CN102567730B - 海冰外缘线的自动精确识别方法 - Google Patents
海冰外缘线的自动精确识别方法 Download PDFInfo
- Publication number
- CN102567730B CN102567730B CN 201110379182 CN201110379182A CN102567730B CN 102567730 B CN102567730 B CN 102567730B CN 201110379182 CN201110379182 CN 201110379182 CN 201110379182 A CN201110379182 A CN 201110379182A CN 102567730 B CN102567730 B CN 102567730B
- Authority
- CN
- China
- Prior art keywords
- ice
- data
- main body
- point
- assignment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
一种海冰外缘线的自动精确识别方法,包括对海冰密集度数据进行二值化处理;利用该二值化数据识别主体水域和主体冰域;将主体水域和主体冰域中相同值的数据点判为碎冰区域;将面积较大的碎冰区与主体冰区一起作为基础冰区;对基础冰区数据的进行可变闭运算处理,直到所有的连通域合并为同一个连通域;对得到的连通域再次进行二值化处理以确定海冰外缘线位置;最后将得到的海冰外缘线位置数据输出。本发明方法简单、识别精确,具有自动化的优势,适用于理论研究和实际应用;且避免了人工介入的主观性,可采用多种数据场,可根据遥感反演数据实时提供海冰外缘线,对海冰灾害的监测、船舶安全航行、海洋石油平台的安全施工有着非常重要实用价值。
Description
技术领域
本发明涉及一种海冰外缘线的自动精确识别方法,属于海洋科学与海洋遥感领域。
背景技术
目前,海冰密集度的反演技术已较为成熟,主要包括基于微波数据的反演技术和基于可见光和红外光的反演技术,其中微波数据受云雾影响小,但分辨率较低,目前分辨率最高的AMSR-E产品仅为6.25km。可见光和红外光分辨率较高,如AVHRR数据为1.1km,MODIS数据最高分辨率可达250m,LandSat数据分辨率为30m,但是这些数据受极夜和云雾的影响。两种数据形成互补,可提供结冰海区的海冰密集度的监测能力。但无论采用哪种数据,都需要给出海冰外缘线。
海冰外缘线是海冰主体的包络线,忽略了数量不多的零星海冰,代表了海冰覆盖的总体范围,能直观的反映海冰的年际以及季节变化规律,是研究海冰变化规律的一个重要参数。通常,海冰外缘线的判断可以采用人工或人机交互形式确定,如Mahoney曾给出了沿岸冰外缘线、流冰外缘线和多年冰外缘线的判断标准,并在此基础上加入人工判识确定各类冰的外缘线,但这样带有较大的主观性,而且由于大量繁琐而重复的工作而降低工作效率。海冰外缘线的判断也可以采用自动判别方法,但该以往的海冰外缘线自动判别方法一般是基于海冰密集度直接确定,比如Divine和Dick曾定义冰外缘线为海冰密集度为30%的等值线,或是更简单地定义为冰水界面。这两种方法都比较粗糙,而且由于海冰外缘区存在大量琐碎的浮冰,判别出的海冰外缘线极不光滑,也不够准确,尤其是对分辨率较高的遥感数据。要使海冰外缘线参数更方便准确地为海冰变化研究服务,需要一种简单可行的识别方法。
发明内容:
本发明目的是提供一种海冰外缘线的自动精确识别方法,以实现不需要人机交互方式的海冰外缘线自动识别,同时较以往方法更为准确。
本发明提出的海冰外缘线的自动精确识别方法基于卫星遥感图像的连通域和图像闭运算,在不需要人机交互方式下,即能够自动精确地识别海冰外缘线。
一种海冰外缘线的自动精确识别方法,该方法包括:
1)获取海冰密集度数据;
2)对海冰密集度数据进行二值化处理:将海冰密集度等于0的点识别为水域,将海冰密集度大于0的是冰区、陆地或云识别为1;
3)识别主体水域:具体是对步骤2)得到的二值化数据,给定永久水域中任意一点坐标(wlat,wlon),对坐标点(wlat,wlon)进行连通域处理,与该坐标点连通的点赋值为1,不连通的点赋值为0,得到赋值为1的点组成的主体水域;
4)识别主体冰域:具体是对步骤3)得到的二值化数据,给定冰区中的任意一点坐标(ilat,ilon),对坐标点(ilat,ilon)进行连通域处理,与该坐标点连通的点赋值为1,不连通的点赋值为0,得到主体冰域;
其特征在于还包括以下步骤:
5)识别碎冰区:具体是结合步骤3)和4)得到的主体水域和主体冰域二值化数据,将两者数据中相同值的数据点判为碎冰区域;
6)区别大小碎冰区:具体是对步骤5)得到的碎冰区进行连通域标记处理,即对步骤5)得到的每一个碎冰区进行排序;然后计算每个碎冰区的连通域面积,将面积小于M km2的碎冰去除,将面积大于等于M km2的较大碎冰区标识为1并与步骤4)得到的主体冰区一起,作为基础冰区;其中,M为30~80km2范围内的数值;
7)基础冰区数据的图像可变闭运算处理,即由于步骤6)得到的基础冰区是二值化数据,对该二值化数据进行图像可变闭运算,所述的可变闭运算是先使用图像处理中的膨化方法,再使用腐蚀方法,计算公式是:其中,C为计算结果,A为二值化数据,B初始值设为3×3的矩阵 每循环一次按同样的形式行列分别增加2;在每进行一次图像闭运算处理后,都对得到的数据C进行连通域标记处理,如果连通域标记出只有一个连通域,那么之后再进行4次图像闭运算,以平滑曲线;若否,继续进行图像闭运算处理,直到所有的连通域合并为同一个连通域;
8)对步骤7)处理完成后的数据进行二值化处理以确定海冰外缘线位置:即对步骤7)所得到的唯一的连通域中所有的点赋值为1,表示整片冰区,其他点赋值为0,表示水点;
9)冰外缘线数据输出,即将步骤8)得到的确定海冰外缘线位置数据输出。
上述步骤3)中的坐标点(wlat,wlon)进行连通域处理,是采用8邻连通的连通域处理方法;并且在进行连通域标记时,采用点标记法中的区域增长法进行连通。
上述步骤6)中,是将面积小于50km2的碎冰去除,将面积大于等于50km2的较大冰区标识为1并与步骤4)得到的主体冰冰区一起,作为基础冰区。这是由于以50km2作为阈值较其他数值识别准确。
上述步骤8)中,利用8连通方法,将紧邻界面的冰区点赋值为1,其他区域(包括水点和界面以外的冰点)都赋值为0,最终确定冰水界面。即该步骤中,采用现有技术中的8连通方法即可确保识别的精确性。
为了进一步获得更加直观的冰水界面线,上述步骤9)中,还可以首先对步骤8)获得的二值图像进行线标记法处理,获得海冰外缘线在图像数据中的行列信息,然后再输出结果。
本发明目前已在使用MODIS数据识别白令海夏季海冰冰外缘线问题中进行了成功的应用。
与现有技术相比,本发明具有以下创新和优点:
1、本发明第一次将遥感图像处理中的连通域法和闭运算方法应用于与海冰外缘线的识别。
2、提出了通过分别识别主体水域、主体冰域,获得碎冰区域的方法。
3、在图像处理中闭运算的基础上,建立了可变化的闭运算方法,提出自动确定图像闭运算的次数的算法,得到理想的海冰外缘线。
4、相对于传统的海冰外缘线识别方法,达到完全自动操作,简单易行,避免了人工介入的主观性,提高了数据处理的效率,并具有更高的准确性。
显然,本发明的方法流程简单,分析的海冰边缘线准确,避免了人工介入带来的主观性,可以很方便地推广应用到其他海冰产品中,不论采用哪种数据场,都可以应用这种自动识别冰外缘线的分析方法,从而进一步计算海冰范围和面积,用于海冰变化的研究。与传统的识别方法相比,该方法具有自动化和精确化的优势。本发明可根据遥感反演数据实时提供海冰外缘线,对海冰灾害的监测、船舶安全航行、海洋石油平台的安全施工有着非常重要实用价值。同时本发明还可用于提供海冰遥感产品的冰外缘线检验标准。无论是在理论研究上还是实际应用上都提供了一种海冰外缘线的精确识别方法。
附图说明
图1为本发明识别海冰外缘线的流程示意图。
图2为本发明对白令海2009年第114天的MODIS反演数据进行海冰外缘线识别的示意图。
其中,图2a为上述反演数据的二值化效果图;图2b为上述反演数据的主体水域效果图;图2c为上述反演数据的主体冰域效果图;图2d为上述反演数据的碎冰区效果图;图2e为上述反演数据的大于50km2的较大碎冰区效果图;图2f为上述反演数据的基础冰区效果图。
图3为白令海2009年第114天的MODIS反演数据的海冰外缘线最终识别效果图。
图4是本发明的8邻连通示意图。
具体实施方法
如图1所示,本发明的海冰外缘线的自动精确识别方法,该方法包括:
1)获取海冰密集度数据;所述的海冰密集度数据可通过卫星反演、海冰航拍数据等方式获得;
2)对海冰密集度数据进行二值化处理:将海冰密集度等于0的点识别为水域,将海冰密集度大于0的是冰区、陆地或云识别为1;
3)识别主体水域:具体是对步骤2)得到的二值化数据,给定永久水域中任意一点坐标(wlat,wlon),对坐标点(wlat,wlon)进行连通域处理,与该坐标点连通的点赋值为1,不连通的点赋值为0,得到赋值为1的点组成的主体水域;
4)识别主体冰域:具体是对步骤3)得到的二值化数据,给定冰区中的任意一点坐标(ilat,ilon),对坐标点(ilat,ilon)进行连通域处理,与该坐标点连通的点赋值为1,不连通的点赋值为0,得到主体冰域;
其特征在于还包括以下步骤:
5)识别碎冰区:具体是结合步骤3)和4)得到的主体水域和主体冰域二值化数据,将两者数据中相同值的数据点判为碎冰区域;因为步骤3中得到的主体水域赋值为1,其他区域赋值为0;而步骤4得到的主体冰域也赋值为1,其他区域赋值为0;可见碎冰区域在两者区域赋值都是0;那么两个数据都是0的点,就可以判断为碎冰区域了;
6)区别大小碎冰区:具体是对步骤5)得到的碎冰区进行连通域标记处理,即对步骤5)得到的每一个碎冰区进行排序;然后计算每个碎冰区的连通域面积,将面积小于M km2的碎冰去除,将面积大于等于M km2的较大碎冰区标识为1并与步骤4)得到的主体冰区一起,作为基础冰区;其中,M为30~80km2范围内的数值;
7)基础冰区数据的图像可变闭运算处理,即由于步骤6)得到的基础冰区是二值化数据,对该二值化数据进行图像可变闭运算,所述的可变闭运算是先使用图像处理中的膨化方法,再使用腐蚀方法,计算公式是:其中,C为计算结果,A为二值化数据,B初始值设为3×3的矩阵 每循环一次按同样的形式行列分别增加2;在每进行一次图像闭运算处理后,都对得到的数据C进行连通域标记处理,如果连通域标记出只有一个连通域,那么之后再进行4次图像闭运算,以平滑曲线;若否,继续进行图像闭运算处理,直到所有的连通域合并为同一个连通域;
8)对步骤7)处理完成后的数据进行二值化处理以确定海冰外缘线位置:即对步骤7)所得到的唯一的连通域中所有的点赋值为1,表示整片冰区,其他点赋值为0,表示水点;
9)冰外缘线数据输出,即将步骤8)得到的确定海冰外缘线位置数据输出。
上述步骤3)中的坐标点(wlat,wlon)进行连通域处理,是采用8邻连通的连通域处理方法;并且在进行连通域标记时,采用点标记法中的区域增长法进行连通。
上述步骤6)中,是将面积小于50km2的碎冰去除,将面积大于等于50km2的较大冰区标识为1并与步骤4)得到的主体冰冰区一起,作为基础冰区。这是由于以50km2作为阈值较其他数值具有识别精确的特点。
上述步骤8)中,利用8连通方法,将紧邻界面的冰区点赋值为1,其他区域(包括水点和界面以外的冰点)都赋值为0,最终确定冰水界面。即该步骤中,采用现有技术中的8连通方法即可确保识别的精确性。
为了进一步获得更加直观的冰水界面线,上述步骤9)中,还可以首先对步骤8)获得的二值图像进行线标记法处理,获得海冰外缘线在图像数据中的行列信息,然后再输出结果。
下面以MODIS海冰密集度反演数据为例,结合本发明涉及到的遥感图像处理中的连通域法、图像闭运算和线标记法,对本发明的海冰外缘线自动精确识别方法作进一步描述。
本发明的海冰外缘线的自动精确识别方法,首先是
1)获取海冰密集度数据;
2)对海冰密集度数据进行二值化处理:原始的海冰密集度数据为0~1之间的数值,其中海冰密集度等于0的点为水域,大于0的点是冰区、陆地或云;这里将海冰密集度大于0的点,均赋值为1,实现二值化。以白令海2009年第114天的MODIS反演数据为例,二值化效果图见图2a。
3)识别主体水域:具体是对步骤2)得到的二值化数据,给定永久水域中任意一点坐标(wlat,wlon),对坐标点(wlat,wlon)进行连通域处理,与该坐标点连通的点赋值为1,不连通的点赋值为0,得到赋值为1的点组成的主体水域。
所述的连通规则可以采用8邻连通,即每个格点与其周围的8个点进行连通,如图4所示,其中虚线包括的点即为水点。
在进行连通域标记时,具体采用点标记法中的区域增长法进行连通。区域增长法为对给定点周围8点进行同时识别,保存性质相同的点,继续对这些相同性质的点的周围8个点进行识别。直到找不到性质相同的点为止。上述MODIS反演数据的主体水域的效果图见图2b。
4)识别主体冰域:具体是给定冰区中的任意一点坐标(ilat,ilon),在步骤3)得到的二值化数据中,对该点进行连通域处理,与该点连通的点赋值为1,不连通的点赋值为0,得到主体冰域。具体连通规则与步骤3)相同。上述MODIS反演数据的主体冰域的效果图见图2c。
5)识别碎冰区:具体是结合步骤3)的主体水域和步骤4)的主体冰域二值化数据,将两者数据中相同值的数据点判为碎冰区域。即将主体水域和主体冰域中都是0的点,判断为碎冰区域。上述MODIS反演数据的碎冰区效果图见图2d。
6)区别大小碎冰区:具体是对步骤5)得到的碎冰区进行连通域标记处理,即对步骤5)得到的每一个碎冰区进行排序;然后计算每个碎冰区的连通域面积,将面积小于50km2的碎冰去除,将面积大于等于50km2的较大碎冰区标识为1并与步骤4)得到的主体冰区一起,作为基础冰区;除非在整个图像中没有面积大于等于50km2碎冰区,如果存在n个面积大于等于50km2碎冰区,那么基础冰区属于n+1个连通域(n个大的碎冰区和1个主体冰域)。上述MODIS反演数据的大于50km2的较大碎冰区的效果图见图2e;基础冰区的效果图见图2f。
7)基础冰区数据的图像可变闭运算处理,即由于步骤6)得到的基础冰区是二值化数据,对该二值化数据进行图像可变闭运算。
所谓图像闭运算是先使用图像处理技术中的膨化方法,再使用腐蚀方法,作用是用来填充连通域内细小空洞和连接邻近格点,在平滑其边界的同时并不明显改变其面积。具体的计算公式是:其中,A为二值化数据,B初始值设为3×3的矩阵 每循环一次B按同样的形式行列分别增加2;在每进行一次图像闭运算处理后,都对得到的数据进行连通域标记处理;如果连通域标记出只有一个连通域,那么之后再进行4次图像闭运算,以平滑曲线;若否,继续进行图像闭运算处理,直到n+1个连通域合并为同一个连通域。在本发明中提出的可变闭运算是指,在整个运算过程中B是可变的,B的特征如下列表格1的矩阵所示
表格1
上述使用的膨化方法和腐蚀方法处理二值图像,具体是以下列的公式进行:
膨化法:数学表达式为:
例如:
腐蚀法:数学表达式:
例如:
8)再次二值化处理确定海冰外缘线位置:对步骤7)所得到的唯一的连通域中所有的点赋值为1,表示整片冰区,其他点赋值为0,表示水点。
该步骤中,同样可以利用8连通方,即每个格点与其周围的8个点进行连通,最终确定冰水界面,将紧邻界面的冰区点赋值为1,其他区域(包括水点和界面以外的冰点)都赋值为0。
9)冰外缘线数据输出,即将步骤8)得到的确定海冰外缘线位置数据输出。为了能够具有更好的直观效果,在步骤9)中,可以首先对步骤8)获得的二值图像进行线标记法处理,获得海冰外缘线在图像数据中的行列信息,然后保存为bln文件格式的文件,最后进行输出。所谓线标记法在现有的图像处理技术中,是对给定点周围8个点进行分别扫描,找到性质相同的点后,立刻对该性质相同的点周围8个点分别扫描,扫描的结果以线的形式表示。上述MODIS反演数据的海冰外缘线的最终识别效果图见图3。
Claims (5)
1.一种海冰外缘线的自动精确识别方法,该方法包括:
1)获取海冰密集度数据;
2)对海冰密集度数据进行二值化处理:将海冰密集度等于0的点识别为水域,将海冰密集度大于0的是冰区、陆地或云识别为1;
3)识别主体水域:具体是对步骤2)得到的二值化数据,给定永久水域中任意一点纬度和经度坐标(wlat,wlon),对坐标点(wlat,wlon)进行连通域处理,与该坐标点连通的点赋值为1,不连通的点赋值为0,得到赋值为1的点组成的主体水域;
4)识别主体冰域:具体是对步骤3)得到的二值化数据,给定冰区中的任意一点纬度和经度坐标(ilat,ilon),对坐标点(ilat,ilon)进行连通域处理,与该坐标点连通的点赋值为1,不连通的点赋值为0,得到主体冰域;
其特征在于还包括以下步骤:
5)识别碎冰区:具体是结合步骤3)和4)得到的主体水域和主体冰域二值化数据,将两者数据中数值为零的数据点判为碎冰区域;
6)区别大小碎冰区:具体是对步骤5)得到的碎冰区进行连通域标记处理,即对步骤5)得到的每一个碎冰区进行排序;然后计算每个碎冰区的连通域面积,将面积小于M km2的碎冰去除,将面积大于等于Mkm2的较大碎冰标识为1并与步骤4)得到的主体冰区一起,作为基础冰区;其中,M为30~80 km2范围内的数值;
7)基础冰区数据的图像可变闭运算处理,即由于步骤6)得到的基础冰区是二值化数据,对该二值化数据进行图像可变闭运算,所述的可变闭运算是先使用图像处理中的膨化方法,再使用腐蚀方法,计算公式是:
的矩阵 ,每循环一次按同样的形式行列分别增加2;在每进行一次
图像闭运算处理后,都对得到的数据C进行连通域标记处理,如果连通域标记出只有一个连通域,那么之后再进行4次图像闭运算,以平滑曲线;若否,继续进行图像闭运算处理,直到所有的连通域合并为同一个连通域;
8)对步骤7)处理完成后的数据进行二值化处理以确定海冰外缘线位置:即对步骤7)所得到的唯一的连通域中所有的点赋值为1,表示整片冰区,其他点赋值为0,表示水点;
9)冰外缘线数据输出,即将步骤8)得到的确定海冰外缘线位置数据输出。
2.如权利要求1所述的识别方法,其特征在于上述步骤3)中的坐标点(wlat,wlon)进行连通域处理,是采用8邻连通的连通域处理方法;并且在进行连通域标记时,采用点标记法中的区域增长法进行连通。
3.如权利要求1所述的识别方法,其特征在于上述步骤6)中,是将面积小于50 km2的碎冰去除,将面积大于等于50 km2的较大冰区标识为1并与步骤4)得到的主体冰冰区一起,作为基础冰区。
4.如权利要求1所述的识别方法,其特征在于上述步骤8)中,利用8连通方法,将紧邻界面的冰区点赋值为1,其他区域——包括水点和界面以外的冰点都赋值为0,最终确定冰水界面。
5.如权利要求1所述的识别方法,其特征在于上述步骤9)中,首先对步骤8)获得的二值图像进行线标记法处理,获得海冰外缘线在图像数据中的行列信息,然后再输出结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110379182 CN102567730B (zh) | 2011-11-25 | 2011-11-25 | 海冰外缘线的自动精确识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110379182 CN102567730B (zh) | 2011-11-25 | 2011-11-25 | 海冰外缘线的自动精确识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102567730A CN102567730A (zh) | 2012-07-11 |
CN102567730B true CN102567730B (zh) | 2013-06-12 |
Family
ID=46413103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110379182 Expired - Fee Related CN102567730B (zh) | 2011-11-25 | 2011-11-25 | 海冰外缘线的自动精确识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102567730B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407338B (zh) * | 2014-12-12 | 2015-11-18 | 国家卫星海洋应用中心 | 基于海洋二号卫星微波散射计的极地海冰识别方法 |
CN107886473B (zh) * | 2017-11-09 | 2020-12-11 | 河南工业大学 | 从fy-3mwri数据反演北极海冰密集度的方法 |
CN107895152B (zh) * | 2017-11-24 | 2020-02-14 | 西安空间无线电技术研究所 | 一种在轨云缝快速检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126811A (zh) * | 2007-09-29 | 2008-02-20 | 北京交通大学 | 一种从sar图像上探测湖岸线及提取湖泊轮廓的方法 |
CN101814144A (zh) * | 2010-03-25 | 2010-08-25 | 西安电子科技大学 | 遥感图像中无水桥梁目标识别方法 |
CN102184399A (zh) * | 2011-03-31 | 2011-09-14 | 上海名图信息技术有限公司 | 基于水平投影和连通域分析的字符分割方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030033138A1 (en) * | 2001-07-26 | 2003-02-13 | Srinivas Bangalore | Method for partitioning a data set into frequency vectors for clustering |
-
2011
- 2011-11-25 CN CN 201110379182 patent/CN102567730B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126811A (zh) * | 2007-09-29 | 2008-02-20 | 北京交通大学 | 一种从sar图像上探测湖岸线及提取湖泊轮廓的方法 |
CN101814144A (zh) * | 2010-03-25 | 2010-08-25 | 西安电子科技大学 | 遥感图像中无水桥梁目标识别方法 |
CN102184399A (zh) * | 2011-03-31 | 2011-09-14 | 上海名图信息技术有限公司 | 基于水平投影和连通域分析的字符分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102567730A (zh) | 2012-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duru | Shoreline change assessment using multi-temporal satellite images: a case study of Lake Sapanca, NW Turkey | |
Castellani et al. | Variability of A rctic sea‐ice topography and its impact on the atmospheric surface drag | |
US9507052B2 (en) | Automatic recognition method of continental slope foot point based on terrain grid | |
CN102004856B (zh) | 高频观测资料实时数据的快速集合卡曼滤波同化方法 | |
CN102567730B (zh) | 海冰外缘线的自动精确识别方法 | |
CN112765300B (zh) | 基于ArcGIS空间数据的水利对象关系图谱构建方法 | |
Yiğit et al. | Investigation of the rainwater harvesting potential at the Mersin University, Turkey | |
Bretones et al. | Transient increase in Arctic deep-water formation and ocean circulation under sea ice retreat | |
Datta et al. | Supraglacial lake bathymetry automatically derived from ICESat-2 constraining lake depth estimates from multi-source satellite imagery | |
CN103440489A (zh) | 基于像素级sar影像时间序列相似性分析的水体提取方法 | |
CN114626572A (zh) | 基于智能图像识别的输电线路路径优选方法 | |
CN114387446A (zh) | 一种高分率遥感影像水体自动提取方法 | |
CN113834547A (zh) | 一种河流虚拟站水位时序重建方法及系统 | |
Rahaman et al. | Identifying Built-up Area Expansion and Comparing Two Conventional Built-up Area Extraction Method from LANDSAT Imagery: A Case Study on Khulna City | |
Ragen et al. | The role of Atlantic basin geometry in meridional overturning circulation | |
DuVivier et al. | Exploration of turbulent heat fluxes and wind stress curl in WRF and ERA‐Interim during wintertime mesoscale wind events around southeastern Greenland | |
CN104677366B (zh) | 基于gps信息的道路地图更新方法 | |
Ibrahim | Investigation of the Impact of Desalination on the Salinity of the Persian Gulf | |
Mir Alizadehfard et al. | Evaluation of indicators of remote sensing measurement in quantitative and qualitative studies of surface water with Landsat-8 satellite images (Case study: South of Khuzestan province) | |
Zhang et al. | Density-weighted ant colony algorithm for ship trajectory reconstruction | |
Belhaj et al. | Determination of change in surface waterbodies in the middle rio grande basin by modified normalized difference water index (MNDWI) 1994-2020, Libya | |
CN114387501A (zh) | 冲洪积扇沉积遥感智能识别方法及装置 | |
CN117892167B (zh) | 一种替代数值模拟的城市内涝代理模型构建方法 | |
CN113591668B (zh) | 一种使用深度学习和空间分析的广域未知大坝自动探测方法 | |
Moore | Performing a Supervised Land Use Land Cover Change Analysis to Quantify Urban Expansion in the Katy Prairie in Harris County, Texas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130612 Termination date: 20151125 |
|
CF01 | Termination of patent right due to non-payment of annual fee |