CN109598273A - 一种融合地表温度和建筑指数的城市实体边界识别方法 - Google Patents

一种融合地表温度和建筑指数的城市实体边界识别方法 Download PDF

Info

Publication number
CN109598273A
CN109598273A CN201811465706.XA CN201811465706A CN109598273A CN 109598273 A CN109598273 A CN 109598273A CN 201811465706 A CN201811465706 A CN 201811465706A CN 109598273 A CN109598273 A CN 109598273A
Authority
CN
China
Prior art keywords
surface temperature
index
city
ndvi
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.)
Granted
Application number
CN201811465706.XA
Other languages
English (en)
Other versions
CN109598273B (zh
Inventor
李效顺
张川
王状
夏嘉南
魏旭晨
张琦
王月香
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.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
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 China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN201811465706.XA priority Critical patent/CN109598273B/zh
Publication of CN109598273A publication Critical patent/CN109598273A/zh
Application granted granted Critical
Publication of CN109598273B publication Critical patent/CN109598273B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种数据融合的城市建成区实体边界识别方法，该方法通过结合遥感反演的地表温度和建筑指数可以更为精确地定位城市建成区实体边界，弥补了城市边缘工业区和城乡结合部识别难的缺陷，更为科学的识别城市建成区实体边界。另外，本发明数据源只需要landsat数据，操作简单，正确率高，能够快速准确的得到城市建成区边界。大量实验结果表明，本发明边界识别正确率达到了94％以上，适用于国土空间规划、地理国情监测、城市蔓延治理分析等领域。

Description

一种融合地表温度和建筑指数的城市实体边界识别方法
技术领域
本发明属于国土空间规划和城乡规划领域，具体涉及一种融合地表温度和建筑指数的城市建成区实体边界识别方法。
背景技术
伴随全球城市扩张难以避免、生态损毁困境不断加剧，我国城市建成区扩张呈现更加凸显的失衡三线困境(扩张弹性突破“合理界线”、城市环境逼近“生态底线”和发展态势逾越“指标上线”)，因此，如何科学识别城市扩张实体边界、调控凸显困境，成为我国城市可持续发展和社会管理的重大理论命题和技术难题。
目前，城市建成区实体边界提取方法通常采用多光谱遥感数据、夜间灯光数据和地价均衡模型等技术方法进行城市边界识别与界定，但以上方法存在较多不足之处：如多光谱遥感的光谱特征易将非城市不透水面误提取出来；夜间灯光遥感的分辨率较低，造成城市边界识别结果与实际存在一定的误差；地价均衡模型对地价空间异质性考虑不足，并且大都未能将城市实体边界扩张的生态环境效应纳入决策分析框架等。
发明内容
发明目的：本发明公开的一种融合地表温度和建筑指数的城市实体边界识别方法，该方法通过结合遥感反演的地表温度和建筑指数可以更为精确地定位城市建成区实体边界，弥补了城市边缘工业区和城乡结合部识别难的缺陷，更为科学的识别城市建成区实体边界。
技术方案：一种融合地表温度和建筑指数的城市建成区边界识别方法，包括以下几个步骤：
步骤1：影像预处理
主要包括辐射定标、大气校正、图幅镶嵌、影像裁剪等，其中大气校正采用FLAASH大气校正。
步骤2：地表温度反演，如图2所示：
构建地表温度LST反演模型，利用单窗算法计算地表温度
LST＝{a(1-C-D)+[b(1-C-D)+C+D]Tsenor-DTa}/C
LST为地表温度；a、b为常数，a＝-67.3554，b＝0.45861；Tsenor为亮温，Ta为大气平均作用温度C＝ετ；，D＝(1-τ)[1+(1-ε)τ]，ε为地表比辐射率，τ为大气透射率。
步骤2.1：计算亮温Tsenor
L(λ)＝Gain·DN+Bias
式中：Gain、Bias、K1和K2为卫星发射前预设常数，可在头条文件中获取。DN为遥感热红外影像的灰度值，Lλ为遥感器所接收的辐射强度。
步骤2.2：计算地表比辐射率ε
地表比辐射率可以通过NDVI值估算求取，
当NDVI＞0.7时，为完全植被，地表比辐射较高，ε＝0.99
当NDVI＜0.05时，为完全裸土，地表比辐射率低，ε＝0.973
当0.05≤NDVI≤0.7时，为混合像元，ε＝0.004Pv+0.986
其中植被指数NDVI能够很好的检测植被的生长状况和指数覆盖度，计算公式为：
Pv＝((NDVI-NDVIS))/((NDVIV-NDVIS)
NDVI＝((NIR-Red))/((NIR-Red))
式中：Pv为植被覆盖度，取NDVIV＝0.7，NDVIS＝0.05，NDVI为归一化植被指数，Red为红色波段，NIR为近红外波段。
步骤2.3：大气透射率τ
当0.4≤w≤1.6时，τ＝0.974290-0.08007w
当1.6≤w≤3.0时，τ＝1.031412-0.11536w
式中，w为水分含量。
步骤2.4：大气平均作用温度Ta
Ta＝16.0110+0.92621T0
式中，T0是近地面气温(K)。
步骤3：归一化建筑指数与地表温度融合
首先利用波段计算器计算建筑指数NDBI，再与反演的地表温度数据结合，NDBI大于零且地表温度大于研究区内平均值的认为是建成区。
步骤3.1：对建筑指数NDBI进行阈值分割，得到二值分割后的二值化建筑指数I1；
NDBI＝(MIR-NIR)/(MIR+NIR)
其中：NIR、MIR分别代表近红外和中红外波段的像元值。
步骤3.2：对地表温度反演数据I2进行阈值分割，得到二值分割后的二值化地表温度指数I3；
其中，(i，j)表示图像中的像素坐标，th为阈值分割法选取的分割阈值；
其中，DATAMAx为地表温度最大值；DATAMIN为地表温度最小值；
步骤3.3：结合二值化建筑指数I1与二值化地表温度指数I3，获取综合建成区指数I4；
I4(i，j)＝I3(i，j)×I1(i，j)
其中，(i，j)表示图像中的像素坐标。
步骤4：城市建成区实体边界划定
步骤4.1：点转换。将I4值为1的栅格数据转换为点数据。
步骤4.2：建立不规则三角网。在TIN模块中选择创建TIN，然后选择描绘TIN数据区，在这里面设置的最大边长为120m，此阈值选择主要是基于温度反演数据的分辨率为120m；
步骤4.3：确定TIN范围。将创建的TIN数据区生成TinDomain文件；
步骤4.4：要素转换为筛选。将生成的TinDomain文件转为面要素，筛选出城市建成区及其实体边界。
有益效果：本发明公开的一种融合地表温度和建筑指数的城市边界识别方法，通数据源只需要landsat数据，操作简单，正确率高，能够快速准确的得到城市建成区边界。大量实验结果表明，本发明边界识别正确率达到了94％以上，适用于国土空间规划、地理国情监测、城市蔓延治理分析等领域。
附图说明
图1本发明研究思路示意图；
图2本发明温度反演图；
图3本发明城市建成区实体边界识别结果。
具体实施方式
如图1所示，一种融合地表温度和建筑指数的城市建成区边界识别方法，包括以下几个步骤：
步骤1：影像预处理
主要包括辐射定标、大气校正、图幅镶嵌、影像裁剪等，其中大气校正采用FLAASH大气校正。
步骤2：地表温度反演
构建地表温度LST反演模型，利用单窗算法计算地表温度
LST＝{a(1-C-D)+[b(1-C-D)+C+D]Tsenor-DTa}/C
LST为地表温度；a、b为常数，a＝-67.3554，b＝0.45861；Tsenor为亮温，Ta为大气平均作用温度C＝ετ；，D＝(1-τ)[1+(1-ε)τ]，ε为地表比辐射率，τ为大气透射率。
步骤2.1：计算亮温Tsenor
L(λ)＝Gain·DN+Bias
式中：Gain、Bias、K1和K2为卫星发射前预设常数，可在头条文件中获取。DN为遥感热红外影像的灰度值，Lλ为遥感器所接收的辐射强度。
步骤2.2：计算地表比辐射率ε
地表比辐射率可以通过NDVI值估算求取，
当NDVI＞0.7时，为完全植被，地表比辐射较高，ε＝0.99
当NDVI＜0.05时，为完全裸土，地表比辐射率低，ε＝0.973
当0.05≤NDVI≤0.7时，为混合像元，ε＝0.004Pv+0.986
其中植被指数NDVI能够很好的检测植被的生长状况和指数覆盖度，计算公式为：
Pv＝((NDVI-NDVIS))/((NDVIV-NDVIS)
NDVI＝((NIR-Red))/((NIR-Red))
式中：Pv为植被覆盖度，取NDVIV＝0.7，NDVIS＝0.05，NDVI为归一化植被指数，Red为红色波段，NIR为近红外波段。
步骤2.3：大气透射率τ
当0.4≤w≤1.6时，τ＝0.974290-0.08007w
当1.6≤w≤3.0时，τ＝1.031412-0.11536w
式中，w为水分含量。
步骤2.4：大气平均作用温度Ta
Ta＝16.0110+0.92621T0
式中，T0是近地面气温(K)。
步骤3：归一化建筑指数与地表温度融合
首先利用波段计算器计算建筑指数NDBI，再与反演的地表温度数据结合，NDBI大于零且地表温度大于研究区内平均值的认为是建成区。
步骤3.1：对建筑指数NDBI进行阈值分割，得到二值分割后的二值化建筑指数I1；
NDBI＝(MIR-NIR)/(MIR+NIR)
其中：NIR、MIR分别代表近红外和中红外波段的像元值。
步骤3.2：对地表温度反演数据I2进行阈值分割，得到二值分割后的二值化地表温度指数I3；
其中，(i，j)表示图像中的像素坐标，th为阈值分割法选取的分割阈值；
其中，DATAMAx为地表温度最大值；DATAMIN为地表温度最小值；
步骤3.3：结合二值化建筑指数I1与二值化地表温度指数I3，获取综合建成区指数I4；
I4(i，j)＝I3(i，j)×I1(i，j)
其中，(i，j)表示图像中的像素坐标。
步骤4：城市建成区实体边界划定
步骤4.1：点转换。将I4值为1的栅格数据转换为点数据。
步骤4.2：建立不规则三角网。在TIN模块中选择创建TIN，然后选择描绘TIN数据区，在这里面设置的最大边长为120m，此阈值选择主要是基于温度反演数据的分辨率为120m；
步骤4.3：确定TIN范围。将创建的TIN数据区生成TinDomain文件；
步骤4.4：要素转换为筛选。将生成的TinDomain文件转为面要素，筛选出城市建成区及其实体边界。如图3所示。

