基于厘米級(jí)高分辨率無(wú)人機(jī)影像,應(yīng)用面向?qū)ο蠓椒ǎ∣bject-Based Image Analysis, OBIA）對(duì)吉林省伊通縣椽子溝流域的橫坡改壟、地埂植物帶、生態(tài)恢復(fù)喬木林、生態(tài)恢復(fù)草地等水土保持措施進(jìn)行自動(dòng)精準(zhǔn)識(shí)別。應(yīng)用超綠指數(shù)（Excess Green Index,ExG）、超紅指數(shù)（Excess Red Index,ExR）、歸一化差異指數(shù)（Normalized Difference Index,NDI）等光譜指數(shù),形狀的主方向、形狀指數(shù)等形狀特征,均值（Mean）、方差（Variance）、對(duì)比度（Contrast）等紋理特征進(jìn)行措施的特征提取。結(jié)果表明:研究區(qū)水土保持措施識(shí)別的總體精度可達(dá)91.24%,Kappa系數(shù)為0.87;對(duì)壟臺(tái)、壟溝等線性水土保持措施總體精度可達(dá)72.33%,Kappa系數(shù)為0.63�；诶迕准�(jí)無(wú)人機(jī)影像,應(yīng)用面向?qū)ο蠓椒ɑ究蓪?shí)現(xiàn)對(duì)黑土區(qū)水土保持措施的精準(zhǔn)識(shí)別,也可對(duì)壟臺(tái)壟溝等線性措施進(jìn)行自動(dòng)識(shí)別,研究結(jié)果可為水土保持措施實(shí)施范圍及完好程度的動(dòng)態(tài)監(jiān)測(cè)提供參考依據(jù)。 

【文章來(lái)源】：水土保持學(xué)報(bào). 2020,34(05)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

研究區(qū)地理位置

由于本研究所采用厘米級(jí)無(wú)人機(jī)影像的空間分辨率較高,導(dǎo)致在提取線性水土保持措施壟臺(tái)和壟溝信息時(shí),如果分割閾值設(shè)置過(guò)小,溝壟內(nèi)部的異質(zhì)性會(huì)導(dǎo)致分割過(guò)于破碎,也就是“過(guò)分割”現(xiàn)象;在厘米級(jí)影像中,相鄰地物特征是連續(xù)變化的,因此地物邊緣具有模糊性,如果分割尺度過(guò)大會(huì)導(dǎo)致分割對(duì)象大于目標(biāo),也就是“欠分割”現(xiàn)象,不利于溝壟的提取。本研究經(jīng)過(guò)多次嘗試,反復(fù)目視對(duì)分割結(jié)果進(jìn)行對(duì)比以獲得較優(yōu)的分割結(jié)果。首先,基于無(wú)人機(jī)影像的紅、綠、藍(lán)3個(gè)波段進(jìn)行影像分割。將形狀指數(shù)和緊密度的權(quán)重固定為0.1,0.5,分割尺度分別設(shè)定為25,35,45,發(fā)現(xiàn)分割尺度為25時(shí),橫坡改壟存在過(guò)度分割情況;分割尺度為45時(shí),橫坡改壟存在欠分割情況;分割尺度為35時(shí),整體分割結(jié)果較好(圖2)。然后,將分割尺度和緊密度的權(quán)重固定為35,0.5,將形狀指數(shù)的權(quán)重分別設(shè)定為0.1,0.4,0.7,發(fā)現(xiàn)形狀指數(shù)的權(quán)重為0.1時(shí),分割結(jié)果較好(圖2)。最后,將分割尺度和形狀指數(shù)的權(quán)重固定為35,0.1,將緊密度的權(quán)重分別設(shè)定為0.1,0.5,0.9,發(fā)現(xiàn)緊密度的權(quán)重為0.5時(shí),分割結(jié)果較好(圖2)。因此,最終影像的分割尺度為35,形狀指數(shù)為0.1,緊密度為0.5。2.2 影像特征提取

采用確定的尺度對(duì)影像進(jìn)行分割后,仍有部分影像對(duì)象的輪廓與地物實(shí)際情況不相吻合(圖2),主要是因?yàn)閮H基于影像進(jìn)行分割,利用的信息非常有限。因此本研究還選取光譜、地形和紋理特征參與后續(xù)分割,以獲得更好的影像分割效果。本研究添加光譜特征即7種植被指數(shù)參與分割后,影像分割結(jié)果見(jiàn)圖3,大部分影像對(duì)象的分割得到優(yōu)化,尤其是對(duì)于植被和非植被的分割,影像對(duì)象的輪廓與地物的真實(shí)輪廓也更加吻合。由于無(wú)人機(jī)影像在拍攝過(guò)程中受到光照、拍攝時(shí)間、風(fēng)速等因素的影響,相同地物亮度并不一定相同,仍需要借助其他特征輔助分割。在此基礎(chǔ)上,又加入地形特征參與分割,嘗試?yán)闷露�、坡向和TWI等地形特征幫助分割線性水土保持措施。由圖4可知,有些地物被分割為很多小方格形狀的圖斑,與原地物的邊緣輪廓并不一致,不僅不能幫助分割地埂植物帶、壟臺(tái)和壟溝等線性水土保持措施,反而使其更加破碎。這可能是因?yàn)槔迕准?jí)影像分辨率較高,包含的信息更加豐富,而且對(duì)于地形特征也就是對(duì)坡度、坡向、TWI的識(shí)別更加精確,尤其是由于不同土質(zhì)或者光照原因?qū)е峦坏匚颰WI的細(xì)微差異,使其被分割成不同的對(duì)象。因此,本研究中地形特征的參與并沒(méi)有改善影像分割效果,不利于水土保持措施信息的提取,后續(xù)分割中并沒(méi)有使用。

【參考文獻(xiàn)】：
期刊論文
[1]2018年度松遼流域水土流失動(dòng)態(tài)監(jiān)測(cè)結(jié)果分析[J]. 王巖松,姜艷艷,常誠(chéng),房含,李超君,楊勝天.  中國(guó)水土保持. 2019(12)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的無(wú)人機(jī)遙感農(nóng)作物分類[J]. 汪傳建,趙慶展,馬永建,任媛媛.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(11)
[3]無(wú)人機(jī)遙感監(jiān)測(cè)在水土保持監(jiān)測(cè)中的應(yīng)用[J]. 趙俊喜.  中國(guó)新技術(shù)新產(chǎn)品. 2018(10)
[4]松遼流域應(yīng)用無(wú)人機(jī)遙感技術(shù)開(kāi)展水土保持監(jiān)管成效顯著[J].   中國(guó)水土保持. 2016(12)
[5]伊通縣土壤侵蝕敏感性分析[J]. 陳宇瓊,李曉燕,鐘太洋.  江西農(nóng)業(yè)學(xué)報(bào). 2016(01)
[6]面向?qū)ο蟮母叻诌b感影像信息提取技術(shù)研究[J]. 常虹,詹福雷,楊國(guó)東,牛雪峰,張旭請(qǐng),邵鵬,唐天琦.  測(cè)繪通報(bào). 2015(01)
[7]基于多尺度形態(tài)學(xué)濾波的高分辨率遙感影像分割[J]. 岳安志,楊建宇,張超,朱德海,鄖文聚.  農(nóng)業(yè)工程學(xué)報(bào). 2013(S1)
[8]我國(guó)水土保持情況普查及成果運(yùn)用[J]. 劉震.  中國(guó)水土保持科學(xué). 2013(02)
[9]基于不同分辨率遙感影像提取的水土保持措施精度分析[J]. 趙幫元,馬寧,楊娟,李志華,王秦湘.  水土保持通報(bào). 2012(04)
[10]基于紋理特征的高分辨率遙感圖像土地利用分類研究[J]. 胡玉福,鄧良基,匡先輝,王鵬,何莎,熊玲.  地理與地理信息科學(xué). 2011(05)

博士論文
[1]高分辨率遙感影像面向?qū)ο蠓诸惙椒ㄑ芯縖D]. 陳杰.中南大學(xué) 2010

碩士論文
[1]基于高分影像的黃土高原梯田提取技術(shù)研究[D]. 黨恬敏.西北農(nóng)林科技大學(xué) 2017
[2]面向?qū)ο蟮倪b感影像水土保持措施信息提取研究[D]. 侯群群.西北農(nóng)林科技大學(xué) 2013



本文編號(hào)：3247823