CN114154040B - 遥感参考数据集的构建方法和装置 - Google Patents
遥感参考数据集的构建方法和装置 Download PDFInfo
- Publication number
- CN114154040B CN114154040B CN202210116126.XA CN202210116126A CN114154040B CN 114154040 B CN114154040 B CN 114154040B CN 202210116126 A CN202210116126 A CN 202210116126A CN 114154040 B CN114154040 B CN 114154040B
- Authority
- CN
- China
- Prior art keywords
- data set
- image
- reference data
- framing
- date
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种遥感参考数据集的构建方法,包括:获取目标年度的参考数据集;将所述参考数据集与预先确定的分幅数据集进行匹配,根据所述分幅数据集按照对应的分幅对所述参考数据集进行划分,确定所述参考数据集的分幅的地理坐标、定制日期、定制儒略日和分幅内样点的ID;利用预先确定的影像数据集中对应的分幅对所述参考数据集中的分幅进行更新,确定所述参考数据集中的分幅内样点的波段数、波段值和影像日期,生成遥感参考数据集。以此方式,能够延长遥感影像参考数据集的实效性,提高参考数据集的使用率,同时便于对遥感参考数据集进行系统的存储和管理,便于更新。
Description
技术领域
本公开的实施例一般涉及遥感影像技术领域,并且更具体地,涉及遥感参考数据集的构建方法和装置。
背景技术
利用已检验且精度较高或已被公众认可的遥感参考数据,进行遥感产品的检验,是目前遥感产品业务化质检的有效方法。遥感产品在质检和应用上与影像数据存在较大差异,当前业务应用中,由于缺少可有效支撑遥感产品质检的基础数据,以及可支撑不同部门遥感产品应用的有效信息,遥感产品的规模化生产、质检以及业务应用均受到极大限制,亟需加快构建与遥感产品相配套的参考数据集,否则可能造成产品精度无法检验,用户无法使用的不利局面。
遥感参考数据涉及反射率、温度、指数等产品类型,其数据种类较多;覆盖范围均为全球,其覆盖区域面积大;各类遥感参考数据均具有时间特性,其时效性较强;遥感参考数据的收集、下载和处理工作相对繁杂,其工作量非常大;基于遥感参考数据的特点,各类遥感参考数据需较长期保存,且随着参考数据源的不断更新,需制定相应的存储、管理、更新策略,保证参考数据集的高效使用。
发明内容
根据本公开的实施例,提供了一种遥感参考数据集的构建方法,能够延长遥感影像参考数据集的实效性,提高参考数据集的使用率,同时便于对遥感参考数据集进行系统的存储和管理,便于更新。
在本公开的第一方面,提供了一种遥感参考数据集的构建方法,包括:
获取目标年度的参考数据集;
将所述参考数据集与预先确定的分幅数据集进行匹配,根据所述分幅数据集按照对应的分幅对所述参考数据集进行划分,确定所述参考数据集的分幅的地理坐标、定制日期、定制儒略日和分幅内样点的ID;
利用预先确定的影像数据集中对应的分幅对所述参考数据集中的分幅进行更新,确定所述参考数据集中的分幅内样点的波段数、波段值和影像日期,生成遥感参考数据集。
在一些实施例中,所述分幅数据集通过以下方式确定:
按照预设的经度和维度跨度对全球区域划分,生成多个分幅;
确定每个分幅的分幅号和对应的空间范围;
对每个分幅进行矢栅转换,对得到的栅格要素按照预设的空间间隔提取样点,针对每个样点划定等间距天数,生成等时间间隔的点矢量要素;
确定每个样点的地理坐标、定制日期、定制儒略日和ID,生成分幅数据集。
在一些实施例中,所述影像数据集通过以下方式确定:
获取已验证精度的原始遥感影像数据集;
确定所述原始遥感影像数据集的影像获取时间,对所述原始遥感影像数据集进行有效区域掩膜处理,并生成所述原始遥感影像数据集的图像矢量;
将处理后的原始遥感影像数据集与所述分幅数据集进行空间拓扑关系运算,确定所述处理后的原始遥感影像数据集的分幅号。
在一些实施例中,在所述根据所述分幅数据集按照对应的分幅对所述参考数据集进行划分后,所述方法还包括:
判断所述参考数据集是否缺失与所述分幅数据集对应的分幅数据;
响应于所述参考数据集缺失对应的分幅数据,利用所述分幅数据集中对应的分幅数据对所述参考数据集中缺失的分幅数据进行补充。
在一些实施例中,所述利用预先确定的影像数据集中对应的分幅对所述参考数据集中的分幅进行更新,确定所述参考数据集中的分幅内样点的波段数、波段值和影像日期,包括:
将所述参考数据集中的分幅的图像矢量与所述影像数据集中对应的分幅的样点数据进行拓扑相交,获取所述参考数据集中的分幅的样点数据集,获取所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期。
在一些实施例中,所述获取所述参考数据集中的分幅的样点数据集,获取所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期,包括:
根据所述样点数据集内的样点对应的波段值判断对应的样点是否在有效区域内;
响应于对应的样点在有效区域内,则进一步判断对应的样点中的影像值是否存在,如果不存在,则根据所述影像数据集中对应的波段数、波段值和影像日期,对对应的样点数据进行更新,如果存在,则获取所述样点数据集内的样点的影像日期,响应于样点的影像日期与定制日期的绝对差大于影像数据集中对应的影像日期与定制日期的绝对差,将所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期。
在一些实施例中,还包括:
将多个年度的遥感参考数据集进行汇总,生成多年度参考数据集。
在本公开的第二方面,提供一种遥感参考数据集的构建装置,包括:
参考数据集获取模块,用于获取目标年度的参考数据集;
分幅划分模块,用于将所述参考数据集与预先确定的分幅数据集进行匹配,根据所述分幅数据集按照对应的分幅对所述参考数据集进行划分,确定所述参考数据集的分幅的地理坐标、定制日期、定制儒略日和分幅内样点的ID;
分幅数据更新模块,用于利用预先确定的影像数据集中对应的分幅对所述参考数据集中的分幅进行更新,确定所述参考数据集中的分幅内样点的波段数、波段值和影像日期,生成遥感参考数据集。
在本公开的第三方面,提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
在本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
通过本公开的遥感参考数据集的构建方法,能够延长遥感影像参考数据集的实效性,提高参考数据集的使用率,同时便于对遥感参考数据集进行系统的存储和管理,便于更新。
发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了本公开实施例一的遥感参考数据集的构建方法的流程图;
图2示出了本公开实施例二的遥感参考数据集的构建装置的结构示意图;
图3示出了本公开实施例三的遥感参考数据集的构建设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合具体的实施例对本公开的技术方案进行说明。如图1所示,为本公开实施例一的遥感参考数据集的构建方法的流程图。从图1中可以看出,本实施例的遥感参考数据集的构建方法,可以包括以下步骤:
S101:获取目标年度的参考数据集。
本公开实施例的遥感参考数据集的构建方法,可以用于构建某一区域的年度的遥感参考数据集,例如2020年的年度某某地区的遥感参考数据集,当然,也可以用来构建某一历史年度的全球区域的遥感参考数据集。具体地,当利用本实施例的遥感参考数据集的构建方法构建目标区域的年度的遥感参考数据集时,可以先获取目标区域对应的年度参考数据。在本实施例中,所述的目标年度的参考数据集可以是目标区域的对应年度的参考数据集,所述参考数据集包括对应年度内不定时拍摄的目标区域的卫星图像。
S102:将所述参考数据集与预先确定的分幅数据集进行匹配,根据所述分幅数据集按照对应的分幅对所述参考数据集进行划分,确定所述参考数据集的分幅的地理坐标、定制日期、定制儒略日和分幅内样点的ID。
在获取目标年度的参考数据集后,将所述参考数据集与预先确定的分幅数据集进行匹配,对所述参考数据集中的数据进行划分,将所述参考数据集中的数据划分为多个分幅。其中,所述参考数据集可以包括多张不同时间点拍摄的目标区域的卫星图像,对所述参考数据集中的数据进行划分包括对每张卫星图像按照分幅数据集的分幅规则进行划分。确定所述参考数据集的分幅的地理坐标、定制日期、定制儒略日和分幅内样点的ID。
本实施例中的分幅数据集可以通过以下方式确定:
按照预设的经度和维度跨度对全球区域划分,生成多个分幅;确定每个分幅的分幅号和对应的空间范围;对每个分幅进行矢栅转换,对得到的栅格要素按照预设的空间间隔提取样点,针对每个样点划定等间距天数,生成等时间间隔的点矢量要素;确定每个样点的地理坐标、定制日期、定制儒略日和ID,生成分幅数据集。例如,可以按照经度跨度为6°,维度跨度为4°的规则对全球区域划分,将全球区域划分为多个经度为6°、维度为4°的格子(所述格子即为分幅),确定每个分幅的分幅号和对应的空间范围,即对每个分幅进行唯一性编码,并确定对应的空间范围,将分幅号和空间范围关联起来,然后按照预设间隔提取分幅内的样点,并且针对每个样点划定等间距天数,即每个样点对应有多个观测值,多个观测值对应的日期之间的间隔是一定的。确定每个样点的地理坐标、定制日期、定制儒略日和ID,生成分幅数据集。即每个分幅数据集包括多个与日期对应的分幅。
本实施例中,利用分幅数据集确定参考数据集对应的分幅,将参考数据集中的每张卫星图像集划分为多个分幅,每个分幅包括多张卫星图像中对应分幅空间范围的不同时间的卫星图像。并且具体地,还可以确定参考数据集的分幅的地理坐标、定制日期、定制儒略日和分幅内样点的ID。
此外,在本实施例中,当将所述参考数据集划分为多个对应的分幅后,可以进一步判断所述参考数据集是否缺失与所述分幅数据集对应的分幅数据;
响应于所述参考数据集缺失对应的分幅数据,利用所述分幅数据集中对应的分幅数据对所述参考数据集中缺失的分幅数据进行补充。
S103:利用预先确定的影像数据集中对应的分幅对所述参考数据集中的分幅进行更新,确定所述参考数据集中的分幅内样点的波段数、波段值和影像日期,生成遥感参考数据集。
在本实施例中,当将所述参考数据集进行划分多个分幅后,可以进一步利用预先确定的影像数据集对所述参考数据集中的分幅进行更新,确定所述参考数据集中的分幅内样点的波段数、波段值和影像日期,生成遥感参考数据集。
其中,所述影像数据集可以通过以下方式确定:
获取已验证精度的原始遥感影像数据集;确定所述原始遥感影像数据集的影像获取时间,对所述原始遥感影像数据集进行有效区域掩膜处理,并生成所述原始遥感影像数据集的图像矢量; 将处理后的原始遥感影像数据集与所述分幅数据集进行空间拓扑关系运算,确定所述处理后的原始遥感影像数据集的分幅号。
所述利用预先确定的影像数据集对所述参考数据集中的分幅进行更新,确定所述参考数据集中的分幅内样点的波段数、波段值和影像日期,生成遥感参考数据集,包括:
将所述参考数据集中的分幅的图像矢量与所述影像数据集中对应的分幅的样点数据进行拓扑相交,获取所述参考数据集中的分幅的样点数据集,获取所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期,进而生成遥感参考数据集。具体地,可以根据所述样点数据集内的样点对应的波段值判断对应的样点是否在有效区域内;响应于对应的样点在有效区域内,则进一步判断对应的样点中的影像值是否存在,如果不存在,则根据所述影像数据集中对应的波段数、波段值和影像日期,对对应的样点数据进行更新,如果存在,则获取所述样点数据集内的样点的影像日期,响应于样点的影像日期与定制日期的绝对差大于影像数据集中对应的影像日期与定制日期的绝对差,将所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期。
本公开实施例的遥感参考数据集的构建方法,能够延长遥感影像参考数据集的实效性,提高参考数据集的使用率,同时便于对遥感参考数据集进行系统的存储和管理,便于更新。
作为本公开的一个可选实施例,在上述实施例中,还可以按照构建年度的遥感参考数据集的方式分别构建多个连续年度的遥感参考数据集,进而生成多年度遥感参考数据集。
下面以一个具体的实例对多年度遥感参考数据集的构建进行说明。对于多年度遥感参考数据集E,其可以包括多个连续年度的遥感参考数据集,例如A、B、C、D,对于其中的一个年度的遥感参考数据集A,其又可以包括多个分幅数据集Ai,对于其中一个分幅数据集A1,其又可以包括多个对应等间距天数的数据集A1j,对于其中的一个数据A11,可以按照上述步骤S101-S102中的方式生成。并且在生成过程中,当完成对参考数据集的划分后,若数据A11存在,则利用预先确定的影像数据集中对应的分幅对数据A11进行更新,确定数据A11的分幅内样点的波段数、波段值和影像日期。若数据A11不存在,则将分幅数据集中与数据A11对应的部分作为A11。在利用预先确定的影像数据集中对应的分幅对数据A11进行更新,确定数据A11的分幅内样点的波段数、波段值和影像日期时,若影像数据集中的影像日期与等间距天数对应日期的间隔值小于参考影像的影像日期与等间距天数对应日期的间隔值,则利用影像数据集中对应的分幅对数据A11进行更新,否则,则不更新。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应所述知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应所述知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
如图2所示,为本公开实施例二的遥感参考数据集的构建装置的结构示意图。本实施例的遥感参考数据集的构建装置,包括:
参考数据集获取模块201,用于获取目标年度的参考数据集。
分幅划分模块202,用于将所述参考数据集与预先确定的分幅数据集进行匹配,根据所述分幅数据集按照对应的分幅对所述参考数据集进行划分,确定所述参考数据集的分幅的地理坐标、定制日期、定制儒略日和分幅内样点的ID。
分幅数据更新模块203,用于利用预先确定的影像数据集中对应的分幅对所述参考数据集中的分幅进行更新,确定所述参考数据集中的分幅内样点的波段数、波段值和影像日期,生成遥感参考数据集。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图3示出了可以用来实施本公开的实施例的电子设备300的示意性框图。如图所示,设备300包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的计算机程序指令或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序指令,来执行各种适当的动作和处理。在RAM 303中,还可以存储设备300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305,包括:输入单元306,例如键盘、鼠标等;输出单元307,例如各种类型的显示器、扬声器等;存储单元308,例如磁盘、光盘等;以及通信单元309,例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元301执行上文所描述的各个方法和处理,其被有形地包含于机器可读介质,例如存储单元308。在一些实施例中,计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 703并由CPU301执行时,可以执行上文描述的方法的一个或多个步骤。备选地,在其他实施例中,CPU301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述方法。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (8)
1.一种遥感参考数据集的构建方法,其特征在于,包括:
获取目标年度的参考数据集;
将所述参考数据集与预先确定的分幅数据集进行匹配,根据所述分幅数据集按照对应的分幅对所述参考数据集进行划分,确定所述参考数据集的分幅的地理坐标、定制日期、定制儒略日和分幅内样点的ID;
将所述参考数据集中的分幅的图像矢量与影像数据集中对应的分幅的样点数据进行拓扑相交,获取所述参考数据集中的分幅的样点数据集,获取所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期,生成遥感参考数据集,其中,获取所述参考数据集中的分幅的样点数据集,获取所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期,包括:根据所述样点数据集内的样点对应的波段值判断对应的样点是否在有效区域内;响应于对应的样点在有效区域内,则进一步判断对应的样点中的影像值是否存在,如果不存在,则根据所述影像数据集中对应的波段数、波段值和影像日期,对对应的样点数据进行更新,如果存在,则获取所述样点数据集内的样点的影像日期,响应于样点的影像日期与定制日期的绝对差大于影像数据集中对应的影像日期与定制日期的绝对差,将所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期。
2.根据权利要求1所述的遥感参考数据集的构建方法,其特征在于,所述分幅数据集通过以下方式确定:
按照预设的经度和维度跨度对全球区域划分,生成多个分幅;
确定每个分幅的分幅号和对应的空间范围;
对每个分幅进行矢栅转换,对得到的栅格要素按照预设的空间间隔提取样点,针对每个样点划定等间距天数,生成等时间间隔的点矢量要素;
确定每个样点的地理坐标、定制日期、定制儒略日和ID,生成分幅数据集。
3.根据权利要求2所述的遥感参考数据集的构建方法,其特征在于,所述影像数据集通过以下方式确定:
获取已验证精度的原始遥感影像数据集;
确定所述原始遥感影像数据集的影像获取时间,对所述原始遥感影像数据集进行有效区域掩膜处理,并生成所述原始遥感影像数据集的图像矢量;
将处理后的原始遥感影像数据集与所述分幅数据集进行空间拓扑关系运算,确定所述处理后的原始遥感影像数据集的分幅号。
4.根据权利要求3所述的遥感参考数据集的构建方法,其特征在于,在所述根据所述分幅数据集按照对应的分幅对所述参考数据集进行划分后,所述方法还包括:
判断所述参考数据集是否缺失与所述分幅数据集对应的分幅数据;
响应于所述参考数据集缺失对应的分幅数据,利用所述分幅数据集中对应的分幅数据对所述参考数据集中缺失的分幅数据进行补充。
5.根据权利要求1所述的遥感参考数据集的构建方法,其特征在于,还包括:
将多个年度的遥感参考数据集进行汇总,生成多年度参考数据集。
6.一种遥感参考数据集的构建装置,其特征在于,包括:
参考数据集获取模块,用于获取目标年度的参考数据集;
分幅划分模块,用于将所述参考数据集与预先确定的分幅数据集进行匹配,根据所述分幅数据集按照对应的分幅对所述参考数据集进行划分,确定所述参考数据集的分幅的地理坐标、定制日期、定制儒略日和分幅内样点的ID;
分幅数据更新模块,用于将所述参考数据集中的分幅的图像矢量与影像数据集中对应的分幅的样点数据进行拓扑相交,获取所述参考数据集中的分幅的样点数据集,获取所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期,生成遥感参考数据集,其中,获取所述参考数据集中的分幅的样点数据集,获取所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期,包括:根据所述样点数据集内的样点对应的波段值判断对应的样点是否在有效区域内;响应于对应的样点在有效区域内,则进一步判断对应的样点中的影像值是否存在,如果不存在,则根据所述影像数据集中对应的波段数、波段值和影像日期,对对应的样点数据进行更新,如果存在,则获取所述样点数据集内的样点的影像日期,响应于样点的影像日期与定制日期的绝对差大于影像数据集中对应的影像日期与定制日期的绝对差,将所述样点数据集内的样点的在所述影像数据集中对应的波段数、波段值和影像日期,作为所述样点数据集内的样点的波段数、波段值和影像日期。
7.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~5中任一项所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210116126.XA CN114154040B (zh) | 2022-02-07 | 2022-02-07 | 遥感参考数据集的构建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210116126.XA CN114154040B (zh) | 2022-02-07 | 2022-02-07 | 遥感参考数据集的构建方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114154040A CN114154040A (zh) | 2022-03-08 |
CN114154040B true CN114154040B (zh) | 2022-06-10 |
Family
ID=80450285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210116126.XA Active CN114154040B (zh) | 2022-02-07 | 2022-02-07 | 遥感参考数据集的构建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154040B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259955A (zh) * | 2020-01-15 | 2020-06-09 | 国家测绘产品质量检验测试中心 | 一种地理国情监测成果可靠性质检方法及系统 |
CN112148672A (zh) * | 2020-08-31 | 2020-12-29 | 武汉欧铭达科技有限公司 | 一种用于土地调查的快速建库方法及系统 |
CN112416915A (zh) * | 2020-11-11 | 2021-02-26 | 北京大学 | 数据矫正方法、装置、存储介质和设备 |
GB2596886A (en) * | 2020-07-14 | 2022-01-12 | Aerospace Information Research Institute Chinese Academy Of Sciences | Method and device for performing inversion of crop leaf area index |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6947869B2 (en) * | 2002-03-29 | 2005-09-20 | The United States Of America As Represented By The Secretary Of The Navy | Efficient near neighbor search (ENN-search) method for high dimensional data sets with noise |
CN104021555B (zh) * | 2014-06-11 | 2016-06-29 | 南宁市勘察测绘地理信息院 | 基于虚拟打印技术的影像裁剪分幅方法 |
CN109059871A (zh) * | 2018-09-03 | 2018-12-21 | 湖南城市学院 | 一种突发性灾害应急遥感控制系统及方法 |
-
2022
- 2022-02-07 CN CN202210116126.XA patent/CN114154040B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259955A (zh) * | 2020-01-15 | 2020-06-09 | 国家测绘产品质量检验测试中心 | 一种地理国情监测成果可靠性质检方法及系统 |
GB2596886A (en) * | 2020-07-14 | 2022-01-12 | Aerospace Information Research Institute Chinese Academy Of Sciences | Method and device for performing inversion of crop leaf area index |
CN112148672A (zh) * | 2020-08-31 | 2020-12-29 | 武汉欧铭达科技有限公司 | 一种用于土地调查的快速建库方法及系统 |
CN112416915A (zh) * | 2020-11-11 | 2021-02-26 | 北京大学 | 数据矫正方法、装置、存储介质和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114154040A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11481666B2 (en) | Method and apparatus for acquiring information | |
CN108733639B (zh) | 一种配置参数调整方法、装置、终端设备及存储介质 | |
JP2021103585A (ja) | ユーザグループ化方法、装置、コンピュータデバイス、媒体およびコンピュータプログラム | |
US20200141753A1 (en) | Method and apparatus for generating information | |
CN111090794B (zh) | 气象数据查询方法、装置及存储介质 | |
CN108920540A (zh) | 一种基于Spark的并行栅格数据处理方法 | |
CN112905805A (zh) | 知识图谱构建方法及装置、计算机设备和存储介质 | |
US20160328724A1 (en) | System and method for forecasting with sparse time panel series using dynamic linear models | |
Yan et al. | An improved coverage-oriented retrieval algorithm for large-area remote sensing data | |
CN113076224B (zh) | 数据备份方法、数据备份系统、电子设备及可读存储介质 | |
Turukmane et al. | Smart farming using cloud-based Iot data analytics | |
CN114154040B (zh) | 遥感参考数据集的构建方法和装置 | |
CN110659340A (zh) | 一种电子围栏的生成方法、装置、介质及电子设备 | |
CN112614207A (zh) | 等值线绘制方法、装置和设备 | |
US11636377B1 (en) | Artificial intelligence system incorporating automatic model updates based on change point detection using time series decomposing and clustering | |
CN111198916A (zh) | 一种数据传输方法、装置,电子设备及存储介质 | |
CN111986552A (zh) | 地图数据质量鲜度获取方法、装置及存储介质 | |
CN115775074A (zh) | 自然资源数据信息化管理方法、系统、终端及存储介质 | |
CN110096638B (zh) | 一种灌区气象与遥感信息监测平台 | |
CN110458743B (zh) | 基于大数据分析的社区治理方法、装置、设备及存储介质 | |
CN110795424B (zh) | 特征工程变量数据请求处理方法、装置及电子设备 | |
CN114036132A (zh) | 对象信息的处理方法、装置、存储介质和电子设备 | |
CN114509791A (zh) | 一种缩减存储的卫星定位误差分析方法及装置 | |
CN114095390A (zh) | 区域内对象流量的预测方法、装置、电子设备以及存储介质 | |
CN112905635A (zh) | 一种业务的处理方法、装置、设备及存储介质 |
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 |