CN112884793B - 一种多时相多等级的城市温度遥感数据分析方法 - Google Patents

一种多时相多等级的城市温度遥感数据分析方法 Download PDF

Info

Publication number
CN112884793B
CN112884793B CN202110116160.2A CN202110116160A CN112884793B CN 112884793 B CN112884793 B CN 112884793B CN 202110116160 A CN202110116160 A CN 202110116160A CN 112884793 B CN112884793 B CN 112884793B
Authority
CN
China
Prior art keywords
temperature
average
level
analysis
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.)
Active
Application number
CN202110116160.2A
Other languages
English (en)
Other versions
CN112884793A (zh
Inventor
赵宗泽
王成
程钢
王双亭
王宏涛
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.)
Henan University of Technology
Original Assignee
Henan University of 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 Henan University of Technology filed Critical Henan University of Technology
Priority to CN202110116160.2A priority Critical patent/CN112884793B/zh
Publication of CN112884793A publication Critical patent/CN112884793A/zh
Priority to LU501980A priority patent/LU501980B1/en
Priority to PCT/CN2021/143579 priority patent/WO2022161105A1/zh
Application granted granted Critical
Publication of CN112884793B publication Critical patent/CN112884793B/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K3/00—Thermometers giving results other than momentary value of temperature
    • G01K3/02—Thermometers giving results other than momentary value of temperature giving means values; giving integrated values
    • G01K3/06—Thermometers giving results other than momentary value of temperature giving means values; giving integrated values in respect of space
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • G01K7/427—Temperature calculation based on spatial modeling, e.g. spatial inter- or extrapolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0092—Temperature by averaging, e.g. by scan
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Geology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种多时相多等级的城市温度遥感数据分析方法，包括采集温度遥感数据，数据初步分析，多等级连通性分析及属性统计分析等四个步骤。本发明较传统的城市温度检测分析方法，一方面有效实现了主要地物指数之间的对应关系综合分析，提高分析作业全面性和精度，另一方面克服传统同类工作中存在的数据运算量大、计算过程规范性差及计算数据全面差的缺点，从而极大的提高了城市温度遥感观测数据分析作业的工作效率、质量和精度，可广泛应用于各类城市规划作业，为城市规划工作提供准确的工作参考数据及依据，提高城市规划工作的工作效率、合理性，并降低城市规划工作的劳动强度和成本。

Description

一种多时相多等级的城市温度遥感数据分析方法
技术领域
本发明属于测绘及城市规划技术领域，具体涉及一种多时相多等级的城市温度遥感数据分析方法。
背景技术
温度作为城市环境的重要指标之一，对城市环境变化起着至关重要的作用。通过遥感影像的热红外波段数据反演地表温度，分析地表温度的变化，探讨地表温度与地表类型的关系。当前在地表温度分析中，许多学者进行了多时相分析，讨论了地表温度与地表类型的关系。然而，学者们还没有对温度数据进行多等级的分析，无法对高温区域进行单一的分析。
同时当前在进行城市温度分析作业时，往往忽视了对观测区域中地表物的特性、温度区域属性的分析，从而导致分析数据全面全面性差，从而导致对城市温度分析作业的精度差，数据分析运算难度大且分析作业工作效率低下，难以有效满足实际工作的需要。
因此，针对这一现状，迫切需要开发一种全新的城市温度遥感数据分析方法，以满足实际工作的需要。
发明内容
本发明提供一种多时相多等级的城市温度遥感数据分析方法，以解决背景技术存在的问题，本发明中通过采用进行多等级、多时相温度区域属性变化分析，分析高温区域属性的变化。最后，提出了一种多等级、多时相的遥感温度数据分析方法。
为实现以上技术目的，本发明提供以下技术方案：
一种多时相多等级的城市温度遥感数据分析方法，包括以下步骤：
S1，采集温度遥感数据，首先从相关数据库中获取待分析评测地区温度卫星遥感数据；
S2，数据初步分析，首先利用单通道和劈窗算法对S1进行分析计算，反演出待分析评测地区温度数据，同时结合相关波段生成待分析评测地区地表建筑和植被对应的属性信息；
S3，多等级连通性分析，利用阈值叠加处理方法对S2步骤获得的温度数据进行连通分析，分析过程中以1℃为等级间隔，生成多个温度等级上的二值影像，然后对生成的二值影像进行连通性分析，得到不同等级上的温度连通区域；
S4，属性统计分析，对S3步骤获得的各连通区域的属性信息进行统计分析，在分析过程中设
Figure BDA0002920050210000021
为第j层第i个连通区域，
Figure BDA0002920050210000022
为该区域的像素个数；Numj是在第j个温度等级下连通区域的数量；同时计算所有连通区域在各温度等级下的温度平均值、NDVI平均值和NDBI平均值，从而得到分析不同温度等级下温度和地物类型的指数变化，完成城市温度遥感数据分析作业。
进一步的，所述S1步骤中，数据库为地理空间数据库，获取的数据为Landsat陆地卫星数据。
进一步的，所述S2步骤中，待分析评测地区地表地物对应的属性信息包括植被指数和建筑物指数，其中：
植被指数需要利用红光和近红外波段，通过以下波段运算获取：
Figure BDA0002920050210000031
DNIR为近红外波段波谱值，DR为红光波段波谱值；
建筑物指数需要利用短波红外波段和近红外波段，通过波段运算进行获取：
Figure BDA0002920050210000032
DNIR为近红外波段波谱值，DSWIR1为第一个短波红外波段波谱值。
进一步的，所述S4步骤在进行属性信息分析时，所分析属性信息包括区域面积、区域平均温度、区域平均植被指数、区域平均植被指数、等级平均温度、等级平均植被指数及等级平均建筑物指数，具体分析函数为：
区域面积(区域的像素个数)：
Figure BDA0002920050210000033
区域平均温度(第j等级i连通区域的平均温度)：
Figure BDA0002920050210000034
区域平均植被指数(第j等级i连通区域的平均植被指数)：
Figure BDA0002920050210000035
区域平均植被指数(第j等级i连通区域的平均建筑物指数)：
Figure BDA0002920050210000036
等级平均温度(第j等级上所有连通区域的平均温度)：
Figure BDA0002920050210000041
等级平均植被指数(第j等级上所有连通区域的平均植被指数)：
Figure BDA0002920050210000042
等级平均建筑物指数(第j等级上所有连通区域的平均建筑物指数)：
Figure BDA0002920050210000043
本发明较传统的城市温度检测分析方法，一方面有效实现了主要地物指数之间的对应关系综合分析，提高分析作业全面性和精度，另一方面克服传统同类工作中存在的数据运算量大、计算过程规范性差及计算数据全面差的缺点，从而极大的提高了城市温度遥感观测数据分析作业的工作效率、质量和精度，可广泛应用于各类城市规划作业，为城市规划工作提供准确的工作参考数据及依据，提高城市规划工作的工作效率、合理性，并降低城市规划工作的劳动强度和成本。
附图说明
图1为本发明方法流程示意图；
图2为Landsat数据反演的不同温度数据生成的连通区域；
其中，(a)Landsat数据获取的温度数据；(b)温度等级为25℃生成的连通区域、(c)温度等级为28℃生成的连通区域、(d)温度等级为31℃生成的连通区域、(e)温度等级为34℃生成的连通区域、(f)温度等级为37℃生成的连通区域；
图3为郑州市3年的温度数据分布情况示意图；
图4为郑州市3年温度及属性数据统计表；
图5为连通区域三年属性信息曲线分布图；
图6为郑州市不同温度等级连通区域近三年属性信息统计一览表。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1所示，一种多时相多等级的城市温度遥感数据分析方法，包括以下步骤：
S1，采集温度遥感数据，首先从相关数据库中获取待分析评测地区温度卫星遥感数据；
S2，数据初步分析，首先利用单通道和劈窗算法对S1进行分析计算，反演出待分析评测地区温度数据，同时结合相关波段生成待分析评测地区地表地物对应的属性信息；
S3，多等级连通性分析，利用阈值叠加处理方法对S2步骤获得的温度数据进行连通分析，分析过程中以1℃为等级间隔，生成多个温度等级上的二值影像，然后对生成的二值影像进行连通性分析，得到不同等级上的温度连通区域；
S4，属性统计分析，对S3步骤获得的各连通区域的属性信息进行统计分析，在分析过程中设
Figure BDA0002920050210000051
为第j层第i个连通区域，
Figure BDA0002920050210000052
为该区域的像素个数；Numj是在第j个温度等级下连通区域的数量；同时计算所有连通区域在各温度等级下的温度平均值、NDVI平均值和NDBI平均值，从而得到分析不同温度等级下温度和地物类型的指数变化，完成城市温度遥感数据分析作业。
本实施例中，所述S1步骤中，数据库为地理空间数据库，获取的数据为Landsat陆地卫星数据。
重点说明的，所述S2步骤中，待分析评测地区地表地物对应的属性信息包括植被指数和建筑物指数，其中：
植被指数需要利用红光和近红外波段，通过以下波段运算获取：
Figure BDA0002920050210000061
DNIR为近红外波段波谱值，DR为红光波段波谱值；
建筑物指数需要利用短波红外波段和近红外波段，通过波段运算进行获取：
Figure BDA0002920050210000062
DNIR为近红外波段波谱值，DSWIR1为第一个短波红外波段波谱值。
同时，所述S4步骤在进行属性信息分析时，所分析属性信息包括区域面积、区域平均温度、区域平均植被指数、区域平均植被指数、等级平均温度、等级平均植被指数及等级平均建筑物指数，具体分析函数为：
区域面积(区域的像素个数)：
Figure BDA0002920050210000063
区域平均温度(第j等级i连通区域的平均温度)：
Figure BDA0002920050210000064
区域平均植被指数(第j等级i连通区域的平均植被指数)：
Figure BDA0002920050210000071
区域平均植被指数(第j等级i连通区域的平均建筑物指数)：
Figure BDA0002920050210000072
等级平均温度(第j等级上所有连通区域的平均温度)：
Figure BDA0002920050210000073
等级平均植被指数(第j等级上所有连通区域的平均植被指数)：
Figure BDA0002920050210000074
等级平均建筑物指数(第j等级上所有连通区域的平均建筑物指数)：
Figure BDA0002920050210000075
为了更好的对本发明中所涉及的技术内容进行说明和了解，现通过结合中国河南省郑州市为研究区域，分析2010年、2014年和2017年的Landsat温度反演数据。首先，分析温度数据的连接性，生成不同层次的温度连通区域数据；然后，计算不同区域在不同层次上的属性信息，分析不同阶段和层次上的属性变化；最后，对不同区域规模和不同区域的分析结果进行了讨论和分析：
S1，采集温度遥感数据，以Landsat陆地卫星数据为例，其常用的遥感数据为Landsat 5、7和8系列卫星数据。其中，Landsat 5和7的热红外波段只有1个波段(10.40--12.50μm)的数据，而Landast 8热红外波段有2个波段(10.60--11.19和11.50--12.51μm)的数据，这些数据可以在地理空间数据云网站进行下载。然后利用单通道和劈窗算法反演出温度数据；为了对温度数据对应的其它属性信息(例如，植被指数和建筑物指数)进行分析，需要结合相关波段生成对应的属性信息；植被指数需要利用红光和近红外波段，通过以下波段运算获取：
Figure BDA0002920050210000081
其中，DNIR为近红外波段波谱值，DR为红光波段波谱值。建筑物指数需要利用短波红外波段和近红外波段，通过波段运算进行获取：
Figure BDA0002920050210000082
其中，DNIR为近红外波段波谱值，DSWIR1为第一个短波红外波段波谱值；
S2，数据初步分析，利用阈值叠加处理方法对温度数据进行处理，生成不同温度等级上的二值影像，从而进行连通性分析。为了减小区域间的弱连接性，采用基于侵蚀的连通性分析方法，对不同温度水平下的二值影像数据进行了连通性分析；因此，可以产生不同等级上的温度连通区域；如：Landsat数据反演的温度数据，(b)-(e)为温度数据分别在25℃、28℃、31℃、34℃、37℃下生成的连通区域；
S3，多等级连通性分析，为了分析不同温度等级下温度数据与地物类型指数之间的关系，以1℃为等级间隔，对温度数据进行连通分析，生成不同温度等级下的连通区域。生成连通区域后，需要对每个连通区域的属性信息进行统计；
S4，属性统计分析，设
Figure BDA0002920050210000091
为第j层第i个连通区域，
Figure BDA0002920050210000092
为该区域的像素个数；Numj是在第j个温度等级下连通区域的数量；根据郑州地区连通区域的属性信息可以计算出第j等级第i个连通区域的面积、平均温度、平均NDVI和平均NDBI，分析不同温度等级下连通区域温度与地物类型指数的关系。同时计算所有连通区域在各温度等级下的温度平均值、NDVI平均值和NDBI平均值，分析不同温度等级下温度和地物类型的指数变化；
通过分析，Landsat温度反演数据对郑州市进行多等级多时相温度分析。采用单通道和劈窗算法分别获得2010年、2014年和2017年的Landsat地表温度数据。据气象网站报道，2010年5月11日、2014年5月6日和2017年4月28日的气温相似。可以通过Landsat数据对三个时段的温度数据进行反演，并分级显示。2010年的陆地表面温度数据范围为10.68℃～56.10℃，平均气温为32.23℃，标准差为5.61；2014年陆地表面温度数据范围为14.07℃～56.03℃，平均温度33.41℃，标准差4.38；2017年陆地表面温度数据范围为9.32～56.34℃，平均温度31.09℃，标准差4.28。统计数据显示，2014年平均温度最高，2017年平均温度最低，2010年温度分布标准差大于2014年和2017年。
实验结果表明，温度与植被指数呈负相关，与建筑指数呈正相关。随着温度水平的升高，温度与地表特征类型指数的相关性降低。
本发明较传统的城市温度检测分析方法，一方面有效实现了主要地物指数之间的对应关系综合分析，提高分析作业全面性和精度，另一方面克服传统同类工作中存在的数据运算量大、计算过程规范性差及计算数据全面差的缺点，从而极大的提高了城市温度遥感观测数据分析作业的工作效率、质量和精度，可广泛应用于各类城市规划作业，为城市规划工作提供准确的工作参考数据及依据，提高城市规划工作的工作效率、合理性，并降低城市规划工作的劳动强度和成本。
以上内容是对本发明所作的进一步详细说明，不能认定本发明的只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。

Claims (4)

1.一种多时相多等级的城市温度遥感数据分析方法，其特征在于，所述多时相多等级的城市温度遥感数据分析方法包括以下步骤：
S1，采集温度遥感数据，首先从相关数据库中获取待分析评测地区温度卫星遥感数据；
S2，数据初步分析，首先利用单通道和劈窗算法对S1步骤得到的待分析评测地区温度卫星遥感数据进行分析计算，反演出待分析评测地区温度数据，同时结合相关波段生成待分析评测地区地表建筑和植被对应的属性信息；
S3，多等级连通性分析，利用阈值叠加处理方法对S2步骤获得的温度数据进行连通分析，分析过程中以1℃为等级间隔，生成多个温度等级上的二值影像，然后对生成的二值影像进行连通性分析，得到不同等级上的温度连通区域；
S4，属性统计分析，对S3步骤获得的各连通区域的属性信息进行统计分析，在分析过程中设
Figure FDA0003841273650000011
为第j层第i个连通区域，
Figure FDA0003841273650000012
为该区域的像素个数；Numj是在第j个温度等级下连通区域的数量；同时计算所有连通区域在各温度等级下的温度平均值、NDVI平均值和NDBI平均值，从而得到分析不同温度等级下温度和地物类型的指数变化，完成城市温度遥感数据分析作业。
2.根据权利要求1所述的一种多时相多等级的城市温度遥感数据分析方法，其特征在于，所述S1步骤中，数据库为地理空间数据库，获取的数据为Landsat陆地卫星数据。
3.根据权利要求1所述的一种多时相多等级的城市温度遥感数据分析方法，其特征在于，所述S2步骤中，待分析评测地区地表地物对应的属性信息包括植被指数和建筑物指数，其中：
植被指数需要利用红光和近红外波段，通过以下波段运算获取：
Figure FDA0003841273650000021
DNIR为近红外波段波谱值，DR为红光波段波谱值；
建筑物指数需要利用短波红外波段和近红外波段，通过波段运算进行获取：
Figure FDA0003841273650000022
DNIR为近红外波段波谱值，DSWIR1为第一个短波红外波段波谱值。
4.根据权利要求1所述的一种多时相多等级的城市温度遥感数据分析方法，其特征在于，所述S4步骤在进行属性信息分析时，所分析属性信息包括区域面积、区域平均温度、区域平均植被指数、区域平均建筑物指数、等级平均温度、等级平均植被指数及等级平均建筑物指数，具体分析函数为：
区域面积，区域的像素个数：
Figure FDA0003841273650000023
区域平均温度，即第j等级i连通区域的平均温度：
Figure FDA0003841273650000024
区域平均植被指数，即第j等级i连通区域的平均植被指数：
Figure FDA0003841273650000025
区域平均植被指数，即第j等级i连通区域的平均建筑物指数：
Figure FDA0003841273650000031
等级平均温度，即第j等级上所有连通区域的平均温度：
Figure FDA0003841273650000032
等级平均植被指数，即第j等级上所有连通区域的平均植被指数：
Figure FDA0003841273650000033
等级平均建筑物指数，即第j等级上所有连通区域的平均建筑物指数：
Figure FDA0003841273650000034
CN202110116160.2A 2021-01-27 2021-01-27 一种多时相多等级的城市温度遥感数据分析方法 Active CN112884793B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110116160.2A CN112884793B (zh) 2021-01-27 2021-01-27 一种多时相多等级的城市温度遥感数据分析方法
LU501980A LU501980B1 (en) 2021-01-27 2021-12-31 A multi-temporal and multi-level analysis method of urban temperature remote sensing data
PCT/CN2021/143579 WO2022161105A1 (zh) 2021-01-27 2021-12-31 一种多时相多等级的城市温度遥感数据分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110116160.2A CN112884793B (zh) 2021-01-27 2021-01-27 一种多时相多等级的城市温度遥感数据分析方法

Publications (2)

Publication Number Publication Date
CN112884793A CN112884793A (zh) 2021-06-01
CN112884793B true CN112884793B (zh) 2022-12-23

Family

ID=76052929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110116160.2A Active CN112884793B (zh) 2021-01-27 2021-01-27 一种多时相多等级的城市温度遥感数据分析方法

Country Status (3)

Country Link
CN (1) CN112884793B (zh)
LU (1) LU501980B1 (zh)
WO (1) WO2022161105A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884793B (zh) * 2021-01-27 2022-12-23 河南理工大学 一种多时相多等级的城市温度遥感数据分析方法
CN115222296B (zh) * 2022-09-15 2022-12-30 中国科学院、水利部成都山地灾害与环境研究所 一种山地绿色覆盖指数动态变化遥感监测方法和系统
CN117113855B (zh) * 2023-10-20 2023-12-26 中国科学院地理科学与资源研究所 一种单通道地表温度遥感方法及其系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320285A (zh) * 2018-02-07 2018-07-24 中国地质大学（武汉） 基于多源遥感影像的城市湿地热岛效应分析方法及系统
CN111368817A (zh) * 2020-02-28 2020-07-03 北京师范大学 一种基于地表类型进行热效应定量评价方法及系统
CN112183451A (zh) * 2020-10-15 2021-01-05 华中农业大学 一种城市热岛强度的量化方法、系统、存储介质及设备

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708307B (zh) * 2012-06-26 2015-07-01 上海大学 一种应用于城市的植被指数构造方法
KR101404430B1 (ko) * 2013-06-11 2014-06-10 서울시립대학교 산학협력단 적외선 영상을 이용한 지표온도감률 추정 방법
CN104406698A (zh) * 2014-11-24 2015-03-11 武汉理工大学 一种城市热岛空间分布的评价方法
CN108168710A (zh) * 2017-12-28 2018-06-15 福建农林大学 一种基于遥感技术的城区热岛效应评估方法
MX2021006842A (es) * 2018-12-11 2021-07-02 Climate Llc Mapeo de las propiedades del suelo con datos satelitales usando enfoques de aprendizaje automaticos.
CN109668635B (zh) * 2019-01-16 2020-08-07 中国人民解放军61741部队 海表温度融合方法与系统
CN111814528B (zh) * 2020-03-18 2022-12-02 河南理工大学 一种连通性分析的夜光影像城市等级分类方法
CN111460003B (zh) * 2020-04-04 2024-04-16 南京国准数据有限责任公司 基于城市群尺度探测土地利用与地表温度耦合关系的方法
CN112884793B (zh) * 2021-01-27 2022-12-23 河南理工大学 一种多时相多等级的城市温度遥感数据分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320285A (zh) * 2018-02-07 2018-07-24 中国地质大学（武汉） 基于多源遥感影像的城市湿地热岛效应分析方法及系统
CN111368817A (zh) * 2020-02-28 2020-07-03 北京师范大学 一种基于地表类型进行热效应定量评价方法及系统
CN112183451A (zh) * 2020-10-15 2021-01-05 华中农业大学 一种城市热岛强度的量化方法、系统、存储介质及设备

Also Published As

Publication number Publication date
CN112884793A (zh) 2021-06-01
WO2022161105A1 (zh) 2022-08-04
LU501980B1 (en) 2022-08-11

Similar Documents

Publication Publication Date Title
CN112884793B (zh) 一种多时相多等级的城市温度遥感数据分析方法
WO2021077847A1 (zh) 一种基于高分遥感影像的海水污染区域识别方法和设备
Cihlar et al. Classification by progressive generalization: A new automated methodology for remote sensing multichannel data
CN111582194B (zh) 基于多特征lstm网络的多时相高分辨率遥感影像的建筑物提取方法
US20220309772A1 (en) Human activity recognition fusion method and system for ecological conservation redline
CN112164062A (zh) 一种基于遥感时序分析的抛荒地信息提取方法及装置
CN111626092B (zh) 一种基于机器学习的无人机影像地裂缝识别及提取方法
CN102521624B (zh) 一种土地利用类型分类的方法和系统
CN110443195B (zh) 一种结合超像素与深度学习的遥感影像火烧迹地分析方法
CN110956207B (zh) 一种光学遥感影像全要素变化检测方法
Li et al. Residual UNet for urban building change detection with Sentinel-1 SAR data
Shahi et al. Road condition assessment by OBIA and feature selection techniques using very high-resolution WorldView-2 imagery
CN114998744B (zh) 基于运动与视觉双特征融合的农机轨迹田路分割方法及装置
CN110705449A (zh) 一种土地利用变化遥感监测分析方法
CN105243387A (zh) 一种基于无人机影像的露天矿典型地物分类方法
CN110263735A (zh) 一种使用三维卷积神经网络对人工林高光谱数据进行树种分类的方法
CN105654099A (zh) 基于改进视觉的甘蔗分割与识别方法
CN115452759A (zh) 一种基于卫星遥感数据的河湖健康指标评价方法及系统
CN117572457B (zh) 一种基于伪标签学习的跨场景多光谱点云分类方法
CN113033386B (zh) 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统
CN116310842B (zh) 基于遥感图像的土壤盐碱区域识别划分方法
CN115497006B (zh) 基于动态混合策略的城区遥感图像变化深度监测方法及系统
CN111898681A (zh) 一种基于遥感云平台与决策树的火烧迹地精细提取方法
CN103793913A (zh) 一种结合均值漂移的谱聚类图像分割方法
CN115810151A (zh) 深度学习林地提取树种识别算法模型

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