CN106767687B - 一种利用遥感含水量测量滩涂高程的方法 - Google Patents

一种利用遥感含水量测量滩涂高程的方法 Download PDF

Info

Publication number
CN106767687B
CN106767687B CN201710096019.4A CN201710096019A CN106767687B CN 106767687 B CN106767687 B CN 106767687B CN 201710096019 A CN201710096019 A CN 201710096019A CN 106767687 B CN106767687 B CN 106767687B
Authority
CN
China
Prior art keywords
water content
beach
elevation
remote sensing
model
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.)
Expired - Fee Related
Application number
CN201710096019.4A
Other languages
English (en)
Other versions
CN106767687A (zh
Inventor
李欢
张孝严
李志远
杨子杰
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201710096019.4A priority Critical patent/CN106767687B/zh
Publication of CN106767687A publication Critical patent/CN106767687A/zh
Priority to PCT/CN2017/115572 priority patent/WO2018153143A1/zh
Priority to US16/153,820 priority patent/US11150231B2/en
Application granted granted Critical
Publication of CN106767687B publication Critical patent/CN106767687B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/246—Earth materials for water content
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing
    • G01N2021/1797—Remote sensing in landscape, e.g. crops

Abstract

本发明公开了一种利用遥感含水量测量滩涂高程的方法，包括如下步骤：利用全波段光谱仪测量滩涂区的土壤表层光谱值，分析光谱值与滩涂区土壤含水量的关系，利用统计相关法构建遥感含水量反演模型。选择遥感数据中的水分敏感波段，反演滩涂区的土壤含水量；同样利用统计相关法分析土壤含水量与滩涂高程之间的关系，构建滩涂含水量与高程的关系模型，将该模型用于卫星影像可获得滩涂高程。本发明基于遥感影像反演滩涂滩面含水量，间接获得滩涂高程，具有成本低、精度高的特点。

Description

一种利用遥感含水量测量滩涂高程的方法
技术领域
本发明涉及一种高程测量方法，尤其涉及一种利用遥感含水量测量滩涂高程的方法。
背景技术
我国的滩涂广泛分布于辽宁、山东、江苏、浙江、福建、台湾、广东、广西和海南的海滨地带，总面积高达217.04万公顷，约等于三个新加坡的国土面积。滩涂有巨大的潜在利用价值，通过围垦开发可形成大规模的土地后备资源，能够为沿海地区港口、航道、滨海电厂建设、农业生产等提供广阔的发展空间。随着人类活动的加剧，海岸带的地形、水动力格局、生态环境都受到不同程度的影响，因此需要依靠冲淤演变分析、水动力数值模拟和生态环境模拟等科学研究方法，及时了解海岸带自然生态环境变化，但是滩涂高程作为制订海岸带资源开发规划、环境影响评价论证、海域使用论证等科学研究的重要基础资料却较难获得。
目前，利用遥感手段获取海岸带高程的技术方法有激光探测和测距技术(Lidar)和水边线法。各自的特点如下：
(1)Lidar方法测量费用极其昂贵，加之滩涂区地形地貌变动异常快，不断地需要及时更新，显然Lidar的使用费用，用户难以承受。而且，由于Lidar发展历程段，很难形成历史数据库，没有数据累积，难以满足动态演变分析的需求。
(2)水边线法：Collins和Madge于1981年创造性的提出利用遥感手段监测滩涂高程的"水边线法”。水边线法问世后十多年间未有任何进展，直至1995年荷兰学者Koopmans用于获得欧洲瓦登海域的滩涂高程，之后便引起英国雷丁大学Mason的关注，Mason的研究使水边线法逐渐为世人所知。Niedermeier、Heygster、Kim、Ryu等相继利用不同的遥感数据源获得滩涂高程，Ryu甚至认为水边线法是唯一可用于监测淤泥质滩涂高程的遥感方法。我国有关水边线法的研究最早始于2003年，韩震、恽才兴等基于MSS、TM、ETM、SPOT四类数据源，确定了温州地区淤泥质滩涂岸线的变化，计算了坡度及淤积侵蚀速度。郑宗生、周云轩等随后考虑到水边线非水平的特性，利用Delft3D水动力模型模拟卫星过境时刻的潮位并赋值给多景影像提取的水边线，生成长江口崇明东滩的高程。随后沈芳，韩震，赵斌等学者又在长江口的不同区域进行了有益尝试。2010年后刘永学、李满春等将水边线法移植于江苏滩涂地区，并尝试将MODIS高时间分辨率的特点融入TM等具备较高空间分辨率的图像，解决了水边线法影像选择时间跨度过大的弊端。2013年唐远彬等基于无人机航摄技术提取水边线，获得了浙江滩涂的高程。由此可看出水边线法在国内外研究较多也较为深入，然而该方法仍有其自身的局限性。首先，水边线法需要连续的潮位资料为辅助，对于远离海岸的滩涂，没有长期潮位观测站。其次，水边线法假设不同时期的滩涂高程不变，以便选取不同时相的水边线生成高程，但是滩涂高程并非一成不变，甚至部分区域即使在较短时间内会发生较大变化，这将影响水边线法的高程获取精度。所以，水边线法用于变化较快区域的滩涂高程测量时，误差很大。
发明内容
本发明要解决的技术问题是提供一种基于遥感影像反演滩涂土壤表层含水量，从而间接获得滩涂高程的测量方法。退潮后滩涂逐渐出露，地势高的区域出露较早且含水量低，地势低的区域出露较晚且含水量高，所以出露滩面的含水量与高程呈负相关关系，因此只要选取合适的遥感影像，反演获得滩涂的表层土壤含水量，就可间接测量滩涂高程。
为解决上述问题，本发明采用如下技术方案：
本发明提供了一种利用遥感含水量测量滩涂高程的方法，其特征在于，包括如下步骤：
(1)土壤样品采集：选取滩涂区为待测区域，在待测区域中选取多个采集点，并在各采集点采集土壤样品，测量土壤样品的地表光谱数据；
(2)含水量测量：同步测量步骤(1)中各土壤样品的含水量，即土壤样品中水与土壤的质量百分比；
(3)根据光谱数据构建含水量反演模型：利用统计回归分析步骤(1)所得地表光谱数据和步骤(2)所得含水量数据，构建光谱与含水量关系模型；
(4)将步骤(3)所得含水量反演模型应用于遥感影像，基于遥感光谱数据获取滩涂表层含水量的空间分布图；
(5)由步骤(4)所得的滩涂表层含水量空间分布图中提取出步骤(1)采集点处的含水量值，测量各个采集点的高程数据，并回归分析各采集点的高程和含水量值，构建含水量与高程关系模型；
(6)根据步骤(3)中"光谱与含水量”模型和步骤(5)中"含水量与高程”模型，含水量作为共有变量用之于模型耦合，构建滩涂高程的反演模型；
(7)将待测位置的遥感影像光谱数据输入到步骤(6)的反演模型中，即实现滩涂高程的遥感测量。
作为本发明对上述方案的进一步优选，所述步骤(1)中采集点至少选择30处。
作为本发明对上述方案的进一步优选，所述土壤样品采用地物光谱辐射仪进行光谱测量。
作为本发明对上述方案的进一步优选，所述步骤(2)中含水量的测量方法为：将刚进行光谱测量的土壤样品立即进行105℃烘干直至质量无变化，计算烘干蒸发的水质量和烘干土质量的百分比，即为土壤样品的含水量。
作为本发明对上述方案的进一步优选，所述步骤(3)和步骤(5)的回归分析过程采用SPSS软件进行。
