CN105279604A - 一种矿区土地资源变化协同分析方法 - Google Patents
一种矿区土地资源变化协同分析方法 Download PDFInfo
- Publication number
- CN105279604A CN105279604A CN201510621143.9A CN201510621143A CN105279604A CN 105279604 A CN105279604 A CN 105279604A CN 201510621143 A CN201510621143 A CN 201510621143A CN 105279604 A CN105279604 A CN 105279604A
- Authority
- CN
- China
- Prior art keywords
- land
- change
- area
- mine
- resource
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种矿区土地资源变化协同分析方法。本发明涉及1)采用矿区监测的历史遥感影像、雷达数据以及地面矿政与地政资料,获取多年的矿区土地利用和覆盖变化的时空变化数据;2)根据时空变化数据结合当前矿区土地资源分布信息,提取矿区土地地面沉降的时空变化信息并建立地面沉降3D模型;3)根据地面沉降3D模型提取矿区土地多年的耕地损害范围及空间演变规律;4)根据演变规律获取矿区土地资源变化协同关系,得到开采造成的最主要的环境影响与导致的直接结果。与现有技术相比,本发明具有数据准确、方法先进等优点。
Description
技术领域
本发明涉及土地资源管理与规划领域,尤其是涉及一种矿区土地资源变化协同分析方法。
背景技术
我国在地质勘探信息化、矿山信息化、土地管理信息化方面,进行了大量的研究和实践,但目前的研究还主要是着眼于矿山土地与地下资源的独立管理,分别建立相应的信息管理系统。土地资源与矿产资源属同位异类资源,其重叠赋存的特性,决定了矿产开发开采常涉及大面积的土地扰动,而土地资源合理开发利用与保护的要求往往又限制着矿产资源开发开采方式与规模。多年来,由于缺少科学有效的管理和调控手段,矿产资源开发与土地保护利用一直存在着尖锐的“矿地矛盾”:矿产资源开发对土地、环境、建筑造成严重破坏,严重制约地面土地利用,导致矿区土地资源利用效率降低,大量破环、闲置;同时土地利用有可能压覆大量矿产资源,资源开发损失严重。随着现代遥感技术的迅猛发展,人们可以及时、便捷地获取大量地理空间信息数据,通过遥感数据的解译、地理信息数据以及相关矿政与地政数据的综合分析,为煤矿资源开采的动态监管及矿区土地资源合理规划利用提供客观数据分析依据。
运用遥感图像的光谱特征对地物现状进行识别是一种普遍和有效的方法,国内外学者在森林资源、湿地、城镇、大棚、作物等领域进行了大量工作,并利用遥感与GIS技术对煤矿区土地利用/覆盖变化进行了研究。基于地物影像特征的影像自动分类,依据影像特征建立各个地物的分类模板,用神经网络、支持向量机、最大似然等方法自动分类,这些方法对算法的要求比较高,特别是对高空间分辨率卫星影像和航空像片要综合多尺度、多层次的信息。将遥感技术应用于煤矿区环境土地利用/覆盖调查与灾害预防是遥感技术在交叉学科应用的典型,也是当前国内外研究的热点论题。目前国内外研究主要基于单一多光谱数据,在多波段数据信息基础上,利用最大似然、决策树、支持向量机等传统分类算法提取煤矿区各地物类别信息后进行遥感定量分析。虽然遥感应用于煤矿区环境空间格局分类取得了一些成果,但相对我国煤炭开采大国的背景,遥感技术在煤矿区的应用明显滞后,远不能满足环境保护、防灾减灾和安全生产的重大需求,仍有许多问题需要解决:
1)国内外研究多单独采用多光谱或者微波遥感影像进行煤矿区土地资源变化研究。单一数据源提供的信息导致最终结果不能全面、准确地反映煤矿区土地资源变化情况;
2)在煤矿区微波遥感研究中,目前在地表形变信息领域广泛应用的InSAR技术由于空间基线或时间基线过长导致的相干性降低,以及空气湿度变化引起的大气相位延迟等问题严重降低了DInSAR技术提取地表形变的精度,限制了该技术对地表微小形变的监测能力。
3)在煤矿区多光谱遥感研究中,由于煤矿区本身具有地物类型多样性的特点,土地资源波谱特征极易混淆。故通过简单的波段选取构造的特征空间很难为后续煤矿区地物分类提供高精度的决策面。而传统分类算法具有原理简单、操作性强、普适性高等特点,但由于煤矿区具有地物类型多样性、分布广泛性和变化快速性等特点及受空间、时域、环境科学专业知识的限制,往往不能达到信息的高精度提取。故在针对煤矿区具体各土地资源分类时,需要结合实际情况及环境等领域专业知识进行算法改进,以提高算法的精度与自动化程度;
4)在基于遥感信息的煤矿区国土资源管理方面,缺少系统化的模型和科学的分析方法对煤矿区各类土地资源变化间的相互影响,煤矿开采与经济、环境因素间的关系进行全面的、深层次的协同分析。因此很难将煤矿区土地资源变化检测结果与煤矿区的土地利用管理科学结合,并转化为有效的决策支持。
针对目前煤矿区土地资源遥感监测的现状,本发明在前人研究基础上,将从以下四个方面进行改进:1)将多光谱数据提供的光谱、空间信息与微波遥感数据提供的高程信息相结合,综合利用多源遥感数据对煤矿区土地资源变化进行监测;2)如何利用有效的微波遥感技术对地表形变进行监测;3)在光谱信息基础上构建能有效描述煤矿区特征的多特征空间以提高信息提取精度。并在此基础上结合环境科学等领域的相关知识,建立高精度、高自动化程度的煤矿区变化检测分析模型;4)科学全面地分析煤矿区土地资源变化间的相互影响及与其他环境、经济因素的相互关系。
因此,本发明以煤矿区土地利用和煤炭资源开发相协调为目标进行研究与创新,具体研究内容如下:1)综合利用多时相、多分辨率、多数据源遥感影像,结合地面矿政与地政资料,在卫星遥感影像以及InSAR技术的研究基础上对矿区地表变化信息提取理论和方法进行研究;2)结合PS-InSAR技术和小基线集(SBAS)技术利用时序SAR影像集监测地表沉降。结合多时相、多源合成孔径雷达数据,根据数据拥有现状,研究地面沉降的时空变化信息并建立地面沉降模型;3)在光谱分析基础上,结合煤矿区具体情况提出工矿用地指数,在优化特征空间的基础上,利用基于小波核函数的加票法支持向量机模型对煤矿区土地资源空间分布信息进行提取和识别,提高识别精度;4)辅以矿区以及周边地区的相关资料、地面实测、井下开采等基础资料,通过自助开发的遥感图像解译模型进行土地利用分类与变化检测分析,获得了该区域多年的耕地损害范围及空间演变规律。最终揭示耕地损害与煤炭地下开采的协同关系,为国土资源部门客观掌握实际的矿区资源开发利用的历史与现状、规范并整顿矿产与土地资源的有效监管与协同开发、为矿区环境的规划执行情况等多目标遥感调查与监测提供技术支持与决策依据。从而有效保护矿产资源,集约利用土地资源,实现煤矿区经济、社会、生态的和谐发展。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种矿区土地资源变化协同分析方法。
本发明的目的可以通过以下技术方案来实现:
一种矿区土地资源变化协同分析方法,用于矿区土地资源的监管规划,包括以下步骤:
1)采用矿区监测的历史遥感影像、雷达数据以及地面矿政与地政资料,获取多年的矿区土地利用和覆盖变化的时空变化数据;
2)根据时空变化数据结合当前矿区土地资源分布信息,提取矿区土地地面沉降的时空变化信息并建立地面沉降3D模型;
3)根据地面沉降3D模型提取矿区土地多年的耕地损害范围及空间演变规律;
4)根据演变规律获取矿区土地资源变化协同关系,得到开采造成的最主要的环境影响与导致的直接结果。
所述的步骤2)包括以下步骤:
21)对多年的矿区土地利用和覆盖变化的时空变化数据进行预处理,包括几何纠正、多源数据融合和研究区分割,并对矿区土地的地物进行分类,获取矿区土地的地物影像特征;
22)根据矿区土地的地物影像特征,获取矿区土地利用分类的七维特征空间;
23)根据Morlet小波核函数的加票法以及七维特征空间建立支持向量机分类算法,构建地面沉降动态3D模型。
所述的步骤12)中的七维特征空间包括图像波段比值TM5/TM1和TM5/TM7、植被指数NDVI、工矿用地指数GKI以及主成分分析K-L变换后的前三个分量PCA1、PCA2和PCA3。
所述的步骤3)包括以下步骤:
31)在地面沉降3D模型中通过综合相关系数法选取多幅主影像;
32)对主影像进行配准、重采样、裁剪和选取PS点后,生成差分干涉图;
33)根据差分干涉图进行基于PS点迭代回归分析,获取耕地损害范围及空间演变规律。
所述的步骤4)中矿区土地资源变化协同关系包括土地资源与塌陷积水区变化关系和矿产资源开采与耕地利用的协同关系。
与现有技术相比,本发明具有以下优点:
(1)参考《土地利用现状分类》国家标准,提出了一种适用于煤矿区的土地分类系统。针对矿区特点,在详细研究工矿仓储用地和居民地的光谱特性基础上,创新性地构建了工矿用地指数,从而更好地区分了工矿仓储用地和居民地。在SVM分类模型的基础上构建了一种基于小波核函数的加票法SVM分类模型,该分类模型充分利用小波对信号细节的良好表现能力,在基于小波核函数SVM分类法的基础上利用加票法则进行了二次分类,发现二次分类使正确率得到了进一步的提高。从理论、方法上提高了煤矿区土地资源利用分类的可靠性。
(2)利用卫星合成孔径雷达数据,针对矿区植被较丰富,相干点稀疏的情况,提出采用多视降噪的方法,明显提高了相干点个数,实现对矿区地面沉降信息的提取。此外,采用弹性半无限空间位错模型表示矿区地下开挖引起的地面变形,与观测数据吻合较好。
(3)在对系统动力学(SystemDynamics,SD)模型研究的基础上,结合GIS技术、Vensim仿真模型软件,基于协同关系分析理论构建了矿区开采与耕地面积两变量之间的相互影响关系,揭示矿产资源采动与耕地资源变化间的相互关系。绘制矿产资源开采与土地利用变化的关系系统耦合图,并进行矿产资源开采所造成耕地资源破坏的系统动力学仿真模拟,建立矿区开采与耕地利
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例:
如图1所示,图为本发明的方法流程图。
本发明首先从大尺度上选用徐州沛县矿区作为研究区域,采用1987年、1994年、1999年、2004年、2009年TM/ETM+和2013年OLI影像,在优化的多特征空间基础上,运用基于小波的加票法支持向量机分类模型得到土地利用分类,
为了更好地分析煤矿开采对土地利用的影响,本发明选择包含沛县所有8处煤矿的区域作为沛县煤矿区,并对沛县煤矿区和沛县全境的土地利用变化进行比较。
根据沛县煤矿区和沛县全境土地利用分类结果,分别计算出1987年、1994年、1999年、2004年、2009年和2013年沛县煤矿区和沛县全境各种地类的面积和比例。
通过以上统计分析,可以得出沛县煤矿区土地资源变化情况如下:
从土地使用情况角度分析:
耕地:耕地在所有土地类型中占的比例最大,在沛县煤矿区中占58%左右,这在一定程度上说明,煤矿开采及其配套设施的建设占用了大量的耕地。
林地:林地在沛县全境中的比例为8%左右,而在煤矿区仅为4.3%,大大低于全县水平。
水域:水域在沛县全境中的比例为4%左右,而在沛县煤矿区中所占的比例则高达11%左右。其原因一方面为京杭大运河部分流域位于煤矿区内;另一方面为煤矿的过度开采导致地表大面积沉降,形成人工湖。
住宅用地:住宅用地所占的比例为第二,而且沛县煤矿区中的住宅用地的比例比沛县全境的高出3%左右。
工矿仓储用地:工矿仓储用地在沛县全境中占1.4%左右,在煤矿区则占4.9%左右,这说明煤矿对周边地区的工业发展有较大的促进作用。
从1987年到2013年26年间变化趋势角度分析:
耕地:耕地面积呈减少趋势,沛县全境耕地从73%下降到67%,下降6%;煤矿区耕地从66%下降到49%,下降17%。
林地:沛县全境的林地变化不大,比例在7%-8%之间,煤矿区的林地呈小幅上涨趋势,由1987年的4%上涨到2013年的4.345%。
水域:水域在沛县全境由3%增长到4.5%,在煤矿区由9.4%增长到15.1%。
住宅用地:住宅用地在沛县全境由14.5%上涨到16%,在煤矿区由17%上涨到21.3%。
工矿仓储用地:工矿仓储用地在沛县全境由0.7%增加至2.6%,在煤矿区由2.4%增加至9.4%。
在得出整体变化趋势的基础上,进一步计算研究区单一土地利用类型动态度变化结果,如表1所示。
表1沛县煤矿区土地利用动态度
由表1中可以看出,沛县煤矿区在各时间段土地利用类型年均变化速率情况:
(1)耕地变化:从1987年到2013年间,沛县煤矿区耕地面积呈持续减少趋势,26年平均每年减少1%,而整个沛县耕地面积减少速率只有0.31%,这说明煤矿塌陷区耕地减少速率远远大于同期沛县耕地减少的速率。在26年间,煤矿区耕地面积减少经历了由慢到快转而变慢的两个阶段:第一阶段1987年到2004年,耕地加速流失,动态度由-0.639%到-1.104%再到-2.073%;而从2004年到2013年,在耕地保护政策的影响下,耕地面积减少速度稍稍放缓,其面积以每年1.379%和0.584%的速率减少。主要原因是随着煤矿开采量的增加,煤矿区人口大幅上涨,基础设施、居民地和工矿仓储用地随之增加,大量耕地被占用,并且其中有一部耕地由于沉降、塌陷成为水域。
(2)林地变化:煤矿区林地面积从1987年到2013年呈波动上升趋势,增加速率也呈增加趋势,在26年间林地年平均增加0.318%。1987到1994年林地面积年均减少2.972%;1994年到1999年林地面积年均增加7.219%;1999年到2004年基本保持稳定;2004年到2009年年均增加7.439%;2009年到2013年年均减少6.722%。
(3)水域变化:煤矿区水域在1987年到2013年间,共增加18.5km2,总面积变化较大,且期间变化起伏很大,先是在1987年到1994年快速增加,在1994年到1999年缓慢增加,1999年到2004年水域面积大幅增加,2004年到2009年水域面积小幅下降,2009年到2013年小幅上升。水域面积变化主要是由于沉降、塌陷形成的人工湖,另外各阶段降水量变化也会影响水域面积。
(4)住宅用地:住宅用地变化主要呈现增加趋势,1987年到2013年共增加住宅用地13.5km2,年均变化率为0.828%,比沛县全境0.475%的增长率略高。第一个增长高峰出现在1994年到1999年,年增长率为1.743%。第二个小高峰出现在2004年到2013年,年增长率在1%左右。住宅用地面积增加主要是煤矿区的发展带动城市扩大和经济发展,这就必然导致住宅用地的不断增长。
(5)工矿仓储用地变化:工矿仓储用地的变化呈迅速增加趋势,在研究时间范围内共增加22km2,特别是在1994年至2004年期间,工矿仓储用地面积增加迅速,平均每年增长速率为14.204%。其它时期的年平均增长速率在2%到5%之间。
(6)未利用地变化:未利用地的变化呈先增长后减少的态势,在26年间共增加1.128km2。
总的来说,1987年到2013年沛县煤矿区土地利用变化的速度较大,其中煤矿区工矿仓储用地变化最快,年均变化率为10%,远大于其他土地利用类型,其次是水域、未利用地、耕地、住宅用地,这四种土地利用类型变化速率相差不大,都在1%至3%之间,面积变化最小的是林地,但是其变化过程较复杂。
选取位于沛县东北部的龙固镇、杨屯镇,这两个镇是沛县重要的工矿企业用地,区域内拥有四个大型的煤矿开采区,分别为三河尖煤矿、龙固煤矿、龙东煤矿和姚桥煤矿。
在这一方面的分析中,本发明缩小了尺度进一步选取了具有典型的矿业型城市发展特性的工矿企业用地作为研究区域,即对研究区序列的遥感影像进行分类处理,并利用形态学算子对分类后图像后处理,使得图像空间具有连续性,最终符合后续分析的需求。进而对分类后影像采用矢量图层差值运算的方法进行变化检测分析,描述任意两时相的耕地、塌陷地在空间格局上的变化。通过分析采矿区历年的耕地变化和塌陷地积水变化可以从地表的变化清楚、直观地分析得到矿区的开采使得耕地资源遭到了破坏的趋势。
研究沛县大屯矿区25年期间的土地利用在空间上的演变,采用图层差值运算检测出两时相之间资源的转换
从研究区耕地资源变化监测图上可以看到,由于矿区的矿产资源开采造成耕地利用破坏,但在2004年至2008年间,耕地资源有所增加。
再根据遥感影像分类结果图,通过感兴趣区裁剪将研究区塌陷地的积水区域裁剪出来进行时序图像比较分析,得到研究区主要塌陷地积水范围变化监测图,统计出研究区历年的塌陷地积水面积变化情况。
分析采矿区历年的塌陷地积水变化可以得到矿区的开采使得土地利用遭到了破坏,在1987年土地利用图上原本是耕地的区域由于采矿变成了塌陷积水区,且随着不断的煤矿开采,塌陷面积日益趋大,并且塌陷区积水面积扩展的方向就是地下煤矿开采的方向。
研究区开采量与耕地资源的破坏情况可以得出:
(1)随着研究区矿产资源的开采,开采量与耕地破坏面积都在不断增加。
(2)当NRI值固定不变为1.5时,比较2012年到2014年的研究区矿产产量与耕地破坏面积的变化,计算出矿产开采总量的增长比为1.6286,耕地面积破坏的增长比为1.6182,矿产开采的增长比耕地破坏的增长快。
(3)当NRI从0.2变化到2.5时,研究区采矿总产量大幅度提升,同时也伴随着耕地资源的破坏。计算出矿产开采量的增长比为1.6276、1.6278.6286、1.6276,矿产开采增长比在NRI为1.5时达到最大;耕地破坏增长比为1.6176、1.6181、1.6182、1.6182,虽然耕地破坏增长比在不断增加,但在NRI为1.5时趋于稳定值。综合考虑矿产资源利用最大化及保护耕地资源的角度,建议将矿产开采系数范围设置为0.75-1.5。
所以,只要利用矿产资源开采与耕地面积变化的这种协同关系,制定合适的矿区开采方案,在自然因素、社会因素等采矿外在条件基本一致时,就可以比较准确的预测煤炭矿区的耕地损失,有利于矿区的可持续发展。
Claims (5)
1.一种矿区土地资源变化协同分析方法,用于矿区土地资源的监管规划,其特征在于,包括以下步骤:
1)采用矿区监测的历史遥感影像、雷达数据以及地面矿政与地政资料,获取多年的矿区土地利用和覆盖变化的时空变化数据;
2)根据时空变化数据结合当前矿区土地资源分布信息,提取矿区土地地面沉降的时空变化信息并建立地面沉降3D模型;
3)根据地面沉降3D模型提取矿区土地多年的耕地损害范围及空间演变规律;
4)根据演变规律获取矿区土地资源变化协同关系,得到开采造成的最主要的环境影响与导致的直接结果。
2.根据权利要求1所述的一种矿区土地资源变化协同分析方法,其特征在于,所述的步骤2)包括以下步骤:
21)对多年的矿区土地利用和覆盖变化的时空变化数据进行预处理,包括几何纠正、多源数据融合和研究区分割,并对矿区土地的地物进行分类,获取矿区土地的地物影像特征;
22)根据矿区土地的地物影像特征,获取矿区土地利用分类的七维特征空间;
23)根据Morlet小波核函数的加票法以及七维特征空间建立支持向量机分类算法,构建地面沉降动态3D模型。
3.根据权利要求2所述的一种矿区土地资源变化协同分析方法,其特征在于,所述的步骤12)中的七维特征空间包括图像波段比值TM5/TM1和TM5/TM7、植被指数NDVI、工矿用地指数GKI以及主成分分析K-L变换后的前三个分量PCA1、PCA2和PCA3。
4.根据权利要求1所述的一种矿区土地资源变化协同分析方法,其特征在于,所述的步骤3)包括以下步骤:
31)在地面沉降3D模型中通过综合相关系数法选取多幅主影像;
32)对主影像进行配准、重采样、裁剪和选取PS点后,生成差分干涉图;
33)根据差分干涉图进行基于PS点迭代回归分析,获取耕地损害范围及空间演变规律。
5.根据权利要求1所述的一种矿区土地资源变化协同分析方法,其特征在于,所述的步骤4)中矿区土地资源变化协同关系包括土地资源与塌陷积水区变化关系和矿产资源开采与耕地利用的协同关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510621143.9A CN105279604A (zh) | 2015-09-25 | 2015-09-25 | 一种矿区土地资源变化协同分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510621143.9A CN105279604A (zh) | 2015-09-25 | 2015-09-25 | 一种矿区土地资源变化协同分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105279604A true CN105279604A (zh) | 2016-01-27 |
Family
ID=55148576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510621143.9A Pending CN105279604A (zh) | 2015-09-25 | 2015-09-25 | 一种矿区土地资源变化协同分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105279604A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778629A (zh) * | 2016-12-21 | 2017-05-31 | 中国科学院深圳先进技术研究院 | 大棚识别方法及装置 |
CN107092935A (zh) * | 2017-04-26 | 2017-08-25 | 国家电网公司 | 一种资产变更检测方法 |
CN109190497A (zh) * | 2018-08-09 | 2019-01-11 | 成都天地量子科技有限公司 | 一种基于时序多光谱卫星影像的耕地识别方法 |
CN109828270A (zh) * | 2018-12-27 | 2019-05-31 | 首都师范大学 | 一种表征地面沉降时序演变的方法 |
CN110472357A (zh) * | 2019-08-21 | 2019-11-19 | 华北理工大学 | 评估矿业开发密集区地表热环境分异效应的遥感综合生态模型rsiei的构建方法及应用 |
CN110781862A (zh) * | 2019-11-07 | 2020-02-11 | 航天信德智图(北京)科技有限公司 | 一种基于多光谱影像的森林乔木灌木识别方法 |
CN112464153A (zh) * | 2020-11-24 | 2021-03-09 | 上海市建筑科学研究院有限公司 | 一种土地性质变化分析方法 |
CN117152130A (zh) * | 2023-10-27 | 2023-12-01 | 中科星图智慧科技安徽有限公司 | 一种建设用地占用耕地合规性的图形叠加分析方法 |
CN117576581A (zh) * | 2024-01-17 | 2024-02-20 | 山东元鸿勘测规划设计有限公司 | 基于图像处理的地质勘探遥感监测方法 |
CN118152501A (zh) * | 2024-05-13 | 2024-06-07 | 菏泽市土地储备中心 | 基于资源数据获取土地利用变化信息的方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794281A (zh) * | 2005-12-29 | 2006-06-28 | 江苏省农业科学院 | 一种农作物轮作补贴的遥感估算方法 |
CN103234519A (zh) * | 2013-04-22 | 2013-08-07 | 重庆绿色智能技术研究院 | 一种基于gps和静力水准测量的地面沉降监测预警系统 |
-
2015
- 2015-09-25 CN CN201510621143.9A patent/CN105279604A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794281A (zh) * | 2005-12-29 | 2006-06-28 | 江苏省农业科学院 | 一种农作物轮作补贴的遥感估算方法 |
CN103234519A (zh) * | 2013-04-22 | 2013-08-07 | 重庆绿色智能技术研究院 | 一种基于gps和静力水准测量的地面沉降监测预警系统 |
Non-Patent Citations (3)
Title |
---|
YI LIN ETL: "A study on monitoring land use/cover change of mining area based on ticket-voting SVM classificaiton", 《REMOTE SENSING OF THE ENVIRONMENT:19TH NATIONAL SYMPOSIUM ON REMOTE SENSING OF CHINA》 * |
林怡等: "混合核函数SVM分类模型下采矿区时空变化监测", 《中国科技论文》 * |
陶秋香: "PS InSAR关键技术及其在矿区地面沉降监测中的应用研究", 《中国博士学位论文全文数据库工程科技I辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778629B (zh) * | 2016-12-21 | 2020-07-03 | 中国科学院深圳先进技术研究院 | 大棚识别方法及装置 |
CN106778629A (zh) * | 2016-12-21 | 2017-05-31 | 中国科学院深圳先进技术研究院 | 大棚识别方法及装置 |
CN107092935A (zh) * | 2017-04-26 | 2017-08-25 | 国家电网公司 | 一种资产变更检测方法 |
CN109190497A (zh) * | 2018-08-09 | 2019-01-11 | 成都天地量子科技有限公司 | 一种基于时序多光谱卫星影像的耕地识别方法 |
CN109828270A (zh) * | 2018-12-27 | 2019-05-31 | 首都师范大学 | 一种表征地面沉降时序演变的方法 |
CN110472357A (zh) * | 2019-08-21 | 2019-11-19 | 华北理工大学 | 评估矿业开发密集区地表热环境分异效应的遥感综合生态模型rsiei的构建方法及应用 |
CN110781862A (zh) * | 2019-11-07 | 2020-02-11 | 航天信德智图(北京)科技有限公司 | 一种基于多光谱影像的森林乔木灌木识别方法 |
CN112464153A (zh) * | 2020-11-24 | 2021-03-09 | 上海市建筑科学研究院有限公司 | 一种土地性质变化分析方法 |
CN117152130A (zh) * | 2023-10-27 | 2023-12-01 | 中科星图智慧科技安徽有限公司 | 一种建设用地占用耕地合规性的图形叠加分析方法 |
CN117152130B (zh) * | 2023-10-27 | 2024-02-20 | 中科星图智慧科技安徽有限公司 | 一种建设用地占用耕地合规性的图形叠加分析方法 |
CN117576581A (zh) * | 2024-01-17 | 2024-02-20 | 山东元鸿勘测规划设计有限公司 | 基于图像处理的地质勘探遥感监测方法 |
CN117576581B (zh) * | 2024-01-17 | 2024-04-05 | 山东元鸿勘测规划设计有限公司 | 基于图像处理的地质勘探遥感监测方法 |
CN118152501A (zh) * | 2024-05-13 | 2024-06-07 | 菏泽市土地储备中心 | 基于资源数据获取土地利用变化信息的方法及系统 |
CN118152501B (zh) * | 2024-05-13 | 2024-07-23 | 菏泽市土地储备中心 | 基于资源数据获取土地利用变化信息的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105279604A (zh) | 一种矿区土地资源变化协同分析方法 | |
Zhou et al. | Quantifying the contribution of multiple factors to land subsidence in the Beijing Plain, China with machine learning technology | |
CN107271998B (zh) | 一种集成D-InSAR和GIS技术的地下非法采矿识别方法及系统 | |
CN102521273B (zh) | 一种高分辨率遥感的多功能城市用地空间信息生成方法 | |
CN105444730A (zh) | 多源数据监测矿区形变的时空特性及越界开采识别方法 | |
CN102609986A (zh) | 数字矿山中矿体建模系统及其建模和检测方法 | |
Browning et al. | Digital soil mapping in the absence of field training data: A case study using terrain attributes and semiautomated soil signature derivation to distinguish ecological potential | |
Sema et al. | Fuzzy gamma operator model for preparing landslide susceptibility zonation mapping in parts of Kohima Town, Nagaland, India | |
Wu et al. | Spatial-temporal analysis and stability investigation of coastline changes: A case study in Shenzhen, China | |
Chen et al. | Research on the improvement of single tree segmentation algorithm based on airborne LiDAR point cloud | |
Jin et al. | [Retracted] Mine Geological Environment Monitoring and Risk Assessment in Arid and Semiarid Areas | |
Eghrari et al. | Land subsidence susceptibility mapping using machine learning algorithms | |
Zhang et al. | High-precision monitoring method for airport deformation based on time-series InSAR technology | |
Ji et al. | The use of proximal soil sensor data fusion and digital soil mapping for precision agriculture | |
Wang et al. | Crops planting structure and karst rocky desertification analysis by Sentinel-1 data | |
Gaikwad et al. | GIS-based comparative analysis of lineament extraction by using different azimuth angles: a case study of Mula river basin, Maharashtra, India | |
Miner et al. | Landslide recognition using LiDAR derived digital elevation models-lessons learnt from selected Australian examples | |
Al-Jawadi et al. | Lineament Analysis by Using Remote Sensing and GIS Technique of Sangaw Area, Kurdistan Region, NE Iraq | |
Fu et al. | Estimation of Landslides and Road Capacity after August 8, 2017, MS7. 0 Jiuzhaigou Earthquake Using High‐Resolution Remote Sensing Images | |
CN111398958A (zh) | 一种确定地面沉降与黄土填挖方区建筑高度相关性的方法 | |
Thao et al. | Reliability assessment of land subsidence monitoring results using PSI technique in Ho Chi Minh City, Vietnam | |
Yao et al. | A comprehensive evaluation method for topographic correction model of remote sensing image based on entropy weight method | |
Li et al. | Application of Multi-Source Remote Sensing Image in Yunnan Province Grassland Resources Investigation | |
Quan et al. | Subsidence Characteristics in North Anhui Coal Mining Areas Using Space–Air–Ground Collaborative Observations | |
Saby et al. | Designing soil monitoring schemes for large areas based on high resolution digital soil mapping products: a case study from France |
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: 20160127 |
|
RJ01 | Rejection of invention patent application after publication |