CN107064932A - 一种基于时间序列sar遥感影像的建设用地变化检测方法 - Google Patents
一种基于时间序列sar遥感影像的建设用地变化检测方法 Download PDFInfo
- Publication number
- CN107064932A CN107064932A CN201710111524.1A CN201710111524A CN107064932A CN 107064932 A CN107064932 A CN 107064932A CN 201710111524 A CN201710111524 A CN 201710111524A CN 107064932 A CN107064932 A CN 107064932A
- Authority
- CN
- China
- Prior art keywords
- time
- sar
- time series
- remote sensing
- construction land
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
Abstract
本发明涉及一种基于时间序列SAR遥感影像的建设用地变化检测方法,方法包括以下步骤:(1)通过欧空局的Sentinel数据发布的网站,获取遥感数据;(2)预处理构建时间序列数据集;(3)SAR时间序列线性变换;(4)SAR时间序列时空特征提取;(5)建设用地变化检测与模式分类。本发明有助于城市建设用地开发的监测、监管以及工程项目的进度评估,具有高效、成本低、获得变化区域精度高、能对地物变化的形式进行分类等优点。
Description
技术领域
本发明涉及城市遥感技术领域,尤其涉及到一种基于时间序列SAR遥感影像的建设用地变化检测方法。
背景技术
城市扩张与城市环境遥感监测是世界上热点的研究领域,利用遥感技术监测土地利用/覆盖变化已有三十年的研究历史,遥感还被用于城市环境评估、城市公共管理等方面。城市中的土地利用变化是剧烈的,往往包括新增建设工程,植被挖损、旧建筑物被拆除平整等过程。实时快速的遥感监测有助于对城市更新改造项目的有效监管,对建设工程敦促进度,也能及时制止建设用地违法事件。
我国珠三角地区属于南亚热带气候,常年多云多雨。虽然目前在轨运行的光学传感器的遥感卫星已具备每天的重复对地观测,但仍然易受到云雨影响不能成像。合成孔径雷达(Synthetic Aperture Radar,SAR)遥感系统近年来迅速发展,以其主动微波的成像模式,不依赖天气条件和太阳光照,能全天候开展对地观测。其次,SAR遥感系统通过采集地物反射的雷达信号成像,在刻画地物纹理、结构方面具有优势。近年来也有较多的报道采用SAR遥感对建设用地的提取及土地利用覆盖变化的研究。在珠三角城市群利用SAR遥感无疑是值得倡导的,对建设用地变化快速实时的检测。
Manakos等人在《Land Use and Land Cover Mapping in Europe:Practices andTrends》一书中系统地总结了近年来遥感变化检测技术方法的进展,提到了SAR遥感数据在变化检测中是最有优势的(Manakos,I.,Braun,M.,Land Use and Land Cover Mapping inEurope:Practices and Trends[M],Springer Science,2014.),然而该类的变化检测工作还不多见,原因可能在于长期以来SAR遥感数据源的不多、价格昂贵、成像机理复杂等。大多数遥感影像变化检测是基于“像元对像元”的模式,对比不同时间的两景影像来呈现变化区域。比较典型的干涉差分SAR遥感用于检测建筑物、地形等形变的研究,而此类研究工作通常涉及1-2个时相而不是基于高时间分辨率的研究分析,而基于时间序列分析的变化检测是最有前途的。
专利:CN102855487A中,肖鹏峰等人提出在利用高分辨率光学遥感影像对新增建设用地变化进行提取,通过处理两幅遥感图像前后进行差值运算,再进行一系列的形态学图像处理获得纹理变化明显的区域。专利:CN102176014A中,孙强发明了一种多时相SAR图像城市区域变迁变化检测方法,其检测方法简单,通过2景不同时间的影像对比得到变化区域。专利:CN103871039A中,公茂果等人也公布了一种SAR图像变化检测差异图生成方法,也是对两幅不同时相的SAR图像像元相似性进行测量,最后得到基于比值相似度的影像差异图。Atto等人采用不同时间的TerraSAR-X数据提取城市建设的变化区域(Atto,A.M.,Trouve,E.,Berthoumieu,Y.,Mercier,G.Multidate Divergence Matrices for theAnalysis of SAR Image Time Series[J],IEEE Transactions on Geoscience andRemote Sensing,2013,51(4):1922-1938.)。Huang等人提出一种基于小波变换的SAR影像变化检测,旨在对噪声的有效消除(Huang,S.,Cai,X.,Chen,S.,Liu,D.Change detectionmethod based on fractal model and wavelet transform for multitemporal SARimages[J],International Journal of Applied Earth Observation andGeoinformation,2011,13:863-872.)