CN114325701B - 一种利用sar数据与多光谱数据进行城市水体提取方法 - Google Patents
一种利用sar数据与多光谱数据进行城市水体提取方法 Download PDFInfo
- Publication number
- CN114325701B CN114325701B CN202111562624.9A CN202111562624A CN114325701B CN 114325701 B CN114325701 B CN 114325701B CN 202111562624 A CN202111562624 A CN 202111562624A CN 114325701 B CN114325701 B CN 114325701B
- Authority
- CN
- China
- Prior art keywords
- data
- water body
- image
- synthetic aperture
- water
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 100
- 238000000605 extraction Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 21
- 238000002310 reflectometry Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000005855 radiation Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000002902 bimodal effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000003809 water extraction Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000003287 optical effect Effects 0.000 abstract description 6
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000003911 water pollution Methods 0.000 description 9
- 210000000746 body region Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000010813 municipal solid waste Substances 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000003403 water pollutant Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种利用SAR数据与多光谱数据进行城市水体提取方法,包括选取监测区的高分辨率星载X波段合成孔径雷达数据影像数据、计算得出归一化水体指数等步骤,本发明利用同一监测区内的高分辨率星载合成孔径雷达数据影像数据与星载高分辨率多光谱数据影像,提高星载高分辨率多光谱数据影像水体提取的精度;引入微波成像的主动遥感技术,克服了现有技术受限于光学传感器潜在的对外界光源响应不均匀,无法提取出完整的水体范围的问题;同时利用微波成像的主动遥感技术特有的散射波接收记录方式,完全规避掉影子对水体范围提取的影响;利用水体与积雪的不同物理形态所导致的后向散射系数的不同,解决了积雪对于水体范围提取的影响。
Description
技术领域
本发明涉及大数据分析应用技术领域,涉及一种利用SAR数据与多光谱数据进行城市水体提取方法。
背景技术
水体污染一直以来都是世界上最为主要的污染之一,水体污染具有易扩散与污染物成分复杂等特性,水质污染严重威胁到了人类工作与生活的健康。水体污染主要的水污染物包括化学品、垃圾、细菌和寄生虫。这些污染物随着空气污染物集中在湖泊和海洋上并随着自然降水流入水体中;另一方面,污染物也会聚集在土地上,随着自然降水渗入地下水中,但无论从哪种方式的水体污染,最终都会威胁到人类的身体健康。
随着全球城市化愈发快速的今天,城市水体污染也越来越严重,不同于海洋与大型湖泊、河流的水体污染,大量的人类活动使得城市水体更容易受到污染,无论是随着自然降水落入到水体中的由于城市热岛效应而聚集的温室气体与雨水生成的化合物还是人为的乱排乱放都严重的影像到城市水体质量,反过来,城市水体污染也会在污染爆发的第一时间影像到城市居民的生活与生产的健康。
近些年来,遥感技术的引入使得水体污染治理可以大范围的监测与反演整个水域的污染情况,该技术不仅可以对水体污染进行量化,而且也可以很好的结合整个城市水体流域的空间相干性从而可以更好的提出水体污染治理方案,遥感水质监测主要是利用光学多光谱数据,根据水体污染对于不同波长的光的反射特性进行波段计算并利用经验线性模型对污染物进行反演。在对遥感数据分析之前,水陆分离的预处理是必须的。
当今比较普遍的利用遥感多光谱影像对水体区域提取的方法是利用遥感多光谱数据计算出的水体归一化指数(NDWI)。该方法是利用遥感多光谱数据的860nm波段反射率值与1240nm波段反射率值进行波段计算,从而获得一个指数图。研究人员与遥感应用从业者可以通过调整阈值的方法获取到水体的区域,最终将水体区域与陆地区域分离开来。这样就可以进行进一步的水体污染程度的分析。
虽然自1996年由Bo-Cai Gao提出水体归一化指数(NDWI)以来,该方法被学术界广泛认可,但是在实际应用中,这种水体提取的方法往往无法很好的提取出完整的水体,特别是对于城市水体提取应用中,该方法主要存在的问题有:(1)方法较为原始,提取精度低;(2)需要过多的人为干预;(3)没有办法解决影子干扰的问题;(4)没有办法解决积雪雪干扰问题。
发明内容
针对上述背景技术所阐述的问题,本发明目的是提供一种利用SAR数据与多光谱数据进行城市水体提取方法,使用高分辨率星载X波段合成孔径雷达数据与高分辨率星载多光谱数据结合,对于城市水体进行提取。
本发明解决的技术问题:利用高分辨率星载X波段合成孔径雷达数据与高分辨率星载多光谱数据结合克服影子与积雪对水体提取的影像。提出一种大范围,高精度,无需人工勾画的水体信息自动提取的方法。由于引入更多高精度遥感数据信息从而使得水体提取过程更简单,水体提取结果更可靠。
为了达到上述目的,本发明提供如下技术方案:
一种利用SAR数据与多光谱数据进行城市水体提取方法,包括如下步骤:
Q1:选取监测区的高分辨率星载X波段合成孔径雷达数据影像数据,对影像数据做多视处理,将合成孔径雷达影像数据转换成为强度信息数据,调整影像的图像方位向分辨率,影像的图像中的地物形状更接近真实地物形状;
Q2:对多视处理后的合成孔径雷达多视影像数据做辐射亮度标定与地理编码,合成孔径雷达数据影像数据辐射定标公式如下:
σ0 dB=10lg[PI*(QV/65535)2]-KdB
式中,σ0 dB为合成孔径雷达后向散射系数,单位:dB;PI为DN2,DN为Q1中得到的合成孔径雷达影像的强度信息;QV为该图像量化前的最大值;KdB为定标常数;
Q3:利用阈值分割的方式,将合成孔径雷达数据影像数据中的水体提取出来;
Q4、预处理监测区域的无云高分辨率星载多光谱数据影像:
预处理第一步为辐射定标,辐射定标公式如下:
La=Gain*DN+Bias
式中,La为定标后的辐射亮度数据,单位为W/m2.sr;DN值是数据影像的电子信号强度;Gain为传感器增益;Bias为传感器偏移量,其中传感器增益与偏移量可以直接从卫星数据的头文件中获取;
预处理第二步为反射亮度转换,其公式如下:
ρa=(π*La*d2)/(Es*cosθs)
式中,ρa为物体表观反射率;La为定标后的辐射亮度数据;d是地日距离订正因子;Es是大气外太阳光谱辐照度;θs是太阳天顶角;
随反射亮度转换的同时完成大气校正,将该地区的大气模型引入该步骤中从而剔除掉光在大气传输过程中收到大气的影像;
预处理第三步为正射校正,利用星载高分辨率多光谱数据影像RPC文件对其做正射校正处理;
Q5、计算得出归一化水体指数,完成归一化水体指数图:
利用得到的860nm波段的反射率与1240nm波段的反射率做波段运算,从而得出归一化水体指数(NDWI),公式如下:
NDWI=(ρ860–ρ1240)/(ρ860+ρ1240)
式中,NDWI为归一化水体指数;ρ860水体对860nm波长光的反射率;ρ1240水体对1240nm波长光的反射率;
在得到归一化水体指数,完成归一化水体指数直方图,通过在直方图上的双峰特性规定水域区域的指数阈值,在高分辨率多光谱数据中完成水域提取;
Q6、将水域提取的星载高分辨率合成孔径雷达数据与星载高分辨率多光谱数据分别进行水域分布矢量化输出;
Q7、利用星载高分辨率合成孔径雷达数据影像数据中获得的水域分布矢量对星载高分辨多光谱数据影像中获得的水域分布矢量进行校准,再利用校准后的水域矢量数据从星载高分辨率多光谱数据影像中获取水体信息,且要去除城市中高层建筑以及树木阴影,以及城市积雪对水体提取的干扰。
上述技术方案中,所述Q2中,对合成孔径雷达数据影像数据进行地理编码,实现方式是将合成孔径雷达数据影像数据与该区域的数字高程模型进行融合从而将合成孔径雷达数据影像数据从斜距坐标系转换到地理坐标系。
与现有技术相比,本发明利用同一监测区内的高分辨率星载合成孔径雷达数据影像数据与星载高分辨率多光谱数据影像,分别提取水体范围后将范围合并,提高星载高分辨率多光谱数据影像水体提取的精度;引入微波成像的主动遥感技术,克服了现有技术受限于光学传感器潜在的对外界光源响应不均匀,从而导致星载高分辨率多光谱数据影像的像素值归一化程度低,从而导致无法提取出完整的水体范围的问题;同时利用微波成像的主动遥感技术特有的散射波接收记录方式,完全规避掉影子对水体范围提取的影响;利用水体与积雪的不同物理形态所导致的后向散射系数的不同,解决了积雪对于水体范围提取的影响。
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性的前提下,还可以根据这些附图获得其他的附图。
图1、水体在合成孔径雷达后向散射系数图像中阈值选择。
图2、归一化水体指数(NDWI)双峰特征图。
图3、星载高分辨率多光谱数据影像水体范围矢量提取结果。
图4、星载高分辨率合成孔径雷达数据影像水体范围矢量提取结果。
图5、两种水体范围提取得到的矢量范围融合。
具体实施方式
下面将结合本发明实施例和附图,对本发明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作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。
本发明以实施例,说明一种利用SAR数据与多光谱数据进行城市水体提取方法,包括以下步骤:
本技术方案在实施过程中,利用的高分辨率合成孔径雷达数据影像数据为ICEYE的聚束影像,其分辨率为1米,极化方式为VV,利用的高分辨率多光谱卫星数据影像为“吉林一号”光学卫星数据影像,其波段分别为蓝色、绿色、红色、近红外以及全色5个波段,其全色波段分辨率为0.72米,多光谱波段为2.88米。
第一步,需要将高分辨率合成孔径雷达数据影像数据做预处理从而达到直接利用的标准,在预处理中,数据的多视化处理需要首先完成。该数据的默认格式为单视复数数据(SLC),单视复数数据由于单个像元散射的雷达回波信号的相干叠加导致强度信息有噪声。多视处理就是对单视复数数据方位向和距离向做平均,从而得到影像强度数据。在多视处理中首先要确定视数,该参数是根据距离向分辨率、方位向分辨率以及传感器入射角计算出来。在完成多视处理后,数据就完成了复数数据到强度数据的转换。
当上一步的转换完成,下一步就需要对影像数据做辐射定标以及地理信息编码。辐射定标根据以下公式完成:
σ0 dB=10lg[PI*(QV/65535)2]-KdB
式中,σ0 dB为合成孔径雷达后向散射系数(单位:dB);PI为DN2,DN为合成孔径雷达强度信息;QV为该图像量化前的最大值;KdB为定标常数。
除此之外,本步骤需要对合成孔径雷达(SAR)数据影像进行地理编码,实现方式是将合成孔径雷达数据影像数据与该区域的数字高程模型(DEM)进行融合从而将SAR数据影像从斜距坐标系转换到地理坐标系。
SAR水体范围提取的阈值是通过星载SAR传感器的感应器的最小量化数值与该数值在图像中的连续性统计结果算出。由于本次采用的其结果为一个取值范围,为了得到更精确的水体信息提取,本次利用手动调节方式在该范围中取得水体范围提取数值作为本次实施中的水体范围提取阈值。
如图1所示,该阈值设定为传感器接收的最小散射系数的1.32倍。本次采用阈值为-23.3dB,将分离出的水体范围栅格输出为形状矢量文件以待后用。提取结果如图4所示。
在多光谱数据水体提取部分,首先需要对数据做预处理。预处理第一步为辐射定标。该步骤公式如下:
La=Gain*DN+Bias
式中,La为定标后的辐射亮度数据,单位为W/m2.sr;DN值是数据影像的电子信号强度;Gain为传感器增益;Bias为传感器偏移量。其中传感器增益与偏移量可以直接从卫星数据的头文件中获取。
预处理第二步为反射亮度转换,其公式如下:
ρa=(π*La*d2)/(Es*cosθs)
式中,ρa为物体表观反射率;La为定标后的辐射亮度数据;d是地日距离订正因子;Es是大气外太阳光谱辐照度;θs是太阳天顶角,这些数据都可以从卫星运营商处获取。
大气校正步骤会随着反射率转换一同完成,具体方法就是将该地区的大气模型引入该步骤中从而剔除掉光在大气传输过程中收到大气的影像。
预处理第三步为正射校正。利用星载高分辨率多光谱数据影像RPC文件对其做正射校正处理。
由于本次采用的“吉林一号”光学卫星数据的多光谱数据为2.88米,为了将分辨率与合成孔径雷达数据的分辨率统一,需要利用“吉林一号”光学卫星的全色数据对多光谱数据进行锐化。锐化后的多光谱数据可以达到1米。
在完成预处理步骤后,利用得到的绿波段的反射率与近红外波段的反射率做波段运算从而得出归一化水体指数(NDWI)。其公式如下:
NDWI=(ρ绿–ρ近红外)/(ρ绿+ρ近红外)
式中,NDWI为归一化水体指数;ρ绿水体对绿色波段的反射率;ρ近红外水体对近红外波段的反射率。
在得到归一化水体指数图后,如图2所示,可以通过其在折线图上的双峰特性规定水域区域的指数阈值,从而在高分辨率多光谱数据中完成水域提取。该折线图通过对归一化水体指数(NDWI)单波段指数地图,利用像素数值统计画出折线图。归一化水体指数的物理意义为像元值越大,该像元为水体的可能性越高。所以本次应用在折线图中为正值的折线图波峰处的值作为水体范围提取的阈值。提取结果如图3。
将从多光谱数据中提取出的水体范围矢量文件导出并融合从合成孔径雷达数据影像数据提取出的水体范围矢量文件,利用融合后的矢量文件对星载高分辨率多光谱影像做掩膜从而自动得到不受树木阴影影响,不受积雪影响的高精度水体影像提取结果。效果如图5所示。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (2)
1.一种利用SAR数据与多光谱数据进行城市水体提取方法,其特征在于:包括如下步骤:
Q1:选取监测区的高分辨率星载X波段合成孔径雷达数据影像数据,对影像数据做多视处理,将合成孔径雷达影像数据转换成为强度信息数据,调整影像的图像方位向分辨率,影像的图像中的地物形状更接近真实地物形状;
Q2:对多视处理后的合成孔径雷达多视影像数据做辐射亮度标定与地理编码,合成孔径雷达数据影像数据辐射定标公式如下:
σ0 dB=10lg[PI*(QV/65535)2]-KdB
式中,σ0 dB为合成孔径雷达后向散射系数,单位:dB;PI为DN2,DN为Q1中得到的合成孔径雷达影像的强度信息;QV为该图像量化前的最大值;KdB为定标常数;
Q3:利用阈值分割的方式,将合成孔径雷达数据影像数据中的水体提取出来;
Q4、预处理监测区域的无云高分辨率星载多光谱数据影像:
预处理第一步为辐射定标,辐射定标公式如下:
La=Gain*DN+Bias
式中,La为定标后的辐射亮度数据,单位为W/m2.sr;DN值是数据影像的电子信号强度;Gain为传感器增益;Bias为传感器偏移量,其中传感器增益与偏移量可以直接从卫星数据的头文件中获取;
预处理第二步为反射亮度转换,其公式如下:
ρa=(π*La*d2)/(Es*cosθs)
式中,ρa为物体表观反射率;La为定标后的辐射亮度数据;d是地日距离订正因子;Es是大气外太阳光谱辐照度;θs是太阳天顶角;
随反射亮度转换的同时完成大气校正,将该地区的大气模型引入该步骤中从而剔除掉光在大气传输过程中收到大气的影像;
预处理第三步为正射校正,利用星载高分辨率多光谱数据影像RPC文件对其做正射校正处理;
Q5、计算得出归一化水体指数,完成归一化水体指数图:
利用得到的860nm波段的反射率与1240nm波段的反射率做波段运算,从而得出归一化水体指数(NDWI),公式如下:
NDWI=(ρ860–ρ1240)/(ρ860+ρ1240)
式中,NDWI为归一化水体指数;ρ860水体对860nm波长光的反射率;ρ1240水体对1240nm波长光的反射率;
在得到归一化水体指数,完成归一化水体指数直方图,通过在直方图上的双峰特性规定水域区域的指数阈值,在高分辨率多光谱数据中完成水域提取;
Q6、将水域提取的星载高分辨率合成孔径雷达数据与星载高分辨率多光谱数据分别进行水域分布矢量化输出;
Q7、利用星载高分辨率合成孔径雷达数据影像数据中获得的水域分布矢量对星载高分辨多光谱数据影像中获得的水域分布矢量进行校准,再利用校准后的水域矢量数据从星载高分辨率多光谱数据影像中获取水体信息,且要去除城市中高层建筑以及树木阴影,以及城市积雪对水体提取的干扰。
2.根据权利要求1所述的一种利用SAR数据与多光谱数据进行城市水体提取方法,其特征在于:所述Q2中,对合成孔径雷达数据影像数据进行地理编码,实现方式是将合成孔径雷达数据影像数据与该区域的数字高程模型进行融合从而将合成孔径雷达数据影像数据从斜距坐标系转换到地理坐标系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111562624.9A CN114325701B (zh) | 2021-12-20 | 2021-12-20 | 一种利用sar数据与多光谱数据进行城市水体提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111562624.9A CN114325701B (zh) | 2021-12-20 | 2021-12-20 | 一种利用sar数据与多光谱数据进行城市水体提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114325701A CN114325701A (zh) | 2022-04-12 |
CN114325701B true CN114325701B (zh) | 2024-08-23 |
Family
ID=81052671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111562624.9A Active CN114325701B (zh) | 2021-12-20 | 2021-12-20 | 一种利用sar数据与多光谱数据进行城市水体提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114325701B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243367A (zh) * | 2015-10-12 | 2016-01-13 | 水利部水利信息中心 | 一种基于卫星遥感数据的水体范围监测方法和装置 |
CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101405435B1 (ko) * | 2012-12-14 | 2014-06-11 | 한국항공우주연구원 | 고해상도 영상 융합 방법 및 그 장치 |
-
2021
- 2021-12-20 CN CN202111562624.9A patent/CN114325701B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243367A (zh) * | 2015-10-12 | 2016-01-13 | 水利部水利信息中心 | 一种基于卫星遥感数据的水体范围监测方法和装置 |
CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114325701A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109581372B (zh) | 一种生态环境遥感监测方法 | |
CN108333148B (zh) | 一种黑臭水体的识别方法及装置 | |
CN102565778B (zh) | 一种自动提取伪不变特征的遥感图像相对辐射校正方法 | |
CN102539336B (zh) | 基于环境一号卫星的可吸入颗粒物估算方法及系统 | |
CN107507200B (zh) | 一种基于连通检测与噪声抑制的sar影像高精度大范围水域提取方法 | |
Wang et al. | A Landsat-based model for retrieving total suspended solids concentration of estuaries and coasts in China | |
KR102127405B1 (ko) | 인공위성 영상을 이용한 하천의 유량추정방법 및 장치 | |
CN112285710B (zh) | 一种多源遥感水库蓄水量估算方法与装置 | |
CN111832518B (zh) | 基于时空融合的tsa遥感影像土地利用方法 | |
JP2010217107A (ja) | 日射量の評価方法および評価装置 | |
CN113920438B (zh) | 联合ICESat-2和吉林一号影像的输电线附近树木隐患排查方法 | |
CN107145891B (zh) | 一种基于遥感影像的水体提取方法及系统 | |
Popp et al. | MERIS albedo climatology for FRESCO+ O 2 A-band cloud retrieval | |
CN101329173B (zh) | 一种浑浊水体大气校正方法 | |
CN112364289B (zh) | 一种通过数据融合提取水体信息的方法 | |
CN114778483A (zh) | 用于监测山地的遥感影像近红外波段地形阴影校正方法 | |
CN113744249A (zh) | 一种海洋生态环境损害调查方法 | |
CN114724045A (zh) | 一种濒陆浅海水下地形反演方法 | |
CN116702065A (zh) | 基于影像数据黑臭水体生态治理污染监测方法及系统 | |
CN113792689B (zh) | 一种基于深度学习的城市黑臭水体遥感识别方法 | |
CN114325701B (zh) | 一种利用sar数据与多光谱数据进行城市水体提取方法 | |
CN117849792A (zh) | 一种洪涝淹没面积分钟级提取方法 | |
Yang et al. | Combination of digital elevation models with SPOT-1 HRV multispectral imagery for reflectance factor mapping | |
CN104881659A (zh) | 一种不透水层的提取方法及装置 | |
CN111175231B (zh) | 冠层植被指数的反演方法、装置及服务器 |
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 |