提出一種基于無人機高精度DEM數(shù)據(jù)的梯田自動提取算法.首先,基于無人機航測技術(shù)獲取1m分辨率的DEM數(shù)據(jù),在此基礎(chǔ)上計算地面坡度.此時,梯田田坎處于坡度的極大值區(qū).其次,采用坡面流水模擬算法實現(xiàn)對該極值區(qū)的提取.最后,對提取結(jié)果進行掩膜濾波,消除非梯田區(qū)域,得到最終梯田提取結(jié)果.以陜西省長武縣王東溝流域為實驗樣區(qū),進行梯田提取實驗,并將實驗提取結(jié)果與梯田目視解譯結(jié)果及光照暈渲模擬方法提取結(jié)果進行對比.結(jié)果顯示,相比目視真值,該方法提取梯田的準(zhǔn)確率為90.67%,具有較高的提取精度;相比光照暈渲模擬方法,該方法可提取出更為完整和連續(xù)的梯田結(jié)果.該梯田快速提取方法及結(jié)果可為水土保持、農(nóng)業(yè)發(fā)展、生態(tài)環(huán)境治理等研究提供依據(jù). 

【文章來源】：南京師范大學(xué)學(xué)報(工程技術(shù)版). 2020,20(02)

【文章頁數(shù)】：7 頁

【文章目錄】：
1 研究方法
    1.1 梯田的特征分析
        1.1.1 繼承性
        1.1.2 微觀地形特征
    1.2 基本原理
    1.3 實現(xiàn)方法
        1.3.1 基于高精度DEM數(shù)據(jù)的坡度計算
        1.3.2 基于坡度數(shù)字地面模型的極大值區(qū)提取
        1.3.3 梯田田坎線濾波
2 實驗樣區(qū)與數(shù)據(jù)
3 實驗結(jié)果與分析
    3.1 實驗過程
    3.2 實驗結(jié)果與精度評價
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于影像與坡度數(shù)據(jù)融合的梯田田塊分割方法[J]. 張宏鳴,胡勇,楊勤科,楊江濤,王美麗,張炯.  農(nóng)業(yè)機械學(xué)報. 2018(04)
[2]基于DEM光照暈渲模擬的梯田自動提取方法[J]. 代文,那嘉明,楊昕,曹建軍.  地球信息科學(xué)學(xué)報. 2017(06)
[3]基于面向?qū)ο蟮腟POT衛(wèi)星影像梯田信息提取研究[J]. 張雨果,王飛,孫文義,安淳淳.  水土保持研究. 2016(06)
[4]國產(chǎn)高分一號衛(wèi)星數(shù)據(jù)傅里葉變換提取梯田影像可行性分析[J]. 趙欣,王曉晶,趙院,羅志東,許永利,郭浩,張羿.  中國水土保持. 2016(01)
[5]梯田發(fā)展現(xiàn)狀概述[J]. 熊利鋒.  甘肅水利水電技術(shù). 2015(04)
[6]規(guī)則格網(wǎng)DEM中平直面狀特征地形識別與提取[J]. 徐靜,王春,張耀民,顧留碗.  測繪科學(xué). 2014(08)
[7]梯田地形形態(tài)特征及其綜合數(shù)字分類研究[J]. 趙衛(wèi)東,湯國安,徐媛,周春寅,錢家忠,馬雷.  水土保持通報. 2013(01)
[8]基于傅立葉變換的梯田紋理特征提取[J]. 于浩,劉志紅,張曉萍,李銳.  國土資源遙感. 2008(02)
[9]黃土丘陵區(qū)不同類型農(nóng)地的養(yǎng)分循環(huán)平衡特征[J]. 趙護兵,劉國彬,吳瑞俊.  農(nóng)業(yè)工程學(xué)報. 2006(01)
[10]基于DEM坡度坡向算法精度的分析研究[J]. 劉學(xué)軍,龔健雅,周啟鳴,湯國安.  測繪學(xué)報. 2004(03)

碩士論文
[1]基于面向?qū)ο蠓治龅臒o人機影像梯田田面提取研究[D]. 薛牡丹.西北農(nóng)林科技大學(xué) 2018
[2]面向無人機影像和坡度數(shù)據(jù)的梯田田塊提取方法研究[D]. 胡勇.西北農(nóng)林科技大學(xué) 2018
[3]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
[4]基于面向?qū)ο蟮倪b感影像梯田信息提取研究[D]. 張雨果.西北農(nóng)林科技大學(xué) 2016
[5]梯田自動提取及特征分析[D]. 趙漢青.南京師范大學(xué) 2016
[6]黃土高原梯田DEM地形特征研究[D]. 劉芬.西北大學(xué) 2015



本文編號：3628223