JP7075557B1 - マルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法 - Google Patents
マルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法 Download PDFInfo
- Publication number
- JP7075557B1 JP7075557B1 JP2022001036A JP2022001036A JP7075557B1 JP 7075557 B1 JP7075557 B1 JP 7075557B1 JP 2022001036 A JP2022001036 A JP 2022001036A JP 2022001036 A JP2022001036 A JP 2022001036A JP 7075557 B1 JP7075557 B1 JP 7075557B1
- Authority
- JP
- Japan
- Prior art keywords
- regular
- rural
- rural non
- remote sensing
- resolution
- 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 55
- 239000002699 waste material Substances 0.000 title claims abstract description 55
- 239000010813 municipal solid waste Substances 0.000 claims abstract description 127
- 238000009826 distribution Methods 0.000 claims abstract description 41
- 238000012502 risk assessment Methods 0.000 claims abstract description 16
- 230000010365 information processing Effects 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000005065 mining Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 239000010791 domestic waste Substances 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 9
- 239000002440 industrial waste Substances 0.000 claims description 7
- 239000002910 solid waste Substances 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 239000002920 hazardous waste Substances 0.000 claims description 5
- 238000009966 trimming Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000012271 agricultural production Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000012986 modification Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 claims 1
- 230000000007 visual effect Effects 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 abstract description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000002994 raw material Substances 0.000 description 6
- 239000002893 slag Substances 0.000 description 6
- 239000002154 agricultural waste Substances 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000003723 Smelting Methods 0.000 description 3
- 239000004568 cement Substances 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 239000010883 coal ash Substances 0.000 description 3
- 239000002361 compost Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000003317 industrial substance Substances 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 244000144972 livestock Species 0.000 description 3
- 239000010871 livestock manure Substances 0.000 description 3
- 239000002362 mulch Substances 0.000 description 3
- 231100000614 poison Toxicity 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 238000009419 refurbishment Methods 0.000 description 3
- 239000010902 straw Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 231100000331 toxic Toxicity 0.000 description 3
- 230000002588 toxic effect Effects 0.000 description 3
- 239000003440 toxic substance Substances 0.000 description 3
- 235000013311 vegetables Nutrition 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L19/00—Details of, or accessories for, apparatus for measuring steady or quasi-steady pressure of a fluent medium insofar as such details or accessories are not special to particular types of pressure gauges
- G01L19/0007—Fluidic connecting means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L19/00—Details of, or accessories for, apparatus for measuring steady or quasi-steady pressure of a fluent medium insofar as such details or accessories are not special to particular types of pressure gauges
- G01L19/0092—Pressure sensor associated with other sensors, e.g. for measuring acceleration or temperature
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L19/00—Details of, or accessories for, apparatus for measuring steady or quasi-steady pressure of a fluent medium insofar as such details or accessories are not special to particular types of pressure gauges
- G01L19/06—Means for preventing overload or deleterious influence of the measured medium on the measuring device or vice versa
- G01L19/0627—Protection against aggressive medium in general
- G01L19/0654—Protection against aggressive medium in general against moisture or humidity
-
- 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
- Y02A90/30—Assessment of water resources
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/58—Construction or demolition [C&D] waste
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Sampling And Sample Adjustment (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
Description
づく農村非正規ゴミ分類およびリスク識別方法に関する。
善、同時に、農村住民の環境保護意識の低さやインフラの欠如により、家庭ごみはかつて
ないほどの割合で増加し、その結果、農村地域での非正規家庭ごみの問題が徐々に浮上し
、深刻な環境汚染を引き起こし、農村ゴミ管理は、開発途上国の政府が直面している大き
な課題となっている。
分布、複雑な構成、有害成分増加、および大きな地域差などの特徴を示し、ごみ処理を整
然と進めるのは難しい。
ンスを効果的に提供することができる。
を提供することでる。
スク識別方法は、以下のステップを含む。
S1:画像データの取得および予備処理
農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセンシング画像データを取
得して、情報処理装置によって予備処理した後、処理されたデータを合成して高解像度の
マルチスペクトルリモートセンシング画像を取得する。
S2:農村非正規ゴミの高解像度リモートセンシング分類システムの確立
情報処理装置により、農村非正規ゴミの高解像度リモートセンシング分類システムを確立
し、前記高解像度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農
業生産廃棄物、一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれる。
その内に、生活ゴミとは、石炭灰、腐植、野菜の残滓など、通常の生活では再利用できな
い、行政村や都市と農村の合流点の住宅地に不法に積み上げられた廃棄物を指す。
建設ゴミとは、セメント残留物、建設および改修中に発生するさまざまな廃棄物など、都
市部、農村部、村の建設過程で廃棄される使用できない廃棄物を指す。
農業生産廃棄物とは、マルチ、野焼きわら、堆肥、家畜および家畜糞尿などを指す。
一般産業固形廃棄物とは、産業製錬によって生成されたスラグ、産業精製プロセスで不完
全に製錬されたコンポーネント、および一時的に埋められたスラグを指す。
採掘産業廃棄原料とは、採炭、採石場、鉄鉱石などの鉱業や利用に価値のない廃棄物を指
す。
危険廃棄物とは、有毒で人、動物、環境に汚染を引き起こす可能性のある産業や化学物質
などの有害物質を指す。
S3:情報抽出および認証
ステップS2で確立された農村非正規ゴミの高解像度リモートセンシング分類システム、
および異なる農村非正規ゴミの高解像度の第2リモートセンシングサンプルポイントから
、専門家が高解像度の第2リモートセンシング画像上の異なる農村非正規ゴミ目標および
周辺画像の色相、形状、サイズ、テクスチャなどの空間混同法則特徴に基づいて、農村非
正規ゴミ分布点情報処理装置により情報を抽出および解釈し、現地調査の農村非正規分布
点と高解像度の第2の画像から解釈された農村非正規ゴミポイントに基づき、現地調査さ
れた実際の農村非正規ゴミ分布点の位置および分類と、高解像度の第2の画像から解釈さ
れた農村非正規ゴミポイントの位置および分類とを比較および認証し、高解像度の第2の
リモートセンシングから解釈された分類結果と現地調査の分類結果を同じ混同行列で表示
し、全体精度とKappa係数に基づいて農村非正規ゴミポイント分類精度を評価する。
S4:農村非正規ゴミ分布に影響を及ぼす要素データの選択
情報処理装置により、自然要素と社会経済的要素の両方から独立変数を選択し、農村非正
規ゴミ投棄場に影響を及ぼす主要な要因を分析して標準化された独立変数データに処理す
る。
S5:農村非正規ゴミ投棄場のリスク評価モデルの確立
情報処理装置により、地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす
主要な要因の回帰係数を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立する。
S6:非正規ゴミ投棄場のリスクレベル分布の評価
情報処理装置により、ArcGIS中の自然セグメントポイント法を使用して、得られた
農村非正規ゴミ投棄リスク分布指数を、超低リスク、低リスク、中リスク、高リスク、超
高リスクの5種類に分類するステップと、を含む。
本発明の一側面として、S1では、前記高解像度衛星リモートセンシング画像データには
、マルチスペクトルリモートセンシング画像およびパンクロマティック画像が含まれる。
本発明の一側面として、S1は具体的に以下のことを含む。
ートセンシング画像データおよびパンクロマティック高解像度画像データをダウンロード
して取得する。その内に、マルチスペクトルとパンクロマティック高解像度画像の高解像
度データはリソースサテライトセンターからダウンロードして取得され、農村非正規ゴミ
投棄場抽出調査地域の高解像度リモートセンシングデータ、例えば1m解像度パンクロマ
ティック/2m解像度マルチスペクトルを含む高解像度の第2のデータをダウンロードす
ることができる。
