CN105608414A - 一种地表含水量分布提取方法 - Google Patents
一种地表含水量分布提取方法 Download PDFInfo
- Publication number
- CN105608414A CN105608414A CN201510918273.9A CN201510918273A CN105608414A CN 105608414 A CN105608414 A CN 105608414A CN 201510918273 A CN201510918273 A CN 201510918273A CN 105608414 A CN105608414 A CN 105608414A
- Authority
- CN
- China
- Prior art keywords
- theta
- soil
- sigma
- image
- water
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06T2207/10044—Radar image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种地表含水量分布提取方法包括以下步骤:获取SAR图像,并进行预处理得到含有幅度与相位的复图像S1;利用Otsu与阈值分割对图像S1进行分类,将图像S1分为裸土区域O1、植被区域O2和其它区域O3;将图像S1剔除其它区域O3,得到图像S2;建立裸土反演模型反演裸土区域土壤含水量;利用水云模型对图像O2进行处理,然后建立植被区域反演模型反演植被区域土壤含水量;根据裸土区域土壤含水量和植被区域土壤含水量得到土壤含水量分布图;本发明适用于多种复杂植被覆盖下的土壤含水量提取,并且提取的准确率高、实用性强。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于SAR图像的地表含水量分布提取方法。
背景技术
土壤水分(即土壤湿度、土壤含水量)是地球生态系统的一个重要参数;它是陆地植物、土壤生物赖以生存的物质源泉,土壤水分的蒸发、渗透和径流影响水循环规律;虽然土壤水分仅占全球水资源总量的0.005%,但是它却是陆地和大气交换能量的关键因子,并且它是许多水文模型、气候模型和生态模型等的重要输入参数;土壤水分的变化和运动规律在很大程度上决定着植被的组成、结果、形态和生理特征,是影响植被生长和演替的重要限制因子,并且还能影响其自身的水热过程,使得地表参数发生变化,如地表反照率、土壤热容量、地表蒸发和植被生长状况等;在年度降水量较高的区域,容易引起洪涝、泥石流等灾害,所以提取土壤含水量对自然灾害的防疫和灾后重建工作具有重大的意义。
目前国内外研究学者已经提出了许多裸露地表和植被覆盖下的土壤含水量反演算法,这些算法普遍都是针对地形平坦、植被种类单一的区域;但是大多数植被覆盖的地区都不只是生长着一种单一的植被,而是由许多种高低不同、含水量不同、叶面积不同的植被覆盖着;目前还没有一种有效的适用于复杂地形和多种植被覆盖下的土壤含水量反演算法来预测土壤含水量。
发明内容
本发明提供一种基于SAR图像地表含水量分布提取方法。
本发明采用的技术方案是:一种地表含水量分布提取方法,包括以下步骤:
获取SAR图像,并进行预处理得到含有幅度与相位的复图像S1;
利用Otsu与阈值分割对图像S1进行分类,将图像S1分为裸土区域O1、植被区域O2和其它区域O3;
将图像S1剔除其它区域O3,得到图像S2;
建立裸土反演模型反演裸土区域土壤含水量;
利用水云模型对图像O2进行处理,然后建立植被区域反演模型反演植被区域土壤含水量;
根据裸土区域土壤含水量和植被区域土壤含水量得到土壤含水量分布图。
进一步的,所述预处理包括多视处理、滤波、辐射校正、几何校正和高程校正。
进一步的,所述裸土反演模型如下:
式中:θ为雷达入射角,Bhh(θ)、Bvv(θ)、Avv(θ)、Ahh(θ)、Cvv(θ)、Chh(θ)为与雷达入射角相关的系数,为HH极化后向散射系数,为VV极化后向散射系数。
进一步的,所述水云模型为:
式中:θ为雷达入射角,为测量得到的后向散射系数,mveg为植被含水量。
进一步的,所述裸土含水量反演模型建立方法如下:
通过模拟C波段同极化后向散射系数随土壤体积含水量的关系变化,建立后相散射系数同土壤含水量的关系模型:
式中:Ahh为HH极化土壤含水量系数,Avv为VV极化土壤含水量系数,f(s,l)为关于指定的均方根高度和相关长度的函数,mv为土壤含水量;
建立土壤含水量同粗糙度的关系模型:
式中:Bhh为HH极化土壤粗糙度系数,Bvv为VV极化土壤粗糙度系数,f(mv)为指定的土壤含水量,Zs为土壤粗糙度;
由上式得出后相散射系统同粗糙度Zs和土壤含水量mv的关系:
通过AIEM模型对C波段HH和VV极化后向散射系数进行模拟,获取每一个入射角所对应系数值,然后通过非线性回归的方法得到每个系数关于入射角的函数公式;
最后建立裸土含水量反演模型:
进一步的,所述图像S1进行分类方法如下:根据Otsu多次循环首先将图像S1分为水体和陆地两部分;然后再将陆地分为裸土、植被和城市区域;每次循环都将结果与设定的阈值进行比较,直到平均阈值满足阈值范围;其中城市区域和水体归为其它区域O3。
进一步的,所述高程校正是利用干涉技术通过sarscape软件得到高程数据DEM对SAR图像进行处理。
本发明的有益效果是:
(1)本发明适用于多种地表环境,适用于多种植被覆盖区域地表含水量分布提取;
(2)本发明通过裸土含水量反演模型,提取土壤含水量准确度高;
(3)本发明通过水云模型可以去除植被对含水量提取的影响,提取准确度高、实用性强;
(4)本发明利用DEM数据对图像进行几何校正,适用于高程起伏的区域。
附图说明
图1为本发明流程示意图。
图2为土壤含水量分布图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
一种地表含水量分布提取方法,包括以下步骤:
获取SAR图像,并进行预处理得到含有幅度与相位的复图像S1;
利用Otsu与阈值分割对图像S1进行分类,将图像S1分为裸土区域O1、植被区域O2和其它区域O3;
将图像S1剔除其它区域O3,得到图像S2;
建立裸土反演模型反演裸土区域土壤含水量;
利用水云模型对图像O2进行处理,然后用裸土含水量反演模型反演植被区域土壤含水量;
根据裸土区域土壤含水量和植被区域土壤含水量得到土壤含水量分布图。
其中SAR图像是通过机载或者星载卫星获取的原始合成孔径雷达图像;本实施例采用原始图像为星载Radarsat-2C波段的高分辨率SAR影像;裸土含水量反演模型是根据裸土后向散射系数测量实验结合复杂地形的具体特征建立的;水云模型所需参数较少,描述植被覆盖区的微波散射机制时较为实用,通过模拟后向散射系数与雷达入射角的变化关系,然后通过非线性最小二乘法对模拟值进行拟合,得到建立水云模型所需要的A、B参数;除了完全为高大植被覆盖下的土壤,建立的模型均适用。
进一步的,所述预处理包括多视处理、滤波、辐射校正、几何校正和高程校正;首先利用现有的商务软件对原始图像进行辐射校正、几何校正、多视处理,得到高程数据;输出图像需要为含有幅度与相位的复tif图像,本实施例种,多视处理窗口为7×7。
进一步的,所述裸土反演模型如下:
式中:θ为雷达入射角,Bhh(θ)、Bvv(θ)、Avv(θ)、Ahh(θ)、Cvv(θ)、Chh(θ)为与雷达入射角相关的系数,可以通过AIEM模型模拟HH、VV极化下的σ值,并利用最小二乘法对模拟值进行拟合,可得到任一入射角下的系数值;为HH极化后向散射系数,为VV极化后向散射系数,。
进一步的,所述水云模型为:
式中:θ为入射角,为测量得到的后向散射系数,mveg为植被含水量。
对于植被覆盖的地区来说,SAR图像获取的后向散射系数反映的是该地区总的后向散射,它不仅含有土壤的散射信息,还会受到植被散射及衰减的影响,因此需要通过水云模型去除植被散射的影响;通过水云模型去除植被对土壤含水量反演的影响后,再利用裸土含水量反演模型反演土壤含水量:
式中:为植被覆盖区域HH极化总的后向散射系数,为植被覆盖区域的VV极化总的后向散射系数。
进一步的,所述裸土含水量反演模型建立方法如下:
通过模拟C波段同极化后向散射系数随土壤体积含水量的关系变化,建立后相散射系数同土壤含水量的关系模型:
式中:Ahh为HH极化土壤含水量系数,Avv为VV极化土壤含水量系数,f(s,l)为关于指定的均方根高度和相关长度的函数,mv为土壤含水量;
建立土壤含水量同粗糙度的关系模型:
式中:Bhh为HH极化土壤粗糙度系数,Bvv为VV极化后土壤粗糙度系数,f(mv)为指定的土壤含水量,Zs为土壤粗糙度;
由上式得出后相散射系统同粗糙度Zs和土壤含水量mv的关系:
通过AIEM模型对C波段HH和VV极化后向散射系数进行模拟,获取每一个入射角所对应系数值,然后通过非线性回归的方法得到每个系数关于入射角的函数公式;例如HH极化后每个参数如下:
Ahh(θ)=-20882cos2(θ)+6.3978cos(θ)-1.1168
Bhh(θ)=-2.855cos2(θ)+9.066sin(θ)-0.1353
Chh(θ)=19.4010cos2(θ)-14.8591cos(θ)+1.7474
最后建立裸土含水量反演模型:
进一步的,所述图像S1进行分类方法如下:
根据Otsu多次循环首先将图像S1分为水体和陆地两部分;然后再将陆地分为裸土、植被和城市区域;每次循环都将结果与设定的阈值进行比较,直到平均阈值满足阈值范围;其中城市区域和水体归为其它区域O3。
进一步的,所述高程校正是利用干涉技术通过sarscape软件得到高程数据DEM对SAR图像进行处理。
本发明基于SAR图像的地表含水量分布提取方法,通过机载或星载卫星获取待处理的原始SAR图像,然后对图像进行多视处理、滤波、辐射校正、几何校正和高程校正等预处理得到配准后的图像,采用Otsu法和阈值直接分割相结合方法,对SAR图像进行多次循环分割并且每次分割后的结果都与设定的阈值相比较,如果平均阈值满足阈值范围则停止分割退出循环,如果不满足则继续分割;将分割出的城市和水体区域去除,对裸土和植被覆盖区域分别利用建立的模型反演土壤含水量;最终输出土壤含水量分布图;本发明基于复杂地形的特点,结合DEM数据应用于SAR图像土壤含水量信息提取,能够从SAR图像中提取大面积的含水量分布信息;把城市区域以及水体区域变换为白色,对裸土和植被覆盖区域按照土壤含水量的变化趋势来改变像素灰度值的大小,土壤含水量越大,灰度值越大;最终输出土壤含水量分布图,如图2所示;本发明特别适用于输电走廊区域,而且输出的土壤含水量分布图准确、清楚。
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 (7)
1.一种地表含水量分布提取方法,其特征在于,包括以下步骤:
获取SAR图像,并进行预处理得到含有幅度与相位的复图像S1;
利用Otsu与阈值分割对图像S1进行分类,将图像S1分为裸土区域O1、植被区域O2和其它区域O3;
将图像S1剔除其它区域O3,得到图像S2;
建立裸土反演模型反演裸土区域土壤含水量;
利用水云模型对图像O2进行处理,然后用裸土含水量反演模型反演植被区域土壤含水量;
根据裸土区域土壤含水量和植被区域土壤含水量得到土壤含水量分布图。
2.根据权利要求1所述的一种地表含水量分布提取方法,其特征在于,所述预处理包括多视处理、滤波、辐射校正、几何校正和高程校正。
3.根据权利要求1所述的一种地表含水量分布提取方法,其特征在于,所述裸土反演模型如下:
式中:θ为雷达入射角,Bhh(θ)、Bvv(θ)、Avv(θ)、Ahh(θ)、Cvv(θ)、Chh(θ)为与雷达入射角相关的系数,为HH极化后向散射系数,为VV极化后向散射系数。
4.根据权利要求1所述的一种地表含水量分布提取方法,其特征在于,所述水云模型为:
式中:θ为雷达入射角,为测量得到的后向散射系数,mveg为植被含水量。
5.根据权利要求3所述的一种地表含水量分布提取方法,其特征在于,所述裸土含水量反演模型建立方法如下:
通过模拟C波段同极化后向散射系数随土壤体积含水量的关系变化,建立后巷散射系数同土壤含水量的关系模型:
式中:Ahh为HH极化土壤含水量系数,Avv为VV极化土壤含水量系数,f(s,l)为关于指定的均方根高度和相关长度的函数,mv为土壤含水量;
建立土壤含水量同粗糙度的关系模型:
式中:Bhh为HH极化土壤粗糙度系数,Bvv为VV极化土壤粗糙度系数,f(mv)为指定的土壤含水量,Zs为土壤粗糙度;
由上式得出后相散射系统同粗糙度Zs和土壤含水量mv的关系:
通过AIEM模型对C波段HH和VV极化后向散射系数进行模拟,获取每一个入射角所对应系数值,然后通过非线性回归的方法得到每个系数关于入射角的函数公式;
最后建立裸土含水量反演模型:
6.根据权利要求1所述的一种地表含水量分布提取方法,其特征在于,所述图像S1进行分类方法如下:
根据Otsu多次循环首先将图像S1分为水体和陆地两部分;然后再将陆地分为裸土、植被和城市区域;每次循环都将结果与设定的阈值进行比较,直到平均阈值满足阈值范围;其中城市区域和水体归为其它区域O3。
7.根据权利要求2所述的一种地表含水量分布提取方法,其特征在于,所述高程校正是利用干涉技术通过sarscape软件得到高程数据DEM对SAR图像进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510918273.9A CN105608414A (zh) | 2015-12-11 | 2015-12-11 | 一种地表含水量分布提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510918273.9A CN105608414A (zh) | 2015-12-11 | 2015-12-11 | 一种地表含水量分布提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105608414A true CN105608414A (zh) | 2016-05-25 |
Family
ID=55988340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510918273.9A Pending CN105608414A (zh) | 2015-12-11 | 2015-12-11 | 一种地表含水量分布提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105608414A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106258686A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种改进的水云模型及应用该模型的水稻参数反演方法 |
CN108303044A (zh) * | 2018-02-01 | 2018-07-20 | 苏州市农业科学院 | 一种叶面积指数获取方法及系统 |
CN108537851A (zh) * | 2018-03-29 | 2018-09-14 | 湖南农业大学 | 一种土壤湿度的探测方法及其应用 |
CN109270124A (zh) * | 2018-11-22 | 2019-01-25 | 东华理工大学 | 一种基于机器学习回归算法的土壤盐度预测方法 |
CN109521182A (zh) * | 2018-10-30 | 2019-03-26 | 武汉大学 | 一种基于二分量分解模型的PolSAR土壤含水量反演方法 |
CN109765247A (zh) * | 2018-11-15 | 2019-05-17 | 中国农业科学院农业资源与农业区划研究所 | 一种不同生育阶段麦类作物覆盖区域土壤水分反演方法 |
CN110163214A (zh) * | 2018-01-17 | 2019-08-23 | 河南工业大学 | 基于广义高斯模型的fy-3数据的海冰分布探测方法 |
CN110618144A (zh) * | 2019-09-26 | 2019-12-27 | 中国水利水电科学研究院 | 一种快速测定黄土塬区泉眼位置的方法 |
CN111751286A (zh) * | 2020-06-22 | 2020-10-09 | 电子科技大学 | 基于变化检测算法的土壤水分提取方法 |
CN114677401A (zh) * | 2022-03-28 | 2022-06-28 | 珠江水利委员会珠江水利科学研究院 | 一种基于极化雷达自身影像特征的水体提取方法及系统 |
CN117576076A (zh) * | 2023-12-14 | 2024-02-20 | 湖州宇泛智能科技有限公司 | 一种裸土检测方法、装置和电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103196862A (zh) * | 2013-02-25 | 2013-07-10 | 北京师范大学 | 基于ASAR和Hyperion数据反演植被覆盖下土壤水分的方法及系统 |
US20130286377A1 (en) * | 2012-04-27 | 2013-10-31 | SATOP GmbH | Using Multispectral Satellite Data to Determine Littoral Water Depths Despite Varying Water Turbidity |
-
2015
- 2015-12-11 CN CN201510918273.9A patent/CN105608414A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130286377A1 (en) * | 2012-04-27 | 2013-10-31 | SATOP GmbH | Using Multispectral Satellite Data to Determine Littoral Water Depths Despite Varying Water Turbidity |
CN103196862A (zh) * | 2013-02-25 | 2013-07-10 | 北京师范大学 | 基于ASAR和Hyperion数据反演植被覆盖下土壤水分的方法及系统 |
Non-Patent Citations (1)
Title |
---|
王东: "基干SAR图像的植被覆盖下土壤含水量反演方法研究", 《万方数据知识服务平台》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106258686A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种改进的水云模型及应用该模型的水稻参数反演方法 |
CN106258686B (zh) * | 2016-08-11 | 2019-10-08 | 中国科学院遥感与数字地球研究所 | 一种改进的水云模型及应用该模型的水稻参数反演方法 |
CN110163214B (zh) * | 2018-01-17 | 2021-03-02 | 河南工业大学 | 基于广义高斯模型的fy-3数据的海冰分布探测方法 |
CN110163214A (zh) * | 2018-01-17 | 2019-08-23 | 河南工业大学 | 基于广义高斯模型的fy-3数据的海冰分布探测方法 |
CN108303044B (zh) * | 2018-02-01 | 2020-02-21 | 苏州市农业科学院 | 一种叶面积指数获取方法及系统 |
CN108303044A (zh) * | 2018-02-01 | 2018-07-20 | 苏州市农业科学院 | 一种叶面积指数获取方法及系统 |
CN108537851A (zh) * | 2018-03-29 | 2018-09-14 | 湖南农业大学 | 一种土壤湿度的探测方法及其应用 |
CN108537851B (zh) * | 2018-03-29 | 2020-09-01 | 湖南农业大学 | 一种土壤湿度的探测方法及其应用 |
CN109521182A (zh) * | 2018-10-30 | 2019-03-26 | 武汉大学 | 一种基于二分量分解模型的PolSAR土壤含水量反演方法 |
CN109765247A (zh) * | 2018-11-15 | 2019-05-17 | 中国农业科学院农业资源与农业区划研究所 | 一种不同生育阶段麦类作物覆盖区域土壤水分反演方法 |
CN109765247B (zh) * | 2018-11-15 | 2021-06-08 | 中国农业科学院农业资源与农业区划研究所 | 一种不同生育阶段麦类作物覆盖区域土壤水分反演方法 |
CN109270124A (zh) * | 2018-11-22 | 2019-01-25 | 东华理工大学 | 一种基于机器学习回归算法的土壤盐度预测方法 |
CN110618144A (zh) * | 2019-09-26 | 2019-12-27 | 中国水利水电科学研究院 | 一种快速测定黄土塬区泉眼位置的方法 |
CN111751286A (zh) * | 2020-06-22 | 2020-10-09 | 电子科技大学 | 基于变化检测算法的土壤水分提取方法 |
CN114677401A (zh) * | 2022-03-28 | 2022-06-28 | 珠江水利委员会珠江水利科学研究院 | 一种基于极化雷达自身影像特征的水体提取方法及系统 |
CN117576076A (zh) * | 2023-12-14 | 2024-02-20 | 湖州宇泛智能科技有限公司 | 一种裸土检测方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608414A (zh) | 一种地表含水量分布提取方法 | |
CN102629378B (zh) | 基于多特征融合的遥感图像变化检测方法 | |
Degerli et al. | Evaluation from rural to urban scale for the effect of NDVI-NDBI indices on land surface temperature, in Samsun, Türkiye | |
CN103413151A (zh) | 基于图正则低秩表示维数约简的高光谱图像分类方法 | |
VOJTEK et al. | Land use change and its impact on surface runoff from small basins: A case of Radiša basin | |
Yan et al. | Shoreline change detection and forecast along the Yancheng coast using a digital shoreline analysis system | |
Mukhopadhyay et al. | Land cover and land use analysis in coastal Bangladesh | |
Zhang et al. | Remote sensing of impervious surfaces in tropical and subtropical areas | |
Li et al. | Effects of RapidEye imagery’s red-edge band and vegetation indices on land cover classification in an arid region | |
Sahoo et al. | Future scenarios of environmental vulnerability mapping using grey analytic hierarchy process | |
Kong et al. | Flood prediction in ungauged basins by physical-based TOPKAPI model | |
Yang et al. | The spatial distribution and expansion of subsided wetlands induced by underground coal mining in eastern China | |
Dasgupta et al. | Potential of SAR-derived flood maps for hydrodynamic model calibration in data scarce regions | |
Agrawal et al. | Role of surface hydrology in determining the seasonal cycle of Indian summer monsoon in a general circulation model | |
Wen et al. | Geomorphologic patterns of dune networks in the Tengger Desert, China | |
Alfa et al. | Assessment of the effect of land use/land cover changes on total runoff from Ofu River catchment in Nigeria | |
Jia et al. | Spatio-temporal evolution of coastlines of sand-barrier lagoons over 26 years through historic Landsat imagery in Lingshui County, Hainan Province, China | |
CN112926416B (zh) | 一种基于生态水文特征的植被分区方法、系统及装置 | |
Zhang et al. | Study of the spatial and temporal distributions of tidal flat surface sediment based on multitemporal remote sensing | |
CN107390286A (zh) | 一种基于Landsat遥感影像的海岸不透水面提取方法 | |
Du et al. | High-precision remote sensing mapping of aeolian sand landforms based on deep learning algorithms | |
Sahu et al. | Detection of water-logged areas using geoinformatics techniques and relationship study in Panskura-Tamluk flood plain (India) | |
CN103149562B (zh) | 基于极化合成孔径雷达的植被下地形方位角估计方法 | |
Pradhan et al. | Application of airborne LiDAR-derived parameters and probabilistic-based frequency ratio model in landslide susceptibility mapping | |
Chen et al. | Estimating Land Use/Cover of Foshan City in Southern China with Landsat Remote Sensing Imagery for Flood Modelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160525 |