CN110060292A - 一种基于多尺度融合的土地利用面积计算方法 - Google Patents
一种基于多尺度融合的土地利用面积计算方法 Download PDFInfo
- Publication number
- CN110060292A CN110060292A CN201910268027.1A CN201910268027A CN110060292A CN 110060292 A CN110060292 A CN 110060292A CN 201910268027 A CN201910268027 A CN 201910268027A CN 110060292 A CN110060292 A CN 110060292A
- Authority
- CN
- China
- Prior art keywords
- image
- vegetation
- soil
- land use
- follows
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000004927 fusion Effects 0.000 title claims abstract description 17
- 239000002689 soil Substances 0.000 claims abstract description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000001228 spectrum Methods 0.000 claims description 15
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 10
- 238000002310 reflectometry Methods 0.000 claims description 9
- 208000027066 STING-associated vasculopathy with onset in infancy Diseases 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000000985 reflectance spectrum Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000000926 separation method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000000354 decomposition reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 241000202755 Areca Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- 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
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开的属于分析及测量控制技术领域,具体为一种基于多尺度融合的土地利用面积计算方法,该种基于多尺度融合的土地利用面积计算方法具体操作步骤如下:S1:对中低分辨率遥感影像,进行数据预处理,包括辐射校正、几何校正和影像裁剪,该种基于多尺度融合的土地利用面积计算方法,采用MNDWI去除水体,同时计算影像的NDVI和EIBI;然后经过最小噪声分离变换将影像降维处理,结合高分影像手动选择纯净像元,利用EIBI和NDVI的阈值,将不透水面解译结果中的裸土和植被噪音去除,降低不透水面高估误差,以及其他分量的低估误差,并分别与土壤和植被的解混分量相加,得到精确的地表覆盖面积比例。
Description
技术领域
本发明涉及分析及测量控制技术领域,具体为一种基于多尺度融合的土地利用面积计算方法。
背景技术
目前约束型线性光谱混合分解模型(CLSMA)是常用的基于亚像元尺度计算土地利用覆盖面积的方法,其优势在于能够将中低分辨率遥感影像上的混合像元进行分解,得出各类地物的面积比例。
近年来,提高约束型线性光谱混合分解模型的精度逐渐成为研究热点,主要关注点在于端元选取和解译结果筛选上,但是由于人为干预影响较大,研究区域变化多样,不透水面解译结果中混有大量裸土和植被噪音。通常不透水面包括两个分量:高反照率分量和低反照率分量,裸土与不透水面高反照率分量的光谱曲线十分相似,因此裸土噪音较难去除;水体与不透水面低反照率分量的反射率值较为接近,因此需要去除水体。
但是现有的遥感影像的空间分辨率较低,纯净端元的选取存在较大的误差,导致混合像元分解结果精度较低,光谱曲线不具有各类纯净像元的典型特征,导致混合像元分解结果中端元比例出现较大误差。
发明内容
本发明的目的在于提供一种基于多尺度融合的土地利用面积计算方法,以解决上述背景技术中提出的现有的遥感影像的空间分辨率较低,纯净端元的选取存在较大的误差,导致混合像元分解结果精度较低,光谱曲线不具有各类纯净像元的典型特征,导致混合像元分解结果中端元比例出现较大误差的问题。
为实现上述目的,本发明提供如下技术方案:一种基于多尺度融合的土地利用面积计算方法,该种基于多尺度融合的土地利用面积计算方法具体操作步骤如下:
S1:对中低分辨率遥感影像,Landsat-8Operational Land Imager进行数据预处理,包括辐射校正、几何校正和影像裁剪,其中,Landsat-8OLI影像的空间分辨率为30m;
S2:计算MNDWI,通过Otsu阈值分割法确定水体掩膜阈值,去除水体,MNDWI的计算公式如下:
MNDWI=(PGREEN-PMI R)/(PGREEN+PMI R1;
S3:对去除水体后的影像进行MNF降维处理,结合N维可视化工具,选择较为纯净的像元,得到端元反射波谱曲线;
S4:结合同时期的高分影像Sentinel-2A multispectral imager,利用感兴趣区域工具,手动选取较为纯净的像元,获取植被、土壤、高反照率地物和低反照率地物的光谱曲线,修正由Landsat-8OLI影像上选取的端元光谱曲线,然后采用CLSMA对影响进行最小二成分解,计算各像元中端元比例,将波段2、3、4、8和11波段上端元的反射率作为Landsat-8OLI相应波段的反射率,修正各端元光谱,得到比较典型的各类端元的反射光谱曲线,其中Sentinel-2A MSI影像的空间分辨率为10m;
S5:通过CLSMA可以逐像元计算各类地物所占比例,通过NDVI和EIBI阈值分割,最终将不透水面中大部分的植被和裸土噪音分离出来,并赋值为1,作为补偿部分与CLSMA解译结果中的植被分量和土壤分类合并,其计算公式如下:
NDVI=(PNI R-PRED)/(PNI R+PRED);
式中,PNIR为Landsat-8OLI遥感影像的近红外波段记为Band5,PRED为红色波段记为Band4;
S6:采用NDBBI,可以直接剔除植被信息,同时削弱水体噪音,提取出含有土壤的建筑用地信息,NDBBI的计算公式如下:
NDBBI=[1.5PMI R2-(PNI R+PGREEN)/2]/[1.5PMI R2+(PNI R+PGREEN)/2];
式中,PMIR2为Landsat-8OLI遥感影像的短波红外波段记为Band7,PNIR为近红外波段记为Band5;
S7:研究植被覆盖率较低的区域,引入土壤调节因子L,增强建筑用地区域的植被指数,SAVI的计算公式如下:
SAVI=(PNI R-PRED)(1+L)/(PNI R+PRED+L);
式中,L作为土壤调节因子,取0.5,将土壤亮度差异调整至最小;
S8:利用BSI增强裸土信息,其次是建筑用地信息,水体和植被,BSI的计算公式如下:
式中,PBLUE为Landsat-8OLI遥感影像的绿色波段记为Band3;
S9:利用BCI和MNDWI的亮度差异,配合EBSI增强型裸土指数,其计算公式如下:
EBSI=(BSI-MNDWI)/(BSI+MNDWI)。
优选的,所述NDVI和所述EIBI通过Otsu阈值分割法,分别进行二值化处理,其中NDVI二值化结果中植被用0表示,非植被用1表示;EIBI二值化结果中建筑用地用1表示,非建筑用地用0表示。
优选的,所述CLSMA的计算公式如下:
式中,i=1,2,…M,M为光谱波段数;n为端元数目;fk为端元k在像元中所占面积比例;Ri为波段i上端元k的光谱反射率;ERi为波段i的残差。
优选的,所述EIBI对建筑用地提取的主要因素是水体。
与现有技术相比,本发明的有益效果是:采用MNDWI去除水体,同时计算影像的NDVI和EIBI;然后经过最小噪声分离变换将影像降维处理,结合高分影像手动选择纯净像元,基于CLSMA计算混合像元内各类端元所占比例;最后利用EIBI和NDVI的阈值,将不透水面解译结果中的裸土和植被噪音去除,降低不透水面高估误差,以及其他分量的低估误差,并分别与土壤和植被的解混分量相加,得到精确的地表覆盖面积比例。
附图说明
图1为本发明技术方案示意图;
图2为本发明端元选取及优化流程示意图;
图3为本发明波段范围表示意图;
图4为本发明专题指数计算及阈值分割示意图;
图5为本发明遥感影像线性光谱混合分解及结果修正流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种技术方案:一种基于多尺度融合的土地利用面积计算方法,该种基于多尺度融合的土地利用面积计算方法具体操作步骤如下;
S1:对中低分辨率遥感影像,Landsat-8Operational Land Imager进行数据预处理,包括辐射校正、几何校正和影像裁剪,其中,Landsat-8OLI影像的空间分辨率为30m;
S2:计算MNDWI,通过Otsu阈值分割法确定水体掩膜阈值,去除水体,MNDWI的计算公式如下:
MNDWI=(PGREEN-PMI R)/(PGREEN+PMI R1);
S3:对去除水体后的影像进行MNF降维处理,结合N维可视化工具,选择较为纯净的像元,得到端元反射波谱曲线;
S4:结合同时期的高分影像Sentinel-2A multispectral imager,利用感兴趣区域工具,手动选取较为纯净的像元,获取植被、土壤、高反照率地物和低反照率地物的光谱曲线,修正由Landsat-8OLI影像上选取的端元光谱曲线,然后采用CLSMA对影响进行最小二成分解,计算各像元中端元比例,将波段2、3、4、8和11波段上端元的反射率作为Landsat-8OLI相应波段的反射率,修正各端元光谱,得到比较典型的各类端元的反射光谱曲线,其中Sentinel-2A MSI影像的空间分辨率为10m;
S5:通过CLSMA可以逐像元计算各类地物所占比例,通过NDVI和EIBI阈值分割,最终将不透水面中大部分的植被和裸土噪音分离出来,并赋值为1,作为补偿部分与CLSMA解译结果中的植被分量和土壤分类合并,其计算公式如下:
NDVI=(PNI R-PRED)/(PNI R+PRED);
式中,PNIR为Landsat-8OLI遥感影像的近红外波段记为Band5,PRED为红色波段记为Band4;
S6:采用NDBBI,可以直接剔除植被信息,同时削弱水体噪音,提取出含有土壤的建筑用地信息,NDBBI的计算公式如下:
NDBBI=[1.5PMI R2-(PNI R+PGREEN)/2]/[1.5PMI R2+(PNI R+PGREEN)/2];
式中,PMIR2为Landsat-8OLI遥感影像的短波红外波段记为Band7,PNIR为近红外波段记为Band5;
S7:研究植被覆盖率较低的区域,引入土壤调节因子L,增强建筑用地区域的植被指数,SAVI的计算公式如下:
SAVI=(PNI R-PRED)(1+L)/(PNI R+PRED+L);
式中,L作为土壤调节因子,取0.5,将土壤亮度差异调整至最小;
S8:利用BSI增强裸土信息,其次是建筑用地信息,水体和植被,BSI的计算公式如下:
式中,PBLUE为Landsat-8OLI遥感影像的绿色波段记为Band3;
S9:利用BCI和MNDWI的亮度差异,配合EBSI增强型裸土指数,其计算公式如下:
EBSI=(BSI-MNDWI)/(BSI+MNDWI)。
所述NDVI和所述EIBI通过Otsu阈值分割法,分别进行二值化处理,其中NDVI二值化结果中植被用0表示,非植被用1表示;EIBI二值化结果中建筑用地用1表示,非建筑用地用0表示。
所述CLSMA的计算公式如下:
式中,i=1,2,…M,M为光谱波段数;n为端元数目;fk为端元k在像元中所占面积比例;Ri为波段i上端元k的光谱反射率;ERi为波段i的残差。
所述EIBI对建筑用地提取的主要因素是水体。
综合以上所述,该种基于多尺度融合的土地利用面积计算方法,可将解混后的各分量提取出来,将低反照率不透水面分量与高反照率不透水面分量相加,初步得到不透水面的面积比例;然后将NDVI二值化处理结果掩膜不透水面分量,将掩膜掉的像元作为植被分量,赋值1,与解混结果中的植被分量相加,得到植被修正后的面积比例;接着将EIBI二值化的结果掩膜不透水面分量,将掩膜掉的像元作为土壤分量,赋值1,与解混结果中的土壤分量相加,得到土壤修正后的面积比例;最后,不透水面分量中剩余的部分是去除了植被和土壤噪音后的不透水面面积比例,采用MNDWI去除水体,同时计算影像的NDVI和EIBI;然后经过最小噪声分离变换将影像降维处理,结合高分影像手动选择纯净像元,基于CLSMA计算混合像元内各类端元所占比例;最后利用EIBI和NDVI的阈值,将不透水面解译结果中的裸土和植被噪音去除,降低不透水面高估误差,以及其他分量的低估误差,并分别与土壤和植被的解混分量相加,得到精确的地表覆盖面积比例。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于多尺度融合的土地利用面积计算方法,其特征在于:该种基于多尺度融合的土地利用面积计算方法具体操作步骤如下:
S1:对中低分辨率遥感影像,Landsat-8 Operational Land Imager进行数据预处理,包括辐射校正、几何校正和影像裁剪,其中,Landsat-8 OLI影像的空间分辨率为30m;
S2:计算MNDWI,通过Otsu阈值分割法确定水体掩膜阈值,去除水体,MNDWI的计算公式如下:
MNDWI=(PGREEN-PMIR)/(PGREEN+PMIR1);
S3:对去除水体后的影像进行MNF降维处理,结合N维可视化工具,选择较为纯净的像元,得到端元反射波谱曲线;
S4:结合同时期的高分影像Sentine1-2A multispectral imager,利用感兴趣区域工具,手动选取较为纯净的像元,获取植被、土壤、高反照率地物和低反照率地物的光谱曲线,修正由Landsat-8 OLI影像上选取的端元光谱曲线,然后采用CLSMA对影响进行最小二成分解,计算各像元中端元比例,将波段2、3、4、8和11波段上端元的反射率作为Landsat-8 OLI相应波段的反射率,修正各端元光谱,得到比较典型的各类端元的反射光谱曲线,其中Sentine1-2A MSI影像的空间分辨率为10m;
S5:通过CLSMA可以逐像元计算各类地物所占比例,通过NDVI和EIBI阈值分割,最终将不透水面中大部分的植被和裸土噪音分离出来,并赋值为1,作为补偿部分与CLSMA解译结果中的植被分量和土壤分类合并,其计算公式如下:
NDVI=(PNIR-PRED)/(PNIR+PRED);
式中,PNIR为Landsat-8 OLI遥感影像的近红外波段记为Band5,PRED为红色波段记为Band4;
S6:采用NDBBI,可以直接剔除植被信息,同时削弱水体噪音,提取出含有土壤的建筑用地信息,NDBBI的计算公式如下:
NDBBI=[1.5PMIR2-(PNIR+PGREEN)/2]/[1.5PMIR2+(PNIR+PGREEN)/2];
式中,PMIR2为Landsat-8 OLI遥感影像的短波红外波段记为Band7,PNIR为近红外波段记为Band5;
S7:研究植被覆盖率较低的区域,引入土壤调节因子L,增强建筑用地区域的植被指数,SAVI的计算公式如下:
SAVI=(PNIR-PRED)(1+L)/(PNIR+PRED+L);
式中,L作为土壤调节因子,取0.5,将土壤亮度差异调整至最小;
S8:利用BSI增强裸土信息,其次是建筑用地信息,水体和植被,BSI的计算公式如下:
式中,PBLUE为Landsat-8 OLI遥感影像的绿色波段记为Band3;
S9:利用BCI和MNDWI的亮度差异,配合EBSI增强型裸土指数,其计算公式如下:
EBSI=(BSI-MNDWI)/(BSI+MNDWI)。
2.一种如权利要求1所述的基于多尺度融合的土地利用面积计算方法,其特征在于:所述NDVI和所述EIBI通过Otsu阈值分割法,分别进行二值化处理,其中NDVI二值化结果中植被用0表示,非植被用1表示;EIBI二值化结果中建筑用地用1表示,非建筑用地用0表示。
3.一种如权利要求1所述的基于多尺度融合的土地利用面积计算方法,其特征在于:所述CLSMA的计算公式如下:
式中,i=1,2,…M,M为光谱波段数;n为端元数目;fk为端元k在像元中所占面积比例;Ri为波段i上端元k的光谱反射率;ERi为波段i的残差。
4.一种如权利要求1所述的基于多尺度融合的土地利用面积计算方法,其特征在于:所述EIBI对建筑用地提取的主要因素是水体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910268027.1A CN110060292A (zh) | 2019-04-03 | 2019-04-03 | 一种基于多尺度融合的土地利用面积计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910268027.1A CN110060292A (zh) | 2019-04-03 | 2019-04-03 | 一种基于多尺度融合的土地利用面积计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110060292A true CN110060292A (zh) | 2019-07-26 |
Family
ID=67318265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910268027.1A Pending CN110060292A (zh) | 2019-04-03 | 2019-04-03 | 一种基于多尺度融合的土地利用面积计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060292A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705455A (zh) * | 2019-09-29 | 2020-01-17 | 东华理工大学 | 一种基于多光谱卫星遥感影像的三七种植面积计算方法 |
CN111680427A (zh) * | 2020-06-16 | 2020-09-18 | 中国气象科学研究院 | 一种极度稀疏植被区域负土壤调节因子计算方法 |
CN112215815A (zh) * | 2020-10-12 | 2021-01-12 | 杭州视在科技有限公司 | 一种用于建筑工地的裸土覆盖自动检测方法 |
CN112800857A (zh) * | 2021-01-07 | 2021-05-14 | 北京中云伟图科技有限公司 | 一种基于高分辨率卫星数据的裸露土地快速提取方法 |
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 |
CN113688772A (zh) * | 2021-09-02 | 2021-11-23 | 浙江大学 | 一种边坡生态修复监测方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950361A (zh) * | 2010-09-06 | 2011-01-19 | 中国科学院遥感应用研究所 | 一种基于光谱匹配度的遥感影像专题信息自适应提取方法 |
CN102609615A (zh) * | 2012-01-20 | 2012-07-25 | 浙江大学 | 基于修正通用水土流失方程的水土流失遥感动态监测方法 |
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 |
JP2013196151A (ja) * | 2012-03-16 | 2013-09-30 | Chikyu Joho Gijutsu Kenkyusho:Kk | 地形画像処理装置、地形画像処理方法、地形画像処理プログラム及びそれを記録したコンピュータ読み取り可能な記録媒体、並びに地形画像データ及び地形図データ |
CN103544477A (zh) * | 2013-09-30 | 2014-01-29 | 北京师范大学 | 基于改进的线性光谱混合模型的植被覆盖度估算方法 |
CN104794424A (zh) * | 2014-01-20 | 2015-07-22 | 北京天合数维科技有限公司 | 一种新的中低分辨率遥感数据复合的耕地识别方法 |
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 |
CN106650689A (zh) * | 2016-12-30 | 2017-05-10 | 厦门理工学院 | 一种沿海城市时间序列土地利用信息提取方法 |
CN106934405A (zh) * | 2017-03-21 | 2017-07-07 | 北京师范大学 | 一种中分辨率遥感影像中塑料大棚提取及盖度反演的方法 |
CN107239782A (zh) * | 2017-05-09 | 2017-10-10 | 广州地理研究所 | 基于亚像元定位的遥感影像水体提取方法 |
CN107389036A (zh) * | 2017-08-02 | 2017-11-24 | 珠江水利委员会珠江水利科学研究院 | 一种结合无人机影像的大空间尺度植被覆盖度计算方法 |
CN107748736A (zh) * | 2017-10-13 | 2018-03-02 | 河海大学 | 一种基于随机森林的多因子遥感地表温度空间降尺度方法 |
CN107966210A (zh) * | 2017-11-03 | 2018-04-27 | 深圳市环境监测中心站 | 基于高光谱图像的热红外融合重构方法 |
US10032281B1 (en) * | 2017-05-03 | 2018-07-24 | Siemens Healthcare Gmbh | Multi-scale deep reinforcement machine learning for N-dimensional segmentation in medical imaging |
CN108647738A (zh) * | 2018-05-17 | 2018-10-12 | 中国科学院遥感与数字地球研究所 | 基于多指数的全球尺度遥感影像水体智能提取方法 |
CN109374564A (zh) * | 2018-08-20 | 2019-02-22 | 广州地理研究所 | 一种多源遥感数据城市不透水面提取方法 |
CN109448016A (zh) * | 2018-11-02 | 2019-03-08 | 三亚中科遥感研究所 | 一种基于面向对象及其隶属规则的遥感影像海岸线提取方法 |
-
2019
- 2019-04-03 CN CN201910268027.1A patent/CN110060292A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950361A (zh) * | 2010-09-06 | 2011-01-19 | 中国科学院遥感应用研究所 | 一种基于光谱匹配度的遥感影像专题信息自适应提取方法 |
CN102609615A (zh) * | 2012-01-20 | 2012-07-25 | 浙江大学 | 基于修正通用水土流失方程的水土流失遥感动态监测方法 |
JP2013196151A (ja) * | 2012-03-16 | 2013-09-30 | Chikyu Joho Gijutsu Kenkyusho:Kk | 地形画像処理装置、地形画像処理方法、地形画像処理プログラム及びそれを記録したコンピュータ読み取り可能な記録媒体、並びに地形画像データ及び地形図データ |
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 |
CN103544477A (zh) * | 2013-09-30 | 2014-01-29 | 北京师范大学 | 基于改进的线性光谱混合模型的植被覆盖度估算方法 |
CN104794424A (zh) * | 2014-01-20 | 2015-07-22 | 北京天合数维科技有限公司 | 一种新的中低分辨率遥感数据复合的耕地识别方法 |
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 |
CN106650689A (zh) * | 2016-12-30 | 2017-05-10 | 厦门理工学院 | 一种沿海城市时间序列土地利用信息提取方法 |
CN106934405A (zh) * | 2017-03-21 | 2017-07-07 | 北京师范大学 | 一种中分辨率遥感影像中塑料大棚提取及盖度反演的方法 |
US10032281B1 (en) * | 2017-05-03 | 2018-07-24 | Siemens Healthcare Gmbh | Multi-scale deep reinforcement machine learning for N-dimensional segmentation in medical imaging |
CN107239782A (zh) * | 2017-05-09 | 2017-10-10 | 广州地理研究所 | 基于亚像元定位的遥感影像水体提取方法 |
CN107389036A (zh) * | 2017-08-02 | 2017-11-24 | 珠江水利委员会珠江水利科学研究院 | 一种结合无人机影像的大空间尺度植被覆盖度计算方法 |
CN107748736A (zh) * | 2017-10-13 | 2018-03-02 | 河海大学 | 一种基于随机森林的多因子遥感地表温度空间降尺度方法 |
CN107966210A (zh) * | 2017-11-03 | 2018-04-27 | 深圳市环境监测中心站 | 基于高光谱图像的热红外融合重构方法 |
CN108647738A (zh) * | 2018-05-17 | 2018-10-12 | 中国科学院遥感与数字地球研究所 | 基于多指数的全球尺度遥感影像水体智能提取方法 |
CN109374564A (zh) * | 2018-08-20 | 2019-02-22 | 广州地理研究所 | 一种多源遥感数据城市不透水面提取方法 |
CN109448016A (zh) * | 2018-11-02 | 2019-03-08 | 三亚中科遥感研究所 | 一种基于面向对象及其隶属规则的遥感影像海岸线提取方法 |
Non-Patent Citations (6)
Title |
---|
RUDONG XU ET AL.: "Extraction of High-Precision Urban Impervious Surfaces from Sentinel-2 Multispectral Imagery via Modified Linear Spectral Mixture Analysis", 《SENSORS》 * |
吴志杰等: "基于TM图像的"增强的指数型建筑用地指数"研究", 《国土资源遥感》 * |
李珊珊等: "高光谱遥感图像的端元递进提取算法", 《遥感学报》 * |
樊蔚: "不透水面视角下广州市长时间序列城市扩张空间变化分析", 《HTTPS://WWW.DOCIN.COM/P-1055447072.HTML》 * |
许宁等: "基于遥感和GIS的土地利用分类方法及其在土地退化程度分析中的应用――以陕西横山雷龙湾地区为例", 《生态学报》 * |
赵怡等: "LSMA结合NDBI提取广州市部分城区不透水面的方法", 《地理空间信息》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705455A (zh) * | 2019-09-29 | 2020-01-17 | 东华理工大学 | 一种基于多光谱卫星遥感影像的三七种植面积计算方法 |
CN111680427A (zh) * | 2020-06-16 | 2020-09-18 | 中国气象科学研究院 | 一种极度稀疏植被区域负土壤调节因子计算方法 |
CN112215815A (zh) * | 2020-10-12 | 2021-01-12 | 杭州视在科技有限公司 | 一种用于建筑工地的裸土覆盖自动检测方法 |
CN112800857A (zh) * | 2021-01-07 | 2021-05-14 | 北京中云伟图科技有限公司 | 一种基于高分辨率卫星数据的裸露土地快速提取方法 |
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 |
CN113688772A (zh) * | 2021-09-02 | 2021-11-23 | 浙江大学 | 一种边坡生态修复监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060292A (zh) | 一种基于多尺度融合的土地利用面积计算方法 | |
CN107609526A (zh) | 基于规则的精细尺度城市不透水面快速提取方法 | |
CN111666815B (zh) | 一种基于Sentinel-2遥感影像的大蒜种植信息自动化提取方法 | |
Mohan et al. | Optimizing individual tree detection accuracy and measuring forest uniformity in coconut (Cocos nucifera L.) plantations using airborne laser scanning | |
CN108986040B (zh) | 一种基于遥感多光谱影像的ndvi阴影影响去除方法 | |
US20220392215A1 (en) | System and Method for Mapping Land Cover Types with Landsat, Sentinel-1, and Sentinel-2 Images | |
US20150356721A1 (en) | System and method for differentiating type of vegetation from remotely sensed data | |
CN108760658A (zh) | 一种遥感影像植被抑制及岩石土壤信息还原方法 | |
CN109087316B (zh) | 一种基于遥感图像的大棚提取方法和装置 | |
CN105931223A (zh) | 基于波段比方法的高光谱反射图像中玉米胚部的分割方法 | |
US11734923B2 (en) | Method for automatically identifying global solar photovoltaic (PV) panels based on cloud platform by using remote sensing | |
CN107314990A (zh) | 一种春玉米遥感识别方法 | |
CN114778483A (zh) | 用于监测山地的遥感影像近红外波段地形阴影校正方法 | |
Degerickx et al. | Mapping functional urban green types using hyperspectral remote sensing | |
Neri et al. | Limitation assessment and workflow refinement of the Mangrove Vegetation Index (MVI)-based mapping methodology using Sentinel-2 imagery | |
CN104881659B (zh) | 一种不透水层的提取方法及装置 | |
Rahman et al. | Interpretation of tropical vegetation using Landsat ETM+ imagery | |
CN117274798A (zh) | 基于正则化的时序变分模型的遥感水稻识别方法 | |
Hsieh et al. | Analyzing spectral characteristics of shadow area from ADS-40 high radiometric resolution aerial images | |
Danoedoro et al. | Combining pan-sharpening and forest cover density transformation methods for vegetation mapping using Landsat-8 Satellite Imagery | |
CN113283281A (zh) | 基于多时相遥感影像的茭白种植面积提取方法 | |
Vijayan et al. | Hyperspectral data for land use/land cover classification | |
CN111783625A (zh) | 一种平原河网区不透水面信息快速提取方法 | |
CN112033914A (zh) | 一种基于遥感图像的彩钢瓦厂房提取方法 | |
CN106872368A (zh) | 一种基于ec浓度差异的茶树嫩叶识别方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190726 |