数据集(库)目录

出版期刊|区域分类

2021年第12期
2019年第02期
数据详情

草地关键参量无人机快速生成实验数据集


王东亮李愈哲张奥冲
中国科学院地理科学与资源研究所,中国科学院陆地表层格局与模拟重点实验室,北京100101

DOI:10.3974/geodb.2024.02.03.V1

出版时间:2024年2月

网页浏览次数:3683       数据下载次数:15      
数据下载量:3.48 MB      数据DOI引用次数:

关键词:

无人机影像,可见光植被指数,植被覆盖度,地上生物量

摘要:

准确实时的牧草数据对指导牧民放牧有重要意义。2023年7月19日,作者以呼伦贝尔优然牧业示范牧场有限责任公司第一牧场为研究区,利用固定翼无人机对牧场快速航拍,运用WebODM对影像进行快速拼接,然后利用可见光植被指数计算植被覆盖度;基于历史数据构建的生物量反演模型,开展生物量反演,得到草地关键参量无人机快速生成实验数据集。数据集内容包括:(1)植被覆盖度(FVC)数据;(2)地上生物量(AGB)数据。该数据集以.shp格式存储,由16个数据文件组成,数据量为1.23 MB(压缩为1个文件,237 KB)。数据论文

基金项目:

中华人民共和国科学技术部(2021YFD1300501);中国科学院(XDA23100200)

数据引用方式:

王东亮, 李愈哲, 张奥冲. 草地关键参量无人机快速生成实验数据集[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2024. https://doi.org/10.3974/geodb.2024.02.03.V1.

王东亮. 小时级的牧场尺度无人机草地关键参量快速生成[J]. 全球变化数据学报(中英文), 2023, 7(4): 399-405.

参考文献:

[1] 李博. 中国北方草地退化及其防治对策[J]. 中国农业科学, 1997, 30(6): 2-10.
     [2] 唐根杰, 包庆德. 游牧文明:生存发展智慧及其生态维度研究[J]. 黑龙江民族丛刊, 2023(1): 137-143.
     [3] 沈海花, 朱言坤, 赵霞等. 中国草地资源的现状分析[J]. 科学通报, 2016, 61(2): 139-154.
     [4] Wang, D., Xin, X., Shao, Q., et al. Modeling aboveground biomass in Hulunber grassland ecosystem by using unmanned aerial vehicle discrete lidar [J]. Sensors, 2017, 17(1): 180.
     [5] 王东亮, 廖小罕, 张扬建等. 基于无人机视频流的草原放牧家畜在线检测和体重估算[J]. 生态学杂志, 2021, 40(12): 4099-4108.
     [6] Wang, D., Song, Q., Liao, X., et al. Integrating satellite and unmanned aircraft system (UAS) imagery to model livestock population dynamics in the Longbao wetland national nature reserve, China [J]. Science of the Total Environment, 2020, 746: 140327.
     [7] 王旭, 左小清. 基于odm和cesium的无人机倾斜摄影建模及可视化[J]. 软件, 2020, 41(4): 124-129.
     [8] 汪小钦, 王苗苗, 王绍强 等. 基于可见光波段无人机遥感的植被信息提取[J]. 农业工程学报, 2015, 31(5): 152-158.
     [9] Du, M. M., Noboru, N., Atsushi, I., et al. Multi-temporal monitoring of wheat growth by using images from satellite and unmanned aerial vehicle [J]. International Journal of Agricultural and Biological Engineering, 2017, 10(5): 1-13.
     [10] 周婕, 张珂, 杜涛. 基于卫星遥感的水库库区植被覆盖变化研究:以三河口水库为例[J]. 水利水电技术(中英文), 2023, 1(1): 1-12.
     [11] Wang, Y., Ma, L., Wang, Q., et al. A lightweight and high-accuracy deep learning method for grassland grazing livestock detection using UAV imagery [J]. Remote Sensing, 2023, 15(6): 1593.
     

数据下载:

序号 数据名 数据大小 操作
0Datapaper_UAV_AGB_FVC.pdf6664.00kb下载
1 UAV_AGB_FVC.rar 237.31KB
主管单位