CN109374564A - 一种多源遥感数据城市不透水面提取方法 - Google Patents

一种多源遥感数据城市不透水面提取方法 Download PDF

Info

Publication number
CN109374564A
CN109374564A CN201810950338.1A CN201810950338A CN109374564A CN 109374564 A CN109374564 A CN 109374564A CN 201810950338 A CN201810950338 A CN 201810950338A CN 109374564 A CN109374564 A CN 109374564A
Authority
CN
China
Prior art keywords
remote sensing
image
end member
impervious surface
landsat
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
Application number
CN201810950338.1A
Other languages
English (en)
Inventor
许剑辉
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.)
Guangzhou Institute of Geography of GDAS
Original Assignee
Guangzhou Institute of Geography of GDAS
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 Guangzhou Institute of Geography of GDAS filed Critical Guangzhou Institute of Geography of GDAS
Priority to CN201810950338.1A priority Critical patent/CN109374564A/zh
Publication of CN109374564A publication Critical patent/CN109374564A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
    • 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
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • 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
    • G01N2021/1765—Method using an image detector and processing of image signal
    • 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

  • 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)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种多源遥感数据城市不透水面提取方法，针对现有的线性光谱解混模型的端元选择精度不高的问题，本发明采用更高空间分辨率的Sentinel‑2A遥感影像选择高精度的端元，然后利用线性光谱解混模型对Landsat‑8OLI影像数据进行端元解算，得到各端元的比例，最后结合Otsu方法提取的建筑物影像对线性光谱解混结果进行优化处理，生成高精度的城市不透水面盖度。

Description

一种多源遥感数据城市不透水面提取方法
技术领域
本发明涉及遥感测量技术领域，具体涉及一种多源遥感数据城市不透水面提取方法。
背景技术
近年来城市扩展使得土地利用发生了翻天覆地的变化，不透水面的急剧增加，逐步取代了以植被为主的地表自然景观，给生态环境带来了明显的负面影响，如改变了地表径流方式，增加了暴雨天气下城市内涝风险。因此，如何及时快速地提取高分辨率、高精度的不透水面空间分布信息，是城市规划、环境保护亟待解决的现实问题，对城市生态环境、水文气候的研究具有非常重要的意义。遥感以其快速、大范围、多尺度、可重复的对地观测优势为解决这一问题提供了很好的解决方案。目前为止，不透水面遥感提取研究取得了长足的发展，多种不透水面遥感提取的新技术与新方法被提出，包括光谱混合分析法、指数法、回归模型法与基于分类的方法。线性光谱解混方法是当前广为使用的不透水面遥感提取方法，已成功应用于中低空间分辨率的遥感影像(Landsat、MODIS)提取城市不透水面盖度。
目前常用的线性光谱解混模型已成功应用于中低空间分辨率的遥感影像(Landsat、MODIS)提取城市不透水面盖度。然而，由于人为、地表材质等因素的影响使得部分端元分量的估计出现误差，导致LSMA模型求解时误差增；此外，在森林区域，有少量不透水面如个别房屋等高反照率地物，在端元选取时容易被忽略，影响端元选取的准确度；另外有些区域像元反照率比较低，如植被，裸土等，对不透水面中低反照率部分的影响较大。因此，线性光谱解混结果中，低反照率地物会出现在较暗的透水面上，而低反照率的比例对不透水面、植被和土壤盖度提取结果影响很大。
发明内容
针对现有技术的不足，本发明的目的旨在提供一种多源遥感数据城市不透水面提取方法，以提取高精度的城市不透水面盖度。
为实现上述目的，本发明采用如下技术方案：
一种多源遥感数据城市不透水面提取方法，包括：
(1)对Landsat-8 OLI和Sentinel-2A MSI遥感影像进行数据预处理，包括大气校正、辐射校正、几何校正等；接着结合10-m空间分辨率的Sentinel-2A遥感影像选取合适的纯净像元作为端元；结合提取的10-m分辨率的端元信息与30-m分辨率的Landsat-8 OLI各波段反射率数据，利用线性光谱解混模型进行求解，得到30-m分辨率的低反照率、高反照率、植被和土壤端元盖度；
(2)结合Landsat-8 OLI影像的中红外波段和近红外波段光谱反射率计算NDBI(归一化建筑物指数)，利用Otsu方法计算NDBI的阈值，自动提取区分建筑物和非建筑物像元的阈值，从而得到建筑物影像；
(3)结合建筑物影像，对低反照率盖度影像进行处理；如果此像元为建筑物像元，则此像元对应的低反照率盖度属于低反照率不透水面盖度；最后将低反照率不透水面盖度与高反照率盖度进行相加得到高精度的城市不透水面盖度。
所述线性光谱解混模型为：
式中i＝1,2…,M，M为光谱波段数；n为地物端元数目；Ri是波段i的反射率，fk是端元k在像元中所占的面积比例，Rik波段i的第k个端元的光谱反射率，ERi是波段i的残差；对Landsat 8 OLI影像首先利用改进的归一化水体指数去除水体，然后在此基础上结合Sentinel-2A选择的土壤、植被、高反照率和低反照率四个端元作为解混对象，采用最小二乘法求解各端元所占的比例，且线性光谱解混的求解必须满足以下的条件：
所述归一化建筑物指数NDBI为：
NDBI＝(MIR-NIR)/(MIR+NIR) (3)
式中：MIR为Landsat 8 OLI影像的中红外波段光谱反射率，NIR为Landsat 8 OLI影像近红外波段光谱反射率。
所述预处理包括大气校正、辐射校正、几何校正
本发明的有益效果在于：
针对现有的线性光谱解混模型的端元选择精度不高的问题，本发明采用更高空间分辨率的Sentinel-2A遥感影像选择高精度的端元，然后利用线性光谱解混模型对Landsat-8 OLI影像数据进行端元解算，得到各端元的比例，最后结合Otsu方法提取的建筑物影像对线性光谱解混结果进行优化处理，生成高精度的城市不透水面盖度。
附图说明
图1为本发明实施例提供的多源遥感数据城市不透水面提取方法的流程原理图；
图2为Sentinel-2A和Landsat-8提取的各端元光谱特征曲线图；
图3为基于Sentinel-2A遥感影像的线性光谱解混结果图：(a)高反照率；(b)土壤；(c)低反照率；(d)植被；
图4为不同方法提取的城市不透水面盖度图：(a)基于Landsat-8遥感影像提取的不透水面；(b)基于Sentinel-2A遥感影像提取的不透水面盖度；(c)基于Sentinel-2A遥感影像与NDBI提取的不透水面盖度。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述：
针对现有的线性光谱解混模型的端元选择精度不高的问题，本发明采用更高空间分辨率的Sentinel-2A遥感影像选择高精度的端元，然后利用线性光谱解混模型对Landsat-8 OLI影像数据进行端元解算，得到各端元的比例，最后结合Otsu方法提取的建筑物影像对线性光谱解混结果进行优化处理，生成高精度的城市不透水面盖度。以下将结合附图1对本专利的具体实施进行详细阐述：
(1)基于线性光谱解混模型的各端元盖度计算
本专利采用的是Sentinel-2A MSI和Landsat-8 OLI遥感影像数据。Landsat-8OLI遥感影像由由美国联邦地质调查局地球资源观测与科学中心(https://espa.cr.usgs.gov/)提供注册下载；Sentinel-2A MSI遥感影像由哥白尼开放获取中心提供下载(https://scihub.copernicus.eu/)。分别利用ENVI和SNAP软件对Landsat-8 OLI和Sentinel-2A MSI遥感影像进行大气校正、辐射校正等预处理，得到不同波段的反射率数据。
结合高分辨率的Sentinel-2A MSI遥感数据，利用ENVI软件的n维可视化工具定位、识别、聚集数据集中最纯的像元，从而获取高精度的纯净的端元波谱。提取的Sentinel-2A和Landsat-8 OLI遥感影像各端元的光谱特征曲线如图2所示。
由图2可以看出，Landsat-8遥感影像提取的植被、高反照率和土壤的光谱会相交，很难将它们较好地区分；而利用更高空间分辨率的Sentinel-2A遥感影像提取的端元，其光谱特征曲线没有交集，可以较好地区分植被、高反照率、土壤。
结合Sentinel-2A遥感影像提取的高精度纯净端元，利用线性光谱解混模型对Landsat-8的各波段反射率进行求解各端元比例。线性光谱解混模型(LSMA)假设影像每个像元的反射率由该像元所有地物端元的反射率及其所占面积比例为权重系数的线性组合，其表达式为：
式中i＝1,2…,M，M为光谱波段数；n为地物端元数目。Ri是波段i的反射率，fk是端元k在像元中所占的面积比例，Rik波段i的第k个端元的光谱反射率，ERi是波段i的残差。对Landsat 8 OLI影像首先利用改进的归一化水体指数(MNDWI)去除水体，然后在此基础上结合Sentinel-2A选择的土壤、植被、高反照率和低反照率四个端元作为解混对象，采用最小二乘法求解各端元所占的比例，且线性光谱解混的求解必须满足以下的条件：
结合高空间分辨率的Sentinel-2A遥感影像选择的高精度端元，利用线性光谱解混模型估计Landsat-8遥感影像各端元的盖度，其结果如图3所示。
(2)建筑物像元影像提取
首先利用Landsat-8遥感影像的中红外和近红外波段反射率计算归一化建筑物指数(NDBI)：
NDBI＝(MIR-NIR)/(MIR+NIR) (3)
式中：MIR为Landsat 8 OLI影像的中红外波段光谱反射率，；NIR为Landsat 8 OLI影像近红外波段光谱反射率。
在此基础上，在归一化建筑物指数中利用Otsu方法自动提取区分非建筑物和建筑物的阈值，得到建筑物像元影像。Otsu方法是由OTSU于1979年提出的一种对图像进行二值化的高效方法。该方法将影像按灰度级分为目标像元和背景像元两类，通过计算数理统计意义内的最大类间方差来确定阈值达到最佳分离效果，其数学表达式如下：
式中，σ为NDBI影像的类内方差，M是NDBI影像的平均值；Pnu和Pu分别为非建筑物和建筑物像元的比例；Mnu和Mu为NDBI影像中非建筑物和建筑物像元的平均值；t为最优阈值。
(3)高精度不透水面盖度提取
结合前面提取的建筑物影像对线性光谱解混结果进行优化处理：如果该像元为建筑物像元，那么该像元对应的低反照率盖度属于低反照率不透水面盖度；最后将低反照率不透水面盖度与高反照率盖度进行相加得到高精度的城市不透水面盖度，其结果如图4所示。
图4为不同方法提取的城市不透水面盖度：(a)基于Landsat-8遥感影像提取的不透水面；(b)基于Sentinel-2A遥感影像提取的不透水面盖度；(c)基于Sentinel-2A遥感影像与NDBI提取的不透水面盖度。
利用决定系数、均方根误差和评价绝对误差分别三个方法提取的城市不透水面盖度进行精度评价，如表1所示。
表1精度评价
从表1可以看出，基于Sentinel-2A遥感影像与NDBI提取的不透水面盖度平均绝对误差仅有0.089，均方根误差为0.120，决定系数达到了0.882，其精度优于基于Landsat-8遥感影像提取的不透水面和基于Sentinel-2A遥感影像提取的不透水面盖度。总的来说，本发明提出的基于线性光谱解混模型的多源遥感数据城市不透水面提取方法能够提取高精度的城市不透水面盖度。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (4)

1.一种多源遥感数据城市不透水面提取方法，其特征在于，包括
对Landsat-8 OLI和Sentinel-2A MSI遥感影像进行数据预处理，以得到不同波段的反射率数据；
在Sentinel-2A MSI遥感影像中提取合适的的纯净像元作为端元；
结合在Sentinel-2A MSI遥感影像中所提取到的端元信息与Landsat-8 OLI各波段反射率数据，利用线性光谱解混模型对Landsat-8 OLI的各波段反射率进行求解，以得到低反照率、高反照率、植被和土壤端元盖度；
结合Landsat-8 OLI影像的中红外波段和近红外波段光谱反射率计算归一化建筑物指数NDBI，利用Otsu方法计算NDBI的阈值，自动提取区分建筑物和非建筑物像元的阈值，以得到建筑物影像；
结合建筑物影像，对低反照率盖度影像进行处理；如果此像元为建筑物像元，则此像元对应的低反照率盖度属于低反照率不透水面盖度；最后将低反照率不透水面盖度与高反照率盖度进行相加得到城市不透水面盖度。
2.如权利要求1所述的多源遥感数据城市不透水面提取方法，其特征在于，所述线性光谱解混模型为：
式中i＝1,2…,M，M为光谱波段数；n为地物端元数目；Ri是波段i的反射率，fk是端元k在像元中所占的面积比例，Rik波段i的第k个端元的光谱反射率，ERi是波段i的残差；对Landsat 8 OLI影像首先利用改进的归一化水体指数去除水体，然后在此基础上结合Sentinel-2A选择的土壤、植被、高反照率和低反照率四个端元作为解混对象，采用最小二乘法求解各端元所占的比例，且线性光谱解混的求解必须满足以下的条件：
且fk≥0 (2)
3.如权利要求1所述的多源遥感数据城市不透水面提取方法，其特征在于，所述归一化建筑物指数NDBI为：
NDBI＝(MIR-NIR)/(MIR+NIR) (3)
式中：MIR为Landsat 8 OLI影像的中红外波段光谱反射率，NIR为Landsat 8 OLI影像近红外波段光谱反射率。
4.如权利要求1所述的多源遥感数据城市不透水面提取方法，其特征在于，所述预处理包括大气校正、辐射校正、几何校正。
CN201810950338.1A 2018-08-20 2018-08-20 一种多源遥感数据城市不透水面提取方法 Pending CN109374564A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810950338.1A CN109374564A (zh) 2018-08-20 2018-08-20 一种多源遥感数据城市不透水面提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810950338.1A CN109374564A (zh) 2018-08-20 2018-08-20 一种多源遥感数据城市不透水面提取方法

