CN114114255A - 记录黄河生态资源变化状态的遥感检测方法 - Google Patents
记录黄河生态资源变化状态的遥感检测方法 Download PDFInfo
- Publication number
- CN114114255A CN114114255A CN202111438872.2A CN202111438872A CN114114255A CN 114114255 A CN114114255 A CN 114114255A CN 202111438872 A CN202111438872 A CN 202111438872A CN 114114255 A CN114114255 A CN 114114255A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- boundary
- sensing satellite
- yellow river
- ecological
- 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
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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种记录黄河生态资源变化状态的遥感检测方法,包括以下步骤:从高分辨率遥感卫星或高光谱遥感卫星中提取出一年中冬季黄河流域的生态资源数据;从雷达遥感卫星中提取同一年中夏季黄河流域的生态资源数据,对获取的图像数据进行大气校正、几何校正、辐射校正和正射校正;对两次图像数据进行叠加;对重合后的图像数据进行纠偏;获得每一年黄河生态资源在当年的数据图,通过对比即可获得黄河生态资源的变化状态。该方法利用了两种遥感技术的优势,并相互结合使用,得到相对准确的每一年的生态资源数据,进而能够得到相对准确的黄河生态资源的变化状态。
Description
技术领域
本发明涉及一种大气治理领域,具体的说,涉及了一种记录黄河生态资源变化状态的遥感检测方法。
背景技术
我国经济的发展,已经越过了粗放型发展的时期,对于大气治理和环境保护越发严格,尤其是在碳达峰和碳中和的背景下,对于国境内的环境资源保护和监测越发急迫。
黄河流域由于历史问题,一直是生态治理的重中之重,尤其是在中上游地区经过黄土高原的位置,近年来一直在进行土地的绿化工作和水土流失的防治工作,但是对于各种生态资源的动态变化数据大多通过现场的数据统计得到,然后通过遥感卫星的数据进行补充。
当前,对于地表生态资源的探测工作主要依赖于雷达遥感,因为它不容易受到云雨的影响,能够对地表进行随时随地的采集,时间上的窗口期较长,但是他对生态资源种类的分辨能力相对较弱。
而高分辨率遥感和高光谱遥感等光学类遥感技术,具有更强的生态资源种类分辨能力,但是对于天气的要求相对较高。
黄河流域地处北方,四季分明,在夏季生态资源丰富的季,也是雨水和云层较多的季,高分辨率遥感和高光谱遥感技术应用的时间窗口较窄,不容易获取完整的生态资源数据。
发明内容
本发明的目的是针对现有技术的不足,从而提供一种利用了两种遥感技术的优势,并相互结合使用,得到相对准确的每一年的生态资源数据,进而能够得到相对准确的黄河生态资源的变化状态的的记录黄河生态资源变化状态的遥感检测方法。
为了实现上述目的,本发明所采用的技术方案是:一种记录黄河生态资源变化状态的遥感检测方法,包括以下步骤:
步骤1)从高分辨率遥感卫星或高光谱遥感卫星中提取出一年中冬季黄河流域的生态资源数据,获取土壤边界、植被边界、水体边界和深度、人类活动区域边界的图像数据;
步骤2)对获取的冬季的图像数据进行大气校正、几何校正、辐射校正和正射校正;
步骤3)从雷达遥感卫星中提取同一年中夏季黄河流域的生态资源数据,获取土壤边界、植被边界、水体边界、人类活动边界的图像数据;
步骤4)对获取的夏季的图像数据进行大气校正、几何校正、辐射校正和正射校正;
步骤5)将经过步骤2)和步骤4)处理过后的黄河流域的生态资源数据所形成的图像数据进行叠加,按照几何校正的方式,选择两幅图像数据中的显著特征参照点进行重合修正;
步骤6)针对步骤5)中重合后的图像数据,土壤边界、植被边界、水体边界、人类活动边界的差值小于雷达遥感卫星的感应精度的数值,以高分辨率遥感卫星或高光谱遥感卫星所探测的边界线为准,同时,计算各个位置处两条边界线之间的距离并求差值,作为雷达遥感卫星和高分辨率遥感卫星或高光谱遥感卫星之间的纠偏值;
步骤7)针对步骤5)中重合后的图像数据,土壤边界、植被边界、水体边界、人类活动边界的差值大于雷达遥感卫星的感应精度的数值,以雷达遥感卫星所探测的边界线为准,同时加入所述纠偏值进行纠偏,以此获得黄河生态资源在当年的数据图;
步骤8)分别按照步骤2)-步骤7)的过程,获得每一年黄河生态资源在当年的数据图,通过对比即可获得黄河生态资源的变化状态。
基上所述,步骤6)中,对于水体边界的确定以雷达遥感卫星所监测到的边界为准。
基上所述,根据冬季高分辨率遥感卫星或高光谱遥感卫星所监测到的水体深度数据和水体边界数据、夏季雷达遥感卫星所监测到的水体边界数据以及水体边界位置山体的坡度数据,计算出夏季的水体深度。
基上所述,土壤边界中,对于高分辨率遥感卫星或高光谱遥感卫星能够识别而雷达遥感卫星未能识别的边界信息,以高分辨率遥感卫星或高光谱遥感卫星为准。
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,本发明结合了高分辨率遥感卫星或高光谱遥感卫星对地面生态资源识别能力强的特点,以及容易受到阴雨天气影响而导致夏季观测的窗口时间短的缺陷,主要提取它记录的当年冬季的黄河流域生态资源分布影像,虽然这个季节的植被数量不多,河水水位会下降,但是对于土壤、林木资源等的分布状态是十分准确的,也能够分辨出不同林木种类、不同土壤土质之间的边界,而对于庄稼、农作物的分辨会受到影响;
