基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法

利用遥感技术快速准确地提取耕地信息是耕地保护的关键环节。以山东省商河县为例,提出了一种基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法。首先采用毯子覆盖法计算多季相遥感影像每个像元的上分形信号和下分形信号,对比分析耕地和其他土地利用类型的分形特征,选取上分形信号的第3尺度作为特征尺度,提取商河县耕地空间分布特征;其次采用同时期的土地利用矢量数据、Esri land cover数据和统计数据进行耕地信息提取精度评价;最后分别设置多季相分形提取与单季相分形提取、现有土地利用数据产品的对比实验,并基于点位匹配度和面积匹配度进行评价。结果表明:多季相数据更能反映农作物生长的复杂性,有助于提高耕地信息的提取精度;不同土地利用类型在不同分形尺度的信号值各不相同,分形特征可以在不同尺度上清晰地刻画出不同土地利用类型的分异性;基于矢量数据和Esri land cover数据评价的多季相分形特征耕地提取点位匹配度为87.13%和89.83%,面积匹配度为99.73%和97.91%,均比单季相分形提取结果精度高;综合考虑点位匹配度、面积匹配度和空间分布特征,研发方法能有效区分耕地和其他土地利用类型,提取结果更优,且与统计数据有更高的一致性。该方法可准确提取耕地信息,为耕地的动态监测和损害评估提供技术支撑。

利用样点调查与Landsat8影像数据建立山体地表温度与坡度的关系

山区地表温度是林火预测预报的重要影响因子。山区地表温度机理的研究受稀疏气象观测站点及MODIS产品(1 km)空间尺度的限制,常以综合作用规律及宏观地形因子分析为主,缺乏微尺度地形要素的相对独立作用阐释。以我国西南纵向岭谷区为研究区,利用多期landsat8影像数据及样点实测数据,使用地理信息系统空间分析方法,通过消除或减弱海拔、坡向等地形因子的影响,定量分析坡度与地表温度相对独立关系。结果表明:(1)不同尺度下地表温度、地表温度标准差与坡度的关系受坡向影响不同。(2)30 m尺度上,西、西北、北、东北坡向的坡面上地表温度与坡度呈负向相关关系,坡度越大,地表温度空间变异越小,地表温度递减率分别为0.202、0.239、0.207、0.166℃/(°);东坡向的坡面上的地表温度与坡度呈先减小后微弱增大的二次曲线变化关系;东南、南、西南坡地表温度随着坡度增大分别以13.6、13.92、11.51℃上下波动。(3)样点尺度上,北、东北、东南、南、西南和西坡向的坡面上地表温度与坡度也呈负相关关系,地表温度递减率分别为0.106、0.396、0.168、0.111、0.235、0.077℃/(°);东、西北坡向内地表温度随着坡度的增大总体上减小,样点尺度的地表温度更易受到局地环境的影响。

基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择

遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时相的冬小麦-夏玉米与其他地类在光谱特征和NDVI上的差异,通过决策树的方法提取豫中地区冬小麦-夏玉米的空间分布情况。结果表明,冬小麦-夏玉米在不同生长发育时期,提取到的面积比有所不同,对于夏玉米而言,乳熟时期的提取效果要优于之后的时期,其在2020年8月26日的总体精度最高,为83.60%,Kappa系数为0.72,分类质量很好;对于冬小麦而言,最佳识别时期则处于冬小麦的越冬期,其在2021年1月1日的总体精度最高,为92.36%,Kappa系数为0.81,信息提取效果很好。除了作物自身生长过程的覆盖度变化,分类精度随成像时间而改变。多时相信息提取也发现,受到天气等环境条件限制,夏玉米和冬小麦的种植区域不完全重叠,山区冬季不适合冬小麦种植从而没有与夏玉米出现重叠分布。本研究有助于我们从宏观上对作物分布及生长状况作出及时有效的判断,对农业监测,特别是对轮作农田的信息管理和作物物候、种植面积等研究具有广阔的应用前景。

基于SPOT4和Landsat5 TM的不同影像融合方法质量对比研究

【目的】探究不同影像融合方法对SPOT4全色影像和Landsat5 TM多光谱影像融合效果的影响。【方法】采用13种不同的影像融合算法开展融合试验,并通过定性和定量分析的方式,对融合结果进行综合评价分析。【结果】结果表明,融合影像的信息熵相比原影像有所增强,RGB三通道的熵值分布更为均匀,主要集中在50~200之间。此外,不同地物类型对融合方法的效果产生了显著影响。对于水体和植被,Brovey、HSV、IHS和EF方法展现出了良好的光谱保真性和细节增强能力,因此更适用于目视解译。NND法在这些区域出现了轻微的光谱失真现象,导致其分类精度偏低。【结论】针对不同传感器的影像选择适当的融合方法,对于提高遥感影像的解译精度和应用价值具有重要意义。

基于Landsat8遥感影像的阳泉市郊区地表温度反演研究

以阳泉市郊区Landsat8遥感影像为原始研究数据,介绍地表温度反演原理,运用ENVI软件对遥感图像进行预处理,采用大气校正法和单窗算法反演阳泉市郊区地表温度,并将反演结果与成熟的反演插件的结果进行精度对比,分析两种反演算法的精度可靠性,为类似区域选择地表温度反演算法提供参考。

基于多时相Landsat影像的河流边滩提取研究

河流边滩是因河流沉积作用在岸边形成的沉积物,其变化可以间接反映出河流形态及其周围环境的演变。河流边滩的动态监测对于河流生态系统研究和航道管理有着非常重要的意义。针对河流边滩与部分建筑物影像光谱相似而难以区分的问题,基于Landsat影像中边滩与河流的光谱、空间和物候等多维差异化特征,提出了一种新的河流边滩提取方法,综合利用多时相水体指数的二值变化检测方法和面向对象分析方法,成功提取了赣江中下游的河流边滩。一方面丰富了河流边滩监测的方法,为地理学研究提供新的观察视角;另一方面为赣江流域生态系统建设、环境治理和航运规划管理提供更丰富的河流边滩数据。

基于Landsat-7 ETM+SLC-OFF影像的山地冰川流速提取与评估——以Karakoram锡亚琴冰川为例

Landsat-7机载扫描行校正器(Scan Line Corrector,SLC)失效后的ETM+影像(SLC-OFF影像)约有22%的数据缺失,严重限制了该影像在冰川研究中的应用,特别对长期缺乏高质量遥感影像的高亚洲地区冰川运动连续监测产生较大影响.以Karakoram中部最大的锡亚琴冰川为例,初步评估了Landsat-7 ETM+SLC-OFF影像在山地冰川表面流速提取方面的适用性和可行性.选取2009年和2010年两景SLC-OFF影像,运用局部直方图匹配法(Local Linear Histogram Match,LLHM)和加权线性回归法(Weighted Liner Regression,WLR)修复缺失数据条带,并利用亚像元互相关方法对修复后两景影像进行冰川表面流速估算.结果表明,LLHM和WLR两种方法均能有效修复冰川区Landsat-7 SLC-OFF影像,其冰流估算结果与同期Landsat-5 TM影像的冰流结果较为一致,三者冰流速估算精度分别为±5.9 m·a^(-1)、±6.3 m·a^(-1)和±4.0 m·a^(-1),验证了Landsat-7 SLC-OFF影像在山地冰川流速监测中的应用潜力.

基于单一影像局部回归模型修复的Landsat 7 ETM SLC-OFF图像质量评价

以时段相近的Landsat 5TM影像为参照,通过定性评价(目视)和定量评价(均方根误差、平均差异)方法,分别对单一影像自适应局部回归和单一影像固定窗口局部回归模型修复后的Landsat 7ETM SLC-OFF数据的图像质量进行评价。结果表明,无论是以Landsat 5TM影像还是Landsat 7ETM SLC-OFF影像作为填充影像,得到的修复图像的B1、B2、B3波段均存有一定的条纹,使其应用受到一定限制;但B4、B5、B7波段则没有条纹,这3个波段基本可以应用。对比发现RGF模型方法修复后的影像效果优于FGF模型方法的效果;从填充图像类型看,以Landsat 7ETM SLC-OFF为填充图像修复的影像比以Landsat 5TM为填充图像修复的影像效果更好。

基于Landsat 7 ETM+影像的大庆地区林带遥感调查

利用遥感和GIS技术 ,采用美国最新的Landsat7ETM +影像的 15m全色波段和 30m多光谱波段影像 ,对大庆地区的防护林地进行遥感调查。通过图像处理与分析得到了最佳的用于解译的影像 ,在野外调查的基础上 ,建立了林地的解译标志 ,量算了防护林带的宽度 ,查清了防护林的类型及实际面积 。

Landsat-7ETM+遥感影像在三北防护林工程县级森林资源调查中的应用

以甘肃景泰县的八道泉等3个乡镇为研究区,以2000年的Landsat-7ETM+遥感资料(多光谱波段空间分辨率为30m×30m,全色波段为15m×15m)作为信息源,以2000年甘肃景泰县的土地利用及森林资源地面调查数据为参考,分别采用目视解译和人机交互式解译两种方法,对研究区土地利用及森林类型进行了判读分类,并与2000年的地面调查结果对比,对两种解译方法进行了精度分析和综合评价。

基于Landsat-7影像的缺行修复算法对比分析

采用人为制作的缺行模拟数据,基于Matlab平台对其中4种修复算法——全局直方图匹配修复算法、局部直方图匹配修复算法、自适应窗口直方图匹配修复算法以及自适应窗口回归图像修复算法编程实现图像修复,定量比较4种算法修复效果。结果表明,当修复缺行数据宽度较大的图像时,无论缺行数据位于图像何处,全局直方图匹配修复算法修复效果最理想;当修复缺行数据位于图像内部且宽度较小的图像时,自适应窗口回归修复算法修复效果最理想。

基于改进YOLO v7-tiny的玉米种质资源雄穗检测方法

针对玉米种质资源遗传多样性丰富导致雄穗大小、形态结构及颜色呈现较大差异,无人机搭载可见光传感器相比地面采集图像分辨率低,以及图像中部分雄穗过小、与背景相似度高、被遮挡、相互交错等情况带来的雄穗检测精度低的问题,提出了一种改进YOLO v7-tiny模型的玉米种质资源雄穗检测方法。该方法通过在YOLO v7-tiny中引入SPD-Conv模块和VanillaBlock模块,以及添加ECA-Net模块的方式,增强模型对雄穗特征的提取能力。利用自建的玉米种质资源雄穗数据集,训练并测试改进模型。结果表明,改进YOLO v7-tiny的平均精度均值为94.6%,相比YOLO v7-tiny提升1.5个百分点,相比同等规模的轻量级模型YOLO v5s、YOLO v8s分别提升1.0、3.1个百分点,显著降低了图像中雄穗漏检及背景误检为雄穗的发生,有效减少了单穗误检为多穗和交错状态下雄穗个数误判的情况。改进YOLO v7-tiny模型内存占用量为17.8 MB,推理速度为231 f/s。本文方法在保证模型轻量化的前提下提升了雄穗检测精度,为玉米种质资源雄穗实时、精准检测提供了技术支撑。

应用Landsat影像数据分析岷江上游植被覆盖度时空变化及地形分异特征

以2000、2010和2020年的Landsat遥感影像为数据源,利用像元二分模型提取岷江上游3个时期的植被覆盖度,结合海拔、坡度以及坡向等地形因子,对研究区2000—2020年的植被覆盖状况变化及地形分异特征进行分析,为生态保护和土地规划利用提供数据支持。结果表明:(1)2000—2020年,研究区植被覆盖度呈先降低后升高的趋势,总体上得到改善,植被覆盖度Ⅲ级以上区域面积达到80%以上。(2)植被覆盖度在空间上呈现为“东高西低,南高北低”的分布特征,岷江上游中西部地区的植被覆盖度为Ⅳ级以上,黑水县西北部山区和松潘县的极高海拔地带植被覆盖度为Ⅰ级。(3)随海拔、坡度的上升,研究区植被覆盖度均表现为先升高后降低的特征;植被覆盖度半阳坡最大,阴坡最小,平地大于半阴坡。岷江上游作为长江上游的生态屏障,植被覆盖状况受海拔、坡度以及坡向和人类活动影响较大,因此,对岷江上游地区生态保护和土地利用应考虑地形限制,因地制宜采取措施。

基于Landsat 8影像的城市蓝色顶面建筑物提取光谱模型构建

蓝色顶面建筑物作为基础地理数据库中重要的人工目标类型之一,对其进行提取对城市环境监测、违章建筑监测、城市规划和管理具有重要意义。已有的建筑物提取方法准确性低、边界不完整,且存在同谱异物和同物异谱现象。本文以洛阳市为研究区,根据不同地物光谱特征的不同原理,构建一种能增强蓝色顶面信息和弱化其他非目标地物信息的新光谱模型。首先,对待检测的Landsat 8影像进行辐射定标和大气校正等工作,获得地物去除大气影响后的地表反射特征值影像;然后,对影像中的蓝色地物和与蓝色地物较难区分的其他干扰地物,分别采集一定像元数的样本并生成光谱曲线,利用波段相加、差值及正负处理构建一个能增强蓝色地物信息和弱化其他干扰地物信息的新光谱指数;最后,采用密度分割法获得提取蓝色顶面建筑物最合适的阈值范围,进而提取影像中的蓝色顶面建筑物。与最大似然法提取结果进行对比分析及精度评价。结果表明,构建的新光谱指数模型的总体分类精度为94.46%,Kappa系数为0.8892,准确率为91.95%,召回率为95.19%,均优于最大似然法;根据提取结果计算出洛阳市市区范围内蓝色顶面建筑物的占地面积为16.28 km2,占研究区面积的0.564%,占洛阳市总面积的0.107%。可见本文方法相比最大似然法具有更好的提取效果和提取精度,有一定的优越性和实用性。

基于遥感影像的城市植被覆盖度监测研究

城市植被生长状态及分布密度对于城市生态环境有着重要影响,本文首先以近年来新开放的Landsat 9卫星影像数据为基础,分析研究卫星构成及影像特征,然后对其进行辐射定标、大气校正等,最后利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)对城市植被覆盖率进行反演。结果表明:研究区植被覆盖率相对较高,平均值为60.17%,普遍为高植被覆盖度和较高植被覆盖度区域,较低和低植被覆盖度相对较少;从空间分布可得,浦口区、江宁区、溧水区植被覆盖度平均值均在60%以上,其他地区则低于60%。总体而言,研究区植被生态态势较好,植被覆盖度较高,同时利用Landsat 9卫星影像数据能够较为准确地反演城市植被覆盖度,为城市生态环境保护监管提供可靠数据支撑。

基于YOLOv7-Sim和无人机遥感影像的烟株数量检测

植株数是用于监测作物生长状况和估测产量的重要田间表型性状。为实现烟草植株数高效自动清点,针对无人机遥感影像烟株检测中存在小尺寸聚集目标容易漏检的问题,提出了一种YOLOv7目标检测优化模型YOLOv7-Sim。首先引入SimAM注意力机制增强图像特征之间的聚合能力;然后加入小目标检测层强化算法对小目标的检测能力;再对定位损失函数进行优化,引入了EIOU定位损失函数;最后利用分块策略解决大图像检测中小目标容易采样丢失的问题。在VisDrone2019数据集和本文构造的UAVTob无人机遥感影像烟草数据集上的检测结果显示,检测均值平均精确率mAP@0.5提升了0.3%和6.3%,mAP@0.5:0.95提升了0.6%和18.3%,YOLOv7-Sim算法对无人机遥感影像中的烟株检测更具优越性。

基于Landsat影像数据的香格里拉市优势树种蓄积量估测模型构建

以香格里拉市优势树种高山栎、高山松、云冷杉及云南松为研究对象,构建基于遥感的森林蓄积量估测模型。采用2006年和2016年的Landsat TM/OLI影像及二类调查数据,随机从每期数据中各选取100个小班,提取其影响因子,利用相关性强的因子构建RF模型和MLR模型。结果表明,2006年各树种蓄积量RF模型的拟合R2在0.779~0.862范围,预测精度P值为80.17%~92.16%;2016年RF模型的拟合R2为0.761~0.865,预测精度P值为81.61%~95.53%。建立MLR模型后,2006年树种蓄积量估测模型的拟合R2为0.214~0.336,预测精度P值为34.12%~47.16%;2016年模型的拟合R2为0.238~0.391,预测精度P值为34.82%~52.57%。估测结果与二类调查数据的误差为:高山栎、高山松、云冷杉、云南松分别增加了8.54×105m3、3.65×106m3、4.12×106m3、3.96×104m3,误差分别为0.36%、0.78%、0.44%、0.62%。对比二种模型估测结果表明,随机森林模型能更精确地估测优势树种蓄积量。

基于B7-H3靶点的分子影像技术在肿瘤诊断方面的研究进展

寻找新的治疗靶点用于准确的癌症早期诊断是目前肿瘤精准治疗亟待解决的问题之一。B7-H3(CD276)曾被称为“肿瘤相关抗原”,在肿瘤组织中广泛异常高表达,在正常组织上表达受限,使其成为各种靶向肿瘤的造影剂及肿瘤治疗的理想分子。分子影像通过分子影像探针以非侵入性形式显示肿瘤病理生理特征,可用于诊断、治疗及各种靶向治疗(包括免疫治疗)的效果评估。因此,本文主要综述以B7-H3为靶点的分子影像在肿瘤诊断中的最新研究进展。

基于改进SLIC算法的Landsat 8 OLI遥感影像水体提取

洪涝灾害时常发生,基于遥感影像绘制水体分布图观察水体变化很有必要。针对简单线性迭代聚类(SLIC)算法在遥感影像水体分割时的易误分割问题,提出一种改进的新超像素分割算法(F-SLIC)。首先基于预处理后的Landsat 8 OLI遥感影像计算新水体指数WBAWI,突出水体特征;再结合线性特征增强和局部三值模式(LTP)纹理特征获得新纹理特征(E_LTP),纳入SLIC算法对WBAWI图像进行超像素分割处理;最后对水体超像素进行区域合并,得到完整水体轮廓,通过提取同一区域不同时间的水体轮廓有效观察水体变化。结果表明,与SLIC算法相比,F-SLIC算法的边界召回率更高、欠分割错误率更低,解决了小水体难分割的问题。

基于Landsat影像的太原市城区热岛效应特征分析

利用太原市主城区2000年、2010年和2019年3期Landsat影像反演出地表温度,用均值-标准差法将地表温度划分为6个等级得到相应的太原市主城区热岛区分布图并对其特征及成因进行分析。结果表明:太原主城区的热岛面积呈先减弱后增强的态势;热岛区与建设用地扩展范围在空间上较为吻合,为沿平川地带向南发展;地表温度与植被覆盖度呈显著线性负相关,植被覆盖度每增加0.1,地表温度下降约0.8℃左右;建设用地的地表均温最高,是城市热岛效应加剧的主要因素,植被覆盖区及水体的地表均温较低,有利于缓解热岛效应。