CN107491758A - 长江流域水体信息提取及其空间编码方法 - Google Patents
长江流域水体信息提取及其空间编码方法 Download PDFInfo
- Publication number
- CN107491758A CN107491758A CN201710716164.8A CN201710716164A CN107491758A CN 107491758 A CN107491758 A CN 107491758A CN 201710716164 A CN201710716164 A CN 201710716164A CN 107491758 A CN107491758 A CN 107491758A
- Authority
- CN
- China
- Prior art keywords
- high score
- sensing image
- remote sensing
- image
- water body
- 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.)
- Granted
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明提出的是长江流域水体信息提取及其空间编码方法，包括如下步骤：（1）基于大气辐射传输模型的高分遥感影像大气纠正；（2）基于有理函数模型的高分遥感影像几何校正；（3）基于Snake模型的高分遥感影像数据镶嵌处理；（4）基于小波变换的高分遥感影像数据融合处理；（5）基于面向对象的水体时空信息提取；（6）基于层次分类法的水体信息空间编码。本发明的优点：1）有效实现长江流域水环境与资源的实时监测和管理；2）为长江经济带发展战略、区域生态环境保护与规划提供科学依据；3）适用于其他流域水体信息的空间提取与信息管理。
Description
技术领域
本发明涉及的是一种长江流域水体信息提取及其空间编码方法，属于环境监测与保护技术领域。
背景技术
长江作为中国第一大河、亚洲第一长河和世界第三大河，其流域从西至东横穿中国九省（青、藏、川、滇、鄂、湘、赣、皖和苏）二市（重庆和上海）和经济三大板块，连接着长江三角洲城市群、长江中游城市群和成渝城市群三大城市群，对于中国社会经济发展和生态环境建设的时空布局有着重要的意义。在全球气候变化和人类活动的影响作用下，长江流域沿线地区各类生态系统存在着不同程度的变化，且其生态环境质量在不同时间和空间尺度上表现出高度的异质性，严重制约着该地区社会经济的可持续发展。水资源与环境作为长江流域生态系统重要的组成部分和物质基础，对于维持生物多样性、调节气候变化、改善生态系统服务功能等有着重要的作用，也是保障国家水安全、开展生态文明建设的战略性资源。因此，在社会经济发展的同时，做好生态环境尤其是水环境与资源的保护、治理与恢复对长江流域可持续发展尤为重要。
2014年4月，政府间气候变化专门委员会（Intergovernmental Panel on ClimateChange，IPCC）第五次评估报告中指出，受气候持续变化的影响，降水量、蒸发量、地表与地下径流、土壤湿度等将直接改变，全球大气水、海洋水和陆地水在空间和时间上的运移速度、强度和频率发生明显改变，水循环及其极端事件日益显著，水资源与环境的时空格局、质量和总量等将重新分配，对人类社会和生态系统产生深远的影响。同时，随着“一带一路”、“长江经济带”等一系列社会经济发展战略的提出，中国城镇化格局将发生彻底改变，人类社会经济活动也将会对长江流域水资源与环境的时空演变有着严重的影响。因此，摸清长江流域河流和湖泊的时空特征对于该地区生态环境建设有着重要的科学意义和研究价值。
开展水体信息提取及特征研究是实现水环境与资源时空调查、监测与认知的基础和关键。水体信息获取的传统测绘多以野外测量与观测为主要手段，且通常只能局限在特定的时空范围内获取相关的空间特征数据，缺乏时空上的连续性，再加上相关技术标准和规范的不完善，因而在长时间序列上很难获取高质量而全面的水体空间信息，难以满足水体空间特征监测的需要。随着空间信息技术特别是遥感技术的发展，其在数据平台与数据源、数据处理与时空分析、空间建模与制图等方面有着强劲的优势，以满足实时、精准地获取和挖掘不同时空尺度上水资源与环境的信息和特征。
“天地空”一体化的遥感信息技术能提供高光谱维度、高时空维度、高观测维度等综合信息及其精细处理与分析方法，是水资源与环境调查与监测的重要手段。目前常见的水体遥感信息提取方法有单波段阈值法、多波段谱间分析法和水体指数法、决策树法、密度分割法、光谱知识法、最佳指数法和迭代分析法等。在信息提取过程中，由于受复杂地表环境（如地形起伏）、天气状况、阴影和云层（如薄云、冰雹等）等多种因素的干扰，再加上水体本身的多样性特征和人类社会经济活动所引起的水质问题等，造成所提取的水体信息存在着“椒盐现象”和破碎图斑，存在着不同程度的精度误差。同时，水体信息的后续处理和数据管理也会因数据编码、数据格式和水体分类体系与标准等方面的差异，造成数据共享与管理存在着很大的难度。
