CN114462199A - 遥感数字试验场选址与评价方法 - Google Patents
遥感数字试验场选址与评价方法 Download PDFInfo
- Publication number
- CN114462199A CN114462199A CN202111641581.3A CN202111641581A CN114462199A CN 114462199 A CN114462199 A CN 114462199A CN 202111641581 A CN202111641581 A CN 202111641581A CN 114462199 A CN114462199 A CN 114462199A
- Authority
- CN
- China
- Prior art keywords
- site
- field
- digital test
- remote sensing
- site selection
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了遥感数字试验场选址与评价方法,获取备选区域内的各个选址场地相应的中低分辨率卫星遥感影像地表反射率数据,在中低分辨率条件下计算备选区域内各个选址场地的空间均一性指标和时间稳定性指标,初步剔除不符合条件的选址场地,缩小数字试验场的备选区域的范围。本发明为了更好的进行卫星影像间的交叉验证,在考虑场地均匀性、稳定性和地面特征的基础上,在全国范围内选择多个具有大面积均匀目标作为试验场,以此为空间范围,作为选择交叉验证影像的依据;在需要进行场地提取的目标区域,在经纬网格范围内计算像元尺度上的空间一致性与时间稳定性,通过大范围的计算与对比,遴选得到最优的均匀数字试验场。
Description
技术领域
本发明涉及遥感数据处理技术领域,具体为遥感数字试验场选址与评价方法。
背景技术
随着遥感技术的快速发展,人们对遥感技术的运用越来越广泛,为人们对地理信息的获取作出了较大的贡献。
同时,随着人们生活质量的提高,人们对所购产品的安全性、可靠性及耐久性的要求也逐渐提高,尤其是车辆,但是厂家在对产品安全性、可靠性及耐久性的测试时,需要考虑到试验场的选取问题。
现有的试验场的选取方法中包含两种方式,一种是传统的人工选取试验场,一种是数字试验场的选取,即通过数字化的方式结合现有的地理信息对试验场进行选取,当前的数字试验场的选取方法只是简单的对通过遥感技术直接获取的地理信息进行筛选,进而实现对试验场的获取,但是这种筛选方式存在较大的弊端,获取的试验场的地表特征可能存在不均匀的情况。
针对上述情况,我们需要遥感数字试验场选址与评价方法。
发明内容
本发明的目的在于提供遥感数字试验场选址与评价方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:遥感数字试验场选址与评价方法,所述方法包括以下步骤:
S1、确定选址场地的地表类型,并初步确定需要进行选址评价的备选区域内的各个选址场地,并分别对各个选址场地进行编号;
S2、获取备选区域内的各个选址场地相应的中低分辨率卫星遥感影像地表反射率数据,在中低分辨率条件下计算备选区域内各个选址场地的空间均一性指标和时间稳定性指标,初步剔除不符合条件的选址场地,缩小数字试验场的备选区域的范围;
S3、利用中低分辨率卫星遥感影像对备选区域的范围进行初步筛选后,使用缩小后的备选区域内的各个选址场地对应的高分辨率遥感影像数据,再次计算备选区域内的各个选址场地的空间均一性指标与时间稳定性指标,进一步对备选区域内的各个选址场地进行筛选,得到数字试验场的候选范围;
S4、综合比较数字试验场的候选范围内的各目标场地的指标情况,筛选出数字试验场的选取结果。
本发明在进行数字试验场的选择时,通过数字试验场的场地类型及相应空间均一性指标与时间稳定性指标对选址场地的候选范围进行筛选,并对应筛选后的候选范围内的选址场地进行归一化处理,进行通过比较各个选址场地的归一化结果,筛选出数字试验场的选取结果;中低分辨率卫星遥感影像地表反射率数据,例如MODIS、Landsat数据;高分辨率遥感影像数据,例如GF1、GF2数据。
进一步的,数字试验场的候选范围内的目标场地的获取方法包括以下步骤:
S-A4.1、获取所需数字试验场的最小面积及相应的形状,记为第一窗口,获取数字试验场的候选范围;
A4.2、分别在数字试验场的候选范围内各个选址场地中变换第一窗口的位置,将第一窗口的位置对应的场地记为目标场地,不同的目标场地在数字试验场的候选范围中对应选址场地中对应第一窗口的位置不同,将目标场地用{x1,y1,z1}表示,
当数字试验场的候选范围内选址场地对应的面积小于第一窗口对应的面积时,则直接将该选址场地从数字试验场的候选范围内剔除,
所述x1表示目标场地对应的选址场地编号,
所述y1表示目标场地中心点位置对应的经度,
所述z1表示目标场地中心点位置对应的纬度;
数字试验场的候选范围内的各目标场地的指标情况指的是数字试验场的候选范围内的各目标场地分别对应的空间均一性指标及时间稳定性指标。
本发明获取目标场地时,根据所需数字试验场的最小面积及相应的形状设置第一窗口,并通过第一窗口对目标场地进行选取,同一个选址场地,第一窗口的位置不同对应的目标场地不同;将目标场地用{x1,y1,z1}表示,是为了在后续选取目标场地的过程中,通过确定的目标场地能够快速锁定目标场地的位置及该目标场地对应的选址场地。
进一步的,所述S1中初步确定需要进行选址评价的备选区域内的选址场地的方法包括以下步骤:
S1.1、利用地面实测照片,分别得到各个选址场地的地表类型;
S1.2、对比数据库,获取所需数字试验场的地表类型;
S1.3、将S1.1中获取的各个选址场地的地表类型分别与S1.2中所需的数字试验场的地表类型进行比较,
将满足S1.2中所需的数字试验场的地表类型的选址场地记为需要进行选址评价的备选区域内的选址场地。
本发明初步确定需要进行选址评价的备选区域内的选址场地的过程中,获取各个选址场地的地表类型(沙漠、草地、农田、森林、湖泊),是因为不同项目的数字试验场所需的地表类型不同,因此需要通过地表类型与数据库中预制的结果进行比较,进而实现对选址场地的初选。
进一步的,所述S2中初步剔除不符合条件的选址场地,缩小数字试验场的备选区域的范围的方法包括以下步骤:
S2.1、在中低分辨率条件下计算备选区域内选址场地的空间均一性指标;
S2.2、在中低分辨率条件下计算备选区域内选址场地的时间稳定性指标;
S2.3、对比数据库中,获取所需数字试验场的空间均一性指标阈值区间B1及时间稳定性阈值区间B2;
S2.4、判断备选区域内每个选址场地对应的空间均一性指标是否均在B1内且对应的时间稳定性指标是否均在B2内,
当备选区域内选址场地对应的空间均一性指标存在不在B1内的情况或者对应的时间稳定性指标存在不在B2内的情况,则将该选址场地从备选区域内剔除,反之,则不对该选址场地进行处理;
S2.5、得到缩小后的数字试验场的备选区域的范围。
本发明获取选址场地的空间均一性指标,是为了判断选址场地中地面的平整程度;获取选址场地的时间稳定性指标,是为了判断选址场地受时间影响的场地变化幅度;在中低分辨率条件下获取选址场地的空间均一性指标及时间稳定性指标,是因为相同面积的选址场地中,中低分辨率的遥感影像对应的像素个数明显少于高分辨率的遥感影像对应的像素个数,因此通过该方式,既能够实现对数据的初步筛选,确保筛选结果的有效性,并能够在一定程度上确保筛选结果的精度,还能够有效减少系统的数据运算量,提高系统对数据的处理速度;判断选址场地对应的空间均一性指标是否均在B1内时,会将空间均一性指标对应的空间均一性分布图中每个像素对应一个空间均一性数组中的各个数据分别与B1进行比较,当存在一个或多个数据不在B1对应的阈值区间内时,则判定该状态为选址场地对应的空间均一性指标存在不在B1内的情况;判断选址场地对应的时间稳定性指标是否均在B2内时,同理。
进一步的,所述S2.1中在中低分辨率条件下计算备选区域内选址场地的空间均一性指标的方法包括以下步骤:
S2.1.1、获取当前时间对应的备区域内各个选址场地对应的遥感影像;
S2.1.2、选取一个选址场地,对该选址场地对应的遥感影像中的每个像素进行循环处理,以每个像素为窗口中心,根据第二窗口大小选择窗口内的所有像元,所述第二窗口为长为n1、宽为n2的矩形,则第二窗口内的像元个数为n1*n2,记为n;
S2.1.3、计算该窗口内所有像元相同波段像素值的均值,每个像元对应n3个波段的像素值,同一像元不同波段对应的像素值不同,将第k个像元的第i个波段对应的像素值记为DNik,将该窗口内所有像元第i个波段像素值的均值记为μi,所述
S2.1.5、根据空间均一性计算公式计算该选址场地对应的遥感影像中该像素不同波段分别对应的空间均一值,得到该选址场地对应的遥感影像中该像素对应的空间均一性数组,每个空间均一性数组包含该元素在n3个波段中分别对应的空间均一值;
S2.1.6、循环遍历整幅遥感影像,最终生成该选址场地空间均一性分布图,即该选址场地的空间均一性指标,所述选址场地空间均一性分布图中各像素对应一个空间均一性数组。
本发明设置第二窗口是为了计算每个像素对应的空间均一性数组;第二窗口的大小可通过实际需要进行人为设定,设定的第二窗口包含的像元个数越多,对应的空间均一性数组结果则更加精确;将该窗口内所有像元第i个波段像素值的均值除以该窗口内所有像元第i个波段像素值的标准差,是为了得到该像素相对于周边环境(第二窗口内的像元)对应的场地地面的平整情况,采用多个波段对场地均一性进行描述,是因为不同的波段擅长监测的方向不同,获取多个波段对应的数据会使得对该像素的均一性描述更加精准、全面。
进一步的,所述S2.2中在中低分辨率条件下计算备选区域内选址场地的时间稳定性指标的方法包括以下步骤:
S2.2.1、按照时间先后的顺序遍历备区域内每个选址场地对应所有遥感影像;
S2.2.2、选取一个选址场地,分别以该选址场地的每幅遥感影像对应的时间为中心,选取第一单位时间跨度内相应选址场地的所有遥感影像,将第一单位时间跨度内所有遥感影像的个数记为m,对应的时间为中心的遥感影像,其对应的时间与相应的第一单位时间跨度的中心对应的时间相同;
S2.2.3、计算第一单位时间跨度内第j幅遥感影像中像元数值的均值ρj;
所述像元数值指像元对应位置的图像反射率数值;
S2.2.5、计算该第一单位时间跨度对应的遥感影像的时间稳定值δ,
S2.2.6、循环遍历该选址场地的所有遥感影像分别对应的时间,得到该选址场地对应的时间稳定性数组,即该选址场地对应的时间稳定性指标。
本发明设置第一单位时间跨度是为了限制计算每个遥感影像时间稳定性时需要参考的遥感影像个数m,计算每个遥感影像对应的时间稳定值;第一单位时间跨度的大小可通过实际需要进行人为设定,设定的第一单位时间跨度包含的遥感影像个数越多,对应的时间稳定值则更加精确;计算的该第一单位时间跨度对应的遥感影像的时间稳定值δ,则表示该第一单位时间跨度对应的该遥感影像相对于该第一单位时间跨度内的所有遥感影像,对应的选址场地受时间影响的变化程度;像元对应位置的图像反射率数值是通过在获取的高分卫星影像数据中,剔除有云和冰雪覆盖的无效影像,进行辐射定标、大气校正、场地信息提取等处理后,得到各场地的地表反射率影像,该地表反射率影像中每个像元位置对应的数值即为该像元位置的图像反射率数值。
进一步的,所述S3中得到数字试验场的候选范围的方法包括以下步骤:
S3.1、使用缩小后的备选区域内的各个选址场地对应的高分辨率遥感影像数据,根据S2中缩小数字试验场的备选区域的范围的方法,再次计算备选区域内的各个选址场地的空间均一性指标与时间稳定性指标,进一步对备选区域内的各个选址场地进行筛选;
S3.2、对于筛选出来的区域,利用场地现场照片和无人机观测数据,进一步获取筛选出的区域中各个选址场地分别对应的地表组分,所述地表组分表示地面的详细组成要素;
S3.3、对比数据库,获取所需数字试验场对应的地表组分集合;
S3.4、分别将获取的筛选出的区域中各个选址场地分别对应的地表组分与所需数字试验场对应的地表组分集合进行比较,
当获取的筛选出的区域中选址场地对应的地表组分包含于所需数字试验场对应的地表组分集合时,则判定该选址场地正常,反之,则将该选址场地进行剔除;
S3.5、得到数字试验场的候选范围。
本发明地表组分是对地表类型的进一步细化,其对应的是地面的详细组成要素,如一个森林类型的场地,其地表组分可能包含树、草、水洼等;同时在得到数字试验场的候选范围的过程中,根据高分辨率遥感影像数据,再次计算选址场地的空间均一性指标及时间稳定性指标,是因为同一选址场地更高的分辨率,对应的像素更多,即对应的空间均一性指标内对应的数据更多,使得获取的空间均一性指标数据更加精确,进而使得筛选的结果更加准确。
进一步的,所述S4中筛选出数字试验场的选取结果的方法包括以下步骤:
S4.1、获取目标场地对应的高分辨率遥感影像相应的空间均一性指标与时间稳定性指标;
S4.2、分别获取目标场地对应的空间均一性分布图中每个空间均一性数组中各个空间均一值的平均值,获取目标场地对应的空间均一性分布图中每个空间均一性数组对应平均值的中位数,将第r个目标场地的空间均一性指标对应的中位数记为Qr;
S4.3、获取目标场地对应的时间稳定性数组中各个时间稳定值的平均值,将第r个目标场地的时间稳定性指标对应的平均值记为Hr;
S4.4、对各个目标场地对应的空间均一性指标与时间稳定性指标进行归一化处理,将第r个目标场地对应的归一化处理结果记为Gr,所述Gr=e1*Qr+e2*Hr,
其中,e1表示第一系数,e2表示第二系数;
S4.5、对比数据库,获取所需数字试验场的归一化处理结果预设值,记为R;
S4.6、计算r为不同值时,第r个目标场地与所需数字试验场的偏差值Pr,
S4.7、获取r为不同值时,Pr为最小值时对应的r值,第r个目标场地即为数字试验场的选取结果。
本发明筛选出数字试验场的选取结果的过程中,对各个目标场地对应的空间均一性指标与时间稳定性指标进行归一化处理,是为了便于对候选区域内各个目标场地进行综合比较,在归一化处理后,每个目标场地值对应唯一的一个归一化处理结果(一个值),进而可以只对一个值进行处理即可筛选出数字试验场的选取结果,降低了数据处理的难度,使得处理结果更加直观。
进一步的,所述选址场地的地表类型包括:沙漠、草地、农田、森林、湖泊。
与现有技术相比,本发明所达到的有益效果是:本发明为了更好的进行卫星影像间的交叉验证,在考虑场地均匀性、稳定性和地面特征的基础上,在全国范围内选择多个具有大面积均匀目标作为试验场,以此为空间范围,作为选择交叉验证影像的依据;在需要进行场地提取的目标区域,在经纬网格范围内计算像元尺度上的空间一致性与时间稳定性,通过大范围的计算与对比,遴选得到最优的均匀数字试验场。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明遥感数字试验场选址与评价方法的流程示意图;
图2是本发明遥感数字试验场选址与评价方法中初步剔除不符合条件的选址场地,缩小数字试验场的备选区域的范围的方法的流程示意图;
图3是本发明遥感数字试验场选址与评价方法中在中低分辨率条件下计算备选区域内选址场地的空间均一性指标的方法的流程示意图;
图4是本发明遥感数字试验场选址与评价方法中在中低分辨率条件下计算备选区域内选址场地的时间稳定性指标的方法的流程示意图。
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。
请参阅图1-图4,本发明提供技术方案:遥感数字试验场选址与评价方法,所述方法包括以下步骤:
S1、确定选址场地的地表类型,并初步确定需要进行选址评价的备选区域内的各个选址场地,并分别对各个选址场地进行编号;
S2、获取备选区域内的各个选址场地相应的中低分辨率卫星遥感影像地表反射率数据,在中低分辨率条件下计算备选区域内各个选址场地的空间均一性指标和时间稳定性指标,初步剔除不符合条件的选址场地,缩小数字试验场的备选区域的范围;
S3、利用中低分辨率卫星遥感影像对备选区域的范围进行初步筛选后,使用缩小后的备选区域内的各个选址场地对应的高分辨率遥感影像数据,再次计算备选区域内的各个选址场地的空间均一性指标与时间稳定性指标,进一步对备选区域内的各个选址场地进行筛选,得到数字试验场的候选范围;
S4、综合比较数字试验场的候选范围内的各目标场地的指标情况,筛选出数字试验场的选取结果。
本发明在进行数字试验场的选择时,通过数字试验场的场地类型及相应空间均一性指标与时间稳定性指标对选址场地的候选范围进行筛选,并对应筛选后的候选范围内的选址场地进行归一化处理,进行通过比较各个选址场地的归一化结果,筛选出数字试验场的选取结果;中低分辨率卫星遥感影像地表反射率数据,例如MODIS、Landsat数据;高分辨率遥感影像数据,例如GF1、GF2数据。
数字试验场的候选范围内的目标场地的获取方法包括以下步骤:
S-A4.1、获取所需数字试验场的最小面积及相应的形状,记为第一窗口,获取数字试验场的候选范围;
A4.2、分别在数字试验场的候选范围内各个选址场地中变换第一窗口的位置,将第一窗口的位置对应的场地记为目标场地,不同的目标场地在数字试验场的候选范围中对应选址场地中对应第一窗口的位置不同,将目标场地用{x1,y1,z1}表示,
当数字试验场的候选范围内选址场地对应的面积小于第一窗口对应的面积时,则直接将该选址场地从数字试验场的候选范围内剔除,
所述x1表示目标场地对应的选址场地编号,
所述y1表示目标场地中心点位置对应的经度,
所述z1表示目标场地中心点位置对应的纬度;
实施例中若第3选址场地中某第一窗口位置对应的目标场地的中心点位置的经度为E098°02′43.8″,纬度为N24°45′16.1″,
则目标场地的表示方法为{3,E098°02′43.8″,N24°45′16.1″}。
数字试验场的候选范围内的各目标场地的指标情况指的是数字试验场的候选范围内的各目标场地分别对应的空间均一性指标及时间稳定性指标。
本发明获取目标场地时,根据所需数字试验场的最小面积及相应的形状设置第一窗口,并通过第一窗口对目标场地进行选取,同一个选址场地,第一窗口的位置不同对应的目标场地不同;将目标场地用{x1,y1,z1}表示,是为了在后续选取目标场地的过程中,通过确定的目标场地能够快速锁定目标场地的位置及该目标场地对应的选址场地。
所述S1中初步确定需要进行选址评价的备选区域内的选址场地的方法包括以下步骤:
S1.1、利用地面实测照片,分别得到各个选址场地的地表类型;
S1.2、对比数据库,获取所需数字试验场的地表类型;
S1.3、将S1.1中获取的各个选址场地的地表类型分别与S1.2中所需的数字试验场的地表类型进行比较,
将满足S1.2中所需的数字试验场的地表类型的选址场地记为需要进行选址评价的备选区域内的选址场地。
本发明初步确定需要进行选址评价的备选区域内的选址场地的过程中,获取各个选址场地的地表类型(沙漠、草地、农田、森林、湖泊),是因为不同项目的数字试验场所需的地表类型不同,因此需要通过地表类型与数据库中预制的结果进行比较,进而实现对选址场地的初选。
所述S2中初步剔除不符合条件的选址场地,缩小数字试验场的备选区域的范围的方法包括以下步骤:
S2.1、在中低分辨率条件下计算备选区域内选址场地的空间均一性指标;
S2.2、在中低分辨率条件下计算备选区域内选址场地的时间稳定性指标;
S2.3、对比数据库中,获取所需数字试验场的空间均一性指标阈值区间B1及时间稳定性阈值区间B2;
S2.4、判断备选区域内每个选址场地对应的空间均一性指标是否均在B1内且对应的时间稳定性指标是否均在B2内,
当备选区域内选址场地对应的空间均一性指标存在不在B1内的情况或者对应的时间稳定性指标存在不在B2内的情况,则将该选址场地从备选区域内剔除,反之,则不对该选址场地进行处理;
S2.5、得到缩小后的数字试验场的备选区域的范围。
本发明获取选址场地的空间均一性指标,是为了判断选址场地中地面的平整程度;获取选址场地的时间稳定性指标,是为了判断选址场地受时间影响的场地变化幅度;在中低分辨率条件下获取选址场地的空间均一性指标及时间稳定性指标,是因为相同面积的选址场地中,中低分辨率的遥感影像对应的像素个数明显少于高分辨率的遥感影像对应的像素个数,因此通过该方式,既能够实现对数据的初步筛选,确保筛选结果的有效性,并能够在一定程度上确保筛选结果的精度,还能够有效减少系统的数据运算量,提高系统对数据的处理速度;判断选址场地对应的空间均一性指标是否均在B1内时,会将空间均一性指标对应的空间均一性分布图中每个像素对应一个空间均一性数组中的各个数据分别与B1进行比较,当存在一个或多个数据不在B1对应的阈值区间内时,则判定该状态为选址场地对应的空间均一性指标存在不在B1内的情况;判断选址场地对应的时间稳定性指标是否均在B2内时,同理。
所述S2.1中在中低分辨率条件下计算备选区域内选址场地的空间均一性指标的方法包括以下步骤:
S2.1.1、获取当前时间对应的备区域内各个选址场地对应的遥感影像;
S2.1.2、选取一个选址场地,对该选址场地对应的遥感影像中的每个像素进行循环处理,以每个像素为窗口中心,根据第二窗口大小选择窗口内的所有像元,所述第二窗口为长为n1、宽为n2的矩形,则第二窗口内的像元个数为n1*n2,记为n;
S2.1.3、计算该窗口内所有像元相同波段像素值的均值,每个像元对应n3个波段的像素值,同一像元不同波段对应的像素值不同,将第k个像元的第i个波段对应的像素值记为DNik,将该窗口内所有像元第i个波段像素值的均值记为μi,所述
S2.1.5、根据空间均一性计算公式计算该选址场地对应的遥感影像中该像素不同波段分别对应的空间均一值,得到该选址场地对应的遥感影像中该像素对应的空间均一性数组,每个空间均一性数组包含该元素在n3个波段中分别对应的空间均一值;
本实施例中第二窗口为长为3、宽为1的矩形,每个像元对应4个波段的像素值,四个波段分别为红、绿、蓝及近红外这四个波段,
第一个像元对应的像素值记为[32,43,29,37],
第二个像元对应的像素值记为[35,33,39,40],
第三个像元对应的像素值记为[32,32,31,37],
则该第二窗口对应像素的空间均一性数组为
S2.1.6、循环遍历整幅遥感影像,最终生成该选址场地空间均一性分布图,即该选址场地的空间均一性指标,所述选址场地空间均一性分布图中各像素对应一个空间均一性数组。
本发明设置第二窗口是为了计算每个像素对应的空间均一性数组;第二窗口的大小可通过实际需要进行人为设定,设定的第二窗口包含的像元个数越多,对应的空间均一性数组结果则更加精确;将该窗口内所有像元第i个波段像素值的均值除以该窗口内所有像元第i个波段像素值的标准差,是为了得到该像素相对于周边环境(第二窗口内的像元)对应的场地地面的平整情况,采用多个波段对场地均一性进行描述,是因为不同的波段擅长监测的方向不同,获取多个波段对应的数据会使得对该像素的均一性描述更加精准、全面。
所述S2.2中在中低分辨率条件下计算备选区域内选址场地的时间稳定性指标的方法包括以下步骤:
S2.2.1、按照时间先后的顺序遍历备区域内每个选址场地对应所有遥感影像;
S2.2.2、选取一个选址场地,分别以该选址场地的每幅遥感影像对应的时间为中心,选取第一单位时间跨度内相应选址场地的所有遥感影像,将第一单位时间跨度内所有遥感影像的个数记为m,对应的时间为中心的遥感影像,其对应的时间与相应的第一单位时间跨度的中心对应的时间相同;
S2.2.3、计算第一单位时间跨度内第j幅遥感影像中像元数值的均值ρj;
所述像元数值指像元对应位置的图像反射率数值;
S2.2.5、计算该第一单位时间跨度对应的遥感影像的时间稳定值δ,
本实施例中以编号为1的选址场地对应的第三幅遥感图像对应的时间为中心,第一单位时间跨度为三天,第一单位时间跨度内所有遥感影像的个数记为3,
第一单位时间跨度内第1幅遥感影像中像元数值的均值为41,
第一单位时间跨度内第2幅遥感影像中像元数值的均值为39,
第一单位时间跨度内第3幅遥感影像中像元数值的均值为37,
第一单位时间跨度内所有遥感影像中像元数值的均值为40,
则该第一单位时间跨度对应的遥感影像的时间稳定值为
S2.2.6、循环遍历该选址场地的所有遥感影像分别对应的时间,得到该选址场地对应的时间稳定性数组,即该选址场地对应的时间稳定性指标。
本发明设置第一单位时间跨度是为了限制计算每个遥感影像时间稳定性时需要参考的遥感影像个数m,计算每个遥感影像对应的时间稳定值;第一单位时间跨度的大小可通过实际需要进行人为设定,设定的第一单位时间跨度包含的遥感影像个数越多,对应的时间稳定值则更加精确;计算的该第一单位时间跨度对应的遥感影像的时间稳定值δ,则表示该第一单位时间跨度对应的该遥感影像相对于该第一单位时间跨度内的所有遥感影像,对应的选址场地受时间影响的变化程度。
所述S3中得到数字试验场的候选范围的方法包括以下步骤:
S3.1、使用缩小后的备选区域内的各个选址场地对应的高分辨率遥感影像数据,根据S2中缩小数字试验场的备选区域的范围的方法,再次计算备选区域内的各个选址场地的空间均一性指标与时间稳定性指标,进一步对备选区域内的各个选址场地进行筛选;
S3.2、对于筛选出来的区域,利用场地现场照片和无人机观测数据,进一步获取筛选出的区域中各个选址场地分别对应的地表组分,所述地表组分表示地面的详细组成要素;
S3.3、对比数据库,获取所需数字试验场对应的地表组分集合;
S3.4、分别将获取的筛选出的区域中各个选址场地分别对应的地表组分与所需数字试验场对应的地表组分集合进行比较,
当获取的筛选出的区域中选址场地对应的地表组分包含于所需数字试验场对应的地表组分集合时,则判定该选址场地正常,反之,则将该选址场地进行剔除;
S3.5、得到数字试验场的候选范围。
本发明地表组分是对地表类型的进一步细化,其对应的是地面的详细组成要素,如一个森林类型的场地,其地表组分可能包含树、草、水洼等;同时在得到数字试验场的候选范围的过程中,根据高分辨率遥感影像数据,再次计算选址场地的空间均一性指标及时间稳定性指标,是因为同一选址场地更高的分辨率,对应的像素更多,即对应的空间均一性指标内对应的数据更多,使得获取的空间均一性指标数据更加精确,进而使得筛选的结果更加准确。
所述S4中筛选出数字试验场的选取结果的方法包括以下步骤:
S4.1、获取目标场地对应的高分辨率遥感影像相应的空间均一性指标与时间稳定性指标;
S4.2、分别获取目标场地对应的空间均一性分布图中每个空间均一性数组中各个空间均一值的平均值,获取目标场地对应的空间均一性分布图中每个空间均一性数组对应平均值的中位数,将第r个目标场地的空间均一性指标对应的中位数记为Qr;
S4.3、获取目标场地对应的时间稳定性数组中各个时间稳定值的平均值,将第r个目标场地的时间稳定性指标对应的平均值记为Hr;
S4.4、对各个目标场地对应的空间均一性指标与时间稳定性指标进行归一化处理,将第r个目标场地对应的归一化处理结果记为Gr,所述Gr=e1*Qr+e2*Hr,
其中,e1表示第一系数,e2表示第二系数;
S4.5、对比数据库,获取所需数字试验场的归一化处理结果预设值,记为R;
S4.6、计算r为不同值时,第r个目标场地与所需数字试验场的偏差值Pr,
S4.7、获取r为不同值时,Pr为最小值时对应的r值,第r个目标场地即为数字试验场的选取结果。
本发明筛选出数字试验场的选取结果的过程中,对各个目标场地对应的空间均一性指标与时间稳定性指标进行归一化处理,是为了便于对候选区域内各个目标场地进行综合比较,在归一化处理后,每个目标场地值对应唯一的一个归一化处理结果(一个值),进而可以只对一个值进行处理即可筛选出数字试验场的选取结果,降低了数据处理的难度,使得处理结果更加直观。
所述选址场地的地表类型包括:沙漠、草地、农田、森林、湖泊。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.遥感数字试验场选址与评价方法,其特征在于,所述方法包括以下步骤:
S1、确定选址场地的地表类型,并初步确定需要进行选址评价的备选区域内的各个选址场地,并分别对各个选址场地进行编号;
S2、获取备选区域内的各个选址场地相应的中低分辨率卫星遥感影像地表反射率数据,在中低分辨率条件下计算备选区域内各个选址场地的空间均一性指标和时间稳定性指标,初步剔除不符合条件的选址场地,缩小数字试验场的备选区域的范围;
S3、利用中低分辨率卫星遥感影像对备选区域的范围进行初步筛选后,使用缩小后的备选区域内的各个选址场地对应的高分辨率遥感影像数据,再次计算备选区域内的各个选址场地的空间均一性指标与时间稳定性指标,进一步对备选区域内的各个选址场地进行筛选,得到数字试验场的候选范围;
S4、综合比较数字试验场的候选范围内的各目标场地的指标情况,筛选出数字试验场的选取结果。
2.根据权利要求1所述的遥感数字试验场选址与评价方法,其特征在于:数字试验场的候选范围内的目标场地的获取方法包括以下步骤:
S-A4.1、获取所需数字试验场的最小面积及相应的形状,记为第一窗口,获取数字试验场的候选范围;
A4.2、分别在数字试验场的候选范围内各个选址场地中变换第一窗口的位置,将第一窗口的位置对应的场地记为目标场地,不同的目标场地在数字试验场的候选范围中对应选址场地中对应第一窗口的位置不同,将目标场地用{x1,y1,z1}表示,
当数字试验场的候选范围内选址场地对应的面积小于第一窗口对应的面积时,则直接将该选址场地从数字试验场的候选范围内剔除,
所述x1表示目标场地对应的选址场地编号,
所述y1表示目标场地中心点位置对应的经度,
所述z1表示目标场地中心点位置对应的纬度;
数字试验场的候选范围内的各目标场地的指标情况指的是数字试验场的候选范围内的各目标场地分别对应的空间均一性指标及时间稳定性指标。
3.根据权利要求1所述的遥感数字试验场选址与评价方法,其特征在于:所述S1中初步确定需要进行选址评价的备选区域内的选址场地的方法包括以下步骤:
S1.1、利用地面实测照片,分别得到各个选址场地的地表类型;
S1.2、对比数据库,获取所需数字试验场的地表类型;
S1.3、将S1.1中获取的各个选址场地的地表类型分别与S1.2中所需的数字试验场的地表类型进行比较,
将满足S1.2中所需的数字试验场的地表类型的选址场地记为需要进行选址评价的备选区域内的选址场地。
4.根据权利要求1所述的遥感数字试验场选址与评价方法,其特征在于:所述S2中初步剔除不符合条件的选址场地,缩小数字试验场的备选区域的范围的方法包括以下步骤:
S2.1、在中低分辨率条件下计算备选区域内选址场地的空间均一性指标;
S2.2、在中低分辨率条件下计算备选区域内选址场地的时间稳定性指标;
S2.3、对比数据库中,获取所需数字试验场的空间均一性指标阈值区间B1及时间稳定性阈值区间B2;
S2.4、判断备选区域内每个选址场地对应的空间均一性指标是否均在B1内且对应的时间稳定性指标是否均在B2内,
当备选区域内选址场地对应的空间均一性指标存在不在B1内的情况或者对应的时间稳定性指标存在不在B2内的情况,则将该选址场地从备选区域内剔除,反之,则不对该选址场地进行处理;
S2.5、得到缩小后的数字试验场的备选区域的范围。
5.根据权利要求4所述的遥感数字试验场选址与评价方法,其特征在于:所述S2.1中在中低分辨率条件下计算备选区域内选址场地的空间均一性指标的方法包括以下步骤:
S2.1.1、获取当前时间对应的备区域内各个选址场地对应的遥感影像;
S2.1.2、选取一个选址场地,对该选址场地对应的遥感影像中的每个像素进行循环处理,以每个像素为窗口中心,根据第二窗口大小选择窗口内的所有像元,所述第二窗口为长为n1、宽为n2的矩形,则第二窗口内的像元个数为n1*n2,记为n;
S2.1.3、计算该窗口内所有像元相同波段像素值的均值,每个像元对应n3个波段的像素值,同一像元不同波段对应的像素值不同,将第k个像元的第i个波段对应的像素值记为DNik,将该窗口内所有像元第i个波段像素值的均值记为μi,所述
S2.1.5、根据空间均一性计算公式计算该选址场地对应的遥感影像中该像素不同波段分别对应的空间均一值,得到该选址场地对应的遥感影像中该像素对应的空间均一性数组,每个空间均一性数组包含该元素在n3个波段中分别对应的空间均一值;
S2.1.6、循环遍历整幅遥感影像,最终生成该选址场地空间均一性分布图,即该选址场地的空间均一性指标,所述选址场地空间均一性分布图中各像素对应一个空间均一性数组。
6.根据权利要求5所述的遥感数字试验场选址与评价方法,其特征在于:所述S2.2中在中低分辨率条件下计算备选区域内选址场地的时间稳定性指标的方法包括以下步骤:
S2.2.1、按照时间先后的顺序遍历备区域内每个选址场地对应所有遥感影像;
S2.2.2、选取一个选址场地,分别以该选址场地的每幅遥感影像对应的时间为中心,选取第一单位时间跨度内相应选址场地的所有遥感影像,将第一单位时间跨度内所有遥感影像的个数记为m,对应的时间为中心的遥感影像,其对应的时间与相应的第一单位时间跨度的中心对应的时间相同;
S2.2.3、计算第一单位时间跨度内第j幅遥感影像中像元数值的均值ρj;
所述像元数值指像元对应位置的图像反射率数值;
S2.2.5、计算该第一单位时间跨度对应的遥感影像的时间稳定值δ,
S2.2.6、循环遍历该选址场地的所有遥感影像分别对应的时间,得到该选址场地对应的时间稳定性数组,即该选址场地对应的时间稳定性指标。
7.根据权利要求4所述的遥感数字试验场选址与评价方法,其特征在于:所述S3中得到数字试验场的候选范围的方法包括以下步骤:
S3.1、使用缩小后的备选区域内的各个选址场地对应的高分辨率遥感影像数据,根据S2中缩小数字试验场的备选区域的范围的方法,再次计算备选区域内的各个选址场地的空间均一性指标与时间稳定性指标,进一步对备选区域内的各个选址场地进行筛选;
S3.2、对于筛选出来的区域,利用场地现场照片和无人机观测数据,进一步获取筛选出的区域中各个选址场地分别对应的地表组分,所述地表组分表示地面的详细组成要素;
S3.3、对比数据库,获取所需数字试验场对应的地表组分集合;
S3.4、分别将获取的筛选出的区域中各个选址场地分别对应的地表组分与所需数字试验场对应的地表组分集合进行比较,
当获取的筛选出的区域中选址场地对应的地表组分包含于所需数字试验场对应的地表组分集合时,则判定该选址场地正常,反之,则将该选址场地进行剔除;
S3.5、得到数字试验场的候选范围。
8.根据权利要求6所述的遥感数字试验场选址与评价方法,其特征在于:所述S4中筛选出数字试验场的选取结果的方法包括以下步骤:
S4.1、获取目标场地对应的高分辨率遥感影像相应的空间均一性指标与时间稳定性指标;
S4.2、分别获取目标场地对应的空间均一性分布图中每个空间均一性数组中各个空间均一值的平均值,获取目标场地对应的空间均一性分布图中每个空间均一性数组对应平均值的中位数,将第r个目标场地的空间均一性指标对应的中位数记为Qr;
S4.3、获取目标场地对应的时间稳定性数组中各个时间稳定值的平均值,将第r个目标场地的时间稳定性指标对应的平均值记为Hr;
S4.4、对各个目标场地对应的空间均一性指标与时间稳定性指标进行归一化处理,将第r个目标场地对应的归一化处理结果记为Gr,所述Gr=e1*Qr+e2*Hr,
其中,e1表示第一系数,e2表示第二系数;
S4.5、对比数据库,获取所需数字试验场的归一化处理结果预设值,记为R;
S4.6、计算r为不同值时,第r个目标场地与所需数字试验场的偏差值Pr,
S4.7、获取r为不同值时,Pr为最小值时对应的r值,第r个目标场地即为数字试验场的选取结果。
9.根据权利要求1所述的遥感数字试验场选址与评价方法,其特征在于:所述选址场地的地表类型包括:沙漠、草地、农田、森林、湖泊。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111641581.3A CN114462199B (zh) | 2021-12-29 | 2021-12-29 | 遥感数字试验场选址与评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111641581.3A CN114462199B (zh) | 2021-12-29 | 2021-12-29 | 遥感数字试验场选址与评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114462199A true CN114462199A (zh) | 2022-05-10 |
CN114462199B CN114462199B (zh) | 2023-04-18 |
Family
ID=81408495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111641581.3A Active CN114462199B (zh) | 2021-12-29 | 2021-12-29 | 遥感数字试验场选址与评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114462199B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060080037A1 (en) * | 2004-09-15 | 2006-04-13 | Deutsches Zentrum Fur Luft- Und Raumfahrt E.V. | Process of remote sensing data |
JP2008282075A (ja) * | 2007-05-08 | 2008-11-20 | Central Res Inst Of Electric Power Ind | バイオマス利用計画支援方法、装置およびプログラム |
US20120195473A1 (en) * | 2009-10-06 | 2012-08-02 | Koninklijke Philips Electronics N.V. | Method and system for processing a signal including at least a component representative of a periodic phenomenon in a living being |
CN108022032A (zh) * | 2016-11-01 | 2018-05-11 | 核工业北京地质研究院 | 一种适用于高放废物处置库选址区的构造识别方法 |
CN109034239A (zh) * | 2018-07-23 | 2018-12-18 | 北京金风科创风电设备有限公司 | 遥感影像分类方法、分布式风电场的选址方法和设备 |
CN110363053A (zh) * | 2018-08-09 | 2019-10-22 | 中国人民解放军战略支援部队信息工程大学 | 一种遥感影像居民地提取方法及装置 |
CN110716185A (zh) * | 2019-10-22 | 2020-01-21 | 国家卫星气象中心 | 一种用于星载微波辐射计的在轨辐射校正方法 |
US20200024930A1 (en) * | 2017-04-18 | 2020-01-23 | China University Of Mining And Technology | Method for Optimizing Sensor Network Node Location in Geological CO2 Storage Area |
CN111091417A (zh) * | 2019-12-12 | 2020-05-01 | 拉扎斯网络科技(上海)有限公司 | 选址方法及装置 |
CN111339965A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 养殖场选址方法、装置、设备及计算机可读存储介质 |
CN113254559A (zh) * | 2021-06-07 | 2021-08-13 | 浙江非线数联科技股份有限公司 | 一种基于地理信息系统的设备选址方法 |
CN113361852A (zh) * | 2021-04-27 | 2021-09-07 | 中国科学院空天信息创新研究院 | 场址选择的方法、装置、电子设备及存储介质 |
CN113657776A (zh) * | 2021-08-19 | 2021-11-16 | 核工业二九0研究所 | 一种自然保护地立标点选址方法及系统 |
-
2021
- 2021-12-29 CN CN202111641581.3A patent/CN114462199B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060080037A1 (en) * | 2004-09-15 | 2006-04-13 | Deutsches Zentrum Fur Luft- Und Raumfahrt E.V. | Process of remote sensing data |
JP2008282075A (ja) * | 2007-05-08 | 2008-11-20 | Central Res Inst Of Electric Power Ind | バイオマス利用計画支援方法、装置およびプログラム |
US20120195473A1 (en) * | 2009-10-06 | 2012-08-02 | Koninklijke Philips Electronics N.V. | Method and system for processing a signal including at least a component representative of a periodic phenomenon in a living being |
CN108022032A (zh) * | 2016-11-01 | 2018-05-11 | 核工业北京地质研究院 | 一种适用于高放废物处置库选址区的构造识别方法 |
US20200024930A1 (en) * | 2017-04-18 | 2020-01-23 | China University Of Mining And Technology | Method for Optimizing Sensor Network Node Location in Geological CO2 Storage Area |
CN109034239A (zh) * | 2018-07-23 | 2018-12-18 | 北京金风科创风电设备有限公司 | 遥感影像分类方法、分布式风电场的选址方法和设备 |
CN110363053A (zh) * | 2018-08-09 | 2019-10-22 | 中国人民解放军战略支援部队信息工程大学 | 一种遥感影像居民地提取方法及装置 |
CN110716185A (zh) * | 2019-10-22 | 2020-01-21 | 国家卫星气象中心 | 一种用于星载微波辐射计的在轨辐射校正方法 |
CN111091417A (zh) * | 2019-12-12 | 2020-05-01 | 拉扎斯网络科技(上海)有限公司 | 选址方法及装置 |
CN111339965A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 养殖场选址方法、装置、设备及计算机可读存储介质 |
CN113361852A (zh) * | 2021-04-27 | 2021-09-07 | 中国科学院空天信息创新研究院 | 场址选择的方法、装置、电子设备及存储介质 |
CN113254559A (zh) * | 2021-06-07 | 2021-08-13 | 浙江非线数联科技股份有限公司 | 一种基于地理信息系统的设备选址方法 |
CN113657776A (zh) * | 2021-08-19 | 2021-11-16 | 核工业二九0研究所 | 一种自然保护地立标点选址方法及系统 |
Non-Patent Citations (4)
Title |
---|
ISA BAUD等: ""Understanding heterogeneity in metropolitan India: The added value of remote sensing data for analyzing sub-standard residential areas"", 《INTERNATIONAL JOURNAL OF APPLIED EARTH OBSERVATION AND GEOINFORMATION》 * |
JEFFREY S等: ""Analysis of a commercial small unmanned airborne system (sUAS) in support of the Radiometric Calibration Test Site (RadCaTS) at Railroad Valley"", 《EARTH OBSERVING SYSTEMS XXII》 * |
何灵莉: ""我国西北准不变定标场(PICS)的选取评价和辐射定标应用"", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
杨金中: ""遥感技术在工程地质选址工作中的应用"", 《国土资源遥感》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114462199B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109581372B (zh) | 一种生态环境遥感监测方法 | |
CN101963664B (zh) | 基于水陆地物分类信息的微波遥感混合像元分解方法 | |
Ryan et al. | IKONOS spatial resolution and image interpretability characterization | |
CN112051222A (zh) | 一种基于高分卫星影像的河湖水质监测方法 | |
CN103914678B (zh) | 基于纹理与植被指数的撂荒地遥感识别方法 | |
Cook et al. | IKONOS technical performance assessment | |
CN111415309B (zh) | 一种基于最小反射率法的高分辨率遥感影像大气校正方法 | |
CN111337434A (zh) | 一种矿区复垦植被生物量估算方法及系统 | |
CN113505635A (zh) | 基于光学和雷达的冬小麦与大蒜混种区识别方法及装置 | |
CN113324915B (zh) | 一种支持高分辨率气溶胶光学厚度反演的城市复杂地表反射率估算方法 | |
CN109635249B (zh) | 水体浊度反演模型建立方法、检测方法及装置 | |
Sabater et al. | Technical implementation of SMOS data in the ECMWF Integrated Forecasting System | |
CN114022783A (zh) | 基于卫星图像的水土保持生态功能遥感监测方法和装置 | |
CN115271217A (zh) | 一种基于无人机多源遥感数据的小麦产量预测方法 | |
CN114202675A (zh) | 一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统 | |
Wang et al. | Removing temperature drift and temporal variation in thermal infrared images of a UAV uncooled thermal infrared imager | |
Pahlevan et al. | Impact of spatial sampling on continuity of MODIS–VIIRS land surface reflectance products: A simulation approach | |
CN114462199B (zh) | 遥感数字试验场选址与评价方法 | |
Li et al. | Modeling forest aboveground biomass by combining spectrum, textures and topographic features | |
Liao et al. | Algorithm of leaf area index product for HJ-CCD over Heihe River Basin | |
CN117557897A (zh) | 目标农作物的倒伏监测方法、装置、电子设备及存储介质 | |
CN112924967A (zh) | 一种基于雷达和光学数据组合特征的农作物倒伏遥感监测方法与应用 | |
CN116628405A (zh) | 一种估算草地植被高度的遥感方法 | |
Conway | Evaluating ERS-1 SAR data for the discrimination of tropical forest from other tropical vegetation types in Papua New Guinea | |
CN110222301A (zh) | 一种雾霾条件下地表太阳短波辐射计算方法 |
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 |