。Li and Yeh也采用过多个时相的SAR影像在农用地快速流失的珠三角区域检测土地变化(Li,X.,Yeh,A.G.Multitemporal SAR images formonitoring cultivation systems using case-based reasoning[J],Remote Sensingof Environment,2004,90(4):524-534.),Gimenoet等人采用了主成份分析的手段对SAR影像时间序列进行了变化的提取(Gimeno,M.,Ayanz,J.S.,Barbosa,P.M.,Schmuck,G.,Burntarea mapping from ERS-SAR time series using the principal componentstransformation,in:Proc.SPIE SAR Image Analysis,Modeling,and Techniques[C],2003,V4883,171-177,Crete,Greece.)。对城市建设用地的SAR监测研究渐渐发展成了基于时相相似性等检测方法。Kleynhans等人提出了一种时间自相关的SAR影像变化检测方法(Kleynhans,W.,Salmon,B.P.,Olivier,J.C.Detecting settlement expansion in SouthAfrica using a hyper-temporal SAR change detection approach[J],InternationalJournal of Applied Earth Observation and Geoinformation,2015,42:142-149.)。钱峻屏等人也利用过SAR时间序列影像对短期的土地覆盖变化进行检测,提出了一种基于时空密度异常检测的算法,能在时间序列影像中分离出由典型的、正常的作物生长或农事活动引起的影像光谱或回波变化,进而识别出由人为活动或突发事件导致的土地利用/土地覆盖变化,这是通常的图像差值等方法难以做到的(遥感学报,2009,13(3):499-508.)。总的来说,尽管已提出的遥感变化检测方法不少,但多是只采用2个或少数的几个时相的影像去叠置对比,而利用高时空分辨率的时间序列SAR影像的研究仍不多见。其次,目前无论在光学或者雷达遥感中,诸类方法对于城市环境的建设用地变化的遥感提取仍具有局限性,通常以图像阈值界定来获得变化区域,精度得不到保证;在其检测方法通常还不对地物变化的形式进行分类,例如是减少了还是增加了,对应在建设用地变化是拆除平整和建设加高两种。在遥感变化检测分类中也很难提取出此类型的样本进行分类,也少有提及如何确定分类的规则及参数阈值。
近年来,国际上在轨运行的SAR遥感卫星渐渐增多,如加拿大的Radarsat,欧空局的Sentinel-1A/B,日本ALOS-PALSAR,德国的Terra-X,我国的高分三号。基于SAR遥感数据对地物散射信号的获取以及纹理信息的精细描绘,无疑是值得探讨利用其独特的优势在快速城市土地变化的监测研究中。同时,得益于Sentinel-1SAR遥感存档数据的开放获取,将会有力地促进时间序列SAR数据在城市建设用地变化的分析研究。
发明内容
本发明的目的在于克服现有技术的不足,提供一种有助于城市建设用地开发的监测、监管以及工程项目的进度评估,高效、成本低、获得变化区域精度高、能对地物变化的形式进行分类、利用高时空分辨率、基于时间序列SAR遥感影像的建设用地变化检测方法。
为实现上述目的,本发明所提供的技术方案为:一种基于时间序列SAR遥感影像的建设用地变化检测方法,该方法包括以下步骤:
(1)通过欧空局Sentinel数据发布的网站获取遥感数据;
采用欧空局的Sentinel-1SAR卫星遥感数据,其SAR数据源中包括了3种成像模式,其中的干涉宽幅模式(Interferometric Wide Swath Mode),具有250公里的扫描宽度以及5×20米的分辨率,使其可以获得质量很高并且均匀的SAR图像;同时,其提供了Level-1GRD(Ground Range Detected)数据是投影在WGS-84大地基准面上,形成了影像接近10米分辨率的正方形像元;Sentinel-1的SAR提供了VH和VV两种极化成像模式;此外Sentinel-1SAR数据是设计成预编程重复轨道观测的,提供了实用的时间序列观测影像。Sentinel-1IWGRDH影像自发布数据以来,足有一年以上的存档数据提供下载,且重访周期为半个月,重访率高,成像清晰,为城市建设用地快速的时空动态监测提供了充足、可靠的数据源。
(2)预处理构建时间序列数据集;
数据集预处理包括以下步骤:1)辐射定标;2)图像增强;3)影像配准,从而构建时间序列数据集,同时在时间序列数据集时间域上的平滑滤波也是必要的,初步还原地物时间上的变化特征。
(3)SAR时间序列线性变换;
SAR遥感影像在城市环境中记录的是建筑物后向散射的雷达信号特征,而复杂的场景中噪声通常存在;因此,在时间序列中SAR影像像元的时间域波动是明显存在的,而其时间域的发展趋势是可以确定的,比如上升,下降;通过对时间序列的线性变换,获得每个像元的线性趋势,能够较好地还原地物变化的模式。
线性变换原理如下:基于像元的时间序列曲线形态,将波动的雷达散射信号曲线拟合到一个线性方程中,通过线性变换,使每个像元的时间序列曲线形态均被线性拟合到相应的方程中,从而使地物变化趋势体现在雷达时间序列信号变化便能从线性的变换区分开来,通过时间序列变换,突出连续变化的地物时空特征并能体现其趋势,通过时间上足够的影像拟合趋势线。
线性方程为y=ax+b,其中,x为对应的时间,y为拟合后的雷达散射信号,a和b分别为对应的方程系数。
(4)SAR时间序列时空特征提取;
定义在时间序列上的这些分类样本为“时空端元”,把时间序列SAR数据集视作高光谱遥感影像,借助高光谱遥感影像处理的方法,对时间序列SAR影像数据进行具有时空特性的“端元”提取;采用凸锥几何体(Sequential Maximum Angle Convex Cone,SMACC)混合像元分解的方法,经处理后提取到具有地物时空特征的端元。
(5)建设用地变化检测与模式分类。
提取时空端元后,通过计算获取端元之间相互的光谱角θ,定量的光谱角数值作为制图规则中的角度阈值界定;依据SAR时间序列上雷达散射信号的变化,确定建设用地变化类型;
光谱角θ计算公式为i和n为对应的时间序列日期。
本方案原理如下:
利用当下高重访周期、较高空间分辨率的SAR遥感数据构建时间序列,基于建设用地变化反映的雷达散射信号的强弱,对SAR时间序列线性变换,呈现建设用地的时空变化特征;利用高光谱遥感影像数据处理技术,提取表示特征变化趋势的时空特征分类样本;最后通过光谱角制图,构建时空端元光谱角的定量规则,对时间序列SAR影像分类获得建设用地变化趋势的模式分类。
与现有技术相比,本方案具有高效、成本低、获得变化区域精度高、能对地物变化的形式进行分类等优点。
附图说明
图1为本发明的流程示意图;
图2为本发明实施例中Sentinel-1SAR影像所在的研究区域图;
图3为本发明中构建时间序列数据集示意图;
图4为本发明SAR时间序列线性变换示意图;
图5为本发明时空端元波谱示意图;
图6为本发明中表征三种变化模式的光谱角分类示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
参见附图1所示,本实施例所述的一种基于时间序列SAR遥感影像的建设用地变化检测方法,具体实施步骤如下:
(1)通过欧空局Sentinel数据发布的网站获取遥感数据;
登上欧空局的Sentinel数据发布的网站,注册用户免费获取数据(https://scihub.copernicus.eu/dhus/#/home)。
(2)预处理构建时间序列数据集;
在欧空局网站上下载Sentinel卫星数据处理工具ESA-SNAP帮助自动处理(https://sentinel.esa.int/web/sentinel/toolboxes/sentinel-1),该软件提供了Sentinel-1 SAR影像的预处理工具,尤其是辐射定标的步骤,其将SAR影像像元值转换为具有物理意义的雷达后向散射系数。SAR数据下载后解压,在ESA-SNAP软件下读取影像文件,自动完成定标和输出。本实施例下载了自2015年6月至2016年6月的所有过境广州的SAR影像,共24景,如图2所示。
SAR遥感影像包括VV和VH两种极化模式,选取信噪比较高VH极化进行处理进而增强图像。
如图3所示,辐射定标且增强图像后,借助ESA-SNAP影像自动配准功能,把每景SAR影像配准到统一的空间位置。在ENVI遥感软件中裁剪研究区域,依据影像采集日期叠加生成时间序列数据集。ENVI软件中提供了空间域和时间域滤波的工具,采用Enhance Lee滤波,保留显著的纹理特征并抑制斑点噪声。为消除地物在时间域上雷达信号噪声,采用Savitzky–Golay滤波器平滑时间序列数据集,获得相对平稳的SAR像元时间上的变化形态。
(3)SAR时间序列线性变换;
在IDL程序设计平台下,编写程序,使基于像元的时间序列曲线形态,将波动的雷达散射信号曲线拟合到一个线性方程中,通过线性变换,使每个像元的时间序列曲线形态均被线性拟合到相应的方程中,从而使地物变化趋势体现在雷达时间序列信号变化便能从线性的变换区分开来,通过时间序列变换,突出连续变化的地物时空特征并能体现其趋势,通过时间上足够的影像拟合趋势线,如图4所示。
线性方程为y=ax+b,其中,x为对应的时间,y为拟合后的雷达散射信号,a和b分别为对应的方程系数。
(4)SAR时间序列时空特征提取;
在ENVI遥感影像处理软件下,调用高光谱分析工具中的“凸锥几何体混合像元分解”工具,对线性变换后的SAR时间序列进行高光谱分析,提取时空端元,所提取的端元表征了地物典型的几种时空变化形态,作为变化检测的识别与分类样本,如图5所示。
(5)建设用地变化检测与模式分类;
线性变换后的SAR遥感数据集具有时空上可分性。同样以高光谱遥感影像分析处理的方法,调用“光谱角制图”工具。利用步骤(4)中获取的时空端元,通过公式计算获得端元之间相互的光谱角,公式中i和n为对应的时间序列日期。
定量的光谱角数值作为制图规则中的角度阈值界定,以实现准确的分类,通过公式计算时空端元相互光谱角关系获得如下矩阵(见表1):
表1 15个SAR序列的时空端元的光谱角矩阵
制图结果呈现了以分类样本端元为特征的变化区域,即增长与下降的趋势。基于如图6的SAR时间序列三种变化模式作为变化检测的样本,依据雷达散射信号在影像序列中的变化,通过光谱角制图分类了显著增强与显著减弱的两种变化模式,最后生成变化检测制图结果。
本实施例利用当下免费的高重访周期、较高空间分辨率的SAR遥感数据构建时间序列,基于建设用地的变化反映的雷达散射信号的强弱,对SAR时间序列线性变换,从而呈现建设用地的时空变化特征。另外,本实施例集成了高光谱遥感影像数据处理技术,提取了表征变化趋势的时空特征分类样本,通过光谱角制图,构建时空端元光谱角的定量规则,对时间序列SAR影像分类获得建设用地变化趋势的模式分类。
本实施例有助于城市建设用地开发的监测、监管以及工程项目的进度评估,具有高效、成本低、获得变化区域精度高、能对地物变化的形式进行分类等优点。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (8)
1.一种基于时间序列SAR遥感影像的建设用地变化检测方法,其特征在于:包括以下步骤:
(1)通过欧空局Sentinel数据发布的网站获取遥感数据;
(2)预处理构建时间序列数据集;
(3)SAR时间序列线性变换;
(4)SAR时间序列时空特征提取;
(5)建设用地变化检测与模式分类。
2.根据权利要求1所述一种基于时间序列SAR遥感影像的建设用地变化检测方法,其特征在于:所述步骤(2)中数据集预处理包括以下步骤:1)辐射定标;2)图像增强;3)影像配准。
3.根据权利要求1所述一种基于时间序列SAR遥感影像的建设用地变化检测方法,其特征在于:所述SAR时间序列线性变换,基于像元的时间序列曲线形态,将波动的雷达散射信号曲线拟合到一个线性方程中,通过线性变换,使每个像元的时间序列曲线形态均被线性拟合到相应的方程中,从而使地物变化趋势体现在雷达时间序列信号变化便能从线性的变换区分开来,通过时间序列变换,突出连续变化的地物时空特征并能体现其趋势,通过时间上足够的影像拟合趋势线。
4.根据权利要求1所述一种基于时间序列SAR遥感影像的建设用地变化检测方法,其特征在于:所述SAR时间序列时空特征提取,将时间序列SAR数据集视作高光谱遥感影像,通过高光谱遥感影像处理,采用凸锥几何体混合像元分解的方法提取具有地物时空特征的时空端元。
5.根据权利要求1所述一种基于时间序列SAR遥感影像的建设用地变化检测方法,其特征在于:所述建设用地变化检测与模式分类,步骤(4)提取时空端元后,通过计算获取端元之间相互的光谱角θ,定量的光谱角数值作为制图规则中的角度阈值界定;依据SAR时间序列上雷达散射信号的变化,确定建设用地变化类型。
6.根据权利要求5所述一种基于时间序列SAR遥感影像的建设用地变化检测方法,其特征在于:所述光谱角θ计算公式为i和n为对应的时间序列日期。
7.根据权利要求3所述一种基于时间序列SAR遥感影像的建设用地变化检测方法,其特征在于:所述线性方程为y=ax+b,其中,x为对应的时间,y为拟合后的雷达散射信号,a和b分别为对应的方程系数。
8.根据权利要求1所述一种基于时间序列SAR遥感影像的建设用地变化检测方法,其特征在于:所述步骤(2)对时间序列数据集进行时间域上的平滑滤波处理,初步还原地物时间上的变化特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710111524.1A CN107064932A (zh) | 2017-02-28 | 2017-02-28 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710111524.1A CN107064932A (zh) | 2017-02-28 | 2017-02-28 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107064932A true CN107064932A (zh) | 2017-08-18 |
Family
ID=59622029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710111524.1A Pending CN107064932A (zh) | 2017-02-28 | 2017-02-28 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107064932A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977944A (zh) * | 2017-12-12 | 2018-05-01 | 华南农业大学 | 一种估测npp遥感图像数据生成方法 |
CN108628810A (zh) * | 2018-05-10 | 2018-10-09 | 河南大学 | 转换m天遥感数据到月时间分辨率的平滑方法 |
CN108985281A (zh) * | 2018-09-19 | 2018-12-11 | 中国科学院东北地理与农业生态研究所 | 一种基于时序遥感影像的建设用地与农田区分方法及系统 |
CN109446943A (zh) * | 2019-01-23 | 2019-03-08 | 国家海洋环境监测中心 | 一种填海造地区域开发全过程遥感监测方法 |
CN109471131A (zh) * | 2018-11-15 | 2019-03-15 | 中科禾信遥感科技(苏州)有限公司 | 通过遥感卫星照片统计监测轮作休耕情况的方法和装置 |
CN110244302A (zh) * | 2019-07-05 | 2019-09-17 | 苏州科技大学 | 地基合成孔径雷达影像像元坐标三维变换方法 |
CN111007013A (zh) * | 2019-11-01 | 2020-04-14 | 中科禾信遥感科技(苏州)有限公司 | 面向东北冷凉区的作物轮作休耕遥感监测方法与装置 |
CN111062368A (zh) * | 2019-12-31 | 2020-04-24 | 中山大学 | 基于Landsat时间序列遥感影像的城市更新区域监测方法 |
CN111323768A (zh) * | 2020-02-26 | 2020-06-23 | 北京佳格天地科技有限公司 | 建筑物变化的识别方法、装置、终端及存储介质 |
CN111753703A (zh) * | 2020-06-18 | 2020-10-09 | 杭州浙大东南土地研究所有限公司 | 一种城镇土地边界的监控系统及其监控方法 |
CN113359133A (zh) * | 2021-06-03 | 2021-09-07 | 电子科技大学 | 一种协同光学和雷达遥感数据的面向对象变化检测方法 |
CN113963268A (zh) * | 2021-10-19 | 2022-01-21 | 成都四象纵横遥感科技有限公司 | 一种针对大型工程建设的施工状态变化监测方法 |
CN114022413A (zh) * | 2021-10-14 | 2022-02-08 | 中山大学 | 一种生产建设用地的高频次全自动遥感监测方法 |
CN115147726A (zh) * | 2022-09-05 | 2022-10-04 | 清华大学 | 城市形态图的生成方法、装置、电子设备和可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176014A (zh) * | 2011-01-19 | 2011-09-07 | 西安理工大学 | 一种多时相sar图像城市区域变迁变化检测方法 |
CN102855487A (zh) * | 2012-08-27 | 2013-01-02 | 南京大学 | 高分辨率遥感图像新增建设用地变化图斑自动提取的方法 |
EP2733866A1 (en) * | 2012-11-14 | 2014-05-21 | BlackBerry Limited | Aperture Synthesis Communications System |
CN104008552A (zh) * | 2014-06-16 | 2014-08-27 | 南京大学 | 基于动态时间弯曲的时序sar影像耕地提取方法 |
-
2017
- 2017-02-28 CN CN201710111524.1A patent/CN107064932A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176014A (zh) * | 2011-01-19 | 2011-09-07 | 西安理工大学 | 一种多时相sar图像城市区域变迁变化检测方法 |
CN102855487A (zh) * | 2012-08-27 | 2013-01-02 | 南京大学 | 高分辨率遥感图像新增建设用地变化图斑自动提取的方法 |
EP2733866A1 (en) * | 2012-11-14 | 2014-05-21 | BlackBerry Limited | Aperture Synthesis Communications System |
CN104008552A (zh) * | 2014-06-16 | 2014-08-27 | 南京大学 | 基于动态时间弯曲的时序sar影像耕地提取方法 |
Non-Patent Citations (2)
Title |
---|
ABDOURRAHMANE MAHAMANE ATTO等: "Multidate Divergence Matrices for the Analysis of SAR Image Time Series", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
王亚飞: "SAR影像时间序列支持下的耕地和建设用地提取与监测技术", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977944A (zh) * | 2017-12-12 | 2018-05-01 | 华南农业大学 | 一种估测npp遥感图像数据生成方法 |
CN108628810A (zh) * | 2018-05-10 | 2018-10-09 | 河南大学 | 转换m天遥感数据到月时间分辨率的平滑方法 |
CN108628810B (zh) * | 2018-05-10 | 2022-02-08 | 河南大学 | 转换m天遥感数据到月时间分辨率的平滑方法 |
CN108985281A (zh) * | 2018-09-19 | 2018-12-11 | 中国科学院东北地理与农业生态研究所 | 一种基于时序遥感影像的建设用地与农田区分方法及系统 |
CN109471131A (zh) * | 2018-11-15 | 2019-03-15 | 中科禾信遥感科技(苏州)有限公司 | 通过遥感卫星照片统计监测轮作休耕情况的方法和装置 |
CN109471131B (zh) * | 2018-11-15 | 2022-05-24 | 中科禾信遥感科技(苏州)有限公司 | 通过遥感卫星照片统计监测轮作休耕情况的方法和装置 |
CN109446943B (zh) * | 2019-01-23 | 2021-10-22 | 国家海洋环境监测中心 | 一种填海造地区域开发全过程遥感监测方法 |
CN109446943A (zh) * | 2019-01-23 | 2019-03-08 | 国家海洋环境监测中心 | 一种填海造地区域开发全过程遥感监测方法 |
CN110244302A (zh) * | 2019-07-05 | 2019-09-17 | 苏州科技大学 | 地基合成孔径雷达影像像元坐标三维变换方法 |
CN110244302B (zh) * | 2019-07-05 | 2023-02-17 | 苏州科技大学 | 地基合成孔径雷达影像像元坐标三维变换方法 |
CN111007013A (zh) * | 2019-11-01 | 2020-04-14 | 中科禾信遥感科技(苏州)有限公司 | 面向东北冷凉区的作物轮作休耕遥感监测方法与装置 |
CN111007013B (zh) * | 2019-11-01 | 2022-10-14 | 中科禾信遥感科技(苏州)有限公司 | 面向东北冷凉区的作物轮作休耕遥感监测方法与装置 |
CN111062368A (zh) * | 2019-12-31 | 2020-04-24 | 中山大学 | 基于Landsat时间序列遥感影像的城市更新区域监测方法 |
CN111323768A (zh) * | 2020-02-26 | 2020-06-23 | 北京佳格天地科技有限公司 | 建筑物变化的识别方法、装置、终端及存储介质 |
CN111323768B (zh) * | 2020-02-26 | 2023-12-12 | 北京佳格天地科技有限公司 | 建筑物变化的识别方法、装置、终端及存储介质 |
CN111753703A (zh) * | 2020-06-18 | 2020-10-09 | 杭州浙大东南土地研究所有限公司 | 一种城镇土地边界的监控系统及其监控方法 |
CN111753703B (zh) * | 2020-06-18 | 2024-04-30 | 杭州浙大东南土地研究所有限公司 | 一种城镇土地边界的监控系统及其监控方法 |
CN113359133A (zh) * | 2021-06-03 | 2021-09-07 | 电子科技大学 | 一种协同光学和雷达遥感数据的面向对象变化检测方法 |
CN113359133B (zh) * | 2021-06-03 | 2022-03-15 | 电子科技大学 | 一种协同光学和雷达遥感数据的面向对象变化检测方法 |
CN114022413A (zh) * | 2021-10-14 | 2022-02-08 | 中山大学 | 一种生产建设用地的高频次全自动遥感监测方法 |
CN114022413B (zh) * | 2021-10-14 | 2023-03-24 | 中山大学 | 一种生产建设用地的高频次全自动遥感监测方法 |
CN113963268A (zh) * | 2021-10-19 | 2022-01-21 | 成都四象纵横遥感科技有限公司 | 一种针对大型工程建设的施工状态变化监测方法 |
CN113963268B (zh) * | 2021-10-19 | 2022-06-28 | 成都四象纵横遥感科技有限公司 | 一种针对大型工程建设的施工状态变化监测方法 |
CN115147726B (zh) * | 2022-09-05 | 2023-03-24 | 清华大学 | 城市形态图的生成方法、装置、电子设备和可读存储介质 |
CN115147726A (zh) * | 2022-09-05 | 2022-10-04 | 清华大学 | 城市形态图的生成方法、装置、电子设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107064932A (zh) | 一种基于时间序列sar遥感影像的建设用地变化检测方法 | |
Cian et al. | Normalized Difference Flood Index for rapid flood mapping: Taking advantage of EO big data | |
Munasinghe et al. | Intercomparison of satellite remote sensing‐based flood inundation mapping techniques | |
Meneguzzo et al. | Mapping trees outside forests using high-resolution aerial imagery: a comparison of pixel-and object-based classification approaches | |
Li et al. | Continuous monitoring of coastline dynamics in western Florida with a 30-year time series of Landsat imagery | |
Jensen et al. | Remote sensing change detection in urban environments | |
Nielsen et al. | Wetland change mapping for the US mid-Atlantic region using an outlier detection technique | |
CN112285710B (zh) | 一种多源遥感水库蓄水量估算方法与装置 | |
Tavus et al. | Considerations on the use of Sentinel-1 data in flood mapping in urban areas: Ankara (Turkey) 2018 floods | |
Lefebvre et al. | Object-oriented approach and texture analysis for change detection in very high resolution images | |
Salih et al. | Mapping desertification degree and assessing its severity in Al-Ahsa Oasis, Saudi Arabia, using remote sensing-based indicators | |
Fayad et al. | Hy-TeC: a hybrid vision transformer model for high-resolution and large-scale mapping of canopy height | |
Vekaria et al. | A change detection approach to flood inundation mapping using multi-temporal Sentinel-1 SAR images, the Brahmaputra River, Assam (India): 2015–2020 | |
Garioud et al. | Challenges in grassland mowing event detection with multimodal sentinel images | |
CN114092837B (zh) | 一种基于长时间尺度的遗址环境遥感监测方法及系统 | |
Vassileva et al. | Unsupervised flood extent detection from SAR imagery applying shadow filtering from SAR simulated image | |
Wassenaar et al. | Sunlit soil surface extraction from remotely sensed imagery of perennial, discontinuous crop areas; the case of Mediterranean vineyards | |
Feng et al. | Object-based land cover mapping using adaptive scale segmentation from ZY-3 satellite images | |
Suga et al. | Monitoring of rice-planted areas using space-borne SAR data | |
Liu et al. | Fish-pond change detection based on short term time series of RADARSAT images and object-oriented method | |
Mahmud et al. | Improved consistency of an automated multisatellite method for extracting temporal changes in flood extent | |
Haghighi | Large-scale mapping of flood using Sentinel-1 radar remote sensing | |
Tan | A New ground open water detection scheme using Sentinel-1 SAR images | |
Sipelgas et al. | Mapping recurrent flooding zone along estonian inland waters from Sentinel-1 and-2 | |
Chen et al. | SAR images classification using case-based reasoning method |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170818 |