CN109491994B - Landsat-8卫星精选遥感数据集最简化筛选方法 - Google Patents
Landsat-8卫星精选遥感数据集最简化筛选方法 Download PDFInfo
- Publication number
- CN109491994B CN109491994B CN201811431701.5A CN201811431701A CN109491994B CN 109491994 B CN109491994 B CN 109491994B CN 201811431701 A CN201811431701 A CN 201811431701A CN 109491994 B CN109491994 B CN 109491994B
- Authority
- CN
- China
- Prior art keywords
- metadata
- remote sensing
- screening
- landsat
- satellite
- 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
Links
- 238000012216 screening Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013441 quality evaluation Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000009432 framing Methods 0.000 claims description 16
- 238000011160 research Methods 0.000 claims description 13
- 238000003384 imaging method Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 7
- 239000013589 supplement Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开Landsat‑8卫星精选遥感数据集最简化筛选方法，包括以下步骤：获取全局元数据检索结果、设定数据质量评价指标、筛选有效元数据集合、设定应用场景筛选阈值、筛选匹配元数据集合、判断匹配元数据集合是否唯一、比较陆地云覆盖量和整理精选遥感数据集清单。本发明在保证遥感影像数据质量的同时，避免了用户重复参与检索结果的筛选和过滤过程，操作简单方便，且本发明通过设定数据质量评价指标、设定应用场景筛选阈值、比较整景陆地云覆盖量等步骤，解决了传统遥感影像数据共享服务系统中存在的检索方式固定、检索结果冗余、检索质量不可控等问题，为提升遥感影像数据检索结果的精准度和效率提供了一种解决方案。
Description
技术领域
本发明涉及数据筛选方法领域，尤其涉及Landsat-8卫星精选遥感数据集最简化筛选方法。
背景技术
空间对地观测技术为地球系统科学研究提供了多时相、宽覆盖、立体化的遥感影像数据，使对整个地球系统行为的观测、理解、模拟和预测成为可能。通过卫星、航空等手段获取的遥感影像数据具有丰富的空间、时间与属性信息，已成为研究和解决全球变化、防灾减灾和可持续发展等关键问题的重要来源。目前，遥感影像数据检索方式包括：学科分类目录式检索、关键词匹配式检索和列表菜单式检索等。然而随着遥感影像存档数据量愈加庞大，用户从现有遥感卫星数据共享服务系统中获取的检索结果动辄几百条甚至上千条，需要二次人工筛选和过滤才能满足不同应用场景对数据服务的特性需求，严重影响了遥感影像数据的检索效率。因此，如何快速精准地从海量信息中筛选出高质量检索结果，显得尤为重要与迫切，因此，本发明提出Landsat-8卫星精选遥感数据集定制化筛选方法以解决现有技术中存在的问题。
发明内容
针对上述问题，本发明提出Landsat-8卫星精选遥感数据集最简化筛选方法，该方法将Landsat-8卫星精选遥感数据集最简化筛选的操作对象设定为研究区全局元数据检索结果，首先设定昼夜观测模式、传感器类型、地面控制点数量、整景云覆盖量等数据质量评价指标初步筛选出有效元数据集合；然后根据应用场景需求设定成像时间筛选阈值，以分幅格网行列编号相同的有效元数据集合为单元，两两比较并删除整景云覆盖量高值的元数据集合，得到整景云覆盖量最低值的匹配元数据集合；针对因整景云覆盖量相同导致部分格网单元内匹配元数据集合不唯一的情况，两两比较整景陆地云覆盖量低值但不删除匹配元数据集合的方法进一步补充优化，最后将标注数据质量可信度的匹配元数据集合整理成精选遥感数据集清单。
为了解决上述问题，本发明提出Landsat-8卫星精选遥感数据集最简化筛选方法，包括以下步骤：
步骤一：获取全局元数据检索结果
利用Landsat-8卫星遥感影像数据共享服务系统中提供的常规检索条件，获取研究区全局元数据检索结果。
步骤二：设定数据质量评价指标
基于步骤一中的研究区全局元数据检索结果，对Landsat-8卫星元数据结构和内容进行分析，设定数据质量评价指标。
步骤三：筛选有效元数据集合
