MRI影像组学模型预测乳腺癌组织中HER-2低表达状态的价值

目的:探讨使用基于动态增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)影像组学模型早期预测乳腺癌患者人表皮生长因子受体2(human epithelial growth factor receptor 2,HER-2)低表达的可能性及其价值。方法:收集294例经穿刺或手术病理证实的乳腺浸润性导管癌女性乳腺癌患者的临床及病理资料,对MRI图像原始数据进行瘤内感兴趣区(regions of interest,ROI)勾画及特征提取,经Mann-Whitney U筛选出相关性的特征,LASSO回归进行特征选择,使用10折交叉验证建模,受试者工作特征曲线(receiver operator curve,ROC)分析模型对模型的性能进行评价。结果:经10折交叉验证Linear SVC建模后,所得验证集的平均准确性为79.6%,敏感性为73.7%,特异性为85.6%,ROC分析平均AUC为0.87;经过1000次置换检验后的置换数据集的诊断效能与原数据集相比较,平均准确性、敏感性和特异性的P值均小于0.05,差异有统计学意义,经交叉验证后建立的模型可以对乳腺癌患者HER-2阳性和HER-2低表达进行分类,并且其模型的分类效能高于机会水平。结论:DCE-MRI影像组学模型可以帮助预测乳腺癌组织中HER-2受体低表达状态,具有较好的预测效能,这将为临床进行无创HER-2状态的诊断提供新的思路。

基于Gaofen-2影像和面向对象的椰子林分类研究

椰子是重要的热带经济作物,海南椰子种植面积占全国的90%以上。快速获取椰子种植面积及其空间分布信息对热带作物产业规划具有十分重要的作用。本研究基于国产Gaofen-2高分辨率卫星影像,以文昌市东郊镇为试验区,开展椰子林遥感分类研究。基于最优分割尺度的面向对象分类方法,选取4个光谱特征、5个植被指数和32个纹理特征为辅助参量,构建了4种不同的面向对象分类组合(光谱特征、光谱特征+纹理特征组合、光谱特征+植被指数组合、光谱特征+纹理特征+植被指数特征组合)进行椰子林分类提取,并与基于像元的椰子林分类结果进行对比分析。结果表明:(1)仅采用基于像元分类方法,椰子林的总体分类精度(overall accuracy,OA)和用户精度(user’s accuracy,UA)分别达到87.05%和85.21%。(2)相比基于像元分类,4种面向对象分类组合的OA值提高了5.51%~8.72%。(3)光谱特征和纹理特征组合提取椰子林分类结果最优,OA值和UA值分别达到95.77%和97.15%;光谱特征和植被指数的组合也得到了较好的分类结果,OA值和UA值分别为94.88%和94.42%;所有的光谱特征、植被指数和纹理特征全部参与分类得到的OA值和UA值分别为94.67%和94.17%,低于仅使用光谱特征或者植被指数的组合。综上,国产高分辨率Gaofen-2影像在椰子林遥感精准识别中具有很大的潜力,结合纹理特征的面向对象分类方法可以更准确地提取椰子林分类信息,研究结果可为多云多雨地区大尺度椰子林遥感识别提供技术参考。

基于时序Sentinel-2影像的引黄灌区作物结构提取和供需水分析

在黄河流域用水指标严格控制的背景下,以山东省东营市垦利区引黄灌区为例,利用2022年时序Sentinel-2遥感影像构建作物生育期的NDVI时间序列,采用决策树分类方法提取灌区作物种植结构,基于垦利站气象资料和Penman-Monteith公式,分析了1973—2022年各作物的需水特性,利用遥感影像解译的各作物种植面积,计算了2022年灌区作物在不同降水保证率(5%、25%、50%、75%、95%)条件下的灌溉总需水量,结合2023年分配给灌区作物的灌溉水指标探究了灌溉水资源供需之间的平衡。结果表明:基于NDVI时间序列构建决策树分类方法可有效提取作物的种植结构,总体分类精度为85.07%,Kappa系数为0.819,能够满足作物灌溉需水量的研究。作物净灌溉需水量年际波动较大,水稻和冬小麦补充灌溉水量在所有作物中位列前两位,均值分别为913 mm和410 mm;处于雨季生长的夏玉米、夏大豆补充灌溉水量较小且灌溉需求均值较小。研究区2023年分配的灌溉水指标在降水保证率为50%时研究区灌溉水亏缺量为235.5万m^(3),在降水保证率为75%和95%时灌溉水亏缺量分别为1 754.5万m^(3)和2 261.5万m^(3)。

基于Sentinel-2影像的巴尔托洛冰川冰面湖研究

冰面湖是冰川的重要组成部分,是冰川消融的指示器,不仅对全球气候变化响应迅速,而且对了解和掌握区域水资源信息意义重大。本文基于Sentinel-2遥感数据,利用随机森林算法,对巴尔托洛冰川冰面湖进行识别提取,并基于提取结果分析研究区冰面湖的空间分布特征,以及冰面湖面积、数量与冰川高程的关系。本文冰面湖提取的准确率达96.07%,完整率达92.18%,错误率为11.59%;识别出巴尔托洛冰川冰面湖567个,面积为249.46~37134 m^(2);冰面湖多分布在距冰川末端3~26 km处,其中海拔3800~4300 m之间冰面湖数量最多,面积普遍较大,平均面积为1922 m^(2);随着高程的升高,冰面湖的数量和面积逐渐减少,在高程5300 m以上冰面湖数量仅为15个,平均面积为356 m^(2);高程升高导致冰面温度降低,是冰面湖数量和面积骤减的主要原因。

多参数MRI影像组学评估浸润性乳腺癌HER⁃2表达状态的临床应用价值

目的:探讨基于多参数磁共振成像(magnetic resonance imaging,MRI)影像组学特征的模型预测浸润性乳腺癌人类表皮生长因子受体⁃2(human epidermal growth factor receptor⁃2,HER⁃2)表达状态的价值。方法:回顾性分析南京医科大学第一附属医院2018年1月—2019年12月401例乳腺癌患者的基线期MRI图像及临床资料。使用ITK⁃SNAP软件在快速反转恢复序列(turbo inversion recovery magnitude,TIRM)、动态对比增强磁共振成像第2期(dynamic⁃contrast enhanced magnetic resonance imaging phase 2,DCE2)、动态对比增强磁共振成像第4期(dynamic⁃contrast enhanced magnetic resonance imaging phase 4,DCE4)、弥散加权成像(diffusion⁃weighted imaging,DWI)和表观弥散系数(apparent diffusion coefficient,ADC)的最大肿瘤层面手动勾画二维感兴趣区域(region of interest,ROI),并对所勾画的ROI区域进行特征提取及降维筛选。应用逻辑回归(logistic re⁃gression,LR)算法建立预测HER⁃2表达状态的单参数模型、组合模型和多参数模型。结果:最终筛选出26个最优特征,其中按权重排序位居首位的特征为DCE2_original_shape_SurfaceVolumeRatio。单参数模型中预测效能最好的是DCE2模型,训练集及测试集的曲线下面积(area under curve,AUC)分别为0.907、0.879;组合模型中联合增强特征的模型比其他未联合增强特征的模型预测效能更好(P均≤0.001);多参数模型预测效能最佳(训练集及测试集的AUC值分别为0.932、0.906)。结论:基于多参数影像特征构建的影像组学模型评估浸润性乳腺癌HER⁃2表达状态有一定的临床价值,其中增强早期特征的预测价值较高。

HER-2阳性胃癌的影像学表现及研究进展

胃癌是消化系统最常见的恶性肿瘤之一,早期症状不明显,一经发现常为晚期,预后极差,迫切需要新的治疗策略改善胃癌患者的预后。分子靶向药物曲妥珠单抗(针对人表皮生长因子受体2的单克隆抗体)联合化疗能显著改善胃癌患者的总体生存期及预后。传统的HER-2检测方法是对手术标本或活检标本进行免疫组织化学染色和荧光原位杂交,但胃癌具有高度异质性,活检标本仅显示肿瘤的一部分,这将会使测试结果不正确,假阴性的风险增高,患者失去靶向治疗的机会。随着医疗技术的日益成熟,越来越多的临床试验开始挖掘无创影像手段在甄别HER-2表达方面的价值。本文就无创影像手段在评估HER-2阳性胃癌方面的价值进行综述。

基于Sentinel-2卫星影像的海南西岛珊瑚礁识别和变化分析

珊瑚礁是海洋中最重要的生态系统之一,近年来在全球气候变化和人为干扰加剧的影响下,我国南海珊瑚礁总体处于快速退化状态。以海南西岛珊瑚礁为例,基于Sentinel-2系列卫星10 m空间分辨率影像,利用面向对象分类法(object-based image analysis,OBIA)对2017年12月~2018年3月和2021年12月两个时期的海南西岛珊瑚礁底质进行了识别分类,并进行珊瑚礁面积变化分析。将2021年12月的分类结果与现场调查数据进行对比验证,总分类精度和Kappa系数分别为83.3%和0.71。对比两个时期珊瑚礁底质分类结果表明,西岛西侧珊瑚礁覆盖面积未出现明显变化,东侧珊瑚礁显示恢复趋势。本文研究表明,10 m地面分辨率卫星系列影像和面向对象的阈值分类方法可以对海南西岛珊瑚礁进行较为准确的识别和变化分析,监测结果可为海南岛沿岸西岛等小型岛礁珊瑚保护及修复提供参考。

基于Sentinel-2影像的东寨港国家级自然保护区景观格局变化及其驱动力研究

文章以东寨港国家级自然保护区及1 km外围地带为研究区域,选取2017—2021年的Sentinel-2遥感影像数据,采用人机交互方式解译景观类型,计算景观格局指数,进而对比分析5年期间保护区内外的景观格局变化情况及其主要驱动力。结果表明:(1)在保护区内,红树林湿地面积呈现上升趋势,林地面积有所减少,养殖水面面积显著减少;保护区景观连通性较好、碎度较低,其中红树林为优势景观。(2)在外围地带,红树林湿地面积有所增加,林地面积有所减少,养殖水面和建筑面积均减少,但耕地面积有所增加;与保护区相比,景观破碎化程度较高、连接度与整体性较差。(3)红树林生态保护修复活动是保护区景观格局发生显著变化的主要驱动力,而养殖、建筑等人类活动是改变外围地带景观格局的主要因素。研究结果对于优化保护区的保护管理和加强外围地带的人类活动管控具有参考价值。

基于U^(2)-Net+的透水混凝土CT影像孔隙分割

针对现阶段主流的透水混凝土CT影像孔隙分割方法存在的问题,提出了一种堆叠高效RSU模块的U^(2)-Net+的图像分割方法。该方法通过堆叠高效的RSU模块,在网络中引入了更多的上采样节点和跳跃连接,还原了更多下采样阶段丢失的特征图细节;在编码阶段增加了一个可学习的下采样操作,进一步提升了网络对细节的捕获能力;简化了原网络的深度监督,避免了底层特征图对融合输出特征图的负面影响;将单一的标准二分类交叉熵损失函数改为Focal loss和IoU loss组成的混合损失函数,提升了网络对高噪声孔隙的关注度;最后由于数据集的特点加网络改进的提升,原网络中各模块的中间通道数得以进一步缩减,减小了网络体积。试验结果表明,U^(2)-Net+相比U^(2)-Net†在保证轻量化和快速性的同时,平均交并比、精确度、F1得分由94.12%、88.89%、93.28%分别提升至94.24%、91.15%、94.29%;U^(2)-Net+综合指标优于U-Net、U-Net++、U-Net3+、U^(2)-Net、U^(2)-Net†,各指标相较于主流的阈值分割算法至少提高23.29%,实现了透水混凝土CT影像孔隙的精准、快速分割。

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Sentinel-2影像的新疆冰湖制图及空间分布特征

在全球气候变暖的背景下,新疆的冰川迅速融化,形成了大量规模较小的冰湖。部分冰湖在短时间内迅速扩大,并可能引发溃决洪水,提高对这些小型冰湖的制图精度对深入了解冰川冰湖灾害机理至关重要。本文基于Sentinel-2影像和DUNet语义分割模型生成2022年新疆冰湖数据集,并结合历史冰湖数据分析了冰湖的空间分布特征。结果表明,大(>10 hm^(2))、中(>1~10 hm^(2))、小(≤1 hm^(2))型冰湖的制图平均误差分别为2.29%、10.02%、27.71%,平均误差均小于已有的三种冰湖产品,其中面积>0.81 hm^(2)的冰湖相对误差为18.36%。2022年新疆>0.06 hm^(2)的冰湖数量为6854个,总面积为200.36 km^(2)。其中,≤1 hm^(2)的冰湖占总数量的70.32%,>1 hm^(2)的冰湖占总面积的92.49%。阿尔泰山区、天山西部、天山南部是新疆冰湖分布最集中的区域,也是近30年来冰湖数量增加最多的区域;在各区域中,面积≤10 hm^(2)的冰湖数量增加最为显著。本研究可为新疆冰湖灾害预警、冰湖灾害评价提供数据支持和有效依据。

基于双参数MRI影像组学构建的支持向量机模型对乳腺癌人表皮生长因子受体-2和激素受体表达的预测效能

目的构建基于磁共振T_(2)WI反转恢复压脂(TIRM)及扩散加权成像(DWI)序列图像的支持向量机(SVM)模型,评估其对乳腺癌人表皮生长因子受体-2(HER-2)和激素受体(HR)表达水平的预测效能。方法收集128个于术前或治疗前接受乳腺MRI检查的乳腺癌病灶。根据免疫组织化学(IHC)或原位荧光杂交(FISH)检测结果进行分组。使用ITK-SNAP软件在磁共振TIRM和DWI序列图像上勾画三维容积感兴趣区(VOI),并导入Pyradiomics程序提取影像组学特征。对数据进行归一化处理后使用基于支持向量机的递归特征消除法(SVM-RFE)筛选特征。采用随机分层抽样方法将108例病例按照8∶2比例分为训练组及验证组,另外20例作为外部测试组。采用SVM机器学习分类器构建影像组学模型。采用受试者工作特征(ROC)曲线评估模型预测效能。采用DeLong检验评估各影像组学模型ROC曲线下面积(AUC)。采用SHAP算法进行可视化分析,并筛选最具贡献力的预测特征。结果联合模型(训练组AUC=0.94;验证组AUC=0.90)对HER-2的预测效能均高于TIRM模型(训练组AUC=0.85;验证组AUC=0.80)、单DWI模型(训练组AUC=0.88;验证组AUC=0.66)。外部测试组联合模型的AUC为0.89。SHAP算法得出DWI序列的特征贡献较大。基于TIRM和DWI序列联合特征(训练组AUC=0.96;验证组AUC=0.88)、单DWI序列特征(训练组AUC=0.92;验证组AUC=0.86)构建的影像组学模型预测HR效能优于单TIRM序列特征(训练组AUC=0.84;验证组AUC=0.68)构建的模型。外部测试组证明联合模型具有较好的预测效能,AUC为0.90。SHAP算法得出TIRM序列的特征贡献较大。结论基于磁共振成像TIRM和DWI序列联合特征构建的影像组学模型对于HER-2水平具有良好的预测效能,对HR表达具有较大的预测潜力,可为乳腺癌患者制订个性化治疗方案提供依据。

级联语义分割和边缘检测的GF-2影像耕地提取

针对山地丘陵区的坡耕地和小面积耕地碎片边界模糊不清、分类提取困难的问题,以GF-2影像为数据源,提出了一种级联语义分割和边缘检测模型的遥感影像耕地信息提取方法。首先,针对不同类型耕地的特点选择级联方式;其次,将耕地边缘作为独立的特征类别,结合改进U-Net、DeeplabV3+和DexiNed模型,融合面特征和线特征,使得耕地边缘特征与语义特征能够进行互补,从而提高耕地提取的准确性,实现对复杂地形背景噪声的抑制和不同类型耕地的提取。实验结果表明,对比单一模型DeeplabV3+和U-Net,级联模型的耕地信息提取的总体精度、Kappa系数和F1值均有大幅度提升,针对不同类型耕地级联模型提取的耕地结果更接近真实耕地标注,漏提、误提区域远低于单一模型。

基于GF-2遥感影像和改进后PSPNet模型的丘陵地区耕地图斑提取方法

针对丘陵地区耕地地块具有边界模糊、覆盖物种类多样、大小和空间位置分布不规则等特点,传统分类方法难以快速准确提取耕地信息的问题,本文以四川省金堂县竹篙镇和高板镇为研究区域,利用高分二号卫星影像和改进后的PSPNet语义分割网络模型进行耕地图斑提取研究。在模型训练中,引入CBAM注意力模块以提高整个网络的特征提取和表达能力,采用余弦退火学习率以加快模型的收敛速度。结果表明,改进后的PSPNet模型在丘陵地区耕地提取精度方面取得了显著提高,耕地识别精度达到了95.69%,比标准PSPNet模型提高了1.07%,比Unet++,DeepLabv3+和支持向量机方法方法提高了1.32%,1.75%和6.33%。基于改进后的PSPNet模型具有更强的特征提取和表达能力,可以更准确地提取丘陵地区的耕地信息,为农业决策提供更准确的数据支持,促进农业智能化和精准化,提高农作物产量和质量,推动农业现代化进程。

基于GEE和Sentinel-2影像的杭州城市湿地精细化分类研究

基于Google Earth Engine(GEE)云平台,使用Sentinel-2卫星影像数据,采用随机森林算法面向杭州城市湿地类型进行遥感分类研究.研究结果表明:在进行湿地类型精细化分类时,相比于使用单一特征信息分类,多特征信息的组合可以显著提高分类精度,最优特征组合包括传统光谱特征、红边光谱特征、变换特征、纹理特征和地形特征,其总体精度为81.2%,Kappa系数为0.75;不同特征信息对于不同湿地类型的提取具有重要作用,传统光谱特征对于滩地和养殖池的识别非常有利,而红边光谱特征和变换特征分别对草本沼泽和湖泊的识别更为有效.此外,红边光谱特征和纹理特征的组合有利于运河/水渠的识别.通过特征对比实验可为湿地精细化分类的案例研究提供参考,湿地分类结果可为杭州城市湿地信息的遥感识别提供数据支撑.

基于Sentinel-2影像的果树提取方法及其空间分析研究——以甘肃省平凉市为例

利用遥感技术对果园进行快速监测,准确掌握苹果园地面积与空间种植分布状况,有助于促进当地经济的发展。目前针对丘陵区果园提取的研究较少,相关方法的有效性和可靠性仍然存在问题。以甘肃省平凉市为研究区域,采用NDVI,RVI,EVI,SIPI,LSWI,NDWI等指标对输入数据进行增强,通过基于数据增强的梯度提升树算法提取研究区苹果种植面积。为验证该方法的有效性,引入最小距离法、CART决策树法、支持向量机法和随机森林4种机器学习算法进行对比分析,结果表明,梯度提升树算法分类精度最高,总体分类精度(Overall Accuracy,OA)达到89.3%,Kappa系数为0.77,分类效果及一致性均最佳。此外,采用基于数据增强的梯度提升树法分别对2019—2023年的苹果园进行提取,获得平凉市苹果园种植变化情况,各区县苹果园种植面积除泾川县外整体呈现上升趋势,泾川县和静宁县种植面积最大,其次为庄浪县、灵台县和崆峒区,最小的为崇信县和华亭市。

C_(2/3)经关节突经椎弓根螺钉固定的影像学测量及可行性分析

目的测量C_(2/3)经关节突经椎弓根螺钉相关影像学指标,并分析该置钉技术的可行性。方法收集120例全颈椎CT薄层扫描数据,其中男性75例,女性45例。设定C_(2/3)经关节突经椎弓根螺钉的进钉点,即进钉点在枢椎侧块的水平中线与中外1/3垂线交点处,螺钉自枢椎侧块穿C_(2/3)关节突关节、C_(3)侧块止于C_(3)椎弓根下缘。测量C_(2/3)经关节突经椎弓根螺钉相关影像学数据,包括C_(3)椎弓根宽度与高度,螺钉通道长度,内倾角度,头倾角度,最狭窄处宽度。并分析各项测量结果之间的关系。结果C_(3)椎弓根平均宽度5.48 mm,平均高度6.82 mm,螺钉通道平均长度18.68 mm,平均内倾角度20.46°,平均头倾角度50.1°,最狭窄处平均宽度2.80 mm。C_(3)椎弓根宽度与高度呈正相关(P=0.000),螺钉通道长度与C_(3)椎弓根宽度、高度呈正相关(P=0.000;P=0.000),螺钉通道最狭窄处宽度与C_(3)椎弓根宽度、高度呈正相关(P=0.000;P=0.000)。240例置钉测量数据中,如使用3.5 mm直径螺钉,均可完成置钉,C_(2/3)经关节突经椎弓根螺钉适用于所有患者。结论C_(2/3)经关节突经椎弓根螺钉在解剖学上是可行的,可作为上颈椎后路钉棒内固定补充的置钉技术。

T2-FLAIR影像组学对高级别脑胶质瘤术后1年复发的预测价值

目的:探讨T2-液体衰减反转恢复序列(T2-FLAIR)影像组学对高级别脑胶质瘤(HGG)术后1年复发的预测价值。方法:回顾性收集我院2019年1月—2021年12月收治的81例HGG(WHOⅢ~Ⅳ级)患者,所有患者均接受标准的肿瘤切除手术及术后辅助治疗。获取患者术后4周内的MRI T2-FLAIR图像,根据术后1年内的随访数据将患者分为未复发组(51例)和复发组(30例),将所有患者按照7∶3比例随机分配为训练组(57例)和验证组(24例)。采用3D-Slicer软件对残腔周围T2-FLAIR高信号区进行图像分割,并提取851个影像组学特征,包括一阶特征、形状特征、纹理特征、小波变换后的特征。采用观察者一致性检验、最大相关最小冗余算法、最小绝对收缩和选择算子算法逐步进行组学特征选择;采用logistic回归模型构建疗效评估模型;采用受试者工作特征(ROC)曲线分析模型的诊断效能。结果:最终筛选出12个影像组学特征纳入影像组学模型,训练组和验证组ROC曲线下面积(AUC)分别为0.789和0.757。进一步将临床参数IDH1基因突变状态、1p19q杂合缺失情况纳入模型后,联合模型中的AUC在训练组和验证组分别为0.880(95%CI 0.788~0.902)、0.929(95%CI 0.830~1.000),灵敏度分别为0.864、0.857,特异度分别为0.834、0.910。结论:基于T2-FLAIR建立的临床-影像组学联合模型具备早期预测HGG术后1年复发的价值。

TSC2型结节性硬化临床表现及影像学特征分析

结节性硬化(TSC)是一种表现多样、可侵及全身多个系统的常染色体显性遗传疾病,其总体发病率为1/6000~10000[1]。既往TSC的诊断标准为两个主要指征或一个主要指征加两个次要指征,然而,2021年国际结节性硬化临床共识会议更新了TSC的诊断标准,其中强调了基因检测的重要性,将TSC1/2基因变异变为一项可以单独诊断TSC的指征,另外一处改动是将之前诊断中的“局灶性皮层发育不良症(FCD)”改为“多发的皮层结节和/或径向迁移线”[2]。本文回顾性分析TSC2变异型TSC患者的临床表现及影像学特征,以期提高对本病的认识。

基于光学影像相关性匹配技术的2023年土耳其M_(W)7.8与M_(W)7.5双强震地表同震变形研究

2023年2月6日在土耳其中南部卡赫拉曼马拉什省10个小时内连续发生M_(W)7.8与M_(W)7.5双强震,震源机制解表明两个地震均为走滑型地震。土耳其双强地震发生后,国内外学者利用野外测量、GNSS以及差分InSAR等方法开展了一系列地表同震变形研究,但由于所采用的技术手段限制,当前已有地表同震变形结果尚存在空间分辨率低、近断层处数据缺失等不足。为了弥补这些不足,研究利用哨兵2号光学影像数据,通过影像相关性匹配技术得到了土耳其双强震的东西向和南北向的地表同震变形场,并将这些地表变形转换成为沿着断层方向的左旋走滑位移。变形场结果显示两次地震地表破裂长度分别约280 km和约130 km,首先发生的M_(W) 7.8地震的平均走滑位移量为4.2±1.66 m,最大走滑位移量6.9±0.81 m;随后发生的M_(W)7.5地震的平均走滑位移量为4.9±2.45 m,最大走滑位移量为9.6±1.16 m。通过对比COSI-Corr方法和野外测量得到的水平位移,结果显示2种方法得到的最大水平位移相吻合,而COSI-Corr方法得到的平均位移略大于野外测量得到的水平位移,这是由COSI-Corr方法测量结果中包含了部分离断层弥散变形导致的。研究结论不仅可为断层面滑动反演模型提供变形数据和约束条件,同时可以加深对走滑断裂的破裂行为控制因素的理解。