CN115049931A - 一种基于多光谱成像仪的水土保持措施智能化提取和评价方法 - Google Patents
一种基于多光谱成像仪的水土保持措施智能化提取和评价方法 Download PDFInfo
- Publication number
- CN115049931A CN115049931A CN202210785984.3A CN202210785984A CN115049931A CN 115049931 A CN115049931 A CN 115049931A CN 202210785984 A CN202210785984 A CN 202210785984A CN 115049931 A CN115049931 A CN 115049931A
- Authority
- CN
- China
- Prior art keywords
- water
- soil
- soil conservation
- area
- conservation measures
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于多光谱成像仪的水土保持措施智能化提取和评价方法,通过多光谱成像仪获取水土保持措施多光谱信息,采用面向对象方法全面准确识别水土保持措施,并进行分类和制图,并通过地理信息和遥感算法获得水土保持措施数量及规格参数,评价水土保持措施完成情况及质量状况。该方法将水土保持措施地面数据采集、分类、制图、参数提取、数量核算、质量评定等融合在一起,形成一套智能化的方法,可以有效减少人工提取、评价水土保持措施的时间和主观误差,提高了水土保持措施提取的效率、准确性和智能化水平。
Description
技术领域
本发明涉及水土保持信息化监管技术领域,具体是一种基于多光谱成像仪的水土保持措施智能化提取和评价方法。
背景技术
在我国工业化、城镇化进程中,以生产建设项目建设为主的人为活动引发和加剧的水土流失现象较为普遍,有些甚至产生了严重的水土流失危害,目前开展生产建设项目水土保持监督性监测已成为各级水行政主管部门法定性、经常性的工作,此外各级水行政主管部门为了治理水土流失实施了大量水土流失综合治理工程。但是生产建设项目与水土流失治理项目存在点多、面广、量大的特点,传统现场监测方法存在周期较长、精度有限、受地形限制等诸多弊病,现有的技术都是人工识别影像的水土保持措施,没有针对影像的水土保持措施智能识别,且识别后无法定量评价水土保持措施实施效果,因此迫切需要采用信息化的数据采集与处理手段来提升工作效率。
本申请的发明人在实现本发明的过程中经过研究发现:多光谱成像仪具有分辨率高、成本低、效率高、时效性高、不受地形影响等特点,可以对生产建设项目水土流失情况、水土保持措施实施情况等进行适时监控,为生产建设项目水土保持监测监管、水土流失治理工程评价工作提供技术支撑。
在对多光谱成像仪获取的影像进行水土保持措施识别的时候,面向对象解译算法相比于面向像元方法能够避免椒盐噪声、同物异谱、同谱异物造成的错分、漏分问题。面向对象解译算法基于波段信息、形状特征和纹理特征等特征参数对影像进行分类。面向对象解译算法需要较多的特征参数来满足分类精度要求,因此集成了尽量多波段的多光谱传感器(蓝光,绿光,红光,红边和近红外等)的多光谱无人机能够获取航拍对象更多波段信息,从而能够更准确获取生产建设项目水土保持措施的数量与特征情况;然后根据获取的水土保持措施情况可以定量评价监测区域内水土保持措施实施程度和效果。
发明内容
本发明的目的是为了解决现有技术无法智能提取水土保持措施数量与特征的问题,而提出一种基于多光谱成像仪的水土保持措施智能化提取和评价方法,可通过无人机、卫星等航空或航天器搭载多光谱成像仪航拍监测区域,处理获取多光谱正射影像,采用面向对象方法获取水土保持措施数量及规格参数,评价水土保持措施完成情况及质量状况,能够很好解决以上问题。
一种基于多光谱成像仪的水土保持措施智能化提取和评价方法,包括如下步骤:
步骤一:采用无人机搭载多光谱成像仪对水土保持工作区域进行航拍,获取水土保持措施多光谱信息;
步骤二:采用航空或航天器影像处理软件对步骤一中获得的水土保持措施多光谱信息进行处理,通过对影像进行解析空中摄影测量、地形建模、拼接处理生成数字表面模型DSM,并进行几何纠正、光谱校正、图像配准和图像融合,生成多光谱正射影像图DOM;
步骤三:将步骤二所得多光谱正射影像图DOM导入到具有面向对象功能的影像处理软件,采用面向对象解译算法,设置最优的多尺度分割参数进行分割,对分割后的多光谱影像图斑计算波段信息、形状特征,按照土地利用类型进行最近邻监督分类,并提取水土保持措施;
步骤四:将从多光谱正射影像图DOM中提取获得的水土保持措施和步骤二所得数字表面模型DSM导入到地理信息系统或遥感影像处理软件中,分别对监督分类后得到的不同水土保持措施的长度、宽度、数量、面积、植被成活率、保存率和覆盖度进行提取,在地理信息系统或遥感影像处理软件中获取数字表面模型DSM的高程信息,计算水土保持措施所在区域的坡度、坡长、高度、深度、厚度、体积特征,并在地理信息系统或遥感影像处理软件中计算NDVI和植被覆盖度;
步骤五:将步骤四提取以及计算获取的多种不同水土保持措施的特征,与水土保持方案及设计文件对比,基于生产建设项目水土流失防治标准(GB/T 50434-2018)对水土保持措施效果进行定量和定性评价。
进一步的,所述步骤二中使用的航空或航天器影像处理软件为AgisoftPhotoscan Professional软件。
进一步的,所述步骤三中使用的具有面向对象功能的影像处理软件为eCognition软件。
进一步的,所述步骤四中使用的地理信息系统或遥感影像处理软件为ArcGIS。
进一步的,步骤三中多光谱影像图斑计算波段信息包括R波段、G波段、B波段、NIR波段、归一化植被指数NDVI、植被覆盖度;形状特征包括长宽比;土地利用类型包括水田、旱地、林地、草地、居民地建筑物、道路、裸地、水域。
进一步的,步骤三中水土保持措施包括工程措施、植物措施和临时措施。
进一步的,工程措施包括排水沟、浆砌石植草护坡、浆砌石挡土墙、土地整治、表土剥离、表土回覆、修筑梯田;植物措施包括乔木、灌木、植草;临时措施包括临时排水沟、临时沉沙池、临时拦挡、临时苫盖、车辆临时冲洗池。
10、进一步的,步骤四中提取的水土保持措施和对应的特征如下表所示:
表1
进一步的,步骤五对水土保持措施效果进行定量评价具体包括:
(1)通过梯田面积和植被覆盖度与实施方案对比评价坡改梯实施情况;
(2)通过临时苫盖面积和地形得到的已保护表土方量除以剥离存放的表土方量,来评价表土保护率指标;
表土保护率=已保护表土方量/剥离存放的表土方量
(3)通过造林种草植被措施数量、面积、植被成活率、植被保存率和植被覆盖度来评价林草植被恢复率和林草覆盖率指标:
林草植被恢复率=现状造林种草植被措施面积/设计造林种草植被措施面积
林草覆盖率=现状造林种草面积/设计造林种草面积
(4)通过挡土墙长度和挡土的面积得到的实际挡护的永久弃渣、临时堆土数量除以永久弃渣、临时堆土总量,来评价拦渣率指标:
拦渣率=实际拦挡的弃渣或堆土/工程总弃渣或堆土
(5)通过无人机拍摄得出上表中工程措施面积、植物措施面积和硬化面积之和与扰动土地面积的比值,计算得出扰动土地整治率:
扰动土地整治率=(工程措施面积+植物措施面积+硬化面积)/扰动土地面积。
进一步的,步骤五对水土保持措施效果进行定性评价具体包括:将定量计算所得结果与设计要求进行比较,偏差预设阈值以内为达标,超过为不达标。
本发明的有益效果:本发明通过多光谱成像仪获取水土保持措施多光谱信息,采用面向对象方法进行水土保持措施分类,可以准确识别和提取水土保持措施,通过对提取的水土保持措施数量规格参数等信息进行分析,可以对水土保持措施实施情况进行定量和定性评价。本发明将水土保持措施地面数据采集、分类提取、参数计算、质量评定等融合在一起,形成一套智能化的方法,可以有效减少人工监测的主观误差和成本,提高了水土保持措施提取的效率、准确性和智能化水平。
附图说明
图1是本发明基于多光谱成像仪的水土保持措施智能化提取和评价方法其中一个实施例的流程图;
图2是本发明实施例中对无人机多光谱影像进行处理生成数字表面模型DSM的示意图;
图3是本发明实施例中对无人机多光谱影像进行处理生成多光谱正射影像图DOM的示意图;
图4是本发明实施例中按照建设用地、梯田、苫盖、植被土地利用类型进行最近邻监督分类的示意图;
图5是本发明实施例中采用坡度工具计算水土保持措施所在区域的坡度范围示意图;
图6是本发明实施例中计算坡长的示意图;
图7是本发明实施例中对于解译出来的排水沟措施,在属性表中新建面积字段量测面积的示意图;
图8是本发明实施例中计算排水沟长度和宽度的示意图;
图9是本发明实施例中计算苫盖面积的示意图;
图10是本发明实施例中对于造林种草植被措施及坡改梯水土保持措施制作的正射影像图;
图11是本发明实施例中采用栅格计算器对多光谱DOM的R波段和NIR波段计算NDVI的示意图;
图12是本发明实施例中计算植被覆盖度的示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述。
请参阅图1,本发明基于多光谱成像仪的水土保持措施智能化提取和评价方法其中一个实施例,包括如下步骤:
步骤一:采用无人机搭载多光谱成像仪对水土保持工作区域进行航拍,获取水土保持措施多光谱信息。具体的,根据水土保持监测范围、所需精度和比例尺预先设置无人机航拍的航线和高度,采用无人机搭载的多光谱成像仪对水土保持监测区域进行航拍。起飞前设置飞行参数需要满足航向重叠度大于60%,旁向重叠度大于30%。
步骤二:采用无人机影像处理软件Agisoft Photoscan Professional对无人机拍摄影像进行处理,通过对无人机影像进行空三加密、地形建模、拼接处理生成数字表面模型DSM(如图2所示),并进行几何纠正、光谱校正、图像配准和图像融合,生成多光谱正射影像图DOM(如图3所示)。
步骤三:将步骤二得到的多光谱正射影像图DOM导入到eCognition软件,设置最优的尺度参数(Scale parameter)、异质性(Shape)、紧致度(Compactness)的多尺度分割参数进行分割。本实施例的尺度参数为50,异质性为0.4,紧致度为0.5。对分割后的多光谱影像图斑,计算光谱特征(R波段、G波段、B波段、NIR波段、归一化植被指数NDVI)、形状特征(长宽比),按照建设用地、梯田、苫盖、植被土地利用类型进行最近邻监督分类,并提取水土保持措施(苫盖、排水沟、坡改梯、造林种草等,如图4所示)。
步骤四:将步骤三得到的水土保持措施和步骤二所得数字表面模型DSM导入到ArcGIS10.6中,针对不同类型的水土保持措施分别提取数量、规格和参数。在ArcGIS软件中获取数字表面模型DSM的高程信息,本实例的监测区域高程范围为390.7~567.1米(如图1所示);采用3D Analyst模块中的坡度工具计算水土保持措施所在区域的坡度,本实例的监测区域坡度变化范围为0~87.4°(如图5所示);利用栅格计算器计算坡长(如图6所示);对于解译出来的排水沟措施,在属性表中新建面积字段量测面积(如图7所示),并新建线矢量沿排水沟和垂直排水沟勾绘,新建长度字段采用计算几何工具计算排水沟长度和宽度(如图8所示);对于解译出来的苫盖措施,在属性表中新建面积字段,采用计算几何工具计算苫盖面积(如图9所示);
对于造林种草及坡改梯水土保持措施,制作正射影像图(如图10所示)。采用ArcGIS的Spatial Analyst工具中的栅格计算器对多光谱DOM的R波段和NIR波段计算NDVI(如图11所示),公式如下。
计算获得的NDVI根据以下公式在ArcGIS的python接口编程计算植被覆盖度(如图12所示),f为植被覆盖度。
式中,NDVIsoil为纯裸土像元的NDVI值,NDVImax为植被100%覆盖条件下的NDVI值。
上述步骤提取和计算的水土保持措施的特征如下表所示:
表1
步骤五:基于步骤四提取以及计算获取的多种不同水土保持措施的数量和规格参数等特征,与水土保持方案及设计文件对比,基于生产建设项目水土流失防治标准(GB/T50434-2018)来对生产建设项目、水土流失治理工程等实际实施的水土保持措施进行定量及定性评价。具体举例说明如下:
(1)通过梯田面积和植被覆盖度与实施方案对比评价坡改梯实施情况;
(2)通过临时苫盖面积和地形得到的已保护表土方量除以剥离存放的表土方量,来评价表土保护率指标。
表土保护率=已保护表土方量/剥离存放的表土方量
(3)通过造林种草植被措施数量、面积、植被成活率、保存率和覆盖度来评价林草植被恢复率和林草覆盖率指标。
林草植被恢复率=现状造林种草植被措施面积/设计造林种草植被措施面积
林草覆盖率=现状造林种草面积/设计造林种草面积
(4)通过挡土墙长度和挡土的面积得到的实际挡护的永久弃渣、临时堆土数量除以永久弃渣、临时堆土总量,来评价拦渣率指标。
拦渣率=实际拦挡的弃渣(堆土)/工程总弃渣(堆土)
(5)通过无人机拍摄得出表1中工程措施面积、植物措施面积和硬化面积之和与扰动土地面积的比值,计算得出扰动土地整治率。
扰动土地整治率=(工程措施面积+植物措施面积+硬化面积)/扰动土地面积
本发明实例中水土保持措施的规格参数量测值和定量评价结果见表2,对水土保持措施的定性评价结果见表3:
表2
表3
水土保持措施 | 定性评价 |
表土保护率 | 不达标 |
扰动土地整治率 | 达标 |
最终得出的评价成果是达标和不达标,可以将计算结果与要求(设计)结果进行比较,偏差30%以内就是合格,超过就是不合格。
本实例水土保持措施中表土保护率是临时苫盖的量测数值928.73,偏差远大于30%,不达标;扰动土地整治率偏差小于30%,因此达标。
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,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (10)
1.一种基于多光谱成像仪的水土保持措施智能化提取和评价方法,其特征在于包括如下步骤:
步骤一:采用无人机搭载多光谱成像仪对水土保持工作区域进行航拍,获取水土保持措施多光谱信息;
步骤二:采用航空或航天器影像处理软件对步骤一中获得的水土保持措施多光谱信息进行处理,通过对影像进行解析空中摄影测量、地形建模、拼接处理生成数字表面模型DSM,并进行几何纠正、光谱校正、图像配准和图像融合,生成多光谱正射影像图DOM;
步骤三:将步骤二所得多光谱正射影像图DOM导入到具有面向对象功能的影像处理软件,采用面向对象解译算法,设置最优的多尺度分割参数进行分割,对分割后的多光谱影像图斑计算波段信息、形状特征,按照土地利用类型进行最近邻监督分类,并提取水土保持措施;
步骤四:将从多光谱正射影像图DOM中提取获得的水土保持措施和步骤二所得数字表面模型DSM导入到地理信息系统或遥感影像处理软件中,分别对监督分类后得到的不同水土保持措施的长度、宽度、数量、面积、植被成活率、保存率和覆盖度进行提取,在地理信息系统或遥感影像处理软件中获取数字表面模型DSM的高程信息,计算水土保持措施所在区域的坡度、坡长、高度、深度、厚度、体积特征,并在地理信息系统或遥感影像处理软件中计算NDVI和植被覆盖度;
步骤五:将步骤四提取以及计算获取的多种不同水土保持措施的特征,与水土保持方案及设计文件对比,基于生产建设项目水土流失防治标准(GB/T 50434-2018)对水土保持措施效果进行定量和定性评价。
2.如权利要求1所述的基于多光谱成像仪的水土保持措施智能化提取和评价方法,其特征在于:所述步骤二中使用的航空或航天器影像处理软件为Agisoft PhotoscanProfessional软件。
3.如权利要求1所述的基于多光谱成像仪的水土保持措施智能化提取和评价方法,其特征在于:所述步骤三中使用的具有面向对象功能的影像处理软件为eCognition软件。
4.如权利要求1所述的基于多光谱成像仪的水土保持措施智能化提取和评价方法,其特征在于:所述步骤四中使用的地理信息系统或遥感影像处理软件为ArcGIS。
5.如权利要求1所述的基于多光谱成像仪的水土保持措施智能化提取和评价方法,其特征在于:步骤三中多光谱影像图斑计算波段信息包括R波段、G波段、B波段、NIR波段、归一化植被指数NDVI、植被覆盖度;形状特征包括长宽比;土地利用类型包括水田、旱地、林地、草地、居民地建筑物、道路、裸地、水域。
6.如权利要求1所述的基于多光谱成像仪的水土保持措施智能化提取和评价方法,其特征在于:步骤三中水土保持措施包括工程措施、植物措施和临时措施。
7.如权利要求6所述的基于多光谱成像仪的水土保持措施智能化提取和评价方法,其特征在于:工程措施包括排水沟、浆砌石植草护坡、浆砌石挡土墙、土地整治、表土剥离、表土回覆、修筑梯田;植物措施包括乔木、灌木、植草;临时措施包括临时排水沟、临时沉沙池、临时拦挡、临时苫盖、车辆临时冲洗池。
9.如权利要求8所述的基于多光谱成像仪的水土保持措施智能化提取和评价方法,其特征在于:步骤五对水土保持措施效果进行定量评价具体包括:
(1)通过梯田面积和植被覆盖度与实施方案对比评价坡改梯实施情况;
(2)通过临时苫盖面积和地形得到的已保护表土方量除以剥离存放的表土方量,来评价表土保护率指标;
表土保护率=已保护表土方量/剥离存放的表土方量
(3)通过造林种草植被措施数量、面积、植被成活率、植被保存率和植被覆盖度来评价林草植被恢复率和林草覆盖率指标:
林草植被恢复率=现状造林种草植被措施面积/设计造林种草植被措施面积
林草覆盖率=现状造林种草面积/设计造林种草面积
(4)通过挡土墙长度和挡土的面积得到的实际挡护的永久弃渣、临时堆土数量除以永久弃渣、临时堆土总量,来评价拦渣率指标:
拦渣率=实际拦挡的弃渣或堆土/工程总弃渣或堆土
(5)通过无人机拍摄得出上表中工程措施面积、植物措施面积和硬化面积之和与扰动土地面积的比值,计算得出扰动土地整治率:
扰动土地整治率=(工程措施面积+植物措施面积+硬化面积)/扰动土地面积。
10.如权利要求9所述的基于多光谱成像仪的水土保持措施智能化提取和评价方法,其特征在于:步骤五对水土保持措施效果进行定性评价具体包括:将定量计算所得结果与设计要求进行比较,偏差预设阈值以内为达标,超过为不达标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785984.3A CN115049931A (zh) | 2022-07-04 | 2022-07-04 | 一种基于多光谱成像仪的水土保持措施智能化提取和评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785984.3A CN115049931A (zh) | 2022-07-04 | 2022-07-04 | 一种基于多光谱成像仪的水土保持措施智能化提取和评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115049931A true CN115049931A (zh) | 2022-09-13 |
Family
ID=83164575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210785984.3A Pending CN115049931A (zh) | 2022-07-04 | 2022-07-04 | 一种基于多光谱成像仪的水土保持措施智能化提取和评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115049931A (zh) |
-
2022
- 2022-07-04 CN CN202210785984.3A patent/CN115049931A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020101054A4 (en) | A Multi-source Remote Sensing Data Classification Method Based On the Classification Sample Points Extracted By the UAV | |
Mucher et al. | Land cover characterization and change detection for environmental monitoring of pan-Europe | |
Iqbal | Detection of salt affected soil in rice-wheat area using satellite image | |
CN111626269B (zh) | 一种实用的大空间范围滑坡提取方法 | |
CN107330413B (zh) | 一种基于遥感技术的毒品原植物识别方法 | |
CN112418188A (zh) | 基于无人机视觉的农作物生长全程数字化评估方法 | |
CN108038433B (zh) | 基于多回波机载激光扫描数据的城市树木碳含量估计方法 | |
Taghadosi et al. | Trend analysis of soil salinity in different land cover types using Landsat time series data (case study Bakhtegan Salt Lake) | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN115661634A (zh) | 城市生态网络空间要素精准识别方法 | |
CN114429455A (zh) | 一种基于机载激光点云辅助影像植被三维变化检测方法 | |
Kennaway et al. | Mapping land cover and estimating forest structure using satellite imagery and coarse resolution lidar in the Virgin Islands | |
CN105868761A (zh) | 一种与spot5影像匹配的城市森林植被覆盖度采样方法 | |
Bertalan et al. | UAS photogrammetry and object-based image analysis (GEOBIA): erosion monitoring at the Kazár badland, Hungary | |
CN115049931A (zh) | 一种基于多光谱成像仪的水土保持措施智能化提取和评价方法 | |
CN115760885A (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 | |
Brigante et al. | USE OF MULTISPECTRAL SENSORS WITH HIGH SPATIAL RESOLUTION FOR TERRITORIAL AND ENVIRONMENTAL ANALYSIS. | |
Manić et al. | Remote Sensing and Nuclear Techniques for Soil Erosion Research in Forest Areas: Case Study of the Crveni Potok Catchment | |
Liu et al. | The geomorphometry of rainfall-induced landslides in taiwan obtained by airborne lidar and digital photography | |
Edgell | Quantifying dune ecomorphodynamics using UAV-based structure from motion photogrammetry | |
CN115993336B (zh) | 一种输水渠渠道两侧植被损坏监测方法及预警方法 | |
ZHANG et al. | Object-oriented crop classification based on UAV remote sensing imagery | |
Heckel et al. | The first sub-meter resolution digital elevation model of the Kruger National Park, South Africa | |
CN114972358B (zh) | 一种基于人工智能的城市测绘激光点云偏移检测方法 | |
CN117274844B (zh) | 利用无人机遥感影像的大田花生出苗情况快速提取方法 |
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 |