S1‐2:式
に従って、衛星リモートセンシング画像データをラジオメトリックキャリブレーションし
、衛星負荷チャンネル観察値、つまりDN値を衛星負荷等価見かけ放射輝度データに変換
し、式では、
は衛星負荷等価見かけ放射輝度であり、
はキャリブレーションスロープであり、
は衛星負荷チャンネル観察値であり、
はキャリブレーションインターセプトである。
S1‐3:ラジオメトリックキャリブレーションされたマルチスペクトルリモートセンシ
ング画像データを、FLAASH大気補正アルゴリズムを使用して大気補正を行い、可視
性、エアロゾルタイプと大気水蒸気含有量などの大気に関連するパラメータを取得するこ
とで、大気放射透過方程式を解き反射率データを取得し、さらに補正過程中の残留ノイズ
を解消する。
S1‐4:有理多項式関数モデルに基づき、軌道間の地域ネットワーク調整数学モデルを
構築し、画像接続点と少数の制御点から調整に関与するすべての衛星画像方向パラメータ
を解き、サブピクセルレベルの補正結果を取得し、さらにオルソ補正後の高解像度衛星画
像を計算して取得する。
S1‐5:処理されたマルチスペクトルリモートセンシング画像データとパンクロマティ
ック高解像度画像データを合成して、高解像度のマルチスペクトルリモートセンシング画
像を取得する。
S1‐5は、具体的に情報処理装置により、低空間解像度のマルチスペクトルデータと高
空間解像度のパンクロマティック高解像度画像データを、HSV変更アルゴリズムにより
合成して高解像度のマルチスペクトルリモートセンシング画像を生成することであり、具
体的には、RGB画像をHSVに変換し、高解像度画像を使用して色の明るさ値帯域を置
き換え、3次畳み込み技術を使用して色相と彩度を高解像度ピクセルまで再サンプリング
、画像をRGBカラーに変換し、農村非正規ゴミ投棄場抽出調査地域をカバーする高解像
度リモートセンシング画像データを生成するために、マルチシーンの高解像度リモートセ
ンシングをモザイクしてすべての農村非正規ゴミ投棄場抽出調査地域をカバーする高解像
度リモートセンシング画像モザイク図を生成し(その内のマルチシーン高解像度リモート
センシングは、1シーンは1枚に相当し、マルチシーンは複数枚に相当し、調査地域はマ
ルチシーン画像を使用して被覆されるため、マルチシーン画像をモザイクして調査地域全
体を被覆する画像モザイク図を生成するからである)、農村非正規ゴミ投棄場抽出調査地
域のベクタ境界線を使用して、農村非正規ゴミ投棄場抽出調査地域の範囲を超えた画像を
トリミングして、農村非正規ゴミ投棄場抽出調査地域内の高解像度リモートセンシング画
像を生成する。
ネットワーク密度、標高、人口、地域GDP、植生被覆率、水ネットワーク密度、居住用
地面積、AGDPを独立変数として選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な
要因を分析し、上記の8つの独立変数データを投影変換、空間解像度再サンプリング、デ
ータトリミングの手順を通じて、標準化された独立変数データに処理する。
本発明の一側面として、S5は、具体的に、情報処理装置により、GWR4.0ソフトウ
ェアを使用して、調査地域の農村非正規ゴミ投棄に影響を及ぼす独立変数の回帰係数およ
び駆動要素を計算してから、各独立変数の空間回帰係数から農村非正規ゴミ投棄場のリス
ク評価モデルを確立する。
するには農村非正規ゴミリスク指数を計算することは、具体的に、
S5‐1:式:
から農村非正規ゴミサンプルポイントの従属変数を計算し、式では、
は農村非正規ゴミサンプルポイントiの従属変数であり、
は農村非正規ゴミサンプルポイントiの位置座標であり、
は農村非正規ゴミサンプルポイントiのインターセプトであり、
は農村非正規ゴミ分布に影響を及ぼすk番目の独立変数のサンプルポイントiでの加重回
帰係数であり、
と
はそれぞれ農村非正規ゴミ分布に影響を及ぼすk番目の独立変数のサンプルポイントiで
の値、誤差項であることと、
S5‐2:式:
からパラメータ推定方法を計算し、式では、
は
対角行列であり、
、
はそれぞれ独立変数と従属変数行列であることと、
S5‐3:ガウス関数を使用してモデル空間重みを決定し、式は
であり、式では、
は帯域幅パラメータであり、
はサンプルポイントiからサンプルポイントjまでの距離であることと、
S5‐4:最適な帯域幅を得るために、AIC基準をGWRモデルの帯域幅選択に適用し
、AICc値はAIC基準に基づいて計算され、AICc値が最小のGWRモデルに対応
する帯域幅を最適な帯域幅として、計算式は
であり、式では、
はAICc値の計算パラメータであり、
は誤差項の推定標準偏差であり、
はGWRモデルのS行列のトレースであり、帯域幅パラメータhの関数であることと、を
含み、一般的に、同様のサンプルデータの場合、AICc値が小さいほど、モデルフィッ
ティング効果が良くなり、そうでない場合モデルフィッティング効果が良くないことを示
す。
の高解像度リモートセンシング分類システムを確立することにより、農村非正規ゴミの分
布位置および面積を効果的に識別および抽出することができ、自然地理、社会経済などの
データを組み合わせて、農村非正規ゴミリスク評価モデルを構築し、関連部門にゴミ改善
、インフラストラクチャーについての科学的ガイダンスを提供することができる。
ク識別方法は、以下のステップを含む。
S1:画像データの取得および予備処理
農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセンシング画像データを取
得して、情報処理装置によって予備処理した後、処理されたデータを合成して高解像度の
マルチスペクトルリモートセンシング画像を取得し、その内に、高解像度衛星リモートセ
ンシング画像データには、マルチスペクトルリモートセンシング画像およびパンクロマテ
ィック画像が含まれ、具体的には、
S1‐1:情報処理装置により、リソースサテライトセンターからマルチスペクトルリモ
ートセンシング画像データおよびパンクロマティック高解像度画像データをダウンロード
して取得する。その内に、マルチスペクトルとパンクロマティック高解像度画像の高解像
度データはリソースサテライトセンターからダウンロードして取得され、農村非正規ゴミ
投棄場抽出調査地域の高解像度リモートセンシングデータ、例えば1m解像度パンクロマ
ティック/2m解像度マルチスペクトルを含む高解像度の第2のデータをダウンロードす
ることができる。
S1‐2:式
に従って、衛星リモートセンシング画像データをラジオメトリックキャリブレーションし
、衛星負荷チャンネル観察値、つまりDN値を衛星負荷等価見かけ放射輝度データに変換
し、式では、
は衛星負荷等価見かけ放射輝度であり、
はキャリブレーションスロープであり、
は衛星負荷チャンネル観察値であり、
はキャリブレーションインターセプトである。
S1‐3:ラジオメトリックキャリブレーションされたマルチスペクトルリモートセンシ
ング画像データを、FLAASH大気補正アルゴリズムを使用して大気補正を行い、可視
性、エアロゾルタイプと大気水蒸気含有量などの大気に関連するパラメータを取得するこ
とで、大気放射透過方程式を解き反射率データを取得し、さらに補正過程中の残留ノイズ
を解消する。
S1‐4:有理多項式関数モデルに基づき、軌道間の地域ネットワーク調整数学モデルを
構築し、画像接続点と少数の制御点から調整に関与するすべての衛星画像方向パラメータ
を解き、サブピクセルレベルの補正結果を取得し、さらにオルソ補正後の高解像度衛星画
像を計算して取得する。
S1‐5:処理されたマルチスペクトルリモートセンシング画像データとパンクロマティ
ック高解像度画像データを合成して、高解像度のマルチスペクトルリモートセンシング画
像を取得し、具体的には、低空間解像度のマルチスペクトルデータと高空間解像度のパン
クロマティック高解像度画像データを、HSV変更アルゴリズムにより合成して高解像度
のマルチスペクトルリモートセンシング画像を生成し、具体的には、RGB画像をHSV
に変換し、高解像度画像を使用して色の明るさ値帯域を置き換え、3次畳み込み技術を使
用して色相と彩度を高解像度ピクセルまで再サンプリング、画像をRGBカラーに変換し
、農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング画像デー
タを生成するために、マルチシーンの高解像度リモートセンシングをモザイクしてすべて
の農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング画像モザ
イク図を生成し(その内のマルチシーン高解像度リモートセンシングは、1シーンは1枚
に相当し、マルチシーンは複数枚に相当し、調査地域はマルチシーン画像を使用して被覆
されるため、マルチシーン画像をモザイクして調査地域全体を被覆する画像モザイク図を
生成するからである)、農村非正規ゴミ投棄場抽出調査地域のベクタ境界線を使用して、
農村非正規ゴミ投棄場抽出調査地域の範囲を超えた画像をトリミングして、農村非正規ゴ
ミ投棄場抽出調査地域内の高解像度リモートセンシング画像を生成する。
情報処理装置により、農村非正規ゴミの高解像度リモートセンシング分類システムを確立
し、前記高解像度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農
業生産廃棄物、一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれる。
その内に、生活ゴミとは、石炭灰、腐植、野菜の残滓など、通常の生活では再利用できな
い、行政村や都市と農村の合流点の住宅地に不法に積み上げられた廃棄物を指す。
建設ゴミとは、セメント残留物、建設および改修中に発生するさまざまな廃棄物など、都
市部、農村部、村の建設過程で廃棄される使用できない廃棄物を指す。
農業生産廃棄物とは、マルチ、野焼きわら、堆肥、家畜および家畜糞尿などを指す。
一般産業固形廃棄物とは、産業製錬によって生成されたスラグ、産業精製プロセスで不完
全に製錬されたコンポーネント、および一時的に埋められたスラグを指す。
採掘産業廃棄原料とは、採炭、採石場、鉄鉱石などの鉱業や利用に価値のない廃棄物を指
す。
危険廃棄物とは、有毒で人、動物、環境に汚染を引き起こす可能性のある産業や化学物質
などの有害物質を指す。
ステップS2で確立された農村非正規ゴミの高解像度リモートセンシング分類システム、
および異なる農村非正規ゴミの高解像度の第2リモートセンシングサンプルポイントから
、専門家が高解像度の第2リモートセンシング画像上の異なる農村非正規ゴミ目標および
周辺画像の色相、形状、サイズ、テクスチャなどの空間混同法則特徴に基づいて、農村非
正規ゴミ分布点情報処理装置により情報を抽出および解釈し、現地調査の農村非正規分布
点と高解像度の第2の画像から解釈された農村非正規ゴミポイントに基づき、現地調査さ
れた実際の農村非正規ゴミ分布点の位置および分類と、高解像度の第2の画像から解釈さ
れた農村非正規ゴミポイントの位置および分類とを比較および認証し、高解像度の第2の
リモートセンシングから解釈された分類結果と現地調査の分類結果を同じ混同行列で表示
し、全体精度とKappa係数に基づいて農村非正規ゴミポイント分類精度を評価する。
情報処理装置により、自然要素と社会経済的要素の両方から独立変数を選択し、農村非正
規ゴミ投棄場に影響を及ぼす主要な要因を分析して標準化された独立変数データに処理し
、具体的に、自然要素と社会経済的要素の両方から道路ネットワーク密度、標高、人口、
地域GDP、植生被覆率、水ネットワーク密度、居住用地面積、AGDPを独立変数とし
て選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な要因を分析し、上記の8つの独立
変数データを投影変換、空間解像度再サンプリング、データトリミングの手順を通じて、
標準化された独立変数データに処理する。
情報処理装置により、地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす
主要な要因の回帰係数を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立し、そ
の内に、GWR4.0ソフトウェアを使用して、調査地域の農村非正規ゴミ投棄に影響を
及ぼす独立変数の回帰係数および駆動要素を計算してから、各独立変数の空間回帰係数か
ら農村非正規ゴミ投棄場のリスク評価モデルを確立する。具体的には、
S5‐1:式:
から農村非正規ゴミサンプルポイントの従属変数を計算し、式では、
は農村非正規ゴミサンプルポイントiの従属変数であり、
は農村非正規ゴミサンプルポイントiの位置座標であり、
は農村非正規ゴミサンプルポイントiのインターセプトであり、
は農村非正規ゴミ分布に影響を及ぼすk番目の独立変数のサンプルポイントiでの加重回
帰係数であり、
と
はそれぞれ農村非正規ゴミ分布に影響を及ぼすk番目の独立変数のサンプルポイントiで
の値、誤差項である。
S5‐2:式:
からパラメータ推定方法を計算し、式では、
は
対角行列であり、
、
はそれぞれ独立変数と従属変数行列である。
S5‐3:ガウス関数を使用してモデル空間重みを決定し、式は
であり、式では、
は帯域幅パラメータであり、
はサンプルポイントiからサンプルポイントjまでの距離である。
S5‐4:最適な帯域幅を得るために、AIC基準をGWRモデルの帯域幅選択に適用し
、AICc値はAIC基準に基づいて計算され、AICc値が最小のGWRモデルに対応
する帯域幅を最適な帯域幅として、計算式は
であり、式では、
はAICc値の計算パラメータであり、
は誤差項の推定標準偏差であり、
はGWRモデルのS行列のトレースであり、帯域幅パラメータhの関数である。
情報処理装置により、ArcGIS中の自然セグメントポイント法を使用して、得られた
農村非正規ゴミ投棄リスク分布指数を、超低リスク、低リスク、中リスク、高リスク、超
高リスクの5種類に分類する。
審査官の理解のとおり、一般的に、本発明のような分析方法は、コンピューターや電子機
器に基づいて行われたものであり、人間の脳の思考段階にとどまらず、実際に操作され得
るものである。
前記の「情報処理装置」は、「プロセッサ」、およびこの「プロセッサ」に結合して接続
された「メモリ」を含む、従来技術において非常に一般的な電子デバイスであり、この「
メモリ」は「情報処理装置」の指令を記憶するために使用され、「情報処理装置」が動作
すると、「プロセッサ」は「メモリ」に記憶された「情報処理装置」の指令を実行して、
「情報処理装置」に前記の方法を実行させる。上記「情報処理装置」の指令とは、本発明
の前記の方法の操作指令を指す。
もちろん、本発明の方法は、コンピューター可読媒体によって行われ、このコンピュータ
ー可読記憶媒体はコンピュータープログラムを含み、当該コンピュータープログラムがコ
ンピューターで実行されると、前記の方法を実行することができる。
応用例:実施例の方法を使用して、甘粛省の農村非正規ゴミを分類およびリスク識別し、
具体的には以下のステップを含む。
中国製の曇りない高品質高解像度の第2の画像を使用し、高い空間解像度(1mパンクロ
マティックと4mマルチスペクトル)を有し、農村非正規ゴミの分布を精度良く抽出する
ことができる。
まず、コンピューターでGF‐2衛星リモートセンシング画像に対して、ラジオメトリッ
クキャリブレーション、大気補正、オルソ補正、イメージ合成、画像モザイク、画像トリ
ミングを含む予備処理を行い、農村非正規ゴミ投棄場抽出調査地域のオルソ画像の作業ベ
ースマップを生成し、農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセン
シング画像データを予備処理して、高解像度のマルチスペクトルリモートセンシング画像
とパンクロマティック画像を取得し、次に処理されたデータを合成して高空間解像度のマ
ルチスペクトルリモートセンシング画像を取得する。
農村非正規ゴミに対して高解像度リモートセンシング分類システムを確立し、前記高解像
度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農業生産廃棄物、
一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれる。
その内に、生活ゴミとは、石炭灰、腐植、野菜の残滓など、通常の生活では再利用できな
い、行政村や都市と農村の合流点の住宅地に不法に積み上げられた廃棄物を指す。
建設ゴミとは、セメント残留物、建設および改修中に発生するさまざまな廃棄物など、都
市部、農村部、村の建設過程で廃棄される使用できない廃棄物を指す。
農業生産廃棄物とは、マルチ、野焼きわら、堆肥、家畜および家畜糞尿などを指す。
一般産業固形廃棄物とは、産業製錬によって生成されたスラグ、産業精製プロセスで不完
全に製錬されたコンポーネント、および一時的に埋められたスラグを指す。
採掘産業廃棄原料とは、採炭、採石場、鉄鉱石などの鉱業や利用に価値のない廃棄物を指
す。
危険廃棄物とは、有毒で人、動物、環境に汚染を引き起こす可能性のある産業や化学物質
などの有害物質を指す。
ステップS2で確立された農村非正規ゴミの高解像度リモートセンシング分類システム、
および異なる農村非正規ゴミの高解像度の第2リモートセンシングサンプルポイントから
、専門家が高解像度の第2リモートセンシング画像上の異なる農村非正規ゴミ目標および
周辺画像の色相、形状、サイズ、テクスチャなどの空間混同法則特徴に基づいて、農村非
正規ゴミ分布点情報処理装置により情報を抽出および解釈し、現地調査の農村非正規分布
点と高解像度の第2の画像から解釈された農村非正規ゴミポイントに基づき、現地調査さ
れた実際の農村非正規ゴミ分布点の位置および分類と、高解像度の第2の画像から解釈さ
れた農村非正規ゴミポイントの位置および分類とを比較および認証し、高解像度の第2の
リモートセンシングから解釈された分類結果と現地調査の分類結果を同じ混同行列で表示
し、全体精度とKappa係数に基づいて農村非正規ゴミポイント分類精度を評価して、
図2に示される高解像度の第2のリモートセンシング画像に基づいて解釈された甘粛省の
農村非正規ゴミポイントの分布図を得る。
自然要素と社会経済的要素の両方から独立変数を選択し、農村非正規ゴミ投棄場に影響を
及ぼす主要な要因を分析して標準化された独立変数データに処理し、具体的に、自然要素
と社会経済的要素の両方から道路ネットワーク密度、標高、人口、地域GDP、植生被覆
率、水ネットワーク密度、居住用地面積、AGDPを独立変数
、
、
、
、
、
、
、
として選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な要因を分析し、上記の8つの
独立変数データを投影変換、空間解像度再サンプリング、データトリミングの手順を通じ
て、標準化された独立変数データに処理する。
地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす主要な要因の回帰係数
を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立する。
具体的に、GWR4.0ソフトウェアを使用して、調査地域の農村非正規ゴミ投棄に影響
を及ぼす独立変数の回帰係数および駆動要素を計算して以下のことを得る。
甘粛省の農村非正規ゴミ投棄場と農村居住用地面積
の回帰係数は‐0.3655~0.4349の範囲にあり、平均値は0.0094である
。
甘粛省の農村非正規ゴミ投棄場と道路ネットワーク密度
の回帰係数は‐10.3603~79.4798の範囲にあり、平均値は0.6412で
ある。
甘粛省の農村非正規ゴミ投棄場と標高
の回帰係数は‐0.0036~0.0088の範囲にあり、平均値は‐0.0002であ
る。
甘粛省の農村非正規ゴミ投棄場と人口
の回帰係数は‐0.0014~0.0001の範囲にあり、平均値は0である。
甘粛省の農村非正規ゴミ投棄場と地域GDP
の回帰係数は‐0.000070~0.000462の範囲にあり、平均値は0.000
004である。
最後に、各独立変数の空間回帰係数から、GWR法を使用して農村非正規ゴミ投棄場のリ
スク評価モデルを確立し、図3~7の農村非正規ゴミ投棄場の各独立変数の回帰係数分布
図を得る。
自然セグメントポイント法を使用して、甘粛省の異なる町区ユニットに対応する農村非正
規ゴミ投棄場のリスク分布指数を作成し、さらにリスクの空間分布特徴を評価して、図8
に示される甘粛省の農村非正規ゴミ投棄場のリスクレベル空間分布図を取得し、甘粛省の
農村非正規ゴミ投棄リスクは明らかな地域的特徴を有し、超高リスクと高リスクの地域は
総面積の19.22%を占め、小さなパッチで分布し、非正規ゴミ投棄リスクが高いのは
、密集した道路ネットワーク、大きな居住用地面積、および密集人口に関連する可能性が
あり、中リスクの地域は38.49%を占め、パッチで分布し、低リスクの地域は総面積
の24.95%を占め、散在しており、これらの地域は人口が比較的少なく、経済水準が
低く、居住用地面積が比較的小さく、道路ネットワークが未発達であり、超低リスクの地
域は総面積の18.34%を占め、主に国立公園、自然保護区などに分布し、これらの地
域の非正規ゴミ投棄リスクが低いのは、標高が高く、人口が少なく、経済水準が低く、未
発達の道路ネットワークに関連する可能性がある。
Claims (7)
- S1:
農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセンシング画像データを取
得して、情報処理装置によって予備処理した後、処理されたデータを合成して高解像度の
マルチスペクトルリモートセンシング画像を取得するステップと、
S2:
情報処理装置により、農村非正規ゴミの高解像度リモートセンシング分類システムを確立
し、前記高解像度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農
業生産廃棄物、一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれるステ
ップと、
S3:
S2で確立された高解像度リモートセンシング分類システムの空間混同法則特徴に従って
、手動視覚的解釈によって予測の農村非正規ゴミ分布点を取得し、次に現地調査によって
得られた実際の農村非正規ゴミ分布点と前記予測の農村非正規ゴミ分布点を情報処理装置
により比較して計算し、分類結果の精度を混同行列で示し、全体精度とKappa係数に
基づいて農村非正規ゴミポイントの分類精度を評価するステップと、
S4:
情報処理装置により、自然要素と社会経済的要素の両方から独立変数を選択し、農村非正
規ゴミ投棄場に影響を及ぼす主要な要因を分析して標準化された独立変数データに処理す
るステップと、
S5:
情報処理装置により、地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす
主要な要因の回帰係数を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立するス
テップと、
S6:
情報処理装置により、ArcGIS中の自然セグメントポイント法を使用して、得られた
農村非正規ゴミ投棄リスク分布指数を、超低リスク、低リスク、中リスク、高リスク、超
高リスクの5種類に分類するステップと、を含む、
ことを特徴とするマルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法
。 - S1では、前記高解像度衛星リモートセンシング画像データには、マルチスペクトルリモ
ートセンシング画像およびパンクロマティック画像が含まれる、
ことを特徴とする請求項1に記載の方法。 - S1は、
S1‐1:情報処理装置により、リソースサテライトセンターからマルチスペクトルリモ
ートセンシング画像データおよびパンクロマティック高解像度画像データをダウンロード
して取得することと、
S1‐2:式
に従って、衛星リモートセンシング画像データをラジオメトリックキャリブレーションし
、衛星負荷チャンネル観察値、つまりDN値を衛星負荷等価見かけ放射輝度データに変換
し、式では、
は衛星負荷等価見かけ放射輝度であり、
はキャリブレーションスロープであり、
は衛星負荷チャンネル観察値であり、
はキャリブレーションインターセプトであることと、
S1‐3:ラジオメトリックキャリブレーションされたマルチスペクトルリモートセンシ
ング画像データを、FLAASH大気補正アルゴリズムを使用して大気補正を行うことと
、
S1‐4:有理多項式関数モデルに基づき、軌道間の地域ネットワーク調整数学モデルを
構築し、画像接続点と少数の制御点から調整に関与するすべての衛星画像方向パラメータ
を解き、サブピクセルレベルの補正結果を取得し、さらにオルソ補正後の高解像度衛星画
像を計算して取得することと、
S1‐5:処理されたマルチスペクトルリモートセンシング画像データとパンクロマティ
ック高解像度画像データを合成して、高解像度のマルチスペクトルリモートセンシング画
像を取得することと、を含む、
ことを特徴とする請求項2に記載の方法。 - S1‐5は、情報処理装置により、低空間解像度のマルチスペクトルデータと高空間解像
度のパンクロマティック高解像度画像データを、HSV変更アルゴリズムにより合成して
高解像度のマルチスペクトルリモートセンシング画像を生成することであり、RGB画像
をHSVに変換し、高解像度画像を使用して色の明るさ値帯域を置き換え、3次畳み込み
技術を使用して色相と彩度を高解像度ピクセルまで再サンプリング、画像をRGBカラー
に変換し、農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング
画像データを生成するために、マルチシーンの高解像度リモートセンシングをモザイクし
てすべての農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング
画像モザイク図を生成し、農村非正規ゴミ投棄場抽出調査地域のベクタ境界線を使用して
、農村非正規ゴミ投棄場抽出調査地域の範囲を超えた画像をトリミングして、農村非正規
ゴミ投棄場抽出調査地域内の高解像度リモートセンシング画像を生成する、
ことを特徴とする請求項3に記載の方法。 - S4では、自然要素と社会経済的要素の両方から道路ネットワーク密度、標高、人口、地
域GDP、植生被覆率、水ネットワーク密度、居住用地面積、AGDPを独立変数として
選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な要因を分析し、上記の8つの独立変
数データを投影変換、空間解像度再サンプリング、データトリミングの手順を通じて、標
準化された独立変数データに処理する、
ことを特徴とする請求項1に記載の方法。 - S5は、情報処理装置により、GWR4.0ソフトウェアを使用して、調査地域の農村非
正規ゴミ投棄に影響を及ぼす独立変数の回帰係数および駆動要素を計算してから、各独立
変数の空間回帰係数から農村非正規ゴミ投棄場のリスク評価モデルを確立する、
ことを特徴とする請求項1に記載の方法。 - S5では、農村非正規ゴミ投棄場のリスク評価モデルを確立するには農村非正規ゴミリス
ク指数を計算することは、
S5‐1:式:
から農村非正規ゴミサンプルポイントの従属変数を計算し、式では、
は農村非正規ゴミサンプルポイントiの従属変数であり、
は農村非正規ゴミサンプルポイントiの位置座標であり、
は農村非正規ゴミサンプルポイントiのインターセプトであり、
は農村非正規ゴミ分布に影響を及ぼすk番目の独立変数のサンプルポイントiでの加重回
帰係数であり、
と
はそれぞれ農村非正規ゴミ分布に影響を及ぼすk番目の独立変数のサンプルポイントiで
の値、誤差項であることと、
S5‐2:式:
からパラメータ推定方法を計算し、式では、
は
対角行列であり、
、
はそれぞれ独立変数と従属変数行列であることと、
S5‐3:ガウス関数を使用してモデル空間重みを決定し、式は
であり、式では、
は帯域幅パラメータであり、
はサンプルポイントiからサンプルポイントjまでの距離であることと、
S5‐4:最適な帯域幅を得るために、AIC基準をGWRモデルの帯域幅選択に適用し
、AICc値はAIC基準に基づいて計算され、AICc値が最小のGWRモデルに対応
する帯域幅を最適な帯域幅として、計算式は
であり、式では、
はAICc値の計算パラメータであり、
は誤差項の推定標準偏差であり、
はGWRモデルのS行列のトレースであり、帯域幅パラメータhの関数であることと、を
含む、
ことを特徴とする請求項6に記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110948400.5 | 2021-08-18 | ||
CN202110948400.5A CN113739984B (zh) | 2021-08-18 | 2021-08-18 | 一种用于测量冻土孔隙水压力变化的装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7075557B1 true JP7075557B1 (ja) | 2022-05-26 |
JP2023029184A JP2023029184A (ja) | 2023-03-03 |
Family
ID=78731723
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021213555A Active JP7037024B1 (ja) | 2021-08-18 | 2021-12-27 | 凍土間隙水圧変化の測定装置 |
JP2021215476A Pending JP2023029183A (ja) | 2021-08-18 | 2021-12-30 | 国立公園の全体監視のためのメッシュ分割方法 |
JP2022001036A Active JP7075557B1 (ja) | 2021-08-18 | 2022-01-06 | マルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021213555A Active JP7037024B1 (ja) | 2021-08-18 | 2021-12-27 | 凍土間隙水圧変化の測定装置 |
