CN108760658A - 一种遥感影像植被抑制及岩石土壤信息还原方法 - Google Patents
一种遥感影像植被抑制及岩石土壤信息还原方法 Download PDFInfo
- Publication number
- CN108760658A CN108760658A CN201810574739.1A CN201810574739A CN108760658A CN 108760658 A CN108760658 A CN 108760658A CN 201810574739 A CN201810574739 A CN 201810574739A CN 108760658 A CN108760658 A CN 108760658A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- remote sensing
- end member
- sensing image
- wave band
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000002689 soil Substances 0.000 title claims abstract description 28
- 239000011435 rock Substances 0.000 title claims abstract description 27
- 238000001228 spectrum Methods 0.000 claims abstract description 51
- 230000003595 spectral effect Effects 0.000 claims abstract description 16
- 238000010606 normalization Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 8
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000004611 spectroscopical analysis Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 239000013039 cover film Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 11
- 230000005764 inhibitory process Effects 0.000 abstract description 9
- 241001269238 Data Species 0.000 description 6
- NTYJJOPFIAHURM-UHFFFAOYSA-N Histamine Chemical compound NCCC1=CN=CN1 NTYJJOPFIAHURM-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 5
- 241000132092 Aster Species 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 229960001340 histamine Drugs 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种遥感影像植被抑制及岩石土壤信息还原方法,属于遥感基础技术处理领域。包括以下步骤:获取遥感影像数据,去雾、去云处理,依次求得植被归一化指数、植被类端元丰度、植被类端元平均指数光谱、非植被类端元综合光谱,并替换原始遥感影像数据中对应波段数据作为处理结果文件,若结果不理想,则重新优化计算植被类端元丰度和植被类端元平均指数光谱,直至获得理想结果。本发明所提出的植被抑制方法操作简单,植被抑制效果更好,可有效还原岩石土壤信息,对低、中、高植被覆盖区均有良好的植被抑制效果,普适性更高。
Description
技术领域
本发明涉及遥感基础技术处理领域,具体指一种遥感影像植被抑制及岩石土壤信息还原方法。
背景技术
光学遥感影像数据广泛应用于资源、环境、农业、交通、军事等多个领域,能有效提取岩石、土壤信息,但受限于植被等地表覆盖物的干扰,在植被覆盖稀少的干旱、半干旱地区效果显著,而在植被生长茂盛的地区,岩石、土壤光谱信息被植被光谱混合或替代,难以从光学遥感影像数据中直接提取。因此,采取适宜的植被信息抑制或分离技术,有效还原岩石、土壤信息,一直是遥感基础技术处理领域的难题。
目前针对遥感影像数据的植被抑制技术主要分为两类:基于比值法和基于混合像元分解法。其中,基于比值法应用较多的有波段比值法、主成分分析法、NDVI法,这类方法针对特定目标,选择多个波段或多种比值作主成分分析,以增强特定波谱差异的反差,增强所需目标特征,如常见的定向主成份分析法通过波段比值增强铁染和羟基,达到抑制植被、突出蚀变的效果。这类方法的优点在于:方法较成熟,操作简单,在干旱半干旱地区应用效果较好。但是这类方法的缺点在于:处理后的影像为单波段数据,并没有真正去除植被光谱,对高植被覆盖区植被抑制效果不理想。基于混合像元分解法的植被抑制方法是最近的研究热点,研究人员已经提出一系列方法,并取得一定效果。这类方法认为任一像元在某波段的灰度值,是各地物在此波段的电磁波共同反射作用的结果,通过公式计算每个混合像元中各种已知地物的丰度(占地面积的比例),即可达到定量消除各干扰因素目的。但这类方法的主要缺点在于:1)遥感影像数据中不一定存在各类地物的纯净像元,可能造成端元波谱提取不准确;2)具体混合像元分解算法的选用可能会影响像元分解的精度;3)实际操作步骤复杂,光谱重建过程中岩石、土壤光谱补偿系数难以把握,可能造成岩石、土壤光谱信息补偿不足或补偿过度。因此,现有基于混合像元分解法的植被抑制方法,在中高植被覆盖区的应用,特别是地物类别复杂,干扰因素众多的遥感影像中,其普适性还有待改进。
发明内容
本发明提供了一种遥感影像植被抑制及岩石土壤信息还原方法,旨在克服上述现有技术的不足,其能有效解决现有遥感影像植被抑制方法操作复杂、岩石土壤信息还原精度低、普适性不高、对中高植被覆盖区植被抑制效果不理想等问题。
为解决上述技术问题,本发明提出的技术方案是:
一种遥感影像植被抑制及岩石土壤信息还原方法,其特征在于,包括以下步骤:
步骤1:获取遥感影像数据,对遥感影像数据进行辐射标定、大气校正、几何校正,反演地物反射率;
所述遥感影像数据是由遥感传感器所采集的。
所述反演地物反射率可由专业软件PCI、ERDAS、ENVI进行。
步骤2:当遥感影像数据受雾气、云等影响时,首先进行去雾、去云处理;
步骤3:利用遥感影像数据的近红外波段数据NIR和红波段数据R求出植被归一化指数NDVI;
所述求植被归一化指数NDVI的计算公式如下:
其中,NIR表示近红外波段数据,R表示红波段数据。
步骤4:利用植被归一化指数NDVI制作植被类端元丰度βveg,并求解出各波段植被类端元平均指数光谱Sveg;
所述植被类端元丰度βveg是指植被类端元在遥感影像数据中某个像元中所占的面积比例,其中端元表示地物,植被类端元丰度βveg的取值范围为0≤βveg≤1。
所述求解各波段植被类端元平均指数光谱Sveg的具体操作是:
在植被类端元丰度βveg上选取一定阈值范围n1-n2,利用该阈值范围掩膜步骤3所获得的植被归一化指数NDVI文件,得到高丰度植被分布影像数据,命名为βn1-n2,再以βn1-n2为掩膜文件,掩膜步骤3中的遥感影像数据,提取出高丰度植被光谱数据,命名为Veg,统计计算Veg文件中各波段数据值及各数据值数量,剔除数量小于一定值的异常数据,最后通过加权平均计算得到各波段植被类端元平均指数光谱Sveg。
所述植被归一化指数NDVI还可以用其他植被覆盖率指标代替。
所述求解各波段植被类端元平均指数光谱Sveg还可以通过查阅已知植被光谱库或者野外实测植被类端元光谱得到。
步骤5:求解出各波段非植被类端元综合光谱SNveg;
所述求解各波段非植被类端元综合光谱SNveg的具体方法是基于线性混合像元模型:
其中,DN表示遥感影像数据中某个像元中记录的各波段数据值,βveg表示植被类端元丰度,Sveg表示各波段植被类端元平均指数光谱,SNveg表示各波段非植被类端元综合光谱,αi表示某个非植被类端元丰度,m表示所处理遥感影像数据中非植被端元数量。
步骤6:用所求的各波段非植被类端元综合光谱SNveg替换原始遥感影像数据中对应的波段数据;
步骤7:将各波段非植被类端元综合光谱SNveg和未进行数学运算的波段存储到同一数据文件,作为处理结果文件;
步骤8:观察统计结果数据,若不理想,则返回步骤4重新优化计算各波段植被类端元平均指数光谱Sveg,直至获得理想结果。
本发明有益效果:
与现有技术相比,本发明所提出的基于混合像元分解理论的植被抑制方法操作简便,植被抑制效果更好,可有效还原岩石土壤信息,而且通过大量实验验证,本发明方法不仅适用于低植被覆盖区,对中高植被覆盖区也有良好的植被抑制效果,普适性更高。
附图说明
图1是本发明方法的整体流程图。
图2是遥感影像数据的去雾结果。
其中,(a)是Landsat8遥感影像数据中432波段去雾结果的灰度图,(b)是Aster遥感影像数据中631波段去雾结果的灰度图。
图3是遥感影像数据去雾结果图对应的光谱剖面。
其中,(a)是图2(a)对应的光谱剖面结果,(b)是图2(b)对应的光谱剖面结果。
图4是Landsat8遥感影像数据中432波段灰度图对应的NDVI指数图。
图5是遥感影像数据应用本技术后的植被抑制结果。
其中,(a)是Landsat8遥感影像数据应用本技术处理后432波段合成灰度图,(b)是Aster遥感影像数据应用本技术处理后631波段合成灰度图。
图6是遥感影像数据植被抑制结果对应的光谱剖面。
其中,(a)是图5(a)对应的光谱剖面结果,(b)是图5(b)对应的光谱剖面结果。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例提供的一种遥感影像植被抑制及岩石土壤信息还原方法。
步骤1:获取遥感影像数据,利用专业软件ENVI5.1对遥感影像数据进行辐射标定、大气校正、几何校正,反演地物反射率。
遥感影像数据,是不同波长电磁波反射率和发射率组成的数据集,本发明方法的实际处理对象是数据集,在具体实施方式中,以Landsat8和Aster两种类型的遥感影像数据为例。
步骤2:当遥感影像数据受雾气、云等影响时,首先进行去雾、去云处理。
如图2所示,图2(a)是Landsat8遥感影像数据中432波段去雾结果的灰度图,图2(b)是Aster遥感影像数据中631波段去雾结果的灰度图。
专业软件ENVI5.1可展示遥感影像数据的光谱剖面结果,光谱剖面结果展示了剖面线上各地物的光谱曲线。图2(a)和图2(b)对应的光谱剖面结果分别如图3(a)和图3(b)所示,从图2(a)和图2(b)可以看出,进行植被抑制前,受植被影响,遥感影像灰度图明显偏暗,纹理结构主要为植被形成的纹理结构,对应光谱剖面结果图3(a)和图3(b)更加清晰说明,植被覆盖区(较暗区)和岩石、土壤裸露区(较亮区)光谱特征区别明显,具体表现为植被覆盖区光谱数据明显偏低,主要为植被光谱,而裸露区则主要为岩石土壤光谱,明显偏高。
步骤3:利用遥感影像数据的近红外波段数据NIR和红波段数据R求出植被归一化指数NDVI。
植被归一化指数NDVI的计算公式如下:
其中,NIR表示近红外波段数据,R表示红波段数据。
如图4所示,为Landsat8遥感影像数据中432波段灰度图对应的NDVI指数图。
步骤4:利用植被归一化指数NDVI制作植被类端元丰度βveg,并求解出各波段植被类端元平均指数光谱Sveg。
植被类端元丰度βveg是指植被类端元在遥感影像数据中某个像元中所占的面积比例,其中端元表示地物,植被类端元丰度βveg的取值范围为0≤βveg≤1。
求解各波段植被类端元平均指数光谱Sveg的具体操作是:
选取一定阈值范围n1-n2,利用该阈值范围掩膜步骤3所获得的植被归一化指数NDVI文件,得到高丰度植被分布影像数据,命名为βn1-n2,再以βn1-n2为掩膜文件,掩膜步骤3中的遥感影像数据,提取高丰度植被光谱数据,命名为Veg,统计计算Veg文件中各波段数据值及各数据值数量,剔除数量小于一定值的异常数据,最后通过加权平均计算得到各波段植被类端元平均指数光谱Sveg。
在具体实施过程中,阈值范围n1-n2可取0.85-0.95。
植被归一化指数NDVI还可以用其他植被覆盖率指标代替。
求解各波段植被类端元平均指数光谱Sveg还可以通过查阅已知植被光谱库或者野外实测植被类端元光谱得到。
步骤5:求解出各波段非植被类端元综合光谱SNveg。
求解各波段非植被类端元综合光谱SNveg的具体方法是基于线性混合像元模型:
其中,DN表示遥感影像数据中某个像元中记录的各波段数据值,βveg表示植被类端元丰度,Sveg表示各波段植被类端元平均指数光谱,SNveg表示各波段非植被类端元综合光谱,αi表示某个非植被类端元丰度,m表示所处理遥感影像数据中非植被端元个数。
公式(2)式只作用于0.30≤βveg≤0.90范围内的原始遥感影像数据,该范围外的数据保持原值。
步骤6:用步骤5所求得的各波段非植被类端元综合光谱SNveg替换原始遥感影像数据中对应波段数据。
步骤7:将各波段非植被类端元综合光谱SNveg和未进行数学运算的波段存储到同一数据文件,作为处理结果文件。
图2(a)和图2(b)应用本技术的植被抑制结果如图5(a)和图5(b)所示,从图中可以看出,应用本技术处理后,影像灰度图中植被覆盖区明显变亮,纹理结构主要显示了岩石、土壤的特征,对应的光谱剖面结果如图6(a)和图6(b)所示,更加清晰的展示出植被覆盖区光谱进行了很好的植被光谱剔除和岩石土壤光谱还原,具体表现为剖面线上植被覆盖区和裸露区光谱数据值非常接近,基本均在同一数量级,证明了本方法的有效性。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种遥感影像植被抑制及岩石土壤信息还原方法,其特征在于,包括以下步骤:
步骤1:获取遥感影像数据,对遥感影像数据进行辐射标定、大气校正、几何校正,反演地物反射率;
步骤2:当遥感影像数据受雾气、云等影响时,首先进行去雾、去云处理;
步骤3:利用遥感影像数据的近红外波段数据NIR和红波段数据R求出植被归一化指数NDVI;
步骤4:利用植被归一化指数NDVI制作植被类端元丰度βveg,并求解出各波段植被类端元平均指数光谱Sveg;
步骤5:求解出各波段非植被类端元综合光谱SNveg;
步骤6:用所求的各波段非植被类端元综合光谱SNveg替换原始遥感影像数据中对应的波段数据;
步骤7:将各波段非植被类端元综合光谱SNveg和未进行数学运算的波段存储到同一数据文件,作为处理结果文件;
步骤8:观察统计结果数据,若不理想,则返回步骤4重新优化计算各波段植被类端元平均指数光谱Sveg,直至获得理想结果。
2.根据权利要求1所述的遥感影像植被抑制及岩石土壤信息还原方法,其特征在于:所述步骤3中求植被归一化指数NDVI的计算公式如下:
其中,NIR表示近红外波段数据,R表示红波段数据。
3.根据权利要求1所述的遥感影像植被抑制及岩石土壤信息还原方法,其特征在于:所述步骤4中植被类端元丰度βveg是指植被类端元在遥感影像数据中某个像元中所占的面积比例,其中端元表示地物,植被类端元丰度βveg的取值范围为0≤βveg≤1。
4.根据权利要求1所述的遥感影像植被抑制及岩石土壤信息还原方法,其特征在于:所述步骤4中求解各波段植被类端元平均指数光谱Sveg的具体操作是:
在植被类端元丰度βveg上选取一定阈值范围n1-n2,利用该阈值范围掩膜步骤3所获得的植被归一化指数NDVI文件,得到高丰度植被分布影像数据,命名为βn1-n2,再以βn1-n2为掩膜文件,掩膜步骤3中的遥感影像数据,提取出高丰度植被光谱数据,命名为Veg,统计计算Veg文件中各波段数据值及各数据值数量,剔除数量小于一定值的异常数据,最后通过加权平均计算得到各波段植被类端元平均指数光谱Sveg。
5.根据权利要求1所述的遥感影像植被抑制及岩石土壤信息还原方法,其特征在于:所述步骤5中求解各波段非植被类端元综合光谱SNveg的具体方法是基于线性混合像元模型:
其中,DN表示遥感影像数据中某个像元中记录的各波段数据值,βveg表示植被类端元丰度,Sveg表示各波段植被类端元平均指数光谱,SNveg表示各波段非植被类端元综合光谱,αi表示某个非植被类端元丰度,m表示所处理遥感影像数据中非植被端元数量。
6.根据权利要求1所述的遥感影像植被抑制及岩石土壤信息还原方法,其特征在于:所述步骤1中的遥感影像数据是由遥感传感器所采集的。
7.根据权利要求1所述的遥感影像植被抑制及岩石土壤信息还原方法,其特征在于:所述步骤1中的反演地物反射率可由专业软件PCI、ERDAS、ENVI进行。
8.根据权利要求1所述的遥感影像植被抑制及岩石土壤信息还原方法,其特征在于:所述步骤4中的植被归一化指数NDVI还可以用其他植被覆盖率指标代替。
9.根据权利要求1所述的遥感影像植被抑制及岩石土壤信息还原方法,其特征在于:所述步骤4中求解各波段植被类端元平均指数光谱Sveg还可以通过查阅已知植被光谱库或者野外实测植被类端元光谱得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810574739.1A CN108760658B (zh) | 2018-06-06 | 2018-06-06 | 一种遥感影像植被抑制及岩石土壤信息还原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810574739.1A CN108760658B (zh) | 2018-06-06 | 2018-06-06 | 一种遥感影像植被抑制及岩石土壤信息还原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108760658A true CN108760658A (zh) | 2018-11-06 |
CN108760658B CN108760658B (zh) | 2019-08-20 |
Family
ID=64000243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810574739.1A Active CN108760658B (zh) | 2018-06-06 | 2018-06-06 | 一种遥感影像植被抑制及岩石土壤信息还原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108760658B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472244A (zh) * | 2018-11-15 | 2019-03-15 | 珠江水利委员会珠江水利科学研究院 | 一种基于分离指数的土壤、岩石和植被识别方法 |
CN110334623A (zh) * | 2019-06-25 | 2019-10-15 | 华中农业大学 | 一种基于Sentinel-2A卫星遥感影像提取崩岗信息的方法 |
CN111044464A (zh) * | 2019-12-19 | 2020-04-21 | 核工业北京地质研究院 | 一种适用于提取植被丰度信息的数据处理方法 |
CN111680427A (zh) * | 2020-06-16 | 2020-09-18 | 中国气象科学研究院 | 一种极度稀疏植被区域负土壤调节因子计算方法 |
CN111738916A (zh) * | 2020-08-21 | 2020-10-02 | 湖南省有色地质勘查研究院 | 一种基于统计学的遥感影像广义阴影光谱重建方法和系统 |
CN111915625A (zh) * | 2020-08-13 | 2020-11-10 | 湖南省有色地质勘查研究院 | 一种能量积分的遥感影像地形阴影自动检测方法和系统 |
CN113310904A (zh) * | 2021-06-15 | 2021-08-27 | 东南大学 | 一种植被覆盖下的土壤光谱还原的图像处理方法 |
CN114118231A (zh) * | 2021-11-08 | 2022-03-01 | 长安大学 | 多源遥感浅覆盖区地层岩性分类特征空间构建方法、岩性分类方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046188A (zh) * | 2015-04-13 | 2015-11-11 | 中南林业科技大学 | Modis混合像元分解森林信息提取方法 |
CN106125091A (zh) * | 2016-06-22 | 2016-11-16 | 广州地理研究所 | 线性光谱解混的城市不透水面遥感提取方法 |
CN108051371A (zh) * | 2017-12-01 | 2018-05-18 | 河北省科学院地理科学研究所 | 一种面向生态环境参量遥感反演的阴影提取方法 |
-
2018
- 2018-06-06 CN CN201810574739.1A patent/CN108760658B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046188A (zh) * | 2015-04-13 | 2015-11-11 | 中南林业科技大学 | Modis混合像元分解森林信息提取方法 |
CN106125091A (zh) * | 2016-06-22 | 2016-11-16 | 广州地理研究所 | 线性光谱解混的城市不透水面遥感提取方法 |
CN108051371A (zh) * | 2017-12-01 | 2018-05-18 | 河北省科学院地理科学研究所 | 一种面向生态环境参量遥感反演的阴影提取方法 |
Non-Patent Citations (3)
Title |
---|
刘彦丽: ""植被覆盖区岩矿信息高光谱遥感提取方法研究"", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
张逸然: ""地表温度空间降尺度方法及其基于国产高分影像的应用研究"", 《中国博士学位论文全文数据库 基础科学辑》 * |
樊蔚: ""不透水面视角下广州市长时间序列城市扩张空间变化分析"", 《豆丁网 HTTP://WWW.DOCIN.COM/P-1055447072.HTML》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472244A (zh) * | 2018-11-15 | 2019-03-15 | 珠江水利委员会珠江水利科学研究院 | 一种基于分离指数的土壤、岩石和植被识别方法 |
CN109472244B (zh) * | 2018-11-15 | 2021-10-01 | 珠江水利委员会珠江水利科学研究院 | 一种基于分离指数的土壤、岩石和植被识别方法 |
CN110334623A (zh) * | 2019-06-25 | 2019-10-15 | 华中农业大学 | 一种基于Sentinel-2A卫星遥感影像提取崩岗信息的方法 |
CN111044464A (zh) * | 2019-12-19 | 2020-04-21 | 核工业北京地质研究院 | 一种适用于提取植被丰度信息的数据处理方法 |
CN111680427A (zh) * | 2020-06-16 | 2020-09-18 | 中国气象科学研究院 | 一种极度稀疏植被区域负土壤调节因子计算方法 |
CN111915625A (zh) * | 2020-08-13 | 2020-11-10 | 湖南省有色地质勘查研究院 | 一种能量积分的遥感影像地形阴影自动检测方法和系统 |
CN111915625B (zh) * | 2020-08-13 | 2021-04-13 | 湖南省有色地质勘查研究院 | 一种能量积分的遥感影像地形阴影自动检测方法和系统 |
CN111738916A (zh) * | 2020-08-21 | 2020-10-02 | 湖南省有色地质勘查研究院 | 一种基于统计学的遥感影像广义阴影光谱重建方法和系统 |
CN111738916B (zh) * | 2020-08-21 | 2020-11-13 | 湖南省有色地质勘查研究院 | 一种基于统计学的遥感影像广义阴影光谱重建方法和系统 |
CN113310904A (zh) * | 2021-06-15 | 2021-08-27 | 东南大学 | 一种植被覆盖下的土壤光谱还原的图像处理方法 |
CN114118231A (zh) * | 2021-11-08 | 2022-03-01 | 长安大学 | 多源遥感浅覆盖区地层岩性分类特征空间构建方法、岩性分类方法及系统 |
CN114118231B (zh) * | 2021-11-08 | 2023-07-25 | 长安大学 | 多源遥感浅覆盖区地层岩性分类特征空间构建方法、岩性分类方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108760658B (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108760658B (zh) | 一种遥感影像植被抑制及岩石土壤信息还原方法 | |
Flowers et al. | Remote sensing of winter wheat tiller density for early nitrogen application decisions | |
Meyer et al. | Textural imaging and discriminant analysis for distinguishingweeds for spot spraying | |
Meyer et al. | Intensified fuzzy clusters for classifying plant, soil, and residue regions of interest from color images | |
CN110349117B (zh) | 一种红外图像与可见光图像融合方法、装置及存储介质 | |
CN109740631B (zh) | 基于对象的obia-svm-cnn遥感影像分类方法 | |
CN113298147B (zh) | 基于区域能量和直觉模糊集的图像融合方法及装置 | |
CN110781831A (zh) | 基于自适应的高光谱最优波段选择方法和装置 | |
Lang et al. | Detection of chlorophyll content in Maize Canopy from UAV Imagery | |
Zhu et al. | A fusion method for infrared–visible image and infrared-polarization image based on multi-scale center-surround top-hat transform | |
CN110008836B (zh) | 一种病理组织切片高光谱图像的特征提取方法 | |
Putra et al. | Classification of tomato plants diseases using convolutional neural network | |
CN115082582A (zh) | 卫星遥感数据真彩色模拟方法、系统、设备及介质 | |
CN117115669B (zh) | 双条件质量约束的对象级地物样本自适应生成方法及系统 | |
Liu et al. | Thick cloud removal under land cover changes using multisource satellite imagery and a spatiotemporal attention network | |
An et al. | Estimation of chlorophyll distribution in banana canopy based on RGB-NIR image correction for uneven illumination | |
CN113705523A (zh) | 一种基于光学和双极化sar融合的分层城市不透水面提取方法 | |
Brewer et al. | Remote sensing of invasive alien wattle using image texture ratios in the low-lying Midlands of KwaZulu-Natal, South Africa | |
CN115711855B (zh) | 一种不透水面的提取方法、装置、终端设备以及存储介质 | |
CN115861844A (zh) | 一种基于种植概率的水稻早期遥感识别方法 | |
Ye et al. | Use of airborne multispectral imagery to discriminate and map weed infestations in a citrus orchard | |
CN109697411B (zh) | 一种基于统计标准差的地物信息提取方法 | |
Xu et al. | Multi-scale context-aware networks for quantitative assessment of colorectal liver metastases | |
CN111429389B (zh) | 一种保持光谱特性的可见光和近红外图像融合方法 | |
CN110163874B (zh) | 基于同质区域分割的双边滤波算法 |
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 |