CN104992153A - 自然保护区人类活动干扰检测方法和系统 - Google Patents
自然保护区人类活动干扰检测方法和系统 Download PDFInfo
- Publication number
- CN104992153A CN104992153A CN201510382726.0A CN201510382726A CN104992153A CN 104992153 A CN104992153 A CN 104992153A CN 201510382726 A CN201510382726 A CN 201510382726A CN 104992153 A CN104992153 A CN 104992153A
- Authority
- CN
- China
- Prior art keywords
- mankind
- remote sensing
- sensing image
- spot
- activity
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种自然保护区人类活动干扰检测方法,在具体执行过程中,获取目标高分遥感影像;所述目标高分遥感影像为自然保护区所在区域对应的高分遥感影像;依据预先设置的自然保护区分割参数,对所述目标高分遥感影像进行分割,得到至少一个矢量图斑;在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑;在所述目标图斑中,提取所述人类活动对所述自然保护区的干扰参数,以实现对自然保护区内人类活动的干扰检测。本申请提供的检测方法,结合高分遥感影像及先验特征值,在具有时效性的基础上,高精度的实现了对自然保护区内人类活动的干扰检测。
Description
技术领域
本申请涉及空间检测技术领域,尤其涉及一种自然保护区人类活动干扰检测方法和系统。
背景技术
自然保护区是指对代表性的自然生态系统、珍惜濒危野生动植物物种的天然集中分布、有特殊意义的自然遗迹等保护对象所在的陆地、陆地水域或海域,依法划出一定面积予以特殊保护和管理的区域。
随着社会的进步,人类为了生存发展和提升生活水平,不断进行了一系列不同规模不同类型的活动,包括农、林、渔、牧、矿、工、商、交通、观光和各种工程建设等。人类的这些活动,在一定程度上,对自然保护区的生态环境产生了影响,严重情况下,会造成自然保护区的生态失衡。
本申请的发明人,经过多年的研究发现,现有技术中,还没有一种完善的技术对人类活动对自然保护区的干扰进行检测,因此亟需一种自然保护区人类活动干扰检测方法,对自然保护区造成的干扰进行检测。
发明内容
本申请提供一种自然保护区人类活动干扰检测方法,对自然保护区中人类活动的干扰进行检测。
一种自然保护区人类活动干扰检测方法,包括:
获取目标高分遥感影像;所述目标高分遥感影像为自然保护区所在区域对应的高分遥感影像;
依据预先设置的自然保护区分割参数,对所述目标高分遥感影像进行分割,得到至少一个矢量图斑;
在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑;
在所述目标图斑中,提取所述人类活动对所述自然保护区的干扰参数,以实现对自然保护区内人类活动的干扰检测。
上述的方法,优选的,所述获取目标高分遥感影像包括:
获取自然保护区所在周边区域环境的第一高分遥感影像;
结合所述自然保护区的边界信息及与所述边界信息相对应的测量参数,对所述第一高分遥感影像进行剪裁,获得所述目标遥感影像。
上述的方法,优选的,所述预先设置的自然保护区分割参数包括:分割尺度、波段比例、形状和光谱参数。
上述的方法,优选的,所述在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑包括:
对每一个矢量图斑进行特征值计算,筛选具有特征值的矢量图斑;
依据自然保护区的规则集,对具有特征值的各个矢量图斑进行分类,提取自然保护区人类活动的干扰信息;
将具有干扰信息的矢量图斑确定为存在人类活动的目标图斑。
上述的方法,优选的,还包括:
对获取的干扰参数的精度进行评价。
一种自然保护区人类活动干扰检测系统,包括:
获取单元,用于获取目标高分遥感影像;所述目标高分遥感影像为自然保护区所在区域对应的高分遥感影像;
分割单元,用于依据预先设置的自然保护区分割参数,对所述目标高分遥感影像进行分割,得到至少一个矢量图斑;
确定单元,用于在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑;
检测单元,用于在所述目标图斑中,提取所述人类活动对所述自然保护区的干扰参数,以实现对自然保护区内人类活动的干扰检测。
上述的系统,优选的,所述获取单元包括:
获取子单元,用于获取自然保护区所在周边区域环境的第一高分遥感影像;
剪裁子单元,用于结合所述自然保护区的边界信息及与所述边界信息相对应的测量参数,对所述第一高分遥感影像进行剪裁,获得所述目标遥感影像。
