CN109916839B - 一种基于高分遥感影像的露头残煤燃烧中心精准探测方法 - Google Patents
一种基于高分遥感影像的露头残煤燃烧中心精准探测方法 Download PDFInfo
- Publication number
- CN109916839B CN109916839B CN201910264282.9A CN201910264282A CN109916839B CN 109916839 B CN109916839 B CN 109916839B CN 201910264282 A CN201910264282 A CN 201910264282A CN 109916839 B CN109916839 B CN 109916839B
- Authority
- CN
- China
- Prior art keywords
- outcrop
- residual coal
- coal combustion
- combustion center
- image
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开的一种基于高分遥感影像的露头残煤燃烧中心精准探测方法,首先选取有露头残煤燃烧的区域作为研究区域,获取该区域的高分辨率光学遥感影像,并对该高分辨率光学遥感影像进行辐射定标、大气校正和几何校正的预处理,得到预处理影像;利用直方图均衡化方法对研究区预处理影像进行增强处理,得到研究区域的增强影像;利用背景迭代搜索方法对增强影像中的露头残煤燃烧中心进行粗提取,得到粗提取的露头残煤燃烧中心信息;根据露头残煤燃烧中心信息特征判断方法,对粗提取的露头残煤燃烧中心信息进行精提取,得到精提取的露头残煤燃烧中心信息;该方法可以为煤自燃的环境监测、露头煤的开发和管理、生态精准修复提供直接支撑。
Description
技术领域
本发明涉及矿山生态环境监测的技术领域,特别是涉及一种基于高分遥感影像的露头残煤燃烧中心精准探测方法。
背景技术
露头残煤燃烧主要是采掘不完全、露头煤自燃所引起的,发生在土地表层,空间规模在几个到几十个平方米左右,具有规模小、分布零散、环境影响大的特点。实施环境治理、生态修复工程,需要探测出露头残煤燃烧中心的位置。关于煤火燃烧中心的提取,目前有地质勘探的办法,如,发明专利《判别地下煤火燃烧中心的方法》,发明专利公开号:CN102071972A。然而,地质勘探的方法需要大量野外调查,不能实现快速探测。
目前,遥感技术已经被用来快速探测煤火,如,《煤田火区的机载热红外高光谱遥感定量探测技术》,发明专利公开号:CN108020322A;《基于广义加法模型的煤火信息高光谱遥感提取方法》,发明专利公开号:CN101615254A;《一种煤田自燃的遥感监测方法》,发明专利公开号:CN104598874A。这些技术主要是利用温度异常的原理来圈定煤田火区,空间分辨率较低。实际上,煤田火区的空间尺度一般在数百平方米乃至数万平方米,其空间范围远大于露头残煤燃烧中心。因而,这些遥感技术能探测出煤火或煤自燃区域,但不能探测出露头残煤燃烧中心。
因此,针对露头残煤燃烧中心问题,还缺乏精准探测的方法。
发明内容
有鉴于上述技术需求,本发明旨在提供一种基于高分遥感影像的露头残煤燃烧中心精准探测方法,为解决上述技术问题提供一种可供选择的方案,为精准生态修复、环境影响评价、地质灾害治理等提供科学依据。
本发明采用的技术方案是:一种基于高分遥感影像的露头残煤燃烧中心精准探测方法,包括以下步骤:
步骤1)选取有露头残煤燃烧的区域作为研究区域,获取该区域的高分辨率光学遥感影像;对该高分辨率光学遥感影像进行辐射定标、大气校正和几何校正的预处理,得到研究区域的预处理影像;
步骤2)利用直方图均衡化方法对研究区预处理影像进行增强处理,得到研究区域的增强影像;其中,记研究区域的增强影像为g,g的计算公式为:
g=INT[(L-1)C(f)+0.5] (公式1)
其中,f表示研究区预处理影像,INT[]为取整函数,L为研究区预处理影像的总灰度级数,C(f)为研究区预处理影像灰度级的累积概率;
步骤3)利用背景迭代搜索方法对增强影像g中的露头残煤燃烧中心进行粗提取,得到粗提取的露头残煤燃烧中心信息;其中,针对露头残煤燃烧中心粗提取的背景迭代搜索方法包括如下步骤3-1)至步骤3-3);
步骤3-1)将增强影像g的第一个像元标记为1,将该像元的灰度值与邻域像元的灰度值进行距离计算,并赋予标记;其中,距离计算和赋予标记的公式分别为:
其中,x为增强影像g的第一个像元的灰度值,y为邻域像元的灰度值;ε为距离阈值,通过最大类间方差法自动获取;flag为给邻域像元赋予的标记;
步骤3-2)选取一个已标记为1的像元,将其灰度值与其领域像元的灰度值进行距离计算,并赋予标记;重复步骤3-2),使增强影像g所有的像元都被标记;
步骤3-3)提取增强影像g中被标记为0的像元,得到若干独立的增强影像单元作为露头残煤燃烧中心粗提取结果;