本发明的有益效果在于：本发明利用遥感含水量作为桥梁，连接光谱和高程之间的关系，让原本无法联系的事物，有了一个具有物理意义媒介，从而简化了滩涂高程的测量过程；本发明使用的遥感卫星数据可以免费下载，因此仅需要一幅卫星影像图，就能够利用本发明所述的遥感含水量方法测量滩涂高程，大大降低了滩涂高程的测量成本；此外，本发明的测量精度还高于现有技术中的水边线法和Lidar技术。
附图说明
图1为本发明的技术路线图；
图2为本发明实施例所得滩涂高程的反演模型中验证剖面的位置分布图；
图3为图2中滩涂高程的反演模型各剖面的高程与实测高程的对比图；
图4为本发明实施例中滩涂高程的反演模型各剖面的高程与实测高程散点图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
以江苏省某滩涂为例选取裸露滩涂，本发明结合实地调查、测定、采样及室内样本分析，由此构建滩涂高程的反演模型，实现滩涂的低成本快速获取。本发明实现流程如下：
(1)构建含水量反演模型
光谱数据：在待测区域内，利用地物光谱仪测量裸露滩涂的地表光谱数据，采集点选取30个点以上；
含水量数据：利用土壤学领域中规定使用的标准小铝盒(直径9cm，高3cm)，与上述光谱测量同步，将采集刚测完光谱的土壤样本，带回实验室后利用烘干法测定每个点的含水量；含水量测定过程为：土壤样品经105℃烘干12小时，确保其恒定质量，拿出后放干燥器备用，通过计算土样损失质量(即烘干蒸发的水分质量)与烘干土质量的百分比，可得到土壤的质量含水量θ；
反演模型：利用SPSS软件统计回归分析光谱与含水量的关系，构建光谱与含水量关系模型。Landsat TM/ETM+/OLI数据，TM7波段最适宜反演滩涂土壤含水量，由于TM7波段处的中心波长为2220nm，因此以该波段的光谱反射率R2220为自变量，土壤含水量θ为因变量，构建含水量反演模型θ＝-106.27×R2220+39.197。
(2)将含水量反演模型用于卫星影像，反演滩涂含水量
遥感数据：可以从www.usgs.gov免费下载，可用的数据有Landsat TM、ETM+、OLI三种传感器获取的卫星影像。
遥感数据预处理：遥感数据与处理属于常规手段，包括利用ENVI遥感处理软件中的FLAASH模块大气校正、Registration模块几何校正、Supervised classification模块从卫星影像中提取滩涂区，经上述步骤处理后获得滩涂区的光谱反射率图像，选择中心波长为2220nm的光谱反射率图像备用以获得能够代入反演模型的光谱反射率。
含水量反演：利用ENVI遥感处理软件中的Band Math模块，将含水量反演模型，应用于中心波长为2220nm处的滩涂光谱反射率图像，得到滩涂图像中每个像素的含水量值，进而获得了滩涂区的含水量空间分布图。
(3)构建含水量与高程的回归模型
实测高程数据：利用RTK-GPS在滩涂区内测量少量离散的点，通常情况30个测点需均匀分布于待测区内。
含水量与高程的回归分析：上述30个测点位置处的含水量值从含水量空间分布图中提取出，统计分析位置处的高程值和含水量的关系，构建含水量和高程的关系模型。
以该滩涂为例，高程和含水量的关系模型为H＝-0.16θ2+0.8766×θ-11.159,其中H为高程，θ为含水量。
(4)构建高程反演模型，应用于滩涂影像反演高程。
基于遥感反演的滩涂含水量模型、滩涂土壤含水量与高程的统计模型，以含水量θ为桥梁，可推算出光谱与高程的数学模型，从而构建滩涂高程的反演模型H＝-180.693×(R2220)2+40.139×R2220-1.381。
利用ENVI遥感处理软件中的模块，输入高程反演模型，应用于中心波长为2220nm处的滩涂光谱反射率图像，得到滩涂图像中每个像素的高度值，实现滩涂高程的快速遥测。
对上述方法所得的高程反演模型进行验证，具体过程如下：
分别在实测高程图和反演高程图中取6条剖面如图2所示，并得出实测和反演模型中各剖面位置的高程对比图如图3所示，从图中可以看出，反演高程与实测高程基本趋势一致，模型具有较好的反演效果。
表1遥感反演高程精度检验
平均绝对误差MAE(cm) 平均相对误差ARE(％)
剖面1 8.2 7
剖面2 10.0 8
剖面3 9.4 8
剖面4 9.1 8
剖面5 26.3 33
剖面6 30.2 45
整体 19.2 24
利用平均绝对误差和平均相对误差对反演结果评价，从表1可看出：
(1)剖面1至剖面4属于地形平坦区。可看出反演精度控制在了较高的水准，遥感测得的高程绝对误差MAE都小于10cm，相对误差ARE也较低，仅为8％左右，这表明高程的反演精度高达92％；
(2)剖面5、6两处属于地形起伏较大区，反演精度略低，误差相对平坦区略大，但也控制在了30cm精度水平。
(3)整体精度分析，利用遥感含水量法得到的高程误差控制在了20公分以内，明显优于Lidar测量的精度水准。
以上是通过剖面的对比，还有另外一种方法也可以验证反演精度。即通过绘制反演高程值和实测高程值的散点图，并计算复相关系数，用之评价反演精度。图4所示，散点基本分布在对角线附近，而且散点拟合度较高，复相关系数达到0.86。
验证结果表明，利用遥感含水量法反演的滩涂高程精度较高，能够满足动态分析海岸带地形的需要。
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求范围内。

