Please wait a minute...
 
国土资源遥感  2007, Vol. 19 Issue (2): 56-59    DOI: 10.6046/gtzyyg.2007.02.14
  技术方法 本期目录 | 过刊浏览 | 高级检索 |
基于DTM的水边线遥感信息提取方法
郑宗生, 周云轩, 沈 芳, 蒋雪中, 田 波
华东师范大学河口海岸国家重点实验室, 上海200062
WATERLINE EXTRACTION FROM REMOTELY SENSED IMAGES WITH DTM
ZHENG Zong-sheng, ZHOU Yun-xuan, SHEN Fang, JIANG Xue-zhong, TIAN Bo
State Key Laboratory of Estuarine and Coastal Research, East China Normal University, Shanghai 200062, China
全文: PDF(503 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

水边线附近的高浊度悬沙及浅滩表层的残余水体是影响水边线信息提取的重要因素。在分析长江口区不同浓度水体与背景地物光谱特征的基础上,采用决策树分析方法进行水边线提取,在分类器的节点用水深信息作为约束条件,消除了水边线附近热流对热红外波段水边线提取的影响。同时,利用参考DTM及潮位信息实施了水边线的提取,此方法有效消除了表层残余水体对水边线提取的影响。最后运用统计学中自身一致性校验及平均偏移指数来评价提取结果。结果表明,两种方法的总体提取效果较好,精度令人满意。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 推覆构造TM遥感影像    
Abstract

 The locations of waterline in remotely sensed images are mainly affected by high concentration suspended sediments and surface remnant water. A decision tree model considering the water depth was applied in this paper to detecting waterline. Furthermore, waterline was also traced from the reference digital terrain model (DTM) and the associated tidal elevation. The two approaches were both used to delineate the waterline in the Yangtze Estuary, and the experimental results indicate that they are fairly effective in waterline extraction.

Key wordsNappe structure    TM image    Remote sensing
收稿日期: 2006-08-09      出版日期: 2009-07-24
: 

TP79

 
基金资助:

国家973项目“长江口及其邻近海域细颗粒泥沙沉积动力过程”(973-2002CB412403)和教育部“高等学校优秀青年教师教学科研奖励计划”联合资助。

通讯作者: 郑宗生(1981-),男,博士研究生,主要从事海岸带资源遥感与GIS研究。
引用本文:   
郑宗生, 周云轩, 沈芳, 蒋雪中, 田波. 基于DTM的水边线遥感信息提取方法[J]. 国土资源遥感, 2007, 19(2): 56-59.
ZHENG Zong-Sheng, ZHOU Yun-Xuan, SHEN Fang, JIANG Xue-Zhong, TIAN Bo. WATERLINE EXTRACTION FROM REMOTELY SENSED IMAGES WITH DTM. REMOTE SENSING FOR LAND & RESOURCES, 2007, 19(2): 56-59.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2007.02.14      或      https://www.gtzyyg.com/CN/Y2007/V19/I2/56
[1] 薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[2] 宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[3] 桑潇, 张成业, 李军, 朱守杰, 邢江河, 王金阳, 王兴娟, 李佳瑶, 杨颖. 煤炭开采背景下的伊金霍洛旗土地利用变化强度分析[J]. 自然资源遥感, 2021, 33(3): 148-155.
[4] 王译著, 黄亮, 陈朋弟, 李文国, 余晓娜. 联合显著性和多方法差异影像融合的遥感影像变化检测[J]. 自然资源遥感, 2021, 33(3): 89-96.
[5] 卢麒, 秦军, 姚雪东, 吴艳兰, 朱皓辰. 基于多层次感知网络的GF-2遥感影像建筑物提取[J]. 国土资源遥感, 2021, 33(2): 75-84.
[6] 田雷, 傅文学, 孙燕武, 荆林海, 邱玉宝, 李新武. 基于TM影像的西伯利亚北方森林覆盖度近30 a空间变化研究[J]. 国土资源遥感, 2021, 33(1): 214-220.
[7] 胡苏李扬, 李辉, 顾延生, 黄咸雨, 张志麒, 汪迎春. 基于高分辨率遥感影像的神农架大九湖湿地土地利用类型变化及其驱动力分析——来自长时间尺度多源遥感信息的约束[J]. 国土资源遥感, 2021, 33(1): 221-230.
[8] 刘钊, 赵桐, 廖斐凡, 李帅, 李海洋. 基于语义分割网络的高分遥感影像城市建成区提取方法研究与对比分析[J]. 国土资源遥感, 2021, 33(1): 45-53.
[9] 郑智腾, 范海生, 王洁, 吴艳兰, 王彪, 黄腾杰. 改进型双支网络模型的遥感海水网箱养殖区智能提取方法[J]. 国土资源遥感, 2020, 32(4): 120-129.
[10] 孙珂. 融合超像元与峰值密度特征的遥感影像分类[J]. 国土资源遥感, 2020, 32(4): 41-45.
[11] 卫虹宇, 赵银娣, 董霁红. 基于改进RetinaNet的冷却塔目标检测[J]. 国土资源遥感, 2020, 32(4): 68-73.
[12] 李国庆, 黄菁华, 刘冠, 李洁, 翟博超, 杜盛. 基于Landsat8卫星影像土地利用景观破碎化研究——以陕西省延安麻塔流域为例[J]. 国土资源遥感, 2020, 32(3): 121-128.
[13] 李霄, 刘莹, 姚维岭, 杨金中, 李勇志, 汪洁. 基于ArcPy的违法矿山自动出图方法[J]. 国土资源遥感, 2020, 32(3): 247-251.
[14] 薛白, 付钰莹, 崔成玲, 宋艳茹, 赵世湖. 多重约束条件下的不同遥感影像匹配方法[J]. 国土资源遥感, 2020, 32(3): 49-54.
[15] 吴同, 彭玲, 胡媛. 基于SU-RetinaNet的高分辨率遥感影像非正规垃圾堆检测[J]. 国土资源遥感, 2020, 32(3): 90-97.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发