排序方式： 共有3条查询结果，搜索用时 109 毫秒
1
1.
时空遥感云计算平台PIE-Engine Studio的研究与应用 总被引：1，自引：0，他引：1
随着遥感大数据时代的到来,为快速处理和分析海量遥感数据,国内外涌现了众多遥感云计算平台,使得全球尺度、长时间序列遥感数据的快速分析和应用成为可能。本文在分析国内外遥感云计算平台现状的基础上,针对大数据时代国内缺少功能完备的遥感云计算平台,且国外遥感云计算平台对国产卫星数据支持不足等问题,基于容器云技术,构建了包含国产卫星数据且集数据、算力和技术于一体的时空遥感云计算平台PIE（Pixel Information Expert）-Engine Studio,实现了脚本驱动的遥感数据的按需获取以及海量数据的快速处理。采用Landsat 8数据,以生长季植被指数NDVI（Normalized Difference Vegetation Index）的计算为例,对比了本平台与GEE（Google Earth Engine）的数据处理能力。结果表明,由于计算资源的限制,本平台的计算和导出时间均比GEE稍长,但计算结果的空间分布一致,其中近68%的值均分布在（0.48,0.77）,且二者差值的95.33%集中在（-0.13,0.13）,结果较为可信。因此,本文构建的基于共享、开放的中国自主遥感云计算平台PIE-Engine Studio,可为地球科学领域的研究提供数据和算力支持,将有助于推进中国遥感云计算平台的发展进程,推动国产卫星数据在云计算平台上的应用。 相似文献
2.
针对当前滤波算法在处理地形不连续区域或存在复杂建筑物区域时容易过分＂腐蚀＂地形并难以去除一些低矮植被的不足,提出了一种基于分割的机载LiDAR点云滤波算法。首先,对原始点云基于地表连续性进行分割;然后,在移除点数目较小的粗差点集之后采用对分割点集建立缓冲区的方法,区分地面和非地面点集;在较大地物经过迭代分割基本移除之后,使用约束平面的方法移除高度较小的地表附着物以实现滤波。实验结果表明,与经典滤波算法相比,该算法提高了地面点的分类精度,在滤除地物信息的同时能有效地保留地形特征。 相似文献
3.
传统的水体信息提取主要利用水体反射与吸收光谱特征构建各种光谱指数模型,进行全局像元级的提取。然而,不同水体类型的光谱、空间形态与空间分布特征均有显著差异。对于山区图像而言,山体阴影、冰雪、裸岩等地物的干扰使全局性水体光谱指数模型难以取得很好的提取精度。面向对象的图像分析方法通过对遥感图像进行分割,从全域—局部上耦合分析水体的光谱、空间形态、空间分布与空间关系等特征,构建了通用性强的湖泊信息提取规则集,最终实现湖泊水体信息的自动化提取。通过eCognition软件对Landsat TM图像的实验结果表明,该方法可以完全避免像元级阈值水体信息提取中出现的一些错误的"零星水体",自动且高效地提取出了山区湖泊水体信息,在无云情况下提取精度达95%以上。 相似文献
1