中国河长制全面实施以来，中国各级、类河湖水环境得到了明显改善，取得显著成效，但也存在着一定的问题，如主体责任与保护目标不明确、水体数据信息陈旧、河道状况调查研究成果缺乏等，造成相关部门保护与治理的工作进度相对缓慢。在中国复杂水环境问题背景下，利用空间信息技术开展水资源和水环境的空间调查、空间监测和空间认知，实现水体信息的科学管理，是加强水资源保护、水域岸线管理、水污染防治、水环境治理、水生态修复和水资源执法监管的迫切需要，对全面落实河长制的实施有着重要的科学价值和理论依据。在提取水体信息过程中，由于受到复杂地表环境、气象环境、地理环境、水体自身状况以及人类活动所引起的水质问题等因素的影响，传统测绘手段所提取的水体信息精度在不同时间和空间尺度上存在着高度的异质性，无法准确地反应水体整体环境状况。为适应中国全面推行河长制的需要，加强长江流域水资源与生态环境监测、保护和治理，本发明结合中华人民共和国行业标准《中国河流名称代码》（SL249-1999），针对当前水体信息提取及数据编码所存在的问题，提出一种长江流域水体信息提取及其空间编码方法，科学、有效、实时地实现流域水环境与资源时空监测、数据编码与管理，为河长制全面实施提供技术支撑和决策依据，为全面提高长江经济带新型城镇化质量和开展生态环境治理与恢复提供科学依据。
发明内容
本发明提出的是一种长江流域水体信息提取及其空间编码方法，其目的是在空间信息技术的支持下，利用多源、多时相、多尺度遥感数据，开展长江流域水体信息提取及其空间编码方法的研究，弥补传统测绘手段在水体分布状况调查与监测中需耗费大量的人力、物力和时间等方面的缺点，实现水体空间分布信息的实时、精准提取和数据管理，为区域水环境监测和水资源监管提供技术方法和决策依据。
本发明的技术解决方案：长江流域水体信息提取及其空间编码方法，其具体步骤包括：
（1）基于大气辐射传输模型的高分遥感影像大气纠正；
（2）基于有理函数模型的高分遥感影像几何校正；
（3）基于Snake模型的高分遥感影像数据镶嵌处理；
（4）基于小波变换的高分遥感影像数据融合处理；
（5）基于面向对象的水体时空信息提取；
（6）基于层次分类法的水体信息空间编码。
本发明的优点：提出一套完整、科学、精准的长江流域水体信息提取及其空间编码方法，进一步丰富和完善了水体空间信息管理与数据共享的相关理论与方法，明确了水体分布的空间界限和行政权属，有效地实现了长江流域水环境与资源的实时监测和数据管理；为全面实施河长制提供技术支撑和决策依据，也为长江经济带发展战略、区域生态环境保护与规划提供科学依据；同时，本发明充分结合了中国相关行业标准，故所提出的相关技术、方法和理论可适用于中国其他流域水体信息的空间提取与信息管理，从而也保证了本发明的科学性和实用性。
附图说明
附图1是长江流域水体信息提取及其空间编码方法的设计流程图。
附图2是长江流域水体信息空间编码规则示意图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请书所附权利要求所限定的范围。
如图1所示，一种长江流域水体信息提取及其空间编码方法，包括如下步骤：
（1）基于大气辐射传输模型的高分遥感影像大气纠正101；
（2）基于有理函数模型的高分遥感影像几何校正102；
（3）基于Snake模型的高分遥感影像数据镶嵌处理103；
（4）基于小波变换的高分遥感影像数据融合处理104；
（5）基于面向对象的水体时空信息提取105；
（6）基于层次分类法的水体信息空间编码106。
所述的基于大气辐射传输模型的高分遥感影像大气纠正101：根据遥感数据的增益和偏差参数进行辐射定标，以转换为分谱辐射亮度值，自身数据特征，利用MODTRAN模型模拟大气参数，逐像元完成遥感数据的大气纠正，计算公式为：
（1）
式（1）中，DN为遥感影像上像元灰度值；DN max为像元上可以取的最大值；DN min为像元上可以取的最小值；L max和L min分别为DN max和DN min时的光谱辐射亮度，可从高分遥感数据的头文件信息中获取。同时，L(λ)辐射亮度信息主要来自于地物反射直接进入传感器的部分、地物反射经大气散射进入传感器的部分和程辐射部分，即：
（2）
式（2）中，L(λ)为传感器所接受的总辐射，ρ为地物反射率，S为大气向下的半球反射率；L a (λ)为大气程辐射；A、B是依赖于大气透过率和几何状况的系数。结合本步骤中的上述两式，可计算出地物的空间平均反射率ρ e ，继而可利用径向距离近似指数函数计算邻近地物的反射率，同时，在MODTRAN模型中设置大气模型（如热带、中纬度夏季、中纬度冬季、极地夏季、极地冬天和美国标准大气模型等6种模型）、气溶胶模型（如无气溶胶、城市气溶胶、乡村气溶胶、海洋气溶胶和对流层气溶胶模型等5种模型）和尺度转换因子等参数，联合上述所计算的未知参数和基于MODTRAN所模拟的大气参数来逐像元完成高分遥感数据的大气纠正。
