CN113900097B - 基于卫星遥感数据的冰川量检测方法 - Google Patents

基于卫星遥感数据的冰川量检测方法 Download PDF

Info

Publication number
CN113900097B
CN113900097B CN202111428664.4A CN202111428664A CN113900097B CN 113900097 B CN113900097 B CN 113900097B CN 202111428664 A CN202111428664 A CN 202111428664A CN 113900097 B CN113900097 B CN 113900097B
Authority
CN
China
Prior art keywords
cloud
glacier
spectrum
spectral
spectral 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
CN202111428664.4A
Other languages
English (en)
Other versions
CN113900097A (zh
Inventor
李治国
许宁
张顺
郭志富
温培根
时家宝
黄文越
李湘
王丹丹
张新爽
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.)
Hefei Jinglong Environmental Protection Technology Co ltd
Original Assignee
Shangqiu Normal University
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 Shangqiu Normal University filed Critical Shangqiu Normal University
Priority to CN202111428664.4A priority Critical patent/CN113900097B/zh
Publication of CN113900097A publication Critical patent/CN113900097A/zh
Application granted granted Critical
Publication of CN113900097B publication Critical patent/CN113900097B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component 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
    • G06T7/11—Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明提供了一种基于卫星遥感数据的冰川量检测方法，包括以下步骤：（1）从高光谱遥感卫星获取冰川光谱数据进行预处理；（2）采用主成分分析法筛选出前4个主分量信息；（3）对比冰川光谱数据，其中位置变化频繁的一种，将其确定为云；（4）图像拟合，若干层光谱图像中，无云区域和有云区域叠加的位置以无云区域的显示为准，将云遮挡的影响减至最小；（5）若经过步骤（4）处理后的光谱数据中，云光谱消失，则完成云的筛除任务；若经过步骤（4）处理后的光谱数据中，云光谱显著减小但未消失，标记其坐标区域，然后沿该相近一段时间向前向后通过目视解译方法找到标记区域无云遮挡的光谱图像，再拟合，完成云的筛除任务。

