大文件高分辨率遥感影像的实时可视化方法

仇林遥, 杜志强, 谢金华, 邱振戈, 许伟平, 张叶廷

仇林遥, 杜志强, 谢金华, 邱振戈, 许伟平, 张叶廷. 大文件高分辨率遥感影像的实时可视化方法[J]. 武汉大学学报 ( 信息科学版), 2016, 41(8): 1021-1026. DOI: 10.13203/j.whugis20140379
引用本文: 仇林遥, 杜志强, 谢金华, 邱振戈, 许伟平, 张叶廷. 大文件高分辨率遥感影像的实时可视化方法[J]. 武汉大学学报 ( 信息科学版), 2016, 41(8): 1021-1026. DOI: 10.13203/j.whugis20140379
QIU Linyao, DU Zhiqiang, XIE Jinhua, QIU Zhenge, XU Weiping, ZHANG Yeting. A Real-time Visualization Method of High Resolution Remote Sensing Image Bigfiles[J]. Geomatics and Information Science of Wuhan University, 2016, 41(8): 1021-1026. DOI: 10.13203/j.whugis20140379
Citation: QIU Linyao, DU Zhiqiang, XIE Jinhua, QIU Zhenge, XU Weiping, ZHANG Yeting. A Real-time Visualization Method of High Resolution Remote Sensing Image Bigfiles[J]. Geomatics and Information Science of Wuhan University, 2016, 41(8): 1021-1026. DOI: 10.13203/j.whugis20140379

大文件高分辨率遥感影像的实时可视化方法

基金项目: 

国家自然科学基金 41571390

国家高分辨率对地观测系统应用系统(民用部分)建设项目 03-Y30B06-9001-13/15

详细信息
    作者简介:

    仇林遥, 博士生, 主要从事三维地理系统和灾害信息服务研究。qiu_linyao@163.com

    通讯作者:

    杜志强,博士,副教授。 E-mail:duzhiqiang@whu.edu.cn

  • 中图分类号: P237

A Real-time Visualization Method of High Resolution Remote Sensing Image Bigfiles

Funds: 

The National Natural Science Foundation of China 41571390

National High Resolution Earth Observation System (the Civil Part) Technology Projects of China 03-Y30B06-9001-13/15

More Information
    Author Bio:

    QIU Linyao, PhD candidate,specializes in the 3D GIS and disaster information service. E-mail:qiu_linyao@163.com

    Corresponding author:

    DU Zhiqiang,PhD,associate professor. E-mail:duzhiqiang@whu.edu.cn

  • 摘要: 针对GB级大文件形式的高分辨率遥感影像实时可视化过程预处理时耗长等难题,提出了自适应瓦片模型的实时生成方法。基于操作连续性和跨越等级对用户的操作模式进行划分,根据分辨率需求控制瓦片生成顺序,实现不同分辨率瓦片数据的动态生成、选取与调度,从而满足高分辨率遥感影像精细层级的实时可视化,克服了传统“先建库后加载”或者“建立内存金字塔”等方法难以第一时间满足用户“所见即所得”的局限。以资源三号卫星影像数据为例,验证了该方法的有效性。
    Abstract: Aiming to solve the problem of the long preprocessing time when visualizing real-time high resolution remote sensing images with bigfile formats (GB level), a real-time generation method using self-adaptive pyramid tiles is proposed in this paper. Relying on operation continuity and span level, user operations are divided into different modes. On basis of the demands for various resolutions, tiles with different LODs, are generated, in an adaptive way and are dynamically selected and scheduled in order, so tiles of images at higher resolution are rendered in a timely way. This method satisfies the need for 'What You See Is What You Get' browsing of a scene in real time, regarded as a challenge in traditional methods, including advanced generation of a pyramid in disk or memory caches. Experiments with ZY-3 satellite images show the validity of this method.
  • 利用地磁场方向的稳定性,通过测量传感器轴线与地磁场水平分量间的夹角实现载体航向的准确估计,是地磁定向导航及航位推算导航的基础,因此,基于磁传感器的航向估计技术得到了较为广泛的关注[1, 2]。现有的电子磁罗盘在无地磁异常干扰的情况下定向精度可达到±0.5°,但随着人类活动的加剧,建筑物、电缆及地下掩埋物等多种人工磁源逐渐增多,导致地球浅场磁异常的加剧,使得经过罗差校正的磁罗盘在磁异常干扰条件下的定向误差[3]达到数10°,严重影响了其在导航中的应用。因此,本文针对存在浅场地磁异常情况下的磁航向估计问题进行研究,设计了新的传感器阵列结构,提出了基于磁异常反演的磁航向误差实时补偿方法,以提高磁航向技术在实际应用中的鲁棒性。

    浅场磁异常叠加在背景地磁场上,要实现精确的磁航向估计,必须对浅场磁异常进行有效分离。基于磁传感器测量得到的标量及矢量数据均为两种场的叠加,无法实现较好的分离[4],而背景地磁场在小范围内可认为是匀强磁场,即地磁梯度场较小且可忽略不计[5, 6],因此,利用传感器测量得到的磁梯度场可认为仅是浅场磁干扰源产生的异常梯度场,进而可实现背景地磁场和浅场磁异常在梯度测量上的分离。但由于磁航向估计技术是基于磁矢量信息的,必须利用浅场磁异常的梯度场反演得到其产生的磁矢量场,因此,为实现浅场磁异常梯度场的测量和矢量场的准确反演,本文设计了如图 1所示的磁传感器阵列结构。该传感器阵列由5个三轴磁通门传感器构成,相同轴上两个传感器间的基线距离为d,外围的4个传感器可构建平面十字形磁梯度张量系统用于测量多个不同方向的梯度场,进而得到磁梯度张量矩阵用于浅场磁异常源的反演。

    图  1  传感器阵列结构示意图
    Figure  1.  Sketch Map of the Magnetometers Array

    由于地磁场及浅场异常场可看作无源的静磁场,因此,磁感应强度的散度和旋度为零,磁梯度张量的9个分量中仅有5个分量是独立的。建立如图 1所示的右手坐标系用于磁场建模,则由外围的4个传感器测量得到的磁梯度张量矩阵为:

    (1)

    式中,Bij表示第i个传感器在j方向上的磁场矢量值,i=1,2,3,4,j=x,y,zBpq表示不同方向的磁场梯度值,p,q=x,y,z

    值得注意的是,在传感器阵列构建并将其安装在载体上的过程中,传感器阵列自身的误差以及载体中铁磁材料引起的磁干扰将会严重影响磁航向的估计,在实际使用前,必须将此两种磁干扰有效消除和补偿。而本文主要针对已经完成上述两种磁干扰补偿的系统在实际应用中受到外部浅场磁异常目标干扰进而影响磁航向估计的问题进行研究,利用磁异常反演的方法补偿浅场磁异常引起的磁航向估计误差,最终实现较为准确的磁航向估计。

    载体航向估计时,磁传感器与载体捷联在一起,故载体坐标系和传感器坐标系一致,本文建立的右手坐标系如图 2所示。假设无浅场磁异常存在时,三轴磁传感器测得的水平方向上的两个磁场分量分别为Hy和Hx,测量点处地磁场的磁偏角、磁倾角及总场值分别为D、I和F,则载体的磁航向可由式(2)估计得到:

    (2)
    图  2  地磁矢量以及其和地理北的关系
    Figure  2.  Magnetic Field Components and Their Relationship with True North

    图 2可知,浅场磁源的存在将影响地磁场水平方向的磁矢量扰动,进而引起磁航向估计的误差,但并不是所有的浅场磁异常都会改变磁航向,且磁异常较小的情况下也可能引起较大的磁航向误差,因此,必须构建磁航向扰动探测器,准确判断磁航向变化是由于载体自身的运动扰动还是由于浅场磁异常引起的。

    浅场磁异常源引起不同方向上梯度测量值的变化,原则上可根据传感器阵列测量得到的梯度值判断是否有磁异常源的存在,但由于载体在运动过程中姿态的变化对测得的梯度值具有一定的影响[7],因此,直接采用梯度值进行磁异常源是否存在的判断具有一定的非鲁棒性。磁梯度张量的张量不变量是由不同方向的梯度分量组合得到的,不受载体姿态变化的影响,因此,本文将其用于磁异常源是否存在的判断。

    磁梯度张量存在多个张量不变量可用于磁异常探测,考虑磁航向估计对实时性的要求,选择I1I2作为判断因子,其数学表达式分别为:

    (3)

    由式(3)可知,相比于I1,不变量I2随着距离的增大衰减更快,对于同时存在多个磁异常源的复杂情况,其优先描述浅部源的特性。

    若磁传感器阵列测得的地磁场不存在浅场磁异常,则可直接利用式(2)进行磁航向的计算,若存在磁异常,需要进一步判断该异常是否引起磁航向的扰动,比如水平方向的两个磁矢量值等比例放大或缩小将不影响磁航向的计算。利用零号传感器测得的地磁场7要素中的总场F、水平分量H、竖直分量Hz和磁倾角I进行磁异常是否影响磁航向的联合判断。若磁异常对磁航向没有干扰或干扰极小,则直接利用零号传感器的测量值进行磁航向计算,若磁异常对磁航向的计算产生干扰,则利用传感器阵列测得的磁梯度张量值进行磁异常的反演,利用反演得到的传感器阵列中心点O位置处的磁矢量值补偿零号传感器测得的磁矢量值,进而在背景地磁场准确测量的情况下实现磁航向的准确估计。磁航向扰动探测流程如图 3所示。

    图  3  磁航向扰动探测流程图
    Figure  3.  Flowchart of Magnetic Heading Perturbation Detection

    由于磁航向估计利用磁矢量信息进行载体运动方向的估计,因此,需要利用传感器阵列测量得到的浅层磁异常源的磁梯度张量数据反演其在测量中心点产生的磁矢量值,然后将零号传感器的测量值减去磁异常源产生的磁矢量值,即为背景地磁场的磁矢量值,进而可实现较为精确的磁航向估计。

    在磁异常反演中,当探测距离大于2.5倍磁性物体长度时,可将磁性目标简化为磁偶极子模型,并由6个未知量描述,即磁性目标的三维位置和三维磁矩[8]。因此,要实现磁航向估计的实时误差补偿,必须实现磁异常的实时反演,即在单个测点上实时地完成磁偶极子位置及磁矩的反演。

    目前,基于单点磁梯度张量数据的磁偶极子定位方法受到了较多关注,其中,Nara[9, 10]提出了联合单点测量的磁梯度张量及磁矢量数据进行磁偶极子定位的方法,但在地磁背景下无法获得磁偶极子的磁矢量信息;Roy[11]为克服背景地磁场的影响,提出了基于张量不变量的单点定位算法,但该算法需要较为复杂的磁梯度张量测量系统。Frahm[12]基于单点磁梯度张量数据的特征分析,实现了磁偶极子单位位置向量及单位磁矩向量的计算,但该方法估计得到4个不同的解且无法实现磁偶极子磁矢量信息的计算,本文在此方法基础上,联合位置、磁矩及磁梯度张量系统中包含的多点磁标量信息构建非线性方程组,在消除三个虚假解的同时,解算磁偶极子的磁矩模及测量点与磁性目标间的距离,进而实现磁矢量信息的正确反演。

    假设Frahm方法得到的4个解的单位位置向量及磁矩向量为 ${{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{r}}_{k}} {{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{m}}_{k}},k=1,2,3,4$ 。若测量点与磁偶极子间的真实距离为R,磁偶极子的真实磁矩模为M,则磁偶极子的磁矩矢量及测点相对于磁偶极子的位置矢量分别为 ${{m}_{k}}=M\centerdot {{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{m}}_{k}}=\left( {{m}_{kx}},{{m}_{ky}},{{m}_{kz}} \right)$ 和 $\begin{align} & {{m}_{k}}=M\centerdot {{{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{m}}}_{k}}=\left( {{m}_{kx}},{{m}_{ky}},{{m}_{kz}} \right) \\ & {{r}_{k}}=R\centerdot {{{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\frown}$}}{r}}}_{k}}=\left( {{r}_{kx}},{{r}_{ky}},{{r}_{kz}} \right) \\ \end{align}$ 。

    由传感器的阵列结构可知,针对不同的解,外围的4个传感器相对于磁偶极子的位置矢量可分别表示为:

    (4)

    则传感器与磁偶极子之间的距离可表示为Rkl=‖rkl‖,l=1,2,3,4。

    设4个传感器测得的磁场总场值分别为F1ceF2ceF3ceF4ce,则由磁偶极子产生的磁场总场正演公式可得以下非线性方程组:

    (5)

    式中,仅存在R、MF 3个未知变量,求解方程即可得到磁偶极子的位置和磁矩矢量 rkmk

    根据磁偶极子的磁梯度张量正演公式,计算4个不同的磁偶极子在测量点产生的磁梯度张量值,并将其与真实值相比较即可实现虚假解的去除和磁性目标的单点磁梯度张量定位及磁矩反演,进而完成磁异常的三分量磁矢量反演计算。

    假设反演得到磁偶极子的磁矩为m0,相对于测量中心点的位置为r0,则其在测量中心点O处产生的三分量磁矢量值为:

    (6)

    补偿得到的背景地磁场的三分量值为:

    (7)

    式中,B0为零号传感器测得的三分量磁矢量值。

    则在存在影响磁航向估计的磁异常场的情况下,真实磁航向可利用式(7)中反演得到的背景地磁场的三分量值进行计算。

    为验证本文提出的磁航向误差补偿方法的可行性,采用5个三轴磁通门传感器构建传感器阵列,在地面上放置永磁体模拟浅场磁异常进行磁航向实验,如图 4所示。为详细分析磁航向估计中磁异常反演的正确性,实验采用单点测量的方式进行,实验人员手持传感器阵列且距离地面约50 cm,在测量曲线上每隔10 cm进行一次数据采集。

    图  4  磁航向补偿实验测试图
    Figure  4.  Figure of Magnetic Heading Compensation Experiment

    在永磁体左右两侧各选取一条测线进行磁航向的计算,测量得到的张量不变量及补偿前后的方位角如图 5图 6所示。

    图  5  张量不变量及补偿前后的方位角(测线1)
    Figure  5.  Tensor Invariants and Heading Angle Before and After Compensation (the First Measurement Line)
    图  6  张量不变量及补偿前后的方位角(测线2)
    Figure  6.  Tensor Invariants and Heading Angle Before and After Compensation (the Second Measurement Line)

    图 5图 6可知,磁梯度张量的张量不变量I1I2可实现磁异常源是否存在的准确判断。实验所用永磁体的磁矢量场与地磁矢量场间存在较大的方向偏差,因此,在传感器阵列距离永磁体较近时,产生了10~20°左右的磁航向估计误差。在利用磁传感器阵列测得的磁梯度张量数据进行磁异常源产生的磁矢量场反演的基础上,进行了磁航向计算的补偿,从补偿结果可以看出,论文所提算法可实现浅场磁异常源引起的磁航向误差的补偿。补偿后得到的磁航向方位角仍存在一定的波动,这是由于实验人员手持传感器阵列无法一直保持水平姿态及方向不变而导致的。

    本文针对由地磁矢量信息进行磁航向估计时易受浅场磁异常源干扰的问题,设计了传感器阵列结构,通过测量磁异常源产生的磁梯度场进而反演其产生的磁异常矢量场,在此基础上计算得到较为准确的背景地磁矢量场,实现磁航向误差的实时补偿。实验结果表明,利用磁梯度张量的单点反演方法可有效消除磁异常目标引起的磁航向误差,具有较高的补偿精度。

  • 图  1   自适应瓦片实时生成算法流程图

    Figure  1.   Flowchart of the Self-adaptive Real-time Tile Generating Algorithm

    图  2   “跳跃”模式瓦片取舍流程图

    Figure  2.   Flowchart of Tile Selecting in Jump Mode

    图  3   “激增”模式瓦片取舍流程图

    Figure  3.   Flowchart of Tile Selecting in Surge Mode

    图  4   “跳跃”模式下一般方法与自适应方法的各级瓦片生成数量对比

    Figure  4.   Comparison of Tile Generating Amount Between Two Methods in Jump Mode

    图  5   跳跃”模式下一般方法与自适应方法的各级瓦片生成时耗对比

    Figure  5.   Comparison of Time Consumption Between Two Methods in Jump Mode

    图  6   “激增”模式下一般方法与自适应方法的各级瓦片生成数量对比

    Figure  6.   Comparison of Tile Generating Amount Between Two Methods in Surge Mode

    图  7   “激增”模式下一般方法与自适应方法的各级瓦片生成时耗对比

    Figure  7.   Comparison of Time Consumption Between Two Methods in Surge Mode

    表  1   “连续性”和“跨越深度”的笛卡尔乘积

    Table  1   Cartesian Product of Two Factors

    连续性 跨越等级
    浅层跨越(20%) 适层跨越(30%) 深层跨越(50%)
    高连续性(70%) 0.14 0.21 0.35
    低连续性(30%) 0.06 0.09 0.15
    下载: 导出CSV

    表  2   实验数据信息

    Table  2   Information of Experimental Data

    像素规模 地理跨度/km 文件大小/GB
    28 744行×29 959列 50×52 2.5
    28 744行×89 877列 50×156 7.5
    下载: 导出CSV

    表  3   “跳跃”模式下一般方法与自适应方法的总体瓦片生成情况对比

    Table  3   Comparison of Total Tile Generating Amount Between Two Methods in Jump Mode

    瓦片生成方法 瓦片数量 瓦片生成时耗/ms
    一般方法 174 30 174
    自适应方法 156 13 926
    下载: 导出CSV

    表  4   “激增”模式下一般方法与自适应方法的总体瓦片生成情况对比

    Table  4   Comparison of Total Tile Generating Amount Between Two Methods in Surge Mode

    瓦片生成方法 瓦片数量 瓦片生成时耗/ms
    一般方法 320 101 179
    本文方法 149 16 872
    下载: 导出CSV
  • [1] 李德仁, 童庆禧, 李荣兴, 等.高分辨率对地观测的若干前沿科学问题[J].中国科学, 2012, 42(6): 805-813 http://www.cnki.com.cn/Article/CJFDTOTAL-JDXK201206004.htm

    Li Deren, Tong Qingxi, Li Rongxing, et al. Current Issues in High-resolution Earth Observation Technology[J]. Sci China Earth Sci, 2012, 42(6): 805-813 http://www.cnki.com.cn/Article/CJFDTOTAL-JDXK201206004.htm

    [2] 周成虎, 骆剑承.高分辨率卫星遥感影像地学计算[M].北京:科学出版社, 2009

    Zhou Chenghu, Luo Jiancheng. High-resolution Satellite Remote Sensing Image Caculation[M]. Beijing:Science Press, 2009

    [3] 李德仁, 朱欣焰, 龚健雅.从数字地图到空间信息网格——空间信息多级网格理论思考[J].武汉大学学报·信息科学版, 2003, 28(6): 642-650 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200306003.htm

    Li Deren, Zhu Xinyan, Gong Jianya. From Digital Map to Spatial Information Multi-grid——A Thought of Spatial Information Multi-grid Theory[J]. Geomatics and Information Science of Wuhan University, 2003, 28(6): 642-650 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200306003.htm

    [4] 戴晨光, 邓雪清, 张永生.海量地形数据实时可视化算法[J].计算机辅助设计与图形学学报, 2004, 16(11): 1 603-1 607 http://www.cnki.com.cn/Article/CJFDTOTAL-JSJF200411024.htm

    Dai Chenguang, Deng Xueqing, Zhang Yongsheng. An Algorithm for Real-time Visualization of Massive Terrain Dataset[J]. Journal of Computer-Aided Design & Computer Graphics, 2004, 16(11): 1 603-1 607 http://www.cnki.com.cn/Article/CJFDTOTAL-JSJF200411024.htm

    [5] 张永生, 贲进, 童晓冲.地球空间信息球面离散网格——理论、算法及应用[M].北京:科学出版社, 2007

    Zhang Yongsheng, Ben Jin, Tong Xiaochong. Global Discrete Grid for Geospatial Information-theory, Algorithms and Application[M]. Beijing:Science Press, 2007

    [6]

    Xiang Longgang, Chen Jing, Gong Jianya, et al. Fast Construction of Global Pyramids for very Large Satellite Images[J]. Transactions in GIS, 2013, 17(2): 282-297 doi: 10.1111/tgis.12001

    [7] 刘义, 陈荦, 景宁, 等.利用MapReduce进行批量遥感影像瓦片金字塔构建[J].武汉大学学报信息科学版, 2013, 38(3): 278-282 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201303008.htm

    Liu Yi, Chen Luo, Jing Ning, et al. Parallel Batch-Building Remote Sensing Images Tile Pyramid with Map Reduce[J]. Geomatics and Information Science of Wuhan University, 2013, 38(3): 278-282 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201303008.htm

    [8] 张宏伟, 童恒建, 左博新, 等.基于GDAL大于2G遥感图像的快速浏览[J].计算机工程与应用, 2012, 48(13): 159-162 http://www.cnki.com.cn/Article/CJFDTOTAL-JSGG201213035.htm

    Zhang Hongwei, Tong Hengjian, Zuo Boxin, et al. Quick Browsing of Massive Remote Sensing Image Based on GDAL[J]. Computer Engineering and Applications, 2012, 48(13): 159-162 http://www.cnki.com.cn/Article/CJFDTOTAL-JSGG201213035.htm

    [9]

    Wei X Y, Lu X, Sun H. Fast View of Mass Remote Sensing Images Based-on Image Pyramid[C]. ICINIS'08, Wuhan, 2008

    [10] 刘小生, 吴征, 王永生.一种海量遥感影像实时切割与高效调度新方法[J].测绘科学技术学报, 2013, 30(1): 51-53 http://www.cnki.com.cn/Article/CJFDTOTAL-JFJC201301014.htm

    Liu Xiaosheng, Wu Zheng, Wang Yongsheng. A New Method of Massive Remote Sensing Image in Real-time Cutting and Efficient Scheduling[J]. Journal of Geomatics Science and Technology, 2013, 30(1): 51-53 http://www.cnki.com.cn/Article/CJFDTOTAL-JFJC201301014.htm

    [11]

    Samet H. The Quadtree and Related Hierarchical Data Structures[J]. ACM Comput. Surv, 1984, 16(2): 187-260 doi: 10.1145/356924.356930

    [12]

    Fekete G, Treinish L A. Sphere Quadtrees: A New Data Structure to Support the Visualization of Spherically Distributed Data[C]. The International Society for Optical Engineering, Santa Clara, 1990 http://www-personal.umich.edu/~copyrght/image/books/Spatial%20Synthesis2/Global%20Grids%20Bibliography.htm

    [13] 杜清运, 虞昌彬, 任福.利用嵌套金字塔模型进行瓦片地图数据组织[J].武汉大学学报信息科学版, 2011, 36(5): 564-567 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201105015.htm

    Du Qingyun, Yu Changbin, Ren Fu. Organization Tile Map Data Based on Nested Pyramids Model[J]. Geomatics and Information Science of Wuhan University, 2011, 36(5): 564-567 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201105015.htm

    [14] 刘扬, 宫阿都, 李京.基于数据分层分块的海量三维地形四叉树简化模型[J].测绘学报, 2010, 39(4): 410-415 http://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201004015.htm

    Liu Yang, Gong Adu, Li Jing. A Model for Massive 3D Terrain Simplification Based on Data Block Partition and Quad-tree[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(4): 410-415 http://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201004015.htm

    [15] 艾廷华, 成建国.对空间数据多尺度表达有关问题的思考[J].武汉大学学报信息科学版, 2005, 30(5): 377-382 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200505001.htm

    Ai Tinghua, Cheng Jianguo. Key Issues of Multi-Scale Representation of Spatial Data[J]. Geomatics and Information Science of Wuhan University, 2005, 30(5): 377-382 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200505001.htm

    [16] 李霖, 应申.空间尺度基础性问题研究[J].武汉大学学报信息科学版, 2005, 30(3): 199-203 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200503002.htm

    Li Lin, Ying Shen. Fundamental Problem on Spatial Scale[J]. Geomatics and Information Science of Wuhan University, 2005, 30(3): 199-203 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200503002.htm

    [17] 李德仁.我国第一颗民用三线阵立体测图卫星——资源三号测绘卫星[J].测绘学报, 2012, 41(3): 317-322 http://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201203003.htm

    Li Deren. China's First Civilian Three-line-array Stereo Mapping Satellite:ZY-3[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41(3): 317-322 http://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201203003.htm

  • 期刊类型引用(12)

    1. 孟萌萌,冯贝贝. AM-1DCNN算法在土地覆盖分类中的应用. 福建电脑. 2025(03): 36-39 . 百度学术
    2. 罗蓉蓉,董燕. 基于GEE云平台和Sentinel数据的滇池湿地制图. 安徽农业科学. 2025(04): 205-208+242 . 百度学术
    3. 李坤玉,王雪梅,李锐,李顿. 融入辅助数据集的面向对象土地利用分类研究. 中山大学学报(自然科学版)(中英文). 2024(01): 34-44 . 百度学术
    4. 孟萌萌,黄瑞瑞,毋琳,黄亚博. 基于Mult-TWDTW算法的时序SAR图像土地覆盖分类. 计算机系统应用. 2024(05): 203-209 . 百度学术
    5. 段宗亮,周晓. 基于遥感技术的镇沅县茶树资源研究. 西部林业科学. 2024(05): 140-145 . 百度学术
    6. 潘竞,赵浩楠,田聪,阿斯娅·曼力克,贠静,艾尼玩·艾买尔,孙宗玖,郑逢令. 基于Sentinel数据和机器学习算法的苜蓿遥感识别研究. 草食家畜. 2024(06): 35-45 . 百度学术
    7. 李子康,殷晓洁,刘一飞,唐继敏,王妍. 滇东南典型喀斯特山区石漠化时空演变及生态敏感性评价. 生态环境学报. 2024(11): 1792-1802 . 百度学术
    8. 张智洋,赵颖慧,甄贞. 基于LUCC的1986–2022年松花江流域陆地生态系统碳储量动态监测. 植物生态学报. 2024(10): 1274-1290 . 百度学术
    9. 闫明,庞勇,何云玲,蒙诗栎,魏巍. 基于GEE云平台和Sentinel-2数据的普洱市森林覆盖制图. 遥感技术与应用. 2023(02): 432-442 . 百度学术
    10. 刘文宋,张仲英,郑琳,王法景,张舒祺,郭风成. 顾及PolSAR影像极化-空间信息的农作物识别方法. 测绘科学. 2023(05): 152-161 . 百度学术
    11. 陈爱琳,江洪,麻霞. 2000—2020年厦门港用地变化遥感监测与空间格局分析. 海南大学学报(自然科学版). 2022(02): 182-192 . 百度学术
    12. 杨志刚,郭盛才,徐期瑚,练丽,苏雅丽. 南岭国家公园森林资源现状分析. 林业与环境科学. 2022(S1): 39-41+46 . 百度学术

    其他类型引用(11)

图(7)  /  表(4)
计量
  • 文章访问数:  1947
  • HTML全文浏览量:  72
  • PDF下载量:  453
  • 被引次数: 23
出版历程
  • 收稿日期:  2014-11-18
  • 发布日期:  2016-08-04

目录

/

返回文章
返回