CN109344810A - 一种基于高分卫星遥感数据的耕地变化监测方法及系统 - Google Patents
一种基于高分卫星遥感数据的耕地变化监测方法及系统 Download PDFInfo
- Publication number
- CN109344810A CN109344810A CN201811416853.8A CN201811416853A CN109344810A CN 109344810 A CN109344810 A CN 109344810A CN 201811416853 A CN201811416853 A CN 201811416853A CN 109344810 A CN109344810 A CN 109344810A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- land
- module
- arable land
- data
- 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
- 230000008859 change Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000011160 research Methods 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000011835 investigation Methods 0.000 claims abstract description 7
- 238000001228 spectrum Methods 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 10
- 241000282693 Cercopithecidae Species 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 abstract description 7
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract 1
- 239000003643 water by type Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于高分卫星遥感数据的耕地变化监测方法及系统，包括对研究区不同时相的高分遥感影像预处理，得到预处理后的不同时相的全色和多光谱遥感影像；研究区地面实测数据获取，得到野外调查样地数据作为分类样本数据和验证数据；对不同时相遥感影像进行土地类型分类识别，提取不同时相的耕地信息；采用逻辑运算方法分析统计耕地信息的变化数据；根据提取的不同时相耕地信息，生成对应的耕地信息分布专题图。本发明基于高分卫星遥感数据实现了大范围、大尺度、短周期的耕地信息变化自动监测，为土地违规行为提供了执法依据，也为土地合理利用、生态环境保护提供了决策支持。
Description
技术领域
本发明涉及农业信息技术领域，具体来说，涉及一种基于高分卫星遥感数据的耕地变化监测方法及系统。
背景技术
近年来，由于我国经济发展、人口增长以及城市扩张等因素，大量耕地被占用，我国的耕地面积在持续减少，为了进一步保护耕地资源，减少耕地的非法侵占，国家制定了一系列关于耕地保护有关的政策和法规，以放缓耕地减少的速率，然而依靠传统的人工调查方法，无法对耕地变化情况进行实时准确的监测，耕地侵占情况时有发生，耕地保护效果并不乐观。遥感技术由于具有监测范围广、数据采集快速，节约成本等优点，现在已经被广泛应用于农作物信息快速提取中，为耕地面积变化监测提供了十分强大的技术支撑。因此本发明一种基于高分卫星遥感数据的耕地变化监测方法及系统，利用不同时相的高分遥感影像实现大范围、大尺度、短周期的耕地面积变化监测，为土地违规行为提供执法依据，也为土地合理利用、生态环境保护提供决策支持。
发明内容
本发明提出了一种基于高分卫星遥感数据的耕地变化监测方法及系统。
第一方面，提供了一种基于高分卫星遥感数据的耕地变化监测方法，包括以下步骤：
步骤a，遥感数据获取以及遥感影像预处理，根据研究区农作物生长的物候特征选择适宜时相的高分遥感数据，对不同时相的高分卫星遥感影像进行影像预处理，分别包括对影像的辐射定标、大气校正和正射校正，得到预处理后的不同时相的全色和多光谱遥感影像；
步骤b，地面实测数据获取，采用实地调查的形式收集和存储野外调查样地数据，包括研究区主要土地类型的名称以及地理坐标信息，根据获取的土地类型实测数据结合人工目视解译选取样本数据和验证数据；
步骤c，提取不同时相的耕地信息，运用面向对象分类方法和机器学习算法，结合上一步选取的地面实测样本数据对不同时相遥感影像进行土地类型分类识别，重点提取研究区耕地信息,并根据地面实测验证数据进行精度检验；
步骤d，分析统计耕地信息的变化数据，根据提取的不同时相耕地信息，采用逻辑运算的方法分析不同时相耕地面积变化情况，将其分为耕地面积增加、耕地面积减少以及耕地面积未变化三种类型；
步骤e,生成耕地信息分布专题图，根据提取的不同时相耕地信息，得出耕地不断减少；根据统计的耕地信息变化数据，生成对应的耕地变化监测专题图，供用户参考；
进一步的，所述步骤c中的机器学习算法包括最大似然法、支持向量机、神经网络、随机森林、决策树以及K最近邻算法。
进一步的所述步骤d中，逻辑运算的算法过程为：将遥感影像识别的土地类型分为耕地与非耕地，其中耕地均赋值为1，其余非耕地赋值为0；将前后两个时相的遥感影像分类结果进行减法运算，得到-1、0和1三种结果，分别对应于-1非耕地变为耕地即耕地增加、0即耕地未变化、1耕地变为非耕地即耕地减少。
第二方面，提供了一种基于高分卫星遥感数据的耕地变化监测系统，包括以下模块：
第一模块，遥感数据获取及影像预处理模块，该模块由高分遥感卫星信号收集器和数据存储处理系统组成，用于收集和存储目标区域不同时相的高分遥感影像，并对不同时相的遥感影像进行预处理，包括辐射定标、大气校正、正射校正和影像融合，得到预处理后的遥感影像；
第二模块，地面实测数据获取模块，地面实测数据获取模块由地理信息数据采集器组成，用于获取野外调查样地数据，研究区主要土地类型的名称以及地理坐标信息，作为下一个耕地信息提取模块的样本数据和验证数据；
第三模块，耕地信息提取模块，用于接收影像预处理模块预处理后的遥感影像以及地面实测数据获取模块的样本数据和验证数据，运用面向对象分类方法和机器学习算法对不同时相遥感影像进行土地类型分类识别和精度检验，提取研究区不同时相耕地信息；
第四模块，耕地信息变化分析统计模块，用于接收耕地信息提取模块的不同时相耕地信息，采用逻辑运算分析不同时相耕地面积变化情况，统计耕地面积增加、耕地面积减少以及耕地面积不变三种类型的耕地信息变化数据；
第五模块,耕地信息分布显示模块，用于接收耕地信息变化分析统计模块得到的耕地信息变化结果是不断减少；
进一步，所述第三模块中的机器学习算法包括最大似然法、支持向量机、神经网络、随机森林、决策树以及K最近邻算法。
进一步，所述第四模块中，逻辑运算的算法过程为：将遥感影像识别的土地类型分为耕地与非耕地，其中耕地均赋值为1，其余非耕地赋值为0；将前后两个时相的遥感影像分类结果进行减法运算，得到-1、0和1三种结果，分别对应于-1非耕地变为耕地即耕地增加、0即耕地未变化、1耕地变为非耕地即耕地减少。
本发明一种基于高分卫星遥感数据的耕地变化监测方法及系统，利用不同时相的高分遥感影像，采用面向对象和机器学习算法对耕地信息进行大范围、大尺度的面积变化自动监测，有效提高了耕地信息变化的识别精度，为土地违规行为提供执法依据，也为土地合理利用、生态环境保护提供决策支持。
附图说明
图1为本发明实施例的方法技术路线图；
图2为本发明监测到的研究区耕地违规侵占影像图；
图3为本发明系统模块功能示意图。
具体实施方式
下面结合附图和具体实施实例对本发明做进一步说明。
本发明的实施实例是基于高分一号遥感数据，对2015年和2017年研究区的耕地变化情况进行监测，技术路线参照图1，具体步骤如下：
步骤a，研究区遥感数据获取以及遥感影像预处理，根据研究区农作物生长的物候特征选择2015年6月和2017年6月时相的高分一号遥感数据，对不同时相的高分一号遥感影像进行影像预处理，分别包括对影像的辐射定标、大气校正和正射校正，得到预处理后的不同时相的全色和多光谱遥感影像；
步骤b，研究区地面实测数据获取，采用实地调查的形式收集和存储野外调查样地数据，包括研究区主要土地类型的名称(耕地、林地、建筑用地、道路、水域)以及地理坐标信息，根据获取的土地类型实测数据结合人工目视解译选取样本数据和验证数据；
步骤c，提取研究区不同时相的耕地信息，运用面向对象法和最大似然分类法，结合上一步选取的地面实测样本数据对2015年6月和2017年6月时相的遥感影像进行土地类型分类识别，将研究区土地类型划分为耕地、林地、建筑用地、道路、水域和其它六大类，并根据地面实测验证数据进行精度检验，总体分类精度均在95％以上；接着重点提取研究区耕地信息,并将林地、建筑用地、道路、水域和其它五类统一划为非耕地，不同时相的研究区土地类型均被划分为耕地和非耕地两种类型，以便进行下一步的耕地信息变化分析；
步骤d，分析统计研究区耕地信息的变化数据，根据提取的2015年和2017年耕地信息，采用逻辑运算的方法分析2015年和2017年耕地面积变化情况，将其分为耕地面积增加、耕地面积减少以及耕地面积未变化三种类型。逻辑运算的算法过程为：将遥感影像识别的土地类型分为耕地与非耕地，其中耕地均赋值为1，其余非耕地赋值为0；将前后两个时相的遥感影像分类结果进行减法运算，得到-1、0和1三种结果，分别对应于-1非耕地变为耕地即耕地增加、0即耕地未变化、1耕地变为非耕地即耕地减少；
步骤e,得到耕地面积减少，可以为耕地违规侵占行为提供执法依据，如图2；
具体实施时，本发明所提供方法是可以通过内置于计算机、服务器内的软件、硬件或软硬件结合的系统以模块化的方式实现，本发明还提供了一种基于高分卫星遥感数据的耕地变化监测系统，系统模块功能示意图如图3，具体实施包括以下模块：
第一模块，遥感数据获取及影像预处理模块，该模块由高分遥感卫星信号收集器和数据存储处理系统组成，在本发明实施例中用于收集和存储研究区2015年6月和2017年6月时相的高分一号遥感影像，并对不同时相的遥感影像进行预处理，包括辐射定标、大气校正、正射校正和影像融合，得到预处理后的遥感影像；
第二模块，地面实测数据获取模块，地面实测数据获取模块由地理信息数据采集器组成，在本发明实施例中用于获取研究区野外调查样地数据，研究区主要土地类型的名称(耕地、林地、建筑用地、道路、水域)以及地理坐标信息，作为下一个耕地信息提取模块的样本数据和验证数据；
第三模块，耕地信息提取模块，在本发明实施例中用于接收影像预处理模块预处理后的高分一号遥感影像以及地面实测数据获取模块的研究区样本数据和验证数据，运用面向对象方法和最大似然分类法对2015年6月和2017年6月时相的遥感影像进行土地类型分类识别，提取耕地信息将研究区划分为耕地和非耕地两种类型，对分类结果进行精度检验，总体分类精度均在95％以上；
第四模块，耕地信息变化分析统计模块，在本发明实施例中用于接收耕地信息提取模块的2015年6月和2017年6月时相的耕地信息，采用逻辑运算分析不同时相耕地面积变化情况，统计耕地面积增加、耕地面积减少以及耕地面积不变三种类型的耕地信息变化数据。逻辑运算的算法过程为：将遥感影像识别的土地类型分为耕地与非耕地，其中耕地均赋值为1，其余非耕地赋值为0；将前后两个时相的遥感影像分类结果进行减法运算，得到-1、0和1三种结果，分别对应于-1非耕地变为耕地即耕地增加、0即耕地未变化、1耕地变为非耕地即耕地减少；
第五模块,耕地信息分布显示模块，在本发明实施例中用于接收耕地信息变化分析统计模块得到的研究区耕地信息变化结果并生成专题图呈现给用户不断减少，可以为耕地违规侵占行为提供执法依据，如图2。
本发明一种基于高分卫星遥感数据的耕地变化监测方法及系统，利用不同时相的高分遥感影像，采用面向对象和机器学习算法对耕地信息进行大范围、大尺度的面积变化自动监测，有效提高了耕地信息变化的识别精度，为土地违规行为提供执法依据，也为土地合理利用、生态环境保护提供决策支持。
以上所述，仅为本发明的具体实施方式，但本发明并不仅限于说明书和实施方式中所例运用，任何本领域的技术人员在不脱离本发明揭露的技术范围内，相对于上述实施例进行各种推演、修改和替换仍属于本发明所保护的范围，因此本发明的保护范围以权利要求书所界定的为准。
Claims (6)
1.一种基于高分卫星遥感数据的耕地变化监测方法，其特征在于，包括以下步骤：
步骤a，遥感数据获取以及遥感影像预处理，根据研究区农作物生长的物候特征选择适宜时相的高分遥感数据，对不同时相的高分卫星遥感影像进行影像预处理，分别包括对影像的辐射定标、大气校正和正射校正，得到预处理后的不同时相的全色和多光谱遥感影像；
步骤b，地面实测数据获取，采用实地调查的形式收集和存储野外调查样地数据，包括研究区主要土地类型的名称以及地理坐标信息，根据获取的土地类型实测数据结合人工目视解译选取样本数据和验证数据；
步骤c，提取不同时相的耕地信息，运用面向对象分类方法和机器学习算法，结合上一步选取的地面实测样本数据对不同时相遥感影像进行土地类型分类识别，重点提取研究区耕地信息，并根据地面实测验证数据进行精度检验；
步骤d，分析统计耕地信息的变化数据，根据提取的不同时相耕地信息，采用逻辑运算的方法分析不同时相耕地面积变化情况，将其分为耕地面积增加、耕地面积减少以及耕地面积未变化三种类型；
步骤e,生成耕地信息分布专题图，根据提取的不同时相耕地信息，得出耕地不断减少，根据统计的耕地信息变化数据，生成对应的耕地变化监测专题图，供用户参考。
2.根据权利要求1所述的一种基于高分卫星遥感数据的耕地变化监测方法，其特征在于，所述步骤c中的机器学习算法包括最大似然法、支持向量机、神经网络、随机森林、决策树以及K最近邻算法。
3.根据权利要求1所述的一种基于高分卫星遥感数据的耕地变化监测方法，其特征在于，所述步骤d中，逻辑运算的算法过程为：将遥感影像识别的土地类型分为耕地与非耕地，其中耕地均赋值为1，其余非耕地赋值为0，将前后两个时相的遥感影像分类结果进行减法运算，得到-1、0和1三种结果，分别对应于-1非耕地变为耕地即耕地增加、0即耕地未变化、1耕地变为非耕地即耕地减少。
4.一种基于高分卫星遥感数据的耕地变化监测系统，其特征在于，包括以下模块：
第一模块，遥感数据获取及影像预处理模块，该模块由高分遥感卫星信号收集器和数据存储处理系统组成，用于收集和存储目标区域不同时相的高分遥感影像，并对不同时相的遥感影像进行预处理，包括辐射定标、大气校正、正射校正和影像融合，得到预处理后的遥感影像；
第二模块，地面实测数据获取模块，地面实测数据获取模块由地理信息数据采集器组成，用于获取野外调查样地数据，研究区主要土地类型的名称以及地理坐标信息，作为下一个耕地信息提取模块的样本数据和验证数据；
第三模块，耕地信息提取模块，用于接收影像预处理模块预处理后的遥感影像以及地面实测数据获取模块的样本数据和验证数据，运用面向对象分类方法和机器学习算法对不同时相遥感影像进行土地类型分类识别和精度检验，提取研究区不同时相耕地信息；
第四模块，耕地信息变化分析统计模块，用于接收耕地信息提取模块的不同时相耕地信息，采用逻辑运算分析不同时相耕地面积变化情况，统计耕地面积增加、耕地面积减少以及耕地面积不变三种类型的耕地信息变化数据；
第五模块,耕地信息分布显示模块，用于接收耕地信息变化分析统计模块得到的耕地信息变化结果是不断减少，包括对应时相的耕地面积分布专题图、对应的耕地变化监测专题图，供用户参考。
5.根据权利要求4所述的一种基于高分卫星遥感数据的耕地变化监测系统，所述第三模块中的机器学习算法包括最大似然法、支持向量机、神经网络、随机森林、决策树以及K最近邻算法。
6.根据权利要求4所述的一种基于高分卫星遥感数据的耕地变化监测系统，所述第四模块中，逻辑运算的算法过程为：将遥感影像识别的土地类型分为耕地与非耕地，其中耕地均赋值为1，其余非耕地赋值为0，将前后两个时相的遥感影像分类结果进行减法运算，得到-1、0和1三种结果，分别对应于-1非耕地变为耕地即耕地增加、0即耕地未变化、1耕地变为非耕地即耕地减少。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811416853.8A CN109344810A (zh) | 2018-11-26 | 2018-11-26 | 一种基于高分卫星遥感数据的耕地变化监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811416853.8A CN109344810A (zh) | 2018-11-26 | 2018-11-26 | 一种基于高分卫星遥感数据的耕地变化监测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109344810A true CN109344810A (zh) | 2019-02-15 |
Family
ID=65317900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811416853.8A Pending CN109344810A (zh) | 2018-11-26 | 2018-11-26 | 一种基于高分卫星遥感数据的耕地变化监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109344810A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298322A (zh) * | 2019-07-02 | 2019-10-01 | 北京师范大学 | 一种基于遥感数据的耕地提取方法及系统 |
| CN111259727A (zh) * | 2019-12-12 | 2020-06-09 | 中国资源卫星应用中心 | 基于遥感数据的秋收主要农作物信息提取方法及系统 |
| CN111783686A (zh) * | 2020-07-03 | 2020-10-16 | 中国交通通信信息中心 | 一种沥青路面健康状态监测系统和方法 |
| CN112100301A (zh) * | 2020-08-30 | 2020-12-18 | 山东锋士信息技术有限公司 | 一种利用高分遥感技术实现水域岸线动态监测的方法 |
| CN112330700A (zh) * | 2020-11-16 | 2021-02-05 | 四川航天神坤科技有限公司 | 一种卫星影像的耕地地块提取方法 |
| CN113834691A (zh) * | 2021-09-17 | 2021-12-24 | 西安中科西光航天科技有限公司 | 一种基于卫星遥感土壤监测装置 |
| CN113902580A (zh) * | 2021-10-18 | 2022-01-07 | 四川农业大学 | 一种基于随机森林模型的历史耕地分布重建方法 |
| CN113989657A (zh) * | 2021-10-11 | 2022-01-28 | 中国测绘科学研究院 | 基于不变信息样本筛选的耕地范围变化检测方法及装置 |
| CN115631421A (zh) * | 2022-12-23 | 2023-01-20 | 北京瞭望神州科技有限公司 | 耕地智慧保护方法及保护系统 |
| CN117746259A (zh) * | 2024-02-19 | 2024-03-22 | 湖南省第二测绘院 | 一种基于地图引擎的耕地监管方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093233A (zh) * | 2012-12-03 | 2013-05-08 | 中国环境科学研究院 | 一种基于面向对象的高分辨率遥感影像森林分类方法 |
| CN104063718A (zh) * | 2014-04-01 | 2014-09-24 | 中国科学院遥感与数字地球研究所 | 在作物识别和面积估算中选择遥感数据和分类算法的方法 |
| CN104239890A (zh) * | 2014-08-12 | 2014-12-24 | 浙江工商大学 | 高分1号卫星的沿岸陆地土地覆被信息自动提取的方法 |
| CN106683096A (zh) * | 2017-01-25 | 2017-05-17 | 中国科学院寒区旱区环境与工程研究所 | 基于卫星遥感影像的冻土灾害信息提取方法及装置 |
| CN106682625A (zh) * | 2016-12-29 | 2017-05-17 | 中国科学院深圳先进技术研究院 | 耕地信息的更新方法及系统 |
-
2018
- 2018-11-26 CN CN201811416853.8A patent/CN109344810A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093233A (zh) * | 2012-12-03 | 2013-05-08 | 中国环境科学研究院 | 一种基于面向对象的高分辨率遥感影像森林分类方法 |
| CN104063718A (zh) * | 2014-04-01 | 2014-09-24 | 中国科学院遥感与数字地球研究所 | 在作物识别和面积估算中选择遥感数据和分类算法的方法 |
| CN104239890A (zh) * | 2014-08-12 | 2014-12-24 | 浙江工商大学 | 高分1号卫星的沿岸陆地土地覆被信息自动提取的方法 |
| CN106682625A (zh) * | 2016-12-29 | 2017-05-17 | 中国科学院深圳先进技术研究院 | 耕地信息的更新方法及系统 |
| CN106683096A (zh) * | 2017-01-25 | 2017-05-17 | 中国科学院寒区旱区环境与工程研究所 | 基于卫星遥感影像的冻土灾害信息提取方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 张航,: "遥感信息变化检测技术应用研究", 《基础科学辑》, vol. 2014, no. 10, pages 8 - 9 * |
| 张银辉等: "垦利县耕地利用动态监测研究", 自然资源学报, vol. 16, no. 6 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298322A (zh) * | 2019-07-02 | 2019-10-01 | 北京师范大学 | 一种基于遥感数据的耕地提取方法及系统 |
| CN110298322B (zh) * | 2019-07-02 | 2021-05-14 | 北京师范大学 | 一种基于遥感数据的耕地提取方法及系统 |
| CN111259727A (zh) * | 2019-12-12 | 2020-06-09 | 中国资源卫星应用中心 | 基于遥感数据的秋收主要农作物信息提取方法及系统 |
| CN111783686A (zh) * | 2020-07-03 | 2020-10-16 | 中国交通通信信息中心 | 一种沥青路面健康状态监测系统和方法 |
| CN112100301A (zh) * | 2020-08-30 | 2020-12-18 | 山东锋士信息技术有限公司 | 一种利用高分遥感技术实现水域岸线动态监测的方法 |
| CN112330700A (zh) * | 2020-11-16 | 2021-02-05 | 四川航天神坤科技有限公司 | 一种卫星影像的耕地地块提取方法 |
| CN113834691A (zh) * | 2021-09-17 | 2021-12-24 | 西安中科西光航天科技有限公司 | 一种基于卫星遥感土壤监测装置 |
| CN113989657A (zh) * | 2021-10-11 | 2022-01-28 | 中国测绘科学研究院 | 基于不变信息样本筛选的耕地范围变化检测方法及装置 |
| CN113989657B (zh) * | 2021-10-11 | 2024-05-10 | 中国测绘科学研究院 | 基于不变信息样本筛选的耕地范围变化检测方法及装置 |
| CN113902580A (zh) * | 2021-10-18 | 2022-01-07 | 四川农业大学 | 一种基于随机森林模型的历史耕地分布重建方法 |
| CN113902580B (zh) * | 2021-10-18 | 2023-04-07 | 四川农业大学 | 一种基于随机森林模型的历史耕地分布重建方法 |
| CN115631421A (zh) * | 2022-12-23 | 2023-01-20 | 北京瞭望神州科技有限公司 | 耕地智慧保护方法及保护系统 |
| CN117746259A (zh) * | 2024-02-19 | 2024-03-22 | 湖南省第二测绘院 | 一种基于地图引擎的耕地监管方法及系统 |
| CN117746259B (zh) * | 2024-02-19 | 2024-05-03 | 湖南省第二测绘院 | 一种基于地图引擎的耕地监管方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109344810A (zh) | 一种基于高分卫星遥感数据的耕地变化监测方法及系统 | |
| Martins et al. | Mapping invasive alien Acacia dealbata Link using ASTER multispectral imagery: A case study in central-eastern of Portugal | |
| Singh et al. | Multitemporal spectral analysis for cheatgrass (Bromus tectorum) classification | |
| Tassinari et al. | Wide-area spatial analysis: A first methodological contribution for the study of changes in the rural built environment | |
| Shiu et al. | Mapping paddy rice agriculture in a highly fragmented area using a geographic information system object-based post classification process | |
