CN112308811A - 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法 - Google Patents

一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法 Download PDF

Info

Publication number
CN112308811A
CN112308811A CN201910670950.8A CN201910670950A CN112308811A CN 112308811 A CN112308811 A CN 112308811A CN 201910670950 A CN201910670950 A CN 201910670950A CN 112308811 A CN112308811 A CN 112308811A
Authority
CN
China
Prior art keywords
night
remote sensing
lopa
sensing data
light
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
Application number
CN201910670950.8A
Other languages
English (en)
Other versions
CN112308811B (zh
Inventor
钟亮
刘小生
杨鹏
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.)
Jiangxi University of Science and Technology
Original Assignee
Jiangxi University of Science and Technology
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 Jiangxi University of Science and Technology filed Critical Jiangxi University of Science and Technology
Priority to CN201910670950.8A priority Critical patent/CN112308811B/zh
Publication of CN112308811A publication Critical patent/CN112308811A/zh
Application granted granted Critical
Publication of CN112308811B publication Critical patent/CN112308811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Emergency Alarm Devices (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

针对目前夜间海洋船舶检测方法的不足，提出了一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法。利用珞珈一号夜光遥感数据，通过采集海上油气平台燃烧源和陆地掩膜数据剔除影像中的杂光，并利用中值滤波技术对影像进行去噪处理，最后利用双参数恒虚警率检测器检测影像中的船舶。结果表明，该方法可以有效降低虚警目标，能够实现大范围夜间海上船舶高精度检测。

Description

一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法
技术领域
本发明属于夜光遥感影像处理与应用技术领域，特别涉及一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法。
背景技术
海上空间及资源在人类发展中发挥着举足轻重的作用，船舶的海上贸易航行以及渔业的远洋捕捞活动也因此日渐频繁。尽管目前对大面积海上的船舶监测方法众多，例如利用光学遥感影像和合成孔径雷达(Synthetic Aperture Radar, SAR)影像。但依旧存在众多局限性，其中光学遥感影像无法对夜间的船舶进行检测，而SAR方法数据量大并且成本相对较高，对于大面积海域的船舶检测缺乏通用性。因此开发更加多样化的海上船舶提取方法对于海上船舶的安全监测具有重要价值。
早期，由Suomi国家极轨道伙伴关系卫星(Suomi National Polar-orbitingPartnership, SNPP)搭载的可见光红外成像辐射仪(Visible Infrared ImagingRadiometer Suite, VIIRS)获取的夜光遥感数据能够实现渔业资源的管理以及夜间海上船舶的识别。Elvidge等人（参考文献：Elvidge C, Zhizhin M, Baugh K, et al.Automatic boat identification system for VIIRS low light imaging data[J].Remote Sensing, 2015, 7(3): 3020-3036.）利用该数据进行海上渔场的分析以及船舶的检测，其通过阀值分割方法识别海上渔场范围以及船舶灯光，并剔除了海上油气平台废气燃烧光源以及其他杂光的影响，可以快速的实现大范围的渔场确定以及部分船舶的识别。但由于数据和方法的限制，导致其对于渔场有很好的识别效果，而对大范围复杂海况的单个船舶难以实现高精度检测。此外，专利“一种用于夜光遥感数据的灯光渔船自动识别方法，公开号：CN109086701A”公开了一种利用夜光遥感数据识别渔船灯光的方法，该方法能够准确识别渔船灯光的范围并实现部分船舶的提取，但是该方法使用SNPP/VIIRS夜光数据分辨率有限，并且没有剔除海上油气平台废气燃烧光源及其他杂光的影响，因此对于大范围独立船舶的检测精度较低。
发明内容
针对现有技术的不足或改进需求，本发明提出了一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法，其目的在于克服现有技术对于大范围夜间海洋船舶提取时，数据量大及精度低的问题。
基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法，包括以下步骤：
(1) 采集包含海洋区域的珞珈一号夜光遥感数据；
(2) 采集海上油气平台燃烧源的位置数据，构建掩膜对夜光遥感数据中的海上油气平台废气燃烧光源进行遮蔽；
(3) 根据陆地掩膜范围，构建缓冲区遮盖陆地灯光以及近海岸灯光；
(4) 将步骤(3)所得的影像输入中值滤波器进行去噪处理；
(5) 将步骤(4)获得的影像数据输入双参数恒虚警率检测器中进行船舶检测。
所述步骤(2)中遮蔽海上油气平台灯光的条件为：以海上燃烧源位置点为圆心，构建半径为0-2km的圆形掩膜遮盖油气平台灯光，掩膜的辐射值为0。
优选地，所述圆形掩膜半径为1km。
所述步骤(3)中遮盖陆地灯光以及近海岸灯光的条件为：根据陆地掩膜范围，构建宽度为0-4km的缓冲区遮盖陆地灯光以及近海岸灯光，掩膜的辐射值为0。
优选地，所述缓冲区宽度为2km。
进一步地，所述步骤(4)中，采用宽度为3×3的中值滤波器对影像进行去噪处理。
进一步，所述步骤(5)中，将步骤(4)获得的影像输入双参数恒虚警率检测器中进行船舶检测包含以下子步骤：
(51) 设置双参数恒虚警率检测器参数，其中目标窗口大小为1×1至3×3像素，优选2×2像素；保护窗口大小为8×8至12×12像素，优选9×9像素；背景窗口大小为16×16至24×24像素，优选18×18像素；虚警率为1e-3至1e-7，优选1e-5；所述目标窗口、保护窗口和背景窗口均为正方形；
(52) 对双参数恒虚警率检测的结果进行二值化，将大于检测阀值的目标的DN值赋值为1，小于检测阀值的目标的DN值赋值为0；
(53) 将DN值赋值为1的联通的栅格区域标记为一个船舶目标，之后输出所有船舶目标的坐标信息。
采用上述技术方案所产生的有益效果在于：
本发明基于珞珈一号夜光遥感图像特点，通过夜间海上燃烧源数据剔除油气平台，并将中值滤波与双参数恒虚警率方法结合，可以有效降低虚警目标，实现大范围夜间海上船舶高精度检测。在北部湾区域的应用实例中，体现出了巨大的实用价值。对于海洋船舶的安全监测，休渔期探测非法捕捞活动以及监控海上非法入侵等都具有重要意义。
附图说明
图1为本发明的实施流程图；
图2为实例1船舶检测结果；其中2(a)为珞珈一号原始夜光影像图，图2(b)为预处理后的珞珈一号夜光影像图，包括遮盖陆地灯光和近海岸灯光、遮盖海上油气平台废气燃烧光源以及中值滤波去噪处理过程，图2(c)为船舶检测结果，图2(d)为船舶检测结果分类图；
图3为实例2船舶检测结果；其中3(a)为珞珈一号原始夜光影像图，图3(b)为预处理后的珞珈一号夜光影像图，包括遮盖陆地灯光和近海岸灯光、遮盖海上油气平台废气燃烧光源以及中值滤波去噪处理过程，图3(c)为船舶检测结果，图3(d)为船舶检测结果分类图。
具体实施方式
以下结合附图和具体实例进一步阐述本发明。
本发明采用珞珈一号夜光遥感数据。珞珈一号是全球首颗专业夜光遥感卫星，数据来源精准可靠，该卫星可获取夜间低照度下动态范围高达14bit的高精度夜光亮度辐射信息，并且可在15天内获取全球范围的夜光遥感影像，数据分辨率达到130米。
实例1：如图1所示本发明的实现流程包含以下步骤。
(1) 采集包含海洋区域的珞珈一号夜光遥感数据；
首先采集包含海洋区域的珞珈一号夜光遥感数据，本发明以北部湾局部海域（19.40°N-21.92°N，107.92°E-110.16°E）为例进行说明，所示数据为珞珈一号卫星在2018年9月4日拍摄的影像（见图2(a)），该数据由湖北省高分辨率地球观测系统数据和应用网提供。
(2) 采集海上油气平台燃烧源的位置数据，构建掩膜对夜光遥感数据中的海上油气平台废气燃烧光源进行遮蔽；
由于在夜光影像中不仅记录了船舶灯光，同时也记录了海上油气开采时产生的废气燃烧光源。废气燃烧光源的存在会对船舶检测结果造成影响，并且无法通过灯光辐射值将其与船舶灯光区分开来。而在美国国家海洋和大气管理局（National Oceanic andAtmospheric Administration, NOAA）下的国家环境信息中心（National Centers forEnvironmental Information, NCEI）提供了全球VIIRS夜火检测数据，在2018年9月4日提供的夜间燃烧光源中，实例区域内包含的燃烧光源位置如下：
编号 纬度 经度
1 20.678520 108.681686
2 20.814327 108.711853
3 20.821079 108.712738
4 20.817251 108.895042
5 20.814484 108.895042
通过采集的海上油气平台燃烧源的位置数据，使用ArcGIS 10.2软件以燃烧源位置点作为圆心，构建半径为0-2km的圆形掩膜，优选1km，用以遮盖油气平台灯光；掩膜的辐射值设置为0。
(3) 根据陆地掩膜范围，构建缓冲区遮盖陆地灯光以及近海岸灯光；
根据陆地掩膜范围，使用ArcGIS 10.2软件构建宽度为0-4km的缓冲区，优选2km，用以遮盖陆地灯光以及近海岸灯光；掩膜的辐射值设置为0。
(4) 将步骤(3)所得的影像输入宽度为3×3的中值滤波器中进行去噪处理，所用软件为ENVI 5.1，处理结果如图2(b)所示。
(5) 将步骤(4)获得的影像输入双参数恒虚警率检测器中进行船舶检测包含以下子步骤：
(51) 设置双参数恒虚警率检测器参数；
双参数恒虚警率检测器是一种经典的船舶检测工具，其假设背景噪声符合高斯分布模型，采用了三个独立窗口来适应噪声的变化。根据珞珈一号夜光遥感影像的特性，其中目标窗口大小设置为1×1至3×3像素，优选为2×2像素；保护窗口大小设置为8×8至12×12像素，优选为9×9像素；背景窗口大小设置为16×16至24×24像素，优选18×18像素；所述目标窗口、保护窗口和背景窗口均为正方形；具体检测过程如下：
①在目标窗口中，灯光辐射值将与门限值进行比较，进而来判定该辐射值是否为有效目标。门限值的大小可以通过背景噪声的概率密度函数和虚警率确定，计算方法为：
Figure 863308DEST_PATH_IMAGE001
其中
Figure 574912DEST_PATH_IMAGE002
为虚警率，T为检测门限，f(x)为背景噪声概率密度函数，虚警率为1e-3至1e-7，优选1e-5；
②根据检测门限检测目标：
Figure 374854DEST_PATH_IMAGE003
其中
Figure 513711DEST_PATH_IMAGE004
为第i个目标窗口内的平均辐射值，
Figure 972505DEST_PATH_IMAGE005
为背景噪声均值，
Figure 222221DEST_PATH_IMAGE006
为背景噪声标准偏差；
(52) 对双参数恒虚警率检测的结果进行二值化，将大于检测阀值的目标的DN值赋值为1，小于检测阀值的目标的DN值赋值为0，结果如图2(c)所示；
(53) 由于一个船舶目标产生的灯光区域可能分布在相连通多个栅格中，因此需要判断DN值赋值为1的栅格是否为联通区域，将联通的栅格区域标记为一个船舶目标，之后输出所有船舶目标的坐标信息。
实施例2：采集的数据为珞珈一号卫星在2019年2月15日拍摄的影像（见图3(a)）；
其处理步骤和实例1相同，检测结果如图3(c)和3(d)所示。
图中根据正确检测、遗漏检测和错误检测三种类型对检测结果的分类，从结果可以看出，本发明能够优异地实现大范围夜间海洋船舶的检测，并且具有较高的检测正确率；
检测结果的各类指标统计如下表：
实例1检测结果
Figure 207494DEST_PATH_IMAGE007
实例2检测结果
Figure 517253DEST_PATH_IMAGE008

Claims (7)

1.一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法，其特征在于，其包含如下步骤：
(1)采集包含海洋区域的珞珈一号夜光遥感数据；
(2)采集海上油气平台燃烧源的位置数据，构建掩膜对夜光遥感数据中的海上油气平台废气燃烧光源进行遮蔽；
(3)根据陆地掩膜范围，构建缓冲区遮盖陆地灯光以及近海岸灯光；
(4)将步骤(3)所得的影像输入中值滤波器进行去噪处理；
(5)将步骤(4)获得的影像数据输入双参数恒虚警率检测器中进行船舶检测。
2.根据权利要求1所述的基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法，其特征在于，所述步骤(2)中遮蔽海上油气平台灯光的条件为：以海上燃烧源位置点为圆心，构建半径为0-2km的圆形掩膜遮盖油气平台灯光，掩膜的辐射值为0。
3.根据权利要求2所述的基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法，其特征在于，所述圆形掩膜半径为1km。
4.根据权利要求1所述的基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法，其特征在于，所述步骤(3)中遮盖陆地灯光以及近海岸灯光的条件为：根据陆地掩膜范围，构建宽度为0-4km的缓冲区遮盖陆地灯光以及近海岸灯光，掩膜的辐射值为0。
5.根据权利要求4所述的基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法，其特征在于，所述缓冲区宽度为2km。
6.根据权利要求1所述的基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法，其特征在于，所述步骤(4)中，采用宽度为3×3的中值滤波器对影像进行去噪处理。
7.根据权利要求1所述的基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法，其特征在于，所述步骤(5)中，将步骤(4)获得的影像输入双参数恒虚警率检测器中进行船舶检测包含以下子步骤：
(51)设置双参数恒虚警率检测器参数，其中目标窗口大小为1×1至3×3像素，优选2×2像素；保护窗口大小为8×8至12×12像素，优选9×9像素；背景窗口大小为16×16至24×24像素，优选18×18像素；虚警率为1e-3至1e-7，优选1e-5；所述目标窗口、保护窗口和背景窗口均为正方形；
(52)对双参数恒虚警率检测的结果进行二值化，将大于检测阀值的目标的DN值赋值为1，小于检测阀值的目标的DN值赋值为0；
(53)将DN值赋值为1的联通栅格区域标记为一个船舶目标，之后输出所有船舶目标的坐标信息。
CN201910670950.8A 2019-07-24 2019-07-24 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法 Active CN112308811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910670950.8A CN112308811B (zh) 2019-07-24 2019-07-24 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910670950.8A CN112308811B (zh) 2019-07-24 2019-07-24 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法

Publications (2)

Publication Number Publication Date
CN112308811A true CN112308811A (zh) 2021-02-02
CN112308811B CN112308811B (zh) 2024-08-09

Family

ID=74329698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910670950.8A Active CN112308811B (zh) 2019-07-24 2019-07-24 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法

Country Status (1)

Country Link
CN (1) CN112308811B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553237A (zh) * 2020-04-23 2020-08-18 江西理工大学 一种基于多态叠加Gamma分布的LJ1-01夜间灯光数据去噪方法
CN115661434A (zh) * 2022-10-17 2023-01-31 中国人民解放军61540部队 一种夜间海上舰船自动识别方法、系统、电子设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271160A (zh) * 2007-03-21 2008-09-24 中国科学院电子学研究所 选小单元平均恒虚警率实时检测sar运动目标方法、装置
CN104318572A (zh) * 2014-10-31 2015-01-28 中南大学 基于极化方向角补偿的polsar图像海上目标检测方法
CN104502899A (zh) * 2014-12-27 2015-04-08 长安大学 一种自适应的恒虚警率目标检测方法
CN106382978A (zh) * 2016-09-09 2017-02-08 常熟理工学院 一种对时变舰船激励所产生水声信号自动目标检测方法
CN106845372A (zh) * 2016-12-31 2017-06-13 华中科技大学 一种星载遥感光学图像的船舶目标检测识别方法和系统
CN107239755A (zh) * 2017-05-23 2017-10-10 国家地理空间信息中心 基于高分卫星遥感数据的海上油气平台提取系统
CN110009704A (zh) * 2019-03-28 2019-07-12 武汉大学 一种珞珈一号夜光遥感影像的动态范围压缩方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271160A (zh) * 2007-03-21 2008-09-24 中国科学院电子学研究所 选小单元平均恒虚警率实时检测sar运动目标方法、装置
CN104318572A (zh) * 2014-10-31 2015-01-28 中南大学 基于极化方向角补偿的polsar图像海上目标检测方法
CN104502899A (zh) * 2014-12-27 2015-04-08 长安大学 一种自适应的恒虚警率目标检测方法
CN106382978A (zh) * 2016-09-09 2017-02-08 常熟理工学院 一种对时变舰船激励所产生水声信号自动目标检测方法
CN106845372A (zh) * 2016-12-31 2017-06-13 华中科技大学 一种星载遥感光学图像的船舶目标检测识别方法和系统
CN107239755A (zh) * 2017-05-23 2017-10-10 国家地理空间信息中心 基于高分卫星遥感数据的海上油气平台提取系统
CN110009704A (zh) * 2019-03-28 2019-07-12 武汉大学 一种珞珈一号夜光遥感影像的动态范围压缩方法和系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
"利用二维多级中值滤波去除遥感图像随机噪声", 吉林大学学报(地球科学版), pages 178 - 180 *
JUNG: "An efficient ship detection method for KOMPSAT-5 synthetic aperture radar imagery based on adaptive filtering approach", KOREN JOURNAL OF REMOTE SENSING, pages 89 - 95 *
WANG, SC: "Performance comparison of the FFT filter bank-based majority and median CFAR detectors", IEEE, pages 2444 *
徐恒: "基于船载雷达图像的海上目标检测技术研究", 优秀硕士论文全文库信息科技, pages 1 - 51 *
王加胜: "南海航道安全空间综合评价研究", 优秀博士论文全文库工程科技Ⅰ辑, pages 1 - 156 *
肖宇: "雷达图像在船舶探测与特征提取中的应用研究", 舰船科学技术, pages 142 - 144 *
钟亮，刘小生: "路咖一号遥感数据在海洋船舶检测中的应用", 遥感信息, 31 October 2019 (2019-10-31), pages 126 - 131 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553237A (zh) * 2020-04-23 2020-08-18 江西理工大学 一种基于多态叠加Gamma分布的LJ1-01夜间灯光数据去噪方法
CN111553237B (zh) * 2020-04-23 2023-11-07 江西理工大学 一种基于多态叠加Gamma分布的LJ1-01夜间灯光数据去噪方法
CN115661434A (zh) * 2022-10-17 2023-01-31 中国人民解放军61540部队 一种夜间海上舰船自动识别方法、系统、电子设备及介质

Also Published As

Publication number Publication date
CN112308811B (zh) 2024-08-09

Similar Documents

Publication Publication Date Title
Zhang et al. Global offshore wind turbine dataset
CN106022288B (zh) 基于sar图像的海洋溢油信息识别与提取方法
Husson et al. Unmanned aircraft systems help to map aquatic vegetation
Lee et al. Improved detection of hotspots using the AVHRR 3.7-um channel
CN104318544B (zh) 基于夜间灯光卫星遥感数据光诱捕作业渔船数量估算方法
Dong et al. Coral reef geomorphology of the Spratly Islands: A simple method based on time-series of Landsat-8 multi-band inundation maps
CN110889327B (zh) 一种基于热红外图像的水域周边排污口智能检测方法
Caballero et al. On the use of Sentinel-2 satellites and lidar surveys for the change detection of shallow bathymetry: The case study of North Carolina inlets
Shutler et al. Coccolithophore bloom detection in the north east Atlantic using SeaWiFS: Algorithm description, application and sensitivity analysis
CN107239755A (zh) 基于高分卫星遥感数据的海上油气平台提取系统
CN112308811B (zh) 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法
Xu et al. Validation of MODIS-based monitoring for a green tide in the Yellow Sea with the aid of unmanned aerial vehicle
CN113744249A (zh) 一种海洋生态环境损害调查方法
Li et al. Monitoring water transparency, total suspended matter and the beam attenuation coefficient in inland water using innovative ground-based proximal sensing technology
Baird et al. Analysis of southeast Australian zooplankton observations of 1938–42 using synoptic oceanographic conditions
Chasmer et al. A lidar-based hierarchical approach for assessing MODIS fPAR
CN112927459B (zh) 一种基于无人机视觉的九宫格火势预测方法及应用
Chang et al. A new algorithm for mapping large inland water bodies using CYGNSS
Ji et al. Identification and assessment of the drift velocity of green tides using the maximum cross-correlation method in the Yellow Sea
Cao et al. Unprecedent green macroalgae bloom: mechanism and implication to disaster prediction and prevention
Koponen et al. Water quality classification of lakes using 250-m MODIS data
CN115661675B (zh) 多云地区地震滑坡遥感识别方法、系统、设备及存储介质
Dörnhöfer et al. Water colour analysis of Lake Kummerow using time series of remote sensing and in situ data
Hayes et al. Estimating dredge-induced turbidity using drone imagery
Tian et al. Unraveling global multifaceted urbanization-land-energy-air nexuses based on Earth Observation

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