CN114913431B - 一种城市不透水面覆盖度的计算方法 - Google Patents
一种城市不透水面覆盖度的计算方法 Download PDFInfo
- Publication number
- CN114913431B CN114913431B CN202210537183.5A CN202210537183A CN114913431B CN 114913431 B CN114913431 B CN 114913431B CN 202210537183 A CN202210537183 A CN 202210537183A CN 114913431 B CN114913431 B CN 114913431B
- Authority
- CN
- China
- Prior art keywords
- waterproof
- factors
- coverage
- factor
- urban
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 14
- 230000005855 radiation Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108010089741 opacity factor Proteins 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种城市不透水面覆盖度的计算方法,包括:输入一幅经过几何精校正和辐射校正的Landsat5‑TM遥感影像;从遥感影像的七个波段中选择反映城市不透水面信息的波段进行主成分分析,输出四个组分,确定反映城市不透水面的组分,构建不透水因子;将不透水因子中反映城市不透水面信息的暗像元转换为亮像元;将不透水因子做0~255灰度级的线性拉伸;对线性拉伸后的不透水因子进行乘法运算;将乘法运算的结果进行归一化处理,获得城市不透水面覆盖度。本发明一种城市不透水面覆盖度的计算方法具有计算精确、简单易行、稳定可靠、运算高效的优点。
Description
技术领域
本发明涉及遥感卫星图像处理技术领域,特别是指一种面向陆地卫星的城市不透水面覆盖度计算方法、装置及电子设备。
背景技术
城市不透水面是指城市中由各种不透水建筑材料所覆盖的表面。不透水面不仅可以作为城市化程度的指标,也是衡量环境质量的重要指标,对研究和改善城市人居环境具有重要意义。利用Landsat陆地卫星提取城市不透水面信息并分析其空间扩张过程,可为城市管理、城市规划和生态环境研究提供科学依据,为城市科学发展提供数据支持,对生态城市建设具有重要现实意义。目前,尚未有更简单、精确和高效的自动提取城市不透水面覆盖度的计算方法。
发明内容
本发明要解决的技术问题是:解决上述现有技术问题的不足,提出一种计算精确、简单易行、稳定可靠、运算高效的基于Landsat陆地卫星的城市不透水面覆盖度计算方法及其实现装置。
本发明解决其技术问题所采用的的技术方案是:
一种城市不透水面覆盖度的计算方法,其特征在于,包括以下几个S:
S1:输入至少一幅经过几何校正和辐射校正的Landsat5-TM遥感影像,得到TM1-TM7共七个波段。
S2:利用Landsat5-TM遥感影像的TM1、TM2、TM3和TM4四个波段进行主成分分析,得到四个组分,取其第一组分为不透水因子F1,利用Landsat5-TM遥感影像的TM2、TM4、TM5和TM7四个波段进行主成分分析,得到四个组分,取其第一组分为不透水因子F2,取其第二组分为不透水因子F3;
S3: 对S2中计算得到的不透水因子F1和不透水因子F3暗像元求反转换为亮像元,不透水因子F1和不透水因子F3分别求反后得到新的不透水因子IF1和不透水因子IF3;
S4:对S2-S3中不透水因子IF1、F2和IF3灰度图像,分别对其灰度值做0~255 灰度级的线性拉伸,分别得到新的不透水因子不透水因子SF1、SF2和SF3;
S5:对S4中不透水因子SF1、SF2和SF3三者利用浮点型运算分别相乘,得到不透水因子F;
S6: 对S5中的不透水因子F,进行归一化处理得到归一化的不透水因子NF,即不透水覆盖度;
作为本发明的一种优选方案,遥感影像选取四级产品,其全部七个波段重采样至30米空间分辨率。
作为本发明的一种优选方案,求反方法是将暗像元乘以“-1”后转换为亮像元。
作为本发明的一种优选方案,归一化处理的计算公式为:NF=(F- Fmin) / (Fmax-Fmin),式中,NF—归一化不透水因子,即不透水覆盖度, Fmin—不透水因子F对应图像的最小值,Fmax—不透水因子F对应图像的最大值。
一种城市不透水面覆盖度计算方法的实现装置,包括以下几个模块:
(1)获取影像模块,用于输入经过几何精校正和辐射校正的Landsat5-TM遥感影像;
(2)主成分分析模块,用于从遥感影像的七个波段中分别选择1234和2457波段组合进行主成分分析,分别输出四个组分;
(3)亮暗像元转换模块,用于从四个组分中确定所反映不透水面信息的不透水因子,并将所述的暗像元转换为亮像元;
(4)线性拉伸模块,用于将3个不透水因子分别对其灰度值做0~255 灰度级的线性拉伸;
(5)乘法运算模块,用于将线性拉伸后的3个不透水因子进行乘法运算;
(6)归一化处理模块,用于将乘法运算的结果进行归一化处理,获得不透水面覆盖度。
从上面可以看出,本发明提供的一种城市不透水面覆盖度计算方法,是一种基于Landsat陆地卫星提取城市不透水面信息并分析其空间扩张过程的遥感计算方法,仅需要基于遥感影像本身即可实现对城市不透水面信息的检测提取并分析其空间扩张过程,具有算法简单易行、稳定可靠、运算高效和计算精确等技术优点。
附图说明
图1为本发明实施例中的城市不透水面覆盖度计算方法流程图;
图2为本发明实施例中的不透水因子F1灰度图像;
图3为本发明实施例中的不透水因子F2灰度图像;
图4为本发明实施例中的不透水因子F3灰度图像;
图5为本发明实施例中求反后的不透水因子IF1灰度图像;
图6为本发明实施例中求反后的不透水因子IF3灰度图像;
图7为本发明实施例中的城市不透水面覆盖度灰度图像;
图8为本发明实施例中的城市不透水面覆盖度计算方法的实现装置结构示意图。
具体实施方式
以下结合附图及实施例对本发明作进一步说明,但这些具体实施方案不以任何方式限制本发明的保护范围。
实施例1
参考图1,为本发明实施例的地表比辐射率计算方法的流程图。
S1,输入一幅经过几何精校正和辐射校正的Landsat5-TM遥感影像。
进一步的,Landsat5-TM遥感影像选取四级产品,其全部七个波段重采样至30米空间分辨率,其对应的第一至第七波段分别为TM1、TM2、TM3、TM4、TM5、TM6、TM7。
陆地卫星(LANDSAT)系列卫星由美国航空航天局(NASA)和美国地质调查局(USGS)共同管理。自1972年起,LANDSAT系列卫星陆续发射,是美国用于探测地球资源与环境的系列地球观测卫星系统。LANDSAT系列卫星装备有专题制图仪(TM)或增强型专题制图仪(ETM+),被动感应地表反射的太阳辐射和散发的热辐射。
具体的,本发明实施例选用2009年9月6日长沙地区Level 4(四级产品)经过几何精校正和辐射校正的Landsat5-TM遥感影像(四级产品),切割出一部分区域作为本发明实施例的输入数据。
S2,主成分分析。
利用Landsat5-TM遥感影像的TM1、TM2、TM3和TM4四个波段进行主成分分析,得到四个组分分别为组分1(PC1)、组分2(PC2)、组分3(PC3)、组分4(PC4),取其第一组分PC1为不透水因子F1。
利用Landsat5-TM遥感影像的TM2、TM4、TM5和TM7四个波段进行主成分分析,得到四个组分分别为组分1(PC1)、组分2(PC2)、组分3(PC3)、组分4(PC4),取其第一组分PC1为不透水因子F2,取其第而组分PC2为不透水因子F3。
具体的,如图2、3、4所示,分别为本发明实施例中的陆地卫星计算得到遥感因子F1、F2和F3。
S3,亮暗像元转换。
对S2中计算得到的不透水因子F1和不透水因子F3由于其反映不透水信息的像元均为暗像元,需要乘以“-1”将其求反转换为亮像元,不透水因子F1和不透水因子F3分别求反后得到新的不透水因子IF1和不透水因子IF3
具体的,如图5、6所示,分别为本发明实施例中求反后得到的不透水因子IF1和不透水因子IF3。
S4,灰度值线性拉伸。
对不透水因子IF1、F2和IF3灰度图像,分别对其灰度值做0~255 灰度级的线性拉伸, 以使其数值范围一致,便于后续的数据处理。不透水因子IF1、F2和IF3灰度值线性拉伸分别得到新的不透水因子不透水因子SF1、SF2和SF3
S5,乘法运算。
对不透水因子SF1、SF2和SF3三者利用浮点型运算分别相乘,得到不透水因子F。
S6,归一化处理。
对不透水因子F,进行归一化处理得到归一化的不透水因子NF,即不透水覆盖度。
归一化处理的计算公式为:
NF=(F- Fmin) / (Fmax- Fmin)
式中,NF—归一化不透水因子,即不透水覆盖度, Fmin—不透水因子F对应图像的最小值,Fmax—不透水因子F对应图像的最大值。
具体的,如图7所示,为本发明实施例中的陆地卫星计算的不透水覆盖度NF。
发明实施例计算得到的长沙城市不透水面分布与实际情况一致:城市郊区大部分覆盖度较低,外围植被浓密的地区基本无不透水地表;城乡结合部的大型住宅区、机场等地表硬化程度高,计算得到城市不透水面覆盖度接近 100%;城市内部不透水面覆盖度与植被覆盖度呈负相关性明显,中心老城区不透水面覆盖度在 66%左右。
更具体的,为进一步验证本发明实施例的方法的技术效果,以 2009 年 10 月 12日长沙城区的QuickBird高分辨率影像人工解译的地表不透水面覆盖度作为地表真实数据,对发明实施例计算的不透水覆盖度进行精度验证。
将QuickBird影像与 TM影像精确配准后重采样至2.5 m空间分辨率。为减小影像配准误差的影响,在对应的 TM影像上随机分布100个3像元×3像元窗口作为精度检验样本,每个样本均对应 QuickBird影像上 36像元 ×36像元窗口。剔除 7个 QuickBird影像上阴影影响严重的样本。QuickBird影像上的不透水面覆盖度则通过人工目视解译获得,统计不透水面覆盖度影像上93个样本的不透水面覆盖度。经统计分析得到不透水面覆盖度的均方根误差(RMSE) 为 0.1005,系统误差(SE)分别为0.872,因此基于本方法计算的城市不透水面覆盖度具有高的反演精度和较强稳定性。
由上述描述可见,本发明的面向陆地卫星的城市不透水面覆盖度计算方法、电子设备,具有算法简单易行、稳定可靠、运算高效高和计算精确等技术优点。从市场应用方面来讲,容易形成功能模块嵌入到各类遥感图像处理软件当中,具有广阔的应用前景和市场潜力。
另一方面,本发明实施例还提供了一种城市不透水面覆盖度计算方法的实现装置。参考图8,为本发明实施例的城市不透水面覆盖度计算方法的实现装置结构示意图。包括:
获取影像模块101,输入一幅经过几何精校正和辐射校正的Landsat5-TM遥感影像;
主成分分析模块102,从遥感影像的七个波段中分别选择1234和2457波段组合进行主成分分析,分别输出四个组分;
亮暗像元转换模块103,从四个组分中确定所反映不透水面信息的不透水因子,并将所述的暗像元转换为亮像元;
线性拉伸模块104,将3个不透水因子分别对其灰度值做0~255 灰度级的线性拉伸;
乘法运算模块105,将线性拉伸后的3个不透水因子进行乘法运算;
归一化处理模块106,将乘法运算的结果进行归一化处理,获得所述不透水面覆盖度。
进一步的,归一化模块还用于:归一化处理的计算公式为,
NF=(F- Fmin) / (Fmax- Fmin)
式中,NF—归一化不透水因子,即不透水覆盖度, Fmin—不透水因子F对应图像的最小值,Fmax—不透水因子F对应图像的最大值。
上述实施例的一种城市不透水面覆盖度计算装置,用于实现前述实施例中相应的城市不透水面覆盖度计算方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、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 (5)
1.一种城市不透水面覆盖度的计算方法,其特征在于,包括以下几个S:
S1:输入一幅经过几何校正和辐射校正的Landsat5-TM遥感影像,得到TM1至TM7共七个波段;
S2:利用Landsat5-TM遥感影像的TM1、TM2、TM3和TM4四个波段进行主成分分析,输出四个组分,取其第一组分为不透水因子F1,利用Landsat5-TM遥感影像的TM2、TM4、TM5和TM7四个波段进行主成分分析,输出四个组分,取其第一组分为不透水因子F2,取其第二组分为不透水因子F3;
S3: 对S2中计算得到的不透水因子F1和不透水因子F3中的暗像元反转换为亮像元,不透水因子F1和不透水因子F3分别求反后得到新的不透水因子IF1和不透水因子IF3;
S4:对S2-S3中不透水因子IF1、F2和IF3灰度图像,分别对其灰度值做0~255 灰度级的线性拉伸,得到新的不透水因子SF1、SF2和SF3;
S5:对S4中不透水因子SF1、SF2和SF3三者利用浮点型运算分别相乘,得到不透水因子F;
S6: 对S5中的不透水因子F,进行归一化处理得到归一化的不透水因子NF,即不透水覆盖度。
2.根据权利要求1所述一种城市不透水面覆盖度的计算方法,其特征在于,所述S1中的遥感影像选取四级产品,其全部七个波段重采样至30米空间分辨率。
3.根据权利要求1所述一种城市不透水面覆盖度的计算方法,其特征在于,所述S3中求反方法是将暗像元乘以“-1”后转换为亮像元。
4.根据权利要求1-3任一所述一种城市不透水面覆盖度的计算方法,其特征在于,所述S6中归一化处理的计算公式为:NF=(F- Fmin) / (Fmax- Fmin), NF—归一化不透水因子,即不透水覆盖度, Fmin—不透水因子F对应图像的最小值,Fmax—不透水因子F对应图像的最大值。
5.一种根据权利要求1所述城市不透水面覆盖度计算方法的实现装置,其特征在于,包括以下几个模块:
(1)获取影像模块,用于输入经过几何精校正和辐射校正的Landsat5-TM遥感影像;
(2)主成分分析模块,用于从遥感影像的七个波段中分别选择1234和2457波段组合进行主成分分析,分别输出四个组分;
(3)亮暗像元转换模块,用于从四个组分中确定所反映不透水面信息的不透水因子,并将所述的暗像元转换为亮像元;
(4)线性拉伸模块,用于将3个不透水因子分别对其灰度值做0~255 灰度级的线性拉伸;
(5)乘法运算模块,用于将线性拉伸后的3个不透水因子进行乘法运算;
(6)归一化处理模块,用于将乘法运算的结果进行归一化处理,获得不透水面覆盖度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210537183.5A CN114913431B (zh) | 2022-05-18 | 2022-05-18 | 一种城市不透水面覆盖度的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210537183.5A CN114913431B (zh) | 2022-05-18 | 2022-05-18 | 一种城市不透水面覆盖度的计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114913431A CN114913431A (zh) | 2022-08-16 |
CN114913431B true CN114913431B (zh) | 2024-05-31 |
Family
ID=82767838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210537183.5A Active CN114913431B (zh) | 2022-05-18 | 2022-05-18 | 一种城市不透水面覆盖度的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114913431B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5323317A (en) * | 1991-03-05 | 1994-06-21 | Hampton Terry L | Method and apparatus for determining runoff using remote geographic sensing |
CN103778105A (zh) * | 2014-01-27 | 2014-05-07 | 湖南工程职业技术学院 | 一种基于Excel财务建模的持有至到期投资计算方法 |
CN108109114A (zh) * | 2017-12-04 | 2018-06-01 | 湖南文理学院 | 一种基于ASTER图像的SiO2含量遥感反演方法、电子设备 |
CN109029735A (zh) * | 2018-07-06 | 2018-12-18 | 湖南文理学院 | 一种地表比辐射率计算方法及装置 |
CN109374564A (zh) * | 2018-08-20 | 2019-02-22 | 广州地理研究所 | 一种多源遥感数据城市不透水面提取方法 |
WO2020015326A1 (zh) * | 2018-07-19 | 2020-01-23 | 山东科技大学 | 一种地表类型数据支持的遥感图像云阴影检测方法 |
CN111178169A (zh) * | 2019-12-12 | 2020-05-19 | 广州地理研究所 | 一种基于遥感影像的城市地表覆盖物精细分类方法及装置 |
CN112329790A (zh) * | 2020-10-27 | 2021-02-05 | 厦门理工学院 | 一种城市不透水面信息快速提取方法 |
CN114913432A (zh) * | 2022-05-18 | 2022-08-16 | 湖南工程职业技术学院 | 一种城市建设用地变化遥感检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10901091B2 (en) * | 2018-02-27 | 2021-01-26 | Woolpert, Inc. | Systems and methods for impervious surface detection and classification |
CN108985238B (zh) * | 2018-07-23 | 2021-10-22 | 武汉大学 | 联合深度学习和语义概率的不透水面提取方法及系统 |
CN111122449A (zh) * | 2019-12-31 | 2020-05-08 | 北京师范大学 | 一种城市不透水面遥感提取方法及系统 |
-
2022
- 2022-05-18 CN CN202210537183.5A patent/CN114913431B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5323317A (en) * | 1991-03-05 | 1994-06-21 | Hampton Terry L | Method and apparatus for determining runoff using remote geographic sensing |
CN103778105A (zh) * | 2014-01-27 | 2014-05-07 | 湖南工程职业技术学院 | 一种基于Excel财务建模的持有至到期投资计算方法 |
CN108109114A (zh) * | 2017-12-04 | 2018-06-01 | 湖南文理学院 | 一种基于ASTER图像的SiO2含量遥感反演方法、电子设备 |
CN109029735A (zh) * | 2018-07-06 | 2018-12-18 | 湖南文理学院 | 一种地表比辐射率计算方法及装置 |
WO2020015326A1 (zh) * | 2018-07-19 | 2020-01-23 | 山东科技大学 | 一种地表类型数据支持的遥感图像云阴影检测方法 |
CN109374564A (zh) * | 2018-08-20 | 2019-02-22 | 广州地理研究所 | 一种多源遥感数据城市不透水面提取方法 |
CN111178169A (zh) * | 2019-12-12 | 2020-05-19 | 广州地理研究所 | 一种基于遥感影像的城市地表覆盖物精细分类方法及装置 |
CN112329790A (zh) * | 2020-10-27 | 2021-02-05 | 厦门理工学院 | 一种城市不透水面信息快速提取方法 |
CN114913432A (zh) * | 2022-05-18 | 2022-08-16 | 湖南工程职业技术学院 | 一种城市建设用地变化遥感检测方法 |
Non-Patent Citations (6)
Title |
---|
"Landsat 时序数据支持下的藏东南植被时空变化监测";王华;《测绘通报》;20201125;全文 * |
"Urban_Impervious_Surface_Extraction_Based_on_the_Integration_of_Remote_Sensing_Images_and_Social_Media_Data";Yan Yu;《2018 IEEE International Geoscience and Remote Sensing Symposium》;20180727;全文 * |
"A Novel Remote Sensing Index for Extracting Impervious Surface Distribution fromLandsat 8 OLI Imagery";Hong Fang;《applied sciences》;20190819;全文 * |
"基于Sentinel-2数...不透水面识别方法与应用研";徐瑞;《地理与地理信息科学》;20210915;全文 * |
城市不透水面覆盖度与地面温度遥感估算与分析;邱健壮;桑峰勇;高志宏;;测绘科学;20110720(第04期);全文 * |
基于遥感影像的城市不透水面信息提取研究;鹿凤;张绪芳;汪玲玲;余起怡;韩海涛;洪娅岚;;黑龙江工程学院学报;20180619(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114913431A (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vernieres et al. | The GEOS-iODAS: Description and evaluation | |
CN104899562B (zh) | 基于纹理分割融合的雷达遥感影像人工建筑识别算法 | |
CN112684520A (zh) | 一种气象预报的订正方法、装置、计算机设备及存储介质 | |
CN110703244B (zh) | 基于遥感数据识别城区内水体的方法和装置 | |
CN111538940B (zh) | 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法 | |
CN111581884A (zh) | 一种星载多分辨率目标光学辐射图像仿真方法 | |
CN112884342B (zh) | 一种水色卫星大气层顶辐射产品质量评价与交叉定标方法 | |
CN105631218A (zh) | 基于idtcm的遥感地表温度时间归一化方法 | |
CN110836870B (zh) | 基于gee的大区域湖泊透明度快速制图方法 | |
CN110244298B (zh) | 一种InSAR数据升降轨联合滑坡分析方法 | |
CN111798411A (zh) | 一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法 | |
CN112419196B (zh) | 一种基于深度学习的无人机遥感影像阴影去除方法 | |
Matsuoka et al. | Comparative analysis for detecting areas with building damage from several destructive earthquakes using satellite synthetic aperture radar images | |
CN114819737B (zh) | 公路路域植被的碳储量估算方法、系统及存储介质 | |
CN117933095B (zh) | 一种基于机器学习的地表发射率实时反演及同化方法 | |
Espinosa-Gavira et al. | Cloud motion estimation from small-scale irradiance sensor networks: General analysis and proposal of a new method | |
CN116822185A (zh) | 基于hasm的日降水数据空间模拟方法和系统 | |
Deng et al. | Development and Evaluation of a Cloud-Gap-Filled MODIS Normalized Difference Snow Index Product over High Mountain Asia | |
CN114913431B (zh) | 一种城市不透水面覆盖度的计算方法 | |
CN115952743B (zh) | 耦合随机森林和hasm的多源降水数据协同降尺度方法和系统 | |
Salih | Water Pollution Detection of Tigris River by Utilizing Thermal Remote Sensing Techniques: North Baghdad-Iraq Region as a Case Study. | |
CN112166688B (zh) | 基于小卫星的沙漠与沙漠化土地监测方法 | |
Liu et al. | Retrieval of moisture from slant-path water vapor observations of a hypothetical GPS network using a three-dimensional variational scheme with anisotropic background error | |
CN109029735B (zh) | 一种地表比辐射率计算方法及装置 | |
Reeder et al. | The detection of flow asymmetries in the tropical cyclone environment |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240506 Address after: 410000 Shuidu River, Changsha City, Hunan Province Applicant after: HUNAN ENGINEERING POLYTECHNIC Country or region after: China Applicant after: GUILIN TOURISM University Address before: 410000 Shuidu River, Changsha City, Hunan Province Applicant before: HUNAN ENGINEERING POLYTECHNIC Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |