CN110389114A - 一种基于无人机成像光谱的中小水体水质类型识别方法 - Google Patents
一种基于无人机成像光谱的中小水体水质类型识别方法 Download PDFInfo
- Publication number
- CN110389114A CN110389114A CN201910664888.1A CN201910664888A CN110389114A CN 110389114 A CN110389114 A CN 110389114A CN 201910664888 A CN201910664888 A CN 201910664888A CN 110389114 A CN110389114 A CN 110389114A
- Authority
- CN
- China
- Prior art keywords
- target
- water quality
- spectral
- unmanned plane
- water
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Hydrology & Water Resources (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于无人机成像光谱的中小水体水质类型识别方法,包括(1)水体水质类型与水体光谱反射率曲线的获取,(2)水质类型识别模型建立,(3)目标水体光谱影像的获取,(4)无人机成像光谱影像处理,(5)无人机成像光谱影像的光谱反射率提取,(6)中小水体水质类型识别等步骤。本方法实现了对中小水体水质的自动识别,具有识别速度快、识别准确率高的优点,可以作为传统水质监测手段的有益补充,提高了中小水体水质监测的业务化水平。
Description
技术领域
本发明涉及反射光谱及图像处理领域,尤其涉及一种基于无人机成像光谱的中小水体水质类型识别方法。
背景技术
水环境与每个人息息相关,水体具有饮用水源、农业灌溉、工农业生产、景观、航运等多种功能。随着人们生活水平的提高,对生态环境特别是水环境质量的要求逐渐提高,国家已经制定了到2020年基本消除劣V类水体的规划目标。长三角地区河湖密布,单个河、湖尺度较小的水体,如何较快速、经济地获取这些中小水体的水质类型,进而有针对性地采取相应的治理手段是目前摆在水务管理者面前的一个现实问题。
治理城市河道水污染问题关键在于准确及时地掌握河道水质状况。长三角地区河道错综复杂,河湖个数多,分布广,尺度相对较小,传统的监测方法对如此众多的河湖进行采样监测费时费力,现有的卫星遥感技术受气象条件和空间分辨率、光谱分辨率的限制,难以实现对中小水体的水质状况进行快速监测,因此迫切需要一种新型遥感技术进行中小河道水质类别自动识别方法,应用于中小河道水质监测业务。
发明内容
本发明克服了现有技术的不足,提供一种基于无人机成像光谱数据的中小水体水质类别自动识别方法。
为达到上述目的,本发明采用的技术方案为:提供了一种基于无人机成像光谱的中小水体水质类型识别方法,其特征在于:包括以下步骤:
(1)水体水质类型与水体光谱反射率曲线的获取:采用地物光谱仪获取若干水体的光谱反射率曲线,对所述光谱反射率曲线进行去噪和归一化处理;对所述若干水体分别进行水样采集,检测并分析所述水样的水质数据,根据水质数据对所述水体进行归类;
(2)水质类型识别模型建立:对每条所述水体光谱反射率曲线进行主分量分析,每条光谱反射率曲线均选取前T个主分量;将选取的各条光谱反射率曲线的主分量构成水体光谱特征矩阵;将光谱特征矩阵输入到SVM分类器当中,训练完成可获得水质类型识别模型;所述T不小于2;
(3)目标水体光谱影像的获取:采用无人机飞临目标水体上空,利用成像光谱仪获取所述目标水体的光谱影像数据以及设置在目标水体周围的地面靶标的光谱影像数据;
(4)无人机成像光谱影像处理:包括计算所述目标水体各个位置以及地面靶标的辐亮度、辐亮度几何校正、目标水体区域选择及裁剪、影像去噪;
(5)无人机成像光谱影像的光谱反射率提取:利用所述地面靶标的辐亮度和反射率,计算得到各波段下所述目标水体的反射率,计算公式如下:
Rλ(x,y)是目标水体(x,y)处在波长λ时的反射率;
Lλ(x,y)是目标水体(x,y)处在波长λ时的图像辐亮度值;
Lλ(x0,y0)是靶标在波长λ时的图像辐亮度值;
ρλ(x0,y0)是靶标在波长λ时的反射率值;
对所述目标水体各位置在同一波段下的反射率取平均值得到在特定波段下目标水体平均反射率;集合各波段的目标水体平均反射率可得到目标水体平均光谱反射率曲线;
(6)中小水体水质类型识别:对步骤(5)中获取的所述目标水体平均光谱反射率曲线进行光滑、归一化和主分量分析,选择前T个主分量构成光谱特征向量,随后将所述光谱特征向量输入到所述水质类型识别模型当中,分析得到目标水体的水质类型;所述T不小于2。
作为一种优选方案,所述步骤(1)中,每一类水质样本数量大于50。
作为一种优选方案,所述步骤(2)中,T不小于10。
作为一种优选方案,所述步骤(3)中,无人机在晴空、风速小于3级的天气条件下飞临目标水体上空。
作为一种优选方案,所述步骤(3)中,地面靶标为反射率稳定的布片或者板材。
作为一种更优选方案,所述步骤(3)中,地面靶标尺寸至少有10个像元。
作为一种优选方案,所述步骤(4)中,对于所述目标水体上存在的阴影及耀斑区域,采用邻近非阴影及耀斑区域像素值替代阴影及耀斑区域区域的像素值。
本方法首先需要通过地面实测光谱采集各水质类别典型水体光谱反射率,建立水质类型识别模型,随后获取目标河道光谱影像,然后对河道光谱影像进行处理,之后再基于地面靶标提取光谱特征,最后进行水质类型的识别。
本发明与现有的技术相比有益技术效果在于:将无人机技术和成像光谱技术相结合,提出了一种基于无人机成像光谱数据的中小水体水质类别自动识别的方法。
(1)本方法实现了对中小水体水质的自动识别,具有识别速度快、识别准确率高的优点,可以作为传统水质监测手段的有益补充,提高了中小水体水质监测的业务化水平。
(2)与传统卫星遥感技术相比,无人机遥感受大气环境的影响较小,并且具有更高的时间覆盖度和空间分辨率;对水体水质监测,尤其是中小型水体水质的监测具有重要的意义。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的流程示意图。
图2是本发明的无人机光谱影像的原始图像。
图3是本发明的无人机光谱影像经处理后的子区图像。
图4是本发明获得的水体平均光谱反射率曲线。
具体实施方式
下面结合具体实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1-4所示,一种基于无人机成像光谱的中小水体水质类型识别方法,包括以下步骤:
(1)水体水质类型与水体光谱反射率曲线的获取:选取各水质类型的典型水体283个;采用便携式地物光谱仪获取每一个水体的光谱反射率曲线(为不同波长下对应的反射率的集合),并对每一条光谱反射率曲线进行去噪和归一化处理;同时对每个水体进行水样采集,采用常规手段检测并分析水样的水质数据,根据水质数据并按照《中华人民共和国地表水环境质量标准》将水体进行归类,共得到Ⅰ、Ⅱ类水样本82个,Ⅲ类水样本73个,Ⅳ类水样本65个,Ⅴ、劣Ⅴ类样本63个;每一分类的样本数应大于50个,以减少误差;
(2)水质类型识别模型建立:对每条已对应水质类型的水体光谱反射率曲线进行主分量分析,选择每条光谱反射率曲线前10个主分量构成水体光谱特征矩阵;由于水体光谱反射率曲线的数量为283条,故得到283×10大小的光谱特征矩阵;将光谱特征矩阵输入到SVM分类器当中,训练完成可获得水质类型识别模型;
(3)目标水体光谱影像的获取:首先进行无人机飞行实验准备;包括选择目标水体、选择起降地点、检查无人机和成像光谱仪、在目标水体周围设置地面靶标;对于地面靶标,可采用反射率稳定的参考板、参考布,地面靶标尺寸至少需要有10个像元;
完成飞行实验准备后,选择晴空、风速小于3级的气象条件进行无人机飞行;根据目标水体范围,设定无人机沿河道飞行,飞行距离400m,飞行高度100m;成像光谱仪采用波长范围400-1000nm,光谱分辨率5nm的小型成像光谱仪;无人机飞临目标水体上空,利用成像光谱仪获取目标水体的光谱影像数据以及地面靶标的光谱影像数据;
(4)无人机成像光谱影像处理:获取的原始的无人机光谱影像数据上的像素值不能直接应用,而且由于无人机飞行高度低,受低空气流影响,影像几何畸变大,因此需要对目标水体各个位置以及地面靶标的辐亮度进行计算并进行几何校正;利用成像光谱仪自带的定标文件进行辐亮度的计算,再利用无人机姿态控制系统的POS信息进行几何校正;随后从处理后的图像上提取感兴趣的水体子区域,提取以后使用5×5或者7×7的中值滤波或维纳滤波进行去噪;对于目标水体上存在的阴影及耀斑区域,可采用邻近非阴影及耀斑区域像素值替代阴影及耀斑区域区域的像素值;
(5)无人机成像光谱影像的光谱反射率提取:利用地面靶标的辐亮度和反射率,计算得到各波段下目标水体的反射率,计算公式如下:
Rλ(x,y)是目标水体(x,y)处在波长λ时的反射率;
Lλ(x,y)是目标水体(x,y)处在波长λ时的图像辐亮度值;
Lλ(x0,y0)是靶标在波长λ时的图像辐亮度值;
ρλ(x0,y0)是靶标在波长λ时的反射率值;
对目标水体各位置在同一波段下的反射率取平均值得到在特定波段下目标水体平均反射率ρλ;集合各波段的目标水体平均反射率可得到目标水体平均光谱反射率曲线ρ={ρ400ρ401,...ρ1000};
(6)中小水体水质类型识别:对步骤(5)中获取的目标水体平均光谱反射率曲线进行光滑、归一化和主分量分析,选择前10个主分量构成光谱特征向量,随后将光谱特征向量输入到水质类型识别模型当中,分析得到目标水体的水质类型。
以上依据本发明的理想实施例为启示,通过上述的说明内容,相关人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定技术性范围。
Claims (7)
1.一种基于无人机成像光谱的中小水体水质类型识别方法,其特征在于:包括以下步骤:
(1)水体水质类型与水体光谱反射率曲线的获取:采用地物光谱仪获取若干水体的光谱反射率曲线,对所述光谱反射率曲线进行去噪和归一化处理;对所述若干水体分别进行水样采集,检测并分析所述水样的水质数据,根据水质数据对所述水体进行归类;
(2)水质类型识别模型建立:对每条所述水体光谱反射率曲线进行主分量分析,每条光谱反射率曲线均选取前T个主分量;将选取的各条光谱反射率曲线的主分量构成水体光谱特征矩阵;将光谱特征矩阵输入到SVM分类器当中,训练完成可获得水质类型识别模型;所述T不小于2;
(3)目标水体光谱影像的获取:采用无人机飞临目标水体上空,利用成像光谱仪获取所述目标水体的光谱影像数据以及设置在目标水体周围的地面靶标的光谱影像数据;
(4)无人机成像光谱影像处理:包括计算所述目标水体各个位置以及地面靶标的辐亮度、辐亮度几何校正、目标水体区域选择及裁剪、影像去噪;
(5)无人机成像光谱影像的光谱反射率提取:利用所述地面靶标的辐亮度和反射率,计算得到各波段下所述目标水体的反射率,计算公式如下:
Rλ(x,y)是目标水体(x,y)处在波长λ时的反射率;
Lλ(x,y)是目标水体(x,y)处在波长λ时的图像辐亮度值;
Lλ(x0,y0)是靶标在波长λ时的图像辐亮度值;
ρλ(x0,y0)是靶标在波长λ时的反射率值;
对所述目标水体各位置在同一波段下的反射率取平均值得到在特定波段下目标水体平均反射率;集合各波段的目标水体平均反射率可得到目标水体平均光谱反射率曲线;
(6)中小水体水质类型识别:对步骤(5)中获取的所述目标水体平均光谱反射率曲线进行光滑、归一化和主分量分析,选择前T个主分量构成光谱特征向量,随后将所述光谱特征向量输入到所述水质类型识别模型当中,分析得到目标水体的水质类型;所述T不小于2。
2.根据权利要求1所述的基于无人机成像光谱的中小水体水质类型识别方法,其特征在于:所述步骤(1)中,每一类水质样本数量大于50。
3.根据权利要求1所述的基于无人机成像光谱的中小水体水质类型识别方法,其特征在于:所述步骤(2)中,T不小于10。
4.根据权利要求1所述的基于无人机成像光谱的中小水体水质类型识别方法,其特征在于:所述步骤(3)中,无人机在晴空、风速小于3级的天气条件下飞临目标水体上空。
5.根据权利要求1所述的基于无人机成像光谱的中小水体水质类型识别方法,其特征在于:所述步骤(3)中,地面靶标为反射率稳定的布片或者板材。
6.根据权利要求5所述的基于无人机成像光谱的中小水体水质类型识别方法,其特征在于:所述步骤(3)中,地面靶标尺寸至少有10个像元。
7.根据权利要求1所述的基于无人机成像光谱的中小水体水质类型识别方法,其特征在于:所述步骤(4)中,对于所述目标水体上存在的阴影及耀斑区域,采用邻近非阴影及耀斑区域像素值替代阴影及耀斑区域区域的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910664888.1A CN110389114A (zh) | 2019-07-23 | 2019-07-23 | 一种基于无人机成像光谱的中小水体水质类型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910664888.1A CN110389114A (zh) | 2019-07-23 | 2019-07-23 | 一种基于无人机成像光谱的中小水体水质类型识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110389114A true CN110389114A (zh) | 2019-10-29 |
Family
ID=68287039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910664888.1A Pending CN110389114A (zh) | 2019-07-23 | 2019-07-23 | 一种基于无人机成像光谱的中小水体水质类型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110389114A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954484A (zh) * | 2019-12-09 | 2020-04-03 | 南京搜天数据科技有限公司 | 一种使用无人机多光谱数据进行城市河流水质评价的方法 |
CN111753647A (zh) * | 2020-05-11 | 2020-10-09 | 广东无限阵列科技有限公司 | 一种禽畜养殖舍棚的自动识别方法、装置及存储介质 |
CN113049500A (zh) * | 2021-03-19 | 2021-06-29 | 杭州海康威视数字技术股份有限公司 | 水质检测模型训练和水质检测方法、电子设备及存储介质 |
CN113834787A (zh) * | 2021-08-17 | 2021-12-24 | 中国矿业大学 | 一种中小河道劣ⅴ类水体水质识别与量化方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565064A (zh) * | 2012-01-13 | 2012-07-11 | 中国科学院遥感应用研究所 | 一种光谱自动化测量方法及装置 |
CN103150576A (zh) * | 2013-03-19 | 2013-06-12 | 上海理工大学 | 蓝藻水华状态监测方法 |
CN103198325A (zh) * | 2013-03-19 | 2013-07-10 | 上海理工大学 | 蓝藻水华监测系统 |
CN104749114A (zh) * | 2015-04-14 | 2015-07-01 | 武汉大学 | 一种三通道水体表观光谱观测和分析装置及方法 |
CN107025467A (zh) * | 2017-05-09 | 2017-08-08 | 环境保护部卫星环境应用中心 | 一种水体分类模型的建立方法及装置 |
US20180260627A1 (en) * | 2017-03-08 | 2018-09-13 | Zero Gravity Digital, LLC | Method and System for Aerial Detection and Mapping of Aquatic Species |
CN109269990A (zh) * | 2018-10-15 | 2019-01-25 | 广州地理研究所 | 一种总磷的识别方法、装置、存储介质及设备 |
CN109540845A (zh) * | 2018-12-24 | 2019-03-29 | 河海大学 | 一种利用无人机搭载光谱仪的水质监测方法 |
CN109738367A (zh) * | 2018-12-29 | 2019-05-10 | 首都师范大学 | 通过无人机上高光谱传感器反演河口湿地水环境要素方法 |
CN109766833A (zh) * | 2019-01-10 | 2019-05-17 | 中国科学院上海技术物理研究所 | 一种基于光谱特征的城市河道水质类型遥感识别方法 |
-
2019
- 2019-07-23 CN CN201910664888.1A patent/CN110389114A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565064A (zh) * | 2012-01-13 | 2012-07-11 | 中国科学院遥感应用研究所 | 一种光谱自动化测量方法及装置 |
CN103150576A (zh) * | 2013-03-19 | 2013-06-12 | 上海理工大学 | 蓝藻水华状态监测方法 |
CN103198325A (zh) * | 2013-03-19 | 2013-07-10 | 上海理工大学 | 蓝藻水华监测系统 |
CN104749114A (zh) * | 2015-04-14 | 2015-07-01 | 武汉大学 | 一种三通道水体表观光谱观测和分析装置及方法 |
US20180260627A1 (en) * | 2017-03-08 | 2018-09-13 | Zero Gravity Digital, LLC | Method and System for Aerial Detection and Mapping of Aquatic Species |
CN107025467A (zh) * | 2017-05-09 | 2017-08-08 | 环境保护部卫星环境应用中心 | 一种水体分类模型的建立方法及装置 |
CN109269990A (zh) * | 2018-10-15 | 2019-01-25 | 广州地理研究所 | 一种总磷的识别方法、装置、存储介质及设备 |
CN109540845A (zh) * | 2018-12-24 | 2019-03-29 | 河海大学 | 一种利用无人机搭载光谱仪的水质监测方法 |
CN109738367A (zh) * | 2018-12-29 | 2019-05-10 | 首都师范大学 | 通过无人机上高光谱传感器反演河口湿地水环境要素方法 |
CN109766833A (zh) * | 2019-01-10 | 2019-05-17 | 中国科学院上海技术物理研究所 | 一种基于光谱特征的城市河道水质类型遥感识别方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954484A (zh) * | 2019-12-09 | 2020-04-03 | 南京搜天数据科技有限公司 | 一种使用无人机多光谱数据进行城市河流水质评价的方法 |
CN111753647A (zh) * | 2020-05-11 | 2020-10-09 | 广东无限阵列科技有限公司 | 一种禽畜养殖舍棚的自动识别方法、装置及存储介质 |
CN111753647B (zh) * | 2020-05-11 | 2021-01-29 | 广东无限阵列科技有限公司 | 一种禽畜养殖舍棚的自动识别方法、装置及存储介质 |
CN113049500A (zh) * | 2021-03-19 | 2021-06-29 | 杭州海康威视数字技术股份有限公司 | 水质检测模型训练和水质检测方法、电子设备及存储介质 |
CN113049500B (zh) * | 2021-03-19 | 2022-12-06 | 杭州海康威视数字技术股份有限公司 | 水质检测模型训练和水质检测方法、电子设备及存储介质 |
CN113834787A (zh) * | 2021-08-17 | 2021-12-24 | 中国矿业大学 | 一种中小河道劣ⅴ类水体水质识别与量化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389114A (zh) | 一种基于无人机成像光谱的中小水体水质类型识别方法 | |
CN109146889B (zh) | 一种基于高分辨率遥感图像的农田边界提取方法 | |
CN108009542B (zh) | 油菜大田环境下杂草图像分割方法 | |
CN106971146B (zh) | 基于三查技术的水体异常遥感动态监控方法、装置和系统 | |
CN109919083B (zh) | 一种基于Sentinel-2影像数据的早期自动化冬小麦制图方法 | |
CN107610164B (zh) | 一种基于多特征混合的高分四号影像配准方法 | |
CN108564587A (zh) | 一种基于全卷积神经网络的大范围遥感影像语义分割方法 | |
CN110645961A (zh) | 基于遥感和ndvi的森林资源动态变化检测方法 | |
CN110163177A (zh) | 一种风电机组叶片无人机自动感知识别方法 | |
CN110956187A (zh) | 一种基于集成学习的无人机影像植物冠层信息提取方法 | |
CN109813286A (zh) | 一种基于无人机的倒伏灾害遥感定损方法 | |
CN107194876A (zh) | 一种基于无人机航拍的大型野生动物种群数量调查方法 | |
CN107527037A (zh) | 基于无人机遥感数据的蓝藻识别与分析系统 | |
CN113297915A (zh) | 一种基于无人机巡检的绝缘子识别目标检测方法 | |
WO2020093624A1 (zh) | 一种基于多尺度检测算法的天线下倾角测量方法 | |
CN114708208B (zh) | 一种基于机器视觉的名优茶嫩芽识别与采摘点定位方法 | |
CN107507202A (zh) | 一种面向高分辨率遥感影像的植被环岛自动化提取方法 | |
CN103942555A (zh) | 一种植物氮素含量丰缺图像检测方法 | |
CN110517228A (zh) | 基于卷积神经网络与迁移学习的树干图像快速检测方法 | |
CN109635827A (zh) | 基于含有红边谱段高分辨率卫星影像的甘蔗地块提取方法 | |
CN117409339A (zh) | 一种用于空地协同的无人机作物状态视觉识别方法 | |
CN109961043B (zh) | 一种基于无人机高分辨率影像的单木高度测量方法及系统 | |
CN114724035A (zh) | 一种基于遥感技术的早期水华检测方法 | |
CN115760885B (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 | |
CN110175638B (zh) | 一种扬尘源监测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191029 |