CN115995044B - 一种生态工程全类型绿化措施的监控方法及装置 - Google Patents

一种生态工程全类型绿化措施的监控方法及装置 Download PDF

Info

Publication number
CN115995044B
CN115995044B CN202310298839.7A CN202310298839A CN115995044B CN 115995044 B CN115995044 B CN 115995044B CN 202310298839 A CN202310298839 A CN 202310298839A CN 115995044 B CN115995044 B CN 115995044B
Authority
CN
China
Prior art keywords
greening
implementation
land
type
year
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
Application number
CN202310298839.7A
Other languages
English (en)
Other versions
CN115995044A (zh
Inventor
俞乐
陈鑫
杜贞容
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202310298839.7A priority Critical patent/CN115995044B/zh
Publication of CN115995044A publication Critical patent/CN115995044A/zh
Application granted granted Critical
Publication of CN115995044B publication Critical patent/CN115995044B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本文提供一种生态工程全类型绿化措施的监控方法及装置,运行于云处理平台,方法包括:获取目标领域内生态工程实施区域矢量图及土地覆盖类型分布图,土地覆盖类型分布图包括年度土地覆盖类型分布图及日度土地覆盖类型分布图;识别年度土地覆盖类型分布图,得到生态工程的全类型绿化措施及其绿化区域和实施年份;识别实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间;将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图。本文能够对目标领域内生态工程实施的全类型绿化措施、绿化区域、实施年份、详细实施时间进行协同监测。

Description

一种生态工程全类型绿化措施的监控方法及装置
技术领域
本文涉及生态工程监控领域,尤其涉及一种生态工程全类型绿化措施的监控方法及装置。
背景技术
针对人类活动过度干扰引起的多重生态环境退化问题,各地会实施一系列重大生态保护工程。对生态工程实施地块空间信息的动态掌握可为未来精准化优化布局提供重要的数据支撑。然而,现有技术中,生态工程实施地块空间信息的掌握存在如下方法及问题:
第一种方法是各地方采用人工调查的方式确定各地的生态工程面积及实施年份,并通过各地方逐级汇报的方式将本地生态工程面积及实施年份上报给上一级,由上一级汇总各地生态工程面积,以确定生态工程的总面积。该种方法存在偏差及不确定大、浪费人力的问题。此外,上述技术获得的调查成果是生态工程的面积,不包括生态工程地块位置及绿化措施分布情况,存在空间解析能力明显不足的问题。
第二种方法是遥感技术的应用,已有的遥感技术应用方案中仅应用于造林工程实施地块的识别工作,并未对生态工程全类型绿化措施以及调优方案进行识别,且无法监测生态工程全类型绿化措施的具体实施时间。因此,现有遥感技术仅应用于单一造林工程,存在监测内容不全面,监测细节性差的问题。
发明内容
本文用于解决现有技术中缺乏对生态工程全类型绿化措施、绿化区域、实施时间信息的监测,进而无法动态实时了解生态工程实施进展以及依据以往生态工程实施经验指导新生态工程的开展。
为了解决上述技术问题,本文一实施例中提供一种生态工程全类型绿化措施的监控方法运行于云处理平台,所述方法包括:
确定目标领域内生态工程实施区域矢量图及土地覆盖类型分布图,其中,土地覆盖类型分布图包括:年度土地覆盖类型分布图及日度土地覆盖类型分布图;
识别所述年度土地覆盖类型分布图,得到生态工程全类型绿化措施及其绿化区域和实施年份;
识别所述实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间;
将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图。
作为本文进一步实施例中,确定目标领域内生态工程实施区域矢量图及土地覆盖类型分布图,包括:
从已公开的生态工程文献中,提取目标领域内生态工程实施区域图;
对所述目标领域内生态工程实施区域图进行地理配准及矢量化处理,得到目标领域内生态工程实施区域矢量图;
根据高时空分辨率土地覆盖产品采集的目标领域内的数据,构建土地覆盖类型分布图。
作为本文进一步实施例中,所述方法还包括:
对所述土地覆盖类型分布图进行时序一致性检查,过滤或修正不符合时序一致性的土地覆盖类型分布图。
作为本文进一步实施例中,识别所述年度土地覆盖类型分布图,得到生态工程全类型绿化措施及其绿化区域和实施年份,包括:
对年度土地覆盖类型分布图进行多值化处理,得到包含各目标土地覆盖类型及其它土地覆盖类型的年度土地覆盖类型数值分布图,其中,目标土地覆盖类型为绿化措施实施后得到的土地覆盖类型;
识别所述年度土地覆盖类型数值分布图,确定差异位置、差异年份及其绿化措施;
将差异位置作为生态工程的绿化区域,判断同一差异位置是否存在多个差异年份;
若是,则根据该差异位置的不同差异年份的绿化措施确定绿化调优方案,将最后一差异年份的绿化措施及实施年份作为生态工程在该绿化区域的绿化措施及实施年份;
若否,则将差异年份的绿化措施及实施年份作为生态工程在该绿化区域的绿化措施及实施年份。
作为本文进一步实施例中,识别所述年度土地覆盖类型数值分布图,确定差异位置、差异年份及其绿化措施,包括:
按照目标领域的分块区域,对每一年份的土地覆盖类型数值分布图进行划分处理,得到各年份土地覆盖类型数值分布图的多个第一子图;
遍历分块区域,计算该分块区域的首期年份及末期年份的第一子图的土地覆盖动态度;
若所述土地覆盖动态度大于或等于预定阈值,则逐像素比较该分块区域的第一子图,以识别得到差异位置、差异年份及其绿化措施;
若所述土地覆盖动态度小于预定阈值,则遍历下一分块区域,直至遍历完所有分块区域为止。
作为本文进一步实施例中,计算该分块区域的首期年份及末期年份的第一子图的土地覆盖动态度包括利用如下公式计算土地覆盖动态度:
Figure SMS_1
其中,LUD表示土地覆盖动态度,i表示目标土地覆盖类型标号,n表示目标土地覆盖类型的种类,other表示除了目标土地覆盖类型i外的其他土地覆盖类型,
Figure SMS_2
表示首期年份相较于末期年份中该分块区域中由土地覆盖类型other转变为目标土地覆盖类型i的面积,LC p 表示首期年份中该分块区域的第p种土地覆盖类型的面积,q为土地覆盖类型总数量。
作为本文进一步实施例中,逐像素比较该分块区域的第一子图,以识别得到差异位置、差异年份及其绿化措施,包括:
遍历该分块区域的每一像素,由该分块区域的第一子图在该像素的像素值组成待分析像素序列;
利用连续预定年的滑动窗口从待分析像素序列获取数据并组成数据组;
判断数据组中第一位数据是否表示其他土地覆盖类型,其余位数据是否表示相同的目标土地覆盖类型,若是,则将该像素设置为差异像素、将首次转变为目标土地覆盖类型的年份作为该差异像素的差异年份,将目标土地覆盖类型相关的绿化措施作为该差异像素的绿化措施;
滑动该滑动窗口,得到新的数据组并进行上述判断直至遍历完待分析像素序列。
作为本文进一步实施例中,得到所述年度土地覆盖类型数值分布图之后,还包括:
获取非生态工程的年度目标土地覆盖类型数值分布图;
利用所述非生态工程的年度目标土地覆盖类型数值分布图,修正年度土地覆盖类型数值分布图。
作为本文进一步实施例中,识别所述实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间,包括:
对所述实施年份内的日度土地覆盖类型分布图进行二值化处理,得到日度土地覆盖类型数值分布图,所述日度土地覆盖类型数值分布图中目标土地覆盖类型的像素值为第一数值,其它土地覆盖类型的像素值为第二数值,其中,目标土地覆盖类型为绿化措施实施后得到的土地覆盖类型;
识别所述日度土地覆盖类型数值分布图,确定出现差异的详细实施时间。
作为本文进一步实施例中,识别所述日度土地覆盖类型数值分布图,确定出现差异的详细实施时间,包括:
按照目标领域的分块区域,对每一天的土地覆盖类型数值分布图进行划分处理,得到每天的土地覆盖类型数值分布图的多个第二子图;
遍历分块区域,计算该分块区域的第一天及最后一天的第二子图的土地覆盖动态度;
若所述土地覆盖动态度大于或等于预定阈值,则逐像素比较该分块区域的第二子图,以识别得到出现差异的详细实施时间;
若所述土地覆盖动态度小于预定阈值,则遍历下一分块区域,直至遍历完所有分块区域为止。
作为本文进一步实施例中,将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图,包括:
根据生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间,绘制绿化实施矢量图;
将所述绿化实施矢量图与所述生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图。
本文一实施例中,还提供一种生态工程全类型绿化措施的监控装置,应用于云处理平台,所述装置包括:
信息收集单元,用于确定目标领域内生态工程实施区域矢量图及土地覆盖类型分布图,其中,土地覆盖类型分布图包括:年度土地覆盖类型分布图及日度土地覆盖类型分布图;
第一识别单元,用于识别所述年度土地覆盖类型分布图,得到生态工程全类型绿化措施及其绿化区域和实施年份;
第二识别单元,用于识别所述实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间;
叠加单元,用于将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图。
本文一实施例中,还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现前述任一实施例所述方法。
本文一实施例中,还提供一种计算机存储介质,其上存储有计算机程序,所述计算机程序被计算机设备的处理器执行时实现前述任一实施例所述的方法。
本文一实施例中,还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被计算机设备的处理器执行时实现前述任一实施例的方法。
本文提供的生态工程全类型绿化措施的监控方法及装置运行于处理平台,通过确定目标领域内生态工程实施区域矢量图及土地覆盖类型分布图;识别年度土地覆盖类型分布图,得到生态工程全类型绿化措施及其绿化区域和实施年份;识别实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间;将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图,能够对目标领域内生态工程实施的全类型绿化措施、绿化区域、实施年份、详细实施时间进行协同监测,生态工程实施信息的空间分布图能够全面反映各生态工程的实施情况,为生态工程后续实施提供依据。
为让本文的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本文实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本文的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本文实施例生态工程全类型绿化措施的监控系统的结构图;
图2示出了本文实施例生态工程全类型绿化措施的监控方法的流程图;
图3示出了本文实施例年度土地覆盖类型分布图识别过程的流程图;
图4示出了本文实施例年度土地覆盖类型数值分布图识别过程的流程图;
图5示出了本文实施例像素比较过程流程图;
图6示出了本文实施例日度土地覆盖类型分布图识别过程的流程图;
图7示出了本文实施例日度土地覆盖类型数值分布图识别过程的流程图;
图8示出了本文实施例生态工程全类型绿化措施的监控装置的结构图;
图9示出了本文具体实施例生态工程全类型绿化措施的监控方法的流程图;
图10示出了本文实施例计算机设备的结构图。
附图符号说明:
101、信息收集设备;
102、云处理平台;
801、信息收集单元;
802、第一识别单元;
803、第二识别单元;
804、叠加单元;
910、生态工程实施区域图;
921、年度土地覆盖立方体;
922、日度土地覆盖立方体;
930、生态工程实施区域矢量图;
941、第一绿化措施矢量图;
942、第二绿化措施矢量图;
950、生态工程实施信息的空间分布图;
1002、计算机设备;
1004、处理器;
1006、存储器;
1008、驱动机构;
1010、输入/输出模块;
1012、输入设备;
1014、输出设备;
1016、呈现设备;
1018、图形用户接口;
1020、网络接口;
1022、通信链路;
1024、通信总线。
具体实施方式
下面将结合本文实施例中的附图,对本文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文一部分实施例,而不是全部的实施例。基于本文中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本文保护的范围。
需要说明的是,本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或装置产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行。
需要说明的是,本申请所涉及的数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
现有技术中基于人工上报生态工程实施进展的方式存在监测不及时、准确性差及浪费人力的问题,且现有遥感影像技术仅应用于造林工程实施地块的识别,并未对生态工程全类型绿化措施以及调优方案进行识别,且无法监测生态工程全类型绿化措施的具体实施时间。因此,现有遥感技术仅应用于单一造林工程,存在监测内容不全面,监测细节性差的问题。
为了解决上述技术问题,本文提供一种生态工程全类型绿化措施的监控系统,如图1所示,包括:信息收集设备101及云处理平台102。
信息收集设备101用于收集已公开的生态工程信息,从已公开的生态工程信息中,提取目标领域内生态工程实施区域图;对目标领域内生态工程实施区域图进行地理配准及矢量化处理,得到目标领域内生态工程实施区域矢量图;根据高时空分辨率采集的遥感分类数据,构建土地覆盖类型分布图;发送目标领域内生态工程实施区域矢量图及土地覆盖类型分布图至云处理平台102。
详细的说,目标领域可根据实际需求进行设定,例如为全国范围或某些行政区域范围,本文对目标领域不做具体限定。
生态工程信息包括但不限于生态工程文件、生态工程相关文献。生态工程实施区域图中划分有生态工程所占地块。将生态工程实施区域图输入至地理信息系统分析软件中进行地图配准及矢量化处理,得到带有地理坐标信息(即经纬度)的实施区域的拐点,并将拐点连接形成封闭的面状矢量图,即得到目标领域内生态工程实施区域矢量图。具体实施时,若得到多个生态工程实施区域矢量图,则根据地理坐标信息对多个生态工程实施区域矢量图进行汇总处理得到最终的生态工程实施区域矢量图,最终的生态工程实施区域矢量图中标识出了各生态工程对应的实施区域,具体实施时,可通过不同颜色、不同背景以对不同生态工程的实施区域进行表示。
高时空分辨率采集的遥感分类数据为一段时间内数据,具体包含生态工程开始时间至当前时间之间的分类数据,可从现有高时空分辨率土地覆盖遥感制图产品获取。土地覆盖类型分布图包括:年度土地覆盖类型分布图及日度土地覆盖类型分布图。年度土地覆盖类型分布图即每年的土地覆盖类型分布图,日度土地覆盖类型分布图即每日的土地覆盖类型分布图。土地覆盖类型分布图中覆盖的土地类型包括但不限于:林地、灌木、草地、建设用地、耕地、水域、未利用地等。
云处理平台102用于接收信息收集设备101发送的目标领域内生态工程实施区域矢量图及土地覆盖类型分布图;识别年度土地覆盖类型分布图,得到生态工程全类型绿化措施及其绿化区域和实施年份;识别实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间;将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图。
详细的说,本文所述绿化措施包括种树、种灌及种草,用于优化生态环境。绿化区域指的是种树、种灌及种草的区域。实施年份指的是种树、种灌及种草的年份。详细实施时间绿化措施的具体实施月日。
生态工程实施信息包括生态工程实施区域、绿化措施、绿化区域、实施年份及详细实施时间,生态工程实施信息的空间分布图如图9中右下角所示,该空间分布图能够实时显示生态工程的实施情况,为生态工程后续实施调整提供依据。
本文一实施例中,提供一种生态工程全类型绿化措施的监控方法运行于云处理平台,如图2所示,包括:
步骤201,获取目标领域内生态工程实施区域矢量图及土地覆盖类型分布图,其中,土地覆盖类型分布图包括:年度土地覆盖类型分布图及日度土地覆盖类型分布图。
本步骤中,可由目标领域内生态工程实施区域矢量图及土地覆盖类型分布图构成基础地理数据库,以为后续生态工程实施信息识别提供依据。
步骤202,识别年度土地覆盖类型分布图,得到生态工程全类型绿化措施及其绿化区域和实施年份。
步骤203,识别实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间。
步骤204,将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图。
本步骤实施时,先根据生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间,绘制绿化实施矢量图;然后将绿化实施矢量图与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图。
本实施例能够对目标领域内生态工程实施的全类型绿化措施、绿化区域、实施年份、详细实施时间进行监测,生态工程实施信息的空间分布图能够全面反映各生态工程的实施情况,为生态工程后续实施提供依据。
本文一实施例中,在得到土地覆盖类型分布图之后,为了保证后续生态工程实施信息识别的准确性,还对土地覆盖类型分布图进行时序一致性检查,过滤或修正不符合时序一致性的土地覆盖类型分布图。
具体的,对土地覆盖类型分布图进行时序一致性检查过程包括:
比较连续N年/N日的土地覆盖类型分布图中的每一像素x mn ,其中,m和n为像素横纵坐标的下标,N为正整数,如果x mn 像素在y j 年的土地覆盖类型为类型一(例如林地),而在y j-1 y j-2/N y j+1 y j+2/N 年的土地覆盖类型均为类型二(例如耕地),那么y i 年土地覆盖类型分布图的x ij 像素的土地覆盖类型很大可能错分,因此将x mn 像素在y j 年的土地覆盖类型由类型一修正为类型二,即由林地修正为耕地。通过逐像元的检查,得到本文所采用的修正后的土地覆盖类型分布图。
本实施例能够减少不符合逻辑的土地覆盖类别转换,得到更合理的土地覆盖类型分布图,提高生态工程实施信息识别的准确性。
本文一实施例中,如图3所示,上述步骤202识别年度土地覆盖类型分布图,得到生态工程全类型绿化措施及其绿化区域和实施年份,包括:
步骤301,对年度土地覆盖类型分布图进行多值化处理,得到包含各目标土地覆盖类型及其它土地覆盖类型的年度土地覆盖类型数值分布图。其中,目标土地覆盖类型为绿化措施实施后得到的土地覆盖类型。
具体实施时,设置年度土地覆盖类型分布图中目标土地覆盖类型的像素为不同第一目标数值,其它土地覆盖类型的像素为第二目标数值。一实例中,土地覆盖类型包含耕地、林地、草地、灌木、水域、建设用地、未利用地等类型,目标土地覆盖类型包含林地、草地、灌木,多值化时将年度土地覆盖类型分布图中林地、草地、灌木类型的像元分别标记为1、2、3,除林地、草地、灌木外的其他像元标记为0。
步骤302,识别年度土地覆盖类型数值分布图,确定差异位置、差异年份及其绿化措施。
本文所述的差异位置指的是土地覆盖类型出现突变的位置,例如某一年为第一土地覆盖类型,之后连续M(例如为4,可根据需求设定)年均为第二土地覆盖类型,其中,第二土地覆盖类型为其中一目标土地覆盖类型,即绿化措施实施后的土地覆盖类型,则由第一土地覆盖类型转变为第二土地覆盖类型的区域为差异位置。对应的变为第二土地覆盖类型的第一年份为差异年份,第二土地覆盖类型对应的绿化措施为差异位置实施的绿化措施。
步骤303,将差异位置作为生态工程的绿化区域,判断同一差异位置是否存在多个差异年份,若是,则执行步骤304,若否,则执行步骤305。
步骤304,根据该差异位置的不同差异年份的绿化措施确定绿化调优方案,将最后一差异年份的绿化措施及实施年份作为生态工程在该绿化区域的绿化措施及实施年份。
步骤305,将差异年份的绿化措施及实施年份作为生态工程在该绿化区域的绿化措施及实施年份。
本文一实施例中,如图4所示,步骤302识别年度土地覆盖类型数值分布图,确定差异位置、差异年份及其绿化措施,包括:
步骤401,按照目标领域的分块区域,对每一年份的土地覆盖类型数值分布图进行划分处理,得到各年份土地覆盖类型数值分布图的多个第一子图。
具体实施时,分块区域为预先设定量,可根据目标领域大小而定,一实施方式中,分块区域例如为15×15像素块。
步骤402,遍历分块区域,每遍历到一分块区域时执行如下步骤:
步骤403,计算该分块区域的首期年份及末期年份的第一子图的土地覆盖动态度。
不同年份的同一区域的土地覆盖动态度反映该区域中土地覆盖类型变化程度,实施时,计算公式如下:
Figure SMS_3
其中,LUD表示土地覆盖动态度,i表示目标土地覆盖类型标号,n表示目标土地覆盖类型的种类,other表示除了目标土地覆盖类型i外的其他土地覆盖类型,
Figure SMS_4
表示首期年份相较于末期年份中该分块区域中由土地覆盖类型other转变为目标土地覆盖类型i的面积,LC p 表示首期年份中该分块区域的第p种土地覆盖类型的面积,q为土地覆盖类型总数量。
以绿化类型为种树、种灌、种草,对应的目标土地覆盖类型为林地、灌木、草地为例,土地覆盖动态度公式可表示为:
Figure SMS_5
式中,ΔLC other→forest ΔLC other→grass ΔLC other→shrub 分别为研究期内,除了林地、草地、灌木的其他土地覆盖类型转变为林地、草地、灌木的面积。
一些实施方式中,为了避免忽略首期年份至末期年份之间的土地覆盖类型发生变化,还可计算各年份的第一子图的土地覆盖动态度,并对各年份的第一子图的土地覆盖动态度执行后续步骤。
步骤404,判断土地覆盖动态度是否大于或等于预定阈值,若是,则说明首期年份及末期年份的第一子图存在差异,则执行步骤405,若否,则说明首期年份及末期年份的第一子图不存在差异,即该分块区域的土地覆盖类型未发生变化,执行步骤406。
步骤405,逐像素比较该分块区域的第一子图,以识别得到差异位置、差异年份及其绿化措施。
步骤406,遍历下一分块区域,返回步骤402循环执行步骤402~步骤406直至遍历完所有分块区域为止。
本实施例通过按照分块区域对各年份土地覆盖类型数值分布图进行划分,通过计算各分块区域的首期年份及末期年份的第一子图的土地覆盖动态度,依据土地覆盖动态度确地是否逐像素确定具体差异位置、差异年份及绿化措施,能够提高全类型绿化措施及其绿化区域和实施年份的识别效率。
本文一实施例中,如图5所示,上述步骤405逐像素比较该分块区域的第一子图,以识别得到差异位置、差异年份及其绿化措施,包括:
步骤501,遍历分块区域的一像素,由该分块区域的第一子图在该像素的像素值组成待分析像素序列。
分块区域的第一子图包括每一年度的土地覆盖类型数值分布图中同一区域的子图,例如可表示为(LULC’y 1, LULC’y 2,…, LULC’y i ,…, LULC’y k ),LULC’表示子图,y i 表示第y i 年的子图,y k 表示第y k 年的子图。
步骤502,利用连续预定年的滑动窗口从待分析像素序列获取数据并组成数据组。
本步骤中,预定年可由人工设定,本文对其具体取值不做限定,一些实施方式中,预定年例如为5年。
步骤503,判断数据组中第一位数据是否表示其他土地覆盖类型,其余位数据是否表示相同的目标土地覆盖类型。
若是,则将该像素设置为差异像素、将首次转变为目标土地覆盖类型的年份作为该差异像素的差异年份,将目标土地覆盖类型相关的绿化措施作为该差异像素的绿化措施。若否,则遍历该分块区域的下一像素。
举例来说,假设预定年为5年,若某一像素的数据组中第一位数据为非林地(例如为耕地、草地、灌木地、建设用地、裸地等),其余4位数据均为林地,则认为该像素采取了种树措施,转变为林地的第一年被定义为种树措施的实施年份。同理,分别将非草地覆盖连续4年变为草地、非灌木覆盖连续4年变为灌木的像元视为采取了种草、种灌的绿化措施,相应的变化后的第1年被定义为种草、种灌绿化措施的实施年份。
步骤504,滑动该滑动窗口,得到新的数据组并进行上述判断直至遍历完待分析像素序列。
本实施例通过滑动窗口及上述逻辑确定绿化措施及实施年份能够保证绿化措施及实施年份的确认精度。
本文一实施例中,如图6所示,上述步骤103识别实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间,包括:
步骤601,对实施年份内的日度土地覆盖类型分布图进行二值化处理,得到日度土地覆盖类型数值分布图。
具体的,日度土地覆盖类型数值分布图中目标土地覆盖类型的像素值为第一数值,例如为1,其它土地覆盖类型的像素值为第二数值,例如为2。目标土地覆盖类型为绿化措施实施后得到的土地覆盖类型。
步骤602,识别日度土地覆盖类型数值分布图,确定出现差异的详细实施时间。
本步骤实施时,为了提高识别效率,同样可对日度土地覆盖类型数值分布图进行区域划分处理,具体的,如图7所示,步骤602实施过程包括:
步骤701,按照目标领域的分块区域,对每一天的土地覆盖类型数值分布图进行划分处理,得到每天的土地覆盖类型数值分布图的多个第二子图。
步骤702,遍历一分块区域,计算该分块区域的第一天及最后一天的第二子图的土地覆盖动态度。土地覆盖动态度的计算公式可参考前述公式。
步骤703,判断该分块区域的第一天及最后一天的第二子图的土地覆盖动态度是否大于或等于预定阈值,若是,则执行步骤704,若否,则执行步骤705。
步骤704,逐像素比较该分块区域的第二子图,以识别得到出现差异的详细实施时间。
本步骤的实施过程可参考图5所示实施例,具体的,第二子图包括365个,各分块区域中各像素在第二子图中的像素值组成的待分析像素序列可表示为:(LULC’y i,1, LULC’y i,2,LULC’y i,3,…,LULC’y i,p ,…,LULC’y i,365),其中,LULC’表示像素值,y i 表示实施年份,若存在某一像素值LULC’y i,p 由其它覆盖类型转变为林地、草地或灌木,即由第二数值转变为第一数值,则日期y i,p 为绿化措施的具体实施日期。
步骤705,遍历下一分块区域,重复执行步骤702至步骤705,直至遍历完所有分块区域为止。
本文一实施例中,在得到年度土地覆盖类型数值分布图之后,还包括:
获取非生态工程的年度目标土地覆盖类型数值分布图;利用非生态工程的年度目标土地覆盖类型数值分布图,修正年度土地覆盖类型数值分布图。
其中,非生态工程的年度目标土地覆盖类型数值分布图,可由人工统计的非生态工程的年度目标土地覆盖类型分布图进行多值化得到。非生态工程的年度目标土地覆盖类型分布图中反映并非因生态工程治理的目标土地覆盖类型的分布,例如城市林地、草地、灌木绿化带等。
修正年度土地覆盖类型数值分布图即,将年度土地覆盖类型数值分布图中属于非生态工程的年度目标土地覆盖类型数值分布图中的目标土地覆盖类型修改为其它土地覆盖类型。
本实施例能够避免常规绿化措施对生态工程绿化措施的干扰,保证年度土地覆盖类型数值分布图的精度。
基于同一发明构思,本文还提供一种生态工程全类型绿化措施的监控装置,如下面的实施例所述。由于生态工程全类型绿化措施的监控装置解决问题的原理与生态工程全类型绿化措施的监控方法相似,因此生态工程全类型绿化措施的监控装置的实施可以参见生态工程全类型绿化措施的监控方法,重复之处不再赘述。
具体的,如图8所示,生态工程全类型绿化措施的监控装置应用于云处理平台,包括:
信息收集单元801,用于获取目标领域内生态工程实施区域矢量图及土地覆盖类型分布图,其中,土地覆盖类型分布图包括:年度土地覆盖类型分布图及日度土地覆盖类型分布图;
第一识别单元802,用于识别所述年度土地覆盖类型分布图,得到生态工程全类型绿化措施及其绿化区域和实施年份;
第二识别单元803,用于识别所述实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间;
叠加单元804,用于将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图。
本实施例能够对目标领域内生态工程实施的全类型绿化措施、绿化区域、实施年份、详细实施时间进行监测,生态工程实施信息的空间分布图能够全面反映各生态工程的实施情况,为生态工程后续实施提供依据。
为了更清楚说明本文技术方案,下面以一具体实例说明,如图9所示,假设某一领域仅包括三个生态工程,生态工程的绿化措施包括种树、种灌及种草,对应的目标土地覆盖类型为林地、灌木、草地,土地覆盖类型分布图包括年度土地覆盖立方体据(每一年的土地覆盖类型分布图)及每年的日度土地覆盖立方体(每一日的土地覆盖类型分布图)。生态工程全类型绿化措施的监控方法包括:
(1)获取生态工程实施区域图910、年度土地覆盖立方体921及日度土地覆盖立方体922。
(2)对生态工程实施区域图910进行地理配准及矢量化处理,得到生态工程实施区域矢量图930,P1、P2及P3分别表示不同的生态工程。
(3)对年度土地覆盖立方体921及日度土地覆盖立方体922分别进行时序一致性检验,并对检验后的年度土地覆盖立方体921进行多值化处理,对检验后的日度土地覆盖立方体922进行二值化处理。
具体的,将年度土地覆盖立方体921中每一年度土地覆盖类型分布图中的林地、草地、灌木类型的像元分别标记为1、2、3,除林地、草地、灌木外的其他像元标记为0。将日度土地覆盖立方体922中每一日度土地覆盖类型分布图中目标土地覆盖类型的像元标记为1,除目标土地覆盖类型外的其他像元标记为0。
(4)对数值化后的年度土地覆盖类型分布图进行分块处理,得到各年度的多个子分块,利用图4、图5所示方法确定差异位置、差异年份及绿化措施,根据差异位置、差异年份及绿化措施确定生态工程全类型绿化措施、绿化区域、实施年份。根据生态工程全类型绿化措施、绿化区域、实施年份绘制第一绿化措施矢量图941。
(5)根据数值化后的日度土地覆盖类型分布图进行分块处理,得到各日的多个子分块,利用图7所示方法确定差异位置的详细实施时间(即月、日),并在第一绿化措施矢量图941的基础上增加实施时间,得到第二绿化措施矢量图942。
(6)叠加第二绿化措施矢量图942及生态工程实施区域矢量图930,得到生态工程实施信息的空间分布图950。
本文一实施例中,还提供一种计算机设备,如图10所示,计算机设备1002可以包括一个或多个处理器1004,诸如一个或多个中央处理单元(CPU),每个处理单元可以实现一个或多个硬件线程。计算机设备1002还可以包括任何存储器1006,其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的,比如,存储器1006可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储器都可以使用任何技术来存储信息。进一步地,任何存储器可以提供信息的易失性或非易失性保留。进一步地,任何存储器可以表示计算机设备1002的固定或可移除部件。在一种情况下,当处理器1004执行被存储在任何存储器或存储器的组合中的相关联的指令时,计算机设备1002可以执行相关联指令的任一操作。计算机设备1002还包括用于与任何存储器交互的一个或多个驱动机构1008,诸如硬盘驱动机构、光盘驱动机构等。
计算机设备1002还可以包括输入/输出模块1010(I/O),其用于接收各种输入(经由输入设备1012)和用于提供各种输出(经由输出设备1014)。一个具体输出机构可以包括呈现设备1016和相关联的图形用户接口1018(GUI)。在其他实施例中,还可以不包括输入/输出模块1010(I/O)、输入设备1012以及输出设备1014,仅作为网络中的一台计算机设备。计算机设备1002还可以包括一个或多个网络接口1020,其用于经由一个或多个通信链路1022与其他设备交换数据。一个或多个通信总线1024将上文所描述的部件耦合在一起。
通信链路1022可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信链路1022可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
本文实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法的步骤。
本文实施例还提供一种计算机可读指令,其中当处理器执行所述指令时,其中的程序使得处理器执行前述任一实施例的方法。
应理解,在本文的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本文实施例的实施过程构成任何限定。
还应理解,在本文实施例中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本文的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本文所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本文实施例方案的目的。
另外,在本文各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本文的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本文中应用了具体实施例对本文的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本文的方法及其核心思想;同时,对于本领域的一般技术人员,依据本文的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本文的限制。

Claims (11)

1.一种生态工程全类型绿化措施的监控方法,其特征在于,运行于云处理平台,所述方法包括:
获取目标领域内生态工程实施区域矢量图及土地覆盖类型分布图,其中,土地覆盖类型分布图包括:年度土地覆盖类型分布图及日度土地覆盖类型分布图;
识别所述年度土地覆盖类型分布图,得到生态工程的全类型绿化措施及其绿化区域和实施年份;
识别所述实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间;
将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图;
其中,识别所述年度土地覆盖类型分布图,得到生态工程的全类型绿化措施及其绿化区域和实施年份,包括:
对年度土地覆盖类型分布图进行多值化处理,得到包含各目标土地覆盖类型及其它土地覆盖类型的年度土地覆盖类型数值分布图,其中,目标土地覆盖类型为绿化措施实施后得到的土地覆盖类型;
识别所述年度土地覆盖类型数值分布图,确定差异位置、差异年份及其绿化措施;
将差异位置作为生态工程的绿化区域,判断同一差异位置是否存在多个差异年份;
若是,则根据该差异位置的不同差异年份的绿化措施确定绿化调优方案,将最后一差异年份的绿化措施及实施年份作为生态工程在该绿化区域的绿化措施及实施年份;
若否,则将差异年份的绿化措施及实施年份作为生态工程在该绿化区域的绿化措施及实施年份;
识别所述实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间,包括:
对所述实施年份内的日度土地覆盖类型分布图进行二值化处理,得到日度土地覆盖类型数值分布图,所述日度土地覆盖类型数值分布图中目标土地覆盖类型的像素值为第一数值,其它土地覆盖类型的像素值为第二数值,其中,目标土地覆盖类型为绿化措施实施后得到的土地覆盖类型;
识别所述日度土地覆盖类型数值分布图,确定出现差异的详细实施时间。
2.如权利要求1所述的方法,其特征在于,所述目标领域内生态工程实施区域矢量图及土地覆盖类型分布图确定过程包括:
从已公开的生态工程信息中,提取目标领域内生态工程实施区域图;
对所述目标领域内生态工程实施区域图进行地理配准及矢量化处理,得到目标领域内生态工程实施区域矢量图;
根据高时空分辨率采集的遥感分类数据,构建土地覆盖类型分布图。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
对所述土地覆盖类型分布图进行时序一致性检查,过滤或修正不符合时序一致性的土地覆盖类型分布图。
4.如权利要求1所述的方法,其特征在于,识别所述年度土地覆盖类型数值分布图,确定差异位置、差异年份及其绿化措施,包括:
按照目标领域的分块区域,对每一年份的土地覆盖类型数值分布图进行划分处理,得到各年份土地覆盖类型数值分布图的多个第一子图;
遍历分块区域,每遍历到一分块区域时计算该分块区域的首期年份及末期年份的第一子图的土地覆盖动态度;
若所述土地覆盖动态度大于或等于预定阈值,则逐像素比较该分块区域的第一子图,以识别得到差异位置、差异年份及其绿化措施;
若所述土地覆盖动态度小于预定阈值,则遍历下一分块区域,直至遍历完所有分块区域为止。
5.如权利要求4所述的方法,其特征在于,计算该分块区域的首期年份及末期年份的第一子图的土地覆盖动态度包括利用如下公式计算土地覆盖动态度:
Figure QLYQS_1
其中,LUD表示土地覆盖动态度,i表示目标土地覆盖类型标号,n表示目标土地覆盖类型的种类,other表示除了目标土地覆盖类型i外的其他土地覆盖类型,
Figure QLYQS_2
表示首期年份相较于末期年份中该分块区域中由土地覆盖类型other转变为目标土地覆盖类型i的面积, LC p 表示首期年份中该分块区域的第p种土地覆盖类型的面积,q为土地覆盖类型总数量。
6.如权利要求4所述的方法,其特征在于,逐像素比较该分块区域的第一子图,以识别得到差异位置、差异年份及其绿化措施,包括:
遍历该分块区域的每一像素,由该分块区域的第一子图在该像素的像素值组成待分析像素序列;
利用连续预定年的滑动窗口从待分析像素序列获取数据并组成数据组;
判断数据组中第一位数据是否表示其他土地覆盖类型,其余位数据是否表示相同的目标土地覆盖类型,若是,则将该像素设置为差异像素,将首次转变为目标土地覆盖类型的年份作为该差异像素的差异年份,将目标土地覆盖类型相关的绿化措施作为该差异像素的绿化措施;
滑动该滑动窗口,得到新的数据组并进行上述判断直至遍历完待分析像素序列。
7.如权利要求1所述的方法,其特征在于,识别所述日度土地覆盖类型数值分布图,确定出现差异的详细实施时间,包括:
按照目标领域的分块区域,对每一天的土地覆盖类型数值分布图进行划分处理,得到每天的土地覆盖类型数值分布图的多个第二子图;
遍历分块区域,计算该分块区域的第一天及最后一天的第二子图的土地覆盖动态度;
若所述土地覆盖动态度大于或等于预定阈值,则逐像素比较该分块区域的第二子图,以识别得到出现差异的详细实施时间;
若所述土地覆盖动态度小于预定阈值,则遍历下一分块区域,直至遍历完所有分块区域为止。
8.如权利要求1所述的方法,其特征在于,将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图,包括:
根据生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间,绘制绿化实施矢量图;
将所述绿化实施矢量图与所述生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图。
9.一种生态工程全类型绿化措施的监控装置,其特征在于,应用于云处理平台,所述装置包括:
信息收集单元,用于获取目标领域内生态工程实施区域矢量图及土地覆盖类型分布图,其中,土地覆盖类型分布图包括:年度土地覆盖类型分布图及日度土地覆盖类型分布图;
第一识别单元,用于识别所述年度土地覆盖类型分布图,得到生态工程全类型绿化措施及其绿化区域和实施年份;
第二识别单元,用于识别所述实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间;
叠加单元,用于将生态工程全类型绿化措施、绿化区域、实施年份及详细实施时间与生态工程实施区域矢量图进行叠置处理,得到目标领域内生态工程实施信息的空间分布图;
其中,识别所述年度土地覆盖类型分布图,得到生态工程的全类型绿化措施及其绿化区域和实施年份,包括:
对年度土地覆盖类型分布图进行多值化处理,得到包含各目标土地覆盖类型及其它土地覆盖类型的年度土地覆盖类型数值分布图,其中,目标土地覆盖类型为绿化措施实施后得到的土地覆盖类型;
识别所述年度土地覆盖类型数值分布图,确定差异位置、差异年份及其绿化措施;
将差异位置作为生态工程的绿化区域,判断同一差异位置是否存在多个差异年份;
若是,则根据该差异位置的不同差异年份的绿化措施确定绿化调优方案,将最后一差异年份的绿化措施及实施年份作为生态工程在该绿化区域的绿化措施及实施年份;
若否,则将差异年份的绿化措施及实施年份作为生态工程在该绿化区域的绿化措施及实施年份;
识别所述实施年份内的日度土地覆盖类型分布图,得到各类型绿化措施的详细实施时间,包括:
对所述实施年份内的日度土地覆盖类型分布图进行二值化处理,得到日度土地覆盖类型数值分布图,所述日度土地覆盖类型数值分布图中目标土地覆盖类型的像素值为第一数值,其它土地覆盖类型的像素值为第二数值,其中,目标土地覆盖类型为绿化措施实施后得到的土地覆盖类型;
识别所述日度土地覆盖类型数值分布图,确定出现差异的详细实施时间。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8任意一项所述方法。
11.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被计算机设备的处理器执行时实现权利要求1至8任意一项所述方法。
CN202310298839.7A 2023-03-24 2023-03-24 一种生态工程全类型绿化措施的监控方法及装置 Active CN115995044B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310298839.7A CN115995044B (zh) 2023-03-24 2023-03-24 一种生态工程全类型绿化措施的监控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310298839.7A CN115995044B (zh) 2023-03-24 2023-03-24 一种生态工程全类型绿化措施的监控方法及装置

Publications (2)

Publication Number Publication Date
CN115995044A CN115995044A (zh) 2023-04-21
CN115995044B true CN115995044B (zh) 2023-06-06

Family

ID=85992498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310298839.7A Active CN115995044B (zh) 2023-03-24 2023-03-24 一种生态工程全类型绿化措施的监控方法及装置

Country Status (1)

Country Link
CN (1) CN115995044B (zh)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9582932B2 (en) * 2012-06-05 2017-02-28 Apple Inc. Identifying and parameterizing roof types in map data
CN106548017B (zh) * 2016-10-25 2019-01-22 中国科学院地理科学与资源研究所 一种基于lu数据和ndvi数据的生态建设数据处理方法
CN109299298A (zh) * 2018-09-19 2019-02-01 北京悦图遥感科技发展有限公司 多尺度影像模型的构建方法、装置、应用方法及系统
CN109460428A (zh) * 2018-11-12 2019-03-12 百度在线网络技术(北京)有限公司 时空分析方法、装置和存储介质
CN112069200A (zh) * 2020-08-31 2020-12-11 武汉大学 一种面向高维时空大数据的多细节层次可视化方法
US20220392215A1 (en) * 2021-05-28 2022-12-08 The Board Of Regents Of The University Of Oklahoma System and Method for Mapping Land Cover Types with Landsat, Sentinel-1, and Sentinel-2 Images
CN115391565A (zh) * 2022-09-05 2022-11-25 国家基础地理信息中心 一种地表覆盖时空变化的知识图谱构建方法、装置及设备
CN115222296B (zh) * 2022-09-15 2022-12-30 中国科学院、水利部成都山地灾害与环境研究所 一种山地绿色覆盖指数动态变化遥感监测方法和系统
CN115496146A (zh) * 2022-09-21 2022-12-20 中山大学 城市生态修复优先顺序识别方法、装置及电子设备
CN115512240A (zh) * 2022-10-20 2022-12-23 苏州中科天启遥感科技有限公司 一种生态系统遥感制图方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN115995044A (zh) 2023-04-21

Similar Documents

Publication Publication Date Title
US10824861B2 (en) System and method using image based machine learning process for earth observation and analysis
Brown et al. Classifying multiyear agricultural land use data from Mato Grosso using time-series MODIS vegetation index data
Estel et al. Mapping farmland abandonment and recultivation across Europe using MODIS NDVI time series
dos Reis et al. Spatial prediction of basal area and volume in Eucalyptus stands using Landsat TM data: an assessment of prediction methods
CN110163303B (zh) 一种基于格网的遥感影像并行分类方法及系统
Kocur-Bera Data compatibility between the Land and Building Cadaster (LBC) and the Land Parcel Identification System (LPIS) in the context of area-based payments: A case study in the Polish Region of Warmia and Mazury
Saing et al. Land use balance determination using satellite imagery and geographic information system: case study in South Sulawesi Province, Indonesia
Wästfelt et al. Local spatial context measurements used to explore the relationship between land cover and land use functions
Mika et al. Study of the effects of applying a new algorithm for the comprehensive programming of the hierarchization of land consolidation and exchange works in Poland
Le et al. Deep learning model development for detecting coffee tree changes based on Sentinel-2 imagery in Vietnam
CN115995044B (zh) 一种生态工程全类型绿化措施的监控方法及装置
Li Monitoring and analysis of urban growth process using Remote Sensing, GIS and Cellular Automata modeling: A case study of Xuzhou city, China
Albuquerque et al. Remotely piloted aircraft imagery for automatic tree counting in forest restoration areas: a case study in the Amazon
Sangeetha et al. Effect of urbanization through land coverage classification
CN115830464A (zh) 基于多源数据的高原山地农业大棚自动提取方法
CN115131616A (zh) 土地利用类型的分类方法、装置、设备及存储介质
Biarnès et al. Identifying indicators of the spatial variation of agricultural practices by a tree partitioning method: The case of weed control practices in a vine growing catchment
Knapp‐Wilson et al. Three‐dimensional phenotyping of peach tree‐crown architecture utilizing terrestrial laser scanning
Bueno et al. Mapping integrated crop-livestock systems in Brazil with planetscope time series and deep learning
Vasylieva Application of Markowitz Portfolio Theory to Producing the World Major Field Crops
Álvarez Monitoring Land Cover Changes using Landsat Data and Maximum Likelihood Classification: A Case Study of Hanoi, Vietnam
Raab et al. Characterising cropland fragmentation in post-Soviet Central Asia, using Landsat remote-sensing time series data
CN114743112B (zh) 基于大数据的制种玉米田识别方法、装置及电子设备
CN113011294B (zh) 基于遥感影像识别圆形喷灌地的方法、计算机设备和介质
Şahin et al. Investigation of Land Use Change and Urban Sprawl Around Mersin City Hospital

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