| Cillis et al. | Integrating remote-sensed and historical geodata to assess interactions between rural buildings and agroforestry land | |
| Wang et al. | Understory bamboo discrimination using a winter image | |
| Coulter et al. | Comparison of high spatial resolution imagery for efficient generation of GIS vegetation layers | |
| Franklin | Land cover stratification using Landsat Thematic Mapper data in Sahelian and Sudanian woodland and wooded grassland | |
| Haines-Young | The use of remotely-sensed satellite imagery for landscape classification in Wales (UK) | |
| Albuquerque et al. | Remotely piloted aircraft imagery for automatic tree counting in forest restoration areas: a case study in the Amazon | |
| Teodoro et al. | Exploration of the OBIA methods available in SPRING non-commercial software to UAV data processing | |
| WO2023131949A1 (en) | A versatile crop yield estimator | |
| Swetanisha et al. | Change detection using machine learning models: a case study on the Puri District of Odisha, India | |
| Ali et al. | Comparative performance analysis of a hyper-temporal NDVI analysis approach and a landscape-ecological mapping approach | |
| Rufino et al. | Targeting landscapes to identify mitigation options in smallholder agriculture | |
| Diem et al. | Assessing the applicability of Fusion Landsat-MODIS data for mapping agricultural land use-A case study in An Giang Province | |
| Gaffney et al. | Satellite imagery and GIS applications in Mediterranean landscapes | |
| do Amaral et al. | Geoprocessing Applied to Crop Management | |
| Unal et al. | Determining major orchard (pistachio, olive, vineyard) areas in Gaziantep Province using remote sensing techniques | |
| Younis et al. | Land Cover Classification Using Remote Sensing in Amadiyah Province | |
| Nabi et al. | Assessment of land cover changes due to anthropogenic causes in the mountainous area of Ishkoman Watershed, Gilgit, Pakistan | |
| Dunwoody | Scaling effects on landscape function analysis of rangelands using remotely sensed imagery | |
| Okhandiar et al. | Neighbourhood Corrrelation Image Analysis Technique for Change Detection in Forest Landscape | |
| Shayle et al. | Phenological Diversity Trends with Remote Sensing Datacubes |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190215 |
|
| WD01 | Invention patent application deemed withdrawn after publication |