CN107765243A - 一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法 - Google Patents
一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法 Download PDFInfo
- Publication number
- CN107765243A CN107765243A CN201610695108.6A CN201610695108A CN107765243A CN 107765243 A CN107765243 A CN 107765243A CN 201610695108 A CN201610695108 A CN 201610695108A CN 107765243 A CN107765243 A CN 107765243A
- Authority
- CN
- China
- Prior art keywords
- soil moisture
- scattering
- ray tracing
- decomposition
- corn
- 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
- 238000000034 method Methods 0.000 title claims abstract description 109
- 239000002689 soil Substances 0.000 title claims abstract description 105
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 68
- 240000008042 Zea mays Species 0.000 claims abstract description 41
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims abstract description 41
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims abstract description 39
- 235000005822 corn Nutrition 0.000 claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 26
- 230000010287 polarization Effects 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000011160 research Methods 0.000 claims abstract description 5
- 238000010586 diagram Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000009395 breeding Methods 0.000 claims description 2
- 230000001488 breeding effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000012010 growth Effects 0.000 description 4
- 238000009313 farming Methods 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 235000009973 maize Nutrition 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法，该方法包括如下步骤：步骤1)基于全极化RADARSAT‑2数据，针对极化分解技术，研发一套雷达数据处理技术流程，获得不同散射参量分布图；步骤2)基于不同玉米生长期，尤其是浓密植被覆盖情况下，分析单次散射、偶次散射和体散射随时间变化规律；步骤3)基于Freeman_Durden、Yanaguchi和VanZyl三分量分解法，分别建立单次散射参量、偶次散射参量与地表土壤水分关系模型；步骤4)基于Freeman_Durden、Yamaguchi和VanZyl，获得玉米不同生长期土壤水分反演模型；步骤5)基于不同极化分解技术和实测数据，优选最优土壤水分反演模型，获得玉米不同生育期最优土壤水分分布图。
Description
技术领域
本发明涉及一种基于极化分解技术的浓密植被地表覆盖下土壤水分反演方法，特别是利用三种极化分解技术(Freeman_Durden3方法，Yamaguch方法和VanZyl方法)构建不同分解参量土壤水分反演模型，提取浓密植被覆盖下玉米不同生育期土壤水分。
背景技术
我国是一个拥有13亿人口的发展中农业大国，农业生产关系到国民根本。土壤水分作为农业生产关键要素之一，对农情分析、农灾监测至关重要。但以往土壤水分监测多针对单一数据、单一模型、单一作物，模型适应性较差，尚缺少针对多模型融合、多源数据协同、多区域试验的土壤水分反演研究。因此，研发基于雷达数据，利用极化分解技术的农作物覆盖地表土壤水分反演，为农业资源、农情信息和农业灾害监测和评价提供有力支撑，对国家防汛抗旱、粮食政策制定、粮食价格宏观调控有重要意义。
遥感地观测技术，具有经济有效、实时连续、大面积同步覆盖等优点。雷达卫星传感器(如RADARSAT-2)具有不受天气影响、全天候、全天时、穿云透雾的能力，能够穿透一定的植被层，获取植被覆盖下的土壤信息。全极化雷达卫星，由于发射和接受的方式不同，获得的不同雷达影像反映不同地表散射机制，从而利用极化分解技术获取地表信息，消除植被对土壤信息的干扰，成为了可能。
Thomas Jagdhuber(2013)等基于L波段SAR数据利用多角度极化分解技术提取低植被农业区土壤水分信。Melanie Trudel(2012)等基于雷达数据利用三参量分解和雷达植被指数反演加拿大东部农业区土壤水分，改进了裸土和稀疏植被区土壤水分提取精度。Pasolli(2011)等基于RADARSAT-2数据利用H/A/alpha极化分解方法和独立成分分析法(ICA)提取了阿尔卑斯山草地土壤水分信息，得出H/A/a极化分解方法和独立成分分析法不能有效改善土壤水分提取精度。在国内，徐星欧(2010)等研究了一种新方法，首次尝试使用Freeman-Durden分解方法定量提取土壤水分信息，并通过RADARSAT-2卫星的武汉地区数据和实地测量分析提出了Freeman-Durden分解中的偶数次散射分量数值和水分之间的经验模型，并用实验证明了其有效性。目前，在考虑植被存在情况下建立模型的目标分解方法主要有Freeman-Durden分解和H-A-Al-pha分解方法。比较而言，Freeman-Durden分解方法比H-A-Al-pha分解方法更加简单明晰，在模型的建立过程中直接考虑了土壤与植被的关系，适合更精确的定量的土壤水分信息的提取。
目前，国内外利用极化分解技术提取土壤水分信息的方法较少，尤其利用极化分解技术提取典型农作物不同生育期的土壤水分信息的方法几乎没有。
考虑到以上问题，本发明利用全极化RADARSAT-2数据特点，利用极化分解技术，研发了一种针对典型农作物(玉米)生长特点的不同生育期地表土壤水分反演方法。
发明内容
针对模型单一、典型农作物不同生育期覆盖地表土壤水分反演方法研究不足、精度偏低等问题，本发明结合全极化RADARSAT-2影像，利用极化分解技术，建立了一种基于极化分解技术的玉米不同生长期土壤水分反演方法。
本发明的目的通过以下技术步骤实现：
步骤1)基于全极化RADARSAT-2数据，针对极化分解技术，研发一整套雷达影像数据处理技术流程，获得玉米不同生长期不同散射参量分布图；
步骤2)基于不同玉米生长期，分析单次散射、偶次散射和体散射随时间变化规律；
步骤3)基于Freeman_Durden三分量分解法，分别建立单次散射参量、偶次散射参量与地表土壤水分关系模型，分析单次散射、偶次散射与土壤水分关系，构建散射分量与土壤水分之间关系模型；
步骤4)基于Yanaguchi三分量分解法，分别建立单次散射参量、偶次散射参量与地表土壤水分关系模型，分析单次散射、偶次散射与土壤水分关系，构建散射分量与土壤水分之间关系模型；
步骤5)基于VanZyl三分量分解法，分别建立单次散射参量、偶次散射参量与地表土壤水分关系模型，分析单次散射、偶次散射与土壤水分关系，构建散射分量与土壤水分之间关系模型；
步骤6)基于Freeman_Durden三分量分解法建立的单次散射参量、偶次散射参量与地表土壤水分最优关系模型，获得玉米不同生长期土壤水分分布图；
步骤7)基于Yamaguchi三分量分解法建立的单次散射参量、偶次散射参量与地表土壤水分最优关系模型，获得玉米不同生长期土壤水分分布图；
步骤8)基于VanZyl三分量分解法建立的单次散射参量、偶次散射参量与地表土壤水分最优关系模型，获得玉米不同生长期土壤水分分布图；
步骤9)基于不同极化分解技术和实测数据，优选地表土壤水分关系模型，获得玉米不同生育期最优土壤水分布图；
附图说明
图1为基于全极化RADARSAT-2影像极化分解技术流程图；
图2单次散射、偶次散射和体散射随时间变化响应图；
图3为基于Freeman_Durden三分量分解法，玉米不同生育期单次散射、偶次散射与土壤水分关系响应图；
图4为基于Yamaguchi三分量分解法，玉米不同生育单次散射、偶次散射与土壤水分关系响应图；
图5为基于VanZyl三分量分解法，玉米不同生育单次散射、偶次散射与土壤水分关系响应图；
图6为基于Freeman_Durden三分量分解法，玉米不同生长期土壤水分分布图；
图7为基于Yamaguchi三分量分解法，玉米不同生长期土壤水分分布图；
图8为基于VanZyl三分量分解法，玉米不同生长期土壤水分分布图；
图9为玉米不同生育期最优土壤水分分布图
具体实施方式
下面结合附图对本发明“一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法”作进一步阐述说明。
本发明所涉及的“基于全极化RADARSAT-2影像极化分解技术流程”、“基于不同极化分解技术的土壤水分反演方法”是土壤水分的重要方法创新。其中，“基于全极化RADARSAT-2影像极化分解技术流程”，利用多种软件相结合方法，建立一套极化分解技术流程，并应用到河北示范区，最终获得玉米不同生育期不同散射参量后向散射系数分布图，该技术流程实现了全极化RADARSAT-2影像的分解，为建立玉米不同生育期不同散射参量土壤水分反演模型打下了良好的基础；“基于不同极化分解技术的土壤水分反演方法”，利用多种典型极化分解方法获得的不同散射参量，构建不同散射参量与土壤水分关系模型，优选最优土壤水分反演模型，并应用于河北示范区，实现了不同玉米生长期的土壤水分反演，该方法例证了利用极化分解技术反演土壤水分的可行性，使玉米不同生育期覆盖地表土壤水分反演结果具备了一定的可靠性，为进一步研发度高精土壤水分反演方法，奠定了良好的理论和技术基础。
(一)基于全极化RADARSAT-2影像极化分解技术流程
基于全极化RADARSAT-2影像，利用Polsarpro软件、ENVI软件和Arcgis软件，研发一套基于全极化雷达数据的极化分解技术流程(图1)，并获得分解数tif影像与已知影像，进行影像匹配，并定义投影信息，获得具有投影和地理坐标的后向散射参量的后向散射系数，并应用与河北试验区。首先，基于Polsarpro软件，利用Freeman_Duren3、Yamaguchi和VanZyl分解方法，对全极化RADARSAT-2影像进行分解，最终获得的是没有投影、地理位置等信息的影像(8bit)，并记录最大后向散射系数和最小后向散射系数值。其次，利用ENVI波段计算工具和公式获得后向散射系数的tif影像。进而，利用Arcgis软件，对后向散射系系数分布影像图；最后，将该方法应用到河北和实验区(图2)，获得不同玉米生育期的后向散射系数影像图。
(二)基于不同极化分解技术的土壤水分反演方法
基于不同极化分解技术获得的散射参量，构建玉米不同生育期土壤水分反演模型，并优选玉米不同生育期土壤水分反演模型，应用于河北示范区，最终得到土壤水分分布图。首先，基于Freeman_Durden三分量分解法，获得单次散射、偶次散射和体散射信息，分别分析与土壤水分实测数据响应关系(图3)，构建指数、多项式回归模型，获得不同玉米生育期土壤水分分布图(图6)，并与HH、VH、HV和VV极化数据构建的回归模型进行对比。其次，基于Yamaguchi三分量分解法，获得单次散射、偶次散射和体散射信息，分别分析与土壤水分实测数据响应关系(图4)，构建指数、多项式回归模型，获得不同玉米生育土壤水分分布图(图7)，并与HH、VH、HV和VV极化数据构建的回归模型进行对比。进而，基于VanZyl三分量分解法，获得单次散射、偶次散射和体散射信息，分别分析与土壤水分实测数据响应关系(图5)，构建指数、多项式回归模型，获得不同玉米生育期土壤水分分布图(图8)，并与HH、VH、HV和VV极化数据构建的回归模型进行对比。最后，优选玉米不同生育期土壤水分反演模型，获得玉米不同生育期土壤水分分布图(图9)，模型如下表所示：
Claims (14)
1.一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法，该度量方法包括如下步骤：
步骤1)基于全极化RADARSAT-2数据，针对极化分解技术，研发一整套雷达影像数据处理技术流程，获得玉米不同生长期不同散射参量分布图；
步骤2)基于不同玉米生长期，分析单次散射、偶次散射和体散射随时间变化规律；
步骤3)基于Freeman_Durden三分量分解法，分别建立单次散射参量、偶次散射参量与地表土壤水分关系模型，分析单次散射、偶次散射与土壤水分关系，构建散射分量与土壤水分之间关系模型；
步骤4)基于Yanaguchi三分量分解法，分别建立单次散射参量、偶次散射参量与地表土壤水分关系模型，分析单次散射、偶次散射与土壤水分关系，构建散射分量与土壤水分之间关系模型；
步骤5)基于VanZyl三分量分解法，分别建立单次散射参量、偶次散射参量与地表土壤水分关系模型，分析单次散射、偶次散射与土壤水分关系，构建散射分量与土壤水分之间关系模型；
步骤6)基于Freeman_Durden三分量分解法建立的单次散射参量、偶次散射参量与地表土壤水分最优关系模型，获得玉米不同生长期土壤水分分布图；
步骤7)基于Yamaguchi三分量分解法建立的单次散射参量、偶次散射参量与地表土壤水分最优关系模型，获得玉米不同生长期土壤水分分布图；
步骤8)基于VanZyl三分量分解法建立的单次散射参量、偶次散射参量与地表土壤水分最优关系模型，获得玉米不同生长期土壤水分分布图；
步骤9)基于不同极化分解技术和实测数据，优选地表土壤水分关系模型，获得玉米不同生育期最优土壤水分布图。
2.如权利要求书1所述的方法，其特征在于，所述步骤1)：提出基于全极化RADARSAT-2数据，针对极化分解技术，雷达影像数据处理技术流程。
3.如权利要求书1所述的方法，其特征在于，所述步骤1)：提出基于全极化RADARSAT-2数据，针对极化分解技术，玉米不同生长期不同散射参量分布图。
4.如权利要求书1所述的方法，其特征在于，所述步骤2)：提出基于不同玉米生长期单次散射、偶次散射和体散射随时间变化响应图。
5.如权利要求书1所述的方法，其特征在于，所述步骤3)：提出了基于Freeman_Durden三分量分解法，单次散射参量、偶次散射参量与地表土壤水分关系模型。
6.如权利要求书1所述的方法，其特征在于，所述步骤3)：提出了基于 Freeman_Durden三分量分解法，单次散射、偶次散射与土壤水分关系响应图。
7.如权利要求书1所述的方法，其特征在于，所述步骤4)：提出了基于Yamaguchi三分量分解法，单次散射参量、偶次散射参量与地表土壤水分关系模型。
8.如权利要求书1所述的方法，其特征在于，所述步骤4)：提出了基于Yamaguchi三分量分解法，单次散射、偶次散射与土壤水分关系响应图。
9.如权利要求书1所述的方法，其特征在于，所述步骤5)：提出了基于VanZyl三分量分解法，单次散射参量、偶次散射参量与地表土壤水分关系模型。
10.如权利要求书1所述的方法，其特征在于，所述步骤5)：提出了基于VanZyl三分量分解法，单次散射、偶次散射与土壤水分关系响应图。
11.如权利要求书1所述的方法，其特征在于，所述步骤6)：提出了基于Freeman_Durden三分量分解法，玉米不同生长期土壤水分分布图。
12.如权利要求书1所述的方法，其特征在于，所述步骤7)：提出了基于Yamaguchi三分量分解法，玉米不同生长期土壤水分分布图。
13.如权利要求书1所述的方法，其特征在于，所述步骤8)：提出了基于VanZyl三分量分解法，玉米不同生长期土壤水分分布图。
14.如权利要求书1所述的方法，其特征在于，所述步骤9)：提出了基于不同计划分解技术和实测数据，玉米不同生育期最优土壤水分分布图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610695108.6A CN107765243A (zh) | 2016-08-22 | 2016-08-22 | 一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610695108.6A CN107765243A (zh) | 2016-08-22 | 2016-08-22 | 一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107765243A true CN107765243A (zh) | 2018-03-06 |
Family
ID=61262493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610695108.6A Pending CN107765243A (zh) | 2016-08-22 | 2016-08-22 | 一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107765243A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108681652A (zh) * | 2018-06-04 | 2018-10-19 | 中国科学院遥感与数字地球研究所 | 一种基于高分三号数据的植被覆盖区土壤水分反演方法 |
| CN110109118A (zh) * | 2019-05-31 | 2019-08-09 | 东北林业大学 | 一种森林冠层生物量的预测方法 |
| CN114660563A (zh) * | 2022-03-24 | 2022-06-24 | 自然资源部国土卫星遥感应用中心 | 农作物覆盖区全极化多维度sar土壤水分反演方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130332115A1 (en) * | 2012-01-13 | 2013-12-12 | University Of Notre Dame Du Lac | Methods and apparatus for electromagnetic signal polarimetry sensing |
| CN104931950A (zh) * | 2015-06-23 | 2015-09-23 | 中国科学院空间科学与应用研究中心 | 一种全极化合成孔径雷达的基于模型的目标分解方法 |
| CN105527616A (zh) * | 2015-10-27 | 2016-04-27 | 中国科学院遥感与数字地球研究所 | 一种基于多极化RADARSAT-2和Landsat8数据的植被覆盖地表土壤含水量反演方法 |
-
2016
- 2016-08-22 CN CN201610695108.6A patent/CN107765243A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130332115A1 (en) * | 2012-01-13 | 2013-12-12 | University Of Notre Dame Du Lac | Methods and apparatus for electromagnetic signal polarimetry sensing |
| CN104931950A (zh) * | 2015-06-23 | 2015-09-23 | 中国科学院空间科学与应用研究中心 | 一种全极化合成孔径雷达的基于模型的目标分解方法 |
| CN105527616A (zh) * | 2015-10-27 | 2016-04-27 | 中国科学院遥感与数字地球研究所 | 一种基于多极化RADARSAT-2和Landsat8数据的植被覆盖地表土壤含水量反演方法 |
Non-Patent Citations (2)
| Title |
|---|
| LIAN HE等: "Soil Moisture Retrieval in Agricultural Fields Using Adaptive Model-Based Polarimetric Decomposition of SAR Data", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
| 李明泽等: "基于微波遥感技术探测森林地表土壤含水率", 《应用生态学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108681652A (zh) * | 2018-06-04 | 2018-10-19 | 中国科学院遥感与数字地球研究所 | 一种基于高分三号数据的植被覆盖区土壤水分反演方法 |
| CN110109118A (zh) * | 2019-05-31 | 2019-08-09 | 东北林业大学 | 一种森林冠层生物量的预测方法 |
| CN110109118B (zh) * | 2019-05-31 | 2020-11-20 | 东北林业大学 | 一种森林冠层生物量的预测方法 |
| CN114660563A (zh) * | 2022-03-24 | 2022-06-24 | 自然资源部国土卫星遥感应用中心 | 农作物覆盖区全极化多维度sar土壤水分反演方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation | |
| Azar et al. | Assessing in-season crop classification performance using satellite data: A test case in Northern Italy | |
| Mustafa et al. | Land suitability analysis for different crops: a multi criteria decision making approach using remote sensing and GIS | |
| Torbick et al. | Monitoring rice agriculture in the Sacramento Valley, USA with multitemporal PALSAR and MODIS imagery | |
| Rossi et al. | Modelling the non-linear relationship between soil resistivity and alfalfa NDVI: a basis for management zone delineation | |
| Peng et al. | Relationships between remote-sensing-based agricultural drought indicators and root zone soil moisture: a comparative study of Iowa | |
| CN107765243A (zh) | 一种基于极化分解技术的浓密植被覆盖下土壤水分反演方法 | |
| Amankulova et al. | Time-series analysis of Sentinel-2 satellite images for sunflower yield estimation | |
| Schneider | Assimilating remote sensing data into a land-surface process model | |
| Zhu et al. | Scale-location specific relations between soil nutrients and topographic factors in the Fen River Basin, Chinese Loess Plateau | |
| Belal et al. | Precision farming technologies to increase soil and crop productivity | |
| Banik et al. | Comparative crop water assessment using CROPWAT | |
| Ajith et al. | Rice yield prediction using MODIS-NDVI (MOD13Q1) and land based observations | |
| Jang et al. | Mapping paddy rice varieties using multi-temporal RADARSAT SAR images | |
| Vanino et al. | Earth observation for improving irrigation water management: A case-study from Apulia Region in Italy | |
| Jande et al. | Assessment of land use and land cover changes and urban expansion using remote sensing and GIS in Gboko, Benue State, Nigeria | |
| Mohammadzamani et al. | Variable rate herbicide application using the global positioning system for generating a digital management map | |
| Xu et al. | Identifying areas suitable for cultivation of Medicago sativa L. in a typical steppe of Inner Mongolia | |
| Shahbazi et al. | Suitability of wheat, maize, sugar beet and potato using MicroLEIS DSS software in Ahar area, north-west of Iran | |
| Hangbin et al. | MODIS data based NDVI Seasonal dynamics in agro-ecosystems of south bank Hangzhouwan bay | |
| Holecz et al. | An operational rice field mapping tool using spaceborne SAR data | |
| Nguyen et al. | A GIS-Based Multicriteria Analysis of Land Suitability for Groundnut Crop in Nghe An Province, Vietnam. | |
| López-Sánchez et al. | Influence of incidence angle and baseline on the retrieval of biophysical parameters of rice fields by means of polarimetric SAR interferometry with TanDEM-X data | |
| Phan | Rice monitoring using radar remote sensing | |
| Bohon Jr | Comparing Landsat7 ETM+ and NAIP imagery for precision agriculture application in small scale farming: A case study in the south eastern part of Pittsylvania County, VA |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Aerospace Information Research Institute,Chinese Academy of Sciences, No.20, Datun Road, Chaoyang District, Beijing Applicant after: Aerospace Information Research Institute,Chinese Academy of Sciences Applicant after: NATIONAL DISASTER REDUCTION CENTER OF CHINA Address before: 100101 Beijing city Chaoyang District Datun Road No. 3 box 9718 China Academy of Sciences, Institute of remote sensing and digital earth Applicant before: Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences Applicant before: NATIONAL DISASTER REDUCTION CENTER OF CHINA |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180306 |