步骤4)根据露头残煤燃烧中心信息特征判断方法,对粗提取的露头残煤燃烧中心信息进行精提取,得到精提取的露头残煤燃烧中心信息;其中,露头残煤燃烧中心信息特征包括归一化植被指数、归一化水体指数特征;涉及精提取过程的露头残煤燃烧中心信息特征判断方法包括如下步骤4-1)至步骤4-2):
步骤4-1)记粗提取的露头残煤燃烧中心所对应的增强影像区域为A1,获取A1的归一化植被指数NDVI,设定归一化植被指数阈值TNDVI;判断当0≤NDVI≤TNDVI时,此归一化植被指数NDVI对应的增强遥感影像区域A2为露头残煤燃烧中心、阴影、裸地或残煤,并执行步骤4-2);否则,此归一化植被指数NDVI对应的增强遥感影像区域为植被和水体;其中,获取归一化植被指数的计算公式为:
其中,NIR是增强影像近红外波段的反射值,R为增强影像红光波段的反射值;
步骤4-2)获取增强遥感影像区域A2的归一化水体指数NDWI,设定归一化水体指数阈值TNDWI;判断当NDWI≤TNDWI时,此归一化水体指数NDWI对应的增强遥感影像区域A3为露头残煤燃烧中心;否则,此归一化水体指数NDWI对应的增强遥感影像区域为阴影、裸地或残煤;其中,获取归一化水体指数的计算公式为:
其中,NIR是增强影像近红外波段的反射值,G为增强影像绿光波段的反射值;
步骤5)将增强遥感影像区域A3单独显示在地图上,作为露头残煤燃烧中心信息精准探测的结果。
本发明的技术效果在于:
(1)本发明最小可识别面积为1平方米的露头残煤燃烧中心信息。相比于其他遥感圈定煤火或煤自燃区域的技术,增加了空间分辨率,实现露头残煤燃烧中心的精细提取。
(2)综合利用了露头残煤燃烧中心无植被覆盖、地表燃烧脱水、遥感影像灰度值异于背景地物的特点,结合背景搜索、归一化植被指数阈值判别、归一化水体指数阈值判别方法,排除了阴影、水体、植被、裸地、残煤的干扰,保证了露头残煤燃烧中心提取结果的可靠性。
(3)本发明的高分遥感数据源丰富,避免了高成本、多程序的野外作业,相比于实地调查和物探技术,具有野外工作量少、成本低的优点。
(4)本发明最终提供露头残煤燃烧中心的地图,可以为煤自燃的环境监测、露头煤的开发和管理、生态精准修复提供直接支撑。
附图说明
图1是本发明的技术流程图;
图2是研究区的高分辨率光学遥感影像;
图3是研究区露头残煤燃烧中心精准探测结果。
具体实施方式
以下结合附图1来说明实施方式。本发明基于高分遥感影像完成,充分利用露头残煤燃烧中心与研究区背景地物的遥感影像灰度值不一致的特点,逐步缩小探测范围,最终从背景中自动探测出露头残煤燃烧中心。具体步骤如下:
步骤1,选取有露头残煤燃烧的区域作为研究区域,如已知某矿区或者某村林地中有露头残煤燃烧。则矿区边界和村林地边界内的区域为研究区域。获取该区域的高分辨率光学遥感影像。影像可以从遥感数据公司购买或免费下载,影像包括全色影像和多光谱影像,且全色影像的空间分辨率小于等于1米,多光谱影像的空间分辨率小于等于4米、波段数大于等于3个。可供选择的卫星数据源包括IKONOS、Geo-eye、Worldview、Quickbrid、Pleiades、高分二号。
然后对该高分辨率光学遥感影像进行辐射定标、大气校正和几何校正的预处理,得到研究区域的预处理影像,辐射定标、大气校正和几何校正是成熟的遥感影像处理方法,可以利用ENVI软件完成。
步骤2,利用直方图均衡化方法对研究区预处理影像进行增强处理,得到研究区域的增强影像。通过增强处理,增加遥感影像的对比度,消除遥感影像背景和前景都太亮或者太暗的问题。其中,记研究区域的增强影像为g,g的计算公式为:
g=INT[(L-1)C(f)+0.5] (公式1)
其中,f表示研究区预处理影像,INT[]为取整函数,L为研究区预处理影像的总灰度级数,C(f)为研究区预处理影像灰度级的累积概率。
步骤3,利用背景迭代搜索方法对增强影像g中的露头残煤燃烧中心进行粗提取,得到粗提取的露头残煤燃烧中心信息。其中,针对露头残煤燃烧中心粗提取的背景迭代搜索方法包括如下步骤3-1至步骤3-3。
步骤3-1,将增强影像g的第一个像元标记为1,将该像元的灰度值与邻域像元的灰度值进行距离计算,并赋予标记。其中,距离计算和赋予标记的公式分别为:
其中,x为增强影像g的第一个像元的灰度值,y为邻域像元的灰度值;ε为距离阈值,通过最大类间方差法自动获取;flag为给邻域像元赋予的标记。
步骤3-2,选取一个已标记为1的像元,将其灰度值与其领域像元的灰度值进行距离计算,计算公式为公式(2),并按照公式(3)赋予标记。重复步骤3-2,使增强影像g所有的像元都被标记。当像元标记为1时,表示像元是背景地物,如森林植被、农田、露天采场等;当像元标记为0时,表明像元是与背景地物不同的露头残煤燃烧中心。
步骤3-3,提取增强影像g中被标记为0的像元,得到若干独立的增强影像单元作为露头残煤燃烧中心粗提取结果。
步骤4,根据露头残煤燃烧中心信息特征判断方法,对粗提取的露头残煤燃烧中心信息进行精提取,得到精提取的露头残煤燃烧中心信息。其中,露头残煤燃烧中心信息特征包括归一化植被指数、归一化水体指数特征。露头残煤燃烧中心由于煤自燃,植被无法生长,因此归一化植被指数极低;燃烧中心的土地由于温度高而过度脱水,归一化植被指数不可能小于零,且归一化水体指数极低。涉及精提取过程的露头残煤燃烧中心信息特征判断方法包括如下步骤4-1至步骤4-4:
