首页期刊导航|地球信息科学学报
期刊信息/Journal information
地球信息科学学报
地球信息科学学报

徐冠华

双月刊

1560-8999

dqxxkx@igsnrr.ac.cn

010-64888891

100101

北京大屯路甲11号

地球信息科学学报/Journal Journal of Geo-Information ScienceCSCD北大核心CSTPCD
查看更多>>本刊以地球系统信息流为主要研究对象。是探索地球信息机理、地球信息认知方法和地球信息时空图谱新学科生长点的应用基础科学。推动地球信息科学的发展与创新、全球变化与区域可持续发展的深化研究，加强国际学术交流。
正式出版
收录年代

    结合目标局部和全局特征的CV模型遥感影像水体提取方法

    杨正雄峰张春亢黎国庆文鹏帆...
    1941-1953页
    查看更多>>摘要：如何准确有效的实现水体信息提取,是目前水资源管理、监测和应用非常重要的一环,由于水体形状、大小和分布的多样性以及场景的复杂性,如何高效准确地从遥感影像中提取出水体仍具有挑战性.现有的主动轮廓模型水体提取算法主要针对某一数据或特定水体类型,且受到噪声影响较大等问题,导致水体提取精度不高.因此,提出一种结合目标局部和全局特征的CV(Chan-Vese)模型快速分割方法.该改进方法的能量泛函由整体项、局部项和正则项组成,通过将局部图像信息融入CV模型的能量泛函中,在局部项中引入卷积算子并计算演化曲线内外部差值图像灰度均值,用差分图像代替原始图像,有效限制演化曲线处理灰度不均匀图像时发生的错误移动.此外,正则化项由长度约束项和新的惩罚能量组成,约束了演化曲线的长度,使目标边界更加平滑、精确,同时避免了传统水平集方法中的重新初始化步骤,以提高效率.针对哨兵1号卫星和哨兵2号卫星影像中的湖泊、河流和小水体分割实验结果表明:对于SAR(Synthetic Aperture Radar)影像,改进后的CV模型的分割精度分别达到96.15％、95.19％、83.64％,F1分数达到95.77％、91.06％、75.78％;对于光学影像,分割精度分别达到97.71％、95.12％、93.97％,F1分数达到97.15％、93.67％、86.78％.针对城市中心区域水体分割,SAR数据分割精度和F1分数分别为97.2％和89.2％;光学数据分割精度和F1分数分别为92.12％和89.37％.改进算法对背景复杂的多类型水体和城市区域水体均有较高的分割精度,能够实现遥感图像中水体的高精度提取.

    光学影像SAR影像水体提取CV模型能量泛函局部项差分图像

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    湿地植物物种多样性无人机高光谱遥感反演研究

    唐希颖李化哲崔丽娟赵欣胜...
    1954-1974页
    查看更多>>摘要：湿地植物物种多样性可以反映湿地生态系统的群落组织水平和稳定性,评价湿地健康、退化程度以及修复状况,快速量化物种多样性对保护湿地生物多样性至关重要,然而传统的实地调查方法费时费力,存在时间成本上的局限性,而高光谱技术的发展为实现这一目的提供了契机.为探究如何通过高光谱技术实现湿地植物物种多样性的精确反演,本研究在陕西汉中朱鹮国家级自然保护区对湿地植物展开调查并同步获取植物冠层的高光谱影像,使用Simpson(DS)、Margalef(DM)、Shan-non-Weiner(H')和Pielou(J)4种指标表征物种多样性,通过随机森林(Random Forest,RF)、BP神经网络(Back Propagation Neural Network,BPNN)和偏最小二乘(Partial Least Squares,PLS)3种方法建立反演模型,最终实现对区域物种多样性的反演推算.结果表明:一阶微分变换比二阶微分变换能提取出更多的敏感波段,而通过组合任意波段植被指数,可以提高与物种多样性指数的相关性;基于原始光谱数据与基于多特征组合的反演精度接近,且都是RF模型取得较高精度(R2>0.40);RF模型对H'和J的反演精度较好,R2高于0.6,DS的R2高于0.5,表明模型有一定预测能力,而DM的R2均低于0.5,模型预测能力并不理想.本研究展示了无人机高光谱技术在湿地植物物种多样性精确反演方面的有效性,证实了通过光谱微分变换和特征变量的提取结合随机森林模型实现无人机尺度的物种多样性反演方法的可靠性.该技术对于可为湿地生物多样性的大尺度检测提供技术支撑,为相关管理部门决策提供参考.

    湿地植物物种多样性无人机高光谱反演机器学习特征选择植被指数

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    顾及分层动态区域增长的车载LiDAR点云行道树提取方法

    关宇忻王竞雪许峥辉
    1975-1990页
    查看更多>>摘要：行道树的准确提取对生态园林城市建设及城市智慧化发展具有重要意义.但车载LiDAR点云数据中经常出现行道树与近邻地物相互遮掩、连接的情况,从而导致无法准确进行行道树提取.针对这一问题,本文提出一种分层动态区域增长行道树提取方法.首先,通过点云栅格化滤除地面点并根据地物投影特征进行行道树初步提取.然后,根据地物分布特征对点云数据进行等高度分层处理,构建层次化点云空间,进一步获取行道树与干扰地物信息.接着,在层次化点云空间内部进行动态区域增长,获取同一层和相邻层之间的点云属性信息,生成点云聚类簇以区分行道树与干扰地物.最后,根据干扰地物的几何特征和行道树杆状特征,滤除干扰地物实现准确的行道树提取.本文选用激光雷达大会提供的竞赛数据及Open DataLab官网提供的里尔、巴黎两地区街道点云数据进行实验.实验结果表明,本文方法行道树提取的正确率与完整率分别在98.69与97.73之上.本文方法能够在行道树与近邻地物相互遮掩、连接的情况下实现准确完整的行道树提取.同时,本文分层动态区域增长行道树提取方法的数据适用性更强,并且可以在行道树独立性不强的情况下有效提取行道树.

    车载LiDAR行道树提取点云栅格化层次化点云空间动态区域增长点云属性信息点云聚类簇

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    应用多尺度融合策略和改进YOLOV5的道路病害无人机检测

    程传祥金飞林雨准王淑香...
    1991-2007页
    查看更多>>摘要：结合无人机和深度学习目标检测算法自动检测道路病害具有范围广、成本效益高等优势.然而,道路病害的形状和大小变化剧烈,很难完整检测它们.此外,受限于计算资源,通用的目标检测算法只适用于小尺寸影像(512像素×512像素或640像素×640像素),很难直接应用于大尺寸的无人机影像(5472像素×3648像素或7952像素×5304像素).使用传统方法检测大尺寸影像中的多尺度目标会出现大尺寸目标切分、小尺寸目标漏检等问题.针对上述问题,本文提出了一种结合全局-局部多尺度融合策略和YOLOv5-RDD的创新解决方案.①构建了YOLOv5-RDD模型,在现有YOLOv5模型的基础上,设计多尺度C3(MSC3)模块和上下文特征金字塔网络(CFPN),增强了对多尺度目标的检测能力.②提出了一种全局-局部多尺度融合策略,利用下采样和切分手段获取大尺寸无人机影像的全局和局部信息,然后叠加全局和局部多尺度信息以获取整个大尺寸影像的多尺度信息,并采用中心非极大值抑制算法优化检测结果.③为验证所提方法的有效性,创建了一个专门用于无人机道路病害检测的UAV-RDD数据集.实验结果显示,与原始的YOLOv5模型相比,新模型YOLOv5-RDD在mAP上提升了5.8％,而全局-局部多尺度融合策略相比传统方法在mAP上提升了9.73％,充分证明了本文方法的有效性和优越性.

    道路病害检测YOLOv5无人机影像目标检测大尺寸影像多尺度特征融合非极大值抑制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    "第十届犯罪地理与犯罪分析研讨会"成功举办

    2008-2011页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    《地球信息科学学报》征稿简则

    《地球信息科学学报》编辑部
    2012页
      原文链接:
    • NETL
    • NSTL
    • 万方数据