EN中文

地球信息科学学报 >

2015 , Vol. 17 >Issue 9: 1119 - 1127

DOI: https://doi.org/10.3724/SP.J.1047.2015.01119

不同分辨率遥感影像的钢铁厂识别适宜性研究

  • 陈鹏飞 , 1 ,
  • 卢力 , 2, 3, * ,
  • 朱华忠 1 ,
  • 诸云强 1 ,
  • 王琰 2, 3
展开
  • 1. 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室,北京 100101
  • 2. 环境保护部环境工程评估中心,北京 100012
  • 3. 国家环境保护环境影响评价数值模拟重点实验室,北京 100012
*通讯作者：卢力(1976-),女,硕士,高级工程师,研究方向为环境影响评价。E-mail:

作者简介：陈鹏飞(1982-),男,汉族,河南许昌人,博士,助理研究员,主要从事遥感应用研究。E-mail:

收稿日期: 2014-10-13

  要求修回日期: 2015-01-09

  网络出版日期: 2015-09-07

基金资助

环境保护部财政预算项目(1441402450017-3);国家自然科学基金项目(41301378);广东省中国科学院全面战略合作专项(2013B091500075)

收起

Research on the Suitability of Image at Different Resolutions for the Identification of Steel Enterprise Using Remote Sensing

  • CHEN Pengfei , 1 ,
  • LU Li , 2, 3, * ,
  • ZHU Huazhong 1 ,
  • ZHU Yunqiang 1 ,
  • WANG Yan 2, 3
Expand
  • 1. State Key Lab of Resources and Environment Information System, Institute of Geographic Science and Natural Resources Research, CAS, Beijing 100101, China
  • 2. Appraisal Center for Environment and Engineering, Beijing 100012, China
  • 3. State Environmental Protection Key Laboratory of Numerical Modeling for Environment Impact Assessment, Beijing 100012, China
*Corresponding author: LU Li, E-mail:

Received date: 2014-10-13

  Request revised date: 2015-01-09

  Online published: 2015-09-07

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

钢铁行业是主要污染源之一。钢铁企业违法建设行为时有发生,给生态环境带来巨大压力。为提高环境监察部门执法能力,保障生态环境安全,开展基于遥感技术的钢铁企业违法建设核查研究具有重要意义。本研究以石家庄地区为例,分析将遥感技术应用于核查钢铁企业违法建设行为的可行性,并提出不同核查任务的最低影像分辨率需求。首先,选择不同规模代表性钢铁企业,开展遥感特征解译分析,建立解译知识库;其次,研究不同规模钢铁企业遥感解译标志在不同分辨率遥感影像下的可识别性;最后,根据不同核查任务,提出各任务对影像分辨率的需求。结果表明：（1）高炉、煤气柜、电除尘器、储料区是钢铁厂遥感识别的重要特征;（2）对于批小建大行为、正在建设的未批先建行为的遥感核查,最低影像分辨率需求为：大型企业2 m全色影像,中型企业1 m全色影像,小型企业0.5 m全色影像;（3）对于在敏感区已建成未批先建行为的遥感核查,最低影像分辨率需求为：大型钢铁企业2 m全色影像,中型企业2 m全色影像配合5 m多光谱影像,小型企业0.5 m全色影像配合5 m多光谱影像;（4）对于非敏感区已建成未批先建行为的遥感核查,最低影像分辨率需求为5 m多光谱影像。

关键词： 遥感; 钢铁厂; 几何分辨率; 违法建设

本文引用格式

陈鹏飞 , 卢力 , 朱华忠 , 诸云强 , 王琰 . 不同分辨率遥感影像的钢铁厂识别适宜性研究[J]. 地球信息科学学报, 2015 , 17(9) : 1119 -1127 . DOI: 10.3724/SP.J.1047.2015.01119

Abstract

Steel industry is one of the dominant sources of pollution. Illegally constructed steel enterprises have been emerging for a long period. It brings enormous pressure to the ecological environment. Using remote sensing technology to monitor the violate behavior, is very helpful to enhance the capability of environmental monitoring department and strengthen environment security. Taking Shijiazhuang city as a research area, this study analyzed the feasibility of steel company inspection based on remote sensing technology, and presented the minimum requirements of image geometric resolution for different assignments. For this purpose, firstly, the representative steel enterprises of different sizes were selected. The identification characteristics of these steel companies were analyzed using remote sensing techniques and were used to format the interpretation knowledge base. Secondly, the feasibilities of identifying recognition features for different sized enterprises were analyzed, with remote sensing images at different geometric resolutions. Finally, the minimum requirements of image geometric resolution for different detection assignments were suggested according to their features. The results are indicated as follows: (1) the blast furnace, gas tank, electricity dust removal facility and material storage field were the primary recognition features of steel enterprises using remote sensing. (2) To identify the illegal extensions and constructions built without permission, the minimum requirements of image geometric resolution are 2 m panchromatic image for large-size company, 1 m panchromatic image for medium-size company and 0.5 m panchromatic image for small-size company. (3) To identify the constructions built without permission in sensitive area, the minimum requirements of image geometric resolution are 2 m panchromatic image for large-size company, 2 m panchromatic image plus 5 m multispectral image for medium-size company, and 0.5 m panchromatic image plus 5 m multispectral image for small-size company. (4) To identify the constructions built without permission in non-sensitive area, the minimum requirement of image geometric resolution is 5 m multispectral image for companies of all sizes.

Key words： Remote Sensing; steel enterprise; geometric resolution; illegal construction

1 引言

钢铁生产过程排放大量烟尘和废气,对大气造成严重污染。目前,环境保护部门核查企业违法建设行为,仍主要采用人工巡逻、群众举报等被动监察手段。违法活动被发现时往往已经产生环境影响。在利益的驱使下,钢铁企业的未批先建、批小建大等行为常有发生。因此,迫切需要利用信息化手段来辅助环境执法部门提早发现钢铁企业违法建设行为。
遥感技术根据物质在电磁波作用下形成的反映其成分和结构信息的光谱吸收与反射特征,来实现对各种物质物理、化学组成的探测[1]。它具有快速、无损、可大面积同步观测的特点。目前,已广泛应用于生态系统生产能力监测[2-4]、土地利用/土地覆被变化监测[5-7]、生态健康评价[8-10],并在环保监测方面的广泛应用。我国交通运输部海事局于2009年启动了覆盖黄海、渤海海域（辽宁、河北、天津、山东海事局4辖区）的卫星遥感辅助执法工作,充分发挥了卫星遥感监视海上溢油和船舶违法行为的作用,实现了海上溢油及时发现、早期处理[11]。对遥感技术,闫欢欢等开展了珠江三角洲地区SO2浓度变化分析[12]。邬明权等提出了一种利用多尺度卫星遥感数据对陆源入海排污口监测的方法,能准确识别陆源入海排污口的分布及污染类型[13]。因此,将遥感技术应用于钢铁企业违法建设监测,对辅助环境监察执法,保护生态环境具有重要作用。目前还未见相关报道。
本研究以石家庄市为研究区,分析提出钢铁厂遥感解译特征,并开展不同分辨率遥感影像的钢铁厂识别适宜性研究,为利用遥感技术核查不同类型违法建设行为,匹配合适的遥感信息源,以支撑相关监测业务运行系统的建立。

2 研究区背景与数据方法

2.1 研究区背景

石家庄市是我国代表性钢铁生产城市之一。以石家庄市为研究区,选择大、中、小型代表性钢铁企业作为研究对象（表1）。
Tab. 1 Representative steel enterprises

表1 代表性钢铁企业

钢铁厂名称 生产能力 规模
河北敬业集团有限责任公司
（简称敬业集团）		 年产钢、铁、钢材各600万t 大型
辛集市澳森钢铁有限公司
（简称澳森钢铁厂）		 年产铁260万t、粗钢220万t、轧钢235万t 中型
藁城市宏森熔炼铸造有限公司
（简称宏森熔铸厂）		 年产铸造生铁、球墨铸铁60余万t 小型

2.2 遥感信息源及数据预处理

本研究数据为Worldview-2全色、蓝波段、绿波段、红波段、近红外波段影像。其中,全色影像的分辨率为0.5 m,多光谱影像的分辨率为2.0 m。
利用Trimble Juno SB导航定位仪（天宝公司,加利弗尼亚,美国）获取研究区控制点的经、纬度信息,用ArcGIS Desktop 10.1图像处理软件,对原始影像进行几何精校正。
同时,将研究获得的WorldView-2全色波段与多光谱波段融合,生成0.5 m分辨率的多光谱影像。采用了Padwick提出的图像融合方法[14],该方法被证明在融合Worldview-2影像时,既能显著提高影像空间细节表现力,又能有效地保持多光谱影像的光谱信息[15]。其基本思想是利用N维笛卡尔空间与N维超球面空间相互转换来实现数据融合过程,以Matlab编程实现相应计算程序：对于具有n波段的图像而言,其在超球面上表现为一个强度分量（ I ）和 n - 1 个角度分量（ φ i ）,转换公式如式（1）-（4） 所示。
I = x 1 2 + x 2 2 + … + x n 2 （1）
φ 1 = ta n - 1 x n 2 + x n - 1 2 + … + x 2 2 x 1 （2）
φ n - 2 = ta n - 1 x n 2 + x n - 1 2 x n - 2 （3）
φ n - 1 = ta n - 1 x n x n - 1 （4）
式中, x i 为空间的第 i 个波段,逆变换公式如式（5）-（8）所示。
x 1 = Icos φ 1 （5）
x 2 = Isin φ 1 cos φ 2 （6）
x n - 1 = Isin φ 1 sin φ 2 … sin φ n - 2 cos φ n - 1 （7）
x n - 1 = Isin φ 1 sin φ 2 … s i n φ n - 2 sin φ n - 1
x n = Isin φ 1 sin φ 2 … sin φ n - 2 sin φ n - 1 （8）
式中,角度变量（ φ i ）为色调; I 为色调的强度。利用全色波段对 I 变量进行锐化。锐化时,为保证多光谱图像经融合高分辨率全色图像前后色彩的一致性,先对全色图像进行7×7窗口的平滑处理,处理时以中心像元值为窗口内所有像元的平均值;再利用式（9）-（14）计算 I adj 来替代 I ,代入式（5）-（8）逆转换获得融合后的影像。
I 2 = ∑ i = 1 n x i 2 （9）
P S 2 = ( Pa n smoo t h ) 2 （10）
式中, Pa n smoo t h 为平滑后的全色影像 。定义 P S 2 的平均值和标准差分别为 μ 1 和 σ 1 , I 2 的平均值和标准差分别为 μ 0 和 σ 0 , Pan 为未经平滑处理的全色波段像元值,则 I adj 可通过式（14）计算。
P S 2 = σ 0 σ 1 P S 2 - μ 1 + σ 1 + μ 0 - σ 0 （11）
P 2 = ( Pan ) 2 （12）
P 2 = σ 0 σ 1 P 2 - μ 1 + σ 1 + μ 0 - σ 0 （13）
I adj = P 2 P S 2 I 2 （14）

2.3 数据分析方法

根据钢铁厂生产的工艺流程及涉及的厂房设施,利用预处理的遥感信息分析其解译特征;将影像分别在1、2、3、4、5、6、7、8、9、10 m下进行重采样,分析不同分辨率遥感影像上钢铁厂的解译特征;最后,根据钢铁厂不同违法开工核查任务的特点,分析不同核查任务下,遥感影像的最低分辨率需求,以进行钢铁厂违法开工遥感识别适宜性研究。

3 石家庄地区钢铁厂遥感识别适宜性解译结果与分析

3.1 遥感影像融合效果分析

采用Padwick方法将WorldView-2的2 m分辨率多光谱影像与0.5 m分辨率全色影像进行融 合,取得较好的融合效果。从图1可看出,将敬业集团、澳森集团、宏森熔铸厂某区域放大相同倍数 后,融合后的影像不仅保留了原影像的光谱信息（色调）,而且还显著增加了图像的细节信息。因此,融合后的影像可用于后期对其重采样,以及开展不同核查任务下钢铁厂遥感识别最小分辨率需求分析。
Fig. 1 Comparison of effects before and after using image fusion

图1 影像融合前后效果对比图

3.2 钢铁企业遥感特征解译分析

经分析确定高炉、煤气柜、电除尘设施、贮料区可作为钢铁厂的解译标志。根据钢铁厂的规模不同,需要综合判断这些设施是否齐全,或只有其中的部分设施。
（1）高炉：是钢铁厂生产流程中物质、能量最为密集的工艺装置,对钢铁厂的物质流网络和能量流网络的构建与合理化运行有重大影响[16]。一般生产量大的企业,高炉的数量较多、容积较大;生产量较小的企业,高炉数量较少、容积较小。高炉是横断面为圆形的竖炉,在影像上识别时,多呈现为厂房建筑上的柱状物,且有各种输料管道与之相连,不远处的烟囱可作为其辅助解译标志（图2）。一些小规模钢铁厂高炉的操作间很小,并未形成规模的产房建筑。如能在影像上识别出高炉,其为钢铁厂的可能性非常大。
Fig. 2 A blast furnace of Aosen steel company (the true color image of WorldView-2 after image fusion)

图2 澳森钢铁厂某高炉（融合后的WorldView-2真彩色合成影像）

（2）煤气柜：钢铁厂在生产过程中会产生煤气副产品,煤气柜能及时吞吐煤气,在高炉炼铁生产过程中主要起储存煤气、稳定煤气管网压力的作用[17]。煤气柜呈圆柱型建筑,体积较大,在遥感影像上较容易识别（图3）,一般大、中型钢铁企业都设有该设施。
Fig. 3 A gas tank of Aosen steel company (the true color image of WorldView-2 after image fusion)

图3 澳森钢铁厂某煤气柜（融合后的WorldView-2真彩色合成影像）

（3）电除尘器：近年来,烧结机产生的废气已成为大气污染的重要来源[18]。废气的除尘工艺大部分采用电除尘器。电除尘器在遥感影像上呈现出长方体状,往往排列成组出现,是调查大、中型钢铁企业遥感识别的重要标志。图4是澳森钢铁厂某电除尘设施区域。
Fig. 4 An electricity dust removal facility of Aosen steel company (the true color image of WorldView-2 after image fusion)

图4 澳森钢铁厂某电除尘设施区（融合后的WorldView-2真彩色合成影像）

（4）贮料区：钢铁厂生产需要的矿石、煤往往露天存放在贮料区。由于矿石呈现出暗红色、灰色等,煤呈现出黑色,钢铁厂的贮料区在影像上的 色调有别于水泥厂、火电厂等其他工业的贮料区（图5）。贮料区往往较大,须借助于多光谱影像进行 识别。
Fig. 5 A material storage field of Aosen steel company(the true color image of WorldView-2 after image fusion)

图5 澳森钢铁厂某贮料区（融合后的WorldView-2真彩色合成影像）

3.3 钢铁企业遥感特征解译识别的最小影像分辨率需求

在钢铁厂的遥感特征解译中,高炉、煤气柜、电除尘设施主要靠其空间结构、纹理特征来识别,既可借助全色影像又可借助于多光谱影像,而多光谱影像的使用会带来更好的视觉效果;贮料区的识别需要借助其纹理、色彩信息,需应用多光谱影像。大、中型钢铁企业一般均具有这些设施,而小型钢铁企业可能仅有高炉和贮料区。不同规模钢铁企业遥感特征解译识别所需的最低影像分辨率如表2所示。
Tab. 2 The requirements of image geometric resolutions for identifying recognition features of different sized steel companies using remote sensing in Shijiazhuang region

表2 石家庄地区不同规模钢铁厂遥感特征识别的影像分辨率需求

解译特征 影像分辨率（m） 类型
大型钢铁厂 中型钢铁厂 小型钢铁厂
高炉 2 1 0.5 全色
煤气柜 2 2 全色
电除尘器 8 8 全色
贮料区 5 5 5 多光谱
（1）高炉：随着遥感影像分辨率的降低（0.5、1、2、3、4 m）,不同规模钢铁厂高炉在影像上的变化有所差异（图6）。对于大型钢铁企业（敬业集团）,高炉在优于2 m分辨率下可清晰辨识,在3 m分辨率下无法清晰辨识;对于中型钢铁企业（澳森钢铁厂）,高炉在优于1 m分辨率下可清晰辨识,在2 m分辨率下无法清晰辨识;对于小型钢铁企业（藁城宏森熔铸厂）,高炉在0.5 m分辨率下可清晰辨识,在1 m分辨率下无法清晰辨识。因此,基本可以确定该地区钢铁企业高炉遥感辨识的分辨率需求为：大型钢铁企业优于2 m,中型钢铁企业优于1 m,小型钢铁企业优于0.5 m。
Fig. 6 Images for blast furnaces of different sized steel companies at various resolutions

图6 不同规模钢铁厂高炉在不同分辨率影像的特征

（2）煤气柜：遥感影像量测可知敬业集团和澳森钢铁厂煤气柜的尺寸基本一致。但敬业集团煤气柜的数量多于澳森钢铁厂。图7为随着遥感影像分辨率的变化（5、6、7、8、9、10 m）,钢铁厂煤气柜在影像上的变化情况。由图7可看出,煤气柜在影像分辨率优于8 m时可以清晰辨识,低于9 m分辨率无法清晰辨识。因此,对于该地区大、中型钢铁厂煤气柜的识别需选择分辨率优于8 m的影像。
Fig. 7 Images for gas tanks of different sized steel companies at various resolutions

图7 不同规模钢铁厂煤气柜在不同分辨率影像的特征

（3）电除尘器：随着遥感影像分辨率的变化（0.5、1、2、3、4、5 m）,敬业集团和澳森钢铁厂的电除尘器在影像上的变化（图8）为：电除尘器优于2 m分辨率可清晰识别,低于3 m分辨率无法清晰辨识。因此,对于该地区大、中型钢铁厂电除尘器的识别,需选择分辨率优于2 m的遥感影像。
Fig. 8 Images for electricity dust removal facilities of different sized steel companies at various resolutions

图8 不同规模钢铁厂电除尘器在不同分辨率影像上的特征

（4）贮料区：随着遥感影像分辨率的变化（1、2、3、4、5、6 m）,不同规模钢铁厂贮料区在影像上的变化如图9所示。钢铁厂贮料区无论规模大小,其识别依赖于矿石、煤炭等体现在图像中的纹理和色彩。影像分辨率优于5 m下,贮料区可清晰辨识,在6 m分辨率下无法清晰辨识。因此,对于该地区钢铁厂贮料区的识别需选择分辨率优于5 m的遥感影像。
Fig. 9 Images for material storage fields of different sized steel companies at various resolutions