步骤4-1,记粗提取的露头残煤燃烧中心所对应的增强影像区域为A1,获取A1的归一化植被指数NDVI,设定归一化植被指数阈值TNDVI。判断当0≤NDVI≤TNDVI时,此归一化植被指数NDVI对应的增强遥感影像区域A2为露头残煤燃烧中心、阴影、裸地、残煤,并执行步骤4-2。否则,此归一化植被指数NDVI对应的增强遥感影像区域为植被和水体。其中,获取归一化植被指数的计算公式为:
其中,NIR是增强影像近红外波段的反射值,R为增强影像红光波段的反射值。
在步骤4-1中,利用归一化植被指数阈值TNDVI对增强影像区域A1判断后,A1被分为两个部分:一个是增强遥感影像区域A2,另一个是A1-A2所对应的增强影像区域。A2中包括了露头残煤燃烧中心、阴影、裸地、残煤,A1-A2为植被和水体。在步骤4-2中,只对增强遥感影像区域A2进行处理。
步骤4-2,获取增强遥感影像区域A2的归一化水体指数NDWI,设定归一化水体指数阈值TNDWI。判断当NDWI≤TNDWI时,此归一化水体指数NDWI对应的增强遥感影像区域A3为露头残煤燃烧中心。否则,此归一化水体指数NDWI对应的增强遥感影像区域为阴影、裸地和残煤。其中,获取归一化水体指数的计算公式为:
其中,NIR是增强影像近红外波段的反射值,G为增强影像绿光波段的反射值。
在步骤4-2中,利用归一化水体指数阈值TNDWI对增强遥感影像区域A2判断后,A2被分为两个部分:一个是增强遥感影像区域A3,另一个是A2-A3所对应的增强影像区域。A3中只包括了露头残煤燃烧中心,A2-A3为阴影、裸地和残煤。因此,A3就是露头残煤燃烧中心精准探测的结果。
步骤5,将增强遥感影像区域A3单独显示在地图上,作为露头残煤燃烧中心信息精准探测的结果。更优地,将露头残煤燃烧中心导入GIS软件中,添加指北针、比例尺、坐标格网,制作露头残煤燃烧中心分布图,供煤自燃的环境监测、露头煤的开发和管理、生态精准修复使用。
本实施例中,图2为一个露头煤采矿区的高分遥感影像,在该区域中,有露头残煤燃烧问题。该高分遥感影像中,大面积的高亮白色区域为露天采场,暗色区域为森林,这是两种背景地物。还有一些地方遥感影像特征与背景不一样,可能为露头残煤燃烧中心。本发明的一种高分遥感影像露头残煤燃烧中心精准探测方法,就是将露头残煤燃烧中心从背景中分离出来。图3为所示的露头残煤燃烧中心精准探测结果,其中,白色闭环线条为研究区边界,白色面状区域就是探测得到的露头残煤燃烧中心。可以看出,本发明相比于其他遥感圈定煤火或煤自燃区域的技术,能够探测零散的小规模露头残煤燃烧中心,实现露头残煤燃烧中心的精细提取。最终提供露头残煤燃烧中心的地图,可以为煤自燃的环境监测、露头煤的开发和管理、生态精准修复提供直接支撑。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不能脱离本发明的原理和宗旨的情况下在本发明的范围内对上述实施例进行变化、修改、替换和变型。
Claims (1)
1.一种基于高分遥感影像的露头残煤燃烧中心精准探测方法,包括以下步骤:
步骤1)选取有露头残煤燃烧的区域作为研究区域,获取该区域的高分辨率光学遥感影像;对该高分辨率光学遥感影像进行辐射定标、大气校正和几何校正的预处理,得到研究区域的预处理影像;
步骤2)利用直方图均衡化方法对研究区预处理影像进行增强处理,得到研究区域的增强影像;其中,记研究区域的增强影像为g,g的计算公式为:
g=INT[(L-1)C(f)+0.5] (公式1)
其中,f表示研究区预处理影像,INT[]为取整函数,L为研究区预处理影像的总灰度级数,C(f)为研究区预处理影像灰度级的累积概率;
步骤3)利用背景迭代搜索方法对增强影像g中的露头残煤燃烧中心进行粗提取,得到粗提取的露头残煤燃烧中心信息;其中,针对露头残煤燃烧中心粗提取的背景迭代搜索方法包括步骤3-1)至步骤3-3);
步骤3-1)将增强影像g的第一个像元标记为1,将该像元的灰度值与邻域像元的灰度值进行距离计算,并赋予标记;其中,距离计算和赋予标记的公式分别为:
其中,x为增强影像g的第一个像元的灰度值,y为邻域像元的灰度值;ε为距离阈值,通过最大类间方差法自动获取;flag为给邻域像元赋予的标记;
步骤3-2)选取一个已标记为1的像元,将其灰度值与其领域像元的灰度值进行距离计算,并赋予标记;重复步骤3-2),使增强影像g所有的像元都被标记;
步骤3-3)提取增强影像g中被标记为0的像元,得到若干独立的增强影像单元作为露头残煤燃烧中心粗提取结果;
步骤4)根据露头残煤燃烧中心信息特征判断方法,对粗提取的露头残煤燃烧中心信息进行精提取,得到精提取的露头残煤燃烧中心信息;其中,露头残煤燃烧中心信息特征包括归一化植被指数、归一化水体指数特征;涉及精提取过程的露头残煤燃烧中心信息特征判断方法包括如下步骤4-1)至步骤4-2):
