论城市空间的视觉影像

在新的时代背景和新的功能要求下,城市发展要有文化性,并发掘城市特色,使城市向人们更直接的传达城市空间视觉影像。本文着重从造型视觉形象、色彩视觉形象、人文视觉形象三方面进行分析,探讨了如何更好传达出城市视觉特色。     

影像技术在兽医临床诊断中的应用发展研究

影像技术始于20世纪70年代,包括X光、B超、内窥镜、CT、磁共振成像（MRI）等,目前,已广泛应用于国内外的人医界;在发达国家的兽医界,这些技术也已经有了较为普遍的应用;而在我国兽医界则极少有关于这方面的报道,随着对兽医诊断、治疗技术要求的不断提高和数字化技术在各个领域的普及化,影像技术的广泛应用必将是我国兽医研究和临床诊断发展的一个趋势,笔者就影像技术在兽医临床诊断中的应用发展做一综述。     

基于遥感的绿洲动态变化研究——以艾比湖绿洲为例

采用艾比湖的1990、2001与2009年3期Landsat TM/ETM+遥感数据资料,运用ENVI4.5和ArcGIS进行制图分析得到了艾比湖区域土地类型转移矩阵,定量研究了艾比湖区域1990～2009年土地利用类型的时空变化特征,并分析了土地类型转入/转出贡献率。结果表明,1990～2009年,艾比湖绿洲分布特征有明显变化,面积也有显著的扩张,在转入和转出过程中,绿洲和未利用地之间的转换最为密切,水体面积在转换矩阵中基本上保持稳定趋势;从转入贡献率看,占优势的为绿洲,而转出贡献率中占优势的是未利用地。     

匹配点云结合HSI色彩分量的无人机RGB影像信息提取方法

无人机通常搭载可见光波段传感器获取红-绿-蓝（Red-Green-Blue,RGB）影像,由于无人机RGB影像波段较少,影像的地物信息提取存在一定难度。该研究提出了一种匹配点云结合色调-饱和度-亮度（Hue-Saturation-Intensity,HSI）空间色彩分量的无人机RGB影像信息提取方法。首先以饱和度分量和红光波段构造了饱和度与红光比值指数,再结合可见光波段差异植被指数以及由匹配点云获得的地形特征对研究区正射影像进行分类。试验结果表明,本文方法的总体分类精度达到了91.11%,Kappa系数为0.895,证明匹配点云结合HSI空间色彩分量的方法提取无人机RGB影像信息是可行的,提取结果具有较高精度。相较于基于光谱特征的传统方法,本文方法引入匹配点云可以简单高效地提取影像中高程差异明显的地物,同时,结合HSI色彩分量能够有效弥补无人机RGB影像光谱特征较少的不足。     

无人机森林航摄影像三维点云估测林分蓄积量研究

森林蓄积量能够评估林地生产力的高低及经营措施的效果,为森林经营与采伐提供重要依据。目前,大多基于无人机影像的蓄积量估算,均建立在测绘标准所生成的DOM、DSM、DEM等测绘成果基础上,而未充分利用原始影像数据上的林业特征,无法从点云层面上加入林业业务逻辑产生成果数据。获取无人机影像后,利用特征点提取与匹配方法自动相对定向,结合控制点和光束法平差的迭代求解,解算出精确的相机姿态数据,并沿核线方向一维搜索特征点进行影像密集匹配生成密集点云。对原始三维点云过滤后进行树冠分割,在聚类后的林冠点云中提取了树顶点和树高因子估测了森林蓄积量。研究结果表明,冠幅的提取精度85.15%,树高的提取精度83.69%,林分蓄积量估算的精度达到了82.46%。     

基于反射光谱与Landsat 8 OLI多光谱数据的艾比湖湿地土壤盐分估算

土壤盐渍化是农业生产中最关键的生态问题之一,是一种降低土壤质量,严重影响作物产出的缓慢土壤退化过程。因此,土壤盐分的监测及评估对干旱区的土地管理与恢复至关重要。选取艾比湖湿地为研究区,基于2016年干湿两季(5月/9月)的Landsat8 OLI遥感影像,147个土壤实测样点的电导率(Electrical Conductivity, EC)数据及其对应的室内反射光谱数据,通过光谱重采样技术,建立该研究区土壤EC的偏最小二乘(partial least-squares regression, PLSR)定量估算模型,并尝试对干湿两季的土壤盐渍化状况进行对比分析。结果表明:(1)艾比湖湿地土壤盐渍化较为严重,湿季土壤EC(23.90 mS·cm~(-1))高于干季(11.62 mS·cm~(-1));(2)基于重采样处理后的光谱数据及13个光谱指数所建立的PLSR模型具有较好的精度(R2=0.91,RMSE=6.48mS·cm~(-1),RPD=2.45),说明该模型可以有效地对区域尺度的土壤EC进行定量估算。(3)从2016年5月至9月,艾比湖湿地的中度和重度盐渍土面积增加,轻度盐渍土和盐土面积减少。本研究将两种不同分辨率的数据进行联合建模,既提升了传统光学遥感影像模型的精度,又将高光谱数据扩展至像元尺度上,为土壤盐分信息的遥感提取提供了科学参考。     

基于机器学习的高光谱湿地植被分类研究

为实现湿地植被的精细分类和高精度制图,为湿地管理部门提供准确的决策依据,以美国加州萨克拉门托—圣华金水域的典型湿地植被为研究对象,以高光谱影像为数据源,结合野外GPS采样点,对典型湿地植被的光谱反射率作一阶导数和二阶导数处理,基于均值置信区间原理筛选特征波段,基于单因素分析法筛选能够明显区分植被类型的植被指数。联合特征波段和植被指数构建特征集,利用机器学习C5.0决策树生成知识规则并提取湿地植被信息。结果表明,基于机器学习C5.0决策树的湿地植被提取总体精度为80.09%,Kappa系数为0.792,与最大似然法比较,总体精度提升10.79%,Kappa系数提升0.105,说明基于机器学习的C5.0决策树法能够实现植被的精细分类,方法切实可行。     

基于遥感影像的昆明中心城区绿地信息提取

以昆明中心城区遥感影像为研究数据,采用基于面向对象分类的研究方法,按照监督分类的思想,将地物分为城市绿地、林地、裸地、水体、建筑和道路6种类型,运用支持向量机的分类器对绿地信息进行提取,并根据总体分类精度和kappa系数的大小对分类结果进行验证,结果表明:城市绿地信息提取精度良好,符合城市绿地调查的精度标准,认为此种绿地信息提取方法值得推广运用。     

基于无人机遥感的森林火烧迹地面积调查应用

森林火烧迹地面积的传统调查方法存在劳动强度大、效率低、数据可靠性不高等问题。为解 决上述问题,研究设计了无人机荷载多光谱传感器对森林火烧迹地面积进行调查的方法,并利用野外实 验对该方法进行了初步验证。结果表明该调查技术可快速准确获取较大范围的森林火灾火烧迹地面积, 精度可达94.44%,提高了火烧迹地调查的效率。     

91卫图助手在基层林场工作中的应用

文章针对基层林场卫星影像的获取,营造林小班边界及检查验收边界的确定,较为全面地介绍了91卫图在基层林场上述工作中的应用,为技术人员更好地将91卫图利用于林场实际工作提供参考。