CN111368261A - 一种基于大气校正对不透水面指数的定量定性描述方法 - Google Patents

一种基于大气校正对不透水面指数的定量定性描述方法 Download PDF

Info

Publication number
CN111368261A
CN111368261A CN202010197111.1A CN202010197111A CN111368261A CN 111368261 A CN111368261 A CN 111368261A CN 202010197111 A CN202010197111 A CN 202010197111A CN 111368261 A CN111368261 A CN 111368261A
Authority
CN
China
Prior art keywords
atmospheric correction
impervious surface
index
reflectivity
correction
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
CN202010197111.1A
Other languages
English (en)
Inventor
陶于祥
曹勇
邓陆
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202010197111.1A priority Critical patent/CN111368261A/zh
Publication of CN111368261A publication Critical patent/CN111368261A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • 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
    • G01N2021/1793—Remote sensing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Chemical & Material Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明请求保护一种基于大气校正对不透水面指数的定量定性描述方法，该方法包括：通过现有的方法针对研究区域的Landsat8遥感影像进行数据预处理，本文研究了基于不同辐射校正水平(辐射定标和FLASSH大气校正)的遥感数据，以重庆主城为研究区域，利用Landsat‑8影像的灰度值(Digital Number,DN)、表观(Top of the Atmospher,TOA)反射率与地表(Surface)反射率提取不同类型的建筑指数，反演了灰度值、辐射定标、大气校正三个不同处理阶段的NDBI、IBI、UI、BUAI不透水面指数变化特征、分布范围、相关系数和提取精度进行了详细的对比分析，评价了大气校正对反演的建筑指数性能差异的影响。本方法可为遥感影响不透水面信息的提取，提供一定的研究意义和应用价值。

Description

一种基于大气校正对不透水面指数的定量定性描述方法
技术领域
本发明属于城市不透水面信息的领域。具体反演了灰度值、辐射定标、大气校正三个不同处理阶段的4种不透水面指数，进一步定量分析大气校正对不透水面指数性能差异影响的方法。
背景技术
不透水面指数是遥感领域中提取城市不透水面分布、反应城市的动态扩展的遥感技术，国内外学者进行了大量的研究。但是，遥感影像通常会受到传感器自身以及大气、气溶胶等多因素的干扰，所以经过大气校正来提取城市不透水面指数是很有必要的。
遥感数据反演不透水面指数大多是用DN值来进行表示，DN值是遥感影像像元亮度值，记录地物的灰度值，无单位。TOA反射率是地面反射辐射量与入射辐射量之比，Surface反射率是指大气层顶的反射率,简称表观反射率。参与城市不透水面指数计算的反射率,既可以是DN值、TOA反射率,也可以是大气校正后的Surface反射率。有大量的研究表明，基于遥感影像的灰度值、表观反射率或地表反射率均可以计算植被指数，但是根据辐射定标与大气校正后的地表辐射亮度值或反射率计算出的植被指数最为准确。目前有学者对不同辐射正水平下植被指数特征对比分析，采用定量遥感和回归分析方法从空间和时间两个方面对不同辐射水平下提取的NDVI变化特征进行了详细的对比分析，定量评价了大气对于提取的植被指数的影响。还有学者对大气校正开展与否和NDVI阈值选取对绿潮面积遥感提取精度的影响进行了研究。
目前大多数学者对于城市不透水面指数的提取，为了方便就直接使用原始影像的DN值反演，没有去考虑大气校正是否有助于提高不透水面指数性能。在DN值、TOA反射率、Surface反射率下反演的不透水面指数性能综合分析比较的研究较少，同时大气校正对提取城市不透水面指数的的影响缺乏应有的重视，因此对不同处理方法得出的结果做进一步对比研究是有必要的。本文利用Landsat-8遥感数据，对比分析在灰度值(DN),表观(TOA)反射率与地表(Surface)反射率反演的几种具有代表性的不透水面指数的分布范围、变化特征、相关系数和提取精度，探讨了大气校正对建筑指数性能差异的影响，为今后的Landsat-8数据提取建筑指数的研究提供借鉴和参考。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种基于大气校正对不透水面指数的定量定性描述方法。本发明的技术方案如下：
一种基于大气校正对不透水面指数的定量定性描述方法，其包括以下步骤：
1)、获取研究区域的Landsat8遥感影像；
2)、对原始遥感影像数据进行预处理，包括大气校正、辐射定标以及几何校正；
3)、获取辐射定标和FLASSH大气校正的遥感数据，经过辐射定标、大气校正后，得到Landsat-8影像的灰度值DN、表观TOA反射率与地表Surface反射率；
4)、反演灰度值、辐射定标、大气校正三个不同处理阶段的4种不透水面指数；
5)、采用数理统计方法得到三个不同处理阶段的4种不透水面指数变化特征、分布范围；
6)、采用数理统计方法方法、拟合方法、双窗口变步长搜寻法、选取阈值法得到三个不同处理阶段的4种不透水面指数相关系数、提取精度。
进一步的，所述步骤1)研究区域的Landsat-8遥感影像是从专业网站购买或下载。
进一步的，所述步骤2)对原始遥感影像数据进行预处理，包括大气校正、辐射定标以及几何校正，具体包括：
采用包括ENVI5.3在内的现有软件，在Landsat-8卫星影像的辅助下，对原始图像中包括热红外波段的所有波段进行几何精校正处理，再进行辐射定标，然后利用ENVI-FLASSH工具对各波段的地表反射率进行大气校正，得到经过大气校正后的地表反射率数据。
进一步的，所述步骤3)获取辐射定标和FLASSH大气校正的遥感数据，具体包括：用公式Lλ＝gain·DN+offset进行辐射定标，Lλ表示定标后的表观反射率，gain为增益值；offset为偏移值，再进行FLASSH大气校正，FLASSH大气校正的基础是Modtran模型，而Modtran模型源自于大气辐射传输方程，计算公式为：
Figure BDA0002418025040000031
La为辐射亮度的大气程辐射分量,是大气分子和气溶胶作用的结果，ρ为像元表面反射率，ρe为像元周围平均反射率，参变量A、B、S和La的值是通过辐射传输模型MODTRAN来计算获取的，最终得到Landsat-8影像的灰度值、表观反射率与地表反射率。
进一步的，所述步骤4)反演灰度值、辐射定标、大气校正三个不同处理阶段的归一化建筑指数NDBI、新型建筑用地指数IBI、城市指数UI、城市建成区指数BUAI4种不透水面指数，具体包括：
Figure BDA0002418025040000032
Figure BDA0002418025040000033
Figure BDA0002418025040000034
BUAI＝NDBI-NDVI
Green为绿光波段，Red为红光波段，NIR为近红外波段，SWIR1为短波红外波段1，SWIR2为短波红外波段2，NDVI为归一化植被指数，对于Landsat-8影像而言，Blue、Green、Red、NIR、SWIR1、SWIR2分别对应波段TM2、TM 3、TM 4、TM 5、TM 6、TM 7。
进一步的，所述步骤5)采用数理统计方法方法得到三个不同处理阶段的4种不透水面指数变化特征、分布范围，具体包括：
(1)选取大量灰度值、辐射定标、大气校正三个不同处理阶段的NDBI、IBI、UI、BUAI不透水面指数样本点；
(2)将样本点导入Excel统计变化特征；
(3)将样本点导入Matlab统计分布范围。
进一步的，所述步骤6)采用数理统计方法方法、拟合方法、双窗口变步长搜寻法、选取阈值法得到三个不同处理阶段的4种不透水面指数相关系数、提取精度，具体包括：
(1)选取大量灰度值、辐射定标、大气校正三个不同处理阶段的NDBI、IBI、UI、BUAI不透水面指数样本点；
(2)将样本点导入Matlab拟合相关系数，线性方程；
(3)利用双窗口变步长搜寻法选取阈值法获取三个不同处理阶段每种指数的最佳阈值，最后对每种指数进行精度评价。
本发明的优点及有益效果如下：
本发明以Landsat-8遥感分别在DN值、TOA反射率、Surface反射率下提取NDBI、IBI、UI，BUAI四种不透水面指数精度，并对在三种情况下的不透水面指数性能差异进行了综合评价。
NDBI、IBI、UI、BUAI在3种不同辐射水平下的直方图均发生了变化，在Surface反射率下的直方图区间范围变大，峰值和波谷值较大气校正前更为明显，直方图曲线更加的平滑，说明大气校正消除了大气，光照等因素对地物反射率的影响。NDBI、IBI、UI，BUAI的不透水面指数分布范围我们可以看出，在三种不同辐射水平下的最小值，最大值，均值，标准差的变化趋势的变化趋势基本相同。四个不透水面指数的最小值变小，最大值变大，取值范围逐渐增大，不透水面信息得到加强，大气校正后反演的不透水面指数的得到了改善。四个不透水面指数在Surface反射率下标准差最大，标准差越大，灰度级分布越分散，图像的目视效果越好，图像所含信息量越丰富，因此大气校正更有利于不透水面信息提取。在TOA反射率和Surface反射率下与DN值下的不透水面指数相互之间存在明显的线性相关性，又存在明显的区别。利用NDBI、IBI、UI、BUAI在DN值、TOA反射率、Surface反射率下提取不透水面物的精度有所差异，在Surface反射率下提取不透水面物的精度较高，NDBI、IBI、UI、BUAI在Surface反射率下的Overall Accuracy和Kappa系数相比DN值下的精度的有所提高，说明大气校正有助于提高不透水面信息提取的精度。。
本文发明的创新点主要在(5)(6)步骤。目前大多数学者对于城市不透水面信息的提取，为了方便就直接使用原始影像的DN值反演，没有去考虑大气校正是否有助于提高不透水面指数性能。
(1)大气校正消除了大气，光照等因素对地物反射率的影响。
(2)大气校正后标准差最大，标准差越大，灰度级分布越分散，图像的目视效果越好，图像所含信息量越丰富，因此大气校正更有利于建筑信息提取。
(3)在TOA反射率和Surface反射率下与DN值下的建筑指数相互之间存在明显的线性相关性，有时可以存在相互转换。
(4)NDBI指数、IBI指数、UI指数、BUAI指数在Surface反射率下的OverallAccuracy和Kappa系数相比DN值下的精度的有所提高，说明大气校正有助于提高建筑物提取的精度。
附图说明
图1是本发明提供优选实施例一种基于大气校正对不透水面指数性能差异影响的定量和定性描述的方法的流程图。
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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是：
以上所述步骤(1)研究区域的Landsat8遥感影像是从某些专业网站购买或下载。
进一步的，以上所述步骤(2)是借助包括ENVI5.3在内的现有软件，在Landsat-8卫星影像的辅助下，对原始图像中包括热红外波段的所有波段进行几何精校正处理，然后利用ENVI-FLASSH工具对各波段的地表反射率进行大气校正，得到经过大气校正后的地表反射率数据。
进一步的，以上所述步骤(3)利用辐射定标和大气校正方法，步骤包括：用公式Lλ＝gain·DN+offset进行辐射定标，在进行FLASSH大气校正，FLASSH大气校正的基础是Modtran模型，而Modtran模型源自于大气辐射传输方程，因此其大气校正效果较好。计算公式为:
Figure BDA0002418025040000061
最终根据上述公式得到Landsat-8影像的灰度值(Digital Number,DN)、表观(Top of the Atmospher,TOA)反射率与地表(Surface)反射率。
进一步的，以上所述步骤(4)反演了灰度值、辐射定标、大气校正三个不同处理阶段的NDBI、IBI、UI、BUAI 4种不透水面指数。
进一步的，以上所述步骤(5)反演4种不透水面这似乎具体包括：大气校正后影像的直方图两次峰值和波谷值较大气校正前更为明显，直方图曲线更加的平滑，有利于阈值的判定，依据统计特征来看，四种建筑指数在DN值、TOA反射率、Surface反射率下取值范围逐渐变大。在TOA反射率下反演不透水面指数均值最小，在Surface反射率下反演的不透水面指数标准差最大,最终得到大气校正对不透水面指数性能差异的影响。
进一步的，以上所述步骤(6)即利用步骤(5)建立的大气校正对不透水面指数性能差异的影响的分析，在TOA反射率和Surface反射率下的建筑指数数据与原始影像的建筑指数相互之间具有极强的正相关系数，又存在明显的区别，在DN值、TOA反射率、Surface反射率下的建筑指数的总体精度和Kappa值的的不相同，大气校正后的建筑指数总体精度和Kappa值相应提高了。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (7)

1.一种基于大气校正对不透水面指数的定量定性描述方法，其特征在于，包括以下步骤：
1)、获取研究区域的Landsat8遥感影像；
2)、对原始遥感影像数据进行预处理，包括大气校正、辐射定标以及几何校正；
3)、获取辐射定标和FLASSH大气校正的遥感数据，经过辐射定标、大气校正后，得到Landsat-8影像的灰度值DN、表观TOA反射率与地表Surface反射率；
4)、反演灰度值、辐射定标、大气校正三个不同处理阶段的4种不透水面指数；
5)、采用数理统计方法得到三个不同处理阶段的4种不透水面指数变化特征、分布范围；
6)、采用数理统计方法方法、拟合方法、双窗口变步长搜寻法、选取阈值法得到三个不同处理阶段的4种不透水面指数相关系数、提取精度。
2.根据权利要求1所述的一种基于大气校正对不透水面指数的定量定性描述方法，其特征在于，所述步骤1)研究区域的Landsat-8遥感影像是从专业网站购买或下载。
3.根据权利要求1或2所述的一种基于大气校正对不透水面指数的定量定性描述方法，其特征在于，所述步骤2)对原始遥感影像数据进行预处理，包括大气校正、辐射定标以及几何校正，具体包括：
采用包括ENVI5.3在内的现有软件，在Landsat-8卫星影像的辅助下，对原始图像中包括热红外波段的所有波段进行几何精校正处理，再进行辐射定标，然后利用ENVI-FLASSH工具对各波段的地表反射率进行大气校正，得到经过大气校正后的地表反射率数据。
4.根据权利要求3所述的一种基于大气校正对不透水面指数的定量定性描述方法，其特征在于，所述步骤3)获取辐射定标和FLASSH大气校正的遥感数据，具体包括：用公式Lλ＝gain·DN+offset进行辐射定标，Lλ表示定标后的表观反射率，gain为增益值；offset为偏移值，再进行FLASSH大气校正，FLASSH大气校正的基础是Modtran模型，而Modtran模型源自于大气辐射传输方程，计算公式为:
Figure FDA0002418025030000021
La为辐射亮度的大气程辐射分量,是大气分子和气溶胶作用的结果，ρ为像元表面反射率，ρe为像元周围平均反射率，参变量A、B、S和La的值是通过辐射传输模型MODTRAN来计算获取的，最终得到Landsat-8影像的灰度值、表观反射率与地表反射率。
5.根据权利要求4所述的一种基于大气校正对不透水面指数的定量定性描述方法，其特征在于，所述步骤4)反演灰度值、辐射定标、大气校正三个不同处理阶段的归一化建筑指数NDBI、新型建筑用地指数IBI、城市指数UI、城市建成区指数BUAI4种不透水面指数，具体包括：
Figure FDA0002418025030000022
Figure FDA0002418025030000023
Figure FDA0002418025030000024
BUAI＝NDBI-NDVI
Green为绿光波段，Red为红光波段，NIR为近红外波段，SWIR1为短波红外波段1，SWIR2为短波红外波段2，NDVI为归一化植被指数，对于Landsat-8影像而言，Blue、Green、Red、NIR、SWIR1、SWIR2分别对应波段TM2、TM 3、TM 4、TM 5、TM 6、TM 7。
6.根据权利要求5所述的一种基于大气校正对不透水面指数的定量定性描述方法，其特征在于，所述步骤5)采用数理统计方法方法得到三个不同处理阶段的4种不透水面指数变化特征、分布范围，具体包括：
(1)选取大量灰度值、辐射定标、大气校正三个不同处理阶段的NDBI、IBI、UI、BUAI不透水面指数样本点；
(2)将样本点导入Excel统计变化特征；
(3)将样本点导入Matlab统计分布范围。
7.根据权利要求6所述的一种基于大气校正对不透水面指数的定量定性描述方法，其特征在于，所述步骤6)采用数理统计方法方法、拟合方法、双窗口变步长搜寻法、选取阈值法得到三个不同处理阶段的4种不透水面指数相关系数、提取精度，具体包括：
(1)选取大量灰度值、辐射定标、大气校正三个不同处理阶段的NDBI、IBI、UI、BUAI不透水面指数样本点；
(2)将样本点导入Matlab拟合相关系数，线性方程；
(3)利用双窗口变步长搜寻法选取阈值法获取三个不同处理阶段每种指数的最佳阈值，最后对每种指数进行精度评价。
CN202010197111.1A 2020-03-19 2020-03-19 一种基于大气校正对不透水面指数的定量定性描述方法 Pending CN111368261A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010197111.1A CN111368261A (zh) 2020-03-19 2020-03-19 一种基于大气校正对不透水面指数的定量定性描述方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010197111.1A CN111368261A (zh) 2020-03-19 2020-03-19 一种基于大气校正对不透水面指数的定量定性描述方法

Publications (1)

Publication Number Publication Date
CN111368261A true CN111368261A (zh) 2020-07-03

Family

ID=71212606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010197111.1A Pending CN111368261A (zh) 2020-03-19 2020-03-19 一种基于大气校正对不透水面指数的定量定性描述方法

Country Status (1)

Country Link
CN (1) CN111368261A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112924391A (zh) * 2021-02-03 2021-06-08 重庆邮电大学 基于遥感大数据的fy-4a/agri交叉辐射定标方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070027664A1 (en) * 2001-04-20 2007-02-01 Anderson Gail P Reformulated atmospheric band model method for modeling atmospheric propagation at arbitrarily fine spectral resolution and expanded capabilities
JP2007240164A (ja) * 2006-03-06 2007-09-20 Technical Research & Development Institute Ministry Of Defence 赤外線２波長処理方法
CN102736128A (zh) * 2011-09-21 2012-10-17 中国科学院地理科学与资源研究所 无人机光学遥感影像数据处理方法及装置
CN102955154A (zh) * 2012-10-16 2013-03-06 中国科学院遥感应用研究所 一种高分辨率遥感数据大气校正方法
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
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
CN107036968A (zh) * 2016-12-27 2017-08-11 西安科技大学 一种土壤湿度实时监测方法
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
CN109934770A (zh) * 2019-01-21 2019-06-25 广州地理研究所 基于高分辨率卫星遥感影像的城市不透水面提取方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070027664A1 (en) * 2001-04-20 2007-02-01 Anderson Gail P Reformulated atmospheric band model method for modeling atmospheric propagation at arbitrarily fine spectral resolution and expanded capabilities
JP2007240164A (ja) * 2006-03-06 2007-09-20 Technical Research & Development Institute Ministry Of Defence 赤外線２波長処理方法
CN102736128A (zh) * 2011-09-21 2012-10-17 中国科学院地理科学与资源研究所 无人机光学遥感影像数据处理方法及装置
CN102955154A (zh) * 2012-10-16 2013-03-06 中国科学院遥感应用研究所 一种高分辨率遥感数据大气校正方法
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
CN107036968A (zh) * 2016-12-27 2017-08-11 西安科技大学 一种土壤湿度实时监测方法
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
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
CN109934770A (zh) * 2019-01-21 2019-06-25 广州地理研究所 基于高分辨率卫星遥感影像的城市不透水面提取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ABHISHA GARG: "A comparative study of NDBI, NDISI and NDII for extraction of urban impervious surface of Dehradun using Landsat 8 imagery" *
彭义东: "基于指数的建筑区域提取精度研究" *
甘毅: "城市热岛景观格局及多尺度特征研究" *
蒲莉莉: "结合光谱响应函数的Landsat-8影像大气校正研究" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112924391A (zh) * 2021-02-03 2021-06-08 重庆邮电大学 基于遥感大数据的fy-4a/agri交叉辐射定标方法

Similar Documents

Publication Publication Date Title
CN111795936B (zh) 一种基于查找表的多光谱遥感影像大气校正系统、方法及存储介质
CN112381013B (zh) 基于高分辨率遥感影像的城市植被反演方法及系统
CN112183209A (zh) 一种基于多维特征融合的区域农作物分类方法及系统
CN107247927B (zh) 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统
CN111008664B (zh) 一种基于空谱联合特征的高光谱海冰检测方法
CN103900972B (zh) 基于多特征融合的肉类新鲜度高光谱图像可视化检测
CN112014331A (zh) 一种水体污染的检测方法、装置、设备以及存储介质
CN111007013B (zh) 面向东北冷凉区的作物轮作休耕遥感监测方法与装置
CN115439759B (zh) 遥感影像中植被的提取方法、装置、电子设备及介质
CN111553922A (zh) 一种卫星遥感影像自动云检测方法
CN111611965B (zh) 一种基于Sentinel-2影像的陆表水体提取方法
CN110705449A (zh) 一种土地利用变化遥感监测分析方法
CN113436153A (zh) 一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法
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
Wu et al. Mapping the salt content in soil profiles using Vis‐NIR hyperspectral imaging
CN113887493B (zh) 一种基于id3算法的黑臭水体遥感影像识别方法
CN115205703A (zh) 一种多特征蓝藻提取方法、装置、电子设备及存储介质
CN117710380B (zh) 一种混凝土透气性智能检测方法及系统
CN114926826A (zh) 场景文本检测系统
CN111368261A (zh) 一种基于大气校正对不透水面指数的定量定性描述方法
CN114049566A (zh) 一种逐步细化的陆地卫星影像云和云阴影检测方法及装置
CN116645593B (zh) 监测海草床分布的遥感方法、装置
CN116682024A (zh) 一种基于四波段遥感影像的快速云检测方法
CN115984689A (zh) 一种多尺度地表复杂性特征提取及其土地利用分割方法
Liu et al. Water extraction on the hyperspectral images of gaofen-5 satellite using spectral indices

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: 20200703

RJ01 Rejection of invention patent application after publication