基于步骤二中的数据质量评价指标，对研究区全局元数据检索结果进行初步筛选，得到满足数据质量评价指标的有效元数据集合。
步骤四：设定应用场景筛选阈值
基于步骤三中对Landsat-8卫星元数据结构和内容分析，设定应用场景下的元数据筛选类型和阈值。
步骤五：筛选匹配元数据集合
基于步骤四的应用场景筛选阈值，以分幅格网行列编号相同的有效元数据集合为单元进行遍历，两两比较并删除整景云覆盖量高值的元数据集合，并对整景云覆盖量最低值的元数据集合标注数据质量可信度。
步骤六：判断匹配元数据集合是否唯一
以分幅格网行列编号相同为单元进行遍历，判断该单元内匹配元数据集合是否唯一。当全部格网单元都存在唯一匹配元数据集合时，筛选过程结束。
步骤七：比较整景陆地云覆盖量
针对因整景陆地云覆盖量相同导致部分格网单元内匹配元数据集合不唯一的情况，采用两两比较整景陆地云覆盖量低值但不删除匹配元数据集合的方法进一步补充优化，并修改整景陆地云覆盖量最低的匹配元数据集合的数据质量可信度。
步骤八：整理精选遥感数据集清单
将步骤六和步骤七中的匹配元数据集合整理为Landsat-8卫星精选遥感数据集清单。
进一步改进在于：所述步骤一中，Landsat-8卫星全局元数据检索结果包括卫星类型、传感器类型、空间分辨率、成像时间、地面控制点数量、辐射校正参数、整景云覆盖量、陆地云覆盖量、昼夜观测模式、空间投影参数信息。
进一步改进在于：所述步骤一中，遥感数据共享服务系统提供的常规检索条件包括卫星类型、传感器类型、区域范围、时间范围、数据处理级别、空间分辨率。
进一步改进在于：所述步骤二中，数据质量评价指标包括昼夜观测模式为Day、传感器类型为OLI、地面控制点数量大于-1、整景云覆盖量大于-1。
进一步改进在于：所述步骤四中，应用场景筛选阈值为成像时间。
进一步改进在于：所述步骤五中，以分幅格网行列编号相同的有效元数据集合为单元进行遍历，两两比较并删除整景云覆盖量高的元数据集合，并对整景云覆盖量最低值的元数据集合的数据质量可信度标注为高。
进一步改进在于：所述步骤七中，针对因整景陆地云覆盖量相同导致部分格网单元内匹配元数据集合不唯一的情况，采用两两比较整景陆地云覆盖量低值但不删除匹配元数据集合的方法进一步补充优化，并将整景陆地云覆盖量最低的匹配元数据集合的数据质量可信度修改为优先使用。
进一步改进在于：所述步骤八中，精选遥感数据集清单中包括数据文件名、分幅行号、分幅列号、成像时间、数据下载链接、数据质量可信度。
本发明的有益效果为：本发明将Landsat-8卫星精选遥感数据集最简化筛选的操作对象设定为研究区全局元数据检索结果，首先设定昼夜观测模式、传感器类型、地面控制点数量、整景云覆盖量等数据质量评价指标初步筛选出有效元数据集合；然后根据应用场景需求设定成像时间筛选阈值，以分幅格网行列编号相同的有效元数据集合为单元，两两比较并删除整景云覆盖量高值的元数据集合，得到整景云覆盖量最低值的匹配元数据集合；针对因整景云覆盖量相同导致部分格网单元内匹配元数据集合不唯一的情况，两两比较整景陆地云覆盖量低值但不删除匹配元数据集合的方法进一步补充优化，最后将标注数据质量可信度的匹配元数据集合整理成精选遥感数据集清单。这种方法在保证遥感影像数据质量的同时，避免了用户重复参与检索结果的筛选和过滤过程，操作简单方便，且本发明通过设定数据质量评价指标、设定应用场景筛选阈值、比较整景陆地云覆盖量等步骤，解决了传统遥感影像数据共享服务系统中存在的检索方式固定、检索结果冗余、检索质量不可控等问题，为提升遥感影像数据检索结果的精准度和效率提供了一种解决方案。
附图说明
图1为本发明的流程图。
具体实施方式
为了使发明实现的技术手段、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1所示，本实施例提供了Landsat-8卫星精选遥感数据集最简化筛选方法，具体步骤如下：
步骤一：获取全局元数据检索结果
利用Landsat-8卫星遥感影像数据共享服务系统中提供的常规检索条件，遥感数据共享服务系统提供的常规检索条件包括卫星类型、传感器类型、区域范围、时间范围、数据处理级别、空间分辨率，获取研究区全局元数据检索结果，Landsat-8卫星全局元数据检索结果包括卫星类型、传感器类型、空间分辨率、成像时间、地面控制点数量、辐射校正参数、整景云覆盖量、陆地云覆盖量、昼夜观测模式、空间投影参数信息。
步骤二：设定数据质量评价指标
基于步骤一中的研究区全局元数据检索结果，对Landsat-8卫星元数据结构和内容进行分析，设定数据质量评价指标，数据质量评价指标包括昼夜观测模式为Day、传感器类型为OLI、地面控制点数量大于-1、整景云覆盖量大于-1。
步骤三：筛选有效元数据集合
基于步骤二中的数据质量评价指标，对研究区全局元数据检索结果进行初步筛选，得到满足数据质量评价指标的有效元数据集合。
步骤四：设定应用场景筛选阈值
基于步骤三中对Landsat-8卫星元数据结构和内容分析，设定应用场景下的元数据筛选类型和阈值。
步骤五：筛选匹配元数据集合
基于步骤四的应用场景筛选阈值，应用场景筛选阈值为成像时间，以分幅格网行列编号相同的有效元数据集合为单元进行遍历，两两比较并删除整景云覆盖量高值的元数据集合，并对整景云覆盖量最低值的元数据集合标注数据质量可信度，对该数据质量可信度标注为高。
