CN109509154B - 一种dmsp/ols年稳定夜光遥感影像去饱和校正方法 - Google Patents
一种dmsp/ols年稳定夜光遥感影像去饱和校正方法 Download PDFInfo
- Publication number
- CN109509154B CN109509154B CN201811236800.8A CN201811236800A CN109509154B CN 109509154 B CN109509154 B CN 109509154B CN 201811236800 A CN201811236800 A CN 201811236800A CN 109509154 B CN109509154 B CN 109509154B
- Authority
- CN
- China
- Prior art keywords
- image
- dmsp
- ols
- landsat
- remote sensing
- 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
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 title claims abstract description 51
- 238000012937 correction Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000011160 research Methods 0.000 claims abstract description 49
- 230000009466 transformation Effects 0.000 claims description 8
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 abstract description 2
- 230000001932 seasonal effect Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种DMSP/OLS年稳定夜光遥感影像去饱和校正方法,利用MNDWI指数和NDBIn指数对研究区域内的DMSP/OLS影像夜光强度值进行去饱和校正。NDBI指数可以较好的反映城市核心区域的细节信息,与NTL存在正相关性。利用MNDWI指数可以较好的反映城市核心区域的水体,可以有效抑制NTL饱和区域中水体区域的NTL值。并且这两种指数随季节性变化并不明显,非常稳定。本发明缓和了DMSP/OLS夜光遥感影像的饱和效应,体现了夜光饱和区的灯光差异和城市结构,在基于DMSP/OLS影像的夜光遥感应用领域里具有一定的实用价值和应用前景。
Description
技术领域
本发明属于遥感图像处理技术领域,涉及一种DMSP/OLS年稳定夜光遥感影像去饱和校正方法。
背景技术
夜间灯光(Nighttime light,NTL)与人类活动密切相关,照明设施的密度和强度一定程度上可以反映该区域的人类活动强度和经济繁荣程度[1]。夜光遥感影像可以反映夜间城镇灯光,还可以捕捉到森林火灾、天然气燃烧、夜间渔船的发光等[2],被广泛地应用于社会经济参数估算[3,4]、人口分析[5]、区域发展研究[6]、城市空间分布格局研究[7]、能源消耗[8]、渔业监测[9]、重大事件评估[10]等诸多研究领域。
DMSP/OLS影像是夜光遥感的主要数据源之一,它具有免费获取、可以探测低强度灯光、经过了消云和背景噪音处理等优点[11],并且具有目前为止最长的时间序列影像(1992-2013)。但是DMSP/OLS影像数据在城市的核心区域,存在灯光过饱和的问题。这一不足会影响该数据的应用,特别是在利用该数据进行经济、人口等相关参数的定量性分析时,会降低结果的精度。
针对DMSP/OLS数据饱和问题,Letu等[8]通过电力消耗数据对DMSP/OLS进行了去饱和校正。Zhang等[12]利用归一化植被指数(NDVI)来校正饱和NTL,提出了一种植被修正的灯光城市指数。但是在城市发展较快的地区NDVI值的变化不足以反映饱和区NTL的变化,并且NDVI本身也具有易饱和的缺点,还会受到气候环境的影像,不够稳定。Wang[13]等采用相对NDVI指数(RNDVI),倪愿等[14]结合NDVI与改进的归一化水体指数(MNDWI)校正饱和数据,也都会受NDVI易饱和且不稳定因素的影响。Zhuo等[14]利用了增强型植被指数(enhancedvegetation index,EVI)代替NDVI,提出一种EVI修正的灯光城市指数(EVI Adjusted NTLUrban Index,EANTLI)。但是在NTL饱和区域,当EVI指数趋近0时,过度校正了NTL。
相关参考文献如下:
[1]Li X,Elvidge C D,Zhou Y,et al.Remote sensing of night-time light[J].Internatio n journal of remote sensing,2017,38(21):5855-5859.
[2]李德仁,李熙.论夜光遥感数据挖掘[J].测绘学报,2015,44(6):591-601.
[3]徐康宁,陈丰龙,刘修岩.中国经济增长的真实性:基于全球夜间灯光数据的检验[J].经济研究,2015(9):17-29.
[4]Li X,Xu H M,Chen X L,et al.Potential of NPP-VIIRS Nighttime LightImager y for Modeling the Regional Economy of China[J].Remote Sensing,2013,5(6):3057-3081.
[5]Sun W,Zhang X,Wang N and Cen Y.Estimating population Density UsingDMSP-OLS Night-Time Imagery and Land Cover Data[J].IEEE Journal of selectedtopics in applied earth observations and remote sensing,2017,10(6):2674–2684.
[6]Yang Y,He C Y,Zhang Q F,et al.Timely and Accurate National-scaleMapping of Urban Land in China Using Defense Meteorological SatelliteProgram’s Operational Line scan System Nighttime Stable Light Data[J].Journalof Applied Remote Sensing,2013,7(1):73-86.
[7]Elvidge C D,Baugh K E,Kihn E A,et al.Mapping City Lights withNighttime D ata from the DMSP Operational Linescan System[J].PhotogrammetricEngineering and Rem ote Sensing,1997,63(6):727-734.
[8]Letu H,Hara M,YAGI H,et al.Estimating the energy consumption withnighttime city light from the DMSP/OLS imagery[J].Joint Urban Remote SensingEvent,2009(1-3),31(16):1364-1370.
[9]Zhang X,Saitoh S-I and Hirawake T.Predicting potential fishingzones of Japanese common squid(Todarodes pacificus)using remotely sensedimages in coastal waters of south-western Hokkaido,Japan.Internationaljournal of remote sensing,2017,38:6129-6146
[10]Cao C,Shao X,Uprety S.Detecting Light Outages After Severe StormsUsing the S-NPP/VIIRS Day/Night Band Radiances[J].IEEE Geoscience&RemoteSensing Letters,2013,10(6):1582-1586.
[11]王鹤饶,郑新奇,袁涛.DMSP/OLS数据应用研究综述[J].地理科学进展,2012,10(1):11-18.
[12]Zhang Q L,Schaaf C,Seto K C.The Vegetation adjusted NTL UrbanIndex:An ew approach to reduce saturation and increase variation in nighttimeluminosity[J].Remote Sensing ofEnvironment,2013,129:32-41.
[13]WANG Z,YAO F,LI W,et al.Saturation correction for nighttimelights data base d on the relative NDVI[J].Remote Sensing,2017,9(7):759.
[14]倪愿,周小成,江威.结合Landsat数据的DMSP/OLS夜间灯光影像去饱和方法研究[J].遥感技术与应用,2017,32(4):721-727.
[15]ZHUO L,ZHENG J,ZHANG X,et al.An improved method of night-timelight s aturation reduction based on EVI[J].International Journal of RemoteSensing,2015,36(16):4114-4130.
发明内容
为解决上述技术问题,本发明提供一种DMSP/OLS年稳定夜光遥感影像去饱和校正方法,该方法利用NDBI体现的城市核心区的细节信息对饱和的NTL进行校正,并且有效地抑制了饱和区域中水域的NTL值。
本发明方法的技术方案具体包括以下步骤:
步骤a,选择与DMSP/OLS夜光遥感影像同一年内并且能覆盖整个研究区域的Landsat影像;
步骤b,将Landsat影像进行坐标变换,转换为WGS84坐标系;
步骤c,结合研究区域的边界矢量数据对Landsat影像进行镶嵌和裁剪得到研究区域的Landsat影像;
步骤d,对DMSP/OLS年稳定夜光遥感影像进行坐标变换使其与Landsat影像的坐标系一致;
步骤e,利用研究区域的边界矢量数据对将步骤d得到的DMSP/OLS影像进行裁剪得到研究区域内的DMSP/OLS夜光遥感影像;
步骤f,将步骤c得到的研究区域landsat影像作为基准影像对DMSP/OLS影像进行配准;
步骤g,从步骤c中得到的Landsat影像中提取研究区域的MNDWI指数和NDBI指数;
步骤h,将NDBI指数进行归一化处理,得到取值范围为[0,1]区间的NDBIn指数;
步骤i,利用MNDWI指数和NDBIn指数对研究区域内的DMSP/OLS影像夜光强度值进行去饱和校正。
进一步的,所述步骤a的Landsat影像选择具体方法为:
根据DMSP/OLS年稳定夜光遥感影像的年份选择Landsat陆地系列卫星影像中同一年份的TM影像或者ETM+影像或者OLI影像;
当研究区域较小,一景Landsat影像可以完全覆盖时,选择在此年份内覆盖整个研究区域并且受云、雪等天气影响最小的一景Landsat影像;
当研究区域较大,一景Landsat影像无法完全覆盖时,选择在此年份内受云、雪等天气影响最小的,获取时间接近的多景Landsat影像,使其组合可以覆盖整个研究区域。
进一步的,如果研究区域较小,只用一景Landsat影像可以完全覆盖时,步骤c中利用研究区域的边界矢量数据对其进行裁剪得到研究区域的Landsat影像;如果研究区域较大,需要多景影像时,首先将多景影像进行镶嵌得到一幅覆盖研究区域的影像,再利用研究区域的边界矢量数据对其进行裁剪得到研究区域的Landsat影像。
进一步的,所述步骤g的MNDWI指数根据如下公式计算:
其中Green表示Landsat影像中绿光波段的DN值,MIR表示中红外波段的DN值;对于TM影像和ETM+影像分别为波段2和波段5,对于OLI影像分别为波段3和波段6。
进一步的,所述步骤g的NDBI指数根据如下公式计算:
其中NIR表示Landsat影像中近红外波段的DN值,MIR表示中红外波段的DN值;对于TM影像和ETM+影像分别为波段4和波段5,对于OLI影像分别为波段5和波段6。
进一步的,所述步骤h的NDBIn指数根据如下公式计算:
其中Min表示研究区域内NDBI指数的最小值,Max表示研究区域内NDBI指数的最大值。
进一步的,所述步骤i的去饱和校正方法具体为:
其中NTL表示校正之前DMSP/OLS年稳定夜光遥感影像像元的DN值,DsNTL表示校正后像元的DN值。与现有技术相比,本发明的优点和有益效果:本发明提出一种结合MNDWI和NDBI指数的DMSP/OLS年稳定夜光遥感影像去饱和校正方法。NDBI指数可以较好的反映城市核心区域的细节信息,与NTL存在正相关性。利用MNDWI指数可以较好的反映城市核心区域的水体,可以有效抑制NTL饱和区域中水体区域的NTL值。并且这两种指数随季节性变化并不明显,非常稳定。实验表明,本发明方法可以有效地进行DMSP/OLS年稳定夜光影像去饱和校正,较好地反映影像饱和区域中城市的细节信息。
附图说明
图1为本发明实施例的流程图。
图2为经过镶嵌和裁剪后的某某市区域的Landsat影像。
图3为经过裁剪后的某某市区域的DMSP/OLS年稳定夜光遥感影像。
图4为提取的MNDWI指数图。
图5为提取的NDBIn指数图。
图6为本方法去饱和校正后的DMSP/OLS年稳定夜光遥感影像。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域的技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
为了更好地理解本发明的技术方案,下面以某某市2001年的DMSP/OLS年稳定夜光遥感影像去饱和实验来说明具体实施方式。
步骤a,研究区域为某某市,从地理空间数据云中下载覆盖某某市的Landsat影像。某某市区域范围需要分别为条带号118,行编号38和行编号39的2景影像才可以完全覆盖该区域。选择2001年的各个时期中云量最少、无雪,且获取时间接近的条带号118,行编号38和行编号39的2景Landsat影像,直接对多个影像进行镶嵌获得覆盖该市的影像。
步骤b,利用ENVI软件中的坐标变换功能,将Landsat影像进行坐标变换,转换为WGS84坐标系;
步骤c,利用ENVI软件中的镶嵌和裁剪功能,结合研究区域的边界矢量数据对Landsat影像进行镶嵌和裁剪得到研究区域的Landsat影像,如图2所示;
步骤d,利用ENVI软件中的坐标变换功能,对DMSP/OLS年稳定夜光遥感影像进行坐标变换使其与Landsat影像的坐标系一致;
步骤e,利用ENVI软件中的裁剪功能,结合研究区域的边界矢量数据对将步骤d得到的DMSP/OLS影像进行裁剪得到研究区域内的DMSP/OLS年稳定夜光遥感影像,如图3所示;
步骤f,利用ENVI软件中的配准功能,将步骤c得到的研究区域landsat影像作为基准影像对DMSP/OLS影像进行配准;
步骤g,按照公式(1)和公式(2),利用ENVI软件中的波段运算功能从步骤c中得到的Landsat影像中提取研究区域的MNDWI指数和NDBI指数,MNDWI指数如图4所示;
其中Green表示Landsat影像中绿光波段的DN值,MIR表示中红外波段的DN值;对于TM影像和ETM+影像,绿光波段和红外波段的DN值分别为波段2和波段5,对于OLI影像分别,绿光波段和红外波段的DN值分别为波段3和波段6。
其中NIR表示Landsat影像中近红外波段的DN值,MIR表示中红外波段的DN值;对于TM影像和ETM+影像,近红外波段和红外波段的DN值分别为波段4和波段5,对于OLI影像,近红外波段和红外波段的DN值分别为波段5和波段6。
步骤h,按照公式(3),利用ENVI软件中的波段运算功能将NDBI指数进行归一化处理,得到取值范围为[0,1]区间的NDBIn指数,如图5所示;
其中Min表示研究区域内NDBI指数的最小值,Max表示研究区域内NDBI指数的最大值。
步骤i,按照公式(4)利用MNDWI指数和NDBIn指数对研究区域内的DMSP/OLS影像夜光强度值进行去饱和校正,得到去饱和校正后的DMSP/OLS影像,如图6所示。
其中NTL表示校正之前DMSP/OLS年稳定夜光遥感影像像元的DN值,DsNTL表示校正后像元的DN值。
对比图3和图6,可以看出本发明方法有效地进行了DMSP/OLS年稳定夜光影像去饱和校正,较好地反映了某某市影像饱和区域中城市的细节信息。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (7)
1.一种DMSP/OLS年稳定夜光遥感影像去饱和校正方法,其特征在于,包括以下步骤:
步骤a,选择与DMSP/OLS夜光遥感影像同一年内并且能覆盖整个研究区域的Landsat影像;
步骤b,将Landsat影像进行坐标变换,转换为WGS84坐标系;
步骤c,结合研究区域的边界矢量数据对Landsat影像进行镶嵌和裁剪得到研究区域的Landsat影像;
步骤d,对DMSP/OLS年稳定夜光遥感影像进行坐标变换使其与Landsat影像的坐标系一致;
步骤e,利用研究区域的边界矢量数据对将步骤d得到的DMSP/OLS影像进行裁剪得到研究区域内的DMSP/OLS夜光遥感影像;
步骤f,将步骤c得到的研究区域landsat影像作为基准影像对DMSP/OLS影像进行配准;
步骤g,从步骤c中得到的Landsat影像中提取研究区域的MNDWI指数和NDBI指数;
步骤h,将NDBI指数进行归一化处理,得到取值范围为[0,1]区间的NDBIn指数;
步骤i,利用MNDWI指数和NDBIn指数对研究区域内的DMSP/OLS影像夜光强度值进行去饱和校正。
2.如权利要求1所述的一种DMSP/OLS年稳定夜光遥感影像去饱和校正方法,其特征在于:所述步骤a的Landsat影像选择具体方法为:
根据DMSP/OLS年稳定夜光遥感影像的年份选择Landsat陆地系列卫星影像中同一年份的TM影像或者ETM+影像或者OLI影像;
当研究区域较小,一景Landsat影像可以完全覆盖时,选择在此年份内覆盖整个研究区域并且受云、雪天气影响最小的一景Landsat影像;
当研究区域较大,一景Landsat影像无法完全覆盖时,选择在此年份内受云、雪天气影响最小的,获取时间接近的多景Landsat影像,使其组合可以覆盖整个研究区域。
3.如权利要求2所述的一种DMSP/OLS年稳定夜光遥感影像去饱和校正方法,其特征在于:如果研究区域较小,只用一景Landsat影像可以完全覆盖时,步骤c中利用研究区域的边界矢量数据对其进行裁剪得到研究区域的Landsat影像;如果研究区域较大,需要多景影像时,首先将多景影像进行镶嵌得到一幅覆盖研究区域的影像,再利用研究区域的边界矢量数据对其进行裁剪得到研究区域的Landsat影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811236800.8A CN109509154B (zh) | 2018-10-23 | 2018-10-23 | 一种dmsp/ols年稳定夜光遥感影像去饱和校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811236800.8A CN109509154B (zh) | 2018-10-23 | 2018-10-23 | 一种dmsp/ols年稳定夜光遥感影像去饱和校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109509154A CN109509154A (zh) | 2019-03-22 |
CN109509154B true CN109509154B (zh) | 2021-05-18 |
Family
ID=65746137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811236800.8A Active CN109509154B (zh) | 2018-10-23 | 2018-10-23 | 一种dmsp/ols年稳定夜光遥感影像去饱和校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109509154B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111192298B (zh) * | 2019-12-27 | 2023-02-03 | 武汉大学 | 一种夜光遥感影像相对辐射校正方法 |
CN111311103A (zh) * | 2020-02-26 | 2020-06-19 | 河海大学 | 一种基于夜光遥感数据的城市发展重心轨迹的获取方法 |
CN111597949B (zh) * | 2020-05-12 | 2023-04-11 | 中国科学院城市环境研究所 | 一种基于npp-viirs夜间灯光数据的城市建成区提取方法 |
CN112508796B (zh) * | 2020-12-02 | 2023-09-01 | 东华理工大学 | 基于地表覆盖信息的夜光遥感影像去饱和校正方法及系统 |
CN112785584B (zh) * | 2021-02-01 | 2022-05-27 | 东南大学 | 一种基于evi和ghs-pop数据的夜间灯光数据校正方法 |
CN113158579B (zh) * | 2021-05-06 | 2022-07-22 | 防灾科技学院 | 一种夜间灯光数据的校正方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054274A (zh) * | 2010-12-01 | 2011-05-11 | 南京大学 | 一种海岸带水体遥感信息全自动提取方法 |
CN102708307A (zh) * | 2012-06-26 | 2012-10-03 | 上海大学 | 一种应用于城市的植被指数构造方法 |
CN103268587A (zh) * | 2013-05-06 | 2013-08-28 | 重庆市勘测院 | 利用仿建筑用地指数获取城市建筑用地信息的方法 |
CN106033494A (zh) * | 2015-03-11 | 2016-10-19 | 中国人民解放军沈阳军区司令部工程科研设计所 | 一种基于归一化水体挖掘指数的地表水信息提取方法 |
CN108256015A (zh) * | 2018-01-08 | 2018-07-06 | 中国科学院遥感与数字地球研究所 | 一种基于夜间灯光数据的中国人口空间格网化方法 |
CN108399399A (zh) * | 2018-03-23 | 2018-08-14 | 武汉大学 | 一种基于夜光遥感影像的城市范围提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6212713B2 (ja) * | 2013-01-17 | 2017-10-18 | パナソニックIpマネジメント株式会社 | 映像投写装置および映像投写方法 |
-
2018
- 2018-10-23 CN CN201811236800.8A patent/CN109509154B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054274A (zh) * | 2010-12-01 | 2011-05-11 | 南京大学 | 一种海岸带水体遥感信息全自动提取方法 |
CN102708307A (zh) * | 2012-06-26 | 2012-10-03 | 上海大学 | 一种应用于城市的植被指数构造方法 |
CN103268587A (zh) * | 2013-05-06 | 2013-08-28 | 重庆市勘测院 | 利用仿建筑用地指数获取城市建筑用地信息的方法 |
CN106033494A (zh) * | 2015-03-11 | 2016-10-19 | 中国人民解放军沈阳军区司令部工程科研设计所 | 一种基于归一化水体挖掘指数的地表水信息提取方法 |
CN108256015A (zh) * | 2018-01-08 | 2018-07-06 | 中国科学院遥感与数字地球研究所 | 一种基于夜间灯光数据的中国人口空间格网化方法 |
CN108399399A (zh) * | 2018-03-23 | 2018-08-14 | 武汉大学 | 一种基于夜光遥感影像的城市范围提取方法 |
Non-Patent Citations (2)
Title |
---|
An approach to analyzing the intensity of the daytime surface urban heat island effect at a local scale;Shenlai Xu;《Environ Monit Assess》;20091231;全文 * |
结合Landsat数据的DMSP/OLS夜间灯光影像去饱和方法研究;倪愿 等;《遥感技术与应用》;20170831;第32卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109509154A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109509154B (zh) | 一种dmsp/ols年稳定夜光遥感影像去饱和校正方法 | |
Raynolds et al. | A raster version of the Circumpolar Arctic Vegetation Map (CAVM) | |
Li et al. | An index and approach for water extraction using Landsat–OLI data | |
Wohlfart et al. | Multi-faceted land cover and land use change analyses in the Yellow River Basin based on dense Landsat time series: Exemplary analysis in mining, agriculture, forest, and urban areas | |
Matricardi et al. | Assessment of tropical forest degradation by selective logging and fire using Landsat imagery | |
Trotter et al. | Effects of rapid urbanisation on the urban thermal environment between 1990 and 2011 in Dhaka Megacity, Bangladesh | |
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 | |
Schulz et al. | Mapping the montane cloud forest of Taiwan using 12 year MODIS-derived ground fog frequency data | |
Bajracharya et al. | Glaciers shrinking in Nepal Himalaya | |
Huang et al. | Snow cover detection in mid-latitude mountainous and polar regions using nighttime light data | |
Xiong et al. | Ecological environment quality assessment of Xishuangbanna rubber plantations expansion (1995–2018) based on multi-temporal Landsat imagery and RSEI | |
CN114663776A (zh) | 一种基于gk-2a的高频空间自适应阈值火情遥感监测方法 | |
Fraser et al. | A method for compositing polar MODIS satellite images to remove cloud cover for landfast sea-ice detection | |
Rodríguez-Herrera et al. | Automatic tracking of pregenesis tropical disturbances within the deviation angle variance system | |
Hafizi et al. | Evaluation of object-based water body extraction approaches using Landsat-8 imagery | |
CN112508796A (zh) | 基于地表覆盖信息的夜光遥感影像去饱和校正方法及系统 | |
CN115294183A (zh) | 一种基于多源遥感数据的碟型子湖水体时序提取方法 | |
Sohail et al. | Spatio-temporal analysis of land use dynamics and its potential implications on land surface temperature in lahore district, punjab, pakistan | |
Kidder et al. | Meteosat second generation cloud algorithms for use at AFWA | |
Nelson et al. | Combining moderate-resolution time-series RS data from SAR and optical sources for rice crop characterisation: examples from Bangladesh | |
Hereher | Inventory of agricultural land area of Egypt using MODIS data | |
Zhang et al. | Analysis of water area in Caofeidian wetland in 1984~ 2013 based on remote sensing image data. | |
Wang et al. | Uncertainties in VIIRS Nighttime Light Time Series Analysis | |
Dang et al. | Discussion on sea ice segmentation of high resolution radar data | |
Ito et al. | Leaf-shedding phenology in lowland tropical seasonal forests of Cambodia as estimated from NOAA satellite images |
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 |