Please wait a minute...
 
国土资源遥感  2010, Vol. 22 Issue (1): 77-80    DOI: 10.6046/gtzyyg.2010.01.14
  技术应用 本期目录 | 过刊浏览 | 高级检索 |
NOAA-AVHRR数据在吉林省东部林火信息提取中的应用
赵彬1,2,3, 赵文吉1,2,3, 潘军4, 李家存1,2,3, 胡德勇1,2,3
 1.首都师范大学资源环境与旅游学院,北京100048; 2.三维信息获取与应用教育部重点实验室,北京100048; 3.资源环境与地理信息系统北京市重点实验室,北京100048;4.吉林大学地球探测科学与技术学院,长春130026

ZHAO Bin 1,2,3, ZHAO Wen-ji 1,2,3, PAN Jun 4, LI Jia-cun 1,2,3, HU De-yong 1,2,3
1.College of Resources Environment and Tourism, Capital Normal University, Beijing 100048, China;2. Laboratory of 3D Information Acquisition and Application, Beijing 100048, China;3.Beijing Municipal Key Laboratory of Resources Environment and GIS, Beijing 100048, China;4.College of Geoexploration Science and Technology, Jilin University,Changchun 130026,China
全文: PDF(4093 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

 概述了利用NOAA-AVHRR数据进行林火监测的原理和4种方法。针对吉林省东部的森林火灾,运用4种方法进行了火点信息提取与分析,最后对阈值法进行了改进,提取精度达到了89.2%。分析了NOAA-AVHRR应用于林火遥感监测的可行性和不足。

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
陈秋晓
骆剑承
周成虎
关键词 遥感影像分析分割特征遥感分类    
Abstract

This paper describes the principle of fire detection by using NOAA-AVHRR data, and gives a brief summary of four fire detection methods. Four fire detection algorithms were utilized to detect and analyze several forest fire spots that occurred in eastern Jilin Province. This paper discusses the fixed threshold method and makes some improvement. Compared with the results of fire detection by other methods, the accuracy of the improved method is obviously higher and can reach 89.2%. The capability of the improved method for fire detection and its shortcomings are also discussed.

Key wordsImage analysis    Segmentation    Feature    Remote sensing classification
     出版日期: 2010-03-22
引用本文:   
赵彬, 赵文吉, 潘军, 李家存, 胡德勇. NOAA-AVHRR数据在吉林省东部林火信息提取中的应用[J]. 国土资源遥感, 2010, 22(1): 77-80.
ZHAO Bin, ZHAO Wen-Ji, PAN Jun, LI Jia-Cun, HU De-Yong. . REMOTE SENSING FOR LAND & RESOURCES, 2010, 22(1): 77-80.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2010.01.14      或      https://www.gtzyyg.com/CN/Y2010/V22/I1/77
[1] 曲海成, 王雅萱, 申磊. 多感受野特征与空谱注意力结合的高光谱图像超分辨率算法[J]. 自然资源遥感, 2022, 34(1): 43-52.
[2] 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.
[3] 潘建平, 徐永杰, 李明明, 胡勇, 王春晓. 结合相关系数和特征分析的植被区域自动变化检测研发[J]. 自然资源遥感, 2022, 34(1): 67-75.
[4] 吴琳琳, 李晓燕, 毛德华, 王宗明. 基于遥感和多源地理数据的城市土地利用分类[J]. 自然资源遥感, 2022, 34(1): 127-134.
[5] 何陈临秋, 程博, 陈金奋, 张晓平. 基于GF-3全极化SAR数据的滨海湿地信息提取方法[J]. 自然资源遥感, 2021, 33(4): 105-110.
[6] 郭晓征, 姚云军, 贾坤, 张晓通, 赵祥. 基于U-Net深度学习方法火星沙丘提取研究[J]. 自然资源遥感, 2021, 33(4): 130-135.
[7] 范莹琳, 娄德波, 张长青, 魏英娟, 贾福东. 基于面向对象的铁尾矿信息提取技术研究——以迁西地区北京二号遥感影像为例[J]. 自然资源遥感, 2021, 33(4): 153-161.
[8] 王爽, 张磊, 张俊勇, 王一乐. GIS在全民健身中的应用特征研究[J]. 自然资源遥感, 2021, 33(4): 265-271.
[9] 温银堂, 王铁柱, 王书涛, 王贵川, 刘诗瑜, 崔凯. 基于多尺度分割的高分辨率遥感影像镶嵌线自动提取[J]. 自然资源遥感, 2021, 33(4): 64-71.
[10] 伍江, 刘春, 应申, 余婷. 城区范围空间划定方法研究[J]. 自然资源遥感, 2021, 33(4): 89-97.
[11] 李渊, 毋琳, 戚雯雯, 郭拯危, 李宁. 基于改进OGMRF-RC模型的SAR图像分类方法[J]. 自然资源遥感, 2021, 33(4): 98-104.
[12] 冯东东, 张志华, 石浩月. 基于多元数据的省会城市城中村精细提取[J]. 自然资源遥感, 2021, 33(3): 272-278.
[13] 姜亚楠, 张欣, 张春雷, 仲诚诚, 赵俊芳. 基于多尺度LBP特征融合的遥感图像分类[J]. 自然资源遥感, 2021, 33(3): 36-44.
[14] 王镕, 赵红莉, 蒋云钟, 何毅, 段浩. 月尺度农作物提取中GF-1 WFV纹理特征的应用及分析[J]. 自然资源遥感, 2021, 33(3): 72-79.
[15] 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.
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