EN中文

地球信息科学学报 >

2015 , Vol. 17 >Issue 9: 1110 - 1118

DOI: https://doi.org/10.3724/SP.J.1047.2015.01110

多时相HJ-1数据补充的水体分布时序变化监测

  • 王卫红 ,
  • 黄琳 ,
  • 夏列钢 , *
展开
  • 浙江工业大学,杭州 310000
*通讯作者：夏列钢(1986-),男,浙江人,博士,研究方向为遥感信息智能提取与影像理解。E-mail:

作者简介：王卫红(1969-),男,浙江人,教授,研究方向为遥感信息提取,空间信息服务等。E-mail:

收稿日期: 2014-10-30

  要求修回日期: 2014-12-11

  网络出版日期: 2015-09-07

基金资助

国家“863”计划项目(2013AA12A401);中国科学院创新方向性项目(KZZD-EW-07-02);国家自然科学基金青年基金项目(41301473);浙江省自然科学基金重点项目(LZ14F020001)

收起

Monitoring Water Distribution Changes Based on the Supplemented Multi-temporal HJ-1 Data

  • WANG Weihong ,
  • HUANG Lin ,
  • XIA Liegang , *
Expand
  • Zhejiang University of Technology, Hangzhou 310000, China
*Corresponding author: XIA Liegang, E-mail:

Received date: 2014-10-30

  Request revised date: 2014-12-11

  Online published: 2015-09-07

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

由于地域、天气等原因造成的云影问题,导致了水体时序分析困难。本文以资源三号（ZY-3）影像作为辅助数据,以环境与灾害监测预报小卫星影像（HJ-1）作为研究数据,通过提取一个时间段内多景时相相近HJ-1数据中有效水体信息,迭代补充成完整的水体提取结果,将不同时间段内影像水体提取的完整结果形成时序监测数据,以达到对某地区水体时序变化监测的目的。通过对淮河流域安徽段研究区水体分布监测表明,该方法能充分利用每个时间段内质量不理想的源数据,对相近时相数据迭代补充,完整提取该时间段内的水体信息。多个时间段迭代补充形成的时序数据可有效支持时序监测。本文在研究区共选取了8295个查找点,结果表明：2013年该研究区洪季（7、8月）水体信息比旱季（3、4月）更丰富,特别是东南部在洪季形成了许多零散水体;相较于旱季,洪季研究区水域面积增长了22.1%。

关键词： 信息补充; 水体提取; 时序监测; HJ-1

本文引用格式

王卫红 , 黄琳 , 夏列钢 . 多时相HJ-1数据补充的水体分布时序变化监测[J]. 地球信息科学学报, 2015 , 17(9) : 1110 -1118 . DOI: 10.3724/SP.J.1047.2015.01110

Abstract

Cloud and shadow contained in satellite images usually causes inaccuracy in water extraction and brings difficulty to time-series analysis of water resources. In this paper, we took HJ-1 as the primary data and ZY-3 data as the auxiliary data to extract water information and monitor water distribution changes. To find the potential location of water, we randomly selected a series of check points using ZY-3 data. Based on the uniformly distributed check points calculated from the ZY-3 data, we examined the integrity of the water extraction result of HJ-1 data. If the extraction result was not integrated, we supplemented it with the water extraction result from images that are obtained within an adjacent time period, according to a check points based strategy. These supplemented extraction results in different periods formed a completed time-series dataset that provided a reliable way to monitor the water resources and distribution changes. The experiment was carried out on analyzing the Anhui section of Huaihe River watershed, and its results showed that this method took full advantage of the images within adjacent time. Even if the image quality was poor, this method managed to produce a more integrate result in comparison with the use of a single HJ-1 image. The randomly calculated check points minimized the manual intervention, thus provided an accurate and effective way to monitor the time-series of water resources. In the study area, 8295 check points were extracted. The results revealed the water resources of the study area in the rainy seasons (July and August) were more abundant than dry seasons (March and April) in 2013; especially, many temporary water bodies had been detected in the south of the watershed in the rainy seasons. The total water area had increased 22.1% in the rainy seasons compared to the dry seasons.

Key words： information supplement; water extraction; time-series monitoring; HJ-1

1 引言

水体时序变化监测是分析人口、经济、社会和环境等复杂关系的一种有效途径[1],及时有效的分布变化调查可给相关部门对水体的保护和合理利用提供依据[2-3]。但水体地面观测需耗费大量人力、物力和时间,针对地理环境复杂的位置进行人工资源勘察和对比分析严重不足[4]。水体有区别于其他地物的特性,将遥感技术与地理信息系统技术相结合,利用水体的色调、纹理等可勾绘出它们的分布情况,了解它们的变迁轨迹[5-6]。
目前,国内外对于水体分布变化监测已有很多研究,如李靖等采用“3S”技术与地面站点的监测作为水文调查的核心技术,结合各种历史调查、相关地学资料和地面GPS定位站点实测数据研究北京市永定河流域宏观上的变化趋势[7];曹荣龙等构造了修订型归一化水体指数,利用TM影像监测密云水库近20 a的水面面积动态变化[8];付晓等在监督分类中采用局部傅里叶变换捕捉图像的不同颜色和纹理特征,在非监督分类中采用K-均值分类分割方法,将河流与背景分离,并对2种方法的结果进行融合,达到影像河流提取的目的[9];Pekel等将RGB颜色空间到HSV转换提供整个非洲大陆的动态信息,提取了大范围内的水体信息[10];Son等利用WFM模型根据MODIS数据对越南南方进行洪水监测[11]。
现有水体时序变化监测方法,大多局限于对单个湖泊或河流的监测[12-14],利用不同时期水体提取结果数据进行对比分析或依赖质量较好的遥感影像,对大范围内水体变化进行监测[5,15-16],但该类方法有很大的局限性。由于河流、湖泊形态规则,纹理简单,该类监测较一个地区的整个水体时序监测简单,并且对于大范围的复杂区域,水体变化监测精度取决于所用遥感数据的空间分辨率和时间分辨率[17-18]。然而,在暴雨多发季节,云量增多,遥感数据质量普遍较差,现有水体变化监测方法无法完整地提取水体信息,更无法达到水体时序变化监测的目的。如何在复杂的背景下,充分利用多景有云、阴影等数据,对研究区水体进行监测,形成准确、有效的水体分布变化趋势图,对研究区的洪水灾害监测、农业生产、环境保护等具有重要意义[19]。
本文提出的水体时序变化监测：首先,利用全域-局部迭代方法,对几何校正后的HJ-1星数据进行水体提取;然后,根据ZY-3辅助数据选取水体查找点,在各时间段内选取一景作为待监测影像,使用相近时相数据对其进行迭代补充,融合成能准确表示该段时间内研究区水体分布矢量图。鉴此,本文对研究区典型旱季（3、4月）、洪季（7、8月）数据水体提取、迭代补充形成时序分析数据,监测研究区在这2个时间段内的水体分布变化情况。

2 研究区概况与数据预处理

（1）本文研究区选择淮河流域安徽段,经度为116°6'54"~117°55'25"E,纬度为32°7'38"~33°14'00"N。该研究区水体丰富,细长的河道纵横交错,不易对水体进行监测。多云覆盖的气候状况限制了多光谱遥感影像的适用性,即使HJ-1的时间分辨率高,也不能保证在汛期获取无云影像。
图1为研究区HJ-1星影像。该研究区属于我国的暴雨多发地带,从影像中可看出丰富的水体信息。该研究区一般每年7、8月是地表水体覆盖变化较剧烈的时期,而在3、4月降水量异常偏少,干旱时间长。目前,在研究区内对水体的变化监测中最突出的问题是由于天气、数据等原因造成时序数据缺失严重,不利于研究区水体的分布、变化趋势的深入分析。
Fig. 1 HJ-1 data with color composition (4, 3 and 2 bands) for the study area on July 29th, 2013

图1 2013年7月29日研究区HJ-1数据（4、3、2波段合成）

（2）HJ-1A和HJ-1B星上均装载2台宽覆盖多光谱的可见光CCD相机,用于获取地面上的可见光和近红外图像。CCD相机以星下点对称放置,平分视场、并行观测,联合完成地刈幅宽为700 km,地面像元分辨率为30 m,4个谱段的扫描成像,重访时间为2 d。由于研究区是我国的暴雨多发地带,汛期多云覆盖使得可用影像减少,选取重访时间短的HJ-1数据,可获得足够研究数据。图2为研究区3、4、7和8月每月各3景HJ-1数据。
Fig. 2 Data sources of the study area: the HJ-1 data captured respectively in March, April, July and August, 2013

图2 研究区2013年3、4、7、8月HJ-1数据

本文对HJ-1数据信息补充需先了解水体潜在位置。由于ZY-3数据空间分辨率为2 m,影像纹理清晰,需采用ZY-3数据作为辅助数据以找出水体潜在位置;由于ZY-3数据幅宽较小,研究区需16景ZY-3数据才能完整覆盖。为了尽可能找出潜在水体位置,本文挑选了2013年1月至11月影像质量较好的16景ZY-3数据,经几何校正后拼接而成。本文仅以ZY-3数据作为辅助数据找出水体潜在位置,为后续多时相HJ-1数据信息补充提供依据,并不直接利用ZY-3数据进行信息补充。所以,即使ZY-3数据时相跨度较大,也不影响信息补充结果。
利用一期基准影像和DEM数据,通过建立多种模型准确拟合基准影像和待纠正影像的各种误差,从而达到对HJ-1星高精度几何纠正的目的。对于宽刈幅影像,中心投影导致的地形形变则需单独进行处理。通过模拟投影的过程将地形形变与定位误差分别处理。HJ-1星数据的处理步骤如下：
（1）数据准备：选取Landsat 8数据作为基准影像。HJ-1星影像及ZY-3影像的正射纠正需同一投影坐标系下的基准DOM影像和对应区域的DEM数据,本文选取的DEM数据为SRTM,90 m分辨率。根据研究区的地理范围裁剪出相应的基准影像及DEM影像,并将基准影像与DEM影像重采样与目标影像分辨率相同。
（2）投影影像生成：建立传感器投影的几何模型,将基准影像及DEM影像共同提供的真实地面坐标投影到模拟水平面上形成模拟投影影像。
（3）影像配准：投影影像与目标影像间通过影像匹配算法进行自动匹配,获取足够多的同名点,然后采用二次多项式模型进行拟合,有效减小投影影像和目标影像间的平面定位误差。
（4）目标影像纠正：目标影像的纠正是步骤（2）和（3）的逆过程,将目标影像通过二次多项式模型逆变换成虚平面的投影影像,然后经传感器投影几何模型逆向换算成地表平面坐标的纠正影像,最终完成HJ-1星的几何纠正（以上操作均在PCI内完成）。
多时相的HJ-1星原始影像数据进行正射校正后的ZY-3影像、多期HJ-1星影像之间及其和Landsat 8基准影像间的偏差不超过一个像元,为后续水体信息提取做好准备。

3 水体时序监测方法

3.1 HJ-1影像水体提取

本文采用骆剑承等提出的全域-局部分布迭代方法[20],对所有HJ-1数据和辅助数据ZY-3数据进行水体提取,通过计算NDWI使全域水体定量化信息增强;采用直方图阈值分割方法对数据进行分割,将水体和陆地分离后加入更多图像波段,再利用最大似然分类法对图像进行分类处理,提取全域范围内的水体信息;最后对每一个局部水体进行单元搜索、分割,以及分类等处理,判断新生成图像与之前的变化关系,逐步逼近以提取水体边缘信息,直至趋于稳定。
图3为2013年3月和7月的HJ-1星影像水体提取结果。其中,图3（a）为2期数据提取的矢量结果叠加,蓝色区域为3月水体提取结果,红色区域为7月水体提取结果,其比3月水体提取结果多的原因：（1）3月为研究区干旱季节,降水量偏少,7月为研究区雨季,降水量增大,造成河流长度延生、湖泊面积增大和降水等形成的许多零散水体;（2）3月水体提取结果相对7月不够精确,很多水体信息未能提取出来,如图3（b）中实际上为2条连续的河流,但都只有部分河流段被提取出来,图3（c）中标出部分为河流的一条支流,但提取结果较零散。水体提取不完整很大程度上归因于HJ-1星本身分辨率较低,且不同水体单元各自物理化学特征不同,或因周边环境影响造成其成像特征不一致。上述水体提取不完整的情况将对研究区水体时序变化监测产生很大影响。
Fig. 3 Water extraction of the study area in March and July

图3 研究区3、7月水体提取情况

图4为对研究区整个水体时序变化监测的流程图。选取时间段内某景数据作为待监测目标HJ-1影像,先对该景影像和ZY-3辅助数据,利用全域-局部的水体提取方法进行水体提取;根据ZY-3数据水体提取结果通过划分网格的方式选取查找点,利用这些查找点判断HJ-1影像水体提取结果是否完整,当所有查找点在HJ-1影像上都为水体则认为水体提取完整,反之为不完整;当判断HJ-1数据水体提取结果完整时,直接作为结果数据进行时序监测,当判断得出HJ-1数据水体提取结果不完整时,利用查找点和相近时相数据,提取相近时相数据中的有效数据区域,将有效数据部分补充到该景HJ-1数据中,得到完整的结果数据;对不同时间段内的数据,经利用相近时相影像提取有效数据补充后形成时序分析数据,从而对研究区进行水体时序变化监测,获得准确的水体监测结果。
Fig. 4 The flow chart of monitoring on water changes

图4 水体时序变化监测流程图

3.2 查找点选取

将辅助ZY-3数据的水体提取结果矢量化,在矢量图上选取足够多且分布均匀的水体查找点。利用查找点可监测HJ-1星数据水体提取结果是否完整,若某景HJ-1星数据水体提取结果不完整,则利用查找点在该景数据相近时相数据中提取有效数据部分,对该景影像的水体信息进行补充,形成完整的水体提取结果。
本文采用格网法选取随机查找点,在保证复杂形状中采样点的随机性的前提下,防止随机点的偶然性导致某些采样点过于集中而某些区域没有采样点。针对HJ-1数据特点,确定格网大小为50个像元（1500 m）。选择该分割单位即保证采样的精度,又防止采样点过多而导致的运算量过大,保证了算法的时间效率。
图5为根据ZY-3数据水体提取结果选取查找点的示意图。图（5）为水体提取的一个对象O,选取查找点时首先遍历整个对象的所有像元点,分别保存落在每个格网中的像元点,再从每个格网中随机选取一个点作为该格网的查找点。需要指出,对象的空间范围通常并不是格网大小的整数倍,因此,最后不足部分自成一格（图5中的格网a-e）,不包含像元点的格网（f)被忽略。如图3所示该对象被分割成了11格,最终得到了11个随机查找点。从图5可看出,对于实际影像数据中形状极不规则的水体,该方法得到的查找点也能均匀覆盖整个对象,大大提高了查找点的有效性,保证了监测的精度。
Fig. 5 Schematic diagram of check points selection

图5 查找点选取示意图

3.3 利用有效数据区域迭代补充

利用相近时相影像进行迭代补充的过程是尽可能地利用可获得的数据,甚至是质量不理想的数据,提取各自有效数据区域,将有效数据部分补充到待监测时间节点的目标HJ-1影像上,形成完整的水体提取结果,继而形成该时间点准确的水体提取结果。利用该方法得到研究区时间序列数据,达到水体时序变化监测的目的。上述过程均在Microsoft Visual Studio 2010和ArcGIS中完成。
逐个判断查找点在目标影像（需做时序监测的时间点HJ-1影像）水体提取结果上是否为水体,若经判断,所有查找点在目标影像水体提取结果上都为水体,则认为目标影像水体提取完整,不需进行信息补充;如果监测到目标影像水体提取结果不为水体的查找点,则需通过提取邻近时相影像有效数据区域进行补充。
图6为利用相近时相影像水体提取结果进行信息迭代补充的示意图。假设时相数据c为目标影像水体提取结果图,现利用查找点监测时相数据c的水体提取是否完整。假设该区域从ZY-3水体提取结果数据中选取到5个查找点（N1-N5）。首先依次判断5个查找点在时相数据c中是否为水体,从图6可看出N3为水体,则剔除查找点N3,利用剩下的4个查找点对时相数据c的邻近时相数据进行监测,利用监测的有效水体数据,对时相数据c进行补充。
Fig. 6 Schematic diagram of information supplementing process

图6 信息补充过程示意图

在利用相近时相影像有效数据区域进行迭代补充时,首先选取时间上离目标影像最近的影像数据进行监测,图6中相近影像监测的顺序为b-d-a-e。监测的过程与上述目标影像的监测过程相似,在剔除了监测到水体的查找点后,利用剩下的查找点监测下一幅影像。该过程持续迭代直到所有的监测点都已监测到水体,或所有邻近影像都已监测为止。如图6所示,每个查找点均在不同的时相影像中提取了一段河流,N1提取了影像b中的一段,N2提取a,N4提取d,N5提取e,将所有提取的结果合并后得到一个完整的水体提取结果。

4 水体时序监测结果与分析

4.1 研究区查找点选取结果及分析

图7为研究区查找点选取结果图。查找点的选取基于ZY-3数据,整个研究区共选取了8295个查找点。由图7右下角的研究区查找点选取结果局部放大图可看出,本文所用的查找点选取方法,对于河流,选取的查找点可完整地刻画出河流的形状,甚至包括一些细小的分叉;对于湖泊,查找点不仅均匀的分布在湖泊内部,还能反映出湖泊的不规则边缘。不论是在细长的河流还是在面积较大的湖泊,该方法都可准确地监测到每一个部分,对目标影像做更完整的信息补充。正如预期的一样,图中大量的查找点沿着河流分布或均匀分布在湖泊内部,然而除此之外,与整个水系北方的空白相比,水系南方有大量查找点零散地分布在各个区域。
Fig. 7 The result of check points selection

图7 查找点选取结果

4.2 研究区信息补充结果及分析

本文选取研究区3、4、7和8月各3景HJ-1影像,每月中选取一景作为待监测目标影像,再利用ZY-3数据作为辅助数据。首先对待监测目标影像和ZY-3影像利用全域-局部的水体提取方法进行水体提取,再根据ZY-3数据上选取的水体查找点,对目标影像利用各月内相近时相进行有效数据信息补充后形成3、4、7和8月的时序监测结果数据。
图8为研究区3、4、7和8月单景影像水体提取结果与各月内有效数据补充后的结果对比图。从图8可看出,未经过邻近影像有效信息补充的各水体提取都不能完整、准确地提取全部的水体信息,甚至一些明显的水体信息（如河流、湖泊等）都未能完整提取。尤其是河流,因其形状细长,且支流蜿蜒,水体提取相对困难,提取结果在很多地方都不连续,该时序结果数据无法用来对该研究区进行时序变化监测。如图8中7月的水体提取结果,虽然7月为研究区降水量增大季节,但由于暴雨多发季节,研究区上空形成了很多云,导致影像云量较多,遮挡了水体信息,影响了水体提取精度,使得对该时间点的水体提取不准确,从而不能达到时序变化监测的目的。此外,由于HJ-1影像分辨率的局限性,单纯水体提取方法不能完整提取。但经过信息补充后在进行水体提取,不仅湖泊完整,河流连续,而且还提取出了很多由于降水形成的零散水体,该部分水体在暴雨多发季节更能真实地表达研究区水域的空间分布状态。
Fig. 8 Comparison of water extraction results (blue) with supplemented results (red) for March, April, July and August

图8 3、4、7和8月水体提取结果（蓝）与信息补充结果（红）对比图

4.3 水体时序变化监测结果及分析

本文提出的经邻近时相数据有效信息补充后的时序监测结果数据,能较完整地表达该时期内研究区的水体信息,形成4期时序结果数据,分析比较该研究区在4个时期内水体变化情况。
Fig. 9 The histogram of water area

图9 水域面积柱状图

图9为研究区4个月的水域面积柱状图。图9中7、8月条纹中蓝色部分为根据本文方法提取出的水域面积,该面积较3、4月水域面积反而少,是由于7、8月荷叶、芦苇等水生植物生长旺盛,一定程度上影响了水体提取的精度。通过目视解译的方法勾取影像中的水生植物,以形成完整的水体提取结果。7、8月条纹中的红色部分即为勾取出的水生植物面积。其中,3月的水域面积为1439.8 km2,4月为1078.8 km2,7月为1573.3 km2,8月为1503.0 km2。由于2013年遭遇多次干旱,主要出现在3、4月春旱,7、8月伏旱。4月18日研究区的气象干旱达最重,因此,本文试验获得的结果数据符合实际。如图9中3、4月水域面积较7、8月少,且4月水域面积相对于3月更少。如图10所示,该区域在3、4月中作为水体被提取出来,但是,在7、8月却不是水体。根据实地考察表明,该地区有芦苇等水生植物,在7、8月大面积生长,在影像上的光谱信息跟水体信息不同,使得7、8月水体提取不完整,经过目视解译后,则能完整地提取水体信息。
Fig. 10 Water plants are thriving in the study area in June and July

图10 研究区7、8月水生植物生长旺盛

5 结论

本文利用ZY-3辅助数据提取查找点,利用查找点监测目标影像的水体,并提取相近时相影像的有效区域数据,对目标影像进行信息迭代补充,从而得到某一时段较完整的水体数据,进而得到精确的研究区水体时序变化监测结果。本方法对淮河流域安徽段2013年3、4月和7、8月进行水体的时序变化监测,得到了较好的结果。在整个方法体系中,不需要采集过多样本和其他的人工操作,基本达到了自动化时序监测的目标。
本方法解决了由于天气等原因使得数据缺失,而导致水体提取结果的误差问题,合理、高效地利用了可获取时间段内的相对质量都不理想的数据,形成更加准确的原始水体提取数据,使得水体时序监测结果能更好地反映研究区水体的变化。
（1）通过不同时相遥感数据有效区域信息补充,选取有用数据部分替换被云、阴影等遮盖部分,完整地提取出水体信息,将栅格转换成矢量后,即可获得不同时相相对完整的水体提取矢量数据,以作为准确时序监测的准备数据。
（2）根据不同时相迭代补充结果形成时序数据,该时序数据比单景数据生产的水体提取准确度高,更能代表每个时间段内的水体信息。利用这些时序数据统计各时相水域表面积变化,可看出研究区在各时间点水体变化特点。结合GIS功能进行分析查询等实际应用,可用作环境保护、洪水灾害等监测。
该方法虽能在很大程度上提高水体提取的完整性,准确地监测水体分布变化趋势,但未能完整提取水生植物繁茂地带的水体信息,不能准确地反映该类区域水体变化趋势,这需在后续研究工作中逐步深入解决。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘昌明,王红瑞.浅析水资源与人口,经济和社会环境的关系[J].自然资源学报,2003,18(5):635-644.

[2]
徐良芳,冯国章,刘俊民.区域可持续利用及其评价指标体系研究[J].西北农林科技大学学报(自然科学版),2002,30(2):119-122

[3]
王文科,王钊,孔金玲,等.关中地区水资源分布特点与合理开发利用模式[J].自然资源学报,2001,16(6):499-504.

[4]
李新,马明国,王建,等.黑河流域遥感-地面观测同步试验:科学目标与试验方案[J].地球科学进展,2008,23(9):897-914.

[5]
颜梅春. 基于TM数据的水域变化信息提取研究[J].水资源保护,2006,21(6):31-33.

[6]
吴赛,张秋文.基于MODIS遥感数据的水体提取方法及模型研究[J].计算机与数字工程,2005,33(7):1-4.

[7]
李靖,冯仲科,韦雪花,等.基于LandsatTM影像的永定河水体特征研究[J].水土保持应用技术,2012(2):6-8.

[8]
曹荣龙,李存军,刘良云,等.基于水体指数的密云水库面积提取及变化监测[J].测绘科学,2008,33(2):158-160.

[9]
付晓,严华,贺新.基于遥感图像的河流提取方法及应用研究[J].人民黄河,2014,36(3):10-12.

[10]
Pekel J F, Vancutsem C, Bastin L, et al.A near real-time water surface detection method based on HSV transformation of MODIS multi-spectral time series data[J]. Remote Sensing of Environment, 2014,140:704-716.

[11]
Son N T, Chen C F, Chen C R.Weekly flood monitoring with multitemporal moderate resolution imaging spectroradiometer data using water fraction model[J]. Journal of Applied Remote Sensing, 2014,8(1):083581-083581.

[12]
王庆,廖静娟.基于SAR数据的鄱阳湖水体提取及变化监测研究[J]. 国土资源遥感,2010,87(4):91-97.

[13]
张继承,姜琦刚,李远华,等.基于RS/GIS的西藏地区湖泊变化动态监测及气候背景[J].地球科学与环境学报,2008,30(1):87-93.

[14]
王海波,马明国.基于遥感的湖泊水域动态变化监测研究进展[J].遥感技术与应用,2009,24(5):674-684.

[15]
马建文,田国良,王长耀,等.遥感变化检测技术发展综述[J].地球科学进展,2004,19(2):192-196.

[16]
张剑清,朱丽娜,潘励.基于遥感影像和矢量数据的水系变化检测[J].武汉大学学报:信息科学版,2007,32(8):663-666.

[17]
孟令奎,郭善昕,李爽.遥感影像水体提取与洪水监测应用综述[J].水利信息化,2012(3):18-25.

[18]
Ashraf A, Roohi R, Naz R, et al.Monitoring cryosphere and associated flood hazards in high mountain ranges of Pakistan using remote sensing technique[J]. Natural Hazards, 2014,73(2):933-949.

[19]
王淑,王恒山,肖刚.多源遥感影像融合理论, 技术和应用[J].微型电脑应用,2006,21(2):1-5.

[20]
骆剑承,盛永伟,沈占锋,等.分步迭代的多光谱遥感水体信息高精度自动提取[J].遥感学报,2009,13(4):610-615.

Options
文章导航

/

〈 〉