低剂量多时相CTA联合CTP在大脑中动脉狭窄脑卒中侧支循环评估中的应用价值

目的:探究低剂量多时相CT血管成像(CTA)联合CT灌注(CTP)在大脑中动脉狭窄脑卒中侧支循环评估中的应用价值。方法:选取2021年8月—2023年3月新疆医科大学附属中医医院收治的脑卒中患者80例,所有患者均接受多时相CTA、CTP检查,以数字减影血管造影(DSA)诊断结果为金标准,比较多时相CTA、多时相CTA联合CTP对脑卒中患者侧支循环的诊断效能,比较不同侧支循环状态患者多时相CTA图像中血管狭窄程度差异,并比较不同侧支循环状态患者的灌注参数[相对脑血流量(rCBF)、相对脑血容量(rCBV)、相对平均通过时间(rMTT)、相对最大峰值时间(rTTP)]和预后结局差异。结果:DSA检查结果显示,侧支循环不良35例,侧支循环良好45例;多时相CTA对侧支循环的评估结果与DSA诊断结果一致性一般(Kappa值=0.588);多时相CTA联合CTP对侧支循环的评估结果与DSA诊断结果一致性较好(Kappa值=0.846);多时相CTA联合CTP评估侧支循环的准确率高于多时相CTA,差异有统计学意义(P<0.05);侧支循环不良组的血管狭窄程度与侧支循环良好组存在差异,差异有统计学意义(P<0.05);侧支循环不良组的rCBF、rCBV均低于侧支循环良好组,差异有统计学意义(P<0.05);两组的rMTT、rTTP比较,差异无统计学意义;侧支循环不良组的预后不良占比高于侧支循环良好组,差异有统计学意义(P<0.05)。结论:低剂量多时相CTA联合CTP在大脑中动脉狭窄脑卒中患者侧支循环评估中具备较高的准确率、灵敏度和特异度,在脑卒中患者侧支循环状态和预后结局的评估中具备一定参考价值。

基于多时相Sentinel-2卫星影像的冬小麦面积提取

及时准确地提取冬小麦种植信息,对开展冬小麦农情遥感监测具有重要的意义.以杭州市余杭区冬小麦越冬期(2021-12-04)、扬花期(2022-04-08)和乳熟期(2022-05-03)Sentinel-2遥感影像为数据源,分别采用最大似然法、支持向量机、归一化差值植被指数(normalized difference vegetation index,NDVI)相加和相减合成运算提取冬小麦种植面积.结合冬小麦地面调查数据与实测种植面积,对不同方法的提取结果进行精度评价.结果显示,利用越冬期影像NDVI阈值将常绿植被区(茶园、林地)掩膜处理,对非常绿植被区(建筑、水体、冬小麦)扬花期与乳熟期影像NDVI值进行和值运算,是提取余杭区冬小麦种植面积的最佳方法,面积精度为91.96%,说明基于多时相遥感影像结合植被物候特征与典型地物类型,能够实现冬小麦种植面积的高精度提取.

基于多时相遥感影像的农安县土壤有机质含量估算

精准获取农田土壤碳储量对确保国家粮食安全及应对气候变化具有重要意义。土壤有机质(Soil Organic Matter,SOM)作为土壤碳库的重要组成部分,采用遥感影像估算SOM的精度受单时相、多时相影像的影响程度,及究竟选取多少景影像进行SOM的估算较为合适尚不清楚。本研究以吉林省长春市农安县为研究区,以2013-2018年Landsat 8遥感影像作为数据源,选取归一化植被指数(Normalized Difference Vegetation Index,NDVI)、比值植被指数(Ratio Vegetation Index,RVI)、有机碳指数(Soil Organic Carbon Index,SOCI)等光谱指数,并提取高程、坡度、坡向、地形湿度指数(Topographic Wetness Index,TWI)等地形因子,及粮食产量、化肥施用量等农田管理措施,采用随机森林算法筛选后的指示因子作为模型的输入变量,构建SOM估算模型。结果表明:相较于使用单时相卫星影像提取的指示因子,使用多时相卫星影像能更好的利用影像多时相信息,对SOM的估算精度较高。随着使用影像年份的增加,模型反演精度会达到上限,本研究中使用数据年限为3年,后续增加使用影像的数量,反演精度基本不变。使用3年影像进行SOM反演的模型验证集精度R^(2)为0.682,RMSE为3.152 g/kg。本研究成果不仅对应用多时相遥感影像进行SOM精准估算具有重要意义,也对农田土壤质量的提升及农业可持续发展具有重要意义。

