CN117435848A - 基于卫星多角度指数的大尺度森林高度反演方法及系统 - Google Patents
基于卫星多角度指数的大尺度森林高度反演方法及系统 Download PDFInfo
- Publication number
- CN117435848A CN117435848A CN202311657780.2A CN202311657780A CN117435848A CN 117435848 A CN117435848 A CN 117435848A CN 202311657780 A CN202311657780 A CN 202311657780A CN 117435848 A CN117435848 A CN 117435848A
- Authority
- CN
- China
- Prior art keywords
- angle
- wave band
- forest
- index
- forest height
- 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 40
- 238000002310 reflectometry Methods 0.000 claims abstract description 51
- 230000003746 surface roughness Effects 0.000 claims abstract description 16
- 238000005315 distribution function Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 7
- 230000015654 memory Effects 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于卫星多角度指数的大尺度森林高度反演方法及系统，所述方法包括：获取卫星多角度观测数据，利用BRDF核驱动模型重构红光波段和近红外波段的热点反射率信息；根据重构的红光波段和近红外波段的热点反射率信息构建多角度指数，以表征森林引起的地表粗糙度信息；基于构建的多角度指数建立与森林高度的函数关系，得到卫星多角度观测反演地表森林高度的模型，实现基于多角度指数的森林高度反演。本发明基于核驱动模型实现了热点观测方向反射率的重构，利用重构的红光波段和近红外波段的热点反射率信息构建表征地表粗糙度的多角度指数，并借助该指数实现森林高度的反演，提高了反演的精度和可靠性。
Description
技术领域
本发明涉及遥感空间信息技术领域，尤其涉及一种基于卫星多角度指数的大尺度森林高度反演方法及系统。
背景技术
森林作为陆地生态系统地气能量交换的主体，在辐射能量平衡、水循环、碳循环以及土壤调节和生态环境中均扮演着重要的角色。森林生态系统研究对于地球碳循环研究，了解全球气候变化进程至关重要。森林高度是表征土地表面粗糙度的主要植被特征。已有研究表明树高信息与地球的碳循环、生态系统可持续性、生物多样性和气候变化密切相关。鉴于树高在诸多研究中的重要性，如何准确地获取森林高度信息显得尤为重要。
遥感技术的出现，给林业测量带来重大突破，为快速、大范围地获取森林资源调查数据提供一种有潜力的技术手段。利用遥感技术手段进行森林高度的探测是目前遥感技术应用研究的一个重要方向。多角度卫星遥感观测数据是指通过卫星以不同角度观测地球表面的影像数据，能够获取更多细节和信息。随着卫星技术的不断进步，多角度卫星遥感观测数据的分辨率和准确性也得到了显著提高。
由于植被的非均匀复杂结构特性，光学遥感观测的植被冠层反射率具有方向性，这种方向性反射可用双向反射分布函数（Bidirectional Reflectance DistributionFunction，BRDF）来描述。BRDF的出现，丰富了基于光学遥感数据研究目标立体结构信息的手段，为森林高度的制图提供了可能。近来已有研究表明，多角度各项异性形状指标具有反演森林高度的能力，这表明多角度各项异性形状指标能够捕获森林高度的主要变化。多角度反射率作为多角度观测信息的直观表示，从理论上来说包含驱动物理模型中森林高度的重要信息。因此，可以合理地假设多角度反射率具有反演森林高度的能力。但是，这种多角度反射率当前很少用于森林高度反演的研究。所以探索多角度反射率信息在森林高度反演中的能力，并确定相关方法手段，对利用卫星多角度观测数据深入理解植被的特征和动态变化具有重要意义。
发明内容
针对上述问题，本发明的目的在于提供一种基于卫星多角度指数的大尺度森林高度反演方法及系统，通过构建一种基于多角度观测的热点指数，实现大尺度森林高度参数的准确反演。
为解决上述技术问题，本发明提供如下技术方案：
一方面，提供了一种基于卫星多角度指数的大尺度森林高度反演方法，包括以下步骤：
S1、获取卫星多角度观测数据，利用双向反射分布函数BRDF核驱动模型重构红光波段和近红外波段的热点反射率信息；
S2、根据重构的红光波段和近红外波段的反射率信息构建多角度指数，以表征森林引起的地表粗糙度信息；
S3、基于构建的多角度指数建立与森林高度的函数关系，得到卫星多角度观测反演地表森林高度的模型，实现基于多角度指数的森林高度反演。
优选地，所述步骤S1中，获取卫星多角度观测数据具体包括：
采用中分辨率成像光谱仪MODIS多角度观测数据作为卫星多角度观测数据。
优选地，所述步骤S1中，BRDF核驱动模型的数学表达式如下：
（1）
其中，fiso、fvol和fgeo是核驱动模型中决定BRDF形状的三个参数，Kgeo和Kvol分别是体散射核和几何光学核，表示波段，这里指红光波段和近红外波段，/>为对应/>波段在太阳天顶角为/>，观测天顶角为/>，相对方位角为/>时的重构热点反射率信息。
优选地，所述步骤S2中，根据红光波段的热点反射率信息Hotspot_red和近红外波段的热点反射率信息Hotspot_nir构建多角度指数Index的表达式如下：
（2）
其中，Hotspot_red表示红光波段的热点反射率信息，Hotspot_nir表示近红外波段的热点反射率信息，Index为多角度指数，或称地表粗糙度指数。
优选地，所述步骤S3中，卫星多角度观测反演地表森林高度的模型表达式如下：
(3)
其中，H为森林高度信息，Index为多角度指数， A和B为模型的权重参数。
优选地，模型的权重参数 A和B通过制图区域已知的森林高度信息求取得到。
另一方面，提供了一种基于卫星多角度指数的大尺度森林高度反演系统，包括：
反射率重构模块，用于获取卫星多角度观测数据，利用双向反射分布函数BRDF核驱动模型重构红光波段和近红外波段的热点反射率信息；
指数构建模块，用于根据重构的红光波段和近红外波段的热点反射率信息构建多角度指数，以表征森林引起的地表粗糙度信息；
反演模块，用于基于构建的多角度指数建立与森林高度的函数关系，得到卫星多角度观测反演地表森林高度的模型，实现基于多角度指数的森林高度反演。
另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述基于卫星多角度指数的大尺度森林高度反演方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于卫星多角度指数的大尺度森林高度反演方法。
与现有技术相比，本发明提供的技术方案具有以下有益效果：
（1）本发明充分利用卫星多角度观测数据，基于核驱动模型实现了热点观测方向反射率的重构，解决了多角度卫星观测难以提供大角度观测方向反射率的问题。
（2）本发明提出了结合卫星多角度观测的红光波段和近红外波段反射率，构建刻画地表粗糙度的多角度指数，并借助该指数实现森林高度的反演，进一步提高反演结果的精度和可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例提供的基于卫星多角度指数的大尺度森林高度反演方法的流程图；
图2是本发明实施例提供的利用热点观测多角度反射率信息刻画地表粗糙度示意图；
图3是本发明所述方法的验证结果示意图；
图4是本发明所述方法的适用性评价示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例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的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的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。
本发明的实施例提供了一种基于卫星多角度指数的大尺度森林高度反演方法，如图1所示，所述方法包括以下步骤：
S1、获取卫星多角度观测数据，利用双向反射分布函数BRDF核驱动模型重构红光波段和近红外波段的热点反射率信息。
作为本发明的一种可选实施方式，本步骤中采用中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer，MODIS）多角度观测数据作为卫星多角度观测数据，利用BRDF核驱动模型重构红光波段和近红外波段的热点反射率，其中BRDF核驱动模型的数学表达式如下所示：
（1）
其中，fiso、fvol和fgeo是核驱动模型中决定BRDF形状的三个参数，Kgeo和Kvol分别是体散射核和几何光学核，表示波段，这里指红光波段和近红外波段，/>为对应/>波段在太阳天顶角为/>，观测天顶角为/>，相对方位角为/>时的重构热点反射率信息。
S2、根据红光波段和近红外波段的热点反射率信息构建多角度指数，以表征森林引起的地表粗糙度信息。
图2是利用热点观测多角度反射率信息刻画地表粗糙度的示意图。如图2所示，冠幅的变大变高影响观测像元（这里指地表）的粗糙度，即观测像元的表面积会发生变化，这种变化会反应在多角度反射率上。换而言之，借助多角度反射率信息能够预测森林高度信息。并且，热点观测方向的反射率能够获取最多的反射率信息。
基于上述原理，本发明根据多角度观测红光波段的热点反射率信息Hotspot_red和近红外波段的热点反射率信息Hotspot_nir构建多角度指数，用于刻画森林引起的地表粗糙度信息，多角度指数Index的表达式如下：
（2）
其中，Hotspot_red表示红光波段的热点反射率信息，Hotspot_nir表示近红外波段的热点反射率信息，Index为多角度指数，或称地表粗糙度指数。
S3、基于构建的多角度指数建立与森林高度的函数关系，得到卫星多角度观测反演地表森林高度的模型，实现基于多角度指数的森林高度反演。
本步骤中，建立多角度指数Index与森林高度的函数关系，得到卫星多角度观测反演地表森林高度的模型，所述模型的表达式如下：
(3)
其中，H为森林高度信息，Index为多角度指数， A和B为模型的权重参数。
作为本发明的一种可选实施方式，所述模型的权重参数 A和B通过制图区域已知的森林高度信息求取得到。
本发明实施例中，充分利用卫星多角度观测数据，基于核驱动模型实现了热点观测方向反射率的重构，解决了多角度卫星观测难以提供大角度观测方向反射率的问题。本发明提出了结合红光波段和近红外波段热点反射率构建刻画地表粗糙度的多角度指数，并借助该指数实现森林高度的反演，进一步提高反演结果的精度和可靠性。
图3是本发明所提方法的验证结果示意图。从图3中的验证结果来看，本发明方法能够解释高达70%的树高变化，具有较高的精度。
图4是本发明所提方法的适用性评价示意图。从图4中可以看出，本发明提出的方法在地形坡度小于15度的地区有着较为稳定的精度表现。
相应地，本发明的实施例还提供了一种基于卫星多角度指数的大尺度森林高度反演系统，所述系统包括：
反射率重构模块，用于获取卫星多角度观测数据，利用双向反射分布函数BRDF核驱动模型重构红光波段和近红外波段的热点反射率信息；
指数构建模块，用于根据红光波段和近红外波段的热点反射率信息构建多角度指数，以表征森林引起的地表粗糙度信息；
反演模块，用于基于构建的多角度指数建立与森林高度的函数关系，得到卫星多角度观测反演地表森林高度的模型，实现基于多角度指数的森林高度反演。
本实施例的系统，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
在示例性实施例中，本发明还提供一种电子设备，该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）和一个或一个以上的存储器，其中，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述基于卫星多角度指数的大尺度森林高度反演方法的步骤。
在示例性实施例中，本发明还提供一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述基于卫星多角度指数的大尺度森林高度反演方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
在说明书中提到“一个实施例”、“实施例”、“示例性实施例”、“一些实施例”等指示所述的实施例可以包括特定特征、结构或特性，但未必每个实施例都包括该特定特征、结构或特性。另外，在结合实施例描述特定特征、结构或特性时，结合其它实施例（无论是否明确描述）实现这种特征、结构或特性应在相关领域技术人员的知识范围内。
本发明涵盖任何在本发明的精髓和范围上做的替代、修改、等效方法以及方案。为了使公众对本发明有彻底的了解，在以下本发明优选实施例中详细说明了具体的细节，而对本领域技术人员来说没有这些细节的描述也可以完全理解本发明。另外，为了避免对本发明的实质造成不必要的混淆，并没有详细说明众所周知的方法、过程、流程、元件和电路等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读取存储介质中，如：ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于卫星多角度指数的大尺度森林高度反演方法，其特征在于，包括以下步骤：
S1、获取卫星多角度观测数据，利用双向反射分布函数BRDF核驱动模型重构红光波段和近红外波段的热点反射率信息；
S2、根据重构的红光波段和近红外波段的热点反射率信息构建多角度指数，以表征森林引起的地表粗糙度信息；
S3、基于构建的多角度指数建立与森林高度的函数关系，得到卫星多角度观测反演地表森林高度的模型，实现基于多角度指数的森林高度反演。
2.根据权利要求1所述的基于卫星多角度指数的大尺度森林高度反演方法，其特征在于，所述步骤S1中，获取卫星多角度观测数据具体包括：
采用中分辨率成像光谱仪MODIS多角度观测数据作为卫星多角度观测数据。
3.根据权利要求1所述的基于卫星多角度指数的大尺度森林高度反演方法，其特征在于，所述步骤S1中，BRDF核驱动模型的数学表达式如下：
（1）
其中，fiso、fvol和fgeo是核驱动模型中决定BRDF形状的三个参数，Kgeo和Kvol分别是体散射核和几何光学核，表示波段，包括红光波段和近红外波段，/>为对应/>波段在太阳天顶角为/>，观测天顶角为/>，相对方位角为/>时的重构热点反射率信息。
4.根据权利要求1所述的基于卫星多角度指数的大尺度森林高度反演方法，其特征在于，所述步骤S2中，根据红光波段的热点反射率信息Hotspot_red和近红外波段的热点反射率信息Hotspot_nir构建多角度指数Index的表达式如下：
（2）
其中，Hotspot_red表示红光波段的热点反射率信息，Hotspot_nir表示近红外波段的热点反射率信息，Index为多角度指数。
5.根据权利要求1所述的基于卫星多角度指数的大尺度森林高度反演方法，其特征在于，所述步骤S3中，卫星多角度观测反演地表森林高度的模型表达式如下：
(3)
其中，H为森林高度信息，Index为多角度指数， A和B为模型的权重参数。
6.根据权利要求5所述的基于卫星多角度指数的大尺度森林高度反演方法，其特征在于，模型的权重参数 A和B通过制图区域已知的森林高度信息求取得到。
7.一种基于卫星多角度指数的大尺度森林高度反演系统，其特征在于，包括：
反射率重构模块，用于获取卫星多角度观测数据，利用双向反射分布函数BRDF核驱动模型重构红光波段和近红外波段的热点反射率信息；
指数构建模块，用于根据重构的红光波段和近红外波段的热点反射率信息构建多角度指数，以表征森林引起的地表粗糙度信息；
反演模块，用于基于构建的多角度指数建立与森林高度的函数关系，得到卫星多角度观测反演地表森林高度的模型，实现基于多角度指数的森林高度反演。
8.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如权利要求1-6任一项所述的基于卫星多角度指数的大尺度森林高度反演方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1-6中任一项所述的基于卫星多角度指数的大尺度森林高度反演方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311657780.2A CN117435848B (zh) | 2023-12-06 | 2023-12-06 | 基于卫星多角度指数的大尺度森林高度反演方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311657780.2A CN117435848B (zh) | 2023-12-06 | 2023-12-06 | 基于卫星多角度指数的大尺度森林高度反演方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117435848A true CN117435848A (zh) | 2024-01-23 |
| CN117435848B CN117435848B (zh) | 2024-03-12 |
Family
ID=89555471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311657780.2A Active CN117435848B (zh) | 2023-12-06 | 2023-12-06 | 基于卫星多角度指数的大尺度森林高度反演方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117435848B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102269576A (zh) * | 2010-06-03 | 2011-12-07 | 曹春香 | 一种森林覆盖度及有效叶面积指数的主被动协同反演方法 |
| CN110070488A (zh) * | 2019-04-25 | 2019-07-30 | 北京工业大学 | 一种基于卷积神经网络的多角度遥感影像森林高度提取方法 |
| CN113205475A (zh) * | 2020-01-16 | 2021-08-03 | 吉林大学 | 基于多源卫星遥感数据的森林高度反演方法 |
| CN115422309A (zh) * | 2022-07-07 | 2022-12-02 | 南京林业大学 | 一种基于神经网络的大尺度林龄遥感反演方法 |
| CN115544806A (zh) * | 2022-11-01 | 2022-12-30 | 天津师范大学 | 基于多角度卫星观测数据的森林生物量反演方法 |
-
2023
- 2023-12-06 CN CN202311657780.2A patent/CN117435848B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102269576A (zh) * | 2010-06-03 | 2011-12-07 | 曹春香 | 一种森林覆盖度及有效叶面积指数的主被动协同反演方法 |
| CN110070488A (zh) * | 2019-04-25 | 2019-07-30 | 北京工业大学 | 一种基于卷积神经网络的多角度遥感影像森林高度提取方法 |
| CN113205475A (zh) * | 2020-01-16 | 2021-08-03 | 吉林大学 | 基于多源卫星遥感数据的森林高度反演方法 |
| CN115422309A (zh) * | 2022-07-07 | 2022-12-02 | 南京林业大学 | 一种基于神经网络的大尺度林龄遥感反演方法 |
| CN115544806A (zh) * | 2022-11-01 | 2022-12-30 | 天津师范大学 | 基于多角度卫星观测数据的森林生物量反演方法 |
Non-Patent Citations (4)
| Title |
|---|
| LEI CUI: "Effectiveness of the Reconstructed MODIS Typical-Angle Reflectances on Forest Biomass Estimation", 《REMOTE SENSING》, 31 October 2022 (2022-10-31) * |
| LEI CUI: "Enhancing Leaf Area Index Estimation with MODIS BRDF Data by Optimizing Directional Observations and Integrating PROSAIL and Ross–Li Models", 《REMOTE SENSING》, 2 December 2023 (2023-12-02) * |
| LEI CUI: "Estimating forest canopy height using MODIS BRDF data emphasizing typical-angle reflectances", 《REMOTE SENSING》, 26 September 2019 (2019-09-26) * |
| 廖凯涛;齐述华;王成;王点;: "结合GLAS和TM卫星数据的江西省森林高度和生物量制图", 遥感技术与应用, no. 04, 20 August 2018 (2018-08-20) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117435848B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wen et al. | Characterizing land surface anisotropic reflectance over rugged terrain: A review of concepts and recent developments | |
| Vander Jagt et al. | Snow depth retrieval with UAS using photogrammetric techniques | |
| Ding et al. | Adaptive node parameterization for dynamic determination of boundaries and nodes of GNSS tomographic models | |
| Yazici et al. | Investigating persistent scatterer InSAR (PSInSAR) technique efficiency for landslides mapping: a case study in Artvin dam area, in Turkey | |
| Tesfamichael et al. | Investigating the impact of discrete-return lidar point density on estimations of mean and dominant plot-level tree height in Eucalyptus grandis plantations | |
| Carreno-Luengo et al. | Impact of the elevation angle on CYGNSS GNSS-R bistatic reflectivity as a function of effective surface roughness over land surfaces | |
| James et al. | Detecting the development of active lava flow fields with a very‐long‐range terrestrial laser scanner and thermal imagery | |
| Labarre et al. | An overview of MATISSE-v2. 0 | |
| Bardal et al. | Evaluation of methods for estimating atmospheric stability at two coastal sites | |
| Holst et al. | Increasing spatio-temporal resolution for monitoring alpine solifluction using terrestrial laser scanners and 3d vector fields | |
| Goumehei et al. | Surface water body detection in polarimetric SAR data using contextual complex Wishart classification | |
| Zhang et al. | Shortwave aerosol radiative forcing over cloud‐free oceans from Terra: 1. Angular models for aerosols | |
| CN115081195A (zh) | 一种激光雷达仿真的方法、装置、电子设备及存储介质 | |
| Wei et al. | Snow depth estimation on slopes using GPS-interferometric reflectometry | |
| Sá et al. | Approach to leveraging real-time GNSS tomography usage | |
| Dong et al. | An efficient maximum likelihood estimation approach of multi-baseline SAR interferometry for refined topographic mapping in mountainous areas | |
| Peng et al. | Study on atmospheric correction approach of Landsat-8 imageries based on 6S model and look-up table | |
| CN117435848B (zh) | 基于卫星多角度指数的大尺度森林高度反演方法及系统 | |
| Valluvan et al. | Canopy height estimation using drone-based RGB images | |
| JP5137039B2 (ja) | 熱放射エネルギーのシミュレーション装置、及び、方法 | |
| Wang et al. | Integration of ground-based and space-borne radar observations for three-dimensional deformations reconstruction: application to Luanchuan mining area, China | |
| CN115544806A (zh) | 基于多角度卫星观测数据的森林生物量反演方法 | |
| Rada Giacaman | High-precision measurement of height differences from shadows in non-stereo imagery: New methodology and accuracy assessment | |
| Sun et al. | DEM generation and error analysis using the first Chinese airborne dual-antenna interferometric SAR data | |
| Yue et al. | Soil moisture assessment through the SSMMI and GSSIM algorithm based on SPOT, WorldView-2, and Sentinel-2 images in the Daliuta Coal Mining Area, China |
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 |