JP2021215476A Pending JP2023029183A (ja) | 2021-08-18 | 2021-12-30 | 国立公園の全体監視のためのメッシュ分割方法 |
Country Status (2)
Country | Link |
---|---|
JP (3) | JP7037024B1 (ja) |
CN (1) | CN113739984B (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114544363A (zh) * | 2022-01-26 | 2022-05-27 | 东北林业大学 | 适用于冻土的孔隙水压力测量装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003279415A (ja) | 2002-03-20 | 2003-10-02 | Oyo Corp | 廃棄物種別分布の遠隔調査方法 |
JP2005310053A (ja) | 2004-04-26 | 2005-11-04 | Ntt Data Corp | 不法投棄箇所検知装置、方法、およびプログラム |
CN107169653A (zh) | 2017-05-12 | 2017-09-15 | 江苏警官学院 | 基于gwr分析城乡建设用地扩展空间细部特征的方法 |
CN112115198A (zh) | 2020-09-14 | 2020-12-22 | 宁波市测绘和遥感技术研究院 | 一种城市遥感智能服务平台 |
CN112966925A (zh) | 2021-03-02 | 2021-06-15 | 哈尔滨工业大学 | 一种基于遥感时序变化分析的村镇垃圾增量风险分析系统 |
CN113392788A (zh) | 2021-06-23 | 2021-09-14 | 中国科学院空天信息创新研究院 | 建筑垃圾的识别方法及装置 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4453401A (en) * | 1982-03-12 | 1984-06-12 | The United States Of America As Represented By The Secretary Of The Air Force | Pressure sensor and soil stress isolation filter arrangement in a pore pressure probe |
JP3500945B2 (ja) * | 1998-01-19 | 2004-02-23 | 株式会社日立製作所 | マルチスペクトル衛星画像の処理方法と処理システム並びに水圏評価方法 |
JP5304465B2 (ja) * | 2009-06-16 | 2013-10-02 | 朝日航洋株式会社 | モザイク画像生成方法、装置及びプログラム |
JP5458380B2 (ja) * | 2009-11-09 | 2014-04-02 | 国立大学法人岩手大学 | 画像処理装置及び方法 |
JP5473760B2 (ja) | 2010-04-30 | 2014-04-16 | 株式会社P・V・C | 間隙水圧測定装置、それを用いた軟弱地盤の改良工法、地下埋設物が埋設される地盤の動態把握方法、及び盛土構造物が造成される地盤の動態把握方法 |
CN202599591U (zh) | 2012-04-18 | 2012-12-12 | 苏州筑邦测控科技有限公司 | 孔隙水压测量装置 |
CN103512699A (zh) * | 2012-06-21 | 2014-01-15 | 中国科学院寒区旱区环境与工程研究所 | 一种在冻土中测量孔隙水压力的装置 |
CN102879148A (zh) | 2012-10-10 | 2013-01-16 | 基康仪器(北京)有限公司 | 一种冻土孔隙水压力测量装置和方法 |
JP6208076B2 (ja) * | 2014-05-12 | 2017-10-04 | 株式会社日立製作所 | 画像処理装置、画像処理方法及びプログラムを記録した記録媒体 |
JP6590368B2 (ja) | 2015-12-01 | 2019-10-16 | 株式会社安藤・間 | 土水圧力・せん断力測定センサ |
CN106841000B (zh) * | 2017-01-12 | 2019-12-27 | 四川大学 | 特低渗岩石径向渗透率测试试验的试样组件及其试验方法 |
CN107421679A (zh) * | 2017-08-15 | 2017-12-01 | 中国科学院寒区旱区环境与工程研究所 | 一种用于监测冻土中孔隙水压力的试验探头 |
CN110068415B (zh) * | 2018-07-11 | 2024-04-02 | 内蒙古大学 | 正冻土中孔隙水压力与冰压力测量装置及方法 |
CN110118628A (zh) * | 2019-05-28 | 2019-08-13 | 中国科学院寒区旱区环境与工程研究所 | 冻土孔隙水压力测量装置 |
CN110672497A (zh) * | 2019-11-08 | 2020-01-10 | 宁夏大学 | 一种多功能渗透管涌测试仪 |
CN111062351B (zh) * | 2019-12-24 | 2023-12-22 | 中国矿业大学 | 一种星/机载影像数据融合识别煤矿区场地特征的方法 |
AU2020104274A4 (en) * | 2020-12-23 | 2021-03-11 | Hebei University Of Engineering | An instrument for measuring soil permeability coefficient under the action of freeze-thaw cycle |
-
2021
- 2021-08-18 CN CN202110948400.5A patent/CN113739984B/zh active Active
- 2021-12-27 JP JP2021213555A patent/JP7037024B1/ja active Active
- 2021-12-30 JP JP2021215476A patent/JP2023029183A/ja active Pending
-
2022
- 2022-01-06 JP JP2022001036A patent/JP7075557B1/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003279415A (ja) | 2002-03-20 | 2003-10-02 | Oyo Corp | 廃棄物種別分布の遠隔調査方法 |
JP2005310053A (ja) | 2004-04-26 | 2005-11-04 | Ntt Data Corp | 不法投棄箇所検知装置、方法、およびプログラム |
CN107169653A (zh) | 2017-05-12 | 2017-09-15 | 江苏警官学院 | 基于gwr分析城乡建设用地扩展空间细部特征的方法 |
CN112115198A (zh) | 2020-09-14 | 2020-12-22 | 宁波市测绘和遥感技术研究院 | 一种城市遥感智能服务平台 |
CN112966925A (zh) | 2021-03-02 | 2021-06-15 | 哈尔滨工业大学 | 一种基于遥感时序变化分析的村镇垃圾增量风险分析系统 |
CN113392788A (zh) | 2021-06-23 | 2021-09-14 | 中国科学院空天信息创新研究院 | 建筑垃圾的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7037024B1 (ja) | 2022-03-16 |
CN113739984B (zh) | 2023-06-02 |
JP2023029183A (ja) | 2023-03-03 |
CN113739984A (zh) | 2021-12-03 |
JP2023029180A (ja) | 2023-03-03 |
JP2023029184A (ja) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Calibrating vegetation phenology from Sentinel-2 using eddy covariance, PhenoCam, and PEP725 networks across Europe | |
Mao et al. | An improved approach to estimate above-ground volume and biomass of desert shrub communities based on UAV RGB images | |
Johansen et al. | Using Unmanned Aerial Vehicles to assess the rehabilitation performance of open cut coal mines | |
US8712148B2 (en) | Generating agricultural information products using remote sensing | |
Nagendra et al. | Remote sensing for conservation monitoring: Assessing protected areas, habitat extent, habitat condition, species diversity, and threats | |
Zhou | An object-based approach for urban land cover classification: Integrating LiDAR height and intensity data | |
Xu | Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface index (NDISI) | |
Gómez et al. | Characterizing the state and processes of change in a dynamic forest environment using hierarchical spatio-temporal segmentation | |
Benza et al. | A pattern-based definition of urban context using remote sensing and GIS | |
CN111337434A (zh) | 一种矿区复垦植被生物量估算方法及系统 | |
CN111950942A (zh) | 基于模型的水污染风险评估方法、装置和计算机设备 | |
AU2021100848A4 (en) | A Regional Extraction Method of Ecological Restoration Project in the Grassland Based on the High-resolution Remote Sensing Images | |
JP7075557B1 (ja) | マルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法 | |
Liu et al. | Estimating regional heavy metal concentrations in rice by scaling up a field-scale heavy metal assessment model | |
Montesano et al. | Spaceborne potential for examining taiga–tundra ecotone form and vulnerability | |
Song et al. | Estimation and validation of 30 m fractional vegetation cover over China through integrated use of Landsat 8 and Gaofen 2 data | |
Dimyati et al. | A Minimum Cloud Cover Mosaic Image Model of the Operational Land Imager Landsat-8 Multitemporal Data using Tile based | |
CN114881620A (zh) | 一种基于卫星遥感的国土空间监测方法与系统 | |
Xu et al. | Vegetation information extraction in karst area based on UAV remote sensing in visible light band | |
Sun et al. | Identifying terraces in the hilly and gully regions of the Loess Plateau in China | |
Santos et al. | Extracting buildings in the city of Lisbon using QuickBird images and LIDAR data | |
Rocchini | Resolution problems in calculating landscape metrics | |
CN114359630A (zh) | 绿色、蓝色和灰色基础设施分类方法、装置、系统与介质 | |
Jurišić et al. | Methodology of development of purpose maps in GIS environment–resource management | |
Kupidura | Semi-automatic method for a built-up area intensity survey using morphological granulometry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220106 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220106 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220214 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220408 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7075557 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |