CN111402322B - 一种中分辨率叶面积指数产品的校正方法及装置 - Google Patents
一种中分辨率叶面积指数产品的校正方法及装置 Download PDFInfo
- Publication number
- CN111402322B CN111402322B CN202010265223.6A CN202010265223A CN111402322B CN 111402322 B CN111402322 B CN 111402322B CN 202010265223 A CN202010265223 A CN 202010265223A CN 111402322 B CN111402322 B CN 111402322B
- Authority
- CN
- China
- Prior art keywords
- pixel
- leaf area
- sub
- resolution
- index
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012937 correction Methods 0.000 claims abstract description 89
- 230000002776 aggregation Effects 0.000 claims description 74
- 238000004220 aggregation Methods 0.000 claims description 74
- 238000002310 reflectometry Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 15
- 230000002457 bidirectional effect Effects 0.000 claims description 14
- 238000005315 distribution function Methods 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000000375 direct analysis in real time Methods 0.000 description 5
- 238000012063 dual-affinity re-targeting Methods 0.000 description 5
- 238000009795 derivation Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- 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
- 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
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
-
- 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
-
- 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
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种中分辨率叶面积指数产品的校正方法及装置,其中方法包括:获取中分辨率叶面积指数产品;分别计算中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子;分别计算中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值,得到校正后的中分辨率叶面积指数产品。由于任一像元中亚像元的孔隙率体现了该像元的空间异质性,该像元中各亚像元的ki值体现了该像元中各亚像元的地表覆盖类型;因此,本申请计算得到的校正后的中分辨率叶面积指数产品,考虑了中分辨率像元内不同土地覆盖类型的混合以及像元的空间异质性,从而,本申请可以提高空间异质性较强区域的叶面积指数的精度。
Description
技术领域
本申请涉及遥感信息处理领域,尤其涉及一种中分辨率叶面积指数产品的校正方法及装置。
背景技术
中分辨率叶面积指数产品是定量描述植被叶面积大小、表征植被冠层结构的最基本的参数之一。它能够反映植被的生长状态,控制植被的光合作用、蒸腾作用、降水截获等生物物理过程,同时也是许多气候、生态模型中重要的输入因子,对作物估产、全球碳循环和气候变化研究等,都有着重要意义。
目前,中分辨率叶面积指数产品的计算方式包括:首先利用二向性反射模型模拟叶面积指数与其他因素(如冠层反射率、太阳和传感器观测几何等)之间的关系,生成不同观测条件下叶面积指数模拟数据集,然后通过查找表或者机器学习等方法反演得到叶面积指数。
但是,生产的叶面积指数产品在空间异质性较强的区域存在较大的误差,即生产的叶面积指数产品在空间异质性较强的区域的精度低。
发明内容
本申请提供了一种中分辨率叶面积指数产品的校正方法及装置,目的在于解决生产的叶面积指数产品在空间异质性较强的区域的精度低的问题。
为了实现上述目的,本申请提供了以下技术方案:
本申请提供了一种中分辨率叶面积指数产品的校正方法,包括:
获取中分辨率叶面积指数产品;所述中分辨率叶面积指数产品包括多个像元的叶面积指数;
分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子;其中,任一像元的叶面积指数的校正因子
其中,LAIp表示以该像元为单位反演得到的叶面积指数;LAIT表示该像元的真实叶面积指数,所述真实叶面积指数以该像元包括的亚像元为单位,通过计算该像元包含的亚像元的叶面积指数的平均值计算得到;n表示该像元中亚像元的数量;P(θ)表示该像元的孔隙率,Pi(θ)表示该像元中第i个亚像元的孔隙率;ki表示该像元中第i个亚像元的地表覆盖类型下的聚集指数占该像元的地表覆盖类型下的聚集指数的比例;
分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值,得到校正后的中分辨率叶面积指数产品。
可选的,计算所述中分辨率叶面积指数产品中任一像元的叶面积指数的校正因子,包括:
获取高分辨率地表分类数据、高分辨率光谱反射率数据、中分辨率地表分类数据、中分辨率地表覆盖度数据,以及双向反射分布函数模型参数数据;
依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率;
依据所述双向反射分布函数模型参数数据,计算该像元的各向异性平整指数;
根据该像元的各向异性平整指数和事先构建的像元各向异性平整指数、地表覆盖类型,以及聚集指数间的对应关系,计算该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数;其中,该像元的地表覆盖类型由所述中分辨率地表分类数据确定;该像元中任一亚像元的地表覆盖类型由所述高分辨率地表分类数据确定;
依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元下每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子。
可选的,依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子,包括:
依据该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数,计算该像元中每个亚像元的比值;对于任一亚像元的比值为该亚像元的地表覆盖类型下的聚集指数与该像元的地表覆盖类型下的聚集指数的比值;
依据该像元中各个亚像元的孔隙率和该像元中每个亚像元的比值,确定该像元的叶面积指数的校正因子。
可选的,所述依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率,包括:
依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,计算该像元中各个亚像元的植被覆盖度;
针对该像元中任一亚像元,依据该像元中该亚像元的植被覆盖度,计算该亚像元的孔隙率。
本申请还提供了一种中分辨率叶面积指数产品的校正装置,包括:
获取模块,用于获取中分辨率叶面积指数产品;所述中分辨率叶面积指数产品包括多个像元的叶面积指数;
计算模块,用于分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子;其中,任一像元的叶面积指数的校正因子
其中,LAIp表示以该像元为单位反演得到的叶面积指数;LAIT表示该像元的真实叶面积指数,所述真实叶面积指数以该像元包括的亚像元为单位,通过计算该像元包含的亚像元的叶面积指数的平均值计算得到;n表示该像元中亚像元的数量;P(θ)表示该像元的孔隙率,Pi(θ)表示该像元中第i个亚像元的孔隙率;ki表示该像元中第i个亚像元的地表覆盖类型下的聚集指数占该像元的地表覆盖类型下的聚集指数的比例;
校正模块,用于分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值,得到校正后的中分辨率叶面积指数产品。
可选的,所述计算模块,用于计算所述中分辨率叶面积指数产品中任一像元的叶面积指数的校正因子,包括:
所述计算模块,具体用于获取高分辨率地表分类数据、高分辨率光谱反射率数据、中分辨率地表分类数据、中分辨率地表覆盖度数据,以及双向反射分布函数模型参数数据;
依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率;
依据所述双向反射分布函数模型参数数据,计算该像元的各向异性平整指数;
根据该像元的各向异性平整指数和事先构建的像元各向异性平整指数、地表覆盖类型,以及聚集指数间的对应关系,计算该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数;其中,该像元的地表覆盖类型由所述中分辨率地表分类数据确定;该像元中任一亚像元的地表覆盖类型由所述高分辨率地表分类数据确定;
依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元下每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子。
可选的,所述计算模块,用于依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元下每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子,包括:
所述计算模块,具体用于依据该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数,计算该像元中每个亚像元的比值;对于任一亚像元的比值为该亚像元的地表覆盖类型下的聚集指数与该像元的地表覆盖类型下的聚集指数的比值;依据该像元中各个亚像元的孔隙率和该像元中每个亚像元的比值,确定该像元的叶面积指数的校正因子。
可选的,所述计算模块,用于依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率,包括:
所述计算模块,具体用于依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,计算该像元中各个亚像元的植被覆盖度;针对该像元中任一亚像元,依据该像元中该亚像元的植被覆盖度,计算该亚像元的孔隙率。
本申请还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行上述任一所述的中分辨率叶面积指数产品的校正方法。
本申请还提供了一种设备,所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述任一项所述的中分辨率叶面积指数产品的校正方法。
本申请所述的中分辨率叶面积指数产品的校正方法方法及装置,获取中分辨率叶面积指数产品,其中,中分辨率叶面积指数产品包括多个像元的叶面积指数;分别计算该中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子;分别计算该中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值,得到校正后的中分辨率叶面积指数产品。
其中,任一像元的叶面积指数的校正因子LAIp表示以该像元为单位反演得到的叶面积指数;LAIT表示该像元的实际叶面积指数,其中,实际叶面积指数以该像元包括的亚像元为单位,通过计算该像元包含的亚像元的叶面积指数的平均值得到;n表示该像元中亚像元的数量;P(θ)表示该像元的孔隙率。
其中,Pi(θ)表示该像元中第i个亚像元的孔隙率;ki表示该像元中第i个亚像元的地表覆盖类型下的聚集指数占该像元的地表覆盖类型下的聚集指数的比例,由于该像元中亚像元的孔隙率体现了该像元的空间异质性,该像元中各亚像元的ki值体现了该像元中各亚像元的地表覆盖类型;因此,本申请计算得到的校正后的中分辨率叶面积指数产品,考虑了中分辨率像元内不同土地覆盖类型的混合以及像元的空间异质性,从而,本申请可以提高空间异质性较强区域的叶面积指数的精度。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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他的附图。
图1为本申请实施例公开的一种中分辨率叶面积指数产品的校正方法的流程图;
图2为本申请实施例公开的一种中分辨率叶面积指数产品中任一像元的叶面积指数的校正因子计算方法的流程图;
图3为本申请实施例公开的校正前后的叶面积指数和DART模型模拟的叶面积指数间的对比示意图;
图4为本申请实施例公开的一种中分辨率叶面积指数产品的校正装置的结构示意图;
图5为本申请实施例公开的一种设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
发明人在研究中发现现有技术中生产的叶面积指数产品在空间异质性较强的区域的精度低的原因包括:现有技术中计算中分辨率叶面积指数产品的过程中,未考虑中分辨率像元内不同土地覆盖类型的混合以及像元的空间异质性。
并且,基于全球30米分辨率土地分类图的统计结果表明,对于空间分辨率为1千米的像元,在全球范围内有超过65%的像元均为混合像元,因此,目前的中分辨率叶面积指数的估算精度有待于进一步提高。
因此,本申请实施例基于高分辨率地表分类数据、光谱反射率数据和相关先验知识,计算中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子,并采用该校正因子对生产的中分辨率叶面积指数产品进行校正。由于本申请实施例在校正过程中,考虑了中分辨率像元内不同土地覆盖类型的混合以及像元的空间异质性,因此,提高了空间异质性较强区域的叶面积指数的精度。
图1为本申请实施例提供的一种中分辨率叶面积指数产品的校正方法,包括以下步骤:
S101、获取中分辨率叶面积指数产品。
在本实施例中,中分辨率叶面积指数产品包括多个像元的叶面积指数,即本步骤获取的中分辨率叶面积指数产品是多个像元的叶面积指数。
S102、分别计算中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子。
在本实施例中,任一像元的叶面积指数的校正因子
其中,LAIp表示以该像元为单位反演得到的叶面积指数;LAIT表示该像元的真实叶面积指数,其中,真实叶面积指数以该像元包括的亚像元为单位,通过计算该像元包含的亚像元的叶面积指数平均值得到;n表示该像元中亚像元的数量;P(θ)表示该像元的孔隙率,Pi(θ)表示该像元中第i个亚像元的孔隙率;ki表示该像元中第i个亚像元的地表覆盖类型下的聚集指数占该像元的地表覆盖类型下的聚集指数的比例。
通过本步骤可以计算得到中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子。
S103、分别计算中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值,得到校正后的中分辨率叶面积指数产品。
在本步骤中,针对S101获取的中分辨率叶面积指数中的每个像元的叶面积指数都进行校正,以任一像元的叶面积指数为例,计算该像元的叶面积指数与该像元的叶面积指数校正因子的比值,得到该像元校正后的叶面积指数。其中得到的任一像元校正后的叶面积指数是该像元中的亚像元的叶面积指数平均值,即校正后的叶面积指数考虑了像元内亚像元的地表覆盖类型的混合和空间异质性,从而,本实施例得到的校正后的叶面积指数产品的精度得到提高。
在本实施例中,给出了计算任一像元的叶面积指数的校正因子的计算公式,以下给出该校正因子的计算公式的推导过程。以中分辨率叶面积指数产品中的任一像元为例,介绍该像元的叶面积指数的校正因子计算公式的推导过程,包括:
在本实施例中,该像元的叶面积指数的校正因子用于描述该像元尺度的聚集效应,具体的,在本实施例中,该像元的叶面积指数的校正因子的定义如下公式(1)所示:
式中,LAIP表示以该像元为单位反演得到的叶面积指数,即假设该像元中的各亚像元的孔隙率和地表覆盖类型均与该像元反演时使用的孔隙率和地表覆盖类型相同,也即该像元的叶面积指数是在未考虑该像元中各亚像元的地表覆盖类型和孔隙率的差异的情况下,计算得到的叶面积指数。LAIT表示该像元的真实叶面积指数,在本实施例中,该像元的真实叶面积指数以该像元中的亚像元为单位,通过计算该像元中亚像元的叶面积指数的平均值得到。
在本申请实施例中,假设该像元内相同地表覆盖类型的亚像元的聚集指数相同,那么,对于该像元内各个亚像元均为同一地表覆盖类型,并且,各个亚像元的孔隙率均相同,该像元的叶面积指数LAIP可以表示为如下公式(2)所示:
式中,cosθ表示卫星的观测角度,P(θ)表示该像元的孔隙率,G(θ)表示叶片的角度分布状态,Ω表示LAI反演时使用的地表覆盖类型对应的聚集指数。
如果考虑该像元中各个亚像元间孔隙率和地表覆盖类型的差异,对于该像元中的第i个亚像元,该第i个亚像元的叶面积指数可以表示为如下公式(3)所示:
式中,cosθ表示卫星的观测角度,Pi(θ)表示第i个亚像元的孔隙率,Ωi表示第i个亚像元的聚集指数,Gi(θ)表示第i个亚像元叶片的角度分布状态。
在本实施例中,假定该像元中各个亚像元的叶片分布状态均相同,即Gi(θ)=G(θ)。根据公式(3)中第i个亚像元的叶面积指数的定义,假设该像元包括n个亚像元,则该像元的叶面积指数可以表示为以下公式(4)所示:
式中,ki表示第i个亚像元的聚集指数与该像元的聚集指数的比值,具体的,在本实施例中,ki的具体计算方式如下公式(5)所示:
式中,Ωi表示第i个亚像元的聚集指数,Ω表示该像元的聚集指数,Ωprior_type_i表示通过先验知识计算得到的第i个亚像元的地表覆盖类型对应的聚集指数,Ωprior_type表示通过先验知识计算得到的该像元的地表覆盖类型对应的聚集指数,其中,Ωprior_type_i和Ωprior_type的具体计算方式,在图2对应的实施例中进行介绍。
在本实施例中,将公式(2)和公式(4)代入公式(1)可得到如下公式(6)所示的该像元的叶面积指数的校正因子表达式。
在本实施例中,基于Ωp就可以对未考虑亚像元地表覆盖类型和孔隙率差异的情况下估算的中分辨率叶面积指数产品(LAIP)进行校正,即对S101中获取的中分辨率叶面积指数产品中各像元的叶面积指数进行校正,具体的校正公式如下公式(7)所示:
式中,以S101中获取的中分辨率叶面积指数产品中任一像元为例,LAIP表示S101中获取的中分辨率叶面积指数产品中该像元的叶面积指数,ΩP表示该像元的叶面积指数的校正因子,LAIT表示该像元校正后的叶面积指数。
上述给出了以中分辨率叶面积指数产品中任一像元的叶面积指数的校正因子的推导过程。在本申请实施例中,为了基于该推导过程得出的校正公式,对获取的中分辨率叶面积指数产品中像元的叶面积指数进行校正,需要通过上述校正因子公式计算像元的校正因子的具体值,因此,本申请实施例提供了计算任一像元的校正因子的具体值的计算过程,如图2所示,包括以下步骤:
S201、获取高分辨率地表分类数据、高分辨率光谱反射率数据、中分辨率地表分类数据、中分辨率地表覆盖度数据,以及双向反射分布函数模型参数数据。
在本步骤中,获取的高分辨率地表分类数据、高分辨率光谱反射率数据、中分辨率地表分类数据、中分辨率地表覆盖度数据,以及双向反射分布函数模型参数数据,都是现有的数据。其中,各数据的具体获取方式为现有技术,这里不再赘述。
S202、依据中分辨率地表覆盖度数据和高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率。
可选的,依据中分辨率地表覆盖度数据和高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率可以包括以下步骤:
A1、依据中分辨率地表覆盖度数据和高分辨率光谱反射率数据,计算该像元中各个亚像元的植被覆盖度。
具体的,本步骤的具体实现方式为现有技术,这里不再赘述。
A2、针对该像元中任一亚像元,依据该像元中该亚像元的植被覆盖度,计算该亚像元的孔隙率。
在本步骤中,对该像元中的每个亚像元,都分别计算空隙率。并且,针对该像元中任一亚像元,依据该像元中该亚像元的植被覆盖度,计算该亚像元的孔隙率具体实现方式为现有技术,这里不再赘述。
S203、依据双向反射分布函数模型参数数据,计算该像元的各向异性平整指数。
本步骤的具体实现方式为现有技术,这里不再赘述。
S204、根据该像元的各向异性平整指数和事先构建的像元各向异性平整指数、地表覆盖类型,以及聚集指数间的对应关系,计算该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数。
在本实施例中,事先构建像元各向异性平整指数、地表覆盖类型,以及聚集指数间的对应关系。
其中,对于任一像元,在已知该像元的各向异性平整指数和地表覆盖类型的情况下,可以确定出该像元在地表覆盖类型下的聚集指数。其中,该像元的地表覆盖类型由S201获取的中分辨率地表分类数据确定,具体的确定方式为现有技术,这里不再赘述。
其中,对于任一像元中的任一亚像元,在已知该像元的各向异性平整指数和该亚像元的地表覆盖类型的情况下,依据该对应关系,可以确定出该亚像元在地表覆盖类型下的聚集指数。其中,该亚像元的地表覆盖类型由S201获取的高分辨率地表分类数据确定,其中,具体的确定方式为现有技术,这里不再赘述。
S205、依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元下每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子。
在本步骤中的具体实现方式可以包括步骤B1~步骤B2:
B1、依据该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数,计算该像元中每个亚像元的比值。
通过S203~S204计算出每个亚像元的聚集指数和该像元的聚集指数,因此,本步骤可以计算出该像元中每个亚像元的比值。其中,对于任一亚像元的比值为该亚像元的地表覆盖类型下的聚集指数与该像元的地表覆盖类型下的聚集指数的比值。
B2、依据该像元中各个亚像元的孔隙率和该像元中各个亚像元的比值,确定该像元的叶面积指数的校正因子。
在本实施例中,该像元的孔隙率可以通过现有技术计算得到。因此,在本步骤中,基于上述公式(6)可以得到该像元的叶面积指数的校正因子。
为了进一步证明通过本申请实施例提供的中分辨率叶面积指数产品的校正方法,得到的校正后的中分辨率叶面积指数产品的精度得到了提高,本申请实施例对提出的校正方法的效果进行了实验验证,具体如下:
以DART模型模拟的不同孔隙率分布的场景为例,根据图1中所示流程,分别基于现有技术的方法,和本申请提供的方法,计算了该场景下的叶面积指数。然后,以DART模型模拟场景下的叶面积指数为基准,对使用校正方法前后,估算的叶面积指数的精度进行对比。其中,对比结果如下图3所示。3是校正前后的叶面积指数和DART模型模拟的叶面积指数间的对比示意图。
从图3中可以看出,随着亚像元孔隙率标准差的增大(即像元的异质性逐渐增强),校正前的方法显著低估了像元的叶面积指数,校正后的方法较好的校正了像元异质性的影响,估算的叶面积指数更加接近DART模拟场景中实际的叶面积指数,平均相对误差由19.9%降低到了2.7%,平均绝对误差由0.60降低到了0.08。通过上述对比验证可以看出,本申请提出的校正方法显著提高了对异质性较强的像元的叶面积指数的估算精度,并且,像元的异质性越强,改进效果越显著。
图4为本申请实施例提供的一种中分辨率叶面积指数产品的校正装置,包括:获取模块401、计算模块402和校正模块403;其中,
获取模块401,用于获取中分辨率叶面积指数产品;所述中分辨率叶面积指数产品包括多个像元的叶面积指数。
计算模块402,用于分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子;其中,任一像元的叶面积指数的校正因子
其中,LAIp表示以该像元为单位反演得到的叶面积指数;LAIT表示该像元的真实叶面积指数,所述真实叶面积指数以该像元包括的亚像元为单位,通过计算该像元包含的亚像元的叶面积指数的平均值计算得到;n表示该像元中亚像元的数量;P(θ)表示该像元的孔隙率,Pi(θ)表示该像元中第i个亚像元的孔隙率;ki表示该像元中第i个亚像元的地表覆盖类型下的聚集指数占该像元的地表覆盖类型下的聚集指数的比例;
校正模块403,用于分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值,得到校正后的中分辨率叶面积指数产品。
可选的,计算模块402,用于计算中分辨率叶面积指数产品中任一像元的叶面积指数的校正因子,包括:
计算模块402,具体用于获取高分辨率地表分类数据、高分辨率光谱反射率数据、中分辨率地表分类数据、中分辨率地表覆盖度数据,以及双向反射分布函数模型参数数据;依据中分辨率地表覆盖度数据和高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率;依据双向反射分布函数模型参数数据,计算该像元的各向异性平整指数;根据该像元的各向异性平整指数和事先构建的像元各向异性平整指数、地表覆盖类型,以及聚集指数间的对应关系,计算该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数;其中,该像元的地表覆盖类型由中分辨率地表分类数据确定;该像元中任一亚像元的地表覆盖类型由高分辨率地表分类数据确定;依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元下每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子。
可选的,计算模块402,用于依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元下每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子,包括:
计算模块402,具体用于依据该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数,计算该像元中每个亚像元的比值;对于任一亚像元的比值为该亚像元的地表覆盖类型下的聚集指数与该像元的地表覆盖类型下的聚集指数的比值;依据该像元中各个亚像元的孔隙率和该像元中每个亚像元的比值,确定该像元的叶面积指数的校正因子。
可选的,计算模块402,用于依据中分辨率地表覆盖度数据和高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率,包括:
计算模块402,具体用于依据中分辨率地表覆盖度数据和高分辨率光谱反射率数据,计算该像元中各个亚像元的植被覆盖度;针对该像元中任一亚像元,依据该像元中该亚像元的植被覆盖度,计算该亚像元的孔隙率。
中分辨率叶面积指数产品的校正装置包括处理器和存储器,上述获取模块401、计算模块402和校正模块403均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高生产的叶面积指数产品在空间异质性较强的区域的精度。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述中分辨率叶面积指数产品的校正方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述中分辨率叶面积指数产品的校正方法。
本发明实施例提供了一种设备,如图5所示,设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的中分辨率叶面积指数的校正方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
获取中分辨率叶面积指数产品;所述中分辨率叶面积指数产品包括多个像元的叶面积指数;
分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子;其中,任一像元的叶面积指数的校正因子
其中,LAIp表示以该像元为单位反演得到的叶面积指数;LAIT表示该像元的真实叶面积指数,所述真实叶面积指数以该像元包括的亚像元为单位,通过计算该像元包含的亚像元的叶面积指数的平均值计算得到;n表示该像元中亚像元的数量;P(θ)表示该像元的孔隙率,Pi(θ)表示该像元中第i个亚像元的孔隙率;ki表示该像元中第i个亚像元的地表覆盖类型下的聚集指数占该像元的地表覆盖类型下的聚集指数的比例;
分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值,得到校正后的中分辨率叶面积指数产品。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供的方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
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申请。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申请的精神或范围的情况下,在其它实施例中实现。因此,本申请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 (8)
1.一种中分辨率叶面积指数产品的校正方法,其特征在于,包括:
获取中分辨率叶面积指数产品;所述中分辨率叶面积指数产品包括多个像元的叶面积指数;
分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子;其中,任一像元的叶面积指数的校正因子
其中,LAIp表示以该像元为单位反演得到的叶面积指数;LAIT表示该像元的真实叶面积指数,所述真实叶面积指数以该像元包括的亚像元为单位,通过计算该像元包含的亚像元的叶面积指数的平均值计算得到;n表示该像元中亚像元的数量;P(θ)表示该像元的孔隙率,Pi(θ)表示该像元中第i个亚像元的孔隙率;ki表示该像元中第i个亚像元的地表覆盖类型下的聚集指数占该像元的地表覆盖类型下的聚集指数的比例;
分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值,得到校正后的中分辨率叶面积指数产品;
其中,计算所述中分辨率叶面积指数产品中任一像元的叶面积指数的校正因子,包括:
获取高分辨率地表分类数据、高分辨率光谱反射率数据、中分辨率地表分类数据、中分辨率地表覆盖度数据,以及双向反射分布函数模型参数数据;
依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率;
依据所述双向反射分布函数模型参数数据,计算该像元的各向异性平整指数;
根据该像元的各向异性平整指数和事先构建的像元各向异性平整指数、地表覆盖类型,以及聚集指数间的对应关系,计算该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数;其中,该像元的地表覆盖类型由所述中分辨率地表分类数据确定;该像元中任一亚像元的地表覆盖类型由所述高分辨率地表分类数据确定;
依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元下每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子。
2.根据权利要求1所述的方法,其特征在于,依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子,包括:
依据该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数,计算该像元中每个亚像元的比值;对于任一亚像元的比值为该亚像元的地表覆盖类型下的聚集指数与该像元的地表覆盖类型下的聚集指数的比值;
依据该像元中各个亚像元的孔隙率和该像元中每个亚像元的比值,确定该像元的叶面积指数的校正因子。
3.根据权利要求1所述的方法,其特征在于,所述依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率,包括:
依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,计算该像元中各个亚像元的植被覆盖度;
针对该像元中任一亚像元,依据该像元中该亚像元的植被覆盖度,计算该亚像元的孔隙率。
4.一种中分辨率叶面积指数产品的校正装置,其特征在于,包括:
获取模块,用于获取中分辨率叶面积指数产品;所述中分辨率叶面积指数产品包括多个像元的叶面积指数;
计算模块,用于分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子;其中,任一像元的叶面积指数的校正因子
其中,LAIp表示以该像元为单位反演得到的叶面积指数;LAIT表示该像元的真实叶面积指数,所述真实叶面积指数以该像元包括的亚像元为单位,通过计算该像元包含的亚像元的叶面积指数的平均值计算得到;n表示该像元中亚像元的数量;P(θ)表示该像元的孔隙率,Pi(θ)表示该像元中第i个亚像元的孔隙率;ki表示该像元中第i个亚像元的地表覆盖类型下的聚集指数占该像元的地表覆盖类型下的聚集指数的比例;
校正模块,用于分别计算所述中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值,得到校正后的中分辨率叶面积指数产品;
其中,所述计算模块,用于计算所述中分辨率叶面积指数产品中任一像元的叶面积指数的校正因子,包括:
所述计算模块,具体用于获取高分辨率地表分类数据、高分辨率光谱反射率数据、中分辨率地表分类数据、中分辨率地表覆盖度数据,以及双向反射分布函数模型参数数据;
依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率;
依据所述双向反射分布函数模型参数数据,计算该像元的各向异性平整指数;
根据该像元的各向异性平整指数和事先构建的像元各向异性平整指数、地表覆盖类型,以及聚集指数间的对应关系,计算该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数;其中,该像元的地表覆盖类型由所述中分辨率地表分类数据确定;该像元中任一亚像元的地表覆盖类型由所述高分辨率地表分类数据确定;
依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元下每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子。
5.根据权利要求4所述的装置,其特征在于,所述计算模块,用于依据该像元中各个亚像元的孔隙率、该像元的地表覆盖类型下的聚集指数和该像元下每个亚像元的地表覆盖类型下的聚集指数,确定该像元的叶面积指数的校正因子,包括:
所述计算模块,具体用于依据该像元的地表覆盖类型下的聚集指数和该像元中每个亚像元的地表覆盖类型下的聚集指数,计算该像元中每个亚像元的比值;对于任一亚像元的比值为该亚像元的地表覆盖类型下的聚集指数与该像元的地表覆盖类型下的聚集指数的比值;依据该像元中各个亚像元的孔隙率和该像元中每个亚像元的比值,确定该像元的叶面积指数的校正因子。
6.根据权利要求4所述的装置,其特征在于,所述计算模块,用于依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,分别计算该像元中各个亚像元的孔隙率,包括:
所述计算模块,具体用于依据所述中分辨率地表覆盖度数据和所述高分辨率光谱反射率数据,计算该像元中各个亚像元的植被覆盖度;针对该像元中任一亚像元,依据该像元中该亚像元的植被覆盖度,计算该亚像元的孔隙率。
7.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1~3任意一项权利要求所述的中分辨率叶面积指数产品的校正方法。
8.一种设备,其特征在于,所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1-3中任一项权利要求所述的中分辨率叶面积指数产品的校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010265223.6A CN111402322B (zh) | 2020-04-07 | 2020-04-07 | 一种中分辨率叶面积指数产品的校正方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010265223.6A CN111402322B (zh) | 2020-04-07 | 2020-04-07 | 一种中分辨率叶面积指数产品的校正方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111402322A CN111402322A (zh) | 2020-07-10 |
CN111402322B true CN111402322B (zh) | 2024-04-05 |
Family
ID=71431490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010265223.6A Active CN111402322B (zh) | 2020-04-07 | 2020-04-07 | 一种中分辨率叶面积指数产品的校正方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111402322B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107727010A (zh) * | 2017-10-31 | 2018-02-23 | 北京农业信息技术研究中心 | 一种测量农作物叶面积指数的方法 |
CN108303044A (zh) * | 2018-02-01 | 2018-07-20 | 苏州市农业科学院 | 一种叶面积指数获取方法及系统 |
CN109063684A (zh) * | 2018-08-28 | 2018-12-21 | 中国科学院寒区旱区环境与工程研究所 | 一种近地表气温遥感监测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9947128B2 (en) * | 2013-01-29 | 2018-04-17 | Andrew Robert Korb | Methods for improving accuracy, analyzing change detection, and performing data compression for multiple images |
-
2020
- 2020-04-07 CN CN202010265223.6A patent/CN111402322B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107727010A (zh) * | 2017-10-31 | 2018-02-23 | 北京农业信息技术研究中心 | 一种测量农作物叶面积指数的方法 |
CN108303044A (zh) * | 2018-02-01 | 2018-07-20 | 苏州市农业科学院 | 一种叶面积指数获取方法及系统 |
CN109063684A (zh) * | 2018-08-28 | 2018-12-21 | 中国科学院寒区旱区环境与工程研究所 | 一种近地表气温遥感监测方法 |
Non-Patent Citations (2)
Title |
---|
亚热带森林MODIS LAI的遥感尺度效应;尹鹏程;朱高龙;吴锡麟;;闽江学院学报(第05期);全文 * |
混合像元聚集指数研究及尺度分析;麻庆苗;李静;刘强;柳钦火;;遥感学报(第05期);901-907页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111402322A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111208492B (zh) | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 | |
Chandler et al. | Metric capabilities of low‐cost digital cameras for close range surface measurement | |
US11041841B2 (en) | Soil moisture downscaling using topography, soil, and vegetation data | |
CN104392435A (zh) | 鱼眼相机标定方法及标定装置 | |
CN108090956B (zh) | 一种几何校正方法及系统 | |
CN105513078A (zh) | 基于图像的立木信息采集方法和装置 | |
CN104102844B (zh) | 基于11范数约束的有理函数模型参数求解和全参数优化方法 | |
CN114430294B (zh) | 一种对geo卫星的对地波束校准方法、装置、电子设备及存储介质 | |
Zhang et al. | Direct georeferencing of airborne LiDAR data in national coordinates | |
CN111402322B (zh) | 一种中分辨率叶面积指数产品的校正方法及装置 | |
CN105571598B (zh) | 一种卫星激光高度计足印相机姿态的测定方法 | |
CN109188483B (zh) | 一种时序化高精度外方位元素自动定标方法 | |
CN110411449B (zh) | 一种航空侦察载荷目标定位方法、系统及终端设备 | |
CN113516764B (zh) | 基于数字高程模型的湖库水下三维地形模拟方法及装置 | |
US11403815B2 (en) | Gridding global data into a minimally distorted global raster | |
CN114488042A (zh) | 一种激光雷达标定方法、装置、电子设备和存储介质 | |
CN113836731A (zh) | 陆表稳定目标大气层顶反射率模型的构建方法和装置 | |
CN113137975B (zh) | 天文惯性组合导航的惯性校正方法、装置及电子设备 | |
CN114936202B (zh) | 一种极地反照率遥感数据的重构方法、装置及计算机设备 | |
CN116432145B (zh) | 积雪深度获取方法、装置、存储介质和计算机设备 | |
CN112835040B (zh) | 球面孔径分区域渐进式相位迭代成像的方法及装置 | |
CN116028480B (zh) | 一种提高遥感土壤水分产品时空覆盖度的填充方法 | |
CN109991637B (zh) | 定位方法、定位装置和计算机可读存储介质 | |
CN117036511B (zh) | 多类型传感器的标定方法、装置、计算机设备和存储介质 | |
KR102417411B1 (ko) | 지형 고도 데이터 시스템 및 이의 동작 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |