CN110263627A - 一种面向保护地监管的人类活动变化线索监测方法 - Google Patents
一种面向保护地监管的人类活动变化线索监测方法 Download PDFInfo
- Publication number
- CN110263627A CN110263627A CN201910385457.1A CN201910385457A CN110263627A CN 110263627 A CN110263627 A CN 110263627A CN 201910385457 A CN201910385457 A CN 201910385457A CN 110263627 A CN110263627 A CN 110263627A
- Authority
- CN
- China
- Prior art keywords
- mankind
- data
- protecting field
- clue
- activity
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 230000002452 interceptive effect Effects 0.000 claims abstract description 12
- 238000002360 preparation method Methods 0.000 claims abstract description 5
- 238000007619 statistical method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 10
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 241000894007 species Species 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 3
- 238000010835 comparative analysis Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 abstract description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000132092 Aster Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012892 rational function Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Development Economics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种面向保护地监管的人类活动变化线索监测方法，包括：数据准备及套合配准，人类活动自动变化检测，伪变化图斑去除，变化结果交互式采编，人类活动变化检测结果展示。本发明提供了一种基于遥感与GIS技术的深度融合机制，通过建设大数据分析、影像与GIS分析、多时相影像对比分析等变化检测能力，形成“自动检测与交互式采编”相结合的一整套遥感变化检测技术体系；还进一步提升了变化检测业务的效率，可以快速的、全面的检测到保护地的人类活动，为及时发现人类活动变化是否对保护地产生影响而提供了基础，为严格保护保护地提供了技术支撑。
Description
技术领域
本发明涉及生态保护技术领域，更具体的说是涉及一种面向保护地监管的人类活动变化线索监测方法。
背景技术
随着社会和经济的不断发展，人类对自然资源的不合理利用以及人类活动的加剧对保护地域的影响越来越大，对保护地域人类活动的检测更是成为了备受关注的焦点。
在保护地域，执法人员数量有限并且人类建设活动较为隐蔽，传统的基于目视解译的方法效率过低，目前虽然提出了利用GIS技术来检测人类活动的方法，但现有的检测技术多数只在特定的保护地和特定的时间段开展变化检测，缺乏时效性，难以快速的、全面的检测到保护地的人类活动；另外，现有的人类活动变化线索检测方法还采用两期影像数据，由于成像时间的差异造成的时相差异与辐射差异，导致很多变化检测结果包含大量的伪变化信息，变化检测精度偏低；而且当前常用模型往往对特定地物或场景有效，不具有普适性，难以适应当前复杂的人类活动检测。
因此，如何研究出一种快速的、高可靠性和强适应性的面向保护地监管的人类活动变化线索检测方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种面向保护地监管的人类活动变化线索监测方法，旨在解决现有技术中检测人类活动变化线索检测方法效率低，精度低和普适度低的问题，提供一种高效、高可靠性和实用性强的人类活动变化检测方法。
为了实现上述目的，本发明采用如下技术方案：
一种面向保护地监管的人类活动变化线索监测方法，包括：
S1.数据准备及套合配准：获得新时期影像与历史矢量图的区域基础数据并对新时期影像和区域基础数据进行预处理，预处理包括将历史矢量图与新时期影像进行套合配准；
S2.人类活动自动变化检测：选择套合配准后的DOM数据，同时加载保护地边界矢量数据，通过图像分割、特征计算和统计分析决策，实现保护地人类活动变化线索自动检测，输出变化图斑；
S3.伪变化图斑去除：针对变化图斑，进行伪变化图斑去除，得到疑似变化区域；
S4.变化结果交互式采编：采取人机交互判读方式，利用矢量采编工具和属性编辑工具，进行数据质量检查，对疑似变化区域进行判读，进一步去除伪变化图斑，保留或更新真实变化区域；
S5.人类活动变化检测结果展示。
优选的，所述区域基础数据包括保护地边界数据、保护地本底数据、遥感数据和高程数据；
其中，所述遥感数据包括高分1号全色数据和多光谱数据。
优选的，预处理还包括：对所述多光谱数据进行全色影像区域网平差、多光谱影像单片配准、卫星影像DOM生产；
优选的，所述套合配准的过程为：将通过卫星影像DOM生产得到的DOM数据和保护地边界数据以及保护地本底数据进行套合配准。
优选的，步骤S2中的所述图像分割包括分割算法的选择和分割阈值的设置；
所述特征计算包括获取图像的光谱、纹理和几何特征构建统计分析的数据基础；
所述统计分析决策采用统计分析决策模型进行变化区域识别，最终以概率模型的方式输出变化图斑。
优选的，步骤S3中利用变化图斑面积和形状因子进行伪变化图斑去除。
优选的，步骤S4中的所述矢量采编工具至少包括点采集、折线采集、双线采集、多边形采集、矩形采集、双线面采集、节点编辑、局部串接、面切割、面合并、面挖洞和面提取；
所述属性编辑工具至少包括地物类刷和属性刷。
优选的，步骤S5的具体内容为：
通过交互式数据采编，完成各保护地的真实人类活动变化线索检测结果整理，并存储检测结果，完成所述检测结果的展示。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种面向保护地监管的人类活动变化线索监测方法，其有益效果在于：
1.本方法提供了一种基于遥感与GIS技术的深度融合机制，通过建设大数据分析、影像与GIS分析、多时相影像对比分析等变化检测能力，形成“自动检测与交互式采编”相结合的一整套遥感变化检测技术体系；
2.本方法还进一步提升了变化检测业务的效率，可以快速的、全面的检测到保护地的人类活动，为及时发现人类活动变化是否对保护地产生影响而提供了基础，为严格保护保护地提供了技术支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的面向生态保护红线监管的人类活动变化线索检测方法的流程图；
图2附图为本发明实施例一中的海南红线区范围、本底和遥感影像图；
图3附图为本发明步骤S2人类活动自动变化检测方法的流程示意图；
图4附图为本发明提供的面向生态保护红线监管的人类活动变化自动检测线索示意图；
图5附图为本发明实施例一中面向海南生态红线检测的人类活动变化检测成果图。
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。
本发明实施例公开了一种面向保护地监管的人类活动变化线索监测方法，如图1所示，包括：
S1.数据准备及套合配准：获得新时期影像与历史矢量图的区域基础数据并对区域基础数据进行预处理，预处理包括将历史矢量图与新时期影像进行套合配准；
需要说明的是：步骤S1中为了满足变化监测的精度质量要求，影像数据挑选综合考虑云覆盖、成像时间、辐射质量与初始几何定位精度等因素，云量控制在20％以内，尽可能无云，辐射质量良好，不存在过度曝光、偏色、CCD拼接色差等问题，并按照流程进行数字正射产品(DOM)生产，矢量数据包括保护地边界数据和生态红线保护区本底数据，同时矢量与影像重叠区域面积不小于一个1:5万标准图幅大小，进行历史矢量与新时期影像的套合配准时，精度控制在一个像素左右。
S2.人类活动自动变化检测：选择套合配准后的DOM数据，同时加载生态红线保护区域边界矢量数据，通过图像分割、特征计算和统计分析决策，实现保护地人类活动变化线索自动检测，输出变化图斑；
需要说明的是：步骤S2中图像分割是基于矢量(保护地域)引导的分割技术，在充分利用矢量数据的边界、类别等信息的基础上，依据光谱、纹理与形状特征计算相邻区域的异质性，进行光谱特征和纹理特征的自动加权，在合并破碎分割结果时将相邻区域的公共边界作为形状约束，能够显著提升图像分割质量；
影像自动变化区域识别中变化监测分析模型采用多元正态混合模型，以达到消除特征混合影响、改善监测精度的目的。多元正态混合模型提出了将多元正态混合模型用于变化监测的新思路，借助高斯混合模型，将样本地物分解为若干的服从高斯概率密度函数(正态分布曲线)的模型，计算各样本地物分别属于各正态分布的权重与概率密度，从而确定不变类的样本所服从的几个正态分布，最后计算每个样本属于不变类所对应的正态分布的后验概率之和，并设置阈值进行样本地物的变化监测。
S3.伪变化图斑去除：针对变化图斑，进行伪变化图斑去除，得到疑似变化区域；
S4.变化结果交互式采编：采取人机交互判读方式，利用矢量采编工具和属性编辑工具，进行数据质量检查，对疑似变化区域进行判读，进一步去除伪变化区域，保留或更新真实变化区域；
需要说明的是：步骤S4利用多数据类型混合处理方法，形成矢栅一体化交互编辑技术，通过结合矢量面向对象的组织方法和栅格像元填充的组织方法，在保留矢量全部性质的同时，以目标为单元聚集所有的位置信息，实现拓扑关系、栅格与地物关系的构建，在保证矢量便捷编辑的同时，解决编辑过程中的漫游、浏览和拓扑构建等问题，实现快速交互式编辑变化图斑。
S5.人类活动变化检测结果展示。
更进一步地，区域基础数据包括保护地边界数据、红线区本底数据、遥感数据和高程数据；
其中，遥感数据包括高分1号全色数据和多光谱数据。
更进一步地，预处理还包括：对多光谱数据进行全色影像区域网平差、多光谱影像单片配准、卫星影像DOM生产；
更进一步地，套合配准的过程为：将通过卫星影像DOM生产得到的DOM数据和保护地边界数据以及红线区本底数据进行套合配准。
更进一步地，步骤S2中的图像分割包括分割算法的选择和分割阈值的设置；
特征计算包括获取图像的光谱、纹理和几何特征构建统计分析的数据基础；
统计分析决策采用统计分析决策模型进行变化区域识别，最终以概率模型的方式输出变化图斑。
更进一步地，步骤S3中利用变化图斑面积和形状因子进行伪变化图斑去除。
更进一步地，步骤S4中的矢量采编工具至少包括点采集、折线采集、双线采集、多边形采集、矩形采集、双线面采集、节点编辑、局部串接、面切割、面合并、面挖洞和面提取；
属性编辑工具至少包括地物类刷和属性刷。
更进一步地，步骤S5的具体内容为：
通过交互式数据采编，完成各保护地的真实人类活动变化线索检测结果整理，并存储检测结果，完成检测结果的展示。
实施例一：
以海南省保护地为例：
步骤S1.获取历史矢量与新时期图像，并对两者进行预处理。
a.区域基础数据包括海南省保护地边界数据、海南省红线区本底数据、遥感数据和高程数据。其中：
红线保护区边界数据来源于环境保护部卫星环境应用中心，包括一类管控区和二类管控区，该数据生产时间为2015-03-22。
海南省红线区本底数据来源于环境保护部卫星环境应用中心，包括耕地、林地、草地和各种人类活动用地。
遥感数据包括高分1号全色数据和多光谱数据等。数据时间为2016年4月份，云量低于10％，辐射质量较高。
高程数据在实施例中采用的是DEM(数字高程模型)，但高程数据并不局限于DEM。实施例的DEM数据采用30m空间分辨率的ASTER GDEM。
b.数据预处理，包括对高分1号数据的处理，包括多光谱数据进行全色影像区域网平差、多光谱影像单片配准、卫星影像DOM生产和影像矢量套合配准，可以在影像处理系统(GEOWAY CIPS)和地理信息系统平台(如ArcGIS)上实现，如图2所示。其中：
全色影像区域网平差基于原始影像的rpc文件和海南省30m的ASTER GDEM数据，利用通用成像模型RFM模型，通过自动选取同名点和较少控制点对多景卫星影像进行区域网平差，获得新的有理函数多项式参数(rpc)文件。
多光谱影像单片配准以区域网平差后的全色影像为基准，通过自动匹配连接点对多光谱RPC进行改正以提高影像模型精度。
卫星影像DOM生产流程包括正射纠正、影像融合、匀光匀色等处理，实现影像地物和色彩的自然过渡。
将海南省处理好的DOM数据和保护地边界、本底数据进行套合配准，精度控制在一个像素左右。
步骤S2.人类活动自动变化检测。
选择配准后的DOM数据，同时加载生态红线保护区域边界矢量数据，通过图像分割、特征计算和统计分析决策，实现保护地人类活动变化线索自动检测，如图3所示。其中：
a.图像分割包括分割算法的选择和分割阈值的设置，分割算法默认选择“FullLambda Schedule”，也可调整为“光谱差异法”，分割阈值与生成的分割图斑破碎化程度有关，此处根据高分1号，2m分辨率的影像，阈值设置为250。
