CN105975990B - 一种复垦土壤剖面的精细表达方法 - Google Patents

一种复垦土壤剖面的精细表达方法 Download PDF

Info

Publication number
CN105975990B
CN105975990B CN201610327751.3A CN201610327751A CN105975990B CN 105975990 B CN105975990 B CN 105975990B CN 201610327751 A CN201610327751 A CN 201610327751A CN 105975990 B CN105975990 B CN 105975990B
Authority
CN
China
Prior art keywords
soil
section
radar image
radar
reclaimed soil
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.)
Active
Application number
CN201610327751.3A
Other languages
English (en)
Other versions
CN105975990A (zh
Inventor
王新静
闫晶晶
胡青峰
李慧
何培培
马开锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China University of Water Resources and Electric Power
Original Assignee
North China University of Water Resources and Electric Power
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China University of Water Resources and Electric Power filed Critical North China University of Water Resources and Electric Power
Priority to CN201610327751.3A priority Critical patent/CN105975990B/zh
Publication of CN105975990A publication Critical patent/CN105975990A/zh
Application granted granted Critical
Publication of CN105975990B publication Critical patent/CN105975990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/30Noise filtering

Abstract

本发明公开了一种复垦土壤剖面的精细表达方法,以探地雷达无损探测技术为主要手段,准确完整的表达土地复垦中重构土壤的剖面信息。该方法包括:布设等间距的探地雷达测线网,利用高频探地雷达系统获取复垦土壤的雷达图像;建立基于形态学的滤波处理方法,弱化杂波对分层信息的干扰;通过雷达图像处理与采样道能量梯度变化,提取复垦土壤的分层属性;在此基础上,开挖典型剖面,以此作为经验数据,与对应的雷达图像的分层情况进行对比分析,并结合各分层土壤的特征,实现全工区土壤剖面的精细表达,可为土地复垦工程质量的验收提供一种快速方法。

Description

一种复垦土壤剖面的精细表达方法
技术领域
本发明涉及工程环境的监测技术领域,特别涉及土地开发整理工程中的复垦土壤剖面的精细表达方法。
背景技术
中国统计年鉴近五年的数据表明,我国煤炭行业的年产量业已突破35亿吨(2014年),煤炭开采方式也发生了较大改变,井工开采比重减小,由过去的96%下降至70%;露天开采比重明显提供,由过去的4%上升至30%。煤炭开采造成了地面塌陷、土地压占以及土地的挖损。据有关专家测算,由采煤造成的土地破坏的总面积超过了500万hm2,历史遗留的受损土地的复垦工作任务繁重。
我国《土地法》以及《土地复垦条例》等有关法律规定,煤炭开采必须实行“谁开采、谁复垦”的原则,必须对破损的土地进行复垦修复工作,通过一系列的工程技术手段,对受损的、即将受损的土地,结合工作面接续工作,对这些土地进行或者超前进行挖、铲、垫、平整等工作,使其恢复重新利用的功能,其本质就是土壤重构,重构后的土壤应该具备良好的分层以及结构,保证重构土壤的肥力。
土壤重构一般采用分层剥离、交错回填的方式,将0-20cm、20-50cm的表土层分别剥离,在节约表土的情况下,重构土壤的底层以煤矸石、粉煤灰进行充填,待充填至复垦标高后,再分层回填剥离的表土层。然而,以往的有关规定侧重于如何增加土地的面积,而对于重构土壤的质量却关注甚少,新出台的《土地复垦质量控制标准》中对其做出了要求,以典型验收的点位来表征全局,虽然规定了点位密度、布设的原则和土壤测试分析方法,仍难以对工程质量进行全面把控。农作物生长的剖面应包含表土层、心土层,其厚度是保证农作物生产力的重要指标。因此,土壤剖面可作为表征重构土壤质量的重要指标,如何全面获取与表达是问题的关键所在。
以往多采样钻孔、开挖剖面的形式,具有较大的随机性和不确定性,部分点位特征无法全面表达工程的整体属性。近些年,探地雷达技术逐渐开始应用于精准农业,该技术在土壤含水量、道路勘察、管线探测等领域成功应用。对于土壤领域,以室内模拟试验为主,野外大田的应用比较少,特别是对于复垦土壤,基于探地雷达的剖面的精细表达方法鲜有报道,需要解决如下难题:
(1)复垦工程中,土壤重构过程采用分层回填、分层压实的工艺,相比于自然状态的土壤,土层中杂质、分层不均匀都对分层结构的识别造成了很大影响,如何去除杂波对分层信号的影响,而且,人工识别难以满足大批量采样数据的处理;
(2)雷达数据针对于测线而言,是反映该测线下土壤的一些信息,如何将这些数据进行融合,基于有限的数据,采用何种方法去反映田块的整体分层信息,实现全工区土壤剖面的精细表达也需要解决。
发明内容
有鉴于此,本发明提出了一种复垦土壤剖面的精细表达方法,利用探地雷达获取复垦土壤的雷达图像,建立基于形态学的滤波处理方法,弱化杂波对分层信息的干扰;在有限处理窗口中获取采样道能量梯度变化,提取复垦土壤的分层属性;在此基础上,利用典型剖面的统计信息,与对应的雷达图像的分层情况进行对比分析,并结合各分层土壤的特征,实现全工区土壤剖面的精细表达。
为实现上述发明目的,本发明采用以下技术方案:
一种复垦土壤剖面的精细表达方法,所述方法包括以下步骤:
(1)雷达数据采集:在数据采集之前,布设全面覆盖工程的平面分布范围的探地雷达测线网,并在布设后测定各测线端点及其交叉点的空间坐标;高频雷达天线沿测线方向匀速前行,实现数据采集;
(2)建立基于形态学的滤波处理方法:在预处理的基础上,对雷达图像进行形态学的滤波处理,抑制杂波对分层信息的干扰;
(3)雷达图像的纵向分割:将雷达图像视为多条独立采样道的回波信号的组合,将各采样道回波信号作为彼此独立的信号,以各采样点的能量幅值表示;在此基础上,计算所有采样道中相同采样点号的能量幅值的均值,并计算时间域上各采样点的能量方差,得到能量幅值的离散程度及分布图;在此基础上以分布图的凸显程度选取阈值,将低于阈值的区域作为背景区域进行删除,实现雷达图像的纵向分割;
(4)复垦土壤剖面的雷达图像分层识别:在每个分割的区段中,以区域内能量方差的峰值对应的采样点作为中心,计算该点外扩r像素的八方向上能量梯度变化,以最大能量梯度为方向进行重采样,并重复步骤(4)的计算过程,实现复垦土壤在雷达图形的分层识别;
(5)复垦土壤剖面的表达:对解译的雷达图像对应测线的土体进行开挖,获取复垦土壤的现实剖面,并记录分层的层数、土体性质以及层厚;以此为参照,将雷达图像分层信息与之进行对比分析,从而实现所有测线上的土壤剖面的精细表达;在此基础上,通过空间内插的方法,实现全工区土壤剖面的完整表达。
优选地,所述步骤(1)中,利用测绘仪器测定各测线端点及其交叉点的空间坐标。
优选地,所述步骤(1)中,测线网呈网状形式。
优选地,所述步骤(2)中,所述滤波处理方法基于目标体的水平分层特性,根据几何特性的相似原理,选择结构元素,进行开运算、闭运算以及膨胀运算三个过程,实现图像形态修饰和形态细化。
优选地,所述结构元素为3X3的矩阵,凸显层位的分层特性。
优选地,形态滤波通过开运算、闭运算以及膨胀运算相互结合,经过多次运算完成。
优选地,所述步骤(2)中,在进行形态滤波计算时,雷达图像应以如下集合形式表示:A={(x,y,z)|0<x<m,0<y<n,zxy},(x,y)表示采样点坐标,z表示离散的灰度值,经过滤波处理后的雷达图像用二值图像表示。
优选地,所述步骤(3)中,雷达图像上水平方向的平均能量b如下式(1)表示,其中,i为以采样点号表示的双层走时的微分单位;j表示采样道次;
优选地,所述步骤(3)中,选取的阈值为能量方差最大值的1/10。
优选地,所述步骤(5)中,复垦土壤的剖面重构采用分层剥离、交错回填的方式,现场开挖3至5个土壤剖面,进行层数、层厚、土体特性数据统计,以此作为经验数据,分别与所对应的雷达图像的分层信息进行对比分析。
本发明与现有技术相比,具有以下明显优点:
本发明提出的复垦土壤剖面的精细表达方法,以探地雷达无损探测技术为主要手段,准确完整的表达土地复垦中重构土壤的剖面信息。该方法包括:布设等间距的探地雷达测线网,利用高频探地雷达系统获取复垦土壤的雷达图像;建立基于形态学的滤波处理方法,弱化杂波对分层信息的干扰;通过雷达图像处理与采样道能量梯度变化,提取复垦土壤的分层属性;在此基础上,开挖典型剖面,以此作为经验数据,与对应的雷达图像的分层情况进行对比分析,并结合各分层土壤的特征,实现全工区土壤剖面的精细表达,可为土地复垦工程质量的验收提供一种快速方法。
附图说明
图1为本发明中探地雷达测线网及坐标系示意图;
图2为本发明中某测线图像层位线图。
具体实施方式
本发明所述复垦土壤剖面的精细表达方法,包括以下步骤:
第一步:雷达数据采集。
在数据采集之前,布设探地雷达测线网,所述测线网由若干条平行的测线组成,呈网状形式,测线网应满覆盖工程的平面分布范围,并在布设后利用测绘仪器测定各测线端点及其交叉点的空间坐标,便于复测、验证;高频雷达天线沿测线方向匀速前行,实现数据采集。
如图1所示,1为复垦工区的边界线,2为探地雷达测线,探地雷达测线由两组呈一定角度的测线组成网状结构,每组测线包括若干条平行的测线,3为自定义的坐标系的轴线。以工区最西、最南两条相互垂直的测线,视为坐标系的x、y轴,定义交点的坐标为(1000,1000),x轴坐标方位角α为10°0′00″测线间距在10-40m之间。
第二步:建立基于形态学的滤波处理方法。
在预处理的基础上,对雷达图像进行形态学的滤波处理,抑制杂波对分层信息的干扰。该方法基于目标体的水平分层特性,根据几何特性的相似原理,选择结构元素,进行开运算、闭运算以及膨胀运算。
在本例中,雷达图像应以如下集合形式表示:
A={(x,y,z)|0<x<m,0<y<n,zxy},
前两个变量表示采样点坐标,第三个向量表示离散的灰度值,雷达图像的形态滤波应基于开运算、闭运算以及膨胀运算3个过程,实现图像形态修饰,形态细化的效果。
其中,结构元素SE应能够凸显层位的分层特性,为的矩阵,实例中选用SE如下:
由于开闭运算次数不会改变处理结果,本例开闭运算的运算均为一次,膨胀运算8次。
第三步:雷达图像的纵向分割。
将各采样道回波信号作为彼此独立的信号,以各采样点的能量幅值表示。在此基础上,计算所有采样道中相同采样点号的能量幅值的均值,并计算时间域上的能量方差,得到能量幅值的离散程度及分布图。需要说明的是,时间间隔为采样间隔,为纵轴双城走时与采样点数(一般为512/1024)的比值。在此基础上,以分布图的凸显程度,选取阈值,实现雷达图像的纵向分割。
雷达图像上水平方向的平均能量b由下式(1)计算求得,其中,i表示双层走时的微分单位,在此可以采样点号表示;j表示采样道次;
实例中,共计求得512个时间层的平均能量,采样道次628个。
第四步:复垦土壤剖面的雷达图像分层识别。
在每个分割的区段中,一定像点范围内,计算雷达图像能量方差峰值对应的采样点八方向上的能量梯度变化,基于最大梯度原则进行重采样,实现复垦土壤在雷达图像的分层识别。
实例中,像点范围为10×10的,当提取出最大梯度的采样点时,中心点移至该点,重复以上的步骤。
处理效果如图2所示,4为表土层的层位线,5为心土层与充填层(煤矸石)的层位线。
第五步:复垦土壤剖面的表达
对解译的雷达图像对应测线的土体进行开挖,获取5个以上复垦土壤的现实剖面,并记录分层的层数、土体性质以及层厚。以此为参照,将雷达图像分层信息与之进行对比分析,从而实现所有测线上的土壤剖面的精细表达。在此基础上,通过空间内插的方法,实现全工区土壤剖面的完整表达。
实例中,在进行空间内插时,各测线的土壤剖面采取如下表达方式:
Li={x,y,h},前两个参数表示平面坐标,第三个参数表示各层位的深度,根据等高线内插原理,将h替代高程z,生成各层位的TIN,生成等深线,在ARCGIS空间分析软件中,生成数字深度模型,达到三维显示的目的。
上面结合附图对本发明实施例进行了说明,但本发明不限于上述实施例,还可以根据本发明的发明创造的目的作出多种变化,凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合、简化,均应为等效的置换方式,只要符合本发明的发明目的,只要不背离本发明的技术原理和发明构思,都属于本发明的保护范围。

Claims (9)

1.一种复垦土壤剖面的精细表达方法,其特征在于:所述方法包括以下步骤:
(1)雷达数据采集:在数据采集之前,布设全面覆盖工程的平面分布范围的探地雷达测线网,并在布设后测定各测线端点及其交叉点的空间坐标;高频雷达天线沿测线方向匀速前行,实现数据采集;
(2)建立基于形态学的滤波处理方法:在预处理的基础上,对雷达图像进行形态学的滤波处理,抑制杂波对分层信息的干扰;
(3)雷达图像的纵向分割:将雷达图像视为多条独立采样道的回波信号的组合,将各采样道回波信号作为彼此独立的信号,以各采样点的能量幅值表示;在此基础上,计算所有采样道中相同采样点号的能量幅值的均值,并计算在时间域上各采样点的能量方差,得到能量幅值的离散程度及分布图;在此基础上以分布图的凸显程度选取阈值,将低于阈值的区域作为背景区域进行删除,实现雷达图像的纵向分割;
(4)复垦土壤剖面的雷达图像分层识别:在每个分割的区段中,以区域内能量方差的峰值对应的采样点作为中心,计算该点外扩 r 像素的八方向上能量梯度变化,以最大能量梯度为方向进行重采样,并重复步骤(4)的计算过程,实现复垦土壤在雷达图形的分层识别;(5)复垦土壤剖面的表达:对解译的雷达图像对应测线的土体进行开挖,获取复垦土壤的现实剖面,并记录分层的层数、土体性质以及层厚;以此为参照,将雷达图像分层信息与之进行对比分析,从而实现所有测线上的土壤剖面的精细表达;在此基础上,通过空间内插的方法,实现全工区土壤剖面的完整表达。
2.如权利要求 1 所述的复垦土壤剖面的精细表达方法,其特征在于:所述步骤(1)中,利用测绘仪器测定各测线端点及其交叉点的空间坐标。
3.如权利要求 2 所述的复垦土壤剖面的精细表达方法,其特征在于:所述步骤(1)中,测线网呈网状形式。
4.如权利要求 1 所述的复垦土壤剖面的精细表达方法,其特征在于:所述步骤(2)中,所述滤波处理方法基于目标体的水平分层特性,根据几何特性的相似原理,选择结构元素,进行开运算、闭运算以及膨胀运算三个过程,实现图像形态修饰和形态细化。
5.如权利要求 4 所述的复垦土壤剖面的精细表达方法,其特征在于:所述结构元素为3X3的矩阵,凸显层位的分层特性。
6.如权利要求 4 所述的复垦土壤剖面的精细表达方法,其特征在于:形态滤波通过开运算、闭运算以及膨胀运算相互结合,经过多次运算完成。
7.如权利要求 1 所述的复垦土壤剖面的精细表达方法,其特征在于:所述步骤(2)中,在进行形态滤波计算时,雷达图像应以如下集合形式表示:A={(x,y,z)|0<x<m,0<y<n,zxy},(x,y)表示采样点坐标,z 表示离散的灰度值,经过滤波处理后的雷达图像用二值图像表示。
8.如权利要求 1 所述的复垦土壤剖面的精细表达方法,其特征在于:所述步骤(3)中,选取的阈值为能量方差最大值的 1/10。
9.如权利要求 1 所述的复垦土壤剖面的精细表达方法,其特征在于:所述步骤(5)中,复垦土壤的剖面重构采用分层剥离、交错回填的方式,现场开挖 3 至 5 个土壤剖面,进行层数、层厚、土体特性数据统计,以此作为经验数据,分别与所对应的雷达图像的分层信息进行对比分析。
CN201610327751.3A 2016-05-17 2016-05-17 一种复垦土壤剖面的精细表达方法 Active CN105975990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610327751.3A CN105975990B (zh) 2016-05-17 2016-05-17 一种复垦土壤剖面的精细表达方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610327751.3A CN105975990B (zh) 2016-05-17 2016-05-17 一种复垦土壤剖面的精细表达方法

Publications (2)

Publication Number Publication Date
CN105975990A CN105975990A (zh) 2016-09-28
CN105975990B true CN105975990B (zh) 2019-05-28

Family

ID=56956530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610327751.3A Active CN105975990B (zh) 2016-05-17 2016-05-17 一种复垦土壤剖面的精细表达方法

Country Status (1)

Country Link
CN (1) CN105975990B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107167800A (zh) * 2017-05-05 2017-09-15 曲阜师范大学 一种基于中频探地雷达的滨海盐渍土剖面构型测定方法
CN108010091B (zh) * 2017-12-18 2021-10-08 武汉大学 一种基于颜色特征的数字式钻孔图像土层检测定位方法
CN112731381A (zh) * 2020-12-16 2021-04-30 华南农业大学 一种利用安卓调试桥以及车载雷达智能检测土壤硬质异物方法
CN114994774B (zh) * 2022-06-10 2023-07-25 中国科学院南京土壤研究所 一种利用探地雷达获取田块尺度土体构型信息的勘测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101697007A (zh) * 2008-11-28 2010-04-21 北京航空航天大学 一种基于雷达图像的飞鸟目标识别与跟踪方法
CN102023315A (zh) * 2009-09-23 2011-04-20 中国科学院电子学研究所 一种基于能量点聚类的探地雷达杂波抑制方法
CN103675922A (zh) * 2013-12-13 2014-03-26 南京工业大学 基于探地雷达的运营期地下管道管径测定方法
CN104570133A (zh) * 2014-12-25 2015-04-29 北京林业大学 一种以探地雷达为工具的树根根系探测方法
CN104698503A (zh) * 2015-04-02 2015-06-10 芜湖航飞科技股份有限公司 一种雷达数据处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101697007A (zh) * 2008-11-28 2010-04-21 北京航空航天大学 一种基于雷达图像的飞鸟目标识别与跟踪方法
CN102023315A (zh) * 2009-09-23 2011-04-20 中国科学院电子学研究所 一种基于能量点聚类的探地雷达杂波抑制方法
CN103675922A (zh) * 2013-12-13 2014-03-26 南京工业大学 基于探地雷达的运营期地下管道管径测定方法
CN104570133A (zh) * 2014-12-25 2015-04-29 北京林业大学 一种以探地雷达为工具的树根根系探测方法
CN104698503A (zh) * 2015-04-02 2015-06-10 芜湖航飞科技股份有限公司 一种雷达数据处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
应用探地雷达检测复垦土壤的分层结构;胡振琪 等;《中国矿业》;20050315;第14卷(第3期);73-75
雷达层析成像对复垦土壤分层结构的探测;杜翠 等;《计算机仿真》;20130915;第30卷(第9期);217-220、273

Also Published As

Publication number Publication date
CN105975990A (zh) 2016-09-28

Similar Documents

Publication Publication Date Title
Pan et al. A deterministic-stochastic identification and modelling method of discrete fracture networks using laser scanning: Development and case study
Watkins et al. Appraisal of fracture sampling methods and a new workflow to characterise heterogeneous fracture networks at outcrop
Miranda et al. Quantifying aperture, spacing and fracture intensity in a carbonate reservoir analogue: Crato Formation, NE Brazil
Zenone et al. Preliminary use of ground-penetrating radar and electrical resistivity tomography to study tree roots in pine forests and poplar plantations
Procter et al. Spatial and layer-controlled variability in fracture networks
CN105975990B (zh) 一种复垦土壤剖面的精细表达方法
Lingwanda et al. Correlations of SPT, CPT and DPL data for sandy soil in Tanzania
Jones et al. Modelling volume change potential in the London Clay
Hazreek et al. Soil identification using field electrical resistivity method
CN102590874A (zh) 一种山地采煤沉陷水田地表裂缝探测方法
CN111551956B (zh) 基于机载激光雷达的一种地质灾害探测识别方法
Schneiderwind et al. 3-D visualisation of palaeoseismic trench stratigraphy and trench logging using terrestrial remote sensing and GPR–a multiparametric interpretation
Laux et al. Terrestrial laser scanning and fracture network characterisation–perspectives for a (semi-) automatic analysis of point cloud data from outcrops
CN110161576A (zh) 一种矿区复垦地表层土壤非均质程度的确定方法及系统
Doolittle et al. The years of applications of ground penetrating radar by the United States department of Agriculture
CN115857047B (zh) 一种地震储层综合预测方法
CN114114396B (zh) 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法
Meng et al. Quantifying vein attributes in massive mudstones (Triassic, SW England): implications for progressive evolution of opening-mode fracture networks
Liu et al. Processing outcrop point clouds to 3D rock structure using open source software
Kazemeini et al. Experimental evaluation of seismic site response over and nearby underground cavities (study of subway tunnel in city of Karaj, Iran)
Msaddek et al. A fuzzy mathematical model for evaluation of rock-fracture and structural complexity: application for Southern Atlas in Tunisia
van Veen et al. The use of airborne LiDAR in understanding ground hazards for large pipeline networks
CN117687096B (zh) 一种用于预测小尺度缝洞分布的代理模型构建方法
Dunbar et al. The use of geophysics in levee assessment
Bradley et al. Extraction and visualisation of information from ground penetrating radar surveys

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant