CN110618145A - 一种基于无人机的快速测定黄土塬区泉眼位置的方法 - Google Patents

一种基于无人机的快速测定黄土塬区泉眼位置的方法 Download PDF

Info

Publication number
CN110618145A
CN110618145A CN201910918503.XA CN201910918503A CN110618145A CN 110618145 A CN110618145 A CN 110618145A CN 201910918503 A CN201910918503 A CN 201910918503A CN 110618145 A CN110618145 A CN 110618145A
Authority
CN
China
Prior art keywords
spring eye
spring
aerial vehicle
unmanned aerial
grid
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
Application number
CN201910918503.XA
Other languages
English (en)
Other versions
CN110618145B (zh
Inventor
赵思远
杜军凯
贾仰文
龚家国
牛存稳
王英
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 Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
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 Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN201910918503.XA priority Critical patent/CN110618145B/zh
Publication of CN110618145A publication Critical patent/CN110618145A/zh
Application granted granted Critical
Publication of CN110618145B publication Critical patent/CN110618145B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
    • G01N22/04—Investigating moisture content
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Electromagnetism (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Processing (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种基于无人机的快速测定黄土塬区泉眼位置的方法，其包括确定泉眼分布区域；通过无人机获取目标泉眼分布区域的雷达微波数据与遥感影像数据；对获得的雷达与遥感影像数据进行处理；将泉眼分布区域栅格化处理，通过得到的数据计算目标泉眼分布区域的各栅格的土壤含水量；识别与标记目标泉眼分布区域内含水量极大值的栅格并进行筛选，生成单日期的泉眼分布图；在多个日期重复计算，将各日期的泉眼分布图叠加，以确定潜在泉眼所在栅格，即得到泉眼所在位置。本发明能够解决现有技术中缺乏能够快速调查较大尺度区域内泉眼出露点分布方法的问题，准确率高、测定速度快、范围大。

Description

一种基于无人机的快速测定黄土塬区泉眼位置的方法
技术领域
本发明涉及水文水资源遥感勘测技术领域，具体涉及一种基于无人机的快速测定黄土塬区泉眼位置的方法。
背景技术
水资源规划与配置是国土资源配置的重要环节，黄土高原地处我国干旱半干旱区，降雨集中于每年的7-9月份，雨水资源利用率低，水土流失严重，水资源的利用与配置尤为重要。
黄土塬是黄土高原地区的主要地貌组成之一，塬面宽广，地表径流发育较弱，地下水是塬区居民生产与生活的主要用水来源。由于包气带被垂直切割，塬与沟、壑的交界区域存在较多的泉水出露点。泉水是塬边村落的主要甚至唯一水源，村民通过在泉水出露点附近蓄水并引水以满足生活用水需求。快速测定泉眼的空间位置，进而可以定量估算当地地下水自然***量，这可为地下水补排机理的探究提供关键的技术支撑，并对优化黄土塬区地下水资源的利用与配置具有重要意义。
现有对泉眼的调查方法主要依靠附近村民引导下的实地勘察，费时费力，尚没有一种能够快速调查较大尺度区域内泉眼出露点分布的方法。
利用雷达与遥感信息对泉眼位置进行快速调查是一种新技术。目前，雷达与遥感信息数据获取的主要来源是卫星，所得结果分辨率较差，而泉眼识别是大尺度范围内识别小尺寸目标，利用卫星雷达与遥感数据常造成失真严重。
发明内容
本发明针对现有技术中的上述不足，提供了一种能够解决现有技术中缺乏能够快速调查较大尺度区域内泉眼出露点分布方法的问题的快速测定黄土塬区泉眼位置的方法。
为解决上述技术问题，本发明采用了下列技术方案：
提供了一种基于无人机的快速测定黄土塬区泉眼位置的方法，其包括如下步骤：
S1、确定泉眼分布区域；
S2、通过无人机获取目标泉眼分布区域的雷达微波数据与遥感影像数据；
S3、对S2获得的雷达与遥感影像数据进行处理；
S4、将泉眼分布区域栅格化处理，通过S1和S3得到的数据计算目标泉眼分布区域的各栅格的土壤含水量m；
S5、识别与标记目标泉眼分布区域内含水量极大值的栅格并进行筛选，生成单日期的泉眼分布图；
S6、在多个日期重复S1至S5，将各日期的泉眼分布图叠加，以确定潜在泉眼所在栅格，即得到泉眼所在位置。
进一步地，确定泉眼分布区域的方法为：
通过分析待研究区域的地形数据，提取沟沿线与沟道。
进一步地，待研究区域地形数据通过精度为30m的DEM图像数据获取，待研究区域地形数据包括坡度、坡向、地面曲率、沟沿线和山谷线。
进一步地，通过无人机获取目标泉眼分布区域的雷达与遥感影像数据的具体方法为：
根据泉眼分布区域规划无人机的航迹，设置航向重叠度80％，旁向重叠度70％，飞行高度50m，控制空间分别率在1m以内；选择无风或风力小于2级，晴朗无云或云量小于2的气象条件，在10：00—14:00之间飞行采集遥感影像数据。
进一步地，无人机每个架次飞行前后均进行标准参考白板校正。
进一步地，对雷达与遥感影像数据进行处理包括如下步骤：
S1、通过人工目视检查雷达与遥感影像数据的图像质量，去除因阵风引起的变形图像；
S2、对遥感影像数据进行图像辐射校正，消除数据获取和传输过程产生的辐射失真或畸变，得到地物真实的反射率数据；
S3、采用线性平滑高斯滤波法进行图像降噪；
S4、分别将雷达辐射数据与遥感图像数据重新采样至相同的空间分辨率，然后输出处理后的数据。
进一步地，计算目标泉眼分布区域的各栅格的土壤含水量m的方法包括如下步骤：
S1、根据遥感影像数据中的近红外波段反射率ρNIR和中红外波段反射率ρMIR数据计算各栅格的植被含水量数据mveg，其计算公式为：
S2、根据植被含水量数据mveg和雷达波入射角θ，计算植被层的双层衰减因子γ2(θ)，其计算公式为：
γ2(θ)＝exp(-2·0.137mveg·secθ)；
S3、根据植被层的双层衰减因子γ2(θ)，计算植被层后向散射系数其计算公式为：
S4、根据植被层后向散射系数和植被覆盖地表下总的雷达后向散射系数计算直接地表后向散射系数其计算公式为：
S5、根据直接地表后向散射系数计算土壤含水量m，其计算公式为：
进一步地，识别与标记目标泉眼分布区域内含水量极大值的栅格并进行筛选，生成单日期的泉眼分布图的方法包括如下步骤：
S1、对目标区域内各栅格含水量进行极值分析，并标记为潜在泉眼栅格，对应的栅格含水量记为mi；
S2、将潜在泉眼栅格含水量mi与当地常年地表土壤田间持水量m田间持水量进行对比，若mi≤m田间持水量，则判定该潜在泉眼栅格为伪泉眼栅格；若mi＞m田间持水量，则判定该潜在泉眼栅格为真泉眼栅格；
S3、提取S2中的真泉眼栅格并生成单日期的泉眼分布图。
进一步地，将各日期的泉眼分布图叠加，以确定潜在泉眼所在栅格的方法为：在各日期的泉眼分布图中均被记为泉眼潜在位置的栅格，即为泉眼所在位置。
进一步地，无人机配有图像测量模块和全球导航卫星定位模块，装载合成孔径雷达和高光谱成像仪。
本发明提供的上述基于无人机的快速测定黄土塬区泉眼位置的方法的主要有益效果在于：
本发明通过借助无人机，利用雷达、遥感信息对研究区域的地表土壤含水量进行分析，通过对土壤湿度图像元的寻找快速确定黄土塬区泉眼的分布位置，能够在较大尺度的区域范围内较快速的确定泉眼分布的位置，大大提高水文地质勘察工作的效率；通过对光谱、空间、时间分辨率均较高的雷达与遥感图像数据分析，打破气象、地形等外界因素的限制，显著提高了泉眼识别的精度与准确率。
同时，借助无人机***可以按需搭配工作传感器，可实现多目的的勘察工作，相比卫星雷达遥感数据，大大提高了空间分辨率，结果准确，可靠性更强。
附图说明
图1为本发明基于无人机的快速测定黄土塬区泉眼位置的方法的流程图。
具体实施方式
下面结合附图对本发明作进一步说明：
如图1所示，其为本发明快速测定黄土塬区泉眼位置的方法的流程图。
本发明的基于无人机的快速测定黄土塬区泉眼位置的方法包括如下步骤：
S1、确定泉眼分布区域。
具体的，黄土塬区的泉眼主要产生于沟壑对包气带切割导致的含水层暴露，因此泉眼分布区域主要为黄土塬区沟沿线附近及山谷线上游。
对研究区域内精度30m的DEM图像数据提取数据并分析以获得研究区域内沟沿线与山谷线。地形数据包括坡度、坡向、地面曲率等。
S2、通过无人机获取泉眼分布区域的雷达微波数据与卫星遥感数据。
进一步地，其具体方法为：
根据泉眼分布区域规划无人机的航迹，设置航向重叠度80％，旁向重叠度70％，飞行高度50m，控制空间分别率在1m以内；选择无风或风力小于2级，晴朗无云或云量小于2的气象条件，在10：00—14:00之间飞行采集雷达微波与遥感影像数据。无人机每个架次飞行前后均进行标准参考白板校正。
其中，无人机采用多旋翼小型无人机，包括图像测量模块和全球导航卫星定位模块，以用于精确定位和飞行姿态调整。无人机上还装载有合成孔径雷达和高光谱成像仪，以用于采集泉眼分布区域的雷达微波及遥感数据。
S3、对S2获得的遥感影像数据进行处理。
进一步地，其具体方法包括如下步骤：
S3-1、通过人工目视检查雷达与遥感影像数据的图像质量，去除因阵风引起的变形图像。
S3-2、对遥感影像数据进行图像辐射校正，消除数据获取和传输过程产生的辐射失真或畸变，得到地物真实的反射率数据。
对图像辐射校正可采用SpecView软件进行。
S3-3、采用线性平滑高斯滤波法进行图像降噪。
S3-4、分别将雷达辐射数据与遥感图像数据重新采样至相同的空间分辨率，然后输出处理后的数据。
S4、将泉眼分布区域栅格化处理，通过S1和S3得到的数据计算目标泉眼分布区域的各栅格的土壤含水量m。
进一步地，其具体方法包括如下步骤：
S4-1、根据遥感影像数据中的近红外波段反射率ρNIR和中红外波段反射率ρMIR数据计算各栅格的植被含水量数据mveg，其单位为kg/m3，其计算公式为：
S4-2、根据植被含水量数据mveg和雷达波入射角θ，计算植被层的双层衰减因子γ2(θ)，其计算公式为：
γ2(θ)＝exp(-2·0.137mveg·secθ)；
S4-3、根据植被层的双层衰减因子γ2(θ)，计算植被层后向散射系数其计算公式为：
S4-4、根据植被层后向散射系数和植被覆盖地表下总的雷达后向散射系数计算直接地表后向散射系数其计算公式为：
S4-5、根据直接地表后向散射系数计算土壤含水量m，其计算公式为：
将计算后的目标泉眼分布区域的土壤重量含水量m按栅格导出数据。
S5、计算目标泉眼分布区域的土壤含水量平均值并标记出含水量极大值的栅格，生成单日期的泉眼分布图。
进一步地，其具体方法包括如下步骤：
S5-1、对目标区域内各栅格含水量进行极值分析，并标记为潜在泉眼栅格，对应的栅格含水量记为mi。
S5-2、将潜在泉眼栅格含水量mi与当地常年地表土壤田间持水量m田间持水量进行对比，若mi≤m田间持水量，则判定该潜在泉眼栅格为伪泉眼栅格；若mi＞m田间持水量，则判定该潜在泉眼栅格为真泉眼栅格。
为方便说明，这里取某地的泉眼分布区域数据为例，该区域0～1m土层的土壤含水量m田间持水量范围变化较大，在18.65～21.76％之间，通过取平均值计算得到，其平均值为20.40％。
S5-3、提取S5-2中的真泉眼栅格并生成单日期的泉眼分布图。
S6、在多个日期重复S1至S5，将各日期的泉眼分布图叠加，以确定潜在泉眼所在栅格，即得到泉眼所在位置。
具体地，将各日期的泉眼分布图叠加，以确定潜在泉眼所在栅格的方法为：在各日期的泉眼分布图中均被记为泉眼潜在位置的栅格，即为泉眼所在位置。
上面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (10)

1.一种基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，包括如下步骤：
S1、确定泉眼分布区域；
S2、通过无人机获取目标泉眼分布区域的雷达微波数据与遥感影像数据；
S3、对S2获得的雷达与遥感影像数据进行处理；
S4、将泉眼分布区域栅格化处理，通过S1和S3得到的数据计算目标泉眼分布区域的各栅格的土壤含水量m；
S5、识别与标记目标泉眼分布区域内含水量极大值的栅格并进行筛选，生成单日期的泉眼分布图；
S6、在多个日期重复S1至S5，将各日期的泉眼分布图叠加，以确定潜在泉眼所在栅格，即得到泉眼所在位置。
2.根据权利要求1所述的基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，所述确定泉眼分布区域的方法为：
通过分析待研究区域的地形数据，提取沟沿线与沟道。
3.根据权利要求2所述的基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，所述待研究区域地形数据通过精度为30m的DEM图像数据获取，待研究区域地形数据包括坡度、坡向、地面曲率、沟沿线和山谷线。
4.根据权利要求1所述的基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，所述通过无人机获取目标泉眼分布区域的雷达与遥感影像数据的具体方法为：
根据泉眼分布区域规划无人机的航迹，设置航向重叠度80％，旁向重叠度70％，飞行高度50m，控制空间分别率在1m以内；选择无风或风力小于2级，晴朗无云或云量小于2的气象条件，在10：00—14:00之间飞行采集遥感影像数据。
5.根据权利要求1所述的基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，所述无人机每个架次飞行前后均进行标准参考白板校正。
6.根据权利要求1所述的基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，所述对雷达与遥感影像数据进行处理包括如下步骤：
S1、通过人工目视检查雷达与遥感影像数据的图像质量，去除因阵风引起的变形图像；
S2、对遥感影像数据进行图像辐射校正，消除数据获取和传输过程产生的辐射失真或畸变，得到地物真实的反射率数据；
S3、采用线性平滑高斯滤波法进行图像降噪；
S4、分别将雷达辐射数据与遥感图像数据重新采样至相同的空间分辨率，然后输出处理后的数据。
7.根据权利要求6所述的基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，所述计算目标泉眼分布区域的各栅格的土壤含水量m的方法包括如下步骤：
S1、根据遥感影像数据中的近红外波段反射率ρNIR和中红外波段反射率ρMIR数据计算各栅格的植被含水量数据mveg，其计算公式为：
S2、根据植被含水量数据mveg和雷达波入射角θ，计算植被层的双层衰减因子γ2(θ)，其计算公式为：
γ2(θ)＝exp(-2·0.137mveg·secθ)；
S3、根据植被层的双层衰减因子γ2(θ)，计算植被层后向散射系数其计算公式为：
S4、根据植被层后向散射系数和植被覆盖地表下总的雷达后向散射系数计算直接地表后向散射系数其计算公式为：
S5、根据直接地表后向散射系数计算土壤含水量m，其计算公式为：
8.根据权利要求1所述的基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，所述识别与标记目标泉眼分布区域内含水量极大值的栅格并进行筛选，生成单日期的泉眼分布图的方法包括如下步骤：
S1、对目标区域内各栅格含水量进行极值分析，并标记为潜在泉眼栅格，对应的栅格含水量记为mi；
S2、将潜在泉眼栅格含水量mi与当地常年地表土壤田间持水量m田间持水量进行对比，若mi≤m田间持水量，则判定该潜在泉眼栅格为伪泉眼栅格；若mi＞m田间持水量，则判定该潜在泉眼栅格为真泉眼栅格；
S3、提取S2中的真泉眼栅格并生成单日期的泉眼分布图。
9.根据权利要求1所述的基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，所述将各日期的泉眼分布图叠加，以确定潜在泉眼所在栅格的方法为：在各日期的泉眼分布图中均被记为泉眼潜在位置的栅格，即为泉眼所在位置。
10.根据权利要求1所述的基于无人机的快速测定黄土塬区泉眼位置的方法，其特征在于，所述无人机配有图像测量模块和全球导航卫星定位模块，装载合成孔径雷达和高光谱成像仪。
CN201910918503.XA 2019-09-26 2019-09-26 一种基于无人机的快速测定黄土塬区泉眼位置的方法 Active CN110618145B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910918503.XA CN110618145B (zh) 2019-09-26 2019-09-26 一种基于无人机的快速测定黄土塬区泉眼位置的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910918503.XA CN110618145B (zh) 2019-09-26 2019-09-26 一种基于无人机的快速测定黄土塬区泉眼位置的方法

Publications (2)

Publication Number Publication Date
CN110618145A true CN110618145A (zh) 2019-12-27
CN110618145B CN110618145B (zh) 2020-12-08

Family

ID=68924586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910918503.XA Active CN110618145B (zh) 2019-09-26 2019-09-26 一种基于无人机的快速测定黄土塬区泉眼位置的方法

Country Status (1)

Country Link
CN (1) CN110618145B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115791866A (zh) * 2023-01-13 2023-03-14 太原理工大学 基于热红外遥感数据的土壤含水率实时监测***及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130332115A1 (en) * 2012-01-13 2013-12-12 University Of Notre Dame Du Lac Methods and apparatus for electromagnetic signal polarimetry sensing
CN103994976A (zh) * 2013-11-28 2014-08-20 江苏省水利科学研究院 基于modis数据的农业旱情遥感监测方法
CN106021872A (zh) * 2016-05-10 2016-10-12 浙江大学 一种基于低分辨率卫星遥感数据的环境变量动态筛选建模降尺度方法
CN106203673A (zh) * 2016-06-23 2016-12-07 北京农业信息技术研究中心 考虑水分胁迫的农作物生物量遥感估算方法
CN109341665A (zh) * 2018-11-29 2019-02-15 中国水利水电科学研究院 一种淤地坝淤积状况调查***和方法
CN109901240A (zh) * 2019-04-03 2019-06-18 中国矿业大学 一种探测露头残煤自燃区域的方法
CN110118732A (zh) * 2019-05-22 2019-08-13 中国农业大学 土壤含水量检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130332115A1 (en) * 2012-01-13 2013-12-12 University Of Notre Dame Du Lac Methods and apparatus for electromagnetic signal polarimetry sensing
CN103994976A (zh) * 2013-11-28 2014-08-20 江苏省水利科学研究院 基于modis数据的农业旱情遥感监测方法
CN106021872A (zh) * 2016-05-10 2016-10-12 浙江大学 一种基于低分辨率卫星遥感数据的环境变量动态筛选建模降尺度方法
CN106203673A (zh) * 2016-06-23 2016-12-07 北京农业信息技术研究中心 考虑水分胁迫的农作物生物量遥感估算方法
CN109341665A (zh) * 2018-11-29 2019-02-15 中国水利水电科学研究院 一种淤地坝淤积状况调查***和方法
CN109901240A (zh) * 2019-04-03 2019-06-18 中国矿业大学 一种探测露头残煤自燃区域的方法
CN110118732A (zh) * 2019-05-22 2019-08-13 中国农业大学 土壤含水量检测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周鹏 等: "植被覆盖地表土壤水分遥感反演", 《遥感学报》 *
河海大学《水利大词典》编辑修订委员会: "《水利大辞典》", 31 October 2015 *
秦占飞 等: "基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测", 《农业工程学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115791866A (zh) * 2023-01-13 2023-03-14 太原理工大学 基于热红外遥感数据的土壤含水率实时监测***及方法
CN115791866B (zh) * 2023-01-13 2023-04-21 太原理工大学 基于热红外遥感数据的土壤含水率实时监测***及方法

Also Published As

Publication number Publication date
CN110618145B (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
Lingfors et al. Comparing the capability of low-and high-resolution LiDAR data with application to solar resource assessment, roof type classification and shading analysis
Kotthaus et al. Energy exchange in a dense urban environment–Part II: Impact of spatial heterogeneity of the surface
Chen et al. Assessing tower flux footprint climatology and scaling between remotely sensed and eddy covariance measurements
CN104656098B (zh) 一种遥感森林生物量反演的方法
Grünewald et al. Statistical modelling of the snow depth distribution in open alpine terrain
Gerber et al. Spatial variability in snow precipitation and accumulation in COSMO–WRF simulations and radar estimations over complex terrain
CN106767687A (zh) 一种利用遥感含水量测量滩涂高程的方法
US10386258B1 (en) Systems and methods for detecting changes in emission rates of gas leaks in ensembles
Anderson et al. Laser scanning of fine scale pattern along a hydrological gradient in a peatland ecosystem
AU2020104492A4 (en) Method for identifying characteristics of coal mine field by fusing satellite/air-borne image data
Nyström et al. Prediction of tree biomass in the forest–tundra ecotone using airborne laser scanning
Fitzpatrick et al. A multi-season investigation of glacier surface roughness lengths through in situ and remote observation
CN103810376A (zh) 基于卫星遥感与回归克里格的地面日降雨量预测方法
Zhao et al. Rapid monitoring of reclaimed farmland effects in coal mining subsidence area using a multi-spectral UAV platform
CN113624716A (zh) 一种基于植被覆盖度的土壤氮素估计方法
CN106950574A (zh) 一种大气中灰霾总量的遥感测算方法及装置
CN110618145B (zh) 一种基于无人机的快速测定黄土塬区泉眼位置的方法
CN103234942A (zh) 利用天空散射光测量大气水平能见度的方法及装置
Huo et al. Development and testing of a remote sensing-based model for estimating groundwater levels in aeolian desert areas of China
CN116823579B (zh) 一种高山冰川湖泊水量变化预测方法和***
CN117330035A (zh) 一种动态遥感监测的国土测绘方法及其***
CN112166688B (zh) 基于小卫星的沙漠与沙漠化土地监测方法
Levin et al. Estimation of surface roughness (z0) over a stabilizing coastal dune field based on vegetation and topography
CN110618144B (zh) 一种快速测定黄土塬区泉眼位置的方法
Aqnouy et al. Evaluation of TRMM 3B43 V7 precipitation data in varied Moroccan climatic and topographic zones

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