CN114324337B - 一种利用遥感影像进行水质分析系统和方法 - Google Patents

一种利用遥感影像进行水质分析系统和方法 Download PDF

Info

Publication number
CN114324337B
CN114324337B CN202210010774.7A CN202210010774A CN114324337B CN 114324337 B CN114324337 B CN 114324337B CN 202210010774 A CN202210010774 A CN 202210010774A CN 114324337 B CN114324337 B CN 114324337B
Authority
CN
China
Prior art keywords
water quality
module
remote sensing
data
analysis
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
CN202210010774.7A
Other languages
English (en)
Other versions
CN114324337A (zh
Inventor
苗正红
杨军
邱中军
毕强
段兴博
程涛
王洪雨
宋宝玉
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.)
JILIN WATER CONSERVANCY AND HYDROPOWER INSTITUTE OF INVESTIGATION AND DESIGN
Original Assignee
JILIN WATER CONSERVANCY AND HYDROPOWER INSTITUTE OF INVESTIGATION AND DESIGN
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 JILIN WATER CONSERVANCY AND HYDROPOWER INSTITUTE OF INVESTIGATION AND DESIGN filed Critical JILIN WATER CONSERVANCY AND HYDROPOWER INSTITUTE OF INVESTIGATION AND DESIGN
Priority to CN202210010774.7A priority Critical patent/CN114324337B/zh
Publication of CN114324337A publication Critical patent/CN114324337A/zh
Application granted granted Critical
Publication of CN114324337B publication Critical patent/CN114324337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152Water filtration

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开一种利用遥感影像进行水质分析系统和方法,包括,获取模块,处理模块,分析模块,存储模块;获取模块、处理模块、分析模块、存储模块依次连接;获取模块用于获取遥感影像及水质历史数据;处理模块用于对遥感影像进行处理,并对处理后的遥感影像与水质历史数据进行对应;分析模块用于对处理后的遥感影像进行处理,得到水质参数,基于水质参数得到水质信息,同时根据水质信息与水质历史数据进行对比,生成分析结果,根据分析结果生成变化视频,对变化视频进行显示;存储模块用于构建数据存储框架,并根据构建数据存储框架存储水质历史数据、水质信息及分析结果。本发明能够检测水质变化情况,同时简单有效对水质数据进行存储及查看。

Description

一种利用遥感影像进行水质分析系统和方法
技术领域
本发明涉及水质分析技术领域,特别涉及一种利用遥感影像进行水质分析系统和方法。
背景技术
水环境遥感监测的任务是通过对遥感影像的分析,获得水体的分布、泥沙、有机质、化学污染等状况和水深、水温等要素的信息,从而对一个地区的水资源和水环境等做出评价,为环境、水利、交通、航运等部门提供决策支持。应用遥感技术,可以快速监测出水体污染源的类型、位置分布以及水体污染的分布范围等。水体及其污染物的光谱特性是利用遥感信息进行水环境监测和评价的依据。但是在现有技术中,对于水质分析的主要是对现有水质进行分析,无法获取一段时间内的水质的变化情况,同时水质分析数据数据庞大,对于水质数据的存储及查看较为复杂。
发明内容
为解决上述现有技术中所存在的问题,本发明提供一种利用遥感影像进行水质分析系统和方法,能够获取水质变化情况,同时简单有效对水质数据进行存储及查看。
为实现上述技术效果,本发明提供了一种利用遥感影像进行水质分析系统,包括:
获取模块,处理模块,分析模块,存储模块;
所述获取模块、所述处理模块、所述分析模块、所述存储模块依次连接;
所述获取模块用于获取遥感影像及水质历史数据;
所述处理模块用于对遥感影像进行处理,并对处理后的遥感影像与水质历史数据进行对应;
所述分析模块用于对处理后的遥感影像进行处理,得到水质参数,基于水质参数得到水质信息,同时根据水质信息与水质历史数据进行对比,生成分析结果,根据分析结果生成变化视频,对变化视频进行显示;
所述存储模块用于构建数据存储框架,并根据构建数据存储框架存储水质历史数据、水质信息及分析结果。
优选的,所述获取模块包括第一获取模块及第二获取模块;
所述第一获取模块、所述第二获取模块分别与所述处理模块连接;
所述第一获取模块用于获取遥感影像,其中所述遥感影像为高光谱遥感影像;
所述第二获取模块用于获取水质历史数据,所述水质历史数据包括水质检测中不同成分的历史数据。
优选的,所述处理模块包括第一处理模块及对应模块;
所述第一处理模块与所述对应模块连接;
所述第一处理模块用于通过图像降噪及图像校正对所述遥感影像进行处理;
所述对应模块用于提取处理后的遥感影像中的像素点,并根据空间关系将像素点与水质历史数据进行对应。
优选的,所述分析模块包括第一分析模块,第二分析模块及第三分析模块;
所述第一分析模块、所述第二分析模块及所述第三分析模块依次连接;
所述第一分析模块用于通过遗传算法对处理后的遥感影像进行分类提取,提取水质参数;
所述第二分析模块用于根据水质参数,根据水质参数与水质信息中不同成分的转换关系对水质参数进行计算,获取水质信息;
所述第三分析模块用于对水质信息与所述水质历史数据进行对比,获得分析结果;
所述显示模块用于对根据分析结果生成变化视频,对变化视频进行显示;所述显示模块还用于对存储模块中的数据进行显示。
优选的,所述存储模块包括第一存储模块及第二存储模块;
所述第一存储模块用于根据水质信息及所述水质历史数据的空间关系构建数据存储框架;
所述第二存储模块用于根据数据存储框架对所述水质历史数据、水质信息及分析结果进行存储。
为了更好的实现上述技术目的,本发明还提供了一种利用遥感影像进行水质分析方法,包括,获取遥感影像及水质历史数据,对遥感影像进行处理,并对处理后的遥感影像与水质历史数据进行对应;
对处理后的遥感影像进行处理,得到水质参数,基于水质参数得到水质信息,并根据水质信息与对应好的水质历史数据进行对比,生成分析结果。
优选的,所述对遥感影像进行处理的过程包括:
通过图像降噪及图像校正对所述遥感影像进行处理。
优选的,所述获取分析结果的过程包括:
通过遗传算法对处理后的遥感影像进行分类提取,提取水质参数;根据水质参数,根据水质参数与水质信息中不同成分的转换关系对水质参数进行计算,获取水质信息;对水质信息与所述水质历史数据进行对比,获得分析结果。
优选的,生成分析结果之后过程包括:
根据水质信息及所述水质历史数据的空间关系构建数据存储框架;根据数据存储框架对所述水质历史数据、水质信息及分析结果进行存储。
优选的,所述数据存储框架为XML架构。
本发明具有如下技术效果:
本发明通过获取模块对相关数据进行获取,分析模块对相关数据进行图像相关处理,分析模块根据相关处理结果对所述水质信息进行分析,生成水质变化分析结果,同时对分析结果进行显示,最终通过存储模块进行框架式存储,通过上述技术方案能够根据实时检测的数据对历史数据进行对比,并将上述数据进行框架式存储,简单有效对水质数据进行存储及查看。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的系统示意图;
图2为本发明实施例提供的方法示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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所有其他实施例,都属于本发明保护的范围。
为了解决在现有技术中存在无法直观查看变化情况及所述存储查看不方便等问题,本发明提供了如下方案:
如图1所述,本发明提供了一种利用遥感影像进行水质分析系统,包括:
获取模块,处理模块,分析模块,存储模块;所述获取模块、所述处理模块、所述分析模块、所述存储模块依次连接;
所述获取模块用于获取遥感影像及水质历史数据;所述获取模块包括第一获取模块及第二获取模块;所述第一获取模块、所述第二获取模块分别与所述处理模块连接;所述第一获取模块用于获取遥感影像,其中所述遥感影像为高光谱遥感影像;所述第二获取模块用于获取水质历史数据,所述水质历史数据包括水质检测中不同成分的历史数据。其中,第一获取模块为无人机或者连接卫星通过卫星对遥感影像进行采集,第二获取模块为连接水质历史数据网站的设备,通过互联网对水质历史数据进行获取,同时可以通过在历史时间上采集的水质历史数据进行获取。
所述处理模块用于对遥感影像进行处理,并对处理后的遥感影像与水质历史数据进行对应;优选的,所述处理模块包括第一处理模块及对应模块;所述第一处理模块与所述对应模块连接;所述第一处理模块用于通过图像降噪及图像校正对所述遥感影像进行处理;所述对应模块用于提取处理后的遥感影像中的像素点,并根据空间关系将像素点与水质历史数据进行对应。处理模块采用计算机,对遥感影像进行提取,并对提取后的遥感影像进行处理。
所述分析模块用于对处理后的遥感影像进行处理,得到水质参数,基于水质参数得到水质信息,同时根据水质信息与水质历史数据进行对比,生成分析结果,根据分析结果生成变化视频,对变化视频进行显示;所述分析模块包括第一分析模块,第二分析模块及第三分析模块;所述第一分析模块、所述第二分析模块及所述第三分析模块依次连接;所述第一分析模块用于通过遗传算法对处理后的遥感影像进行分类提取,提取水质参数;所述第二分析模块用于根据水质参数,根据水质参数与水质信息中不同成分的转换关系对水质参数进行计算,获取水质信息;所述第三分析模块用于对水质信息与所述水质历史数据进行对比,获得分析结果。
所述显示模块用于对根据分析结果生成变化视频,对变化视频进行显示;所述显示模块还用于对存储模块中的数据进行显示,在显示模块中,根据分析结果生成代表不同水质信息变化情况的不同光学波长的图形,在生成图形的过程中,其光学波长取一定的间隔,以此来对不同水质信息变化情况进行有效区分。根据图形生成变化视频中根据历史水质数据能够生成历史影像,历史影像也可以直接进行选取,根据历史影像与遥感影像进行图像差值计算,根据图像差值区域进行等距分割,获取中间帧的图案,以历史影像作为背景,通过中间帧图案进行相对应位置的覆盖,并在最后插入遥感影像,进行视频合成,生成变化视频,变化视频能够有效的看出变化趋势,同时对于显示模块中,可以进行音符匹配,通过对流畅的音乐进行提取,提取音乐中的连续的音调,对连续的音调按顺序进行排列,通过分析结果对不同成分与不同的音调进行匹配,若变化在阈值之内,不进行改变,若超出一个阈值则升高一个音调,降低一个阈值则降低一个音调,阈值可根据人为进行设定,如10%,通过音乐播放的方式来对分析结果进行展示。
所述存储模块用于构建数据存储框架,并根据构建数据存储框架存储水质历史数据、水质信息及分析结果。所述存储模块包括第一存储模块及第二存储模块;所述第一存储模块用于根据水质信息及所述水质历史数据的空间关系构建数据存储框架;所述第二存储模块用于根据数据存储框架对所述水质历史数据、水质信息及分析结果进行存储。存储模块中采用连接有物联网的计算机,计算机对数据存储框架进行构建,在构建完成之后,通过套用数据存储框架对上述数据进行存储,数据存储框架为XML架构,通过对地点、时间、水质信息的层次顺序将数据进行设置,方便人员查看及提取。
如图2所示,为了更好的实现上述技术目的,本发明还提供了一种利用遥感影像进行水质分析方法,包括,获取遥感影像及水质历史数据,对遥感影像进行处理,并对处理后的遥感影像与水质历史数据进行对应;对处理后的遥感影像进行处理,得到水质参数,基于水质参数得到水质信息,并根据水质信息与对应好的水质历史数据进行对比,生成分析结果。需要说明的是,本发明上述系统与本发明方法相对应。
所述对遥感影像进行处理的过程包括:通过图像降噪及图像校正对所述遥感影像进行处理。图像降噪过程可选择神经网络进行降噪处理,同时进行图像校正,校正过程中,采集当前遥感影像相关的像素位置的水质数据,根据水质数据的地理位置,并统计当前地理位置的太阳照射角度及照射强度,通过上述数据模拟当前地理位置的水质数据场景,反演像素位置中的不同的光谱信息,并根据光谱信息与当前遥感影响进行差值计算,并根据差值计算结果将遥感图像中的其他的像素进行校正,校正为将当前遥感影响除去差值计算结果,差值计算可以解决由于传感器所带来的误差,且计算快捷简单。
所述获取分析结果的过程包括:通过遗传算法对处理后的遥感影像进行分类提取,提取水质参数;在进行遗传算法计算中,将不同像素下的光谱信息进行整合,光谱信息为连续波长-反射率波形图,对不同的波长进行离散设置,并提取不同波长下的反射率,对全部像素中的反射率进行整合或者累加计算,根据水质信息不同浓度的特性,进行波长区间的选取,如叶绿素设置为260-280区间,通过遗传算法对该区间下的波峰进行最大值寻找,在寻找过程中,对于遗传算法中的变异过程设置为进行随机交叉同时随机进行父代种群中两两取平均数操作产生下一代种群。直到寻找到最大值或者进化次数达到一百次进行停止,在提取到最大值之后,将对应的波长进行提取,提取不同的波长,在不同波长下,提取遥感影像即高光谱中的反射率数值作为水质参数,不同的成分在在不同的波长下有相对应的数值,根据水质参数与水质信息中不同成分的转换关系对水质参数进行计算,获取水质信息;对水质信息与所述水质历史数据进行对比,获得分析结果。
优选的,生成分析结果之后过程包括:根据水质信息及所述水质历史数据的空间关系构建数据存储框架;根据数据存储框架对所述水质历史数据、水质信息及分析结果进行存储。优选的,所述数据存储框架为XML架构。XML架构中按照地点、时间、水质信息的层层递进的顺序,并将时间及地点作为约束条件,将水质信息成分作为时间下的详细描述,同时对不同的水质信息成分按照设定的顺序进行排列约束,设定顺序可以为叶绿素、悬沙、不同污染成分,同时将分析结果作为时间同等级的约束条件,并将其命名为历史时间到当前时间水质变化,将分析结果中的具体信息类别按照设定顺序添加到水质变化约束条件下,通过上述内容进行构建XML架构,将历史数据、水质信息、分析结果作为根元素,按照对应位置编写到XML架构中,形成存储文件,对上述信息进行存储,提高数据存储的条理性和有效性。存储之后,可以通过对存储文件进行时间、地点查找,并提取对应的水质信息提取,通过统计方法或者差值结算,来反映出水质信息变化的趋势或者一段时间的变化情况,由于上述数据按照一定结构进行排列,能够对数据进行有效信息的提取,对后续的数据分析提供数据基础,有效节省了数据梳理的时间。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种利用遥感影像进行水质分析的系统,其特征在于,包括:
获取模块,处理模块,分析模块,存储模块;
所述获取模块、所述处理模块、所述分析模块、所述存储模块依次连接;
所述获取模块用于获取遥感影像及水质历史数据;
所述处理模块用于对遥感影像进行处理,并对处理后的遥感影像与水质历史数据进行对应;
所述分析模块用于对处理后的遥感影像进行处理,得到水质参数,基于水质参数得到水质信息,同时根据水质信息与水质历史数据进行对比,生成分析结果,根据分析结果生成变化视频,对变化视频进行显示;
所述存储模块用于构建数据存储框架,并根据构建数据存储框架存储水质历史数据、水质信息及分析结果;
所述数据存储框架为XML架构;XML架构中按照地点、时间、水质信息的层层递进的顺序,并将时间及地点作为约束条件,将水质信息成分作为时间下的详细描述,同时对不同的水质信息成分按照设定的顺序进行排列约束,设定顺序为叶绿素、悬沙、不同污染成分,同时将分析结果作为时间同等级的约束条件,并将其命名为历史时间到当前时间水质变化,将分析结果中的具体信息类别按照设定顺序添加到水质变化约束条件下,通过上述内容进行构建XML架构,将历史数据、水质信息、分析结果作为根元素,按照对应位置编写到XML架构中,形成存储文件,存储之后,通过对存储文件进行时间、地点查找,并提取对应的水质信息提取,通过统计方法或者差值结算,来反映出水质信息变化的趋势或者一段时间的变化情况。
2.根据权利要求1所述的利用遥感影像进行水质分析的系统,其特征在于:
所述获取模块包括第一获取模块及第二获取模块;
所述第一获取模块、所述第二获取模块分别与所述处理模块连接;
所述第一获取模块用于获取遥感影像,其中所述遥感影像为高光谱遥感影像;
所述第二获取模块用于获取水质历史数据,所述水质历史数据包括水质检测中不同成分的历史数据。
3.根据权利要求1所述的利用遥感影像进行水质分析的系统,其特征在于:
所述处理模块包括第一处理模块及对应模块;
所述第一处理模块与所述对应模块连接;
所述第一处理模块用于通过图像降噪及图像校正对所述遥感影像进行处理;
所述对应模块用于提取处理后的遥感影像中的像素点,并根据空间关系将像素点与水质历史数据进行对应。
4.根据权利要求1所述的利用遥感影像进行水质分析的系统,其特征在于:
所述分析模块包括第一分析模块,第二分析模块、第三分析模块及显示模块;
所述第一分析模块、所述第二分析模块、所述第三分析模块及显示模块依次连接;
所述第一分析模块用于通过遗传算法对处理后的遥感影像进行分类提取,提取水质参数;
所述第二分析模块用于根据水质参数,根据水质参数与水质信息中不同成分的转换关系对水质参数进行计算,获取水质信息;
所述第三分析模块用于对水质信息与所述水质历史数据进行对比,获得分析结果;
所述显示模块用于对根据分析结果生成变化视频,对变化视频进行显示;所述显示模块还用于对存储模块中的数据进行显示。
5.根据权利要求1所述的利用遥感影像进行水质分析的系统,其特征在于:
所述存储模块包括第一存储模块及第二存储模块;
所述第一存储模块用于根据水质信息及所述水质历史数据的空间关系构建数据存储框架;
所述第二存储模块用于根据数据存储框架对所述水质历史数据、水质信息及分析结果进行存储。
6.基于权利要求1-5任意一项所述的利用遥感影像进行水质分析的系统的分析方法,其特征在于:包括,
获取遥感影像及水质历史数据,对遥感影像进行处理,并对处理后的遥感影像与水质历史数据进行对应;
对处理后的遥感影像进行处理,得到水质参数,基于水质参数得到水质信息,并根据水质信息与对应好的水质历史数据进行对比,生成分析结果。
7.根据权利要求6所述的利用遥感影像进行水质分析的系统的分析方法,其特征在于:
所述对遥感影像进行处理的过程包括:
通过图像降噪及图像校正对所述遥感影像进行处理。
8.根据权利要求6所述的利用遥感影像进行水质分析的系统的分析方法,其特征在于:
所述获取分析结果的过程包括:
通过遗传算法对处理后的遥感影像进行分类提取,提取水质参数;根据水质参数,根据水质参数与水质信息中不同成分的转换关系对水质参数进行计算,获取水质信息;对水质信息与所述水质历史数据进行对比,获得分析结果。
9.根据权利要求8所述的利用遥感影像进行水质分析的系统的分析方法,其特征在于:
生成分析结果之后过程包括:
根据水质信息及所述水质历史数据的空间关系构建数据存储框架;根据数据存储框架对所述水质历史数据、水质信息及分析结果进行存储。
CN202210010774.7A 2022-01-06 2022-01-06 一种利用遥感影像进行水质分析系统和方法 Active CN114324337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210010774.7A CN114324337B (zh) 2022-01-06 2022-01-06 一种利用遥感影像进行水质分析系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210010774.7A CN114324337B (zh) 2022-01-06 2022-01-06 一种利用遥感影像进行水质分析系统和方法

Publications (2)

Publication Number Publication Date
CN114324337A CN114324337A (zh) 2022-04-12
CN114324337B true CN114324337B (zh) 2022-11-04

Family

ID=81024264

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210010774.7A Active CN114324337B (zh) 2022-01-06 2022-01-06 一种利用遥感影像进行水质分析系统和方法

Country Status (1)

Country Link
CN (1) CN114324337B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103175513B (zh) * 2013-03-01 2013-11-06 戴会超 水利工程影响下基于物联网的流域水文水质监控系统及方法
CN104636629B (zh) * 2015-03-05 2018-05-01 香港中文大学深圳研究院 一种突发性水质污染事件的分析方法及装置
CN111024618A (zh) * 2019-11-25 2020-04-17 广州丰泽源水利科技有限公司 基于遥感影像的水质健康监测方法、装置及存储介质
CN212059889U (zh) * 2020-04-14 2020-12-01 宁波市测绘设计研究院 一种内陆水体水质高光谱遥感监测服务系统
CN111597756A (zh) * 2020-05-08 2020-08-28 浙江农林大学 一种基于无人机多光谱数据的水质参数反演方法
CN112734694A (zh) * 2020-12-19 2021-04-30 闫耀伟 一种基于大数据的水质监测方法

Also Published As

Publication number Publication date
CN114324337A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
Manno et al. Deep learning strategies for automatic fault diagnosis in photovoltaic systems by thermographic images
Rogan et al. Mapping land-cover modifications over large areas: A comparison of machine learning algorithms
CN111414891B (zh) 基于激光雷达与光学遥感的输电线路通道树高反演方法
CN106443701A (zh) 基于时序水范围遥感影像的洪涝灾前预警方法
Kozoderov et al. Retrieval of forest stand attributes using optical airborne remote sensing data
CN113378785A (zh) 森林类型识别方法及装置
US11594015B1 (en) Detecting changes in forest composition
CN115965862A (zh) 基于掩码网络融合图像特征的sar舰船目标检测方法
CN111213052A (zh) 频谱分析装置及频谱分析方法
CN116912690A (zh) 一种基于数据融合的森林叶面积指数反演获取方法和系统
Fang et al. Detecting anomalies and de-noising monitoring data from sensors: A smart data approach
Esmaeili et al. ResMorCNN Model: Hyperspectral Images Classification Using Residual-Injection Morphological Features & 3D-CNN Layers
Einig et al. Deep learning denoising by dimension reduction: Application to the ORION-B line cubes
CN114324337B (zh) 一种利用遥感影像进行水质分析系统和方法
CN117132843A (zh) 野山参、林下山参、园参原位鉴别方法、系统及相关设备
CN115147726B (zh) 城市形态图的生成方法、装置、电子设备和可读存储介质
CN116863341A (zh) 基于时间序列卫星遥感影像的作物分类和识别方法和系统
CN117075138A (zh) 一种区域30米森林冠层高度遥感测算方法、系统及介质
Leufen et al. Exploring decomposition of temporal patterns to facilitate learning of neural networks for ground-level daily maximum 8-hour average ozone prediction
Yaman et al. Image processing and machine learning‐based classification method for hyperspectral images
CN115797501A (zh) 一种结合森林干扰与恢复事件的时间序列林龄制图方法
CN115187441A (zh) 一种草原固碳量计算方法及装置、存储介质、计算机设备
CN115062815A (zh) 一种利用热辐射数据测度企业生产经营状况的方法及系统
Badrieva et al. Comprehensive analysis and benchmarking of de-raining techniques through a rain model approach
CN111914218A (zh) 一种面向用户应用的灾害遥感产品真实性检验方法

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