CN104809745A - 一种改进低空间分辨率遥感影像提取的湖面面积的方法 - Google Patents
一种改进低空间分辨率遥感影像提取的湖面面积的方法 Download PDFInfo
- Publication number
- CN104809745A CN104809745A CN201510230374.7A CN201510230374A CN104809745A CN 104809745 A CN104809745 A CN 104809745A CN 201510230374 A CN201510230374 A CN 201510230374A CN 104809745 A CN104809745 A CN 104809745A
- Authority
- CN
- China
- Prior art keywords
- spatial resolution
- remote sensing
- resolution remote
- lake area
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种改进低空间分辨率遥感影像提取的湖面面积的方法,包括步骤:收集湖泊所在地区的多时相低空间分辨率遥感影像,并提取湖面面积;收集尽可能多的与低空间分辨率影像获取日期相近的高空间分辨率影像,并选择一种水体识别方法提取湖面面积;对同时相的两种遥感影像提取的湖面面积进行分析,判断两种湖面面积之间的关系是否需要分段,若是,则根据各段内的面积数据分别计算参数,否则,根据所有面积数据计算参数;根据计算出的参数,建立分段的校正公式;对于其他时相的低空间分辨率影像提取的湖面面积,首先判断其所在的分段,再根据相应的校正公式对其进行校正。本发明能有效地提高了低空间分辨率影像提取湖面面积的精度。
Description
技术领域
本发明涉及基于遥感影像的湖面面积提取领域,具体涉及一种改进低空间分辨率遥感影像提取的湖面面积的方法。
背景技术
如何提高基于遥感影像的湖面面积的精度一直是遥感信息提取领域的重要课题。目前对湖泊的遥感监测主要有两类:一是基于高分辨率的SPOT、TM或ASTER等数据对湖泊相关信息的直接提取;二是基于低分辨率如AVHRR、MODIS等数据结合相关算法来提取目标信息。相比之下,使用低分辨率的AVHRR、MODIS等,在时间分辨率、覆盖范围、费用方面都有着很大的优势,因此广泛应用于大范围的湖泊面积监测。但由于空间分辨率低,低分辨率遥感影像提取的湖面面积精度普遍较低,现有的一些提取方法并没有充分考虑到利用其它高分辨率遥感影像的优势,因此,在这种情况下其提取结果难以准确反映湖面面积现状及其变化过程。
发明内容
本发明的目的之一是为解决上述的难题,提供一种精度高的改进低空间分辨率遥感影像提取的湖面面积的方法。
本发明提供一种改进低空间分辨率遥感影像提取的湖面面积的方法,步骤包括:
S1:根据湖面面积监测的具体要求,收集湖泊所在地区的覆盖整个监测时段的多时相低空间分辨率遥感影像,并提取各期湖面面积;
S2:收集多于6个时相的与低空间分辨率影像获取日期相近的高空间分辨率遥感影像,并提取各期湖面面积;
S3:分析同一时相的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据之间的关系,判断该关系是否是分段关系;
S4:若所述步骤S3得出的关系是分段关系,则在各段内,计算分别基于该段内的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据参数;
S5:若所述步骤S3得出的关系不是分段关系,则计算基于全部的同一时相的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据参数;
S6:根据S4或S5的参数计算结果,建立低空间分辨率遥感影像提取的湖面面积的校正公式;
S7:对于其他时相的低空间分辨率遥感影像提取的湖面面积,先根据所述步骤S3判断其所在的分段,再根据相应的校正公式对其进行校正。
进一步的,所述步骤S1及S2中所述提取各期湖面面积可选择任一种水体识别方法。
本发明的有益效果在于,本发明的改进低空间分辨率遥感影像提取的湖面面积的方法,在实际应用中,充分结合了低空间分辨率影像和高空间分辨率影像的优势,能够基于高空间分辨率影像对低空间分辨率影像提取的湖面面积进行校正,改进后者的精度,为更准确地监测湖面面积提供了新的可行思路。
附图说明
图1所示为本发明一种改进低空间分辨率遥感影像提取的湖面面积的方法流程图。
图2所示为本发明实施例中同一时相的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据之间的关系图。
具体实施方式
下文将结合具体附图详细描述本发明具体实施例。应当注意的是,下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的,它们可以被相互组合从而达到更好的技术效果。
如图1所示,本发明提供一种改进低空间分辨率遥感影像提取的湖面面积的方法,步骤包括:
S1:根据湖面面积监测的具体要求,收集湖泊所在地区的覆盖整个监测时段的多时相低空间分辨率遥感影像,并提取各期湖面面积;
S2:收集多于6个时相的与低空间分辨率影像获取日期相近的高空间分辨率遥感影像,并提取各期湖面面积;
S3:分析同一时相的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据之间的关系,判断该关系是否是分段关系;
S4:若所述步骤S3得出的关系是分段关系,则在各段内,计算分别基于该段内的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据参数;
S5:若所述步骤S3得出的关系不是分段关系,则计算基于全部的同一时相的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据参数;
S6:根据S4或S5的参数计算结果,建立低空间分辨率遥感影像提取的湖面面积的校正公式;
S7:对于其他时相的低空间分辨率遥感影像提取的湖面面积,先根据所述步骤S3判断其所在的分段,再根据相应的校正公式对其进行校正。
进一步的,所述步骤S1及S2中所述提取各期湖面面积可选择任一种水体识别方法。
实施例:
具体的,以阿雅克库木湖为例,为监测该湖2000年到2010年间湖面面积的变化情况,收集了2000年到2010年间多期MODIS影像,该影像可从美国地质调查局网站或国际科学数据服务平台等网站免费下载,影像的空间分辨率为500m,每天白天可以获得2景影像;并选择基于NDWI和近红外波段的水体识别方法完成对多期湖面面积的提取。
1、收集13个时相的Landsat TM/ETM+影像,该影像获取日期与部分MODIS影像相近,其空间分辨率为30m;并选择基于NDWI和近红外波段的水体识别方法完成对多期湖面面积的提取。
2、通过建立直角坐标对同一时相的两种遥感影像提取的湖面面积数据进行分析,然后判断两种湖面面积之间的关系是否为分段关系,若是分段关系,确定分段线的位置以判断各湖面面积所在的分段。如图2所示,以MODIS影像提取的湖面面积的平方根为X轴,以TM/ETM+影像与MODIS影像提取的湖面面积之差为Y轴,建立直角坐标系,可见TM/ETM+影像与MODIS影像提取的湖面面积之差是MODIS影像提取的湖面面积的平方根的线性函数,该线性关系是分段关系,分为两段。
3、根据分段线的位置,确定同一时相的两种遥感影像提取的湖面面积所在的分段,然后基于各段内的湖面面积数据采用最小二乘法计算该段参数,参见图2所示,同一时相的MODIS和TM/ETM+影像提取的湖面面积之间的关系分为两段,其中第一段包含5组数据,第二段包含8组数据,在各段内,分别计算参数。
4、同一时相的两种遥感影像提取的湖面面积之间的关系为不分段关系,说明这两种湖面面积之间满足同样的线性关系,因此,基于全部的湖面面积数据计算参数。
5、根据参数计算结果,建立高空间分辨率影像对低空间分辨率影像提取的湖面面积的校正公式,该公式以低空间分辨率影像提取的湖面面积的平方根为自变量,校正后的面积为因变量,若是分段关系,则校正公式有多个,否则,校正公式只有一个。
TM/ETM+影像对MDOIS影像提取的湖面面积的分段校正公式,第一段: 第二段: Sl、Sc分别表示MODIS影像提取的湖面面积、校正后的湖面面积。
6、对于其它所有时相的MODIS影像提取的湖面面积,首先根据其值判断所在分段,然后根据相应的校正公式进行校正,以得到精度更高的面积数据。
以其中2个时相的MODIS影像提取的湖面面积:603.50、754.00为例,首先判断出603.50位于第一段,754.00位于第二段,然后根据步骤5中的第一段公式对前者进行校正,根据第二段公式对后者进行校正,由此得到校正后的面积分别是627.45、809.25。
为验证该方法的校正效果,收集了与这两景MODIS影像同时相的TM/ETM+影像,获取了相应的湖面面积分别为628.68、808.14,校正前,MODIS影像提取面积与TM/ETM+提取面积的相对误差分别为-4.01%、-0.67%,校正后,两者的相对误差分别为-0.20%、0.14%。可见,经过该方法校正后的MODIS影像提取的湖面面积精度有了显著提高。
本发明的改进低空间分辨率遥感影像提取的湖面面积的方法,在实际应用中,充分结合了低空间分辨率影像和高空间分辨率影像的优势,能够基于高空间分辨率影像对低空间分辨率影像提取的湖面面积进行校正,改进后者的精度,为更准确地监测湖面面积提供了新的可行思路。
本文虽然已经给出了本发明的一些实施例,但是本领域的技术人员应当理解,在不脱离本发明精神的情况下,可以对本文的实施例进行改变。上述实施例只是示例性的,不应以本文的实施例作为本发明权利范围的限定。
Claims (2)
1.一种改进低空间分辨率遥感影像提取的湖面面积的方法,其特征在于,步骤包括:
S1:根据湖面面积监测的具体要求,收集湖泊所在地区的覆盖整个监测时段的多时相低空间分辨率遥感影像,并提取各期湖面面积;
S2:收集多于6个时相的与低空间分辨率影像获取日期相近的高空间分辨率遥感影像,并提取各期湖面面积;
S3:分析同一时相的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据之间的关系,判断该关系是否是分段关系;
S4:若所述步骤S3得出的关系是分段关系,则在各段内,计算分别基于该段内的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据参数;
S5:若所述步骤S3得出的关系不是分段关系,则计算基于全部的同一时相的低空间分辨率遥感影像及高空间分辨率遥感影像提取的湖面面积数据参数;
S6:根据S4或S5的参数计算结果,建立低空间分辨率遥感影像提取的湖面面积的校正公式;
S7:对于其他时相的低空间分辨率遥感影像提取的湖面面积,先根据所述步骤S3判断其所在的分段,再根据相应的校正公式对其进行校正。
2.如权利要求1所述的改进低空间分辨率遥感影像提取的湖面面积的方法,其特征在于,所述步骤S1及S2中所述提取各期湖面面积可选择任一种水体识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510230374.7A CN104809745A (zh) | 2015-05-07 | 2015-05-07 | 一种改进低空间分辨率遥感影像提取的湖面面积的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510230374.7A CN104809745A (zh) | 2015-05-07 | 2015-05-07 | 一种改进低空间分辨率遥感影像提取的湖面面积的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104809745A true CN104809745A (zh) | 2015-07-29 |
Family
ID=53694550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510230374.7A Pending CN104809745A (zh) | 2015-05-07 | 2015-05-07 | 一种改进低空间分辨率遥感影像提取的湖面面积的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809745A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901237A (zh) * | 2019-04-04 | 2019-06-18 | 中国人民解放军陆军研究院工程设计研究所严寒冻土设防工程设计站 | 一种利用昼夜热红外遥感圈定地热异常的方法 |
CN111324952A (zh) * | 2020-02-17 | 2020-06-23 | 中国科学院水利部成都山地灾害与环境研究所 | 基于多源遥感数据获取水位的冰湖体积估算方法 |
CN112991431A (zh) * | 2021-04-15 | 2021-06-18 | 北京英视睿达科技有限公司 | 区域面积确定方法、装置及电子设备 |
-
2015
- 2015-05-07 CN CN201510230374.7A patent/CN104809745A/zh active Pending
Non-Patent Citations (5)
Title |
---|
HONGLIANG FANG 等: "Using NOAA AVHRR and Landsat TM to estimate rice area year-by-year", 《INTERNATIONAL JOURNAL OF REMOTE SENSING》 * |
L.R.IVERSON 等: "A technique for extrapolating and validating forest cover across large regions Calibrating AVHRR data with TM data", 《INTERNATIONAL JOURNAL OF REMOTE SENSING》 * |
Z. FAZAKAS 等: "Volume and forest cover estimation over southern Sweden using AVHRR data calibrated with TM data", 《INTERNATIONAL JOURNAL OF REMOTE SENSING》 * |
徐蓉 等: "基于机理模型的不同空间分辨率影像提取湖面面积的误差研究", 《地球信息科学》 * |
徐蓉 等: "湖泊水体遥感提取方法比较研究", 《遥感信息》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901237A (zh) * | 2019-04-04 | 2019-06-18 | 中国人民解放军陆军研究院工程设计研究所严寒冻土设防工程设计站 | 一种利用昼夜热红外遥感圈定地热异常的方法 |
CN111324952A (zh) * | 2020-02-17 | 2020-06-23 | 中国科学院水利部成都山地灾害与环境研究所 | 基于多源遥感数据获取水位的冰湖体积估算方法 |
CN111324952B (zh) * | 2020-02-17 | 2023-09-01 | 中国科学院水利部成都山地灾害与环境研究所 | 基于多源遥感数据获取水位的冰湖体积估算方法 |
CN112991431A (zh) * | 2021-04-15 | 2021-06-18 | 北京英视睿达科技有限公司 | 区域面积确定方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pieczonka et al. | Region-wide glacier mass budgets and area changes for the Central Tien Shan between~ 1975 and 1999 using Hexagon KH-9 imagery | |
Guo et al. | The second Chinese glacier inventory: data, methods and results | |
CN104574421B (zh) | 一种大幅面小重合区域高精度多光谱图像配准方法及装置 | |
US9625611B2 (en) | Method for detecting zonal underground target in mountain land based on ridge heat radiation correction | |
CN102855628B (zh) | 多源多时相高分辨率卫星遥感影像自动匹配方法 | |
CN102706876B (zh) | 固体污染源区域的监测方法和装置以及数据处理设备 | |
CN104809724A (zh) | 多波段遥感影像的自动精配准方法 | |
KR101908865B1 (ko) | 기온 측정 자료의 품질 분석방법 | |
EP3023912A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
CN105572703A (zh) | 一种gps时间序列广义共模误差提取方法 | |
CN104809745A (zh) | 一种改进低空间分辨率遥感影像提取的湖面面积的方法 | |
Zhang et al. | Reconstruction of GF-1 soil moisture observation based on satellite and in situ sensor collaboration under full cloud contamination | |
CN116046692A (zh) | 一种基于高光谱的土壤重金属污染监测方法和装置 | |
Tian et al. | Impacts of satellite revisit frequency on spring phenology monitoring of deciduous broad-leaved forests based on vegetation index time series | |
JP6958743B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
KR101547682B1 (ko) | 고해상도기온진단모형을 이용한 과거 사상 상세기온자료복원시스템 및 그 방법 | |
CN112906659A (zh) | 基于虚拟样本的遥感影像变化检测方法 | |
Yin et al. | Object-based larch tree-crown delineation using high-resolution satellite imagery | |
CN104463835A (zh) | 一种基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法 | |
US8768068B2 (en) | Automated building detecting | |
CN101793599A (zh) | 非理想标靶情况下mtf参数测试方法 | |
CN103576208A (zh) | 一种面向铀矿床定位的瞬时测氡数据异常提取方法 | |
FI3542719T3 (fi) | Informaation käsittelyjärjestelmä, informaation prosessointilaite ja informaation prosessointimenetelmä | |
CN113344866A (zh) | 一种点云综合精度评价方法 | |
KR101817605B1 (ko) | 고해상도 기온자료 복원시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhao Chunzhe Inventor after: Xu Rong Inventor after: Xiong Jiang Inventor before: Xu Rong Inventor before: Zhao Chunzhe Inventor before: Xiong Jiang |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150729 |