步骤4-1)记粗提取的露头残煤燃烧中心所对应的增强影像区域为A1,获取A1的归一化植被指数NDVI,设定归一化植被指数阈值TNDVI;判断当0≤NDVI≤TNDVI时,此归一化植被指数NDVI对应的增强遥感影像区域A2为露头残煤燃烧中心、阴影、裸地或残煤,并执行步骤4-2);否则,此归一化植被指数NDVI对应的增强遥感影像区域为植被和水体;其中,获取归一化植被指数的计算公式为:
其中,NIR是增强影像近红外波段的反射值,R为增强影像红光波段的反射值;
步骤4-2)获取增强遥感影像区域A2的归一化水体指数NDWI,设定归一化水体指数阈值TNDWI;判断当NDWI≤TNDWI时,此归一化水体指数NDWI对应的增强遥感影像区域A3为露头残煤燃烧中心;否则,此归一化水体指数NDWI对应的增强遥感影像区域为阴影、裸地或残煤;其中,获取归一化水体指数的计算公式为:
其中,NIR是增强影像近红外波段的反射值,G为增强影像绿光波段的反射值;
步骤5)将增强遥感影像区域A3单独显示在地图上,作为露头残煤燃烧中心信息精准探测的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264282.9A CN109916839B (zh) | 2019-04-03 | 2019-04-03 | 一种基于高分遥感影像的露头残煤燃烧中心精准探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264282.9A CN109916839B (zh) | 2019-04-03 | 2019-04-03 | 一种基于高分遥感影像的露头残煤燃烧中心精准探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109916839A CN109916839A (zh) | 2019-06-21 |
CN109916839B true CN109916839B (zh) | 2021-03-02 |
Family
ID=66968330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910264282.9A Active CN109916839B (zh) | 2019-04-03 | 2019-04-03 | 一种基于高分遥感影像的露头残煤燃烧中心精准探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109916839B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021348B (zh) * | 2021-11-05 | 2022-05-20 | 中国矿业大学(北京) | 一种精细土地利用类型的矿区植被碳汇遥感反演方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101592524A (zh) * | 2009-07-07 | 2009-12-02 | 中国科学技术大学 | 基于类间方差的modis森林火灾火点检测方法 |
CN101989373A (zh) * | 2009-08-04 | 2011-03-23 | 中国科学院地理科学与资源研究所 | 基于可见光—热红外的多光谱多尺度森林火情监测方法 |
CN107067334A (zh) * | 2017-04-21 | 2017-08-18 | 中国科学院遥感与数字地球研究所 | 基于多源遥感数据的农田火灾和秸秆焚烧监测方法及系统 |
CN108280812A (zh) * | 2018-01-23 | 2018-07-13 | 中国科学院遥感与数字地球研究所 | 一种基于图像增强的过火区域提取方法 |
US10127451B1 (en) * | 2017-04-24 | 2018-11-13 | Peter Cecil Vanderbilt Sinnott | Method of detecting and quantifying sun-drying crops using satellite derived spectral signals |
CN109063553A (zh) * | 2018-06-22 | 2018-12-21 | 中国矿业大学 | 一种土地整治后农田作物生长缺陷区遥感快速诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8280111B2 (en) * | 2010-02-17 | 2012-10-02 | The Boeing Company | Advanced background estimation technique and circuit for a hyper-spectral target detection method |
-
2019
- 2019-04-03 CN CN201910264282.9A patent/CN109916839B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101592524A (zh) * | 2009-07-07 | 2009-12-02 | 中国科学技术大学 | 基于类间方差的modis森林火灾火点检测方法 |
CN101989373A (zh) * | 2009-08-04 | 2011-03-23 | 中国科学院地理科学与资源研究所 | 基于可见光—热红外的多光谱多尺度森林火情监测方法 |
CN107067334A (zh) * | 2017-04-21 | 2017-08-18 | 中国科学院遥感与数字地球研究所 | 基于多源遥感数据的农田火灾和秸秆焚烧监测方法及系统 |
US10127451B1 (en) * | 2017-04-24 | 2018-11-13 | Peter Cecil Vanderbilt Sinnott | Method of detecting and quantifying sun-drying crops using satellite derived spectral signals |
CN108280812A (zh) * | 2018-01-23 | 2018-07-13 | 中国科学院遥感与数字地球研究所 | 一种基于图像增强的过火区域提取方法 |
CN109063553A (zh) * | 2018-06-22 | 2018-12-21 | 中国矿业大学 | 一种土地整治后农田作物生长缺陷区遥感快速诊断方法 |
Non-Patent Citations (3)
Title |
---|
Application of remote sensing to identify coalfires in the Raniganj Coalbelt, India;Prasun K Gangopadhyay,et al;《International Journal of Applied Earth Observation and Geoinformation》;20061231;第8卷;第188–195页 * |
The utility of Random Forests for wildfire severity mapping;L.Collins,et al;《Remote Sensing of Environment》;20181231;第216卷;第374-384页 * |
基于高分一号影像光谱指数识别火烧迹地的决策树方法;祖笑锋 等;《林业资源管理》;20150831(第4期);第73-83页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109916839A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Koike et al. | Lineament analysis of satellite images using a Segment Tracing Algorithm (STA) | |
Penasa et al. | Integration of intensity textures and local geometry descriptors from Terrestrial Laser Scanning to map chert in outcrops | |
Rasmussen et al. | Tree survey and allometric models for tiger bush in northern Senegal and comparison with tree parameters derived from high resolution satellite data | |
CN110852381A (zh) | 一种林火火烧迹地的提取方法及系统 | |
Jellouli et al. | Application of optical and radar satellite images for mapping tectonic lineaments in kerdous inlier of the Anti-Atlas belt, Morocco | |
Salati et al. | Lithological mapping and fuzzy set theory: Automated extraction of lithological boundary from ASTER imagery by template matching and spatial accuracy assessment | |
Liu et al. | A geomorphological model for landslide detection using airborne LIDAR data | |
CN109916839B (zh) | 一种基于高分遥感影像的露头残煤燃烧中心精准探测方法 | |
Feng et al. | The topographic normalization of hyperspectral data: Implications for the selection of spectral end members and lithologic mapping | |
CN113076796B (zh) | 喀斯特石漠化的遥感制图方法及装置 | |
Tømmervik et al. | High‐resolution satellite imagery for detection of tracks and vegetation damage caused by all‐terrain vehicles (ATVs) in Northern Norway | |
Khudhur et al. | Comparison of the accuracies of different spectral indices for mapping the vegetation covers in Al-Hawija district, Iraq | |
Raval et al. | A monitoring framework for land use around kaolin mining areas through Landsat TM images | |
Wu et al. | A fully automatic method to extract rare earth mining areas from Landsat Images | |
Li et al. | Application of object-oriented classification with hierarchical multi-scale segmentation for information extraction in Nonoc Nickel mine, the Philippines | |
CN114241333A (zh) | 一种基于多源时序遥感影像精准识别新生滑坡区域的方法 | |
Mondal et al. | Support vector machine-based integration of AVIRIS NG hyperspectral and ground geophysical data for identifying potential zones for chromite exploration–A study in Tamil Nadu, India | |
Saba et al. | Co-seismic landslides automatic detection on regional scale with sub-pixel analysis of multi temporal high resolution optical images: Application to southwest of Port Au Prince, Haiti | |
Dhara et al. | Automatic extraction and analysis of lineament features using ASTER and Sentinel 1 SAR data | |
CN109886142B (zh) | 一种基于sar技术的农作物解译方法 | |
Traviglia | MIVIS hyperspectral sensors for the detection and GIS supported interpretation of subsoil archaeological sites | |
Liu | Random forest and watershed transformations for mapping quasi-circular vegetation patch using fused multispectral CBERS-04 images | |
MOHAMMADY et al. | Role of smile correction in mineral detection on hyperion data | |
Zhang et al. | Study on the Monitoring of Karst Plateau Vegetation with UAV Aerial Photographs and Remote Sensing Images | |
Phong et al. | The Feasibility of Sentinel-2A and Landsat-8 Data in Rock Outcrop Extracting using Object-Based Oriented Classification-A Case Study in Mountainous Areas of Thua Thien Hue Province, Vietnam |
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 |