CN114964028B - 一种综合遥感快速解译地震地表破裂带的方法 - Google Patents
一种综合遥感快速解译地震地表破裂带的方法 Download PDFInfo
- Publication number
- CN114964028B CN114964028B CN202210569931.8A CN202210569931A CN114964028B CN 114964028 B CN114964028 B CN 114964028B CN 202210569931 A CN202210569931 A CN 202210569931A CN 114964028 B CN114964028 B CN 114964028B
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- deformation
- sar
- earthquake
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Astronomy & Astrophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种综合遥感快速解译地震地表破裂带的方法,包括:对高分光学卫星遥感影像进行解译,并采用光学像素偏移量技术获取目标区域的东西向和南北向形变场;根据SAR影像,利用InSAR技术获得SAR影像视线向的同震形变场,并基于SAR像素偏移量技术,提取距离向和方位向形变场;采集目标区域的无人机正射影像,基于SfM‑MVS算法,获取高分辨率的DSM和DOM;利用机载LiDAR飞行平台采集的点云数据,采用平均值以及自然邻域插值法,生成相对应的DEM数据;综合多源遥感影像的信息快速精密确定地表破裂位置和形变量。本发明综合利用多源遥感数据,多种影像处理技术快速精密确定地震地表破裂的空间分布和地表形变特征,为地震快速应急响应提供数据支撑。
Description
技术领域
本发明涉及地震勘探技术领域,具体涉及一种综合遥感快速解译地震地表破裂带的方法。
背景技术
我国位于欧亚大陆东南部地区,地处环太平洋和欧亚地震带之间,受太平洋板块、菲律宾板块和印度洋板块的挤压作用,地震活动范围广、强度大、频率高,在全球大陆地区的大地震中,约有四分之一至三分之一发生在我国。较强的地震伴随着巨大的能量波动,往往还会使当地的降水与气候发生变化。除了对灾区的居民、房屋、道路和桥梁等造成巨大的直接危害,较强的地震还会诱发山体滑坡、泥石流、崩塌等地质灾害,往往给当地的居民带来意想不到难以弥补的且长期潜伏、不定期爆发的二次伤害。为了减少人员的伤亡和经济的损失,利用综合遥感技术进行地震应急响应,特别是对地震破坏情况进行快速评估是当前国际上通用的一种做法。
目前较多的学者利用SAR或光学遥感影像,再结合野外调查对地表破裂带进行研究。然而,不同的方法具有各自的优缺点,通过高分光学遥感影像目视解译可以比较直观的得到地表破裂的空间分布特征,但是其效率较低;自动化识别可以弥补这一缺点,以上方法均无法获取地表破裂带的形变特征。另一方面,InSAR技术,SAR和光学像素偏移量技术可以获取地表破裂带的形变信息。InSAR技术可以精密地确定卫星视线向同震形变信息,但是当地表破裂带位于植被覆盖密集区或者其形变梯度过大时,可能导致失相干现象。综上,现阶段缺少一种综合的能够快速解译地表破裂带的方法。
发明内容
本发明提出一种综合光学遥感影像、SAR影像、无人机影像和LiDAR数据解译地震地表破裂带的技术框架,综合利用多源遥感数据,多种影像处理技术快速精密确定地震地表破裂的空间分布和地表形变特征,为地震快速应急响应提供数据支撑。
为解决上述问题,本发明提供了如下的技术方案。
一种综合遥感快速解译地震地表破裂带的方法,包括以下步骤:
采集目标区域的高分光学卫星遥感影像和SAR影像;
对高分光学卫星遥感影像进行解译,并采用光学像素偏移量技术获取目标区域的东西向和南北向形变场;
根据地震前后的SAR影像,利用InSAR技术获得视线向的同震形变场,并基于SAR像素偏移量技术提取距离向和方位向的形变场;
采集目标区域的无人机正射影像,基于SfM-MVS算法,获取数字地表模型和数字正射影像;
利用机载LiDAR飞行平台采集的点云数据,采用平均值以及自然邻域插值法,生成DEM数据;
综合东西向和南北向形变场,SAR影像视线向的同震形变场以及距离向和方位向的形变场,数字地表模型,数字正射影像以及DEM数据,确定地表破裂位置和形变量。
优选地,还包括:
在对卫星遥感影像进行光学遥感解译前,对高分光学遥感影像的全色影像和多光谱影像进行正射校正,随后利用GS全色锐化方法获取卫星遥感影像。
优选地,所述利用InSAR技术获得SAR影像视线向的同震形变场,包括以下步骤:
以震前获取的SAR影像作为主影像,震后获取的SAR影像作为辅影像,利用InSAR技术对SAR影像进行干涉处理;
利用GACOS的天顶对流层延迟产品,削弱大气对流层延迟影响,得到SAR影像视线向的同震形变场。
优选地,所述数字地表模型和数字正射影像的获取,包括以下步骤:
无人机搭载相机采集目标区域的正射影像,通过GNSS/IMU系统获取影像拍摄时相机的位姿信息;
基于SfM-MVS算法,利用不同视角的重叠影像重建三维模型和像片位姿,获取高分辨率的数字地表模型和数字正射影像。
优选地,所述DEM数据的获取,包括以下步骤:
利用机载LiDAR飞行平台对研究区域进行点云数据的采集
通过移动测量操控软件来纠正系统姿态和处理GNSS数据进行点云数据的解算,生成包含地物、地面点三维坐标信息las格式的高精度点云数据,采用平均值以及自然邻域插值法,生成相对应的DEM数据。
优选地,所述高分光学遥感影像和SAR影像包括:高分光学、WordView系列、Landsat系列、Sentinel-2卫星高分光学遥感影像和高分三号、Sentinel-1A/B、ALOS-1/2、TerraSAR-X卫星SAR影像。
本发明的有益效果:
本发明提出的利用多源卫星遥感影像快速解译地震地表破裂带的技术流程,即使面对森林和高植被覆盖区域,大梯度形变导致失相干的区域,亦可以精密确定地表破裂带的形变与位置信息。数据上将SAR影像、高分光学遥感影像、UAV影像和机载LiDAR点云数据综合利用,方法上将InSAR技术、SAR/光学像素偏移量技术、目视解译和运动结构恢复的方法等多技术进行互补,有效提高了地表破裂带解译的准确性、可靠性和完备性。本发明便于推广使用,还可用于精密确定其它场景下的地表破裂,如火山爆发、矿产开采等造成的地表破裂。
附图说明
图1为本发明实施例的方法流程图;
图2为本发明实施例的高分辨率高分7号光学图像显示的地表破裂示意图;
图3为本发明实施例的地表破裂对主干道路和兰新高铁的影响示意图;
图4为本发明实施例的采用本发明方法获得的精密确定地表破裂带的过程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例1
本发明的一种综合遥感快速解译地震地表破裂带的方法。如图1-4所示:
S1:收集目标区域多源卫星遥感影像,包括高分光学遥感影像和SAR影像。包括高分光学、WordView系列、Landsat系列、Sentinel-2等卫星高分光学遥感影像和高分三号、Sentinel-1A/B、ALOS-1/2、TerraSAR-X等卫星SAR影像。
S2:对高分光学遥感影像的全色影像和多光谱影像进行正射校正,随后利用GS全色锐化方法(Gram-Schmidt Pan Sharpening)获取卫星遥感影像;在利用高分光学遥感对地表破裂带进行识别时,主要以断裂带的空间信息分析为主,通过前期预处理和图像增强之后,地物的噪声得到有效抑制,辨识度较高。地表破裂带具有较高的辨识度,与其周围的结构特征和岩石成分等差异较大,这些明显的判别标志,在高分辨率光学遥感影像上显示出不同的纹理和色调,从而提取目标区域地表破裂带的初始概况。最后对卫星遥感影像进行光学遥感解译,并采用光学像素偏移量技术获取目标区域的东西(EW)向和南北(NS)向形变场。
S3:以震前获取的SAR影像作为主影像,震后获取的SAR影像作为辅影像,利用InSAR技术对SAR影像进行干涉处理;利用GACOS(Generic Atmospheric CorrectionOnline Service for InSAR)的天顶对流层延迟产品(Zenith Tropospheric Delay,ZTD),削弱大气对流层延迟影响,得到SAR影像视线向的同震形变场。
S4:地震引发地表破裂,在断层附近区域(即近场)形变梯度过大时,往往造成失相干,导致无法利用InSAR技术提取相位信息。为了精密获取地表破裂带的位置和形变信息,采用基于SAR影像强度信息即后向散射强度的像素偏移量技术,提取距离向和方位向的形变场。SAR像素偏移量技术的精度在很大程度上取决于SAR影像的空间分辨率,其次均匀的搜索窗口以及地形误差等都会给形变场的精度带来影响。结合SAR像素偏移量方位向和距离向形变场可最终确定地表破裂带的形变与位置信息。
S5:通过无人机(Unmanned Aerial Vehicle,UAV)搭载相机对目标区域进行正射影像,通过GNSS/IMU(Global Navigation Satellite System/Inertial MeasurementUnit)系统获取影像拍摄时相机的位姿信息;基于SfM-MVS算法,利用不同视角的重叠影像重建三维模型和像片位姿,获取高分辨率的数字地表模型(Digital Surface Model,DSM)和数字正射影像(Digital Orthophoto Map,DOM)。
S6:利用机载激光雷达(Light Detection and Ranging,LiDAR)飞行平台对研究区域进行点云数据的采集,通过移动测量操控软件来纠正系统姿态和处理GNSS数据进行点云数据的解算,生成包含地物、地面点三维坐标信息las格式的高精度点云数据,通常LiDAR点云数据的预处理由厂商自带的软件进行处理,然后采用处理软件如TerraSolid,对原始点云数据采用三角网渐进加密滤波算法进行滤波,对滤波后地面点手动分类的方式进行点云去噪,生成最终的地面点云数据,然后采用平均值以及自然邻域插值法,生成相对应的DEM。
机载LiDAR是将激光探测和测距系统搭载在飞机上,集激光扫描仪、GPS和惯性导航系统IMU(Inertial Measurement Unit)于一体,能够快速准确获取目标对象的三维坐标、回波强度、回波次数等信息的主动式全新空间测量技术。
S7:综合东西向和南北向形变场,SAR影像视线向的同震形变场以及距离向和方位向的形变场,数字地表模型,数字正射影像以及DEM数据,确定地表破裂位置和形变量。
本实施例中,
为了验证本发明的实用性,本文以2022年1月8日青海省海北州门源县发生的Mw6.7级地震为例,主要采用高分1号(GF-1)、7号(GF-7)、Sentinel-2光学遥感影像、无人机影像和Sentinel-1A SAR影像对地震地表破裂带进行快速解译。
(1)联合GF-1和GF-7光学遥感影像解译地表破裂:
采用高分光学遥感目视解译的方法对GF-1和GF-7光学遥感影像进行快速解译(图2a)。解译结果发现地震导致的地表破裂明显(图2),在图2中,八段地表破裂带被放大展示,白色标志代表其实际位置,图中可以清楚的看到西段地表出现明显破裂,最大宽度约为2m。图3a中方框内道路发生不同程度的损坏,如图3b所示,在e、f段破裂带间的县道受到严重影响。位于d段破裂带附近的兰新高铁同样受到较为严重的破坏(图3c)。
(2)基于Sentinel-1A、Sentinel-2和无人机影像解译地表破裂形变特征
采用InSAR同震形变场和地震前后相干性信息,光学/SAR像素偏移量技术进一步精密确定地表破裂带。图4a和4b分别为光学像素偏移量东西向和南北向地表形变场,此次地震东西向最大形变约为2.0m;图4e和4f分别为InSAR同震形变场和地震前后相干性。如图4c和4d所示,SAR像素偏移量技术可以较好的得到该区域距离向和方位向形变场,此次地震距离向最大形变约为-1.0m和1.5m。图4i-4k分别为光学像素偏移量的东西向、SAR像素偏移量南北向和InSAR LOS向剖线AA’、BB’和CC’的形变量,剖线图中横坐标为两点之间的距离,纵坐标为地震前后的形变量,可以发现三种方法的结果在距离A点约7200m处,距离B点约6600m处和距离C点约7000m处均产生断裂,进一步互相验证确定破裂带位置信息的准确性。最后根据SAR像素偏移量的形变场和无人机影像,确定地表破裂带的位置,从而将光学遥感解译中间断的地表破裂(图2)带串联起来,得到最终连续的地表破裂带形变与位置信息(图4h中的黑线)。
具体的,图4(a)光学像素偏移量(东西向);(b)光学像素偏移量(南北向);(c)SAR像素偏移量(距离向);(d)SAR像素偏移量(方位向);(e)InSAR地表形变场(卫星视线向,即距离向);(f)地震前后InSAR相干性;(g)无人机影像解译的地表破裂带;(h)上述多种技术提取的地表破裂的叠加图;(i)光学像素偏移量(东西向)、SAR像素偏移量(距离向)、InSAR地表形变(视线向)剖线AA’形变量;(j)光学像素偏移量(东西向)、SAR像素偏移量(距离向)、InSAR地表形变(视线向)剖线BB’形变量;(k)光学像素偏移量(东西向)、SAR像素偏移量(距离向)、InSAR地表形变(视线向)剖线CC’形变量。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种综合遥感快速解译地震地表破裂带的方法,其特征在于,包括以下步骤:
采集目标区域的高分光学卫星遥感影像和SAR影像;
对高分光学卫星遥感影像进行解译,并采用光学像素偏移量技术获取目标区域的东西向和南北向形变场;
根据地震前后的SAR影像,利用InSAR技术获得视线向的同震形变场,并基于SAR像素偏移量技术提取距离向和方位向的形变场;
采集目标区域的无人机正射影像,基于SfM-MVS算法,获取数字地表模型和数字正射影像;
利用机载LiDAR飞行平台采集的点云数据,采用平均值以及自然邻域插值法,生成DEM数据;
综合东西向和南北向形变场,SAR影像视线向的同震形变场以及距离向和方位向的形变场,数字地表模型,数字正射影像以及DEM数据,确定地表破裂位置和形变量;
所述利用InSAR技术获得SAR影像视线向的同震形变场,包括以下步骤:
以震前获取的SAR影像作为主影像,震后获取的SAR影像作为辅影像,利用InSAR技术对SAR影像进行干涉处理;
利用GACOS的天顶对流层延迟产品,削弱大气对流层延迟影响,得到SAR影像视线向的同震形变场;
所述数字地表模型和数字正射影像的获取,包括以下步骤:
无人机搭载相机采集目标区域的正射影像,通过GNSS/IMU系统获取影像拍摄时相机的位姿信息;
基于SfM-MVS算法,利用不同视角的重叠影像重建三维模型和像片位姿,获取高分辨率的数字地表模型和数字正射影像。
2.根据权利要求1所述的综合遥感快速解译地震地表破裂带的方法,其特征在于,还包括:
在对卫星遥感影像进行光学遥感解译前,对高分光学遥感影像的全色影像和多光谱影像进行正射校正,随后利用GS全色锐化方法获取卫星遥感影像。
3.根据权利要求1所述的综合遥感快速解译地震地表破裂带的方法,其特征在于,所述DEM数据的获取,包括以下步骤:
利用机载LiDAR飞行平台对研究区域进行点云数据的采集;
通过移动测量操控软件来纠正系统姿态和处理GNSS数据进行点云数据的解算,生成包含地物、地面点三维坐标信息las格式的高精度点云数据,采用平均值以及自然邻域插值法,生成相对应的DEM数据。
4.根据权利要求1所述的综合遥感快速解译地震地表破裂带的方法,其特征在于,所述高分光学卫星遥感影像和SAR影像包括:高分光学、WordView系列、Landsat系列、Sentinel-2卫星高分光学遥感影像和高分三号、Sentinel-1A/B、ALOS-1/2、TerraSAR-X卫星SAR影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210569931.8A CN114964028B (zh) | 2022-05-24 | 2022-05-24 | 一种综合遥感快速解译地震地表破裂带的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210569931.8A CN114964028B (zh) | 2022-05-24 | 2022-05-24 | 一种综合遥感快速解译地震地表破裂带的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114964028A CN114964028A (zh) | 2022-08-30 |
CN114964028B true CN114964028B (zh) | 2023-03-10 |
Family
ID=82954825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210569931.8A Active CN114964028B (zh) | 2022-05-24 | 2022-05-24 | 一种综合遥感快速解译地震地表破裂带的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114964028B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111077525A (zh) * | 2019-12-20 | 2020-04-28 | 长安大学 | 融合sar与光学偏移量技术的地表维形变计算方法及系统 |
CN111142119A (zh) * | 2020-01-10 | 2020-05-12 | 中国地质大学(北京) | 一种基于多源遥感数据的矿山地质灾害动态识别与监测方法 |
CN111724477A (zh) * | 2020-07-06 | 2020-09-29 | 中铁二局第一工程有限公司 | 一种多源数据融合构建多层次三维地形模型方法 |
CN113091599A (zh) * | 2021-04-06 | 2021-07-09 | 中国矿业大学 | 融合无人机dom和星载sar影像的地表三维形变提取方法 |
CN113804154A (zh) * | 2021-08-30 | 2021-12-17 | 东南大学 | 基于卫星和无人机遥感的路面沉陷检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010057903A1 (de) * | 2008-11-24 | 2010-05-27 | Deutsches Zentrum Fuer Luft- Und Raumfahrt E.V. | Verfahren zur georeferenzierung optischer fernerkundungsbilder |
-
2022
- 2022-05-24 CN CN202210569931.8A patent/CN114964028B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111077525A (zh) * | 2019-12-20 | 2020-04-28 | 长安大学 | 融合sar与光学偏移量技术的地表维形变计算方法及系统 |
CN111142119A (zh) * | 2020-01-10 | 2020-05-12 | 中国地质大学(北京) | 一种基于多源遥感数据的矿山地质灾害动态识别与监测方法 |
CN111724477A (zh) * | 2020-07-06 | 2020-09-29 | 中铁二局第一工程有限公司 | 一种多源数据融合构建多层次三维地形模型方法 |
CN113091599A (zh) * | 2021-04-06 | 2021-07-09 | 中国矿业大学 | 融合无人机dom和星载sar影像的地表三维形变提取方法 |
CN113804154A (zh) * | 2021-08-30 | 2021-12-17 | 东南大学 | 基于卫星和无人机遥感的路面沉陷检测方法及装置 |
Non-Patent Citations (4)
Title |
---|
九寨沟核心景区多源遥感数据地质灾害解译初探;董秀军等;《武汉大学学报(信息科学版)》;20200331;第45卷(第03期);第432-444页 * |
利用SAR影像配准偏移量提取地表形变的方法与误差分析;陈强等;《测绘学报》;20150331;第44卷(第03期);全文 * |
青海玉树M_s7.1级地震地表形变场特征研究;刘云华等;《中国科学:地球科学》;20101231;第40卷(第10期);全文 * |
高分辨率光学和SAR遥感影像在地震地质灾害调查中的应用――以九寨沟M7.0级地震为例;王志一等;《中国地质灾害与防治学报》;20181031;第29卷(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114964028A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zekkos et al. | Lessons learned from the application of UAV-enabled structure-from-motion photogrammetry in geotechnical engineering | |
Stevens et al. | NASA EOS Terra ASTER: Volcanic topographic mapping and capability | |
KR100529401B1 (ko) | 합성 개구 레이더 영상을 이용한 수치표고자료 제작 장치및 그 방법 | |
Senkal et al. | Accuracy assessment of digital surface models from unmanned aerial vehicles’ imagery on archaeological sites | |
Haarbrink et al. | Accurate DSM production from unmanned helicopter systems | |
Calantropio et al. | UAV strategies validation and remote sensing data for damage assessment in post-disaster scenarios | |
Poli et al. | 3D modeling of large urban areas with stereo VHR satellite imagery: lessons learned | |
Di et al. | Coastal mapping and change detection using high-resolution IKONOS satellite imagery | |
Toutin | DSM generation and evaluation from QuickBird stereo imagery with 3D physical modelling | |
Gonçalves et al. | Monitoring Local Shoreline Changes by Integrating UASs, Airborne LiDAR, Historical Images and Orthophotos. | |
Matsuoka et al. | Extraction of urban information for seismic hazard and risk assessment in Lima, Peru using satellite imagery | |
Harvey et al. | Unmanned aerial vehicles (UAV) for cost effective aerial orthophotos and digital surface models (DSMs) | |
CN117437508B (zh) | 一种基于InSAR的建筑群体震后损伤评估方法及系统 | |
Farina et al. | The use of multi-copter drones for landslide investigations | |
Qiao et al. | Assessment of geo-positioning capability of high resolution satellite imagery for densely populated high buildings in metropolitan areas | |
Liang et al. | Surface slip distribution and earthquake rupture model of the Fuyun fault, China, based on high-resolution topographic data | |
Saldaña et al. | DSM Extraction and evaluation from geoeye-1 stereo imagery | |
Poli et al. | Digital surface modelling and 3D information extraction from spaceborne very high resolution stereo pairs | |
Saputra et al. | The application of structure from motion (SfM) to identify the geological structure and outcrop studies | |
Liu et al. | Extraction of damaged buildings due to the 2011 Tohoku, Japan earthquake tsunami | |
CN114964028B (zh) | 一种综合遥感快速解译地震地表破裂带的方法 | |
Elaksher et al. | Refinement of digital elevation models in urban areas using breaklines via a multi-photo least squares matching algorithm | |
Razi et al. | 3D modelling using structure from motion technique for land observation in Kelok 9 flyover | |
Li et al. | Terrestrial mobile mapping towards real-time geospatial data collection | |
Andaru et al. | Post-eruption lava dome emplacement measured by UAV photogrammetry: An investigation one year after the 2017–2019 Mt. Agung eruptions |
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 |