CN107749080A - 一种基于点云数据的dem快速处理方法 - Google Patents

一种基于点云数据的dem快速处理方法 Download PDF

Info

Publication number
CN107749080A
CN107749080A CN201711084224.5A CN201711084224A CN107749080A CN 107749080 A CN107749080 A CN 107749080A CN 201711084224 A CN201711084224 A CN 201711084224A CN 107749080 A CN107749080 A CN 107749080A
Authority
CN
China
Prior art keywords
point
dem
ground
vector
waters
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.)
Pending
Application number
CN201711084224.5A
Other languages
English (en)
Inventor
何珍
李月华
王宪风
丁翔
张春丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Science Mapuniverse Tchndogy Co Ltd
Original Assignee
China Science Mapuniverse Tchndogy Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Science Mapuniverse Tchndogy Co Ltd filed Critical China Science Mapuniverse Tchndogy Co Ltd
Priority to CN201711084224.5A priority Critical patent/CN107749080A/zh
Publication of CN107749080A publication Critical patent/CN107749080A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于点云数据的DEM快速处理方法，涉及数字高程模型处理技术领域。该方法，通过筛选出平地矢量范围和水域矢量范围，并分别进行DSM处理，可以根据不同矢量范围的特点进行不同的处理，对于平地矢量范围，通过批量处理软件进行批量处理，分离大部分的地面点，以及手动方式进行局部处理，对特殊点进行处理的方式；对于水域矢量范围，采用统一高程值进行统一置平，从而使DSM转化为DEM更加快速高效，为大范围处理DEM提供了高效经济的解决方案。

Description

一种基于点云数据的DEM快速处理方法
技术领域
本发明涉及数字高程模型处理技术领域，尤其涉及一种基于点云数据的DEM快速处理方法。
背景技术
数字高程模型(Digital Elevation Model)DEM的概念早在1958年就已经提出，其作为地球表面地形的数字描述和模拟是支持全球变化和区域可持续发展的重要组成部分。
基于DEM的数字地形分析已经成为GIS空间分析中最具特色的部分，在测绘、遥感及资源调查、环境保护、城市规划、灾害防治及地学研究各方面发挥越来越重要的作用。高精度的DEM，是支撑地理过程模拟研究的重要基础数据，DEM数据的加工处理及压缩精度直接影响相关模型及地理过程的模拟效果和研究质量。
目前，DEM数据加工处理一般在立体像对上进行单个区域的处理，需要专业的技术人员，采集效率低，耗费人力较大，成本高。
发明内容
本发明的目的在于提供一种基于点云数据的DEM快速处理方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案如下：
一种基于点云数据的DEM快速处理方法，包括如下步骤：
S1，根据DOM影像底图和已经解译好的DLG，筛选出平地矢量范围和水域矢量范围；
S2，对平地矢量范围内的DSM进行如下处理：首先通过批量处理软件将大部分的地面点分离出来，然后对地形一致且少量集中而没有被软件分离出的地面点进行人机交互式分离，最后通过手动方式将个别的非地面点变换到非地面层中，最终得到平地DEM；其中，所述批量处理软件按照反复构建三角网模型的方法进行实施；
S3，在水域矢量范围内选定一个统一高程值，并将所述统一高程值的数值进行适当的减小，得到降低的统一高程值，将其中需要置平的所有数据按照所述降低的统一高程值进行置平，得到高程值一致的湖池DEM；
其中，S2和S3可分步运行也可并行处理。
优选地，S1具体为：根据航空或航天获取的DOM数据，解译出平地矢量范围数据；在影像底图数据上解译出房屋、道路、水域和/或绿地的DLG矢量数据，从所述DLG矢量数据上提取出水域矢量范围数据。
优选地，S2中，所述对地形一致且少量集中而没有被软件分离出的地面点进行人机交互式分离，具体为：对选定范围内的数据使用移除高程异常点工具排除。
优选地，所述使用移除高程异常点工具排除，具体为：用地表处的点建立一个三角形模型，然后其它的点与该三角形模型的高度值进行比较，高程大于设定高度的点就认为是非地面点进行移除。
优选地，S2中，所述反复构建三角网模型的方法，包括如下步骤：
A1，选择一些属于地面点的初始低点，应用所述初始低点建立初始三角形模型；
A2，在所述初始三角形模型上，加入贴近地面的新点，形成接近地面的三角形模型；
A3，加入更加贴近地面的新点，形成更加接近地面的三角形模型；
A4，重复A3，将三角形模型不断的向地面扩建，直至将大部分的地面点分离出来。
优选地，所述初始低点按照如下方法进行选择：设置建筑物的最大边长，与建筑物的最高点间隔最大边长的点即为初始低点。
优选地，S2中，设置的参数包括：建筑物的最大边长、整体地形的坡度、点与所述三角形模型的垂直距离、点与所述三角形模型中的最近点的连线与所述三角形模型之间的夹角，在反复构建三角网模型过程中，所述距离和所述夹角用于决定所述点是否能够加入到所述三角网模型中。
优选地，所述夹角的设置一般采用如下规则：在平坦地区使用小值，在山地使用较大值。
优选地，S3具体为：根据水域矢量范围把需要置平的数据选择出来，再选出每个区域面里最低高程值的点，根据周边实地的地形对最低点高程值适当降几米作为每个水域的统一高程值进行统一置平，从而得到高程值一致并且高程值低于周边地形的湖池DEM。
本发明的有益效果是：本发明实施例提供的一种基于点云数据的DEM快速处理方法，通过筛选出平地矢量范围和水域矢量范围，并分别进行DSM处理，可以根据不同矢量范围的特点进行不同的处理，对于平地矢量范围，通过批量处理软件进行批量处理，分离大部分的地面点，以及手动方式进行局部处理，对特殊点进行处理的方式；对于水域矢量范围，采用统一高程值进行统一置平，从而使DSM转化为DEM更加快速高效，为大范围处理DEM提供了高效经济的解决方案。
