CN112288641B - 一种高分卫星影像数据批量预处理方法 - Google Patents

一种高分卫星影像数据批量预处理方法 Download PDF

Info

Publication number
CN112288641B
CN112288641B CN202010971601.2A CN202010971601A CN112288641B CN 112288641 B CN112288641 B CN 112288641B CN 202010971601 A CN202010971601 A CN 202010971601A CN 112288641 B CN112288641 B CN 112288641B
Authority
CN
China
Prior art keywords
image data
resolution satellite
resolution
satellite
satellite image
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
Application number
CN202010971601.2A
Other languages
English (en)
Other versions
CN112288641A (zh
Inventor
谢小萍
徐萌
黄亮
任义方
孙良宵
杭鑫
李亚春
张旭晖
张振东
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.)
Climate Center Of Jiangsu Province
Original Assignee
Climate Center Of Jiangsu Province
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 Climate Center Of Jiangsu Province filed Critical Climate Center Of Jiangsu Province
Priority to CN202010971601.2A priority Critical patent/CN112288641B/zh
Publication of CN112288641A publication Critical patent/CN112288641A/zh
Application granted granted Critical
Publication of CN112288641B publication Critical patent/CN112288641B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/81—Indexing, e.g. XML tags; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种高分卫星影像数据批量预处理方法，为了解决高分卫星数据预处理过程步骤多、处理时间长的问题，采用全新设计策略，根据高分卫星的卫星参数、光谱响应函数，对其依次进行正射校正、辐射定标、图像配准、大气校正、感兴趣区域提取等预处理操作，实现自动批量获得预处理后的感兴趣区域高分辨卫星影像，能够更简洁更快速实现对卫星遥感数据影像的预处理，实现更好更加快速的进行对重大事件的决策。

Description

一种高分卫星影像数据批量预处理方法
技术领域
本发明涉及一种高分卫星影像数据批量预处理方法，属于技术领域。
背景技术
我国遥感领域的高分一号卫星(GF-1)和高分二号卫星(GF-2)在轨测试期间的良好表现，在国土资源调查与动态监测、环境与灾害监测、气候变化监测、精准农业信息服务、以及预防灾害和实施灾后救援等方面，为国民经济建设和社会发展的战略需要，提供强有力的支撑。
遥感数据预处理是利用计算机图像处理系统对遥感数据中的像素进行系列操作的过程，遥感数据图像中包含了很多信息。传统的模拟数据图像受媒介大小的限制，无法完全表述这些信息，也很难进行信息的进一步处理，只有经过数字化后才能有效的进行信息分析和处理。常规的处理过程，只是对各类遥感数据影像处理的概括处理过程，不具有针对性。
批量化处理，即按规定软件程序，“快，准，稳”地自动完成任务的机械化操作过程。而至今，我国仍未有关于GF-1和GF-2数据批量化预处理研究，为了更简洁更快速地实现对卫星遥感数据影像预处理，极大的提高劳动生产率，批量化预处理显得尤为重要。目前，对于GF-1和GF-2卫星数据的预处理还处于遥感数据的基本阶段，无法实现对GF-1和GF-2遥感数据的批量化处理，这样在实际应用时，会消耗很多时间，特别是在灾难决策，森林火灾等方面。
发明内容
本发明所要解决的技术问题是提供一种高分卫星影像数据批量预处理方法，采用全新设计策略，能够更简洁更快速实现对卫星遥感数据影像的预处理，用于高效实现重大事件的决策。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种高分卫星影像数据批量预处理方法，用于针对存放单幅高分卫星影像的高分卫星影像压缩包进行预处理，获得其中单幅高分卫星影像的目标区域影像数据，包括如下步骤：
步骤A.获得高分卫星影像压缩包中xml格式说明文件中的卫星名、传感器名、数据接收时间，并根据卫星名，获得卫星高度、定标系数，以及根据传感器名，获得传感器光谱响应函数，然后进入步骤B；
步骤B.应用高分卫星影像压缩包中的RPB文件，结合全球指定分辨率的DEM数据，针对高分卫星影像压缩包中的tiff格式的影像数据进行正射校正，获得初级影像数据，然后进入步骤C；
步骤C.根据定标系数中的定标斜率和定标截距，将初级影像数据中各载荷的通道观测值计数值DN，转换为卫星载荷通道入瞳处的等效辐射亮度Le，实现辐射定标处理，构成中级影像数据，然后进入步骤D；
步骤D.根据卫星名、传感器名、数据接收时间、传感器光谱响应函数，针对中级影像数据中等效辐射亮度Le进行大气校正处理，构成终极影像数据，然后进入步骤E；
步骤E.应用预设指定目标区域的矢量文件，提取终极影像数据中的目标区域影像数据。
作为本发明的一种优选技术方案：还包括步骤CD如下，执行完步骤C之后进入步骤CD，执行完步骤CD之后进入步骤D；
步骤CD.根据高分卫星影像压缩包中xml格式说明文件中的影像数据区域经纬度，应用覆盖该影像数据区域经纬度、且指定高精度的卫星影像，针对中级影像数据进行影像配准，更新中级影像数据。
作为本发明的一种优选技术方案：所述步骤CD中，根据高分卫星影像压缩包中xml格式说明文件中的影像数据区域经纬度，应用覆盖该影像数据区域经纬度的Landsat8TM卫星影像，针对中级影像数据进行影像配准，更新中级影像数据。
作为本发明的一种优选技术方案：所述步骤CD中，根据高分卫星影像压缩包中xml格式说明文件中的影像数据区域经纬度，通过IDL编程语言调用ENVI中的FLAASH模块，应用覆盖该影像数据区域经纬度的Landsat8TM卫星影像，针对中级影像数据进行影像配准，更新中级影像数据。
作为本发明的一种优选技术方案：所述步骤B中，应用高分卫星影像压缩包中的RPB文件，结合全球1km分辨率的DEM数据，针对高分卫星影像压缩包中的tiff格式的影像数据进行正射校正，获得初级影像数据。
作为本发明的一种优选技术方案：所述步骤B中，通过IDL编程语言调用ENVI中的正射校正流程化工具RPCOrthorectificationWorkflow，应用高分卫星影像压缩包中的RPB文件，结合全球1km分辨率的DEM数据，针对高分卫星影像压缩包中的tiff格式的影像数据进行正射校正，获得初级影像数据。
作为本发明的一种优选技术方案：所述步骤C中，根据定标系数中的定标斜率Gain和定标截距Bias，按如下公式：
Le＝Gain*DN+Bias。
将初级影像数据中各载荷的通道观测值计数值DN转换为卫星载荷通道入瞳处的等效辐射亮度Le，实现辐射定标处理，构成中级影像数据。
作为本发明的一种优选技术方案：所述步骤C中，根据定标系数中的定标斜率和定标截距，通过IDL编程语言调用ENVI中的RadiometricCalibration工具，将初级影像数据中各载荷的通道观测值计数值DN，转换为卫星载荷通道入瞳处的等效辐射亮度Le，实现辐射定标处理，构成中级影像数据。
作为本发明的一种优选技术方案：所述步骤D中，根据卫星名、传感器名、数据接收时间、传感器光谱响应函数，通过IDL编程语言调用ENVI中的FLAASH模块，针对中级影像数据中等效辐射亮度Le进行大气校正处理，获得等效辐射亮度Le所对应的光谱响应函数文件。
作为本发明的一种优选技术方案：所述高分卫星影像包括GF-1高分卫星影像和GF-2高分卫星影像中的至少一种。
本发明所述一种高分卫星影像数据批量预处理方法，采用以上技术方案与现有技术相比，具有以下技术效果：
本发明所设计高分卫星影像数据批量预处理方法，为了解决高分卫星数据预处理过程步骤多、处理时间长的问题，采用全新设计策略，根据高分卫星的卫星参数、光谱响应函数，对其依次进行正射校正、辐射定标、图像配准、大气校正、感兴趣区域提取等预处理操作，实现自动批量获得预处理后的感兴趣区域高分辨卫星影像，能够更简洁更快速实现对卫星遥感数据影像的预处理，实现更好更加快速的进行对重大事件的决策。
附图说明
图1是本发明所设计高分卫星影像数据批量预处理方法的流程示意图；
图2是本发明所设计高分卫星影像数据批量预处理方法的模块应用示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种高分卫星影像数据批量预处理方法，用于针对存放单幅高分卫星影像的高分卫星影像压缩包进行预处理，获得其中单幅高分卫星影像的目标区域影像数据，实际应用当中，高分卫星影像包括GF-1高分卫星影像和GF-2高分卫星影像中的至少一种，方法具体按如下执行。
首先从中国资源卫星应用中心网站(http://www.cresda.com/CN/)获得的数据为*.tar.gz格式的压缩文件，即一幅高分卫星影像存放于一个压缩包中，压缩包里包含tiff格式的影像数据、影像缩略图、影像拇指图、xml格式的说明文件、以及用于正射校正的RPB文件。
针对单幅高分卫星影像所对应的压缩包，如图1和图2所示，具体执行如下步骤A至步骤E。
步骤A.获得高分卫星影像压缩包中xml格式说明文件中的卫星名、传感器名、数据接收时间，并根据卫星名，获得卫星高度、定标系数，以及根据传感器名，获得传感器光谱响应函数，然后进入步骤B。
上述步骤A在实际应用中，诸如从如下xml格式的说明文件中，获得卫星名、传感器名、数据接收时间。
遥感影像受传感器观测角度和地面高程等因素的影响，会产生视觉差，并引起图像变形，因此需要对图像进行正射校正，即执行如下步骤B。
步骤B.应用高分卫星影像压缩包中的RPB文件，结合全球指定分辨率的DEM数据，针对高分卫星影像压缩包中的tiff格式的影像数据进行正射校正，获得初级影像数据，然后进入步骤C。
实际应用中，步骤B通过IDL编程语言调用ENVI中的正射校正流程化工具RPCOrthorectificationWorkflow，应用高分卫星影像压缩包中的RPB文件，具体结合全球1km分辨率的DEM数据，针对高分卫星影像压缩包中的tiff格式的影像数据进行正射校正，获得初级影像数据。
步骤C.根据定标系数中的定标斜率Gain和定标截距Bias，按如下公式：
Le＝Gain*DN+Bias。
将初级影像数据中各载荷的通道观测值计数值DN，转换为卫星载荷通道入瞳处的等效辐射亮度Le，实现辐射定标处理，构成中级影像数据，然后进入步骤CD。
实际执行当中，定标斜率Gain和定标截距Bias从中国资源卫星应用中心网站获取，步骤C根据定标系数中的定标斜率和定标截距，通过IDL编程语言调用ENVI中的RadiometricCalibration工具，将初级影像数据中各载荷的通道观测值计数值DN，转换为卫星载荷通道入瞳处的等效辐射亮度Le，实现辐射定标处理，构成中级影像数据。
步骤CD.根据高分卫星影像压缩包中xml格式说明文件中的影像数据区域经纬度，应用覆盖该影像数据区域经纬度、且指定高精度的卫星影像，针对中级影像数据进行影像配准，更新中级影像数据，然后进入步骤D。
步骤CD在实际应用当中，根据高分卫星影像压缩包中xml格式说明文件中的影像数据区域经纬度，通过IDL编程语言调用ENVI中的FLAASH模块，应用覆盖该影像数据区域经纬度的Landsat8TM卫星影像，针对中级影像数据进行影像配准，更新中级影像数据。
应用中，为了获得地物较为准确的反射率和辐射率、地表温度等真实物理模型参数，需要消除大气和光照等因素对地物反射的影响，即执行如下步骤D的大气校正操作。
步骤D.根据卫星名、传感器名、数据接收时间、传感器光谱响应函数，通过实际当中应用IDL编程语言调用ENVI中的FLAASH模块，针对中级影像数据中等效辐射亮度Le进行大气校正处理，构成终极影像数据，然后进入步骤E。
步骤E.应用预设指定目标区域的矢量文件，提取终极影像数据中的目标区域影像数据。
上述技术方案所设计高分卫星影像数据批量预处理方法，为了解决高分卫星数据预处理过程步骤多、处理时间长的问题，采用全新设计策略，根据高分卫星的卫星参数、光谱响应函数，对其依次进行正射校正、辐射定标、图像配准、大气校正、感兴趣区域提取等预处理操作，实现自动批量获得预处理后的感兴趣区域高分辨卫星影像，能够更简洁更快速实现对卫星遥感数据影像的预处理，实现更好更加快速的进行对重大事件的决策。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (6)

1.一种高分卫星影像数据批量预处理方法，用于针对存放单幅高分卫星影像的高分卫星影像压缩包进行预处理，获得其中单幅高分卫星影像的目标区域影像数据，其特征在于，包括如下步骤：
步骤A.获得高分卫星影像压缩包中xml格式说明文件中的卫星名、传感器名、数据接收时间，并根据卫星名，获得卫星高度、定标系数，以及根据传感器名，获得传感器光谱响应函数，然后进入步骤B；
步骤B.通过IDL编程语言调用ENVI中的正射校正流程化工具RPC OrthorectificationWorkflow，应用高分卫星影像压缩包中的RPB文件，结合全球1km分辨率的DEM数据，针对高分卫星影像压缩包中的tiff格式的影像数据进行正射校正，获得初级影像数据，然后进入步骤C；
步骤C.根据定标系数中的定标斜率Gain和定标截距Bias，按如下公式：
Le＝Gain*DN+Bias
通过IDL编程语言调用ENVI中的RadiometricCalibration工具，将初级影像数据中各载荷的通道观测值计数值DN，转换为卫星载荷通道入瞳处的等效辐射亮度Le，实现辐射定标处理，构成中级影像数据，然后进入步骤D；
步骤D.根据卫星名、传感器名、数据接收时间、传感器光谱响应函数，通过实际当中应用IDL编程语言调用ENVI中的FLAASH模块，针对中级影像数据中等效辐射亮度Le进行大气校正处理，构成终极影像数据，然后进入步骤E；
步骤E.应用预设指定目标区域的矢量文件，提取终极影像数据中的目标区域影像数据。
2.根据权利要求1所述一种高分卫星影像数据批量预处理方法，其特征在于：还包括步骤CD如下，执行完步骤C之后进入步骤CD，执行完步骤CD之后进入步骤D；
步骤CD.根据高分卫星影像压缩包中xml格式说明文件中的影像数据区域经纬度，应用覆盖该影像数据区域经纬度、且指定高精度的卫星影像，针对中级影像数据进行影像配准，更新中级影像数据。
3.根据权利要求2所述一种高分卫星影像数据批量预处理方法，其特征在于：所述步骤CD中，根据高分卫星影像压缩包中xml格式说明文件中的影像数据区域经纬度，应用覆盖该影像数据区域经纬度的Landsat8 TM卫星影像，针对中级影像数据进行影像配准，更新中级影像数据。
4.根据权利要求3所述一种高分卫星影像数据批量预处理方法，其特征在于：所述步骤CD中，根据高分卫星影像压缩包中xml格式说明文件中的影像数据区域经纬度，通过IDL编程语言调用ENVI中的FLAASH模块，应用覆盖该影像数据区域经纬度的Landsat8 TM卫星影像，针对中级影像数据进行影像配准，更新中级影像数据。
5.根据权利要求1所述一种高分卫星影像数据批量预处理方法，其特征在于：所述步骤D中，根据卫星名、传感器名、数据接收时间、传感器光谱响应函数，通过IDL编程语言调用ENVI中的FLAASH模块，针对中级影像数据中等效辐射亮度Le进行大气校正处理，获得等效辐射亮度Le所对应的光谱响应函数文件。
6.根据权利要求1至5中任意一项所述一种高分卫星影像数据批量预处理方法，其特征在于：所述高分卫星影像包括GF-1高分卫星影像和GF-2高分卫星影像中的至少一种。
CN202010971601.2A 2020-09-16 2020-09-16 一种高分卫星影像数据批量预处理方法 Active CN112288641B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010971601.2A CN112288641B (zh) 2020-09-16 2020-09-16 一种高分卫星影像数据批量预处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010971601.2A CN112288641B (zh) 2020-09-16 2020-09-16 一种高分卫星影像数据批量预处理方法

Publications (2)

Publication Number Publication Date
CN112288641A CN112288641A (zh) 2021-01-29
CN112288641B true CN112288641B (zh) 2024-05-17

Family

ID=74420957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010971601.2A Active CN112288641B (zh) 2020-09-16 2020-09-16 一种高分卫星影像数据批量预处理方法

Country Status (1)

Country Link
CN (1) CN112288641B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988934B (zh) * 2021-03-15 2021-09-28 南宁师范大学 基于snap架构的高分三号卫星数据转换方法及装置
CN113849670B (zh) * 2021-09-26 2022-07-22 江苏天汇空间信息研究院有限公司 一种哨兵影像数据的批量快速获取方法
CN115561199A (zh) * 2022-09-26 2023-01-03 重庆数字城市科技有限公司 一种基于卫星遥感影像的水华监测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105387846A (zh) * 2015-10-26 2016-03-09 中国农业大学 卫星影像的正射校正方法和系统
CN106683096A (zh) * 2017-01-25 2017-05-17 中国科学院寒区旱区环境与工程研究所 基于卫星遥感影像的冻土灾害信息提取方法及装置
CN107610054A (zh) * 2017-07-13 2018-01-19 中国农业大学 一种遥感影像数据的预处理方法
CN109118457A (zh) * 2018-09-30 2019-01-01 中国科学院遥感与数字地球研究所 遥感影像处理方法及装置
CN109389570A (zh) * 2018-11-06 2019-02-26 航天海鹰机电技术研究院有限公司 基于envi的优化矢量选取roi遥感影像预处理系统
KR20190020552A (ko) * 2017-08-21 2019-03-04 (주)원지리정보 고해상도 위성영상 메타데이터를 이용한 영상변환 일괄처리방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108761484A (zh) * 2018-04-26 2018-11-06 江苏省气象台 一种基于多源卫星遥感数据的海雾监测方法
CN111415309B (zh) * 2020-03-19 2024-06-25 中国矿业大学(北京) 一种基于最小反射率法的高分辨率遥感影像大气校正方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105387846A (zh) * 2015-10-26 2016-03-09 中国农业大学 卫星影像的正射校正方法和系统
CN106683096A (zh) * 2017-01-25 2017-05-17 中国科学院寒区旱区环境与工程研究所 基于卫星遥感影像的冻土灾害信息提取方法及装置
CN107610054A (zh) * 2017-07-13 2018-01-19 中国农业大学 一种遥感影像数据的预处理方法
KR20190020552A (ko) * 2017-08-21 2019-03-04 (주)원지리정보 고해상도 위성영상 메타데이터를 이용한 영상변환 일괄처리방법
CN109118457A (zh) * 2018-09-30 2019-01-01 中国科学院遥感与数字地球研究所 遥感影像处理方法及装置
CN109389570A (zh) * 2018-11-06 2019-02-26 航天海鹰机电技术研究院有限公司 基于envi的优化矢量选取roi遥感影像预处理系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CBERS-04卫星宽视场成像仪在轨场地辐射定标;刘李;傅俏燕;潘志强;徐建艳;李晓进;韩启金;张学文;刘涛;;航天返回与遥感;20160215(01);全文 *
基于6S模型的GF-1卫星影像大气校正及效果;刘佳;王利民;杨玲波;滕飞;邵杰;杨福刚;富长虹;;农业工程学报;20151008(19);全文 *
多源遥感影像融合在太湖蓝藻监测中的应用;李亚春;遥感技术与应用;20130815;第28卷(第4期);全文 *
高分二号卫星影像批量预处理应用研究;包颖;地理空间信息;20191129;第17号卷(第5期期);全文 *

Also Published As

Publication number Publication date
CN112288641A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN112288641B (zh) 一种高分卫星影像数据批量预处理方法
Young et al. A survival guide to Landsat preprocessing
Townshend et al. Global characterization and monitoring of forest cover using Landsat data: opportunities and challenges
Muller-Wilm et al. Sentinel-2 level 2A prototype processor: Architecture, algorithms and first results
US8493264B2 (en) Terrestrial object information judging image producing method and program
CN110514597A (zh) 基于星地遥感数据协同的农作物病虫害监测方法
Zhao et al. Object-oriented vegetation classification method based on UAV and satellite image fusion
Varela et al. Spatio-temporal evaluation of plant height in corn via unmanned aerial systems
CN110907364B (zh) 基于星历参数的光学遥感影像大气校正方法及装置
CN108961199A (zh) 多源遥感数据时空融合方法及装置
CN107610054A (zh) 一种遥感影像数据的预处理方法
CN114220022A (zh) 一种基于卫星与无人机协同观测的水稻倒伏遥感监测方法
CN113723319A (zh) 一种基于风云卫星数据的水稻种植分布提取方法
US20230078777A1 (en) Methods and systems for hyperspectral image correction
CN115829118A (zh) 森林碳汇遥感监测方法、装置、设备及存储介质
CN112666170A (zh) 天空地一体化病虫害遥感监测方法
CN116385894A (zh) 基于遥感图像的海岸线识别方法、装置以及设备
Wang et al. The impact of variable illumination on vegetation indices and evaluation of illumination correction methods on chlorophyll content estimation using UAV imagery
KR20130100851A (ko) 위성영상 처리 방법 및 시스템
CN111192298A (zh) 一种夜光遥感影像相对辐射校正方法
CN113706387A (zh) 一种适合低山丘陵地区农作物提取遥感底图的获取方法
CN110490830B (zh) 一种农业遥感图像校正方法及系统
CN117372878A (zh) 一种面向种植业保险的农作物地块级遥感解译方法和系统
CN116735008A (zh) 红外交叉辐射的定标方法、装置、电子设备及介质
LU501719B1 (en) Terrain simulation method based on satellite images and digital elevation data

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