而雷达遥感卫星与高分辨率遥感卫星或高光谱遥感卫星最大的优势在于它能够不受阴雨天气的干扰,随时随地的对土地上面的生态资源进行遥感探测,但是它的缺陷在于对对面生态资源的识别能力相对较弱,但是对于明显不同的两类物体有较高的分辨能力,比如水体、土壤与植被之间的分界,因此在夏季,它能够准确的获取水体边界、农作物边界、植被边界和土壤边界;
将两者的图像分别进行校正,校正的过程按照相同的标准执行,使其输出的图像一致,然后将两者重合,然后针对不同的生态资源,重新确定出相对更加精准的边界位置,即可得到黄河区域当年的生态资源数据,通过逐年对比,可以获得黄河生态资源的变化状态。
附图说明
图1是本发明中记录黄河生态资源变化状态的遥感检测方法的流程图。
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,一种记录黄河生态资源变化状态的遥感检测方法,包括以下步骤:
步骤1)从高分辨率遥感卫星或高光谱遥感卫星中提取出一年中冬季黄河流域的生态资源数据,获取土壤边界、植被边界、水体边界和深度、人类活动区域边界的图像数据,由于高分辨率遥感卫星或高光谱遥感卫星对于地面上生态资源的识别能力较强,不仅可以识别出不同种类生态资源之间的边界,也能够识别出相同种类生态资源中不同属性资源的边界,例如林木中不同树木的边界、土壤环境中不同土质的边界,又由于该类光学遥感技术能够透过水面识别到水体中的生态资源,因此能够获取水体深度数据,以及水体中的含沙量等数据,能够充分体现出生态资源的丰富程度,但是夏季空气湿度较大,阴雨天气较多,高分辨率遥感卫星或高光谱遥感卫星的观测窗口期较短,难以将夏季的生态资源分布数据观察清楚。
但是夏季是生态资源中植被、水体等季节变化明显的资源能够充分体现出其丰富程度的季节,损失该季节的数据会导致数据的明显失准。
步骤2)对获取的冬季的图像数据进行大气校正、几何校正、辐射校正和正射校正,校正的目的是给图像数据一个基准值,以便于后续雷达遥感卫星中的数据与其进行匹配。
步骤3)从雷达遥感卫星中提取同一年中夏季黄河流域的生态资源数据,获取土壤边界、植被边界、水体边界、人类活动边界的图像数据,雷达遥感卫星的优势在于它针对云雨天气的穿透能力,不容易受到夏季这些不利因素的影响,具有较长的检测窗口期,能够全面、准确的获得夏季的生态资源分布数据,但是由于其本身识别精度的问题,导致部分生态资源信息的识别不够准确,仅仅采用雷达遥感,不能充分体现出生态资源分布的丰富程度。
步骤4)对获取的夏季的图像数据进行大气校正、几何校正、辐射校正和正射校正,校正的标准和要求与步骤2)均相同,目的也同样是给图像数据一个基准值,以便于得到的高分辨率遥感卫星或高光谱遥感卫星与其进行融合。
步骤5)将经过步骤2)和步骤4)处理过后的黄河流域的生态资源数据所形成的图像数据进行叠加,按照几何校正的方式,选择两幅图像数据中的显著特征参照点进行重合修正,例如山顶、显著的拐角位置、建筑物等等从图像中可以获得明显特征的特征点,将两副图像中的这些特征点重合在一起,对两副图像进行重合修正。
步骤6)针对步骤5)中重合后的图像数据,土壤边界、植被边界、水体边界、人类活动边界的差值小于雷达遥感卫星的感应精度的数值,以高分辨率遥感卫星或高光谱遥感卫星所探测的边界线为准,因为这些数据并不会因为短期天气的变化而出现过大的变化。
同时,计算各个位置处两条边界线之间的距离并求差值,作为雷达遥感卫星和高分辨率遥感卫星或高光谱遥感卫星之间的纠偏值,如土壤边界与林木边界,这种生态资源的边界不会因为短期时间变化而变化,因此,高分辨率遥感卫星或高光谱遥感卫星显然识别的更加准确,那么他们识别的目标一致、结果出现了偏差,必然是雷达遥感卫星自身精度的问题,所以将该差值作为纠偏值,去校准雷达遥感卫星的数值。
步骤7)针对步骤5)中重合后的图像数据,土壤边界、植被边界、水体边界、人类活动边界的差值大于雷达遥感卫星的感应精度的数值,以雷达遥感卫星所探测的边界线为准,同时加入所述纠偏值进行纠偏,以此获得黄河生态资源在当年的数据图,能够保留两种遥感监测手段的优势,以获得更加准确的生态资源分布数据。
步骤8)分别按照步骤2)-步骤7)的过程,获得每一年黄河生态资源在当年的数据图,通过对比即可获得黄河生态资源的变化状态。
在这些数据中,对于水体边界的确定以雷达遥感卫星所监测到的边界为准,因为水体在冬夏两季的水平面变化较大,因此以雷达感知为准。
另外,由于雷达遥感技术无法感知水体,只能感知水面,因此根据冬季高分辨率遥感卫星或高光谱遥感卫星所监测到的水体深度数据和水体边界数据、夏季雷达遥感卫星所监测到的水体边界数据以及水体边界位置山体的坡度数据,计算出夏季的水体深度。
而土壤边界中,对于高分辨率遥感卫星或高光谱遥感卫星能够识别而雷达遥感卫星未能识别的边界信息,以高分辨率遥感卫星或高光谱遥感卫星为准。
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)
1.一种记录黄河生态资源变化状态的遥感检测方法,其特征在于:包括以下步骤:
步骤1)从高分辨率遥感卫星或高光谱遥感卫星中提取出一年中冬季黄河流域的生态资源数据,获取土壤边界、植被边界、水体边界和深度、人类活动区域边界的图像数据;
步骤2)对获取的冬季的图像数据进行大气校正、几何校正、辐射校正和正射校正;
步骤3)从雷达遥感卫星中提取同一年中夏季黄河流域的生态资源数据,获取土壤边界、植被边界、水体边界、人类活动边界的图像数据;
步骤4)对获取的夏季的图像数据进行大气校正、几何校正、辐射校正和正射校正;
步骤5)将经过步骤2)和步骤4)处理过后的黄河流域的生态资源数据所形成的图像数据进行叠加,按照几何校正的方式,选择两幅图像数据中的显著特征参照点进行重合修正;
步骤6)针对步骤5)中重合后的图像数据,土壤边界、植被边界、水体边界、人类活动边界的差值小于雷达遥感卫星的感应精度的数值,以高分辨率遥感卫星或高光谱遥感卫星所探测的边界线为准,同时,计算各个位置处两条边界线之间的距离并求差值,作为雷达遥感卫星和高分辨率遥感卫星或高光谱遥感卫星之间的纠偏值;
步骤7)针对步骤5)中重合后的图像数据,土壤边界、植被边界、水体边界、人类活动边界的差值大于雷达遥感卫星的感应精度的数值,以雷达遥感卫星所探测的边界线为准,同时加入所述纠偏值进行纠偏,以此获得黄河生态资源在当年的数据图;
步骤8)分别按照步骤2)-步骤7)的过程,获得每一年黄河生态资源在当年的数据图,通过对比即可获得黄河生态资源的变化状态。
2.根据权利要求1所述的记录黄河生态资源变化状态的遥感检测方法,其特征在于:步骤6)中,对于水体边界的确定以雷达遥感卫星所监测到的边界为准。
3.根据权利要求2所述的记录黄河生态资源变化状态的遥感检测方法,其特征在于:根据冬季高分辨率遥感卫星或高光谱遥感卫星所监测到的水体深度数据和水体边界数据、夏季雷达遥感卫星所监测到的水体边界数据以及水体边界位置山体的坡度数据,计算出夏季的水体深度。
4.根据权利要求3所述的记录黄河生态资源变化状态的遥感检测方法,其特征在于:土壤边界中,对于高分辨率遥感卫星或高光谱遥感卫星能够识别而雷达遥感卫星未能识别的边界信息,以高分辨率遥感卫星或高光谱遥感卫星为准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111438872.2A CN114114255B (zh) | 2021-11-29 | 2021-11-29 | 记录黄河生态资源变化状态的遥感检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111438872.2A CN114114255B (zh) | 2021-11-29 | 2021-11-29 | 记录黄河生态资源变化状态的遥感检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114114255A true CN114114255A (zh) | 2022-03-01 |
CN114114255B CN114114255B (zh) | 2022-11-29 |
Family
ID=80368108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111438872.2A Active CN114114255B (zh) | 2021-11-29 | 2021-11-29 | 记录黄河生态资源变化状态的遥感检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114114255B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064337A (en) * | 1997-09-04 | 2000-05-16 | System Box, Inc. | Global information providing system |
CN102169557A (zh) * | 2011-03-10 | 2011-08-31 | 王桥 | 环境遥感应用系统 |
CN112166693B (zh) * | 2012-06-29 | 2014-10-22 | 二十一世纪空间技术应用股份有限公司 | 基于小卫星的区域地表水资源遥感监测方法 |
CN109190538A (zh) * | 2018-08-24 | 2019-01-11 | 华北水利水电大学 | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 |
CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
CN109977801A (zh) * | 2019-03-08 | 2019-07-05 | 中国水利水电科学研究院 | 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 |
CN113128401A (zh) * | 2021-04-19 | 2021-07-16 | 中国水利水电科学研究院 | 基于光学和雷达遥感数据的区域实际灌溉面积监测方法 |
-
2021
- 2021-11-29 CN CN202111438872.2A patent/CN114114255B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064337A (en) * | 1997-09-04 | 2000-05-16 | System Box, Inc. | Global information providing system |
CN102169557A (zh) * | 2011-03-10 | 2011-08-31 | 王桥 | 环境遥感应用系统 |
CN112166693B (zh) * | 2012-06-29 | 2014-10-22 | 二十一世纪空间技术应用股份有限公司 | 基于小卫星的区域地表水资源遥感监测方法 |
CN109190538A (zh) * | 2018-08-24 | 2019-01-11 | 华北水利水电大学 | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 |
CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
CN109977801A (zh) * | 2019-03-08 | 2019-07-05 | 中国水利水电科学研究院 | 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 |
CN113128401A (zh) * | 2021-04-19 | 2021-07-16 | 中国水利水电科学研究院 | 基于光学和雷达遥感数据的区域实际灌溉面积监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114114255B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fuller et al. | The UK Land Cover Map 2000: construction of a parcel-based vector map from satellite images | |
Richard et al. | A statistical study of NDVI sensitivity to seasonal and interannual rainfall variations in Southern Africa | |
CN102708307B (zh) | 一种应用于城市的植被指数构造方法 | |
Jain et al. | Flood inundation mapping using NOAA AVHRR data | |
CN112285710B (zh) | 一种多源遥感水库蓄水量估算方法与装置 | |
CN111985433B (zh) | 一种水稻遥感信息提取方法和系统 | |
CN114114255B (zh) | 记录黄河生态资源变化状态的遥感检测方法 | |
Anurogo et al. | An integrated comparative approach to estimating forest aboveground carbon stock using advanced remote sensing technologies | |
CN112166688B (zh) | 基于小卫星的沙漠与沙漠化土地监测方法 | |
CN110111376B (zh) | 一种采煤沉陷水域面积计算方法 | |
Khalaf et al. | Detection land cover changes of the baquba city for the period 2014-2019 using spectral indices | |
CN108594335B (zh) | 一种全球降水检测方法 | |
CN112711793B (zh) | 一种削山建设识别方法及装置 | |
CN115527108A (zh) | 一种基于多时相Sentinel-2快速识别水土流失人为扰动地块的方法 | |
Torma et al. | Change detection using spatial data problems and challenges | |
Mostafa et al. | Using of high resolution satellite images for updating large scale mapping in Egypt | |
Shamsoddini | Radar backscatter and optical textural indices fusion for pine plantation structure mapping | |
CN103557849A (zh) | 应用于快鸟影像的山区单木快速绝对定位及坐标修正方法 | |
Kumar et al. | Urban features identification from dual-pol SAR images with filter properties | |
Zhao et al. | Forest Feature LIDAR Slam (F 2-LSLAM) and Integrated Scan Simultaneous Trajectory Enhancement and Mapping (IS 2-TEAM) for Accurate Forest Inventory Using Backpack Systems | |
CN117347974B (zh) | 一种灌丛植被地上生物量的估测方法及装置 | |
CN114359730B (zh) | 一种无样本条件下农作物种植区快速识别的方法 | |
Olfindo Jr et al. | Sugarcane plantation mapping using dynamic time warping from multi-temporal Sentinel-1A radar images | |
Liu et al. | Segmentation of Individual Trees Based on the 3-D Distribution Characteristics of Point Cloud Data Obtained by Airborne Lidar | |
Atassi et al. | Report on: Mapping natural resource (soil, weather, agro-biodiversity) to identify hot-spots and suitable areas in Sudan |
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 |