CN102708307B - 一种应用于城市的植被指数构造方法 - Google Patents
一种应用于城市的植被指数构造方法 Download PDFInfo
- Publication number
- CN102708307B CN102708307B CN201210211744.9A CN201210211744A CN102708307B CN 102708307 B CN102708307 B CN 102708307B CN 201210211744 A CN201210211744 A CN 201210211744A CN 102708307 B CN102708307 B CN 102708307B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- index
- vegetation index
- city
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种应用于城市的植被指数构造方法,该方法包括以下步骤:(1)、根据获得的城市光学遥感影像数据,进行不同程度的辐射校正,获取辐射校正后的城市遥感影像数据;(2)、对辐射校正后的城市光学遥感影像数据,进行几何精校正、镶嵌和裁剪预处理,获得预处理后的城市遥感影像;(3)、计算上述预处理后的城市遥感影像的植被指数IVI。该方法可以更好的抑制城市建筑用地和水体的影响,增强植被信息,且适用于无地面定标参数的传感器所获得的遥感影像数据。该方法构造的城市植被指数计算方法可以准确、快速、高精度的反演出城市的植被信息。
Description
技术领域
本发明涉及一种应用于城市的植被指数构造方法。
背景技术
城市的土地利用类型非常复杂,植被用地是城市生态环境系统中最重要的一员,其面积和分布的变化,会对城市生态环境造成重大的影响。因此,准确地获取和了解城市中植被信息及其空间分布特点,定量地研究它对城市生态环境的影响程度,这对城市规划、生态环境保护以及人居环境质量的提高,都有重要的意义。光学遥感影像中城市植被由于高密度复杂地类,严重影响了城市植被信息的遥感定量反演的精度。
当前对光学遥感植被信息的反演主要是采用植被指数的方法。最常用的植被指数有归一化植被指数NDVI、比值植被指数RVI等;针对消除大气影响而提出的有抗大气植被指数ARVI、绿度抗大气植被指数GARVI等;针对消除土壤背景影响的植被指数有土壤调节植被指数SAVI、修正土壤调节植被指数MSAVI、最优土壤调节植被指数OSAVI等;还有其他的各种植被指数,如地形矫正植被指数TCVI、增强植被指数EVI、线性植被指数LVI、全球环境监测指数GEMI、绿度归一化植被指数GNDVI等。但针对高密度城市的绿地植被指数的研究目前还没有涉及。
对于最常用的植被指数——归一化植被指数NDVI的局限性表现在,用非线性拉伸的方式增强了近红外波段NIR和红波段R的反射率的对比度,其能比较好地分辨出植被,但对植被的密集度具有较低的灵敏度,城市的植被覆盖密集度非常复杂,很难用归一化植被指数NDVI来度量;比值植被指数RVI对高植被覆盖度的植被十分敏感,可用于检测和估算植物生物量,但当植被覆盖度<50%时,这种敏感性显著降低,而城市的植被覆盖度是比较低的,比值植被指数RVI对城市的植被提取敏感性很低;土壤调节植被指数SAVI,与归一化植被指数NDVI相比,增加了根据实际情况确定的土壤调节系数,土壤调节植被指数SAVI仅在土壤线参数非常理想的状态下时才适用,而城市的土壤参数是非常复杂的,因此土壤调节植被指数SAVI也不是理想的城市植被指数构建方法。
上文中提及到的植被指数对植被的覆盖度有比较高的要求。对于大面积的植被森林地区能获得比较高的精度,但对于提取城市中高密度建筑群区域的植被指数有明显的缺陷。这些植被指数都是直接采用遥感影像的原始波段进行增强,主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标。而城市中植被指数的提取主要还受到建筑用地和水体的影响,目前的植被指数都没有考虑到这两者的影响。
综上所述,现有的植被指数有针对消除大气影响的,有针对消除土壤背景影响的,也有针对地形矫正的,但无论哪一种都是采用遥感影像的原始波段DN值或反射率进行增强,对于建筑用地和水体的影响没有考虑。这就使得设计一种针对消除城市建筑用地和水体影响的植被指数具有重要的科学意义与应用价值。
发明内容
本发明的目的在于提供一种应用于城市的植被指数构造方法,该方法可以消除城市建筑用地和水体的影响,可以准确、快速、高精度的反演出城市的植被信息。
本发明的特征在于:一种应用于城市的植被指数构造方法,其特征在于:该方法包括以下步骤:
(1)、根据获得的城市光学遥感影像数据,进行不同程度的辐射校正,获取辐射校正后的城市遥感影像数据,所述的根据获得的城市光学遥感影像数据,进行不同程度的辐射校正是指:如果有辐射亮度计算参数,则可以从遥感影像的DN值计算出遥感影像的辐射亮度值,如果进一步有关于表现反射率的计算参数,则可进一步计算出遥感影像的地表反射率,辐射校正可以提高植被指数的最终反演精度,因此第一步根据数据的具体情况尽可能求得地表反射率结果,其次为遥感数据辐射亮度值,最差则直接利用遥感影像数据的DN值。
(2)、对辐射校正后的城市光学遥感影像数据进行几何精校正、镶嵌和裁剪,获取预处理后的城市遥感影像,其具体步骤如下:
(2-1)、首先对辐射校正后的遥感影像数据进行几何精校正,以一副没有经过几何校正的栅格文件或者已经经过几何校正的栅格文件作为基准遥感影像,通过从预处理遥感影像和基准遥感影像上选择相同位置的点与另外一副栅格文件上的对应位置的点配准,使相同地物出现在校正后的遥感影像相同位置;
(2-2)、对辐射精校正后的遥感影像进行镶嵌,判断研究区域是否覆盖在两幅以上的遥感影像上,如果研究区域覆盖在两幅以上的遥感影像上,则对多幅相邻遥感影像进行镶嵌,镶嵌后转步骤(2-3),如果研究区域不是覆盖在两幅以上的遥感影像上,则可直接转步骤(2-3);
(2-3)、)利用ENVI软件对遥感影像进行裁剪,获取裁剪后的遥感影像研究区域;
(3)、计算上述预处理后的城市遥感影像的植被指数IVI,其具体如下:
计算归一化植被指数NDVI,其计算公式为:
NDVI=(ρnir-ρr)/(ρnir+ρr) (1)
计算比值植被指数RVI,其计算公式为:
RVI=ρnir/ρr (2)
计算归一化建筑指数,其计算公式为:
NDBI=(ρmir-ρnir)/(ρmir+ρnir) (3)
计算修正归一化水体指数,其计算公式为:
MNDWI=(ρgreen-ρmir)/(ρgreen+ρmir) (4)
其中:ρnir为研究区近红外波段的地表反射率值,
ρr为研究区红波段的地表反射率值,
ρmir为研究区中红外波段的地表反射率值,
ρgreen为研究区绿波段的地表反射率值,
由此推导城市植被指数IVI,其计算公式为:
其中,NDBI为归一化建筑指数,MNDWI为修正归一化水体指数,由于常用植被指数CVI有归一化植被指数NDVI和比值植被指数RVI,因此计算公式(5)可演化为计算公式(6)和计算公式(7):
其中,NDVI为归一化植被指数,NDBI为归一化建筑指数,MNDWI为修正归一化水体指数,
其中,RVI为比值植被指数,NDBI为归一化建筑指数,MNDWI为修正归一化水体指数。
本发明的一种应用于城市的植被指数构造方法所具有的优点有:
1、该方法构造的城市的植被指数能更好的抑制建筑用地和水体影响,由植被指数、建筑指数和水体指数这3个指数波段构成的遥感影像光谱特征,分析发现待提取的城市植被指数波段具有同时大于建筑指数波段和水体指数波段的唯一特征。计算公式中抑制的2个波段信息之和除以2可以避免因分子太小、分母太大而导致所求的指数值偏低的情况。该指数是一种比值型归一化指数,可以使遥感影像中的植被信息呈正值,而建筑用地和水体信息呈负值扩大了植被和建筑用地、水体的反差,从而大大增强了植被信息,抑制了建筑用地和水体信息。
2、该方法构造的城市植被指数中的常用植被指数CVI除了归一化植被指数NDVI和比值植被指数RVI外,还可采用其它的植被指数,如采用抗大气植被指数系列,土壤调节植被指数系列等,该常用植被指数CVI不仅具有消除建筑用地和水体影响的作用,同时还具有消除大气或者土壤背景影响的作用,可以根据实际的需要选取合适的常用植被指数CVI。
3、该方法构造的城市植被指数不需要设置地面定标参数,适用性广。城市植被指数方法适用于地表反射率数据,也适用于辐射亮度值数据与DN值数据,为缺乏地面定标参数的传感器在城市植被信息的定量反演等方面的应用提供了重要手段。因为缺乏地面定标参数,大气校正方法会受到限制。本发明的方法可以准确、快速、高精度的反演出城市的植被信息。
附图说明
图1为本发明的实现流程图。
具体实施方式
本发明的一种应用于城市的植被指数构造方法,该方法包括以下步骤:
(1)、遥感影像辐射校正,如图1中的①,根据获取的城市光学遥感影像的情况,进行不同程度的辐射校正,如果有辐射亮度计算参数,如传感器各波段的Gain和Bias参数,则可以从遥感影像数据的DN值计算出遥感影像的辐射亮度值;如果进一步有关于地表反射率的计算参数,则可进一步计算出遥感影像的地表发射率,辐射校正可以提高地形校正植被指数的最终反演精度,因此第一步根据遥感影像的具体情况尽可能求得地表反射率结果,其次为辐射亮度结果,最差则直接采用遥感影像的DN值。一般对于常用的Landsat TM遥感影像数据,可以在遥感影像数据的头文件中获得太阳高度角、太阳方位角、遥感影像获取时间、各波段的Gain和Bias等参数,然后利用软件ENVI中Landsat TM Calibration模块分别计算得到辐射亮度值与地表发射率值。本专利发明的案例采用Landsat TM数据,利用其地表反射率结果进行处理,实际应用中,采用遥感数据辐射亮度值或者DN值;
(2)、对辐射校正后的城市光学遥感影像数据进行预处理——几何精校正、镶嵌和裁剪获取裁剪后的遥感影像,如图1中的②,其具体步骤如下:
(2-1)、对辐射校正后的遥感影像数据进行几何精校正,以一副没有经过几何校正的栅格文件或者已经经过几何校正的栅格文件作为基准遥感影像,通过从预处理遥感影像和基准遥感影像上选择相同位置的点与另外一副栅格文件上的对应位置的点配准,使相同地物出现在校正后的遥感影像相同位置;
(2-2)、对辐射精校正后的遥感影像进行镶嵌,如图1中的②,判断研究区域是否覆盖在两幅以上的遥感影像上,如果研究区域覆盖在两幅以上的遥感影像上,则对多幅相邻遥感影像进行镶嵌,镶嵌后转步骤(2-3),如果研究区域不是覆盖在两幅以上的遥感影像上,则可直接转步骤(2-3);
(2-3)、利用ENVI软件对遥感影像进行裁剪,获取裁剪后的遥感影像研究区域,即利用行政边界向量或自然区域边界向量对遥感影像进行裁剪,如图1中的②;
(3)、计算上述预处理后的城市遥感影像的城市植被指数IVI,如图1中的③,包括归一化建筑指数NDBI、修正归一化水体指数MNDWI和常用植被指数CVI的计算;常用植被指数CVI有归一化植被指数NDVI和比值植被指数RVI,其具体计算如下:
计算归一化植被指数NDVI,其计算公式为:
NDVI=(ρnir-ρr)/(ρnir+ρr) (1)
计算比值植被指数RVI,其计算公式为:
RVI=ρnir/ρr (2)
计算归一化建筑指数,其计算公式为:
NDBI=(ρmir-ρnir)/(ρmir+ρnir) (3)
计算修正归一化水体指数,其计算公式为:
MNDWI=(ρgreen-ρmir)/(ρgreen+ρmir) (4)
其中:ρnir为研究区近红外波段的地表反射率值,
ρr为研究区红波段的地表反射率值,
ρmir为研究区中红外波段的地表反射率值,
ρgreen为研究区绿波段的地表反射率值,
由此推导城市植被指数IVI,其计算公式为:
其中,NDBI为归一化建筑指数,MNDWI为修正归一化水体指数,由于常用植被指数CVI主要有归一化植被指数NDVI和比值植被指数RVI,因此计算公式(5)可演化为计算公式(6)和计算公式(7):
其中,NDVI为归一化植被指数,NDBI为归一化建筑指数,MNDWI为修正归一化水体指数,
其中,RVI为比值植被指数,NDBI为归一化建筑指数,MNDWI为修正归一化水体指数。
Claims (1)
1.一种应用于城市的植被指数构造方法,其特征在于:该方法包括以下步骤:
(1)、根据获得的城市光学遥感影像数据,进行不同程度的辐射校正,获取辐射校正后的城市遥感影像数据,所述的根据获得的城市光学遥感影像数据,进行不同程度的辐射校正是指:如果有辐射亮度计算参数,则可以从遥感影像的DN值计算出遥感影像的辐射亮度值,如果进一步有关于表现反射率的计算参数,则可进一步计算出遥感影像的地表反射率,辐射校正可以提高植被指数的最终反演精度,因此第一步根据数据源的具体情况尽可能求得地表反射率结果,其次为遥感数据辐射亮度值,最差则直接利用遥感影像数据的DN值;
(2)、对辐射校正后的城市光学遥感影像数据进行几何精校正、镶嵌和裁剪,获取预处理后的城市遥感影像,其具体步骤如下:
(2-1)、首先对辐射校正后的遥感影像数据进行几何精校正,以一副没有经过几何校正的栅格文件或者已经经过几何校正的栅格文件作为基准遥感影像,通过从预处理遥感影像和基准遥感影像上选择相同位置的点与另外一副栅格文件上的对应位置的点配准,使相同地物出现在校正后的遥感影像相同位置;
(2-2)、对辐射精校正后的遥感影像进行镶嵌,判断研究区域是否覆盖在两幅以上的遥感影像上,如果研究区域覆盖在两幅以上的遥感影像上,则对多幅相邻遥感影像进行镶嵌,镶嵌后转步骤(2-3),如果研究区域不是覆盖在两幅以上的遥感影像上,则可直接转步骤(2-3);
(2-3)、)利用ENVI软件对遥感影像进行裁剪,获取裁剪后的遥感影像研究区域;
(3)、计算上述预处理后的城市遥感影像的植被指数IVI,其具体如下:
计算归一化植被指数NDVI,其计算公式为:
NDVI=(ρnir-ρr)/(ρnir+ρr) (1)
计算比值植被指数RVI,其计算公式为:
RVI=ρnir/ρr (2)
计算归一化建筑指数,其计算公式为:
NDBI=(ρmir-ρnir)/(ρmir+ρnir) (3)
计算修正归一化水体指数,其计算公式为:
MNDWI=(ρgreen-ρmir)/(ρgreen+ρmir) (4)
其中:ρnir为研究区近红外波段的地表反射率值,
ρr为研究区红波段的地表反射率值,
ρmir为研究区中红外波段的地表反射率值,
ρgreen为研究区绿波段的地表反射率值,
由此推导城市植被指数IVI,其计算公式为:
其中,NDBI为归一化建筑指数,MNDWI为修正归一化水体指数,由于常用植被指数CVI有归一化植被指数NDVI和比值植被指数RVI,因此计算公式(5)可演化为计算公式(6)和计算公式(7):
其中,NDVI为归一化植被指数,NDBI为归一化建筑指数,MNDWI为修正归一化水体指数,
其中,RVI为比值植被指数,NDBI为归一化建筑指数,MNDWI为修正归一化水体指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210211744.9A CN102708307B (zh) | 2012-06-26 | 2012-06-26 | 一种应用于城市的植被指数构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210211744.9A CN102708307B (zh) | 2012-06-26 | 2012-06-26 | 一种应用于城市的植被指数构造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102708307A CN102708307A (zh) | 2012-10-03 |
CN102708307B true CN102708307B (zh) | 2015-07-01 |
Family
ID=46901063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210211744.9A Expired - Fee Related CN102708307B (zh) | 2012-06-26 | 2012-06-26 | 一种应用于城市的植被指数构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102708307B (zh) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG2013064209A (en) * | 2013-08-23 | 2015-03-30 | Wu Xiaojun Allan | Creet model |
CN106033494A (zh) * | 2015-03-11 | 2016-10-19 | 中国人民解放军沈阳军区司令部工程科研设计所 | 一种基于归一化水体挖掘指数的地表水信息提取方法 |
CN105279515A (zh) * | 2015-09-14 | 2016-01-27 | 哈尔滨工业大学 | 一种基于差分时序指数特征的多时相遥感影像特征提取方法 |
CN105527229B (zh) * | 2015-12-01 | 2018-01-02 | 北京师范大学 | 一种抗大气气溶胶植被指数计算方法 |
CN106327452B (zh) * | 2016-08-14 | 2019-05-07 | 曾志康 | 一种面向多云雨地区的碎片化遥感影像合成方法及装置 |
CN106548146A (zh) * | 2016-11-01 | 2017-03-29 | 北京航天泰坦科技股份有限公司 | 基于时空分析的地表覆盖变化算法和系统 |
CN108154068A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种遥感影像中泥石流信息的提取方法 |
CN107944387B (zh) * | 2017-11-22 | 2021-12-17 | 重庆邮电大学 | 一种基于半变异理论的城市热岛空间异质性的分析方法 |
CN109388887B (zh) * | 2018-10-09 | 2023-01-13 | 首都师范大学 | 一种地面沉降影响因素定量分析方法及系统 |
CN109509154B (zh) * | 2018-10-23 | 2021-05-18 | 东华理工大学 | 一种dmsp/ols年稳定夜光遥感影像去饱和校正方法 |
CN109598273B (zh) * | 2018-12-03 | 2022-08-19 | 中国矿业大学 | 一种融合地表温度和建筑指数的城市实体边界识别方法 |
CN109740576B (zh) * | 2019-01-31 | 2023-01-10 | 交通运输部天津水运工程科学研究所 | 一种监管公路临时占地利用与恢复的卫星遥感方法 |
CN110060292A (zh) * | 2019-04-03 | 2019-07-26 | 广州地理研究所 | 一种基于多尺度融合的土地利用面积计算方法 |
CN110634077B (zh) * | 2019-07-29 | 2022-12-13 | 中国地质大学(武汉) | 一种基于混合植被指数计算植被指数的方法 |
CN110440722B (zh) * | 2019-08-20 | 2021-07-13 | 福州大学 | 一种适于无中红外数据的建筑指数构建方法 |
CN111222536A (zh) * | 2019-11-19 | 2020-06-02 | 南京林业大学 | 一种基于决策树分类的城市绿色空间信息提取方法 |
CN111144353B (zh) * | 2019-12-30 | 2023-08-25 | 内蒙古小草数字生态产业股份有限公司 | 一种矿山修复方法 |
CN111652056B (zh) * | 2020-04-24 | 2023-06-23 | 深圳大学 | 一种基于遥感影像的行人路网太阳辐照指数检测方法 |
CN111612894B (zh) * | 2020-05-25 | 2023-04-25 | 江苏师范大学科文学院 | 基于航拍图像与cim的植被模型辅助生成方法与系统 |
CN112016388A (zh) * | 2020-07-08 | 2020-12-01 | 珠江水利委员会珠江水利科学研究院 | 一种基于可见光波段无人机遥感影像植被信息提取方法 |
CN111861934A (zh) * | 2020-07-29 | 2020-10-30 | 贵阳欧比特宇航科技有限公司 | 一种高光谱卫星影像数据生产、镶嵌与元数据制作方法 |
CN113822107B (zh) * | 2020-08-11 | 2024-01-19 | 山东理工大学 | 一种融合多种植被指数的土地荒漠化提取方法及装置 |
CN112381013B (zh) * | 2020-11-18 | 2024-02-27 | 南通市测绘院有限公司 | 基于高分辨率遥感影像的城市植被反演方法及系统 |
CN112884793B (zh) * | 2021-01-27 | 2022-12-23 | 河南理工大学 | 一种多时相多等级的城市温度遥感数据分析方法 |
CN112785590B (zh) * | 2021-02-09 | 2022-09-13 | 河北地质大学 | 一种基于双差值归一化的植被指数计算方法 |
CN113408929B (zh) * | 2021-07-01 | 2022-07-12 | 福州大学 | 基于空间几何原理的四维遥感生态指数构建方法 |
CN114596234B (zh) * | 2022-03-21 | 2022-12-16 | 昆明理工大学 | 一种复杂山地的ndvi地形阴影效应校正方法 |
CN115204691B (zh) * | 2022-07-13 | 2023-02-03 | 中国科学院地理科学与资源研究所 | 基于机器学习和遥感技术的城市人为热排放量估算方法 |
CN115471760B (zh) * | 2022-10-31 | 2023-02-28 | 吉林高分遥感应用研究院有限公司 | 玉米长势监测方法、系统、电子设备及计算机存储介质 |
CN115439759B (zh) * | 2022-11-09 | 2023-04-11 | 航天宏图信息技术股份有限公司 | 遥感影像中植被的提取方法、装置、电子设备及介质 |
CN116151610B (zh) * | 2022-12-16 | 2023-10-03 | 中国水利水电科学研究院 | 一种非均质城市下垫面承灾体风险暴露空间模拟方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561502A (zh) * | 2009-05-07 | 2009-10-21 | 福州大学 | 地形校正植被指数的构造方法 |
-
2012
- 2012-06-26 CN CN201210211744.9A patent/CN102708307B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561502A (zh) * | 2009-05-07 | 2009-10-21 | 福州大学 | 地形校正植被指数的构造方法 |
Non-Patent Citations (3)
Title |
---|
A RS AND GIS ANALYSIS ON LAND-USE-COVER;Xie Yanan 等;《IET Inernational Communication conference on wireless Mobile and computing》;20111231;全文 * |
地形复杂区域的典型植被指数评估;姚晨 等;《遥感技术与应用》;20090831;全文 * |
基于ETM+影像的上海市绿地提取有效方法研究;王立树 等;《电子测量技术》;20101231;第4页正文第1节第7页第3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN102708307A (zh) | 2012-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102708307B (zh) | 一种应用于城市的植被指数构造方法 | |
Tian et al. | Aboveground mangrove biomass estimation in Beibu Gulf using machine learning and UAV remote sensing | |
CN103824077B (zh) | 一种基于多源遥感数据的城市不透水层率息提取方法 | |
CN101963664B (zh) | 基于水陆地物分类信息的微波遥感混合像元分解方法 | |
CN102565778A (zh) | 一种自动提取伪不变特征的遥感图像相对辐射校正方法 | |
CN104656098A (zh) | 一种遥感森林生物量反演的方法 | |
CN104361338A (zh) | 一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法 | |
CN108303044A (zh) | 一种叶面积指数获取方法及系统 | |
Kim et al. | Application of the Savitzky-Golay filter to land cover classification using temporal MODIS vegetation indices | |
CN113850139B (zh) | 一种基于多源遥感的森林年际物候监测方法 | |
CN104915674A (zh) | Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物的方法 | |
TR201807718T4 (tr) | Bir alandaki bir arazi türünün sınıflandırılmasına yönelik yöntem ve sistem. | |
CN111242224A (zh) | 一种基于无人机提取分类样本点的多源遥感数据分类方法 | |
Mukherjee et al. | Effect of canal on land use/land cover using remote sensing and GIS | |
Wang et al. | A quantitative study of gully erosion based on object-oriented analysis techniques: a case study in Beiyanzikou catchment of Qixia, Shandong, China | |
CN105372672A (zh) | 基于时间序列数据的南方冬种作物种植面积提取方法 | |
CN114112906B (zh) | 一种基于无人机低空遥感和局部地形的水体特征提取系统 | |
CN107688777A (zh) | 一种协同多源遥感影像的城市绿地提取方法 | |
CN106600586B (zh) | 一种基于太阳高度角的tavi调节因子算法 | |
Xue et al. | Flood monitoring by integrating normalized difference flood index and probability distribution of water bodies | |
Al-Bakri et al. | Assessment of remote sensing indices for drought monitoring in Jordan | |
Twele et al. | The effect of stratified topographic correction on land cover classification in tropical mountainous regions | |
Ukhnaa et al. | Modification of urban built-up area extraction method based on the thematic index-derived bands | |
Wang et al. | Spatial Downscaling of Remote Sensing Precipitation Data in the Beijing-Tianjin-Hebei Region | |
Azzouzi et al. | Enhancement of the double flexible pace search threshold determination for change vector analysis |
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: 20150701 Termination date: 20180626 |
|
CF01 | Termination of patent right due to non-payment of annual fee |