所述的基于有理函数模型的高分遥感影像几何校正102：结合马氏距离的方法将基于Susan算子所提取出高分遥感影像和目标影像的特征点进行空间匹配，进而利用上述特征点来解算有理函数模型的系数，实现高分遥感数据与标准影像或地形图的几何配准，消除遥感影像在获取过程多种因素所引起的几何畸变。有理函数模型可表示为：
（3）
（4）
式（3）、（4）中，(X,Y)为源影像中控制点坐标；(x,y,z)为几何校正后影像对应的位置；p i (x n ,y n ,z n )（i=1,2,3,4）为阶数不超过3的关于x、y、z的普通多项式。高分遥感影像几何纠正完成后，利用标准差椭圆、相关指数、均方根误差等方法定量评价经过匹配的特征点间残差的随机性、空间独立性和高分遥感影像几何校正的精确程度。
所述的基于Snake模型的高分遥感影像数据镶嵌处理103：计算相邻遥感影像重叠区域中各个像元的差异值（如亮度、色调、饱和度、纹理和投影差等），构建重叠区遥感影像的差异矩阵，同时设置一定形状的控制点作为轮廓线，通过能量函数极小化的计算来不断改变其自身的弹性形变，使其与遥感影像的局部特征相匹配，实现对影像的分割，得到连续光滑的镶嵌线。Snake模型轮廓点的移动由三个能量函数驱动：图像光度能量E img、内部能量E int和外部约束E ext，表达为：
（5）
式（5）中，E snake为基于Snake模型的镶嵌线；s为轮廓线的弧长；v为拼接缝点；图像光度能量E img为图像的差异矩阵，是通过计算遥感影像重叠区域亮度、色调、纹理三者的差异之和；内部能量E int和外部能量E ext控制着Snake轮廓线的连续性和平滑度。在搜索过程中，利用Bresenham算法对轮廓线进行全局优化。搜索结束后，利用卷积加权算法完成对相邻遥感影像的镶嵌。
所述的基于小波变换的高分遥感影像数据融合处理104：假定k波段的多光谱遥感数据，每个波段为M×N的影像f k(x,y)，对该数据进行IHS变换，获得亮度分量I1、色调分量H1和饱和度分量S1，对亮度分量I1和全色影像f pan(x,y)进行小波变换，分别获取高频分量HI1、Hpan和低频分量LI1和Lpan，其小波变换可表达为：
（6）
（7）
利用Hpan代替HI1，继而对替换后的亮度分量I1'进行小波逆变换，表达为：
（8）
式（6）~（8）中，j 0为一个任意的开始尺度，取值范围为(0,J-1)；i是假定值水平方向H、垂直方向V和对应对角线方向D的上标；M=N，取值范围为(0,2 j )；m=n，取值范围(0,2 j -1)；φ(j,m,n)和φ i(j,m,n)分别是尺度基函数和平移基函数；W φ (j 0,m,n)系数定义为f(x,y)在尺度j 0处的近似；W i φ (j 0,m,n)为j≥j 0附加了水平、垂直和对角方向的细节。通过上述拟变换，获得新的亮度分量I2，结合原有的H1和S1进行IHS逆变换，利用双线性插值法对其灰度进行空间插值，获取最终融合影像。
所述的基于面向对象的水体时空信息提取105：对高分遥感影像进行多尺度分割，通过设置分割参数和影像特征权重，把具有相同或近相似的像元组成同一同质对象，分析目标地类的相关特征属性信息（如光谱、形状、纹理和空间位置等），建立相应的判别规则对同质对象进行分类和空间识别。遥感影像分割前，需确定影响对象分割的光谱因子和形状因子的异质性状况，评价对象分割的异质度，即：
（9）
式（9）中，f为异质度；h spectral和h shape分别为光谱异质性值和形状异质性值，其中，光谱异质性值跟像元数目n有关，而形状异质性值h shape则由紧致度h compact和光滑度h smooth两部分组成；ω和ω compact为光谱异质性因子权重和紧致度因子权重，取值范围均为[0,1]，用户可根据需要自定义；c为波段数量；n merge和分别为合并后新生对象的面积及对应影像光谱值得方差；l merge和b merge为分割合并后多边形的周长和最小外接矩形周长；l obj1、l obj2和b obj1、b obj2为分割合并前对象1和对象2的周长和最小外接矩形周长。通过分割参数的调整，确定最优分割尺度，计算不同分割对象的模糊隶属度，制定模糊分类规则，完成长江流域水体信息提取与识别。
