CN107490363B - 一种基于地表温度数据的产热企业生产强度监测方法 - Google Patents
一种基于地表温度数据的产热企业生产强度监测方法 Download PDFInfo
- Publication number
- CN107490363B CN107490363B CN201710646431.9A CN201710646431A CN107490363B CN 107490363 B CN107490363 B CN 107490363B CN 201710646431 A CN201710646431 A CN 201710646431A CN 107490363 B CN107490363 B CN 107490363B
- Authority
- CN
- China
- Prior art keywords
- heat
- enterprise
- temperature
- area
- reference area
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K3/00—Thermometers giving results other than momentary value of temperature
- G01K3/08—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values
- G01K3/10—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values in respect of time, e.g. reacting only to a quick change of temperature
-
- 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)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Astronomy & Astrophysics (AREA)
- Theoretical Computer Science (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明属于空间信息技术应用领域,公开了一种基于地表温度数据的产热企业生产强度监测方法。该方法包括:一:获取监测时间段内、监测区域范围内的地表温度数据、高分辨率遥感影像以及矢量数据;二:对地表温度数据进行预处理;三:提取产热企业的最大地温以及缓冲区内平均地温,计算产热企业白天相对温度与夜间相对温度;四:选取产热企业参考区及其缓冲区,计算参考区白天相对温度与夜间相对温度;五:计算产热企业白天温差与夜间温差,进行线性拟合,通过拟合斜率判定产热企业生产强度。本发明实现了长时间范围内大区域多目标的同步监测,直接反映了产热企业在某一时期内的生产强度,保证了监测结果的准确性、连续性和可靠性。
Description
技术领域
本发明属于空间信息技术应用领域,涉及一种基于地表温度数据的产热企业生产强度监测方法。
背景技术
水泥、铸造、钢铁、火电、焦化等重点产热企业,即通常所说的“高架源”企业,其污染物一般通过高烟囱排放,属于排放量比较大的重污染行业。该类企业生产期间除了会排放大量可见的烟尘废气之外,也会伴随产生高热,进而使生产强度在地表温度的波动上得到体现。
对于产热企业生产强度的监测,常规方法多基于对企业的实地调查统计或光学遥感手段。遥感方法具有大区域快速监测的优势,但目前多基于高空间分辨率的可见光数据。通过多时相高分辨率遥感影像的连续监测,在目视解译的基础上直观判别企业内部基础设施及生产运行状态。产热企业内部设施种类较多,通常会包含烟囱、冷却塔、堆料区、运输车辆等元素,通过可见光影像上烟尘废气的排放状况与原料面积的变化,可大致判断某一时间点的企业生产状态。但要对生产强度进行判定,则需要结合长时间序列数据进行纵向对比,仅仅依靠时相不连续的可见光数据难以实现。若无法形成时间连续性的监测效果,则会使结果的参考价值不够,可靠性差。
发明内容
本发明所要解决的技术问题是产热企业生产状态监测时间不连续、可靠性差,无法判定产热企业生产强度。
为了解决上述技术问题,本发明的技术方案如下:
一种基于地表温度数据的产热企业生产强度监测方法,包括如下步骤:
步骤一:获取监测时间段内、监测区域范围内的地表温度数据、高分辨率遥感影像以及矢量数据,所述矢量数据包括行政区划矢量、产热企业矢量;
步骤二:对地表温度数据进行预处理,所述预处理包括影像拼接与重投影;
