CN103745222B - 一种遥感数据采样的方法及系统 - Google Patents

一种遥感数据采样的方法及系统 Download PDF

Info

Publication number
CN103745222B
CN103745222B CN201310675966.0A CN201310675966A CN103745222B CN 103745222 B CN103745222 B CN 103745222B CN 201310675966 A CN201310675966 A CN 201310675966A CN 103745222 B CN103745222 B CN 103745222B
Authority
CN
China
Prior art keywords
sampling
point
density
sampled point
patch
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.)
Active
Application number
CN201310675966.0A
Other languages
English (en)
Other versions
CN103745222A (zh
Inventor
彭树宏
钱静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201310675966.0A priority Critical patent/CN103745222B/zh
Publication of CN103745222A publication Critical patent/CN103745222A/zh
Application granted granted Critical
Publication of CN103745222B publication Critical patent/CN103745222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Analysis (AREA)

Abstract

本发明适用于遥感通信领域，提供了一种遥感数据采样的方法，包括：根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点，其中，所述采样点依据已有分类成果的斑块分布密度布设；在斑块密度集中的区域进行高密度点，并选取卫星影像；在实地调查的基础上，现场采样的控制点与所述采样点重合，并最终确定重合采样点的个数。本发明还提供了一种遥感数据采样的系统。本发明所提供的一种遥感数据采样的方法及系统能极大降低采样手段的复杂度，同时使得采样效率和精确性明显提高。

Description

一种遥感数据采样的方法及系统
技术领域
本发明涉及遥感通信领域，尤其涉及一种遥感数据采样的方法及系统。
背景技术
电磁波反射、发射辐射的遥感观察部分地解决了空间采样问题。如何能够真实的表达遥感领域的关键地学参数，如地表温度、反照率、植被指数、叶面积指数、土壤水分含量和地表通量等等，这都需要进行进一步的验证工作。遥感监测的野外验证工作，是利用遥感专题图进行科学研究和决策前，针对遥感数据提取专题类别信息、数据质量进行野外验证的实施过程。
由于传统的遥感数据采样手段比较复杂，而且定量遥感产品真实性检验工作的滞后，尤其是真实性检验系统性理论、方法和手段比较缺乏，特别是对非均匀地表特性的尺度转换研究的迟后，使得区域尺度的遥感信息与田间尺度的地表观测信息脱节，从而制约着遥感数据及其产品的推广应用。
因此，亟需设计一种遥感数据采样的方法及系统，从而可以实现降低采样手段的复杂度，同时提高采样效率和精确度。
发明内容
有鉴于此，本发明实施例的目的在于提供一种遥感数据采样的方法及系统，旨在解决现有技术中遥感数据采样手段复杂度高，且采样效率低以及精确度小的问题。
本发明实施例是这样实现的，一种遥感数据采样的方法，包括：
根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点，其中，所述采样点依据已有分类成果的斑块分布密度布设；
在斑块密度集中的区域进行高密度点，并选取卫星影像；
在实地调查的基础上，现场采样的控制点与所述采样点重合，并最终确定重合采样点的个数。
优选的，所述根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点的步骤包括：
利用空间数据处理软件的特征点选取内侧点，并保证中心点位于多边形以内；
采用事件选取工具收集事件，以预设范围内点的分布密度作为事件，以密度分布区中心点作为采样点；
进行热点区效果渲染；
进行采样点的偏移，并使用随机函数在预设区域范围内进行随机跳跃。
优选的，所述在斑块密度集中的区域进行高密度点，并选取卫星影像的步骤包括：
根据所述热点区效果渲染获取斑块密度集中的区域进行高密度点；
根据所述斑块密度集中的区域的城市分布情况、热点中心以及城市中心选取卫星影像。
另一方面，本发明还提供一种遥感数据采样的系统，包括：
地理区域采样模块，用于根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点，其中，所述采样点依据已有分类成果的斑块分布密度布设；
高密度采样模块，用于在斑块密度集中的区域进行高密度点，并选取卫星影像；
补充采样模块，用于在实地调查的基础上，现场采样的控制点与所述采样点重合，并最终确定重合采样点的个数。
优选的，所述地理区域采样模块包括：
选取子模块，用于利用空间数据处理软件的特征点选取内侧点，并保证中心点位于多边形以内；
收集子模块，用于采用事件选取工具收集事件，以预设范围内点的分布密度作为事件，以密度分布区中心点作为采样点；
渲染子模块，用于进行热点区效果渲染；
偏移子模块，用于进行采样点的偏移，并使用随机函数在预设区域范围内进行随机跳跃。
优选的，所述高密度采样模块包括：
第一采样子模块，用于根据所述热点区效果渲染获取斑块密度集中的区域进行高密度点；
第二采样子模块，用于根据所述斑块密度集中的区域的城市分布情况、热点中心以及城市中心选取卫星影像。
在本发明实施例中，本发明提供的技术方案，通过重点区划分将实际分类结果进行聚类，并通过采用热点分析确定重点采样区域，通过集中采样去划分并提出重点区域和相关遥感影像相结合以确定集中采样区域，从而可以实现降低采样手段的复杂度，同时提高采样效率和精确度。
附图说明
图1为本发明一实施方式中遥感数据采样的方法流程图；
图2为本发明一实施方式中图1中步骤S11的具体方法流程图；
图3为本发明一实施方式中图1中步骤S12的具体方法流程图；
图4为本发明一实施方式中遥感数据采样的系统10的结构示意图；
图5为本发明一实施方式中图4中的地理区域采样模块101内部结构示意图；
图6为本发明一实施方式中图4中的高密度采样模块102内部结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明具体实施方式提供了一种遥感数据采样的方法，主要包括如下步骤：
S11、根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点，其中，所述采样点依据已有分类成果的斑块分布密度布设；
S12、在斑块密度集中的区域进行高密度点，并选取卫星影像；
S13、在实地调查的基础上，现场采样的控制点与所述采样点重合，并最终确定重合采样点的个数。
