洪澇災(zāi)害衛(wèi)星遙感智能監(jiān)測(cè)技術(shù)規(guī)范編制說明_第1頁
洪澇災(zāi)害衛(wèi)星遙感智能監(jiān)測(cè)技術(shù)規(guī)范編制說明_第2頁
洪澇災(zāi)害衛(wèi)星遙感智能監(jiān)測(cè)技術(shù)規(guī)范編制說明_第3頁
洪澇災(zāi)害衛(wèi)星遙感智能監(jiān)測(cè)技術(shù)規(guī)范編制說明_第4頁
洪澇災(zāi)害衛(wèi)星遙感智能監(jiān)測(cè)技術(shù)規(guī)范編制說明_第5頁
已閱讀5頁,還剩32頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1深圳大學(xué)、浙江中裕通信技術(shù)有限公司。計(jì)劃周洪澇災(zāi)害是影響最嚴(yán)重的自然災(zāi)害之一,發(fā)生頻率和造成的死亡均居世界首位。我國(guó)發(fā)生洪澇災(zāi)害的區(qū)域較廣,包括東南沿海地區(qū),甚至內(nèi)陸傳統(tǒng)干旱面對(duì)嚴(yán)峻的洪澇災(zāi)害及其帶來的不確定性,國(guó)際和國(guó)內(nèi)均出臺(tái)了大量的政達(dá)到未來的減災(zāi)目的,其中超過80%的城市面臨洪澇、暴雨等相關(guān)災(zāi)害。我國(guó)點(diǎn)領(lǐng)域主題,其中就包括關(guān)注重大自然災(zāi)害檢測(cè)與預(yù)防主題,國(guó)家要求重點(diǎn)發(fā)2因此,洪澇災(zāi)害的防災(zāi)減災(zāi)是國(guó)家發(fā)展的重大戰(zhàn)略需求。衛(wèi)星遙感技術(shù)作為當(dāng)前防災(zāi)減災(zāi)的重要手段,開展洪澇大范圍、智能化監(jiān)測(cè),全面了解和掌握洪澇災(zāi)害信息,為應(yīng)急救災(zāi)提供可靠的資料和依據(jù),已成為防災(zāi)減災(zāi)的迫切需鑒于此,本標(biāo)準(zhǔn)聚焦洪澇災(zāi)害監(jiān)測(cè)問題,總結(jié)團(tuán)隊(duì)長(zhǎng)期以來在衛(wèi)星遙感智能信息處理、洪澇災(zāi)害監(jiān)測(cè)等領(lǐng)域積累的技術(shù)經(jīng)驗(yàn),制定洪澇災(zāi)害的衛(wèi)星遙感智能監(jiān)測(cè)技術(shù)規(guī)范,以應(yīng)對(duì)由暴雨洪水、潰壩洪水等引發(fā)的洪澇災(zāi)害,為監(jiān)管單位與應(yīng)急救災(zāi)人員提供遙感數(shù)據(jù)獲取、洪澇災(zāi)情提取、智能監(jiān)測(cè)技術(shù)方法、編制任務(wù)下達(dá)后,武漢大學(xué)為牽頭單位,長(zhǎng)安大學(xué)、深圳大學(xué)、浙江中裕通信技術(shù)有限公司共同成立了編制組。編制組成員包括總體技術(shù)負(fù)責(zé)人和長(zhǎng)期表1編制組人員分工序號(hào)姓名單位任務(wù)分工備注1袁強(qiáng)強(qiáng)武漢大學(xué)標(biāo)準(zhǔn)起草項(xiàng)目組長(zhǎng),負(fù)責(zé)方案、起草和編制說明編寫工作2李振洪長(zhǎng)安大學(xué)標(biāo)準(zhǔn)起草項(xiàng)目組副組長(zhǎng),參加方案確定、標(biāo)準(zhǔn)把關(guān)和工作協(xié)調(diào)3蘇鑫武漢大學(xué)負(fù)責(zé)規(guī)范技術(shù)路線確定、大綱框架確定、標(biāo)準(zhǔn)編寫等工作4朱武長(zhǎng)安大學(xué)負(fù)責(zé)規(guī)范技術(shù)路線確定、標(biāo)準(zhǔn)編寫及審稿工作5張雙成長(zhǎng)安大學(xué)負(fù)責(zé)標(biāo)準(zhǔn)部分內(nèi)容起草編寫,收集部分資料6焦洪贊武漢大學(xué)負(fù)責(zé)標(biāo)準(zhǔn)部分內(nèi)容起草編寫,收集部分3資料7劉寧長(zhǎng)安大學(xué)負(fù)責(zé)標(biāo)準(zhǔn)部分內(nèi)容起草編寫,收集部分資料8汪馳升深圳大學(xué)負(fù)責(zé)標(biāo)準(zhǔn)部分內(nèi)容起草編寫,進(jìn)行標(biāo)準(zhǔn)審核、校正工作9陳智鵬深圳大學(xué)負(fù)責(zé)標(biāo)準(zhǔn)部分內(nèi)容起草編寫,進(jìn)行標(biāo)準(zhǔn)審核、校正工作孔潔浙江中裕通信技術(shù)有限公司負(fù)責(zé)標(biāo)準(zhǔn)部分內(nèi)容起草編寫,進(jìn)行標(biāo)準(zhǔn)審核、校正工作林挺浙江中裕通信技術(shù)有限公司負(fù)責(zé)標(biāo)準(zhǔn)資料收集,標(biāo)準(zhǔn)修改與校正工作2022年9月—2022年11月,編制組開展了大量的調(diào)研工作,包括國(guó)內(nèi)外有關(guān)現(xiàn)有標(biāo)準(zhǔn),以及洪澇災(zāi)害衛(wèi)星遙感智能監(jiān)測(cè)技術(shù)的實(shí)際實(shí)施情況,編制組2022年12月—2023年3月,以標(biāo)準(zhǔn)草案為基礎(chǔ),編制組又以電話、社交軟件、電子郵件和視頻會(huì)議的形式與測(cè)繪領(lǐng)域生產(chǎn)作業(yè)單位、大學(xué)、科研院所的多位技術(shù)專家和生產(chǎn)專家進(jìn)行多次交流探討,并根據(jù)專家意見對(duì)標(biāo)準(zhǔn)草案進(jìn)技術(shù)研討與驗(yàn)證會(huì),對(duì)標(biāo)準(zhǔn)草案進(jìn)行討論與修改,經(jīng)過項(xiàng)目組各方協(xié)作,完成長(zhǎng)安大學(xué)、陜西測(cè)繪地理信息局、中交武漢智行國(guó)際工程咨詢有限公司等單位4針對(duì)洪澇災(zāi)害地域覆蓋范圍廣泛、誘因復(fù)雜多樣等特點(diǎn),在系統(tǒng)性總結(jié)目前人工智能技術(shù)的基礎(chǔ)上,提煉智能化洪澇災(zāi)情提取的核心關(guān)鍵內(nèi)容,形成適作為指導(dǎo)實(shí)際生產(chǎn)作業(yè)的技術(shù)建議規(guī)范,應(yīng)具有實(shí)際可操作性。利用近年來真實(shí)洪澇災(zāi)害數(shù)據(jù)進(jìn)行技術(shù)驗(yàn)證,記錄并形成規(guī)范化操作流程,指導(dǎo)技術(shù)規(guī)技術(shù)可靠性是技術(shù)規(guī)范的重要目標(biāo),通過交叉驗(yàn)證、實(shí)際洪澇災(zāi)情應(yīng)用等人工智能技術(shù)發(fā)展迅速,新理論與新技術(shù)層出不窮,不同的技術(shù)路線差異較大,應(yīng)系統(tǒng)性總結(jié)當(dāng)前主流人工智能技術(shù),在保障實(shí)際可操作性、效果可靠5借助人工智能技術(shù)與手段,利用衛(wèi)星影像進(jìn)行洪澇災(zāi)害信息提取是目前學(xué)術(shù)界、工業(yè)界的熱門研究發(fā)展方向。Bentivoglio等人對(duì)目前主流用于洪澇災(zāi)情信息提取的深度學(xué)習(xí)方法,主要包括以卷積神經(jīng)網(wǎng)絡(luò)為主的圖像分割方法、地物分類方法、多時(shí)相變化檢測(cè)方法,洪澇區(qū)域檢測(cè)的精度達(dá)到85%以上。Paul等人利用哨兵1號(hào)衛(wèi)星影像數(shù)據(jù),設(shè)計(jì)使用高置信度和低置信度標(biāo)記數(shù)據(jù)訓(xùn)練多個(gè)UNet架構(gòu)的集成模型,在未標(biāo)記的測(cè)試數(shù)據(jù)集上生成偽標(biāo)簽或簽,然后將生成的標(biāo)簽與先前可用的高置信度標(biāo)記數(shù)據(jù)集組合,通過迭代訓(xùn)練優(yōu)化,實(shí)現(xiàn)半監(jiān)督的洪澇災(zāi)害檢測(cè)。眭海剛等人提出了一種多模態(tài)序列遙感影像一體化配準(zhǔn)與洪澇災(zāi)害自動(dòng)變化監(jiān)測(cè)方法,利用深度特征和語義信息實(shí)現(xiàn)災(zāi)前列遙感影像實(shí)現(xiàn)洪水變化監(jiān)測(cè)和災(zāi)損信息提取。劉勇等人提出了一種結(jié)合分類行分類,判斷影像是否受災(zāi),基于輸入影像和分類檢測(cè)結(jié)果,判斷洪澇區(qū)域。車并通過試驗(yàn)證明了該方法可以實(shí)現(xiàn)高精度,高效的洪所使用的衛(wèi)星數(shù)據(jù)要求、檢測(cè)方法和處理流程,這項(xiàng)導(dǎo)則主要基于傳統(tǒng)的遙感圖像像素閾值法進(jìn)行水體檢測(cè),通過前后比對(duì)達(dá)到洪澇區(qū)域的提取。不同于該標(biāo)準(zhǔn)中推薦的人工閾值方法,本標(biāo)準(zhǔn)將目前主流的端到端人工智能方法用于洪目前,國(guó)內(nèi)外研究成果表明,以深度學(xué)習(xí)為代表的人工智能技術(shù)在洪澇災(zāi)6實(shí)驗(yàn)也表明了較好的實(shí)用價(jià)值。然而,目前從事遙感工作的單位在洪澇檢測(cè)中大多獨(dú)立進(jìn)行研究與處理,所用的數(shù)據(jù)處理不同、檢測(cè)方法也沒有統(tǒng)一標(biāo)準(zhǔn),檢測(cè)結(jié)果不盡統(tǒng)一,這為衛(wèi)星遙感洪澇檢測(cè)的應(yīng)用推廣和技術(shù)交流造成不便。為了更好發(fā)揮衛(wèi)星遙感觀測(cè)、人工智能技術(shù)在我國(guó)洪澇災(zāi)害監(jiān)測(cè)中的應(yīng)用,促進(jìn)衛(wèi)星遙感洪澇監(jiān)測(cè)的智能化與規(guī)范化,加強(qiáng)各遙感部門的技術(shù)交流,特制定本標(biāo)準(zhǔn)在制定過程中,廣泛收集了相關(guān)國(guó)家標(biāo)準(zhǔn)和行業(yè)標(biāo)準(zhǔn),作為本標(biāo)準(zhǔn)本標(biāo)準(zhǔn)對(duì)洪澇災(zāi)害衛(wèi)星遙感智能檢測(cè)的處理流程進(jìn)行了相應(yīng)的建議,規(guī)范了洪澇災(zāi)害下利用人工智能技術(shù)對(duì)衛(wèi)星遙感數(shù)據(jù)進(jìn)行處理,獲取洪澇區(qū)、受災(zāi)路網(wǎng)、受災(zāi)建筑物、受災(zāi)耕地等災(zāi)情信息,可用于指導(dǎo)基于人工智能技術(shù)的衛(wèi)本標(biāo)準(zhǔn)的任務(wù)是規(guī)范并指導(dǎo)使用人工智能技術(shù)進(jìn)行衛(wèi)星影像的洪澇災(zāi)情檢測(cè)作業(yè),相較于人工標(biāo)繪具有較快的處理速度,相較于傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)具有較高的檢測(cè)精度。編制組進(jìn)行了大量的調(diào)研、資料收集,并使用真實(shí)數(shù)據(jù)進(jìn)行7大量實(shí)驗(yàn)用于技術(shù)驗(yàn)證,編制過程中與陜西測(cè)繪地理信息局、中交武漢智行國(guó)際工程咨詢有限公司、廣東省自然資源廳技術(shù)中心等單位的專家進(jìn)行交流和探討,充分利用編制單位的自身?xiàng)l件,總結(jié)凝練了人工智能洪澇災(zāi)情檢測(cè)處理經(jīng)洪澇災(zāi)害衛(wèi)星遙感智能檢測(cè)技術(shù)規(guī)范的主要處理流程如下圖所示,主要包括路網(wǎng)、建筑物、耕地?cái)?shù)據(jù)收集,衛(wèi)星光學(xué)影像、SAR影像遙感數(shù)據(jù)收集與處理,洪澇區(qū)智能識(shí)別數(shù)據(jù)集的人工標(biāo)注與構(gòu)建、洪澇區(qū)智能識(shí)別、災(zāi)情信息統(tǒng)8過研究總結(jié)上述衛(wèi)星影像的預(yù)處理內(nèi)容,確定了本標(biāo)準(zhǔn)的衛(wèi)星影像數(shù)據(jù)以及路網(wǎng)數(shù)據(jù)、建筑物數(shù)據(jù)、耕地?cái)?shù)據(jù)收集與預(yù)處理內(nèi)容。目前深度學(xué)習(xí)算法依賴高質(zhì)量的人工標(biāo)注數(shù)據(jù)集,通過總結(jié)目前主流的卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法,確9選擇交叉熵?fù)p失為模型代價(jià)函數(shù)。使用標(biāo)注的數(shù)據(jù)集進(jìn)行模型訓(xùn)練、驗(yàn)證與測(cè)星影像的變化區(qū)域,達(dá)到洪澇區(qū)識(shí)別的目的。通過總結(jié)與試驗(yàn)?zāi)壳爸饕纳疃冗^收集整理災(zāi)前數(shù)據(jù)(包括路網(wǎng)數(shù)據(jù)、建筑物數(shù)據(jù)、耕地?cái)?shù)據(jù),洪澇區(qū)智能識(shí)洪澇區(qū)智能識(shí)別結(jié)果圖(包括洪澇區(qū)檢測(cè)結(jié)果圖像、受災(zāi)路網(wǎng)檢測(cè)結(jié)果圖像、程、受災(zāi)建筑物面積、受災(zāi)耕地面積等信息,結(jié)合實(shí)際情況,確定了洪澇信息本標(biāo)準(zhǔn)涉及衛(wèi)星光學(xué)影像、SAR影像、路網(wǎng)數(shù)據(jù)、建筑物數(shù)據(jù)、耕地?cái)?shù)據(jù)收集受災(zāi)區(qū)域的路網(wǎng)、建筑物、耕地等數(shù)據(jù),該部分?jǐn)?shù)據(jù)主要用于后續(xù)受過10%。影像應(yīng)圖面清晰,無數(shù)據(jù)丟失,無明顯條紋、噪聲,定位準(zhǔn)確,無嚴(yán)洪澇區(qū)地表覆蓋情況選擇合適的波段。若洪澇區(qū)地表植被覆蓋較多,宜選擇長(zhǎng)波長(zhǎng)、穿透性強(qiáng)的L波段圖像;若洪澇區(qū)內(nèi)建筑物較多,宜選擇波長(zhǎng)較短的X準(zhǔn)。首先,通過幾何配準(zhǔn)方法計(jì)算兩景衛(wèi)星影像之間偏移量,進(jìn)行影像配準(zhǔn)。其次,通過仿射變化將其中一景影像重采樣到另外一景影像相同的格網(wǎng)上。最后,根據(jù)重疊區(qū)域、任務(wù)要求區(qū)域進(jìn)行配準(zhǔn)后影像裁切。通過匹配算法和匹配度閾值選擇基準(zhǔn)影像和待配準(zhǔn)影像重疊區(qū)的連接點(diǎn),通過多項(xiàng)式、放射變化和人工標(biāo)準(zhǔn)數(shù)據(jù)是深度學(xué)習(xí)算法的重要基礎(chǔ),可以用于深度學(xué)習(xí)算法模型的訓(xùn)練與測(cè)試,標(biāo)注數(shù)據(jù)集的好壞直接關(guān)系智能算法結(jié)果的優(yōu)劣,因此,本標(biāo)準(zhǔn)推薦由專業(yè)人士目視判讀,借助成熟的圖像處理軟(a)人工標(biāo)注示例,從左到右分別為災(zāi)前影像、災(zāi)后影像、標(biāo)注結(jié)果圖像(b)標(biāo)注文件示例,包括*tiff、*.txt文件(c)標(biāo)注文件“*.txt”內(nèi)容示例監(jiān)督變化檢測(cè)則利用已有的標(biāo)記數(shù)據(jù)設(shè)計(jì)和訓(xùn)練具有較強(qiáng)學(xué)習(xí)能力的網(wǎng)絡(luò),從而有效地捕捉數(shù)據(jù)的抽象特征,獲得高質(zhì)量的變化檢測(cè)結(jié)果。實(shí)際中監(jiān)督變化檢測(cè)通常相較于非監(jiān)督變化檢測(cè)能夠取得較為理想的效果,因此,本標(biāo)準(zhǔn)建議此外,變化檢測(cè)算法多樣化,以卷積層、池化層、激活層、全連接層、殘差連接、空間注意力、通道注意力等具體深度學(xué)習(xí)模塊為基礎(chǔ),可以搭建多種自編碼器網(wǎng)絡(luò)包含一個(gè)編碼、解碼特征提取網(wǎng)絡(luò),編碼器通過輸入層,一層隱藏層,一個(gè)輸出層,經(jīng)過特征作差之后,輸入自表達(dá)網(wǎng)絡(luò)進(jìn)行差異特征提深度置信網(wǎng)絡(luò)網(wǎng)絡(luò)利用雙分支的經(jīng)典神經(jīng)網(wǎng)絡(luò)為特征提取模塊,每個(gè)分支包含一個(gè)輸入成,三個(gè)隱藏層,一個(gè)輸出層,輸出層的深度特征輸入慢特征分雙時(shí)相圖像分別輸入到孿生網(wǎng)絡(luò)的兩個(gè)分支中,兩個(gè)分支的參數(shù)共享。兩個(gè)相同的卷積濾波器對(duì)兩幅影像進(jìn)行特征提取,并形成相同位置的特征圖。孿生網(wǎng)絡(luò)分別提取雙時(shí)相的圖像特征后,連接兩個(gè)分支的特征來確保信息的完整性。為了保持高分辨率特征和細(xì)粒度的位置信息,在編碼器與解碼器間使用了稠密跳過上采樣得到原尺寸的語義分割圖像。全卷積神經(jīng)網(wǎng)絡(luò)的輸入可以為任意尺寸建議選擇自編碼網(wǎng)絡(luò)、U型網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、孿生網(wǎng)絡(luò)作為洪澇區(qū)智標(biāo)注的洪澇區(qū)智能識(shí)別標(biāo)注數(shù)據(jù)集)與洪澇區(qū)智能識(shí)別模型預(yù)測(cè)結(jié)果的交叉熵根據(jù)標(biāo)注的訓(xùn)練集分別訓(xùn)練光學(xué)影像、SAR影像的洪澇區(qū)智能識(shí)別模型,模型訓(xùn)練與驗(yàn)證階段,使用標(biāo)注的訓(xùn)練集,利用梯度下降等優(yōu)化算法,調(diào)整洪澇區(qū)智能識(shí)別模型參數(shù),以最小化模型代價(jià)函數(shù);使用驗(yàn)證集,利用總體精度指標(biāo),評(píng)估模型的訓(xùn)練效果。根據(jù)經(jīng)驗(yàn),如果模型在驗(yàn)證集上的總體精度低于85%,且比上一次迭代的總體精度有所提升,則需使用訓(xùn)練集繼續(xù)訓(xùn)練模型;如果模型在驗(yàn)證集上的總體精度低于85%,且比上一次迭代的總體精度沒有提升,則需要調(diào)整模型的訓(xùn)練學(xué)習(xí)率、批量大小、優(yōu)化器等超參數(shù),再繼續(xù)模型測(cè)試階段,計(jì)算模型在測(cè)試集上的總體精度,如果精效果低于85%,使用構(gòu)建的洪澇區(qū)智能識(shí)別模型進(jìn)行洪澇區(qū)檢測(cè),獲取洪澇區(qū)檢測(cè)結(jié)果圖。結(jié)合已知的實(shí)際情況,對(duì)結(jié)果圖中明顯錯(cuò)誤的識(shí)別結(jié)果進(jìn)行人工修改,包括刪除在洪澇區(qū)檢測(cè)結(jié)果圖像的基礎(chǔ)上,與受災(zāi)區(qū)災(zāi)前最新的路網(wǎng)、建筑物、耕地?cái)?shù)據(jù)相疊加,即可得到路網(wǎng)、建筑物、耕地受洪澇影響情況。使用時(shí)需注意檢查路網(wǎng)、建筑物、耕地?cái)?shù)據(jù)是否與洪澇監(jiān)測(cè)結(jié)果在同一坐標(biāo)系,如果不使用GIS工具進(jìn)行數(shù)據(jù)疊加分析,比對(duì)洪澇監(jiān)測(cè)結(jié)果與路網(wǎng)、建筑物、耕地?cái)?shù)據(jù),通過空間疊加,提取出受洪澇影響的路網(wǎng)、建筑物、耕地。其中,洪將計(jì)算得到的洪澇區(qū)面積、受災(zāi)建筑物面積、受災(zāi)耕地面積、受災(zāi)路網(wǎng)里獲得洪澇區(qū)智能識(shí)別結(jié)果之后,應(yīng)整理、編目、分類保存洪澇區(qū)智能識(shí)別過程中重要環(huán)節(jié)的各類數(shù)據(jù)和結(jié)果,包括收集的路網(wǎng)數(shù)據(jù)、建筑物數(shù)據(jù)、耕地?cái)?shù)據(jù),以及洪澇區(qū)智能識(shí)別使用的災(zāi)前、災(zāi)后衛(wèi)星影像;完成配準(zhǔn)的災(zāi)前、災(zāi)后衛(wèi)星影像;洪澇區(qū)智能識(shí)別模型訓(xùn)練使用的訓(xùn)練集;洪澇區(qū)檢測(cè)結(jié)果圖像;制作洪澇區(qū)智能識(shí)別圖件成果,如圖3所示,包括配準(zhǔn)后的災(zāi)前、災(zāi)后影像,以及由洪澇區(qū)檢測(cè)結(jié)果圖像、受災(zāi)路網(wǎng)檢測(cè)結(jié)果圖像、受災(zāi)建筑物檢測(cè)結(jié)果圖像、受災(zāi)耕地檢測(cè)結(jié)果圖像組合顯示的強(qiáng)極值高、洪水的來勢(shì)猛、工程出險(xiǎn)多、影響范圍廣,社會(huì)關(guān)注度高、災(zāi)害的了歷史極值,多個(gè)城市發(fā)生嚴(yán)重內(nèi)澇。依托國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目《道路設(shè)施究的變化檢測(cè)算法用于河南洪澇區(qū)域檢測(cè),檢測(cè)結(jié)果如下圖所示,取得較好的鄭州市及周邊地區(qū)高速公路、國(guó)道、省道及城市道路均受到不同程度洪澇災(zāi)害影響。分析結(jié)果顯示,新鄉(xiāng)市東南部、焦作市東南部、鄭州市東北部、開個(gè)市骨干交通網(wǎng)共出現(xiàn)59289處洪澇淹沒路面情況,受影響道路里程約為%,圖5.河南鄭州市2021年洪澇受災(zāi)路網(wǎng)檢測(cè)經(jīng)國(guó)家標(biāo)準(zhǔn)共享服務(wù)平臺(tái)檢索,尚未有已經(jīng)頒布執(zhí)行的相關(guān)國(guó)際標(biāo)準(zhǔn)、他本標(biāo)準(zhǔn)建議了基于深度學(xué)習(xí)的智能化洪澇區(qū)域檢測(cè)方法,與《水旱災(zāi)害遙方法具有較高的檢測(cè)精度,并且具有更廣適應(yīng)性,能夠應(yīng)對(duì)密集城區(qū)、城鄉(xiāng)結(jié)建議本標(biāo)準(zhǔn)在國(guó)家和地方自然資源主管部門、自然災(zāi)害偵測(cè)科研機(jī)構(gòu)等從本標(biāo)準(zhǔn)發(fā)布后,由自然資源技術(shù)中心負(fù)責(zé)標(biāo)準(zhǔn)的技術(shù)支持,通過加強(qiáng)標(biāo)準(zhǔn)的宣傳、培訓(xùn)等工作,加快推進(jìn)有關(guān)部門對(duì)標(biāo)準(zhǔn)的了解,引導(dǎo)標(biāo)準(zhǔn)使用者規(guī)范使用本標(biāo)準(zhǔn)。同時(shí)隨著使用單位名

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論