CN113776585A - 基于像元矩阵的地理要素多尺度四维立体观测方法及系统 - Google Patents
基于像元矩阵的地理要素多尺度四维立体观测方法及系统 Download PDFInfo
- Publication number
- CN113776585A CN113776585A CN202110998306.0A CN202110998306A CN113776585A CN 113776585 A CN113776585 A CN 113776585A CN 202110998306 A CN202110998306 A CN 202110998306A CN 113776585 A CN113776585 A CN 113776585A
- Authority
- CN
- China
- Prior art keywords
- image data
- observation
- scale
- ground
- dimensional
- 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
- 239000011159 matrix material Substances 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005070 sampling Methods 0.000 claims abstract description 90
- 239000002689 soil Substances 0.000 claims abstract description 28
- 230000006855 networking Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 239000005437 stratosphere Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007667 floating Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于像元矩阵的地理要素多尺度四维立体观测的方法及系统,方法包括:通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据;采用飞机群组网对地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据;采用探空平漂观测立体区域得到第三图像数据;对立体区域的待测土壤进行预设深度的垂直观测得到第四图像数据;根据第一图像数据、第二图像数据、第三图像数据、第四图像数据以及第五图像数据确定地理要素数据。本发明通过地面观测、飞机群组网立体观测、探空平漂观测、土壤观测以及塔台观测,实现了对不同地物类型进行“空‑天‑地‑时”四维立体多尺度观测。
Description
技术领域
本发明涉及环境监测领域,具体涉及基于像元矩阵的地理要素多尺度四维立体观测的方法及系统。
背景技术
自人类第一颗人造卫星发射成功以来,对地观测已成为重要的航天活动。通过近50年的发展,全球对地观测系统能够提供宏观、准确、综合、多样的地表与大气信息数据,改变了人们对地球系统的认知方式。其中,多分辨率多尺度的卫星遥感成为全球对地观测系统中的核心技术,对人们把握地球资源与环境、应对全球气候变化以及灾害预报等重大问题具有重要意义。目前,以遥感像元与气候格网数据为主的产品,在气象、水利、资源、农业、土地、林业、海洋、城市等领域都有广泛和重要的应用。研究与业务人员希望了解遥感像元与气候格网数据产品的真实精度,同时期待获取高精度的格网数据产品。因此,针对遥感像元与气候格网数据产品的地面真实性检验试验具有重要的基础科学意义。
目前的站点观测网络,在同一中低分辨率像元尺度范围内只包含一个站点,无法具有足够的代表性用于遥感产品的验证。同时无法与卫星像元/气候格网数据匹配。
综上,目前亟需一种基于像元矩阵的地理要素多尺度四维立体观测的方法,用于解决上述现有技术存在的问题。
发明内容
由于现有方法存在上述问题,本发明提供基于像元矩阵的地理要素多尺度四维立体观测的方法及系统。
第一方面,本发明提供了基于像元矩阵的地理要素多尺度四维立体观测的方法,包括:
通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据;所述地面观测样点矩阵包含内部地面观测样点以及外部地面观测样点;所述外部地面观测样点包围所述内部地面观测样点;
采用飞机群组网对所述地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据;
采用探空平漂观测所述立体区域得到第三图像数据;
对所述立体区域的待测土壤进行预设深度的垂直观测得到第四图像数据;
采用塔台对所述立体区域进行植被冠层观测得到第五图像数据;
根据所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据确定地理要素数据;所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据的观测时间为同一时间。
进一步地,在所述通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据之前,还包括:
获取待匹配卫星像元或格网的尺度;所述尺度由所述待匹配卫星像元或格网的分辨率确定;所述尺度包含第一尺度以及第二尺度;其中,第一尺度大于第二尺度;
根据所述第一尺度确定所述外部地面观测样点各个相邻样点之间的第一间距;
根据所述第二尺度确定所述内部地面观测样点各个相邻样点之间的第二间距;
根据所述第一间距以及所述第二间距布设所述地面观测样点矩阵。
进一步地,所述采用飞机群组网对所述地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据,包括:
获取所述飞机群的工作模式;所述工作模式包含条带模式以及全覆盖模式;
根据所述工作模式对所述立体区域进行立体观测得到所述第二图像数据。
进一步地,所述采用探空平漂观测所述立体区域得到第三图像数据,包括:
判断预先放置于大气平流层的探测装置是否到达待测地点;
若到达,则自上而下释放所述多个探测装置进行多点观测得到所述第三图像数据。
进一步地,所述预设深度为自所述待测土壤表面至所述待测土壤表面以下3厘米。
第二方面,本发明提供了一种基于像元矩阵的地理要素多尺度四维立体观测的系统,包括:
获取模块,用于通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据;所述地面观测样点矩阵包含内部地面观测样点以及外部地面观测样点;所述外部地面观测样点包围所述内部地面观测样点;采用飞机群组网对所述地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据;采用探空平漂观测所述立体区域得到第三图像数据;对所述立体区域的待测土壤进行预设深度的垂直观测得到第四图像数据;采用塔台对所述立体区域进行植被冠层观测得到第五图像数据;
处理模块,用于根据所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据确定地理要素数据;所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据的观测时间为同一时间。
进一步地,所述获取模块还用于:
在所述通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据之前,获取待匹配卫星像元或格网的尺度;所述尺度由所述待匹配卫星像元或格网的分辨率确定;所述尺度包含第一尺度以及第二尺度;其中,第一尺度大于第二尺度;
根据所述第一尺度确定所述外部地面观测样点各个相邻样点之间的第一间距;
根据所述第二尺度确定所述内部地面观测样点各个相邻样点之间的第二间距;
根据所述第一间距以及所述第二间距布设所述地面观测样点矩阵。
进一步地,所述获取模块具体用于:
获取所述飞机群的工作模式;所述工作模式包含条带模式以及全覆盖模式;
根据所述工作模式对所述立体区域进行立体观测得到所述第二图像数据。
进一步地,所述获取模块具体用于:
判断预先放置于大气平流层的多个探测装置是否到达待测地点;
若到达,则自上而下释放所述探测装置进行多点观测得到所述第三图像数据。
进一步地,所述获取模块具体用于:
所述预设深度为自所述待测土壤表面至所述待测土壤表面以下3厘米。
第三方面,本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的基于像元矩阵的地理要素多尺度四维立体观测的方法。
第四方面,本发明还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述的基于像元矩阵的地理要素多尺度四维立体观测的方法。
由上述技术方案可知,本发明通过地面观测、飞机群组网立体观测、探空平漂观测、土壤观测以及塔台观测,实现了对不同地物类型进行“空-天-地-时”四维立体多尺度观测。
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,下面将对实施例或现有技术描述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,还可以根据这些图获得其他的附图。
图1为本发明提供的基于像元矩阵的地理要素多尺度四维立体观测的方法的系统架构;
图2为本发明提供的基于像元矩阵的地理要素多尺度四维立体观测的方法的流程示意图;
图3为本发明提供的基于像元矩阵的地理要素多尺度四维立体观测的方法的示意图;
图4为本发明提供的基于像元矩阵的地理要素多尺度四维立体观测的方法的流程示意图;
图5为本发明提供的地面观测样点矩阵的示意图;
图6为本发明提供的基于像元矩阵的地理要素多尺度四维立体观测的方法的流程示意图;
图7为本发明提供的飞机群组网的示意图;
图8为本发明提供的基于像元矩阵的地理要素多尺度四维立体观测的系统的结构示意图;
图9为本发明提供的电子设备的结构示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明实施例提供的地理要素数据观测的方法,可以适用于如图1所示的系统架构中,该系统架构包括地面观测样点矩阵100、飞机群200、探测装置300、土壤温湿度仪400、塔台500以及服务器600。
具体的,通过预先布设的匹配卫星像元的地面观测样点矩阵100进行地面自动观测得到第一图像数据。
采用飞机群200组网对地面观测样点矩阵100所在的立体区域进行立体观测得到第二图像数据。
探测装置300用于通过探空平漂观测得到第三图像数据。
土壤温湿度仪400用于对待测土壤进行预设深度的垂直观测得到第四图像数据。
塔台500用于对立体区域进行植被冠层观测得到第五图像数据。
服务器600用于根据第一图像数据、第二图像数据、第三图像数据、第四图像数据以及第五图像数据确定地理要素数据。
需要说明的是,图1仅是本发明实施例系统架构的一种示例,本发明对此不做具体限定。
基于上述所示意的系统架构,图2为本发明实施例提供的一种地理要素数据观测的方法所对应的流程示意图,如图2所示,该方法包括:
步骤201,通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据。
需要说明的是,地面观测样点矩阵包含内部地面观测样点以及外部地面观测样点,外部地面观测样点包围内部地面观测样点。
步骤202,采用飞机群组网对地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据。
在一种可能的实施方式中,采用无人机群组网对地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据。
本发明实施例中,采用多架无人机搭载同类型仪器包含光学、微波和红外仪器,统一考虑微波、红外与可见光等多种载荷与多级产品的像元几何特征、光谱特征和时间特性;同时在组网区多点进行无人机观测,地面观测配合保证连续观测的稳定性。
进一步地,根据卫星过境时间确定飞行时间,在过境卫星天顶角较小时开展无人机的同步观测,在一年中多个季节开展无人机群组网观测。
步骤203,采用探空平漂观测立体区域得到第三图像数据。
具体的,判断预先放置于大气平流层的多个探测装置是否到达待测地点;
若到达,则自上而下释放所述探测装置进行多点观测得到第三图像数据。
本发明实施例中,开展对卫星过境时间的大气垂直温湿度廓线等地理要素的垂直探测。
在一种可能的实施方式中,采用方式为自下而上的探空观测。
在另一种可能的实施方式中,采用方式为自上而下的探空平漂观测。
举例来说,自上游地区将探空气球放置于大气平流层,到达待测地点后自上而下的释放,完成对卫星过境时间的大气垂直温湿度廓线等要素的垂直探测。
上述方案,对大气垂直温湿度廓线等要素的垂直探测匹配到卫星过境时间,同时采用自上而下的探空平漂观测实现空中组网观测。
步骤204,对立体区域的待测土壤进行预设深度的垂直观测得到第四图像数据。
在一种可能的实施方式中,预设深度为自待测土壤表面至待测土壤表面以下3厘米。
本发明实施例中,对待测土壤的垂直观测还可以为5厘米以下土层的观测,本发明实施例对此不做具体限定。
上述方案,通过对根层土壤温湿度观测提高了地理要素数据的完整度。
步骤205,采用塔台对立体区域进行植被冠层观测得到第五图像数据。
步骤206,根据第一图像数据、第二图像数据、第三图像数据、第四图像数据以及第五图像数据确定地理要素数据。
本发明实施例中,第一图像数据、第二图像数据、第三图像数据、第四图像数据以及第五图像数据的观测时间为同一时间。
具体的,对第一图像数据、第二图像数据、第三图像数据、第四图像数据以及第五图像数据进行图像处理得到地理要素数据。
上述方案,通过采用地面观测、飞机群组网立体观测、探空平漂观测、土壤观测以及塔台观测,实现了对不同地物类型进行“空-天-地-时”四维立体多尺度观测。长时间稳定的多点同步观测,实现对卫星像元的地理要素数据的检验。
本发明实施例中,针对卫星像元,多个细分辨率尺度嵌套在粗分辨率尺度里面,形成一体化监测,如图3所示。在粗分辨率像元尺度比如25Km*25Km,具有森林、草地、农田、湿地等不同地物类型,为混合像元。在细分辨率像元尺度比如30m*30m、250m*250m等,为纯像元。
从图3可以看出,本发明实施例形成面向卫星像元的“空-天-地-时”多尺度四维立体组网观测。根据地表的异质性和空间结构特征进行优化,捕捉样区内的异质性,实现了对纯像元与混合像元的多平台多点采样的集成。
进一步地,本发明实施例针对纯像元,在步骤201之前,步骤流程如图4所示,具体如下:
步骤401,获取待匹配卫星像元或格网的尺度。
需要说明的是,尺度由待匹配卫星像元或格网的分辨率确定,尺度包含第一尺度以及第二尺度;其中,第一尺度大于第二尺度。
举例来说,第一尺度为250m*250m,第二尺度为50m*50m。
需要说明的是,还可以匹配气候格网数据,本发明实施例对此不做具体限定。
步骤402,根据第一尺度确定外部地面观测样点各个相邻样点之间的第一间距。
举例来说,第一尺度为250m*250m,外部地面观测样点各个相邻样点之间的第一间距为250m。
步骤403,根据第二尺度确定内部地面观测样点各个相邻样点之间的第二间距。
举例来说,第二尺度为50m*50m,内部地面观测样点各个相邻样点之间的第二间距为50m。
步骤404,根据第一间距以及第二间距布设地面观测样点矩阵。
需要说明的是,为了减少湖泊等水体以及地形起伏对不同平台观测数据的影响,选择典型地区一定范围地势平坦区域。
本发明实施例中,布设内密外疏的地面观测样点矩阵,在时间上可连续进行卫星观测和地面组网自动匹配观测。
举例来说,如图5所示,在3*3像元内布设多个地面观测样点,外部每个像元尺度内布设1个地面观测样点;内部像元细化为多个细分辨率像元尺度比如30m*30m,在每个细分辨率像元尺度中布设1地面个观测样点;基于此,在空间上形成内部聚集、外部稀疏的地面观测样点矩阵。
上述方案,在卫星像元中布设多个地面观测样点,形成针对卫星像元的观测网络。采用地面观测样点矩阵,实现了空间立体组网观测,解决了传统单点观测空间代表性不足以及像元内空间异质性问题。
本发明实施例在步骤202中,步骤流程如图6所示,具体如下:
步骤601,获取飞机群的工作模式。
需要说明的是,工作模式包含条带模式以及全覆盖模式。
步骤602,根据工作模式对立体区域进行立体观测得到第二图像数据。
本发明实施例中,如图7所示,飞机群组网观测采用条带模式以及全覆盖模式。条带模式是指多架飞机在间隔条带上同时刻开始扫描观测,时间上与卫星过境时间匹配。
需要说明的是,同时观测时间长短与观测的地理要素在此时间段内无变化为标准,比如地表温度在5至10分钟内是基本没有变化的。基于此,条带模式的多架飞机在卫星过境前后5至10分钟内完成一个条带多个像元的观测。
进一步地,全覆盖模式是为了获取一个或者几个卫星像元的全覆盖观测结果,多架飞机的观测有重叠区域以方便完成整个区域的无缝扫描。
需要说明的是,当图像重叠率大于60%时,第二图像数据需完成图像配准及拼接。
本发明实施例中,飞机群的幅宽可以从细分辨率比如250m、1Km、2Km到25Km等粗分辨率的多尺度转换,同时,多次多带的飞机群观测形成组网观测模式。
上述方案,对于快速变化的地理要素比如温度,采用飞行群组网实现了卫星像元的全覆盖的同时满足卫星过境时间及快速变化的地理要素需求的严格匹配。此外,在进行遥感产品真实性检验时,引入无人机等高分辨率数据建立地面—中低分辨率像元的尺度转换桥梁,形成了地面—高分辨—低分辨率多尺度的逐级验证策略。
基于同一发明构思,图8示例性的示出了本发明实施例提供的一种基于像元矩阵的地理要素多尺度四维立体观测的系统,该系统可以为一种基于像元矩阵的地理要素多尺度四维立体观测的方法的流程。
所述系统,包括:
获取模块801,用于通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据;所述地面观测样点矩阵包含内部地面观测样点以及外部地面观测样点;所述外部地面观测样点包围所述内部地面观测样点;采用飞机群组网对所述地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据;采用探空平漂观测得到第三图像数据;对待测土壤进行预设深度的垂直观测得到第四图像数据;
处理模块802,用于根据所述第一图像数据、所述第二图像数据、所述第三图像数据以及所述第四图像数据确定地理要素数据。
进一步地,所述获取模块801还用于:
在所述通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据之前,获取待匹配卫星像元尺度;所述待匹配卫星像元尺度包含第一尺度以及第二尺度;其中,第一尺度大于第二尺度;
根据所述第一尺度确定所述外部地面观测样点各个相邻样点之间的第一间距;
根据所述第二尺度确定所述内部地面观测样点各个相邻样点之间的第二间距;
根据所述第一间距以及所述第二间距布设所述地面观测样点矩阵。
进一步地,所述获取模块801具体用于:
获取所述飞机群的工作模式;所述工作模式包含条带模式以及全覆盖模式;
根据所述工作模式对所述立体区域进行立体观测得到所述第二图像数据。
进一步地,所述获取模块801具体用于:
判断预先放置于大气平流层的探测装置是否到达待测地点;
若到达,则自上而下释放所述探测装置进行观测得到所述第三图像数据。
进一步地,所述获取模块801具体用于:
所述预设深度为自所述待测土壤表面至所述待测土壤表面以下3厘米。
基于相同的发明构思,本发明又一实施例提供了一种电子设备,参见图9,所述电子设备具体包括如下内容:处理器901、存储器902、通信接口903和通信总线904;
其中,所述处理器901、存储器902、通信接口903通过所述通信总线904完成相互间的通信;所述通信接口903用于实现各设备之间的信息传输;
所述处理器901用于调用所述存储器902中的计算机程序,所述处理器执行所述计算机程序时实现上述基于像元矩阵的地理要素多尺度四维立体观测的方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据;所述地面观测样点矩阵包含内部地面观测样点以及外部地面观测样点;所述外部地面观测样点包围所述内部地面观测样点;采用飞机群组网对所述地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据;采用探空平漂观测所述立体区域得到第三图像数据;对所述立体区域的待测土壤进行预设深度的垂直观测得到第四图像数据;采用塔台对所述立体区域进行植被冠层观测得到第五图像数据;根据所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据确定地理要素数据;所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据的观测时间为同一时间。
基于相同的发明构思,本发明又一实施例提供了一种非暂态计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述基于像元矩阵的地理要素多尺度四维立体观测的方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据;所述地面观测样点矩阵包含内部地面观测样点以及外部地面观测样点;所述外部地面观测样点包围所述内部地面观测样点;采用飞机群组网对所述地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据;采用探空平漂观测所述立体区域得到第三图像数据;对所述立体区域的待测土壤进行预设深度的垂直观测得到第四图像数据;采用塔台对所述立体区域进行植被冠层观测得到第五图像数据;根据所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据确定地理要素数据;所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据的观测时间为同一时间。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,基于像元矩阵的地理要素多尺度四维立体观测的系统,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,基于像元矩阵的地理要素多尺度四维立体观测的系统,或者网络设备等)执行各个实施例或者实施例的某些部分所述的基于像元矩阵的地理要素多尺度四维立体观测的方法。
此外,在本发明中,诸如“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
此外,在本发明中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于像元矩阵的地理要素多尺度四维立体观测的方法,其特征在于,包括:
通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据;所述地面观测样点矩阵包含内部地面观测样点以及外部地面观测样点;所述外部地面观测样点包围所述内部地面观测样点;
采用飞机群组网对所述地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据;
采用探空平漂观测所述立体区域得到第三图像数据;
对所述立体区域的待测土壤进行预设深度的垂直观测得到第四图像数据;
采用塔台对所述立体区域进行植被冠层观测得到第五图像数据;
根据所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据确定地理要素数据;所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据的观测时间为同一时间。
2.根据权利要求1所述的基于像元矩阵的地理要素多尺度四维立体观测的方法,其特征在于,在所述通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据之前,还包括:
获取待匹配卫星像元或格网的尺度;所述尺度由所述待匹配卫星像元或格网的分辨率确定;所述尺度包含第一尺度以及第二尺度;其中,第一尺度大于第二尺度;
根据所述第一尺度确定所述外部地面观测样点各个相邻样点之间的第一间距;
根据所述第二尺度确定所述内部地面观测样点各个相邻样点之间的第二间距;
根据所述第一间距以及所述第二间距布设所述地面观测样点矩阵。
3.根据权利要求1所述的基于像元矩阵的地理要素多尺度四维立体观测的方法,其特征在于,所述采用飞机群组网对所述地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据,包括:
获取所述飞机群的工作模式;所述工作模式包含条带模式以及全覆盖模式;
根据所述工作模式对所述立体区域进行立体观测得到所述第二图像数据。
4.根据权利要求1所述的基于像元矩阵的地理要素多尺度四维立体观测的方法,其特征在于,所述采用探空平漂观测所述立体区域得到第三图像数据,包括:
判断预先放置于大气平流层的多个探测装置是否到达待测地点;
若到达,则自上而下释放所述探测装置进行多点观测得到所述第三图像数据。
5.根据权利要求1所述的基于像元矩阵的地理要素多尺度四维立体观测的方法,其特征在于,所述预设深度为自所述待测土壤表面至所述待测土壤表面以下3厘米。
6.一种基于像元矩阵的地理要素多尺度四维立体观测的系统,其特征在于,包括:
获取模块,用于通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据;所述地面观测样点矩阵包含内部地面观测样点以及外部地面观测样点;所述外部地面观测样点包围所述内部地面观测样点;采用飞机群组网对所述地面观测样点矩阵所在的立体区域进行立体观测得到第二图像数据;采用探空平漂观测所述立体区域得到第三图像数据;对所述立体区域的待测土壤进行预设深度的垂直观测得到第四图像数据;采用塔台对所述立体区域进行植被冠层观测得到第五图像数据;
处理模块,用于根据所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据确定地理要素数据;所述第一图像数据、所述第二图像数据、所述第三图像数据、所述第四图像数据以及所述第五图像数据的观测时间为同一时间。
7.根据权利要求6所述的基于像元矩阵的地理要素多尺度四维立体观测的系统,其特征在于,所述获取模块还用于:
在所述通过预先布设的匹配卫星像元的地面观测样点矩阵进行地面自动观测得到第一图像数据之前,获取待匹配卫星像元或格网的尺度;所述尺度由所述待匹配卫星像元或格网的分辨率确定;所述尺度包含第一尺度以及第二尺度;其中,第一尺度大于第二尺度;
根据所述第一尺度确定所述外部地面观测样点各个相邻样点之间的第一间距;
根据所述第二尺度确定所述内部地面观测样点各个相邻样点之间的第二间距;
根据所述第一间距以及所述第二间距布设所述地面观测样点矩阵。
8.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110998306.0A CN113776585B (zh) | 2021-08-27 | 2021-08-27 | 基于像元矩阵的地理要素多尺度四维立体观测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110998306.0A CN113776585B (zh) | 2021-08-27 | 2021-08-27 | 基于像元矩阵的地理要素多尺度四维立体观测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113776585A true CN113776585A (zh) | 2021-12-10 |
CN113776585B CN113776585B (zh) | 2024-08-20 |
Family
ID=78839731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110998306.0A Active CN113776585B (zh) | 2021-08-27 | 2021-08-27 | 基于像元矩阵的地理要素多尺度四维立体观测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113776585B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117197681A (zh) * | 2023-08-22 | 2023-12-08 | 中国科学院空天信息创新研究院 | 遥感产品真实性检验方法、装置、系统、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2935582A1 (fr) * | 2008-08-28 | 2010-03-05 | Centre Nat Etd Spatiales | Grille de stations terrestres de reception et d'enregistrement de donnees satellitaires |
CN101710189A (zh) * | 2009-12-16 | 2010-05-19 | 中国科学院大气物理研究所 | 平流层气球下投探空系统 |
CN104614724A (zh) * | 2014-12-31 | 2015-05-13 | 董立新 | 地理要素组网观测方法及地理要素观测方法 |
CN104777286A (zh) * | 2015-04-24 | 2015-07-15 | 中国水利水电科学研究院 | 一种多尺度土壤墒情协同观测装置 |
CN110068655A (zh) * | 2019-04-24 | 2019-07-30 | 中国科学院城市环境研究所 | 一种天空地一体化大气监测系统 |
CN110321784A (zh) * | 2019-05-08 | 2019-10-11 | 中国科学院地理科学与资源研究所 | 土壤水分估算的方法、装置、电子设备和计算机介质 |
CN110716185A (zh) * | 2019-10-22 | 2020-01-21 | 国家卫星气象中心 | 一种用于星载微波辐射计的在轨辐射校正方法 |
US20200149888A1 (en) * | 2018-11-08 | 2020-05-14 | Tsinghua University | Method and device for monitoring water volume change, computer device and storage medium |
CN111717389A (zh) * | 2020-07-06 | 2020-09-29 | 孙义博 | 一种多功能生态环境调查研究无人机观测系统 |
CN112560570A (zh) * | 2020-09-29 | 2021-03-26 | 中国科学院大学 | 一种协同降尺度与数据融合的高分辨率地表温度估算方法 |
CN112857459A (zh) * | 2021-02-04 | 2021-05-28 | 中国科学院空天信息创新研究院 | 定量遥感地面试验协同观测方法及观测平台 |
-
2021
- 2021-08-27 CN CN202110998306.0A patent/CN113776585B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2935582A1 (fr) * | 2008-08-28 | 2010-03-05 | Centre Nat Etd Spatiales | Grille de stations terrestres de reception et d'enregistrement de donnees satellitaires |
CN101710189A (zh) * | 2009-12-16 | 2010-05-19 | 中国科学院大气物理研究所 | 平流层气球下投探空系统 |
CN104614724A (zh) * | 2014-12-31 | 2015-05-13 | 董立新 | 地理要素组网观测方法及地理要素观测方法 |
CN104777286A (zh) * | 2015-04-24 | 2015-07-15 | 中国水利水电科学研究院 | 一种多尺度土壤墒情协同观测装置 |
US20200149888A1 (en) * | 2018-11-08 | 2020-05-14 | Tsinghua University | Method and device for monitoring water volume change, computer device and storage medium |
CN110068655A (zh) * | 2019-04-24 | 2019-07-30 | 中国科学院城市环境研究所 | 一种天空地一体化大气监测系统 |
CN110321784A (zh) * | 2019-05-08 | 2019-10-11 | 中国科学院地理科学与资源研究所 | 土壤水分估算的方法、装置、电子设备和计算机介质 |
CN110716185A (zh) * | 2019-10-22 | 2020-01-21 | 国家卫星气象中心 | 一种用于星载微波辐射计的在轨辐射校正方法 |
CN111717389A (zh) * | 2020-07-06 | 2020-09-29 | 孙义博 | 一种多功能生态环境调查研究无人机观测系统 |
CN112560570A (zh) * | 2020-09-29 | 2021-03-26 | 中国科学院大学 | 一种协同降尺度与数据融合的高分辨率地表温度估算方法 |
CN112857459A (zh) * | 2021-02-04 | 2021-05-28 | 中国科学院空天信息创新研究院 | 定量遥感地面试验协同观测方法及观测平台 |
Non-Patent Citations (1)
Title |
---|
董立新 等: ""中国南方森林冠顶高度Lidar反演—以江西省为例"", 《遥感学报》, vol. 15, no. 6, 25 November 2011 (2011-11-25), pages 1301 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117197681A (zh) * | 2023-08-22 | 2023-12-08 | 中国科学院空天信息创新研究院 | 遥感产品真实性检验方法、装置、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113776585B (zh) | 2024-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108181635B (zh) | 一种用于输电线路交叉跨越分析的激光点云分类方法 | |
CN104865353B (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
Luo et al. | Refined estimation of lake water level and storage changes on the Tibetan Plateau from ICESat/ICESat-2 | |
Dall'Amico et al. | First results of SMOS soil moisture validation in the upper Danube catchment | |
CN108982548B (zh) | 一种基于被动微波遥感数据的地表土壤水分反演方法 | |
Miziński et al. | Fully-automated estimation of snow depth in near real time with the use of unmanned aerial vehicles without utilizing ground control points | |
Dandabathula et al. | Retrieval of building heights from ICESat-2 photon data and evaluation with field measurements | |
CN108874734B (zh) | 一种全球陆地降水反演方法 | |
Jumaat et al. | Land cover change mapping using high resolution satellites and unmanned aerial vehicle | |
CN107817489A (zh) | 测绘方法 | |
Ioannidis et al. | Assessment of the global digital elevation models ASTER and SRTM in Greece | |
Paruta et al. | A geostatistical approach to map near-surface soil moisture through hyperspatial resolution thermal inertia | |
CN113776585A (zh) | 基于像元矩阵的地理要素多尺度四维立体观测方法及系统 | |
CN111366195A (zh) | 一种地表水热通量的多尺度观测方法 | |
Wang et al. | Retrieval and validation of vertical LAI profile derived from airborne and spaceborne LiDAR data at a deciduous needleleaf forest site | |
Spasova et al. | Monitoring of renewable energy sources with remote sensing, open data, and field data in Bulgaria | |
Kramm et al. | Comprehensive vertical accuracy analysis of freely available DEMs for different landscape types of the Rur catchment, Germany | |
You et al. | Dual-polarization radar-based quantitative precipitation estimation of mountain terrain using multi-disdrometer data | |
CN114001715A (zh) | 一种高空遥感与低空无人机倾斜摄影的环境地质调查方法 | |
CN110310370B (zh) | 一种gps与srtm点面融合的方法 | |
Altunel et al. | Capturing the level of progress in vertical accuracy achieved by ASTER GDEM since the beginning: Turkish and Nigerian examples | |
CN116773516A (zh) | 一种基于遥感数据的土壤碳含量分析系统 | |
CN111784122A (zh) | 一种输电线路山火风险动态评估方法 | |
Chauhan et al. | Land skin temperature’s mathematical analysis of Ajmer city in remote sensing way | |
CN114577191B (zh) | 基于地理空间信息数据的测绘数据采集方法及系统 |
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 |