CN108256116B - 一种农用地现状数据快速采集方法 - Google Patents

一种农用地现状数据快速采集方法 Download PDF

Info

Publication number
CN108256116B
CN108256116B CN201810144411.6A CN201810144411A CN108256116B CN 108256116 B CN108256116 B CN 108256116B CN 201810144411 A CN201810144411 A CN 201810144411A CN 108256116 B CN108256116 B CN 108256116B
Authority
CN
China
Prior art keywords
data
interpretation
land
agricultural land
field
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
Application number
CN201810144411.6A
Other languages
English (en)
Other versions
CN108256116A (zh
Inventor
李治洪
周钰坤
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.)
East China Normal University
Original Assignee
East China Normal University
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 East China Normal University filed Critical East China Normal University
Priority to CN201810144411.6A priority Critical patent/CN108256116B/zh
Publication of CN108256116A publication Critical patent/CN108256116A/zh
Application granted granted Critical
Publication of CN108256116B publication Critical patent/CN108256116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种农用地现状数据快速采集方法，涉及地理信息领域，本发明通过融合互联网地理信息系统和遥感技术，设计了农用地现状数据采集技术和系统，在建立农用地遥感解译标志和样本库的基础上，实现了基于互联网的遥感影像交互式解译、农用地现状数据的采集、更新和查对。对比传统的外业调绘方法进行数据采集和遥感影像自动化解译方式，本发明的技术方法和系统具有快速、高效、精确的特点，数据采集周期短，成本低，且易于维护。

Description

一种农用地现状数据快速采集方法
技术领域
本发明涉及地理信息领域，尤其涉及一种农用地现状数据快速采集方法。
背景技术
目前农用地现状数据采集方法主要有实地调绘和基于遥感影像的目视判读两大类。当前基于遥感影像进行土地资源调查的技术和应用越来越成熟，我国国土部门已经使用高分辨率卫星影像进行国土资源的执法监测(Yi,Ma et al.2016)。该技术以影像变化检测技术为基础，辅助人工交互判别，实现对违法的建设用地进行执法检查。
有研究采用基于遥感数据的自动解译研究，使用基于对象(object-based)、支持向量机(support vector machine)等方法(Pena,Gutierrez et al.2014,Zheng,Myint etal.2015)，利用NDVI指数、农作物图像的纹理特征和作物物候等数据来进行农用地的管理和农作物估产、分级等研究(Shanahan,Schepers et al.2001,Pinter,Hatfield etal.2003,
Figure BDA0001578428670000011
Ngugi et al.2011)。这类方法不能满足生产管理用途的农用地现状数据的采集和更新。
但是，以实地调绘形式的农用地现状数据调查和更新的技术方法工作量大，采集更新周期长、成本很高。外业调查+基于遥感影像的目视解译方法，存在着效率和精度方面的问题。一个重要原因是目视解译采用单机版的专业遥感软件，效率低，且无法有效整合多源数据来支持用地类型的准确判读。在应对大面积复杂用地类型的解译时，遥感影像自动解译技术不能满足更细的分类要求和更高的数据采集精度要求(Srivastava,Han etal.2012,Mulla 2013)。如对于需要判别粮田、菜田、果园等详细的用地分类以及采集和更新精度要求不大于1亩的农田地块数据，目前还无法实现。
因此，本领域的技术人员致力于开发一种农用地现状数据快速采集方法，基于基于互联网地理信息系统(WebGIS)和遥感技术，是一种农用地现状数据的采集和更新技术，同时也是一种快速、高效、精确的农用地现状数据的在线采集和更新技术方法。农用地现状数据采集的内容包括农田地块的位置、形状、面积、类型、作物种植信息等，这些数据是实现农业生产的精细化管理和农业布局规划的重要基础。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是开发基于互联网地理信息系统(WebGIS)和遥感技术的在线交互式遥感解译和矢量数据编辑系统，设计在线数据采集、审核工作的自动化流程，实现多人在线同步进行遥感解译和数字化工作，并将解译结果直接更新入库，从而极大提高农用地现状数据采集工作效率；通过集成多时相遥感数据，集成天地图、相关规划数据等多源数据，实现农用地类型遥感解译的精细化，同时提高农用地遥感解译的准确性。
为实现上述目的，本发明提供了一种农用地现状数据快速采集方法，所述方法融合互联网地理信息系统和遥感技术，包括如下步骤：
步骤1、基础数据准备，所述基础数据包括多个年份的航拍影像和基础地理框架数据集，包括道路、河流、行政区划和专题数据；
步骤2、建立农用地分类标准，依据农业生产精细化管理需要，对接全国土地利用分类标准，形成研究区域农用地现状分类体系；
步骤3、选取试验解译样区，围绕典型地物和疑问地块设计野外调研路线，分小组进行实地调查，以现场记录、咨询当地居民、拍照取样方式搜集农用地类型、种植农作物变化等数据，将这些数据经过整理汇编之后形成初步的解译标志样本；
步骤4、建立解译标志和影像样本库，形成判读规则，通过对解译样区影像的判读，掌握区域的农作物种植特点，建立解译标志和判读案例库；在此过程中为数字化人员培养地物判读的经验，为后期的正式数据采集提供推荐依据；
步骤5、在线数据采集和影像解译，以步骤1所述的基础数据定制开发农用地数据在线采集系统和土地利用实地查对系统，并进行同步在线的数据采集工作；所有成员依据初步解译的解译标志和影像样本库，按照判读正确、绘制准确、划界科学的准则进行农用地地块的判读和绘制；
步骤6、数据校对，完成室内的数据采集之后，进行野外和乡镇调研两方面的数据校对工作，所述野外数据校对是指在田野间利用手持终端上的实地查对系统对收集整理的疑问地块进行排查，所述乡镇调研是指与当地农业管理部门核对地块的判读情况。
进一步地，所述步骤4还包括建立解译样本库，具体为：选取典型区域调研，组织专家对影像预解译，提取地物的解译标志，包括不同波段、不同时相的辐射量、纹理建立典型地物的影像样本的指标库，判读人员对典型影像案例进行解译学习和系统使用培训。
进一步地，所述步骤4还包括室内判读流程，具体为：对数字化区域进行分区划片，进行作业单元的划分，形成不同的作业单元；根据用户角色，如数字化人员、数据审核员和管理员，创建用户访问权限；给不同用户分配作业单元和作业权限；用户登录农用地现状数据在线采集系统，根据农用地影像判读规则和审核规则，对分配的作业单元进行在线交互式解译和数字化。
进一步地，所述作业单元的划分是以分级的行政区划单元为基本单位，使用基于地理网格的区域划分和定位算法，辅助进行快速定位、任务分分派和无遗漏检查和审核。
进一步地，所述步骤5还包括在线图上数据填报,具体为：数据填报人员使用系统提供的数字化工具，实现图斑的在线数字化，包括图斑创建、修改、删除；数据填报人员以标注的方式单独/批量更新图斑的用地类型、种植作物各类和种养户姓名；系统对面积为0的无效图斑、填报面积与实际图形面积相差较大的图斑具有自动判别和提醒功能。
进一步地，所述步骤5还包括解译推荐系统，具体为；作业人员进行影像解译时，互联网地理信息系统对解译对象的特征指标进行提取，并与样本库比对，基于光谱角制图、支持向量机、神经网络等遥感分类和识别算法，推荐最准确的解译方案，辅助用户进行解译和审核；系统集成有天地图等第三方在线数据资源，用来辅助地图定位和辅助识别用地类型，可通过快捷方式打开和关闭数据资源。
进一步地，所述步骤5还包括内业审核，具体为：在数据采集人员提交初步解译结果，由审核员对分管的片区进行审核数据采集完成情况；包括解译结果的准确性、是否完成及完成情况；系统提供标记功能，标记疑难地块；系统提供基于地理网格的空间区域的细分，对分管片区的检查进行自动安排、提示和标识，辅助内业查对作的完成。
进一步地，所述步骤6还包括外业校对：具体为：系统提供基于平板电脑和手机的地理信息系统应用程序外业勘察子系统，外业辅助勘察系统基于移动互联网技术开发，并与室内判读系统共享后台数据；该系统对外业人员提供了路线规划功能，为标记的疑难地块，设置外业勘察路径；进行外业勘察时，系统提供了快速定位、导航、地块筛选、标注和地块属性修改功能，并提供在线和离线两种地图数据加载方式，外业查对和修改的数据成果，可直接提交到后台服务器的数据库中。
进一步地，所述步骤6还包括检查入库，具体为：各业务人员基于遥感解译和外业校对的成果，经上级部门分头进行线上审核，审核通过后，提交业务管理员，实现数据的正式入库、更新和发布。
本技术方法可以实现对指定区域的农用地现状数据按实际生产管理的要求，进行快速、高效、准确的采集和更新。对比传统的以统计数据上报形式为主的农用地现状数据采集，本方法采集的数据内容全面，包括农田地块的空间数据和属性数据等。对比外业调绘方法进行数据采集的方式，快速高效，采集周期短，成本低，且易于维护。每人每小时可采集更新不低于100个地块图斑(约100亩左右)。对比遥感自动解译的数据采集方式，本技术方法实用，采集的数据准确、分类详细。
本发明提出了一种融合互联网地理信息系统(WebGIS)和遥感技术，实现在线模式的农用地现状数据快速、高效、精确的采集更新方法。实现多人同时在线进行基于遥感影像的农用地现状数据解译和采集工作。极大提高了数据采集的效率和数据的准确性和客观性。本发明提出一种在线的图上数据填报方法。用户通过标注的方式在线批量进行农田地块类型、作物类型和种养户信息的快速录入。本发明提出一种基于基于SAM(光谱角制图)、SVM(支持向量机)、神经网络等遥感分类和识别算法的用地(或作物)类型判别的推荐系统。提高用地类型交互式判读的准确性。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的农用地数据采集模式图；
图2是本发明的一个较佳实施例的系统部署拓扑图；
图3是本发明的一个较佳实施例的系统技术框架。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。
如图1和图2所示，本发明提供了一种农用地现状数据快速采集方法，具体包括以下基本步骤：
步骤1：基础数据准备
基础数据主要包括多个年份的航拍影像和基础地理框架数据集(包括道路，河流，行政区划和相关专题数据。
步骤2：建立农用地分类标准
依据农业生产精细化管理需要，同时对接全国土地利用分类标准，形成研究区域农用地现状分类体系。
步骤3：选取试验解译样区
围绕典型地物和疑问地块设计野外调研路线，分小组进行实地调查。以现场记录、咨询当地居民、拍照取样等方式搜集农用地类型、种植农作物变化等数据。将这些数据经过整理汇编之后形成初步的解译标志样本。
步骤4：建立解译标志和影像样本库，形成判读规则
目的在于通过对解译样区影像的判读，掌握区域的农作物种植特点，建立解译标志和判读案例库。同时，在此过程中为数字化人员培养地物判读的经验，为后期的正式数据采集提供推荐依据。
步骤5：在线数据采集、影像解译
以前述的基础数据定制开发农用地数据在线采集系统和土地利用实地查对系统，并开始进行同步在线的数据采集工作。所有成员依据初步解译的解译标志和影像样本库，按照判读正确、绘制准确、划界科学的准则进行农用地地块的判读和绘制。
步骤6：数据校对
完成室内的数据采集之后，进行两方面的数据校对工作。一是野外查对：在田野间利用手持终端上的实地查对系统对收集整理的疑问地块一一进行排查。二是乡镇调研：与当地农业管理部门核对地块的判读情况。
如图3所示，本发明采用了融合互联网地理信息系统(WebGIS)和遥感技术的农用地现状数据在线采集的技术方法，开发了一个基于互联网地理信息系统(WebGIS)和遥感解译分类技术的在线农用地数据采集系统(以下简称系统)。总体思路为基于互联网地理信息系统(WebGIS)技术实现了“室内判读，外业校验，分级审核，在线入库”的农用地现状数据的快速采集模式。主要内容包括：(1)基于互联网地理信息系统(WebGIS)技术进行多用户在线交互式数据解译和数字化；(2)使用地理信息系统手机应用程序(GIS App)技术对解译的初步成果和疑难地块进行外业勘察校验；(3)对校验后的数字化成果进行在线分级审核，并入库。
(1)建立解译样本库：选取典型区域调研，组织专家对影像预解译，提取地物的解译标志，包括不同波段、不同时相的辐射量(亮度)、纹理(粗糙度)等建立典型地物的影像样本的指标库，判读人员对典型影像案例进行解译学习和系统使用培训。
(2)室内判读流程：对数字化区域进行分区划片，形成不同的作业单元。根据用户角色如数字化人员、数据审核员和管理员等，创建用户访问权限。给不同用户分配作业单元和作业权限。用户(作业人员)登录基于WebGIS技术的农用地现状数据在线采集系统，根据农用地影像判读规则和审核规则等，对分配的作业单元，进行在线交互式解译和数字化。
(3)作业单元的划分。以分级的行政区划单元(省、区、镇、村等)为基本单位，同时设计一种基于地理网格的区域划分和定位算法，辅助进行快速定位、任务分分派和无遗漏检查和审核。
(4)在线图上数据填报。数据填报人员使用系统提供的数字化工具，实现图斑的在线数字化，包括图斑创建、修改、删除。数据填报人员以标注的方式单独/批量更新图斑(农田地块)的用地类型、种植作物各类和种养户姓名。系统提供对面积为0的无效图斑、填报面积与实际图形面积相差较大的图斑有自动判别和提醒功能。
(5)解译推荐系统。作业人员进行影像解译时，WebGIS系统对解译对象的特征指标进行提取，并与样本库比对，基于SAM(光谱角制图)、SVM(支持向量机)、神经网络等遥感分类和识别算法，推荐最准确的解译方案，辅助用户进行解译和审核。系统集成有天地图等第三方在线数据资源，用来辅助地图定位和辅助识别用地类型。可通过快捷方式打开和关闭数据资源。
(6)内业审核：在数据采集人员提交初步解译结果，由审核员对分管的片区进行审核数据采集完成情况。包括解译结果的准确性，是否完成及完成情况等。系统提供标记功能，标记疑难地块。系统提供基于地理网格的空间区域的细分，对分管片区的检查进行自动安排、提示和标识。辅助内业查对(审核)工作的完成。
(7)外业校对：系统提供基于PAD和手机的GISApp外业勘察子系统，外业辅助勘察系统基于移动互联网技术开发，并与室内判读系统共享后台数据。该系统对外业人员提供了路线规划功能，为标记的疑难地块，设置外业勘察路径。进行外业勘察时，系统提供了快速定位、导航、地块筛选、标注和地块属性修改功能等。并提供在线和离线两种地图数据加载方式。外业查对和修改的数据成果，可直接提交到后台服务器的数据库中。
(8)检查入库：各业务人员基于遥感解译和外业校对的成果，经上级部门分头进行线上审核，审核通过后，提交业务管理员，实现数据的正式入库、更新和发布。
本技术发明基于自主研发的CCGIS/ECNUGIS平台软件开发的。CCGIS平台软件提供了基于WebGIS的空间数据在线采集的技术支持。采用其他GIS工具软件如商业GIS软件ArcGIS、开源GIS软件OpenLayers等，也可以实现或部分实现本发明中的技术方法。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (8)

1.一种农用地现状数据快速采集方法，其特征在于，所述方法融合互联网地理信息系统和遥感技术，包括如下步骤：
步骤1、基础数据准备，所述基础数据包括多个年份的航拍影像和基础地理框架数据集，包括道路、河流、行政区划和专题数据；
步骤2、建立农用地分类标准，依据农业生产精细化管理需要，对接全国土地利用分类标准，形成研究区域农用地现状分类体系；
步骤3、选取试验解译样区，围绕典型地物和疑问地块设计野外调研路线，分小组进行实地调查，以现场记录、咨询当地居民、拍照取样方式搜集农用地类型、种植农作物变化数据，将这些数据经过整理汇编之后形成初步的解译标志样本；
步骤4、建立解译标志和影像样本库，形成判读规则，通过对解译样区影像的判读，掌握区域的农作物种植特点，建立解译标志和判读案例库；在此过程中为数字化人员培养地物判读的经验，为后期的正式数据采集提供推荐依据；
步骤5、在线数据采集和影像解译，以步骤1所述的基础数据定制开发农用地数据在线采集系统和土地利用实地查对系统，并进行同步在线的数据采集工作；所有成员依据初步解译的解译标志和影像样本库，按照判读正确、绘制准确、划界科学的准则进行农用地地块的判读和绘制；
所述步骤5还包括解译推荐系统，具体为；
作业人员进行影像解译时，互联网地理信息系统对解译对象的特征指标进行提取，并与样本库比对，基于光谱角制图、支持向量机、神经网络遥感分类和识别算法，推荐最准确的解译方案，辅助用户进行解译和审核；系统集成有天地图第三方在线数据资源，用来辅助地图定位和辅助识别用地类型，可通过快捷方式打开和关闭数据资源；
步骤6、数据校对，完成室内的数据采集之后，进行野外和乡镇调研两方面的数据校对工作，所述野外数据校对是指在田野间利用手持终端上的实地查对系统对收集整理的疑问地块进行排查，所述乡镇调研是指与当地农业管理部门核对地块的判读情况。
2.如权利要求1所述农用地现状数据快速采集方法，其特征在于，所述步骤4还包括建立解译样本库，具体为：
选取典型区域调研，组织专家对影像预解译，提取地物的解译标志，包括不同波段、不同时相的辐射量、纹理建立典型地物的影像样本的指标库，判读人员对典型影像案例进行解译学习和系统使用培训。
3.如权利要求1所述农用地现状数据快速采集方法，其特征在于，所述步骤4还包括室内判读流程，具体为：
对数字化区域进行分区划片，进行作业单元的划分，形成不同的作业单元；根据用户角色，如数字化人员、数据审核员和管理员，创建用户访问权限；给不同用户分配作业单元和作业权限；用户登录农用地现状数据在线采集系统，根据农用地影像判读规则和审核规则，对分配的作业单元进行在线交互式解译和数字化。
4.如权利要求3所述农用地现状数据快速采集方法，其特征在于，所述作业单元的划分是以分级的行政区划单元为基本单位，使用基于地理网格的区域划分和定位算法，辅助进行快速定位、任务分分派和无遗漏检查和审核。
5.如权利要求1所述农用地现状数据快速采集方法，其特征在于，所述步骤5还包括在线图上数据填报,具体为：
数据填报人员使用系统提供的数字化工具，实现图斑的在线数字化，包括图斑创建、修改、删除；数据填报人员以标注的方式单独/批量更新图斑的用地类型、种植作物各类和种养户姓名；系统对面积为0的无效图斑、填报面积与实际图形面积相差较大的图斑具有自动判别和提醒功能。
6.如权利要求1所述农用地现状数据快速采集方法，其特征在于，所述步骤5还包括内业审核，具体为：
在数据采集人员提交初步解译结果，由审核员对分管的片区进行审核数据采集完成情况；包括解译结果的准确性、是否完成及完成情况；系统提供标记功能，标记疑难地块；系统提供基于地理网格的空间区域的细分，对分管片区的检查进行自动安排、提示和标识，辅助内业查对作的完成。
7.如权利要求1所述农用地现状数据快速采集方法，其特征在于，所述步骤6还包括外业校对：具体为：
系统提供基于平板电脑和手机的地理信息系统应用程序外业勘察子系统，外业辅助勘察系统基于移动互联网技术开发，并与室内判读系统共享后台数据；该系统对外业人员提供了路线规划功能，为标记的疑难地块，设置外业勘察路径；进行外业勘察时，系统提供了快速定位、导航、地块筛选、标注和地块属性修改功能，并提供在线和离线两种地图数据加载方式，外业查对和修改的数据成果，可直接提交到后台服务器的数据库中。
8.如权利要求1所述农用地现状数据快速采集方法，其特征在于，所述步骤6还包括检查入库，具体为：
各业务人员基于遥感解译和外业校对的成果，经上级部门分头进行线上审核，审核通过后，提交业务管理员，实现数据的正式入库、更新和发布。
CN201810144411.6A 2018-02-12 2018-02-12 一种农用地现状数据快速采集方法 Active CN108256116B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810144411.6A CN108256116B (zh) 2018-02-12 2018-02-12 一种农用地现状数据快速采集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810144411.6A CN108256116B (zh) 2018-02-12 2018-02-12 一种农用地现状数据快速采集方法

Publications (2)

Publication Number Publication Date
CN108256116A CN108256116A (zh) 2018-07-06
CN108256116B true CN108256116B (zh) 2022-03-04

Family

ID=62745417

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810144411.6A Active CN108256116B (zh) 2018-02-12 2018-02-12 一种农用地现状数据快速采集方法

Country Status (1)

Country Link
CN (1) CN108256116B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110941684B (zh) * 2018-09-21 2023-06-13 阿里巴巴（中国）有限公司 一种地图数据的生产方法、相关装置及系统
CN109766400A (zh) * 2019-01-14 2019-05-17 北京天下图数据技术有限公司 地块标记方法及装置、地块识别方法及装置
CN109840293B (zh) * 2019-01-18 2021-01-29 河南奥菲斯电子科技有限公司 基于互联网的遥感外业勘察大数据系统及其控制方法
CN109934494A (zh) * 2019-03-13 2019-06-25 北京航天宏图信息技术股份有限公司 一种水土保持监管数据质检方法和系统
CN112734074A (zh) * 2019-10-28 2021-04-30 广州极飞科技有限公司 地块分组方法和装置
CN111209322B (zh) * 2019-12-26 2023-12-15 上海大智慧财汇数据科技有限公司 金融信息采集处理系统及方法
CN113112090B (zh) * 2021-04-29 2023-12-19 内蒙古电力（集团）有限责任公司内蒙古电力经济技术研究院分公司 基于综合互信息度的主成分分析的空间负荷预测方法
CN114610829B (zh) * 2022-03-18 2024-09-06 中国科学院空天信息创新研究院 一种基于智能终端和遥感智能识别的土地信息管理方法
CN114926741A (zh) * 2022-06-02 2022-08-19 广东卓越土地房地产评估咨询有限公司 一种农用地数据采集系统及其方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104103076A (zh) * 2014-07-29 2014-10-15 环境保护部卫星环境应用中心 一种基于高分辨率遥感影像的核电厂规划限制区遥感监查方法
CN104679822A (zh) * 2014-12-30 2015-06-03 北京市测绘设计研究院 一种地理国情外业调绘方法
CN105282438A (zh) * 2015-09-18 2016-01-27 贵州省第二测绘院 一种辅助地理国情解译与核查的全景照片采集方法
CN105675002A (zh) * 2016-01-27 2016-06-15 闫凯 一种多途经点导航路线规划方法和系统
CN106651609A (zh) * 2016-09-27 2017-05-10 云南大学 一种矿产资源开发环境遥感监测辅助信息系统及方法
CN107084688A (zh) * 2017-05-06 2017-08-22 湖北大学 一种基于地块尺度的农作物面积动态变化遥感监测方法
CN107527014A (zh) * 2017-07-20 2017-12-29 武汉珈和科技有限公司 县级作物种植面积遥感统计抽样调查方案设计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10402044B2 (en) * 2014-10-28 2019-09-03 Apana Inc. Systems and methods for resource consumption analytics

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104103076A (zh) * 2014-07-29 2014-10-15 环境保护部卫星环境应用中心 一种基于高分辨率遥感影像的核电厂规划限制区遥感监查方法
CN104679822A (zh) * 2014-12-30 2015-06-03 北京市测绘设计研究院 一种地理国情外业调绘方法
CN105282438A (zh) * 2015-09-18 2016-01-27 贵州省第二测绘院 一种辅助地理国情解译与核查的全景照片采集方法
CN105675002A (zh) * 2016-01-27 2016-06-15 闫凯 一种多途经点导航路线规划方法和系统
CN106651609A (zh) * 2016-09-27 2017-05-10 云南大学 一种矿产资源开发环境遥感监测辅助信息系统及方法
CN107084688A (zh) * 2017-05-06 2017-08-22 湖北大学 一种基于地块尺度的农作物面积动态变化遥感监测方法
CN107527014A (zh) * 2017-07-20 2017-12-29 武汉珈和科技有限公司 县级作物种植面积遥感统计抽样调查方案设计方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Wireless Sensor Network based Water Well Management System for precision agriculture;Shuraia Khan等;《2016 26th International Telecommunication Networks and Applications Conference (ITNAC)》;20170316;1-3 *
上海市农用地动态管理关键技术研究;周钰坤;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20210215(第2期);A008-350 *
西昆仑成矿带中段遥感信息综合找矿预测方法研究;王晓鹏;《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》;20160115(第1期);A011-128 *
面向农用土地现状调查的多源数据遥感解译:一种基于WebGIS的方法;汪志钢;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20151015(第10期);第1.3节,3.2.4节,3.3.1节,3.3.3节,4.2节,4.3.1-4.3.2节,4.5节,4.6节,4.8节 *

Also Published As

Publication number Publication date
CN108256116A (zh) 2018-07-06

Similar Documents

Publication Publication Date Title
CN108256116B (zh) 一种农用地现状数据快速采集方法
Demuzere et al. LCZ Generator: a web application to create Local Climate Zone maps
Bechtel et al. Generating WUDAPT Level 0 data–Current status of production and evaluation
Goodbody et al. Assessing the status of forest regeneration using digital aerial photogrammetry and unmanned aerial systems
Xu et al. Wheat ear counting using K-means clustering segmentation and convolutional neural network
CN110263717B (zh) 一种融入街景影像的土地利用类别确定方法
Ban et al. Fusion of Quickbird MS and RADARSAT SAR data for urban land-cover mapping: Object-based and knowledge-based approach
Matasci et al. Mapping tree canopies in urban environments using airborne laser scanning (ALS): a Vancouver case study
Su et al. Urban scene understanding based on semantic and socioeconomic features: From high-resolution remote sensing imagery to multi-source geographic datasets
CN111667183A (zh) 一种耕地质量监测方法及系统
Hou et al. V-RSIR: An open access web-based image annotation tool for remote sensing image retrieval
CN108053408A (zh) 一种基于遥感卫星影像的高自动化土地利用更新方法
Uyeda et al. Assessment of volunteered geographic information for vegetation mapping
CN113705990A (zh) 自然资源信息处理方法、装置、电子设备及存储介质
Golubev et al. Woody plants area estimation using ordinary satellite images and deep learning
CN111639672B (zh) 一种基于多数投票的深度学习城市功能区分类方法
Vaidya et al. Classifying heterogeneous urban form into local climate zones using supervised learning and greedy clustering incorporating Landsat dataset
Remmel et al. Integration of forest inventory and satellite imagery:: a Canadian status assessment and research issues
Snavely et al. Mapping vegetation community types in a highly disturbed landscape: integrating hierarchical object-based image analysis with lidar-derived canopy height data
CN105760421A (zh) 土地利用类型分类的方法
Heinzel et al. Automated metric characterization of urban structure using building decomposition from very high resolution imagery
Mohammadi A Review on GIS in Irrigation and Water Management
CN104807492B (zh) 一种使用高精度仪器实测评价大区域地表覆盖精度的方法
CN113610294A (zh) 一种中小城市色彩规划方法、存储介质和装置
CN115618040A (zh) 一种基于数据分析的遥感样本库综合管理系统

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