CN110705578A - 一种海岸线年际演变分析系统及方法 - Google Patents

一种海岸线年际演变分析系统及方法 Download PDF

Info

Publication number
CN110705578A
CN110705578A CN201910977677.3A CN201910977677A CN110705578A CN 110705578 A CN110705578 A CN 110705578A CN 201910977677 A CN201910977677 A CN 201910977677A CN 110705578 A CN110705578 A CN 110705578A
Authority
CN
China
Prior art keywords
coastline
evolution
information
image information
annual
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
Application number
CN201910977677.3A
Other languages
English (en)
Inventor
钱敏
雷富强
王文亮
王金魁
曾鹏
韩潇源
韩鹏
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 Shipping (zhejiang) Ocean Technology Co Ltd
Original Assignee
China Shipping (zhejiang) Ocean Technology Co Ltd
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 Shipping (zhejiang) Ocean Technology Co Ltd filed Critical China Shipping (zhejiang) Ocean Technology Co Ltd
Priority to CN201910977677.3A priority Critical patent/CN110705578A/zh
Publication of CN110705578A publication Critical patent/CN110705578A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/42Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G06V10/426Graphical representations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local 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
    • G06V10/457Local 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种海岸线年际演变分析系统及方法,系统包括海岸线识别提取模块、海岸线演变数据获取模块、海岸线演变驱动分析模块、海岸线可视化模块;海岸线识别提取模块,获取海岸线的空间分布图像信息;海岸线演变数据获取模块,得到海岸线的时空演变信息;海岸线演变驱动分析模块,得到影响海岸线时空演变的主要驱动要素信息;海岸线可视化模块,用于将海岸线的空间分布图像信息、海岸线的时空演变信息和影响海岸线时空演变的主要驱动要素信息,进行整体可视化显示输出。本发明快速、准备、全面地对海岸线相关图像信息,并对其变化进行动态监测;本发明能够为海岛生态保护状况、资源管理状况提供更有力地依据。

Description

一种海岸线年际演变分析系统及方法
技术领域
本发明涉及海洋测绘和生态环境领域,尤其涉及一种海岸线年际演变分析系统及方法。
背景技术
海岛是海洋国土的重要组成部分之一,是沿海城市的天然屏障更是重要的军事战略基地。海岛是岛陆、潮间带、近海三方面相互耦合的生态系统,而海岸线是地球表面上最重要的线性特征之一,具有一种动态的自然特征。海岸线是划分陆地与海洋的水边界,并受地质作用、海洋泥沙淤积、气象、海洋条件和人类活动等综合因素的影响。海岸线的变化会改变潮间带的海滩资源和环境,会导致生态环境恶化,进而影响人类的生产和生活。
岛屿海岸线的变化受人类活动和自然因素变化的双重影响更为显著。开展对岛屿海岸线的变化分析在岛屿生态环境保护和可持续性开发利用的实践中具有重要意义。
传统的海岸线测绘方案通过实地量法,实测拐点的位置选择、疏密程度受测量人员和测量区复杂程度影响较大,同时由于岛屿面积狭小、数量众多,利用传统方案分析其岸线的时空变迁,不仅耗费大量的人力和财力,且测量作业环境相对危险,效率低、周期长,难以快速反应岛屿岸线的动态变化。
而随着遥感技术的飞速发展,应用遥感影像探测海岸线地形信息中具有显而易见的优势,遥感观测的大范围、准同步、多时相、高精度的特点可快速、实时而准确地获取海岸地貌类型,克服实地调查中可能遇到的各种限制,实现对海岸线的动态监测。通过岛屿岸线年际变化的综合分析,实现岛屿岸线数字化管理与可视化,具有很高的经济效益和社会效益,对近岛海域生态环境保护、国土资源管理、港口建设规划、军事演习等领域提供高价值数据信息。
发明内容
为了解决现有技术中的问题,本发明提供了一种海岸线年际演变分析系统及方法:
第一方面提供了一种海岸线年际演变分析系统,所述系统包括海岸线识别提取模块、海岸线演变数据获取模块、海岸线演变驱动分析模块、海岸线可视化模块:
所述海岸线识别提取模块,用于获取海岸线所在岛屿在预设年数下的分布矢量图,并根据空间叠加法从所述分布矢量图中提取出所述海岸线的空间分布图像信息;
所述海岸线演变数据获取模块,用于对所述海岸线的空间分布图像信息进行综合处理,以得到所述海岸线的时空演变信息;
所述海岸线演变驱动分析模块,用于根据所述海岸线的时空演变信息以及海洋属性参量,得到影响所述海岸线时空演变的主要驱动要素信息;
所述海岸线可视化模块,用于将海岸线的空间分布图像信息、海岸线的时空演变信息和影响海岸线时空演变的主要驱动要素信息,进行整体可视化显示输出。
具体地,所述海岸线识别提取模块包括矢量图获取单元;
所述矢量图获取单元,用于根据多源遥感技术获取所述海岸线在预设年数下的图像信息,并根据所述图像信息得到所述分布矢量图。
具体地,所述矢量图获取单元包括图像融合子单元、预处理子单元、分布矢量图得到子单元;
所述图像融合子单元,用于对单一传感器下获取的多光谱图像信息和全色图像信息,进行图像融合处理;
所述预处理子单元,用于对不同空间分辨率下的图像信息,进行大气校正和几何校正;
所述分布矢量图得到子单元,用于对校正后的图像信息进行分割和边缘提取,并采用统一分类算法提取出海岸线的轮廓信息,从而得到所述分布矢量图。
具体地,所述海岸线演变数据获取模块包括可视化信息综合处理单元;
所述可视化信息综合处理单元,用于从空间和时间上对所述海岸线的空间分布可视化信息进行差异化处理。
具体地,所述海岸线可视化模块包括海岸线可视化单元;
所述海岸线可视化单元,用于将所述空间分布可视化信息、所述时空演变信息和所述主要驱动要素信息,基于海洋空间地理信息进行地理投影,并进一步空间配准到统一参考坐标系统中,以进行显示输出。
具体地,所述海洋属性参量包括海洋水体指标参数、海洋社会资料、海洋港口扩张信息。
具体地,所述多源遥感技术包括全色影像传感器、多光谱影像传感器和微波影像传感器。
第二方面提供了一种根据上述系统进行海岸线年际演变分析的方法,包括:
获取海岸线所在岛屿在预设年数下的分布矢量图,并根据空间叠加法从所述分布矢量图中提取出所述海岸线的空间分布图像信息;
对所述海岸线的空间分布图像信息进行综合处理,以得到所述海岸线的时空演变信息;
根据所述海岸线的时空演变信息以及海洋属性参量,得到影响所述海岸线时空演变的主要驱动要素信息;
将海岸线的空间分布图像信息、海岸线的时空演变信息和影响海岸线时空演变的主要驱动要素信息,进行整体可视化显示输出。
具体地,所获取海岸线所在岛屿在预设年数下的分布矢量图,包括:
根据多源遥感技术获取所述海岸线在预设年数下的图像信息,并根据所述图像信息得到所述分布矢量图。
具体地,其特征在于,所述根据所述图像信息得到所述分布矢量图,包括:
对单一传感器下获取的多光谱图像信息和全色图像信息,进行图像融合处理;
对不同空间分辨率下的图像信息,进行大气校正和几何校正;
对校正后的图像信息进行分割和边缘提取,并采用统一分类算法提取出海岸线的轮廓信息,从而得到所述分布矢量图。
本发明提供的海岸线年际演变分析系统及方法具有的有益效果是:
(1)本发明能够通过多源遥感影像技术快速、准备、全面地对海岸线相关图像信息,并对其变化进行动态监测。
(2)本发明在海岸线演变驱动分析中,综合海洋环境指标、水体指标、社会资料、港口扩张等信息,能够为海岛生态保护状况、资源管理状况提供更有力地依据。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其它附图。
图1(a)是本发明实施例提供的一种海岸线年际演变分析系统的框架图
图1(b)是本发明实施例提供的另一种海岸线年际演变分析系统的框架图;
图2是本发明实施例提供的主岸线识别与提取模块技术流程图;
图3是本发明实施例提供的一种海岸线年际演变分析总过程的流程图;
图4是本发明实施例提供的主海岸线时空演变分析的流程图;
图5是本发明实施例提供的主海线演变驱动要素分析的流程图。
图中:海岸线识别提取模块202,海岸线演变数据获取模块204,海岸线演变驱动分析模块206,海岸线可视化模块208。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书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的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。
本实施提供了一种海岸线年际演变分析系统,如图1(a)所示,包括海岸线识别提取模块202、海岸线演变数据获取模块204、海岸线演变驱动分析模块206、海岸线可视化模块208:
所述海岸线识别提取模块202,用于获取海岸线所在岛屿在预设年数下的分布矢量图,并根据空间叠加法从所述分布矢量图中提取出所述海岸线的空间分布图像信息;
所述海岸线演变数据获取模块204,用于对所述海岸线的空间分布图像信息进行综合处理,以得到所述海岸线的时空演变信息;
所述海岸线演变驱动分析模块206,用于根据所述海岸线的时空演变信息以及海洋属性参量,得到影响所述海岸线时空演变的主要驱动要素信息;
所述海岸线可视化模块208,用于将海岸线的空间分布图像信息、海岸线的时空演变信息和影响海岸线时空演变的主要驱动要素信息,进行整体可视化显示输出。本实施例中的海岸线是指主海岸线。
其中,所述系统的总体分析过程还可以如图1(b)所示,根据全色影像传感器、多光谱影像传感器和微波影像传感器,选用多种不同分辨率(比如0.5m、2m、8m、16m……)进行岛屿遥感影像的获取;之后进行主海岸线的识别与提取、主海岸线时空演变分析以及主海岸线时空演变驱动要素分析,进而进行主海岸线的数字化管理与可视化展示。
具体地,本实施例中的所述海岸线识别提取模块可以包括矢量图获取单元;
所述矢量图获取单元,用于根据多源遥感技术获取所述海岸线在预设年数下的图像信息,并根据所述图像信息得到所述分布矢量图。
具体地,所述矢量图获取单元可以包括图像融合子单元、预处理子单元、分布矢量图得到子单元;
所述图像融合子单元,用于对单一传感器下获取的多光谱图像信息和全色图像信息,进行图像融合处理,以提高图像影像的光谱和空间分辨率;
所述预处理子单元,用于对不同空间分辨率下的图像信息,进行大气校正和几何校正;
所述分布矢量图得到子单元,用于对校正后的图像信息进行分割和边缘提取,并采用统一分类算法提取出海岸线的轮廓信息,从而得到所述分布矢量图。其中,还用于在之前应用遥感成像解译和图像处理技术构建水体指数,之后进行遥感影像的分割和边缘提取。
具体地,所述海岸线演变数据获取模块包括可视化信息综合处理单元;
所述可视化信息综合处理单元,用于从空间和时间上对所述海岸线的空间分布可视化信息进行差异化处理。
概括地说,如图2所示,本实施例的系统在中间处理过程还可以包括影像预处理、岛屿岸线初步提取、岛屿岸线轮廓识别、空间统计以及岛屿岸线空间分布专题图可视化;其中,影像预处理包括影像配准、融合、镶嵌、几何校正和大气校正;其中,岛屿岸线初步提取包括水体指数构建、影像分割、边缘检测和初始岸线的获取;其中,空间统计包括岸线长度的统计、岛屿面积的统计和岸线属性的获取。
具体地,所述海岸线可视化模块可以包括海岸线可视化单元;
所述海岸线可视化单元,用于将所述空间分布可视化信息、所述时空演变信息和所述主要驱动要素信息,基于海洋空间地理信息进行地理投影,并进一步空间配准到统一参考坐标系统中,以进行显示输出。
具体地,所述海洋属性参量包括海洋水体指标参数、海洋社会资料、海洋港口扩张信息。其中,海洋水体指标参数比如是海水叶绿素浓度、海水溶解氧、海水PH值等,海洋社会资料比如是海岸带人口居住数量、地区生产总值水平、工农林牧业用地岸线范围等,海洋港口扩张信息比如是围垦填海信息、码头水工建筑物信息等。
具体地,所述多源遥感技术包括全色影像传感器、多光谱影像传感器和微波影像传感器。其中,在具体实施时的遥感技术并不限于此。
本实施例提供了一种根据上述实施例所述的系统进行海岸线年际演变分析的方法,如图3所示,包括:
S202获取海岸线所在岛屿在预设年数下的分布矢量图,并根据空间叠加法从所述分布矢量图中提取出所述海岸线的空间分布图像信息;
S204.对所述海岸线的空间分布图像信息进行综合处理,以得到所述海岸线的时空演变信息;
S206.根据所述海岸线的时空演变信息以及海洋属性参量,得到影响所述海岸线时空演变的主要驱动要素信息;
S208.将海岸线的空间分布图像信息、海岸线的时空演变信息和影响海岸线时空演变的主要驱动要素信息,进行整体可视化显示输出。
具体地,所获取海岸线所在岛屿在预设年数下的分布矢量图,包括:
根据多源遥感技术获取所述海岸线在预设年数下的图像信息,并根据所述图像信息得到所述分布矢量图。
具体地,其特征在于,所述根据所述图像信息得到所述分布矢量图,包括:
对单一传感器下获取的多光谱图像信息和全色图像信息,进行图像融合处理;
对不同空间分辨率下的图像信息,进行大气校正和几何校正;
对校正后的图像信息进行分割和边缘提取,并采用统一分类算法提取出海岸线的轮廓信息,从而得到所述分布矢量图。
详细地,本实施例提供一种海岸线年际演变分析方法,具体可以包括如下步骤:
步骤1:针对单一传感器获取多光谱和全色影像,进行影像融合,提高影像的光谱和空间分辨率;
步骤2:针对多期不同空间分辨率的遥感影像,进行影像预处理,即大气校正、几何校正、地理投影和空间配准;
步骤3:应用遥感成像解译和图像处理技术,构建水体指数,对遥感影像进行分割和边缘提取,在此基础上,采用统一分类算法,自动提取岛屿岸线轮廓信息;
步骤4:以自动提取的海岸线信息为基础,基于高分辨率遥感影像,采用人机交互的影像解译手段,优化各类岸线的空间分布情况,并统计各类岸线的长度、岛屿面积等信息,生成各属性信息统计表;
步骤5:根据遥感影像解译结果对各岛屿岸线的类别进行判定分类,分为人工岸线和自然岸线,依据每类海岸线解译规则确定海岸线位置;
步骤6:制作岛屿岸线空间分布专题图,通过岸线数字化管理与可视化模块显示。
主海岸线时空演变模块,如图4所示,具体包括如下步骤:
步骤1:调取主海岸线识别与提取模块,获取岛屿主岸线年际空间分布矢量图,进行年际矢量叠加;
步骤2:进行年际时间选取,通过空间统计分析和形态差值技术,获取不同年际间主要岛屿岸线的形态轮廓、长度、岛屿面积变化情况;
步骤3:读取对应年际岸线变化属性数据;
步骤4:通过岸线数字化管理与可视化模块显示岛屿的面域、线段、图表岸线属性变化情况。
岸线演变驱动要素分析模块,如图5所示,具体包括如下步骤:
步骤1:调取主海岸线时空演变模块,进行影像及矢量数据加载;
步骤2:分析岛屿岸线长度、岛屿面积的变迁速率,以及综合水质反演情况、社会资料、港口扩张、自然灾害等信息分析岸线属性变化情况;
步骤3:形成图表及文字驱动要素分析结果,通过岸线数字化管理与可视化模块进行展示。
岸线数字化管理与可视化模块是将岛屿岸线空间分布、岛屿岸线空间演变和岸线变化驱动要素图表及文字进行数字化管理,并基于海洋空间地理信息,进行地理投影和空间配准,配准到统一参考坐标系统,进行呈现。
本发明提供的海岸线年际演变分析系统及方法具有的有益效果是:
(1)本发明能够通过多源遥感影像技术快速、准备、全面地对海岸线相关图像信息,并对其变化进行动态监测。
(2)本发明在海岸线演变驱动分析中,综合海洋环境指标、水体指标、社会资料、港口扩张等信息,能够为海岛生态保护状况、资源管理状况提供更有力地依据。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种海岸线年际演变分析系统,包括海岸线识别提取模块、海岸线演变数据获取模块、海岸线演变驱动分析模块、海岸线可视化模块,其特征在于:
所述海岸线识别提取模块,用于获取海岸线所在岛屿在预设年数下的分布矢量图,并根据空间叠加法从所述分布矢量图中提取出所述海岸线的空间分布图像信息;
所述海岸线演变数据获取模块,用于对所述海岸线的空间分布图像信息进行综合处理,以得到所述海岸线的时空演变信息;
所述海岸线演变驱动分析模块,用于根据所述海岸线的时空演变信息以及海洋属性参量,得到影响所述海岸线时空演变的主要驱动要素信息;
所述海岸线可视化模块,用于将海岸线的空间分布图像信息、海岸线的时空演变信息和影响海岸线时空演变的主要驱动要素信息,进行整体可视化显示输出。
2.根据权利要求1所述的海岸线年际演变分析系统,其特征在于,所述海岸线识别提取模块包括矢量图获取单元;
所述矢量图获取单元,用于根据多源遥感技术获取所述海岸线在预设年数下的图像信息,并根据所述图像信息得到所述分布矢量图。
3.根据权利要求2所述的海岸线年际演变分析系统,其特征在于,所述矢量图获取单元包括图像融合子单元、预处理子单元、分布矢量图得到子单元;
所述图像融合子单元,用于对多个单一传感器下获取的多光谱图像信息和全色图像信息,进行图像融合处理;
所述预处理子单元,用于对不同空间分辨率下的图像信息,进行大气校正和几何校正;
所述分布矢量图得到子单元,用于对校正后的图像信息进行分割和边缘提取,并采用统一分类算法提取出海岸线的轮廓信息,从而得到所述分布矢量图。
4.根据权利要求1所述的海岸线年际演变分析系统,其特征在于,所述海岸线演变数据获取模块包括可视化信息综合处理单元;
所述可视化信息综合处理单元,用于从空间和时间上对所述海岸线的空间分布可视化信息进行差异化处理。
5.根据权利要求1所述的海岸线年际演变分析系统,其特征在于,所述海岸线可视化模块包括海岸线可视化单元;
所述海岸线可视化单元,用于将所述空间分布可视化信息、所述时空演变信息和所述主要驱动要素信息,基于海洋空间地理信息进行地理投影,并进一步空间配准到统一参考坐标系统中,以进行显示输出。
6.根据权利要求4所述的海岸线年际演变分析系统,其特征在于,所述海洋属性参量包括海洋水体指标参数、海洋社会资料、海洋港口扩张信息。
7.根据权利要求2所述的海岸线年际演变分析系统,其特征在于,所述多源遥感技术采用全色影像传感器、多光谱影像传感器和微波影像传感器。
8.一种根据权利要求1-7任一系统进行海岸线年际演变分析的方法,包括:
获取海岸线所在岛屿在预设年数下的分布矢量图,并根据空间叠加法从所述分布矢量图中提取出所述海岸线的空间分布图像信息;
对所述海岸线的空间分布图像信息进行综合处理,以得到所述海岸线的时空演变信息;
根据所述海岸线的时空演变信息以及海洋属性参量,得到影响所述海岸线时空演变的主要驱动要素信息;
将海岸线的空间分布图像信息、海岸线的时空演变信息和影响海岸线时空演变的主要驱动要素信息,进行整体可视化显示输出。
9.根据权利要求8所述的海岸线年际演变分析的方法,其特征在于,所获取海岸线所在岛屿在预设年数下的分布矢量图,包括:
根据多源遥感技术获取所述海岸线在预设年数下的图像信息,并根据所述图像信息得到所述分布矢量图。
10.根据权利要求9所述的海岸线年际演变分析的方法,其特征在于,所述根据所述图像信息得到所述分布矢量图,包括:
对单一传感器下获取的多光谱图像信息和全色图像信息,进行图像融合处理;
对不同空间分辨率下的图像信息,进行大气校正和几何校正;
对校正后的图像信息进行分割和边缘提取,并采用统一分类算法提取出海岸线的轮廓信息,从而得到所述分布矢量图。
CN201910977677.3A 2019-10-15 2019-10-15 一种海岸线年际演变分析系统及方法 Pending CN110705578A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910977677.3A CN110705578A (zh) 2019-10-15 2019-10-15 一种海岸线年际演变分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910977677.3A CN110705578A (zh) 2019-10-15 2019-10-15 一种海岸线年际演变分析系统及方法

Publications (1)

Publication Number Publication Date
CN110705578A true CN110705578A (zh) 2020-01-17

Family

ID=69199599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910977677.3A Pending CN110705578A (zh) 2019-10-15 2019-10-15 一种海岸线年际演变分析系统及方法

Country Status (1)

Country Link
CN (1) CN110705578A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111879292A (zh) * 2020-07-27 2020-11-03 深圳大学 一种海岸线动态监控方法、监控设备及存储介质
CN113158840A (zh) * 2021-04-01 2021-07-23 中国科学院南京地理与湖泊研究所 一种基于高清遥感影像的内河岸线资源利用类型提取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107341809A (zh) * 2017-06-22 2017-11-10 同济大学 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法
KR20180096096A (ko) * 2017-02-20 2018-08-29 한국해양과학기술원 해색 영상을 이용한 해안선 모니터링 장치 및 방법
CN109190538A (zh) * 2018-08-24 2019-01-11 华北水利水电大学 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法
CN110097101A (zh) * 2019-04-19 2019-08-06 大连海事大学 一种基于改进可靠性因子的遥感图像融合与海岸带分类方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180096096A (ko) * 2017-02-20 2018-08-29 한국해양과학기술원 해색 영상을 이용한 해안선 모니터링 장치 및 방법
CN107341809A (zh) * 2017-06-22 2017-11-10 同济大学 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法
CN109190538A (zh) * 2018-08-24 2019-01-11 华北水利水电大学 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法
CN110097101A (zh) * 2019-04-19 2019-08-06 大连海事大学 一种基于改进可靠性因子的遥感图像融合与海岸带分类方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
柯丽娜 等: "基于多源遥感影像的锦州湾附近海域围填海动态演变分析", 《资源科学》 *
罗昆 等: "基于多源遥感影像的宁远河口海岸线变迁分析", 《国土资源遥感》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111879292A (zh) * 2020-07-27 2020-11-03 深圳大学 一种海岸线动态监控方法、监控设备及存储介质
CN113158840A (zh) * 2021-04-01 2021-07-23 中国科学院南京地理与湖泊研究所 一种基于高清遥感影像的内河岸线资源利用类型提取方法

Similar Documents

Publication Publication Date Title
Gaulton et al. LiDAR mapping of canopy gaps in continuous cover forests: A comparison of canopy height model and point cloud based techniques
Sofia et al. High‐resolution topography and anthropogenic feature extraction: Testing geomorphometric parameters in floodplains
Gens Remote sensing of coastlines: detection, extraction and monitoring
Lyons et al. Towards understanding temporal and spatial dynamics of seagrass landscapes using time-series remote sensing
Koukoulas et al. Mapping individual tree location, height and species in broadleaved deciduous forest using airborne LIDAR and multi‐spectral remotely sensed data
Shahzad et al. TecDEM: A MATLAB based toolbox for tectonic geomorphology, Part 2: Surface dynamics and basin analysis
Liu et al. An object-based conceptual framework and computational method for representing and analyzing coastal morphological changes
Silvan-Cardenas et al. Assessing fine-spatial-resolution remote sensing for small-area population estimation
Zhou et al. Individual tree parameters estimation for plantation forests based on UAV oblique photography
Liu et al. Topographic mapping of offshore sandbank tidal flats using the waterline detection method: A case study on the Dongsha Sandbank of Jiangsu Radial Tidal Sand Ridges, China
Rutzinger et al. Accuracy of automatically extracted geomorphological breaklines from airborne LiDAR curvature images
Dong Automated measurement of sand dune migration using multi-temporal lidar data and GIS
Fey et al. Deriving 3D displacement vectors from multi-temporal airborne laser scanning data for landslide activity analyses
CN103914678A (zh) 基于纹理与植被指数的撂荒地遥感识别方法
Shamsoddini et al. Improving lidar-based forest structure mapping with crown-level pit removal
Liu et al. Seasonal pattern of tidal-flat topography along the Jiangsu middle coast, China, using HJ-1 optical images
Ding et al. Shoreline movement monitoring based on SAR images in Shanghai, China
CN114565313A (zh) 一种地质灾害隐患判识以及分析评估方法及系统
CN107504923A (zh) 一种综合遥感影像和延绳信息的海带养殖面积监测方法
Straatsma et al. Two novel methods for field measurements of hydrodynamic density of floodplain vegetation using terrestrial laser scanning and digital parallel photography
Wu et al. Spatiotemporal analysis of water area annual variations using a Landsat time series: A case study of nine plateau lakes in Yunnan province, China
CN110705578A (zh) 一种海岸线年际演变分析系统及方法
Zhu et al. Land cover classification using airborne LiDAR products in Beauport, Québec, Canada
Gao et al. Analysis of flood inundation in ungauged basins based on multi-source remote sensing data
Zhou et al. Comparison of UAV-based LiDAR and digital aerial photogrammetry for measuring crown-level canopy height in the urban environment

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

Application publication date: 20200117

RJ01 Rejection of invention patent application after publication