CN116310901A - 一种基于低空遥感的泥石流物源动态运移识别方法 - Google Patents
一种基于低空遥感的泥石流物源动态运移识别方法 Download PDFInfo
- Publication number
- CN116310901A CN116310901A CN202310216534.7A CN202310216534A CN116310901A CN 116310901 A CN116310901 A CN 116310901A CN 202310216534 A CN202310216534 A CN 202310216534A CN 116310901 A CN116310901 A CN 116310901A
- Authority
- CN
- China
- Prior art keywords
- debris flow
- elevation
- period
- remote sensing
- low
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000013508 migration Methods 0.000 title claims abstract description 30
- 230000005012 migration Effects 0.000 title claims abstract description 30
- 239000000463 material Substances 0.000 title abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000009825 accumulation Methods 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 18
- 238000005516 engineering process Methods 0.000 abstract description 17
- 230000003628 erosive effect Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000012805 post-processing Methods 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- KIGJWIPKAWAGCE-UHFFFAOYSA-L gun blue Chemical compound Cl.[Cu+2].O[Se](=O)=O.[O-]S([O-])(=O)=O KIGJWIPKAWAGCE-UHFFFAOYSA-L 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于低空遥感的泥石流物源动态运移识别方法，该识别方法能够通过提升内业处理能力，尝试将低空遥感摄影测量方法运用到大面积的泥石流物源运移特征研究中，泥石流物源识别精度得到了极大提高，计算方法和操作方法较为简单；并且从后期处理技术上大幅度提高无人机遥感技术在大范围监测中的精度，从而将多期无人机遥感技术直接分析计算物源区地表侵蚀量、堆积量等数据，可精准判断地面起伏变化规律，实现对泥石流物源区的有效监测。
Description
技术领域
本发明涉及泥石流监控技术领域，尤其涉及一种基于低空遥感的泥石流物源动态运移识别方法。
背景技术
当前对于泥石流物源动态的研究，主要是将测绘仪器和设备应用于量化侵蚀过程，通过获取同一区域不同时期重复的地形测量数据，生成多时相的高程数据，并建立相应的算法用以模拟泥石流物源侵蚀过程、估算侵蚀量和预测地形环境变化。根据获取地形数据方式的不同，当前监测物源动态运移的方法有3种：基于全球定位系统(GPS)地形测量法、边坡雷达/地基SAR监测、卫星遥感DEM测量法。
在相关技术中，基于全球定位系统(GPS)地形测量法原理为单点高程监测实时传输，单点GPS测量设备可用于获得精确的地形变化信息，且时间连续度高，这种方法可以保证单点精度，但只有点状信息，且受地形条件影响，在泥石流物源分布的山高坡陡区域难以布设。
在另一相关技术中，边坡雷达和地基SAR数据主要运用到地质灾害边坡位移的监测，该方法的优点很多，一是实现了从点状测量到面状测量的提升，二是监测具有很高的时间分辨率，三是精度较高，具有毫米级的位移监测精度。制约也很明显，首先仪器价格非常昂贵，看似不需人值守，但是却难以真正做到无人值守；其次观测角度、观测范围都有很大限制，只适用于对单一边坡的监测，对于泥石流这种多位物源监测、无人区等都无能为力。
在又一相关技术中，卫星遥感DEM测量法主要原理是通过前后两期的卫星DEM数据，开展多期位移变化研究。其优点是测量面积大，获取效率高；缺点则是分辨率和精度都远低于低空无人机，在小幅度变形的物源区域识别能力有限。
对比以上技术，无人机航摄技术具有成本低廉、灵活性高、航测区域范围广、分辨率较高等优点，在地质灾害方面得到越来越多的应用，但受飞行精度条件、后期处理技术等制约，应用到泥石流沟域级大范围监测中仍有许多难点需要克服，包括沟内地势险峻无法均匀布设控制点导致的精度误差问题、多期拍摄条件不同带来的影像纠正难题、基于RGB数据的物源快速识别等问题，都是目前阻碍行业应用的难点。因此，急需要一种能够解决上述问题的方法。
发明内容
本申请旨在提供一种基于低空遥感的泥石流物源动态运移识别方法，从后期处理技术上纠正上述问题，将大幅度提高无人机遥感技术在大范围监测中的精度，从而将多期无人机遥感技术直接分析计算物源区地表侵蚀量、堆积量等数据，可精准判断地面起伏变化规律，实现对泥石流物源区的有效监测。
第一方面，本申请提供一种基于低空遥感的泥石流物源动态运移识别方法，所述识别方法包括：
S100：获取泥石流区域多期的航测数据，并从基准期中选取稳定特征点作为对照期像控点参与内业处理；
S200：采用克里金差值插值法拟合出高程改正曲面，并开展多期影像高程偏移矫正；
S300：获取正射影像并根据所述正射影像提取R、G、B三个波段影像，利用超绿超蓝差分指数ExGB＝3g-2.4b-r计算植被指数值，基于阈值分割算法完成植被/非植被分割；
S400：采用面向对象分类方法，提取建筑或道路干扰因素，其余裸地像素标记为泥石流沟物源区域；
S500：通过掩膜去除提取的植被、房屋以及道路干扰要素，获取多期纯地面高程差值；
S600：将多期带有三维空间信息的DEM模型在进行z方向的高程差分测量，得到区域内不同时间的变形特征及体积变化值；并根据高程差正值和负值，分析泥石流物源堆积量和运移量，比较不同时期泥石流物源运移空间特征；
S700：根据多期DEM和正射影像，开展泥石流物源表面特征点的追踪，计算沟域范围内不同物源的运移速率并进行分析。
在本申请的部分实施例中，步骤S100包括：
对特定泥石流工作区域开展多期无人机航摄作业，其中以首期开展为基准期，后期开展为对照期；并且在内业处理过程中，根据基准期影像数据，选取基准期成果中多个无变化特征点作为对照期像控点，根据像控点刺点、空三解算、模型重建步骤，得到对照期数字表面模型、数字高程模型及数字正射影像图数据。
在本申请的部分实施例中，所述像控点布设密度为每隔20000～40000个像素布设一个。
在本申请的部分实施例中，步骤S200包括：
S210：拟合基准期的特征点高程值与对照期的同名特征点高程值之间的差值，以使拟合曲面上的改正值与实际的差值为最小；
S220：使用克里金差值插值结果对对照期数据进行高程偏移校正。
S230：通过克里金插值方程
分别进行插值，得到泥石流沟域内待插值点x0的高程差估值，其中i-1，2，……n，ΔH(x0)为待插值点的高差估值，ΔH(xi)为点xi的高程差值，λi为待定权重系数；
S240：分别对目标泥石流沟域内的各个点x0进行空间插值，得到所有点的高程差值预测值；
S250：对插值结果和验证点进行比较，若插值结果与验证点之间的差异大于设定阈值，则增加训练样本的组数，重新进行插值计算；若两者之间的差异小于设定阈值，则插值成功。
在本申请的部分实施例中，高程差值为ΔH次多项式见公式：ΔH＝H-H’；H是基准期特征点高程值，H’是对照期同名特征点高程值。
在本申请的部分实施例中，根据公式
以及/>
和
计算得到i的待定权重系数λi，其中，γ(xi，xj)为区域内两点xi，xj的变异函数，μ为拉格朗日乘子。
在本申请的部分实施例中，区域内两点xi，xj的变异函数为根据
计算得到xi，xj的变异函数，其中，Var为方差，i，j＝1，2……，n。
在本申请的部分实施例中，将对照期高程数据减去克里金差值插值结果，即公式H校正后(x0)＝H校正前(x0)-ΔH(x0)得到高程纠偏之后的对照期高程数据。
在本申请的部分实施例中，步骤S300包括：
在遥感图像处理软件中，统计ExGB植被指数计算结果，对0-255各像元计数，用OSTU阈值分割算法确定最佳分割阈值数。
在本申请的部分实施例中，步骤S400包括：
基于eCognition面向对象分割软件，以高精度无人机正射影像数据为底图，通过基于规则集的面向对象分类方法，进行房屋、道路特征分析和自动提取。
本申请所提供的一种基于低空遥感的泥石流物源动态运移识别方法，该识别方法能够通过提升内业处理能力，尝试将低空遥感摄影测量方法运用到大面积的泥石流物源运移特征研究中，泥石流物源识别精度得到了极大提高，计算方法和操作方法较为简单；并且从后期处理技术上大幅度提高无人机遥感技术在大范围监测中的精度，从而将多期无人机遥感技术直接分析计算物源区地表侵蚀量、堆积量等数据，可精准判断地面起伏变化规律，实现对泥石流物源区的有效监测。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一实施例提供的识别方法的步骤流程图；
图2为本发明的一实施例提供的识别方法的详细步骤图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下获得的所有其他实施例，都属于本发明保护的范围。在本发明的描述中，“多个”的含义包含两个或两个以上，除非另有明确具体的限定。
在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认为，在不使用这些特定细节的情况下也可以实现本发明。在其它实施例中，不会对已知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理的最广范围相一致。
当前的无人机遥感技术在泥石流大范围监测与识别中面临的问题主要包括：
泥石流物源多分布于地势险峻、环境恶劣的高海拔地区，人类行动不便，因此难以在整条泥石流沟内均匀布设控制点，而若采取无像控点航测又会受限于无人机集成GPS的精度，从而使其高分辨率的优势大打折扣；
受多期无人机飞行的影响，不同期次无人机姿态参数不够精确，影像纠正的难度较大；
无人机拍摄易受光照、气流等条件影响。尤其山区天气多变，阴晴不定，在不同的光照条件拍摄的像片其RGB值有很大差异，受到气流的影响，像片又会出现几何误差，而这些都会影响像片的质量，从而最终影响航测产品的质量。
本申请基于此对现有的识别技术进行了改进。
请参阅图1和图2，本实施例提供了一种基于低空遥感的泥石流物源动态运移识别方法，所述识别方法包括：
S100：获取泥石流区域多期的航测数据，并从基准期中选取稳定特征点作为对照期像控点参与内业处理；
S200：采用克里金差值插值法拟合出高程改正曲面，并开展多期影像高程偏移矫正；
S300：获取正射影像并根据所述正射影像提取R、G、B三个波段影像，利用超绿超蓝差分指数ExGB＝3g-2.4b-r计算植被指数值，基于阈值分割算法完成植被/非植被分割；
S400：采用面向对象分类方法，提取建筑或道路干扰因素，其余裸地像素标记为泥石流沟物源区域；
S500：通过掩膜去除提取的植被、房屋以及道路干扰要素，获取多期纯地面高程差值；
S600：将多期带有三维空间信息的DEM模型在进行z方向的高程差分测量，得到区域内不同时间的变形特征及体积变化值；并根据高程差正值和负值，分析泥石流物源堆积量和运移量，比较不同时期泥石流物源运移空间特征；
S700：根据多期DEM和正射影像，开展泥石流物源表面特征点的追踪，计算沟域范围内不同物源的运移速率并进行分析。
该识别方法能够通过提升内业处理能力，尝试将低空遥感摄影测量方法运用到大面积的泥石流物源运移特征研究中，泥石流物源识别精度得到了极大提高，计算方法和操作方法较为简单；并且从后期处理技术上大幅度提高无人机遥感技术在大范围监测中的精度，从而将多期无人机遥感技术直接分析计算物源区地表侵蚀量、堆积量等数据，可精准判断地面起伏变化规律，实现对泥石流物源区的有效监测。
在本申请的部分实施例中，步骤S100包括：对特定泥石流工作区域开展多期无人机航摄作业，其中以首期开展为基准期，后期开展为对照期；并且在内业处理过程中，根据基准期影像数据，选取基准期成果中多个无变化特征点作为对照期像控点，根据像控点刺点、空三解算、模型重建步骤，得到对照期数字表面模型、数字高程模型及数字正射影像图数据。
具体地，外业作业包括航线规划、布设并测量外业像控点、航空摄影测量，然后基于ContextCapture、Pix4D等后处理软件对飞行任务航摄影像进行照片对齐、刺点空三解算得出数字表面模型、数字高程模型及数字正射影像图。在对照期内业处理过程中，根据基准期影像数据，选取基准期成果中多个无变化特征点作为对照期像控点，根据像控点刺点、空三解算、模型重建等步骤，得到对照期数字表面模型、数字高程模型及数字正射影像图等数据。
在本申请的部分实施例中，所述像控点布设密度为每隔20000～40000个像素布设一个。其中有差分POS数据(相对较精确的初始值)的可以放宽到40000个像素，没有差分POS数据的至少20000个像素布设一个控制点。像控点的目标影像应清晰，应选择影像中无变化的稳定点，包括易于识别的基岩稳定特征点、稳定地物交点、明显地物拐角点等位置。
在本申请的部分实施例中，步骤S200包括：
S210：拟合基准期的特征点高程值与对照期的同名特征点高程值之间的差值，以使拟合曲面上的改正值与实际的差值为最小；
S220：使用克里金差值插值结果对对照期数据进行高程偏移校正。
S230：通过克里金插值方程
分别进行插值，得到泥石流沟域内待插值点x0的高程差估值，其中i-1，2，……n，ΔH(x0)为待插值点的高差估值，ΔH(xi)为点xi的高程差值，λi为待定权重系数；
S240：分别对目标泥石流沟域内的各个点x0进行空间插值，得到所有点的高程差值预测值；
S250：对插值结果和验证点进行比较，若插值结果与验证点之间的差异大于设定阈值，则增加训练样本的组数，重新进行插值计算；若两者之间的差异小于设定阈值，则插值成功。
在步骤S250中的设定阈值，根据《CHZ3003-2010低空数字航空摄影测量内业规范》等相关规范，1：500比例尺要求高程中误差高程中误差、高程限差分别为0.5m、0.7m，1：1000比例尺要求高程中误差高程中误差、高程限差分别为0.5m、1.2m，1:2000比例尺要求高程中误差、高程限差分别为1.2m、2.5m。
在本申请的部分实施例中，高程差值为ΔH次多项式见公式：ΔH＝H-H’；H是基准期特征点高程值，H’是对照期同名特征点高程值。
在本申请的部分实施例中，根据公式
以及/>
和
计算得到i的待定权重系数λi，其中，γ(xi，xj)为区域内两点xi，xj的变异函数，μ为拉格朗日乘子。
在本申请的部分实施例中，
在本申请的部分实施例中，区域内两点xi，xj的变异函数为根据
计算得到xi，xj的变异函数，其中，Var为方差，i，j＝1，2……，n。
在本申请的部分实施例中，将对照期高程数据减去克里金差值插值结果，为公式H校正后(x0)＝H校正前(x0)-ΔH(x0)得到高程纠偏之后的对照期高程数据。
在本申请的部分实施例中，步骤S300包括：
在遥感图像处理软件中，统计ExGB植被指数计算结果，对0-255各像元计数，用OSTU阈值分割算法确定最佳分割阈值数。
在一些实施例中，植被指数-超绿超蓝差分指数ExGB通过以下公式计算得到：ExGB＝3g-2.4b-r；r、g、b为各自通道的归一化值，其计算公式为：
在本申请的部分实施例中，步骤S400包括：
基于eCognition面向对象分割软件，以高精度无人机正射影像数据为底图，通过基于规则集的面向对象分类方法，进行房屋、道路特征分析和自动提取。
在本申请的部分实施例中，步骤S600高程差分测量，以其中两期数据为例，采用公式
其中，V表示变化的物源土石方量体积；i、j表示DEM栅格的行列号；n、k表示DEM栅格的行列数；s为每个栅格的面积；h表示每个栅格的高程。为了避免正负值抵消的情况出现，设置零值为起算点，分别计算物源堆积量、物源运移量数据。
在本申请的部分实施例中，步骤S700开展泥石流物源表面特征点的追踪方法包括两个步骤：①物源特征点选取：通过人工识别或Susan算子等特征点提取方法在多期影像上提取物源特征点；②同名物源特征点追踪：采用人工识别或最小二乘法等匹配方法，获得不同期次同名特征点数据集，通过计算图像上同名像对的纵向偏差像元数和横向偏差像元数，除以变化时间，计算泥石流物源运移速率。
本申请的优势在于：
1、针对泥石流沟无人区无法均匀布设控制点导致的精度影响问题、多期拍摄条件不同带来的误差问题，本发明通过引入基准期和对照期的稳定特征点代替外业像控点，提升内业处理精度；
2、针对航向倾斜(双曲面误差)和旁向倾斜(抛物面误差)造成的高程扭曲(双曲抛物面)问题，本发明提出了一种新的克里金差值插值法拟合出高程改正曲面，开展多期影像的高程偏移校正；
3、针对植被指数等多依赖近红外波段特征，基于可见光波段的植被指数方法较少的问题，本发明创新性地提出了ExGB植被指数，该植被指数适用于一般区域，尤其适用于有阴影、水体、蓝顶建筑背景干扰的区域，是对目前可见光段植被指数的有效补充。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考，但与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
以上对本申请实施例所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于低空遥感的泥石流物源动态运移识别方法，其特征在于，所述识别方法包括：
S100：获取泥石流区域多期的航测数据，并从基准期中选取稳定特征点作为对照期像控点参与内业处理；
S200：采用克里金差值插值法拟合出高程改正曲面，并开展多期影像高程偏移矫正；
S300：获取正射影像并根据所述正射影像提取R、G、B三个波段影像，利用超绿超蓝差分指数ExGB＝3g-2.4b-r计算植被指数值，基于阈值分割算法完成植被/非植被分割；
S400：采用面向对象分类方法，提取建筑或道路干扰因素，其余裸地像素标记为泥石流沟物源区域；
S500：通过掩膜去除提取的植被、房屋以及道路干扰要素，获取多期纯地面高程差值；
S600：将多期带有三维空间信息的DEM模型在进行z方向的高程差分测量，得到区域内不同时间的变形特征及体积变化值；并根据高程差正值和负值，分析泥石流物源堆积量和运移量，比较不同时期泥石流物源运移空间特征；
S700：根据多期DEM和正射影像，开展泥石流物源表面特征点的追踪，计算沟域范围内不同物源的运移速率并进行分析。
2.根据权利要求1所述的基于低空遥感的泥石流物源动态运移识别方法，其特征在于，步骤S100包括：
对特定泥石流工作区域开展多期无人机航摄作业，其中以首期开展为基准期，后期开展为对照期；并且在内业处理过程中，根据基准期影像数据，选取基准期成果中多个无变化特征点作为对照期像控点，根据像控点刺点、空三解算、模型重建步骤，得到对照期数字表面模型、数字高程模型及数字正射影像图数据。
3.根据权利要求2所述的基于低空遥感的泥石流物源动态运移识别方法，其特征在于，所述像控点布设密度为每隔20000～40000个像素布设一个。
4.根据权利要求1所述的基于低空遥感的泥石流物源动态运移识别方法，其特征在于，步骤S200包括：
S210：拟合基准期的特征点高程值与对照期的同名特征点高程值之间的差值，以使拟合曲面上的改正值与实际的差值为最小；
S220：使用克里金差值插值结果对对照期数据进行高程偏移校正。
S230：通过克里金插值方程
分别进行插值，得到泥石流沟域内待插值点x0的高程差估值，其中i-1，2，……n，ΔH(x0)为待插值点的高差估值，ΔH(xi)为点xi的高程差值，λi为待定权重系数；
S240：分别对目标泥石流沟域内的各个点x0进行空间插值，得到所有点的高程差值预测值；
S250：对插值结果和验证点进行比较，若插值结果与验证点之间的差异大于设定阈值，则增加训练样本的组数，重新进行插值计算；若两者之间的差异小于设定阈值，则插值成功。
5.根据权利要求4所述的基于低空遥感的泥石流物源动态运移识别方法，其特征在于，高程差值为ΔH次多项式见公式：ΔH＝H-H’；H是基准期特征点高程值，H’是对照期同名特征点高程值。
6.根据权利要求4所述的基于低空遥感的泥石流物源动态运移识别方法，其特征在于，根据公式
以及/>
和/>
计算得到i的待定权重系数λi，其中，γ(xi，xj)为区域内两点xi，xj的变异函数，μ为拉格朗日乘子。
7.根据权利要求4所述的基于低空遥感的泥石流物源动态运移识别方法，其特征在于，区域内两点xi，xj的变异函数为根据
计算得到xi，xj的变异函数，其中，Var为方差，i，j＝1，2……，n。
8.根据权利要求4所述的基于低空遥感的泥石流物源动态运移识别方法，其特征在于，将对照期高程数据减去克里金差值插值结果，为公式H校正后(x0)＝H校正前(x0)-ΔH(x0)得到高程纠偏之后的对照期高程数据。
9.根据权利要求1所述的基于低空遥感的泥石流物源动态运移识别方法，其特征在于，步骤S300包括：
在遥感图像处理软件中，统计ExGB植被指数计算结果，对0-255各像元计数，用OSTU阈值分割算法确定最佳分割阈值数。
10.根据权利要求1所述的基于低空遥感的泥石流物源动态运移识别方法，其特征在于，步骤S400包括：
基于eCognition面向对象分割软件，以高精度无人机正射影像数据为底图，通过基于规则集的面向对象分类方法，进行房屋、道路特征分析和自动提取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310216534.7A CN116310901A (zh) | 2023-03-08 | 2023-03-08 | 一种基于低空遥感的泥石流物源动态运移识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310216534.7A CN116310901A (zh) | 2023-03-08 | 2023-03-08 | 一种基于低空遥感的泥石流物源动态运移识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116310901A true CN116310901A (zh) | 2023-06-23 |
Family
ID=86837348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310216534.7A Pending CN116310901A (zh) | 2023-03-08 | 2023-03-08 | 一种基于低空遥感的泥石流物源动态运移识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116310901A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117809260A (zh) * | 2024-02-23 | 2024-04-02 | 中国地质调查局水文地质环境地质调查中心 | 泥石流物源启动的识别方法、装置以及电子设备 |
| CN117809260B (zh) * | 2024-02-23 | 2024-05-14 | 中国地质调查局水文地质环境地质调查中心 | 泥石流物源启动的识别方法、装置以及电子设备 |
-
2023
- 2023-03-08 CN CN202310216534.7A patent/CN116310901A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117809260A (zh) * | 2024-02-23 | 2024-04-02 | 中国地质调查局水文地质环境地质调查中心 | 泥石流物源启动的识别方法、装置以及电子设备 |
| CN117809260B (zh) * | 2024-02-23 | 2024-05-14 | 中国地质调查局水文地质环境地质调查中心 | 泥石流物源启动的识别方法、装置以及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dall’Asta et al. | Unmanned Aerial Systems and DSM matching for rock glacier monitoring | |
| CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
| Li et al. | Rigorous photogrammetric processing of HiRISE stereo imagery for Mars topographic mapping | |
| US7194389B2 (en) | Fusion of data from differing mathematical models | |
| CN111709981A (zh) | 特征线融合的激光点云与模拟图像的配准方法 | |
| CN105046251B (zh) | 一种基于环境一号卫星遥感影像的自动正射校正方法 | |
| CN112017224B (zh) | Sar数据区域网平差处理方法和系统 | |
| Giménez et al. | Accuracy of high‐resolution photogrammetric measurements of gullies with contrasting morphology | |
| Puniach et al. | Application of UAV-based orthomosaics for determination of horizontal displacement caused by underground mining | |
| CN110111274B (zh) | 一种星载推扫式光学传感器外方位元素定标方法 | |
| CN113284171B (zh) | 一种基于卫星遥感立体成像对的植被高度分析方法及系统 | |
| Nouwakpo et al. | A simplified close‐range photogrammetric technique for soil erosion assessment | |
| Kumari et al. | Adjustment of systematic errors in ALS data through surface matching | |
| CN109446485B (zh) | 一种基于多源数据融合的季节性湖泊湖底地形生成方法 | |
| CN111144350B (zh) | 一种基于参考底图的遥感影像定位精度评价方法 | |
| CN116758234A (zh) | 一种基于多点云数据融合的山地地形建模方法 | |
| CN110046563B (zh) | 一种基于无人机点云的输电线路断面高程修正方法 | |
| CN111006645A (zh) | 基于运动与结构重建的无人机测绘方法 | |
| CN105571598A (zh) | 一种卫星激光高度计足印相机姿态的测定方法 | |
| Singh et al. | High resolution DEM generation for complex snow covered Indian Himalayan Region using ADS80 aerial push-broom camera: a first time attempt | |
| Gupta et al. | Digital elevation model | |
| CN110310370B (zh) | 一种gps与srtm点面融合的方法 | |
| KR102015817B1 (ko) | 입체 위성영상의 제공 rpc 자동 보정 방법 | |
| Khezrabad et al. | A new approach for geometric correction of UAV-based pushbroom images through the processing of simultaneously acquired frame images | |
| CN115457022A (zh) | 基于实景三维模型正视影像的三维形变检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |