基于3S技术的土地详查方法创新

doi:10.6046/gtzyyg.2002.02.02

全文: PDF(563 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

简要介绍了将3S技术应用于土地详查的具体方法,分析了3S技术对土地详查精度提高的贡献,指出了存在的具体问题。

	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
	徐永明
	覃志豪
	万洪秀

关键词 ：热红外遥感, 近地层气温, TVX方法, 神经网络, 能量平衡

Abstract：

Land Use Detailed Survey (LUDS) is a process for acquiring detailed information about types, distribution, quantity, application status and tenure of land on large scales according to The Chinese Technical Order of Land Use Status Survey. LUDS is characterized by rigorous land use classifications, strict precision indices, on-the-spot survey and land tenure survey. Nevertheless, the traditional methods for LUDS are based on handwork, and are hence time-wasting and need lots of manpower; In addition, the survey processes have cockamamie programs and can easily produce errors. With the rapid progress of RS, GPS and GIS, the conditions for acquiring land use information are much better than before. This paper briefly describes the concerted methods of 3S in LUDS and evaluates the precision improvement. It also points out some troubles in 3S application.

Key words： Thermal infrared remote sensing Near surface temperature TVX approach Neural network Energy balance

收稿日期: 2001-12-03 出版日期: 2011-08-02

作者简介: 颉耀文(1969-),男,副教授,在职博士生,从事3S技术应用方面的教学与研究工作.

引用本文:

颉耀文, 徐建华. 基于3S技术的土地详查方法创新[J]. 国土资源遥感, 2002, 14(2): 4-9.
XIE Yao-wen, XU Jian-hua . INNOVATIONS IN METHODS OF LAND USE DETAILED SURVEY BASED ON 3S TECHNIQUES. REMOTE SENSING FOR LAND & RESOURCES, 2002, 14(2): 4-9.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2002.02.02 或 https://www.gtzyyg.com/CN/Y2002/V14/I2/4

[1]	于新莉, 宋妍, 杨淼, 黄磊, 张艳杰. 结合空间约束的卷积神经网络多模型多尺度船企场景识别[J]. 自然资源遥感, 2021, 33(4): 72-81.
[2]	李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
[3]	张成业, 邢江河, 李军, 桑潇. 基于U-Net网络和GF-6影像的尾矿库空间范围识别[J]. 自然资源遥感, 2021, 33(4): 252-257.
[4]	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.
[5]	仇一帆, 柴登峰. 无人工标注数据的Landsat影像云检测深度学习方法[J]. 国土资源遥感, 2021, 33(1): 102-107.
[6]	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.
[7]	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.
[8]	刘钊, 廖斐凡, 赵桐. 基于PSPNet的遥感影像城市建成区提取及其优化方法[J]. 国土资源遥感, 2020, 32(4): 84-89.
[9]	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.
[10]	高凯旋, 焦海明, 王新闯. 融合影像纹理、光谱与地形特征的森林冠顶高反演模型[J]. 国土资源遥感, 2020, 32(3): 63-70.
[11]	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.
[12]	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.
[13]	王茹, 张艳芳, 张洪敏, 李云. 城市新区不透水地表盖度与人为热的关系研究——以陕西省西咸新区为例[J]. 国土资源遥感, 2020, 32(1): 247-254.
[14]	林志玮, 涂伟豪, 黄嘉航, 丁启禄, 周铮雯, 刘金福. 基于FC-DenseNet的低空航拍光学图像树种识别[J]. 国土资源遥感, 2019, 31(3): 225-233.
[15]	黄惠, 郑雄伟, 孙根云, 郝艳玲, 张爱竹, 容俊, 马红章. 基于引力自组织神经网络的震害遥感影像分类[J]. 国土资源遥感, 2019, 31(3): 95-103.