JPS5860370A - Snowfall estimating device - Google Patents
Snowfall estimating deviceInfo
- Publication number
- JPS5860370A JPS5860370A JP56159080A JP15908081A JPS5860370A JP S5860370 A JPS5860370 A JP S5860370A JP 56159080 A JP56159080 A JP 56159080A JP 15908081 A JP15908081 A JP 15908081A JP S5860370 A JPS5860370 A JP S5860370A
- Authority
- JP
- Japan
- Prior art keywords
- data
- snowfall
- snow
- area
- amount
- 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
- 238000000491 multivariate analysis Methods 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 5
- DSSYKIVIOFKYAU-XCBNKYQSSA-N (R)-camphor Chemical compound C1C[C@@]2(C)C(=O)C[C@@H]1C2(C)C DSSYKIVIOFKYAU-XCBNKYQSSA-N 0.000 claims 1
- 241000723346 Cinnamomum camphora Species 0.000 claims 1
- 229960000846 camphor Drugs 0.000 claims 1
- 229930008380 camphor Natural products 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 8
- 239000005413 snowmelt Substances 0.000 description 13
- 238000000034 method Methods 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
Description
【発明の詳細な説明】
この発明は例えばランドサ、ト衛星より得られた地上の
画像データと、地形および気象データとから観測対象地
域の積雪量を推定する積雪量推定装置に関する。DETAILED DESCRIPTION OF THE INVENTION The present invention relates to a snow amount estimating device that estimates the amount of snow in an observation target area from ground image data obtained from, for example, a Landsatellite satellite, and topographical and meteorological data.
周知のように１山岳部に降った雪の量を正確に知ること
は水力発電所およびこれに関連する火力発電所の計画的
運用に寄与するところが大であシ、また、上水道、ｉｉ
＊用水など水資源の有効活用および自然保護、洪水予防
など適切な河川管理上極めて重要である。As is well known, accurately knowing the amount of snow that has fallen in mountainous areas greatly contributes to the planned operation of hydroelectric power plants and related thermal power plants.
*It is extremely important for appropriate river management such as effective use of water resources such as irrigation water, nature protection, and flood prevention.
従来、山岳部の積雪量を測定するＫはスノーサー、ペイ
方式、航空写真測量、人工衛星情報によって行なわれて
吟る。Conventionally, the amount of snowfall in mountainous areas has been measured using snowboarding, pay methods, aerial photogrammetry, and satellite information.
スノーサーベイ７方式は山岳の河川流域内における測定
点で人手によシ積雪深を測定し、これを集計して流域内
の積雪量を求めるものである。The Snow Survey 7 method measures snow depth manually at measurement points within a mountain river basin, and then aggregates the data to determine the amount of snow within the basin.
しかし、これは人手が必要なため経費がかかシ、雪山の
踏査には危険が伴うものである。嘔らに１直接測定も積
雪５ｍ程度が限度である。また、十分な測定データが得
られないため、このデータに面的代表性が乏しく、正確
に積雪量を推量することは困難である、１
一方、航空写真測量は予め地上に設置した標識（例えば
送電線の鉄塔に印を設ける）を積雪期に航空機によシ計
測し、集計して流域内の積雪量を求めるものである。こ
れは観測対象領域が小面積の場合、比較的高精度に積雪
量が求まるが、広い面積について同時性のあるデータを
収集することは困難である。However, this is expensive because it requires manpower, and exploring snowy mountains is dangerous. Moreover, direct measurement is limited to about 5 meters of snow. In addition, because sufficient measurement data cannot be obtained, this data lacks surface representativeness, making it difficult to accurately estimate the amount of snowfall. Marks are placed on transmission line towers) are measured by aircraft during the snowy season, and the amount of snow in the basin is determined by aggregating the measurements. If the observation target area is small, the amount of snowfall can be determined with relatively high accuracy, but it is difficult to collect data simultaneously over a large area.
でらに、人工衛星情報は例えばランドナツト衛星から得
られる観測対象領域の画像データから積雪分布図を作成
し、この積雪分布の変化から積雪量を推定するものであ
る。即ち、ランドナツト衛星からは数日間隔で画像デー
タが得られるから現在のデータと前のデータとを比較し
てどれだけの範囲の雪が融けたかを雪線情報（積雪領域
と無雪領域との境）により推定し、これと実際に観測し
た河川の流水量から融けた雪の量（積っていた雪の量）
を逆算するものである。しかし、これはランドナツト衛
星から得々画像データによって積雪領域のみを判別し、
融雪状況から積雪量を推定するため、現在の積雪量を知
ることが困難である。In addition, satellite information includes, for example, creating a snow distribution map from image data of an observation target area obtained from a Randnut satellite, and estimating the amount of snow from changes in this snow distribution. In other words, since image data is obtained from the Randnut satellite at intervals of several days, the current data is compared with the previous data to determine how much snow has melted using snow line information (the boundary between snow-covered areas and snow-free areas). ), and the amount of snow that melted (the amount of snow that had accumulated) was estimated from this and the amount of river flow actually observed.
is calculated backwards. However, this method only determines snow-covered areas based on image data obtained from Randnut satellites.
It is difficult to know the current amount of snow since it is estimated from snow melting conditions.
以上のように、積雪量を求める手法は種々゛存在するが
、何れも高精度に現在の積雪量を推定することは困難で
あシ、実用的なものではなかった。As described above, there are various methods for determining the amount of snowfall, but all of them are difficult to estimate the current amount of snowfall with high accuracy and are not practical.
この発明は上記事情に基づいてなされたもの１１その目
的とするところは観測対象領域の画像データおよび地理
、気象データを用いて高精度に積雪量を推定することＫ
より、水力および火力発電所の計画的運用を可能とする
とともに、水資源や有効活用、適切な河川管理を行ない
得る積雪量推定装置を提供しようとするものである。This invention was made based on the above circumstances.11 Its purpose is to estimate the amount of snowfall with high accuracy using image data of the observation target area, and geographical and meteorological data.
The present invention aims to provide a snowfall estimation device that enables planned operation of hydropower and thermal power plants, as well as effective utilization of water resources and appropriate river management.
以下、この発明の一実施例について図面を参照して説明
する。An embodiment of the present invention will be described below with reference to the drawings.
第１図において、１１は例えばランドナツト衛星によっ
て得られた所定領域の多重スペクトル画像データである
。この画像データは周知のように、地上を１８５Ｋｍの
幅で走査し、１画像面積を１８５ＫｍＸ１８５−とした
ものであシ、このうち約５７ｍＸ５７ｍの範囲が１画素
として処理されている。この１画素は８ビ、トのデータ
で構成され、また、同一領域は５パ／ドの波長（０，５
〜０．６μｍ、０．６〜０．７μｍ、０．７〜０、８μ
ｍ 、 ０．８〜１．１μｎｌ ｔ １０．４〜１２．
６ μｍ）によってそれぞれ別々に画像データを得てい
る。In FIG. 1, reference numeral 11 indicates multispectral image data of a predetermined area obtained by, for example, a Randnut satellite. As is well known, this image data is obtained by scanning the ground with a width of 185 km, and the area of one image is 185 km x 185 -, of which a range of approximately 57 m x 57 m is processed as one pixel. This one pixel consists of 8 bits of data, and the same area has a wavelength of 5 pads (0, 5
~0.6μm, 0.6~0.7μm, 0.7~0, 8μm
m, 0.8-1.1 μnl t 10.4-12.
6 μm), image data was obtained separately for each.
この画像データは磁気チー７”Ｋ記録されているっこの
画像データ１１は地形補正装置ｘｚＫ供給される。ラン
ドナツト衛星によって得られた画像データ１１は種々の
歪を有しているため、この地形補正装置Ｉ２によって幾
何的な歪が補正され、ＵＴＭ （Ｕｎｉｖ＠ｒｓａｌ
Ｔｒａｎｓｆｏｒｍ Ｍ＊ｒｃａｔｏｒ：横メルカトー
ル）座標の地形図に１対ｌで対応するよう配列が組み換
えられる。即ち、前記画像データ１１は先ず地上基準点
抽出部１２息ＶＣ供給され、画像を幾何的に補正するた
めに必要な地上基準点（Ｇｒｏｕｎｄ Ｃｏｎｔｒｏｌ
Ｐｏ１ｎｔ ：ＧＣＰ ）が選定される。このＧＣＰ
は画像中から容易に識別できる一対象物で、且つ、地形
図の上で正確な位置（緯度、軽度）を決定可能な地上対
象物である。通常、大きな橋の中央部、道路の交差点、
飛行場の滑走路など、人工的で識別し易い点や、適当な
大きさの池の中心や島の中心などがＧＣＰとして選定さ
れる。画像データの１シーン（１画像面積に相当）から
選定されるＧＣＰの数は変換式によって異なるが、後述
するアフィン変換式を用いた場合は通常１０点程度で十
分である。This image data 11 is recorded on a magnetic chip 7"K and is supplied to a terrain correction device Geometric distortions are corrected by device I2 and UTM (Univ@rsal
The sequences are recombined so that they correspond one to one to the topographic map of Transform M*rcator (transverse Mercator) coordinates. That is, the image data 11 is first supplied to the ground control point extractor 12 (VC), which extracts ground control points necessary for geometrically correcting the image.
Po1nt:GCP) is selected. This GCP
is an object that can be easily identified in an image, and is an object on the ground whose exact position (latitude, altitude) can be determined on a topographic map. Usually in the center of large bridges, at road intersections,
Artificial and easy-to-identify points such as the runway of an airport, the center of a pond of appropriate size, the center of an island, etc. are selected as GCPs. The number of GCPs selected from one scene of image data (equivalent to one image area) varies depending on the transformation formula, but usually about 10 points are sufficient when using the affine transformation formula described later.
スゲレイ上に表示し、この表示されたデータよりＧＣＰ
をライト（ン等を用いて入力される。こ、の選定され九
ＧＣしは画像標定部１２ｂに供給される。GCP is displayed on the gray field and from this displayed data.
is inputted using a light (eg.
この画像標定部ｘｘｂでは画像データ中のＧＣＰとＧＣ
Ｐの地上の緯度、経度との関係を定め、変換係数が求め
られる。即ち、峰緯度は地球上の位置を普遍的に表わす
が、その座標系は地球゛の形を定義している回転楕円体
面の上に展開されている。一方、画像データ上の点の位
置はピクセル（Ｐｉｅｔｕｒ＠Ｅｌｅｍ＠ｎｔ ： Ｐ
ｌｘ＠ｌ ）軸とライン軸よりなる平面上に定義されて
いる。楕円体面と平面とは一般的に第２種楕円積分によ
り関係付けられるが、これＫついては既に経緯度と横メ
ルカトール座標との間の実用的な等角投影式が存在して
いる。従って、ここでは経緯度座標とランドサ、ト（画
像データ）座標との関係を次のような２段階にわけて定
義する。In this image orientation section xxb, GCP and GC in the image data are
The relationship between P and the latitude and longitude of the ground is determined, and the conversion coefficient is determined. That is, peak latitude universally represents a position on the earth, but its coordinate system is developed on the surface of the spheroid that defines the shape of the earth. On the other hand, the position of a point on the image data is a pixel (Pietur@Elem@nt: P
It is defined on a plane consisting of the lx@l ) axis and the line axis. An ellipsoid surface and a plane are generally related by an elliptic integral of the second kind, and for K, a practical conformal projection formula between latitude and longitude and transverse Mercator coordinates already exists. Therefore, here, the relationship between latitude and longitude coordinates and land coordinates (image data) coordinates is defined in two stages as follows.
変換■ 経緯度座標；横メルカトール座標変換■ 横メ
ルカトール座標＝ランドサット座標ここで、変換■につ
いては、平面座標系同士の変換でらシ、横メルカトール
座標は地球上の距離（南北Ｘ、東西Ｙ）Ｋ関して直角座
標になっているが、ランドナツト衛星の画像データでは
近似的に斜交座標系となりていると考えられる。Conversion ■ Latitude and longitude coordinates; Transverse Mercator coordinate conversion ■ Transverse Mercator coordinates = Landsat coordinates Here, the conversion ■ is a conversion between plane coordinate systems, and the transverse Mercator coordinates are distances on the earth (north-south X, east-west Y) Regarding K, it is a rectangular coordinate system, but it is thought that the image data of the Randnacht satellite is approximately an oblique coordinate system.
これらの座標系はアフィン変換式を用いて関係式を作る
ことができる。横メルカトール座標値を（ｘ ＝ ｙ
） ｔランドサ、ト座標値を（Ｐ、Ａりとすると、その
間の関係式は
となる。この（１）式の６個ｐ変換係数ｍ１（１＝１〜
６）は３個以上のＧＣＰのラッドサット座標値と、横メ
ルカトール座標値を用いて、最小二乗法により決定され
る。この求められた変換係数は画像サンプリン１９５１
Ｊ ｅ Ｋ供給される。For these coordinate systems, relational expressions can be created using affine transformation expressions. Transverse Mercator coordinate value (x = y
) When the coordinate values of t and t are (P, A), the relational expression between them is as follows.The six p conversion coefficients m1 (1=1 to
6) is determined by the least squares method using the Radsat coordinate values of three or more GCPs and the transverse Mercator coordinate values. This obtained conversion coefficient is the image sample 1951
J e K supplied.
この画像ナンゾリング部１２ａは画像データを実際に、
地形図に重ね合わすことができるよう、画像データを前
記（１）式に従って再配列するものである。この画像の
再配列を行なうには種々の方法があるが、ここでは最も
簡単な最近接法（Ｎ＠ａｒ＠ｓｔ Ｗ＠ｉｇｈｂｏｕｒ
）が適用される。これＫよ〕再配列後の画像データが
、その位置から最も近い位置にある元の画像データに置
き換えられ、最終的な地形補正が行なわれる。This image numbering section 12a actually converts the image data into
Image data is rearranged according to equation (1) above so that it can be superimposed on a topographic map. There are various methods to rearrange this image, but here we will use the simplest nearest neighbor method (N@ar@st W@ightbour
) applies. This is K] The rearranged image data is replaced with the original image data closest to that position, and final topographical correction is performed.
このよ−うＫして補正畜れた画像データは対象領域抽出
装置ｔ ３に供給され、必要とする積雪量の観測対象領
域が抽出される。この抽出された画像データは積雪領域
判定装置１４に供給される。The image data corrected in this way is supplied to the target area extraction device t3, and the observation target area with the required amount of snowfall is extracted. This extracted image data is supplied to the snow area determination device 14.
この積雪領域判定装置１４＋は、先ず、閾値選定部１４
＊Ｉｌｃおいて、抽出され九画偉データより明らかな無
言領域と積雪領域にトレーニングエリアを設定し、この
エリア内のデータにおケル各ハンド毎の平均、分散、ヒ
ストグラム等が算出される。次に、これらの値よシ雪の
反射特徴に最も適合したバンドが選択され、このバンド
のデータより閾値が決定される。即ち、第２図に示す如
く最適バンドにおける無雪領域のトレーニングエリアの
ヒストグラムＳｆｒの平均値と、積雪領域のトレーニン
グエリアのヒストグラムＳ□の平均値の中間の値を５０
チ積雷領域とし、この値が閾値として設定される（第２
図にｓｔｈで示す）。この閾値は判定部１４ｂＫ供給さ
れ、前記選択された最適バンドの画像データについて無
雪領域と積雪領域の判定が行なわれる。つまシ、閾値よ
シ低い値のデータは無雪、閾値より高い値のデータは積
雪という判定が一画素毎に行なわれ、積雪領域のみの画
像データが抽出される１、
通常、濃度スライス法により積雪領域を抽出する場合は
積雪領域のトレーニングエリアのみを用いるのが普通で
あるが、そうすると中間的な領域を表わすトレーニング
エリアの設定が困難なため、積雪領域に近い領域しか抽
出されない危険性がある。これに対して本願発明の場合
は無雪領域のトレーニングエリアも併用するため、中間
的な値の設定が容易である。また、積雪領域の反射ス（
クトルは比較的安定していると考えられるので、シーン
が変わっても無雪領域のトレーニングエリアとして土地
被覆が同一になるような領域を選べば、抽出のための閾
値も比較的安定し、・良好な積雪領域の抽出が可能とな
る。This snow area determination device 14+ first includes a threshold selection unit 14.
*In Ilc, a training area is set in the silent area and snowy area that are obvious from the extracted nine-stroke data, and the average, variance, histogram, etc. for each hand are calculated for the data in this area. Next, a band that best matches the snow reflection characteristics among these values is selected, and a threshold value is determined from the data of this band. That is, as shown in Fig. 2, the intermediate value between the average value of the histogram Sfr of the training area in the snow-free region and the average value of the histogram S□ of the training area in the snow-covered region in the optimal band is set to 50.
This value is set as the threshold (second
(shown as sth in the figure). This threshold value is supplied to the determination unit 14bK, and a determination is made as to whether the image data of the selected optimal band is a snow-free area or a snow-covered area. Data with a value lower than the threshold value is determined to be snow-free, and data with a value higher than the threshold value is determined to be snow-covered. This is done pixel by pixel, and image data of only the snow-covered area is extracted1. Normally, the density slice method is used to extract the image data of only snow-covered areas. When extracting a snow-covered area, it is common to use only the training area of the snow-covered area, but in this case, it is difficult to set a training area that represents an intermediate area, so there is a risk that only areas close to the snow-covered area are extracted. . On the other hand, in the case of the present invention, since a snow-free training area is also used, it is easy to set an intermediate value. In addition, the reflection of the snow area (
Since the vector is considered to be relatively stable, if we select an area where the land cover remains the same as the training area for the snow-free area even if the scene changes, the threshold for extraction will also be relatively stable. It becomes possible to extract a good snow-covered area.
上記のようにして得られた積雪領域の画像データは例え
ば磁気テープ装置ＪｊｉＣ供給されて記憶されるととも
に、写真出力装置１６に供給される。この装置１６では
先ず、フィルム出力部１６ａにおいて前記データが写真
フィルム化され、このフィルムが修正部ｘｔｓｂにおい
て縮尺、方位等が調整された後、写真処理部１６ｅにお
いて写真化され、積冒分布図１７が出力される。The image data of the snow covered area obtained as described above is supplied to, for example, a magnetic tape device JjiC and stored therein, and is also supplied to the photo output device 16. In this device 16, first, the data is converted into a photographic film in a film output section 16a, and this film is adjusted in scale, orientation, etc. in a correction section xtsb, and then converted into a photograph in a photographic processing section 16e. is output.
一方、１８は標高データである。この標高データは観測
対象領域（前記対象領域抽出装置１３の出力データと一
致する）を国土標準メツシュ（１／２５０００地形図の
横Ｘ １／１０ 、縦Ｘ １／１ Ｇ ）の１／４ （
２７８ｍ Ｘ ２３１ ｍ ）に分割し、この１７４メ
ツシユ内の平均標高を表わしたものである。この標高デ
ータ１８は地上データ処理装置１９に供給され、その観
測対象領域において降雪に関係する地形の特徴となるデ
ータ、例えば標高、斜面の傾斜方向、主尾根からの距離
、日本海からの距離、起伏量が各メツシュ毎に求められ
る。On the other hand, 18 is altitude data. This elevation data defines the observation target area (which matches the output data of the target area extraction device 13) as 1/4 (
It is divided into 278 m x 231 m) and represents the average altitude within these 174 meshes. This elevation data 18 is supplied to the ground data processing device 19, and contains data on topographic features related to snowfall in the observation target area, such as elevation, slope direction, distance from the main ridge, distance from the Sea of Japan, The amount of relief is determined for each mesh.
即ち、標高は前記標高データ１８そのものであり、斜面
の傾斜方向は第３図（、＞に示す如く測定対象メツシュ
Ｍ、と、このメツシュＭ０の周囲に対接するメック、
Ｍ、〜Ｍ８の各標高差を求め、このうち最大値を示すメ
ツシュの方向が測定対象メック、Ｍ０の斜面の傾斜方向
とされる。また、主尾根からの距離は降雪に影Ｗを及ぼ
す山脈の座標値を入力し、この座標値と各メツシュとの
最短距離がそのメツシュの主尾根からの距離と離はｌで
示される。また、日本海からの距離は日本海の海岸線の
座標データを入力し、主尾根からの距離と同様の演算に
よシ求められる。さらに１起伏量は測定対象メック、を
中心として半径例えば２０−以内のメツシュの最大標高
と最小標高の差が求められ、これが測定対象メ。That is, the elevation is the elevation data 18 itself, and the slope direction is the measurement object mesh M, the mesh M0 that is in contact with the surrounding mesh M0, and the slope direction as shown in FIG.
The elevation differences of M, to M8 are determined, and the direction of the mesh showing the maximum value is determined as the inclination direction of the slope of M0, the mech to be measured. Further, the distance from the main ridge is input as the coordinate value of a mountain range that has a shadow W on snowfall, and the shortest distance between this coordinate value and each mesh is indicated by l. In addition, the distance from the Sea of Japan can be calculated by inputting the coordinate data of the coastline of the Sea of Japan and performing the same calculation as the distance from the main ridge. Furthermore, one undulation amount is determined by the difference between the maximum and minimum elevations of meshes within a radius of, for example, 20 degrees around the mech to be measured, and this is the mech to be measured.
シュの起伏量とされる。このようにして求められた観測
対象領域の特徴となるデータはそれぞれ磁気テープ装置
２０に記憶されるとともＫ。It is considered to be the amount of undulation of the ridge. The characteristic data of the observation target area obtained in this manner are stored in the magnetic tape device 20, respectively.
多変量解析装置２１に供給される。It is supplied to the multivariate analysis device 21.
この多変量解析装置２）には観測対象領域内ｄ所定点で
実際に測定された積雪深データ２２（例えば気象庁の観
測データ）が供給される。This multivariate analysis device 2) is supplied with snow depth data 22 (for example, observation data from the Japan Meteorological Agency) actually measured at a predetermined point d within the observation target area.
この積雪深データ２２は観測対象領域内の例えば十数箇
所のデータである。この積雪深データ２２および前記求
めたメツシュ毎のデータから各メツシー毎の積雪深が推
定される。即ち、この多変量解析装置２１では例えば重
回帰分析を行ない積雪深データ（点情報）から各メツシ
ュ毎の積雪深（面情報）が推定される。前記積雪深デー
タおよび各メッンユデータは次表１，２で表わされる。This snow depth data 22 is data of, for example, ten or more locations within the observation target area. The snow depth for each mesh is estimated from this snow depth data 22 and the determined data for each mesh. That is, the multivariate analysis device 21 performs, for example, multiple regression analysis to estimate the snow depth (surface information) for each mesh from the snow depth data (point information). The snow depth data and each snow depth data are shown in Tables 1 and 2 below.
測定日の積雪深ｙ（目的変数）を最も良く推定するＫ
ｈ ｙと関係するであろう１組の変数１１、（説明変数
）の線形結合を求め五でｙの推定を行なう。即ち、先ず
Ｙ（＝ ｂｅ ＋ ｂ Ｉｘ目＋ ｂｌｘｓ ＊ ＋−
・＋ ｂｐｘＩＪ −・−（２）を求め、この推定値−
ミーと実測値ｙ１との差の平方和
Ｓ・＝Σ（ｙｌ−百）２゛・・・・・・・・−・・（３
）１冨１
を最小とするｌ）＠＋１）１・・・・・・ｂ、（偏回帰
係数）を求める。８・を最小とするＫはＳ＠をｂｏｐｂ
ｌ・・・・・・ｂで偏微分してＯとおき、褥られた連立
方程゛式を解いてｂＯ＋ｂｌ ・・・・・・ｂを求める
。これで目的変数と説明変数の関係を表わす重回帰式が
求まったわけで、これに各メツシー毎のデータｘｌｊ（
ｘｌｌ、・・・・・・、ｘ１５：ｉ＝１，２・・・・・
・）を代入することＫよシ各メッシュ毎の積雪深ｙ１が
求まる。K that best estimates the snow depth y (objective variable) on the measurement day
A linear combination of a set of variables 11 (explanatory variables) that may be related to h y is found, and y is estimated in step 5. That is, first, Y(= be + b Ixth + blxs * +-
・+ bpxIJ −・−(2) is calculated, and this estimated value −
The sum of squares of the difference between me and the actual measurement value y1 S = Σ (yl - 100) 2゛・・・・・・・・・・・・(3
Find l) @+1) 1...b, (partial regression coefficient) that minimizes ) 1 value. K that minimizes 8 is bopb S@
Partially differentiate with l...b, set it as O, and solve the folded simultaneous equations to find bO+bl...b. Now we have found a multiple regression equation that expresses the relationship between the objective variable and the explanatory variable, and we add the data xlj(
xll,..., x15:i=1,2...
・) By substituting K, the snow depth y1 for each mesh can be found.
この得られた積雪深データは磁気テープ装置２３に供給
されて記憶されるとともに、図形処理装置２４に供給さ
れ、積雪深分布図２５が出ガされる。The obtained snow depth data is supplied to the magnetic tape device 23 and stored therein, and is also supplied to the graphic processing device 24 to output a snow depth distribution map 25.
さらに１多変量解析装置２１で得られた各メツシュ毎の
積雪深データおよび前記積雪領域判定装置１４よ）出力
される積雪領域の画像データーは積雪量推定装置２６に
供給される。この積雪量推定装置２６では積雪領域の画
像データと積雪深データとを対応して積雪領域における
全積雪量を推定するものである。Furthermore, the snow depth data for each mesh obtained by the multivariate analysis device 21 and the image data of the snow region outputted from the snow region determining device 14 are supplied to the snow amount estimating device 26. This snowfall amount estimating device 26 estimates the total snowfall amount in the snowfall area by correlating the image data of the snowfall area with the snow depth data.
とζろで、ランドサ、ト衛星によって得られ九画偉デー
タの１画素は前述し九如＜５７ｍＸ５７ｍであシ、これ
は横メルヵトール座標のゾーンをＸ方向に６４０等分、
Ｙ方向に８００等するととくよ）得られるメツシュ（５
７，８ｍＸＳＮ７ｍ）Ｋはぼ一致する。また、前記積雪
深データに対応されたメツシーは２３１ ｍ Ｘ２７８
ｍであシ、このメツシュとランドサット衛星の画像デー
タ１画素とは第４図に示す関係となる。即ち、積雪深デ
ータの１メ、シュとランドサ、ト衛星の画、曹データ２
０画素とが対応される。各メツシ、の積雪深および１画
素の大きさは既知であるから、とのン、シー内の画素数
と積雪深よりそのメツシュ内の積雪量を求めることがで
きる、斯くして、積雪領域に対応する各メツシュ内の積
雪量を求め、これを合計することにより積雪領域におけ
る全積雪量を求めることが可能である。One pixel of the nine-stroke data obtained by the Landsa and To satellites is, as mentioned above, <57m x 57m, which means that the zone of transverse Mercator coordinates is divided into 640 equal parts in the X direction,
800 in the Y direction) obtained mesh (5
7,8mXSN7m)K are almost identical. Also, the snow depth data corresponds to 231 m x 278 m.
m, the relationship between this mesh and one pixel of Landsat satellite image data is shown in FIG. In other words, 1 image of snow depth data, 1 image of Shu, Landsa, and 2 satellites, and 2 images of Cao data.
This corresponds to 0 pixel. Since the snow depth and the size of each pixel in each mesh are known, the amount of snow in that mesh can be calculated from the number of pixels in the mesh and the snow depth. By determining the amount of snow in each corresponding mesh and summing them, it is possible to determine the total amount of snow in the snow area.
また、各メツシュ内のランドサット衛星の画像データは
平均化され、この平均値に対して前記積雪深データが対
応付けられる。Furthermore, the image data of the Landsat satellites in each mesh is averaged, and the snow depth data is associated with this average value.
ざらに、この積雪量推定装置ｚｇＶｃはサングル調査デ
ータ２７、航空写真撮影データ２８が供給される。これ
らデータは観測対象領域内の木の位置および線密度、地
形状態、雪の汚れ具合等の観察データである。ランドサ
、ト衛星によって得られた画像データは既述の如く地上
の反射光を受信したものである。このため、地上に木が
植えている場合、その影によって雪の反射率が低下し、
また、雪の表面が汚れてい走ヤ、斜面の向きが太陽に対
して影になる地形の場合も反射率が低下して正確なデー
タが得られない。Roughly speaking, the snowfall amount estimating device zgVc is supplied with sample survey data 27 and aerial photography data 28. These data are observation data such as the position and linear density of trees in the observation target area, topographical conditions, and snow stains. The image data obtained by the LANDSA and TO satellites is obtained by receiving reflected light from the ground, as described above. For this reason, if trees are planted on the ground, their shadows will reduce the reflectance of the snow.
Additionally, if the surface of the snow is dirty or the terrain is such that the slope is oriented in a shadow from the sun, the reflectance will decrease and accurate data cannot be obtained.
したがって、実際にはかなシの積雪量が娶るにもかかわ
らず、反射データとしてそれが正確に得られないことが
ある。そこで、積雪量推定の精度を向上させる丸め、前
記観察データを用いて求められた各メツシュ毎の積雪量
が補正てれる。また、この観察データは例えばティーセ
ン分割法によシ観測対象領域に広げられ′、前記多変量
解析装置２１で得られる積雪深データが補正される。Therefore, even though the amount of snowfall is actually small, it may not be accurately obtained as reflection data. Therefore, rounding is performed to improve the accuracy of snowfall estimation, and the snowfall amount for each mesh determined using the observation data is corrected. Further, this observation data is spread over the observation target area by, for example, the Thiessen division method, and the snow depth data obtained by the multivariate analysis device 21 is corrected.
このようＫして得られた観測対象領域の積雪量データは
積雪変化量推定装置ｊｔ９に供給される。ランドサット
衛星による同一地点の撮影は約１８日間隔で行なわれる
ため、前記処理によシ１８日間隔の積雪量が得られる。The snowfall amount data of the observation target area obtained in this way is supplied to the snowfall change estimation device jt9. Since images of the same location are taken by Landsat satellites at intervals of about 18 days, the above processing yields snowfall amounts at intervals of 18 days.
この積雪変化量推定装置２９ではこのように時間間隔を
有する積雪量データの差が各メツシュ毎に求められ積雪
量の変化が推定される。この積雪量の変化データは前記
地上データ処理装置１９よシ供給される標高データ、傾
斜データおよび自動観測装置３０よ〕出力される積雪深
データ・気温デ−タ、降水量データ、河川の流量データ
とともに融雪量推定装置３１に供給される。融雪量は標
高差、気温、降水量で変わり、河川への流出量は斜面の
傾斜によって変化する。前記気温データ、降水量データ
、流出量データは観測対象領域内の所定箇所および観測
対象領域内の河川に設置されたロカ、ト観測装置により
自動的に行なわれる１゜
融雪量推定装置３ノでは先ず前記ロカ、ト観測によりて
得たデータおよびこのロゲット観測所に対応し九メ、シ
ュの積雪変化量を用いて、次式（４）の係数が最小二乗
法によ〕求められる。In this snow cover change amount estimating device 29, the difference between the snow cover data having time intervals is determined for each mesh, and the change in the snow cover amount is estimated. This snow amount change data includes elevation data, slope data supplied from the ground data processing device 19, and snow depth data, temperature data, precipitation data, and river flow rate data outputted from the automatic observation device 30. It is also supplied to the snowmelt amount estimating device 31. The amount of snowmelt changes depending on the elevation difference, temperature, and precipitation, and the amount of runoff into rivers changes depending on the slope slope. The above-mentioned temperature data, precipitation data, and runoff amount data are automatically obtained by the 1° snowmelt amount estimation device No. 3, which is automatically performed by location observation devices installed at predetermined locations within the observation target area and rivers within the observation target area. First, the coefficients of the following equation (4) are determined by the method of least squares, using the data obtained from the above-mentioned observations and the amount of change in snowfall in the nine days corresponding to this Roget observation station.
Ｙ＝α＊ Ｘ＋ ＋α＊ Ｘｓ ＋（Ｘｓ Ｘｓ＋α４
Ｘ４＋α、Ｘ、＋Ｃ・・・・・・・・・・・・（４）但
し、Ｙ：積雪変化量、Ｘｌ ：標高ｒ−タ。Y=α* X+ +α* Xs +(Xs Xs+α4
X4+α,
Ｘｌ：傾斜データｙＸｓ：積雷深データ。Xl: Slope data yXs: Lightning depth data.
ｘ４：気温データ、Ｘ蓼：降水量データ。x4: Temperature data, X: Precipitation data.
α１〜α＠：係数、Ｃ：実数
次に１ここで求められた係数α■〜α、およびＣを（４
）式に代入し、且つまた、Ｘ羞 ｐＸｓに各メツシュの
標高データ、傾斜データを代入することＫより、各メツ
シュ毎の積雪変化量（例えば前回のランドサ、ト衛星に
よる撮影から現在までの変化量）が求められ、各メツシ
ュ毎の変化量を合計するととくよシ観測対象領域の積雪
変化量、即ち、融雪量が求められる。この融雪量データ
は流出量推定装置３２に供給される。α1 ~ α@: Coefficient, C: Real number Next 1 The coefficients α■ ~ α found here, and C (4
), and by substituting the elevation data and slope data of each mesh for By summing up the amount of change for each mesh, the amount of change in snow cover in the observation target area, ie, the amount of snow melt, is determined. This snowmelt amount data is supplied to the runoff amount estimating device 32.
この流出量推定装置３２では融雪量データと前記自動観
測装置３０で得られた流出量データから次式（５）の係
数が最小二乗法により求められ流出量の推定が行なわれ
る。The runoff amount estimating device 32 estimates the runoff amount by calculating the coefficient of the following equation (5) using the least squares method from the snowmelt amount data and the runoff data obtained by the automatic observation device 30.
Ｉ＝β、Ｍ＋Ｃ・・・・・・・・・・・・・・・−（５
）ここで、上記（４） 、 （５）式を用いて将来の融
雪量および流出量を推定する場合について説明する。I=β, M+C・・・・・・・・・・・・・(5
) Here, a case will be described in which the future amount of snowmelt and runoff is estimated using equations (4) and (5) above.
（４）弐において、Ｘｌ ｔｘ寓、ｘ各メ、シュ毎の標
高データ、傾斜データを代入し、ＸＨ＋ Ｘ４ ｒＸ
、、 Ｋ観測対象領域内の所定観測点における例えば
過去の月平均積雪深データ、気温データ、降雨量データ
を代入するととＫより、各メツシーの将来の融雪量を求
めることができいこれらを合計することにより観測対象
領域の将来の融雪量を推定することができる。つまり、
例えば現時点が３月である場合、４月の月平均積雪深デ
ータ、気温データ、降雨量データを（４）弐に代入すれ
ば４月の融雪量を推定することができる。(4) In the second section, substitute the elevation data and slope data for Xl tx,
,, By substituting, for example, past monthly average snow depth data, temperature data, and rainfall data at a predetermined observation point within the observation target area, it is possible to calculate the future snowmelt amount for each metsushi from K. By doing so, it is possible to estimate the future amount of snowmelt in the observation target area. In other words,
For example, if the current time is March, the amount of snowmelt in April can be estimated by substituting April's monthly average snow depth data, temperature data, and rainfall data into (4)2.
そして、この求められた融雪量データを（５）式に代入
すれば４月の流出量を推定することができる。以下、同
様に各月平均データを代入すればその月の融雪量、流出
量を推定できる。但し、これは月平均積雪深データが零
となるまでであシ、これ以後の推定はできない。Then, by substituting the obtained snowmelt amount data into equation (5), the amount of runoff in April can be estimated. Similarly, by substituting the average data for each month, the amount of snowmelt and runoff for that month can be estimated. However, this is only possible until the monthly average snow depth data reaches zero, and estimation cannot be made after this point.
上記した構成によれば、従来ランドサ、ト衛星によシ得
られたデータからでは積雪深が直接求められない欠点を
地上データによシ補危い、地上データからでは確認でき
ない観測対象領域の積雪分布をランドサ、ト衛星により
得たデータによって補なうととＫより、観測対象領域の
積雪量を従来に比べて高精度に推定することを可能とし
た。しかも、推定した積雪量を実際に現地観察した雪の
表面状ｍＶＣ応じて補正しているため、推定精度を一層
高めることが可能である。According to the above configuration, it is difficult to use ground data to compensate for the drawback that snow depth cannot be determined directly from data obtained by conventional Landsatellite satellites, and snow cover in observation target areas that cannot be confirmed from ground data. By supplementing the distribution with data obtained by the Landsa and To satellites, it became possible to estimate the snowfall amount in the observation target area with higher accuracy than before. Furthermore, since the estimated snowfall amount is corrected according to the snow surface shape mVC actually observed on site, it is possible to further improve the estimation accuracy.
また、ランドサ、ト衛星からのデータおよび地上の観測
データが供給されれば直ちに現在の積雪量が推定され、
しかも、時間間隔をあけた２つのランドサ、ト衛星から
のデータがあれば将来の融雪量および流出量を推定し得
るため、従来に比較して即時性のあ右データが得られる
。In addition, if data from Landsa and Tosa satellites and ground observation data are supplied, the current amount of snow can be estimated immediately.
Moreover, since it is possible to estimate the amount of snowmelt and runoff in the future using data from two LANDSA satellites spaced apart in time, data can be obtained more quickly than in the past.
したがって、現在および将来の水力ならびに火力発電所
の計画的運用を可能とするとと亀に、水資源の有効活用
、適切な河川管理を行なうことが可能である。Therefore, by enabling planned operation of current and future hydropower and thermal power plants, effective use of water resources and appropriate river management will be possible.
ざらＫ、実際の雪の表面状態により、地上データから得
た積雪深データを補正しているため、地上データの精度
が高ま）、ランドサ、ト衛星から得たデータが有する数
値情報と積雪深との関係が明確となる。したがうて、ラ
ンドサ、ト衛星から得たデータを口がット観測で得たデ
ータによって補正する程度で積雪深、積雪量、流出量等
を簡単に推定することが可能となる。Numerical information and snow depth possessed by data obtained from Zara K, Landsa, and To satellites The relationship becomes clear. Therefore, it is possible to easily estimate snow depth, amount of snow, amount of runoff, etc. by correcting the data obtained from LANDSA and TO satellites with the data obtained from KAT observation.
また、ランドサ、ト衛星により観測対象領域・のほぼ２
０チの画像データが得られれば地上データを用いて積雪
量を推定することが可能であるため、従来のように領域
全体の画像データがなければ処理できない場合に比べ極
めて有利でｈシ、冬期における積雪量推定の欠損を極力
防止することができる。In addition, almost 20% of the observation target area was
If image data of the entire area is obtained, it is possible to estimate the amount of snowfall using ground data, which is extremely advantageous compared to the conventional case, which requires image data of the entire area. It is possible to prevent defects in snowfall estimation as much as possible.
以上詳述したようにこの発明によれば、観測対象領域の
画像データおよび地理、気象データを用いて高精度に積
雪量を推定することによシ、水力および火力発電所の計
画的運１を可能とするとともに１水資源の有効活用、適
切な河川管理を行ない得る積雪量推定装置を提供できる
。As detailed above, according to the present invention, the planned operation of hydropower and thermal power plants can be improved by estimating the amount of snow with high accuracy using image data of the observation target area and geographical and meteorological data. It is possible to provide an apparatus for estimating the amount of snow that enables efficient use of water resources and appropriate river management.
第１図はこの発明に係わる積雪量推定装置の一実施例を
示す構成図、第２図は積雪領域判定装置の動作を説明す
るために示す図、第３図（ａ）。
（ｂ）はそれぞれ地上データ処理装置の動作を説明すＪ
ために示す図、第４図は積雪量推定装置の動作を説明す
るために示す図である。
１ノ・・・画像データ、１２・・・地形補正装置、１３
・・一対象領域抽出装置、１４・・・積雪領域判定装置
、１１１−・・標高データ、１９・・・地上データ処理
装置、２１・・・多変量解析装置、２２・・・積雪深デ
ータ、２６・・・積雪量推定装置、２９・・・積雪変化
量推定装置、３１・・・融雪量推定装置、３２・・・流
出量推定装置。FIG. 1 is a block diagram showing an embodiment of the snowfall amount estimating device according to the present invention, FIG. 2 is a diagram showing the operation of the snowfall area determination device, and FIG. 3(a). (b) each describes the operation of the ground data processing device.
FIG. 4 is a diagram shown for explaining the operation of the snow amount estimating device. 1 No. Image data, 12. Terrain correction device, 13
... One target area extraction device, 14... Snow area determination device, 111-- Elevation data, 19... Ground data processing device, 21... Multivariate analysis device, 22... Snow depth data, 26... Snow cover amount estimating device, 29... Snow cover change amount estimating device, 31... Snow melting amount estimating device, 32... Outflow amount estimating device.
Claims (1)
給され、この領域のデータを観測対象領域の地形図に１
対１に対応するよう幾何学補正する手段と、前記画像デ
ータの値に対応して所定の閾値を設定し、この閾値によ
シ前記補正されたデータ１画素毎に積雪、無雪を判定し
積雪領域を求める手段と、観測対象領域を所定のメツシ
ュに分割し各メツシュに対応した標高データが供給され
各メ、シ“、毎に降雪条件を表わす地形の特徴データを
求める手段と、この特徴となるデータおよび実際に観測
対象領域内の所定点で測定した積雪深が供給され各メツ
シュ毎の積雪深を多変量解析して推定する手一段と、こ
の推定された積雪深データと前記求めら五た積雪領域が
供給され、積雪領域と積雪深とを対応して観測対象領域
全体の樟雷量を推定する手段と、この推定式れた°積雪
量よシ流出流量を推定する手段とを具備することを特徴
とする積雪量推定装置。Digital image data of the observation target area obtained from the sky is supplied, and the data of this area is added to the topographic map of the observation target area.
A means for performing geometric correction so as to correspond to one pair, and a predetermined threshold value corresponding to the value of the image data, and using this threshold value, it is determined whether there is snow or no snow for each pixel of the corrected data. means for determining the snowfall area; means for dividing the observation target area into predetermined meshes, supplying elevation data corresponding to each mesh; and determining terrain feature data representing snowfall conditions for each mesh; data and the snow depth actually measured at a predetermined point in the observation target area are supplied, and the snow depth for each mesh is estimated by multivariate analysis. The system is provided with a means for estimating the amount of camphor in the entire observation target area by correlating the snow area and snow depth, and a means for estimating the runoff flow rate based on the estimated snow amount. A snowfall amount estimation device characterized by:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56159080A JPS6053910B2 (en) | 1981-10-06 | 1981-10-06 | Snowfall estimation device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56159080A JPS6053910B2 (en) | 1981-10-06 | 1981-10-06 | Snowfall estimation device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5860370A true JPS5860370A (en) | 1983-04-09 |
| JPS6053910B2 JPS6053910B2 (en) | 1985-11-27 |
Family
ID=15685779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP56159080A Expired JPS6053910B2 (en) | 1981-10-06 | 1981-10-06 | Snowfall estimation device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6053910B2 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03111736A (en) * | 1989-09-27 | 1991-05-13 | Mitsui Constr Co Ltd | Compaction quality-control system of structure such as banking |
| JPH0666955A (en) * | 1992-08-24 | 1994-03-11 | Nec Corp | Meteorological satellite receiver having function of overlapping display with weather map |
| JP2007315850A (en) * | 2006-05-24 | 2007-12-06 | Toshiba Corp | Device for predicting snowmelt amount |
| CN108053440A (en) * | 2017-12-27 | 2018-05-18 | 中国科学院遥感与数字地球研究所 | A kind of method to snow monitoring image procossing day by day |
| CN108711159A (en) * | 2018-03-30 | 2018-10-26 | 长安大学 | Cloud detection method of optic based on Landsat8 images containing snow |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6332099A (en) * | 1986-07-28 | 1988-02-10 | 藤森工業株式会社 | Vibrationproof method of tunnel |
-
1981
- 1981-10-06 JP JP56159080A patent/JPS6053910B2/en not_active Expired
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03111736A (en) * | 1989-09-27 | 1991-05-13 | Mitsui Constr Co Ltd | Compaction quality-control system of structure such as banking |
| JPH0666955A (en) * | 1992-08-24 | 1994-03-11 | Nec Corp | Meteorological satellite receiver having function of overlapping display with weather map |
| JP2007315850A (en) * | 2006-05-24 | 2007-12-06 | Toshiba Corp | Device for predicting snowmelt amount |
| CN108053440A (en) * | 2017-12-27 | 2018-05-18 | 中国科学院遥感与数字地球研究所 | A kind of method to snow monitoring image procossing day by day |
| CN108053440B (en) * | 2017-12-27 | 2020-04-14 | 中国科学院遥感与数字地球研究所 | Method for processing day-by-day snow coverage rate image |
| CN108711159A (en) * | 2018-03-30 | 2018-10-26 | 长安大学 | Cloud detection method of optic based on Landsat8 images containing snow |
Also Published As
| Publication number | Publication date |
|---|---|
| JPS6053910B2 (en) | 1985-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tennant et al. | Glacier change of the Columbia Icefield, Canadian Rocky Mountains, 1919–2009 | |
| Marzolff et al. | The potential of 3D gully monitoring with GIS using high-resolution aerial photography and a digital photogrammetry system | |
| Solberg et al. | An automatic system for operational snow-cover monitoring in the Norwegian mountain regions | |
| CN116645789A (en) | Land natural disaster early warning management and control system based on unmanned aerial vehicle survey and drawing | |
| CN110686653A (en) | Reservoir storage variation remote sensing monitoring method without ground hydrological data support | |
| Moore et al. | FLOOD INUNDATION IN THE SOUTHEASTERN UNITED STATES FROM AIRCRAFT AND SATELLITE IMAGERY 1 | |
| Leal-Alves et al. | Digital elevation model generation using UAV-SfM photogrammetry techniques to map sea-level rise scenarios at Cassino Beach, Brazil | |
| Kneib et al. | Sub-seasonal variability of supraglacial ice cliff melt rates and associated processes from time-lapse photogrammetry | |
| JPS5860370A (en) | Snowfall estimating device | |
| Lannoeye et al. | The use of SfM-photogrammetry to quantify and understand gully degradation at the temporal scale of rainfall events: an example from the Ethiopian drylands | |
| Draper et al. | RUNOFF PREDICTION USING REMOTE SENSING IMAGERY 1 | |
| Rango et al. | Employment of satellite snowcover observations for improving seasonal runoff estimates | |
| CN113129318B (en) | Method for calculating water storage capacity of stagnant flood area by utilizing SAR (synthetic aperture radar) image | |
| Belknap et al. | A GIS and TIR procedure to detect and map wall-base channels in western Washington | |
| Vanlooy et al. | Ice volume estimation inferred from ice thickness and surface measurements for Continental Glacier, Wind River Range, Wyoming, USA | |
| Jeton | Precipitation-Runoff Simulations for the Lake Tahoe Basin, California and Nevada | |
| Syed | The impacts of digital elevation model data type and resolution on hydrologic modeling | |
| Spomer et al. | Time-lapse remote sensing for rapid measurement of changing landforms | |
| Chand | Development of glacial lakes in the Everest and Kangchenjunga regions, Nepal Himalaya | |
| Gómez-Fragoso et al. | US Geological Survey response to Hurricane Maria flooding in Puerto Rico and characterization of peak streamflows observed September 20–22, 2017 | |
| Odegaard et al. | Application of satellite data for snow mapping in Norway | |
| Wilson et al. | A thermal plume in the Tay Estuary detected by aerial thermography | |
| Pal et al. | Sebal based evapotranspiration estimation for upper Tapi Basin (India) | |
| Haq | Snowmelt runoff investigation in River Swat upper basin using snowmelt runoff model, remote sensing and GIS techniques | |
| Nulsen | Salt-affected land in the shire of Wongan-Ballidu, Western Australia |