本发明所提供的一种遥感数据采样的方法，通过重点区划分将实际分类结果进行聚类，并通过采用热点分析确定重点采样区域，通过集中采样去划分并提出重点区域和相关遥感影像相结合以确定集中采样区域，从而可以实现降低采样手段的复杂度，同时提高采样效率和精确度。
以下将对本发明所提供的一种遥感数据采样的方法进行详细说明。
请参阅图1，为本发明一实施方式中遥感数据采样的方法流程图。
在步骤S11中，根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点，其中，所述采样点依据已有分类成果的斑块分布密度布设。
在本实施方式中，实现步骤S11具体还包括4步，如图2所示。
请参阅图2，为本发明一实施方式中图1中步骤S11的具体方法流程图。
在步骤S111中，利用空间数据处理软件的特征点（Feature to Points）选取内侧（INSIDE）点，并保证中心点位于多边形以内。在本实施方式中，该空间数据处理软件为ARCGIS。
在步骤S112中，采用事件选取工具收集事件（Collect Events），以预设范围内点的分布密度作为事件，以密度分布区中心点作为采样点。在本实施方式中，该预设范围设置为100KM2。
在步骤S113中，进行热点区（Hotspot）效果渲染。
在步骤S114中，进行采样点的偏移，并使用随机函数（Rand）在预设区域范围内进行随机跳跃。在本实施方式中，根据随机采样的要求，为避免所有点都为中心点的特性，在热点区效果渲染完成之后，就进行采样点的偏移。在本实施方式中，该预设区域范围设置为1KM。
请继续参阅图1，在步骤S12中，在斑块密度集中的区域进行高密度点，并选取卫星影像。
在本实施方式中，实现步骤S12具体还包括2步，如图3所示。
请参阅图3，为本发明一实施方式中图1中步骤S12的具体方法流程图。
在步骤S121中，根据所述热点区（Hotspot）效果渲染获取斑块密度集中的区域进行高密度点。
在步骤S122中，根据所述斑块密度集中的区域的城市分布情况、热点中心以及城市中心选取卫星影像。在本实施方式中，联合该区域的城市分布情况，根据兼顾热点中心和城市中心的原则，选取卫星影像。
请继续参阅图1，在步骤S13中，在实地调查的基础上，现场采样的控制点与所述采样点重合，并最终确定重合采样点的个数。在本实施方式中，步骤S13的采样是在实地调查的基础完成的，现场采样的控制点与步骤S11当中的采样点重合，最终确定重合采样点的个数。
本发明所提供的一种遥感数据采样的方法，通过重点区划分将实际分类结果进行聚类，并通过采用热点分析确定重点采样区域，通过集中采样去划分并提出重点区域和相关遥感影像相结合以确定集中采样区域，从而可以实现降低采样手段的复杂度，同时提高采样效率和精确度。
本发明具体实施方式还提供一种遥感数据采样的系统10，主要包括：
地理区域采样模块101，用于根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点，其中，所述采样点依据已有分类成果的斑块分布密度布设；
高密度采样模块102，用于在斑块密度集中的区域进行高密度点，并选取卫星影像；
补充采样模块103，用于在实地调查的基础上，现场采样的控制点与所述采样点重合，并最终确定重合采样点的个数。
本发明所提供的一种遥感数据采样的系统10，通过重点区划分将实际分类结果进行聚类，并通过采用热点分析确定重点采样区域，通过集中采样去划分并提出重点区域和相关遥感影像相结合以确定集中采样区域，从而可以实现降低采样手段的复杂度，同时提高采样效率和精确度。
以下将对本发明所提供的一种遥感数据采样的系统10进行详细说明。
请参阅图4，所示为本发明一实施方式中遥感数据采样的系统10的结构示意图。在本实施方式中，遥感数据采样的系统10包括地理区域采样模块101、高密度采样模块102以及补充采样模块103。
地理区域采样模块101，用于根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点，其中，所述采样点依据已有分类成果的斑块分布密度布设。
在本实施方式中，地理区域采样模块101具体包括选取子模块1011、收集子模块1012、渲染子模块1013、偏移子模块1014，如图5所示。
请参阅图5，所示为本发明一实施方式中图4中的地理区域采样模块101内部结构示意图。
选取子模块1011，用于利用空间数据处理软件的特征点选取内侧点，并保证中心点位于多边形以内。在本实施方式中，该空间数据处理软件为ARCGIS。
收集子模块1012，用于采用事件选取工具收集事件，以预设范围内点的分布密度作为事件，以密度分布区中心点作为采样点。在本实施方式中，该预设范围设置为100KM2。
渲染子模块1013，用于进行热点区效果渲染。
偏移子模块1014，用于进行采样点的偏移，并使用随机函数在预设区域范围内进行随机跳跃。在本实施方式中，根据随机采样的要求，为避免所有点都为中心点的特性，在热点区效果渲染完成之后，就进行采样点的偏移。在本实施方式中，该预设区域范围设置为1KM。
请继续参阅图4，高密度采样模块102，用于在斑块密度集中的区域进行高密度点，并选取卫星影像。
在本实施方式中，高密度采样模块102具体包括：第一采样子模块1021与第二采样子模块1022，如图6所示。
请参阅图6，所示为本发明一实施方式中图4中的高密度采样模块102内部结构示意图。
第一采样子模块1021，用于根据所述热点区效果渲染获取斑块密度集中的区域进行高密度点。
第二采样子模块1022，用于根据所述斑块密度集中的区域的城市分布情况、热点中心以及城市中心选取卫星影像。在本实施方式中，联合该区域的城市分布情况，根据兼顾热点中心和城市中心的原则，选取卫星影像。
请继续参阅图4，补充采样模块103，用于在实地调查的基础上，现场采样的控制点与所述采样点重合，并最终确定重合采样点的个数。在本实施方式中，补充采样模块103的采样是在实地调查的基础完成的，现场采样的控制点与地理区域采样模块101当中的采样点重合，最终确定重合采样点的个数。
本发明所提供的一种遥感数据采样的系统10，通过重点区划分将实际分类结果进行聚类，并通过采用热点分析确定重点采样区域，通过集中采样去划分并提出重点区域和相关遥感影像相结合以确定集中采样区域，从而可以实现降低采样手段的复杂度，同时提高采样效率和精确度。
在本发明实施例中，本发明提供的技术方案，通过重点区划分将实际分类结果进行聚类，并通过采用热点分析确定重点采样区域，通过集中采样去划分并提出重点区域和相关遥感影像相结合以确定集中采样区域，从而可以实现降低采样手段的复杂度，同时提高采样效率和精确度。
值得注意的是，上述实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种遥感数据采样的方法，其特征在于，所述方法包括：
根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点，其中，所述采样点依据已有分类成果的斑块分布密度布设；
在斑块密度集中的区域进行高密度点采样，并选取卫星影像；
在实地调查的基础上，现场采样的控制点与所述采样点重合，并最终确定重合采样点的个数；
所述根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点的步骤包括：
利用空间数据处理软件的特征点选取内侧点，并保证中心点位于多边形以内；
采用事件选取工具收集事件，以预设范围内点的分布密度作为事件，以密度分布区中心点作为采样点；
进行热点区效果渲染；
进行采样点的偏移，并使用随机函数在预设区域范围内进行随机跳跃；
所述在斑块密度集中的区域进行高密度点采样，并选取卫星影像的步骤包括：
根据所述热点区效果渲染获取斑块密度集中的区域进行高密度点采样；
根据所述斑块密度集中的区域的城市分布情况、热点中心以及城市中心选取卫星影像。
2.一种遥感数据采样的系统，其特征在于，所述系统包括：
地理区域采样模块，用于根据土地利用或者覆被分类遥感专题图信息提取成果布设采样点，其中，所述采样点依据已有分类成果的斑块分布密度布设；
高密度采样模块，用于在斑块密度集中的区域进行高密度点采样，并选取卫星影像；
补充采样模块，用于在实地调查的基础上，现场采样的控制点与所述采样点重合，并最终确定重合采样点的个数；
所述地理区域采样模块包括：
选取子模块，用于利用空间数据处理软件的特征点选取内侧点，并保证中心点位于多边形以内；
收集子模块，用于采用事件选取工具收集事件，以预设范围内点的分布密度作为事件，以密度分布区中心点作为采样点；
渲染子模块，用于进行热点区效果渲染；
偏移子模块，用于进行采样点的偏移，并使用随机函数在预设区域范围内进行随机跳跃；
所述高密度采样模块包括：
第一采样子模块，用于根据所述热点区效果渲染获取斑块密度集中的区域进行高密度点采样；
第二采样子模块，用于根据所述斑块密度集中的区域的城市分布情况、热点中心以及城市中心选取卫星影像。
CN201310675966.0A 2013-12-11 2013-12-11 一种遥感数据采样的方法及系统 Active CN103745222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310675966.0A CN103745222B (zh) 2013-12-11 2013-12-11 一种遥感数据采样的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310675966.0A CN103745222B (zh) 2013-12-11 2013-12-11 一种遥感数据采样的方法及系统

Publications (2)

Publication Number Publication Date
CN103745222A CN103745222A (zh) 2014-04-23
CN103745222B true CN103745222B (zh) 2017-08-25

Family

ID=50502239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310675966.0A Active CN103745222B (zh) 2013-12-11 2013-12-11 一种遥感数据采样的方法及系统

Country Status (1)

Country Link
CN (1) CN103745222B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104835137B (zh) * 2014-12-31 2017-12-01 中国科学院深圳先进技术研究院 空间采样方法及装置
CN111429482A (zh) * 2020-03-19 2020-07-17 上海眼控科技股份有限公司 目标跟踪方法、装置、计算机设备和存储介质
CN112257626A (zh) * 2020-10-29 2021-01-22 辽宁工程技术大学 一种遥感数据采样的方法及系统
CN113344105B (zh) * 2021-06-24 2022-01-21 中国科学院地理科学与资源研究所 采样点分配方法、装置、电子设备及可读存储介质
CN114414090B (zh) * 2021-12-14 2023-04-28 厦门大学 基于遥感影像和多层感知的地表温度预测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129671A (zh) * 2011-02-28 2011-07-20 清华大学 基于凸集投影法和复数小波包域的遥感图像上采样方法
CN102645350A (zh) * 2012-03-08 2012-08-22 浙江大学 基于高分卫星遥感数据的土壤采样方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8059909B2 (en) * 2008-04-29 2011-11-15 Sony Corporation Adaptive generation of irregular spatial sub-sampling for images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129671A (zh) * 2011-02-28 2011-07-20 清华大学 基于凸集投影法和复数小波包域的遥感图像上采样方法
CN102645350A (zh) * 2012-03-08 2012-08-22 浙江大学 基于高分卫星遥感数据的土壤采样方法

Also Published As

Publication number Publication date
CN103745222A (zh) 2014-04-23

Similar Documents

Publication Publication Date Title
CN103745222B (zh) 一种遥感数据采样的方法及系统
CN104252489B (zh) 一种根据经纬度数据快速获得位置文字描述信息的方法
Li Remotely sensed images and GIS data fusion for automatic change detection
CN109840553B (zh) 耕地作物类型的提取方法及系统、存储介质、电子设备
CN102521835B (zh) 一种基于空间三维模板的点云数据树高提取方法
CN104715127B (zh) 一种投诉热点区域识别方法及系统
Wassihun et al. Effect of forest stand density on the estimation of above ground biomass/carbon stock using airborne and terrestrial LIDAR derived tree parameters in tropical rain forest, Malaysia
Hess et al. A high‐resolution approach for the spatiotemporal analysis of forest canopy space using terrestrial laser scanning data
CN105719270A (zh) 二维地热资源资料的基于网络的三维截面图分析方法
CN104850853B (zh) 城市快速提取方法及装置
CN108920476A (zh) 地图检索算路引擎测试系统及其测试方法
CN101895812A (zh) 一种在蜂窝网络中的最匹配信号强度的定位方法
CN106485718A (zh) 一种过火迹地识别方法及装置
Spriggs et al. A simple area-based model for predicting airborne LiDAR first returns from stem diameter distributions: an example study in an uneven-aged, mixed temperate forest
CN104598553A (zh) 一种复合式的地质图制图自动综合的方法
CN102253371B (zh) 一种用于探地雷达成像的散射强度加权处理方法
CN207473623U (zh) 一种用于城市绿地树种识别的遥感系统
CN104133249A (zh) 一种微测井资料与声波测井资料联合解释的方法及装置
Lu et al. Mapping the terraces on the Loess Plateau based on a deep learning-based model at 1.89 m resolution
CN103745499B (zh) 基于公共地理信息影像数据进行野外地质建模的方法
CN102142155A (zh) 面向网络交互可视化的地面三维模型数据组织方法
Ravnjak et al. The current knowledge on centipedes (Chilopoda) in Slovenia: faunistic and ecological records from a national database
Chakraborty et al. A geospatial service oriented framework for disaster risk zone identification
Morosini et al. Land use and urban sustainability assessment: a 3D-GIS application to a case study in Gozo
CN106339423A (zh) 一种甘蔗种植信息动态更新方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant