CN112099032A - 一种基于激光测高卫星数据的冰裂隙形态分析方法及装置 - Google Patents
一种基于激光测高卫星数据的冰裂隙形态分析方法及装置 Download PDFInfo
- Publication number
- CN112099032A CN112099032A CN202010930983.4A CN202010930983A CN112099032A CN 112099032 A CN112099032 A CN 112099032A CN 202010930983 A CN202010930983 A CN 202010930983A CN 112099032 A CN112099032 A CN 112099032A
- Authority
- CN
- China
- Prior art keywords
- crack
- ice
- ice crack
- point
- point position
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000005259 measurement Methods 0.000 title description 15
- 230000008859 change Effects 0.000 claims abstract description 63
- 238000012544 monitoring process Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 230000015654 memory Effects 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 description 8
- 230000000149 penetrating effect Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000002679 ablation Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
- G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
- G01S17/875—Combinations of systems using electromagnetic waves other than radio waves for determining attitude
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于激光测高卫星数据的冰裂隙形态分析方法及装置,其中,基于激光测高卫星数据的冰裂隙形态分析方法包括:获取目标冰裂隙的监测数据;根据监测数据计算目标冰裂隙中各预设距离区间内的坡度和高程;根据各预设距离区间内的坡度确定目标冰裂隙中的坡度变化点和各坡度变化点的高程;根据各坡度变化点和各坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位;根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征。通过实施本发明,可以高效且准确地获取目标冰裂隙的冰裂隙形态特征。
Description
技术领域
本发明涉及地表观测技术领域,具体涉及一种基于激光测高卫星数据的冰裂隙形态分析方法及装置。
背景技术
冰裂隙是由于冰川冰流压力,冰架前缘和底部海域潮汐作用以及冰架自身重力等因素综合影响形成的,是冰架内部结构的重要特征,也是衡量冰架稳定性的重要指标。崩解是裂隙传播结果,冰架冰裂隙的位置、分布、方向、深度和裂隙传播特性决定了冰架崩解的位置、规模及时间,因此对冰裂隙的监测是对极地观测的一项重要工作。现有的对冰裂隙进行监测时主要基于探地雷达、光学影像、合成孔径雷达(Synthetic Aperture Radar,SAR)影像。但探地雷达作业成本高且效率较低、光学或SAR影像无法获取裂隙的三维结构信息。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的无法高效地获取冰裂隙的结构信息缺陷,从而提供一种基于激光测高卫星数据的冰裂隙形态分析方法及装置。
本发明第一方面提供了一种基于激光测高卫星数据的冰裂隙形态分析方法,包括:获取目标冰裂隙的监测数据;根据监测数据计算目标冰裂隙中各预设距离区间内的坡度和高程;根据各预设距离区间内的坡度确定目标冰裂隙中的坡度变化点和各坡度变化点的高程;根据各坡度变化点和各坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位;根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征。
可选地,在本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法中,预设距离区间内中包括多个监测点的坐标数据和高程数据,通过如下公式计算预设距离区间内的坡度和高程:[hfit,slope]=(xTx)-1xTh,其中,hfit表示预设距离区间内的高程;slope表示预设距离区间内的坡度;x=(1 x1 x2 ... xn)表示各监测点的坐标数据的集合;h表示各监测点的高程数据的集合。
可选地,在本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法中,根据各坡度变化点和各坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位的步骤,包括:分别以各坡度变化点为中心,获取以坡度变化点为中心的预设窗口内的所有点的高程值,将预设窗口内高程值最小的点位确定为裂隙点位,将预设窗口内高程值最大的点位确定为裂隙边缘点位。
可选地,在本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法中,冰裂隙形态特征包括冰裂隙深度,根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征的步骤,包括:根据裂隙边缘点位拟合冰表面高程曲线;根据裂隙点位和冰表面高程曲线确定与裂隙点位对应的冰裂隙深度。
可选地,在本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法中,冰裂隙形态特征包括冰裂隙宽度,监测数据包括同组强激光束和弱激光束测得的强激光数据和弱激光数据,根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征的步骤,包括:获取与第一裂隙点位相对应的第二裂隙点位,第一裂隙点位由第一激光束获取,第二裂隙点位由第二激光束获取,第一激光束与第二激光束分别为同组强激光束和弱激光束中的一条激光束;根据第一裂隙点位、第二裂隙点位、与第一裂隙点位相邻的裂隙边缘点位计算与第一裂隙点位相对应的冰裂隙宽度。
可选地,在本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法中,通过如下公式确定与裂隙点位相对应的冰裂隙宽度:其中,Width表示冰裂隙宽度,Disleft表示与第一裂隙点位向左相邻的裂隙边缘点位与目标冰裂隙走向直线的垂直距离,Disright表示与第一裂隙点位向右相邻的裂隙边缘点位与目标冰裂隙走向直线的垂直距离,xleft、yleft表示与第一裂隙点位向左相邻的裂隙边缘点位的坐标数据,xright、yright表示与第一裂隙点位向右相邻的裂隙边缘点位的坐标数据,xstrong、ystrong表示第一裂隙点位的坐标信息,xweak、yweak表示第二裂隙点位的坐标信息。、表示第一裂隙点位的坐标信息,、表示第二裂隙点位的坐标信息
可选地,在本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法中,在根据各坡度变化点和各坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位的步骤之后,根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征的步骤之前,还包括:根据预设深度阈值和冰裂隙深度去除裂隙点位中的误判点。
可选地,本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法还包括:获取目标冰裂隙在多个时间段内的冰裂隙形态特征;根据目标冰裂隙在多个时间段内的冰裂隙形态特征对目标冰裂隙进行变化监测,得到目标冰裂隙的动态特征。
本发明第二方面提供了一种基于激光测高卫星数据的冰裂隙形态分析装置,包括:监测数据获取模块,用于获取目标冰裂隙的监测数据;根据监测数据计算目标冰裂隙中各预设距离区间内的坡度和高程;坡度变化点确定模块,用于根据各预设距离区间内的坡度确定目标冰裂隙中的坡度变化点和各坡度变化点的高程;冰裂隙特征点位确定模块,用于根据各坡度变化点和各坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位;冰裂隙形态特征确定模块,用于根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征。
本发明第三方面提供了一种计算机设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,从而执行如本发明第一方面提供的基于激光测高卫星数据的冰裂隙形态分析方法。
本发明第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机执行如本发明第一方面提供的基于激光测高卫星数据的冰裂隙形态分析方法。
本发明技术方案,具有如下优点:
1.本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法,在获取目标冰裂隙的监测数据后,先计算各预设距离区间内的坡度和高程,然后根据各预设距离区间内的坡度和高程确定裂隙点位和裂隙边缘点位,最后根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征。通过实施本发明,可以通过目标冰裂隙的监测数据分析得到目标冰裂隙的冰裂隙形态特征,相较于通过探地雷达获取目标冰裂隙的冰裂隙形态特征,本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法成本更低且更高效,相较于通过光学影像和SAR影像获取目标冰裂隙的信息,本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法可以通过监测数据获取目标冰裂隙的裂隙点位和裂隙边缘点位,并且通过各裂隙点位和各裂隙边缘点位的信息确定目标冰裂隙的冰裂隙形态特征。
2.本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法,所获取的目标冰裂隙的监测数据包括同组强激光束和弱激光束测得的强激光数据和弱激光数据,虽然直接通过同一束激光测得的数据中的裂隙点位两侧裂隙边缘点位的距离差可以确定目标冰裂隙的冰裂隙宽度,但是因为卫星轨迹与目标冰裂隙之间并非垂直关系,存在一定夹角,因此通过同一激光束测得的数据计算冰裂隙宽度会有较大误差,本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法在计算冰裂隙宽度时,通过同组强激光束和弱激光束测得的数据对相邻两个裂隙边缘点之间的距离进行了调整,通过拟合出地面裂隙的走向,消除因为卫星轨迹与冰裂隙间存在夹角而产生的冰裂隙宽度提取误差,从而可以得到更准确的冰裂隙宽度。
3.本发明提供的基于激光测高卫星数据的冰裂隙形态分析装置,在获取目标冰裂隙的监测数据后,先计算各预设距离区间内的坡度和高程,然后根据各预设距离区间内的坡度和高程确定裂隙点位和裂隙边缘点位,最后根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征。通过实施本发明,可以通过目标冰裂隙的监测数据分析得到目标冰裂隙的冰裂隙形态特征,相较于通过探地雷达获取目标冰裂隙的冰裂隙形态特征,本发明提供的基于激光测高卫星数据的冰裂隙形态分析装置成本更低且更高效,相较于通过光学影像和SAR影像获取目标冰裂隙的信息,本发明提供的基于激光测高卫星数据的冰裂隙形态分析装置可以通过监测数据获取目标冰裂隙的裂隙点位和裂隙边缘点位,并且通过各裂隙点位和各裂隙边缘点位的信息确定目标冰裂隙的冰裂隙形态特征。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例中基于激光测高卫星数据的冰裂隙形态分析方法的一个具体示例的流程图;
图2为本发明实施例中目标冰裂隙的冰裂隙形态特征示意图;
图3、图4为本发明实施例中基于激光测高卫星数据的冰裂隙形态分析方法的具体示例的流程图;
图5为本发明实施例中强弱激光束测得的目标冰裂隙的深度的对比图;
图6为本发明实施例中强弱激光束测得的目标冰裂隙的宽度的对比图;
图7为本发明实施例中基于激光测高卫星数据的冰裂隙形态分析装置的一个具体示例的结构框图;
图8为本发明实施例中计算机设备的一个具体示例的结构框图;
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
在本发明的描述中,需要说明的是,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
冰架崩解是冰裂隙的传播结果,冰裂隙的位置、分布、方向、深度和裂隙传播特性决定了冰架崩解的位置、规模及时间,因此对冰裂隙的监测是对极地观测的一项重要工作。现有的对冰裂隙进行监测时主要基于探地雷达、光学影像、SAR影像。但现有技术中无法高效地获取冰裂隙的结构信息。
激光测高卫星是对地观测卫星的重要组成部分,近些年得到了快速发展,我国除在资源三号02/03星、高分七号等卫星上装备了激光测高仪外,目前也正在谋划发展第一颗专门型号的激光测高卫星。单光子探测技术作为一项新技术,与传统线性体制激光相比有较大的优势,发展多波束、高重频、微脉冲、小光斑的单光子激光测高卫星是必然趋势。单光子激光测高卫星因其高程测量精度高、沿轨向点密度大,在人迹罕至、环境恶劣的极地冰裂隙探测及形态变化监测方面,具有独特的优势,能为极地科考安全保障以及极地冰盖消融变化和全球海平面上升等科学研究提供重要支撑。
基于现有技术的缺陷以及激光测高卫星的发展,本发明实施例提供了一种基于激光测高卫星数据的冰裂隙形态分析方法,如图1所示,包括:
步骤S10:获取目标冰裂隙的监测数据。
监测数据是指通过单光子激光测高卫星获取的光子云数据,在一具体实施例中,监测数据可以通过任意单光子激光测高卫星获取,本发明实施例中以冰、云和陆地高程卫星-2(ICESat-2)获取的数据中的ATL03数据为例进行说明,ATL03数据包括目标冰裂隙上各监测点的纬度、精度和高程,ATL03数据的采样间隔约为0.7米。
步骤S20:根据监测数据计算目标冰裂隙中各预设距离区间内的坡度和高程。
在一具体实施例中,目标冰裂隙可划分为多个预设距离区间,每个预设距离区间中包括多个监测点的监测数据,可以根据预设距离区间中的各监测点的监测数据计算该预设距离区间的坡度和高程。在计算预设距离区间的坡度时,根据预设距离区间内各监测数据的高程拟合得到预设距离区间的坡度;在计算预设距离区间的高程时,因为预设距离区间中包括多个监测点,因此可以将预设距离区间中各监测点的高程的均值确定为预设距离区间的高程
在本发明实施例中,各预设距离区间是指单光子激光测高卫星沿轨向的光子云产品间隔,如ICESat-2卫星在极地冰盖上生成的ATL06产品按沿轨40米长度距离分割光子地理位置信息,每段相距20米,ATL06段中包含多个ATL03数据。
步骤S30:根据各预设距离区间内的坡度确定目标冰裂隙中的坡度变化点和各坡度变化点的高程。
在一具体实施例中,可以按序依次确定各预设距离区间的坡度走向,将坡度走向发生变化的预设距离区间确定为坡度变化点,例如,可以通过符号确定坡度走向,例如,当坡度的符号为正号时,表示坡度的走向呈上升趋势,当坡度的符号为负号时,表示坡度的走向呈下降趋势,若存在一预设距离区间的坡度与其相邻(之前或之后)的预设距离区间的坡度存在坡度异号的现象,即坡度正、负符号变化,则可以将该预设距离区间对应的激光点位为坡度变化点,将该预设距离区间的高程确定为坡度变化点的高程。
需要说明的是,由于冰裂隙的形状不规则,坡度异号的现象包括由正号转变为负号和由负号转变为正号两种,当相邻预设距离区间的坡度由正号转变为负号时,表示目标冰裂隙在此处具有“∧”形特征,当相邻预设距离区间的坡度由负号转变为正号时,表示目标冰裂隙在此处具有“V”形特征。
步骤S40:根据各坡度变化点和各坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位。
在一可选实施例中,在确定目标冰裂隙中的裂隙点位的步骤包括:分别以各坡度变化点为中心,获取以坡度变化点为中心的预设窗口内的所有点的高程值,将预设窗口内高程值最小的点位确定为裂隙点位,将预设窗口内高程值最大的点位确定为裂隙边缘点位。
在本发明实施例中,由于坡度变化点的高程值实际为预设距离区间内各监测点的高程的均值,因此仅通过坡度变化点的高程确定裂隙点位和裂隙边缘点位精确度较差,因此本发明实施例中以坡度变化点为中心的预设窗口内的所有监测点的高程值确定裂隙点位和裂隙边缘点位,得到的裂隙点位和裂隙边缘点位更精确。
在一具体实施例中,目标冰裂隙形状并不规则,因此为了更准确地描绘目标冰裂隙的形态,会通过预设窗口获取多个裂隙点位和裂隙边缘点位。预设窗口的长度可以为200m、400m、600m、800m等任意值,但是在本发明实施例中,如下表1所示,为了综合考虑漏判点数量和误判点数量,本发明实施例中将预设窗口的长度设置为400m。
表1
步骤S50:根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征。示例性地,通过本发明实施例获取的目标冰裂隙的冰裂隙形态特征示意图如图2所示。
本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法,在获取目标冰裂隙的监测数据后,先计算各预设距离区间内的坡度和高程,然后根据各预设距离区间内的坡度和高程确定裂隙点位和裂隙边缘点位,最后根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征。通过实施本发明,可以通过目标冰裂隙的监测数据分析得到目标冰裂隙的冰裂隙形态特征,相较于通过探地雷达获取目标冰裂隙的冰裂隙形态特征,本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法成本更低且更高效,相较于通过光学影像和SAR影像获取目标冰裂隙的信息,本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法可以通过监测数据获取目标冰裂隙的裂隙点位和裂隙边缘点位,并且通过各裂隙点位和各裂隙边缘点位的信息确定目标冰裂隙的冰裂隙形态特征。
在一可选实施例中,在将预设窗口区域内高程最小的坡度变化点确定为预设窗口区域内的裂隙点位后,本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法还包括:根据预设深度阈值和冰裂隙深度去除裂隙点位中的误判点。
虽然通过预设窗口区域中的高程最小的坡度变化点确定裂隙点位已经删除了部分误判点,但是冰流表面和缓起伏造成的下凹及冰流缝合区的下凹同样满足坡度异号的条件,因此依然属于坡度变化点,为了仅保留冰裂隙点,本发明实施例中利用预设深度阈值对坡度变化点进行了二次筛选。预设深度阈值可以为1.5m、2m、2.5m、3m等任意数据,但是如上表1所示,当预设深度阈值设置为2m时,可有效去除误判点并降低漏判数量,因此本发明实施例中将深度阈值设置为2m。
在一可选实施例中,本发明实施例提供的基于激光测高卫星数据的冰裂隙形态分析方法通过如下公式计算预设距离区间内的坡度和高程:
[hfit,slope]=(xTx)-1xTh
其中,hfit表示预设距离区间内的高程;slope表示预设距离区间内的坡度;x=(1x1 x2 ... xn)表示各监测点的坐标数据的集合;h表示各监测点的高程数据的集合。
在一可选实施例中,本发明实施例提供的基于激光测高卫星数据的冰裂隙形态分析方法获取的冰裂隙形态特征包括冰裂隙深度,因此,如图3所示,上述步骤S50包括:
步骤S51:根据裂隙边缘点位拟合冰表面高程曲线。
在一具体实施例中,可以通过任意算法拟合冰表面高程曲线,在本发明实施例中,通过使用三次样条插值的方法拟合冰表面高程曲线,拟合得到的冰表面高程曲线为:
h(x)=B1+B2(x-xi)+B3(x-xi)2+B4(x-xi)3,
其中,B1、B2、B3和B4分别为三次样条曲线参数,xi表示三次样条曲线分段参考点位的坐标,x为分段内裂隙点位的坐标,在一具体实施例中,分段参考点为与裂隙点位相邻的裂隙边缘点位。
步骤S52:根据裂隙点位和冰表面高程曲线确定与裂隙点位对应的冰裂隙深度:
Deep=h(xi)-hi,
hi表示在裂隙点位处高程值;Deep为与裂隙点位对应的冰裂隙深度。
在一可选实施例中,本发明实施例提供的基于激光测高卫星数据的冰裂隙形态分析方法获取的冰裂隙形态特征包括冰裂隙宽度,如上述步骤S10描述,本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法中所采用的监测数据是通过ICESat-2采集的,为了提供必要的动态范围,以便从明亮(例如,冰)和黑暗(例如,海洋)表面捕获足够的返回光子,ICESat-2采集数据时,至少包括一组强激光束和弱激光束,分别通过将激光束和弱激光束采集目标冰裂隙的信息。但是由于卫星轨迹与冰裂隙之间存在一定的夹角,使得在同一激光束获取的数据中,与裂隙点位左右相邻的两个裂隙边缘点不沿目标冰裂隙的裂隙走向直线对称,导致直接通过同一激光束测得的数据的裂隙点位两侧裂隙边缘点位的距离差可以确定目标冰裂隙的冰裂隙宽度会有较大误差。因此在上述步骤S50中,如图4所示,计算冰裂隙宽度的步骤包括:
步骤S53:获取与第一裂隙点位相对应的第二裂隙点位,第一裂隙点位由第一激光束获取,第二裂隙点位由第二激光束获取,第一激光束与第二激光束分别为同组强激光束和弱激光束中的一条激光束。
步骤S54:根据第一裂隙点位、第二裂隙点位、与第一裂隙点位相邻的裂隙边缘点位计算与第一裂隙点位相对应的冰裂隙宽度。在本发明实施例中,与第一裂隙点位相邻的裂隙边缘点位包括第一裂隙点位向左相邻的裂隙边点位和第一裂隙点位向右相邻的裂隙边缘点位。
在一可选实施例中,本发明实施例提供的基于激光测高卫星数据的冰裂隙形态分析方法通过如下公式确定与裂隙点位相对应的冰裂隙宽度:
其中,Width表示冰裂隙宽度,Disleft表示与第一裂隙点位向左相邻的裂隙边缘点位与目标冰裂隙走向直线的垂直距离,Disright表示与第一裂隙点位向右相邻的裂隙边缘点位与目标冰裂隙走向直线的垂直距离,xleft、yleft表示与第一裂隙点位向左相邻的裂隙边缘点位的坐标数据,xright、yright表示与第一裂隙点位向右相邻的裂隙边缘点位的坐标数据,xstrong、ystrong表示第一裂隙点位的坐标信息,xweak、yweak表示第二裂隙点位的坐标信息。、表示第一裂隙点位的坐标信息,、表示第二裂隙点位的坐标信息
本发明提供的基于激光测高卫星数据的冰裂隙形态分析方法在计算冰裂隙宽度时,通过同组强激光束和弱激光束测得的数据对相邻两个裂隙边缘点之间的距离进行了调整,通过拟合出地面裂隙的走向,消除因为卫星轨迹与冰裂隙间存在夹角而产生的冰裂隙宽度提取误差,从而可以得到更准确的冰裂隙宽度。
在一具体实施例中,由于缺乏公开的且精度较高的冰裂隙形态资料,无法对算法提取的裂隙深度、宽度进行绝对精度的验证,只能对其相对精度进行验证。ICESat-2具有三组强弱激光组合的光束,每组内强弱激光束相隔90m,在这90m范围内冰裂隙深度、宽度应大致相等或在小范围内浮动,因此将同组强弱激光束探测到的深度、宽度信息进行对比分析。在本发明实施例中,以强光束探测深度、宽度为横轴坐标,相对应的弱光束探测深度、宽度为纵轴坐标,并对离散点进行拟合,拟合后的图像分别如图5和图6所示。
如图5和图6所示,深度拟合线表达式为:y=0.973*x+0.3196,宽度拟合线表达式为:y=0.9948*x+2.618,两者拟合的均方根误差及R方误差均大于0.95,同组强弱激光束探测到的裂隙深度、宽度信息的一致性证明了本发明实施例提供的基于激光测高卫星数据的冰裂隙形态分析方法对于冰裂隙深度、冰裂隙宽度信息的获取相对准确。本发明实施例中冰裂隙宽度信息提取结果主要集中在200~1000m与历史数据中的冰裂隙宽度500~1200m大致相同,提取到的冰裂隙宽度也应证了在裂隙探测方法中选取400m作为窗口大小的合理性,400m的窗口基本位于裂隙内部,不会造成裂隙的漏提取。
在一可选实施例中,本发明实施例提供的基于激光测高卫星数据的冰裂隙形态分析方法还包括:
首先,获取所述目标冰裂隙在多个时间段内的冰裂隙形态特征,在具体实施例中,首先获取不同时间段内目标冰裂隙的监测数据,然后执行上述步骤S10-步骤S50获取目标冰裂隙在多个时间段内的冰裂隙形态特征。
然后,根据所述目标冰裂隙在多个时间段内的冰裂隙形态特征对所述目标冰裂隙进行变化监测,得到所述目标冰裂隙的动态特征。
由于冰架崩解时是由于冰裂隙的传播导致的,因此通过实施本发明实施例得到目标冰裂隙的动态特征,可以更直观地对冰架崩解进行预测。
实施例2
本发明实施例提供了一种基于激光测高卫星数据的冰裂隙形态分析装置,如图7所示,包括:
监测数据获取模块10,用于获取目标冰裂隙的监测数据,详细内容见上述实施例1中对步骤S10的描述。
区间数据获取模块20,用于根据监测数据计算目标冰裂隙中各预设距离区间内的坡度和高程,详细内容见上述实施例1中对步骤S20的描述。
坡度变化点确定模块30,用于根据各预设距离区间内的坡度确定目标冰裂隙中的坡度变化点和各坡度变化点的高程,详细内容见上述实施例1中对步骤S30的描述。
冰裂隙特征点位确定模块40,用于根据各坡度变化点和各坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位,详细内容见上述实施例1中对步骤S40的描述。
冰裂隙形态特征确定模块50,用于根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征,详细内容见上述实施例1中对步骤S50的描述。
本发明提供的基于激光测高卫星数据的冰裂隙形态分析装置,在获取目标冰裂隙的监测数据后,先计算各预设距离区间内的坡度和高程,然后根据各预设距离区间内的坡度和高程确定裂隙点位和裂隙边缘点位,最后根据裂隙点位和裂隙边缘点位确定目标冰裂隙的冰裂隙形态特征。通过实施本发明,可以通过目标冰裂隙的监测数据分析得到目标冰裂隙的冰裂隙形态特征,相较于通过探地雷达获取目标冰裂隙的冰裂隙形态特征,本发明提供的基于激光测高卫星数据的冰裂隙形态分析装置成本更低且更高效,相较于通过光学影像和SAR影像获取目标冰裂隙的信息,本发明提供的基于激光测高卫星数据的冰裂隙形态分析装置可以通过监测数据获取目标冰裂隙的裂隙点位和裂隙边缘点位,并且通过各裂隙点位和各裂隙边缘点位的信息确定目标冰裂隙的冰裂隙形态特征。
实施例3
本发明实施例提供一种了计算机设备,如图8所示,该计算机设备主要包括一个或多个处理器61以及存储器62,图8中以一个处理器61为例。
该计算机设备还可以包括:输入装置63和输出装置64。
处理器61、存储器62、输入装置63和输出装置64可以通过总线或者其他方式连接,图8中以通过总线连接为例。
处理器61可以为中央处理器(Central Processing Unit,CPU)。处理器61还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器62可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据基于激光测高卫星数据的冰裂隙形态分析装置的使用所创建的数据等。此外,存储器62可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器62可选包括相对于处理器61远程设置的存储器,这些远程存储器可以通过网络连接至基于激光测高卫星数据的冰裂隙形态分析装置。输入装置63可接收用户输入的计算请求(或其他数字或字符信息),以及产生与基于激光测高卫星数据的冰裂隙形态分析装置有关的键信号输入。输出装置64可包括显示屏等显示设备,用以输出计算结果。
实施例4
本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质存储计算机指令,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于激光测高卫星数据的冰裂隙形态分析方法。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (11)
1.一种基于激光测高卫星数据的冰裂隙形态分析方法,其特征在于,包括:
获取目标冰裂隙的监测数据;
根据所述监测数据计算所述目标冰裂隙中各预设距离区间内的坡度和高程;
根据各所述预设距离区间内的坡度确定所述目标冰裂隙中的坡度变化点和各所述坡度变化点的高程;
根据各所述坡度变化点和各所述坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位;
根据所述裂隙点位和所述裂隙边缘点位确定所述目标冰裂隙的冰裂隙形态特征。
2.根据权利要求1所述的基于激光测高卫星数据的冰裂隙形态分析方法,其特征在于,所述预设距离区间内中包括多个监测点的坐标数据和高程数据,
通过如下公式计算所述预设距离区间内的坡度和高程:
[hfit,slope]=(xTx)-1xTh,
其中,hfit表示所述预设距离区间内的高程;slope表示所述预设距离区间内的坡度;x=(1 x1 x2 ... xn)表示各所述监测点的坐标数据的集合;h表示各所述监测点的高程数据的集合。
3.根据权利要求1所述的基于激光测高卫星数据的冰裂隙形态分析方法,其特征在于,所述根据各所述坡度变化点和各所述坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位的步骤,包括:
分别以各所述坡度变化点为中心,获取以所述坡度变化点为中心的预设窗口内的所有点的高程值,将所述预设窗口内高程值最小的点位确定为所述裂隙点位,将所述预设窗口内高程值最大的点位确定为所述裂隙边缘点位。
4.根据权利要求1所述的基于激光测高卫星数据的冰裂隙形态分析方法,其特征在于,所述冰裂隙形态特征包括冰裂隙深度,
所述根据所述裂隙点位和所述裂隙边缘点位确定所述目标冰裂隙的冰裂隙形态特征的步骤,包括:
根据所述裂隙边缘点位拟合冰表面高程曲线;
根据所述裂隙点位和所述冰表面高程曲线确定与所述裂隙点位对应的冰裂隙深度。
5.根据权利要求1或4所述的基于激光测高卫星数据的冰裂隙形态分析方法,其特征在于,所述冰裂隙形态特征包括冰裂隙宽度,所述监测数据包括同组强激光束和弱激光束测得的强激光数据和弱激光数据,
所述根据所述裂隙点位和所述裂隙边缘点位确定所述目标冰裂隙的冰裂隙形态特征的步骤,包括:
获取与第一裂隙点位相对应的第二裂隙点位,所述第一裂隙点位由第一激光束获取,所述第二裂隙点位由第二激光束获取,所述第一激光束与所述第二激光束分别为同组强激光束和弱激光束中的一条激光束;
根据所述第一裂隙点位、第二裂隙点位、与所述第一裂隙点位相邻的裂隙边缘点位计算与所述第一裂隙点位相对应的冰裂隙宽度。
6.根据权利要求5所述的基于激光测高卫星数据的冰裂隙形态分析方法,其特征在于,所述基于激光测高卫星数据的冰裂隙形态分析方法通过如下公式确定与所述裂隙点位相对应的冰裂隙宽度:
其中,Width表示所述冰裂隙宽度,Disleft表示与所述第一裂隙点位向左相邻的裂隙边缘点位与目标冰裂隙走向直线的垂直距离,Disright表示与所述第一裂隙点位向右相邻的裂隙边缘点位与目标冰裂隙走向直线的垂直距离,xleft、yleft表示与所述第一裂隙点位向左相邻的裂隙边缘点位的坐标数据,xright、yright表示与所述第一裂隙点位向右相邻的裂隙边缘点位的坐标数据,xstrong、ystrong表示第一裂隙点位的坐标信息,xweak、yweak表示第二裂隙点位的坐标信息。
7.根据权利要求4所述的基于激光测高卫星数据的冰裂隙形态分析方法,其特征在于,在所述根据各所述坡度变化点和各所述坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位的步骤之后,所述根据所述裂隙点位和所述裂隙边缘点位确定所述目标冰裂隙的冰裂隙形态特征的步骤之前,还包括:
根据预设深度阈值和所述冰裂隙深度去除所述裂隙点位中的误判点。
8.根据权利要求1所述的基于激光测高卫星数据的冰裂隙形态分析方法,其特征在于,还包括:
获取所述目标冰裂隙在多个时间段内的冰裂隙形态特征;
根据所述目标冰裂隙在多个时间段内的冰裂隙形态特征对所述目标冰裂隙进行变化监测,得到所述目标冰裂隙的动态特征。
9.一种基于激光测高卫星数据的冰裂隙形态分析装置,其特征在于,包括:
监测数据获取模块,用于获取目标冰裂隙的监测数据;
区间数据获取模块,用于根据所述监测数据计算所述目标冰裂隙中各预设距离区间内的坡度和高程;
坡度变化点确定模块,用于根据各所述预设距离区间内的坡度确定所述目标冰裂隙中的坡度变化点和各所述坡度变化点的高程;
冰裂隙特征点位确定模块,用于根据各所述坡度变化点和各所述坡度变化点的高程确定多个裂隙点位和多个裂隙边缘点位;
冰裂隙形态特征确定模块,用于根据所述裂隙点位和所述裂隙边缘点位确定所述目标冰裂隙的冰裂隙形态特征。
10.一种计算机设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,从而执行如权利要求1-8中任一项所述的基于激光测高卫星数据的冰裂隙形态分析方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1-8中任一项所述的基于激光测高卫星数据的冰裂隙形态分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010930983.4A CN112099032A (zh) | 2020-09-07 | 2020-09-07 | 一种基于激光测高卫星数据的冰裂隙形态分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010930983.4A CN112099032A (zh) | 2020-09-07 | 2020-09-07 | 一种基于激光测高卫星数据的冰裂隙形态分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112099032A true CN112099032A (zh) | 2020-12-18 |
Family
ID=73750699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010930983.4A Pending CN112099032A (zh) | 2020-09-07 | 2020-09-07 | 一种基于激光测高卫星数据的冰裂隙形态分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112099032A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113324527A (zh) * | 2021-05-28 | 2021-08-31 | 自然资源部国土卫星遥感应用中心 | 一种同轨激光测高点与三线阵立体影像联合测绘处理方法 |
CN114724036A (zh) * | 2022-04-13 | 2022-07-08 | 中国科学院大学 | 一种基于多尺度学习的冰裂隙检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7298869B1 (en) * | 2003-07-21 | 2007-11-20 | Abernathy Donald A | Multispectral data acquisition system and method |
CN104008553A (zh) * | 2014-06-17 | 2014-08-27 | 武汉武大卓越科技有限责任公司 | 融合影像梯度方向直方图和分水岭方法的裂缝检测方法 |
CN107358617A (zh) * | 2017-08-07 | 2017-11-17 | 中南大学 | 一种探地雷达记录剖面中目标顶点的检测方法 |
US20200103530A1 (en) * | 2017-06-05 | 2020-04-02 | Chinese Academy Of Surveying And Mapping | Method for extracting elevation control point with assistance of satellite laser altimetry data |
CN111624597A (zh) * | 2020-06-03 | 2020-09-04 | 中国科学院沈阳自动化研究所 | 一种冰结构探测机器人及探测方法 |
-
2020
- 2020-09-07 CN CN202010930983.4A patent/CN112099032A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7298869B1 (en) * | 2003-07-21 | 2007-11-20 | Abernathy Donald A | Multispectral data acquisition system and method |
CN104008553A (zh) * | 2014-06-17 | 2014-08-27 | 武汉武大卓越科技有限责任公司 | 融合影像梯度方向直方图和分水岭方法的裂缝检测方法 |
US20200103530A1 (en) * | 2017-06-05 | 2020-04-02 | Chinese Academy Of Surveying And Mapping | Method for extracting elevation control point with assistance of satellite laser altimetry data |
CN107358617A (zh) * | 2017-08-07 | 2017-11-17 | 中南大学 | 一种探地雷达记录剖面中目标顶点的检测方法 |
CN111624597A (zh) * | 2020-06-03 | 2020-09-04 | 中国科学院沈阳自动化研究所 | 一种冰结构探测机器人及探测方法 |
Non-Patent Citations (7)
Title |
---|
BRUNT, KM等: "MABEL photon-counting laser altimetry data in Alaska for ICESat-2 simulations and development", CRYOSPHERE, 10 August 2016 (2016-08-10), pages 1707 - 1719 * |
TIANJIN HUANG等: "A New Method to Estimate Changes in Glacier Surface Elevation Based on Polynomial Fitting of Sparse ICESat—GLAS Footprints", SENSORS, 5 August 2017 (2017-08-05), pages 1 - 15 * |
么嘉棋;唐新明;李国元;艾波;杨雄丹;谢栋平;: "激光测高卫星ICESat-2云检测及其相关算法", 激光与光电子学进展, no. 13, 15 July 2020 (2020-07-15), pages 248 - 256 * |
刘岩;程晓;惠凤鸣;王显威;王芳;程铖;: "卫星激光测高探测极地冰架表面裂隙方法", 中国科学:地球科学, no. 02, 20 February 2014 (2014-02-20), pages 302 - 312 * |
权学烽等: "卫星激光测高数据在极地区域的应用及展望", 测绘与空间地理信息, 25 October 2019 (2019-10-25), pages 19 - 24 * |
王志勇;张爽爽;孙培蕾;李路;: "一种利用CryoSat-2数据估算南极冰架厚度的方法", 遥感信息, no. 02, 20 April 2020 (2020-04-20), pages 50 - 54 * |
韩晓爽;潘超;刘宇哲;王丽东;戴学兵;赵一鸣;: "星载激光测高仪脚点坐标解算方法及机载验证", 遥测遥控, no. 03, 15 May 2020 (2020-05-15), pages 13 - 22 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113324527A (zh) * | 2021-05-28 | 2021-08-31 | 自然资源部国土卫星遥感应用中心 | 一种同轨激光测高点与三线阵立体影像联合测绘处理方法 |
CN113324527B (zh) * | 2021-05-28 | 2021-11-26 | 自然资源部国土卫星遥感应用中心 | 一种同轨激光测高点与三线阵立体影像联合测绘处理方法 |
CN114724036A (zh) * | 2022-04-13 | 2022-07-08 | 中国科学院大学 | 一种基于多尺度学习的冰裂隙检测方法 |
CN114724036B (zh) * | 2022-04-13 | 2024-04-02 | 中国科学院大学 | 一种基于多尺度学习的冰裂隙检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gargett et al. | Determining Thorpe scales from ship-lowered CTD density profiles | |
Pirotti et al. | Ground filtering and vegetation mapping using multi-return terrestrial laser scanning | |
CA2460089C (en) | Method, apparatus and program for determining growth of trees | |
CN113252700B (zh) | 一种结构裂缝检测方法、设备及系统 | |
AU2014386199B2 (en) | Method and system for generating a geoid via three computation spaces and airborne-acquired gravity data | |
Shamsoddini et al. | Improving lidar-based forest structure mapping with crown-level pit removal | |
CN112099032A (zh) | 一种基于激光测高卫星数据的冰裂隙形态分析方法及装置 | |
Miao et al. | Developing efficient procedures for automated sinkhole extraction from Lidar DEMs | |
CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
CN113869629A (zh) | 一种基于激光点云的输电线路安全风险分析判断评估方法 | |
CN113566894A (zh) | 基于物联网的地质灾害监测方法、系统、终端及介质 | |
Li et al. | Extraction and analysis of the three-dimensional features of crevasses in the amery ice shelf based on ICESat-2 ATL06 data | |
CN112697232A (zh) | 基于多源卫星测高数据的水位测量及变化监测方法及装置 | |
Deng et al. | Morphological differentiation characteristics and classification criteria of lunar surface relief amplitude | |
CN113281716B (zh) | 一种光子计数激光雷达数据去噪方法 | |
Maas et al. | Improvements in lidar bathymetry data analysis | |
CN114594503A (zh) | 一种浅海地形反演方法、计算机设备及存储介质 | |
Sharma et al. | Measuring the accuracy of contour interpolated digital elevation models | |
Li et al. | Mapping Antarctic grounding zones from ICESat-2 laser altimetry | |
Chen et al. | High-resolution datasets for lake level changes in the Qinghai-Tibetan Plateau from 2002 to 2021 using multi-altimeter data | |
JP2020041405A (ja) | 凍結地盤の評価方法、及び凍結地盤の評価装置 | |
NL2031937B1 (en) | Method and device for automatically identifying water level | |
Dawson et al. | Comparing elevation and backscatter retrievals from CryoSat-2 and ICESat-2 over Arctic summer sea ice | |
Brydsten et al. | Digital elevation models for site investigation programme in Forsmark | |
Wang et al. | Analysis of gully erosion hazard using high resolution terrestrial LiDAR |
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 |