步骤三:沿产热企业矢量边界划出的环形区域作为产热企业缓冲区,所述产热企业缓冲区边界距离产热企业矢量边界为1.5~2.5公里;
步骤四:在白天、夜间数据获取时,提取每一家产热企业矢量范围内的最大地温,以及每处产热企业缓冲区矢量范围内的平均地温;产热企业白天最大地温的平均值与缓冲区白天平均地温的平均值作差,得到产热企业白天相对温度;产热企业夜间最大地温的平均值与缓冲区夜间平均地温的平均值作差,得到产热企业夜间相对温度;
步骤五:在距离产热企业矢量边界8公里范围内选取参考区,参考区的矢量范围为产热企业厂区面积的0.5~1.5倍;沿参考区矢量边界划出的环形区域作为参考区缓冲区,所述参考区缓冲区边界距离参考区矢量边界为1.5~2.5公里;
步骤六:确定参考区及参考区缓冲区,在白天、夜间每次数据获取时,提取每一处参考区矢量范围内最大地温,以及每一处参考区缓冲区矢量范围内平均地温;白天数据获取时,参考区矢量范围内最大地温的平均值与参考区缓冲区矢量范围内平均地温的平均值作差,得到参考区白天相对温度;夜间数据获取时,参考区矢量范围内最大地温的平均值与参考区缓冲区矢量范围内平均地温的平均值作差,得到参考区夜间相对温度;
步骤七:将产热企业白天相对温度与参考区白天相对温度作差,得到产热企业的白天温差;将产热企业夜间相对温度与参考区夜间相对温度作差,得到产热企业的夜间温差;将监测时间段内产热企业的白天温差、产热企业的夜间温差分别进行线性拟合,通过拟合斜率判定产热企业生产强度;
白天温差线性拟合的斜率记为kD,夜间温差线性拟合的斜率记为kN,则产热企业总体生产强度S的判定公式为:
(1)S取值为1,则生产强度在增加;
(2)S取值为0,则生产强度平稳;
(3)S取值为-1,则生产强度在减弱。
进一步,所述步骤一中,监测时间段大于2个月。
进一步,所述步骤三中,当产热企业分散分布时,每家企业选择各自的参考区;当多家产热企业集中分布时,选择同一处参考区。
进一步,所述步骤七还包括对产热企业的白天温差、夜间温差进行平滑处理。
进一步,采用FFT方法对产热企业的白天温差、夜间温差进行平滑处理。
进一步,所述步骤三中,产热企业缓冲区边界距离产热企业矢量边界为2公里。
进一步,所述步骤五中,所述参考区缓冲区边界距离参考区矢量边界为2公里。
本发明所达到的有益效果:
本发明利用长时间序列的地表温度数据和矢量数据,计算产热企业白天温差与夜间温差,进行线性拟合,通过白天温差和夜间温差线性拟合的斜率判定产热企业生产强度,弥补了当前基于生产设施的实地调查方法在大区域内长期连续监测的不足,实现了长时间范围内大区域多目标的同步监测,更直接地反映了产热企业在某一时期内的生产强度,保证了监测结果的准确性、连续性和可靠性。
附图说明
图1为本发明提供的一种基于地表温度数据的产热企业生产强度监测方法流程图;
图2为本发明中产热企业白天相对温度与夜间相对温度计算流程;
图3为本发明中基于高分率遥感影像的产热企业及其参考区的示意图;
图4为本发明中参考区白天相对温度与夜间相对温度计算流程;
图5为本发明具体实施例中钢铁厂白天温差与夜间温差的线性拟合结果。
具体实施方式
下面以MODIS地表温度数据对河北省部分钢铁厂生产强度进行遥感监测为例,结合附图对本发明作进一步详细的说明。
本发明的原理:本发明利用长时间序列的地表温度数据、矢量数据,计算产热企业白天温差与夜间温差,进行线性拟合,通过白天温差和夜间温差线性拟合的斜率判定产热企业生产强度。
图1为基于地表温度数据的产热企业生产强度监测方法流程图,包括以下步骤:
步骤一:获取监测时间段内、监测区域范围内的地表温度数据、高分辨率遥感影像以及矢量数据,所述矢量数据包括行政区划矢量、产热企业矢量;
为了有效规避因云雨覆盖造成的影像空白期,同时充分反映企业生产状况,监测时间段大于2个月。
确定监测区域地表温度产品行列号分布:
例如,MODIS地表温度产品覆盖河北全省矢量范围的行列号包括h26v04、h26v05、h27v04与h27v05。
获取高分辨遥感影像:
高分辨率遥感影像用于产热企业的识别及其参考区选取。
采集矢量数据:
所述矢量数据包括行政区划矢量、产热企业矢量。
步骤二:对地表温度数据进行预处理,所述预处理包括影像拼接与重投影。
步骤三:缓冲区生成
沿产热企业矢量边界划出的环形区域作为缓冲区,所述缓冲区边界距离产热企业矢量边界为1.5~2.5公里;如果缓冲区包含其他产热企业,则将其从缓冲区内剔除。
步骤四:提取产热企业的最大地温及其缓冲区的平均地温,计算产热企业白天相对温度与夜间相对温度;
(1)在白天、夜间数据获取时,提取每一家产热企业矢量范围内的最大地温,以及每处缓冲区矢量范围内的平均地温;
(2)计算产热企业的白天相对温度与夜间相对温度;
白天数据获取时,产热企业最大地温的平均值与缓冲区平均地温的平均值作差,得到产热企业白天相对温度;
夜间数据获取时,产热企业最大地温的平均值与缓冲区平均地温的平均值作差,得到产热企业夜间相对温度;
例如,选择Terra卫星和Aqua卫星获取地表温度数据时,两卫星同一天中在我国境内进行02:30AM、10:30AM、14:30PM、22:30PM共4次成像,其具体过境时间如下:
MOD 10:30AM 22:30PM
MYD 14:30PM 02:30AM
白天数据获取时,每一家产热企业矢量范围内的最大地温记为产热企业_MOD_Day、产热企业_MYD_Day;夜间数据获取时,每一家产热企业矢量范围内的最大地温记为产热企业_MOD_Night、产热企业_MYD_Night;
白天数据获取时,每处缓冲区矢量范围内的平均地温记为产热企业缓冲区_MOD_Day、产热企业缓冲区_MYD_Day;夜间数据获取时,每处缓冲区矢量范围内的平均地温记为产热企业缓冲区_MOD_Night、产热企业缓冲区_MYD_Night;
计算产热企业的白天相对温度与夜间相对温度的过程如图2所示。
步骤五:选取产热企业参考区及其缓冲区;
参考区的选址原则:结合高分辨遥感影像,在距离产热企业矢量边界8公里范围内选取参考区,参考区的矢量范围为产热企业厂区面积的0.5~1.5倍。当产热企业分散分布时,每家企业选择各自的参考区,图3(a)为一家产热企业及其参考区;
当多家产热企业集中分布时,选择同一处参考区,图3(b)为三家产热企业及其共有的参考区;
参考区缓冲区确定:
沿参考区矢量边界划出的环形区域作为参考区缓冲区,所述参考区缓冲区边界距离参考区矢量边界为1.5~2.5公里;
步骤六:计算参考区白天相对温度与夜间相对温度;
(1)在白天、夜间每次数据获取时,提取每一处参考区矢量范围内的最大地温,以及每一处参考区缓冲区矢量范围内的平均地温;
(2)计算参考区白天相对温度与夜间相对温度;
白天数据获取时,参考区矢量范围内最大地温的平均值与参考区缓冲区矢量范围内平均地温的平均值作差,得到参考区白天相对温度;
夜间数据获取时,参考区矢量范围内最大地温的平均值与参考区缓冲区矢量范围内平均地温的平均值作差,得到参考区夜间相对温度。
例如,选择Terra卫星和Aqua卫星获取地表温度数据时,两卫星同一天中在我国境内进行02:30AM、10:30AM、14:30PM、22:30PM共4次成像,其具体过境时间如下:
MOD 10:30AM 22:30PM
MYD 14:30PM 02:30AM
白天数据获取时,每一家参考区矢量范围内的最大地温记为参考区_MOD_Day、参考区_MYD_Day;夜间数据获取时,每一家参考区矢量范围内的最大地温记为参考区_MOD_Night、参考区_MYD_Night;
白天数据获取时,每处参考区缓冲区矢量范围内的平均地温记为参考区缓冲区_MOD_Day、参考区缓冲区_MYD_Day;夜间数据获取时,每处缓冲区矢量范围内的平均地温记为参考区缓冲区_MOD_Night、参考区缓冲区_MYD_Night;
计算参考区的白天相对温度与夜间相对温度的过程如图4所示。
步骤七:计算产热企业白天温差与夜间温差,进行线性拟合,通过拟合斜率判定产热企业生产强度;
(1)将产热企业白天相对温度与参考区白天相对温度作差,得到产热企业的白天温差,将产热企业夜间相对温度与参考区夜间相对温度作差,得到产热企业的夜间温差;
(2)对产热企业的白天温差、夜间温差进行平滑处理;
优选的,采用FFT方法对产热企业的白天温差、夜间温差进行平滑处理。
(3)对地表温度数据获取时间段内的产热企业白天温差与夜间温差数据,进行线性拟合:
y=k×x+b
其中,y为产热企业的白天温差或夜间温差,x为时间。
(4)通过白天温差和夜间温差线性拟合的斜率判断产热企业生产强度;
白天温差线性拟合的斜率记为kD,夜间温差线性拟合的斜率记为kN,则产热企业总体生产强度S的判定公式为:
(1)S取值为1,则生产强度在增加;
(2)S取值为0,则生产强度平稳;
(3)S取值为-1,则生产强度在减弱。
基于产热企业白天温差与夜间温差的不同k值组合,判定监测时段内的产热企业生产强度。据此,时空连续的多源地表温度数据,可以反映企业生产状况的长时间变化趋势,并通过温度波动表征企业生产强度状况,为钢铁企业去产能监测提供依据。
下面本发明以河北省为例,基于MODIS地温数据进行钢铁厂生产强度监测,对本发明作进一步详细说明。
确定对河北省3家钢铁厂从2015年1月至2016年7月间进行遥感监测,确定地表温度数据采集时限为19个月,获取568天的逐日白天与夜间地表温度;监测区域完全覆盖所选3家钢铁厂。
数据及时段选择:选择Terra卫星和Aqua卫星同一天内我国境内02:30AM、10:30AM、14:30PM、22:30PM共4次成像的MODIS传感器数据,具体为MOD11和MYD11陆地2级地表温度标准产品。
地表温度产品覆盖河北全省矢量范围的行列号包括h26v04、h26v05、h27v04与h27v05。
采集河北省的矢量数据和3家钢铁厂的矢量数据。
对地温数据的预处理:
原始的MOD_Day、MYD_Day、MOD_Night、MYD_Night地温数据产品为HDF格式,需进行批量拼接与重投影,并转换为TIFF格式输出。在本实施例中,采用MRT(MODIS ReprojectionTool)工具对MODIS数据进行预处理,分别完成每一天4景MOD_Day、4景MYD_Day、4景MOD_Night及4景MYD_Night影像的批量拼接。对完成拼接的地温数据进行批量重投影,最终结果保存为TIFF格式,用于后续的温度提取。MRT工具投影参数如下
Output File Type:GEOTIFF
Resampling Type:Nearest Neighbor
Output Projection Type:Albers Equal Area
Output Pixel Size:1000meters
STDPR1:25
STDPR2:47
CentMer:105
Datum:WGS84
以每家钢铁厂矢量边界划出环形区域作为缓冲区,缓冲区边界距离每家钢铁厂矢量边界2公里,每处参考区的矢量范围为钢铁厂厂区面积的1倍,每处参考区缓冲区的边界距离参考区矢量边界2公里。3家钢铁厂568天的白天温差、夜间温差采用最小二乘法进行线性拟合,拟合结果如图5所示,白天温差线性拟合的斜率kD,夜间温差线性拟合的斜率kN以及判定结果如表1所示。
表1 河北省3家钢铁厂生产强度的判定结果
企业名称 | 白天温差k<sub>D</sub>值 | 夜间温差k<sub>N</sub>值 | 生产强度判定 |
1号钢铁厂 | 0.0014 | 0.0024 | 增加 |
2号钢铁厂 | 0.0008 | -0.0005 | 平稳 |
3号钢铁厂 | -0.0009 | -0.0009 | 减弱 |
根据产热企业总体生产强度S的判定公式,1号钢铁厂生产强度判定为增加,2号钢铁厂生产强度判定为平稳,3号钢铁厂生产强度判定为减弱。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (7)
1.一种基于地表温度数据的产热企业生产强度监测方法,其特征在于,包括如下步骤:
步骤一:获取监测时间段内、监测区域范围内的地表温度数据、高分辨率遥感影像以及矢量数据,所述矢量数据包括行政区划矢量、产热企业矢量;
步骤二:对地表温度数据进行预处理,所述预处理包括影像拼接与重投影;
步骤三:沿产热企业矢量边界划出的环形区域作为产热企业缓冲区,所述产热企业缓冲区边界距离产热企业矢量边界为1.5~2.5公里;
步骤四:在白天、夜间数据获取时,提取每一家产热企业矢量范围内的最大地温,以及每处产热企业缓冲区矢量范围内的平均地温;白天数据获取时,产热企业最大地温的平均值与缓冲区平均地温的平均值作差,得到产热企业白天相对温度;夜间数据获取时,产热企业最大地温的平均值与缓冲区平均地温的平均值作差,得到产热企业夜间相对温度;
步骤五:在距离产热企业矢量边界8公里范围内选取参考区,参考区的矢量范围为产热企业厂区面积的0.5~1.5倍;沿参考区矢量边界划出的环形区域作为参考区缓冲区,所述参考区缓冲区边界距离参考区矢量边界为1.5~2.5公里;
步骤六:在白天、夜间每次数据获取时,提取每一处参考区矢量范围内最大地温,以及每一处参考区缓冲区矢量范围内平均地温;白天数据获取时,参考区矢量范围内最大地温的平均值与参考区缓冲区矢量范围内平均地温的平均值作差,得到参考区白天相对温度;夜间数据获取时,参考区矢量范围内最大地温的平均值与参考区缓冲区矢量范围内平均地温的平均值作差,得到参考区夜间相对温度;
步骤七:将产热企业白天相对温度与参考区白天相对温度作差,得到产热企业的白天温差;将产热企业夜间相对温度与参考区夜间相对温度作差,得到产热企业的夜间温差;将监测时间段内产热企业的白天温差、产热企业的夜间温差分别进行线性拟合,通过拟合斜率判定产热企业生产强度;
白天温差线性拟合的斜率记为kD,夜间温差线性拟合的斜率记为kN,则产热企业总体生产强度S的判定公式为:
(1)S取值为1,则生产强度在增加;
(2)S取值为0,则生产强度平稳;
(3)S取值为-1,则生产强度在减弱。
2.如权利要求1所述的监测方法,其特征在于,所述步骤一中,监测时间段大于2个月。
3.如权利要求1或2所述的监测方法,其特征在于,所述步骤三中,当产热企业分散分布时,每家企业选择各自的参考区;当多家产热企业集中分布时,选择同一处参考区。
4.如权利要求1或2所述的监测方法,其特征在于,所述步骤七还包括对产热企业的白天温差、夜间温差进行平滑处理。
5.如权利要求4所述的监测方法,其特征在于,采用FFT方法对产热企业的白天温差、夜间温差进行平滑处理。
6.如权利要求1或2所述的监测方法,其特征在于,所述步骤三中,产热企业缓冲区边界距离产热企业矢量边界为2公里。
7.如权利要求1或2所述的监测方法,其特征在于,所述步骤五中,所述参考区缓冲区边界距离参考区矢量边界为2公里。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710646431.9A CN107490363B (zh) | 2017-07-19 | 2017-07-19 | 一种基于地表温度数据的产热企业生产强度监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710646431.9A CN107490363B (zh) | 2017-07-19 | 2017-07-19 | 一种基于地表温度数据的产热企业生产强度监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107490363A CN107490363A (zh) | 2017-12-19 |
CN107490363B true CN107490363B (zh) | 2020-05-08 |
Family
ID=60644793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710646431.9A Active CN107490363B (zh) | 2017-07-19 | 2017-07-19 | 一种基于地表温度数据的产热企业生产强度监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107490363B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642170B (zh) * | 2021-08-09 | 2022-04-05 | 北京四象爱数科技有限公司 | 基于热红外遥感卫星数据的钢铁厂产量监测方法 |
CN116362567B (zh) * | 2023-04-07 | 2024-01-12 | 生态环境部卫星环境应用中心 | 一种城市工业热源企业应急响应遥感评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5667304A (en) * | 1994-12-15 | 1997-09-16 | The Aerospace Corporation | Mesospheric temperature sensing lidar apparatus |
CN102422179A (zh) * | 2009-04-21 | 2012-04-18 | 密歇根宇航公司 | 大气测量系统 |
CN102944880A (zh) * | 2012-11-13 | 2013-02-27 | 中国科学院城市环境研究所 | 一种基于遥感的城市工业热污染源调查方法 |
CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
CN104123558A (zh) * | 2014-06-30 | 2014-10-29 | 中国地质科学院矿产资源研究所 | 地热资源的多源分布式遥感判别方法和系统 |
-
2017
- 2017-07-19 CN CN201710646431.9A patent/CN107490363B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5667304A (en) * | 1994-12-15 | 1997-09-16 | The Aerospace Corporation | Mesospheric temperature sensing lidar apparatus |
CN102422179A (zh) * | 2009-04-21 | 2012-04-18 | 密歇根宇航公司 | 大气测量系统 |
CN102944880A (zh) * | 2012-11-13 | 2013-02-27 | 中国科学院城市环境研究所 | 一种基于遥感的城市工业热污染源调查方法 |
CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
CN104123558A (zh) * | 2014-06-30 | 2014-10-29 | 中国地质科学院矿产资源研究所 | 地热资源的多源分布式遥感判别方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107490363A (zh) | 2017-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112800911B (zh) | 一种路面损伤快速检测及自然数据集构建方法 | |
US6405134B1 (en) | Method and apparatus for predicting lightning threats based on radar and temperature data | |
CN111855664A (zh) | 一种可调节隧道病害三维检测系统 | |
CN103942420A (zh) | 一种建筑物尺度的太阳能快速估算方法 | |
CN113158570A (zh) | 一种融合多源卫星遥感的全天候地表温度近实时反演方法 | |
CN107490363B (zh) | 一种基于地表温度数据的产热企业生产强度监测方法 | |
CN110515092B (zh) | 基于激光雷达的平面触摸方法 | |
CN111982822B (zh) | 一种长时间序列高精度植被指数改进算法 | |
Ali et al. | Towards a remote sensing and GIS-based technique to study population and urban growth: a case study of Multan | |
CN115267941A (zh) | 一种高解析度真彩可见光模型生成、反演方法及其系统 | |
CN111191673A (zh) | 一种地表温度降尺度方法及系统 | |
CN113779863B (zh) | 一种基于数据挖掘的地表温度降尺度方法 | |
CN107516073B (zh) | 一种基于多源数据的产热企业快速识别方法 | |
CN100432698C (zh) | 一种气象卫星遥感云图的处理方法 | |
CN114004950B (zh) | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 | |
Tian et al. | Impacts of satellite revisit frequency on spring phenology monitoring of deciduous broad-leaved forests based on vegetation index time series | |
Ma et al. | Revealing the ecological impact of low-speed mountain wind power on vegetation and soil erosion in South China: A case study of a typical wind farm in Yunnan | |
Samanta et al. | Preparation of digital data sets on land use/land cover, soil and digital elevation model for temperature modelling using Remote Sensing and GIS techniques | |
CN113850914A (zh) | 一种线激光三维扫描点云数据的矩阵换方法 | |
CN115356748B (zh) | 基于激光雷达观测结果提取大气污染信息的方法与系统 | |
CN114754708B (zh) | 基于三维激光扫描技术的道路平整度检测方法及系统 | |
CN116185616A (zh) | 一种fy-3d mersi l1b数据自动化再处理方法 | |
CN115759416A (zh) | 一种网格实况产品的评估分析方法 | |
CN102346019A (zh) | 一种采用gps定位的激光测量系统及其方法 | |
CN111292018B (zh) | 一种城市易损性模型构建方法 |
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 |