基于高分一号影像的宝兴县滑坡信息提取研究

发布时间：2017-09-18 10:21

  本文关键词：基于高分一号影像的宝兴县滑坡信息提取研究

  更多相关文章： 滑坡 面向对象 提取和分析 DRC

【摘要】：我国山区面积广大,在人为因素、地质构造运动及降雨等作用下,滑坡灾害频繁发生。滑坡灾害常常会导致村庄的掩埋、交通的中断、农田的损毁等,给人们的生命财产造成巨大损失。据统计,我国每年因滑坡灾害造成的经济损失达十亿以上。快速地发现和提取滑坡信息,对滑坡灾害的防灾减灾极其重要。遥感技术在数据获取上具有覆盖范围广、时效性强、信息量大、成本低等特点,随着高分辨率、高光谱等遥感技术的发展,通过遥感技术获取滑坡信息已进入了一个全新的阶段。传统的滑坡提取方法主要是通过野外现场调查和人工目视解译对灾害信息进行识别和分类,该方法信息提取过程的周期长,分类的精度低,成本高。面向像元的方法可以实现滑坡信息的快速提取,在中低分辨率的影像中得到了广泛应用,然而该方法在高分辨率影像中提取滑坡信息时会出现“椒盐”效应。面向对象的方法将具有相似特征的像元合并为一个对象,可以有效地避免面向像元方法的“椒盐”效应,提高分类的精度。本文以宝兴县蜂桶寨为研究区,基于DEM和高分一号影像数据,采用面向对象和基于像元的方法进行滑坡信息的提取和分类,取得的主要成果有:(1)针对于研究区域滑坡发生的特征,提出了一种基于植被指数(NDVI)、土壤亮度指数(NDSI)、第一主成分(PC1)信息的快速、高效的滑坡信息提取的思路,分别从面向像元和基于对象两种方法进行了验证。实验证明,面向对象方法成功的避免了高分辨率遥感影像由于单个像元光谱异质性大所产生的“椒盐”效应,使得提取的结果更加科学可靠,效果更好,精度更高。(2)采用面向对象的方法进行了滑坡信息的提取,提取结果表明面向对象的提取方法有着较高的分类精度(Kappa系数88%)。本文利用多尺度分割思想,按照分割尺度的大小建立了不同的图层,根据每一层的特征提取不同的地物类别,分析其光谱、纹理、上下文关系等特征,建立滑坡信息提取的规则,最后提取出了滑坡信息。(3)采用面向对象的方法提取出了45个滑坡体。这些滑坡体主要集中在研究区域的西南方向,长宽比在1-2.5,高程在1500-2500米,坡度在35-55度。(4)针对于提取滑坡元数据量大、结构复杂、种类繁多等特点,本文提出了DOA下的滑坡元数据管理模式,完成了滑坡元数据的注册,为后续的研究打下基础。
【关键词】：滑坡 面向对象 提取和分析 DRC
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P642.22;P237
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 引言9-16
• 1.1 选题目的和意义9-10
• 1.2 遥感滑坡信息提取研究现状10-13
• 1.2.1 目视解译的滑坡信息提取研究现状10-11
• 1.2.2 面向像元的滑坡信息提取研究现状11-12
• 1.2.3 面向对象的滑坡信息提取研究现状12-13
• 1.3 课题来源13
• 1.4 研究内容与技术路线13-14
• 1.5 论文成果及创新点14-15
• 1.6 本章小结15-16
• 第2章 遥感滑坡提取方法及DOA概述16-32
• 2.1 面向像元的滑坡信息提取方法16-18
• 2.2 面向对象的滑坡信息提取方法18-30
• 2.2.1 遥感影像图像分割18-24
• 2.2.2 面向对象的模糊分类24-26
• 2.2.3 影像对象的特征26-29
• 2.2.4 基于规则的滑坡信息提取29-30
• 2.3 面向数据的体系架构30-31
• 2.4 本章小结31-32
• 第3章 研究区概括及数据预处理32-39
• 3.1 研究区概括32-33
• 3.2 高分一号数据33-34
• 3.3 数据预处理34-38
• 3.3.1 正射校正34-37
• 3.3.2 数据融合37-38
• 3.4 本章小结38-39
• 第4章 遥感滑坡信息提取39-52
• 4.1 滑坡定义39
• 4.2 滑坡特征分析39-41
• 4.3 面向像元的滑坡信息提取41-43
• 4.3.1 面向像元的滑坡信息提取流程41-42
• 4.3.2 面向像元的滑坡信息提取结果42-43
• 4.4 面向对象的滑坡信息提取43-51
• 4.4.1 提取滑坡候选区45-46
• 4.4.2 识别滑坡假阳性区域46-48
• 4.4.3 面向对象的滑坡信息提取结果与分析48-51
• 4.5 章节小结51-52
• 第5章 DOA下的滑坡元数据管理52-56
• 5.1 滑坡元数据定义52-53
• 5.2 滑坡元数据的用途53
• 5.3 DOA下的滑坡数据管理模式53-54
• 5.4 滑坡元数据统一管理的实现54-55
• 5.5 本章小结55-56
• 结论56-57
• 致谢57-58
• 参考文献58-61
• 攻读学位期间取得学术成果61

【参考文献】

中国期刊全文数据库 前7条

1 童庆禧;卫征;;北京一号小卫星及其数据应用[J];航天器工程;2007年02期

2 汪小林,罗英伟,丛升日,张宁,许卓群,陆钟辉;空间元数据研究及应用[J];计算机研究与发展;2001年03期

3 冯德俊,李永树,兰燕;基于主成分变换的动态监测变化信息自动发现[J];计算机工程与应用;2004年36期

4 王旭红;周明全;耿国华;;面向对象的遥感图像数据挖掘[J];计算机应用与软件;2006年09期

5 许冲;戴福初;陈剑;涂新斌;许领;李维朝;田伟;曹琰波;姚鑫;;汶川Ms8.0地震重灾区次生地质灾害遥感精细解译[J];遥感学报;2009年04期

6 李松;李亦秋;安裕伦;;基于变化检测的滑坡灾害自动识别[J];遥感信息;2010年01期

7 陈垦;苗放;杨文晖;王方;程付超;;基于DOA的应急管理指挥系统设计与实现[J];中国地质灾害与防治学报;2013年03期

中国重要会议论文全文数据库 前1条

1 牛全福;程维明;兰恒星;刘勇;颉耀文;曹玉尧;;玉树地震滑坡灾害的遥感提取与分布特征分析[A];全国突发性地质灾害应急处置与灾害防治技术高级研讨会论文集[C];2010年

中国博士学位论文全文数据库 前1条

1 祝锦霞;高分辨率遥感影像变化检测的关键技术研究[D];浙江大学;2011年

中国硕士学位论文全文数据库 前1条

1 吴忠芳;RS和GIS技术支持下的武隆县大型滑坡遥感解译及其危险性评价[D];西南大学;2009年

，

本文编号：874946