所述的基于层次分类法的水体信息空间编码106：结合中华人民共和国行业标准（SL249-2012）、国家标准地形图的编码体系和地貌几何定量数学模型分级方法，对长江流域河流及其支流、湖泊等进行编码。本专利以长江流域为例，采取混合分类分级编码的方法，以1:5万地形图为基础空间位置信息，从上游到下游，先干流后支流，先左岸后右岸，依汇入关系进行编码，以满足水体空间位置信息的存储与管理，具体内容如图2所示：第1-2位，河流水系的分区代码直接采用河流名称的首位大写字母表示，如长江表示为CJ；第3位，湖泊代码用0表示，河流代码用阿拉伯数字表示；第4位，支流与主河道轴向关系，即从上游至下游，根据河流流向，在前进方向的左侧，用代码L表示，在右侧则用R表示，如果是湖泊则用M表示；第5-7位，用阿拉伯数字顺序表示同一级别的河流（或与该河流相连接的湖泊），即沿当前河流的高一级别的河流自上游到下游整个流域的同级别河流（或与该河流相连接的湖泊）的序号；第8位，表示当前河流（或与该河流相连接的湖泊）与高一级河流汇流处所在1:100万国家标准地形图中的行号；第9-10位，表示当前河流（或与该河流相连接的湖泊）与高一级河流汇流处所在1:100万国家标准地形图中的列号；第11-12位，表示当前河流（或与该河流相连接的湖泊）与高一级河流汇流处所在1:5万国家标准地形图中的行号；第13-14位，表示当前河流（或与该河流相连接的湖泊）与高一级河流汇流处所在1:5万国家标准地形图中的列号。
Claims (7)
1.长江流域水体信息提取及其空间编码方法，其特征在于包括如下步骤：
（1）基于大气辐射传输模型的高分遥感影像大气纠正；
（2）基于有理函数模型的高分遥感影像几何校正；
（3）基于Snake模型的高分遥感影像数据镶嵌处理；
（4）基于小波变换的高分遥感影像数据融合处理；
（5）基于面向对象的水体时空信息提取；
（6）基于层次分类法的水体信息空间编码。
2.根据权利要求1所述长江流域水体信息提取及其空间编码方法，其特征在于：所述步骤（1）中基于大气辐射传输模型的高分遥感影像大气纠正：根据高分遥感数据自身数据特征，利用MODTRAN模型模拟大气参数逐像元完成遥感数据的大气纠正；计算公式为：
（1）
式（1）中，DN为遥感影像上像元灰度值；DN max为像元上取的最大值；DN min为像元上取的最小值；L max和L min分别为DN max和DN min时的光谱辐射亮度，从高分遥感数据的头文件信息中获取；同时，L(λ)辐射亮度信息主要来自于地物反射直接进入传感器的部分、地物反射经大气散射进入传感器的部分和程辐射部分，即：
（2）
式（2）中，L(λ)为传感器所接受的总辐射，ρ为地物反射率，S为大气向下的半球反射率；L a (λ)为大气程辐射；A、B是依赖于大气透过率和几何状况的系数；结合本步骤中的上述两式，计算出地物的空间平均反射率ρ e ，继而利用径向距离近似指数函数计算邻近地物的反射率，同时，在MODTRAN模型中设置大气模型、气溶胶模型和尺度转换因子参数，联合上述所计算的未知参数和基于MODTRAN所模拟的大气参数来逐像元完成高分遥感数据的大气纠正。
3.根据权利要求1所述长江流域水体信息提取及其空间编码方法，其特征在于：所述步骤（2）中基于有理函数模型的高分遥感影像几何校正：在Susan算子、马氏距离提取和匹配遥感影像和参考影像的特征点的基础，利用基于有理函数模型完成高分遥感影像和目标影像的几何纠正和地理匹配；有理函数模型表示为：
（3）
（4）
式（3）、（4）中，(X,Y)为源影像中控制点坐标；(x,y,z)为几何校正后影像对应的位置；p i (x n ,y n ,z n )（i=1,2,3,4）为阶数不超过3的关于x、y、z的普通多项式；高分遥感影像几何纠正完成后，利用标准差椭圆、相关指数、均方根误差方法定量评价经过匹配的特征点间残差的随机性、空间独立性和高分遥感影像几何校正的精确程度。
4.根据权利要求1所述长江流域水体信息提取及其空间编码方法，其特征在于：所述步骤（3）中基于Snake模型的高分遥感影像数据镶嵌处理：利用Snake模型和Bresenham算法提取最优镶嵌线，继而利用卷积算法对镶嵌图像进行灰度采样和镶嵌；Snake模型轮廓点的移动由三个能量函数驱动：图像光度能量E img、内部能量E int和外部约束E ext，表达为：
（5）
式（5）中，E snake为基于Snake模型的镶嵌线；s为轮廓线的弧长；v为拼接缝点；图像光度能量E img为图像的差异矩阵，是通过计算遥感影像重叠区域亮度、色调、纹理三者的差异之和；内部能量E int和外部能量E ext控制着Snake轮廓线的连续性和平滑度；在搜索过程中，利用Bresenham算法对轮廓线进行全局优化，搜索结束后，利用卷积加权算法完成对相邻遥感影像的镶嵌。
5.根据权利要求1所述长江流域水体信息提取及其空间编码方法，其特征在于：所述步骤（4）中基于小波变换的高分遥感影像数据融合处理：基于IHS方法和小波变换相结合的遥感影像融合方法，实现对高分多光谱遥感影像和全色影像进行数据融合，其数据处理过程如下：
假定k波段的多光谱遥感数据，每个波段为M×N的影像f k(x,y)，对该数据进行IHS变换，获得亮度分量I1、色调分量H1和饱和度分量S1，对亮度分量I1和全色影像f pan (x,y)进行小波变换，分别获取高频分量HI1、H pan 和低频分量LI1和L pan ，其小波变换表达为：
（6）
（7）
利用Hpan代替HI1，继而对替换后的亮度分量I1'进行小波逆变换，表达为：
（8）
式（6）~（8）中，j 0为一个任意的开始尺度，取值范围为(0,J-1)；i是假定值水平方向H、垂直方向V和对应对角线方向D的上标；M=N，取值范围为(0,2 j )；m=n，取值范围(0,2 j -1)；φ(j,m,n)和φ i(j,m,n)分别是尺度基函数和平移基函数；W φ (j 0,m,n)系数定义为f(x,y)在尺度j 0处的近似；W i φ (j 0,m,n)为j≥j 0附加了水平、垂直和对角方向的细节；通过上述拟变换，获得新的亮度分量I2，结合原有的H1和S1进行IHS逆变换，利用双线性插值法对其灰度进行空间插值，获取最终融合影像。
6.根据权利要求1所述长江流域水体信息提取及其空间编码方法，其特征在于：所述步骤（5）中基于面向对象的水体时空信息提取：计算获取光谱异质性值和形状异质性值，设置图像分割最佳尺度相关参数，制定模糊分类规则，实现长江流域水体信息提取与识别；遥感影像分割前，需确定影响对象分割的光谱因子和形状因子的异质性状况，评价对象分割的异质度，即：
（9）
式（9）中，f为异质度；h spectral和h shape分别为光谱异质性值和形状异质性值，其中，光谱异质性值跟像元数目n有关，而形状异质性值h shape则由紧致度h compact和光滑度h smooth两部分组成；ω和ω compact为光谱异质性因子权重和紧致度因子权重，取值范围均为[0,1]，根据用户需要自定义；c为波段数量；n merge和分别为合并后新生对象的面积及对应影像光谱值得方差；l merge和b merge为分割合并后多边形的周长和最小外接矩形周长；l obj1、l obj2和b obj1、b obj2为分割合并前对象1和对象2的周长和最小外接矩形周长；通过分割参数的调整，确定最优分割尺度，计算不同分割对象的模糊隶属度，制定模糊分类规则，完成长江流域水体信息提取与识别。
7.根据权利要求1所述长江流域水体信息提取及其空间编码方法，其特征在于：所述步骤（6）中基于层次分类法的水体信息空间编码：结合中华人民共和国行业标准《中国河流名称代码》SL249-2012，引入国家标准地形图分幅编号规则和地貌几何定量数学模型，以1:50000地形图为基础空间位置信息，从上游到下游，先干流后支流，先左岸后右岸，依汇入关系，利用层次分类方法对长江流域水体进行空间编码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710716164.8A CN107491758B (zh) | 2017-08-18 | 2017-08-18 | 长江流域水体信息提取及其空间编码方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710716164.8A CN107491758B (zh) | 2017-08-18 | 2017-08-18 | 长江流域水体信息提取及其空间编码方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107491758A true CN107491758A (zh) | 2017-12-19 |
| CN107491758B CN107491758B (zh) | 2020-10-09 |
Family
ID=60646447
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710716164.8A Active CN107491758B (zh) | 2017-08-18 | 2017-08-18 | 长江流域水体信息提取及其空间编码方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107491758B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376750A (zh) * | 2018-06-15 | 2019-02-22 | 武汉大学 | 一种融合中波红外与可见光的遥感影像分类方法 |
| CN110035405A (zh) * | 2019-04-18 | 2019-07-19 | 电子科技大学 | 一种基于随机集理论的多传感器分布式高效融合方法 |
| CN110987063A (zh) * | 2019-11-18 | 2020-04-10 | 广东岭秀科技有限公司 | 一种遥感监测河湖水文水生态要素的方法 |
| CN110992672A (zh) * | 2019-09-25 | 2020-04-10 | 广州广日电气设备有限公司 | 红外遥控器学习及编码方法、红外遥控器系统及存储介质 |
| CN111695530A (zh) * | 2020-06-16 | 2020-09-22 | 中国水利水电科学研究院 | 一种基于高分遥感的河流补水效果智能化监测评估方法 |
| CN112650827A (zh) * | 2020-12-31 | 2021-04-13 | 北京师范大学 | 基于Strahler分级的流域及河流编码方法及装置 |
| CN113361315A (zh) * | 2021-02-23 | 2021-09-07 | 仲恺农业工程学院 | 基于背景饱和度压缩与差异阈值分割融合的香蕉串识别方法 |
| CN113362337A (zh) * | 2021-05-21 | 2021-09-07 | 桂林理工大学 | 一种遥感影像面向对象分割权重参数的模糊区间自动确定方法 |
| CN115457401A (zh) * | 2022-08-30 | 2022-12-09 | 宁波大学 | 一种针对不同淡水资源类型的sar遥感精细识别方法 |
| CN115792158A (zh) * | 2022-12-07 | 2023-03-14 | 广东建研环境监测股份有限公司 | 基于物联网实现水质动态监测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477197A (zh) * | 2009-01-24 | 2009-07-08 | 哈尔滨工业大学 | 用于林地复杂场景高光谱遥感数据的仿真方法 |
| CN101894382A (zh) * | 2010-07-23 | 2010-11-24 | 同济大学 | 一种集成LiDAR点云的卫星立体影像阴影计算方法 |
| CN102955154A (zh) * | 2012-10-16 | 2013-03-06 | 中国科学院遥感应用研究所 | 一种高分辨率遥感数据大气校正方法 |
| CN105069478A (zh) * | 2015-08-19 | 2015-11-18 | 西安电子科技大学 | 基于超像素张量稀疏编码的高光谱遥感地物分类方法 |
-
2017
- 2017-08-18 CN CN201710716164.8A patent/CN107491758B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477197A (zh) * | 2009-01-24 | 2009-07-08 | 哈尔滨工业大学 | 用于林地复杂场景高光谱遥感数据的仿真方法 |
| CN101894382A (zh) * | 2010-07-23 | 2010-11-24 | 同济大学 | 一种集成LiDAR点云的卫星立体影像阴影计算方法 |
| CN102955154A (zh) * | 2012-10-16 | 2013-03-06 | 中国科学院遥感应用研究所 | 一种高分辨率遥感数据大气校正方法 |
| CN105069478A (zh) * | 2015-08-19 | 2015-11-18 | 西安电子科技大学 | 基于超像素张量稀疏编码的高光谱遥感地物分类方法 |
Non-Patent Citations (4)
| Title |
|---|
| 俞伟斌: "基于DEM的数字流域时空特征及提取研究", 《中国博士学位论文全文数据库基础科学辑》 * |
| 周旻曦 等: "多目标珊瑚岛礁地貌遥感信息提取方法——以西沙永乐环礁为例", 《地理研究》 * |
| 程学军: "长江流域整体数字模型若干关键技术研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
| 郭飞: "基于MODTRAN 的高光谱快速大气校正方法", 《现代电子技术》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376750A (zh) * | 2018-06-15 | 2019-02-22 | 武汉大学 | 一种融合中波红外与可见光的遥感影像分类方法 |
| CN110035405A (zh) * | 2019-04-18 | 2019-07-19 | 电子科技大学 | 一种基于随机集理论的多传感器分布式高效融合方法 |
| CN110992672A (zh) * | 2019-09-25 | 2020-04-10 | 广州广日电气设备有限公司 | 红外遥控器学习及编码方法、红外遥控器系统及存储介质 |
| CN110987063A (zh) * | 2019-11-18 | 2020-04-10 | 广东岭秀科技有限公司 | 一种遥感监测河湖水文水生态要素的方法 |
| CN111695530A (zh) * | 2020-06-16 | 2020-09-22 | 中国水利水电科学研究院 | 一种基于高分遥感的河流补水效果智能化监测评估方法 |
| CN112650827B (zh) * | 2020-12-31 | 2023-11-21 | 北京师范大学 | 基于Strahler分级的流域及河流编码方法及装置 |
| CN112650827A (zh) * | 2020-12-31 | 2021-04-13 | 北京师范大学 | 基于Strahler分级的流域及河流编码方法及装置 |
| CN113361315A (zh) * | 2021-02-23 | 2021-09-07 | 仲恺农业工程学院 | 基于背景饱和度压缩与差异阈值分割融合的香蕉串识别方法 |
| CN113362337A (zh) * | 2021-05-21 | 2021-09-07 | 桂林理工大学 | 一种遥感影像面向对象分割权重参数的模糊区间自动确定方法 |
| CN115457401A (zh) * | 2022-08-30 | 2022-12-09 | 宁波大学 | 一种针对不同淡水资源类型的sar遥感精细识别方法 |
| CN115457401B (zh) * | 2022-08-30 | 2023-11-03 | 中海云科(北京)科技有限公司 | 一种针对不同淡水资源类型的sar遥感精细识别方法 |
| CN115792158A (zh) * | 2022-12-07 | 2023-03-14 | 广东建研环境监测股份有限公司 | 基于物联网实现水质动态监测方法及装置 |
| CN115792158B (zh) * | 2022-12-07 | 2023-09-15 | 广东建研环境监测股份有限公司 | 基于物联网实现水质动态监测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107491758B (zh) | 2020-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107491758A (zh) | 长江流域水体信息提取及其空间编码方法 | |
| Bechtel et al. | Generating WUDAPT Level 0 data–Current status of production and evaluation | |
| CN104504603B (zh) | 一种城市园林数字化系统及选址方法 | |
| CN103824077B (zh) | 一种基于多源遥感数据的城市不透水层率息提取方法 | |
| Chiabrando et al. | On the applicability of the visual impact assessment OAISPP tool to photovoltaic plants | |
| CN103942420A (zh) | 一种建筑物尺度的太阳能快速估算方法 | |
| CN107194160A (zh) | 一种流域沼泽湿地空间恢复分析方法 | |
| CN104765903A (zh) | 一种融合多源遥感和气候环境信息的综合性城市气候环境评估方法 | |
| CN113971769B (zh) | 基于多源大数据的海岸带地域功能长时序识别方法 | |
| CN106780586B (zh) | 一种基于地面激光点云的太阳能潜力评估方法 | |
| CN113360989A (zh) | 一种城市绿色屋顶规划方法 | |
| CN105467100B (zh) | 基于遥感与gis的县域土壤侵蚀时空动态监测方法 | |
| CN113780307A (zh) | 一种区域年度最大蓝绿空间信息提取方法 | |
| Williams et al. | Object-based urban landcover mapping methodology using high spatial resolution imagery and airborne laser scanning | |
| Shi et al. | An improved framework for assessing the impact of different urban development strategies on land cover and ecological quality changes-A case study from Nanjing Jiangbei New Area, China | |
| CN110276270B (zh) | 一种高分辨率遥感影像建筑区提取方法 | |
| Lu et al. | Mapping the terraces on the Loess Plateau based on a deep learning-based model at 1.89 m resolution | |
| CN115018859A (zh) | 基于多尺度空间嵌套的城市建成区遥感提取方法及系统 | |
| CN109376638A (zh) | 一种基于遥感图像和地理信息系统的文地率计算方法 | |
| Li | Dynamic monitoring algorithm of natural resources in scenic spots based on MODIS Remote Sensing technology | |
| Lin et al. | Ecological sensitivity evaluation of tourist region based on remote sensing image–taking Chaohu Lake Area as a case study | |
| CN113987778A (zh) | 一种基于野外站点的水土流失模拟值时空加权校正方法 | |
| Shen et al. | Study on urban green space extraction from QUICKBIRD imagery based on decision tree | |
| Shui et al. | An integrated planning method for open space of urban street landscape based on remote sensing technology | |
| Pan et al. | ESTIMATION OF ECOLOGICAL ASSET VALUES IN SHANGRILA BASED ON REMOTELY SENSED DATA. |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20171219 Assignee: Nanjing xingyutu Information Technology Co.,Ltd. Assignor: NANJING FORESTRY University Contract record no.: X2020320000341 Denomination of invention: Water body information extraction and spatial coding method in Yangtze River Basin Granted publication date: 20201009 License type: Common License Record date: 20201212 Application publication date: 20171219 Assignee: NANJING CANYON INFORMATION TECHNOLOGY Co.,Ltd. Assignor: NANJING FORESTRY University Contract record no.: X2020320000342 Denomination of invention: Water body information extraction and spatial coding method in Yangtze River Basin Granted publication date: 20201009 License type: Common License Record date: 20201212 Application publication date: 20171219 Assignee: Nanjing Wenjing Information Technology Co.,Ltd. Assignor: NANJING FORESTRY University Contract record no.: X2020320000346 Denomination of invention: Water body information extraction and spatial coding method in Yangtze River Basin Granted publication date: 20201009 License type: Common License Record date: 20201212 |