上述的系统,优选的,所述预先设置的自然保护区分割参数包括:分割尺度、波段比例、形状和光谱参数。
上述的系统,优选的,所述确定单元包括:
筛选子单元,用于对每一个矢量图斑进行特征值计算,筛选具有特征值的矢量图斑;
分类子单元,用于依据自然保护区的规则集,对具有特征值的各个矢量图斑进行分类,提取自然保护区人类活动的干扰信息;
确定子单元,用于将具有干扰信息的矢量图斑确定为存在人类活动的目标图斑。
上述的系统,优选的,还包括:
评价单元,用于对获取的干扰参数的精度进行评价。
与现有技术相比,本申请具有以下有益效果:
本申请实施例提供一种自然保护区人类活动干扰检测方法,在具体执行过程中,获取目标高分遥感影像;所述目标高分遥感影像为自然保护区所在区域对应的高分遥感影像;依据预先设置的自然保护区分割参数,对所述目标高分遥感影像进行分割,得到至少一个矢量图斑;在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑;在所述目标图斑中,提取所述人类活动对所述自然保护区的干扰参数,以实现对自然保护区内人类活动的干扰检测。本申请提供的检测方法,结合高分遥感影像及先验特征值,在具有时效性的基础上,高精度的实现了对自然保护区内人类活动的干扰检测。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种自然保护区人类活动干扰检测方法的方法流程图;
图2为本申请实施例公开的一种自然保护区人类活动干扰检测方法的又一方法流程图;
图3为本申请实施例公开的一种自然保护区人类活动干扰检测方法的又一方法流程图;
图4为本申请实施例公开的一种自然保护区人类活动干扰检测方法的又一方法流程图;
图5为本申请实施例公开的一种自然保护区人类活动干扰检测方法的又一方法流程图;
图6为本申请实施例公开的一种自然保护区人类活动干扰检测系统的结构示意图;
图7为本申请实施例公开的一种自然保护区人类活动干扰检测系统的一详细结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供了一种自然保护区人类活动干扰检测方法,其方法流程图如图1所示,本申请实施例提供的方法,在具体实现过程中,结合了高分遥感影像,所述高分遥感影像即为高分辨率遥感影像,高分辨遥感对地观察全面体现在空间分辨率、光谱分辨率、时间分辨率和辐射分辨率四个方面。
高分辨率的卫星影像通常是指像素的空间分辨率在一定米数以内的遥感影像。
本申请实施例提供的方法包括:
步骤S101:获取目标高分遥感影像;所述目标高分遥感影像为自然保护区所在区域对应的高分遥感影像;
本申请实施例中,首先获取自然保护区所在区域范围的高分遥感影像,以所述自然保护区对应的高分遥感影像为基础。
步骤S102:依据预先设置的自然保护区分割参数,对所述目标高分遥感影像进行分割,得到至少一个矢量图斑;
本申请实施例中,在获得自然保护区的高分遥感影像后,依据预先设置的自然保护区分割参数,对所述目标高分遥感影像进行分割,获得多个矢量图斑。
步骤S103:在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑;
本申请实施例中,所述矢量图斑具体为矢量图斑数据,对所述矢量图斑数据进行分析,获取具有矢量特征值的矢量图斑,然后在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑。
步骤S104:在所述目标图斑中,提取所述人类活动对所述自然保护区的干扰参数,以实现对自然保护区内人类活动的干扰检测。
本申请实施例中,在目标图斑中,提取人类活动对自然保护区的干扰参数,结合所述干扰参数,确定人类活动对自然保护区的干扰程度,以实现对自然保护区内人类活动的干扰检测。
本申请实施例提供的自然保护区人类活动干扰检测方法中,通过对自然保护区的高分遥感影像进行分割,获得矢量图斑,然后分别进行特征值计算,选取具有特征值的矢量图斑,在具有特征值的矢量图斑中确定存在人类活动的干扰参数,实现对自然保护区的干扰检测。
本申请实施例提供的检测方法,在高分遥感影像的基础上,结合先验特征值,对自然保护区中人类活动的干扰因素进行分析检测,因为高分遥感影像是卫星实时传输,保证了检测的时效性,高分遥感影像的高分辨率也保证了检测的高精度。
在图1所述方法的基础上,本申请实施例还提供了一种具体实现方法,方法流程图如图2所示,所述获取目标高分遥感影像包括:
步骤S201:获取自然保护区所在周边区域环境的第一高分遥感影像;
步骤S202:结合所述自然保护区的边界信息及与所述边界信息相对应的测量参数,对所述第一高分遥感影像进行剪裁,获得所述目标遥感影像。
本申请实施例中,卫星系统采集的高分遥感影像范围很广,本申请实施例中,首先获取自然保护区所在大范围区域的高分遥感影像,然后结合自然保护区的边界信息及相关的测量参数,对大范围区域的高分遥感影像进行剪裁,获取所述自然保护区对应的高分遥感影像。
本申请实施例中,可以通过自然保护区所在的经纬度,以及边界区域信息进行分割。
本申请实施例提供的方法中,所述预先设置的自然保护区分割参数包括:分割尺度、波段比例、形状和光谱参数。
如图3所示,所述在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑包括:
步骤S301:对每一个矢量图斑进行特征值计算,筛选具有特征值的矢量图斑;
步骤S302:依据自然保护区的规则集,对具有特征值的各个矢量图斑进行分类,提取自然保护区人类活动的干扰信息;
步骤S303:将具有干扰信息的矢量图斑确定为存在人类活动的目标图斑。
本申请实施例中,具体的对每一个矢量图斑均进行特征值计算,在具体的计算过程中,有的矢量图具有特征值,有的不具有特征值,筛选出具有特征值的矢量图斑,然后依据自然保护区的规则集中的特征,对矢量图斑进行分类,提取自然保护区中人类活动的干扰信息;将具有干扰信息的矢量图斑确定为目标矢量图斑。
在图1的基础上,如图4所示,本申请实施例提供的方法,还包括:
步骤S105:对获取的干扰参数的精度进行评价。
本申请实施例中,精度评价分为两种:选择样本点数据作为参考实际数据,评价自动分类的结果;使用目视解译数据和历史数据作为参考实际数据,进行自动分类结果的评价。
经过上述各个方案的描述,本申请实施例提供一详细实现方式,如图5所示,在图5中,首先获取自然保护区所在大范围区域的高分遥感影像,并从中确定自然保护区,获取自然保护区的边界和相应测参数。
结合自然保护区的边界裁剪高分遥感影像,获得自然保护区区域内的高分遥感影像。
获取自然保护区的分割参数,所述分割参数包括分割尺度、波段比例、形状和光谱参数。
对遥感影像进行分割,得到分割后的多个矢量图斑数据。
读取该自然保护区的最后规则集。
获取规则集中所需要的特征,特征包括光谱特征(光谱均值、标准差等)、形状特征(紧致度、长宽比等)、纹理特征(灰度共生矩阵等)以及NDVI等其他特征值。
结合遥感影像,对分割后的矢量数据进行特征值的计算,获得拥有特征值的矢量图斑数据。
进行图斑分类,根据规则集对拥有特征值的矢量图斑数据进行分类,提取自然保护区人类活动干扰信息。
进行精度评价,精度评价分为两种:选择样本点数据作为参考实际数据,评价自动分类的结果;使用目视解译数据和历史数据作为参考实际数据,进行自动分类结果的评价。
本申请实施例提供的方法中,优选的,以高分辨率2米及更高分辨率的高分辨率遥感卫星影像作为数据源,实现人类活动干扰的自动提取。高分辨率遥感影像的时间分辨率大,同一地区成像的时间周期短,能够很好的满足自然保护区人类活动干扰监测的需求,具有时效性。影像的分辨率高,影像的纹理特征有非常好的表现,人类活动的几何结构和信息也会比较明显,空间关系较为清晰,对于自然保护区中的小范围人类活动有较好的监测效果。这些使自然保护区人类活动干扰监测具有更高的精度和时效性。
本申请实施例提供的方法中,还实现了对人类活动干扰遥感影像特征集的构建,考虑到目前面向对象分类方法的适普性。本发明针对自然保护区人类活动的特点,构建了遥感影像特征集,适用于所有自然保护区,提高了改方法的适普性,为人类活动高分辨率遥感监测的业务化应用提供了支撑。
本发明是一种能够进行自然保护区人类活动干扰自动监测的方案。利用高分辨率遥感影像和先验知识构建特征集,结合自然保护区边界矢量数据,通过高分遥感影像分割、自动计算特征值进而进行自然保护区的人类活动干扰信息的自动提取,减少了人工参与,大大节省人力、物力、财力和时间,实现了自然保护区人类活动干扰监测的业务化运行。
其次本发明能够保证人类活动干扰信息提取的精度。采用高空间、时间分辨率的高分遥感影像对人类活动干扰监测的完全克服了自然保护区人类活动干扰突发性、规模小的监测难点,提高了监测的精度。另外特征集的构建也提高了监测的精度,而且具有适普性。
总之,本发明充分解决了现有自然保护区人类活动干扰监测在自动化和分类结果精度之间的矛盾,是一种保证监测时效性和精度的人类活动干扰高分自动监测的方案。
与上述方法相对应的,本申请实施例提供了一种自然保护区人类活动干扰检测系统,其结构示意图如图6所示,包括:
获取单元401,用于获取目标高分遥感影像;所述目标高分遥感影像为自然保护区所在区域对应的高分遥感影像;
分割单元402,用于依据预先设置的自然保护区分割参数,对所述目标高分遥感影像进行分割,得到至少一个矢量图斑;
确定单元403,用于在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑;
检测单元404,用于在所述目标图斑中,提取所述人类活动对所述自然保护区的干扰参数,以实现对自然保护区内人类活动的干扰检测。
本申请实施例提供的自然保护区人类活动干扰检测系统中,通过对自然保护区的高分遥感影像进行分割,获得矢量图斑,然后分别进行特征值计算,选取具有特征值的矢量图斑,在具有特征值的矢量图斑中确定存在人类活动的干扰参数,实现对自然保护区的干扰检测。
本申请实施例提供的检测系统,在高分遥感影像的基础上,结合先验特征值,对自然保护区中人类活动的干扰因素进行分析检测,因为高分遥感影像是卫星实时传输,保证了检测的时效性,高分遥感影像的高分辨率也保证了检测的高精度。
在图6的基础上,本申请实施例还提供了所述自然保护区人类活动干扰检测系统的一详细结构示意图,所述获取单元401包括:
获取子单元405,用于获取自然保护区所在周边区域环境的第一高分遥感影像;
剪裁子单元406,用于结合所述自然保护区的边界信息及与所述边界信息相对应的测量参数,对所述第一高分遥感影像进行剪裁,获得所述目标遥感影像。
本申请实施例提供的系统中,所述预先设置的自然保护区分割参数包括:分割尺度、波段比例、形状和光谱参数。
所述确定单元403包括:
筛选子单元407,用于对每一个矢量图斑进行特征值计算,筛选具有特征值的矢量图斑;
分类子单元408,用于依据自然保护区的规则集,对具有特征值的各个矢量图斑进行分类,提取自然保护区人类活动的干扰信息;
确定子单元409,用于将具有干扰信息的矢量图斑确定为存在人类活动的目标图斑。
本申请实施例提供的系统中,还包括:
评价单元410,用于对获取的干扰参数的精度进行评价。
本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种自然保护区人类活动干扰检测方法,其特征在于,包括:
获取目标高分遥感影像;所述目标高分遥感影像为自然保护区所在区域对应的高分遥感影像;
依据预先设置的自然保护区分割参数,对所述目标高分遥感影像进行分割,得到至少一个矢量图斑;
在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑;
在所述目标图斑中,提取所述人类活动对所述自然保护区的干扰参数,以实现对自然保护区内人类活动的干扰检测。
2.根据权利要求1所述的方法,其特征在于,所述获取目标高分遥感影像包括:
获取自然保护区所在周边区域环境的第一高分遥感影像;
结合所述自然保护区的边界信息及与所述边界信息相对应的测量参数,对所述第一高分遥感影像进行剪裁,获得所述目标遥感影像。
3.根据权利要求1所述的方法,其特征在于,所述预先设置的自然保护区分割参数包括:分割尺度、波段比例、形状和光谱参数。
4.根据权利要求1所述的方法,其特征在于,所述在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑包括:
对每一个矢量图斑进行特征值计算,筛选具有特征值的矢量图斑;
依据自然保护区的规则集,对具有特征值的各个矢量图斑进行分类,提取自然保护区人类活动的干扰信息;
将具有干扰信息的矢量图斑确定为存在人类活动的目标图斑。
5.根据权利要求1所述的方法,其特征在于,还包括:
对获取的干扰参数的精度进行评价。
6.一种自然保护区人类活动干扰检测系统,其特征在于,包括:
获取单元,用于获取目标高分遥感影像;所述目标高分遥感影像为自然保护区所在区域对应的高分遥感影像;
分割单元,用于依据预先设置的自然保护区分割参数,对所述目标高分遥感影像进行分割,得到至少一个矢量图斑;
确定单元,用于在具有矢量特征值的矢量图斑中确定存在人类活动的目标图斑;
检测单元,用于在所述目标图斑中,提取所述人类活动对所述自然保护区的干扰参数,以实现对自然保护区内人类活动的干扰检测。
7.根据权利要求6所述的系统,其特征在于,所述获取单元包括:
获取子单元,用于获取自然保护区所在周边区域环境的第一高分遥感影像;
剪裁子单元,用于结合所述自然保护区的边界信息及与所述边界信息相对应的测量参数,对所述第一高分遥感影像进行剪裁,获得所述目标遥感影像。
8.根据权利要求6所述的系统,其特征在于,所述预先设置的自然保护区分割参数包括:分割尺度、波段比例、形状和光谱参数。
9.根据权利要求6所述的系统,其特征在于,所述确定单元包括:
筛选子单元,用于对每一个矢量图斑进行特征值计算,筛选具有特征值的矢量图斑;
分类子单元,用于依据自然保护区的规则集,对具有特征值的各个矢量图斑进行分类,提取自然保护区人类活动的干扰信息;
确定子单元,用于将具有干扰信息的矢量图斑确定为存在人类活动的目标图斑。
10.根据权利要求6所述的系统,其特征在于,还包括:
评价单元,用于对获取的干扰参数的精度进行评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510382726.0A CN104992153A (zh) | 2015-07-02 | 2015-07-02 | 自然保护区人类活动干扰检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510382726.0A CN104992153A (zh) | 2015-07-02 | 2015-07-02 | 自然保护区人类活动干扰检测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104992153A true CN104992153A (zh) | 2015-10-21 |
Family
ID=54303966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510382726.0A Pending CN104992153A (zh) | 2015-07-02 | 2015-07-02 | 自然保护区人类活动干扰检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104992153A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485254A (zh) * | 2016-09-28 | 2017-03-08 | 国家电网公司 | 一种输电线路通道地表特征变化自动提取方法 |
CN110263627A (zh) * | 2019-05-09 | 2019-09-20 | 生态环境部卫星环境应用中心 | 一种面向保护地监管的人类活动变化线索监测方法 |
CN111444301A (zh) * | 2020-04-08 | 2020-07-24 | 中国科学院西北生态环境资源研究院 | 一种自然保护区人类活动管控方法 |
CN112505796A (zh) * | 2020-10-20 | 2021-03-16 | 中国环境科学研究院 | 一种海洋类型自然保护区人员活动轨迹实时监测系统及方法 |
CN113033401A (zh) * | 2021-03-25 | 2021-06-25 | 生态环境部卫星环境应用中心 | 一种面向生态保护红线的人类活动变化识别监管方法 |
CN115359423A (zh) * | 2022-08-18 | 2022-11-18 | 中国人民公安大学 | 基于遥感图像的区域识别方法、装置、设备及存储介质 |
CN115359424A (zh) * | 2022-08-18 | 2022-11-18 | 中国人民公安大学 | 基于遥感图像的安全监控方法、装置、设备及存储介质 |
-
2015
- 2015-07-02 CN CN201510382726.0A patent/CN104992153A/zh active Pending
Non-Patent Citations (1)
Title |
---|
顾余庆: "基于遥感与GIS的基本农田调整方法研究", 《河南师范大学2014硕士论文》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485254A (zh) * | 2016-09-28 | 2017-03-08 | 国家电网公司 | 一种输电线路通道地表特征变化自动提取方法 |
CN110263627A (zh) * | 2019-05-09 | 2019-09-20 | 生态环境部卫星环境应用中心 | 一种面向保护地监管的人类活动变化线索监测方法 |
CN111444301A (zh) * | 2020-04-08 | 2020-07-24 | 中国科学院西北生态环境资源研究院 | 一种自然保护区人类活动管控方法 |
CN112505796A (zh) * | 2020-10-20 | 2021-03-16 | 中国环境科学研究院 | 一种海洋类型自然保护区人员活动轨迹实时监测系统及方法 |
CN113033401A (zh) * | 2021-03-25 | 2021-06-25 | 生态环境部卫星环境应用中心 | 一种面向生态保护红线的人类活动变化识别监管方法 |
CN113033401B (zh) * | 2021-03-25 | 2022-10-11 | 生态环境部卫星环境应用中心 | 一种面向生态保护红线的人类活动变化识别监管方法 |
CN115359423A (zh) * | 2022-08-18 | 2022-11-18 | 中国人民公安大学 | 基于遥感图像的区域识别方法、装置、设备及存储介质 |
CN115359424A (zh) * | 2022-08-18 | 2022-11-18 | 中国人民公安大学 | 基于遥感图像的安全监控方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104992153A (zh) | 自然保护区人类活动干扰检测方法和系统 | |
Sun et al. | Quantifying different types of urban growth and the change dynamic in Guangzhou using multi-temporal remote sensing data | |
Jakubowksi et al. | Predicting surface fuel models and fuel metrics using Lidar and CIR imagery in a dense, mountainous forest | |
Dewan et al. | Dynamics of land use/cover changes and the analysis of landscape fragmentation in Dhaka Metropolitan, Bangladesh | |
Wu et al. | Ground-penetrating radar-based automatic reconstruction of three-dimensional coarse root system architecture | |
Sudhira et al. | Characterising urban sprawl from remote sensing data and using landscape metrics | |
Esbah et al. | Analyzing landscape changes in the Bafa Lake Nature Park of Turkey using remote sensing and landscape structure metrics | |
Wang et al. | Effectiveness of nature reserve system for conserving tropical forests: a statistical evaluation of Hainan Island, China | |
Reddy et al. | Quantifying and predicting multi-decadal forest cover changes in Myanmar: A biodiversity hotspot under threat | |
Talbot et al. | An operational UAV-based approach for stand-level assessment of soil disturbance after forest harvesting | |
Plowright et al. | Assessing urban tree condition using airborne light detection and ranging | |
Liu et al. | Individual tree identification using a new cluster-based approach with discrete-return airborne LiDAR data | |
Boori et al. | Remote sensing and land use/land cover trajectories | |
CN106952242A (zh) | 一种基于体素的渐进不规则三角网点云滤波方法 | |
Hosseini Vardei et al. | Cumulative effects of developed road network on woodland—a landscape approach | |
CN105184251A (zh) | 一种基于高分一号卫星图像的水华区域的识别方法及装置 | |
Enaruvbe et al. | Spatial analysis of agricultural landuse change in Asaba, Southern Nigeria | |
CN104850853A (zh) | 城市快速提取方法及装置 | |
Sun et al. | Feasibility study on the estimation of the living vegetation volume of individual street trees using terrestrial laser scanning | |
CN117475314B (zh) | 一种地质灾害隐患立体识别方法、系统及介质 | |
Abbas et al. | An assessment of status and distribution of mangrove forest cover in Pakistan | |
CN111144340A (zh) | 基于夜间灯光及高分辨率遥感影像的自然保护区人类活动自动监测方法及系统 | |
Kumar et al. | A two-stage algorithm for ground filtering of airborne laser scanning data | |
Sarıtaş et al. | Enhancing Ground Point Extraction in Airborne LiDAR Point Cloud Data Using the CSF Filter Algorithm | |
CN110222742B (zh) | 基于分层多回波的点云分割方法、装置、存储介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151021 |
|
RJ01 | Rejection of invention patent application after publication |