Claims (5)

1.一种利用遥感含水量测量滩涂高程的方法，其特征在于，包括如下步骤：
(1)土壤样品采集：选取裸露滩涂区为待测区域，在待测区域中选取多个采集点，并在各采集点采集土壤样品，测量土壤样品的地表光谱数据；
(2)含水量测量：同步测量步骤(1)中各土壤样品的含水量，即土壤样品中水与土壤的质量百分比；
(3)根据光谱数据构建含水量反演模型：利用统计回归分析步骤(1)所得地表光谱数据和步骤(2)所得含水量数据，构建光谱与含水量关系模型；
(4)将步骤(3)所得含水量反演模型应用于遥感影像，基于遥感光谱数据获取滩涂表层含水量的空间分布图；
(5)由步骤(4)所得的滩涂表层含水量空间分布图中提取出步骤(1)采集点处的含水量值，测量各个采集点的高程数据，并回归分析各采集点的高程和含水量值，构建含水量与高程模型；
(6)根据步骤(3)中“光谱与含水量”模型和步骤(5)中“含水量与高程”模型，含水量作为共有变量用之于模型耦合，进而构建滩涂高程的反演模型；
(7)将待测位置的遥感影像光谱数据输入到步骤(6)的反演模型中，即实现滩涂高程的遥感测量。
2.根据权利要求1所述的一种利用遥感含水量测量滩涂高程的方法，其特征在于，所述步骤(1)中采集点至少选择30处。
3.根据权利要求1所述的一种利用遥感含水量测量滩涂高程的方法，其特征在于，所述土壤样品采用地物光谱辐射仪进行光谱测量。
4.根据权利要求1所述的一种利用遥感含水量测量滩涂高程的方法，其特征在于，所述步骤(2)中含水量的测量方法为：将刚进行光谱测量的土壤样品立即进行105℃烘干直至质量无变化，计算烘干蒸发的水质量和烘干土质量的百分比，即为土壤样品的含水量。
5.根据权利要求1所述的一种利用遥感含水量测量滩涂高程的方法，其特征在于，所述步骤(3)和步骤(5)的回归分析过程采用SPSS软件进行。
CN201710096019.4A 2017-02-22 2017-02-22 一种利用遥感含水量测量滩涂高程的方法 Expired - Fee Related CN106767687B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710096019.4A CN106767687B (zh) 2017-02-22 2017-02-22 一种利用遥感含水量测量滩涂高程的方法
PCT/CN2017/115572 WO2018153143A1 (zh) 2017-02-22 2017-12-12 一种利用遥感含水量测量滩涂高程的方法
US16/153,820 US11150231B2 (en) 2017-02-22 2018-10-07 Method for measuring a mudflat elevation by remotely sensed water content

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710096019.4A CN106767687B (zh) 2017-02-22 2017-02-22 一种利用遥感含水量测量滩涂高程的方法

Publications (2)

Publication Number Publication Date
CN106767687A CN106767687A (zh) 2017-05-31
CN106767687B true CN106767687B (zh) 2019-05-28

Family

ID=58957749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710096019.4A Expired - Fee Related CN106767687B (zh) 2017-02-22 2017-02-22 一种利用遥感含水量测量滩涂高程的方法

Country Status (3)

Country Link
US (1) US11150231B2 (zh)
CN (1) CN106767687B (zh)
WO (1) WO2018153143A1 (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106767687B (zh) 2017-02-22 2019-05-28 河海大学 一种利用遥感含水量测量滩涂高程的方法
CN108956392B (zh) * 2018-07-05 2020-11-20 河海大学 一种潮滩沉积物类型的无人机识别方法
CN109271658A (zh) * 2018-07-26 2019-01-25 中国核电工程有限公司 一种核电厂极端气象参数设计基准的评价方法
CN110632007A (zh) * 2019-09-25 2019-12-31 南宁师范大学 一种出露水面滩涂范围的快速提取方法
CN110907367B (zh) * 2019-11-09 2022-10-04 华东师范大学 一种基于高光谱遥感的土壤墒情检测方法
CN110991064B (zh) * 2019-12-11 2021-07-20 广州城建职业学院 土壤重金属含量反演模型生成方法、系统及反演方法
CN111473818B (zh) * 2020-04-27 2021-05-11 河海大学 一种人工沙滩多源监测数据集成分析方法
CN111651707B (zh) * 2020-05-28 2023-04-25 广西大学 一种基于光学浅水区卫星遥感影像的潮位反演方法
CN112052793A (zh) * 2020-09-04 2020-12-08 国家卫星气象中心(国家空间天气监测预警中心) 一种时间步进的农作物分类方法、装置及计算机设备
CN112577906B (zh) * 2020-11-18 2023-09-22 上海市园林科学规划研究院 城市绿地土壤含水率检测方法
CN113008806B (zh) * 2021-03-02 2022-08-23 农业农村部环境保护科研监测所 一种农产品产地重金属空间分布确定方法
CN112945882B (zh) * 2021-03-11 2022-10-25 内蒙古农业大学 一种基于高光谱的马铃薯植株水分监测灌溉方法
CN113125383A (zh) * 2021-04-19 2021-07-16 遥相科技发展(北京)有限公司 基于遥感的农耕用地次生盐渍化监测和预警方法和系统
CN113340898B (zh) * 2021-06-30 2023-05-30 福建师范大学 一种叶面积指数时空变化特征研究方法
CN113466143B (zh) * 2021-07-01 2023-08-29 中煤航测遥感集团有限公司 土壤养分反演方法、装置、设备及介质
CN113537018B (zh) * 2021-07-05 2024-03-19 国网安徽省电力有限公司铜陵供电公司 基于多时相卫星遥感和无人机技术的水土保持监测方法
CN113673155B (zh) * 2021-08-17 2022-11-08 中咨数据有限公司 一种基于支持向量机的水域含沙量反演方法
CN114018338B (zh) * 2021-11-17 2023-08-22 天津市水利科学研究院 基于光谱指数模型的水体识别系统
CN114299136B (zh) * 2021-12-31 2023-03-24 西北农林科技大学 淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质
CN114441463B (zh) * 2022-01-25 2023-07-07 安徽新宇环保科技股份有限公司 全光谱水质数据分析方法
CN114838709B (zh) * 2022-03-09 2023-01-24 广州翰南工程技术有限公司 一种尾矿库干滩长度自动化监测方法
CN115376013B (zh) * 2022-07-19 2023-01-06 环球数科集团有限公司 一种基于卫星遥感监测的资源普查系统
CN115495988B (zh) * 2022-09-28 2023-06-13 中国科学院南京土壤研究所 一种基于最优时间窗口选择的土壤遥感反演方法
CN115659654B (zh) * 2022-10-28 2023-06-27 四川大学 一种研究河流汛期的滩区有机饵料入河补给量的计算方法
CN115471761B (zh) * 2022-10-31 2023-03-24 宁波拾烨智能科技有限公司 集成多源遥感数据的海岸滩涂变化监测方法
CN116028480B (zh) * 2023-03-30 2023-06-02 中国科学院空天信息创新研究院 一种提高遥感土壤水分产品时空覆盖度的填充方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007248330A (ja) * 2006-03-17 2007-09-27 Yokogawa Electric Corp 水分率計
US8477295B2 (en) * 2009-05-07 2013-07-02 Solum, Inc. Automated soil measurement device
CN102288954A (zh) * 2011-08-01 2011-12-21 高吉喜 一种草地植被覆盖度遥感估测方法
US9453795B1 (en) * 2012-02-21 2016-09-27 Bowling Green State University Method and related systems for mapping high ranges of total phosphate content in water using measurements of reflected light of off surface water
CN103196862B (zh) * 2013-02-25 2015-01-21 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
CN103791890A (zh) * 2014-01-28 2014-05-14 河海大学 一种滩涂湿地地形快速测量的遥感遥测方法
CN104697937B (zh) * 2015-03-18 2017-06-23 北京师范大学 一种土壤属性高光谱识别的技术方法
CN106767687B (zh) * 2017-02-22 2019-05-28 河海大学 一种利用遥感含水量测量滩涂高程的方法

Also Published As

Publication number Publication date
US11150231B2 (en) 2021-10-19
US20190041377A1 (en) 2019-02-07
WO2018153143A1 (zh) 2018-08-30
CN106767687A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN106767687B (zh) 一种利用遥感含水量测量滩涂高程的方法
Zhong et al. A city-scale estimation of rooftop solar photovoltaic potential based on deep learning
CN105184423B (zh) 一种风电场集群风速预测方法
Cao et al. A deep learning method for cyanobacterial harmful algae blooms prediction in Taihu Lake, China
CN107607692B (zh) 基于土壤最大储水容量的土壤水分监测优化布点方法
CN112699959B (zh) 基于能量泛函模型的多源多尺度降水数据融合方法和装置
Liu et al. Development and validation of a physically-based, national-scale hydrological model in China
An et al. Monitoring rangeland degradation using a novel local NPP scaling based scheme over the “Three-River Headwaters” region, hinterland of the Qinghai-Tibetan Plateau
Zhang et al. Map and quantify the ground deformation around salt lake in Hoh Xil, Qinghai-Tibet Plateau using time-series InSAR from 2006 to 2018
CN106156756B (zh) 建设用地效率空间分布的快速估算方法
Yin et al. Improving the resolution of GRACE-based water storage estimates based on machine learning downscaling schemes
CN105528523A (zh) 一种基于遥感数据的土壤厚度反演方法
Xu et al. Differences in the ecological impact of climate change and urbanization
CN112697815B (zh) 一种利用宇宙射线缪子监测土壤含水量的方法
CN113591288A (zh) 一种基于克里格插值的土壤湿度数据预测方法及装置
Zhang et al. Integrating a novel irrigation approximation method with a process-based remote sensing model to estimate multi-years' winter wheat yield over the North China Plain
Sun et al. Land use and land cover change based on historical space–time model
Cheng et al. Vegetation Cover Change and Relative Contributions of Associated Driving Factors in the Ecological Conservation and Development Zone of Beijing, China.
Zhang et al. Dynamic changes in net primary productivity of marsh wetland vegetation in China from 2005 to 2015
He et al. Improving regional climate simulations based on a hybrid data assimilation and machine learning method
Li et al. Improvement of the multi-source weighted-ensemble precipitation dataset and application in the arid area of Tianshan Mountains, central Asia
Pang et al. The review of soil moisture multi-scale verification methods
CAO et al. Project Articles
Zhang et al. Spatial patterns and controlling factors of the evolution process of karst depressions in Guizhou province, China
He et al. Spatial and Temporal Differences in Surface Albedo over Different Underlying Surfaces in the Badain Fijaran Desert, China

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190528

Termination date: 20210222