Claims (5)

1.一种融合地表温度和建筑指数的城市建成区实体边界识别方法，其特征在于，包括以下几个步骤：
步骤1)：影像预处理：
影像预处理包括辐射定标、大气校正、图幅镶嵌、影像裁剪，其中大气校正采用FLAASH大气校正；
步骤2)：地表温度反演：
构建地表温度LST反演模型，利用单窗算法计算地表温度；LST反演模型如下：
LST＝{a(1-C-D)+[b(1-C-D)+C+D]Tsenor-DTa}/C
LST为地表温度；a、b为常数，a＝-67.3554，b＝0.45861；Tsenor为亮温，Ta为大气平均作用温度C＝ετ；，D＝(1-τ)[1+(1-ε)τ]，ε为地表比辐射率，τ为大气透射率；
步骤3：归一化建筑指数与地表温度融合
首先利用波段计算器计算建筑指数NDBI，再与反演的地表温度数据结合，NDBI大于零且地表温度大于研究区内平均值的认为是建成区；
(1)对建筑指数进行阈值分割，得到二值分割后的二值化建筑指数I1；
NDBI＝(MIR-NIR)/(MIR+NIR)
其中：NIR、MIR分别代表近红外和中红外波段的像元值；
(2)对地表温度反演数据I2进行阈值分割，得到二值分割后的二值化地表温度指数I3；
其中，(i，j)表示图像中的像素坐标，th为阈值分割法选取的分割阈值；
其中，DATAMAX为地表温度最大值；DATAMIN为地表温度最小值；
(3)结合二值化建筑指数I1与二值化地表温度指数I3，获取综合建成区指数I4；
I4(i,j)＝I3(i,j)×I1(i,j)
其中，(i，j)表示图像中的像素坐标；
步骤4：城市建成区实体边界划定
步骤4.1：点转换：将I4值为1的栅格数据转换为点数据；
步骤4.2：建立不规则三角网：在TIN模块中选择创建TIN，然后选择描绘TIN数据区，在这里面设置的最大边长为120m，此阈值选择主要是基于温度反演数据的分辨率为120m；
步骤4.3：确定TIN范围：将创建的TIN数据区生成TinDomain文件；
步骤4.4：要素转换为筛选：将生成的TinDomain文件转为面要素，筛选出城市建成区及其实体边界。
2.根据权利要求1所述的一种融合地表温度和建筑指数的城市建成区实体边界识别方法，其特征在于：所述步骤2中LST反演模型中亮温Tsenor计算方式如下：
L(λ)＝Gain·DN+Bias
式中：Gain、Bias、K1和K2为卫星发射前预设常数，可在头条文件中获取；DN为遥感热红外影像的灰度值，Lλ为遥感器所接收的辐射强度。
3.根据权利要求2所述的一种融合地表温度和建筑指数的城市建成区实体边界识别方法，其特征在于：所述步骤2中LST反演模型中地表比辐射率ε计算方式如下：
地表比辐射率可以通过NDVI值估算求取，
当NDVI>0.7时，为完全植被，地表比辐射较高，ε＝0.99
当NDVI<0.05时，为完全裸土，地表比辐射率低，ε＝0.973
当0.05≤NDVI≤0.7时，为混合像元，ε＝0.004Pv+0.986
其中植被指数NDVI能够很好的检测植被的生长状况和指数覆盖度，计算公式为：
Pv＝((NDVI-NDVIS))/((NDVIV-NDVIS)
NDVI＝((NIR-Red))/((NIR-Red))
式中：Pv为植被覆盖度，取NDVIV＝0.7，NDVIS＝0.05，NDVI为归一化植被指数，Red为红色波段，NIR为近红外波段。
4.根据权利要求2或3所述的一种融合地表温度和建筑指数的城市建成区实体边界识别方法，其特征在于：所述步骤2中LST反演模型中大气透射率τ计算方式如下：
当0.4≤w≤1.6时，τ＝0.974290-0.08007w
当1.6≤w≤3.0时，τ＝1.031412-0.11536w
式中，w为水分含量。
5.根据权利要求4所述的一种融合地表温度和建筑指数的城市建成区实体边界识别方法，其特征在于：所述步骤2中LST反演模型中大气平均作用温度Ta计算方式如下：
Ta＝16.0110+0.9262170
式中，T0是近地面气温(K)。
CN201811465706.XA 2018-12-03 2018-12-03 一种融合地表温度和建筑指数的城市实体边界识别方法 Active CN109598273B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811465706.XA CN109598273B (zh) 2018-12-03 2018-12-03 一种融合地表温度和建筑指数的城市实体边界识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811465706.XA CN109598273B (zh) 2018-12-03 2018-12-03 一种融合地表温度和建筑指数的城市实体边界识别方法

Publications (2)

Publication Number Publication Date
CN109598273A true CN109598273A (zh) 2019-04-09
CN109598273B CN109598273B (zh) 2022-08-19

Family

ID=65959945

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811465706.XA Active CN109598273B (zh) 2018-12-03 2018-12-03 一种融合地表温度和建筑指数的城市实体边界识别方法

Country Status (1)

Country Link
CN (1) CN109598273B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097501A (zh) * 2019-04-12 2019-08-06 武汉大学 一种基于非局部均值梯度稀疏正则化的ndvi图像融合方法
CN110440722A (zh) * 2019-08-20 2019-11-12 福州大学 一种适于无中红外数据的建筑指数构建方法
CN110765934A (zh) * 2019-10-22 2020-02-07 成都理工大学 一种多源数据融合的地质灾害识别方法
CN110781602A (zh) * 2019-11-04 2020-02-11 中国科学院地理科学与资源研究所 基于特征空间法来获取时空连续的土壤水方法
CN110852159A (zh) * 2019-09-30 2020-02-28 广州地理研究所 遥感夜间灯光数据去饱和方法
CN111898494A (zh) * 2020-07-16 2020-11-06 大同煤矿集团有限责任公司 一种采矿扰动地块边界识别方法
CN113158899A (zh) * 2021-04-22 2021-07-23 中国科学院地理科学与资源研究所 基于遥感夜光暗目标增强技术的村镇发展状态测度方法
CN114723294A (zh) * 2022-04-11 2022-07-08 中国矿业大学 一种基于poi数据的建成区快速提取方法及系统
CN114842325A (zh) * 2022-03-16 2022-08-02 北京四象爱数科技有限公司 一种基于单波段中波红外卫星遥感数据的地温反演方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20120271848A1 (en) * 2011-04-25 2012-10-25 Google Inc. Dynamic Highlighting of Geographic Entities on Electronic Maps
CN104657739A (zh) * 2013-11-22 2015-05-27 中国科学院深圳先进技术研究院 一种城市监测方法及系统
CN104748857A (zh) * 2015-03-05 2015-07-01 北京师范大学 一种城市地表温度反演方法及系统
CN105701483A (zh) * 2016-02-29 2016-06-22 中南大学 一种融合多光谱遥感数据和夜间灯光遥感数据的城市边界提取方法
CN108332859A (zh) * 2018-01-18 2018-07-27 广州大学 一种城市热岛范围的提取方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120271848A1 (en) * 2011-04-25 2012-10-25 Google Inc. Dynamic Highlighting of Geographic Entities on Electronic Maps
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
CN104657739A (zh) * 2013-11-22 2015-05-27 中国科学院深圳先进技术研究院 一种城市监测方法及系统
CN104748857A (zh) * 2015-03-05 2015-07-01 北京师范大学 一种城市地表温度反演方法及系统
CN105701483A (zh) * 2016-02-29 2016-06-22 中南大学 一种融合多光谱遥感数据和夜间灯光遥感数据的城市边界提取方法
CN108332859A (zh) * 2018-01-18 2018-07-27 广州大学 一种城市热岛范围的提取方法及装置

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097501A (zh) * 2019-04-12 2019-08-06 武汉大学 一种基于非局部均值梯度稀疏正则化的ndvi图像融合方法
CN110440722A (zh) * 2019-08-20 2019-11-12 福州大学 一种适于无中红外数据的建筑指数构建方法
CN110852159A (zh) * 2019-09-30 2020-02-28 广州地理研究所 遥感夜间灯光数据去饱和方法
CN110765934A (zh) * 2019-10-22 2020-02-07 成都理工大学 一种多源数据融合的地质灾害识别方法
CN110765934B (zh) * 2019-10-22 2021-02-19 成都理工大学 一种多源数据融合的地质灾害识别方法
CN110781602A (zh) * 2019-11-04 2020-02-11 中国科学院地理科学与资源研究所 基于特征空间法来获取时空连续的土壤水方法
CN111898494A (zh) * 2020-07-16 2020-11-06 大同煤矿集团有限责任公司 一种采矿扰动地块边界识别方法
CN111898494B (zh) * 2020-07-16 2022-09-27 大同煤矿集团有限责任公司 一种采矿扰动地块边界识别方法
CN113158899A (zh) * 2021-04-22 2021-07-23 中国科学院地理科学与资源研究所 基于遥感夜光暗目标增强技术的村镇发展状态测度方法
CN113158899B (zh) * 2021-04-22 2022-07-29 中国科学院地理科学与资源研究所 基于遥感夜光暗目标增强技术的村镇发展状态测度方法
CN114842325A (zh) * 2022-03-16 2022-08-02 北京四象爱数科技有限公司 一种基于单波段中波红外卫星遥感数据的地温反演方法
CN114723294A (zh) * 2022-04-11 2022-07-08 中国矿业大学 一种基于poi数据的建成区快速提取方法及系统

Also Published As

Publication number Publication date
CN109598273B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN109598273A (zh) 一种融合地表温度和建筑指数的城市实体边界识别方法
CN106226260B (zh) 一种结合微波和红外遥感影像的土壤水分反演方法
Ma et al. Coupling urbanization analyses for studying urban thermal environment and its interplay with biophysical parameters based on TM/ETM+ imagery
CN103824077A (zh) 一种基于多源遥感数据的城市不透水层率息提取方法
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
CN107843939A (zh) 基于无人机热红外影像的煤火识别方法
Law et al. Topographic correction for differential illumination effects on IKONOS satellite imagery
He et al. Retrieval of leaf area index in alpine wetlands using a two-layer canopy reflectance model
CN101561502A (zh) 地形校正植被指数的构造方法
CN108592888B (zh) 一种居民地提取方法
CN106157292A (zh) 基于两时相遥感图像的国土资源变化监测
CN113887024B (zh) 基于归一化温度构建的干旱指数反演表层土壤水分方法
CN110929423A (zh) 一种综合干旱模型的土壤含水量反演方法
Huang et al. Cloud detection for high-resolution remote-sensing images of urban areas using colour and edge features based on dual-colour models
Hu et al. Dynamic monitoring of land subsidence in mining area from multi-source remote-sensing data–a case study at Yanzhou, China
Zhang et al. Methods for automatic identification and extraction of terraces from high spatial resolution satellite data (China-GF-1)
JP2013109424A (ja) 植物種特定のためのプログラム、情報処理方法及び装置
Wang et al. Building heights estimation using ZY3 data—A case study of Shanghai, China
Li et al. A new method for surface water extraction using multi-temporal Landsat 8 images based on maximum entropy model
CN106650673A (zh) 城市制图方法及装置
CN107657206A (zh) 一种基于遥感技术估算绿地覆盖率的方法
Zhao et al. Fusion and assessment of high-resolution WorldView-3 satellite imagery using NNDiffuse and Brovey algotirhms
Hou et al. Modifications in vegetation cover and surface albedo during rapid urbanization: a case study from South China
Ilangakoon et al. Estimating leaf area index by bayesian linear regression using terrestrial Lidar, LAI-2200 plant canopy analyzer, and landsat tm spectral indices
CN109738372A (zh) 一种航空高光谱岩矿探测多元数据处理方法

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
GR01 Patent grant
GR01 Patent grant