CN115841628B - 一种高精度灌区耗水信息自动解译系统 - Google Patents
一种高精度灌区耗水信息自动解译系统 Download PDFInfo
- Publication number
- CN115841628B CN115841628B CN202211591961.5A CN202211591961A CN115841628B CN 115841628 B CN115841628 B CN 115841628B CN 202211591961 A CN202211591961 A CN 202211591961A CN 115841628 B CN115841628 B CN 115841628B
- Authority
- CN
- China
- Prior art keywords
- image
- water consumption
- calculating
- oli
- module
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种高精度灌区耗水信息自动解译系统,包括影像自动处理及参数推求模块,用于处理Landsat8‑OLI影像,以得到NDVI、LAI、Albedo和地表温度影像,并推算得到耗水模型中计算作物耗水所需要的关键参数;气象数据收集与检索模块,用于收集并检索气象数据,并结合经纬度信息,生成与Landsat8‑OLI影像同分辨率的气象指标分布图影像;灌区耗水推演模块,采用GDAL引擎逐象元读取影像值,并将该影像值代入耗水模型,得到逐象元的作物耗水,将所得的该作物耗水写入文件,生成与Landsat8‑OLI影像同分辨率的作物耗水影像。本发明使用间接解译法,实现了基于Landsat8‑OLI影像的30m精度的耗水模型灌区耗水的自动解译,解决了人工处理耗费大量的时间和精力的问题。
Description
技术领域
本发明属于农业灌溉作物监测的技术领域,具体涉及一种高精度灌区耗水信息自动解译系统。
背景技术
我国是个水资源极其匮乏的国家,且农业用水一直是我国的耗水大户,占全部耗水总量的60%以上,这其中灌溉用水又占农业用水90%左右。传统的农业灌溉过程存在着巨大的水资源滥用与浪费,目前我国的灌溉水有效利用系数仅为0.53,意味着有近一半的水资源在灌溉过程中被浪费。为了优化配置灌溉用水,调整用水结构,实现农业灌溉地下水计量的规范、统一管理,需建立灌区量测水监管系统,以实现合理配调水资源,保障灌区可持续发展的实际需要。
基于遥感影像的灌区作物耗水监测主要包含两种,一种是直接使用相关机构发布的作物耗水产品,按照灌区边界进行裁剪,并按照个性化需求,对产品进行进一步的处理,得到灌区作物耗水信息。另一种是,使用机理模型进行灌区作物耗水的计算。机理模型依赖于多个输入参数,包括NDVI、LAI、地表温度、地表反照率、气压、气温、风速、日照时数、相对湿度等。通过下载原始的遥感影像,利用其中的多光谱波段、近红外波段等波段信息,依托遥感影像的特点,从中解译出NDVI、LAI、地表温度、地表反照率等信息;通过布设在灌区内以及灌区周边的气象站点,得到气温、气压、湿度、日照时数、风速等信息;将得到的信息输入模型,通过计算,得到灌区各个象元的作物耗水。结合遥感影像的镶嵌、裁剪等技术,融合灌区内的土地利用数据,得到整个灌区的作物耗水信息。
直接获取的作物耗水产品,精度较低,无法满足灌区精细化管理的需求。使用机理模型,结合遥感监测对输入参数进行解译的方法,能提供更高分辨率的作物耗水监测结果;同时,该方法可以结合灌区实际,对参数进行率定调整,能提供更为准确的灌区作物耗水监测结果。
但结合遥感影像解译的机理模型,流程复杂,随着遥感影像分辨率的提升,计算复杂度也大幅提升,参数的解译所耗费的时间也越来越长,传统的依赖人工,使用各种不同软件对参数进行解译的方式,无法满足当前灌区所需要的实时监测需求。
因此,如何提供一种基于灌区作物耗水的监测系统,使其结合计算机技术,遥感影像处理技术,作物耗水模型算法,实现作物耗水从遥感影像处理及参数解译,气象数据收集及检索,气象参数生成,作物耗水模型执行的全自动处理,是本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的在于针对现有技术中的上述不足,提供一种高精度灌区耗水信息自动解译系统,以解决现有技术中由于解译流程复杂、依赖人工解译而导致的解译耗时长的问题。
