CN115063707A - 一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法 - Google Patents

一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法 Download PDF

Info

Publication number
CN115063707A
CN115063707A CN202210798220.8A CN202210798220A CN115063707A CN 115063707 A CN115063707 A CN 115063707A CN 202210798220 A CN202210798220 A CN 202210798220A CN 115063707 A CN115063707 A CN 115063707A
Authority
CN
China
Prior art keywords
building
compensation
area
vegetation
buildings
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
Application number
CN202210798220.8A
Other languages
English (en)
Inventor
董斌
惠倩
高祥
徐志立
王亚芳
朱剑桥
张鹏
陆志鹏
刘筱
卫泽柱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Agricultural University AHAU
Original Assignee
Anhui Agricultural University AHAU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Agricultural University AHAU filed Critical Anhui Agricultural University AHAU
Priority to CN202210798220.8A priority Critical patent/CN115063707A/zh
Publication of CN115063707A publication Critical patent/CN115063707A/zh
Pending legal-status Critical Current

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
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Remote Sensing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Educational Administration (AREA)
  • Computer Graphics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法，采集目标拆迁区的建筑物和非建筑物，进行三维建模，与数据库中的拆迁户信息自动匹配并根据计算模型自动估测出其补偿价值，评估方法包括：步骤一：采集目标拆迁区域中信息；步骤二：构建拆迁区建筑物和非建筑物的三维模型；步骤三：将三维模型中的数据与数据库中的拆迁单元信息相匹配；步骤四：根据市场估价法和政府拆迁补偿规定构建建筑物和非建筑物的计算模型，本发明通过倾斜摄影技术自动获取建筑物和非建筑物的影像，智能化地完成了模型构建与计算，提高了拆迁区域建筑物和非建筑物价值估算的信息化、自动化程度，进而提高了补偿评估的效率和准确性，降低了工作量。

Description

一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法
技术领域
本发明涉及摄影测量与遥感技术领域，具体涉及一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法。
背景技术
征收地拆迁评估是城市村镇土地管理中的一项基础性业务，其成果可为征收地拆迁补偿与安置工作的开展提供决策参考。在高速城市化进程中，征收地拆迁评估一直是社会各界关注的焦点，由于涉及多方利益主体博弈，且评估中存在太多的主观随意性(如估价人员对市场把握的差异和分歧)，评估结果备受争议。当前，拆迁测量的常规手段是依靠一线测量人员进入测区实地测量，监管部门若需核实则需重新测量，该作业方法和流程不仅耗时耗力，而且对已发生变化的建筑物无从查实和追溯。
伴随着近几年摄影测量技术的革新和精度的提高,倾斜摄影测量在拆迁评估中的应用也越来越广泛，使用数字航空摄影测量可以有效地节省人力和时间,并且测量数据更加准确,对于城市村镇建设、棚户区改造都起到了推动作用。
因此，我们需要探究如何充分发挥倾斜摄影数据的优势，从倾斜摄影数据上准确、自动地构建三维模型，并在数据库中与被拆迁单元的信息相匹配，基于计算模型自动计算拆迁户的建筑物和非建筑的补偿价值。
发明内容
本发明的目的在于提供一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法，采集目标拆迁区的建筑物和非建筑物，进行三维建模，与数据库中的拆迁户信息自动匹配，并根据计算模型自动估测出其补偿价值。
本发明的目的可以通过以下技术方案实现：
一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法，包括以下步骤:
步骤一：获取目标区域的无人机倾斜摄影数据，经过处理，得到数字表面模型DSM和数字正射影像DOM；
步骤二：对步骤一中数字表面模型DSM进行数学形态学变换，生成归一化nDSM，对nDSM进行高度阈值分割，得到初始的建筑物和非建筑物提取结果；
步骤三：从步骤一中数字正射影像DOM的影像中，构建植被光谱指数，对植被光谱指数进行阈值分割，得到植被信息提取结果；
步骤四：将初始的建筑提取结果与植被信息提取结果叠加，清除初始的建筑物提取结果中与植被信息提取结果重合的部分，得到建筑精提取结果，生成影像三维建模；
步骤五：将三维建模与数据库中的拆迁户信息自动匹配计算出拆迁户补偿价值。
作为本发明进一步的方案：步骤二中，数字表面模型DSM和数字正射影像DOM的空间分辨率保持相同。
作为本发明进一步的方案：步骤二中，高度阈值分割的参数为：
最小建筑物高度3m，最小建筑物面积20m2，建筑物屋顶最大坡度30°，植被冠层最小纹理70％。
作为本发明进一步的方案：步骤二中，nDSM进行高度阈值分割的具体方法为：
S1：将原始的数字表面模型DSM影像变化生成归一化nDSM，根据拆迁区域的最小建筑层高设定高度阈值；
S2：对nDSM进行高度阈值分割，得到初始的建筑提取结果，基于分层分户对建筑物的层数、用途、面积、结构和类型进行提取入库。
作为本发明进一步的方案：步骤三中，对植被光谱指数进行阈值分割的具体方法为：
V1：提取超过阈值高度的地物信息，DSM经过坡度滤波生成DEM，正射纠正影像镶嵌得到数字正射影像DOM；
V2：通过DOM影像的波段差分，构建植被光谱指数，根据植被光谱指数特征设定植被光谱的强度阈值，然后对植被光谱指数进行阈值分割，判定种植作物类型，将光谱强度超过阈值的区域作为植被信息提取结果。
作为本发明进一步的方案：还包括对建筑物进行精度评价，具体为：
对建筑物外轮廓线进行检查修改，得到建筑物边界，选取与实际成果坐标系一致的坐标系统，并进行多次量测，取平均值，从而确定模型上相应点的坐标值；
并对自动获取的建筑物边界与人工采集的数据进行比对，得到精度统计误差，进行最终的精度评定。
作为本发明进一步的方案：利用倾斜摄影技术构建拆迁区三维模型入库后，与数据库中的拆迁户信息相匹配，通过计算模型计算出拆迁户补偿价值，拆迁户信息包括交通状况、区位条件、土地等级、建筑结构和建筑物装修装饰商定补偿金额；
具体计算模型为：
首先确定建筑物的评估价格，建筑物评估价格＝拆迁补偿×建筑动态补偿×面积；
建筑动态补偿＝100/交通状况×100/区位条件×100/土地等级×100/建筑结构；
房屋拆迁补偿＝合法拥有建筑物评估价格+建筑物装修装饰商定补偿金额(或经评估确定的建筑物装修装饰补偿金额)；
对非建筑物，根据它们的土地类型进行归类，并对应相应的土地利用类型，计算各类拆迁区补偿价值。
作为本发明进一步的方案：倾斜摄影技术构建自动化建模，是在空三加密后，对影像生成点云，然后进行抽稀，再构建三角网，最后进行贴纹理的一个过程，整个过程没有人工干预，地面上所有的地物全部参与TIN构建，生成的倾斜摄影模型是一个整体，包括建筑物、道路、植被等所有地面要素。
作为本发明进一步的方案：非建筑物的土地类型包括耕地、林地、园地和水域。
作为本发明进一步的方案：步骤一中，对目标区域的无人机倾斜摄影数据的处理包括预处理、空中三角加密和平差。
本发明的有益效果：本发明通过倾斜摄影技术自动获取建筑物和非建筑物的影像，智能化地完成了模型构建与计算，提高了拆迁区域建筑物和非建筑物价值估算的信息化、自动化程度，进而提高了补偿评估的效率和准确性，降低了工作量；
克服了现有技术中，工作量繁杂、测量数据不精确，受到不同职能部门职能人员的相关评估及管控能力优劣不同，很多情况下不能确保拆迁工作的顺利开展的问题，基于上述，本发明具有好的应用前景。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明流程图；
图2是本发明三维模型流程图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-图2所示，本发明为一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法，包括以下步骤:
步骤一：获取目标区域的无人机倾斜摄影数据，经过预处理、空中三角加密和平差处理，得到数字表面模型DSM和数字正射影像DOM；
其中，采用DSM影像和DOM影像进行建筑信息的自动提取，数字表面模型DSM和数字正射影像DOM保持相同的空间分辨率；
设置分割阈值有最小建筑物高度为3m，最小建筑物面积为20m2，建筑物屋顶最大坡度为30°，植被冠层最小纹理为70％；
步骤二：对步骤一中数字表面模型DSM进行数学形态学变换，生成归一化nDSM，对nDSM进行高度阈值分割，得到初始的建筑物和非建筑物提取结果；
其中，数字表面模型DSM描述的是地物表面高程信息，包括地形高程和地表地物的高程(如植被和建筑物等)；
nDSM反映了地物到其周围地面的相对高度，去除了地形因素的影响，更有利于建筑的提取；
nDSM的表示如下：其中，f表示形态学操作中的掩膜图像，即DSM影像，b表示形态学操作中的结构元素，γR表示形态学开重构运算；
步骤三：从步骤一中数字正射影像DOM的影像中，构建植被光谱指数，对植被光谱指数进行阈值分割，得到植被信息提取结果；
步骤四：将初始的建筑提取结果与植被信息提取结果叠加，清除初始的建筑物提取结果中与植被信息提取结果重合的部分，得到建筑精提取结果，生成影像三维建模；
步骤五：将三维建模与数据库中的拆迁户信息自动匹配计算出拆迁户补偿价值。
优选的，步骤一中，数字表面模型DSM和数字正射影像DOM的影像分辨率为5cm，该空间分辨率能够较好地支持单个建筑物的提取。
步骤四中，对初始的建筑提取结果与植被信息提取结果的处理，包括去除面积小的噪声对象，填充建筑内部的小孔洞，得到纯净的建筑提取结果，具体的：
若探测的建筑对象面积小于阈值s，s取10m2，则该对象被认为是噪声并去除；
若建筑孔洞的局部半径小于阈值r，r取2.5m,则对该孔洞进行填充。
步骤四中，对建筑精提取结果轮廓进行矢量化和规则化，得到符合实际应用的建筑多边形矢量数据；
采用数学形态学连通分量分析，记录每个建筑对象的外围轮廓坐标，然后采用Douglas-Peucker(道格拉斯-普克)算法精简点位信息，根据建筑轮廓线的几何和拓扑结构特征，进一步对建筑多边形轮廓进行规则化，尽量使得建筑物的边缘只包含首尾角点、建筑的轮廓转折线为直角；
在建模过程中通过精细化处理，植被、水面修正处理，获得质量更高的三维模型，完成建筑物和非建筑物的全自动建模，；
建筑物包括拆迁人姓名、产权性质、建筑面积和使用面积、结构和土地级别；
非建筑物拆迁单元所有人姓名、土地用地类型、种植面积和植被覆盖信息。
步骤五中，将数据库中拆迁户信息与三维模型进行匹配，包括宗地建筑物面积、地理位置和权属，本发明采用市场比较法；
对于建筑物
首先对建筑物进行价值评估，即以估价对象为标准，对交通状况K1、区位条件K2、土地级别K3、建筑结构K4进行打分，将可比实例的建筑物状况与它逐项打分,如果基准分值设为100,则当可比实例的某项因素优于估价对象时,得分高于100；
建筑物评估价值＝拆迁补偿×建筑动态补偿(100/K1×100/K2×100/K3×100/K4)×面积；
具体的：
首先搜集交易实例，选取与拆迁区域类似的地区的建筑物，并且交易时间为近三年，成交价格能够修正为正常价格，具体的要求可比实例预估价对象的位置应该相类似,规模相当等；
当交易实例的成交价格不正常,将其调整为正常的价格,再作为估价对象的价格，该调整称为交易情况的调整，具体的修正方法有：
①百分率法：正常价格＝可比实例的成交价格×交易情况修正系数
②差额法：正常价格＝可比实例成交±价格交易情况修正额
其次，进行房地产状况修正，房地产状况的修正就是采用百分率法、差额法或者其他方法将可比实例在区位状况、权益状况、实物状况下的价格调整为在估价对象房地产状况下的价格；
最后，求出比准价格：估价对象的价格＝交易实例价格交×交易情况修正系数×交易日期调整系数×房地产状况调整系数；
房屋拆迁补偿＝合法拥有房产评估价格+房屋装修装饰商定补偿金额(或经评估确定的房屋装修装饰补偿金额)；
对于构筑物，其价格计算公式：构筑物价值＝构筑物重置价格-已使用年限，构筑物重置价格＝建安综合造价+前期费用+资金成本。
对于非建筑物
根据采集建模得到的数据，对应拆迁户土地的种植信息(耕地、园地、林地、牧草地等)，本发明主要是对林地、耕地、园地和其他土地的计算：
耕地补偿费＝片区综合价+耕地占用税+青苗补偿+耕地开垦费+失地农民社保；
林地补偿费＝片区综合价+耕地占用税+林木及附着物补偿+森林植被恢复；
园地补偿费＝片区综合价+耕地占用税+果树及附着物补偿；
其他土地＝不低于区片综合价0.5倍+地面附着物+青苗补助费。
其中，片区综合价包括土地补偿费和安置补助费；
土地补偿费是指因国家征用土地对土地所有者和土地使用者因对土地的投入和收益造成损失的补偿：
耕地的土地补偿费的计算标准：
土地补偿费＝前三年平均年产值×补偿倍数(6<补偿倍数<10)；
安置补助费按前3年平均产值的2倍计算；
林地的土地补偿费的计算标准：
林地的土地补偿费和安置补助费，按林地被占用、征用时该林地上林木蓄积量3-5倍计算，
土地补偿费＝前三年平均年产值×补偿倍数(8<补偿倍数<10)；
安置补助费按前3年平均产值的2倍计算；
耕地占用税，根据不同地区给予指导价；
地上附属物和青苗补助费补偿的计算标准＝省、自治区、直辖市规定(一般按市场价格进行补偿)，对于土地上的青苗，属短期作物的，补偿一季产值；对于多年生长、多年收成的花木、果树等，根据其种植期和生长期长短给予适当补偿，征用无收益的土地，不给予补偿。
最后，将被拆迁单元的档案存储于拆迁项目中，更新数据库，完成拆迁户所有补偿的汇总。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (9)

1.一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法，其特征在于，包括以下步骤:
步骤一：获取目标区域的无人机倾斜摄影数据，经过处理，得到数字表面模型DSM和数字正射影像DOM；
步骤二：对步骤一中数字表面模型DSM进行数学形态学变换，生成归一化nDSM，对nDSM进行高度阈值分割，得到初始的建筑物和非建筑物提取结果；
步骤三：从步骤一中数字正射影像DOM的影像中，构建植被光谱指数，对植被光谱指数进行阈值分割，得到植被信息提取结果；
步骤四：将初始的建筑提取结果与植被信息提取结果叠加，清除初始的建筑物提取结果中与植被信息提取结果重合的部分，得到建筑精提取结果，生成影像三维建模；
步骤五：将三维建模与数据库中的拆迁户信息自动匹配计算出拆迁户补偿价值。
2.根据权利要求1所述的一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法,其特征在于，步骤二中，数字表面模型DSM和数字正射影像DOM的空间分辨率保持相同。
3.根据权利要求1所述的一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法,其特征在于，步骤二中，高度阈值分割的参数为：
最小建筑物高度3m，最小建筑物面积20m2，建筑物屋顶最大坡度30°，植被冠层最小纹理70％。
4.根据权利要求1所述的一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法,其特征在于，步骤二中，nDSM进行高度阈值分割的具体方法为：
S1：将原始的数字表面模型DSM影像变化生成归一化nDSM，根据拆迁区域的最小建筑层高设定高度阈值；
S2：对nDSM进行高度阈值分割，得到初始的建筑提取结果，基于分层分户对建筑物的层数、用途、面积、结构和类型进行提取入库。
5.根据权利要求1所述的一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法,其特征在于，步骤三中，对植被光谱指数进行阈值分割的具体方法为：
V1：提取超过阈值高度的地物信息，DSM经过坡度滤波生成DEM，正射纠正影像镶嵌得到数字正射影像DOM；
V2：通过DOM影像的波段差分，构建植被光谱指数，根据植被光谱指数特征设定植被光谱的强度阈值，然后对植被光谱指数进行阈值分割，判定种植作物类型，将光谱强度超过阈值的区域作为植被信息提取结果。
6.根据权利要求3所述的一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法,其特征在于，还包括对建筑物进行精度评价，具体为：
对建筑物外轮廓线进行检查修改，得到建筑物边界，选取与实际成果坐标系一致的坐标系统，并进行多次量测，取平均值，从而确定模型上相应点的坐标值；
并对自动获取的建筑物边界与人工采集的数据进行比对，得到精度统计误差，进行最终的精度评定。
7.根据权利要求4所述的一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法,其特征在于，步骤四中，利用倾斜摄影技术构建拆迁区三维模型入库后，与数据库中的拆迁户信息相匹配，通过计算模型计算出拆迁户补偿价值，拆迁户信息包括交通状况、区位条件、土地等级、建筑结构和建筑物装修装饰商定补偿金额；
具体计算模型为：
首先确定建筑物的评估价格，建筑物评估价格＝拆迁补偿×建筑动态补偿×面积；
建筑动态补偿＝100/交通状况×100/区位条件×100/土地等级×100/建筑结构；
房屋拆迁补偿＝合法拥有建筑物评估价格+建筑物装修装饰商定补偿金额(或经评估确定的建筑物装修装饰补偿金额)；
对非建筑物，根据它们的土地类型进行归类，并对应相应的土地利用类型，计算各类拆迁区补偿价值。
8.根据权利要求7所述的一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法,其特征在于，非建筑物的土地类型包括耕地、林地、园地和水域。
9.根据权利要求1所述的一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法,其特征在于，步骤一中，对目标区域的无人机倾斜摄影数据的处理包括预处理、空中三角加密和平差。
CN202210798220.8A 2022-07-06 2022-07-06 一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法 Pending CN115063707A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210798220.8A CN115063707A (zh) 2022-07-06 2022-07-06 一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210798220.8A CN115063707A (zh) 2022-07-06 2022-07-06 一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法

Publications (1)

Publication Number Publication Date
CN115063707A true CN115063707A (zh) 2022-09-16

Family

ID=83204236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210798220.8A Pending CN115063707A (zh) 2022-07-06 2022-07-06 一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法

Country Status (1)

Country Link
CN (1) CN115063707A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116342685A (zh) * 2023-05-29 2023-06-27 四川凯普顿信息技术股份有限公司 一种基于dom影像的农业耕地地块的面积测量方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116342685A (zh) * 2023-05-29 2023-06-27 四川凯普顿信息技术股份有限公司 一种基于dom影像的农业耕地地块的面积测量方法

Similar Documents

Publication Publication Date Title
Wing et al. Prediction of understory vegetation cover with airborne lidar in an interior ponderosa pine forest
Erdody et al. Fusion of LiDAR and imagery for estimating forest canopy fuels
KR100750749B1 (ko) Ｇｉｓ를 이용한 식물자원 수량화 방법
Kiptala et al. Land use and land cover classification using phenological variability from MODIS vegetation in the Upper Pangani River Basin, Eastern Africa
CN107527014A (zh) 县级作物种植面积遥感统计抽样调查方案设计方法
CN105677890A (zh) 一种城市绿量数字地图制作及显示方法
US20160003792A1 (en) Functional soil maps
Erdogan et al. Modelling the impact of land-cover change on potential soil loss in the Taita Hills, Kenya, between 1987 and 2003 using remote-sensing and geospatial data
CN110070038B (zh) 一种基于城市绿化覆盖面积测算城市绿地率的方法
CN111091079A (zh) 基于tls的高寒脆弱区植被优势单株结构参数测定方法
CN115761486A (zh) 一种基于多期稻田影像特征的水稻种植区判定方法和系统
CN115063707A (zh) 一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法
CN114863369A (zh) 激光雷达监测玉米倒伏的方法、装置、设备及介质
Rimal et al. Crop cycles and crop land classification in Nepal using MODIS NDVI
Nyamugama et al. Estimation and monitoring of aboveground carbon stocks using spatial technology
CN111652521A (zh) 一种整治后耕地质量等别评定方法
CN117035174A (zh) 一种木麻黄单木地上生物量的估算方法与系统
Liu et al. Vegetation mapping for regional ecological research and management: a case of the Loess Plateau in China
CN111192315A (zh) 一种基于多源信息的实际灌溉面积提取方法
Pesonen et al. Effects of auxiliary data source and inventory unit size on the efficiency of sample-based coarse woody debris inventory
Sims Principles of National Forest Inventory Methods
Xu et al. Describing area and yield for small-scale plantation forests in Wairarapa region of New Zealand using RapidEye and LiDAR
Mohsin et al. Modelling of stand volume of eucalyptus plantations using worldview-2 imagery in Sabah, Malaysia
Jin et al. UAV-RGB-image-based aboveground biomass equation for planted forest in semi-arid Inner Mongolia, China
Buto et al. Development of a regionally consistent geospatial dataset of agricultural lands in the Upper Colorado River Basin, 2007-10

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