Spacecraft Recovery & Remote Sensing, Volume. 46, Issue 4, 164(2025)
Standardized Remote Sensing Data Processing and Application for Emergency Observation
Figures & Tables(10)
![[in Chinese]](/Images/icon/loading.gif){kind=icon}
Table 1. Satellite observation requirements for various disaster types
View tableView in ArticleTable 1. Satellite observation requirements for various disaster types
灾种 主要数据类型 空间分辨率 重访周期 地震灾害 可见光/近红外/SAR 亚米～20 m 数小时～5 d 地质灾害 可见光/近红外/SAR 亚米～20 m 数小时～5 d 洪涝灾害 可见光/SAR 2 m～5 m 1 d 干旱灾害 高光谱/热红外/微波 100 m 10 d 气象灾害 可见光/近红外 50 m 1 d 森林草原火灾风险 可见光/近红外短波红外/中波红外/长波红外 250 m～ 2000 m10 min～2次/天 海洋灾害 可见光/微波/近红外/短波红外/中红外/热红外 3 m～ 1000 m1～2次/天 城市灾害 可见光/SAR 亚米～1 m 2～4 d
Table 2. Satellite observation requirements for various disaster types
View tableView in ArticleTable 2. Satellite observation requirements for various disaster types
分析尺度 特点 关注重点 具体实例 国家尺度 从宏观层面把握，覆盖范围为整个国家 灾害对全国的整体影响 气候异常对全国粮食 生产的影响 地区尺度 聚焦特定区域，关注灾害传播路径和范围 灾害在特定区域的传播模式 台风路径和暴雨导致 的洪涝范围 目标尺度 深入到城市、社区乃至单体建筑层面 灾害对城市、社区及单体建筑的具体影响 城市基础设施损坏程度、 建筑受损情况
Table 3. Comparison of spatial grid partitioning methods
View tableView in ArticleTable 3. Comparison of spatial grid partitioning methods
特性 五层十五级 GeoSOT 调度效率 精简层级提高了影像调度效率，适用于大多数结构化数据需求 提供较高的空间精度，但在大规模数据调度时计算复杂度较高 异构数据处理能力 对单一数据源优化较好，对多源数据的适配性需要额外预处理 适用于统一格式数据，处理多源异构数据时可能遇到精度和格式转换问题 复杂数据场景 更适合结构化数据场景，灵活性较低，适应复杂数据场景时可能受限 空间统一性较好，适合统一格式数据，但对异构数据的适应能力较弱 标准适配性 符合国家比例尺标准，易于满足工程需求 固定网格划分适合一定标准的影像数据，但对特殊需求的灵活性较差
Tools
Get Citation
Copy Citation Text
Jian YANG, Xiaofei MI, Zhiqiang SHEN, Zhenzhao JIANG, Xiangzhi HUANG, Yu WU, Gengke WANG, Tao YU, Fangrong GUO. Standardized Remote Sensing Data Processing and Application for Emergency Observation[J]. Spacecraft Recovery & Remote Sensing, 2025, 46(4): 164
Paper Information
Category: Remote Sensing Application Services
Received: Jan. 26, 2025
Accepted: --
Published Online: Sep. 12, 2025
The Author Email: Xiaofei MI (mixf@aircas.ac.cn)
© Copyright 2018-2021 | Chinese Laser Press.
All Rights Reserved 沪ICP备15018463号-20