CN111767864A - 一种反演红树林群落对地貌沉积过程的响应方法 - Google Patents
一种反演红树林群落对地貌沉积过程的响应方法 Download PDFInfo
- Publication number
- CN111767864A CN111767864A CN202010622454.8A CN202010622454A CN111767864A CN 111767864 A CN111767864 A CN 111767864A CN 202010622454 A CN202010622454 A CN 202010622454A CN 111767864 A CN111767864 A CN 111767864A
- Authority
- CN
- China
- Prior art keywords
- mangrove
- landform
- parameters
- mangrove forest
- point cloud
- 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
- 240000002044 Rhizophora apiculata Species 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005137 deposition process Methods 0.000 title claims abstract description 15
- 230000004044 response Effects 0.000 title claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 6
- 239000000463 material Substances 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000000151 deposition Methods 0.000 description 5
- 230000008021 deposition Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000013049 sediment Substances 0.000 description 4
- 101000749842 Homo sapiens Leukocyte cell-derived chemotaxin 1 Proteins 0.000 description 3
- 102100040448 Leukocyte cell-derived chemotaxin 1 Human genes 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 102100037091 Exonuclease V Human genes 0.000 description 2
- 101000881977 Homo sapiens Exonuclease V Proteins 0.000 description 2
- 101000945751 Homo sapiens Leukocyte cell-derived chemotaxin-2 Proteins 0.000 description 2
- 102100034762 Leukocyte cell-derived chemotaxin-2 Human genes 0.000 description 2
- 241000120622 Rhizophoraceae Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 240000003793 Rhizophora mangle Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003181 biological factor Substances 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 239000003415 peat Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明属于红树林群落对地貌沉积过程响应计算技术领域，具体为一种反演红树林群落对地貌沉积过程的响应方法，包括：选择海岸带红树林样地；利用无人机所搭载的激光传感器对样地进行航拍；经过几个月或者一年的时间后，对红树林进行二次航拍，对两次的红树林原始激光点云数据进行预处理，提取两次航拍所得到的激光点云的红树林结构参数以及地貌参数；分别对两次的红树林参数和潮滩地貌参数进行栅格化处理；对两次航拍所得到的红树林结构参数以及地貌参数做差值运算；对原始的变量进行筛选。本发明精度高，大大降低了对以往红树林群落结构进行调查时所需的人力、物力以及花费，规避了以往测量红树林地貌变化的精度和误差问题。
Description
技术领域
本发明涉及红树林群落对地貌沉积过程响应计算技术领域，具体涉及一种反演红树林群落对地貌沉积过程的响应方法。
背景技术
红树林是热带和亚热带海岸带防护林的重要植物类型，红树林群落特征及其地貌过程是全球变化海岸带海陆相互作用研究的热点内容之一，它通过消浪、缓流和促於等作用，有效地加强了海岸地貌的防护功能。然而迄今为止，前人对红树林地貌过程和群落的关系研究大多停留在实测样地调查水平上，有鉴于此，如何能够以红树林群落的结构特征参数为基础，进而准确有效地定量化评估红树林的防浪护岸功能，已经成为科学管理红树林海岸防护林亟待解决的重要工程技术问题之一。
根据前人的研究成果，在中国南方热带与亚热带的红树林地区，红树林潮滩地貌和红树林群落调查目前多采用人工定量化调查方法，如样方调查红树林群落结构、基于同位素、标志桩和测量仪器来测算红树林的潮滩地貌的沉积速率，概述如下：
(1)红树林调查样方群落结构法：该方法在结果调查时应首先确定样地大小，样地大小依据植株大小和密度确定，基于此采用人工方法测量红树林的树高、胸径、覆盖度以及冠幅等参数；
(2)基于210Pb和137Cs的同位素方法：在测量红树林潮滩地貌的沉积速率时，该方法成本太高，而且需要及时的矫正各种干扰钻孔样品的生物和非生物因素；
(3)标志桩法：在红树林泥炭或者有机物较厚时，由于不能触及坚硬的沉积物或者是岩石层，桩深的下线对于结果的准确性具有一定的影响；
(4)测量法：该方法建立在全转仪或者RTK测量的基础上，该类仪器在茂密的红树林地区由于信号不好，测量效果不好。
综上，前述几类方法测量红树林或潮滩地貌精度低，误差大，效率低，野外工作难度大。因此，如何能够快速高效定量化评估红树林群落结构参数(树高、地径、冠盖度等参数)及其地貌参数，同时采用定量化方法探索二者之间的耦合关系，可为红树林海岸生态治理与防护提供关键的科学依据，显得尤为重要。
发明内容
本发明的目的是针对上述问题，提供一种反演红树林群落对地貌沉积过程的响应方法，该方法精度高，大大降低了对以往红树林群落结构进行调查时所需的人力、物力以及花费，同时规避了使用标志法和测量仪器来测量红树林地貌变化的精度和误差问题。
为实现上述目的，本发明提供的技术方案为：
一种反演红树林群落对地貌沉积过程的响应方法，包括如下步骤：
(1)选择海岸带红树林样地，该样地选择时避免选择潮沟地区，选择潮滩较为平缓的地区；
(2)做利用无人机所搭载的激光传感器进行航拍前的准备工作，主要步骤包括地面GPS基站的架设、无人机搭载激光传感器的挂载与安装、航线规划与上传航线；
(3)对红树林样地进行首次航拍，垂直拍摄，选择小于0.5m的低潮位、天气晴朗、地面无持续风向且风力＜2级的时段，确保所获得的影像不受到大气因素的影响；
(4)经过几个月或者一年的时间后，采用无人机搭载的激光扫描仪对红树林进行二次航拍，同样选择无人晴朗以及低潮位天气进行航拍；
(5)对两次的红树林原始激光点云数据进行预处理，主要步骤包括点云去噪、点云滤波以及点云分类；
(6)提取第一次航拍激光点云的红树林结构参数以及地貌参数，红树林地貌参数主要是通过激光点云计算得到的潮滩地貌数字地面模型；
(7)同理，提取第二次航拍激光点云的红树林结构参数以及地貌参数，红树林地貌参数主要是通过激光点云计算得到的潮滩地貌数字地面模型；
(8)分别对所提取的第一次和第二次的红树林结构参数和地貌参数进行栅格化，栅格化时红树林结构参数和地貌参数的空间分辨率保持一致；
(9)对两次航拍所得到的红树林结构参数以及地貌参数分别做差值运算，可得到红树林结构参数的变化量以及地貌参数的变化量；
(10)以红树林地貌参数的变化量△DEM为因变量，红树林结构的变化量为自变量，借助于随机森林算法对自变量进行筛选，筛选完后可得到红树林参数对于地貌沉积过程参数的重要性排序，其中排列靠前的参数即为影响红树林潮滩地貌发育的第一影响因素，其它的影响因素依次排列。
作为进一步优选的方案，步骤(1)中所述较为平缓的地区的潮滩坡度小于20°。
作为进一步优选的方案，步骤(2)和(4)所述无人机的型号为DJI M600PRO，激光传感器的型号为HS40P。
作为进一步优选的方案，步骤(3)中无人机航拍的拍摄高度为70-100m，且航拍时设置航向及旁向重叠度为80％。
作为进一步优选的方案，步骤(5)所述预处理为通过Python或者C++进行处理。
作为进一步优选的方案，步骤(6)所述红树林结构参数主要包括：冠层高度模型、红树林冠幅、红树林地径、红树林冠层覆盖度、红树林叶面积指数、红树林间隙率以及红树林栅格郁闭度；红树林地貌参数中的数字地面模型为通过激光点云分割的地面点云进行提取。
通过采用上述技术方案，本发明的有益效果为：
本发明通过应用激光点云数据获取红树林群落结构参数以及地貌参数数据，利用随机森林算法揭示红树林结构参数和地貌参数之间的相互关系。由于激光点云数据可以获得精确的地表以及红树林树种的三维X、Y以及Z坐标值，精度较高。该方法大大降低了对以往红树林群落结构进行调查时所需的人力、物力以及花费，提高了测量的精度，同时规避了使用标志法和测量仪器来测量红树林地貌变化的精度和误差问题，更不需要花费大量的费用采用同位素法计算地貌的沉积速率变化，以解决现有技术由于对红树林或潮滩地貌调查精度低，误差大，效率低，野外工作难度大，红树林结构参数对地貌形成过程主控因素难以确定等技术问题。
附图说明
图1为红树林红树林堆积过程图；
图2为红树林堆积激光点云参数化过程图一；
图3为红树林堆积激光点云参数化过程图二
图4为由红树林的地面激光点云生成DEM模型图；
图5为IBM SPSS Modeler 18.0软件下红树林地貌过程的主控因素筛选过程图；
图6为利用随机森林算法计算红树林地貌变化的主控因素获得的排序图。
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、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。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
实施例
一种反演红树林群落对地貌沉积过程的响应方法，它包括下述步骤：
步骤1、选择海岸带红树林样地，由于激光点云数据在潮沟地区的水体中会存在吸收作用，因此该样地选择时避免选择潮沟地区，选择潮滩坡度小于20度的平缓地区。
步骤2、准备利用DJI M600PRO无人机所搭载的HS40P激光传感器进行航拍，主要包括地面GPS基站的架设、无人机搭载激光传感器的挂载与安装、大疆地面站软件DJI GS Pro航线规划并上传至无人机。
步骤3、红树林样地进行首次航拍，拍摄的高度约70～100m，垂直拍摄，设置航向及旁向重叠度为80％，选择小于0.5m的低潮位、天气晴朗、地面无持续风向且风力＜2级的时段，确保所获得的影像不受到大气因素和潮沟水文过程的影响。
步骤4、经过几个月或者一年的时间后，由于红树林通过消浪、缓流以及促於作用会促进沉积物在红树林的岸边沉积，同时加上潮水所携带的泥沙也会使得沉积物越积越多；再次采用无人机搭载的激光扫描仪对堆积较多沉积物后的红树林进行二次航拍，同样选择无人晴朗以及低潮位天气进行航拍。
步骤5、对两次的红树林原始激光点云数据进行预处理，主要步骤包括点云去噪、点云滤波以及点云分类，处理是可借助于Python或者C++进行处理。
步骤6、使用Python语言提取第一次航拍激光点云的红树林结构参数以及地貌参数。其中，红树林结构参数主要包括：冠层高度模型(CHM1、代表红树林树高)、红树林冠幅(Crownwidth，CW1)、红树林地径(Diameter，D1)、红树林冠层覆盖度(Canopy cover,CC1)、红树林叶面积指数(Leaf area index，LAI1)、红树林间隙率(Gradation 1，G1)以及红树林栅格郁闭度(Canopy density，CD1)。红树林地貌参数中的DEM1是通过激光点云分割的地面点云进行提取。
步骤7、同理，使用Python语言提取第二次航拍激光点云的红树林结构参数以及地貌参数，可以得到第二次航拍激光点云的红树林(CHM2)、红树林冠幅(CW2)、红树林地径(D2)、红树林冠层覆盖度(Canopy cover,CC2)、红树林叶面积指数(LAI2)、红树林间隙率(Gradation2，G2)以及红树林栅格郁闭度(Canopy density，CD2)。第二次航拍所得到的红树林潮滩地貌的数字地面模型DEM2。
步骤9、分别对第一次和第二次的红树林参数和潮滩地貌参数进行栅格化，栅格化时红树林参数和地貌参数的空间分辨率保持一致，在红树林地区栅格数据的分辨率一般以小于1米为宜。图1为红树林地貌的堆积或沉积过程，该过程种DEM的变化量可以通过两次激光点云计算得出(图2和图3)，图4为采用激光点云数据生成的不同红树林参数的示意图(即由红树林的地面激光点云生成DEM模型图)。假设第一次航拍所得的红树林结构参数以及潮滩地貌的栅格图分别为R_CHM1，R_CW1，R_D1，R_CC1，R_LAI1，R_G1，R_CD1，DEM1。同理，第二次航拍所得的红树林结构参数以及潮滩地貌的栅格图分别为R_CHM2，R_CW2，R_D2，R_CC2，R_LAI2，R_G2，R_CD2，DEM2。
步骤10、对两次航拍所得到的红树林结构参数以及地貌参数分别在GIS中做差值运算，可得到红树林结构参数的变化量以及地貌参数的变化量。其中红树林结构的变化量分别为：△CHM＝(R_CHM2-R_CHM1)，△CW＝(R_CW2-R_CW1)，△D＝(R_D2-R_D1)，△CC＝(R_CC2-R_CC1)，△LAI＝(R_LAI2-R_LAI1)，△G＝(R_G2-R_G1)，△CD＝(R_CD2-R_CD1)，△DEM＝(DEM2-DEM1)。
步骤11、以红树林地貌参数的变化量△DEM为因变量，红树林结构的变化量△CHM，△CW，△D，△CC，△LAI，△G，△CD，△GR为自变量，借助于IBM SPSS Modeler 18.0软件随机森林算法中的Boruta特征对变量△CHM，△CW，△D，△CC，△LAI，△G，△CD以及△GR进行筛选(图5)，双击生成的DEM的变化量随机森林模型，即可得到红树林参数对于地貌过程参数的重要性排序(图6)，则排序越靠前的代表该参数对红树林地貌的变化最为敏感，由此可知红树林地貌的变化是由哪个因素所引起的。
Claims (6)
1.一种反演红树林群落对地貌沉积过程的响应方法，其特征在于，包括如下步骤：
(1)选择海岸带红树林样地，该样地选择时避免选择潮沟地区，选择潮滩较为平缓的地区；
(2)做利用无人机所搭载的激光传感器进行航拍前的准备工作，主要步骤包括地面GPS基站的架设、无人机搭载激光传感器的挂载与安装、航线规划与上传航线；
(3)对红树林样地进行首次航拍，垂直拍摄，选择小于0.5m的低潮位、天气晴朗、地面无持续风向且风力＜2级的时段，确保所获得的影像不受到大气因素的影响；
(4)经过几个月或者一年的时间后，采用无人机搭载的激光扫描仪对红树林进行二次航拍，同样选择无人晴朗以及低潮位天气进行航拍；
(5)对两次的红树林原始激光点云数据进行预处理，主要步骤包括点云去噪、点云滤波以及点云分类；
(6)提取第一次航拍激光点云的红树林结构参数以及地貌参数，红树林地貌参数主要是通过激光点云计算得到的潮滩地貌数字地面模型；
(7)同理，提取第二次航拍激光点云的红树林结构参数以及地貌参数，红树林地貌参数主要是通过激光点云计算得到的潮滩地貌数字地面模型；
(8)分别对所提取的第一次和第二次的红树林结构参数和地貌参数进行栅格化，栅格化时红树林结构参数和地貌参数的空间分辨率保持一致；
(9)对两次航拍所得到的红树林结构参数以及地貌参数分别做差值运算，可得到红树林结构参数的变化量以及地貌参数的变化量；
(10)以红树林地貌参数的变化量△DEM为因变量，红树林结构的变化量为自变量，借助于随机森林算法对自变量进行筛选，筛选完后可得到红树林参数对于地貌沉积过程参数的重要性排序，其中排列靠前的参数即为影响红树林潮滩地貌发育的第一影响因素，其它的影响因素依次排列。
2.根据权利要求1所述的反演红树林群落对地貌沉积过程的响应方法，其特征在于，步骤(1)中所述较为平缓的地区的潮滩坡度小于20度。
3.根据权利要求2所述的反演红树林群落对地貌沉积过程的响应方法，其特征在于，步骤(2)和(4)所述无人机的型号为DJI M600 PRO，激光传感器的型号为HS40P。
4.根据权利要求3所述的反演红树林群落对地貌沉积过程的响应方法，其特征在于，步骤(3)中无人机航拍的拍摄高度为70-100m，且航拍时设置航向及旁向重叠度为80％。
5.根据权利要求2所述的反演红树林群落对地貌沉积过程的响应方法，其特征在于，步骤(5)所述预处理为通过Python或者C++进行处理。
6.根据权利要求5所述的反演红树林群落对地貌沉积过程的响应方法，其特征在于，步骤(6)所述红树林结构参数主要包括：冠层高度模型、红树林冠幅、红树林地径、红树林冠层覆盖度、红树林叶面积指数、红树林间隙率以及红树林栅格郁闭度；红树林地貌参数中的数字地面模型为通过激光点云分割的地面点云进行提取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010622454.8A CN111767864A (zh) | 2020-06-30 | 2020-06-30 | 一种反演红树林群落对地貌沉积过程的响应方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010622454.8A CN111767864A (zh) | 2020-06-30 | 2020-06-30 | 一种反演红树林群落对地貌沉积过程的响应方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111767864A true CN111767864A (zh) | 2020-10-13 |
Family
ID=72723646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010622454.8A Pending CN111767864A (zh) | 2020-06-30 | 2020-06-30 | 一种反演红树林群落对地貌沉积过程的响应方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111767864A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116204836A (zh) * | 2023-05-05 | 2023-06-02 | 珠江水利委员会珠江水利科学研究院 | 一种河口滩涂红树林宜林区筛选方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107832681A (zh) * | 2017-10-16 | 2018-03-23 | 福州大学 | 联合LiDAR点云和同步遥感影像的森林单木树高估算方法 |
| CN108896021A (zh) * | 2018-08-03 | 2018-11-27 | 南京林业大学 | 基于航空摄影测量点云提取人工林林分结构参数的方法 |
| CN109061601A (zh) * | 2018-08-09 | 2018-12-21 | 南京林业大学 | 一种基于无人机激光雷达反演人工林森林结构参数的方法 |
| CN110554406A (zh) * | 2019-09-10 | 2019-12-10 | 南京林业大学 | 一种基于无人机立体摄影测量点云的次生林结构参数反演的方法 |
| CN111189433A (zh) * | 2019-12-02 | 2020-05-22 | 中国地质科学院岩溶地质研究所 | 一种基于无人机航拍的岩溶峰林地貌参数测量方法 |
-
2020
- 2020-06-30 CN CN202010622454.8A patent/CN111767864A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107832681A (zh) * | 2017-10-16 | 2018-03-23 | 福州大学 | 联合LiDAR点云和同步遥感影像的森林单木树高估算方法 |
| CN108896021A (zh) * | 2018-08-03 | 2018-11-27 | 南京林业大学 | 基于航空摄影测量点云提取人工林林分结构参数的方法 |
| CN109061601A (zh) * | 2018-08-09 | 2018-12-21 | 南京林业大学 | 一种基于无人机激光雷达反演人工林森林结构参数的方法 |
| CN110554406A (zh) * | 2019-09-10 | 2019-12-10 | 南京林业大学 | 一种基于无人机立体摄影测量点云的次生林结构参数反演的方法 |
| CN111189433A (zh) * | 2019-12-02 | 2020-05-22 | 中国地质科学院岩溶地质研究所 | 一种基于无人机航拍的岩溶峰林地貌参数测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| 秦永胜: "北京密云水库集水区水源保护林土壤侵蚀控制机理与模拟研究", 《中国优秀博士学位论文全文数据库 信息科技辑》 * |
| 郑利林等: "随机森林算法在湿地研究中的应用", 《湿地科学》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116204836A (zh) * | 2023-05-05 | 2023-06-02 | 珠江水利委员会珠江水利科学研究院 | 一种河口滩涂红树林宜林区筛选方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108050994B (zh) | 基于倾斜摄影三维重建技术的淤泥质潮滩地形演变方法 | |
| Enge et al. | From outcrop to reservoir simulation model: Workflow and procedures | |
| d Alan | Digital photogrammetric change analysis as applied to active coastal dunes in Michigan | |
| Dietrich et al. | Deciphering controls for debris‐flow erosion derived from a LiDAR‐recorded extreme event and a calibrated numerical model (Roßbichelbach, Germany) | |
| Mason et al. | Measurement of recent intertidal sediment transport in Morecambe Bay using the waterline method | |
| CN101750015A (zh) | 基于数字图像技术的沙石坑土方量测量方法 | |
| Bertin et al. | A long-term dataset of topography and nearshore bathymetry at the macrotidal pocket beach of Porsmilin, France | |
| CN110207676A (zh) | 一种田沟塘参数的获取方法及装置 | |
| Zeybek et al. | Investigation of landslide detection using radial basis functions: a case study of the Taşkent landslide, Turkey | |
| CN116090219A (zh) | 一种矿区流域污染物迁移的gis风险管控系统及方法 | |
| CN111767864A (zh) | 一种反演红树林群落对地貌沉积过程的响应方法 | |
| Ye et al. | Comparing the accuracies of sUAV-SFM and UAV-LiDAR point clouds for topographic measurements | |
| Van Leusen | Unbiasing the archaeological record | |
| Gibeaut et al. | Topographic variation of barrier island subenvironments and associated habitats | |
| Petschko et al. | Erosion processes and mass movements in sinkholes assessed by terrestrial structure from motion photogrammetry | |
| Schünemann et al. | High-resolution topography for Digital Terrain Model (DTM) in Keller Peninsula, Maritime Antarctica | |
| Lee et al. | Delineating the natural features of a cadastral shoreline in South Korea using airborne laser scanning | |
| Callahan | High-resolution structure-from-motion models of hydrothermal sites in the Central Nevada Seismic Belt: applications in tectonic, climate, and hydrothermal investigations | |
| Brydsten et al. | Digital elevation models for site investigation programme in Forsmark | |
| Mason | Beach development, sediment budget and coastal erosion at Holderness. | |
| White et al. | Evolution of the USACE National Coastal Mapping Program and Implementation of Small Unmanned Aerial Systems | |
| Xin et al. | High-Resolution Terrain Reconstruction of Slot Canyon Using Backpack Mobile Laser Scanning and UAV Photogrammetry. Drones 2022, 6, 429 | |
| Alves et al. | ADVANCES IN THE APPLICATION OF DIGITAL ELEVATION MODELS (DEMS) FOR THE EVALUATION OF COASTAL FLOODING | |
| Clark | A comparative analysis of conventional and emerging methods for characterizing coastal morphology and change | |
| Olsen | Methodology for assessing coastal change using terrestrial laser scanning |
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: 20201013 |