基于Sentinel-1 SAR数据巢湖流域洪水时空动态变化监测研究

doi:10.11873/j.issn.1004-0323.2022.1.0173

遥感技术与应用

2022, Vol. 37

Issue (1): 173-185 DOI: 10.11873/j.issn.1004-0323.2022.1.0173

青促会十周年专栏

基于Sentinel-1 SAR数据巢湖流域洪水时空动态变化监测研究

贾佳佳^1,²(

),马金戈²,沈明²,齐天赐²,曹志刚²,何艳芬¹(

),段洪涛^1,²

^1.西北大学城市与环境学院，陕西西安 710127
^2.中国科学院南京地理与湖泊研究所遥感与地理信息科学研究室，江苏南京 210008

Research on Spatial-temporal Dynamic Changes of Flood in Lake Chaohu Basin based on Sentinel-1 SAR Satellite Image

Jiajia Jia^1,²(

),Jinge Ma²,Ming Shen²,Tianci Qi²,Zhigang Cao²,Yanfen He¹(

),Hongtao Duan^1,²

^1.Northwestern University School of Urban and Environmental Sciences，Xi'an 710127，China
^2.Institute of Remote Sensing and Geo-Information Science，Nanjing，China Institute of Geography and Lakes，Chinese Academy of Sciences，Nanjing 21000，China

全文: PDF(8321 KB) HTML

摘要：

洪涝灾害危害巨大，对区域人民生命财产和经济发展造成重大威胁，回溯区域洪水事件，甄别洪水风险区，判断洪水时空特征，并给出规划建议非常重要。以巢湖流域为试验区，基于Sentinel-1合成孔径雷达（SAR）影像，构建了谱间关系与阈值分割相结合的洪水淹没识别方法，应用于Google Earth Engine平台上，获得了2015~2020年巢湖流域洪水时空格局，结合土地利用数据，分析了洪水对巢湖流域农田和以建设用地代表的居民点的影响。结果表明：①该方法精度相比单波段阈值和简单指数法提升了3%~7%，能够快速应用遥感数据提取历年流域洪水淹没范围；②2015~2020年间，监测到两次特大洪水和一次小规模洪水，淹没范围集中在杭埠河、裕溪河、兆河等河流区域；③农田占据受淹面积的86.47%~95.35%，建设用地占据4.47%~5.36%，受到洪水影响的居民点主要为基层村庄及乡镇。研究表明了SAR卫星数据在监测巢湖流域洪水有良好的适用性，有助于掌握洪水对农田和乡村居民点的破坏程度，对于未来制定相关规划战略，加强流域乡村洪水控制保障人员与粮食安全十分关键。

关键词： 巢湖流域; Sentinel-1; 洪水灾害; GEE

Abstract:

Flood disaster has great harm and poses a great threat to regional people's lives and property and economic development. Therefore， the continuous high-time resolution remote sensing monitoring will be conducive to more objective and accurate detection of the temporal and spatial variation characteristics of flood risk areas. This research takes Chaohu Lake Basin as the experimental area， based on Google Earth Engine platform， collects Sentinel-1 Synthetic Aperture Radar （SAR） images， uses the flood inundation identification method combining spectral relationship and threshold segmentation to map the flood range of Chaohu Lake Basin from 2015 to 2020， and combines land use data， The impact of flood on farmland and residential areas represented by construction land in Chaohu Lake Basin is analyzed. The results show that：（1） the accuracy of this method is 3%~7% higher than that of single band threshold method and simple index method， and can quickly extract the flood inundation range of watershed over the years by using remote sensing data；（2） From 2015 to 2020， two major floods and one small-scale flood were monitored， and the inundation scope was concentrated in Hangbu River， Yuxi River， Zhaohe River and other river areas；（3） Farmland accounts for 86.47%~95.35% of the flooded area， and construction land accounts for 4.47%~5.36%. The residential areas affected by the flood are mainly grass-roots villages and towns. The research shows that the application of SAR satellite data in flood monitoring can effectively monitor the impact range of flood on farmland and rural residential areas， which is very key to formulate relevant planning strategies in the future， strengthen rural flood control in the basin and ensure personnel and food security.

Key words: Chaohu Lake Basin Sentinel-1 Flood disaster GEE

收稿日期: 2021-10-21 出版日期: 2022-04-08

ZTFLH:

TN957.52

基金资助: 国家水体污染控制与治理科技重大专项(2017ZX07603-001)

通讯作者: 何艳芬 E-mail: jiajiajia@stumail.nwu.edu.cn;yanfen_lily@163.com

作者简介: 贾佳佳（1994-），女，河南驻马店人，硕士研究生，主要从事洪水遥感及规划应用研究。E?mail:jiajiajia@stumail.nwu.edu.cn

	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
	贾佳佳
	马金戈
	沈明
	齐天赐
	曹志刚
	何艳芬
	段洪涛

引用本文:

贾佳佳,马金戈,沈明,齐天赐,曹志刚,何艳芬,段洪涛. 基于Sentinel-1 SAR数据巢湖流域洪水时空动态变化监测研究[J]. 遥感技术与应用, 2022, 37(1): 173-185.

Jiajia Jia,Jinge Ma,Ming Shen,Tianci Qi,Zhigang Cao,Yanfen He,Hongtao Duan. Research on Spatial-temporal Dynamic Changes of Flood in Lake Chaohu Basin based on Sentinel-1 SAR Satellite Image. Remote Sensing Technology and Application, 2022, 37(1): 173-185.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2022.1.0173 或 http://www.rsta.ac.cn/CN/Y2022/V37/I1/173

图1 巢湖流域地理特征

表1 研究所用数据集概要

表2 Sentinel-1所使用的影像统计

图2 方法流程框架图

图3 基于2020年8月Sentinel-1图像的不同方法对比

表3 不同方法精度结果

图4 精度验证

表 4 精度验证混淆矩阵

图5 2015~2020 Sentinel-1影像洪水提取结果注：（a~d）2015年；（e~h）2016年；（i~l）2017年；（m~p）2018年；（q~t）2019年；（u~x）2020年

图6 研究期间共捕捉到三次较为明显的洪水数据（分别发生在2016年、2017年与2020年，其中2016年与2020年均为特大洪水。2017年主要在8月出现了小范围的洪水；（a）2015~2020雨季降雨量月值与洪水面积统计；（b）2016年8月洪水；（c）2017年8月洪水；（d）2020年8月洪水；（1）~（9）洪水淹没区域放大图）

图7 巢湖流域洪水频率图（2015~2020）（a）双河镇；（b）千人桥镇；（c）红庙镇；（d）十里墩乡和赫店镇

图8 2015~2020年淹没面积统计表

图9 2015~2020年受淹建设用地、农田和受洪水影响的居民点图

1	Hirpa F， Pappenberger F， Arnal L， et al. Global flood forecasting for averting disasters worldwide［J］. Global Flood Hazard， 2018： 205-228.DOI： 10.1002/9781119217886.ch12 . doi: 10.1002/9781119217886.ch12
2	Qiu J， Cao B， Park E， et al. Flood monitoring in rural areas of the Pearl River Basin （China） using Sentinel-1 SAR［J］. Remote Sensing，2021，13（7）：1384. DOI：10.3390/rs13071384 . doi: 10.3390/rs13071384
3	The Ministry of Water Resources of People's Republic of China. 2006 China Flood and Drought Disaster Bulletin［R］. Bulletin of the Ministry of Water Resources of the People's Republic of China， 2008（1）：11-26.
3	中华人民共和国水利部.2006年中国水旱灾害公报［R］. 中华人民共和国水利部公报， 2008（1）： 11-26.
4	The Ministry of Water Resources of People's Republic of China. 2008 China Flood and Drought Disaster Bulletin［R］. Bulletin of the Ministry of Water Resources of the People's Republic of China，2009（4）：2-20.
4	中华人民共和国水利部.2008年中国水旱灾害公报［R］. 中华人民共和国水利部公报，2009（4）：2-20.
5	The Ministry of Water Resources of People's Republic of China. 2007 China Flood and Drought Disaster Bulletin［R］. Bulletin of the Ministry of Water Resources of the people's Republic of China， 2009（1）：22-37.中华人民共和国水利部.2007年中国水旱灾害公报［R］. 中华人民共和国水利部公报， 2009（1）：22-37.
6	The Ministry of Water Resources of People's Republic of China. China Flood and Drought Disaster Bulletin 2010［R］. China Flood Control and Drought Relief， 2011，21（4）：3.
6	中华人民共和国水利部.《中国水旱灾害公报2010》发布公告［R］. 中国防汛抗旱， 2011，21（4）：3.
7	The Ministry of Water Resources of People's Republic of China. 2009 China Flood and Drought Disaster Bulletin［R］. Bulletin of the Ministry of Water Resources of the People's Republic of China， 2011（1）：14-30.
7	中华人民共和国水利部.2009年中国水旱灾害公报［R］. 中华人民共和国水利部公报，2011（1）：14-30.
8	Klemas V. Remote sensing of floods and flood-prone areas： An overview［J］. Journal of Coastal Research， 2014， 31（4）： 1005-1013.DOI： 10.2112/JCOASTRES-D-14-00160.1 . doi: 10.2112/JCOASTRES-D-14-00160.1
9	Schumann G J， Brakenridge G R， Kettner A J， et al. Assisting flood disaster response with earth observation data and products： a critical assessment［J］. Remote Sensing， 2018， 10（8）： 1230.DOI： 10.3390/rs10081230 . doi: 10.3390/rs10081230
10	Feyisa G L， Meilby H， Fensholt R， et al. Automated water extraction index： a new technique for surface water mapping using Landsat imagery［J］. Remote Sensing of Environment， 2014， 140： 23-35. DOI： 10.1016/j.rse.2013.08.029 . doi: 10.1016/j.rse.2013.08.029
11	Anusha N， Bharathi B. Flood detection and flood mapping using multi-temporal synthetic aperture radar and optical data［J］. The Egyptian Journal of Remote Sensing and Space Science，2020，23（2）：207-219.DOI： 10.1016/j.ejrs.2019.01.001 . doi: 10.1016/j.ejrs.2019.01.001
12	Alsdorf D E， Roeríguez E， Lettenmaier D P. Measuring surface water from space［J］. Reviews of Geophysics， 2007， 45（2）.DOI： 10.1029/2006RG000197 . doi: 10.1029/2006RG000197
13	Schlaffer S， Matgen P， Hollaus M， et al. Flood detection from multi-temporal SAR data using harmonic analysis and change detection［J］. International Journal of Applied Earth Observation and Geoinformation，2015，38：15-24. DOI：10.1016/j.jag.2014.12.001 . doi: 10.1016/j.jag.2014.12.001
14	Kaplan G， Avdan U. Sentinel-1 and Sentinel-2 data fusion for wetlands mapping： Balikdami，Turkey［J］. International Archives of the Photogrammetry， Remote Sensing & Spatial Information Sciences，2018，42（3）：729-734. DOI：10.5194/isprs-archives-XLII-3-729-2018 . doi: 10.5194/isprs-archives-XLII-3-729-2018
15	Singha M， Dong J， Sarmah S， et al. Identifying floods and flood-affected paddy rice fields in bangladesh based on Sentinel-1 imagery and Google Earth Engine［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2020， 166： 278-293. DOI： 10.1016/j.isprsjprs.2020.06.011 . doi: 10.1016/j.isprsjprs.2020.06.011
16	Kuntla S. An era of Sentinels in flood management： potential of Sentinel-1， -2， and -3 satellites for effective flood management［J］. Open Geosciences， 2021， 13： 1616-1642. DOI： 10.1515//geo-2020-0325 . doi: 10.1515//geo-2020-0325
17	Landuyt L， Wesemael A V， Schumann G J， et al. Flood mapping based on synthetic aperture radar： An assessment of established approaches［J］. IEEE Transactions on Geoscience and Remote Sensing， 2019， 57（2）： 722-739. DOI： 10.1109/TGRS.2018.2860054 . doi: 10.1109/TGRS.2018.2860054
18	Cian F， Marconcini M， Ceccato P. Normalized difference flood index for rapid flood mapping： taking advantage of EO Big Data［J］. Remote Sensing of Environment， 2018， 209： 712-730. DOI： 10.1016/j.rse.2018.03.006 . doi: 10.1016/j.rse.2018.03.006
19	Clement M A， Kilsby C G， Moore P. Multi-temporal synthetic aperture radar flood mapping using change detection［J］. Journal of Flood Risk Management， 2018， 11（2）： 152-168. DOI： 10.1016/j.ejrs.2019.01.001 . doi: 10.1016/j.ejrs.2019.01.001
20	Huang W， Devries B， Huang C， et al. Automated extraction of surface water extent from Sentinel-1 data［J］. Remote Sensing， 2018， 10（5）：10050797. DOI： 10.3390/rs10050797 . doi: 10.3390/rs10050797
21	Cao H， Zhang H， Wang C， et al. Operational flood detection using Sentinel-1 SAR data over large areas［J］. Water， 2019， 11（4）：786. DOI： 10.3390/w11040786 . doi: 10.3390/w11040786
22	Moharrami M， Javanbakht M， Attarchi S. Automatic flood detection using Sentinel-1 images on the Google Earth Engine［J］. Environmental Monitoring and Assessment， 2021， 193（5）： 248.DOI： 10.1007/s10661-021-09037-7 . doi: 10.1007/s10661-021-09037-7
23	Mudi S， Prakash J， Das P. Flood hazard mapping in assam using Sentinel-1 SAR data［M］. 2022： 459-473. DOI： 10.1007/978-3-030-75197-5_20 . doi: 10.1007/978-3-030-75197-5_20
24	Dasgupta A， Grimaldi S， Ramsankaran R A A J， et al. Towards operational SAR-based flood mapping using neuro-fuzzy texture-based approaches［J］. Remote Sensing of Environment，2018，215：313-329.DOI：10.1016/j.rse.2018.06.019 . doi: 10.1016/j.rse.2018.06.019
25	Sharifi A. Development of a method for flood detection based on Sentinel‐1 images and classifier algorithms［J］. Water and Environment Journal， 2021， 35（3）：924-929. DOI： 10.1111/wej.12681 . doi: 10.1111/wej.12681
26	Kumar G， Kumar S， Ahmad S. Exploring Sentinel-1 and Sentinel-2 diversity for flood inundation mapping using deep learning［J］. ISPRS Journal of Photogrammetry and Remote Sensing，2021，180：163-173. DOI：10.1016/j.isprsjprs.2021. 08.016 . doi: 10.1016/j.isprsjprs.2021. 08.016
27	Li S， Sun D， Goldberg M D， et al. Automatic near real-time flood detection using Suomi-NPP/VIIRS data［J］. Remote Sensing of Environment，2018，204：672-689. DOI： 10.1016/j.rse.2017.09.032 . doi: 10.1016/j.rse.2017.09.032
28	Panteras G， Cervone G. Enhancing the temporal resolution of Satellite-based flood extent generation using crowdsourced data for disaster monitoring［J］. International Journal of Remote Sensing，2018，39（5）：1459-1474. DOI：10.1080/01431161. 2017.1400193 . doi: 10.1080/01431161. 2017.1400193
29	Xu Hanzeyu， Liu Chong， Wang Junbang， et al. Remote sensing extraction of citrus orchards in Southern Jiangxi supported by Google Earth Engine Platform［J］. Journal of Earth Information Science， 2018， 20（3）： 396-404.
29	徐晗泽宇，刘冲，王军邦，等. Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究［J］. 地球信息科学学报， 2018， 20（3）： 396-404.
30	Martinis S， Twele A， Voigt S. Towards operational near real-time flood detection using a split-based automatic thresholding procedure on high resolution TerraSAR-X data［J］. Natural Hazards and Earth System Sciences，2009，9（2）：303-314. DOI： 10.5194/nhess-9-303-2009 . doi: 10.5194/nhess-9-303-2009
31	Li X， Wang X， Shao W， et al. Forecast of flood in Chaohu Lake Basin of China based on Grey-Markov theory［J］. Chinese Geographical Science，2007，17（1）：64-68.DOI：10.1007/s11769-007-0064-3 . doi: 10.1007/s11769-007-0064-3
32	Shi Wenyu. Study on flood and drought disasters in Chaohu Lake Basin since 600 years［D］. Shanghai：Shanghai Normal University， 2011.施汶妤. 600年以来巢湖流域水旱灾害研究［D］.上海：上海师范大学， 2011.
33	Hao Dandan. Flood disaster risk assessment and scenario analysis in Chaohu Lake Basin［D］. Wuhu： Anhui Normal University， 2014.
33	郝丹丹. 巢湖流域洪水灾害风险评价与情景分析［D］. 芜湖：安徽师范大学， 2014.
34	Shi Zhengbao. Study on urban flood control in Chaohu city， Anhui province［J］. Water Conservancy Planning and Design， 2014（9）：1-4，51. doi: 10.3969/j.issn.1672-2469.2014.09.001
34	石正宝. 安徽省巢湖市城市防洪研究［J］. 水利规划与设计，2014（9）：1-4，51. DOI：10.3969/j.issn.1672-2469.2014.09.001 . doi: 10.3969/j.issn.1672-2469.2014.09.001
35	Wan Nengsheng， Qi Pengyun. Practice and thinking on the response to the catastrophic flood disaster in Chaohu Lake Basin in 2020［J］. China Flood Control and Drought Relief， 2021， 31（4）： 37-41.
35	万能胜，齐鹏云. 巢湖流域2020年特大洪涝灾害应对实践与思考［J］. 中国防汛抗旱， 2021，31（4）：37-41.
36	Xie Meichao. Flood analysis of Chaohu Lake Basin in 2020［J］. Journal of Anhui Water Resources and Hydropower Vocational and Technical College， 2021， 21（2）：7-10，22.
36	谢每超. 巢湖流域2020年洪水分析［J］. 安徽水利水电职业技术学院学报，2021，21（2）：7-10，22.
37	Qi Guohua， Ma Xiaoshuang， He Shiyu， et al. Analysis of temporal and spatial variation of water bloom length in Chaohu Lake （2009-2018） and prediction of occurrence probability based on multi-source remote sensing data［J］. Lake Science， 2021，33（2）：414-427.
37	祁国华，马晓双，何诗瑜，等. 基于多源遥感数据的巢湖水华长时序时空变化（2009~2018年）分析与发生概率预测［J］. 湖泊科学，2021，33（2）：414-427.］
38	Jun Lü. Research on flood disaster risk assessment and Risk management based on cloud model［D］. Wuhu：Anhui Normal University， 2019.
38	吕军. 基于云模型的洪涝灾害风险评价与风险管理研究［D］. 芜湖：安徽师范大学， 2019.
39	Zhang Pingping. Study on security evaluation and safeguard measures of cultivated land resources in Wanjiang Urban belt based on food security［D］. Wuhu： Anhui Normal University， 2011.
39	张平平. 基于粮食安全的皖江城市带耕地资源安全评价及保障措施研究［D］. 芜湖：安徽师范大学， 2011.
40	Yang Fubao， Wang Guohan. Analysis of flood control situation and control countermeasures in Chaohu Lake Basin［J］. Water conservancy planning and design，2018（7）：33-36.
40	杨富宝，王国汉. 巢湖流域防洪形势与治理对策分析［J］. 水利规划与设计，2018（7）：33-36.］
41	Torres R， Snoeij P， Geudtner D， et al. GMES Sentinel-1 mission［J］. Remote Sensing of Environment， 2012， 120： 9-24.DOI：10.1016/j.rse.2011.05.028 . doi: 10.1016/j.rse.2011.05.028
42	Pickens A H， Hansen M C， Hancher M， et al. Mapping and sampling to characterize global inland water dynamics from 1999 to 2018 with full landsat time-series［J］. Remote Sensing of Environment，2020，243：111792. DOI：10.1016/j.rse.2020. 111792 . doi: 10.1016/j.rse.2020. 111792
43	Qi Caimei. Atlas of land cover of the People's Republic of China （1：1 Million） officially published［J］. Geological and mineral mapping， 2017，33（4）：50. doi: 10.16864/j.cnki.dkch.2017.0067
43	祁彩梅. 《中华人民共和国土地覆被地图集》（1∶100万）正式出版［J］. 地矿测绘，2017，33（4）：50. DOI：10.16864/j.cnki.dkch.2017.0067 . doi: 10.16864/j.cnki.dkch.2017.0067
44	REVILLA-ROMERO B， Hirpa F A， T-D Pozo J， et al. On the use of global flood forecasts and Satellite-Derived inundation maps for flood monitoring in data-sparse regions［J］. Remote Sensing， 2015， 7（11）： 15702-15728.DOI： 10.3390/rs71115702. DOI： 10.3390/rs71115702 . doi: 10.3390/rs71115702. DOI： 10.3390/rs71115702
45	Lee S U， Yoon Chung S， Park R H. A comparative performance study of several global thresholding techniques for segmentation［J］. Computer Vision， Graphics， and Image Processing， 1990， 52（2）： 171-190. DOI： 10.1016/0734-189X（90）90053-X . doi: 10.1016/0734-189X（90）90053-X
46	Jia Shichao， Xue Dongjian， Li Chengrao， et al. Research on water information extraction method based on Sentinel-1 data［J］. People's Yangtze River，2019，50（2）：213-227.
46	贾诗超，薛东剑，李成绕，等. 基于Sentinel-1数据的水体信息提取方法研究［J］. 人民长江，2019，50（2）：213-227.
47	Zhang Pan. Research on classifier selection integration method based on confusion matrix［D］. Jiaozuo：Henan University of Technology，2016.
47	张盼. 基于混淆矩阵的分类器选择集成方法研究［D］. 焦作：河南理工大学， 2016.

[1]	吴川虎,陶于祥,罗小波. 基于Google Earth Engine的重庆市植被指数长时间序列S-G滤波方法的改进与实现[J]. 遥感技术与应用, 2021, 36(5): 1189-1198.
[2]	金岩丽,徐茂林,高帅,万华伟. 2001~2018年三江源地表水动态变化及驱动力分析[J]. 遥感技术与应用, 2021, 36(5): 1147-1154.
[3]	付甜梦,张丽,陈博伟,闫敏. 基于GEE平台的海岛地表覆盖提取及变化监测—以苏拉威西岛为例[J]. 遥感技术与应用, 2021, 36(1): 55-64.
[4]	张坤,刘乃文,高帅,赵书慧. 数据驱动的植被总初级生产力估算方法研究[J]. 遥感技术与应用, 2020, 35(4): 943-949.
[5]	魏聪敏,葛伟鹏,邵延秀,吴东霖. 利用Sentinel-1A合成孔径雷达干涉时间序列监测陇东地区地面沉降变形[J]. 遥感技术与应用, 2020, 35(4): 864-872.
[6]	王树果, 马春锋, 赵泽斌, 魏龙. 基于Sentinel-1及Landsat 8数据的黑河中游农田土壤水分估算[J]. 遥感技术与应用, 2020, 35(1): 13-22.
[7]	罗家顺,邱建秀,赵天杰,王大刚. 基于Sentinel-1数据的黑河中游土壤水分反演[J]. 遥感技术与应用, 2020, 35(1): 23-32.
[8]	麻源源,左小清,麻卫峰. 基于PS-InSAR的天津地区沉降监测及分析[J]. 遥感技术与应用, 2019, 34(6): 1324-1331.
[9]	王磊, 蒋宗立, 刘时银, 上官冬辉, 张勇. 中巴公路沿线冰川运动特征[J]. 遥感技术与应用, 2019, 34(2): 412-423.
[10]	李丹, 杨斌, 陈财. 基于Sentinel-1A数据反演九寨沟地震地表形变场[J]. 遥感技术与应用, 2018, 33(6): 1141-1148.
[11]	林利斌，鲍艳松，左泉，房世波. 基于Sentinel-1与FY-3C数据反演植被覆盖地表土壤水分[J]. 遥感技术与应用, 2018, 33(4): 750-758.
[12]	郝斌飞，韩旭军，马明国，刘一韬，李世卫. Google Earth Engine在地球科学与环境科学中的应用研究进展[J]. 遥感技术与应用, 2018, 33(4): 600-611.
[13]	张滔，唐宏. 基于Google Earth Engine的京津冀2001~2015年植被覆盖变化与城镇扩张研究[J]. 遥感技术与应用, 2018, 33(4): 593-599.
[14]	刘畅，李震，张平，田帮森，周建民. 基于Google Earth Engine评估新疆西南部MODIS积雪产品[J]. 遥感技术与应用, 2018, 33(4): 584-592.
[15]	胡云锋，商令杰，张千力，王召海. 基于GEE平台的1990年以来北京市土地变化格局及驱动机制分析[J]. 遥感技术与应用, 2018, 33(4): 573-583.

Viewed

Full text

Abstract

Cited

Shared

Discussed