Satellite Imagery
위성 이미지

최적화된 디지털 고도 모델 및 미세 규모 토지 이용/토지 피복 정보는 고해상도 범크로마틱 및 다중 스펙트럼 광학 및 마이크로웨이브 위성 이미지를 사용하여 생성됩니다.

해석된 SRTM-30 위성 이미지 및 디지털 고도 모델을 기반으로 하는 작업을 통해 i) ~7Ma 지속 SKR 시스템의 고도로 분할된 배열을 묘사하고, ii) 2단계 운동학적 균열 모델을 설정 이는 변칙적으로 전파되는 균열 구조의 측면 점프 및 축외 발달뿐만 아니라 체포에 대한 유전된 가로 불연속성의 역할을 강조합니다. iii) 전체 확장에 대한 경계 대 내부 단층 네트워크의 상대적 기여도를 정의합니다. 7~6km로 추정(11.

고해상도 위성 이미지는 상세한 도시 매핑에 널리 적용되었습니다.

이 리뷰에서 우리는 자연림 모니터링을 위한 새로운 고해상도 위성 이미지의 유망한 잠재력에 주목했습니다.

본 연구에서는 Dongping County를 사례로 Landsat TM 위성영상과 경작지 비옥도 평가 데이터를 이용하여 지표수용량지수(SWCI)와 정규화차 식생지수(NDVI)를 기반으로 수분 식생 비옥도 지수(MVFI)를 구축하였다. , 그리고 최적의 역전 모델을 최적화하여 최상의 역전 모델을 얻었고, 이를 카운티 규모에서 추가로 적용하고 검증하였다.

분석은 Sentinel-2 위성 이미지 데이터 세트를 사용하여 2017년부터 2020년까지 NDVI(Normalized Difference Vegetation Index)를 측정하여 수행하고 ArcGIS Pro 2에서 처리합니다.

저자는 합성 개구 레이더(SAR) 위성 이미지에서 감지할 수 있는 레이더 반사기를 배치하여 재난 발생 후 취약한 사람들이 자신의 위치와 필요 사항을 대응 팀에 알릴 수 있도록 하는 제안을 개발하고 있습니다.

광학 및 합성 조리개 레이더(SAR) 센서에서 위성 데이터, 특히 개방형 액세스 위성 이미지가 지속적으로 확산됨에 따라 다운스트림 애플리케이션의 수가 빠르게 증가하고 있습니다.

1986년부터 2016년까지 해안선 변화는 지리 정보 시스템(GIS) 환경 내에서 Landsat 위성 이미지를 사용하여 아치형 니제르 삼각주의 서부, 중부 및 동부 섹션과 비교되었습니다.

여러 응용 분야에서 원격 감지(RS) 및 지리 정보 시스템(GIS) 응용 프로그램의 급속한 성장과 발전은 많은 연구자들이 위성 이미지에서 광범위한 정보를 분석하는 데 도움이 되었습니다.

10년 간격으로 1월에 획득한 Landsat 3, 4, 5, 8 위성영상에서 시가지 변화를 추출하기 위해 원격탐사 및 GIS 기반 토지이용/토지피복분류를 수행하였다.

CNN(Convolutional Neural Networks)을 사용하는 위성 이미지에서 Land Use Land Cover(LULC)의 더 나은 분류를 달성하기 위해 머신 러닝의 DL(딥 러닝) 하위 집합이 이 작업에 적용되었습니다.

<p>우리의 목표는 발트해 동부에 대한 MRCC(Marine Search and Rescue Service) 리가 데이터에 따라 기름 유출을 사용하여 사내 수학적 드리프트 모델의 성능을 조사하는 것이었습니다.</p>< p>2016년에 라트비아 영해에서 위성 이미지가 바다 표면의 잠재적인 해양 오염을 식별한 15건의 사례가 있었습니다.

&#160;</p><p>프로젝트의 구체적인 목표는 다음과 같습니다. 1) AI 및 딥 러닝(DL)의 최신 발전을 기반으로 하는 새로운 시공간 모니터링 애플리케이션의 개발을 탐색하고 자극합니다. 2) Copernicus 고해상도 위성 이미지와 타사 초고해상도 이미지의 융합을 시연합니다. 3) 오늘날 가능한 것보다 훨씬 더 높은 수준의 세부 사항 및 시간적 흐름에서 토지 이용 및 토지 피복, 토지 이용 변화에 대한 강화된 모니터링을 제공합니다.

우리는 위성 이미지에서 토지 피복 변화를 분석하고 바이오매스, 네크로매스 및 토양(0~30cm) 풀에서 탄소 축적량을 측정했습니다.

범람으로 인한 토지피복변화는 저수지 수변지역의 위성영상 시계열 자료 분석을 통해 정량화하였다.

그리고 비형성 기반은 정보를 얻는 전통적인 방법에서 파생된 데이터, 그 중 새로운 기술인 무인 항공기, 고해상도 위성 이미지 레이저 스캐닝, 컴퓨터 시스템 개발, 클라우드 스토리지 정보 기반 네트워크 솔루션, 빅 데이터 " 빅데이터'와 블록체인 '블록체인' 등

이 연구는 40km2 만의 위성 이미지에 대한 머신 러닝 분류 정보를 제공하기 위해 초원 규모에서 해초 범위에 대한 계절 무인 항공기(UAV) 조사를 사용하여 저렴한 고주파수 이미징 플랫폼의 가용성 증가를 기반으로 합니다.

우리는 안드로스 섬(바하마) 북서쪽의 3,000km2 지역에서 위성 이미지와 새로운 현장 관찰을 사용하여 합성곱 신경망을 훈련하여 5m 해상도의 얼굴 지도를 생성합니다.

이미지 처리 분야의 최근 발전을 감안할 때, 이 연구의 목적은 위성 이미지에서 산사태 흉터 매핑을 위한 U-Net이라는 심층 컨볼루션 신경망 아키텍처의 성능을 평가하는 것입니다.

키워드 인공 신경망, 데이터 증강, EUMETSAT, 생성적 적대 네트워크, MDEO, MetOp, 원격 감지, 위성 이미지.

그런 다음 위성 이미지 및 기후 데이터를 포함하여 공개적으로 사용 가능한 데이터 소스를 사용하여 인공 신경망(ANN)을 GTWR(지리적 및 시간적 가중 회귀)에 통합하여 GTWNN(지리적 및 시간적 가중 신경망) 모델을 제안했습니다.

딥 러닝 및 위성 이미지를 사용하여 모니터링 및 토지 피복 분류 및 계획의 자동화를 지원할 수 있습니다.

2013년, 2015년, 2019년 여름 Melville Island Cape Bounty에서 초미세빔 Radarsat-2 데이터와 함께 DInSAR을 사용하여 계절 변위 지도를 생성하고 이를 토지피복 분류, 기상 데이터, 지형 데이터, 광학 위성 이미지 및 토양 수분, 토양 온도 및 서리 테이블 깊이의 현장 측정.

본 연구는 2015년부터 2019년까지 SPOT 6 및 SPOT 7 고해상도 위성영상의 원격탐사 기술을 이용하여 해안선 변화 속도를 계산하였다.

원격 감지 기술이 발전함에 따라 위성 이미지의 품질과 해상도가 크게 향상되었습니다.

고해상도의 지연 시간이 긴 위성 이미지를 통해 거의 실시간으로 정확한 홍수 감지는 신속하고 실행 가능한 정보를 제공하여 인명 손실을 방지하는 데 필수적입니다.

이 연구는 거의 실시간 현장 측정과 결합된 Landsat 8 위성 이미지를 사용하여 테네시 강과 테네시 남동부의 지류에 대한 수치적 탁도 추정 모델을 개발했습니다.

이 논문은 고해상도 광학 위성 이미지(≤5m 공간 해상도)를 통한 산림 지상 바이오매스(AGB) 추정 및 매핑에 대한 포괄적인 문헌 검토를 제공합니다.

Sentinel-2(지상 샘플링 거리 10m) 및 PlanetScope(지상 샘플링 거리 3-4m)의 고해상도 광학 위성 이미지의 특징 추적을 통해 2015년 및 2021년 기간 동안 월별 경사 움직임을 평가합니다.

정밀 농업을 수행하는 데 사용되는 기술은 매핑, GPS(Global Positioning System), 수확량 모니터링 및 매핑, 그리드 토양 샘플링 응용 프로그램, 가변 비율 비료 응용 프로그램, 원격 감지, 지리 정보 시스템(GIS), 농장 변동성 정량화, 토양 변동입니다. , 토양 수분 함량의 가변성, 시간 및 공간 저울, 로봇, 드론, 위성 이미지, 사물 인터넷, 스마트폰 및 기계 학습.

공중 및 위성 이미지에서 화재 경계선을 기술하기 전에 캐나다의 화재 관리 기관은 스케치 매핑, GPS(Global Positioning System Unit)의 디지털화 및 지리 좌표의 포인트 버퍼링을 기반으로 화재 지역을 매핑하는 기존 방법을 사용했습니다.

행동 양식 녹지 노출은 2011-2015년 중간 해상도 이미징 분광 복사계를 통해 위성 이미지에서 파생된 잎 면적 지수(LAI) 십분위수를 사용하여 미국 본토 전역의 3,049개 카운티에서 특성화되었습니다.

이 연구는 관개 시설이 잘 된 물에서 옥수수의 잎 면적 지수(LAI), 바이오매스 신선 중량(BFW) 및 엽록소 측정기(Chlm)를 결정하기 위한 방사 측정 지상 기반 데이터와 고해상도 QuickBird 위성 이미지의 잠재력을 평가하는 것을 목표로 했습니다. 이집트 나일 삼각주의 스트레스 및 염분 스트레스 지역.

연간 클라우드 기반의 MaSegFil 접근 방식을 사용하여 LULC 사후 분류의 정확도 향상을 테스트하기 위해 ML(Maximum Likelihood), RF(Random Forest) 및 SVM(Support Vector Machine)의 세 가지 디지털 분류 접근 방식을 적용했습니다. 2019년부터 Landsat 8 위성 이미지 데이터를 무료로 제공합니다.

그런 다음 다중 시간 HSI 위성 이미지를 분류하기 위해 MK-SVM(Multi kernel-based support vector machine) 기반 지도 머신 러닝 분류가 사용됩니다.

수년간(2013-2015) MODIS 위성 이미지에서 식생 성장 시즌 길이 및 지표 온도 추정치를 도출했으며 LCZ(Local Climate Zone) 분류를 사용하여 도시 형태를 특성화했습니다.

그럼에도 불구하고 지난 20년 동안 위성 이미지에서 파생된 지표 온도(LST)를 기반으로 정량화된 UHI의 한 형태인 지표 UHI(SUHI)와 토지 사용/피복과의 관계에 대한 연구 수가 상당히 증가했습니다. (LULC) 변경됩니다.

이 논문에서 우리는 고해상도 위성 이미지와 식물 지수를 사용하여 고고학적 유적지의 특성(식물성 생산성 및 지구화학적 특성)을 문서화된 고고학 자료가 없는 위치의 특성과 비교함으로써 인간-경관 공진화의 유산을 드러냅니다.

우리는 고해상도 위성 이미지를 사용하여 베르데 잔해로 덮인 빙하, 몬테 트로나도르 및 칠레 남부의 연못 절벽 시스템과 표면 속도를 설명합니다.

Planetscope 위성 이미지는 도시 지역의 녹지 공간을 식별하는 데 사용할 수 있는 고해상도 위성 이미지입니다.

WorldView-2 및 Dubaisat-2 위성으로 획득한 여러 고해상도 위성 이미지와 중간 해상도 Sentinel-2 위성 이미지가 실험에 사용됩니다.

Sentinel-2 및 Landsat 8 위성 이미지와 같은 원격 감지 데이터를 사용하여 2019년 Razdolnaya 접경 강 유역의 토지 피복 및 토지 이용 지도가 ArcMap 10을 통해 구성되었습니다.

본 연구에서 사용한 방법은 (1) 인도네시아의 Earth View Map(RBI)에서 얻은 2001년 토지이용도를 사용하는 반면, 2018년 토지이용도는 Maxar Technologies에서 발행한 Quickbird 위성영상을 디지털화하여 얻은 것이다. 발행 연도는 2018년 9월 5일입니다.

이 연구에서 우리는 2012년과 2018년 사이에 B30 판형 빙산의 면적, 건현, 두께 및 부피의 변화를 추적하기 위해 CryoSat-2 위성 고도계와 MODIS 및 Sentinel-1 위성 이미지를 결합합니다.

이 연구에서 우리는 2012년과 2018년 사이에 B30 판형 빙산의 면적, 건현, 두께 및 부피의 변화를 추적하기 위해 CryoSat-2 위성 고도계와 MODIS 및 Sentinel-1 위성 이미지를 결합합니다.

여기서 우리는 ChEZ에 대한 강력한 토지 피복 및 산림 마스크 제품을 도출하기 위해 시간 분할 알고리즘 LandTrendr을 사용하여 처리된 Landsat 위성 이미지(1986–2020)의 밀집 시계열을 활용합니다.

식생 활동을 설명하는 광학 위성 이미지의 조밀한 시계열은 식생의 효율적이고 정기적인 모니터링을 위한 필수 정보를 제공합니다.

</p><p>고해상도 위성 이미지에서 해양 쓰레기 탐지를 위한 기계 학습 분류 프레임워크 세트를 제시하고 전체 성능을 질적 및 양적으로 비교합니다.

다음으로, 모기장 데이터가 없는 장소의 위험을 예측하기 위해 기계 학습 분류 도구를 사용하여 위성 이미지에서 파생된 환경 변수와 시간 패턴의 연관성을 평가하고 도시 지역의 시간 패턴을 예측하여 최종적으로 모기장과의 관계를 테스트합니다. 뎅기열 발병.

179,168km2, 60개 선진국 인구 2억 3000만 명에 달하는 90개 글로벌 도시의 고해상도 위성 이미지에서 도시 녹지 점수(UGS)를 측정하여 도시 녹지 면적과 GDP가 국가의 행복과 상관관계가 있음을 발견했습니다. 수준.

공공 도시 녹지 공간은 도시 삶의 질에 중요 하지만 대부분의 도시에서는 도시 녹지 공간에 대한 포괄적인 공개 데이터 세트를 사용할 수 없습니다. 개방적이고 전 세계적으로 사용 가능한 데이터 세트로서 Sentinel-2 위성 이미지 및 OpenStreetMap(OSM) 데이터의 잠재력 도시 녹지 매핑은 높지만 각각의 불확실성으로 인해 제한적 모든 곳에서 동일한 수준의 완전성으로 이러한 제한 사항을 해결하기 위해 불확실성을 명시적으로 고려하여 이러한 데이터 세트를 융합할 것을 제안합니다. Sentinel-2 파생 정규화 식생 지수는 Dempster-Shafer 이론을 사용하여 탐지를 향상시키기 위해 OSM 데이터와 융합되었습니다. 베이지안 하이를 사용하여 공공 녹지 공간과 사설 녹지 공간을 구분했습니다. 계층적 모델 및 OSM 데이터 분석은 OSM 데이터에서 파생된 토지 사용 구획을 기반으로 수행되었으며 독일 드레스덴 시에서 테스트되었습니다. 공공 도시 녹지 공간의 최종 지도의 전체 정확도는 95%였으며 주로 다음의 불확실성에 영향을 받았습니다. 공공 접근성 모델.

우리는 2003년부터 2016년까지 전체 Big Bend 지역을 포함하는 Landsat 위성 이미지로 이러한 연구를 복제하고 업데이트했으며 현장 풍경 사진과 고해상도 항공 이미지로 결과를 확증했습니다.

UAV 사진 측량 및 역사적 위성 이미지에서 수집된 고해상도 항공 사진, 시추공 탐사에서 밝혀진 지하 층서학적 구성 및 수집된 국지 강우 데이터를 기반으로 이 산사태의 실패 메커니즘을 자세히 조사합니다.

Landsat 위성 이미지는 토지피복 매핑을 위해 선택되었으며, 토지피복 특성을 식별하기에 충분한 세부사항을 제공하는 동시에 행동 영역의 어느 정도 완전한 범위를 제공합니다.

지난 수십 년 동안 개방형 위성 이미지의 개선과 다양화 덕분에 토지 덮개 매핑 기술이 크게 발전했습니다.

한편, 기존의 자연재해 데이터셋은 공간해상도가 낮고 재방문 기간이 긴 위성영상이 주를 이루고 있다.

그러나 이러한 데이터베이스는 낮은 공간 해상도 위성 이미지에서 파생된 열 이상 현상을 이용하므로 특히 아일랜드에서 흔히 볼 수 있는 광범위한 구름 덮개가 지속되는 경우 작고 단명한 화재가 많이 누락될 수 있습니다.