吡格列酮介入18F-FDG PET/CT多时相显像对孤立性肺结节的鉴别诊断

目的评价吡格列酮(PIO)介入后,18F-FDG PET/CT多时相显像对孤立性肺结节(SPN)的鉴别诊断价值。方法收集东莞东华医院核医学科2020年10月~2023年1月共86例SPN患者,对其行18F-FDG PET/CT多时相(1 h、2 h、4 h)显像,PIO介入后显像的42例为实验组(PIO组),常规显像的44例为对照组(非PIO组),分别测量各结节最大标准化摄取值(SUV_(max1)、SUV_(max2)、SUV_(max4)),计算2 h、4 h延迟显像滞留指数(RI2、RI4),结合病理及随访,分析实验组是否提高对SPN良恶性鉴别诊断效能,采用Mann-Whitney U检验及ROC曲线分析数据。结果各组SUV_(max2)、SUV_(max4)分别与SUV_(max1)比较,差异均有统计学意义(P<0.001)。PIO组内恶性SPN的SUV_(max1)、SUV_(max2)、SUV_(max4)、RI4均高于良性SPN,差异有统计学意义(P<0.05),RI2间的差异无统计学意义(P=0.214)。非PIO组内恶性与良性SPN各值差异均无统计学意义(P>0.05)。两组恶性病变的RI4差异有统计学意义(P=0.034),其余各值差异均无统计学意义(P>0.05)。两组良性病变以上各值的差异均无统计学意义(P>0.05)。以RI>10%为恶性病变的诊断标准,PIO组诊断SPN为恶性病变的准确性、灵敏度、特异度、阳性预测值、阴性预测值均高于非PIO组,4 h各指标均高于2 h。ROC曲线显示,PIO组RI4诊断恶性SPN的曲线下面积为0.732,明显高于其他各组。结论SPN经PIO作用后,4 h 18F-FDG PET/CT延迟显像可一定程度提高恶性肺结节的诊断效能。

基于多时相Sentinel-2A影像的狼毒分布识别

狼毒(Stellera chamaejasme)是近年来青藏高原高寒草地的主要入侵毒杂草之一,及时高效的调查与监测可为狼毒综合防控与退化草地恢复提供重要的技术支持。本研究选取花期前与盛花期的Sentinel-2A多光谱影像,将Google Earth Engine平台去云、环境要素掩膜、特征优选和随机森林分类相结合,探讨区域尺度的狼毒遥感识别方法。结果表明,通过狼毒敏感指数计算,以及Spearman秩相关性分析与随机森林重要性排序相结合的二次降维,提取了7项狼毒分类特征并构建了4个特征组合方案。与单时相特征组合相比,多时相特征组合有效提高了狼毒识别精度,其中,基于随机森林模型的6个特征组合方案的分类总精度为84.62%,狼毒分类精度均大于80%,识别效果最佳。本研究显示,影像去云及掩膜预处理能够有效减少分类干扰信息,花期前与盛花期提取的多时相特征组合增强了狼毒群落与其他群落的影像光谱差异,在区域尺度狼毒遥感识别中具有较好的应用潜力。

基于多时相热红外遥感的理塘盆地地热资源探测

地热能是地球内部一种环保、可再生的地下热能,热量传导至地表会引起地表温度异常。然而,地表温度受到太阳辐射、周期性变化和降水等诸多因素的影响,可能掩盖由地热引起的温度异常。为了解决这些问题并突出地热引起的地表温度异常,文中提出了一种利用Google Earth Engine(GEE)高效快速计算多时相冬季平均地表温度并提取地热异常的方法,并对理塘盆地的地热资源分布特征进行了研究。该方法综合运用多时相冬季平均地表温度对比分析、水体剔除、地形效应抑制等手段来提取地热异常区。结果表明,文中确定的8处地热异常区与断裂构造关系密切,且区内水资源丰富,具备地热资源形成的良好条件,可以作为未来地热勘探的重点方向。研究认为,在高原恶劣环境中,利用多时相平均冬季地表温度识别地热异常是一种高效且经济的方法。

耦合多特征多时相的普洱市优势树种分类研究

利用遥感分类的方法可以快速识别普洱市的优势树种,进一步提升树种覆盖分类的精度,为该区域内森林监测提供参考依据。基于全球尺度遥感云计算平台(Google Earth Engine, GEE),融合经过大气、地形校正后的多时相Sentinel-2数据,识别树种的光谱信息,提取纹理、物候和地形等特征因子,并进行不同的组合,采用分层分类和随机森林(Random forest, RF)的方法对普洱市思茅松、茶树、栎类、橡胶和尾叶桉5个优势树种进行分类。结果表明,多时相影像结合多特征进行分类时地形特征在森林与非森林、针阔林、优势树种上的分类精度高于引入物候和纹理特征。森林与非森林分类的总体精度为99.5%(Kappa=0.98),用户精度和制图精度的调和平均值(F_1)为98.48%;针叶林与阔叶林分类总体精度为98.7%(Kappa=0.96),F_1为97.64%;优势树种分类总体精度为85.83%(Kappa=0.80),F_1为85.19%;优势树种主要分布于海拔1 300~1 700 m的西坡、西南坡和南坡方向的陡坡上。在多时相影像中提取多特征进行分类能够有效提高普洱市优势树种分类精度,可较为准确地提供大区域、高精度的森林覆盖分类图。

联合多时相Sentinel-2和DeepLabV3+的县域柑橘信息提取

针对传统分类方法识别柑橘种植空间信息准确率不高的问题,文章提出一种联合多时相Sentinel-2与DeepLabV3+的县域柑橘种植空间信息提取方法。首先采用优化后的轻量化网络MobileNetV2作为DeepLabV3+的骨干网络,并嵌入CBAM(Convolutional Block Attention Module)注意力机制模块构建改进DeepLabV3+模型;然后利用多时相Sentinel-2影像整合原始波段与光谱指数构建特征数据集,并通过实验对比分析确定模型分类的最佳特征组合与时相;最后将研究区影像分割为具有重叠度的待预测影像集,结合最优分类模型进行预测后拼接得到柑橘园地提取结果。结果表明:1)改进DeepLabV3+提取精度均高于DeepLabV3+、随机森林模型,在B2~B8A波段添加红边指数RESI的特征组合中总体精度值可达91.1%,最佳提取时相为11月;2)改进DeepLabV3+结合重叠预测方法提取效果优于直接预测方法,且全实验数据集区的提取面积与统计数据的相对误差均保持在±0.04%以内。文中所提出的方法可为南方地区县域范围的柑橘园地自动化监测与种植规划提供参考。

基于随机森林算法与多时相Sentinel-2影像数据的茶树种植区信息提取

茶树是中国重要的木本经济作物,及时准确地获取茶树种植区面积及空间分布对区域农业经济发展具有重要意义。本研究以安徽省郎溪县为研究区,首先分析茶树、小麦和红叶石楠时序光谱特征,其次基于3个时相的Sentinel-2影像数据提取光谱特征、水体指数及植被指数特征、红边指数特征、纹理特征组成多时相特征变量数据集,并设置6种特征变量组合方案,利用随机森林算法进行茶树种植区信息提取精度的比较,筛选得到适宜的特征变量组合方案,最后基于适宜的特征变量组合方案进行郎溪茶树种植区信息的提取。结果表明,在光谱特征变量的基础上,分别融合水体指数及植被指数特征、红边指数特征和纹理特征变量均能有效提高茶树种植区信息的提取精度,其中,红边指数特征对茶树种植区信息提取精度的提高效果最好,其次是水体指数及植被指数特征。基于随机森林-平均精确度下降算法(RF-MDA)优选后的特征变量组合的分类效果最佳,总体分类精度达94.95%,Kappa系数为0.9348,说明特征变量优选能有效地保留重要的地物识别特征变量,避免冗余信息对分类结果的影响。综上,基于随机森林算法和茶树多时相Sentinel-2影像数据能实现郎溪县茶树种植区信息的高精度提取。

乡村人居环境适老性居民点布局多时相遥感优化算法

当前居民点布局侧重于单一时相的考虑,对多时相变化考滤不足,使得布局效果不理想。针对该问题,提出了乡村人居环境适老性居民点布局多时相遥感优化算法。设计适老性居民点布局多时相遥感图像检测过程,获取两相遥感图像差值图像。经过多分辨率分解,分析图像不同尺度检测结果,计算合理布局尺度。提取梯度方向直方图的峰值,识别布局边界线。利用二维Gabor滤波器,获取一组滤波图像幅值,得到多时相遥感图像纹理结果。在像元尺度上,通过相对辐射校正检测图像像素级变化,实现对遥感图像的配准。基于配准结果,采用网格约束方法布设控制点。由案例分析结果可知,该算法居民点布局效果与理想布局效果一致,且IPA指数为0~10,说明本文研究算法取得了理想效果。

基于多时相遥感影像的大豆遥感提取

准确掌握大豆种植面积对我国粮食安全具有重要的意义。本研究选择大豆生长周期内的全时相影像,开展大豆种植信息的高精度提取。通过本研究的开展,得到以下结论:通过多时相光谱对比,8月7日的大豆光谱区分度最高;通过多源指数计算与对比,筛选出了NDVI、DVI、NDWI、NDre1、NDre25种指数。通过面向对象分类,各地物均完整提取;提取的地块边界与实际的田埂走向吻合度较好,且增加多种指数的约束,农作物与其他植被的区分度较好,林地、草地、护坡灌草等对农作物提取的影响较小。并且通过后处理,较完整地提取出了所有大豆种植信息,对遥感提取的大豆种植面积进行提取精度验证,最终的遥感解译相关系数为0.7695,提取精度较高。

基于天地图的省域多时相影像服务系统设计与实现

随着卫星遥感技术的快速发展,遥感影像的应用领域和方式呈高速增长之势,尤其是历史影像,在自然资源领域发挥越来越大的作用。以全省多时相遥感影像成果和2021年以来的季度影像成果为基础,建成多时相历史影像服务系统,旨在挖掘多年历史影像的潜力,为全省自然资源服务提供技术支撑。

基于多时相热红外遥感的全天候地表温度动态监测研究

为提高全天候地表温度动态监测的精度,提出基于多时相热红外遥感的全天候地表温度动态监测方法。采用多尺度小波分解,构建多时相热红外遥感成像模型,采集地表温度统计序列,根据采集结果,提取地表温度动态监测多时相热红外特征;结合图像融合滤波方法,进行图像降噪处理,并通过测度融合分解,获取图像灰度像素值,采用信息增强方法,对全天候地表温度红外遥感图像增强处理,在增强的视觉信息分布空间中,进行全天候地表温度动态监测。仿真结果表明,采用该方法进行多时相热红外遥感下的全天候地表温度动态监测的准确性较高,输出误差率能够保持在0.10%以下。该方法的最长监测时间仅为13 s,监测时间较短。

基于多时相卫星影像城市绿地信息变化提取

准确掌握城市绿地信息对城市发展规划起着重要的作用。本研究选用哨兵2号卫星影像作为研究数据,采用遥感分类与反演的手段对绿地信息进行遥感提取,并对比分析绿地信息的变化情况,以此研究高分辨率、多光谱信息的卫星影像在城市植被信息遥感提取中的适用性。通过研究得到以下结论:面向对象分类方法在城市绿地信息提取中具有较好的适用性,将连续3年的绿地信息完整地识别了出来。通过指数差值计算,直观显示出了开封地区绿地信息的变化与空间分布情况。通过统计分析得出,2019年绿地面积最大,2020年绿地面积有所减少,而2021年绿地面积又呈增加趋势,增加面积集中在城区内,与实际情况吻合。本研究中采用的方法,可以快速地获取城区绿地信息变化情况,为相关工作开展提供了重要的数据支撑。

面向对象的复杂地形下冬小麦多时相遥感分类提取研究综述

复杂地形对冬小麦多时相遥感分类提取造成了挑战,因为地形起伏、阴影和光照变化可能导致遥感图像中的类别信息混淆和噪声。本文通过综述相关研究,总结了面向对象的复杂地形下冬小麦多时相遥感分类提取的研究现状和方法。研究表明,面向对象的方法结合多时相遥感数据能够有效克服地形对分类的影响,并提高分类的准确性和稳定性。

面向增量更新的多时相瓦片服务数据模型研究与设计

随着遥感影像时间分辨率的不断提高,多时相瓦片服务的应用需求也逐渐增加,但现有基于快照图像序列模型的多时相瓦片服务在数据更新、版本管理、服务发布和客户端访问方面存在诸多问题。为了减少多时相瓦片服务的数据冗余,提高服务发布效率,本文在时间快照图像序列模型基础上,结合离散格网单元列表模型,设计了面向增量更新的多时相瓦片数据模型,实现了栅格瓦片数据的增量更新与存储,解决了传统多时相瓦片存储效率与查询效率之间的矛盾,并针对现有REST风格影像瓦片地图服务,设计实现了多时相瓦片服务接口,可应用于多时相瓦片服务发布,为灾害应急、城市规划、生态环境保护提供地理信息服务支持。

基于多时相遥感信息的中国农业种植制度空间格局研究

多熟种植是中国重要的种植制度,对保持和增加粮食产量和促进农村经济发展有重要意义。复种指数受自然条件和农村社会状况的影响处于不断变化之中,及时获取其变化信息对估计粮食产量变化及其原因和农业发展科学决策有非常重要的意义。中国地域辽阔,作物种植制度复杂多样,传统的统计方法不能及时满足政府获取种植制度变化的要求。卫星遥感是探测大尺度土地覆被格局及变化最有效手段,因此可以作为获取区域和全国尺度作物复种指数的一个重要途径。该研究探讨了应用多时相遥感数据定量表达全国种植制度信息提取的方法及可行性,采用峰值特征点检测法结合作物生长季相特征及农田管理特点(播种和收获)提取了中国农田的多熟种植信息,并与统计数据的复种指数进行比较验证,为进一步进行农业种植制度变化研究奠定了基础。

冬小麦病害与产量损失的多时相遥感监测

为了开展农作物病害遥感监测与产量损失评估,该文以北京郊区大田生产条件下的冬小麦条锈病、白粉病的为研究对象,获取了2007年4月10日、4月26日、5月12日、5月28日共四期Landsat TM卫星影像,准同步地测量了试验地块的冠层光谱数据及配套农学数据。利用该4个时相的遥感数据,分析了试验区的冬小麦条锈病、白粉病在主要生育期的光谱特征及其变化,与对照地块相比,病害小麦在可见光和短波红外波段的光谱反射率降增大,近红外波段反射率减小,红边则会向短波方向移动,红边振幅减小,NDVI值减小。并利用冬小麦病害发生前期(4月10日,4月26日)的卫星遥感数据建立了作物产量的早期预测模型,结合实测的产量数据,定量计算了条锈病和白粉病的产量损失,结果表明两个白粉病和条锈病小麦地块的减产幅度超过了30%。

基于多时相OLI数据的宁夏大尺度水稻面积遥感估算

为客观获取宁夏水稻面积空间分布信息,也为区域农作物遥感监测奠定技术基础,该文以宁夏回族自治区为研究区域,选择美国LandSat-8携带的陆地成像仪(operational land imager,OLI)数据,采用2016年3月11日-7月01日间的15景影像,基于水稻田耕地与水体特征反射率随着季节变化规律的分析,采用归一化植被指数(normalized difference vegetation index,NDVI)、近红外波段反射率(infrared reflectance,IR)、短波指数(short waved index,SWI)3个指数,以及多时相NDVI最大值、IR最小值、SWI最小值3个衍生指数,共6个指数为基础进行决策分类树构建,对全区水稻进行识别与提取,采用该区水稻面积本底遥感调查结果进行精度验证,水稻种植面积提取误差仅.4.22%,Kappa系数为0.83,水稻空间分布的用户分类精度分别为85.11%,制图精度为81.67%;同时与监督分类方法提取的水稻面积进行对比,该文方法提取水稻的用户精度提高了8.13个百分点,制图精度更是提高了20.01个百分点。研究结果表明,利用中高分辨率的OLI遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,构建分类决策树,可以准确地提取大宗农作物种植面积,是区域农作物面积遥感监测业务运行中具有潜力的方法。

多时相遥感影像变化检测方法研究进展综述

近年来,随着遥感平台和传感器的发展,已经实现了对地球表面大部分区域的连续重复遥感观测,积累了海量的多源、多尺度、多分辨率遥感数据。这些数据详细记录了地表上各种地物的变化过程,使得基于遥感影像的中长期变化检测等全球变化研究成为可能,并极大地推动了遥感影像处理方法和应用的研究。但是,尽管许多学者已经开展了大量相关的研究工作,目前基于多时相遥感影像的变化检测仍然面临许多挑战,还没有形成相对完整、成熟的理论体系,对相关研究进展的系统性总结工作仍然相对缺乏。回顾了多时相遥感变化检测方法的发展现状,并根据输人数据类型和数量的不同将这些方法分成单时相分类比较法、双时相比较法和时序分析法三类,对其进展情况和特点分别进行总结分析,然后就多时相遥感影像变化检测方法研究中现存的问题加以分析,并尝试探讨了其发展趋势。