5m的样方,齐地刈割,分别称取芦苇的鲜重(茎叶)和干重(85℃恒温烘干)。 2.3观测仪器 天平(精度0.01g)、烘箱。 3数据的存储 所有观测数据先手薄记录后整理到Excel表中存储,同时整理了玉米种植结构数据,包括种植的株距、行距,种植时间、灌水时间、除父本时间以及收割时间等相关信息。
耿丽英, 家淑珍, 李艺梦, 马明国
在2012年夏季LiDAR和WIDAS飞行期间,地面同步开展地面基站差分GPS的连续观测,获取同步的GPS静态观测数据,用于支持航空飞行数据的同步解算。 测量仪器: TRIMBLE R8 GNSS系统2套。 中国中纬ZGP8001套 测量时间和地点: 2012年7月19日,EC矩阵LiDAR飞行,在MJWXB(毛家湾西北)和SBMZ(什八民子)两个基站同时观测 2012年7月25日,上游葫芦沟小流域和天姥池小流域LIDAR飞行,在XT夏塘观测,中游张掖城区校验场LIDAR飞行,在MJWXB(毛家湾西北)观测 2012年7月26日,上游葫芦沟小流域和天姥池小流域LIDAR飞行,在XT夏塘观测,中游张掖城区校验场LIDAR飞行,在HCZ(火车站)观测 2012年8月1日,上游东西支WIDAS飞行,在YNG(野牛沟)观测 2012年8月2日,中游EC矩阵试验区WIDAS飞行,在HCZ(火车站)观测 2012年8月3日,中游EC矩阵试验区WIDAS飞行,在MJWXB(毛家湾西北)观测 数据格式: 差分预处理前原始数据格式。
刘向锋, 马明国
本数据包括大满超级站、湿地、沙漠、荒漠和戈壁五个站点植被一个生长周期内的覆盖度数据集以及大满超级站玉米和湿地芦苇两种植被一个生长周期内的生物量数据集。观测时间自2014年5月10日开始,9月11日结束。 1覆盖度观测 1.1观测时间 1.1.1超级站:观测时间段2014年5月10日-9月11日, 7月20日以前每5天观测一次,7月20后每10天观测一次,共做了17次观测,具体观测时间如下; 超级站:2014-5-10、2014-5-15、2014-5-20、2014-5-25、2014-5-30、2014-6-10、2014-6-15、2014-6-20、2014-6-25、2014-6-30、2014-7-5、2014-7-10、2014-7-15、2014-7-20、2014-8-5、2014-8-17、2014-9-11 1.1.2其它四个站:观测时间段2014年5月20日-9月15日,每10天观测一次,共做了11次观测,具体观测时间如下; 其它四个站:2014-5-10、2014-5-20、2014-5-30、2014-6-10、2014-6-20、2014-6-30、2014-7-10、2014-7-20、2014-8-5、2014-8-17、2014-9-11 1.2观测方法 1.2.1测量仪器与原理: 采用数码相机拍照的方法测量,将数码相机置于简易支撑杆前端的仪器平台,保持拍摄的竖直向下,远程控制相机测量数据。观测架可以用来改变相机的拍摄高度,面向不同类型植被实现有针对性的测量。 1.2.2样方的设计 超级站:共取3块样地,每块样地样方大小10×10米,每样地每次测量时沿两条对角线依次拍照,共取9-10张照片; 湿地站:共取2块样地,每块样地样方大小10×10米,每样地每次测量拍9-10张照片; 其它3个站:选取1块样地,每块样地样方大小10×10米,每样地每次测量拍9-10张照片; 1.2.3拍摄方法 针对超级站玉米和湿地站芦苇,直接采用观测架观测,保证观测架上的相机距离植被冠层的高度远大于植被冠幅,在方形样方内沿着对角线采样,然后做算术平均。在视场角度不大(<30°)的情况下,视场内包括大于2个整周期的垄行,相片的边长与垄行平行;其它三个站点由于植被比较低矮,直接用相机垂直向下拍照(未使用支架)。 1.2.4 覆盖度计算 覆盖度计算由北京师范大学完成,采用一种自动分类方法,具体见 “建议参考文献”第1条文献。通过RGB颜色空间转换到更容易区分绿色植被的Lab空间,对绿度分量a的直方图进行聚类,分离出绿色植被和非绿色背景2组分,获得单张相片的植被覆盖度。该方法的优点在于其算法简单、易于实现而且自动化程度和精度较高。今后还需要更多的快速、自动、准确的分类方法,最大限度发挥数码相机方法的优势。 2生物量观测 2.1观测时间 2.1.1玉米:观测时间段2014年5月10日-9月11日, 7月20日以前每5天观测一次,7月20后每10天观测一次,共做了17次观测,具体观测时间如下; 超级站:2014-5-10、2014-5-15、2014-5-20、2014-5-25、2014-5-30、2014-6-10、2014-6-15、2014-6-20、2014-6-25、2014-6-30、2014-7-5、2014-7-10、2014-7-15、2014-7-20、2014-8-5、2014-8-17、2014-9-11 2.1.2芦苇:观测时间段2014年5月20日-9月15日,每10天观测一次,共做了11次观测,具体观测时间如下; 2014-5-10、2014-5-20、2014-5-30、2014-6-10、2014-6-20、2014-6-30、2014-7-10、2014-7-20、2014-8-5、2014-8-17、2014-9-11 2.2观测方法 玉米:选取3块样地,每块样地每次观测选取代表样地平均水平的三株玉米分别称每株玉米的鲜重(地上生物量+地下生物量)和相应的干重(85℃恒温烘干),根据种植的株距和行距计算单位面积玉米的生物量; 芦苇:设置2个0.5mÍ0.5m的样方,齐地刈割,分别称取芦苇的鲜重(茎叶)和干重(85℃恒温烘干)。 2.3观测仪器 天平(精度0.01g)、烘箱。 3数据的存储 所有观测数据先手薄记录后整理到Excel表中存储,同时整理了玉米种植结构数据,包括种植的株距、行距,种植时间、灌水时间、除父本时间以及收割时间等相关信息。
于文凭, 耿丽英, 李艺梦, 谭俊磊, 马明国
联系方式
关注我们
时空三极环境大数据平台 © 2018-2020 陇ICP备05000491号 | All Rights Reserved
| 京公网安备11010502040845号
数据中心技术支持: 数云软件