图9 不同规模钢铁厂贮料区在不同分辨率影像上的特征

4 不同核查任务下的影像最小分辨率需求

钢铁企业违法建设行为包括未批先建和批小建大。其中,批小建大主要是指其生产规模在未经审批的情况下私自扩大。对这类行为的核查,事先已知道企业的空间位置,通过辨识企业高炉,将遥感辨识的高炉数与合法库企业上报的高炉数进行比较来实现。此类核查任务的最低遥感影像分辨率需求为大型企业2 m全色影像,中型企业1 m全色影像,小型企业0.5 m全色影像。对于未批先建行为,存在2种情况：（1）企业已经存在,需核查关停的;（2）企业正在建设,需及时制止。前者可综合利用钢铁厂的所有解译特征。研究认为,如能从遥感影像上解译出3种设施组合（①高炉、储料区;②高炉、煤气柜、电除尘器;③煤气柜、电除尘器、贮料区）中任一种,则可判定该企业为钢铁厂。结合表2,遥感影像的最低分辨率需求为大型钢铁企业为2 m全色影像（组合②的识别）,中型钢铁企业为2 m全色影像配合5 m多光谱影像（组合③的识别）,小型钢铁企业为0.5 m全色影像配合5 m多光谱影像（组合①识别）。另外,只要能识别出钢铁厂任何一个解译特征,就可将其确定为疑似目标。钢铁厂所有解译特征中最易辨识的是煤气柜和贮料区。核查其需要的最低遥感影像分辨率为5 m多光谱影像。在重点关注区（环境敏感区、事件高发区、污染治理区）,为保障核查准确性,需按前一种方式来选择遥感信息源分辨率;在非重点关注区,可按后一种方式来选择遥感信息源。在第2种情况下开展遥感核查,理想情况是钢铁厂的建设符合一定的流程（如设施建设的先后）,可按照最先建设的遥感影像特征来确定其分辨率,这样便于早期发现。但实际上钢铁厂的建设受到原材料等的限制,目前并没有形成统一的规范。为实现对违法行为的早期发现,需按照钢铁厂遥感解译特征中,对影像分辨率要求最严格的设施来确定影像分辨率需求。因此,对于钢铁厂的早期发现来说,需要的最低遥感影像分辨率需求为：大型企业2 m全色影像,中型企业1 m全色影像,小型企业0.5 m全色影像。分析结果如表3所示。
Tab. 3 The requirements on image geometric resolutions for different detection assignments using remote sensing

表3 不同核查任务对遥感影像分辨率的需求

核查任务 企业规模 影像分辨率需求
全色影像（m） 多光谱影像（m）
批小建大核查 大型钢铁厂 2
中型钢铁厂 1
小型钢铁厂 0.5
重点区域已建成未批先建项目核查 大型钢铁厂 2
中型钢铁厂 2 5
小型钢铁厂 0.5 5
非重点区域已建成未批先建项目核查 大、中、小型钢铁厂 5
正在建设未批先建行为早期发现核查 大型钢铁厂 2
中型钢铁厂 1
小型钢铁厂 0.5

5 结论

由于尺度效应问题,开展遥感影像分辨率与地物解译精度间的关系研究,一直是遥感领域的研究热点[19-21]。本文针对目前环保较为关注的污染企业私自建设行为,以石家庄作为研究区,开展钢铁企业违法建设遥感核查的相关工作,得出如下结论：（1） 高炉、煤气柜、电除尘器、储料区是钢铁厂遥感的重要识别特征。（2） 对于批小建大行为、正在建设的未批先建行为的遥感核查最低影像分辨率需求为：大型企业2 m全色影像,中型企业1 m全色影像,小型企业0.5 m全色影像。（3） 对敏感区域已建成未批先建行为遥感核查最低影像分辨率需求为：大型钢铁企业2 m全色影像,中型企业2 m全色影像配合5 m多光谱影像,小型企业为0.5 m全色影像配合5 m多光谱影像。（4） 对于非敏感区的已建成未批先建行为的遥感核查最低影像分辨率需求为5 m多光谱影像。
本研究针对石家庄地区钢铁厂的违法开工建设进行了遥感核查,将其应用于其他地区需进一步验证。本研究针对遥感信息源的选择开展了相应工作,为支撑钢铁企业违法开工建设遥感核查业务运行系统的建立提供了支撑。但业务运行系统的搭建,除需要明确数据源的选择外,还需对整个遥感解译过程实行规范化,需有明确的规章制度来规范各个部门之间的责、权、利。此外,建立规范的合法项目数据库,对辅助判定企业违法与否的定性至关重要。

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]
王纪华,赵春江,黄文江,等.农业定量遥感基础与应用[M].北京:科学出版社,2008.

[2]
Mkhabela M S, Bullock P, Raj S, et al.Crop yield forecasting on the Canadian prairies using MODIS NDVI data[J]. Agricultural and Forest Meteorology, Agricultural and Forest Meteorology, 2011,151(3):385-393.

[3]
Son S, Wang M H, Harding L W.Satellite-measured net primary production in the Chesapeake Bay[J]. Remote Sensing of Environment, 2014,144(25):109-119.

[4]
Hu Shi, Mo X G.Interpreting spatial heterogeneity of crop yield with a process model and remote sensing[J]. Ecological Modelling, 2011,222(14):2530-2541.

[5]
赵志平,刘纪远,邵全琴.三江源自然保护区土地覆被变化特征分析[J].地理科学,2010,30(3):415-420.

[6]
Romo-Leon J R, van Leeuwen W J D, Castellanos-Villegas A. Using remote sensing tools to assess land use transitions in unsustainable arid agro-ecosystems[J]. Journal of Arid Environments, 2014,106:27-35.

[7]
Zhang Z X, Wang X, Zhao X L, et al.A 2010 update of national land use/cover database of China at 1:100000 scale using medium spatial resolution satellite images[J]. Remote Sensing of Environment, 2014,149:142-154.

[8]
李晶晶,覃志豪,高懋芳,等.应用遥感、GIS对稻田生态系统健康程度的监测评价研究——以长江下游平原为例[J].生态环境,2008,17(2):777-784.

[9]
施明辉,赵翠薇,郭志华,等.基于GIS和改进BP神经网络的天然白桦林健康评价[J].水土保持研究,2011,18(4):237-240.

[10]
王一涵,周德民,孙永华.RS和GIS支持的洪河地区湿地生态健康评价[J].生态学报,2011,31(13):3590-3600.

[11]
何铁华,吴旦.卫星遥感监视系统(RSMS):海事执法新添高科技手段[J].中国海事,2010(5):60-62.

[12]
闫欢欢,陈良富,陶金花,等.珠江三角洲地区SO2浓度卫星遥感长时间序列监测[J].遥感学报,2012,16(2):390-404.

[13]
邬明权,牛铮,高帅,等.渤海陆源入海排污口的多尺度遥感监测分析[J].地球信息科学学报,2012,14(3):405-410.

[14]
Padwick C, Deskevich M, Pacifici F, et al.WorldView-2 Pan-Sharpening[C]. ASPRS 2010 Annual Conference, San Diego, California, 2010.

[15]
唐焕丽,刘凯,艾彬,等.WorldView-2遥感影像融合方法对比研究[J].北京测绘,2013(5):1-7.

[16]
张福明,钱世崇,殷瑞钰.钢铁厂流程结构优化与高炉大型化[J].钢铁,2012,47(7):1-9,19.

[17]
张琦,蔡九菊,王建军,等.钢铁厂煤气资源的回收与利用[J].钢铁,2009,44(12):95-99.

[18]
赖仲文. 烧结机机头电除尘器应用[J].机电技术,2012(5):97-98.

[19]
卫亚星,王莉雯.应用遥感技术模拟净初级生产力的尺度效应研究进展[J].地理科学进展,2010,29(4):471-477.

[20]
Wu H, Zhao L L.Scale issues in remote sensing: a review on analysis, processing and modeling[J]. Sensor, 2009,9:1768-1793.

[21]
朱明,濮励杰,李建龙.遥感影像空间分辨率及粒度变化对城市景观格局分析的影像[J].生态学报,2008,28(6):2753-2763.

Options
文章导航

/

〈 〉