Description

基于卫星遥感数据的冰川量检测方法
技术领域
本发明涉及一种大气治理领域，具体的说，涉及了一种基于卫星遥感数据的冰川量检测方法。
背景技术
冰川极容易受到大气环境的影响，进而发生变化，因此，对于冰川的观察是世界各国环境研究组织的重要观察对象之一。
当前的冰川识别方法众多，随着遥感数据的提升，由初始的野外直接测量法，逐步转换为遥感测量法，而遥感测量法中又有许多分类方法，包括比值阈值法、NDSI、监督分类方法、非监督分类方法、面向对象的分类方法以及神经网络分类方法。
这些方法面临的主要难题有两个：
一个是关于阴影部分的识别，由于阴影部分的光谱反射识别率低，导致难以分辨阴影部分是冰川、岩石或是湖水。
第二个是关于云的识别，由于云的颜色与冰山近似，在识别过程中很容易将云当做冰雪物进行归类，导致冰川识别的准确度降低。
关于阴影部分的识别问题是本领域大多数学者关注的领域，且研究颇深，有多种识别方法可使用，但是对于云的识别相对不受重视，原因是云的遮挡能够通过窗口期来规避，但是观察冰川的动态变化不能仅仅观察一个窗口期，对于相对良好的有云的季节，也应该加以关注，在这些时间段，云的存在不容忽视，如何解决云在观察过程中的剔除问题，是十分重要的。
发明内容
本发明的目的是针对现有技术的不足，从而提供一种基于高光谱遥感卫星对冰川上空的云层进行识别和剔除的基于卫星遥感数据的冰川量检测方法。
为了实现上述目的，本发明所采用的技术方案是：一种基于卫星遥感数据的冰川量检测方法，包括以下步骤：
（1）从高光谱遥感卫星获取相近一段时间内相同地点的冰川光谱数据，并对冰川图像进行辐射定标、大气校正和几何校正预处理；
（2）采用主成分分析法对冰川光谱数据进行处理，然后筛选出前4个主分量信息，拟标记为冰川、裸地、云和山体阴影；
（3）对比这些筛选出四个主分量的相近时段的冰川光谱数据，其中位置变化频繁的一种，将其确定为云；
（4）将步骤（3）处理后的光谱图像进行拟合，若干层光谱图像中，无云区域和有云区域叠加的位置以无云区域的显示为准，将云遮挡的影响减至最小；
（5）若经过步骤（4）处理后的光谱数据中，云光谱消失，则完成云的筛除任务；若经过步骤（4）处理后的光谱数据中，云光谱显著减小但未消失，标记其坐标区域，然后沿该相近一段时间向前向后通过目视解译方法找到标记区域无云遮挡的光谱图像，对这些图像进行辐射定标、大气校正和几何校正预处理，再利用步骤（4）的方法进行图像拟合，完成云的筛除任务；
至此，完成冰川、裸地和山体阴影的识别和检测。
基上所述，步骤（3）中，确定云的光谱数据后，剩余的冰川、裸地和山体阴影的面积从大到小依次为冰川、裸地和山体阴影。
基上所述，步骤（4）和（5）中， 图像拟合的过程中，选择冰川山体的尖顶和坡线作为拟合过程中的参照物进行拟合。
基上所述，若经过步骤（5）中的图像拟合后，仍然无法完成云的筛除任务，则通过一下步骤进行处理：
（6）若剩余云的光谱区域的四周均为冰川光谱，则判断该云区域的地面环境为冰川，用冰川光谱数据对其进行替换；
若剩余云的光谱区域的四周均为裸地，则判断该云区域的地面环境为裸地，用裸地光谱数据对其进行替换；
若剩余云的光谱区域的四周均为山体阴影，则判断该云区域的地面环境为山体阴影，用山体阴影的光谱数据对其进行替换；
若剩余云的光谱区域横跨两种其它光谱的边界，按照边界线的延伸趋势绘制线条，且绘制的线条在接近时平滑交合，然后将云的光谱区域以线条为界，分别填充为两侧区域的光谱图像，完成云的筛除任务。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说，本发明将高频谱遥感卫星中记录的对冰川近一段时间的光谱图像取出，对其进行预处理，然后通过主成分分析法筛选出前四种主分量信息，通常这四种主分量信息会占到全部主要信息的98%以上，由于观测的季节为多云季节，那么这些主分量信息的排序理论上是冰川、裸地、云和山体阴影，其中云和山体阴影的占比是不确定的，然后通过多副图的对比，获得动态变化的光谱数据，将这些光谱数据标记为云，因为云会随着空气的流动而发生移动，然后将这些光谱图像进行拟合，若干层光谱图像中，云所在的位置各不相同，在重叠区域，有云和其它光谱发生重叠，则消除云的光谱，替代为其它光谱，利用这种方式，完成图像拟合，解决云的筛除问题。
若获取的图像不够多，不足以消除全部的云光谱，可继续以时间为序，向前后方向继续搜寻，直到云光谱被彻底替代。
进一步的，拟合过程中，以冰川的尖顶和坡线为拟合过程中的参照物，原因在于尖顶区域和坡线区域均不容易发生改变，这些区域的标志性相对稳定。
进一步的，若还有剩余光谱，则采用包围的方式，用包围云光谱的图像替代云光谱，对交界处的云光谱，进行模糊处理，通过绘制趋势线，将云光谱进行分割和替换，最终完成云光谱的消除工作。
附图说明
图1是本发明中基于卫星遥感数据的冰川量检测方法的流程图。
具体实施方式
下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
如图1所示，一种基于卫星遥感数据的冰川量检测方法，包括以下步骤：
（1）从高光谱遥感卫星获取相近一段时间内相同地点的冰川光谱数据，并对冰川图像进行辐射定标、大气校正和几何校正预处理，该时间段按照当地的环境变化趋势而定，但是最长不超过一个月，以免时间过久，冰川变化的程度过大。
（2）采用主成分分析法对冰川光谱数据进行处理，然后筛选出前4个主分量信息，拟标记为冰川、裸地、云和山体阴影，一般情况下，云和山体阴影是排在第三位和第四位的。
（3）对比这些筛选出四个主分量的相近时段的冰川光谱数据，其中位置变化频繁的一种，将其确定为云，原因在于云随着空气的流动会频繁流动，位置不固定。
（4）将步骤（3）处理后的光谱图像进行拟合，若干层光谱图像中，无云区域和有云区域叠加的位置以无云区域的显示为准，将云遮挡的影响减至最小，即多副光谱图像重叠后，与云光谱叠加的区域只要有其中一层没有云，就以该层的光谱图像为准进行替换。
图像拟合的过程中，选择冰川山体的尖顶和坡线作为拟合过程中的参照物进行拟合，因为这些参照物相对不容易发生变化。
（5）若经过步骤（4）处理后的光谱数据中，云光谱消失，则完成云的筛除任务；若经过步骤（4）处理后的光谱数据中，云光谱显著减小但未消失，标记其坐标区域，然后沿该相近一段时间向前向后通过目视解译方法找到标记区域无云遮挡的光谱图像，对这些图像进行辐射定标、大气校正和几何校正预处理，再利用步骤（4）的方法进行图像拟合，完成云的筛除任务，由于这一部分补充图像的任务量已经答复缩小，且没有必要耗费过多的算力，所以通过目视解译的方式，由观测人员认为的找到需要的图像进行拟合，提升效率。
至此，完成冰川、裸地和山体阴影的识别和检测。
若经过步骤（5）中的图像拟合后，仍然无法完成云的筛除任务，则通过一下步骤进行处理：
（6）若剩余云的光谱区域的四周均为冰川光谱，则判断该云区域的地面环境为冰川，用冰川光谱数据对其进行替换；
若剩余云的光谱区域的四周均为裸地，则判断该云区域的地面环境为裸地，用裸地光谱数据对其进行替换；
若剩余云的光谱区域的四周均为山体阴影，则判断该云区域的地面环境为山体阴影，用山体阴影的光谱数据对其进行替换；
若剩余云的光谱区域横跨两种其它光谱的边界，按照边界线的延伸趋势绘制线条，且绘制的线条在接近时平滑交合，然后将云的光谱区域以线条为界，分别填充为两侧区域的光谱图像，完成云的筛除任务。
云筛除任务完成后，在一般的报告中，就可以作为冰川量的识别和检测来应用了。
若要进一步精细化的完成冰川量的识别，再借助现有的阴影去除方法，将阴影部分的光谱数据进行归类，最终完成冰川量的详细识别和检测。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。

Claims (4)

1.一种基于卫星遥感数据的冰川量检测方法，其特征在于：包括以下步骤：
（1）从高光谱遥感卫星获取相近一段时间内相同地点的冰川光谱数据，并对冰川图像进行辐射定标、大气校正和几何校正预处理；
（2）采用主成分分析法对冰川光谱数据进行处理，然后筛选出前4个主分量信息，拟标记为冰川、裸地、云和山体阴影；
（3）对比这些筛选出四个主分量的相近时段的冰川光谱数据，其中位置变化频繁的一种，将其确定为云；
（4）将步骤（3）处理后的光谱图像进行拟合，若干层光谱图像中，无云区域和有云区域叠加的位置以无云区域的显示为准，将云遮挡的影响减至最小；
（5）若经过步骤（4）处理后的光谱数据中，云光谱消失，则完成云的筛除任务；若经过步骤（4）处理后的光谱数据中，云光谱显著减小但未消失，标记其坐标区域，然后沿该相近一段时间向前向后通过目视解译方法找到标记区域无云遮挡的光谱图像，对这些图像进行辐射定标、大气校正和几何校正预处理，再利用步骤（4）的方法进行图像拟合，完成云的筛除任务；
至此，完成冰川、裸地和山体阴影的识别和检测。
2.根据权利要求1所述的基于卫星遥感数据的冰川量检测方法，其特征在于：步骤（3）中，确定云的光谱数据后，剩余的冰川、裸地和山体阴影的面积从大到小依次为冰川、裸地和山体阴影。
3.根据权利要求1所述的基于卫星遥感数据的冰川量检测方法，其特征在于：步骤（4）和（5）中， 图像拟合的过程中，选择冰川山体的尖顶和坡线作为拟合过程中的参照物进行拟合。
4.根据权利要求3所述的基于卫星遥感数据的冰川量检测方法，其特征在于：若经过步骤（5）中的图像拟合后，仍然无法完成云的筛除任务，则通过一下步骤进行处理：
（6）若剩余云的光谱区域的四周均为冰川光谱，则判断该云区域的地面环境为冰川，用冰川光谱数据对其进行替换；
若剩余云的光谱区域的四周均为裸地，则判断该云区域的地面环境为裸地，用裸地光谱数据对其进行替换；
若剩余云的光谱区域的四周均为山体阴影，则判断该云区域的地面环境为山体阴影，用山体阴影的光谱数据对其进行替换；
若剩余云的光谱区域横跨两种其它光谱的边界，按照边界线的延伸趋势绘制线条，且绘制的线条在接近时平滑交合，然后将云的光谱区域以线条为界，分别填充为两侧区域的光谱图像，完成云的筛除任务。
CN202111428664.4A 2021-11-29 2021-11-29 基于卫星遥感数据的冰川量检测方法 Active CN113900097B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111428664.4A CN113900097B (zh) 2021-11-29 2021-11-29 基于卫星遥感数据的冰川量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111428664.4A CN113900097B (zh) 2021-11-29 2021-11-29 基于卫星遥感数据的冰川量检测方法

Publications (2)

Publication Number Publication Date
CN113900097A CN113900097A (zh) 2022-01-07
CN113900097B true CN113900097B (zh) 2022-08-16

Family

ID=79195188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111428664.4A Active CN113900097B (zh) 2021-11-29 2021-11-29 基于卫星遥感数据的冰川量检测方法

Country Status (1)

Country Link
CN (1) CN113900097B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127717A (zh) * 2016-06-15 2016-11-16 中国科学院遥感与数字地球研究所 一种基于modis逐日积雪覆盖图像的去云方法及装置
CN106845326A (zh) * 2015-12-04 2017-06-13 核工业北京地质研究院 一种基于航空高光谱遥感数据的冰川识别方法
CN107730527A (zh) * 2017-10-16 2018-02-23 中国科学院遥感与数字地球研究所 一种基于遥感卫星影像的高原地区冰湖提取方法
CN111899194A (zh) * 2020-07-30 2020-11-06 青海省地理空间和自然资源大数据中心 一种遥感影像中云和云阴影的去除方法
CN111932567A (zh) * 2020-07-30 2020-11-13 中国科学院空天信息创新研究院 基于卫星影像的冰湖轮廓自动提取方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11017507B2 (en) * 2016-12-20 2021-05-25 Nec Corporation Image processing device for detection and correction of cloud cover, image processing method and storage medium
US11010606B1 (en) * 2019-11-15 2021-05-18 Maxar Intelligence Inc. Cloud detection from satellite imagery

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845326A (zh) * 2015-12-04 2017-06-13 核工业北京地质研究院 一种基于航空高光谱遥感数据的冰川识别方法
CN106127717A (zh) * 2016-06-15 2016-11-16 中国科学院遥感与数字地球研究所 一种基于modis逐日积雪覆盖图像的去云方法及装置
CN107730527A (zh) * 2017-10-16 2018-02-23 中国科学院遥感与数字地球研究所 一种基于遥感卫星影像的高原地区冰湖提取方法
CN111899194A (zh) * 2020-07-30 2020-11-06 青海省地理空间和自然资源大数据中心 一种遥感影像中云和云阴影的去除方法
CN111932567A (zh) * 2020-07-30 2020-11-13 中国科学院空天信息创新研究院 基于卫星影像的冰湖轮廓自动提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Method for Compositing Polar MODIS Satellite;Alexander D. Fraser et al.;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20090930;第47卷(第9期);第3272-3282页 *
遥感影像去除云阴影的高山区冰湖信息提取方法;王志林;《北京测绘》;20191031;第33卷(第10期);第1236-1239页 *

Also Published As

Publication number Publication date
CN113900097A (zh) 2022-01-07

Similar Documents

Publication Publication Date Title
US11615615B2 (en) Method and apparatus for extracting mountain landscape buildings based on high-resolution remote sensing images
Yang et al. Urban surface water body detection with suppressed built-up noise based on water indices from Sentinel-2 MSI imagery
Li et al. Multi-feature combined cloud and cloud shadow detection in GaoFen-1 wide field of view imagery
CN109377485B (zh) 一种方便面包装缺陷机器视觉检测方法
Ke et al. A review of methods for automatic individual tree-crown detection and delineation from passive remote sensing
CN111932567B (zh) 基于卫星影像的冰湖轮廓自动提取方法
Dalponte et al. Tree crown delineation and tree species classification in boreal forests using hyperspectral and ALS data
Goodwin et al. Cloud and cloud shadow screening across Queensland, Australia: An automated method for Landsat TM/ETM+ time series
Liu et al. A hybrid method for segmenting individual trees from airborne lidar data
Chen et al. Building detection in an urban area using lidar data and QuickBird imagery
CN109977801A (zh) 一种联合光学和雷达的区域水体快速动态提取方法及系统
CN103839267A (zh) 一种基于形态学建筑物指数的建筑物提取方法
CN107330898B (zh) 植被垂直带定量刻划计算方法和系统
Saeed et al. Coastline extraction using satellite imagery and image processing techniques
CN109191432A (zh) 基于域变换滤波多尺度分解的遥感图像云检测方法
Yang et al. Impervious surface extraction in urban areas from high spatial resolution imagery using linear spectral unmixing
CN111007013B (zh) 面向东北冷凉区的作物轮作休耕遥感监测方法与装置
Wang et al. A novel multi-scale segmentation algorithm for high resolution remote sensing images based on wavelet transform and improved JSEG algorithm
CN110175556B (zh) 基于Sobel算子的遥感图像云检测方法
CN114596495B (zh) 一种基于Sentinel-2A遥感影像溜砂坡判识与自动提取方法
Chen et al. Land cover mapping in urban environments using hyperspectral APEX data: A study case in Baden, Switzerland
CN107992856A (zh) 城市场景下的高分遥感建筑物阴影检测方法
CN110889840A (zh) 面向地物目标的高分6号遥感卫星数据的有效性检测方法
Jain et al. Expansion of a glacial lake, Tsho Chubda, Chamkhar Chu Basin, Hindukush Himalaya, Bhutan
WO2019184269A1 (zh) 基于Landsat8含雪影像的云检测方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240527

Address after: 230000 Woye Garden Commercial Building B-1017, 81 Ganquan Road, Shushan District, Hefei City, Anhui Province

Patentee after: HEFEI JINGLONG ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: No.55 Pingyuan Middle Road, Shangqiu City, Henan Province

Patentee before: SHANGQIU NORMAL University

Country or region before: China