附图说明
图1是本发明实施例提供的基于点云数据的DEM快速处理方法的流程示意图；
图2是进行批量滤波前的效果图；
图3是进行批量滤波后的效果图；
图4是进行局部滤波处理前的效果图；
图5是进行局部滤波处理后的效果图；
图6是进行个别异常点处理前的效果图；
图7是进行个别异常点处理后的效果图；
图8是进行水域矢量范围置平处理前的效果图；
图9是进行水域矢量范围置平处理后的效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供的一种基于点云数据的DEM快速处理方法，包括如下步骤：
S1，根据DOM影像底图和已经解译好的DLG，筛选出平地矢量范围和水域矢量范围；
S2，对平地矢量范围内的DSM进行如下处理：首先通过批量处理软件将大部分的地面点分离出来，然后对地形一致且少量集中而没有被软件分离出的地面点进行人机交互式分离，最后通过手动方式将个别的非地面点变换到非地面层中，最终得到平地DEM；其中，所述批量处理软件按照反复构建三角网模型的方法进行实施；
S3，在水域矢量范围内选定一个统一高程值，并将所述统一高程值的数值进行适当的减小，得到降低的统一高程值，将其中需要置平的所有数据按照所述降低的统一高程值进行置平，得到高程值一致的湖池DEM；
其中，S2和S3可分步运行也可并行处理。
其中，DOM(Digital Orthophoto Map，数字正射影像图)，是对航空(或航天)像片进行数字微分纠正和镶嵌，按一定图幅范围裁剪生成的数字正射影像；
已经解译好的DLG(DigitalLineGraphic，数字线划地图)是包含核心地形要素(包括居民地、交通、水系、独立地物、管线、境界等)的矢量数据集。
在本发明的一个优选实施例中，S1具体为：根据航空或航天获取的DOM数据，解译出平地矢量范围数据；在影像底图数据上解译出房屋、道路、水域和/或绿地的DLG矢量数据，从所述DLG矢量数据上提取出水域矢量范围数据。
本实施例中，S2中，所述对地形一致且少量集中而没有被软件分离出的地面点进行人机交互式分离，具体为：对选定范围内的数据使用移除高程异常点工具排除。所述使用移除高程异常点工具排除，具体为：用地表处的点建立一个三角形模型，然后其它的点与该三角形模型的高度值进行比较，高程大于设定高度的点就认为是非地面点进行移除。
S2中，所述最后通过手动方式将个别的非地面点变换到非地面层中，是对个别归置错误层的点进行手动修改。
在本发明的一个优选实施例中，S2中，所述反复构建三角网模型的方法，包括如下步骤：
A1，选择一些属于地面点的初始低点，应用所述初始低点建立初始三角形模型；
A2，在所述初始三角形模型上，加入贴近地面的新点，形成接近地面的三角形模型；
A3，加入更加贴近地面的新点，形成更加接近地面的三角形模型；
A4，重复A3，将三角形模型不断的向地面扩建，直至将大部分的地面点分离出来。
具体的，所述初始低点卡可以按照如下方法进行选择：设置建筑物的最大边长，与建筑物的最高点间隔最大边长的点即为初始低点。
S2中，设置的参数可以包括：建筑物的最大边长、整体地形的坡度、点与所述三角形模型的垂直距离、点与所述三角形模型中的最近点的连线与所述三角形模型之间的夹角，在反复构建三角网模型过程中，所述距离和所述夹角用于决定所述点是否能够加入到所述三角网模型中。
其中，所述夹角的设置一般采用如下规则：在平坦地区使用小值，在山地使用较大值。
本实施例中，S3具体可以为：根据水域矢量范围把需要置平的数据选择出来，再选出每个区域面里最低高程值的点，根据周边实地的地形对最低点高程值适当降几米作为每个水域的统一高程值进行统一置平，从而得到高程值一致并且高程值低于周边地形的湖池DEM。
具体实施例：
按照本发明提供的上述基于点云数据的DEM快速处理方法，对某市区SRTM按照如下步骤进行处理：
步骤一，平地矢量范围置平处理，采用如下过程进行实施：
B1，批量滤波处理：平地矢量范围内的DSM分类算法是通过反复构建三角网模型的方法分离出地表上的点，这一算法在开始时选择一些低点，认为他们是位于地表处，通过设置建筑物最大边长来控制初始点的选择。如果建筑物的最大边长是60米，程序认为每隔60米至少存在一个位于地表处的点，也就意味着该点就位于地表处。这一算法应用选中的低点建立初始模型，这一初始模型的三角形模型大多数低与地面，只有最高点接触地表。然后算法通过反复加入新的点开始向上扩建模型，每个加入的点使模型更加贴近地表。反复参数中距离参数决定一个点有多近才能被纳入三角平面，即点之间有多近才能参与模型，角度参数是一个点与三角形的最近顶点的连线与三角形所构成平面的最大夹角，一个点是否纳入到地表中是由距离和角度来决定的。算法运行完成之后，需要判断是否把大部分的地面点和非地面点分离出来，如果是继续进行后续环节，如果否，需要返回上一步骤修改相应参数设置直到大部门地面点和非地面点分离出来为止。
采用上述方法进行批量滤波前的效果图如图2所示，批量滤波后的效果图如3所示，图中箭头所指的位置表示突出部分所在的位置。
从图3和图2的对比中，可以看出：通过进行批量滤波处理后，图2中的平地区域存在的突出部分(如图中箭头所指的位置)，在图3中大部分都变平了(如图中箭头所指的位置)，所以，采用本发明实施例提供的方法，实现了对平地矢量范围的大部分的置平。
B2，局部滤波处理：对平地范围内地形一致少量集中而没有被滤波掉的点选中，使用移除高程异常点工具，这一工具算法是用地表处的点建立一个临时的三角形模型，然后其它的点与这个三角形模型的高度值进行比较，高程大于设定高度的点就认为是非地面点，从而得到更精确的DEM数据；
采用上述方法进行局部滤波处理前的效果图如图4所示，局部滤波处理后的效果图如5所示，图中箭头所指的位置表示突出部分所在的位置。
从图5和图4的对比中，可以看出：图4中平地区域存在的少量的突出部分(如图中箭头所指的位置)，在图5中都已经变平了(如图中箭头所指的位置)，所以，采用本发明实施例提供的方法，实现了对平地矢量范围的剩余部分的置平。
B3，个别异常点处理：选中平地范围内个别有问题的点，变换到非地面层中即可。
采用上述方法进行个别异常点处理前的效果图如图6所示，个别异常点处理后的效果图如7所示，图中箭头所指的位置表示突出部分所在的位置。
从图7和图6的对比中，可以看出：图6中平地区域遗留的一个突出部分(如图中箭头所指的位置)，在图7中已经变平了(如图中箭头所指的位置)，所以，采用本发明实施例提供的方法，实现了对平地矢量范围的个别异常点的置平。
步骤二，水域矢量范围置平处理，采用如下过程进行实施：
根据水域矢量范围把需要置平的数据选择出来，选出每个区域面里最低高程值的点，根据周边实地的地形对最低点高程值在适当降几米作为每个水域的统一高程值进行统一置平，从而得到水域高程值一致并且高程值低于周边地形的湖池DEM。
采用上述方法进行水域矢量范围置平处理前的效果图如图8所示，水域矢量范围置平处理后的效果图如9所示。
从图9和图8的对比中，可以看出：在图8中显示的高低不平的湖池面(如图中圈出的区域中不同的颜色表示)，在图9中变平了(如图中圈出的区域中相同的颜色表示)，所以，采用本发明实施例提供的方法，实现了对水域矢量范围的置平。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：本发明实施例提供的一种基于点云数据的DEM快速处理方法，通过筛选出平地矢量范围和水域矢量范围，并分别进行DSM处理，可以根据不同矢量范围的特点进行不同的处理，对于平地矢量范围，通过批量处理软件进行批量处理，分离大部分的地面点，以及手动方式进行局部处理，对特殊点进行处理的方式；对于水域矢量范围，采用统一高程值进行统一置平，从而使DSM转化为DEM更加快速高效，为大范围处理DEM提供了高效经济的解决方案。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (9)

1.一种基于点云数据的DEM快速处理方法，其特征在于，包括如下步骤：
S1，根据DOM影像底图和已经解译好的DLG，筛选出平地矢量范围和水域矢量范围；
S2，对平地矢量范围内的DSM进行如下处理：首先通过批量处理软件将大部分的地面点分离出来，然后对地形一致且少量集中而没有被软件分离出的地面点进行人机交互式分离，最后通过手动方式将个别的非地面点变换到非地面层中，最终得到平地DEM；其中，所述批量处理软件按照反复构建三角网模型的方法进行实施；
S3，在水域矢量范围内选定一个统一高程值，并将所述统一高程值的数值进行适当的减小，得到降低的统一高程值，将其中需要置平的所有数据按照所述降低的统一高程值进行置平，得到高程值一致的湖池DEM；
其中，S2和S3可分步运行也可并行处理。
2.根据权利要求1所述的基于点云数据的DEM快速处理方法，其特征在于，S1具体为：根据航空或航天获取的DOM数据，解译出平地矢量范围数据；在影像底图数据上解译出房屋、道路、水域和/或绿地的DLG矢量数据，从所述DLG矢量数据上提取出水域矢量范围数据。
3.根据权利要求1所述的基于点云数据的DEM快速处理方法，其特征在于，S2中，所述对地形一致且少量集中而没有被软件分离出的地面点进行人机交互式分离，具体为：对选定范围内的数据使用移除高程异常点工具排除。
4.根据权利要求3所述的基于点云数据的DEM快速处理方法，其特征在于，所述使用移除高程异常点工具排除，具体为：用地表处的点建立一个三角形模型，然后其它的点与该三角形模型的高度值进行比较，高程大于设定高度的点就认为是非地面点进行移除。
5.根据权利要求1所述的基于点云数据的DEM快速处理方法，其特征在于，S2中，所述反复构建三角网模型的方法，包括如下步骤：
A1，选择一些属于地面点的初始低点，应用所述初始低点建立初始三角形模型；
A2，在所述初始三角形模型上，加入贴近地面的新点，形成接近地面的三角形模型；
A3，加入更加贴近地面的新点，形成更加接近地面的三角形模型；
A4，重复A3，将三角形模型不断的向地面扩建，直至将大部分的地面点分离出来。
6.根据权利要求5所述的基于点云数据的DEM快速处理方法，其特征在于，所述初始低点按照如下方法进行选择：设置建筑物的最大边长，与建筑物的最高点间隔最大边长的点即为初始低点。
7.根据权利要求6所述的基于点云数据的DEM快速处理方法，其特征在于，S2中，设置的参数包括：建筑物的最大边长、整体地形的坡度、点与所述三角形模型的垂直距离、点与所述三角形模型中的最近点的连线与所述三角形模型之间的夹角，在反复构建三角网模型过程中，所述距离和所述夹角用于决定所述点是否能够加入到所述三角网模型中。
8.根据权利要求7所述的基于点云数据的DEM快速处理方法，其特征在于，所述夹角的设置一般采用如下规则：在平坦地区使用小值，在山地使用较大值。
9.根据权利要求1所述的基于点云数据的DEM快速处理方法，其特征在于，S3具体为：根据水域矢量范围把需要置平的数据选择出来，再选出每个区域面里最低高程值的点，根据周边实地的地形对最低点高程值适当降几米作为每个水域的统一高程值进行统一置平，从而得到高程值一致并且高程值低于周边地形的湖池DEM。
CN201711084224.5A 2017-11-07 2017-11-07 一种基于点云数据的dem快速处理方法 Pending CN107749080A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711084224.5A CN107749080A (zh) 2017-11-07 2017-11-07 一种基于点云数据的dem快速处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711084224.5A CN107749080A (zh) 2017-11-07 2017-11-07 一种基于点云数据的dem快速处理方法

Publications (1)

Publication Number Publication Date
CN107749080A true CN107749080A (zh) 2018-03-02

Family

ID=61251149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711084224.5A Pending CN107749080A (zh) 2017-11-07 2017-11-07 一种基于点云数据的dem快速处理方法

Country Status (1)

Country Link
CN (1) CN107749080A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108898681A (zh) * 2018-06-26 2018-11-27 中煤航测遥感集团有限公司 数字高程模型处理方法及装置
CN111366172A (zh) * 2020-03-18 2020-07-03 中国石油工程建设有限公司华北分公司 数字高程模型的质量检测方法、装置和存储介质
CN112184900A (zh) * 2019-07-04 2021-01-05 北京四维图新科技股份有限公司 高程数据的确定方法、装置及存储介质
CN112233237A (zh) * 2020-10-23 2021-01-15 广州建通测绘地理信息技术股份有限公司 制作数字高程模型时的水域置平处理方法、计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070265781A1 (en) * 2006-05-12 2007-11-15 Harris Corporation Method and System for Generating an Image-Textured Digital Surface Model (DSM) for a Geographical Area of Interest
KR101006729B1 (ko) * 2010-07-23 2011-01-10 (주)동광지엔티 수치 표고모델 제작 방법 및 시스템
CN102509354A (zh) * 2011-11-10 2012-06-20 武汉大学 一种与影像同步变化的投影数字高程模型制作方法
CN105678097A (zh) * 2016-02-14 2016-06-15 华浩博达（北京）科技股份有限公司 数字高程模型自动化构建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070265781A1 (en) * 2006-05-12 2007-11-15 Harris Corporation Method and System for Generating an Image-Textured Digital Surface Model (DSM) for a Geographical Area of Interest
KR101006729B1 (ko) * 2010-07-23 2011-01-10 (주)동광지엔티 수치 표고모델 제작 방법 및 시스템
CN102509354A (zh) * 2011-11-10 2012-06-20 武汉大学 一种与影像同步变化的投影数字高程模型制作方法
CN105678097A (zh) * 2016-02-14 2016-06-15 华浩博达（北京）科技股份有限公司 数字高程模型自动化构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张(弓同)等: "LiDAR点云生成DEM的水面置平方法研究与实现", 《测绘通报》 *
杜浩: "利用DSM点云提取DEM的关键技术研究", 《中国优秀硕士学位论文全文数据库（电子期刊）基础科学辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108898681A (zh) * 2018-06-26 2018-11-27 中煤航测遥感集团有限公司 数字高程模型处理方法及装置
CN108898681B (zh) * 2018-06-26 2022-07-05 中煤航测遥感集团有限公司 数字高程模型处理方法及装置
CN112184900A (zh) * 2019-07-04 2021-01-05 北京四维图新科技股份有限公司 高程数据的确定方法、装置及存储介质
CN112184900B (zh) * 2019-07-04 2024-03-19 北京四维图新科技股份有限公司 高程数据的确定方法、装置及存储介质
CN111366172A (zh) * 2020-03-18 2020-07-03 中国石油工程建设有限公司华北分公司 数字高程模型的质量检测方法、装置和存储介质
CN112233237A (zh) * 2020-10-23 2021-01-15 广州建通测绘地理信息技术股份有限公司 制作数字高程模型时的水域置平处理方法、计算机设备

Similar Documents

Publication Publication Date Title
CN107749080A (zh) 一种基于点云数据的dem快速处理方法
CN104091179B (zh) 小麦白粉病菌孢子图片的智能识别方法
CN109493320B (zh) 基于深度学习的遥感影像道路提取方法及***、存储介质、电子设备
CN110348324B (zh) 一种基于遥感大数据的洪涝实时淹没分析方法及***
CN103268358B (zh) 多源控制点影像数据库构建及更新方法
CN106529469A (zh) 基于自适应坡度的无人机载LiDAR点云滤波方法
CN107063197A (zh) 一种基于空间信息技术的水库特征曲线提取方法
CN112465332A (zh) 一种城市人工湿地公园生态地质环境稳定性的评价方法
CN103017739A (zh) 基于激光雷达点云与航空影像的真正射影像的制作方法
CN103808265B (zh) 油菜叶片及菌核病斑形态同步测量的方法、装置及***
CN113971769B (zh) 基于多源大数据的海岸带地域功能长时序识别方法
CN106871864A (zh) 一种基于立体卫星影像自动提取建筑物高度的方法
CN113505842A (zh) 一种适用于大尺度区域遥感影像城市建筑物自动提取方法
CN104239890A (zh) 高分1号卫星的沿岸陆地土地覆被信息自动提取的方法
WO2024020744A1 (zh) 基于高分辨率影像的生态图斑提取方法
CN108153861A (zh) 基于gis的河口渔业资源集群分布分析方法
CN106529452A (zh) 基于建筑三维模型的移动智能终端建筑物快速识别方法
CN108205718B (zh) 一种粮食作物抽样测产方法及***
CN106326544A (zh) 一种基于公共数据的遥感影像地形图制图法
CN105678097B (zh) 数字高程模型自动化构建方法
CN103185557A (zh) 一种树木三维绿量测量方法及***
CN101814062A (zh) 区域生态***服务功能动态区划方法(sizes)
CN115496939A (zh) 一种基于多源遥感数据的湿地信息提取方法
CN110688609A (zh) 一种黄土塬区浅层地下水补给-***单元划分方法
CN115688435A (zh) 一种基于数字高程模型dem对流域洼地处理方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180302