CN102706328A - 地面沉陷区域的检测方法和装置及数据处理设备 - Google Patents
地面沉陷区域的检测方法和装置及数据处理设备 Download PDFInfo
- Publication number
- CN102706328A CN102706328A CN2012101350855A CN201210135085A CN102706328A CN 102706328 A CN102706328 A CN 102706328A CN 2012101350855 A CN2012101350855 A CN 2012101350855A CN 201210135085 A CN201210135085 A CN 201210135085A CN 102706328 A CN102706328 A CN 102706328A
- Authority
- CN
- China
- Prior art keywords
- plant
- data
- spectral information
- information data
- zone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种地面沉陷区域的检测方法和装置及数据处理设备,该地面沉陷区域的检测方法包括:获取目标区域的卫星遥感影像数据;提取卫星遥感影像数据中的植物光谱信息数据;判断目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域,其中,参考区域为地面沉陷状况已知的区域;以及当目标区域中的第一区域与参考区域的植物光谱信息数据相匹配时,则确定第一区域的地面沉陷状况与参考区域的地面沉陷状况相同。通过本发明,达到了检测结果客观准确的效果。
Description
技术领域
本发明涉及勘测领域,具体而言,涉及一种地面沉陷区域的检测方法和装置及数据处理设备。
背景技术
地面沉陷是井下煤矿开采的主要隐患之一,同时,地面沉陷引发的地裂、山体滑坡和泥石流等地质灾害也会带来巨大的损失,在全球气候变暖,极端天气频发的背景下,矿区在暴雨后,容易造成突发性地质灾害,而在现有技术中,主要依靠长期积累的生产经验,例如煤层开采厚度、开采时间以及掘进方向等,来预判地面沉陷情况,该方法存在较多主观因素,准确性低,因此难以对地面沉陷进行客观确定和预警,从而无法及时进行相应的预防工作,为生产活动埋下了安全隐患。
针对现有技术中难以对地面沉陷进行客观检测的问题,目前尚未提出有效的解决方案。
发明内容
本发明提供了一种地面沉陷区域的检测方法和装置及数据处理设备,以至少解决现有技术中难以对地面沉陷进行客观检测问题。
为了实现上述目的,根据本发明的一个方面,提供了一种地面沉陷区域的检测方法。
根据本发明的地面沉陷区域的检测方法包括:获取目标区域的卫星遥感影像数据;提取卫星遥感影像数据中的植物光谱信息数据;判断目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域,其中,参考区域为地面沉陷状况已知的区域;以及当目标区域中的第一区域与参考区域的植物光谱信息数据相匹配时,则确定第一区域的地面沉陷状况与参考区域的地面沉陷状况相同。
进一步地,判断目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域包括:获取预先存储的参考区域的植物光谱信息数据;以及对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据以判断植物光谱信息数据和参考区域的植物光谱信息数据是否匹配。
进一步地,判断目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域包括:获取参考区域的植物光谱信息数据;以及对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据以判断植物光谱信息数据和参考区域的植物光谱信息数据是否匹配。
进一步地,在获取目标区域的卫星遥感影像数据之后以及在提取卫星遥感影像数据中的植物光谱信息数据之前,上述方法还包括:对卫星遥感影像数据进行处理以获取正射遥感影像数据,提取卫星遥感影像数据中的植物光谱信息数据包括:提取正射遥感影像数据中的植物光谱信息数据。
进一步地,对卫星遥感影像数据进行处理以获取正射遥感影像数据包括:获取基础数据资料,其中,基础数据资料为与目标区域的地形相关的数据;结合基础数据资料对卫星遥感影像数据进行纠正处理;对经过纠正处理的卫星遥感影像数据进行图像融合处理;对经过图像融合处理的卫星遥感影像数据进行匀色处理;以及对经过匀色处理的卫星遥感影像数据进行镶嵌和分割以获取正射遥感影像数据。
进一步地,提取卫星遥感影像数据中的植物光谱信息数据包括:提取卫星遥感影像数据中的植物目标波段光谱信息数据,其中,植物目标波段光谱信息数据为植物红色波段光谱信息数据、植物红色边缘波段光谱信息数据和植物近红外波段光谱信息数据;确定目标区域中植物光谱信息数据中与参考区域的植物光谱信息数据匹配的区域为地面未沉陷区域包括:将目标区域中植物目标波段光谱信息数据与参考区域中植物目标波段光谱信息数据匹配的区域确定为地面未沉陷区域。
为了实现上述目的,根据本发明的另一个方面,提供了一种地面沉陷区域的检测装置,该装置用于执行本发明提供的任意一种地面沉陷区域的检测方法。
根据本发明的另一方面,提供了一种地面沉陷区域的检测装置。该地面沉陷区域的检测装置包括:获取单元,用于获取目标区域的卫星遥感影像数据;提取单元,用于提取卫星遥感影像数据中的植物光谱信息数据;判断单元,用于判断目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域,其中,参考区域为地面沉陷状况已知的区域;以及确定单元,用于当目标区域中的第一区域与参考区域的植物光谱信息数据相匹配时,确定第一区域的地面沉陷状况与参考区域的地面沉陷状况相同。
进一步地,判断单元包括:第一获取模块,用于获取预先存储的参考区域的植物光谱信息数据;以及第一判断模块,用于对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据以判断植物光谱信息数据和参考区域的植物光谱信息数据是否匹配。
进一步地,判断单元还包括:第二获取模块,用于获取参考区域的植物光谱信息数据;以及第二判断模块,用于对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据以判断植物光谱信息数据和参考区域的植物光谱信息数据是否匹配。
进一步地,上述装置还包括:处理单元,用于对卫星遥感影像数据进行处理以获取正射遥感影像数据,提取单元包括:第一提取模块,用于提取正射遥感影像数据中的植物光谱信息数据。
进一步地,处理单元包括:第三获取模块,用于获取基础数据资料,其中,基础数据资料为与目标区域的地形相关的数据;纠正模块,用于结合基础数据资料对卫星遥感影像数据进行纠正处理;融合模块,用于对经过纠正处理的卫星遥感影像数据进行图像融合处理;匀色模块,用于对经过图像融合处理的卫星遥感影像数据进行匀色处理;以及第四获取模块,用于获取模块对经过匀色处理的卫星遥感影像数据进行镶嵌和分割以获取正射遥感影像数据。
进一步地,提取单元还包括:第二提取模块,用于提取卫星遥感影像数据中的植物目标波段光谱信息数据,其中,植物目标波段光谱信息数据为植物红色波段光谱信息数据、植物红色边缘波段光谱信息数据和植物近红外波段光谱信息数据;确定单元包括:确定模块,用于将目标区域中植物目标波段光谱信息数据与参考区域中植物目标波段光谱信息数据匹配的区域确定为地面未沉陷区域。
为了实现上述目的,根据本发明的又一个方面,提供了一种数据处理设备,该设备包括本发明提供的任一种地面沉陷区域的检测装置。
通过本发明,由于采用借助获取到的卫星遥感数据进行测量,相比于人工实地考察测量,由于具有更大的检测范围,而且通过同一标准进行检测,避免了个人主观因素对测量的影响,同时也提高了检测的精确度,因此解决了难以对地面沉陷进行客观检测的问题,进而达到了检测结果客观准确的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的地面沉陷区域的检测装置的结构框图;
图2是根据本发明第一优选实施例的地面沉陷区域的检测装置的结构框图;
图3是根据本发明第二优选实施例的地面沉陷区域的检测装置的结构框图;
图4是根据本发明第三优选实施例的地面沉陷区域的检测装置的结构框图;
图5是根据本发明第四优选实施例的地面沉陷区域的检测装置的结构框图;
图6是根据本发明第五优选实施例的地面沉陷区域的检测装置的结构框图;
图7是根据本发明实施例的卫星影像波段示意图;
图8是根据本发明实施例的地面沉陷区域的检测方法的流程图;以及
图9是根据本发明优选实施例的地面沉陷区域的检测方法的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明实施例提供了一种地面沉陷区域的检测装置,以下对本发明实施例所提供的地面沉陷区域的检测装置进行介绍。
图1是根据本发明实施例的地面沉陷区域的检测装置的结构框图。
如图1所示,该地面沉陷区域的检测装置包括获取单元11、提取单元12、判断单元13和确定单元14。
获取单元11用于获取目标区域的卫星遥感影像数据。
该单元通过与卫星建立通信,来获得预选的目标区域的卫星遥感影像数据。
提取单元12用于提取卫星遥感影像数据中的植物光谱信息数据。
判断单元13用于判断目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域,其中,参考区域为地面沉陷状况已知的区域。
确定单元14用于当目标区域中的第一区域与参考区域的植物光谱信息数据相匹配时,确定第一区域的地面沉陷状况与参考区域的地面沉陷状况相同。
在本实施例中,由于采用借助获取到的卫星遥感数据进行测量,相比于人工实地考察测量,由于具有更大的检测范围,而且通过同一标准进行检测,避免了个人主观因素对测量的影响,同时也提高了检测的精确度,因此解决了难以对地面沉陷进行客观检测的问题,进而达到了检测结果客观准确的效果。
图2是根据本发明第一优选实施例的地面沉陷区域的检测装置的结构框图。该实施例可以作为上述实施例的优选实施方式。
如图2所示,该地面沉陷区域的检测装置包括获取单元11、提取单元12、判断单元13和确定单元14,其中,判断单元13包括第一获取模块131和第一判断模块132。
第一获取模块131用于获取预先存储的参考区域的植物光谱信息数据。
第一判断模块132用于对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据以判断植物光谱信息数据和参考区域的植物光谱信息数据是否匹配。
在该实施例中,将参考区域的植物光谱信息数据存储在检测装置中,当获取目标区域的植物光谱信息数据后,即可直接将获取的数据域存储在检测装置中的数据进行比较,该方式简单便捷,可以达到快速检测的效果。
图3是根据本发明第二优选实施例的地面沉陷区域的检测装置的结构框图。该实施例可以作为上述实施例的优选实施方式。
如图3所示,该地面沉陷区域的检测装置包括获取单元11、提取单元12、判断单元13和确定单元14,其中,判断单元13包括第二获取模块133和第二判断模块134。
第二获取模块133用于获取参考区域的植物光谱信息数据。
第二判断模块134用于对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据以判断植物光谱信息数据和参考区域的植物光谱信息数据是否匹配。
在该实施例中,需要在获取目标区域的植物光谱信息和参考区域的植物光谱信息后才能进行比较,该方式一般会选取与参考区域地形情况相似的目标区域进行比较,因而减小了各地区由于地形情况不同而导致的检测差异,提高了检测的精确度。
图4是根据本发明第三优选实施例的地面沉陷区域的检测装置的结构框图。该实施例可以作为上述实施例的优选实施方式。
如图4所示,该地面沉陷区域的检测装置除了包括获取单元11、提取单元12、判断单元13和确定单元14之外,还包括处理单元15,其中,提取单元12包括第一提取模块121。
处理单元15用于对卫星遥感影像数据进行处理以获取正射遥感影像数据。
第一提取模块121用于提取正射遥感影像数据中的植物光谱信息数据。
在该实施例中,对卫星遥感影像数据进行处理,以获得正射遥感影像数据,该数据更能反映监测区域的实际地形情况,因此能够使测量具有更高的准确性。
图5是根据本发明第四优选实施例的地面沉陷区域的检测装置的结构框图。该实施例可以作为上述实施例的优选实施方式。
如图5所示,该地面沉陷区域的检测装置包括获取单元11、提取单元12、判断单元13、确定单元14和处理单元15,其中,处理单元15包括第三获取模块151、纠正模块152、融合模块153、匀色模块154和第四获取模块155。
第三获取模块151用于获取基础数据资料,其中,基础数据资料为与目标区域的地形相关的数据。
纠正模块152用于结合基础数据资料对卫星遥感影像数据进行纠正处理。
融合模块153用于对经过纠正处理的卫星遥感影像数据进行图像融合处理。
匀色模块154用于对经过图像融合处理的卫星遥感影像数据进行匀色处理。
第四获取模块155用于获取模块对经过匀色处理的卫星遥感影像数据进行镶嵌和分割以获取正射遥感影像数据。
其中,镶嵌是指将两幅或者多幅遥感影像拼在一起,构成一幅整体影像的技术过程,分割是指把一幅遥感影像分成互不重叠的区域并分别提取的技术过程。
在该实施例中,通过对卫星遥感影像数据进行纠正、融合、匀色、镶嵌和分割的处理,得到了更加精确的影像数据,有助于最终获得更加精确的检测结果。
图6是根据本发明第五优选实施例的地面沉陷区域的检测装置的结构框图。该实施例可以作为上述实施例的优选实施方式。
如图6所示,该地面沉陷区域的检测装置包括获取单元11、提取单元12、判断单元13和确定单元14,其中,提取单元12还包括第二提取模块122,确定单元14包括确定模块141。
第二提取模块122用于提取卫星遥感影像数据中的植物目标波段光谱信息数据,其中,植物目标波段光谱信息数据为植物红色波段光谱信息数据、植物红色边缘波段光谱信息数据和植物近红外波段光谱信息数据。
确定模块141用于将目标区域中植物目标波段光谱信息数据与参考区域中植物目标波段光谱信息数据匹配的区域确定为地面未沉陷区域。
在该实施例中,选取了植物红色波段光谱信息数据、植物红色边缘波段光谱信息数据和植物近红外波段光谱信息数据进行检测,由于在680nm至750nm的波段是植物具有明线光谱特征,因此,选取处于该波段的光谱信息数据进行检测,能达到更精确的检测效果。
本发明实施例还提供了一种地面沉陷区域的检测方法,该方法可以基于上述的装置来执行。
在本实施例中的WorldView-2卫星能提供独有的8波段高清晰卫星影像。除了四个常见的波段外(蓝色波段:450-510;绿色波段:510-580;红色波段:630-690;近红外1波段:770-895),还有四个新增波段(海岸波段:400-450,黄色波段;585-625,红色边缘波段:705-745,近红外2波段:860-1040),波段示意图见图6。
从图7可以看出,新增波段弥补了原有四波段数据在585-625nm以及705-745nm之间的空白区域,并将原有的近红外波段的可研究区域延长到1050nm,大大拓展了卫星遥感技术的研究领域。
本实施例主要利用WorldView-2卫星高光谱数据中红色波段、红色边缘波段和近红外1波段来分析植物健康状况,确定植物是否受到煤矸石污染,进而确定煤矸石的污染范围。
选择8波段卫星数据与普通的4波段卫星数据相比,可以在波长为705-745nm的红色边缘波段,获取植被生长的重要信息。植物的健康状况通常会非常明显的反映到叶片颜色上,叶绿色缺失,同时叶黄素、叶红素增加。红色边缘波段处于可见光区域边缘过度地带,在此区域内植被色素吸收几乎全部的能,反射很少,但是会对红色素反射非常大。对于波谷反射特性来说,从非常小的值突变为非常大的值,形成反射率的突变区域,这就是红边效应。
需要说明的是,被污染的植物在各波段上都有其光谱特征,因此,在借助其他颜色波段时也可以分析污染植物的光谱特征,本发明实施例仅作为一种优选地实施方式。
图8是根据本发明实施例的地面沉陷区域的检测方法的流程图。
如图8所示,该地面沉陷区域的检测方法包括如下的步骤S802至步骤S808。
步骤S802,获取目标区域的卫星遥感影像数据。
在本实施例中,可以对卫星遥感影像数据进行处理以获取正射遥感影像数据供后续步骤提取使用。处理步骤如下:
获取基础数据资料,其中,基础数据资料为与目标区域的地形相关的数据。
获取基础数据资料包括数字栅格地图数据(Digital Raster Graphic,简称为DRG)和数字高程模型数据(Digital Elevation Model,简称为DEM)。
DRG数据是根据现有纸质、胶片等地形图经扫描和几何纠正及色彩校正后,形成在内容、几何精度和色彩上与地形图保持一致的栅格数据集。
DEM数据是一定范围内规则格网点的平面坐标(X,Y)及其高程(Z)的数据集,它主要是描述区域地貌形态的空间分布,是通过等高线或相似立体模型进行数据采集(包括采样和量测),然后进行数据内插而形成的。
在获取以上数据后,进行镶嵌。
结合基础数据资料对卫星遥感影像数据进行纠正处理。
将向前后的数据和卫星遥感影像数据相结合,对结合得到的数据进行纠正控制点选取。
判断纠正处理结果是否满足要求,如果不满足则重新选取;如果满足,则进行正射纠正处理,正射纠正是通过在像片上选取一些地面控制点,并利用原来已经获取的该像片范围内的数字高程模型(DEM)数据,对影像同时进行倾斜改正和投影差改正,正射纠正处理改正了因地形起伏和传感器误差而引起的像点位移。
在进行正射纠正处理后,获取全色数据正射影像,并对全色数据正射影像经行精度检查。
精度检查后,判断纠正精度是否满足要求,如果不满足,重新选取纠正控制点重复选取的后续步骤,如果满足,则进行影像配准。影像配准是将地面上的目标与图像上所对应的像点放入相同平面坐标的过程,即完成几何校正。
对经过纠正处理的卫星遥感影像数据进行图像融合处理。
对经过图像融合处理的卫星遥感影像数据进行匀色处理。
对经过匀色处理的卫星遥感影像数据进行镶嵌和分割以获取正射遥感影像数据。
步骤S804,提取卫星遥感影像数据中的植物光谱信息数据。
在步骤S802中对卫星遥感影像数据进行处理以获取正射遥感影像数据的情况下,在本步骤中可以提取正射遥感影像数据中的植物光谱信息数据来为后续的检测步骤提供数据依据。
步骤S806,判断目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域,其中,参考区域为地面沉陷状况已知的区域。
目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域至少存在两种方式:
方案一,获取预先存储的参考区域的植物光谱信息数据,对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据以判断植物光谱信息数据和参考区域的植物光谱信息数据是否匹配。
这里对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据可以是对比目标区域植物光谱信息数据中的红边位置的波长与参考区域植物光谱信息数据中的红边位置的波长是否一致,如果波长一致,则该处的植物光谱信息数据和参考区域的植物光谱信息数据是匹配的。红边位置即反射率发生突变的位置,如果目标区域的红边位置与参考区域相比,向波长较长的方向移动,即红边“红移”,则说明目标区域植被健康,如果目标区域的红边位置与参考区域相比,往波长较短的方向移动,即红边“蓝移”,则说明目标区域植被生病,于是可以进一步推断目标区域发生地面塌陷现象。
现有技术中,判断地面沉陷是通过获取高分辨率数据以及已知的塌陷区资料,通过研究建立塌陷区地物解译标志体系,据此提取目标区域塌陷区范围信息。本发明实施例与该现有技术相比,不需要收集已知塌陷区的资料,不需要通过深层次研究建立塌陷区地物解译标志体系,而是直接利用目标区域与选定的参考区域植物光谱信息的红边位置的对比,从而确定塌陷区域。同时,遥感图像的解译具有复杂性、多解性和不确定性,随地区和时段等多种因素的变化而变化,所以利用该现有技术建立准确的塌陷区地物解译标志体系较为困难,需要大量的实地验证工作,而本发明实施例利用红边位置的波长于参考区域进行比较,具有快速、准确、便捷等优势。
该将参考区域的植物光谱信息数据存储在检测装置中,当获取目标区域的植物光谱信息数据后,即可直接将获取的数据域存储在检测装置中的数据进行比较,该方式简单便捷,可以达到快速检测的效果
方案二,获取参考区域的植物光谱信息数据;对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据以判断植物光谱信息数据和参考区域的植物光谱信息数据是否匹配。
这里对比目标区域的植物光谱信息数据和参考区域的植物光谱信息数据中的数据同样可以是对比目标区域植物光谱信息数据中的红边位置的波长与参考区域植物光谱信息数据中的红边位置的波长是否一致,在此不再赘述。
该方式需要在获取目标区域的植物光谱信息和参考区域的植物光谱信息后才能进行比较,该方式一般会选取与参考区域地形情况相似的目标区域进行比较,因而减小了各地区由于地形情况不同而导致的检测差异,提高了检测的精确度。
例如,当预先已经确定某地区为地面塌陷区域,那么将目标区域的植物光谱特征信息数据和该地面塌陷区域的卫星遥感影像数据的植物光谱特征信息数据进行比对,即可判断该区域中的塌陷范围。另一方面,也可以预先选取地面未塌陷区域,将目标区域与地面未塌陷区域进行比对,以判断该区域中的塌陷范围,以上两种方式可以达到同样的效果,下面以选取未塌陷区域作为对比对象的实例对本发明实施例进行详细描述。
在本实施例中,提取植物光谱信息数据可以进一步提取植物光谱的红边参数以实现对污染范围的确定。红边(REP)是绿色植物叶子光谱曲线在670nm~780nm之间变化率最快的点,也是一阶导数光谱在该区间内的拐点。植物光谱的红边参数主要有红边斜率和红边位置。红边位置指植物光谱曲线在波长为670nm~780nm范围内一阶微分值达最大时所对应的波长(λ红边),红边斜率指植物光谱曲线在波长为670nm~780nm一阶导数最大值。红边位置和斜率可以通过导数运算得到。在植物生长过程中由于叶绿素含量的不同,红边的位置和斜率也会发生相应变化。红边斜率主要与植物覆盖度或叶面积指数有关,而红边位置则主要与叶片叶绿素含量有关,当植物中叶绿素b含量减少时,红边位置发生蓝移。拐点处的斜率为红边斜率,红边斜率可以通过Guyot法求得。
拐点处对应的值为植被的反射率,拐点处对应的反射率的值R红边=(R670+R780)/2,其中R红边是在主拐点处的反射率值的计算值,R670、R700、R740和R780是利用World View-28波段数据中的红色波段、红色边缘波段、近红外波段求得的670,700,740和780nm处的反射率值。
红边位置λ红边=700+40.[(R红边-R700)/(R740-R700)]。
通过求得的红边斜率和红边位置即可求得植物光谱的红边参数。
步骤S808,当目标区域中的第一区域与参考区域的植物光谱信息数据相匹配时,则确定第一区域的地面沉陷状况与参考区域的地面沉陷状况相同。
在本实施例中,植物红色波段光谱信息数据、植物红色边缘波段光谱信息数据和植物近红外波段光谱信息数据称为植物目标波段光谱信息数据,在本步骤中将目标区域中植物目标波段光谱信息数据与参考区域中植物目标波段光谱信息数据匹配的区域确定为地面未沉陷区域。选取了植物红色波段光谱信息数据、植物红色边缘波段光谱信息数据和植物近红外波段光谱信息数据进行检测,由于在680nm至750nm的波段是植物具有明线光谱特征,因此,选取处于该波段的光谱信息数据进行检测,能达到更精确的检测效果
健康植物光谱具有一些特征,对于绿色植物,叶片的光谱特性与叶片细胞结构、水分含量和叶片色素含量有关。不同植物的反射光谱波形是大致相同的,因为产生光谱反射的主要元素都相同,主要区别在反射率的大小。健康植物在可见光段的蓝光区和红光区植物的反射率都很低,出现以450nm、650nm为中心波长的吸收带,称为“红谷”和“蓝谷”,它们是由叶子中的色素对光选择吸收引起的,可见光段的绿光区反射率比较高,形成550nm为中心波长的反射率为10%~20%的小反射峰(绿峰),使植物外观呈绿色;在波长680-750nm之间反射率增加十分迅速,在高光谱研究中他被称为植物红边,是植物具有诊断性的光谱特征,红边的位置高度和斜率会因植物的不同生长状况而存在差异;从800~1300nm之间是一个相对平坦的反射率高的区域,这种对红外光的强反射是由叶子的细胞结构所导致的。另外,在1450nm、1950nm、2600nm~2700nm处有三个吸收谷,这主要由叶子的细胞吸收水分所形成。
植物叶片的反射光谱与叶子形态学和生理学上的特征有关,当植物受到污染后,其内部结构、叶绿素形态和含量以及植物的水分含量就会发生不同程度的变化,光谱反射特性也随之变化,一般情况下,污染越严重,这种变化就越大。污染物类型和含量对叶片色素合成的影响远大于对叶片结构和水分含量的影响,因此,400~900nm波段的植物叶面反射光谱变化是最重要的,也是最富有特点的,在此波段内健康植物和受害植物叶面的反射光谱特性差异较大。
植物光谱反射特征的变化是与叶绿素含量的降低相平行的,不同胁迫因素对植物光谱反射特征的影响有共同点,均导致叶片色素含量发生变化,胁迫因素指对植物施加有害影响的环境因素。如植物受重金属毒害后,普遍出现叶片褪绿的现象,原因之一是重金属离子被植物吸收后,叶绿素生物合成途径中的几种酶的肽链中富含SH的部分受重金属离子影响,改变了它们的正常构型,抑制了酶的活性和阻碍了叶绿素的合成;原因之二是由重金属胁迫条件下活性氧自由基的作用所导致的,主要是强反应性的·OH。叶片色素含量的变化,导致植物光谱特征的变化,如可见光部分与近红外部分反射率升高或降低,植物光谱曲线发生红边拐点出现红移(向长波方向移动)或蓝移(向短波方向移动)。
为了对比健康植物与生病植物的红边位置,先分析与目标区域内植物种类相近的对比区域的植物光谱反射率,计算出参考地区的植物红边位置对应的波长。
利用前述的植物光谱红边参数模型提取影像中植物像元点的红边参数,通过与参考地区植物红边参数对比,利用彩色编码和多维空间数据复合技术,并将其与目标区域的正射影像图像叠合,编制目标区域植物光谱红边变异程度图,分析目标区域的植物长势受到影响的区域,圈定目标区域煤矸石污染的空间分布范围。用该方法进行检测,结合了不同地域的实际情况,因此检测结果更加准确。
图9是根据本发明优选实施例的地面沉陷区域的检测方法的流程图。如图9所示,包括如下的步骤S901至步骤S919。
步骤S901,获取WorldView-2卫星的8波段捆绑数据。
步骤S902,获取基础数据。
基础数据包括数字栅格地图(Digital Raster Graphic,简称为DRG)和数字高程模型(Digital Elevation Model,简称为DEM)等数据。
步骤S903,进行数字图像处理。
对图像处理包括纠正、坐标定位等步骤。
步骤S904,获得正射影像图。
步骤S905,选定目标区域。
在本实施例中,通过正射影像图与采矿区布局图的叠合,确定目标区域为采矿区及采矿区外扩10公里的区域。
步骤S906,进行植物光谱曲线分析。
利用软件工具分析目标区域植被与对比区域植被光谱曲线,并计算两个区域红边位置的波长。
步骤S907,得到该区域红边位置波长。
步骤S908,选择植物对比区域。
为了确定目标区域的植被是否受到地面沉陷的影响,圈定远离采矿区15公里以外植被种类相似的区域作为植被对比区域。
步骤S909,进行植物光谱曲线分析。
步骤S910,得到该区域红边位置波长。
步骤S911,比较两个区域的红边位置波长。
步骤S912,确定目标区域植物的健康情况。
步骤S913,获知植物健康。
如果目标区域的红边位置的波长大于对比区域的红边位置波长,即发生红边“红移”现象,则目标区域植被生长状况比对比区域植被生长状况好,植被健康。
步骤S914,确定该区域未塌陷。
步骤S915,获知植物生病。
步骤S916,确定该区域塌陷。
如果目标区域红边位置波长小于对比区域红边位置波长,即发生红边“蓝移”现象,则对比区域植被生长状况比对比区域植被生长状况差,植被不健康。
步骤S917,将彩色编码与多维空间符合。
步骤S918,获取植物光谱红边变异程度图。
步骤S919,圈定地面塌陷范围。
本发明实施例还提供了一种数据处理系统,该数据处理设备包括本发明实施例提供的任一种地面沉陷区域的检测装置。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种地面沉陷区域的检测方法,其特征在于,包括:
获取目标区域的卫星遥感影像数据;
提取所述卫星遥感影像数据中的植物光谱信息数据;
判断所述目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域,其中,所述参考区域为地面沉陷状况已知的区域;以及
当所述目标区域中的第一区域与所述参考区域的植物光谱信息数据相匹配时,则确定所述第一区域的地面沉陷状况与所述参考区域的地面沉陷状况相同。
2.根据权利要求1所述的地面沉陷区域的检测方法,其特征在于,判断所述目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域包括:
获取预先存储的所述参考区域的植物光谱信息数据;以及
对比所述目标区域的植物光谱信息数据和所述参考区域的植物光谱信息数据中的数据以判断所述植物光谱信息数据和所述参考区域的植物光谱信息数据是否匹配。
3.根据权利要求1所述的地面沉陷区域的检测方法,其特征在于,判断所述目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域包括:
获取所述参考区域的植物光谱信息数据;以及
对比所述目标区域的植物光谱信息数据和所述参考区域的植物光谱信息数据中的数据以判断所述植物光谱信息数据和所述参考区域的植物光谱信息数据是否匹配。
4.根据权利要求2或3所述的地面沉陷区域的检测方法,其特征在于,
在获取目标区域的卫星遥感影像数据之后以及在提取所述卫星遥感影像数据中的植物光谱信息数据之前,所述方法还包括:对所述卫星遥感影像数据进行处理以获取正射遥感影像数据,
提取所述卫星遥感影像数据中的植物光谱信息数据包括:提取所述正射遥感影像数据中的植物光谱信息数据。
5.根据权利要求4所述的地面沉陷区域的检测方法,其特征在于,对所述卫星遥感影像数据进行处理以获取正射遥感影像数据包括:
获取基础数据资料,其中,所述基础数据资料为与所述目标区域的地形相关的数据;
结合所述基础数据资料对所述卫星遥感影像数据进行纠正处理;
对经过所述纠正处理的所述卫星遥感影像数据进行图像融合处理;
对经过所述图像融合处理的所述卫星遥感影像数据进行匀色处理;以及
对经过所述匀色处理的所述卫星遥感影像数据进行镶嵌和分割以获取正射遥感影像数据。
6.根据权利要求5所述的地面沉陷区域的检测方法,其特征在于,
提取所述卫星遥感影像数据中的植物光谱信息数据包括:提取所述卫星遥感影像数据中的植物目标波段光谱信息数据,其中,所述植物目标波段光谱信息数据为植物红色波段光谱信息数据、植物红色边缘波段光谱信息数据和植物近红外波段光谱信息数据;
确定所述目标区域中植物光谱信息数据中与所述参考区域的植物光谱信息数据匹配的区域为地面未沉陷区域包括:将所述目标区域中所述植物目标波段光谱信息数据与所述参考区域中所述植物目标波段光谱信息数据匹配的区域确定为地面未沉陷区域。
7.一种地面沉陷区域的检测装置,其特征在于,包括:
获取单元,用于获取目标区域的卫星遥感影像数据;
提取单元,用于提取所述卫星遥感影像数据中的植物光谱信息数据;
判断单元,用于判断所述目标区域中是否存在与参考区域植物光谱信息数据相匹配的区域,其中,所述参考区域为地面沉陷状况已知的区域;以及
确定单元,用于当所述目标区域中的第一区域与所述参考区域的植物光谱信息数据相匹配时,确定所述第一区域的地面沉陷状况与所述参考区域的地面沉陷状况相同。
8.根据权利要求7所述的地面沉陷区域的检测装置,其特征在于,所述判断单元包括:
第一获取模块,用于获取预先存储的所述参考区域的植物光谱信息数据;以及
第一判断模块,用于对比所述目标区域的植物光谱信息数据和所述参考区域的植物光谱信息数据中的数据以判断所述植物光谱信息数据和所述参考区域的植物光谱信息数据是否匹配。
9.根据权利要求7所述的地面沉陷区域的检测装置,其特征在于,所述判断单元还包括:
第二获取模块,用于获取所述参考区域的植物光谱信息数据;以及
第二判断模块,用于对比所述目标区域的植物光谱信息数据和所述参考区域的植物光谱信息数据中的数据以判断所述植物光谱信息数据和所述参考区域的植物光谱信息数据是否匹配。
10.根据权利要求8或9所述的地面沉陷区域的检测装置,其特征在于,
所述检测装置还包括:处理单元,用于对所述卫星遥感影像数据进行处理以获取正射遥感影像数据,
所述提取单元包括:第一提取模块,用于提取所述正射遥感影像数据中的植物光谱信息数据。
11.根据权利要求10所述的地面沉陷区域的检测装置,其特征在于,所述处理单元包括:
第三获取模块,用于获取基础数据资料,其中,所述基础数据资料为与所述目标区域的地形相关的数据;
纠正模块,用于结合所述基础数据资料对所述卫星遥感影像数据进行纠正处理;
融合模块,用于对经过所述纠正处理的所述卫星遥感影像数据进行图像融合处理;
匀色模块,用于对经过所述图像融合处理的所述卫星遥感影像数据进行匀色处理;以及
第四获取模块,用于获取模块对经过所述匀色处理的所述卫星遥感影像数据进行镶嵌和分割以获取正射遥感影像数据。
12.根据权利要求11所述的地面沉陷区域的检测装置,其特征在于,
所述提取单元还包括:第二提取模块,用于提取所述卫星遥感影像数据中的植物目标波段光谱信息数据,其中,所述植物目标波段光谱信息数据为植物红色波段光谱信息数据、植物红色边缘波段光谱信息数据和植物近红外波段光谱信息数据;
所述确定单元包括:确定模块,用于将所述目标区域中所述植物目标波段光谱信息数据与所述参考区域中所述植物目标波段光谱信息数据匹配的区域确定为地面未沉陷区域。
13.一种数据处理设备,其特征在于,包括权利要求7至12任一项所述的地面沉陷区域的检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101350855A CN102706328A (zh) | 2012-04-28 | 2012-04-28 | 地面沉陷区域的检测方法和装置及数据处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101350855A CN102706328A (zh) | 2012-04-28 | 2012-04-28 | 地面沉陷区域的检测方法和装置及数据处理设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102706328A true CN102706328A (zh) | 2012-10-03 |
Family
ID=46899280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101350855A Pending CN102706328A (zh) | 2012-04-28 | 2012-04-28 | 地面沉陷区域的检测方法和装置及数据处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102706328A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103047970A (zh) * | 2012-12-18 | 2013-04-17 | 中国矿业大学(北京) | 一种确定塌陷耕地损害边界的方法 |
CN104123453A (zh) * | 2014-07-18 | 2014-10-29 | 中国环境科学研究院 | 一种用于确定河岸草本植被最小调查面积的系统及方法 |
CN106019318A (zh) * | 2016-05-27 | 2016-10-12 | 深圳市天鼎微波科技有限公司 | 一种利用北斗卫星系统勘测地形地貌的实现方法 |
CN109764851A (zh) * | 2019-01-14 | 2019-05-17 | 任成付 | 建筑物信息分析平台 |
CN110267525A (zh) * | 2017-02-15 | 2019-09-20 | 索尼公司 | 信息产生方法、信息产生装置和程序 |
CN110598553A (zh) * | 2019-08-09 | 2019-12-20 | 中国科学院南京地理与湖泊研究所 | 基于遥感影像与地形数据的原真地貌采矿破坏区探测方法 |
CN115393586A (zh) * | 2022-08-18 | 2022-11-25 | 北京爱科农科技有限公司 | 农田育种区域划分方法、装置、计算机设备及介质 |
CN118038296A (zh) * | 2024-01-30 | 2024-05-14 | 河北四维致和科技有限公司 | 矿区地面生态环境变化识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060080037A1 (en) * | 2004-09-15 | 2006-04-13 | Deutsches Zentrum Fur Luft- Und Raumfahrt E.V. | Process of remote sensing data |
EP1764744A2 (en) * | 2005-09-20 | 2007-03-21 | Leica Geosystems Geospatial Imaging, LLC | Streaming geometry data using a quasi-pyramidal structure |
US20100091611A1 (en) * | 2008-10-10 | 2010-04-15 | Andreas Laake | Near-surface geomorphological characterization based on remote sensing data |
CN102183244A (zh) * | 2011-01-19 | 2011-09-14 | 武汉大学 | 一种航空遥感影像的比值匀光方法 |
-
2012
- 2012-04-28 CN CN2012101350855A patent/CN102706328A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060080037A1 (en) * | 2004-09-15 | 2006-04-13 | Deutsches Zentrum Fur Luft- Und Raumfahrt E.V. | Process of remote sensing data |
EP1764744A2 (en) * | 2005-09-20 | 2007-03-21 | Leica Geosystems Geospatial Imaging, LLC | Streaming geometry data using a quasi-pyramidal structure |
US20100091611A1 (en) * | 2008-10-10 | 2010-04-15 | Andreas Laake | Near-surface geomorphological characterization based on remote sensing data |
CN102183244A (zh) * | 2011-01-19 | 2011-09-14 | 武汉大学 | 一种航空遥感影像的比值匀光方法 |
Non-Patent Citations (4)
Title |
---|
吕京国等: "星载合成孔径雷达影像正射纠正算法的研究与实现", 《遥感技术与应用》 * |
曹洪松等: "遥感与GIS技术在苍山矿石开采动态监测中的应用研究", 《山东国土资源》 * |
王志勇: "星载雷达干涉测量技术在地面沉降监测中的应用", 《中国博士学位论文全文数据库基础科学辑》 * |
程博等: "利用多光谱遥感数据提取植被污染信息的新方法", 《现代地质》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103047970B (zh) * | 2012-12-18 | 2014-05-21 | 中国矿业大学(北京) | 一种确定塌陷耕地损害边界的方法 |
CN103047970A (zh) * | 2012-12-18 | 2013-04-17 | 中国矿业大学(北京) | 一种确定塌陷耕地损害边界的方法 |
CN104123453A (zh) * | 2014-07-18 | 2014-10-29 | 中国环境科学研究院 | 一种用于确定河岸草本植被最小调查面积的系统及方法 |
CN104123453B (zh) * | 2014-07-18 | 2017-05-17 | 中国环境科学研究院 | 一种用于确定河岸草本植被最小调查面积的系统及方法 |
CN106019318A (zh) * | 2016-05-27 | 2016-10-12 | 深圳市天鼎微波科技有限公司 | 一种利用北斗卫星系统勘测地形地貌的实现方法 |
CN106019318B (zh) * | 2016-05-27 | 2018-10-09 | 深圳市天鼎微波科技有限公司 | 一种利用北斗卫星系统勘测地形地貌的实现方法 |
CN110267525B (zh) * | 2017-02-15 | 2023-03-07 | 索尼公司 | 信息产生方法、信息产生装置和程序 |
CN110267525A (zh) * | 2017-02-15 | 2019-09-20 | 索尼公司 | 信息产生方法、信息产生装置和程序 |
US11763457B2 (en) | 2017-02-15 | 2023-09-19 | Sony Group Corporation | Information generation method, information generation apparatus, and program |
CN109764851A (zh) * | 2019-01-14 | 2019-05-17 | 任成付 | 建筑物信息分析平台 |
CN110598553A (zh) * | 2019-08-09 | 2019-12-20 | 中国科学院南京地理与湖泊研究所 | 基于遥感影像与地形数据的原真地貌采矿破坏区探测方法 |
CN115393586A (zh) * | 2022-08-18 | 2022-11-25 | 北京爱科农科技有限公司 | 农田育种区域划分方法、装置、计算机设备及介质 |
CN118038296A (zh) * | 2024-01-30 | 2024-05-14 | 河北四维致和科技有限公司 | 矿区地面生态环境变化识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102706328A (zh) | 地面沉陷区域的检测方法和装置及数据处理设备 | |
Cabo et al. | Automatic dendrometry: Tree detection, tree height and diameter estimation using terrestrial laser scanning | |
Kayitakire et al. | Retrieving forest structure variables based on image texture analysis and IKONOS-2 imagery | |
Heinzel et al. | Investigating multiple data sources for tree species classification in temperate forest and use for single tree delineation | |
Beck et al. | Evaluation of Corona and Ikonos high resolution satellite imagery for archaeological prospection in western Syria | |
Wang et al. | Separation of ground and low vegetation signatures in LiDAR measurements of salt-marsh environments | |
McKean et al. | Objective landslide detection and surface morphology mapping using high-resolution airborne laser altimetry | |
Morsy et al. | Airborne multispectral lidar data for land-cover classification and land/water mapping using different spectral indexes | |
Ellis et al. | Mapping selective logging impacts in Borneo with GPS and airborne lidar | |
CN110427857A (zh) | 一种基于遥感数据融合的输电线路地质灾害分析方法 | |
Poppiel et al. | High resolution middle eastern soil attributes mapping via open data and cloud computing | |
Borkowski et al. | Landslides mapping in Roznow Lake vicinity, Poland using airborne laser scanning data | |
Goldbergs et al. | Limitations of high resolution satellite stereo imagery for estimating canopy height in Australian tropical savannas | |
CN102645410A (zh) | 煤矸石污染范围的检测方法和装置及数据处理设备 | |
IL169978A (en) | Remote sensing method for underground objects and air intervals | |
Hostert et al. | Retrospective studies of grazing-induced land degradation: a case study in central Crete, Greece | |
CN102706876A (zh) | 固体污染源区域的监测方法和装置以及数据处理设备 | |
Schneiderwind et al. | Innovative tidal notch detection using TLS and fuzzy logic: Implications for palaeo-shorelines from compressional (Crete) and extensional (Gulf of Corinth) tectonic settings | |
Singh | Remote sensing applications in soil survey and mapping: A Review | |
Bennett | Archaeological remote sensing: visualisation and analysis of grass-dominated environments using airborne laser scanning and digital spectral data | |
Bennett et al. | Using lidar as part of a multi-sensor approach to archaeological survey and interpretation | |
Mücke et al. | Identification of dead trees using small footprint full-waveform airborne laser scanning data | |
Whitworth et al. | Geomorphological assessment of complex landslide systems using field reconnaissance and terrestrial laser scanning | |
Refice et al. | Inundation monitoring through high-resolution SAR/InSAR data and 2D hydraulic simulations | |
CN109872320A (zh) | 基于影像分析的边坡种植植被防护功能的检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20121003 |