基于厘米级无人机影像的水土保持措施精准识别
发布时间：2021-06-24 21:03
基于厘米级高分辨率无人机影像,应用面向对象方法（Object-Based Image Analysis, OBIA）对吉林省伊通县椽子沟流域的横坡改垄、地埂植物带、生态恢复乔木林、生态恢复草地等水土保持措施进行自动精准识别。应用超绿指数（Excess Green Index,ExG）、超红指数（Excess Red Index,ExR）、归一化差异指数（Normalized Difference Index,NDI）等光谱指数,形状的主方向、形状指数等形状特征,均值（Mean）、方差（Variance）、对比度（Contrast）等纹理特征进行措施的特征提取。结果表明:研究区水土保持措施识别的总体精度可达91.24%,Kappa系数为0.87;对垄台、垄沟等线性水土保持措施总体精度可达72.33%,Kappa系数为0.63。基于厘米级无人机影像,应用面向对象方法基本可实现对黑土区水土保持措施的精准识别,也可对垄台垄沟等线性措施进行自动识别,研究结果可为水土保持措施实施范围及完好程度的动态监测提供参考依据。
【文章来源】：水土保持学报. 2020,34(05)北大核心CSCD
【文章页数】：9 页
【部分图文】：
研究区地理位置
由于本研究所采用厘米级无人机影像的空间分辨率较高,导致在提取线性水土保持措施垄台和垄沟信息时,如果分割阈值设置过小,沟垄内部的异质性会导致分割过于破碎,也就是“过分割”现象;在厘米级影像中,相邻地物特征是连续变化的,因此地物边缘具有模糊性,如果分割尺度过大会导致分割对象大于目标,也就是“欠分割”现象,不利于沟垄的提取。本研究经过多次尝试,反复目视对分割结果进行对比以获得较优的分割结果。首先,基于无人机影像的红、绿、蓝3个波段进行影像分割。将形状指数和紧密度的权重固定为0.1,0.5,分割尺度分别设定为25,35,45,发现分割尺度为25时,横坡改垄存在过度分割情况;分割尺度为45时,横坡改垄存在欠分割情况;分割尺度为35时,整体分割结果较好(图2)。然后,将分割尺度和紧密度的权重固定为35,0.5,将形状指数的权重分别设定为0.1,0.4,0.7,发现形状指数的权重为0.1时,分割结果较好(图2)。最后,将分割尺度和形状指数的权重固定为35,0.1,将紧密度的权重分别设定为0.1,0.5,0.9,发现紧密度的权重为0.5时,分割结果较好(图2)。因此,最终影像的分割尺度为35,形状指数为0.1,紧密度为0.5。2.2 影像特征提取
采用确定的尺度对影像进行分割后,仍有部分影像对象的轮廓与地物实际情况不相吻合(图2),主要是因为仅基于影像进行分割,利用的信息非常有限。因此本研究还选取光谱、地形和纹理特征参与后续分割,以获得更好的影像分割效果。本研究添加光谱特征即7种植被指数参与分割后,影像分割结果见图3,大部分影像对象的分割得到优化,尤其是对于植被和非植被的分割,影像对象的轮廓与地物的真实轮廓也更加吻合。由于无人机影像在拍摄过程中受到光照、拍摄时间、风速等因素的影响,相同地物亮度并不一定相同,仍需要借助其他特征辅助分割。在此基础上,又加入地形特征参与分割,尝试利用坡度、坡向和TWI等地形特征帮助分割线性水土保持措施。由图4可知,有些地物被分割为很多小方格形状的图斑,与原地物的边缘轮廓并不一致,不仅不能帮助分割地埂植物带、垄台和垄沟等线性水土保持措施,反而使其更加破碎。这可能是因为厘米级影像分辨率较高,包含的信息更加丰富,而且对于地形特征也就是对坡度、坡向、TWI的识别更加精确,尤其是由于不同土质或者光照原因导致同一地物TWI的细微差异,使其被分割成不同的对象。因此,本研究中地形特征的参与并没有改善影像分割效果,不利于水土保持措施信息的提取,后续分割中并没有使用。
【参考文献】：
期刊论文
[1]2018年度松辽流域水土流失动态监测结果分析[J]. 王岩松,姜艳艳,常诚,房含,李超君,杨胜天. 中国水土保持. 2019(12)
[2]基于卷积神经网络的无人机遥感农作物分类[J]. 汪传建,赵庆展,马永建,任媛媛. 农业机械学报. 2019(11)
[3]无人机遥感监测在水土保持监测中的应用[J]. 赵俊喜. 中国新技术新产品. 2018(10)
[4]松辽流域应用无人机遥感技术开展水土保持监管成效显著[J]. 中国水土保持. 2016(12)
[5]伊通县土壤侵蚀敏感性分析[J]. 陈宇琼,李晓燕,钟太洋. 江西农业学报. 2016(01)
[6]面向对象的高分遥感影像信息提取技术研究[J]. 常虹,詹福雷,杨国东,牛雪峰,张旭请,邵鹏,唐天琦. 测绘通报. 2015(01)
[7]基于多尺度形态学滤波的高分辨率遥感影像分割[J]. 岳安志,杨建宇,张超,朱德海,郧文聚. 农业工程学报. 2013(S1)
[8]我国水土保持情况普查及成果运用[J]. 刘震. 中国水土保持科学. 2013(02)
[9]基于不同分辨率遥感影像提取的水土保持措施精度分析[J]. 赵帮元,马宁,杨娟,李志华,王秦湘. 水土保持通报. 2012(04)
[10]基于纹理特征的高分辨率遥感图像土地利用分类研究[J]. 胡玉福,邓良基,匡先辉,王鹏,何莎,熊玲. 地理与地理信息科学. 2011(05)
博士论文
[1]高分辨率遥感影像面向对象分类方法研究[D]. 陈杰.中南大学 2010
硕士论文
[1]基于高分影像的黄土高原梯田提取技术研究[D]. 党恬敏.西北农林科技大学 2017
[2]面向对象的遥感影像水土保持措施信息提取研究[D]. 侯群群.西北农林科技大学 2013
本文编号：3247823
【文章来源】：水土保持学报. 2020,34(05)北大核心CSCD
【文章页数】：9 页
【部分图文】：
研究区地理位置
由于本研究所采用厘米级无人机影像的空间分辨率较高,导致在提取线性水土保持措施垄台和垄沟信息时,如果分割阈值设置过小,沟垄内部的异质性会导致分割过于破碎,也就是“过分割”现象;在厘米级影像中,相邻地物特征是连续变化的,因此地物边缘具有模糊性,如果分割尺度过大会导致分割对象大于目标,也就是“欠分割”现象,不利于沟垄的提取。本研究经过多次尝试,反复目视对分割结果进行对比以获得较优的分割结果。首先,基于无人机影像的红、绿、蓝3个波段进行影像分割。将形状指数和紧密度的权重固定为0.1,0.5,分割尺度分别设定为25,35,45,发现分割尺度为25时,横坡改垄存在过度分割情况;分割尺度为45时,横坡改垄存在欠分割情况;分割尺度为35时,整体分割结果较好(图2)。然后,将分割尺度和紧密度的权重固定为35,0.5,将形状指数的权重分别设定为0.1,0.4,0.7,发现形状指数的权重为0.1时,分割结果较好(图2)。最后,将分割尺度和形状指数的权重固定为35,0.1,将紧密度的权重分别设定为0.1,0.5,0.9,发现紧密度的权重为0.5时,分割结果较好(图2)。因此,最终影像的分割尺度为35,形状指数为0.1,紧密度为0.5。2.2 影像特征提取
采用确定的尺度对影像进行分割后,仍有部分影像对象的轮廓与地物实际情况不相吻合(图2),主要是因为仅基于影像进行分割,利用的信息非常有限。因此本研究还选取光谱、地形和纹理特征参与后续分割,以获得更好的影像分割效果。本研究添加光谱特征即7种植被指数参与分割后,影像分割结果见图3,大部分影像对象的分割得到优化,尤其是对于植被和非植被的分割,影像对象的轮廓与地物的真实轮廓也更加吻合。由于无人机影像在拍摄过程中受到光照、拍摄时间、风速等因素的影响,相同地物亮度并不一定相同,仍需要借助其他特征辅助分割。在此基础上,又加入地形特征参与分割,尝试利用坡度、坡向和TWI等地形特征帮助分割线性水土保持措施。由图4可知,有些地物被分割为很多小方格形状的图斑,与原地物的边缘轮廓并不一致,不仅不能帮助分割地埂植物带、垄台和垄沟等线性水土保持措施,反而使其更加破碎。这可能是因为厘米级影像分辨率较高,包含的信息更加丰富,而且对于地形特征也就是对坡度、坡向、TWI的识别更加精确,尤其是由于不同土质或者光照原因导致同一地物TWI的细微差异,使其被分割成不同的对象。因此,本研究中地形特征的参与并没有改善影像分割效果,不利于水土保持措施信息的提取,后续分割中并没有使用。
【参考文献】：
期刊论文
[1]2018年度松辽流域水土流失动态监测结果分析[J]. 王岩松,姜艳艳,常诚,房含,李超君,杨胜天. 中国水土保持. 2019(12)
[2]基于卷积神经网络的无人机遥感农作物分类[J]. 汪传建,赵庆展,马永建,任媛媛. 农业机械学报. 2019(11)
[3]无人机遥感监测在水土保持监测中的应用[J]. 赵俊喜. 中国新技术新产品. 2018(10)
[4]松辽流域应用无人机遥感技术开展水土保持监管成效显著[J]. 中国水土保持. 2016(12)
[5]伊通县土壤侵蚀敏感性分析[J]. 陈宇琼,李晓燕,钟太洋. 江西农业学报. 2016(01)
[6]面向对象的高分遥感影像信息提取技术研究[J]. 常虹,詹福雷,杨国东,牛雪峰,张旭请,邵鹏,唐天琦. 测绘通报. 2015(01)
[7]基于多尺度形态学滤波的高分辨率遥感影像分割[J]. 岳安志,杨建宇,张超,朱德海,郧文聚. 农业工程学报. 2013(S1)
[8]我国水土保持情况普查及成果运用[J]. 刘震. 中国水土保持科学. 2013(02)
[9]基于不同分辨率遥感影像提取的水土保持措施精度分析[J]. 赵帮元,马宁,杨娟,李志华,王秦湘. 水土保持通报. 2012(04)
[10]基于纹理特征的高分辨率遥感图像土地利用分类研究[J]. 胡玉福,邓良基,匡先辉,王鹏,何莎,熊玲. 地理与地理信息科学. 2011(05)
博士论文
[1]高分辨率遥感影像面向对象分类方法研究[D]. 陈杰.中南大学 2010
硕士论文
[1]基于高分影像的黄土高原梯田提取技术研究[D]. 党恬敏.西北农林科技大学 2017
[2]面向对象的遥感影像水土保持措施信息提取研究[D]. 侯群群.西北农林科技大学 2013
本文编号：3247823
本文链接：https://www.wllwen.com/kejilunwen/nykj/3247823.html