Publications (1)

Publication Number Publication Date
CN109374564A true CN109374564A (zh) 2019-02-22

Family

ID=65403980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810950338.1A Pending CN109374564A (zh) 2018-08-20 2018-08-20 一种多源遥感数据城市不透水面提取方法

Country Status (1)

Country Link
CN (1) CN109374564A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110060292A (zh) * 2019-04-03 2019-07-26 广州地理研究所 一种基于多尺度融合的土地利用面积计算方法
CN110147746A (zh) * 2019-05-09 2019-08-20 武汉大学 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统
CN110991705A (zh) * 2019-11-15 2020-04-10 广州地理研究所 一种基于深度学习的城市扩展预测方法及系统
CN111275631A (zh) * 2020-01-08 2020-06-12 中国科学院东北地理与农业生态研究所 一种遥感影像提取城市水体时消除阴影干扰的方法
CN111368261A (zh) * 2020-03-19 2020-07-03 重庆邮电大学 一种基于大气校正对不透水面指数的定量定性描述方法
CN111611965A (zh) * 2020-05-29 2020-09-01 中国水利水电科学研究院 一种基于Sentinel-2影像的陆表水体提取方法
CN111928970A (zh) * 2020-06-30 2020-11-13 广州地理研究所 地物类型对地表温度的影响关系获取方法
CN112729145A (zh) * 2020-12-21 2021-04-30 兰州大学 一种确定滑坡位移与库区水位波动关系的方法
CN113191328A (zh) * 2021-05-26 2021-07-30 辽宁工程技术大学 一种基于lsma-ibai综合指数的不透水面提取方法
CN114913431A (zh) * 2022-05-18 2022-08-16 湖南工程职业技术学院 一种城市不透水面覆盖度的计算方法
CN115711855A (zh) * 2022-11-21 2023-02-24 广州市城市规划勘测设计研究院 一种不透水面的提取方法、装置、终端设备以及存储介质
CN114913431B (zh) * 2022-05-18 2024-05-31 湖南工程职业技术学院 一种城市不透水面覆盖度的计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208118A (zh) * 2013-03-25 2013-07-17 河海大学 一种高光谱遥感影像端元提取方法
CN103824077A (zh) * 2014-03-17 2014-05-28 武汉大学 一种基于多源遥感数据的城市不透水层率息提取方法
CN104217426A (zh) * 2014-08-18 2014-12-17 中国科学院东北地理与农业生态研究所 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208118A (zh) * 2013-03-25 2013-07-17 河海大学 一种高光谱遥感影像端元提取方法
CN103824077A (zh) * 2014-03-17 2014-05-28 武汉大学 一种基于多源遥感数据的城市不透水层率息提取方法
CN104217426A (zh) * 2014-08-18 2014-12-17 中国科学院东北地理与农业生态研究所 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
XIUCHENG YANG等: "Mapping of Urban Surface Water Bodies from Sentinel-2 MSI Imagery at 10 m Resolution via NDWI-Based Image Sharpening", 《REMOTE SENSING》 *
程熙、吴炜，沈占锋著: "《多尺度的不透水面信息遥感提取方法与应用》", 30 November 2015 *
罗续业主编: "《海洋技术进展》", 31 July 2015 *
都瓦拉: "内蒙古草原火灾监测预警及评价研究", 《中国博士学位论文全文数据库》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110060292A (zh) * 2019-04-03 2019-07-26 广州地理研究所 一种基于多尺度融合的土地利用面积计算方法
CN110147746A (zh) * 2019-05-09 2019-08-20 武汉大学 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统
CN110147746B (zh) * 2019-05-09 2020-11-17 武汉大学 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统
CN110991705A (zh) * 2019-11-15 2020-04-10 广州地理研究所 一种基于深度学习的城市扩展预测方法及系统
CN110991705B (zh) * 2019-11-15 2023-07-11 南方海洋科学与工程广东省实验室(广州) 一种基于深度学习的城市扩展预测方法及系统
CN111275631A (zh) * 2020-01-08 2020-06-12 中国科学院东北地理与农业生态研究所 一种遥感影像提取城市水体时消除阴影干扰的方法
CN111368261A (zh) * 2020-03-19 2020-07-03 重庆邮电大学 一种基于大气校正对不透水面指数的定量定性描述方法
CN111611965A (zh) * 2020-05-29 2020-09-01 中国水利水电科学研究院 一种基于Sentinel-2影像的陆表水体提取方法
CN111928970B (zh) * 2020-06-30 2022-06-03 广州地理研究所 地物类型对地表温度的影响关系获取方法
CN111928970A (zh) * 2020-06-30 2020-11-13 广州地理研究所 地物类型对地表温度的影响关系获取方法
CN112729145A (zh) * 2020-12-21 2021-04-30 兰州大学 一种确定滑坡位移与库区水位波动关系的方法
CN112729145B (zh) * 2020-12-21 2022-03-11 兰州大学 一种确定滑坡位移与库区水位波动关系的方法
CN113191328A (zh) * 2021-05-26 2021-07-30 辽宁工程技术大学 一种基于lsma-ibai综合指数的不透水面提取方法
CN114913431A (zh) * 2022-05-18 2022-08-16 湖南工程职业技术学院 一种城市不透水面覆盖度的计算方法
CN114913431B (zh) * 2022-05-18 2024-05-31 湖南工程职业技术学院 一种城市不透水面覆盖度的计算方法
CN115711855A (zh) * 2022-11-21 2023-02-24 广州市城市规划勘测设计研究院 一种不透水面的提取方法、装置、终端设备以及存储介质
CN115711855B (zh) * 2022-11-21 2024-05-17 广州市城市规划勘测设计研究院 一种不透水面的提取方法、装置、终端设备以及存储介质

Similar Documents

Publication Publication Date Title
CN109374564A (zh) 一种多源遥感数据城市不透水面提取方法
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
CN103971115B (zh) 一种基于NDVI和PanTex指数的新增建设用地图斑自动提取方法
Lu et al. Land cover classification in a complex urban-rural landscape with QuickBird imagery
CN103413151B (zh) 基于图正则低秩表示维数约简的高光谱图像分类方法
CN108830844B (zh) 一种基于多时相高分辨率遥感影像的设施蔬菜提取方法
CN105260729A (zh) 一种基于随机森林的卫星遥感影像云量计算方法
Rich et al. Detecting wind disturbance severity and canopy heterogeneity in boreal forest by coupling high-spatial resolution satellite imagery and field data
CN105335975B (zh) 基于低秩分解和直方图统计的极化sar图像分割方法
CN107564016B (zh) 一种集成地物光谱信息的多波段遥感图像分割及标记方法
CN104217440B (zh) 一种从遥感图像中提取建成区的方法
CN105389799B (zh) 基于素描图与低秩分解的sar图像目标检测方法
CN104463168B (zh) 一种基于遥感影像的空废宅基地信息自动提取方法
Poznanovic et al. An accuracy assessment of tree detection algorithms in juniper woodlands
CN104616015A (zh) 一种基于主被动遥感数据的农村居民点用地提取方法
CN106228130A (zh) 基于模糊自编码网络的遥感影像云检测方法
CN105405148B (zh) 一种结合树木阴影特征的遥感影像毛白杨识别方法
CN105590316A (zh) 面向对象的高分辨率遥感影像阴影提取方法
CN105513060A (zh) 一种视觉感知启发的高分辨率遥感图像分割方法
CN107121681B (zh) 基于高分卫星遥感数据的居民地提取系统
CN104573662B (zh) 一种云判方法和系统
CN102609721B (zh) 遥感影像的聚类方法
CN102063722B (zh) 基于主成份广义逆变换的图像变化检测方法
CN106096650B (zh) 基于收缩自编码器的sar图像分类方法
Xue et al. Flood monitoring by integrating normalized difference flood index and probability distribution of water bodies

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190222

RJ01 Rejection of invention patent application after publication