CN112560873A - 一种城市不透水面提取方法及系统 - Google Patents

一种城市不透水面提取方法及系统 Download PDF

Info

Publication number
CN112560873A
CN112560873A CN202011493744.3A CN202011493744A CN112560873A CN 112560873 A CN112560873 A CN 112560873A CN 202011493744 A CN202011493744 A CN 202011493744A CN 112560873 A CN112560873 A CN 112560873A
Authority
CN
China
Prior art keywords
grid
gradient
grids
bare
impervious surface
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
CN202011493744.3A
Other languages
English (en)
Other versions
CN112560873B (zh
Inventor
彭秋志
马经纬
唐玲
马少华
邓启辉
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.)
Kunming University of Science and Technology
Original Assignee
Kunming 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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202011493744.3A priority Critical patent/CN112560873B/zh
Publication of CN112560873A publication Critical patent/CN112560873A/zh
Application granted granted Critical
Publication of CN112560873B publication Critical patent/CN112560873B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种城市不透水面提取方法及系统，方法包括：利用数字高程模型DEM生成区域坡度栅格；利用所述原始遥感解译图像对区域坡度栅格进行掩膜裁剪，获取对应子区域坡度栅格；从裁剪后的子区域坡度栅格中提取高坡度栅格；将大于预设坡度栅格的原始不透水面栅格作为所述高坡度栅格；根据所述高坡度栅格确定终选裸地栅格；从所述原始遥感解译图像中剔除所述终选裸地栅格，获得城市不透水面。本发明能够快速、批量区分不透水面和山坡裸地，提高了提取城市不透水面的准确性。

Description

一种城市不透水面提取方法及系统
技术领域
本发明涉及数字图像处理技术领域，特别是涉及一种城市不透水面提取方法及系统。
背景技术
目前基于遥感图像提取不透水面的方法已经非常成熟，能够借助光谱特征信息对不同地物进行较好区分。随着全球范围内的城市化，不透水面正在迅速的取代自然的土地表面，目前已经成为了一种重要的地表覆盖类型。不透水面是指阻止水体下渗至土地的物质，其包含自然形成和人工造成两类，主要材料包括沥青、砂石、混凝土、砖、玻璃等。现有提取不透水面的方法主要分为光谱指数法与分类训练法，前者由于不透水面与裸地之间的光谱特征相似，会出现“同谱异物”的问题，而后者需要人工建立大量训练集，并且不同研究区训练集往往难以共用，因此在进行大尺度不透水面研究时多采用光谱指数法。另外，现有大多数方案采用夜间灯光数据来削弱裸地的影响，由于现有夜间灯光数据空间分辨率较粗，无法精确剔除山坡裸地，因此很难准确提取城市不透水面。
发明内容
基于此，本发明的目的是提供一种城市不透水面提取方法及系统，以提高提取城市不透水面的准确性。
为实现上述目的，本发明提供了一种城市不透水面提取方法，所述方法包括：
利用数字高程模型DEM生成区域坡度栅格；
获取含有错分裸地的不透水面的原始遥感解译图像；所述原始遥感解译图像包括多个原始不透水面栅格；
利用所述原始遥感解译图像对区域坡度栅格进行掩膜裁剪，获取对应子区域坡度栅格；
从裁剪后的子区域坡度栅格中提取高坡度栅格；将大于预设坡度栅格的原始不透水面栅格作为所述高坡度栅格；
根据所述高坡度栅格确定终选裸地栅格；
从所述原始遥感解译图像中剔除所述终选裸地栅格，获得城市不透水面。
可选地，所述根据所述高坡度栅格确定终选裸地栅格，具体包括：
将相互连通的所述高坡度栅格作为栅格连通域，筛选出大于预设面积的所述栅格连通域作为裸地核；
在所述裸地核第一设定范围内基于栅格坡度加权距离建立第一缓冲区；
在所述第一缓冲区内提取所述裸地核以及与所述裸地核连通的原始不透水面栅格作为备选裸地栅格；
在所述备选裸地栅格第二设定范围内建立第二缓冲区；
在所述第二缓冲区内筛选出终选裸地栅格；将面积占比大于设定占比的备选裸地栅格作为所述终选裸地栅格。
可选地，计算栅格坡度加权距离的具体公式为：
L＝Pr·Ps；
其中，L为栅格坡度加权距离，Pr为像元空间分辨率，栅格对角线相邻时Pr需乘
Figure BDA0002841484730000021
单位为m，Ps为像元坡度值，单位为°。
可选地，计算面积占比的具体公式为：
Figure BDA0002841484730000022
其中，R为备选裸地栅格面积占比，S为第二缓冲区范围内原始不透水面总面积，单位为m2，SC为备选裸地栅格面积，单位为m2。
本发明还提供一种城市不透水面提取系统，所述系统包括：
区域坡度栅格确定模块，用于利用数字高程模型DEM生成区域坡度栅格；
获取模块，用于获取含有错分裸地的不透水面的原始遥感解译图像；所述原始遥感解译图像包括多个原始不透水面栅格；
掩膜裁剪模块，用于利用所述原始遥感解译图像对区域坡度栅格进行掩膜裁剪，获取对应子区域坡度栅格；
高坡度栅格提取模块，用于从裁剪后的子区域坡度栅格中提取高坡度栅格；将大于预设坡度栅格的原始不透水面栅格作为所述高坡度栅格；
终选裸地栅格确定模块，用于根据所述高坡度栅格确定终选裸地栅格；
剔除模块，用于从所述原始遥感解译图像中剔除所述终选裸地栅格，获得城市不透水面。
可选地，所述终选裸地栅格确定模块，具体包括：
裸地核确定单元，用于将相互连通的所述高坡度栅格作为栅格连通域，筛选出大于预设面积的所述栅格连通域作为裸地核；
第一缓冲区建立单元，用于在所述裸地核第一设定范围内基于栅格坡度加权距离建立第一缓冲区；
备选裸地栅格确定单元，用于在所述第一缓冲区内提取所述裸地核以及与所述裸地核连通的原始不透水面栅格作为备选裸地栅格；
第二缓冲区建立单元，用于在所述备选裸地栅格第二设定范围内建立第二缓冲区；
终选裸地栅格定单元，用于在所述第二缓冲区内筛选出终选裸地栅格；将面积占比大于设定占比的备选裸地栅格作为所述终选裸地栅格。
可选地，计算栅格坡度加权距离的具体公式为：
L＝Pr·Ps；
其中，L为栅格坡度加权距离，Pr为像元空间分辨率，栅格对角线相邻时Pr需乘
Figure BDA0002841484730000031
单位为m，Ps为像元坡度值，单位为°。
可选地，计算面积占比的具体公式为：
Figure BDA0002841484730000032
其中，R为备选裸地栅格面积占比，S为第二缓冲区范围内原始不透水面总面积，单位为m2，SC为备选裸地栅格面积，单位为m2。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供一种城市不透水面提取方法及系统，方法包括：利用数字高程模型DEM生成区域坡度栅格；利用所述原始遥感解译图像对区域坡度栅格进行掩膜裁剪，获取对应子区域坡度栅格；从裁剪后的子区域坡度栅格中提取高坡度栅格；将大于预设坡度栅格的原始不透水面栅格作为所述高坡度栅格；根据所述高坡度栅格确定终选裸地栅格；从所述原始遥感解译图像中剔除所述终选裸地栅格，获得城市不透水面。本发明能够快速、批量区分不透水面和山坡裸地，提高了提取城市不透水面的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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1城市不透水面提取方法流程图；
图2为本发明实施例1终选裸地提取线化示意图；
图3为本发明实施例2城市不透水面提取系统结构图；
图4为本发明实施例3输入含有错分裸地的不透水面的遥感图像示意图；
图5为本发明实施例3高坡度栅格示意图；
图6为本发明实施例3裸地核示意图；
图7为本发明实施例3终选裸地示意图；
图8为本发明实施例3提取城市不透水面示意图。
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。
本发明的目的是提供一种城市不透水面提取方法及系统，以提高提取城市不透水面的准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1-2所示，本发明公开一种城市不透水面提取方法，所述方法包括：
步骤S1：利用数字高程模型DEM生成区域坡度栅格。
步骤S2：获取含有错分裸地的不透水面的原始遥感解译图像(即原始不透水表面图层)；所述原始遥感解译图像包括多个原始不透水面栅格(不透水表面栅格)。本实施例中原始遥感解译图像为现有数据。
步骤S3：利用所述原始遥感解译图像对区域坡度栅格进行掩膜裁剪，获取对应子区域坡度栅格。
步骤S4：从裁剪后的子区域坡度栅格中提取高坡度栅格；将大于预设坡度栅格的原始不透水面栅格作为所述高坡度栅格。
步骤S5：根据所述高坡度栅格确定终选裸地栅格。
步骤S6：从所述原始遥感解译图像中剔除所述终选裸地栅格，获得城市不透水面。
步骤S5：根据所述高坡度栅格确定终选裸地栅格，具体包括：
步骤S51：将相互连通的所述高坡度栅格作为栅格连通域，筛选出大于预设面积的所述栅格连通域作为裸地核(即裸地核栅格)。
步骤S52：在所述裸地核第一设定范围内基于栅格坡度加权距离建立第一缓冲区(即加权距离缓冲区)。
步骤S53：在所述第一缓冲区内提取所述裸地核以及与所述裸地核连通的原始不透水面栅格作为备选裸地栅格。
步骤S54：在所述备选裸地栅格第二设定范围内建立第二缓冲区(即面积占比缓冲区)。
步骤S55：在所述第二缓冲区内筛选出终选裸地栅格；将面积占比大于设定占比的备选裸地栅格作为所述终选裸地栅格。
本发明实施例中两栅格空间上满足东、南、西、北、东北、东南、西北、西南8个方向之中任意一个方向邻接，则认为这两个栅格相互连通。
本实施例中计算栅格坡度加权距离的具体公式为：
L＝Pr·Ps；
其中，L为栅格坡度加权距离，Pr为像元空间分辨率，栅格对角线相邻时Pr需乘
Figure BDA0002841484730000051
单位为m，Ps为像元坡度值，单位为°。
本实施例中计算面积占比的具体公式为：
Figure BDA0002841484730000052
其中，R为备选裸地栅格面积占比，S为第二缓冲区范围内原始不透水面总面积，单位为m2，SC为备选裸地栅格面积，单位为m2。
实施例2
如图3所示，本发明还提供一种城市不透水面提取系统，所述系统包括：
区域坡度栅格确定模块301，用于利用数字高程模型DEM生成区域坡度栅格。
获取模块302，用于获取含有错分裸地的不透水面的原始遥感解译图像；所述原始遥感解译图像包括多个原始不透水面栅格。
掩膜裁剪模块303，用于利用所述原始遥感解译图像对区域坡度栅格进行掩膜裁剪，获取对应子区域坡度栅格。
高坡度栅格提取模块304，用于从裁剪后的子区域坡度栅格中提取高坡度栅格；将大于预设坡度栅格的原始不透水面栅格作为所述高坡度栅格。
终选裸地栅格确定模块305，用于根据所述高坡度栅格确定终选裸地栅格。
剔除模块306，用于从所述原始遥感解译图像中剔除所述终选裸地栅格，获得城市不透水面。
作为一种可选的实施方式，本发明所述终选裸地栅格确定模块305，具体包括：
裸地核确定单元，用于将相互连通的所述高坡度栅格作为栅格连通域，筛选出大于预设面积的所述栅格连通域作为裸地核。
第一缓冲区建立单元，用于在所述裸地核第一设定范围内基于栅格坡度加权距离建立第一缓冲区。
备选裸地栅格确定单元，用于在所述第一缓冲区内提取所述裸地核以及与所述裸地核连通的原始不透水面栅格作为备选裸地栅格。
第二缓冲区建立单元，用于在所述备选裸地栅格第二设定范围内建立第二缓冲区。
终选裸地栅格定单元，用于在所述第二缓冲区内筛选出终选裸地栅格；将面积占比大于设定占比的备选裸地栅格作为所述终选裸地栅格。
本实施中计算栅格坡度加权距离的具体公式为：
L＝Pr·Ps；
其中，L为栅格坡度加权距离，Pr为像元空间分辨率，栅格对角线相邻时Pr需乘
Figure BDA0002841484730000071
单位为m，Ps为像元坡度值，单位为°。
本实施中计算面积占比的具体公式为：
Figure BDA0002841484730000072
其中，R为备选裸地栅格面积占比，S为第二缓冲区范围内原始不透水面总面积，单位为m2，SC为备选裸地栅格面积，单位为m2。
实施例3
利用本发明城市不透水面提取方法的自动剔除被错分为不透水面的大块山坡裸地，以采用光谱指数法解译的某地区含有错分裸地像元的30m分辨率不透水面的遥感图像为输入数据，为方便显示与描述只截取部分如图4所示(图中框选区域为裸地)，以同区域、同空间分辨率的SRTMGL1 v3.0数据为输入的数字高程模型(DEM)，具体步骤如下：
(1)使用数字高程模型DEM生成区域坡度栅格。
(2)对含有错分裸地的不透水面的原始遥感解译图像进行裁剪，获取对应的坡度栅格。
(3)以15°为阈值进行筛选坡度栅格，选取大于15°阈值的部分为高坡度栅格，如图5所示。
(4)将相互连通的高坡度栅格视为单一对象(栅格连通域)，筛选面积大于10000m2预设阈值的对象为裸地核，如图6所示。
(5)以1000为加权距离阈值建立第一缓冲区，将高坡度栅格周边与其连通的所有原始不透水面栅格提取为备选裸地栅格。
(6)在备选裸地栅格外围生成500m第二缓冲区，并计算第二缓冲区内备选裸地栅格面积占比，将面积占比不小于50％的备选裸地栅格作为终选裸地栅格，如图7所示。
(7)从所述原始遥感解译图像中剔除所述终选裸地栅格，获得城市不透水面，如图8所示。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种城市不透水面提取方法，其特征在于，所述方法包括：
利用数字高程模型DEM生成区域坡度栅格；
获取含有错分裸地的不透水面的原始遥感解译图像；所述原始遥感解译图像包括多个原始不透水面栅格；
利用所述原始遥感解译图像对区域坡度栅格进行掩膜裁剪，获取对应子区域坡度栅格；
从裁剪后的子区域坡度栅格中提取高坡度栅格；将大于预设坡度栅格的原始不透水面栅格作为所述高坡度栅格；
根据所述高坡度栅格确定终选裸地栅格；
从所述原始遥感解译图像中剔除所述终选裸地栅格，获得城市不透水面。
2.根据权利要求1所述的城市不透水面提取方法，其特征在于，所述根据所述高坡度栅格确定终选裸地栅格，具体包括：
将相互连通的所述高坡度栅格作为栅格连通域，筛选出大于预设面积的所述栅格连通域作为裸地核；
在所述裸地核第一设定范围内基于栅格坡度加权距离建立第一缓冲区；
在所述第一缓冲区内提取所述裸地核以及与所述裸地核连通的原始不透水面栅格作为备选裸地栅格；
在所述备选裸地栅格第二设定范围内建立第二缓冲区；
在所述第二缓冲区内筛选出终选裸地栅格；将面积占比大于设定占比的备选裸地栅格作为所述终选裸地栅格。
3.根据权利要求2所述的城市不透水面提取方法，其特征在于，计算栅格坡度加权距离的具体公式为：
L＝Pr·Ps；
其中，L为栅格坡度加权距离，Pr为像元空间分辨率，栅格对角线相邻时Pr需乘
Figure FDA0002841484720000011
单位为m，Ps为像元坡度值，单位为°。
4.根据权利要求2所述的城市不透水面提取方法，其特征在于，计算面积占比的具体公式为：
Figure FDA0002841484720000021
其中，R为备选裸地栅格面积占比，S为第二缓冲区范围内原始不透水面总面积，单位为m2，SC为备选裸地栅格面积，单位为m2。
5.一种城市不透水面提取系统，其特征在于，所述系统包括：
区域坡度栅格确定模块，用于利用数字高程模型DEM生成区域坡度栅格；
获取模块，用于获取含有错分裸地的不透水面的原始遥感解译图像；所述原始遥感解译图像包括多个原始不透水面栅格；
掩膜裁剪模块，用于利用所述原始遥感解译图像对区域坡度栅格进行掩膜裁剪，获取对应子区域坡度栅格；
高坡度栅格提取模块，用于从裁剪后的子区域坡度栅格中提取高坡度栅格；将大于预设坡度栅格的原始不透水面栅格作为所述高坡度栅格；
终选裸地栅格确定模块，用于根据所述高坡度栅格确定终选裸地栅格；
剔除模块，用于从所述原始遥感解译图像中剔除所述终选裸地栅格，获得城市不透水面。
6.根据权利要求5所述的城市不透水面提取系统，其特征在于，所述终选裸地栅格确定模块，具体包括：
裸地核确定单元，用于将相互连通的所述高坡度栅格作为栅格连通域，筛选出大于预设面积的所述栅格连通域作为裸地核；
第一缓冲区建立单元，用于在所述裸地核第一设定范围内基于栅格坡度加权距离建立第一缓冲区；
备选裸地栅格确定单元，用于在所述第一缓冲区内提取所述裸地核以及与所述裸地核连通的原始不透水面栅格作为备选裸地栅格；
第二缓冲区建立单元，用于在所述备选裸地栅格第二设定范围内建立第二缓冲区；
终选裸地栅格定单元，用于在所述第二缓冲区内筛选出终选裸地栅格；将面积占比大于设定占比的备选裸地栅格作为所述终选裸地栅格。
7.根据权利要求6所述的城市不透水面提取系统，其特征在于，计算栅格坡度加权距离的具体公式为：
L＝Pr·Ps；
其中，L为栅格坡度加权距离，Pr为像元空间分辨率，栅格对角线相邻时Pr需乘
Figure FDA0002841484720000031
单位为m，Ps为像元坡度值，单位为°。
8.根据权利要求6所述的城市不透水面提取系统，其特征在于，计算面积占比的具体公式为：
Figure FDA0002841484720000032
其中，R为备选裸地栅格面积占比，S为第二缓冲区范围内原始不透水面总面积，单位为m2，SC为备选裸地栅格面积，单位为m2。
CN202011493744.3A 2020-12-17 2020-12-17 一种城市不透水面提取方法及系统 Active CN112560873B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011493744.3A CN112560873B (zh) 2020-12-17 2020-12-17 一种城市不透水面提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011493744.3A CN112560873B (zh) 2020-12-17 2020-12-17 一种城市不透水面提取方法及系统

Publications (2)

Publication Number Publication Date
CN112560873A true CN112560873A (zh) 2021-03-26
CN112560873B CN112560873B (zh) 2021-08-06

Family

ID=75064361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011493744.3A Active CN112560873B (zh) 2020-12-17 2020-12-17 一种城市不透水面提取方法及系统

Country Status (1)

Country Link
CN (1) CN112560873B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495412A (zh) * 2011-11-23 2012-06-13 中国科学院地理科学与资源研究所 一种多尺度不透水地表信息协同遥感反演方法
CN102521273A (zh) * 2011-11-23 2012-06-27 中国科学院地理科学与资源研究所 一种高分辨率遥感的多功能城市用地空间信息生成方法
WO2014031870A2 (en) * 2012-08-22 2014-02-27 University Of Alaska Management of tax information based on topographical information
CN108629818A (zh) * 2018-04-27 2018-10-09 福州大学 一种大范围不透水面百分比变化量快速制图技术
CN108830871A (zh) * 2018-05-25 2018-11-16 南京师范大学 基于高分辨率遥感影像和dem的黄土浅沟自动化提取方法
CN109446934A (zh) * 2018-10-12 2019-03-08 北京英视睿达科技有限公司 水环境监管方法和系统
CN109801296A (zh) * 2019-01-14 2019-05-24 中国科学院地理科学与资源研究所 一种海绵城市建设下垫面嵌套式遥感精细化制图方法
CN110175370A (zh) * 2019-05-05 2019-08-27 东南大学 一种城市汇水潜力区识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495412A (zh) * 2011-11-23 2012-06-13 中国科学院地理科学与资源研究所 一种多尺度不透水地表信息协同遥感反演方法
CN102521273A (zh) * 2011-11-23 2012-06-27 中国科学院地理科学与资源研究所 一种高分辨率遥感的多功能城市用地空间信息生成方法
WO2014031870A2 (en) * 2012-08-22 2014-02-27 University Of Alaska Management of tax information based on topographical information
CN108629818A (zh) * 2018-04-27 2018-10-09 福州大学 一种大范围不透水面百分比变化量快速制图技术
CN108830871A (zh) * 2018-05-25 2018-11-16 南京师范大学 基于高分辨率遥感影像和dem的黄土浅沟自动化提取方法
CN109446934A (zh) * 2018-10-12 2019-03-08 北京英视睿达科技有限公司 水环境监管方法和系统
CN109801296A (zh) * 2019-01-14 2019-05-24 中国科学院地理科学与资源研究所 一种海绵城市建设下垫面嵌套式遥感精细化制图方法
CN110175370A (zh) * 2019-05-05 2019-08-27 东南大学 一种城市汇水潜力区识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHENGBIN DENG: "Continuous subpixel monitoring of urban impervious surface using Landsat time series", 《REMOTE SENSING OF ENVIRONMENT》 *
唐铃等: "全球地表坡度频率分布数据集", 《全球变化数据学报(中英文)》 *
徐涵秋等: "地表不透水面信息遥感的主要方法分析", 《遥感学报》 *

Also Published As

Publication number Publication date
CN112560873B (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
Shahid et al. Groundwater potential modelling in a soft rock area using a GIS
Tang et al. Landslides induced by the Wenchuan earthquake and the subsequent strong rainfall event: A case study in the Beichuan area of China
Pareek et al. Impact of seismic factors on landslide susceptibility zonation: a case study in part of Indian Himalayas
CN102622738B (zh) 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法
Pophare et al. Morphometric analysis of Suketi river basin, Himachal Himalaya, India
CN109992635B (zh) 一种震后泥石流早期识别方法
Al-Kouri et al. Geospatial modeling for sinkholes hazard map based on GIS & RS data
Romshoo et al. Integration of social, economic and environmental factors in GIS for land degradation vulnerability assessment in the Pir Panjal Himalaya, Kashmir, India
CN112381393A (zh) 一种山区生态保护红线划定优化方法
AbdelRahman et al. A GIS based model for land evaluation mapping: a case study North Delta Egypt.
da Cunha et al. Morphometric characterization of a watershed through SRTM data and geoprocessing technique
Dauteuil et al. Structural pattern of the Saïss basin and Tabular Middle Atlas in northern Morocco: hydrological implications
CN111428582A (zh) 一种利用互联网街景照片计算城市天空开阔度的方法
Shi-Bo et al. Control of vegetation distribution: climate, geological substrate, and geomorphic factors. A case study of grassland in Ordos, Inner Mongolia, China
Yar et al. Modification of land use/land cover and its impact on groundwater in Peshawar City, Pakistan
CN112560873B (zh) 一种城市不透水面提取方法及系统
Sadaf et al. Appraisal of ground water potential through remote sensing in River Basin, Pakistan
Nag et al. Decipherment of potential zones for groundwater occurrence: a study in Khatra Block, Bankura District, West Bengal, using geospatial techniques
El-Hadidy et al. Expected Spatio-temporal variation of groundwater deficit by integrating groundwater modeling, remote sensing, and GIS techniques
Ejepu et al. Integration of geology, remote sensing and geographic information system in assessing groundwater potential of Paiko sheet 185 north-Central Nigeria
JP2003140544A (ja) 特徴的地形の判別方法とその装置
Jasrotia et al. Morphometric analysis and hydrogeomorphology for delineating groundwater potential zones of Western Doon Valley, Uttarakhand, India
Vittala et al. Digital Elevation Model (DEM) for identification of groundwater prospective zones
Zhang et al. Analyzing the contribution of high resolution water range in dividing catchment based on D8 algorithm
Bhowmick et al. Detection and interpretation of lineaments using remote sensing and GIS techniques in Amessa Guracha Watershed of the Main Ethiopian Rift Valley, East Africa

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