基于PIE-Engine的陕西省公路网遥感影像分析

doi:10.13474/j.cnki.11-2246.2025.0708

测绘通报 ›› 2025, Vol. 0 ›› Issue (7): 46-51.doi: 10.13474/j.cnki.11-2246.2025.0708

基于PIE-Engine的陕西省公路网遥感影像分析

杜建超¹, 张雷¹, 白晋颖², 李婷婷²

1. 西安电子科技大学通信工程学院, 陕西西安 710071;
2. 航天宏图信息技术股份有限公司西安分公司, 陕西西安 710199

收稿日期:2024-12-10 发布日期:2025-08-02
作者简介:杜建超(1977—),男,博士,副教授,主要从事图像处理算法及应用研究。E-mail:jcdu@xidian.edu.cn
基金资助:
教育部产学合作协同育人项目(230902313183709)

Remote sensing image analysis of Shaanxi provincial highway network based on PIE-Engine

DU Jianchao¹, ZHANG Lei¹, BAI Jinying², LI Tingting²

1. School of Telecommunications Engineer, Xidian University, Xi'an 710071, China;
2. Xi'an Branch of PIESAT Information Technology Co., Ltd., Xi'an 710199, China

Received:2024-12-10 Published:2025-08-02

摘要/Abstract

摘要： 公路网建设状况是反映地区经济发展的重要指标,分析陕西省公路网的建设情况,对于研究陕西省区域发展具有重要参考价值。本文基于2022年10 m分辨率的遥感影像,通过PIE-Engine AI平台与ArcGIS Pro软件的联合应用,实现了对陕西省2022年度的道路提取,并根据道路里程、道路密度等参数分析了陕西省的公路网建设状况。结果表明,陕西省公路网建设与经济、地理特征具有很强的相关性,公路网络呈现以省会西安为中心重点发展,逐步向外扩散发展的整体趋势。本文结果为陕西省区域发展研究提供了有效的数据支持。

关键词: 道路提取, 陕西省公路网, PIE-Engine, 遥感影像处理

Abstract: The construction status of highway network is an important indicator to reflect the development of regions.It has important reference value of analyzing the construction status of highway network in Shaanxi province to study the regional development in Shaanxi province.Based on the 10 m resolution remote sensing image of 2022,this paper has realized the extraction of roads in Shaanxi province in 2022 through the joint application of PIE-Engine AI platform and ArcGIS PRO software,and analyzed the construction status of the road network in Shaanxi province according to the parameters of road mileage,road density and so on.The results show that there is a strong correlation between the road network construction and economic and geographic features in Shaanxi province,and the road network shows an overall trend of focusing on Xi'an city,the capital of the province,and gradually spreading outward.The results of this paper can provide effective data support for regional development research in Shaanxi province.

Key words: road extraction, Shaanxi provincial highway network, PIE-Engine, remote sensing image processing

中图分类号:

P237

杜建超, 张雷, 白晋颖, 李婷婷. 基于PIE-Engine的陕西省公路网遥感影像分析[J]. 测绘通报, 2025, 0(7): 46-51.

DU Jianchao, ZHANG Lei, BAI Jinying, LI Tingting. Remote sensing image analysis of Shaanxi provincial highway network based on PIE-Engine[J]. Bulletin of Surveying and Mapping, 2025, 0(7): 46-51.

参考文献

[1] 周进.习近平总书记关于共建“一带一路”倡议重要论述研究[J].马克思主义研究,2024(2):96-105.
[2] 周丹,张勃,任培贵,等.基于标准化降水蒸散指数的陕西省近50a干旱特征分析[J].自然资源学报,2014,29(4):677-688.
[3] 李芹芳,钱文君,陈玮,等.陕西省区域经济发展水平差异评价分析[J].干旱区地理,2010,33(3):456-461.
[4] 罗伟.陕西省县区交通可达性及其演变分析[D].西安:西北大学,2023.
[5] 杜培军,夏俊士,薛朝辉,等.高光谱遥感影像分类研究进展[J].遥感学报,2016,20(2):236-256.
[6] 田中原.遥感图像多尺度目标的轻量化检测方法[J].测绘科学,2023,48(6):104-111.
[7] 史文中,朱长青,王昱.从遥感影像提取道路特征的方法综述与展望[J].测绘学报,2001,30(3):257-262.
[8] WANG F,NEWKIRK R.A knowledge-based system for highway network extraction[J].IEEE Transactions on Geoscience and Remote Sensing,1988,26(5):525-531.
[9] HASAN Y M Y,KARAM L J.Morphological reversible contour representation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(3):227-240.
[10] KRISHNA K,NARASIMHA MURTY M.Genetic K-means algorithm[J].IEEE Transactions on Systems,Man,and Cybernetics,Part B (Cybernetics),1999,29(3):433-439.
[11] HINTON G E,SALAKHUTDINOV R R.Reducing the dimensionality of data with neural networks[J].Science,2006,313(5786):504-507.
[12] 李余,杨祥立,张乐,等.基于级联U-Net的遥感影像道路分割和轮廓提取方法[J/OL].计算机科学,2023:1-14.(2023-10-08).[2024-10-16] http://kns.cnki.net/KCMS/detail/detail.aspx?filename=JSJA2023092203I&dbname=CJFD&dbcode=CJFQ.
[13] 王谦,何朗,王展青,等.基于改进DeepLabv3+的遥感影像道路提取算法[J/OL].计算机科学:1-12[2024-06-14].https://d.wanfangdata.com.cn/periodical/jsjkx202408018.
[14] 程伟,钱晓明,李世卫,等.时空遥感云计算平台PIE-Engine Studio的研究与应用[J].遥感学报,2022,26(2):335-347.
[15] 朱一龙,白栋,张春,等.基于ICESat-2的陕西省SRTM和ASTER GDEM数据对比分析研究[J/OL].矿产勘查,2024:1-8[2024-05-06].http://kns.cnki.net/KCMS/detail/detail.aspx?filename=YSJS2024042900M&dbname=CJFD&dbcode=CJFQ.
[16] DRUSCH M,DEL BELLO U,CARLIER S,et al.Sentinel-2:ESA's optical high-resolution mission for GMES operational services[J].Remote Sensing of Environment,2012,120:25-36.
[17] 唐琪,李恒凯,周艳兵,等.基于Sentinel-2与时序Sentinel-1 SAR特征的赣南柑橘种植区识别方法[J].农业机械学报,2024,55(3):193-202.
[18] LIU Han,LIAO Tongkui,WANG Yu,et al.Fine-grained wetland classification for national wetland reserves using multi-source remote sensing data and Pixel Information Expert Engine (PIE-Engine)[J].GIScience & Remote Sensing,2023,60(1):2286746.
[19] ZHOU Lichen,ZHANG Chuang,WU Ming.D-LinkNet:LinkNet with pretrained encoder and dilated convolution for high resolution satellite imagery road extraction[C]//Proceedings of 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops.Salt Lake City,UT:IEEE,2018:192-1924.
[20] 刘文祥,舒远仲,唐小敏,等.采用双注意力机制Deeplabv3+算法的遥感影像语义分割[J].热带地理,2020,40(2):303-313.
[21] CORBIN T.Learning ArcGIS Pro[M].[S.l.]:Packt Publishing Ltd,2015.
[22] 陕西省统计局.陕西省第七次全国人口普查主要数据公报[EB/OL].[2024-11-10].https://tjj.shaanxi.gov.cn/tjsj/ndsj/tjgb/qs_444/.

基于PIE-Engine的陕西省公路网遥感影像分析

Remote sensing image analysis of Shaanxi provincial highway network based on PIE-Engine

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘恒, 左涛, 贾康, 柴成富, 刘艺炫, 陈恒恒. PIE-Engine平台下土地利用变化对生态质量影响的遥感评估与时空分析[J]. 测绘通报, 2024, 0(9): 28-31,37.
[2]	罗俊, 张春亢, 罗启雄. 顾及邻域局部特征的车载点云城市道路提取[J]. 测绘通报, 2024, 0(9): 62-66,73.
[3]	张伟, 张朝龙, 王本林, 蔡安宁. 基于深度学习的多尺度无人机遥感图像道路提取[J]. 测绘通报, 2024, 0(6): 77-81.
[4]	王淑香, 林雨准, 金飞, 杨小兵, 黄子恒, 程传祥. 结合融合策略的光学影像道路提取技术[J]. 测绘通报, 2024, 0(4): 6-12.
[5]	黄金彩, 李诗逸, 石岩. 利用行车记录仪视频提取路面车道线[J]. 测绘通报, 2024, 0(12): 1-5.
[6]	邹鑫, 王磊, 李靖宇, 滕超群, 黄金中, 李忠, 李世保. 融合Deep-ResUnet和PS-InSAR的城市道路网形变灾害监测方法——以合肥市为例[J]. 测绘通报, 2023, 0(8): 67-71.
[7]	佘佐明, 申勇智, 宋剑虹, 向玉瑨. 利用经典CNN网络方法构建贵阳市道路要素遥感影像自动提取模型[J]. 测绘通报, 2023, 0(4): 177-182.
[8]	刘晋, 杨容浩, 文文, 谭骏祥, 兰青龙, 高祥, 汤洪. 一种车载LiDAR点云道路提取深度神经网络模型[J]. 测绘通报, 2023, 0(12): 8-12,18.
[9]	何光明, 韩士元, 陈月辉, 周劲, 杨君. 基于车载LiDAR的特征融合差分的车前道路提取方法[J]. 测绘通报, 2023, 0(12): 13-18.
[10]	闫志恒, 任超, 李毅, 徐宁辉, 张胜国. 一种改进的融合不同尺度特征的遥感影像道路提取新方法[J]. 测绘通报, 2022, 0(9): 58-62.
[11]	任月娟, 葛小三. 改进DeepLabV3+网络的遥感影像道路综合提取方法[J]. 测绘通报, 2022, 0(6): 55-61.
[12]	刘茂华, 李曼雯. 融合高分影像和LiDAR数据的城市道路提取[J]. 测绘通报, 2021, 0(6): 1-5,60.
[13]	彭赤, 毛先胤, 杨柳青, 马晓红, 吕乾勇, 杜昊, 王迪, 余容. 多山地区输电通道内道路提取方法[J]. 测绘通报, 2021, 0(4): 105-110,125.
[14]	郑恬静, 黄金彩, 周宝定, 张德津. 基于众源轨迹数据的行人路网提取[J]. 测绘通报, 2021, 0(3): 69-74.
[15]	程效猛, 郑浩, 眭海刚, 冯文卿. 结合矢量引导的高分辨率遥感影像道路自动提取[J]. 测绘通报, 2018, 0(9): 19-23.