b.特征计算包括获取图像的光谱、纹理、几何特征等构建统计分析的数据基础。
c.统计分析决策采用基于多元正态混合模型的变化区域识别，此处也可以构建其他的统计分析决策模型，最终以概率模型的方式输出变化图斑。
步骤S3.伪变化图斑去除。
针对自动识别出来的疑似变化图斑，综合利用变化图斑面积、形状因子等，进行伪变化图斑去除，提高自动识别的准确率。实施中将变化图斑面积设置为30，同时将面积比周长设置为<0.6，面积比外界面积设置为<0.3，去除狭长图斑，如图4所示。
步骤S4.变化结果交互式采编。
参照自动变化识别结果，采取人机交互判读方式，利用矢量采编工具(如点采集、折线采集、双线采集、多边形采集、矩形采集、双线面采集、节点编辑、局部串接、面切割、面合并、面挖洞、面提取等)和属性编辑工具(如地物类刷、属性刷等)，对疑似变化区域进行判读，去除伪变化区域，保留或更新真实变化区域。
步骤S5.人类活动变化线索检测结果展示。
通过交互式数据采编，完成各保护地的真实人类活动变化线索检测结果整理，以.shp格式存储变化检测结果；在此基础上，结合正射影像数据(DOM)和保护地及变化线索检测结果，完成结果的展示，如图5所示。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种面向保护地监管的人类活动变化线索监测方法，其特征在于，包括：
S1.数据准备及套合配准：获得新时期影像与历史矢量图的区域基础数据并对新时期影像和区域基础数据进行预处理，预处理包括将历史矢量图与新时期影像进行套合配准；
S2.人类活动自动变化检测：选择套合配准后的DOM数据，同时加载保护地边界矢量数据，通过图像分割、特征计算和统计分析决策，实现保护地人类活动变化线索自动检测，输出变化图斑；
S3.伪变化图斑去除：针对变化图斑，进行伪变化图斑去除，得到疑似变化区域；
S4.变化结果交互式采编：采取人机交互判读方式，利用矢量采编工具和属性编辑工具，进行数据质量检查，对疑似变化区域进行判读，进一步去除伪变化图斑，保留或更新真实变化区域。
2.根据权利要求1所述的一种面向保护地监管的人类活动变化线索监测方法，其特征在于，还包括：
S5.人类活动变化检测结果展示。
3.根据权利要求1所述的一种面向保护地监管的人类活动变化线索监测方法，其特征在于，所述区域基础数据包括保护地边界数据、保护地本底数据、遥感数据和高程数据；
其中，所述遥感数据包括高分1号全色数据和多光谱数据。
4.根据权利要求2所述的一种面向保护地监管的人类活动变化线索监测方法，其特征在于，预处理还包括：对所述多光谱数据进行全色影像区域网平差、多光谱影像单片配准和卫星影像DOM生产。
5.根据权利要求3所述的一种面向保护地监管的人类活动变化线索监测方法，其特征在于，所述套合配准的过程为：将通过卫星影像DOM生产得到的DOM数据和保护地边界数据以及保护地本底数据进行套合配准。
6.根据权利要求1所述的一种面向保护地监管的人类活动变化线索监测方法，其特征在于，步骤S2中的所述图像分割包括分割算法的选择和分割阈值的设置；
所述特征计算包括获取图像的光谱、纹理和几何特征构建统计分析的数据基础；
所述统计分析决策采用统计分析决策模型进行变化区域识别，最终以概率模型的方式输出变化图斑。
7.根据权利要求1所述的一种面向保护地监管的人类活动变化线索监测方法，其特征在于，步骤S3中利用变化图斑面积和形状因子进行伪变化图斑去除。
8.根据权利要求1所述的一种面向保护地监管的人类活动变化线索监测方法，其特征在于，步骤S4中的所述矢量采编工具至少包括点采集、折线采集、双线采集、多边形采集、矩形采集、双线面采集、节点编辑、局部串接、面切割、面合并、面挖洞和面提取；
所述属性编辑工具至少包括地物类刷和属性刷。
9.根据权利要求1所述的一种面向保护地监管的人类活动变化线索监测方法，其特征在于，步骤S5的具体内容为：
通过交互式数据采编，完成各保护地的真实人类活动变化线索检测结果整理，并存储检测结果，完成所述检测结果的展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910385457.1A CN110263627A (zh) | 2019-05-09 | 2019-05-09 | 一种面向保护地监管的人类活动变化线索监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910385457.1A CN110263627A (zh) | 2019-05-09 | 2019-05-09 | 一种面向保护地监管的人类活动变化线索监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110263627A true CN110263627A (zh) | 2019-09-20 |
Family
ID=67914560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910385457.1A Pending CN110263627A (zh) | 2019-05-09 | 2019-05-09 | 一种面向保护地监管的人类活动变化线索监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110263627A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111680704A (zh) * | 2020-06-11 | 2020-09-18 | 生态环境部卫星环境应用中心 | 海洋红线新增人类活动斑块自动化快速提取方法和装置 |
| CN112148829A (zh) * | 2020-09-30 | 2020-12-29 | 重庆市规划设计研究院 | 一种应用于消除破碎图斑的gis算法优化方法 |
| CN112528962A (zh) * | 2021-01-01 | 2021-03-19 | 生态环境部卫星环境应用中心 | 一种基于高分卫星遥感影像的牧区牛马群的监测方法 |
| CN113033401A (zh) * | 2021-03-25 | 2021-06-25 | 生态环境部卫星环境应用中心 | 一种面向生态保护红线的人类活动变化识别监管方法 |
| CN114663412A (zh) * | 2022-04-01 | 2022-06-24 | 中国科学院地理科学与资源研究所 | 基于陆表水域生态红线的长连续遥感图像处理方法及装置 |
| CN114937211A (zh) * | 2022-07-25 | 2022-08-23 | 北京数慧时空信息技术有限公司 | 基于不变对象的遥感影像变化检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101661497A (zh) * | 2009-09-10 | 2010-03-03 | 北京农业信息技术研究中心 | 遥感土地利用变化检测方法及系统 |
| CN104992153A (zh) * | 2015-07-02 | 2015-10-21 | 中国科学院地理科学与资源研究所 | 自然保护区人类活动干扰检测方法和系统 |
| CN108846832A (zh) * | 2018-05-30 | 2018-11-20 | 理大产学研基地(深圳)有限公司 | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 |
-
2019
- 2019-05-09 CN CN201910385457.1A patent/CN110263627A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101661497A (zh) * | 2009-09-10 | 2010-03-03 | 北京农业信息技术研究中心 | 遥感土地利用变化检测方法及系统 |
| CN104992153A (zh) * | 2015-07-02 | 2015-10-21 | 中国科学院地理科学与资源研究所 | 自然保护区人类活动干扰检测方法和系统 |
| CN108846832A (zh) * | 2018-05-30 | 2018-11-20 | 理大产学研基地(深圳)有限公司 | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111680704A (zh) * | 2020-06-11 | 2020-09-18 | 生态环境部卫星环境应用中心 | 海洋红线新增人类活动斑块自动化快速提取方法和装置 |
| CN112148829A (zh) * | 2020-09-30 | 2020-12-29 | 重庆市规划设计研究院 | 一种应用于消除破碎图斑的gis算法优化方法 |
| CN112528962A (zh) * | 2021-01-01 | 2021-03-19 | 生态环境部卫星环境应用中心 | 一种基于高分卫星遥感影像的牧区牛马群的监测方法 |
| CN113033401A (zh) * | 2021-03-25 | 2021-06-25 | 生态环境部卫星环境应用中心 | 一种面向生态保护红线的人类活动变化识别监管方法 |
| CN114663412A (zh) * | 2022-04-01 | 2022-06-24 | 中国科学院地理科学与资源研究所 | 基于陆表水域生态红线的长连续遥感图像处理方法及装置 |
| CN114937211A (zh) * | 2022-07-25 | 2022-08-23 | 北京数慧时空信息技术有限公司 | 基于不变对象的遥感影像变化检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110263627A (zh) | 一种面向保护地监管的人类活动变化线索监测方法 | |
| CN106815847B (zh) | 基于激光雷达点云的树木分割方法及单棵树提取方法 | |
| CN113034689B (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
| CN111291708B (zh) | 融合深度相机的变电站巡检机器人障碍物检测识别方法 | |
| Bishop | Assessment of visual qualities, impacts, and behaviours, in the landscape, by using measures of visibility | |
| Hofmann et al. | Knowledge-based building detection based on laser scanner data and topographic map information | |
| CN109493320A (zh) | 基于深度学习的遥感影像道路提取方法及系统、存储介质、电子设备 | |
| US20230074265A1 (en) | Virtual scenario generation method and apparatus, computer device and storage medium | |
| CN111860205A (zh) | 基于多源遥感影像和网格的森林火情评价方法及存储介质 | |
| CA2649916A1 (en) | Apparatus and method for automatic airborne lidar data processing and mapping using data obtained thereby | |
| CN108288059A (zh) | 一种基于高分辨率遥感技术的建筑垃圾监测方法 | |
| CN110188927A (zh) | 一种城市热岛主控因素的分析方法、装置及存储介质 | |
| CN110070488A (zh) | 一种基于卷积神经网络的多角度遥感影像森林高度提取方法 | |
| CN114065339A (zh) | 一种基于三维可视化模型的高塔建设选址方法 | |
| CN113192192A (zh) | 一种实景三维数字孪生航道场景构建方法 | |
| CN116468869A (zh) | 一种基于遥感卫星影像的实景三维建模方法、设备及介质 | |
| CN109612445A (zh) | 一种基于无人机的WebGIS平台下高精度地形建立方法 | |
| KR101021013B1 (ko) | 경계강화필터링과 표고정보를 이용하여 3차원 지리정보를 생성하는 시스템 | |
| Borisov et al. | An automated process of creating 3D city model for monitoring urban infrastructures | |
| JP3583397B2 (ja) | コンピュータを用いた特徴的地形の判別方法及び特徴的地形の判別支援装置 | |
| CN116486282A (zh) | 一种基于深度学习的数字高程模型制作方法及系统、电子设备、存储介质 | |
| CN115760885A (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 | |
| CN117745969A (zh) | 建筑物的单体化方法、装置、及相关设备 | |
| CN113538679A (zh) | 一种混合实景三维航道场景构建方法 | |
| Huang et al. | Classifying forest stands based on multi-scale structure features using Quickbird image |
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 |