基于地形特征與隨機(jī)森林的侵蝕溝提取研究
發(fā)布時(shí)間:2021-11-28 02:56
侵蝕溝的提取研究為溝壑地貌土壤侵蝕監(jiān)測(cè)提供重要依據(jù);跓o(wú)人機(jī)獲取的高分辨率DOM和DEM計(jì)算出地形屬性指標(biāo),進(jìn)行不同侵蝕程度范圍的多尺度分割,選擇最優(yōu)分割尺度參數(shù)并評(píng)定分割效果,根據(jù)影像數(shù)據(jù)特征的分類精度構(gòu)建面向?qū)ο蠓诸惖奶卣骺臻g,利用統(tǒng)計(jì)分析方法結(jié)合機(jī)器學(xué)習(xí),建立相應(yīng)的分類規(guī)則,對(duì)安塞區(qū)紙坊溝的侵蝕溝進(jìn)行提取,實(shí)現(xiàn)有效分類。結(jié)果表明:在地形數(shù)據(jù)與光譜特征、紋理特征和幾何信息等影像數(shù)據(jù)結(jié)合的特征選擇下,侵蝕溝提取效果最佳,最終整體精度達(dá)到92.81%,Kappa系數(shù)為0.85,分類用戶精度最高達(dá)到90.01%。侵蝕溝的有效提取不僅掌握了安塞區(qū)紙坊溝的土壤侵蝕情況,對(duì)后續(xù)的水土保持和治理工作也具有重要意義。
【文章來(lái)源】:測(cè)繪技術(shù)裝備. 2019,21(04)
【文章頁(yè)數(shù)】:6 頁(yè)
【部分圖文】:
研究區(qū)位置圖
ESP工具通過(guò)計(jì)算在不同的分割尺度下所得到的對(duì)象同質(zhì)性的局部變化(local variance,LV),并以此作為所分割的對(duì)象層的標(biāo)準(zhǔn)差(standard deviation),從而用于判斷分割效果的好壞。每一個(gè)形狀參數(shù)與緊致度參數(shù)的組合對(duì)應(yīng)一個(gè)最優(yōu)分割尺度參數(shù),每個(gè)組合的最優(yōu)分割尺度參數(shù)的大小也不相同。并且用局部變化的變化率值來(lái)表示對(duì)象的最佳分割尺度參數(shù),當(dāng)局部變化(LV)的變化率值(ROC-LV)達(dá)到最大值時(shí),該點(diǎn)所對(duì)應(yīng)的尺度參數(shù)就可以認(rèn)為是最優(yōu)分割尺度參數(shù),如圖2所示。3.4 分割效果評(píng)定
對(duì)上述兩種分類方法的提取精度進(jìn)行計(jì)算,沖溝切溝區(qū)和淺溝區(qū)的提取精度分別如表5和表6所示。其中沖溝切溝區(qū)的整體分類精度為92.81%,Kappa系數(shù)為0.85,其分類精度較高,隨機(jī)森林的兩類效果優(yōu)于KNN分類以及SVM分類,凸顯出隨機(jī)森林分類具有分析復(fù)雜相互作用分類特征的能力。根據(jù)提取結(jié)果,可以看出淺溝可以很好被提取,目視解譯的結(jié)果有40個(gè)淺溝對(duì)象,利用規(guī)則分類提取的淺溝對(duì)象為46個(gè),其中漏分的淺溝對(duì)象為3個(gè),錯(cuò)分的淺溝對(duì)象為2個(gè),提取的用戶精度為86.96%。淺溝出現(xiàn)錯(cuò)分漏分的原因在于淺溝比較小,分類時(shí)對(duì)分類特征較為敏感,而分類特征閾值的確定也對(duì)分類精度產(chǎn)生影響。5 結(jié)束語(yǔ)
【參考文獻(xiàn)】:
期刊論文
[1]多源遙感影像的侵蝕溝信息提取分析[J]. 蒲羅曼,張樹文,王讓虎,常麗萍,楊久春. 地理與地理信息科學(xué). 2016(01)
[2]基于LIDAR和GIS技術(shù)的坡面侵蝕溝空間發(fā)育分析[J]. 孫玉柱,鄭粉莉,張姣. 水土保持研究. 2014(03)
[3]基于DEM及高分辨率遙感影像的西北黃土高原區(qū)侵蝕溝道普查[J]. 王慶,李智廣,高云飛,郭玉濤,劉建祥,王娜. 中國(guó)水土保持. 2013(10)
[4]東北典型黑土區(qū)南部侵蝕溝與地形要素之間的空間分布關(guān)系[J]. 李飛,張樹文,李天奇. 土壤與作物. 2012(03)
[5]東北典型黑土區(qū)40年來(lái)溝蝕空間格局變化及地形分異規(guī)律[J]. 王文娟,鄧榮鑫,張樹文. 地理與地理信息科學(xué). 2012(03)
[6]基于面向?qū)ο蠓椒ǖ你氪ù蟮卣馂?zāi)害土地覆蓋變化[J]. 蔡亮,郭濼. 生態(tài)學(xué)報(bào). 2008(12)
[7]克拜東部黑土區(qū)侵蝕溝遙感分類與空間格局分析[J]. 閆業(yè)超,張樹文,岳書平. 地理科學(xué). 2007(02)
博士論文
[1]基于多源數(shù)據(jù)的黃土高原(重點(diǎn)流失區(qū))侵蝕溝提取及區(qū)域差異性研究[D]. 劉凱.南京師范大學(xué) 2017
本文編號(hào):3523563
【文章來(lái)源】:測(cè)繪技術(shù)裝備. 2019,21(04)
【文章頁(yè)數(shù)】:6 頁(yè)
【部分圖文】:
研究區(qū)位置圖
ESP工具通過(guò)計(jì)算在不同的分割尺度下所得到的對(duì)象同質(zhì)性的局部變化(local variance,LV),并以此作為所分割的對(duì)象層的標(biāo)準(zhǔn)差(standard deviation),從而用于判斷分割效果的好壞。每一個(gè)形狀參數(shù)與緊致度參數(shù)的組合對(duì)應(yīng)一個(gè)最優(yōu)分割尺度參數(shù),每個(gè)組合的最優(yōu)分割尺度參數(shù)的大小也不相同。并且用局部變化的變化率值來(lái)表示對(duì)象的最佳分割尺度參數(shù),當(dāng)局部變化(LV)的變化率值(ROC-LV)達(dá)到最大值時(shí),該點(diǎn)所對(duì)應(yīng)的尺度參數(shù)就可以認(rèn)為是最優(yōu)分割尺度參數(shù),如圖2所示。3.4 分割效果評(píng)定
對(duì)上述兩種分類方法的提取精度進(jìn)行計(jì)算,沖溝切溝區(qū)和淺溝區(qū)的提取精度分別如表5和表6所示。其中沖溝切溝區(qū)的整體分類精度為92.81%,Kappa系數(shù)為0.85,其分類精度較高,隨機(jī)森林的兩類效果優(yōu)于KNN分類以及SVM分類,凸顯出隨機(jī)森林分類具有分析復(fù)雜相互作用分類特征的能力。根據(jù)提取結(jié)果,可以看出淺溝可以很好被提取,目視解譯的結(jié)果有40個(gè)淺溝對(duì)象,利用規(guī)則分類提取的淺溝對(duì)象為46個(gè),其中漏分的淺溝對(duì)象為3個(gè),錯(cuò)分的淺溝對(duì)象為2個(gè),提取的用戶精度為86.96%。淺溝出現(xiàn)錯(cuò)分漏分的原因在于淺溝比較小,分類時(shí)對(duì)分類特征較為敏感,而分類特征閾值的確定也對(duì)分類精度產(chǎn)生影響。5 結(jié)束語(yǔ)
【參考文獻(xiàn)】:
期刊論文
[1]多源遙感影像的侵蝕溝信息提取分析[J]. 蒲羅曼,張樹文,王讓虎,常麗萍,楊久春. 地理與地理信息科學(xué). 2016(01)
[2]基于LIDAR和GIS技術(shù)的坡面侵蝕溝空間發(fā)育分析[J]. 孫玉柱,鄭粉莉,張姣. 水土保持研究. 2014(03)
[3]基于DEM及高分辨率遙感影像的西北黃土高原區(qū)侵蝕溝道普查[J]. 王慶,李智廣,高云飛,郭玉濤,劉建祥,王娜. 中國(guó)水土保持. 2013(10)
[4]東北典型黑土區(qū)南部侵蝕溝與地形要素之間的空間分布關(guān)系[J]. 李飛,張樹文,李天奇. 土壤與作物. 2012(03)
[5]東北典型黑土區(qū)40年來(lái)溝蝕空間格局變化及地形分異規(guī)律[J]. 王文娟,鄧榮鑫,張樹文. 地理與地理信息科學(xué). 2012(03)
[6]基于面向?qū)ο蠓椒ǖ你氪ù蟮卣馂?zāi)害土地覆蓋變化[J]. 蔡亮,郭濼. 生態(tài)學(xué)報(bào). 2008(12)
[7]克拜東部黑土區(qū)侵蝕溝遙感分類與空間格局分析[J]. 閆業(yè)超,張樹文,岳書平. 地理科學(xué). 2007(02)
博士論文
[1]基于多源數(shù)據(jù)的黃土高原(重點(diǎn)流失區(qū))侵蝕溝提取及區(qū)域差異性研究[D]. 劉凱.南京師范大學(xué) 2017
本文編號(hào):3523563
本文鏈接:http://www.sikaile.net/projectlw/zrdllw/3523563.html
最近更新
教材專著