CN116107966B - 连续夜光遥感数据异常判别及插补方法 - Google Patents
连续夜光遥感数据异常判别及插补方法 Download PDFInfo
- Publication number
- CN116107966B CN116107966B CN202310395747.0A CN202310395747A CN116107966B CN 116107966 B CN116107966 B CN 116107966B CN 202310395747 A CN202310395747 A CN 202310395747A CN 116107966 B CN116107966 B CN 116107966B
- Authority
- CN
- China
- Prior art keywords
- date
- file
- remote sensing
- sensing data
- table file
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 14
- 101100001669 Emericella variicolor andD gene Proteins 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 238000000926 separation method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 101150020318 isdI gene Proteins 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/116—Details of conversion of file system types or formats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/162—Delete operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Complex Calculations (AREA)
- Image Processing (AREA)
Abstract
本发明提供连续夜光遥感数据异常判别及插补方法，包括获取连续的夜光遥感数据，还包括以下步骤：将日期连续的每幅夜光遥感数据转换为表格文件；计算每个表格文件与相邻日期的2N个表格文件平均值的相关系数；利用多步循环，每次都删除相关系数最小的表格文件，然后重新计算剩余表格文件的相关系数，直到所有相关系数均大于设定阈值；使用筛选出的合格的文件，插值得到删除日期对应的表格文件；将插值得到的表格文件按照行列对应关系转换成夜光遥感影像。本发明利用每日夜光遥感数据的全部像元值与相邻日期夜光遥感数据的亮度值的相关性剔除异常数据；利用最近日期的正常数据，逐像元进行插值，从而获取逐日连续的夜光遥感数据。
Description
技术领域
本发明涉及降水监测的技术领域，特别是连续夜光遥感数据异常判别及插补方法。
背景技术
随着社会经济的发展，夜间照明设施逐渐普及。夜晚灯光的强弱，直接彰显了人类活动区域的发达程度，夜光卫星就是利用遥感技术从太空观测夜间地球的灯光，通过传感器获取夜间无云条件下地表发射的可见光-近红外电磁波信息而形成的灰度影像。夜光卫星最早起源于上世纪70年代美国军事气象卫星计划，近几年，夜间灯光卫星遥感受到越来越多的关注，广泛应用于城市扩张、人口分布、社会经济指标提取、生态环境评估、光污染监测、突发事件监测等。目前在全球应用最为广泛、序列最长的夜间卫星数据为VIIRS/DNB（Visible Infrared Imaging Radiometer SuiteDay/Night Band），是NASA和NOAA根据SNPP(Suomi National PolarPartnership)卫星上的可见红外辐射套件(VisibleInfrared Imaging Radiometer Suite (VIIRS)) 的昼夜波段 (Day/Night Band(DNB)) 收集的全球夜间灯光数据，该卫星于2011年发射成功，VIIRS/DNB的空间分辨率在500米左右。
VIIRS/DNB数据集，免费提供了2012年4月1日以来的逐日数据。逐日夜光遥感数据由于受云层、月光、雾霾、不稳定光源等因素的影响，会导致当日数据缺失或出现异常。在实际应用中进行夜光变化分析时，需要连续的逐日夜光遥感数据，因此需要从大量夜光遥感数据中自动删除异常数据，并对删除日期的夜光遥感数据进行插值。
2011年第5期《测绘通报》上公开了江振治、胡海彦、王刃和陈虹的题目为《各类卫星遥感影像间插补漏洞方法研究》的文章，该文章提出为填补某类卫星摄影覆盖区内建立控制网的局部漏洞,以该类卫星影像上已知的像点坐标为控制,先利用另一类卫星影像插补待求点在该类卫星影像中的像点坐标,再利用插补后影像数据进行构网平差。在平原地区计算过程使用9种变换公式,山区使用4种效果较好的变换公式,综合评价平面和高程精度,以选用二三次混合多项式的效果最佳。该方法的缺点是仅对影像漏洞进行插值，未考虑影像未形成漏洞但数值异常或错误的情况，二是未涉及连续多期影像的插补方法。
申请号为CN111292254A的发明专利申请公开了一种遥感影像中数据异常的确定方法、装置、设备及介质，所述方法包括：将待检测的遥感图像进行矩阵格式处理，得到图像信息；根据所述图像信息中的波段信息，绘制散点图，并计算所述散点图的平均值和标准差；采用预先设置的N个特定倍数对所述标准差进行计算，得到N个比较阈值；根据所述平均值和所述N个比较阈值，确定所述遥感图像是否存在数据异常。该方法的缺点是仅利用单幅影像的像元特征对单幅影像的噪声进行判别和去除，无法对连续的多期影像进行异常判别，而且采用确定阈值的判别方法可能会导致噪声的误判。
发明内容
为了解决上述的技术问题，本发明提出的连续夜光遥感数据异常判别及插补方法，将逐日夜光遥感数据转换为表格文件，利用每日夜光遥感数据的全部像元值与相邻日期夜光遥感数据的亮度值的相关性剔除异常数据；利用最近日期的正常数据，逐像元进行插值，获取每个像元的正常值，从而获取逐日连续的夜光遥感数据。
本发明的目的是提供连续夜光遥感数据异常判别及插补方法，包括获取连续的夜光遥感数据，还包括以下步骤：
步骤1：将日期连续的每幅夜光遥感数据转换为表格文件；
步骤2：计算每个表格文件与相邻日期的2N个表格文件平均值的相关系数；
步骤3：利用多步循环，每次都删除相关系数最小的表格文件，然后重新计算剩余表格文件的相关系数，直到所有相关系数均大于设定阈值；
步骤4：使用筛选出的合格的文件，插值得到删除日期对应的表格文件；
步骤5：将步骤4得到的表格文件按照行列对应关系转换成夜光遥感影像文件。
优选的是，第p行第q列的影像像元值来自表格中第p*q行的数据。
在上述任一方案中优选的是，所述步骤2包括以下子步骤：
步骤21：选择每个表格文件对应日期的前后各N日，共2N日的表格文件；
步骤22：计算日期为d的表格文件的相邻2N日的像元平均值；
步骤23：计算每个表格文件与相邻2N日均值的相关系数。
在上述任一方案中优选的是，日期为d的表格文件的相邻2N日的像元平均值计算结果中第i行的值的计算公式为：
其中，A d,i 表示日期为d的表格文件的相邻2N日的像元平均值计算结果中第i行的值，v d-n,i 表示第d-n日的表格文件中第i行的值，v d+n,i 表示第d+n日的表格文件中第i行的值，1≤n≤N。
在上述任一方案中优选的是，日期为d的相关系数r d 的计算公式为
其中，m表示表格文件的行数，v d,i 表示日期为d的表格文件第i行的值，
表示日期为d的所有行的平均值，/>
表示相邻2N日表格文件平均值中所有行的平均值。
在上述任一方案中优选的是，所述步骤3还包括每次删除相关系数最小的表格文件之后，选择相邻表格时，跳过删除文件对应的日期，直到找到日期最近的2N个表格文件。
在上述任一方案中优选的是，所述插值公式为
其中，v D,i 表示日期为D的待插值表格第i行的值，D 1表示日期D之前离D最近的合格文件的日期，D 2表示日期D之后离D最近的合格文件的日期，v D1,i 表示日期为D 1的表格文件中第i行的值；v D2,i 表示日期为D 2的表格文件中第i行的值，D－D 1和D 2－D 1表示的是相差的天数。
本发明提出了连续夜光遥感数据异常判别及插补方法，可以从多期连续的逐日夜光遥感数据中自动剔除掉异常数据，并对剔除掉日期的夜光遥感数据进行插值，从而形成日期连续的逐日夜光遥感数据。
附图说明
图1为按照本发明的连续夜光遥感数据异常判别及插补方法的一优选实施例的流程图。
图2为按照本发明的连续夜光遥感数据异常判别及插补方法的另一优选实施例的流程图。
图3为按照本发明的连续夜光遥感数据异常判别及插补方法的部分影像原始效果的一实施例的示意图。
图4为按照本发明的连续夜光遥感数据异常判别及插补方法的夜光遥感数据插值前后对比的一实施例的示意图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
如图1所示，连续夜光遥感数据异常判别及插补方法，执行步骤100，获取连续的夜光遥感数据。
执行步骤110，将日期连续的每幅夜光遥感数据转换为表格文件。
第1行第1列的影像像元值为表格中第1行的数据，第1行第2列的影像像元值为表格中第2行的数据，以此类推，第p行第q列的影像像元值为表格中第p*q行的数据。
执行步骤120，计算每个表格文件与相邻日期的2N个表格文件平均值的相关系数（在本实施例中，N =5），包括以下子步骤：
执行步骤121，选择每个表格文件对应日期的前后各5日，共10日的表格文件。
执行步骤122，计算日期为d的表格文件的相邻10日的像元平均值。日期为d的表格文件的相邻10日的像元平均值计算结果中第i行的值的计算公式为：
其中，A d,i 表示日期为d的表格文件的相邻10日的像元平均值计算结果中第i行的值值，v d-n,i 表示第d-n日的表格文件中第i行的值，v d+n,i 表示第d+n日的表格文件中第i行的值，1≤n≤5。
执行步骤123，计算每个表格文件与相邻10日均值的相关系数。日期为d的相关系数r d 的计算公式为
其中，m表示表格文件的行数，v d,i 表示日期为d的表格文件第i行的值，
表示日期为d的所有行的平均值，/>
表示相邻10日表格文件平均值中所有行的平均值。
执行步骤130，利用多步循环，每次都删除相关系数最小的表格文件，然后重新计算剩余表格文件的相关系数，直到所有相关系数均大于设定阈值。每次删除相关系数最小的表格文件之后，选择相邻表格时，跳过删除文件对应的日期，直到找到日期最近的10个表格文件。
执行步骤140，使用筛选出的合格的文件，利用日期最近原则，插值得到删除日期对应的表格文件。所述插值公式为
其中，v D,i 表示日期为D的待插值表格第i行的值，D 1表示日期D之前离D最近的合格文件的日期，D 2表示日期D之后离D最近的合格文件的日期，v D1,i 表示日期为D 1的表格文件中第i行的值；v D2,i 表示日期为D 2的表格文件中第i行的值，D－D 1和D 2－D 1表示的是相差的天数。
执行步骤150，将步骤140得到的表格文件按照行列对应关系转换成夜光遥感影像文件。
实施例二
本发明设计了一种逐日夜光遥感数据中异常数据的识别以及插值方法，可获取连续的逐日夜光遥感数据。
（1）将逐日夜光遥感数据转换为表格文件，利用每日夜光遥感数据的全部像元值与相邻日期夜光遥感数据的亮度值的相关性剔除异常数据；
（2）利用最近日期的正常数据，逐像元进行插值，获取每个像元的正常值，从而获取逐日连续的夜光遥感数据。
本发明提出一种日期连续的夜光遥感数据异常判别及插补方法，计算流程如图2所示。
第1步，将日期连续的每幅夜光遥感数据转换为表格文件。
第1行第1列的影像像元值为表格中第1行的数据，第1行第2列的影像像元值为表格中第2行的数据，以此类推，第p行第q列的影像像元值为表格中第p*q行的数据。
第2步，计算每个表格文件与相邻日期的表格文件平均值的相关系数。
首先，选择每个表格文件对应日期的前后各5日，共10日的表格文件；
然后，计算日期为d的表格文件的相邻10日的像元平均值，公式如下，
式中，A d,i 表示日期为d的表格文件的相邻10日的像元平均值计算结果中第i行的值，v d-n,i 表示第d-n日的表格文件中第i行的值，v d+n,i 表示第d+n日的表格文件中第i行的值。
最后，计算每个表格文件与相邻10日均值的相关系数。日期为d的相关系数r d 的计算公式如下：
其中，
，/>
，
式中，n表示表格文件的行数，v d,i 表示日期为d的表格文件第i行的值，A d,i 表示相邻10日的表格文件第i行的平均值，
表示日期为d的所有行的平均值，/>
表示相邻10日表格文件平均值中所有行的平均值。
第3步，利用多步循环，每次都删除相关系数最小的表格文件，然后重新计算剩余表格文件的相关系数，直到所有相关系数均大于0.85。其中，删除某些文件之后，选择相邻表格时，跳过删除文件对应的日期，直到找到日期最近的10个表格文件。
第4步，利用筛选出的合格的文件，利用日期最近原则，插值得到删除日期对应的表格文件。插值公式如下：
式中，v D,i 表示日期为D的待插值表格第i行的值，D 1表示日期D之前离D最近的合格文件的日期，D 2表示日期D之后离D最近的合格文件的日期，v D1,i 表示日期为D 1的表格文件中第i行的值；v D2,i 表示日期为D 2的表格文件中第i行的值。
第5步，将表格文件按照行列对应关系转换为夜光遥感影像文件。
实施例三
选择覆盖北京市主城区的2021年1月1日到2021年12月30日（农历日期）的354幅VIIRS/DNB夜光遥感数据，作为处理实例。
（1）部分影像原始效果（1月1日到1月15日）如图3所示。
（2）夜光遥感数据为130行、174列，共计22620个像元。以1月1日影像为例，提取为表格文件格式如表1所示。
表1 以1月1日为例提取的表格文件
（3）按照第3步计算所有表格文件的相关系数，并按照第4步循环处理，最终经过180步，循环结束。循环结果见表2所示（只列出第1到15个文件的部分计算结果）。共删除181个不合格表格文件，剩余173个合格的表格文件。
表2 循环结果
（4）按照第5步的方法，插值得到所有被删除的表格文件，并转换为影像文件，其中1月2日、1月3日、1月9日、1月11日夜光遥感数据插值前后对比如图4所示，可看出插值后的数据更为合理。
为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
Claims (4)
1.连续夜光遥感数据异常判别及插补方法，包括获取连续的夜光遥感数据，还包括以下步骤：
步骤1：将日期连续的每幅夜光遥感数据转换为表格文件；
步骤2：计算每个表格文件与相邻日期的2N个表格文件平均值的相关系数，包括以下子步骤：
步骤21：选择每个表格文件对应日期的前后各N日，共2N日的表格文件；
步骤22：计算日期为d的表格文件的相邻2N日的像元平均值；日期为d的表格文件的相邻2N日的像元平均值计算结果中第i行的值的计算公式为：
其中，A d,i 表示日期为d的表格文件的相邻2N日的像元平均值计算结果中第i行的值，v d-n,i 表示第d-n日的表格文件中第i行的值，v d+n,i 表示第d+n日的表格文件中第i行的值，1≤n≤N；
步骤23：计算每个表格文件与相邻2N日均值的相关系数；日期为d的相关系数r d 的计算公式为
其中，m表示表格文件的行数，v d,i 表示日期为d的表格文件第i行的值，
表示日期为d的所有行的平均值，/>
表示相邻N日表格文件平均值中所有行的平均值；
步骤3：利用多步循环，每次都删除相关系数最小的表格文件，然后重新计算剩余表格文件的相关系数，直到所有相关系数均大于设定阈值；
步骤4：使用筛选出的合格的文件，插值得到删除日期对应的表格文件；
步骤5：将步骤4得到的表格文件按照行列对应关系转换成夜光遥感影像文件。
2.如权利要求1所述的连续夜光遥感数据异常判别及插补方法，其特征在于，第p行第q列的影像像元值来自表格中第p*q行的数据。
3.如权利要求2所述的连续夜光遥感数据异常判别及插补方法，其特征在于，所述步骤3还包括每次删除相关系数最小的表格文件之后，选择相邻表格时，跳过删除文件对应的日期，直到找到日期最近的2N个表格文件。
4.如权利要求3所述的连续夜光遥感数据异常判别及插补方法，其特征在于，所述插值公式为
其中，v D,i 表示日期为D的待插值表格第i行的值，D 1表示日期D之前离D最近的合格文件的日期，D 2表示日期D之后离D最近的合格文件的日期，v D1,i 表示日期为D 1的表格文件中第i行的值；v D2,i 表示日期为D 2的表格文件中第i行的值，D－D 1和D 2－D 1表示的是相差的天数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310395747.0A CN116107966B (zh) | 2023-04-14 | 2023-04-14 | 连续夜光遥感数据异常判别及插补方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310395747.0A CN116107966B (zh) | 2023-04-14 | 2023-04-14 | 连续夜光遥感数据异常判别及插补方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116107966A CN116107966A (zh) | 2023-05-12 |
| CN116107966B true CN116107966B (zh) | 2023-06-27 |
Family
ID=86265939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310395747.0A Active CN116107966B (zh) | 2023-04-14 | 2023-04-14 | 连续夜光遥感数据异常判别及插补方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116107966B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101693705B1 (ko) * | 2015-08-31 | 2017-01-18 | 건국대학교 산학협력단 | 다중 회귀식에 의한 중해상도 모의 위성 영상 제작 방법 및 시스템 |
| CN113570528A (zh) * | 2020-10-15 | 2021-10-29 | 北京四象爱数科技有限公司 | 一种夜光遥感月度影像合成方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9131644B2 (en) * | 2014-08-19 | 2015-09-15 | Iteris, Inc. | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery |
| CN113033277A (zh) * | 2020-12-02 | 2021-06-25 | 湖南科技大学 | 基于夜光遥感数据的国家经济估算方法和装置 |
| CN114998113A (zh) * | 2022-04-22 | 2022-09-02 | 北京四象爱数科技有限公司 | 一种基于夜光遥感的城市建筑群运行状态监测方法 |
| CN115063291A (zh) * | 2022-04-29 | 2022-09-16 | 长沙银汉空间科技有限公司 | 一种遥感影像的全自动几何精校正方法 |
| CN115909080A (zh) * | 2022-08-19 | 2023-04-04 | 东华理工大学 | 一种基于土地利用数据的多源夜光遥感影像整合方法 |
-
2023
- 2023-04-14 CN CN202310395747.0A patent/CN116107966B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101693705B1 (ko) * | 2015-08-31 | 2017-01-18 | 건국대학교 산학협력단 | 다중 회귀식에 의한 중해상도 모의 위성 영상 제작 방법 및 시스템 |
| CN113570528A (zh) * | 2020-10-15 | 2021-10-29 | 北京四象爱数科技有限公司 | 一种夜光遥感月度影像合成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116107966A (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Funk et al. | A high-resolution 1983–2016 T max climate data record based on infrared temperatures and stations by the Climate Hazard Center | |
| Yin et al. | Forest cover mapping in post-Soviet Central Asia using multi-resolution remote sensing imagery | |
| Weng | Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling | |
| Mertes et al. | Using structure‐from‐motion to create glacier DEMs and orthoimagery from historical terrestrial and oblique aerial imagery | |
| Andréfouët et al. | Global assessment of modern coral reef extent and diversity for regional science and management applications: a view from space | |
| Tarawally et al. | Land use/land cover change evaluation using land change modeller: A comparative analysis between two main cities in Sierra Leone | |
| Hao et al. | Accuracy assessment of four cloud-free snow cover products over the Qinghai-Tibetan Plateau | |
| White et al. | Accuracy assessment of the vegetation continuous field tree cover product using 3954 ground plots in the south‐western USA | |
| Nielsen-Englyst et al. | A combined sea and sea-ice surface temperature climate dataset of the Arctic, 1982–2021 | |
| CN107576399B (zh) | 面向modis林火探测的亮温预测方法和系统 | |
| Dech et al. | Potential and challenges of harmonizing 40 years of AVHRR data: The TIMELINE experience | |
| Hu et al. | Correcting the saturation effect in dmsp/ols stable nighttime light products based on radiance-calibrated data | |
| Tian et al. | Impacts of satellite revisit frequency on spring phenology monitoring of deciduous broad-leaved forests based on vegetation index time series | |
| Trishchenko et al. | Variations of annual minimum snow and ice extent over Canada and neighboring landmass derived from MODIS 250-m imagery for 2000–2014 | |
| Cai et al. | Consistency Assessments of the land cover products on the Tibetan Plateau | |
| CN116107966B (zh) | 连续夜光遥感数据异常判别及插补方法 | |
| Fitzgerald et al. | Rephotography, permanent plots and remote sensing data provide varying insights on vegetation change on subantarctic Macquarie Island, 1980–2015 | |
| Zhu et al. | Comparison and evaluation of multiple satellite aerosol products over China in different scenarios under a unified criterion: Preparation for consistent and high-quality dataset construction | |
| Liang et al. | Global 500 m seamless dataset (2000–2022) of land surface reflectance generated from MODIS products | |
| Luo et al. | Response Patterns of Vegetation Phenology along Urban‐Rural Gradients in Urban Areas of Different Sizes | |
| Felicísimo Pérez et al. | A method of downscaling temperature maps based on analytical hillshading for use in species distribution modelling | |
| Luo et al. | Improved Spring Vegetation Phenology Calculation Method Using a Coupled Model and Anomalous Point Detection | |
| Wilson et al. | Spatial variability of the atmosphere over southern England, and its effect on scene-based atmospheric corrections | |
| Yang et al. | Assessing FY-3D MERSI-Ⅱ Observations for Vegetation Dynamics Monitoring: A Performance Test of Land Surface Reflectance | |
| Chakraborty et al. | Impact of urban expansion on continental-to regional-scale warming |
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 |