TM图像在新疆奇台北山煤田火区动态监测中的应用

doi:10.6046/gtzyyg.1996.02.08

全文: PDF(995 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

本文以实测的煤田火区地物波谱数据为依据,对用于煤田火区各地物解译的遥感信息源──TM图像的最佳时相选择、最佳波段组合和煤田火区地物在TM图像上的影像特征进行了探讨。采用多时相TM图像对新疆奇台北山煤田火区进行动态监测及火情预测的成果进行了叙述,该勘查研究成果对指导该煤田火区灭火工程设计及后期防火管理有较大实用价值。对其它煤田火区火情监测也有一定借鉴作用。

	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
	陈姚
	王金亮
	李石华
	廖蕾
	闫红
	张青
	曹金虎

关键词 ：云覆盖, 遥感图像, 消除处理, Kriging插值

Abstract：

Based on the data of wave spectrum of coal fire area, this article discussed the following items about application of TM images to detecting coal fires. 1). The best choice of temporal and the best compose of band of TM images in studying coal fires. 2).Interpretation marks and image characteristics of coal fire on the TM images. 3). Using different temporal TM images to forecast and detect coal fire dynamicly in Baishan Qitai, Xinjiang.The result of studying provided reliable basis for extinquishing coal fire and engineering management.

Key words： Cloud cover RS images Processing for removing Kriging interpolation

收稿日期: 1995-07-14 出版日期: 2011-08-02

作者简介: 康高峰男 1962年生,高级工程师,1983年毕业于西北大学地质系。长期从事煤田地质遥感应用研究,近年主要致力于煤田火区的遥感探侧。

引用本文:

康高峰, 雷学武, 吴军虎, 张晓霞. TM图像在新疆奇台北山煤田火区动态监测中的应用[J]. 国土资源遥感, 1996, 8(2): 57-62.
Kang Gaofeng, Lei Xuwu, Wu Junhu, Zhang Xaoxia . STUDY AND APPLICATION OF TM IMAGE IN COAL FIRE IN BEISHAN QITAI, XINJIANG. REMOTE SENSING FOR LAND & RESOURCES, 1996, 8(2): 57-62.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.1996.02.08 或 https://www.gtzyyg.com/CN/Y1996/V8/I2/57

[1]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[2]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[3]	刘万军, 高健康, 曲海成, 姜文涛. 多尺度特征增强的遥感图像舰船目标检测[J]. 自然资源遥感, 2021, 33(3): 97-106.
[4]	王小兵. 融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪[J]. 国土资源遥感, 2020, 32(4): 46-52.
[5]	刘尚旺, 崔智勇, 李道义. 基于Unet网络多任务学习的遥感图像建筑地物语义分割[J]. 国土资源遥感, 2020, 32(4): 74-83.
[6]	蔡之灵, 翁谦, 叶少珍, 简彩仁. 基于Inception-V3模型的高分遥感影像场景分类[J]. 国土资源遥感, 2020, 32(3): 80-89.
[7]	李宇, 肖春姣, 张洪群, 李湘眷, 陈俊. 深度卷积融合条件随机场的遥感图像语义分割[J]. 国土资源遥感, 2020, 32(3): 15-22.
[8]	叶发茂, 罗威, 苏燕飞, 赵旭青, 肖慧, 闵卫东. 卷积神经网络特征在遥感图像配准中的应用[J]. 国土资源遥感, 2019, 31(2): 32-37.
[9]	谢奇芳, 姚国清, 张猛. 基于Faster R-CNN的高分辨率图像目标检测技术[J]. 国土资源遥感, 2019, 31(2): 38-43.
[10]	葛芸, 江顺亮, 叶发茂, 姜昌龙, 陈英, 唐祎玲. 聚合CNN特征的遥感图像检索[J]. 国土资源遥感, 2019, 31(1): 49-57.
[11]	张康, 黑保琴, 李盛阳, 邵雨阳. 基于CNN模型的遥感图像复杂场景分类[J]. 国土资源遥感, 2018, 30(4): 49-55.
[12]	杨萍, 李轶鲲, 胡玉玺, 杨树文. 融合相容粒理论的遥感图像检索[J]. 国土资源遥感, 2017, 29(4): 43-47.
[13]	丁海勇, 罗海滨, 郭瑞瑞. 基于非下采样轮廓变换与模糊理论的遥感图像增强[J]. 国土资源遥感, 2017, 29(3): 25-31.
[14]	徐金东, 倪梦莹, 童向荣, 张艳洁, 郑强. 一种基于多尺度稀疏分解的遥感图像融合新方法[J]. 国土资源遥感, 2017, 29(3): 51-58.
[15]	刘小丹, 于宁, 邱红圆. 基于谱直方图的遥感图像分层次多尺度植被分割[J]. 国土资源遥感, 2017, 29(2): 82-89.