CN102609726A - 利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法 - Google Patents
利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法 Download PDFInfo
- Publication number
- CN102609726A CN102609726A CN2012100443208A CN201210044320A CN102609726A CN 102609726 A CN102609726 A CN 102609726A CN 2012100443208 A CN2012100443208 A CN 2012100443208A CN 201210044320 A CN201210044320 A CN 201210044320A CN 102609726 A CN102609726 A CN 102609726A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- remote sensing
- modis
- ndvi
- image
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法，涉及一种面向对象的遥感图像分类方法。为了解决以往的遥感图像分类方法无法区分“异物同谱”的土地覆盖类型，不适用于在中低分辨率的遥感影像上应用的问题。应用SG滤波器进行滤波处理；确定待分类的遥感影像中典型植被的MODIS-NDVI时序曲线；对TM影像进行分割，每个分割单元作为一个对象；提取每个对象的特征信息；提取所有的非植被对象；去除非植被对象将所得到的植被对象作为面状矢量来分割MODIS-NDVI时序数据，从而获得每个植被对象获得相应的物候信息；判定每个对象所属的植被类型；完成土地覆盖分类。用于土地覆盖类型的区分。
Description
技术领域
本发明涉及利用面向对象遥感图像分类方法融合高空间分辨率数据(Landsat)和高时间分辨率数据(MODIS-NDVI)进行快速准确的遥感图像土地覆盖分类方法。
背景技术
面向对象的遥感图像解译方法是相对于传统遥感影像处理软件主要针对单个像元的解译算法而言的。该方法在分类时不仅考虑地物的光谱特征，还主要利用其几何特征和结构特征，图像中的最小单元不再是单个的像元，而是一个个对象。该方法是基于认知模型的遥感信息提取方法，更贴近人类的认知过程，已成为遥感信息提取领域主要的研究方向之一。陆地资源卫星(Landsat)数据空间分辨率高，已被证实非常适合土地覆盖分类研究。中分辨率成像光谱仪归一化植被指数(MODIS-NDVI)时序数据空间分辨率较低，但时间分辨率高，能够反应植被物候信息。由于植被物候信息反应植被季节性变化规律，因此在遥感图像中拥有相同或相似的NDVI时序谱的对象将被识别为同一土地覆盖类型。
目前国内外对于面向对象分类技术的应用主要集中于单一时相高分辨率遥感图像的分类。将具有相同光谱、纹理和空间组合关系等特征“同质均一”的像元合并成一个对象，以对象为单位进行后续分类工作。这种方法一般对遥感图像的获取时间有一定要求，并且无法区分“异物同谱”的土地覆盖类型，很难在单一时相的遥感影像上应用。利用NDVI时序数据进行土地覆盖分类的研究目前主要集中于中低分辨率的遥感影像分类中，这种方法是传统的基于像元的分类，结果往往较细碎不具有明确的地理学意义，不能满足地理信息系统对多边形的要求。
本发明使用的MODIS的全称为中分辨率成像光谱仪(moderate-resolution imagingspectroradiometer)。MODIS是搭载在terra和aqua卫星上的一个重要的传感器，是卫星上唯一将实时观测数据通过x波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器，全球许多国家和地区都在接收和使用MODIS数据。MODIS用于对陆表、生物圈、固态地球、大气和海洋进行长期全球观测。
LANDSAT是美国陆地探测卫星系统，TM是LANDSAT卫星上安装的成像设备，也就是用LANDSAT上的TM可以对地球表面来成像。
发明内容
本发明针对以往的遥感图像分类方法无法区分“异物同谱”的土地覆盖类型，不适用于在中低分辨率的遥感影像上应用的问题，提出了利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法。
利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法，该方法包括以下步骤：
步骤一：应用Savitzky-Golay(SG)滤波器，对MODIS-NDVI时序数据进行滤波处理，去除错误信息，消除传感器以及获取过程中生成的噪音，得到稳定的物候信息源；
步骤二：从步骤一中所得到的稳定的物候信息源中，确定待分类的遥感影像中典型植被的MODIS-NDVI时序曲线，即，典型植被的物候特征；
步骤三：利用MODIS-NDVI时序数据获取待分类TM影像中植被物候信息，并对TM影像进行多层多尺度分割，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到70％以上的像元组成，将每个分割单元作为一个对象；
步骤四：提取步骤三所得到的每个对象的光谱特征、纹理特征、形状特征和结构特征信息；
步骤五：利用步骤四得到的所有特征信息，在TM影像中提取非植被对象；步骤六：在TM影像中去除步骤五所提取的非植被对象后得到所需的植被对象，将所得到的植被对象作为面状矢量来分割滤波之后的MODIS-NDVI时序数据，从而获得每个对象相应的MODIS-NDVI时序曲线，即，每个植被对象获得相应的物候信息；
步骤七：参考步骤二中典型植被的MODIS-NDVI时序曲线，判定步骤六中每个对象所属的植被类型；
步骤八：综合步骤五中得到的非植被对象和步骤七中的植被对象，完成土地覆盖分类。
本发明的优点：本发明综合了面向对象分类技术与利用植被物候信息分类技术的优点，利用面向对象技术的多尺度分割得到均质的多边形对象，然后提取对象的物候信息，判定该对象的土地覆盖类型。本发明克服了单独利用面向对象分类技术对“异物同谱”土地覆盖类型不能区分的困难，同时也解决了单独利用物候信息分类结果细碎、不具有明确地理意义的问题。使得面向对象分类技术更好的适用于中低分辨率的遥感影像分类，不仅提高了分类的精度和速度，而且明确了分类结果的地理意义。
附图说明
图1为2009年3月初到9月末试验区中林地和芦苇荡的NDVI变动曲线，图中
代表林地、图中
代表芦苇荡；
图2为2009年3月初到9月末试验区中水田和旱地的NDVI变动曲线，图中
代表水田、图中
代表旱地；
图3为利用尺度分割后的对象统计MODIS-NDVI时序数据的像元。
具体实施方式
具体实施方式一：下面结合图3说明本实施方式。本实施方式所述的利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法包括以下步骤：
步骤一：应用Savitzky-Golay(SG)滤波器，对MODIS-NDVI时序数据进行滤波处理，去除错误信息，消除传感器以及获取过程中生成的噪音，得到稳定的物候信息源；
步骤二：从步骤一中所得到的稳定的物候信息源中，确定待分类的遥感影像中典型植被的MODIS-NDVI时序曲线，即，典型植被的物候特征；
步骤三：利用MODIS-NDVI时序数据获取待分类TM影像中植被物候信息，并对TM影像进行多层多尺度分割，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到70％以上的像元组成，将每个分割单元作为一个对象；
步骤四：提取步骤三所得到的每个对象的光谱特征、纹理特征、形状特征和结构特征信息；
步骤五：利用步骤四得到的所有特征信息，在TM影像中提取非植被对象；步骤六：在TM影像中去除步骤五所提取的非植被对象后得到所需的植被对象，将所得到的植被对象作为面状矢量来分割滤波之后的MODIS-NDVI时序数据，从而获得每个对象相应的MODIS-NDVI时序曲线，即，每个植被对象获得相应的物候信息；
步骤七：参考步骤二中典型植被的MODIS-NDVI时序曲线，判定步骤六中每个对象所属的植被类型；
步骤八：综合步骤五中得到的非植被对象和步骤七中的植被对象，完成土地覆盖分类。
具体实施方式二：下面结合图1说明本实施方式，本实施方式为对实施方式一的进一步说明，实施方式一步骤五中所述的非植被对象是水体、裸地和人工建筑地。
具体实施例如下：
步骤一：获取试验区各种地物的物候信息作为训练样本，根据中分辨率成像光谱仪MODIS的植被指数产品MOD13Q1，得到2009年3月初到9月末试验区中典型植被类型的NDVI变动曲线。
步骤二：应用Savitzky-Golay(SG)滤波器，对MODIS-NDVI时序数据进行滤波，去除噪音得到稳定的物候信息。
步骤三：对Landsat TM影像进行多尺度分割，得到一系列空间上相邻、同质性较好的分割单元，将每个单元作为一个对象。表1显示在面向对象分类过程中多尺度分割的参数设置。试验用的Landsat TM轨道号为P120R31，时间为2009年7月15日。
表1.
| 分割尺度 | 彩色因子 | 形状因子 | 光滑度 | 紧致度 |
| 50 | 0.9 | 0.1 | 0.6 | 0.4 |
步骤四：特征提取，得到对象的光谱特征、纹理特征、形状特征、结构特征等多特征信息。本实例中利用易康软件提取多尺度分割后各个对象的特征，这些特征包括亮度、形状、紧致度等。
步骤五：基于步骤四得到的特征，提取水体，裸地及人工建筑地等单元，直至剩余对象全部为植被。
提取水体参数为：brightness小于等于32；
提取裸地、建筑用地的参数为：brightness大于等于70；
由于地表的复杂性，很难用简单的表达式将相同(地物)完全提取出；水体与裸地按照上述参数提取后仍有漏分和错分的现象，需要结合目视解译进行修正；
步骤六：将剩余对象作为面状矢量叠加到物候信息上，提取每个对象对应区域物候特征的均值和最大值。
TM影像多尺度分割后的对象，该对象与MODIS-NDVI时序数据叠加后，利用ArcGIS软件中的Zonal statistics模块，获取重叠区域内所有MODIS-NDVI像元的均值和最大值。以时间为横轴在excel软件中获得3月初到9月末该对象物候信息的均值曲线和最大值曲线。
如果均值曲线与最大值曲线一致，则认为该对象内部地类均一。如果最大值与均值不一致，则认为该对象内部地类不一致，返回步骤三，调整多尺度分割的参数，再次执行步骤三至六。
步骤七：根据物候曲线参考步骤一中的训练样本，判定每个对象所属的土地覆盖类型。
本发明技术方案不局限于以上所列举的具体遥感数据，还包括各种遥感影像与地表年际变化参数的任意组合。
Claims (2)
1.利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法，其特征在于，该方法包括以下步骤：
步骤一：应用Savitzky-Golay滤波器对MODIS-NDVI时序数据进行滤波处理，去除错误信息，消除传感器以及获取过程中生成的噪音，得到稳定的物候信息源；
步骤二：从步骤一中所得到的稳定的物候信息源中，确定待分类的遥感影像中典型植被的MODIS-NDVI时序曲线，即，典型植被的物候特征；
步骤三：利用MODIS-NDVI时序数据获取待分类TM影像中植被物候信息，并对TM影像进行多层多尺度分割，得到一系列分割单元，每个分割单元由空间上相邻、同质性达到70％以上的像元组成，将每个分割单元作为一个对象；
步骤四：提取步骤三所得到的每个对象的光谱特征、纹理特征、形状特征和结构特征信息；
步骤五：利用步骤四得到的所有特征信息，在TM影像中提取非植被对象；
步骤六：在TM影像中去除步骤五所提取的非植被对象后得到所需的植被对象，将所得到的植被对象作为面状矢量来分割滤波之后的MODIS-NDVI时序数据，从而获得每个对象相应的MODIS-NDVI时序曲线，即，每个植被对象获得相应的物候信息；
步骤七：参考步骤二中典型植被的MODIS-NDVI时序曲线，判定步骤六中每个对象所属的植被类型；
步骤八：综合步骤五中得到的非植被对象和步骤七中的植被对象，完成土地覆盖分类。
2.根据权利要求1所述的利用面向对象技术融合Landsat数据和MODIS-NDVI时序数据的遥感图像分类方法，其特征在于，步骤五中所述的非植被对象是水体、裸地和人工建筑地。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210044320.8A CN102609726B (zh) | 2012-02-24 | 2012-02-24 | 利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210044320.8A CN102609726B (zh) | 2012-02-24 | 2012-02-24 | 利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102609726A true CN102609726A (zh) | 2012-07-25 |
| CN102609726B CN102609726B (zh) | 2014-04-16 |
Family
ID=46527085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210044320.8A Expired - Fee Related CN102609726B (zh) | 2012-02-24 | 2012-02-24 | 利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102609726B (zh) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102831310A (zh) * | 2012-08-17 | 2012-12-19 | 北京师范大学 | 构建高空间分辨率ndvi时间序列数据的方法 |
| CN103000077A (zh) * | 2012-11-27 | 2013-03-27 | 中国科学院东北地理与农业生态研究所 | 利用面向对象的分类方法对中等分辨率遥感图像进行红树林制图的方法 |
| CN103279951A (zh) * | 2013-05-13 | 2013-09-04 | 武汉理工大学 | 一种面向对象的遥感影像建筑物及其阴影提取的方法 |
| CN104036499A (zh) * | 2014-05-30 | 2014-09-10 | 中国科学院遥感与数字地球研究所 | 一种多尺度叠加分割方法 |
| CN104239890A (zh) * | 2014-08-12 | 2014-12-24 | 浙江工商大学 | 高分1号卫星的沿岸陆地土地覆被信息自动提取的方法 |
| CN104408733A (zh) * | 2014-12-11 | 2015-03-11 | 武汉大学 | 基于对象随机游走的遥感图像视觉显著性检测方法及系统 |
| CN104615977A (zh) * | 2015-01-26 | 2015-05-13 | 河南大学 | 综合关键季相特征和模糊分类技术的冬小麦遥感识别方法 |
| CN104794424A (zh) * | 2014-01-20 | 2015-07-22 | 北京天合数维科技有限公司 | 一种新的中低分辨率遥感数据复合的耕地识别方法 |
| CN104915674A (zh) * | 2014-10-24 | 2015-09-16 | 北京师范大学 | Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物的方法 |
| CN104951754A (zh) * | 2015-06-08 | 2015-09-30 | 中国科学院遥感与数字地球研究所 | 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法 |
| CN105488346A (zh) * | 2015-12-01 | 2016-04-13 | 中国科学院地理科学与资源研究所 | 一种大尺度土地覆盖变化的空间预测模拟方法 |
| CN105825222A (zh) * | 2015-01-07 | 2016-08-03 | 王伟 | 基于多源多时相卫星影像数据的土地自动分类方法 |
| CN105825221A (zh) * | 2015-01-07 | 2016-08-03 | 王伟 | 土地自动演化分类方法 |
| CN107392133A (zh) * | 2017-07-14 | 2017-11-24 | 中国科学院新疆生态与地理研究所 | 利用面向对象多源信息融合的荒漠植物遥感识别方法 |
| CN108257109A (zh) * | 2018-02-11 | 2018-07-06 | 中国科学院微电子研究所 | 一种数据融合方法及装置 |
| RU2662019C1 (ru) * | 2017-06-08 | 2018-07-23 | Общество с ограниченной ответственностью "ВИКРОН" (ООО "ВИКРОН") | Способ и система измерения индекса плотности растительности |
| CN109635731A (zh) * | 2018-12-12 | 2019-04-16 | 中国科学院深圳先进技术研究院 | 一种识别有效耕地的方法及装置、存储介质及处理器 |
| CN109829425A (zh) * | 2019-01-31 | 2019-05-31 | 沈阳农业大学 | 一种农田景观小尺度地物分类方法及系统 |
| CN109960972A (zh) * | 2017-12-22 | 2019-07-02 | 北京航天泰坦科技股份有限公司 | 一种基于中高分辨率时序遥感数据的农林作物识别方法 |
| CN113361398A (zh) * | 2021-06-04 | 2021-09-07 | 内蒙古工业大学 | 草场围栏识别方法、装置及存储介质 |
| CN113469145A (zh) * | 2021-09-01 | 2021-10-01 | 中国测绘科学研究院 | 一种基于高时空分辨率遥感数据的植被物候提取方法 |
| CN113673339A (zh) * | 2021-07-16 | 2021-11-19 | 北京农业信息技术研究中心 | 基于无人机影像的立地秸秆提取方法和装置 |
| RU2785225C2 (ru) * | 2019-08-28 | 2022-12-05 | Общество с ограниченной ответственностью "Точное Землепользование" | Способ детектирования аномального развития агрофитоценозов в пределах сельскохозяйственного полигона |
| WO2023104130A1 (zh) * | 2021-12-08 | 2023-06-15 | 深圳先进技术研究院 | 柚木林识别方法、系统及终端 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930547A (zh) * | 2010-06-24 | 2010-12-29 | 北京师范大学 | 一种基于面向对象的无监督分类的遥感影像自动分类方法 |
-
2012
- 2012-02-24 CN CN201210044320.8A patent/CN102609726B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930547A (zh) * | 2010-06-24 | 2010-12-29 | 北京师范大学 | 一种基于面向对象的无监督分类的遥感影像自动分类方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘庆凤等: "基于MODIS/NDVI时序数据的土地覆盖分类", 《中国科学院研究生院学报》, 31 March 2010 (2010-03-31) * |
Cited By (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102831310B (zh) * | 2012-08-17 | 2015-04-01 | 北京师范大学 | 构建高空间分辨率ndvi时间序列数据的方法 |
| CN102831310A (zh) * | 2012-08-17 | 2012-12-19 | 北京师范大学 | 构建高空间分辨率ndvi时间序列数据的方法 |
| CN103000077A (zh) * | 2012-11-27 | 2013-03-27 | 中国科学院东北地理与农业生态研究所 | 利用面向对象的分类方法对中等分辨率遥感图像进行红树林制图的方法 |
| CN103279951A (zh) * | 2013-05-13 | 2013-09-04 | 武汉理工大学 | 一种面向对象的遥感影像建筑物及其阴影提取的方法 |
| CN103279951B (zh) * | 2013-05-13 | 2016-03-09 | 武汉理工大学 | 一种面向对象的遥感影像建筑物及其阴影提取的方法 |
| CN104794424A (zh) * | 2014-01-20 | 2015-07-22 | 北京天合数维科技有限公司 | 一种新的中低分辨率遥感数据复合的耕地识别方法 |
| CN104036499A (zh) * | 2014-05-30 | 2014-09-10 | 中国科学院遥感与数字地球研究所 | 一种多尺度叠加分割方法 |
| CN104036499B (zh) * | 2014-05-30 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 一种多尺度叠加分割方法 |
| CN104239890A (zh) * | 2014-08-12 | 2014-12-24 | 浙江工商大学 | 高分1号卫星的沿岸陆地土地覆被信息自动提取的方法 |
| CN104915674B (zh) * | 2014-10-24 | 2018-12-14 | 北京师范大学 | Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物的方法 |
| CN104915674A (zh) * | 2014-10-24 | 2015-09-16 | 北京师范大学 | Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物的方法 |
| CN104408733A (zh) * | 2014-12-11 | 2015-03-11 | 武汉大学 | 基于对象随机游走的遥感图像视觉显著性检测方法及系统 |
| CN104408733B (zh) * | 2014-12-11 | 2017-02-22 | 武汉大学 | 基于对象随机游走的遥感图像视觉显著性检测方法及系统 |
| CN105825222A (zh) * | 2015-01-07 | 2016-08-03 | 王伟 | 基于多源多时相卫星影像数据的土地自动分类方法 |
| CN105825221A (zh) * | 2015-01-07 | 2016-08-03 | 王伟 | 土地自动演化分类方法 |
| CN104615977B (zh) * | 2015-01-26 | 2018-02-06 | 河南大学 | 综合关键季相特征和模糊分类技术的冬小麦遥感识别方法 |
| CN104615977A (zh) * | 2015-01-26 | 2015-05-13 | 河南大学 | 综合关键季相特征和模糊分类技术的冬小麦遥感识别方法 |
| CN104951754A (zh) * | 2015-06-08 | 2015-09-30 | 中国科学院遥感与数字地球研究所 | 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法 |
| CN105488346A (zh) * | 2015-12-01 | 2016-04-13 | 中国科学院地理科学与资源研究所 | 一种大尺度土地覆盖变化的空间预测模拟方法 |
| RU2662019C1 (ru) * | 2017-06-08 | 2018-07-23 | Общество с ограниченной ответственностью "ВИКРОН" (ООО "ВИКРОН") | Способ и система измерения индекса плотности растительности |
| CN107392133A (zh) * | 2017-07-14 | 2017-11-24 | 中国科学院新疆生态与地理研究所 | 利用面向对象多源信息融合的荒漠植物遥感识别方法 |
| CN107392133B (zh) * | 2017-07-14 | 2020-01-10 | 中国科学院新疆生态与地理研究所 | 利用面向对象多源信息融合的荒漠植物遥感识别方法 |
| CN109960972A (zh) * | 2017-12-22 | 2019-07-02 | 北京航天泰坦科技股份有限公司 | 一种基于中高分辨率时序遥感数据的农林作物识别方法 |
| CN109960972B (zh) * | 2017-12-22 | 2020-11-10 | 北京航天泰坦科技股份有限公司 | 一种基于中高分辨率时序遥感数据的农林作物识别方法 |
| CN108257109B (zh) * | 2018-02-11 | 2020-05-19 | 中国科学院微电子研究所 | 一种数据融合方法及装置 |
| CN108257109A (zh) * | 2018-02-11 | 2018-07-06 | 中国科学院微电子研究所 | 一种数据融合方法及装置 |
| CN109635731A (zh) * | 2018-12-12 | 2019-04-16 | 中国科学院深圳先进技术研究院 | 一种识别有效耕地的方法及装置、存储介质及处理器 |
| CN109635731B (zh) * | 2018-12-12 | 2021-04-20 | 中国科学院深圳先进技术研究院 | 一种识别有效耕地的方法及装置、存储介质及处理器 |
| CN109829425A (zh) * | 2019-01-31 | 2019-05-31 | 沈阳农业大学 | 一种农田景观小尺度地物分类方法及系统 |
| CN109829425B (zh) * | 2019-01-31 | 2020-12-22 | 沈阳农业大学 | 一种农田景观小尺度地物分类方法及系统 |
| RU2785225C2 (ru) * | 2019-08-28 | 2022-12-05 | Общество с ограниченной ответственностью "Точное Землепользование" | Способ детектирования аномального развития агрофитоценозов в пределах сельскохозяйственного полигона |
| CN113361398A (zh) * | 2021-06-04 | 2021-09-07 | 内蒙古工业大学 | 草场围栏识别方法、装置及存储介质 |
| CN113673339A (zh) * | 2021-07-16 | 2021-11-19 | 北京农业信息技术研究中心 | 基于无人机影像的立地秸秆提取方法和装置 |
| CN113673339B (zh) * | 2021-07-16 | 2024-02-23 | 北京农业信息技术研究中心 | 基于无人机影像的立地秸秆提取方法和装置 |
| CN113469145A (zh) * | 2021-09-01 | 2021-10-01 | 中国测绘科学研究院 | 一种基于高时空分辨率遥感数据的植被物候提取方法 |
| WO2023104130A1 (zh) * | 2021-12-08 | 2023-06-15 | 深圳先进技术研究院 | 柚木林识别方法、系统及终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102609726B (zh) | 2014-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102609726B (zh) | 利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法 | |
| Jain et al. | Monitoring land use change and its drivers in Delhi, India using multi-temporal satellite data | |
| Aguirre-Gutiérrez et al. | Optimizing land cover classification accuracy for change detection, a combined pixel-based and object-based approach in a mountainous area in Mexico | |
| CN104881865B (zh) | 基于无人机图像分析的森林病虫害监测预警方法及其系统 | |
| Zhang et al. | Land cover classification of the North China Plain using MODIS_EVI time series | |
| White et al. | A new approach to monitoring spatial distribution and dynamics of wetlands and associated flows of Australian Great Artesian Basin springs using QuickBird satellite imagery | |
| Meneguzzo et al. | Mapping trees outside forests using high-resolution aerial imagery: a comparison of pixel-and object-based classification approaches | |
| Akasheh et al. | Detailed mapping of riparian vegetation in the middle Rio Grande River using high resolution multi-spectral airborne remote sensing | |
| CN108492260B (zh) | 基于张量投票耦合霍夫变换的地质线性体提取方法 | |
| Van Delm et al. | Classification and quantification of green in the expanding urban and semi-urban complex: Application of detailed field data and IKONOS-imagery | |
| Bharath et al. | Green to gray: Silicon valley of India | |
| CN104408463B (zh) | 一种高分辨率建设用地图斑识别方法 | |
| CN104217426A (zh) | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 | |
| CN103489171A (zh) | 基于标准色彩库的大范围遥感影像自动化匀光匀色方法 | |
| Mustafa et al. | Identification and mapping of tree species in urban areas using worldview-2 imagery | |
| Zhang et al. | Detecting fractional land-cover change in arid and semiarid urban landscapes with multitemporal Landsat Thematic mapper imagery | |
| Grigillo et al. | Automated building extraction from IKONOS images in suburban areas | |
| CN114463623A (zh) | 一种基于多尺度遥感影像的耕地变化检测方法及装置 | |
| Macfarlane et al. | A standardised Landsat time series (1973–2016) of forest leaf area index using pseudoinvariant features and spectral vegetation index isolines and a catchment hydrology application | |
| 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 | |
| Taherzadeh et al. | Using hyperspectral remote sensing data in urban mapping over Kuala Lumpur | |
| CN106384340A (zh) | 一种遥感时空影像降尺度融合方法 | |
| Grigillo et al. | Classification based building detection from GeoEye-1 images | |
| CN114842356A (zh) | 一种高分辨率地表类型样本自动生成方法、系统及设备 | |
| Strasser et al. | Object-based class modeling for assessing habitat quality in riparian forests |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140416 Termination date: 20160224 |