CN111487199A - 一种基于工业生产活动特征的钢铁厂遥感提取方法 - Google Patents
一种基于工业生产活动特征的钢铁厂遥感提取方法 Download PDFInfo
- Publication number
- CN111487199A CN111487199A CN202010328581.7A CN202010328581A CN111487199A CN 111487199 A CN111487199 A CN 111487199A CN 202010328581 A CN202010328581 A CN 202010328581A CN 111487199 A CN111487199 A CN 111487199A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- thermal
- value
- image
- temperature
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 48
- 239000010959 steel Substances 0.000 title claims abstract description 48
- 238000000605 extraction Methods 0.000 title claims abstract description 31
- 230000000694 effects Effects 0.000 title claims abstract description 11
- 238000009776 industrial production Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 12
- 230000005855 radiation Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 14
- 238000004519 manufacturing process Methods 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009628 steelmaking Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
- G01J5/485—Temperature profile
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
工业热污染严重危害了城市生态环境质量,而工厂实地考察需要耗费极大的人力物力,目前尚且缺少基于遥感手段的钢铁厂提取方法与流程。本发明针对上述问题,公开了一种基于工业生产活动特征的钢铁厂遥感提取方法,该方法包括如下步骤:步骤1)Landsat8遥感影像辐射校正与地表温度遥感反演;步骤2)统计整景热红外影像的地表温度数值分布情况,确定该影像中前4%—5%高温区间的最终阈值;步骤3)Ⅰ类热异常识别,即将整景热红外遥感影像中前4%—5%温度区间的高温区域进行提取并矢量化;步骤4)根据整景热红外影像的地表温度数值分布情况,计算其平均值与标准差;步骤5)Ⅱ类热异常识别,即将同季度内温度变化差值大于平均值与二分之一标准差之和(即Value>μ+σ/2)的异常变化区域进行提取并矢量化;步骤6)热异常提取结果融合,即将Ⅰ类热异常识别结果与Ⅱ类热异常识别结果求取并集,得到最终的热异常提取结果,从而锁定城市内的疑似钢铁厂。
Description
技术领域
本发明涉及一种基于工业生产活动特征的钢铁厂遥感提取方法,针对城市内部钢铁厂等工业热源的快速识别问题,提出了一种基于热红外遥感数据的热异常区域遥感提取方法,从而获取疑似钢铁厂的空间分布与地理位置信息。其一,基于钢铁厂工作状态下的排热现象,将单幅热红外影像中的高温区域,判定为Ⅰ类热异常;其二,将同季度内温度变化差值大于平均值与二分之一标准差之和(即Value>μ+σ/2)的异常变化区域,判定为Ⅱ类热异常。通过遥感手段提取疑似钢铁厂,以期低成本、快速、准确地获取城市内的工业热排放信息。
背景技术
钢铁行业是国民经济的重要基础产业,也是国家经济水平和综合国力的重要标志,钢铁发展直接影响着与其相关的众多等行业。但与此同时,由于追求GDP、短期利润等导致各钢铁厂扩大生产规模,钢铁产量过剩。如何提高去产能执行力度,将去产能任务落实到位,相关问题亟待解决。对钢铁厂实地考察需要耗费极大的人力物力,而遥感手段可实现钢铁厂地表温度快速获取。在钢铁厂工作生产状态中会产生大量热能释放的假设下,基于钢铁厂热异常现象进行遥感识别与检测,对去产能核实工作乃至产业的合理优化升级等具有重要意义。
城市人口聚集、工业生产、建筑设施和交通运输等过程中排放的大量热量(Buyantuyev&Wu,2010),工业区作为城市热污染聚集的主要功能区,工业活动消耗大量合成材料,加上建筑材料存储大量辐射能量并再辐射的特征,是导致城市热岛效应的重要原因之一(Rizwan,Dennis and Liu 2008)。Rao et al.将矿业城市的工业区进一步划分,计算多种景观格局指数并分析其与地表温度的关系,研究发现煤炭与钢铁等重工业生产会对其周边区域的地表温度造成显著影响(Rao et al.2018)。Zhang et al.利用四期Landsat热红外遥感数据进行地表温度反演,研究结果表明钢铁厂搬迁可缓解其周边区域热岛效应强度(Zhang et al.2017)。工业区受工业活动的影响,其地表温度往往高于其他功能区,因此工业区往往是城市热环境监管的重点目标之一。热红外遥感是快速获取大区域地表温度的重要手段,具有覆盖面广、成本较低等优点(赵少华et al.2011)。近年来,热红外遥感数据在地表温度(Land Surface Temperature,LST)反演研究中已经取得了较大进展,Li对现有的地表温度反演方法进行了详尽的总结(Li et al.2013)。然而,现有研究主要分析了工业区地表温度时空分布特征,利用遥感手段快速提取疑似钢铁厂的技术方法较少。
综上所述,本发明基于钢铁厂工作生产状态中产生大量热能释放的假设,利用两种方法提取热异常区域后进行矢量化,以探索利用热异常现象对钢铁厂进行识别检测的适用性和可行性。利用热红外遥感数据进行钢铁厂识别检测,旨在为国家去产能政策提供技术支持与决策,大力增强热红外遥感的应用性。
发明内容
针对现有研究中利用遥感手段快速提取城市热异常的方法缺失问题,本发明的目的在于提出一种基于工业生产活动特征的钢铁厂遥感提取方法,利用热红外遥感影像快速识别城市内部的疑似钢铁厂空间分布与地理位置。
本发明的目的通过以下技术步骤实现:
步骤1)Landsat8遥感影像辐射校正与地表温度遥感反演;
步骤2)统计整景热红外影像的地表温度数值分布情况,确定该影像中前4%—5%高温区间的最终阈值;
步骤3)Ⅰ类热异常识别,即将整景热红外遥感影像中前4%—5%温度区间的高温区域进行提取;
步骤4)根据整景热红外影像的地表温度数值分布情况,计算其平均值与标准差;
步骤5)Ⅱ类热异常识别,即将同季度内温度变化差值大于平均值与二分之一标准差之和(即Value>μ+σ/2)的异常变化区域进行提取;
步骤6)热异常提取结果融合,即将Ⅰ类热异常识别结果与Ⅱ类热异常识别结果求取并集,得到最终的热异常提取结果,从而锁定城市内的疑似钢铁厂。
附图说明
图1基于工业生产活动特征的钢铁厂遥感提取方法示意图;
图2示范城市地表温度反演结果图;
图3示范城市热异常提取结果图;
具体实施方式
下面结合附图对本发明“一种基于工业生产活动特征的钢铁厂遥感提取方法”作进一步阐述说明。
(一)辐射校正与地表温度遥感反演
地表温度参与了近地表空间内物质和能量的交换,是反映地表状况(特别是热环境特征)的重要参数。首先对原始Landsat8数据进行辐射校正,之后Landsat8的热红外波段(第十波段)进行地表温度遥感反演;其中,辐射校正的处理可以通过ENVI的辐射定标工具与大气校正工具实现,通过自定义ENVITask功能安装扩展工具“Landsat 8LST”即可实现基于大气校正法的地表温度反演(图2)。
(二)Ⅰ类热异常阈值判定
钢铁厂在炼钢过程中产生高温铁水和高温煤气,此外炼钢过程有一定的高温条件要求。据此,钢铁厂生产工作状态下会产生大量热能。据此,对钢铁厂的监测识别工作建立在以下假设,即钢铁厂工作生产状态下释放大量热能,导致其周边地区气温及自身地表温度上升(图1)。基于钢铁厂在工作生产状态下产热导致地表温度异常升高的现象,将处于研究区前4%—5%温度区间的高温区域定义为Ⅰ类热异常区域。首先统计整景热红外影像的地表温度数值分布情况,确定该影像中前4%—5%高温区间的阈值;该步骤可以通过ArcGIS的重分类功能实现。
(三)Ⅰ类热异常提取与矢量化
Ⅰ类热异常识别,根据高温区间的最终阈值,提取整景热红外遥感影像中前4%—5%温度区间的区域;该步骤可以通过ArcGIS的按属性提取工具实现,之后利用ArcGIS的数据转换工具将提取的栅格影像转换为shp格式的矢量数据(图3)。
(四)Ⅱ类热异常阈值计算
遥感影像表征的是地物瞬时状态,而钢铁厂在非工作生产状态下存在非高温异常的可能性,所以不同时期的钢铁厂由于处于不同工作生产状态会导致温度变化现象(附图1)。为了更充分全面地提取热异常区域用以识别检测钢铁厂,将同季度内温度变化差值大于平均值与二分之一标准差之和(即Value>μ+σ/2)的异常变化区域定义为Ⅱ类热异常区域。该步骤需要2期以上同季度的热红外遥感数据,可弥补单期遥感影像表征瞬时热环境状态的缺陷,获取由于工作生产状态变化导致温度变化的疑似钢铁厂区域。首先计算整景热红外影像的地表温度数值的平均值与标准差,其均值和标准差可以通过ArcGIS的属性工具直接查看获取,之后计算平均值与二分之一标准差的和,该值即为Ⅱ类热异常的提取阈值。
(五)Ⅱ类热异常提取与矢量化
Ⅱ类热异常识别,首先将两期同季度的热红外遥感影像求取差值,之后根据Ⅱ类热异常的提取阈值,提取差值影像中象元值大于该阈值的区域;求差步骤可以通过ArcGIS的栅格计算器工具实现,之后利用ArcGIS的按属性提取工具获取Ⅱ类热异常提取结果,之后利用ArcGIS的数据转换工具将提取的栅格影像转换为shp格式的矢量数据(图3)。
(六)热异常提取结果融合
为全面性获取存在温度异常现象的区域,本发明使用了两种方式提取了热异常,因此需将二类热异常结果叠加,得到最终的疑似钢铁厂空间分布及其具体位置信息。综上,需将Ⅰ类热异常识别结果与Ⅱ类热异常识别结果求取并集得到最终的疑似钢铁厂遥感提取结果;该步骤可以通过ArcGIS的合并工具实现,至此可以获取疑似钢铁厂的空间分布,其位置信息可通过ArcGIS的要素转点工具,得到疑似钢铁厂的中心点,之后使用ArcGIS的添加XY坐标工具,即可获取提取结果的具体地理位置信息。
Claims (7)
1.一种基于工业生产活动特征的钢铁厂遥感提取方法,该监测方法包括如下步骤:
步骤1)Landsat8遥感影像辐射校正与地表温度遥感反演;
步骤2)统计整景热红外影像的地表温度数值分布情况,确定该影像中前4%—5%高温区间的最终阈值;
步骤3)Ⅰ类热异常识别,即将整景热红外遥感影像中前4%—5%温度区间的高温区域进行提取;
步骤4)根据整景热红外影像的地表温度数值分布情况,计算其平均值与标准差;
步骤5)Ⅱ类热异常识别,即将同季度内温度变化差值大于平均值与二分之一标准差之和(即Value>μ+σ/2)的异常变化区域进行提取;
步骤6)热异常提取结果融合,即将Ⅰ类热异常识别结果与Ⅱ类热异常识别结果求取并集,得到最终的热异常提取结果,从而锁定城市内的疑似钢铁厂。
2.如权利要求书1所述的方法,其特征在于,所述步骤1):首先对原始Landsat8数据进行辐射校正,之后Landsat8的热红外波段(第十波段)进行地表温度遥感反演;其中,辐射校正的处理可以通过ENVI的辐射定标工具与大气校正工具实现,通过自定义ENVITask功能安装扩展工具“Landsat 8LST”即可实现基于大气校正法的地表温度反演。
3.如权利要求书1所述的方法,其特征在于,所述步骤2):统计整景热红外影像的地表温度数值分布情况,确定该影像中前4%—5%高温区间的最终阈值;该步骤可以通过ArcGIS的重分类功能实现。
4.如权利要求书1所述的方法,其特征在于,所述步骤3):Ⅰ类热异常识别,根据高温区间的最终阈值,提取整景热红外遥感影像中前4%—5%温度区间的区域;该步骤可以通过ArcGIS的按属性提取工具实现,之后利用ArcGIS的数据转换工具将提取的栅格影像转换为shp格式的矢量数据。
5.如权利要求书1所述的方法,其特征在于,所述步骤4):计算整景热红外影像的地表温度数值的平均值与标准差,其均值和标准差可以通过ArcGIS的属性工具直接获取,并计算平均值与二分之一标准差的和,该值即为Ⅱ类热异常的提取阈值。
6.如权利要求书1所述的方法,其特征在于,所述步骤5):Ⅱ类热异常识别,首先将两景同季度的遥感影像求取差值,之后根据Ⅱ类热异常的提取阈值,提取差值影像中象元值大于该阈值的区域;求差步骤可以通过ArcGIS的栅格计算器工具实现,之后利用ArcGIS的按属性提取工具获取Ⅱ类热异常提取结果,之后利用ArcGIS的数据转换工具将提取的栅格影像转换为shp格式的矢量数据。
7.所述步骤6):热异常提取结果融合,将Ⅰ类热异常识别结果与Ⅱ类热异常识别结果求取并集;该步骤可以通过ArcGIS的合并工具实现,至此可以获取疑似钢铁厂的空间分布,其位置信息可通过ArcGIS的要素转点工具,得到疑似钢铁厂的中心点,之后使用ArcGIS的添加XY坐标工具,即可获取提取结果的具体地理位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010328581.7A CN111487199B (zh) | 2020-04-23 | 2020-04-23 | 一种基于工业生产活动特征的钢铁厂遥感提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010328581.7A CN111487199B (zh) | 2020-04-23 | 2020-04-23 | 一种基于工业生产活动特征的钢铁厂遥感提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111487199A true CN111487199A (zh) | 2020-08-04 |
CN111487199B CN111487199B (zh) | 2022-12-20 |
Family
ID=71795701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010328581.7A Active CN111487199B (zh) | 2020-04-23 | 2020-04-23 | 一种基于工业生产活动特征的钢铁厂遥感提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111487199B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112307641A (zh) * | 2020-11-13 | 2021-02-02 | 中国科学院新疆生态与地理研究所 | 地表温度冷热极值点的识别方法、终端及可读存储介质 |
CN112464147A (zh) * | 2020-12-09 | 2021-03-09 | 中国科学院空天信息创新研究院 | 一种基于热异常分级的热景观格局度量方法 |
CN112883568A (zh) * | 2021-02-04 | 2021-06-01 | 中国地质调查局武汉地质调查中心 | 炼钢月产量估算模型构建方法、装置、设备及存储介质 |
CN113191626A (zh) * | 2021-04-28 | 2021-07-30 | 中国科学院地理科学与资源研究所 | 一种异常区域的识别方法及装置 |
CN113642170A (zh) * | 2021-08-09 | 2021-11-12 | 北京四象爱数科技有限公司 | 基于热红外遥感卫星数据的钢铁厂产量监测方法 |
CN114724048A (zh) * | 2022-04-11 | 2022-07-08 | 中国农业大学 | 一种高温异常区域的识别方法、装置以及存储介质 |
CN115272883A (zh) * | 2022-09-28 | 2022-11-01 | 北京市生态环境监测中心 | 区域面源提取方法、装置、计算机设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944880A (zh) * | 2012-11-13 | 2013-02-27 | 中国科学院城市环境研究所 | 一种基于遥感的城市工业热污染源调查方法 |
CN107741277A (zh) * | 2017-09-25 | 2018-02-27 | 北京中科锐景科技有限公司 | 一种地面工厂监测方法 |
CN107941344A (zh) * | 2017-11-15 | 2018-04-20 | 中国科学院遥感与数字地球研究所 | 一种基于地表温度遥感反演的钢铁厂去产能监测方法 |
CN109101955A (zh) * | 2018-09-12 | 2018-12-28 | 北京英视睿达科技有限公司 | 基于多源卫星遥感数据的工业热异常区域识别方法 |
CN109901237A (zh) * | 2019-04-04 | 2019-06-18 | 中国人民解放军陆军研究院工程设计研究所严寒冻土设防工程设计站 | 一种利用昼夜热红外遥感圈定地热异常的方法 |
-
2020
- 2020-04-23 CN CN202010328581.7A patent/CN111487199B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944880A (zh) * | 2012-11-13 | 2013-02-27 | 中国科学院城市环境研究所 | 一种基于遥感的城市工业热污染源调查方法 |
CN107741277A (zh) * | 2017-09-25 | 2018-02-27 | 北京中科锐景科技有限公司 | 一种地面工厂监测方法 |
CN107941344A (zh) * | 2017-11-15 | 2018-04-20 | 中国科学院遥感与数字地球研究所 | 一种基于地表温度遥感反演的钢铁厂去产能监测方法 |
CN109101955A (zh) * | 2018-09-12 | 2018-12-28 | 北京英视睿达科技有限公司 | 基于多源卫星遥感数据的工业热异常区域识别方法 |
CN109901237A (zh) * | 2019-04-04 | 2019-06-18 | 中国人民解放军陆军研究院工程设计研究所严寒冻土设防工程设计站 | 一种利用昼夜热红外遥感圈定地热异常的方法 |
Non-Patent Citations (3)
Title |
---|
LIU YONGXUE: "Identifying industrial heat sources using time-series of the VIIRS Nightfire product with an object-oriented approach", 《REMOTE SENSING OF ENVIRONMENT》 * |
孙佳琪等: "基于Suomi-NPP VIIRS夜间热异常产品的城市工业热源分类――以京津冀地区为例", 《地理与地理信息科学》 * |
孟庆岩等: "三亚市热异常遥感监测数据集", 《中国科学数据(中英文网络版)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112307641A (zh) * | 2020-11-13 | 2021-02-02 | 中国科学院新疆生态与地理研究所 | 地表温度冷热极值点的识别方法、终端及可读存储介质 |
CN112307641B (zh) * | 2020-11-13 | 2024-05-21 | 中国科学院新疆生态与地理研究所 | 地表温度冷热极值点的识别方法、终端及可读存储介质 |
CN112464147A (zh) * | 2020-12-09 | 2021-03-09 | 中国科学院空天信息创新研究院 | 一种基于热异常分级的热景观格局度量方法 |
CN112883568A (zh) * | 2021-02-04 | 2021-06-01 | 中国地质调查局武汉地质调查中心 | 炼钢月产量估算模型构建方法、装置、设备及存储介质 |
CN113191626A (zh) * | 2021-04-28 | 2021-07-30 | 中国科学院地理科学与资源研究所 | 一种异常区域的识别方法及装置 |
CN113191626B (zh) * | 2021-04-28 | 2022-02-01 | 中国科学院地理科学与资源研究所 | 一种异常区域的识别方法及装置 |
CN113642170A (zh) * | 2021-08-09 | 2021-11-12 | 北京四象爱数科技有限公司 | 基于热红外遥感卫星数据的钢铁厂产量监测方法 |
CN114724048A (zh) * | 2022-04-11 | 2022-07-08 | 中国农业大学 | 一种高温异常区域的识别方法、装置以及存储介质 |
CN115272883A (zh) * | 2022-09-28 | 2022-11-01 | 北京市生态环境监测中心 | 区域面源提取方法、装置、计算机设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111487199B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111487199B (zh) | 一种基于工业生产活动特征的钢铁厂遥感提取方法 | |
Shu et al. | Summertime ozone pollution in the Yangtze River Delta of eastern China during 2013–2017: Synoptic impacts and source apportionment | |
CN106355166B (zh) | 一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法 | |
CN109615215B (zh) | 一种区域植被恢复的特征分析方法 | |
Xu et al. | Ecological environment quality evaluation and evolution analysis of a rare earth mining area under different disturbance conditions | |
CN102999927B (zh) | 一种土壤污染物含量空间分布的精细分区方法 | |
CN111651856B (zh) | 一种自适应的工业热异常检测方法 | |
Sun et al. | Variation of industrial air pollution emissions based on VIIRS thermal anomaly data | |
Su et al. | Automated overheated region object detection of photovoltaic module with thermography image | |
CN104700226A (zh) | 输变电工程建设过程环保措施监控设备和方法 | |
CN111858813A (zh) | 一种基于卫星技术的非火点区域排除方法 | |
CN107462331A (zh) | 钢铁企业产能变化遥感监测方法和系统 | |
Huang et al. | Long‐term land use/cover changes reduce soil erosion in an ionic rare‐earth mineral area of southern China | |
CN109325522B (zh) | 基于改进kmeans的重工业时序热源区域识别算法 | |
Wang et al. | Mapping high-resolution energy consumption CO2 emissions in China by integrating nighttime lights and point source locations | |
Zhao et al. | RGR-Net: Refined Graph Reasoning Network for multi-height hotspot defect detection in photovoltaic farms | |
CN104574394A (zh) | 遥感影像数据处理方法和装置 | |
CN109033992B (zh) | 基于主动式火点数据的重工业区域发现方法 | |
CN115791685B (zh) | 基于时间序列遥感影像的秸秆燃烧提取方法 | |
CN116363502A (zh) | 融合多源地理大数据的采矿地多维信息获取方法及装置 | |
CN111858808B (zh) | 基于海量实测点的地形图特征地物精度自动评价方法 | |
Sun et al. | Quantitative analysis of the spatio-temporal evolution of the anthropogenic transfer of lead in China | |
CN114299238A (zh) | 一种铁路沿线珍稀动植物生境适宜区变化的量化预测方法 | |
CN109948682B (zh) | 基于正态随机抽样分布的激光雷达点云电力线分类方法 | |
CN113486809A (zh) | 一种矿区影响边界识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |