CN116399820A - 植被遥感产品真实性校验方法、装置、设备及介质 - Google Patents
植被遥感产品真实性校验方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116399820A CN116399820A CN202310667373.3A CN202310667373A CN116399820A CN 116399820 A CN116399820 A CN 116399820A CN 202310667373 A CN202310667373 A CN 202310667373A CN 116399820 A CN116399820 A CN 116399820A
- Authority
- CN
- China
- Prior art keywords
- target
- test area
- remote sensing
- vegetation
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012360 testing method Methods 0.000 claims abstract description 218
- 238000005070 sampling Methods 0.000 claims abstract description 157
- 238000012795 verification Methods 0.000 claims abstract description 75
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 18
- 238000007689 inspection Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- 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
Abstract
本发明提供一种植被遥感产品真实性校验方法、装置、设备及介质,涉及遥感技术领域,该方法包括:基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域;基于目标图像传感器的镜头视场角和测试区域内植被的高度,在测试区域内确定多个采样点;利用目标图像传感器,获取每一采样点的图像数据之后,基于各采样点的图像数据,获取地面测量值;基于地面测量值获取待校验植被遥感产品的真实性校验结果。本发明提供的植被遥感产品真实性校验方法、装置、设备及介质,能在测试区域内确定多个更具有空间代表性且能更准确、更客观地体现测试区域的植被特征的采样点,能对待校验植被遥感产品进行更准确地真实性校验。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种植被遥感产品真实性校验方法、装置、设备及介质。
背景技术
随着卫星遥感技术的发展,基于卫星传感器采集的卫星遥感影像,可以获取植被覆盖度、植被指数等植被遥感产品,可以为资源环境监测、可持续发展提供数据支撑。
遥感产品的真实性校验是评价遥感产品质量的重要途径。
现有技术中,通常基于技术人员的主观经验在测试区域中确定多个采样点之后,利用设置于地面的图像传感器获取上述每一采样点的图像数据,进而基于上述每一采样点的图像数据获得相对真值,用于遥感产品的真实性校验。
但是,由于测试区域内的植被生长情况通常较为复杂,导致基于技术人员的主观经验在测试区域中确定的采样点往往难以准确、客观地体现测试区域的植被特征。在上述采样点的图像数据难以准确、客观地体现测试区域的植被特征的情况下,基于上述采样点的图像数据获得的相对真值进行植被遥感产品真实性校验的准确率不高。
发明内容
本发明提供一种植被遥感产品真实性校验方法、装置、设备及介质,用以解决现有技术中植被遥感产品真实性校验的准确率不高的缺陷,实现提高植被遥感产品真实性校验的准确率。
本发明提供一种植被遥感产品真实性校验方法,包括:
基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,所述待校验植被遥感产品是基于所述目标卫星传感器获得的;
基于目标图像传感器的镜头视场角和所述测试区域内植被的高度,在所述测试区域内确定多个采样点;
利用所述目标图像传感器,获取每一所述采样点的图像数据之后,基于各所述采样点的图像数据,获取所述待校验植被遥感产品对应的地面测量值;
基于所述地面测量值对所述待校验植被遥感产品进行真实性校验,获取所述待校验植被遥感产品的真实性校验结果
根据本发明提供的一种植被遥感产品真实性校验方法,各所述采样点是基于如下步骤获取的:
获取所述目标图像传感器的镜头视场角和所述测试区域内植被的高度;
基于所述目标图像传感器的镜头视场角和所述测试区域内植被的高度,获取所述目标图像传感器在所述测试区域内的目标视野半径;
基于所述目标视野半径,在所述测试区域内确定各所述采样点。
根据本发明提供的一种植被遥感产品真实性校验方法,所述基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,包括:
确定所述待校验植被遥感产品对应的目标区域,所述目标区域为方形且所述目标区域的边长为所述目标卫星传感器的空间分辨率;
对于所述目标区域的每一边界,沿所述每一边界的法线方向,向远离所述目标区域几何中心点的方向将所述每一边界平移所述空间分辨率;
将平移后的所述每一边界构成的区域确定为所述测试区域。
根据本发明提供的一种植被遥感产品真实性校验方法,所述基于所述目标视野半径,在所述测试区域内确定各所述采样点,包括:
在满足任意两个目标圆形区域不出现重叠的条件下,用所述目标圆形区域完全填充所述测试区域,所述目标圆形区域的半径为所述目标视野半径;
将所述测试区域中每一目标圆形区域的圆心,确定为一个所述采样点。
根据本发明提供的一种植被遥感产品真实性校验方法,所述基于所述目标视野半径,在所述测试区域内确定各所述采样点,包括:
将所述测试区域的四个顶点确定为四个所述采样点,将所述测试区域每条边的中点,确定为一个所述采样点;
将所述测试区域均匀划分为9个方形区域,将位于中心方形区域的对角线延长线上,且与所述中心方形区域的顶点之间的距离为第一目标距离的点,确定为所述采样点,所述中心方形区域为位于所述测试区域中心的方形区域,所述第一目标距离为所述目标视野半径与的乘积。
根据本发明提供的一种植被遥感产品真实性校验方法,所述基于所述目标视野半径,在所述测试区域内确定各所述采样点,包括:
将所述测试区域的几何中心点确定为一个所述采样点之后,从所述几何中心点出发,在所述测试区域的第一中轴线上和第二中轴线上每间隔第二目标距离,确定一个所述采样点;
其中,所述第一中轴线和所述第二中轴线在所述测试区域的几何中心点相交,且所述第一中轴线与所述第二中轴线相互垂直;所述第二目标距离基于所述目标视野半径确定,且所述第二目标距离不小于所述目标视野半径的2倍。
根据本发明提供的一种植被遥感产品真实性校验方法,所述基于所述目标视野半径,在所述测试区域内确定各所述采样点,包括:
对于所述测试区域的每一边界,沿所述每一边界的法线方向,向靠近所述测试区域几何中心点的方向将所述每一边界平移预设距离;
将平移后的所述每一边界构成的区域确定为采样区域;
将所述采样区域均匀划分为4个方形区域;
将所述采样区域的几何中心点确定为一个所述采样点,将所述方形区域的目标对角线的中点确定为一个所述采样点,从所述目标对角线的中点出发,在所述目标对角线上每隔第三目标距离,确定一个所述采样点;
其中,所述目标对角线为所述方形区域中顶点不包括所述采样区域的几何中心点的对角线。
本发明还提供一种植被遥感产品真实性校验装置,包括:
测试区域确定模块,用于基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,所述待校验植被遥感产品是基于所述目标卫星传感器获得的;
采样点确定模块,用于基于目标图像传感器的镜头视场角和所述测试区域内植被的高度,在所述测试区域内确定多个采样点;
地面测量值获取模块,用于利用所述目标图像传感器,获取每一所述采样点的图像数据之后,基于各所述采样点的图像数据,获取所述待校验植被遥感产品对应的地面测量值;
真实性校验模块,用于基于所述地面测量值对所述待校验植被遥感产品进行真实性校验,获取所述待校验植被遥感产品的真实性校验结果。
本发明还提供一种电子设备,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程序时实现如上述任一种所述植被遥感产品真实性校验方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述植被遥感产品真实性校验方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述植被遥感产品真实性校验方法。
本发明提供的植被遥感产品真实性校验方法、装置、设备及介质,通过基于目标卫星传感器的空间分辨率和待校验植被产品确定测试区域之后,能基于目标图像传感器的镜头视场角和测试区域内植被的高度,在测试区域内确定多个更具有空间代表性且能更准确、更客观地体现测试区域的植被特征的采样点,能利用目标图像传感器,更准确地获取待校验植被遥感产品对应的地面测量值,进而能基于待校验植被遥感产品对应的地面测量值,对待校验植被遥感产品进行更准确地真实性校验,能提高待校验植被遥感产品的真实性校验结果的准确性,能为卫星有效载荷的前期原理性研究和设计提供更准确地数据支持,能为遥感数据的质量评价、分析与控制提供更准确地数据依据。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明提供的植被遥感产品真实性校验方法的流程示意图;
图2是本发明提供的植被遥感产品真实性校验方法中图像传感器的视野半径的原理示意图;
图3为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之一;
图4为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之二;
图5为传统的方形抽样模型的示意图;
图6为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之三;
图7为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之四;
图8为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之五;
图9是本发明提供的植被遥感产品真实性校验装置的结构示意图;
图10是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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,都属于本发明保护的范围。
在发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
通常情况下,不同的卫星传感器具有不同的空间分辨率,例如亚米级、米级、分米级、百米级、千米级等。
可以理解的是,卫星传感器的空间分辨率不同,卫星对应的地面基础像元大小不同。不同卫星传感器的空间分辨率如表1所示。
表1 不同卫星传感器的空间分辨率示意表
随着遥感技术的发展,目前已经发射了大量具备地表植被探测能力的卫星传感器。植被遥感产品是通过遥感技术获取的与植被相关的信息和数据。常见的植被遥感产品包括植被指数(Vegetation Indices)、植被覆盖度(Vegetation Cover)、植被类型(Vegetation Type)、植被生长监测(Vegetation Monitoring)等。
基于不同空间分辨率的卫星传感器,可以获取某一区域不同空间分辨率的植被遥感产品。上述植被遥感产品可以为资源环境监测、可持续发展等提供有效方法和基础性数据支撑。
植被遥感产品真实性检验是评价植被遥感产品质量的重要途径。植被遥感产品真实性检验不仅可以为卫星有效载荷的前期原理性研究和设计提供支持,还可以为遥感数据的质量评价、分析与控制提供依据。
植被遥感产品真实性检验中,可以利用能够代表地表植被特征的地面测量值作为相对真值,通过独立方法评价待校验植被遥感产品与上述相对真值的吻合程度并分析其不确定性,得到植被遥感产品的真实性校验结果。
作为植被遥感产品真实性检验的关键参数,地面测量值的准确性对于提高植被遥感产品真实性检验的准确率而言具有重要意义。
相关技术中,通常基于技术人员的主观经验在测试区域中确定多个采样点之后,利用图像传感器在上述每一采样点进行数据采集,进而可以基于各采样点采集到的图像数据获得上述地面测量值。
但是,在上述采样点采集到的数据通常仅包括植被冠层信息,并且,由于典型生态区的植被类型、地形地貌等条件的复杂性,导致上述各采样点难以准确、客观地体现测试区域的植被特征,基于上述各采样点采集到的图像数据获得的地面测量值的准确性不高。
并且相关技术中,在测试区域内设置采样点时并未考虑测试区域中植被的高度,更未考虑测试区域中植被的高度对图像传感器的视场范围的影响,仅仅是将图像传感器所在位置作为一个点值。
但是,实际上图像传感器具有一定的视场范围,视场范围内的植被均作为测量对象被图像传感器采集,并最终影响上述地面测量值的准确性以及植被遥感产品真实性校验的准确性。
对此,本发明提供一种植被遥感产品真实性校验方法。本发明提供的植被遥感产品真实性校验方法中,测试区域是基于卫星传感器的空间分辨率确定的,测试区域中的各采样点是基于图像传感器的镜头视场角和测试区域内植被的高度确定的,能基于图像传感器在每一采样点采集到的图像数据,更准确地获取测试区域植被遥感产品的地面测量值,进而能基于上述地面测量值对测试区域的植被遥感产品进行更准确地真实性校验。
图1是本发明提供的植被遥感产品真实性校验方法的流程示意图。下面结合图1描述本发明的植被遥感产品真实性校验方法。如图1所示,该方法包括:步骤101、基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,待校验植被遥感产品是基于目标卫星传感器获得的。
需要说明的是,本发明实施例的执行主体为植被遥感产品真实性校验装置。
具体地,待校验植被遥感产品为本发明提供的植被遥感产品真实性校验方法的校验对象。基于本发明提供的植被遥感产品真实性校验方法,可以对待检验植被遥感产品进行真实性校验,获取待校验植被遥感产品的真实性校验结果。
需要说明的是,待校验植被遥感产品是基于目标卫星传感器获得的。待校验植被遥感产品可以包括目标区域内与植被相关的信息和数据,例如待校验植被遥感产品可以包括目标区域的植被指数、植被覆盖度以及植被类型等。其中,目标区域为方形,且目标区域的边长等于目标卫星传感器的空间分辨率。
为了在对待校验植被遥感产品进行真实性检验时,在测试区域内确定更具有空间代表性的采样点,本发明实施例在基于待校验植被遥感产品确定目标区域之后,可以基于目标卫星传感器的空间分辨率获得距离阈值,进而可以基于上述距离阈值和目标区域,确定测试区域;
例如,可以将目标卫星传感器空间分辨率的1.5倍确定为距离阈值,将以目标区域的中心为原点,以上述距离阈值为半径的圆形区域,确定为测试区域。
需要说明的是,本发明实施例中的目标区域所在平面通常与水平面平行。相应地,测试区域所在平面通常亦与水平面平行。
作为一个可选地实施例,基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,包括:确定待校验植被遥感产品对应的目标区域,目标区域为方形且目标区域的边长为目标卫星传感器的空间分辨率;
对于目标区域的每一边界,沿每一边界的法线方向,向远离目标区域内部的方向将每一边界平移空间分辨率;
将平移后的每一边界构成的区域确定为测试区域。
具体地,本发明实施例可以将目标卫星传感器的空间分辨率确定为距离阈值,将目标区域的每一边界,沿每一边界的法线方向向着远离目标区域中心点的方向平移上述距离阈值之后,将平移后的各边界所形成的区域,确定为测试区域。
可以理解的是,上述测试区域为正方形,上述测试区域的边长为目标卫星传感器的空间分辨率的3倍,上述测试区域可以均匀划分为面积相等的9个方形区域,每一方形区域的边长均为目标卫星传感器的空间分辨率,位于上述测试区域中心的方形区域即为目标区域。
步骤102、基于目标图像传感器的镜头视场角和测试区域内植被的高度,在测试区域内确定多个采样点。
具体地,确定测试区域之后,可以基于目标图像传感器的镜头视场角以及测试区域内植被的高度,通过数值计算、深度学习等方式,在测试区域内确定多个采样点。
需要说明的是,目标图像传感器是用于采集上述采样点的图像数据的图像传感器。
步骤103、利用目标图像传感器,获取每一采样点的图像数据之后,基于各采样点的图像数据,获取待校验植被遥感产品对应的地面测量值。
具体地,在测试区域内确定多个采样点之后,可以将目标图像传感器依次设置于测试区域内每一采样点,进而可以利用目标图像传感器获取测试区域内每一采样点的图像数据。
获取测试区域内每一采样点的图像数据之后,可以基于测试区域内各采样点的图像数据,通过数值计算、模型处理等方式,获取测试区域的植被指数,作为待校验植被遥感产品对应的地面测量值。
可以理解的是,在待校验植被遥感产品,与待校验植被遥感产品对应的地面测量值所包括的数据类型相同。
步骤104、基于地面测量值对待校验植被遥感产品进行真实性校验,获取待校验植被遥感产品的真实性校验结果。
具体地,获取待校验植被遥感产品对应的地面测量值之后,可以基于上述地面测量值对待校验植被遥感产品进行真实性校验,通过独立方法评价待校验植被遥感产品与上述地面测量值的吻合程度,还可分析待校验植被遥感产品与上述地面测量值之间的不确定性,从而获得待校验植被遥感产品的真实性校验结果。
本发明实施例通过基于目标卫星传感器的空间分辨率和待校验植被产品确定测试区域之后,能基于目标图像传感器的镜头视场角和测试区域内植被的高度,在测试区域内确定多个更具有空间代表性且能更准确、更客观地体现测试区域的植被特征的采样点,能利用目标图像传感器,更准确地获取待校验植被遥感产品对应的地面测量值,进而能基于待校验植被遥感产品对应的地面测量值,对待校验植被遥感产品进行更准确地真实性校验,能提高待校验植被遥感产品的真实性校验结果的准确性,能为卫星有效载荷的前期原理性研究和设计提供更准确地数据支持,能为遥感数据的质量评价、分析与控制提供更准确地数据依据。
基于上述各实施例的内容,各采样点是基于如下步骤获取的:获取目标图像传感器的镜头视场角和测试区域内植被的高度。
具体地,本发明实施例中可以基于目标图像传感器的出厂信息,获取目标图像传感器的镜头视场角。
本发明实施例中可以通过多种方式获取测试区域内植被的高度,例如可以获取测试区域内各样本植株的平均高度,作为测试区域内植被的高度;其中,上述样本植被可以是基于测试区域内植被的生长情况预定义的。
基于目标图像传感器的镜头视场角和测试区域内植被的高度,获取目标图像传感器在测试区域内的目标视野半径。
需要说明的是,视野半径可以用于描述可见画面的水平和垂直范围,即可以用于描述图像传感器能够看到的区域大小。
图2是本发明提供的植被遥感产品真实性校验方法中图像传感器的视野半径的原理示意图。图像传感器的视野半径,与目标区域内植株的高度以及图像传感器的镜头视场角之间的关系如图2所示。
图2中,P表示目标卫星传感器的空间分辨率;H1表示第一植株高度;H2表示第二植株高度;H3表示第三植株高度;L1表示第一植株高度对应的图像传感器的视野半径;L2表示第二植株高度对应的图像传感器的视野半径;L3表示第三植株高度对应的图像传感器的视野半径;θ表示图像传感器的镜头视场角;O表示图像传感器的镜头中心点。
如图2所示,图像传感器的视野半径与植株高度之间的关系可以通过如下公式表示:
对公式(1)进行变形,可以得到:
由公式(1)至公式(3)可知,目标图像传感器在测试区域内的目标视野半径L可以通过如下公式计算得到:
其中,H表示测试区域内植被的高度;θ表示目标图像传感器的镜头视场角。
获取目标图像传感器的镜头视场角θ和测试区域内植被的高度H之后,可以基于目标图像传感器的镜头视场角θ和测试区域内植被的高度H,通过公式(5)计算得到目标图像传感器在测试区域内的目标视野半径L。
作为一个可选地实施例,基于目标图像传感器的镜头视场角和测试区域内植被的高度,获取目标图像传感器在测试区域内的目标视野半径,包括:基于目标图像传感器的镜头视场角和测试区域内植被的高度,根据视野半径映射模型,获取目标视野半径;
其中,视野半径映射模型用于描述区域内植被的高度和图像传感器的镜头视场角,与图像传感器在区域内的视野半径之间的映射关系。
具体地,基于公式(5)可以构建用于描述区域内植被的高度以及图像传感器的镜头视场角,与上述图像传感器在上述区域内的视野半径之间的映射关系的视野半径映射模型。
需要说明的是,本发明实施例中的视野半径映射模型可以通过表2表示。
表2 视野半径映射模型
基于目标视野半径,在测试区域内确定各采样点。
具体地,获取目标图像传感器在测试区域内的目标视野半径L之后,可以基于目标视野半径L通过多种方式,在测试区域内确定多个采样点,例如可以基于目标视野半径L,通过全区域检验法,在测试区域内确定多个采样点。
作为一个可选地实施例,基于目标视野半径,在测试区域内确定各采样点,包括:在满足任意两个目标圆形区域不出现重叠的条件下,用目标圆形区域完全填充测试区域,目标圆形区域的半径为目标视野半径。
需要说明的是,本发明实施例中可以将半径为目标视野半径L的圆形区域称为目标圆形区域。
具体地,本发明实施例中可以在满足任意两个目标圆形区域不出现重叠的条件下,用目标圆形区域完全填充测试区域,进而可以在测试区域中确定多个目标圆形区域。
将测试区域中每一目标圆形区域的圆心,确定为一个采样点。
具体地,在测试区域内确定多个目标圆形区域之后,可以将测试区中每一目标圆形区域的圆心,确定为一个采样点。
为了便于对本发明实施例的理解,以下通过一个实例对本发明实施例进行说明。图3为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之一。如图3所示,本实例中测试区域为正方形,上述测试区域的边长为目标卫星传感器的空间分辨率P的3倍,上述测试区域可以均匀划分为面积相等的9个方形区域,位于上述测试区域中心的方形区域为目标区域。
用目标圆形区域完全填充上述测试区域,可以在上述测试区域中确定多个目标圆形区域,上述测试区域中目标圆形区域的个数N,可以通过如下公式计算得到:
本发明实施例通过在满足任意两个目标圆形区域不出现重叠的条件下,用目标圆形区域完全填充测试区域,进而将测试区域中每一目标圆形区域的圆心确定为一个采样点,目标圆形区域的半径为目标视野半径,在测试区域中确定的各采样点能更全面的体现测试区域的植被特征。
作为一个可选地实施例,基于目标视野半径,在测试区域内确定各采样点,包括:将测试区域的四个顶点确定为四个采样点,将测试区域每条边的中点,确定为一个采样点;
将测试区域均匀划分为9个方形区域,将位于中心方形区域的对角线延长线上,且与中心方形区域的顶点之间的距离为第一目标距离的点,确定为采样点,中心方形区域为位于测试区域中心的方形区域,第一目标距离为目标视野半径与的乘积。
具体地,图4为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之二。如图4所示,可以将测试区域中方形区域1左上角的顶点、方形区域3右上角的顶点、方形区域7左下角的顶点以及方形区域9右下角的顶点分别确定为采样点。
需要说明的是,测试区域中的中心方形区域即为方形区域5。上述中心方形区域亦为目标区域。
在目标圆形区域与方形区域1的右边界和下边界相切的情况下,上述目标圆形区域的原点位于中心方形区域对角线的延长线上,且根据勾股定理可知,上述目标圆形区域的圆心与中心方形区域左上角的顶点之间的距离为,可以将上述目标圆形区域的圆心确定为一个采样点。
同理,在目标圆形区域与方形区域3的左边界和下边界相切的情况下,上述目标圆形区域的原点位于中心方形区域对角线的延长线上,且根据勾股定理可知,上述目标圆形区域的圆心与中心方形区域右上角的顶点之间的距离为,可以将上述目标圆形区域的圆心确定为一个采样点;
在目标圆形区域与方形区域7的右边界和上边界相切的情况下,上述目标圆形区域的原点位于中心方形区域对角线的延长线上,且根据勾股定理可知,上述目标圆形区域的圆心与中心方形区域左下角的顶点之间的距离为,可以将上述目标圆形区域的圆心确定为一个采样点;
在目标圆形区域与方形区域9的左边界和上边界相切的情况下,上述目标圆形区域的原点位于中心方形区域对角线的延长线上,且根据勾股定理可知,上述目标圆形区域的圆心与中心方形区域右下角的顶点之间的距离为,可以将上述目标圆形区域的圆心确定为一个采样点。
图5为传统的方形抽样模型的示意图。如图5所示,相较于传统的方形抽样模型,本发明实施例可以更均匀地在测试区域中确定多个采样点,并且采样点的数量更少,能减少后续计算量,能提高植被遥感产品真实性校验的效率。
作为一个可选地实施例,基于目标视野半径,在测试区域内确定各采样点,包括:将测试区域的几何中心点确定为一个采样点之后,从几何中心点出发,在测试区域的第一中轴线上和第二中轴线上每间隔第二目标距离,确定一个采样点;
其中,第一中轴线和第二中轴线在测试区域的几何中心点相交,且第一中轴线与第二中轴线相互垂直;第二目标距离基于目标视野半径确定,且第二目标距离不小于目标视野半径的2倍。
为了便于对本发明实施例的理解,以下通过一个实例对本发明实施例进行说明。图6为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之三。如图6所示,本实例中测试区域为正方形,上述测试区域的边长为目标卫星传感器的空间分辨率P的3倍,上述测试区域可以均匀划分为面积相等的9个方形区域,位于上述测试区域中心的方形区域为目标区域。
本发明实施例中可以将与测试区域上边界和下边界垂直的中垂线,确定为第一中垂线,将于测试区域左边界和右边界垂直的中垂线确定为第二中垂线。
作为一个可选地实施例,基于目标视野半径,在测试区域内确定各采样点,包括:将测试区域的几何中心点确定为一个采样点之后,从几何中心点出发,在测试区域的第一对角线上和第二对角线上每间隔第四目标距离,确定一个采样点;
其中,第四目标距离基于目标视野半径确定,且第四目标距离不小于目标视野半径。
为了便于对本发明实施例的理解,以下通过一个实例对本发明实施例进行说明。图7为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之四。如图7所示,本实例中测试区域为正方形,上述测试区域的边长为目标卫星传感器的空间分辨率P的3倍,上述测试区域可以均匀划分为面积相等的9个方形区域,位于上述测试区域中心的方形区域即为目标区域。
本发明实施例将测试区域的两条对角线确定为第一对角线和第二对角线。
基于上述各实施例的内容,基于目标视野半径,在测试区域内确定各采样点,包括:对于测试区域的每一边界,沿每一边界的法线方向,向靠近测试区域几何中心点的方向将每一边界平移预设距离。
需要说明的是,本发明实施例中的预设距离可以根据实际情况和/或先验知识确定。本发明实施例对预设距离的具体取值不作限定。
可选地,预设距离可以为目标视野半径与第四权重的乘积。第四权重的取值范围可以为0.5至0.8。
将平移后的每一边界构成的区域确定为采样区域;
将采样区域均匀划分为4个方形区域;
将采样区域的几何中心点确定为一个采样点,将方形区域的目标对角线的中点确定为一个采样点,从目标对角线的中点出发,在目标对角线上每隔第三目标距离,确定一个采样点;
其中,目标对角线为方形区域中顶点不包括采样区域的几何中心点的对角线。
为了便于对本发明实施例的理解,以下通过一个实例对本发明实施例进行说明。图8为本发明提供的植被遥感产品真实性校验方法中测试区域中采样点的示意图之五。如图8所示,本实例中测试区域为正方形,上述测试区域的边长为目标卫星传感器的空间分辨率P的3倍,上述测试区域可以均匀划分为面积相等的9个方形区域,位于上述测试区域中心的方形区域为目标区域。
将测试区域划分为4个方形区域之后,可以在每一方形区域中确定目标对角线。
本发明提供的植被遥感产品真实性校验方法,面向不同空间分辨率的植被遥感产品,适用于光学、热红外、微波全波段范围不同空间分辨率的植被遥感产品,能满足所有从下至上观测具有观测视场角的测量仪器适用;针对传统真实性检验的采样方法中未考虑测试区域内部植被高度和测量仪器的测量视野范围,单纯将仪器所在位置作为一个点值等样点精度不准和代表性不强等问题,提出一种考虑测试区域内部植被高度和仪器视野范围的采样方法,并将该采样方法与卫星的不同空间分辨率相结合,通过考虑测试区域内植被的高度和目标图像传感器的视野范围,能实现植被遥感产品真实性检验观测点精准抽样,能提高植被遥感产品真实性校验的精度,能够显著提高检验数据的代表性和精度,能更好地为不同空间分辨率的卫星体系应用服务。
图9是本发明提供的植被遥感产品真实性校验装置的结构示意图。下面结合图9对本发明提供的植被遥感产品真实性校验装置进行描述,下文描述的植被遥感产品真实性校验装置与上文描述的本发明提供的植被遥感产品真实性校验方法可相互对应参照。如图9所示,测试区域确定模块901、采样点确定模块902、地面测量值获取模块903和真实性校验模块904。
测试区域确定模块901,用于基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,待校验植被遥感产品是基于目标卫星传感器获得的;
采样点确定模块902,用于基于目标图像传感器的镜头视场角和测试区域内植被的高度,在测试区域内确定多个采样点;
地面测量值获取模块903,用于利用目标图像传感器,获取每一采样点的图像数据之后,基于各采样点的图像数据,获取待校验植被遥感产品对应的地面测量值;
真实性校验模块904,用于基于地面测量值对待校验植被遥感产品进行真实性校验,获取待校验植被遥感产品的真实性校验结果。
具体地,测试区域确定模块901、采样点确定模块902、地面测量值获取模块903和真实性校验模块904电连接。
本发明实施例中的植被遥感产品真实性校验装置,通过基于目标卫星传感器的空间分辨率和待校验植被产品确定测试区域之后,能基于目标图像传感器的镜头视场角和测试区域内植被的高度,在测试区域内确定多个更具有空间代表性且能更准确、更客观地体现测试区域的植被特征的采样点,能利用目标图像传感器,更准确地获取待校验植被遥感产品对应的地面测量值,进而能基于待校验植被遥感产品对应的地面测量值,对待校验植被遥感产品进行更准确地真实性校验,能提高待校验植被遥感产品的真实性校验结果的准确性,能为卫星有效载荷的前期原理性研究和设计提供更准确地数据支持,能为遥感数据的质量评价、分析与控制提供更准确地数据依据。
图10示例了一种电子设备的实体结构示意图,如图10所示,该电子设备可以包括:处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040,其中,处理器1010,通信接口1020,存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令,以执行植被遥感产品真实性校验方法,该方法包括:基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,待校验植被遥感产品是基于目标卫星传感器获得的;基于目标图像传感器的镜头视场角和测试区域内植被的高度,在测试区域内确定多个采样点;利用目标图像传感器,获取每一采样点的图像数据之后,基于各采样点的图像数据,获取待校验植被遥感产品对应的地面测量值;基于地面测量值对待校验植被遥感产品进行真实性校验,获取待校验植被遥感产品的真实性校验结果。
此外,上述的存储器1030中的逻辑指令可以通过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,本发明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)执行本发明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。
另一方面,本发明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,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的植被遥感产品真实性校验方法,该方法包括:基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,待校验植被遥感产品是基于目标卫星传感器获得的;基于目标图像传感器的镜头视场角和测试区域内植被的高度,在测试区域内确定多个采样点;利用目标图像传感器,获取每一采样点的图像数据之后,基于各采样点的图像数据,获取待校验植被遥感产品对应的地面测量值;基于地面测量值对待校验植被遥感产品进行真实性校验,获取待校验植被遥感产品的真实性校验结果。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的植被遥感产品真实性校验方法,该方法包括:基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,待校验植被遥感产品是基于目标卫星传感器获得的;基于目标图像传感器的镜头视场角和测试区域内植被的高度,在测试区域内确定多个采样点;利用目标图像传感器,获取每一采样点的图像数据之后,基于各采样点的图像数据,获取待校验植被遥感产品对应的地面测量值;基于地面测量值对待校验植被遥感产品进行真实性校验,获取待校验植被遥感产品的真实性校验结果。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种植被遥感产品真实性校验方法,其特征在于,包括:
基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,所述待校验植被遥感产品是基于所述目标卫星传感器获得的;
基于目标图像传感器的镜头视场角和所述测试区域内植被的高度,在所述测试区域内确定多个采样点;
利用所述目标图像传感器,获取每一所述采样点的图像数据之后,基于各所述采样点的图像数据,获取所述待校验植被遥感产品对应的地面测量值;
基于所述地面测量值对所述待校验植被遥感产品进行真实性校验,获取所述待校验植被遥感产品的真实性校验结果。
2.根据权利要求1所述的植被遥感产品真实性校验方法,其特征在于,各所述采样点是基于如下步骤获取的:
获取所述目标图像传感器的镜头视场角和所述测试区域内植被的高度;
基于所述目标图像传感器的镜头视场角和所述测试区域内植被的高度,获取所述目标图像传感器在所述测试区域内的目标视野半径;
基于所述目标视野半径,在所述测试区域内确定各所述采样点。
3.根据权利要求2所述的植被遥感产品真实性校验方法,其特征在于,所述基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,包括:
确定所述待校验植被遥感产品对应的目标区域,所述目标区域为方形且所述目标区域的边长为所述目标卫星传感器的空间分辨率;
对于所述目标区域的每一边界,沿所述每一边界的法线方向,向远离所述目标区域几何中心点的方向将所述每一边界平移所述空间分辨率;
将平移后的所述每一边界构成的区域确定为所述测试区域。
4.根据权利要求2所述的植被遥感产品真实性校验方法,其特征在于,所述基于所述目标视野半径,在所述测试区域内确定各所述采样点,包括:
在满足任意两个目标圆形区域不出现重叠的条件下,用所述目标圆形区域完全填充所述测试区域,所述目标圆形区域的半径为所述目标视野半径;
将所述测试区域中每一目标圆形区域的圆心,确定为一个所述采样点。
6.根据权利要求2所述的植被遥感产品真实性校验方法,其特征在于,所述基于所述目标视野半径,在所述测试区域内确定各所述采样点,包括:
将所述测试区域的几何中心点确定为一个所述采样点之后,从所述几何中心点出发,在所述测试区域的第一中轴线上和第二中轴线上每间隔第二目标距离,确定一个所述采样点;
其中,所述第一中轴线和所述第二中轴线在所述测试区域的几何中心点相交,且所述第一中轴线与所述第二中轴线相互垂直;所述第二目标距离基于所述目标视野半径确定,且所述第二目标距离不小于所述目标视野半径的2倍。
7.根据权利要求3所述的植被遥感产品真实性校验方法,其特征在于,所述基于所述目标视野半径,在所述测试区域内确定各所述采样点,包括:
对于所述测试区域的每一边界,沿所述每一边界的法线方向,向靠近所述测试区域几何中心点的方向将所述每一边界平移预设距离;
将平移后的所述每一边界构成的区域确定为采样区域;
将所述采样区域均匀划分为4个方形区域;
将所述采样区域的几何中心点确定为一个所述采样点,将所述方形区域的目标对角线的中点确定为一个所述采样点,从所述目标对角线的中点出发,在所述目标对角线上每隔第三目标距离,确定一个所述采样点;
其中,所述目标对角线为所述方形区域中顶点不包括所述采样区域的几何中心点的对角线。
8.一种植被遥感产品真实性校验装置,其特征在于,包括:
测试区域确定模块,用于基于目标卫星传感器的空间分辨率和待校验植被遥感产品,确定测试区域,所述待校验植被遥感产品是基于所述目标卫星传感器获得的;
采样点确定模块,用于基于目标图像传感器的镜头视场角和所述测试区域内植被的高度,在所述测试区域内确定多个采样点;
地面测量值获取模块,用于利用所述目标图像传感器,获取每一所述采样点的图像数据之后,基于各所述采样点的图像数据,获取所述待校验植被遥感产品对应的地面测量值;
真实性校验模块,用于基于所述地面测量值对所述待校验植被遥感产品进行真实性校验,获取所述待校验植被遥感产品的真实性校验结果。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1至7任一项所述植被遥感产品真实性校验方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述植被遥感产品真实性校验方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310667373.3A CN116399820B (zh) | 2023-06-07 | 2023-06-07 | 植被遥感产品真实性校验方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310667373.3A CN116399820B (zh) | 2023-06-07 | 2023-06-07 | 植被遥感产品真实性校验方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116399820A true CN116399820A (zh) | 2023-07-07 |
CN116399820B CN116399820B (zh) | 2023-08-04 |
Family
ID=87007956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310667373.3A Active CN116399820B (zh) | 2023-06-07 | 2023-06-07 | 植被遥感产品真实性校验方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116399820B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117014584A (zh) * | 2023-09-28 | 2023-11-07 | 中国科学院空天信息创新研究院 | 植被遥感产品获取系统及方法 |
CN117197681A (zh) * | 2023-08-22 | 2023-12-08 | 中国科学院空天信息创新研究院 | 遥感产品真实性检验方法、装置、系统、设备及介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004248A (zh) * | 2010-09-09 | 2011-04-06 | 北京航空航天大学 | 多频带被动综合孔径成像系统 |
CN103196838A (zh) * | 2013-03-15 | 2013-07-10 | 辽宁师范大学 | 一种海岸河口富营养化高光谱遥感监测方法 |
CN103499529A (zh) * | 2013-10-09 | 2014-01-08 | 北京大学 | 一种土壤与植被混合光谱测量方法及模拟系统 |
CN106022790A (zh) * | 2016-05-09 | 2016-10-12 | 中国科学院遥感与数字地球研究所 | 一种定量遥感产品真实性检验系统 |
CN106289319A (zh) * | 2016-07-29 | 2017-01-04 | 北京空间机电研究所 | 一种基于在轨序列图像的卫星系统传函测算方法 |
CN110927118A (zh) * | 2019-10-28 | 2020-03-27 | 航天新气象科技有限公司 | 植被指数测量仪、控制方法及测量方法 |
CN111553245A (zh) * | 2020-04-24 | 2020-08-18 | 中国电建集团成都勘测设计研究院有限公司 | 基于机器学习算法和多源遥感数据融合的植被分类方法 |
CN112380980A (zh) * | 2020-11-12 | 2021-02-19 | 西南林业大学 | 一种人工龙竹林lai遥感估测最佳尺度选择方法 |
CN113156424A (zh) * | 2021-04-21 | 2021-07-23 | 三亚中科遥感研究所 | 植被高度的测量方法、装置、系统以及存储介质 |
CN113591759A (zh) * | 2021-08-09 | 2021-11-02 | 中国矿业大学(北京) | 一种矿区长时序地表土壤含水量遥感数据生产方法及系统 |
WO2022213218A1 (en) * | 2021-04-08 | 2022-10-13 | The Governing Council Of The University Of Toronto | System and method for vegetation detection from aerial photogrammetric multispectral data |
CN115309956A (zh) * | 2022-06-22 | 2022-11-08 | 中国科学院空天信息创新研究院 | 采样位置确定方法、装置、设备及存储介质 |
US20220366605A1 (en) * | 2021-05-13 | 2022-11-17 | Seetree Systems Ltd. | Accurate geolocation in remote-sensing imaging |
WO2023021769A1 (ja) * | 2021-08-19 | 2023-02-23 | ヒタチ・エナジー・スウィツァーランド・アクチェンゲゼルシャフト | 植生管理システム及び植生管理方法 |
CN115797764A (zh) * | 2022-11-18 | 2023-03-14 | 江苏星月测绘科技股份有限公司 | 一种应用于耕地非农化监测的遥感大数据解译方法及系统 |
-
2023
- 2023-06-07 CN CN202310667373.3A patent/CN116399820B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004248A (zh) * | 2010-09-09 | 2011-04-06 | 北京航空航天大学 | 多频带被动综合孔径成像系统 |
CN103196838A (zh) * | 2013-03-15 | 2013-07-10 | 辽宁师范大学 | 一种海岸河口富营养化高光谱遥感监测方法 |
CN103499529A (zh) * | 2013-10-09 | 2014-01-08 | 北京大学 | 一种土壤与植被混合光谱测量方法及模拟系统 |
CN106022790A (zh) * | 2016-05-09 | 2016-10-12 | 中国科学院遥感与数字地球研究所 | 一种定量遥感产品真实性检验系统 |
CN106289319A (zh) * | 2016-07-29 | 2017-01-04 | 北京空间机电研究所 | 一种基于在轨序列图像的卫星系统传函测算方法 |
CN110927118A (zh) * | 2019-10-28 | 2020-03-27 | 航天新气象科技有限公司 | 植被指数测量仪、控制方法及测量方法 |
CN111553245A (zh) * | 2020-04-24 | 2020-08-18 | 中国电建集团成都勘测设计研究院有限公司 | 基于机器学习算法和多源遥感数据融合的植被分类方法 |
CN112380980A (zh) * | 2020-11-12 | 2021-02-19 | 西南林业大学 | 一种人工龙竹林lai遥感估测最佳尺度选择方法 |
WO2022213218A1 (en) * | 2021-04-08 | 2022-10-13 | The Governing Council Of The University Of Toronto | System and method for vegetation detection from aerial photogrammetric multispectral data |
CN113156424A (zh) * | 2021-04-21 | 2021-07-23 | 三亚中科遥感研究所 | 植被高度的测量方法、装置、系统以及存储介质 |
US20220366605A1 (en) * | 2021-05-13 | 2022-11-17 | Seetree Systems Ltd. | Accurate geolocation in remote-sensing imaging |
CN113591759A (zh) * | 2021-08-09 | 2021-11-02 | 中国矿业大学(北京) | 一种矿区长时序地表土壤含水量遥感数据生产方法及系统 |
WO2023021769A1 (ja) * | 2021-08-19 | 2023-02-23 | ヒタチ・エナジー・スウィツァーランド・アクチェンゲゼルシャフト | 植生管理システム及び植生管理方法 |
CN115309956A (zh) * | 2022-06-22 | 2022-11-08 | 中国科学院空天信息创新研究院 | 采样位置确定方法、装置、设备及存储介质 |
CN115797764A (zh) * | 2022-11-18 | 2023-03-14 | 江苏星月测绘科技股份有限公司 | 一种应用于耕地非农化监测的遥感大数据解译方法及系统 |
Non-Patent Citations (1)
Title |
---|
李若溪等: "植被异质性样区真实性检验的优化采样策略", 农业工程学报, vol. 37, no. 8 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117197681A (zh) * | 2023-08-22 | 2023-12-08 | 中国科学院空天信息创新研究院 | 遥感产品真实性检验方法、装置、系统、设备及介质 |
CN117014584A (zh) * | 2023-09-28 | 2023-11-07 | 中国科学院空天信息创新研究院 | 植被遥感产品获取系统及方法 |
CN117014584B (zh) * | 2023-09-28 | 2023-12-29 | 中国科学院空天信息创新研究院 | 植被遥感产品获取系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116399820B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116399820B (zh) | 植被遥感产品真实性校验方法、装置、设备及介质 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN113252700B (zh) | 一种结构裂缝检测方法、设备及系统 | |
CN106599897A (zh) | 基于机器视觉的指针式仪表读数识别方法及装置 | |
CN102800096B (zh) | 一种摄像机参数的鲁棒性估计算法 | |
CN109799199B (zh) | 一种叶绿素a浓度的协同反演方法 | |
CN112581421A (zh) | 三维点云处理方法、建筑物检测方法、装置、设备及介质 | |
JP2016090547A (ja) | ひび割れ情報収集装置及びひび割れ情報を収集するためのサーバ装置 | |
CN110388986B (zh) | 基于tasi数据的土地表面温度反演方法 | |
CN103206947A (zh) | 一种基于水准泡的倾角测量方法及其装置 | |
Villasante et al. | Measurement errors in the use of smartphones as low-cost forestry hypsometers | |
CN116597013A (zh) | 一种基于不同经纬度区域的卫星图像几何定标方法 | |
CN115494007A (zh) | 基于随机森林的土壤有机质高精度快速检测方法及装置 | |
CN111462073A (zh) | 机载激光雷达点云密度的质量检查方法和装置 | |
CN108875184B (zh) | 基于数字露头模型的页岩有机碳含量预测方法及装置 | |
CN111879709B (zh) | 湖泊水体光谱反射率检验方法及装置 | |
CN116402814B (zh) | 植被指数获取、植被遥感产品真实性校验方法及装置 | |
CN115979972B (zh) | 海面原油油膜高光谱实时监测方法和系统 | |
Höhle | The assessment of the absolute planimetric accuracy of airborne laserscanning | |
CN110927065A (zh) | 遥感辅助的湖库chl-a浓度空间插值方法优选方法和装置 | |
CN116381726A (zh) | 基于数据自身的无人机激光点云精度自评估方法 | |
CN116245230A (zh) | 一种电站设备的运行巡检与趋势分析方法及系统 | |
CN116164818A (zh) | 一种测量不确定度的确定方法、装置、设备以及存储介质 | |
CN109740616B (zh) | 一种利用计算机视觉实现双指针仪表自动读数的方法 | |
CN113029103A (zh) | 一种风机塔筒基础环的倾斜测量方法、系统和存储介质 |
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 |