CN115060231B - 基于无人机影像的土壤侵蚀沟深度测算方法 - Google Patents
基于无人机影像的土壤侵蚀沟深度测算方法 Download PDFInfo
- Publication number
- CN115060231B CN115060231B CN202210657065.8A CN202210657065A CN115060231B CN 115060231 B CN115060231 B CN 115060231B CN 202210657065 A CN202210657065 A CN 202210657065A CN 115060231 B CN115060231 B CN 115060231B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- image
- calculating
- soil erosion
- 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
- 238000004162 soil erosion Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000003628 erosive effect Effects 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000005266 casting Methods 0.000 claims abstract description 11
- 238000011160 research Methods 0.000 claims abstract description 5
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims description 2
- 238000000691 measurement method Methods 0.000 claims 4
- 238000005259 measurement Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000011835 investigation Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
- G01C7/02—Tracing profiles of land surfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/028—Micro-sized aircraft
-
- 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
- G01B11/22—Measuring arrangements characterised by the use of optical techniques for measuring depth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
- G01C11/025—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures by scanning the object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/36—Videogrammetry, i.e. electronic processing of video signals from a single source or from different sources to give parallax or range information
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于无人机影像的土壤侵蚀沟深度测算方法,属于无人机遥感监测领域。首先确定监测区所处地理位置,获取监测区无人机影像并进行预处理,同时记录无人机飞行时间;对无人机影像进行面向对象分类,识别土壤侵蚀沟边界与侵蚀沟内阴影区域;根据研究区所在位置及无人机影像采集时间计算太阳高度角和太阳方位角,确定目标点阴影投射方向;根据阴影方向测算侵蚀沟边缘投射的阴影长度;计算目标点距投射阴影起点的相对高度;测算目标点所处坡度,计算土壤侵蚀沟深度。本方法实现大量土壤侵蚀沟深度的快速测算,为了解监测区土壤侵蚀现状提供数据基础,其实施成本低、速度快、工作量小。
Description
技术领域:
本发明涉及一种基于无人机影像的土壤侵蚀沟深度测算方法,属于无人机遥感监测领域。
技术背景
我国生态环境脆弱,土壤侵蚀是常见的生态环境问题,土壤侵蚀造成大量土壤养分流失,影响区域生态环境。土壤侵蚀分为面蚀和沟蚀,面蚀不容易被人们察觉,而沟蚀则会形成土壤侵蚀沟,破环原有的地表形态。生态环境监测成为发现生态问题的主要手段,在土壤侵蚀沟监测中主要应用遥感技术,实现土壤侵蚀沟的分布、发育以及特征的数据的获取。
在遥感监测中,由于正射影像属于二维数据,因此对三维空间属性的研究是一个难点。土壤侵蚀沟深度是反映侵蚀状况的重要指标之一,目前调查中多采用现场实地测量的方式,实地测量不仅工作量巨大、效率低、需要消耗大量人力物力,而且无法做到全面调查。若能利用无人机遥感技术实现对侵蚀沟深度的测算对于土壤侵蚀分析具有重要意义,因此,需要一种基于无人机遥影像的土壤侵蚀沟深度的测算方法,以提高土壤侵蚀监测的工作效率。
发明内容
针对现有技术的不足之处,提供一种法简单、易于实施、成本低、效率高的基于无人机影像的土壤侵蚀沟深度识别方法。
为实现上述技术目的,本发明的一种基于无人机影像的土壤侵蚀沟深度测算方法:首先利用无人机获取监测区的影像并进行预处理,并实时记录无人机飞行时间;对无人机影像进行面向对象分类,识别土壤侵蚀沟边界与侵蚀沟内阴影区域,将影像中土壤侵蚀沟边界的所有像素点作为目标点,然后根据研究区所在位置及无人机影像采集时间计算太阳高度角和太阳方位角,确定各个目标点阴影投射方向;根据阴影方向测算侵蚀沟边缘投射的阴影长度;依次计算所有目标点距投射阴影起点的相对高度,并测算目标点处的坡度,最终计算出目标点区域的土壤侵蚀沟深度;
具体步骤如下:
步骤1,确定监测区所处地理位置的环境信息,根据监测区的环境信息设置无人机的飞行参数,利用无人机对监测区进行拍摄获得监测区的正射影像,并在拍摄影像的同时记录拍摄时间,对获取的无人机影像并进行预处理,包括影像拼接、影像校正以及影像裁剪;
步骤2,对预处理后的正射影像采用面向对象的分类的方法进行分割,采用多尺度分割算法将正射影像中的土壤侵蚀沟的边界识别出来,多尺度分割算法的分割参数则通过多次改变无人机影像的变形状因子和紧致度因子参数进行比较试验,选出最优的分割参数,然后在土壤侵蚀沟边界识别结果范围内进行二次分类识别从而识别出侵蚀沟内阴影区域;
步骤3,将影像中土壤侵蚀沟边界的所有像素点作为目标点,分别利用公式(1)和公式(2)计算太阳高度角和太阳方位角,确定各个目标点在太阳下的阴影投射方向:
sinα=sinΦsinδ+cosΦcosδcosω (1)
其中,Φ为地理纬度;δ为太阳赤纬;ω为太阳时角;α为太阳高度角;γ为太阳方位角;
步骤4,确定各个目标点阴影投射方向后,计算目标点与在侵蚀沟内部投影点的图上距离,以像素数表示。进而计算目标点与在侵蚀沟内部投影点的实际距离x,通过实际距离等于图上距离乘以图像分辨率计算获得;
步骤5,将目标点在影像上的垂直投影点作为投射阴影起点,根据公式(3)计算目标点距投射阴影起点的相对高度h’:
其中,h'为目标点距投射阴影起点的相对高度;α为太阳高度角;x为目标点与在侵蚀沟内部投影点的实际距离;
步骤6,利用公式(4)计算各目标点处的土壤侵蚀沟深度h:
其中,x为目标点与在侵蚀沟内部投影点的实际距离;α为太阳高度角;β为坡度。
进一步,所述步骤3中,太阳赤纬与太阳时角计算方法如下:
太阳赤纬值日变化很小,一年内任何一天的赤纬角δ利用公式(5)计算:
式中N为日数,自每年1月1日开始计算,δ单位为弧度;
利用公式(6)计算太阳时角ω:
ω=15°×(ST-12) (6)
其中ST为真太阳时,以24小时计。
进一步,所述步骤4中,无人机影像分辨率与无人机采集数据时的飞行高度有关,无人机的飞行高度是对于起飞点高程而言的,因此在无人机影像中标注的任一目标点的分辨率利用公式(7)计算:
其中,a为分辨率,单位cm/pixel;H为飞行器从起飞点起算的飞行高度,单位m;H起飞点为起飞点高程,单位m;H目标点为目标点高程,单位m。
进一步,步骤1无人机影像采集时选取晴朗且光线充足的天气,同时采集时间避免太阳高度角过高或过低时刻。
进一步,步骤2不宜选择宽度过窄的侵蚀沟作为测算目标。
有益效果:
本方法利用无人机即可解决了在遥感监测中,对侵蚀沟深度属性监测的难点。利用无人机遥感数据实现侵蚀沟深度的快速调查,其优点在于:相对于现场实地测量的方式,无人机技术的应用大大降低了工作量,提高了调查效率,具有成本低、耗时少的优点;该方法能够实现全面调查,能够极大的避免调查时的遗漏,尤其是对于人员难以进入的地形复杂区域;目前数据信息话管理已经成为主流,利用该方法实现侵蚀沟识别和深度测算后,有利于信息的入库,避免了调查数据的再整理。
附图说明
图1是本发明基于无人机影像的土壤侵蚀沟深度测算方法的流程图;
图2是利用本发明识别出的土壤侵蚀沟影像示意图;
图3是太阳高度角与太阳方位角示意图;
图4是影像投射方向结果示意图;
图5太阳高度角对阴影长度的影响示意图;
图6是坡面土壤侵蚀沟深度测算示意图。
具体实施方式
下面结合附图对本发明的实施例做进一步说明:
如图1所示,本发明的一种基于无人机影像的土壤侵蚀沟深度测算方法:首先利用无人机获取监测区的影像并进行预处理,并实时记录无人机飞行时间;对无人机影像进行面向对象分类,识别土壤侵蚀沟边界与侵蚀沟内阴影区域,将影像中土壤侵蚀沟边界的所有像素点作为目标点,然后根据研究区所在位置及无人机影像采集时间计算太阳高度角和太阳方位角,确定各个目标点阴影投射方向;根据阴影方向测算侵蚀沟边缘投射的阴影长度;依次计算所有目标点距投射阴影起点的相对高度,并测算目标点处的坡度,最终计算出目标点区域的土壤侵蚀沟深度;
具体步骤如下:
步骤1,确定监测区所处地理位置的环境信息,根据监测区的环境信息设置无人机的飞行参数,利用无人机对监测区进行拍摄获得监测区的正射影像,并在拍摄影像的同时记录拍摄时间,对获取的无人机影像并进行预处理,包括影像拼接、影像校正以及影像裁剪;
步骤2,对预处理后的正射影像采用面向对象的分类的方法进行分割,采用多尺度分割算法将正射影像中的土壤侵蚀沟的边界识别出来,多尺度分割算法的分割参数则通过多次改变无人机影像的变形状因子和紧致度因子参数进行比较试验,选出最优的分割参数,然后在土壤侵蚀沟边界识别结果范围内进行二次分类识别从而识别出侵蚀沟内阴影区域,如图2所示;
步骤3,将影像中土壤侵蚀沟边界的所有像素点作为目标点,分别利用公式(1)和公式(2)计算太阳高度角和太阳方位角,确定各个目标点在太阳下的阴影投射方向,如图3所示:
sinα=sinΦsinδ+cosΦcosδcosω (1)
其中,Φ为地理纬度;δ为太阳赤纬;ω为太阳时角;α为太阳高度角;γ为太阳方位角;
太阳赤纬与太阳时角计算方法如下:
太阳赤纬值日变化很小,一年内任何一天的赤纬角δ利用公式(5)计算:
式中N为日数,自每年1月1日开始计算,δ单位为弧度;
利用公式(6)计算太阳时角ω:
ω=15°×(ST-12) (6)
其中ST为真太阳时,以24小时计;
步骤4,确定各个目标点阴影投射方向后,计算目标点与在侵蚀沟内部投影点的图上距离,以像素数表示。进而计算目标点与在侵蚀沟内部投影点的实际距离x,通过实际距离等于图上距离乘以图像分辨率计算获得,如图4所示;
无人机影像分辨率与无人机采集数据时的飞行高度有关,无人机的飞行高度是对于起飞点高程而言的,因此在无人机影像中标注的任一目标点的分辨率利用公式(7)计算:
其中,a为分辨率,单位cm/pixel;H为飞行器从起飞点起算的飞行高度,单位m;H起飞点为起飞点高程,单位m;H目标点为目标点高程,单位m。
步骤5,将目标点在影像上的垂直投影点作为投射阴影起点,根据公式(3)计算目标点距投射阴影起点的相对高度h’:
其中,h'为目标点距投射阴影起点的相对高度;α为太阳高度角;x为目标点与在侵蚀沟内部投影点的实际距离;
步骤6,利用公式(4)计算各目标点处的土壤侵蚀沟深度h:
其中,x为目标点与在侵蚀沟内部投影点的实际距离;α为太阳高度角;β为坡度。
实施例一、以内蒙古锡林浩特市九公里自然保护区进行说明:
如图1所示,基于无人机影像的土壤侵蚀沟测算方法,包括以下步骤:
步骤1,确定监测区所处地理位置,获取监测区无人机影像并进行预处理,同时记录无人机飞行时间。
研究区位于东经116°1′37″北纬43°48′46″。基于无人机影像测算土壤侵蚀沟深度的方法对光照要素有一定的要求,在数据采集时应该注意选在天气晴朗无云时,同时采集时间应该选在上午十点或下午两点左右,过早或过晚时太阳高度角过小导致投射的影子过长,因此,影像采集时间为2021年7月7日上午9:30-10:30。
数据的预处理主要为影像拼接,利用Agisoft PhotoScan拼接影像的基本流程为:添加照片---对齐照片---建立密集点云---生成网格---生成纹理,最后生成正射影像。
步骤2,对无人机影像进行面向对象分类,识别土壤侵蚀沟边界与侵蚀沟内阴影区域。
面向对象的分类方法主要影像分割、特征选取、样本选择以及分类等美容,在数据预处理的基础上利用eCognition软件进行影像分割,通过试验得到最优的分割参数分别为尺度因子30、形状因子0.6、紧致度因子0.4,采用监督分类的方法识别土壤侵蚀沟边界与侵蚀沟内阴影区域,结果如图2所示。
步骤3,计算太阳高度角和太阳方位角,确定目标点阴影投射方向。
数据采集日期为2021年7月7日,据此计算太阳赤纬,sinδ为0.3830,无人机飞行时间为上午10点,据此计算太阳时角,ω为-30°。如图3为太阳方位角与高度的示意图,在计算太阳方位角与太阳高度角时,角度均需要换算为弧度制,最后计算的太阳方位角为北偏西67°24′1″,太阳高度角为58°59′48″。
步骤4,根据阴影方向测算侵蚀沟边缘投射的阴影图像长度,进而计算实际长度。
如图4所示,确定方向后,测量阴影的图上距离,并根据影像分辨率计算实际的阴影长度。
步骤5,计算目标点距投射阴影起点的相对高度
如图5所示,根据测量的阴影长度计算得出目标点距投射阴影起点的相对高度。
步骤6,计算土壤侵蚀沟深度。
如图6所示,坡度也是影响土壤侵蚀沟深度测算的因子,根据上述参数计算土壤侵蚀沟深度,共选择15个样点进行测算,并实地测量了各样点的深度。误差为测算值与实测值的差值,从表1中可以看出,误差最大为1.8厘米,最小为0.5厘米,平均绝对误差1.23厘米,相对于样点深度规模的侵蚀沟而言,该误差可以满足精度要求。
表1样点土壤侵蚀沟深度测算结果(单位:厘米)
Claims (5)
1.一种基于无人机影像的土壤侵蚀沟深度测算方法,其特征在于:首先利用无人机获取监测区的影像并进行预处理,并实时记录无人机飞行时间;对无人机影像进行面向对象分类,识别土壤侵蚀沟边界与侵蚀沟内阴影区域,将影像中土壤侵蚀沟边界的所有像素点作为目标点,然后根据研究区所在位置及无人机影像采集时间计算太阳高度角和太阳方位角,确定各个目标点阴影投射方向;根据阴影方向测算侵蚀沟边缘投射的阴影长度;依次计算所有目标点距投射阴影起点的相对高度,并测算目标点处的坡度,最终计算出目标点区域的土壤侵蚀沟深度;
具体步骤如下:
步骤1,确定监测区所处地理位置的环境信息,根据监测区的环境信息设置无人机的飞行参数,利用无人机对监测区进行拍摄获得监测区的正射影像,并在拍摄影像的同时记录拍摄时间,对获取的无人机影像并进行预处理,包括影像拼接、影像校正以及影像裁剪;
步骤2,对预处理后的正射影像采用面向对象的分类的方法进行分割,采用多尺度分割算法将正射影像中的土壤侵蚀沟的边界识别出来,多尺度分割算法的分割参数则通过多次改变无人机影像的变形状因子和紧致度因子参数进行比较试验,选出最优的分割参数,然后在土壤侵蚀沟边界识别结果范围内进行二次分类识别从而识别出侵蚀沟内阴影区域;
步骤3,将影像中土壤侵蚀沟边界的所有像素点作为目标点,分别利用公式(1)和公式(2)计算太阳高度角和太阳方位角,确定各个目标点在太阳下的阴影投射方向:
sinα=sinΦsinδ+cosΦcosδcosω (1)
其中,Φ为地理纬度;δ为太阳赤纬;ω为太阳时角;α为太阳高度角;γ为太阳方位角;
步骤4,确定各个目标点阴影投射方向后,计算目标点与在侵蚀沟内部投影点的图上距离,以像素数表示;进而计算目标点与在侵蚀沟内部投影点的实际距离x,通过实际距离等于图上距离乘以图像分辨率计算获得;
步骤5,将目标点在影像上的垂直投影点作为投射阴影起点,根据公式(3)计算目标点距投射阴影起点的相对高度h’:
其中,h'为目标点距投射阴影起点的相对高度;α为太阳高度角;x为目标点与在侵蚀沟内部投影点的实际距离;
步骤6,利用公式(4)计算各目标点处的土壤侵蚀沟深度h:
其中,x为目标点与在侵蚀沟内部投影点的实际距离;α为太阳高度角;β为坡度。
2.根据权利要求1所述基于无人机影像的土壤侵蚀沟深度测算方法,其特征在于:所述步骤3中,太阳赤纬与太阳时角计算方法如下:
太阳赤纬值日变化很小,一年内任何一天的赤纬角δ利用公式(5)计算:
式中N为日数,自每年1月1日开始计算,δ单位为弧度;
利用公式(6)计算太阳时角ω:
ω=15°×(ST-12) (6)
其中ST为真太阳时,以24小时计。
3.根据权利要求1所述基于无人机影像的土壤侵蚀沟深度测算方法,其特征在于:所述步骤4中,无人机影像分辨率与无人机采集数据时的飞行高度有关,无人机的飞行高度是对于起飞点高程而言的,因此在无人机影像中标注的任一目标点的分辨率利用公式(7)计算:
其中,a为分辨率,单位cm/pixel;H为飞行器从起飞点起算的飞行高度,单位m;H起飞点为起飞点高程,单位m;H目标点为目标点高程,单位m。
4.根据权利要求1所述基于无人机影像的土壤侵蚀沟深度测算方法,其特征在于:步骤1无人机影像采集时选取晴朗且光线充足的天气,同时采集时间避免太阳高度角过高或过低时刻。
5.根据权利要求1所述基于无人机影像的土壤侵蚀沟深度测算方法,其特征在于:步骤2不宜选择宽度过窄的侵蚀沟作为测算目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210657065.8A CN115060231B (zh) | 2022-06-10 | 2022-06-10 | 基于无人机影像的土壤侵蚀沟深度测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210657065.8A CN115060231B (zh) | 2022-06-10 | 2022-06-10 | 基于无人机影像的土壤侵蚀沟深度测算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115060231A CN115060231A (zh) | 2022-09-16 |
CN115060231B true CN115060231B (zh) | 2023-11-07 |
Family
ID=83199892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210657065.8A Active CN115060231B (zh) | 2022-06-10 | 2022-06-10 | 基于无人机影像的土壤侵蚀沟深度测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115060231B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934753B (zh) * | 2023-09-18 | 2023-12-01 | 南四湖(山东)船业有限公司 | 基于遥感影像的水土保持监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815432A (zh) * | 2017-01-17 | 2017-06-09 | 中国科学院、水利部成都山地灾害与环境研究所 | 矿山排土场边坡土壤侵蚀速率估算方法 |
CN110986876A (zh) * | 2019-11-14 | 2020-04-10 | 河海大学 | 一种基于无人机反演淤泥质潮沟水下地形的方法 |
CN111652056A (zh) * | 2020-04-24 | 2020-09-11 | 深圳大学 | 一种基于遥感影像的行人路网太阳辐照指数检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10322803B2 (en) * | 2017-09-29 | 2019-06-18 | Deere & Company | Using unmanned aerial vehicles (UAVs or drones) in forestry productivity and control applications |
-
2022
- 2022-06-10 CN CN202210657065.8A patent/CN115060231B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815432A (zh) * | 2017-01-17 | 2017-06-09 | 中国科学院、水利部成都山地灾害与环境研究所 | 矿山排土场边坡土壤侵蚀速率估算方法 |
CN110986876A (zh) * | 2019-11-14 | 2020-04-10 | 河海大学 | 一种基于无人机反演淤泥质潮沟水下地形的方法 |
CN111652056A (zh) * | 2020-04-24 | 2020-09-11 | 深圳大学 | 一种基于遥感影像的行人路网太阳辐照指数检测方法 |
Non-Patent Citations (3)
Title |
---|
"矿区复垦土壤侵蚀调查评价方法与防治策略研究";孟超;《中国优秀硕士学位论文全文数据库工程科技|辑》;第B027-2716页 * |
三峡库区土壤侵蚀定量遥感监测;许小华;雷声;张秀平;;江西水利科技(04);全文 * |
基于地形特征与随机森林的侵蚀沟提取研究;胡荣明;吴晓庆;周自翔;李鹏飞;王舒;;测绘技术装备(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115060231A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101940313B1 (ko) | 항공레이저측량 자료처리와 공간분석 기법을 사용한 태양광 발전소 적정 위치 선정 방법 | |
CN101750015B (zh) | 基于数字图像技术的沙石坑土方量测量方法 | |
CN104463470B (zh) | 基于无人机航拍的潮间带生境调查方法 | |
CN115060231B (zh) | 基于无人机影像的土壤侵蚀沟深度测算方法 | |
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 | |
CN114494366B (zh) | 一种影像与点云配准的道路坑槽提取方法 | |
CN110207676A (zh) | 一种田沟塘参数的获取方法及装置 | |
CN112166694B (zh) | 小卫星区域影像图镶嵌与制作方法 | |
CN111696156A (zh) | 一种免控制点的遥感影像坐标转换方法 | |
CN114001756B (zh) | 一种小视场星敏感器外场地面寻星方法 | |
CN111678502B (zh) | 基于无人机航测影像提取冻土灾害信息的方法 | |
CN112254713B (zh) | 一种面向高大密集建筑群的无人机倾斜摄影参数确定方法 | |
Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
CN112166693B (zh) | 基于小卫星的区域地表水资源遥感监测方法 | |
CN112166688B (zh) | 基于小卫星的沙漠与沙漠化土地监测方法 | |
Ni et al. | Integrating WorldView-2 imagery and terrestrial LiDAR point clouds to extract dyke swarm geometry: implications for magma emplacement mechanisms | |
CN114255051B (zh) | 基于立体测绘卫星的正射产品的真实性检验方法 | |
CN112053402B (zh) | 利用偏振地理信息数据库获取航向角的方法 | |
CN113514037A (zh) | 基于便携无人机摄影筛查的岩体露头测量方法 | |
CN115700777A (zh) | 一种基于无人机和数字地表模型的公路施工阶段预测方法 | |
Wang et al. | Urban expansion analysis of China’s prefecture level city from 2000 to 2016 using high-precision urban boundary | |
Wang et al. | Grid algorithm for large-scale topographic oblique photogrammetry precision enhancement in vegetation coverage areas | |
Petschko et al. | Erosion processes and mass movements in sinkholes assessed by terrestrial structure from motion photogrammetry | |
CN110849816A (zh) | 一种应用于低空无人机遥感反演土壤湿度的地面采样网格装置 | |
Li et al. | Using UAV imagery to generate DEMs of the intertidal zone |
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 |