为达到上述目的,本发明采取的技术方案是:
一种高精度灌区耗水信息自动解译系统,其包括:
影像自动处理及参数推求模块,用于处理Landsat8-OLI影像,以得到NDVI、LAI、Albedo和地表温度影像,并推算得到耗水模型中计算作物耗水所需要的关键参数;
气象数据收集与检索模块,用于收集并检索气象数据,并结合经纬度信息,生成与Landsat8-OLI影像同分辨率的气象指标分布图影像;
灌区耗水推演模块,采用GDAL引擎逐象元读取影像自动处理及参数推求模块和气象数据收集与检索模块的影像值,并将该影像值代入耗水模型,得到逐象元的作物耗水,将所得的该作物耗水写入文件,生成与Landsat8-OLI影像同分辨率的作物耗水影像。
进一步地,影像自动处理及参数推求模块包括:
影像自动处理及参数推求模块包括:
辐射定标单元,采用ENVI引擎提供的IDL语言,提取Landsat8OLI影像的可变参数,制作得到对应的一组IDL语句的集合,完成对Landsat8 OLI影像的辐射定标;
大气校正单元,采用ENVI引擎提供的IDL语言,提取Landsat8OLI影像的可变参数,制作得到对应的一组IDL语句的集合,完成对Landsat8 OLI影像的大气校正;
影像镶嵌单元,采用开源GDAL影像处理引擎对完成辐射定标和大气校正的Landsat8 OLI影像进行处理,并对处理后的影像进行统一的拼接;
影像裁剪单元,采用开源GDAL影像处理引擎,根据灌区矢量边界对拼接后的影像进行裁剪。
进一步地,辐射定标单元提取的可变参数至少包括影像文件、输出文件、波段索引、scale因子和影像范围;
大气校正单元提取的可变参数至少包括reflect文件、气溶胶模型和气候模型;大气校正单元采用ENVI的大气校正模块,该大气校正模块包括FLAASH和QUICK大气校正模式。
进一步地,耗水模型中计算作物耗水所需要的关键参数至少包括归一化植被指数、地表温度、地表反照率和叶面积指数。
进一步地,计算归一化植被指数,包括:
NDVI=(B2-B1)/(B2+B1)
其中,NDVI为归一化植被指数,B1为多光谱中的红光波段影像,B2为近红外波段影像。
进一步地,计算地标温度,包括:
S1、计算地表比辐射率:
ε=0.004*Fc+0.986
其中,ε为地表比辐射率,Fc为植物覆盖度;
Fc=(NDVI>0.7)*1+(NDVI<0.05)*0+(0.05<NDVI<0.7)*((NDVI-0.05)/(0.7-0.05));
S2、根据地表比辐射率,计算同温度下黑体辐射亮度L:
L=(B3–0.75–0.9*(1–ε)*1.29)/(0.9*ε)
其中,B3为Landsat8-OLI的波段10影像;
S3、根据同温度下黑体辐射亮度L,计算地表温度:
T=1321.08/ln(774.89/L+1)–273
其中,T为地表温度。
进一步地,计算地表反照率Albedo和所述叶面积指数LAI:
Albedo=0.356*B4+0.13*B1+0.375*B2+0.085*B6+0.072*B9-0.018
LAI=1.817EXP(0.996*NDVI)
其中,B4为蓝光波段影像,B6为SWIR1波段,B9为Cirrus波段。
进一步地,气象数据收集与检索模块包括:
定时收集单元,用于自动登录指定网站,对接该网站接口,获取各个站点的气象数据,对获取的气象数据进行分类清洗,并将分类清洗后的气象数据存储到气象数据库中;
数据检索单元,根据灌区所在范围及周边距离,对气象站点进行筛选,得到与灌区范围匹配的站点列表,从气象数据库中检索出与灌区相匹配的指定日期范围内的气象数据;
分布图生成单元,采用检索出的气象数据,结合站点所在位置得出经纬度信息,采用反距离权重插值方法或者克里金插值法,按照与Landsat8-OLI影像相同的分辨率进行插值,并采用灌区边界进行裁剪,得到与Landsat8-OLI分辨率相同的灌区各气象指标分布图。
进一步地,气象数据至少包括气压、温度、湿度、风速和日照时数。
进一步地,耗水模型为Sebs模型。
本发明提供的高精度灌区耗水信息自动解译系统,具有以下有益效果:
本发明使用间接解译法,采用影像自动处理及参数推求模块、气象数据收集与检索模块和灌区耗水推演模块的配合,实现了基于Landsat8-OLI影像的30m精度的耗水模型灌区耗水的自动解译,解决了人工处理耗费大量的时间和精力的问题。
本发明利用影像自动处理及参数推求模块,自动对高精度耗水监测所需的遥感影像进行处理,简化影像处理流程;利用气象数据收集与检索模块,自动收集和处理气象信息,并对气象信息进行标准化处理;利用灌区耗水推演模块根据处理后的影像信息,自动进行耗水模型的推演,给出高精度灌区耗水监测结果。
附图说明
图1为高精度灌区耗水信息自动解译系统的块系统框图。
图2为高精度灌区耗水信息自动解译系统中影像自动处理及参数推求模块的原理框图。
图3为高精度灌区耗水信息自动解译系统中气象数据收集与检索模块的架构图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例1
参考图1,本实施例的高精度灌区耗水信息自动解译系统,本系统可结合计算机技术、遥感影像处理技术和作物耗水模型算法,实现作物耗水从遥感影像处理及参数解译,气象数据收集及检索,气象参数生成,作物耗水模型执行的全自动处理,其包括:
影像自动处理及参数推求模块,用于处理Landsat8-OLI影像,以得到NDVI、LAI、Albedo和地表温度影像,并推算得到耗水模型中计算作物耗水所需要的关键参数;
气象数据收集与检索模块,用于收集并检索气象数据,并结合经纬度信息,生成与Landsat8-OLI影像同分辨率的气象指标分布图影像;
灌区耗水推演模块,采用GDAL引擎逐象元读取影像自动处理及参数推求模块和气象数据收集与检索模块中的影像值,并将该影像值代入耗水模型,得到逐象元的作物耗水,将所得的该作物耗水写入文件,生成与Landsat8-OLI影像同分辨率的作物耗水影像。
本实施例采用影像自动处理及参数推求模块、气象数据收集与检索模块和灌区耗水推演模块,解决了现有人工处理耗时长等问题,达到了耗水模型灌区耗水的自动解译的效果。
实施例2
为实现对Landsat8OLI影像的自动处理和对作物耗水所需要的关键参数的计算,本实施例提供一种影像自动处理及参数推求模块,参考图2,其具体包括:辐射定标单元,采用ENVI提供的IDL语言进行执行,针对Landsat8 OLI影像,使用IDL语言,提取可变参数,制作对应的pro程序,本实施例的pro程序为使用IDL编写的ENVI ENGINE可执行的脚本程序;一个Pro程序是一组IDL语句的集合,可以作为一个批处理程序,调用ENVI ENGINE执行,用于完成影像的辐射定标。
其中,可变参数包括影像文件、输出文件、波段索引、scale因子和影像范围等。系统可通过IDL_Connect库,连接ENVI引擎,传递对应的可变参数,实现对辐射定标单元的可控调用。
大气校正单元,使用ENVI的大气校正模块,可以选择使用FLAASH和QUICK两种大气校正模式,默认使用FLAASH。本实施例的大气校正单元采用ENVI的IDL模式进行调用。系统针对Landsat8-OLI影像,提取可变参数,制作对应的大气校正pro程序,用于完成影像的大气校正。
可变参数包括reflect文件、气溶胶模型、气候模型等参数,可通过IDL_Connect库,连接ENVI引擎,传递对应的可变参数,实现对辐射定标结果的大气校正。
Landsat8-OLI影像精度高,单景影像覆盖范围较小,对于大多数灌区,都需要进行影像镶嵌,才能覆盖整个灌区。
影像镶嵌单元采用开源GDAL影像处理引擎,结合现有技术的影像拼接算法,按照影像预处理、确定重叠区、色调调整和影像镶嵌的步骤,结合现有技术的方差均值、直方图等算法,对影像进行统一的拼接。
影像裁剪单元,基于GDAL影像处理引擎,按照灌区矢量边界进行影像的裁剪。可实现自动校正影像和矢量边界的投影关系,将矢量边界投影进行自动转换,确保两者投影关系一致的情况下,再执行影像裁剪;裁剪后,可有效减小后续处理的计算量。
Landsat8-OLI影像自动处理完后,推求Sebs模型中计算作物耗水所需要的关键参数。Sebs模型中计算作物耗水所需要的关键参数至少包括归一化植被指数、地表温度、地表反照率和叶面积指数,每个关键参数的求解如下:
计算归一化植被指数NDVI:
NDVI=(B2-B1)/(B2+B1)
其中,B1为多光谱中的红光波段影像,B2为近红外波段影像;对辐射定标和大气校正后的影像进行栅格计算,得到同分辨率的NDVI影像;
系统按照辐射传输方程进行地表温度的计算,其包括如下步骤:
步骤S1、计算地表比辐射率:
ε=0.004*Fc+0.986
其中,ε为地表比辐射率,Fc为植物覆盖度;
Fc=(NDVI>0.7)*1+(NDVI<0.05)*0+(0.05<NDVI<0.7)*((NDVI-0.05)/(0.7-0.05));
步骤S2、计算同温度下黑体辐射亮度L:
L=(B3–0.75–0.9*(1–ε)*1.29)/(0.9*ε)
其中,B3为Landsat8-OLI的波段10影像;
步骤S3、根据同温度下黑体辐射亮度L,计算地表温度T:
T=1321.08/ln(774.89/L+1)–273
其中,L为同温度下黑体辐射亮度;
计算地表反照率Albedo为:
Albedo=0.356*B4+0.13*B1+0.375*B2+0.085*B6+0.072*B9-0.018
其中,B4为蓝光波段影像,B1为红光波段影像,B2为近红外波段影像,B6为SWIR1波段,B9为Cirrus波段;
计算叶面积指数LAI为:
LAI=1.817EXP(0.996*NDVI)
本模块通过对Landsat8-OLI影像的处理和参数推求,得到了NDVI、地表温度、地表反照率和LAI等Sebs模型计算作物耗水所需要的关键参数,整体影像处理及参数推求为全自动执行。
本实施例为得到与Landsat8-OLI同分辨率的气象指标分布图影像,提供一种气象数据收集与检索模块,参考图3,其具体包括:
定时收集单元、数据检索单元和分布图生成单元;
其中,定时收集单元,根据自动登录、自动下单、下载结果、解析入库的流程,每日自动登录指定网站,对接该网站的相关接口,获取各个站点的气象数据,对获取的气象数据进行分类清洗,并将分类清洗后的数据存储到系统气象数据库中。
数据检索单元,根据灌区所在范围及周边距离,对气象站点进行筛选,得到与灌区范围匹配的站点列表,从气象数据库中,检索出与灌区相匹配的指定日期范围内的气象数据。
分布图生成单元,使用检索出的气象数据,结合站点所在位置得出经纬度信息,采用反距离权重插值方法或者克里金插值法,按照与Landsat8-OLI影像相同的分辨率进行插值,继而用灌区边界进行裁剪,得到与Landsat8-OLI分辨率完全一致的灌区各气象指标分布图。
本模块中所涉及的气象数据包括气压、温度、湿度、风速和日照时数。因为卫星遥感观测受天气影响较大,对数据缺失日期进行插补,采用移动窗口法,动态计算缺值日期前后五日的平均波文比,对缺值日进行能量分配,保证插补的时效性。
本实施例进一步提供一种基于Sebs模型的灌区耗水推演模块;
本模块通过Landsat8-OLI影像自动处理及参数推求模块,得到了高精度的NDVI、LAI、Albedo和地表温度影像;基于气象数据收集与检索模块,得到与Landsat8-OLI同分辨率的气象指标分布图影像;进而本实施例的灌区耗水推演模块使用GDAL引擎,逐象元读取相关影像值,代入Sebs模型,得到逐象元的作物耗水,同时将作物耗水写入文件,生成与Landsat8-OLI影像同分辨率的作物耗水影像。
需要注意的是,传统的作物耗水信息的解译方法有直接解译法和间接解译法。直接解译法,主要基于MODIS影像MOD16系列产品进行耗水解译。受限于MOD16系列产品的精度只能达到250-500m,该方法主要适用于大区域的耗水监测。对于灌区而言,一般面积在几十到几百平方公里,单个象元覆盖超过500m2,全灌区仅能覆盖几十到几百个象元,精度太低,无法准确展现灌区内的作物耗水信息;
而传统的间接解译法,使用高精度影像的多光谱、热红外、近红波段影像,结合实测气象信息和土地利用信息,使用耗水模型,进行耗水信息的解译。该方法精度高,可达到20-30m分辨率,能满足一般灌区的耗水解译需求。但该方法过程复杂,由于精度高,同一区域的遥感影像,文件大,且需要对遥感影像进行辐射定标、大气校正、参数推演等操作,处理耗时较长。
同时,使用传统的耗水模型,除了遥感影像以外,还需要气压、温度、风速、日照时数、相对湿度等实测气象数据,获取及处理气象数据,并对气象数据进行统一的标准化,数据的收集和处理耗时较长,最后代入模型进行耗水信息的推求,人工处理,会耗费大量的时间和精力。
为应对上述传统手段的缺陷,本发明使用间接解译法,利用影像自动处理及参数推求模块,自动对高精度耗水监测所需的遥感影像进行处理,简化影像处理流程;利用气象数据收集与检索模块,自动收集和处理气象信息,并对气象信息进行标准化处理;灌区耗水推演模块根据处理后的影像信息,自动进行耗水模型的推演,给出高精度灌区耗水监测结果,实现了基于Landsat8-OLI影像的30m精度的耗水模型灌区耗水的自动解译,解决了人工处理耗费大量的时间和精力的问题。
除此,传统的遥感蒸散发模型的计算流程为:
(1)根据卫星过境时刻的遥感数据,反演瞬时地表参数;(2)建立遥感蒸散发模型,计算瞬时潜热通量;(3)根据时间尺度扩展方法,将瞬时潜热通量扩展为日蒸散发。而改进的SEBS模型规避了时间尺度扩展的过程,采用日内代表性参数作为模型输入参数。
本发明改进了时间尺度扩展方法,改进后的模型有两个优点:
(1)日蒸散发量直接由模型计算,避免了尺度扩展过程中的误差,从而提高模型模拟精度;(2)对模型输入气象数据的要求降低。
在传统的遥感蒸散发模型中,需要卫星过境时刻的气象数据作为模型输入。而一般情况下,气象站仅提供每日最大、最小及平均气温,因为输入数据不能满足条件,限制了模型的应用和推广。而本发明改进的SEBS模型采用日内代表性参数的概念,不再需要小时尺度的气象数据;日内代表性参数的计算方法采用对卫星过境时刻的遥感数据和气象站观测的气象数据进行从瞬时尺度到日内连续的延展处理,通过计算每一时刻的参数,进而推求日内代表性参数。
虽然结合附图对发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (5)
1.一种高精度灌区耗水信息自动解译系统,其特征在于,包括:
影像自动处理及参数推求模块,用于处理Landsat8-OLI影像,以得到NDVI、LAI、Albedo和地表温度影像,并推算得到耗水模型中计算作物耗水所需要的关键参数;
气象数据收集与检索模块,用于收集并检索气象数据,并结合经纬度信息,生成与Landsat8-OLI影像同分辨率的气象指标分布图影像;
灌区耗水推演模块,采用GDAL引擎逐象元读取影像自动处理及参数推求模块和气象数据收集与检索模块的影像值,并将该影像值代入耗水模型,得到逐象元的作物耗水,将所得的该作物耗水写入文件,生成与Landsat8-OLI影像同分辨率的作物耗水影像;
所述影像自动处理及参数推求模块包括:
辐射定标单元,采用ENVI引擎提供的IDL语言,提取Landsat8 OLI影像的可变参数,制作得到对应的一组IDL语句的集合,完成对Landsat8 OLI影像的辐射定标;
大气校正单元,采用ENVI引擎提供的IDL语言,提取Landsat8 OLI影像的可变参数,制作得到对应的一组IDL语句的集合,完成对Landsat8 OLI影像的大气校正;
影像镶嵌单元,采用开源GDAL影像处理引擎对完成辐射定标和大气校正的Landsat8OLI影像进行处理,并对处理后的影像进行统一的拼接;
影像裁剪单元,采用开源GDAL影像处理引擎,根据灌区矢量边界对拼接后的影像进行裁剪;
所述耗水模型中计算作物耗水所需要的关键参数至少包括归一化植被指数、地表温度、地表反照率和叶面积指数;
计算所述归一化植被指数,包括:
NDVI=(B2-B1)/(B2+B1)
其中,NDVI为归一化植被指数,B1为多光谱中的红光波段影像,B2为近红外波段影像;
计算所述地表反照率Albedo和所述叶面积指数LAI:
Albedo=0.356*B4+0.13*B1+0.375*B2+0.085*B6+0.072*B9-0.018
LAI=1.817EXP(0.996*NDVI)
其中,B4为蓝光波段影像,B6为SWIR1波段,B9为Cirrus波段;
所述气象数据收集与检索模块包括:
定时收集单元,用于自动登录指定网站,对接该网站接口,获取各个站点的气象数据,对获取的气象数据进行分类清洗,并将分类清洗后的气象数据存储到气象数据库中;
数据检索单元,根据灌区所在范围及周边距离,对气象站点进行筛选,得到与灌区范围匹配的站点列表,从气象数据库中检索出与灌区相匹配的指定日期范围内的气象数据;
分布图生成单元,采用检索出的气象数据,结合站点所在位置得出经纬度信息,采用反距离权重插值方法或者克里金插值法,按照与Landsat8-OLI影像相同的分辨率进行插值,并采用灌区边界进行裁剪,得到与Landsat8-OLI分辨率相同的灌区各气象指标分布图。
2.根据权利要求1所述的高精度灌区耗水信息自动解译系统,其特征在于:所述辐射定标单元提取的可变参数至少包括影像文件、输出文件、波段索引、scale因子和影像范围;
所述大气校正单元提取的可变参数至少包括reflect文件、气溶胶模型和气候模型;所述大气校正单元采用ENVI的大气校正模块,该大气校正模块包括FLAASH和QUICK大气校正模式。
3.根据权利要求1所述的高精度灌区耗水信息自动解译系统,其特征在于,计算所述地表温度,包括:
S1、计算地表比辐射率:
ε=0.004*Fc+0.986
其中,ε为地表比辐射率,Fc为植物覆盖度;
Fc=(NDVI>0.7)*1+(NDVI<0.05)*0+(0.05<NDVI<0.7)*((NDVI-0.05)/(0.7-0.05));
S2、根据地表比辐射率,计算同温度下黑体辐射亮度L:
L=(B3–0.75–0.9*(1–ε)*1.29)/(0.9*ε)
其中,B3为Landsat8-OLI的波段10影像;
S3、根据同温度下黑体辐射亮度L,计算地表温度:
T=1321.08/ln(774.89/L+1)–273
其中,T为地表温度。
4.根据权利要求1所述的高精度灌区耗水信息自动解译系统,其特征在于:所述气象数据至少包括气压、温度、湿度、风速和日照时数。
5.根据权利要求1~4任一所述的高精度灌区耗水信息自动解译系统,其特征在于:所述耗水模型为Sebs模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211591961.5A CN115841628B (zh) | 2022-12-12 | 2022-12-12 | 一种高精度灌区耗水信息自动解译系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211591961.5A CN115841628B (zh) | 2022-12-12 | 2022-12-12 | 一种高精度灌区耗水信息自动解译系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115841628A CN115841628A (zh) | 2023-03-24 |
CN115841628B true CN115841628B (zh) | 2023-09-19 |
Family
ID=85578462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211591961.5A Active CN115841628B (zh) | 2022-12-12 | 2022-12-12 | 一种高精度灌区耗水信息自动解译系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841628B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537795A (zh) * | 2018-04-23 | 2018-09-14 | 中国科学院地球化学研究所 | 一种山区河流信息提取方法 |
CN110119000A (zh) * | 2019-05-21 | 2019-08-13 | 中国水利水电科学研究院 | 一种区域蒸散发遥感动态监测预警系统 |
CN110929653A (zh) * | 2019-11-26 | 2020-03-27 | 珠江水利委员会珠江水利科学研究院 | 一种基于遥感的灌溉水有效利用系数测算方法 |
CN111046120A (zh) * | 2019-11-28 | 2020-04-21 | 安徽农业大学 | 一种极端气温语义反距离权重插值方法 |
CN112213287A (zh) * | 2020-12-07 | 2021-01-12 | 速度时空信息科技股份有限公司 | 基于遥感卫星影像的沿海滩涂盐度反演的方法 |
CN112700089A (zh) * | 2020-12-15 | 2021-04-23 | 水利部牧区水利科学研究所 | 一种草原灌溉地水资源消耗量的计算方法 |
CN112835115A (zh) * | 2021-01-07 | 2021-05-25 | 中铁工程设计咨询集团有限公司 | 一种活动断裂解译方法及装置 |
CN113593006A (zh) * | 2021-06-15 | 2021-11-02 | 广州观必达数据技术有限责任公司 | 一种基于深度学习的气象数据空间插值精细化方法及系统 |
CN114998213A (zh) * | 2022-04-29 | 2022-09-02 | 武汉大学 | 一种基于径流权值模型的湖库群滞洪量计算方法 |
CN115376016A (zh) * | 2022-08-16 | 2022-11-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9582890B2 (en) * | 2014-05-19 | 2017-02-28 | Ricoh Company, Ltd. | Superpixel-based image segmentation using shading and albedo decomposition |
-
2022
- 2022-12-12 CN CN202211591961.5A patent/CN115841628B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537795A (zh) * | 2018-04-23 | 2018-09-14 | 中国科学院地球化学研究所 | 一种山区河流信息提取方法 |
CN110119000A (zh) * | 2019-05-21 | 2019-08-13 | 中国水利水电科学研究院 | 一种区域蒸散发遥感动态监测预警系统 |
CN110929653A (zh) * | 2019-11-26 | 2020-03-27 | 珠江水利委员会珠江水利科学研究院 | 一种基于遥感的灌溉水有效利用系数测算方法 |
CN111046120A (zh) * | 2019-11-28 | 2020-04-21 | 安徽农业大学 | 一种极端气温语义反距离权重插值方法 |
CN112213287A (zh) * | 2020-12-07 | 2021-01-12 | 速度时空信息科技股份有限公司 | 基于遥感卫星影像的沿海滩涂盐度反演的方法 |
CN112700089A (zh) * | 2020-12-15 | 2021-04-23 | 水利部牧区水利科学研究所 | 一种草原灌溉地水资源消耗量的计算方法 |
CN112835115A (zh) * | 2021-01-07 | 2021-05-25 | 中铁工程设计咨询集团有限公司 | 一种活动断裂解译方法及装置 |
CN113593006A (zh) * | 2021-06-15 | 2021-11-02 | 广州观必达数据技术有限责任公司 | 一种基于深度学习的气象数据空间插值精细化方法及系统 |
CN114998213A (zh) * | 2022-04-29 | 2022-09-02 | 武汉大学 | 一种基于径流权值模型的湖库群滞洪量计算方法 |
CN115376016A (zh) * | 2022-08-16 | 2022-11-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115841628A (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | A long-term Global LAnd Surface Satellite (GLASS) data-set for environmental studies | |
CN110750904B (zh) | 一种基于遥感数据的区域碳储量空间格局监测系统和方法 | |
CN108169161B (zh) | 一种基于改进型modis指数的玉米种植区域土壤湿度评估方法 | |
CN106897707B (zh) | 基于多源中分的特征影像时间序列合成方法及装置 | |
CN108446999B (zh) | 基于冠气温差和遥感信息进行灌区不同作物et估算方法 | |
CN112991247B (zh) | 冬小麦蒸散遥感反演及与作物模型同化方法 | |
Motohka et al. | Evaluation of optical satellite remote sensing for rice paddy phenology in monsoon Asia using a continuous in situ dataset | |
CN115481368A (zh) | 一种基于全遥感机器学习的植被覆盖度估算方法 | |
CN108876172B (zh) | 一种基于改进型modis植被供水指数的地表土壤含水量评估方法 | |
Lim et al. | A land data assimilation system using the MODIS-derived land data and its application to numerical weather prediction in East Asia | |
CN113447137A (zh) | 一种面向无人机宽波段热像仪的地表温度反演方法 | |
CN115375036A (zh) | 遥感、光能利用率模型与气象融合的作物成熟期预测方法 | |
CN116720624A (zh) | 一种基于遥感数据的流域植被蒸散发预测方法 | |
Chen et al. | LAI-NOS: An automatic network observation system for leaf area index based on hemispherical photography | |
Huang et al. | Topographic effects on estimating net primary productivity of green coniferous forest in complex terrain using Landsat data: a case study of Yoshino Mountain, Japan | |
Yao et al. | Estimation of rice yield with a process-based model and remote sensing data in the middle and lower reaches of Yangtze River of China | |
Ma Lu et al. | Photosynthetically active radiation separation model for high-latitude regions in agrivoltaic systems modeling | |
CN115841628B (zh) | 一种高精度灌区耗水信息自动解译系统 | |
KR102588573B1 (ko) | 위성영상을 이용한 가뭄 분석방법 | |
CN116185616A (zh) | 一种fy-3d mersi l1b数据自动化再处理方法 | |
CN111199092A (zh) | 太阳辐射遥感估算方法、系统及数据处理装置 | |
CN110658325A (zh) | 一种确定sm监测中lst/fvc空间的方法 | |
CN112380497B (zh) | 用于区域玉米的秸秆系数估算方法及系统 | |
CN116124774A (zh) | 一种基于无人机光谱多源数据预测冠层氮含量方法 | |
CN109357765B (zh) | 一种面向土壤属性预测与制图的亮温或陆面温度协同变量构建选择方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |