CN112729145A - 一种确定滑坡位移与库区水位波动关系的方法 - Google Patents
一种确定滑坡位移与库区水位波动关系的方法 Download PDFInfo
- Publication number
- CN112729145A CN112729145A CN202011517472.6A CN202011517472A CN112729145A CN 112729145 A CN112729145 A CN 112729145A CN 202011517472 A CN202011517472 A CN 202011517472A CN 112729145 A CN112729145 A CN 112729145A
- Authority
- CN
- China
- Prior art keywords
- water level
- landslide
- displacement
- reservoir
- data
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 121
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011160 research Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000013507 mapping Methods 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/284—Electromagnetic waves
- G01F23/292—Light, e.g. infrared or ultraviolet
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Thermal Sciences (AREA)
- Fluid Mechanics (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明属于遥感测绘领域，具体涉及一种确定滑坡形变与库区水位波动关系的方法，本方法通过采用SBAS‑InSAR方法对研究区处理，计算得到滑坡位移数据；并利用多元遥感数据提取水位信息，获取具体滑坡周边水位数据；最后通过建模分析水位波动条件下库区滑坡位移的变形规率。本发明方法解决了现有相关研究中运用单点监测水位代替特定滑坡周边水位的问题，从新视角分析库水位波动条件下库区滑坡形变规律，为区域监测预警提供新思路。
Description
技术领域
本发明属于遥感测绘领域，具体涉及一种确定滑坡形变与库区水位波动关系的方法。
背景技术
由于能源紧缺和环境保护等方面的需求,世界上很多国家非常重视水利水电工程建设。然而,水电站在解决能源问题的同时也改变了区域自然环境条件,可能带来一些新的地质环境问题,其中库区岸坡稳定性一直是水利水电工程备受关注的问题之一。水库蓄水后引发坝体失稳破坏案例数不胜数，Malpasset大坝、Buffalo Creek Dam大坝、Vajoint水库、塘岩光水库和溪洛渡水电站等因蓄水诱发的坝体失稳破坏或库岸滑坡造成了数以千计的人员死亡和经济损失。现有的研究表明，水库水位的波动，如水位的快速下降，会降低坡体的稳定性，不仅增加了老滑坡的复活率，还会诱发新的滑坡，使水库成为主要的地质灾害易发区和高风险区。
传统的库水位波动对滑坡变形的影响研究集中在单点的监测，很少利用集成的遥感手段进行区域性的分析，目前SAR影像和光学遥感影像可用于提取水体信息，SAR影像虽然具有全天时、全天候和成像不受云雾影响等特点，可以获得与InSAR形变相同的时间序列，但是山区阴影，风积沙等呈现出跟水体一样的低后向散射体系数，这些干扰信息极大的影响水体提取的精确性。光学遥感影像已被广泛运用于洪涝灾害监测和湿地水体边界提取等方面，但前人研究主要集中于识别水体信息或者提取大范围面状水域，对于某区域的具体水位缺乏深入研究。
发明内容
针对背景技术中的问题，本发明提供了一种确定滑坡形变与库区水位波动关系的方法，利用多元遥感数据提取水位信息，获取某具体滑坡周边水位数据，具体分析水位变化对滑坡形变的影响，该研究成果克服了传统单点监测的不足，可为水位波动条件下的区域库岸滑坡的监测预警提供新的思路。
为实现上述目的，本发明采用的技术方案如下所述：
一种确定滑坡位移与库区水位波动关系的方法,通过采用SBAS-InSAR方法对研究区处理，计算得到滑坡累积位移；并利用多元遥感数据提取水位信息，获取具体滑坡周边水位波动数据；最后通过建模分析水位波动条件下库区滑坡累积位移的变形规率。
包括以下步骤
S1.运用SABS-InSAR技术获得覆盖研究区的平均位移速率，绘制位移速率图，圈定形变区域，计算滑坡累积位移；
S2.选择覆盖研究区的多元遥感数据；
S3.计算归一化差分水体指数，得到水体分布图，通过对水体分布图处理得到不同时期的水体边界；
S4.利用DEM建模，将水体边界和DEM相叠加，获取不同时期库水位数据；
S5.分析水位波动条件下库区滑坡累积位移的变形规率。
所述多元遥感数据包括Landsat8-OLI数据和Sentinel-2数据。
所述多远遥感数据的遥感影像时间早于SAR影像3-7天。
所述水体分布图的影像灰度值通过阈值分割后，确定不同时期的水体边界。
所述S4具体包括：
S401.获得DEM数据，提高水位计算过程中数据精度；
S402.运用ArcGIS中的3D分析工具进行地形阴影建模，参数设置中设置方位角和太阳高度，勾选模拟阴影选项，计算地形阴影，对地形阴影进行重分类，单元栅格中赋值为0的区域表示阴影区；
S403.将初次得到的水体边界和阴影区叠加，除去阴影区误提取的水体边界；
S404.将最终得到的水体边界和DEM叠加，得到覆盖整个库区的水位数据，再接着以更小的边界范围进行掩摸提取，得到某特定滑坡周边的水位数据。
所述水位波动条件包括水位增长阶段和下降阶段，根据水位变化规律确定库区水位增长阶段和下降阶段，分别计算对应时间段内滑坡的日位移速率，比较水位上升和下降时期滑坡日位移速率的大小，从而分析水位变化对滑坡位移的影响规律。
本发明的有益效果为：本发明首先通过Landsat8-OLI和Sentinel-2影像计算归一化水体指数，再利用DEM建模去除误提取的山体阴影，得到水体边界，进而得到某特定滑坡周边的水位数据，对大多数研究中提取的大范围的面状数据方法进行改进。其次使用SBAS-InSAR方法获得研究区滑坡形变速率。该方法的提出提高了滑坡位移数据和水位数据获取的速度，克服了传统监测方法获取数据耗时长，监测范围小，费用高等问题，从新视角分析库水位波动条件下库区滑坡形变规律，为滑坡监测预警提供新思路。
附图说明
图1为本发明方法的流程图；
图2为实施例计算的NDWI二值化图；
图3为实施例NDWI阈值分割图
图4为实施例不同阈值分割范围下库区水体边界；
图5为实施例DEM建模去除阴影图
图6为实施例水位边界与DEM叠加图
图7为实施例的累积滑坡位移图；
图8为实施例典型滑坡位移与水位变化关系图
图9为实施例水位下降阶段与滑坡位移相关性。
具体实施方式
下面结合附图并通过具体的实施例进一步的说明本发明的技术方案：
实施例1：
如图1所示，本发明实施例提供的一种确定滑坡形变与库区水位波动关系的方法，包括以下步骤：
本实施例选取两种高分辨率光学影像，分别是Landsat8-OLI影像和Sentinel-2影像。在计算归一化差分水体指数之前，对两种影像进行预处理。首先，用覆盖研究区的矢量边界裁剪Landsat8-OLI数据和Sentinel-2数据，减小工作量，提高处理速度；在计算归一化水体差分指数(NDWI)之前需要对两种影像预处理：Landsat8-OLI影像预处理在ENVI软件中进行，主要包括辐射定标和大气校正，Sentinel-2影像预处理在SNAP软件中进行，首先将原始Sentinel-2影像重采样为相同分辨，再用Sen2cor插件进行大气校正，对经过预处理的两种影像计算NDWI，公式为：
NDWI＝(Green-NIR)/(Green+NIR)
NDWI>0,为水体，NDWI<0为非水体，Green为绿光波段，NIR为近红外波段。
Sentinel-2数据的近红外波段用波普值相似的B8波段代替，将计算得到的归一化差分水体文件数输出为GeoTiff格式，将Landsat8-OLI数据和Sentinel-2数据得到的NDWI图像加载到ENVI软件中进行阈值分割，在ENVI工具栏里找到兴趣区域(Region ofinterest)工具，选择阈值窗口，添加要进行阈值分割的文件，弹出选择阈值参数窗口，选择阈值区间的最小值和最大值。将得到的RIO区域输出为Shpfile格式，方便其在ArcGIS中进行下一步处理。运用7.73米的DEM数据模拟山体阴影，山体阴影计算运用ArcGIS中的3D分析工具进行地形阴影建模，通过设置方位角和太阳高度，勾选模拟阴影选项，计算实施例阴影区，对得到的结果进行重分类。单元栅格中赋值为0的区域表示阴影区。将初次得到的水体边界和DEM阴影区叠加，除去阴影区误提取的水体边界。将除去阴影后的水体边界与DEM叠加，进行掩摸提取，得到库区不同时期的水位数据。再接着对得到的整个库区的水体栅格数据以2km的边界范围进行掩摸提取，得到某特定滑坡周边的水位数据，对其构建栅格属性表，得到每一个栅格像元的属性值，具体计算特定滑坡周围的平均水位。
运用SBAS-InSAR方法对研究区进行处理，得到该区域年平均形变速率，确定形变区域，计算滑坡累积位移。首先是基础数据准备，下载覆盖研究区的高精度的DEM数据，高分辨率的Sentinel-1A影像和精密轨道数据。在SARscape中对数据进行裁剪，生成干涉图，去除地形相位，大气相位和噪声相位，采用3D解缠方法进行相位解缠，轨道精炼和重去平等步骤得到实施例位移速率，将得到的时序位移结果加载到ArcGIS根据相干点目标的平均值和标准差确定稳定阈值，通过分级设色得到实施例形变速率分布图，最后圈定发生形变的滑坡，得到某一滑坡的位移时间序列。
分析水位波动条件下库区滑坡位移的变化规律：首先，根据水位变化规律确定库区水位增长阶段和下降阶段，分别计算对应时间段内滑坡的日位移速率，比较水位上升和下降时期滑坡日位移速率的大小，从而分析水位变化对滑坡位移的影响规律；接着计算水位上升时期和水位下降时期水位变化和滑坡位移的相关性，相关性系数的取值范围为(-1，+1)，当相关系数小于0时，称为负相关；大于0时，称为正相关，相关系数R越大，表明两者之间的关系越密切。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种确定滑坡位移与库区水位波动关系的方法,其特征在于：通过采用SBAS-InSAR方法对研究区处理，计算得到滑坡累积位移；并利用多元遥感数据提取水位信息，获取具体滑坡周边水位波动数据；最后通过建模分析水位波动条件下库区滑坡累积位移的变形规率。
2.根据权利要求1所述的一种确定滑坡位移与库区水位波动关系的方法,其特征在于：包括以下步骤
S1.运用SABS-InSAR技术获得覆盖研究区的平均位移速率，绘制位移速率图，圈定形变区域，计算滑坡累积位移；
S2.选择覆盖研究区的多元遥感数据；
S3.计算归一化差分水体指数，得到水体分布图，通过对水体分布图处理得到不同时期的水体边界；
S4.利用DEM建模，将水体边界和DEM相叠加，获取不同时期库水位数据；
S5.分析水位波动条件下库区滑坡累积位移的变形规率。
3.根据权利要求1所述的一种确定滑坡位移与库区水位波动关系的方法,其特征在于：所述多元遥感数据包括Landsat8-OLI数据和Sentinel-2数据。
4.根据权利要求3所述的一种确定滑坡位移与库区水位波动关系的方法,其特征在于：所述多远遥感数据的遥感影像时间早于SAR影像3-7天。
5.根据权利要求1所述的一种确定滑坡位移与库区水位波动关系的方法,其特征在于：所述水体分布图的影像灰度值通过阈值分割后，确定不同时期的水体边界。
6.根据权利要求1所述的一种确定滑坡位移与库区水位波动关系的方法,其特征在于：所述S4具体包括：
S401.获得DEM数据，提高水位计算过程中数据精度；
S402.运用ArcGIS中的3D分析工具进行地形阴影建模，参数设置中设置方位角和太阳高度，勾选模拟阴影选项，计算地形阴影，对地形阴影进行重分类，单元栅格中赋值为0的区域表示阴影区；
S403.将初次得到的水体边界和阴影区叠加，除去阴影区误提取的水体边界；
S404.将最终得到的水体边界和DEM叠加，得到覆盖整个库区的水位数据，再以边界范围进行掩摸提取，得到某特定滑坡周边的水位数据。
7.根据权利要求1所述的一种确定滑坡位移与库区水位波动关系的方法,其特征在于：所述水位波动条件包括水位增长阶段和下降阶段，根据水位变化规律确定库区水位增长阶段和下降阶段，分别计算对应时间段内滑坡的日位移速率，比较水位上升和下降时期滑坡日位移速率的大小，分析水位变化对滑坡位移的影响规律。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011517472.6A CN112729145B (zh) | 2020-12-21 | 2020-12-21 | 一种确定滑坡位移与库区水位波动关系的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011517472.6A CN112729145B (zh) | 2020-12-21 | 2020-12-21 | 一种确定滑坡位移与库区水位波动关系的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112729145A true CN112729145A (zh) | 2021-04-30 |
| CN112729145B CN112729145B (zh) | 2022-03-11 |
Family
ID=75603779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011517472.6A Active CN112729145B (zh) | 2020-12-21 | 2020-12-21 | 一种确定滑坡位移与库区水位波动关系的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112729145B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101359052A (zh) * | 2008-09-02 | 2009-02-04 | 武汉大学 | 一种库容监测方法 |
| CA2652639A1 (en) * | 2008-02-06 | 2009-08-06 | Halliburton Energy Services, Inc. | Geodesy via gps and insar integration |
| US20120144898A1 (en) * | 2010-12-14 | 2012-06-14 | Roger Brasel | Flow sentinel |
| CN103363962A (zh) * | 2013-07-23 | 2013-10-23 | 中国科学院遥感与数字地球研究所 | 一种基于多光谱影像的湖泊水储量遥感估算方法 |
| CN104217426A (zh) * | 2014-08-18 | 2014-12-17 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 |
| US20170356733A1 (en) * | 2016-09-02 | 2017-12-14 | Amirkabir University of Technology | Detection of radial deformations of transformers |
| CN107688776A (zh) * | 2017-07-21 | 2018-02-13 | 同济大学 | 一种城市水体提取方法 |
| CN108537795A (zh) * | 2018-04-23 | 2018-09-14 | 中国科学院地球化学研究所 | 一种山区河流信息提取方法 |
| CN108647738A (zh) * | 2018-05-17 | 2018-10-12 | 中国科学院遥感与数字地球研究所 | 基于多指数的全球尺度遥感影像水体智能提取方法 |
| CN108919262A (zh) * | 2018-04-27 | 2018-11-30 | 中国国土资源航空物探遥感中心 | Dem辅助强度相关的冰川表面运动三维矢量反演方法 |
| CN109374564A (zh) * | 2018-08-20 | 2019-02-22 | 广州地理研究所 | 一种多源遥感数据城市不透水面提取方法 |
| CN109635325A (zh) * | 2018-11-06 | 2019-04-16 | 青岛理工大学 | 基于复合水动力与位移监测的水库型滑坡稳定性预测方法 |
| KR102118335B1 (ko) * | 2019-11-22 | 2020-06-03 | 대한민국 | 토지이용과 공간분석을 이용한 지반변위 안전지역 분석 장치 및 그 방법 |
| CN111881816A (zh) * | 2020-07-27 | 2020-11-03 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种长时序的河湖围埂养殖区域监测方法 |
-
2020
- 2020-12-21 CN CN202011517472.6A patent/CN112729145B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2652639A1 (en) * | 2008-02-06 | 2009-08-06 | Halliburton Energy Services, Inc. | Geodesy via gps and insar integration |
| CN101359052A (zh) * | 2008-09-02 | 2009-02-04 | 武汉大学 | 一种库容监测方法 |
| US20120144898A1 (en) * | 2010-12-14 | 2012-06-14 | Roger Brasel | Flow sentinel |
| CN103363962A (zh) * | 2013-07-23 | 2013-10-23 | 中国科学院遥感与数字地球研究所 | 一种基于多光谱影像的湖泊水储量遥感估算方法 |
| CN104217426A (zh) * | 2014-08-18 | 2014-12-17 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 |
| US20170356733A1 (en) * | 2016-09-02 | 2017-12-14 | Amirkabir University of Technology | Detection of radial deformations of transformers |
| CN107688776A (zh) * | 2017-07-21 | 2018-02-13 | 同济大学 | 一种城市水体提取方法 |
| CN108537795A (zh) * | 2018-04-23 | 2018-09-14 | 中国科学院地球化学研究所 | 一种山区河流信息提取方法 |
| CN108919262A (zh) * | 2018-04-27 | 2018-11-30 | 中国国土资源航空物探遥感中心 | Dem辅助强度相关的冰川表面运动三维矢量反演方法 |
| CN108647738A (zh) * | 2018-05-17 | 2018-10-12 | 中国科学院遥感与数字地球研究所 | 基于多指数的全球尺度遥感影像水体智能提取方法 |
| CN109374564A (zh) * | 2018-08-20 | 2019-02-22 | 广州地理研究所 | 一种多源遥感数据城市不透水面提取方法 |
| CN109635325A (zh) * | 2018-11-06 | 2019-04-16 | 青岛理工大学 | 基于复合水动力与位移监测的水库型滑坡稳定性预测方法 |
| KR102118335B1 (ko) * | 2019-11-22 | 2020-06-03 | 대한민국 | 토지이용과 공간분석을 이용한 지반변위 안전지역 분석 장치 및 그 방법 |
| CN111881816A (zh) * | 2020-07-27 | 2020-11-03 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 一种长时序的河湖围埂养殖区域监测方法 |
Non-Patent Citations (3)
| Title |
|---|
| QUNMING WANG等: "Fusion of Landsat 8 OLI and Sentinel-2 MSI Data", 《IEEE JOURNALS & MAGAZINE》 * |
| 汤玲英: "基于面向对象方法的Sentinel数据在水体提取中的应用", 《中国优秀博硕士学位论文全文数据库（硕士） 基础科学辑》 * |
| 王振林: "基于小基线集InSar技术的锦屏水电站边坡形变探测与特征分析", 《中国优秀博硕士学位论文全文数据库（硕士） 工程科技II辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112729145B (zh) | 2022-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
| CN107730527B (zh) | 一种基于遥感卫星影像的高原地区冰湖提取方法 | |
| CN110427857B (zh) | 一种基于遥感数据融合的输电线路地质灾害分析方法 | |
| Chen et al. | Isolating individual trees in a savanna woodland using small footprint lidar data | |
| CN113034689A (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
| Ermolaev et al. | Cartographic model of river basins of European Russia | |
| CN107239659B (zh) | 一种基于改进的k-rusle模型与成土速率计算土壤侵蚀的方法 | |
| CN110569733B (zh) | 基于遥感大数据平台的湖泊长时序连续水域变化重建方法 | |
| CN111091079A (zh) | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 | |
| WO2013121340A1 (en) | Digital elevation model | |
| CN112001293A (zh) | 结合多尺度信息和编解码网络的遥感影像地物分类方法 | |
| CN116305902A (zh) | 一种基于多模态遥感的洪涝最大淹没水深空间模拟方法 | |
| CN112734819B (zh) | 一种适用于高分辨率遥感卫星dsm的地表滤波方法 | |
| Tian et al. | Impacts of satellite revisit frequency on spring phenology monitoring of deciduous broad-leaved forests based on vegetation index time series | |
| CN108681639A (zh) | 一种考虑局部变量和全局变量的动态降水降尺度方法 | |
| Kennaway et al. | Mapping land cover and estimating forest structure using satellite imagery and coarse resolution lidar in the Virgin Islands | |
| Wang et al. | Remote sensing unveils the explosive growth of global offshore wind turbines | |
| CN112729145B (zh) | 一种确定滑坡位移与库区水位波动关系的方法 | |
| CN117575982A (zh) | 一种基于多源高分遥感数据的森林小班边界优化方法 | |
| Saatchi et al. | Mapping landscape scale variations of forest structure, biomass, and productivity in Amazonia | |
| Kim et al. | Adaptive morphological filtering for DEM generation | |
| CN112836449B (zh) | 一种用于率定水文模型的方法 | |
| CN114596490A (zh) | 丘陵地形特征线提取方法、丘陵地dem精细化生产方法 | |
| CN114255247A (zh) | 基于改进Unet++网络模型的丘陵地块深度分割与提取方法 | |
| CN113255148A (zh) | 基于modis产品数据估算全天气气温及其时空分布方法 |
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 |