步骤六：判断匹配元数据集合是否唯一
以分幅格网行列编号相同为单元进行遍历，判断该单元内匹配元数据集合是否唯一。当全部格网单元都存在唯一匹配元数据集合时，筛选过程结束。
步骤七：比较整景陆地云覆盖量
针对因整景陆地云覆盖量相同导致部分格网单元内匹配元数据集合不唯一的情况，采用两两比较整景陆地云覆盖量低值但不删除匹配元数据集合的方法进一步补充优化，并修改整景陆地云覆盖量最低的匹配元数据集合的数据质量可信度，将该数据质量可信度修改为优先使用。
步骤八：整理精选遥感数据集清单
将步骤六和步骤七中的匹配元数据集合整理为Landsat-8卫星精选遥感数据集清单，精选遥感数据集清单中包括数据文件名、分幅行号、分幅列号、成像时间、数据下载链接、数据质量可信度。
本发明将Landsat-8卫星精选遥感数据集最简化筛选的操作对象设定为研究区全局元数据检索结果，首先设定昼夜观测模式、传感器类型、地面控制点数量、整景云覆盖量等数据质量评价指标初步筛选出有效元数据集合；然后根据应用场景需求设定成像时间筛选阈值，以分幅格网行列编号相同的有效元数据集合为单元，两两比较并删除整景云覆盖量高值的元数据集合，得到整景云覆盖量最低值的匹配元数据集合；针对因整景云覆盖量相同导致部分格网单元内匹配元数据集合不唯一的情况，两两比较整景陆地云覆盖量低值但不删除匹配元数据集合的方法进一步补充优化，最后将标注数据质量可信度的匹配元数据集合整理成精选遥感数据集清单，这种方法在保证遥感影像数据质量的同时，避免了用户重复参与检索结果的筛选和过滤过程，操作简单方便，且本发明通过设定数据质量评价指标、设定应用场景筛选阈值、比较整景陆地云覆盖量等步骤，解决了传统遥感影像数据共享服务系统中存在的检索方式固定、检索结果冗余、检索质量不可控等问题，为提升遥感影像数据检索结果的精准度和效率提供了一种解决方案。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.Landsat-8卫星精选遥感数据集最简化筛选方法，其特征在于：包括以下步骤：
步骤一：获取全局元数据检索结果
利用Landsat-8卫星遥感影像数据共享服务系统中提供的常规检索条件，获取研究区全局元数据检索结果；
步骤二：设定数据质量评价指标
基于步骤一中的研究区全局元数据检索结果，对Landsat-8卫星元数据结构和内容进行分析，设定数据质量评价指标；
步骤三：筛选有效元数据集合
基于步骤二中的数据质量评价指标，对研究区全局元数据检索结果进行初步筛选，得到满足数据质量评价指标的有效元数据集合；
步骤四：设定应用场景筛选阈值
基于步骤三中对Landsat-8卫星元数据结构和内容分析，设定应用场景下的元数据筛选类型和阈值；
步骤五：筛选匹配元数据集合
基于步骤四的应用场景筛选阈值，以分幅格网行列编号相同的有效元数据集合为单元进行遍历，两两比较并删除整景云覆盖量高值的元数据集合，并对整景云覆盖量最低值的元数据集合标注数据质量可信度；
步骤六：判断匹配元数据集合是否唯一
以分幅格网行列编号相同的有效元数据集合为单元进行遍历，判断该单元内匹配元数据集合是否唯一；当全部格网单元都存在唯一匹配元数据集合时，筛选过程结束；
步骤七：比较整景陆地云覆盖量
针对因整景陆地云覆盖量相同导致部分格网单元内匹配元数据集合不唯一的情况，采用两两比较整景陆地云覆盖量低值但不删除匹配元数据集合的方法进一步补充优化，并修改整景陆地云覆盖量最低的匹配元数据集合的数据质量可信度；
步骤八：整理精选遥感数据集清单
将步骤六和步骤七中的匹配元数据集合整理为Landsat-8卫星精选遥感数据集清单。
2.根据权利要求1所述的Landsat-8卫星精选遥感数据集最简化筛选方法，其特征在于：所述步骤一中，Landsat-8卫星全局元数据检索结果包括卫星类型、传感器类型、空间分辨率、成像时间、地面控制点数量、辐射校正参数、整景云覆盖量、陆地云覆盖量、昼夜观测模式、空间投影参数信息。
3.根据权利要求1所述的Landsat-8卫星精选遥感数据集最简化筛选方法，其特征在于：所述步骤一中遥感数据共享服务系统提供的常规检索条件包括卫星类型、传感器类型、区域范围、时间范围、数据处理级别、空间分辨率。
4.根据权利要求1所述的Landsat-8卫星精选遥感数据集最简化筛选方法，其特征在于：所述步骤二中，数据质量评价指标包括昼夜观测模式为Day、传感器类型为OLI、地面控制点数量大于-1、整景云覆盖量大于-1。
5.根据权利要求1所述的Landsat-8卫星精选遥感数据集最简化筛选方法，其特征在于：所述步骤四中，应用场景筛选阈值为成像时间。
6.根据权利要求1所述的Landsat-8卫星精选遥感数据集最简化筛选方法，其特征在于：所述步骤五中，以分幅格网行列编号相同的有效元数据集合为单元进行遍历，两两比较并删除整景云覆盖量高的元数据集合，并对整景云覆盖量最低值的元数据集合的数据质量可信度标注为高。
7.根据权利要求1所述的Landsat-8卫星精选遥感数据集最简化筛选方法，其特征在于：所述步骤七中，针对因整景陆地云覆盖量相同导致部分格网单元内匹配元数据集合不唯一的情况，采用两两比较整景陆地云覆盖量低值但不删除匹配元数据集合的方法进一步补充优化，并将整景陆地云覆盖量最低的匹配元数据集合的数据质量可信度修改为优先使用。
8.根据权利要求1所述的Landsat-8卫星精选遥感数据集最简化筛选方法，其特征在于：所述步骤八中，精选遥感数据集清单中包括数据文件名、分幅行号、分幅列号、成像时间、数据下载链接、数据质量可信度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811431701.5A CN109491994B (zh) | 2018-11-28 | 2018-11-28 | Landsat-8卫星精选遥感数据集最简化筛选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811431701.5A CN109491994B (zh) | 2018-11-28 | 2018-11-28 | Landsat-8卫星精选遥感数据集最简化筛选方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109491994A CN109491994A (zh) | 2019-03-19 |
| CN109491994B true CN109491994B (zh) | 2020-12-18 |
Family
ID=65698001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811431701.5A Active CN109491994B (zh) | 2018-11-28 | 2018-11-28 | Landsat-8卫星精选遥感数据集最简化筛选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109491994B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008297B (zh) * | 2019-03-26 | 2021-05-04 | 武汉大学 | 一种基于地理网格的最优覆盖卫星影像筛选方法 |
| CN112199528B (zh) * | 2020-10-12 | 2021-06-22 | 中国科学院空天信息创新研究院 | 一种大规模遥感数据在线获取方法 |
| CN113158889A (zh) * | 2021-04-15 | 2021-07-23 | 上海芯翌智能科技有限公司 | 数据清洗、训练方法及装置、计算机可读存储介质、终端 |
| CN113297407B (zh) * | 2021-05-21 | 2021-11-26 | 生态环境部卫星环境应用中心 | 遥感影像优选方法和装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102081669B (zh) * | 2011-01-24 | 2012-11-21 | 哈尔滨工业大学 | 多源遥感资源异构数据库的分级检索方法 |
| CN106598965B (zh) * | 2015-10-14 | 2020-03-20 | 阿里巴巴集团控股有限公司 | 一种基于地址信息的账户映射方法及装置 |
| CN105718499B (zh) * | 2015-12-11 | 2019-07-19 | 中国地质调查局发展研究中心 | 地质资料数据清洗方法及系统 |
| CN106846285B (zh) * | 2016-12-30 | 2019-12-17 | 苏州中科天启遥感科技有限公司 | 高性能遥感影像合成方法及装置 |
| US10459923B2 (en) * | 2017-01-12 | 2019-10-29 | Arbor Networks, Inc. | System and method for handling top count queries for arbitrary, selectable intervals relating to a large, streamed data set |
-
2018
- 2018-11-28 CN CN201811431701.5A patent/CN109491994B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109491994A (zh) | 2019-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109491994B (zh) | Landsat-8卫星精选遥感数据集最简化筛选方法 | |
| CN102521273B (zh) | 一种高分辨率遥感的多功能城市用地空间信息生成方法 | |
| EP3022686B1 (en) | Automatic generation of multi-scale descriptors from overhead imagery through manipulation of alpha-tree data structures | |
| CN103268358B (zh) | 多源控制点影像数据库构建及更新方法 | |
| CN109542932B (zh) | Landsat-8卫星精选遥感数据集定制化筛选方法 | |
| Gounaridis et al. | Land cover of Greece, 2010: a semi-automated classification using random forests | |
| CN102324098B (zh) | 一种结合实验室定标和均匀景统计的相对辐射定标方法 | |
| CN116543312B (zh) | 大范围河湖水质参数遥感反演样本库构建与更新方法 | |
| Su et al. | A new hierarchical moving curve-fitting algorithm for filtering lidar data for automatic DTM generation | |
| CN107966210B (zh) | 基于高光谱图像的热红外融合重构方法 | |
| CN112579677B (zh) | 一种卫星遥感影像自动处理方法 | |
| CN113936214A (zh) | 一种基于融合空天遥感影像的岩溶湿地植被群落分类方法 | |
| Kang et al. | Identifying tree crown areas in undulating eucalyptus plantations using JSEG multi-scale segmentation and unmanned aerial vehicle near-infrared imagery | |
| CN110992366A (zh) | 一种图像语义分割方法、装置及存储介质 | |
| Zhang et al. | A 250m annual alpine grassland AGB dataset over the Qinghai-Tibetan Plateau (2000–2019) based on in-situ measurements, UAV images, and MODIS Data | |
| Zhang et al. | An improved multi‐task pointwise network for segmentation of building roofs in airborne laser scanning point clouds | |
| CN114187532B (zh) | 一种遥感影像时空样本生成与智能迭代分类方法及系统 | |
| Zhang et al. | Map generation from large scale incomplete and inaccurate data labels | |
| Böhm et al. | The IQmulus urban showcase: Automatic tree classification and identification in huge mobile mapping point clouds | |
| Wang et al. | [Retracted] Processing Methods for Digital Image Data Based on the Geographic Information System | |
| Hu et al. | Multi-information PointNet++ fusion method for DEM construction from airborne LiDAR data | |
| CN113705340A (zh) | 一种基于雷达遥感数据的深度学习变化检测方法 | |
| CN117593665A (zh) | 一种卫星遥感影像山火场景多特征数据生成方法和装置 | |
| Osei et al. | Long term monitoring of Ghana’s forest reserves Using Google Earth Engine | |
| CN115690347A (zh) | 一种城市三维建筑空间大数据的采集及分析方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201201 Address after: 100094, No. 9 Deng Nan Road, Beijing, Haidian District Applicant after: Aerospace Information Research Institute,Chinese Academy of Sciences Address before: 100094, No. 9 Deng Nan Road, Beijing, Haidian District Applicant before: Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |