基于UAV的Super-Sauze滑坡遥感调查——评估与结果
基于遥感与地理信息系统的山体滑坡数据采集与分析技术研究与实现
基于遥感与地理信息系统的山体滑坡数据采集与分析技术研究与实现山体滑坡是一种自然灾害，常常给人们的生活和环境带来巨大的威胁。
为了及时了解山体滑坡的情况，采取相应的预防和救灾措施，基于遥感与地理信息系统的山体滑坡数据采集与分析技术应运而生。
一、遥感技术在山体滑坡数据采集中的应用1. 遥感技术概述遥感技术是指利用飞机、卫星等远距离传感器对地球物体进行观测和测量的技术。
它具有高效、全面、实时等特点，成为山体滑坡数据采集的重要手段。
2. 遥感技术在山体滑坡数据采集中的应用通过遥感技术可以获取山体滑坡相关的多源、多尺度、多时相的数据，如高分辨率的卫星影像、激光雷达数据、热红外数据等。
这些数据可以用于提取山体滑坡的特征信息，如滑坡的范围、形态、演化等。
遥感技术还可以对滑坡地质构造、土壤含水量等进行定量监测。
二、地理信息系统在山体滑坡数据采集中的应用1. 地理信息系统概述地理信息系统是一种对地理空间信息进行组织、存储、管理、分析和展示的专门技术。
它可以将遥感获取的山体滑坡数据与其他地理信息进行整合，并进行空间分析和决策支持。
2. 地理信息系统在山体滑坡数据采集中的应用地理信息系统可以用于山体滑坡危险性评估、滑坡监测、滑坡预警等方面。
通过整合遥感数据和地理信息数据，可以建立山体滑坡的空间数据库，实现对滑坡发生和演化过程的全面监测和分析。
三、山体滑坡数据采集与分析技术的实现1. 数据采集山体滑坡数据的采集包括卫星影像的获取和处理、激光雷达数据的采集和处理等。
采集的数据需要经过去噪、配准、融合等处理，以提高其精度和可用性。
2. 数据分析山体滑坡数据的分析包括特征提取、滑坡预测、滑坡风险评估等。
特征提取可以通过遥感图像分割、纹理分析等方法实现，预测和评估可以借助地理信息系统的空间分析和决策支持功能。
四、案例分析以某山区为例，利用遥感与地理信息系统技术实现了山体滑坡数据的采集与分析。
根据高分辨率卫星影像，提取了滑坡的范围和形态特征；通过地理信息系统建立了滑坡的空间数据库，并进行了滑坡的危险性评估和预测。
作者姓名：阿布都瓦斯提·吾拉木
作者姓名：阿布都瓦斯提·吾拉木论文题目：基于n维光谱特征空间的农田干旱遥感监测作者简介：阿布都瓦斯提·吾拉木，男，1975年2月出生，于2006年7月获北京大学理学博士学位。
2006年12月至今任美国圣路易斯大学环境科学中心Geospatial Analyst/Research Professor。
中文摘要农田生态系统是一个水分、土壤、植被、大气等诸多因素耦合的复杂系统（SPAC，Soil-Plant-Atmosphere Continuum）。
在农田生态系统水循环中，水分亏缺的积累使农田供水量在一定的时间段内不能满足作物需水量，导致农田干旱的发生。
农田干旱直接和间接地影响人类生存、社会稳定、农业生产、资源与环境可持续发展。
正确评价或预防农田干旱，对促进农业生产和区域可持续发展具有重要的现实意义。
遥感具有客观反映农田水分时空变化的监测能力。
国内外农田遥感干旱监测研究表明：在复杂地表环境下，单纯采用可见光、近红外、热红外或微波波段都无法全面、准确反映农田水分信息，其方法在农田水分监测中暴露出诸多问题，如水分监测的滞后效应、模型复杂、参数的不确定性和过度依赖于田间和气象观测资料等，不能适应全面、动态的农田干旱监测与农田水分信息提取的迫切需求。
利用定量遥感方法，实现准确的农田干旱信息提取一直是遥感应用领域亟待解决的重要科学问题之一。
基于多维光谱特征空间的农田干旱信息提取，可以综合多源遥感的优势，为干旱监测提供更丰富、更高分辨率的农田水分信息，有望去除以往的遥感干旱模型带来的监测效果滞后、模型复杂、参数的不确定性等问题，形成农田干旱遥感监测新方法。
本论文以可见光近红外2维光谱空间干旱建模为切入点，通过加入短波红外，进一步拓宽遥感干旱监测的波段和地表生态物理参数，构建了反演土壤水分、叶片/冠层含水量（EWT）和叶片/冠层相对含水量（FMC）等参数的遥感模型，针对农田干旱最关键的两个指标土壤水分和叶片/冠层含水量，建立了多个干旱监测模型，形成了以n维光谱特征空间为基础的农田遥感干旱监测的新方法。
基于遥感影像的滑坡变化检测方法、存储介质和电子设备[发明专利]
![基于遥感影像的滑坡变化检测方法、存储介质和电子设备[发明专利]](https://img.taocdn.com/s3/m/b80c65d9b90d6c85ed3ac600.png)
专利名称：基于遥感影像的滑坡变化检测方法、存储介质和电子设备
专利类型：发明专利
发明人：李山山,张洪群,冯旭祥,陈勃,冯钟葵,李安,吴业炜,李宇,陈俊,石璐,韦宏卫,刘璐娇,万广通
申请号：CN201811431191.1
申请日：20181128
公开号：CN109767409A
公开日：
20190517
专利内容由知识产权出版社提供
摘要：本发明提供的基于遥感影像的滑坡变化检测方法、存储介质和电子设备，其中的方法包括数据获取步骤；第一时相滑坡分区影像获取步骤；其他时相滑坡分区影像获取步骤和滑坡变化检测结果输出步骤。
其中，滑坡分区影像获取过程中，将遥感影像划分为高植被覆盖分区和低植被覆盖分区，并且不同分区单独计算其归一化植被指数进而得到改进指数，因此高植被覆盖分区和低植被覆盖分区中的改进指数是不同的。
由于针对不同植被覆盖程度分别得到了改进指数，基于改进指数得到的滑坡变化检测结果也能够适用于不同植被覆盖程度的自然表面。
无论是高植被覆盖分区还是低植被覆盖分区均能够得到准确的滑坡变化检测结果。
申请人：中国科学院遥感与数字地球研究所
地址：100094 北京市海淀区邓庄南路9号
国籍：CN
代理机构：北京信诺创成知识产权代理有限公司
代理人：任万玲
更多信息请下载全文后查看。
汶川大地震滑坡体遥感识别及生态服务价值损失评估_花利忠
第28卷第12期2008年12月生态学报A C T AE C O L O G I C AS I N I C AV o l .28,N o .12D e c .,2008h t t p ://w w w .e c o l o g i c a .c n基金项目:中国科学院知识创新工程重要方向资助项目(K Z C X 2-Y W-422);厦门市科技计划资助项目(3502Z 20072002)收稿日期:2008-09-20;修订日期:2008-11-21作者简介:花利忠(1978～),男,山西晋中人,博士,G I S 与遥感应用,城市生态环境规划研究.E -m a i l :h u a l i z h o n g 2008@y a h o o .c o m .c n ＊通讯作者C o r r e s p o n d i n g a u t h o r .E -m a i l :s h c u i @i u e .a c .c n 致谢:感谢黄少鹏教授的指导与帮助.F o u n d a t i o ni t e m:T h e p r o j e c t w a sf i n a n c i a l l ys u p p o r t e db yt h eK e yd i r e c t i o ni nK n o w l e d g eI n n o v a t i o nP r o j e c t o f C h i n e s eA c a d e m yo f S c i e n c e s (N o .K Z C X 2-Y W-422);S c i e n c e a n dt e c h n o l o g y p l a n p r o j e c t s o f X i a m e n (N o .3502Z 20072002)R e c e i v e dd a t e :2008-09-20;A c c e p t e dd a t e :2008-11-21B i o g r a p h y :H U AL i -Z h o n g ,P h .D .,m a i n l y e n g a g e di n G I S a n dR S a p p l i c a t i o n ,a n du r b a ne c o -e n v i r o n m e n t p l a n n i n g .E -m a i l :h u a l i z h o n g 2008@y a h o o .c o m .c n汶川大地震滑坡体遥感识别及生态服务价值损失评估花利忠1,2,崔胜辉1,＊,李新虎1,尹 锴1,邱全毅1(1.中国科学院城市环境研究所,厦门 361021;2.中国科学院生态环境研究中心,北京 100085)摘要:利用遥感技术,提出了综合遥感指数、非监督分类和监督分类的自动识别滑坡体的方法:先构建4个遥感指数(植被指数S A V I 、水体指数M N D WI 、建筑指数N D B I 和云指数N D C I )合成新影像图,用S A V I 指数阈值分割新影像图确定无植被区,最后对无植被区进行非监督分类和监督分类区分滑坡体的方法。
基于遥感与地理信息系统的山体滑坡数据采集与分析技术研究与优化
基于遥感与地理信息系统的山体滑坡数据采集与分析技术研究与优化随着科学技术的不断发展，遥感和地理信息系统的应用越来越广泛，无处不在。
在许多领域，如监测环境、探测资源、控制自然灾害等方面，遥感和地理信息系统都起到了重要的作用。
山体滑坡在自然灾害中属于一种常见的灾害类型，对人类和生态环境都造成了很大的危害。
因此，如何对山体滑坡进行及时准确的监测和预警已成为当前研究的热点问题。
本文将重点介绍基于遥感和地理信息系统的山体滑坡数据采集与分析技术。
一、遥感技术在山体滑坡监测与预警中的应用遥感技术是通过航空或卫星进行远程观测，获取地表信息的一种技术。
在山体滑坡的监测中，遥感技术可以采集地表信息，如表面温度、地形高度等参数。
这些参数可以用来建立山体滑坡的模型，从而实现对山体滑坡的监测和预警。
目前，常用的遥感技术包括光谱遥感技术、雷达遥感技术和激光雷达技术。
在这些技术中，光谱遥感技术是最常用的技术之一。
光谱遥感技术可以获取地表覆盖物的信息，如植被、水体、建筑物等。
这些信息可以用来研究山体滑坡的变化和演化过程。
此外，遥感技术还可以实现对山体滑坡的形态、面积、体积等参数进行估算，对山体滑坡进行量化分析，从而为山体滑坡的防治提供有力的支持。
二、地理信息系统在山体滑坡数据采集与分析中的应用地理信息系统是一种空间信息处理和分析系统，可以对地理信息进行存储、管理、处理、分析和输出。
在山体滑坡的数据采集和分析中，地理信息系统可以提供空间数据处理和分析的功能。
地理信息系统可以对遥感的数据进行处理，如图像增强、图像分割、特征提取等。
这些处理可以提高遥感数据的精度和可靠性。
此外，地理信息系统还可以实现对数据的空间叠加、数据的统计分析、模型的建立和预测等功能。
这些分析方法可以提高山体滑坡的预测准确率和预测速度，为山地开发和管理提供科学依据。
三、优化山体滑坡数据采集与分析技术的方法为了优化山体滑坡数据采集和分析技术，需要考虑以下几个方面：1.提高遥感数据的精度和可靠性。
基于遥感技术的山体滑坡数据采集与分析
基于遥感技术的山体滑坡数据采集与分析近年来，山体滑坡事故频发，给人们的生命财产安全造成了严重威胁。
借助遥感技术的快速发展，我们可以采集和分析山体滑坡数据，以预测和防范潜在的山体滑坡风险。
本文将介绍基于遥感技术的山体滑坡数据采集与分析方法，并探讨其应用前景。
一、遥感技术的概述遥感技术利用卫星、航空器和其他传感器对地球表面的物体进行远距离观测和测量，可以获取高分辨率的地表信息。
在山体滑坡的研究中，遥感技术能够提供关键的数据，包括地形、植被、土壤和水文条件等。
二、山体滑坡数据采集1. 高分辨率遥感影像获取通过卫星、航空器等平台获取高分辨率的遥感影像，以便对山体滑坡的形态、面积和边界进行准确的测量。
同时，遥感影像还可以用于提取地物信息，如植被覆盖和土壤类型等。
2. LIDAR技术测量地形LIDAR（Light Detection and Ranging）技术是一种利用激光进行测距和地形测量的方法。
通过激光扫描地表，可以获取高精度的地形数据，包括地形起伏、地貌特征和斜坡倾斜度等，这些数据对于山体滑坡的研究和预测至关重要。
三、山体滑坡数据分析1. 地形分析利用遥感影像和LIDAR数据，可以进行地形分析，包括地表起伏、坡度、坡向和地形特征等。
这些数据可以帮助我们了解山体滑坡形成的地质背景，并揭示滑坡发生的可能原因。
2. 植被分析遥感技术可以提供植被覆盖信息，通过分析植被的密度、类型和变化趋势，我们可以评估山体滑坡发生的风险。
植被覆盖低、植被退化等情况可能表明滑坡的潜在危险性增加。
3. 土壤分析利用遥感数据，可以获取土壤类型、含水量等信息。
不同类型的土壤具有不同的稳定性和可渗透性，对山体滑坡的形成有着重要影响。
通过土壤分析，可以评估滑坡的可能性以及滑坡后果的严重程度。
四、应用前景基于遥感技术的山体滑坡数据采集和分析方法在防灾减灾中具有广阔的应用前景。
通过准确获取和分析相关数据，可以提前预警山体滑坡并采取相应的防范措施，减少人员伤亡和财产损失。
基于遥感影像判识的滑坡自动识别方法
篇《基于遥感影像判识的滑坡自动识别方法》一、引言遥感技术是一种通过无需直接接触对象，而是通过传感器获取目标信息的技术，其在地质灾害识别中具有独特优势。
滑坡是一种常见的地质灾害，对人们的生命和财产造成巨大威胁。
基于遥感影像的滑坡自动识别方法具有重要的研究意义和实际应用价值。
二、滑坡的特征和识别方法滑坡的识别涉及多种特征的综合判定，包括地形特征、植被特征、水文特征等。
遥感影像中可以通过光谱特征、纹理特征、形态特征等进行滑坡的自动识别。
在遥感影像中，滑坡往往表现为较大的高光谱反差、明显的变形特征和不规则的形态特征。
通过遥感影像的特征提取和图像分割技术，可以实现对滑坡的自动识别。
三、基于遥感影像的滑坡自动识别方法1. 数据获取和预处理需要获取高分辨率的遥感影像数据，包括卫星遥感影像、航拍影像等。
对影像数据进行预处理，包括大气校正、几何校正、辐射校正等，以获得高质量的影像数据。
2. 滑坡特征提取基于预处理的影像数据，可以利用光谱特征、纹理特征、形态特征等进行滑坡特征的提取。
通过特征提取算法，可以将滑坡区域与非滑坡区域进行有效区分。
3. 滑坡自动识别基于提取的滑坡特征，可以利用机器学习算法、深度学习算法等进行滑坡的自动识别。
通过训练模型和分类算法，可以实现对滑坡的准确识别和辅助监测。
四、案例分析与展望基于遥感影像的滑坡自动识别方法已在实际应用中取得了一定的成果，但仍存在一些挑战，如多源数据融合、滑坡特征提取算法的改进等。
未来可以结合机器学习、深度学习等先进技术，进一步提高滑坡的自动识别精度和效率，为地质灾害的监测预警提供更加有效的技术支持。
五、个人观点与总结基于遥感影像的滑坡自动识别方法是一项具有重要意义和广阔前景的研究课题。
我认为，在未来的研究中，应该加强跨学科的合作，整合遥感技术、地质学和计算机科学等多领域知识，不断推动滑坡自动识别技术的发展，为地质灾害防控工作提供更强有力的技术支持。
六、致谢在撰写本文过程中，受到了来自xxx的指导和帮助，在此表示衷心的感谢。
基于多光谱遥感影像的巫峡滑坡灾害识别技术研究
doi:10.3969/j.issn.1007-3701.2020.01.005基于多光谱遥感影像的巫峡滑坡灾害识别技术研究郭健,张鹏※,张全,黄波林,秦臻GUO Jian，ZHANG Peng，ZHANG Quan，HUANG Bo-Lin，QIN Zhen（三峡大学土木建筑学院防灾减灾湖北省重点实验室，湖北宜昌443002）（Hubei Key Laboratory of Disaster Prevention and Mitigation，College of Civil Engineering&Architecture，China Three Gorge University，Yichang443002，Hubei，China）摘要:三峡库区地质结构复杂,尤其是巫峡高陡岸坡发育区域,历来是滑坡灾害高发区,对三峡库区的安全运行构成威胁。
为了厘清巫峡高陡峡谷区滑坡灾害发育的高精度多光谱遥感影像特征,本研究以高精度遥感影像资料为基础,以巫峡高陡峡谷区为研究对象,应用面对对象的分类方法对研究区的高精遥感影像进行分割和分类,结合多尺度分割和ESP(Estimation ofScale Parameter)工具确定最优分割尺度,选取典型的滑坡对象样本进行最近邻分类,探索基于高精度多光谱遥感影像的高陡峡谷区滑坡灾害识别技术方法。
经试验得出高陡峡谷区基于高精度多光谱遥感影像的滑坡灾害识别的最优分割尺度为720,形状因子和紧致度为0.5,在分割基础上,进行分类和滑坡信息提取。
通过对比已有滑坡灾害资料,基于遥感影像自动识别滑坡灾害技术得到的研究区滑坡灾害分布结果总体精度达到了0.8696。
研究结果表明,基于高精度的遥感影像自动识别滑坡灾害技术方法能够较好地进行分割与滑坡识别,精度评价的结果比较符合实际。
研究结果为巫峡高陡峡谷区滑坡灾害的识别、调查、预测和防治提供依据,对三峡库区滑坡灾害的早期识别和防灾减灾有重要意义。
一种基于遥感的滑坡体体积估计方法[发明专利]
![一种基于遥感的滑坡体体积估计方法[发明专利]](https://img.taocdn.com/s3/m/e2c2b385b84ae45c3a358cba.png)
专利名称：一种基于遥感的滑坡体体积估计方法专利类型：发明专利
发明人：宇林军,刘亚岚
申请号：CN201710751078.0
申请日：20170828
公开号：CN107564055A
公开日：
20180109
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于遥感的滑坡体体积估计方法，其特征在于，包括：获取待估计滑坡体区域的灾后的遥感影像以及灾前地形数据DEM；对灾后的遥感影像中滑坡体区域进行边界提取，并提取获得滑坡体边界的特征点；选取参考平面；基于滑坡体边界特征点对滑坡体进行表面拟合，得到拟合后的滑坡体表面，计算拟合后的滑坡体表面到参考平面间的体积；依据DEM提取原地形表面，计算原地形表面到参考平面间的体积；拟合得到的滑坡体表面到参考平面间的体积与原地形表面到参考平面间的体积之差作为滑坡体体积。
本发明方法能够提高对滑坡体体积的估算精度，大大缩短了估算时间。
申请人：中国科学院遥感与数字地球研究所
地址：100101 北京市朝阳区大屯路北20号中科院遥感与数字地球研究所
国籍：CN
代理机构：北京创遇知识产权代理有限公司
更多信息请下载全文后查看。
无人机航测在滑坡快速调查与分析中的应用研究
无人机航测在滑坡快速调查与分析中的应用研究作者：杜朋召齐菊梅罗延婷牛贝贝来源：《人民黄河》2021年第01期摘要：为实现滑坡的快速调查与应急影响评价，以某水电站库岸1#滑坡为例，利用无人机航空摄影测量技术，获取滑坡体的高清影像，通过影像处理和地质解译，得到滑坡體的地形与地质数据，进而通过Itascad与Catia三维建模平台构建滑坡体的地质模型和计算模型，最后采用有限元强度折减法对1#滑坡进行了稳定性分析计算。
结果表明：基于无人机影像获取的滑坡地形、地质数据是合理的，有限元稳定性分析计算结果与滑坡现场实际变形情况基本一致，无人机航测能够为滑坡灾害的快速调查与应急分析决策提供科学依据。
关键词：无人机;摄影测量;地质灾害;滑坡中图分类号：P642.2;TU457文献标志码：Adoi：10.3969/j.issn.1000-1379.2021.01.033引用格式：杜朋召，齐菊梅，罗延婷，等.无人机航测在滑坡快速调查与分析中的应用研究[J].人民黄河，2021，43（1）：161-164.Landslide Geological Survey and Stability Analysis Based on UAV PhotogrammetryDU Pengzhao， QI Jumei， LUO Yanting， NIU Beibei（Yellow River Engineering Consulting Co.， Ltd.， Zhengzhou 450003， China）Abstract：In order to realize the rapid investigation and emergency impact assessment of landslides， taking No.1 landslide on the bank of a hydropower station as an example， using drone aerial photogrammetry technology， the high-definition images of the landslide were obtained， and the terrain and geological data of the landslide were obtained through image processing and geological interpretation. Then， through the three-dimensional modeling platform of Itascad and Catia， the geological model and calculation model of the landslide were constructed. Finally， the stability of the No.1 landslide was analyzed and calculated by using the finite element strength reduction method. The results show that it is reasonable to obtain landslide terrain and geological data based on UAV images， and the finite element stability analysis results are basically the same as the actual deformation situation on the landslide. UAV aerial survey can provide scientific basis for the rapid investigation and emergency analysis of landslide disasters.Key words： unmanned aerial vehicle; photogrammetry; geological hazard; landslide1 引言无人机航测通过无人机搭载高分辨率摄影相机，快速获取作业区域的高清影像，通过影像处理和信息提取，得到测区地形与地物数据。
基于无人机影像的滑坡自动识别技术
第３９卷 第６期２０２０年１２月兰州交通大学学报ＪｏｕｒｎａｌｏｆＬａｎｚｈｏｕＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙＶｏｌ．３９Ｎｏ．６Ｄｅｃ．２０２０收稿日期：２０１９１０?１５ 学报网址：ｈｔｔｐ：／／ｌｚｔｘ．ｃｂｐｔ．ｃｎｋｉ．ｎｅｔ作者简介：段晓峰（１９７８－），女，陕西安塞人，副教授，博士研究生，主要研究方向为线路工程信息技术．Ｅ?ｍａｉｌ：７７４１９６６２０＠ｑｑ．ｃｏｍ．文章编号：１００１４３７３（２０２０）０６?０００１?０４ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１?４３７３．２０２０．０６．００１基于无人机影像的滑坡自动识别技术段晓峰，韩 峰，杜阳阳（兰州交通大学土木工程学院，兰州 ７３００７０）摘要：无人机遥感影像分辨率高，影像特征质量好，为滑坡自动识别提供了良好的数据源．首先对无人机影像获取的地形图进行多尺度分割，基于传统滑坡遥感影像图的遥感特征与地形特征，扩充无人机遥感影像分类因子项，应用ＳＥａＴＨ算法实现了滑坡有效分类因子的获取，得到可用于判定滑坡类型的四个分类因子：地面粗糙度、地势起伏度、坡度、高程．进而基于有效分类因子，通过训练、构建支持向量机模型，实现了受灾区域中滑坡范围与非滑坡范围的自动化、高精度的分类识别．关键词：滑坡；无人机；自动识别；分类因子中图分类号：Ｐ２３７ 文献标志码：ＡＡｕｔｏｍａｔｉｃＩｄｅｎｔｉｆｉｃａｔｉｏｎＴｅｃｈｎｏｌｏｇｙｏｆＬａｎｄｓｌｉｄｅＢａｓｅｄｏｎＵＡＶＩｍａｇｅＤＵＡＮＸｉａｏｆｅｎｇ，ＨＡＮＦｅｎｇ，ＤＵＹａｎｇ?ｙａｎｇ（ＳｃｈｏｏｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＬａｎｚｈｏｕＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００７０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＵＡＶｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｈａｓｈｉｇｈｒｅｓｏｌｕｔｉｏｎａｎｄｇｏｏｄｉｍａｇｅｆｅａｔｕｒｅｑｕａｌｉｔｙ，ｗｈｉｃｈｐｒｏｖｉｄｅｓａｇｏｏｄｄａｔａｓｏｕｒｃｅｆｏｒａｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｌａｎｄｓｌｉｄｅ．Ｂａｓｅｄｏｎｔｈｅｒｅｍｏｔｅｓｅｎｓｉｎｇｆｅａｔｕｒｅｓａｎｄｔｅｒｒａｉｎｆｅａｔｕｒｅｓｏｆｔｒａｄｉｔｉｏｎａｌｌａｎｄｓｌｉｄｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｍａｐ，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｆａｃｔｏｒｔｅｒｍｏｆＵＡＶｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｉｓｅｘｐａｎｄｅｄ．ＴｈｅｅｆｆｅｃｔｉｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎｆａｃｔｏｒｏｆｌａｎｄｓｌｉｄｅｉｓｏｂｔａｉｎｅｄｂｙｕｓｉｎｇＳＥａＴＨａｌ ｇｏｒｉｔｈｍ，ａｎｄｆｏｕｒｃｌａｓｓｉｆｉｃａｔｉｏｎｆａｃｔｏｒｓｃａｎｂｅｕｓｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｔｙｐｅｏｆｌａｎｄｓｌｉｄｅａｒｅｏｂｔａｉｎｅｄ：ｓｕｒｆａｃｅｒｏｕｇｈｎｅｓｓ，ｇｒｏｕｎｄｏｎｓｅｔ，ｓｌｏｐｅ，ｅｌｅｖａｔｉｏｎ．Ｔｈｅｎｂａｓｅｄｏｎｔｈｅｅｆｆｅｃｔｉｖｅｃｌａｓｓｉｆｉｃａｔｉｏｎｆａｃｔｏｒ，ｔｈｅｓｕｐｐｏｒｔｖｅｃ ｔｏｒｍａｃｈｉｎｅｍｏｄｅｌｉｓｔｒａｉｎｅｄａｎｄｃｏｎｓｔｒｕｃｔｅｄｔｏｒｅａｌｉｚｅｔｈｅａｕｔｏｍａｔｉｃａｎｄｈｉｇｈｐｒｅｃｉｓｉｏｎｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｌａｎｄｓｌｉｄｅｒａｎｇｅａｎｄｎｏｎｓｌｉｄｅｒａｎｇｅｉｎｔｈｅａｆｆｅｃｔｅｄａｒｅａ．Ｋｅｙｗｏｒｄｓ：ｌａｎｄｓｌｉｄｅ；ＵｎｍａｎｎｅｄＡｅｒｉａｌＶｅｈｉｃｌｅ（ＵＡＶ）；ｉｄｅｎｔｉｆｉｃａｔｉｏｎ；ｃｌａｓｓｉｆｉｃａｔｉｏｎｆａｃｔｏｒｓ 基于遥感影像的滑坡识别目前逐步成为滑坡灾害调查的主要技术手段．遥感影像识别解译主要通过目视判译或计算机自动化提取两种手段来实现．目视判译依靠解译者的知识、经验和掌握的资料，通过综合分析、推理、判断、提取滑坡位置，解译方法和解译员的专业素质是滑坡遥感解译的重要影响因素［１?７］．计算机自动化识别利用滑坡的地质地物特性结合遥感影像的光谱、纹理特征等建立分类模型，通过分类特征选择进而判释、识别滑坡［８?１２］．计算机自动化识别相对目视判译，可避免目视判译的主观性，效率高，是目前研究的热点．作为数据源的遥感影像的分辨率高低直接影响影像特征判别质量．目前１∶１００００遥感地形图可达分辨率为５ｍ，融合影像分辨率为２ｍ［１３］，星下点空间分辨率可达０．８ｍ［１４］，分辨率越高，影像分类特征的遴选越细致，越有助于提高滑坡自动化识别精度与速度．无人机作为航测遥感新技术，可获取１∶５００正射影像图，分辨率为０．０４５ｍ［１５］，且成本低、灵活性兰州交通大学学报第３９卷强，可有效弥补传统航摄体系与卫星遥感对地信数据获取不足的缺陷．故本文基于无人机航测遥感影像［１６?１７］进行滑坡的自动化识别．基于传统滑坡遥感影像图的遥感特征与地形特征［１８］，扩充无人机遥感影像分类因子项，应用ＳＥａＴＨ算法实现了滑坡有效分类因子的获取．进而利用支持向量机法基于有效分类因子，通过训练、构建支持向量机模型，实现了滑坡的识别．１ 滑坡的多尺度分割无人机数据采集建模是基于ＷＧＳ８４坐标系，为实现绝对定位，需将其转换至ＧＳ８４ＵＴＭ?ＺＯＮＥ?４７Ｎ坐标系，保证导入的所有栅格图像坐标系相同，这样方可保证所有的栅格图形完全重合，才可进行多尺度分割．在影像分析软件ｅＣｏｇｎｉｔｉｏｎ中导入数字地形模型和栅格图像，包括：地势起伏度、地面粗糙度、坡度、坡度变化率以及坡向变化率，得到初始分割相元点２１５３５０９３０个；然后对影像像元进行分割，采用的分割因素包括：平滑度参数、形状、紧致度、分割尺度以及色调，分割后可得８１８８个对象．图形分割前与分割后效果如图１所示．分割前 分割后图１ 分割前后效果对比Ｆｉｇ．１ Ｅｆｆｅｃｔｂｅｆｏｒｅａｎｄａｆｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ２ 基于ＳＥａＴＨ算法确定分类因子１）样本选择基于分割后的影像，选择空间分布均匀的典型样本，输出其待选特征值．首先以高程为分类指标，将分割结果细化为试验区和非实验区，如图２～３所示；进而，在试验区采用ＳＥａＴＨ算法［１９］，最终划分出滑坡区．非试验区试验区图２ 试验区与非试验区Ｆｉｇ．２ Ｅｘｐｅｒｉｍｅｎｔａｌａｎｄｎｏｎ?ｅｘｐｅｒｉｍｅｎｔａｌａｒｅａｓ非试验区试验区图３ 典型样本Ｆｉｇ．３ Ｔｙｐｉｃａｌｓａｍｐｌｅ 试验区的６１个布设样本，经过处理，可得滑坡样本２６个．分别提取这些滑坡、非滑坡样本的地形因子特征值和均值、遥感因子的特征值和均值，如表１所列．２）计算巴氏距离值［１９］：Ｂ＝１８（ｍ１－ｍ２）２２σ２１＋σ２２＋１２ｌｎ［σ２１＋σ２２２σ１σ２］，（１）２第６期段晓峰等：基于无人机影像的滑坡自动识别技术３）计算分离度Ｊ值［１９］：Ｊ＝２（１－ｅ－Ｂ）．（２）式中：ｍ１为滑坡体特征均值；ｍ２为非滑坡体特征均值；σ１为滑坡体特征值标准差；σ２为非滑坡体特征值标准差；Ｂ为巴氏距离值；Ｊ为ＪＭ距离，Ｊ∈［０，２］．Ｊ＝０时，类别特征值完全混淆；Ｊ∈［０，０．５）时，特征可被忽略；Ｊ∈［０．５，１．７５）时，有一定的区分度；Ｊ∈［１．７５，２）时，区分度很好；Ｊ＝２时，表示类别特征完全分开．表１ 分类特征均值及标准差计算表Ｔａｂ．１ Ｃｌａｓｓｉｆｉｃａｔｉｏｎｆｅａｔｕｒｅａｖｅｒａｇｅｖａｌｕｅａｎｄｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎｃａｌｃｕｌａｔｉｏｎｔａｂｌｅ分类指标分类因素滑坡均值非滑坡均值滑坡标准差非滑坡标准差遥感指数ＮＤＶＩ０．２４７０．３４８０．１２５０．０８３ＳＡＶＩ０．２９７０．４１７０．１５００．１００ＳＢＩ２７３．６４５２７９．１９５１８．４９３１４．３１０样本均值ＤＥＭ１８８３．７６０１８９０．２４１５．９００１１．３３９ＤＭＣＣＤ９６．８６５３２．７８９３９．６６６１６．８９１ＤＭＱＦＤ１７２．７０６８４．８４０４７．２４５２０．６９６ＰＤＨＬ２２１．１２３２２９．２４７６．６４０１１．５０３ＰＯＤＵ１７９．３３２１０７．９２０２１．９５８１８．９１１样本标准差ＤＥＭ１．８５１０．５６００．９４５０．２６３ＤＭＣＣＤ４８．８９１３６．２７３２５．４４７２０．０６７ＤＭＱＦＤ３６．８５７３８．７５１２１３．９２５１５．５２１ＰＤＨＬ３８．４７９３２．３２７６．０９８３．９８０ＰＯＤＵ３７．５８０４７．８１４８．４０７１１．１３９ 由表１的数据，通过式（１）、式（２）可得分离度Ｊ值，计算结果如表２所列．表２ 分类因子的确定Ｔａｂ．２ Ｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎｆａｃｔｏｒｓ遥感参数（均值）Ｊ值分类结论ＳＡＶＩ０．２９不可以ＳＢＩ０．０６不可以ＮＤＶＩ０．２８不可以地形参数（均值）高程０．３０不可以坡度１．５６可以坡度变化率０．３１不可以坡向变化率０．２９不可以地形参数（特征值）高程１．０７可以坡度０．２９不可以坡度变化率０．４０不可以坡向变化率０．１５不可以地面粗糙度１．０２可以地势起伏度１．１７可以 ４）遴选滑坡分类因子指标由上述计算分析，１５个初始分类因子最终遴选出４个分类因子即可对试验区进行滑坡分类，分别是：坡度、高程、地面粗糙度以及地势起伏度．３ 识别滑坡３．１ 特征对象训练及应用首先将遴选出的４个分类因子特征值分别赋值给滑坡与非滑坡的典型特征点，利用支持向量机法［２０］训练特征对象，得到最优“超平面”．然后类比超平面与试验区（面）内余下所有的对象，完成其分类计算．在本文中的支持向量机法线性核函数训练及应用的分割尺寸为２００，惩罚因子取３５．分类结果如图４～５所示．山体试验区滑坡图４ 分类前Ｆｉｇ．４ Ｂｅｆｏｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ３兰州交通大学学报第３９卷山体地面滑坡图５ 分类后Ｆｉｇ．５ Ａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ３．２ 滑坡识别精度评价滑坡识别结果精度评价可采用已用样本对分率进行．已用样本对分率是指正确分类的训练样本与训练总样本的占比．本研究采用分类结果的滑坡体面积与总面积的比值来进行具体计算，如表３所列，可得分类精度为９４．１％．表３ 分类精度计算Ｔａｂ．３ Ｃａｌｃｕｌａｔｉｏｎｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ实验样本分类值／ｍ２实测值／ｍ２分类精度／％滑坡１６１８．５１７２０．１９４．１４ 结论基于无人机获取的高分辨率正射影像实现了滑坡计算机自动识别．主要内容如下：１）基于ＳＥａＴＨ算法，扩充无人机遥感影像分类因子项，结合地形因子及遥感因子对滑坡进行分类指标遴选，对１５个遥感及地形因子进行计算分析，得到４个有效分类因子用于滑坡分类：坡度、高程、地面粗糙度、地势起伏度；２）采用４个滑坡有效分类因子特征值，利用支持向量机法对实验区进行训练应用，实现了对滑坡与非滑坡的自动分类，试验区分类精度可达９４．１％．基于无人机正射影像高分辨率、采集灵活的数据特点进行的滑坡识别研究，符合应急测绘“快、准”的技术要求，方法易操作，处理结果满足应急测绘需要．参考文献：［１］ ＳＡＴＯＨＰ，ＨＡＲＰＥＬ．Ｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｅａｒｔｈｑｕａｋｅｉｎ ｄｕｃｅｄｌａｎｄｓｌｉｄｅｓｔｒｉｇｇｅｒｅｄｂｙｔｈｅ１２Ｍａｙ２００８，Ｍ７．９ＷｅｎｃｈｕａｎｅａｒｔｈｑｕａｋｅｉｎｔｈｅＢｅｉｃｈｕａｎａｒｅａ，ＳｉｃｈｕａｎＰｒｏｖｉｎｃｅ，ＣｈｉｎａｕｓｉｎｇｓａｔｅｌｌｉｔｅｉｍａｇｅｒｙａｎｄＧｏｏｇｌｅＥａｒｔｈ［Ｊ］．Ｌａｎｄｓｌｉｄｅｒｓ，２００９，６（２）：１５３１５９．［２］ 鲁学军，尚伟涛，周和颐．基于视觉思维的人机交互遥感解译模式研究［Ｊ］．遥感信息，２０１３，２８（６）：７?１２．［３］ 童立强，郭兆成．典型滑坡遥感影像特征研究［Ｊ］．国土资源遥感，２０１３，２５（１）：８６?９２．［４］ 丁辉．基于遥感技术滑坡灾害区划研究［Ｄ］．西安：长安大学，２０１１．［５］ 李松，邓宝昆，徐红勤，等．地震型滑坡灾害遥感快速识别方法研究［Ｊ］．遥感信息，２０１５，３０（４）：２５２８．［６］ 石菊松，吴树仁，石玲．遥感在滑坡灾害研究中的应用进展［Ｊ］．地质评论，２００８，５４（１）：１４５１５４．［７］ 苏永华，蹇宜霖，张航．基于滑带软化的滑坡渐进破坏机制分析［Ｊ］．公路工程，２０１９，４４（１）：３２?３７，６２．［８］ 余晓敏，湛飞并，廖明生，等．利用改进ＳＥａＴＨ算法的面向对象分类特征选择方法［Ｊ］．武汉大学学报，２０１２，３７（８）：９２１?９２４．［９］ 冯莉，李满春，李飞雪．基于遗传算法的遥感图像纹理特征选择［Ｊ］．南京大学学报（自然科学版），２００８，４４（３）：３１０３１９．［１０］ 高伟．基于特征知识库的遥感信息提取技术研究［Ｄ］．北京：中国地质大学，２０１０．［１１］ 王贺，陈劲松，余晓敏．面向对象分类特征优化选取方法及其应用［Ｊ］．遥感学报，２０１３，１７（４）：８１６?８２９．［１２］ 李强，张景发．高分三号卫星全极化ＳＡＲ影像九寨沟地震滑坡普查［Ｊ］．遥感学报，２０１９，２３（５）：８８３８９１．［１３］ 高健健．基于高分卫星的黄土区滑坡信息提取技术研究［Ｄ］．咸阳：西北农林科技大学，２０１６．［１４］ 卫星数据之揽宇方圆．高分一号卫星到高分七号卫星的参数信息［ＥＢ／ＯＬ］．［２０１９０３?２９］．ｈｔｔｐｓ：／／ｍ．ｓｏｈｕ．ｃｏｍ／ａ／３０４５３３６６６＿１００２６５６８３．［１５］ 杜阳阳，段晓峰，韩峰．基于无人机的大比例尺带状地形图快速建模技术研究［Ｊ］．铁道标准设计，２０１８，６２（１１）：５４?５８．［１６］ 李勋，杨环，殷宗敏，等．基于ＤＥＭ和遥感影像的区域黄土滑坡识别方法研究［Ｊ］．地理与地理信息科学，２０１７，３３（４）：８６?９２．［１７］ 黄海峰，林海玉，吕奕铭，等．基于小型无人机遥感的单体地质灾害应急调查方法与实践［Ｊ］．工程地质学报，２０１７，２５（２）：４４７?４５４．［１８］ 王之，刘超，刘秀菊，等．基于ＳＥａＴＨ算法的芦山地震无人机低空遥感影像信息对象级分类［Ｊ］．地震研究，２０１８，４１（２）：１７３１７９．［１９］ 王贺，陈劲松，余晓敏．面向对象分类特征优化选取方法及其应用［Ｊ］．遥感学报，２０１３，１７（４）：８１６８２９．［２０］ 王振武，孙佳骏，于忠义，等．基于支持向量机的遥感图像分类研究综述［Ｊ］．计算机科学，２０１６，４３（９）：１１?１７．（责任编辑：马延麟）４。
UAV遥感技术在灾害监测中的应用
UAV遥感技术在灾害监测中的应用一、前言随着科技的不断发展，无人机（UAV）已经渗透到各行各业，其在灾害监测中的应用也得到了广泛关注。
本文就UAV遥感技术在灾害监测中的应用进行探讨。
二、UAV技术及其特点UAV（无人机）是指没有驾驶员搭乘的飞行器，由自主控制系统或者通过遥控器控制。
UAV技术具有以下几个特点：1. 高效性：无人机具有高速度、高灵敏度和高精度的特点，能够快速、准确地完成地面数据采集。
2. 灵活性：UAV可以在狭窄、难以进入的区域内飞行，如高山、森林、山区、城市峡谷、建筑物等狭小的空间；可以方便地改变机身姿态，完成特殊任务。
3. 实时性：无人机可以通过实时传输数据，及时反馈处理结果，可以更好地实现现场决策。
三、UAV遥感技术在灾害监测中的应用UAV遥感技术已经成为灾害监测中必不可少的工具。
以下是UAV遥感技术在灾害监测中的应用：1. 地质灾害监测地质灾害包括山体滑坡、泥石流、地震等。
UAV可以用高精度图像，获取地质灾害的点、线、面信息以及变形监测，实现过程动态监测和成果快速传输分析评估，减少了现场工作量和人员安全风险。
2. 自然灾害监测自然灾害包括洪水、台风、暴雨等。
UAV可以通过实时数据传输和图像分析，实现洪水预警及及时调配救灾力量；通过航拍图像分析，了解受损面积的影响和受损程度分布特点，更好地实现灾情监测和救援。
3. 农业种植监测UAV可以通过航拍技术，获取农作物数字卫星图，实现农田输入、生长、管理、产出全过程的无缝监测。
通过机载高光谱、热红外相机等设备获取植株健康状况、土壤湿度、表面覆盖率等相关信息，以达到更高的产品质量和产量。
四、结语UAV遥感技术的应用已经不仅仅局限于灾害监测，它的应用范围已经逐渐扩大到各个领域。
我们可以预见，UAV遥感技术会在未来的发展中扮演更加重要的角色，为人类的社会进步做出更大的贡献。
高等摄影测量
基于UAV的Super-Sauze滑坡遥感的评价与结果U. Niethammer, M.R. James, S. Rothmund, J. Travelletti, M. JoswigInstitute for Geophysics, Universitä t Stuttgart, Stuttgart, GermanyLancaster Environment Centre, Lancaster University, Lancaster LA1 4YQ, UKSchool and Observatory of Earth Sciences, EOST, UMR 7516 CNRS, University of Stra sbourg, Strasbourg, France【摘要】配备了小型数码相机的无人机（UAV）可用于快速测绘地面分辨率高的滑坡图。
在法国Super-Sauze滑坡研究区，利用无线遥控迷你型四旋翼无人机拍摄的影像被用来制作整个山体滑坡的高分辨率的正射镶嵌影像和几个地区的数字地形模型（DTM）。
本文评价了UAV对滑坡表面裂缝和位移的成像能力，评估了适于校正这些数据资料的后续影像处理方法。
利用2007年5月拍摄的高分辨率正射影像和2008年10月基于UAV获取的正射镶嵌图，测量了Super-Sauze滑坡水平位移是在7至55米之间。
确定了某些地区的持续变形后，将裂缝与冰河时代相比发现，裂缝分布区域及方向的不同和基岩地形直接相关。
UAV展示了其在获取滑坡数据方向的能力，但还需降低数据处理时间，便于有效生成基于摄影测量的DTM正射镶嵌图，同时最大限度地减少影像配准误差。
【关键词】滑坡遥感 UAV DTM TLS 裂缝1．引言为了检测活动滑坡的危险性并弄清其滑动过程，有必要对其进行诸如位移速率、滑动范围及表面形态变化等空间和时间的测量。
在滑坡调查方面，遥感技术已积累了几十年的经验，已经有几种不同的成熟技术应用于滑坡调查。
基于遥感与地理信息系统的山体滑坡数据采集与分析技术研究与实践
基于遥感与地理信息系统的山体滑坡数据采集与分析技术研究与实践近年来，山体滑坡频发，给人们的生命财产造成了严重威胁。
因此，对于山体滑坡的数据采集与分析技术的研究与实践具有重要的意义。
本文将从遥感与地理信息系统的角度，探讨山体滑坡数据采集与分析技术的相关研究与实践。
一、遥感数据在山体滑坡数据采集与分析中的应用遥感技术是通过对地球表面物体的电磁辐射进行探测和测量，获得有关地物的信息的一种技术手段。
在山体滑坡数据采集与分析中，遥感数据的应用能够提供全面、快速、连续的数据来源，为研究与实践提供了重要的支撑。
1. 遥感数据的采集遥感数据的采集主要通过卫星、航空器、无人机等载体进行，其中以卫星为主要手段。
利用卫星传感器采集的遥感影像，能够提供高分辨率、广覆盖区域的图像数据，并可以获取不同光谱范围、多时相的数据，为山体滑坡数据采集提供了基础。
2. 遥感数据的处理与分析在山体滑坡数据的处理与分析中，遥感数据可以提供多维度的信息，例如高程、坡度、植被覆盖度等。
利用遥感数据的图像分类、变化检测等算法，可以提取出山体滑坡的特征，如滑坡体积、滑坡范围等。
同时，通过遥感技术的时序分析，还可以对滑坡的发展演变进行研究与预测。
二、地理信息系统在山体滑坡数据采集与分析中的应用地理信息系统（GIS）是一种将地理空间数据与属性数据进行整合、存储、检索、处理与分析的技术系统。
在山体滑坡数据采集与分析中，GIS具有重要的作用。
1. 空间数据的存储与查询通过GIS，可以将采集到的遥感数据与其他地理数据进行整合，形成一套完整的空间数据库。
这样，就可以根据需要快速查询与分析不同区域的山体滑坡情况，为相关的决策提供依据。
2. 空间分析与模拟利用GIS工具，可以进行山体滑坡的空间分析与模拟。
例如，通过对地形数据进行分析，可以评估不同地区滑坡的潜在风险；通过地理空间分析，可以研究滑坡与其他地理要素之间的关系。
此外，还可以通过地理空间模型，对不同因素的影响进行模拟与预测。
基于对象的高分辨率遥感图像滑坡检测方法
基于对象的高分辨率遥感图像滑坡检测方法胡德勇;李京;赵文吉;彭光雄【期刊名称】《自然灾害学报》【年(卷),期】2008(17)6【摘要】滑坡遥感检测对于灾害调查和制图具有重要意义,面向对象是高分辨率遥感图像信息提取的重要思路。
以高植被覆盖的热带雨林地区为例,在对试验区滑坡遥感图像特征进行分析的基础上,提出了基于对象的高分辨率遥感图像滑坡检测方法。
通过多期遥感图像的多尺度、多层次分割,确定了图像对象变化检测的基本单元,构建了滑坡检测多级对象层次网络;依靠图像对象特征、上下文关系和拓扑关系等,构建了适于该实验区的滑坡检测知识规则,从而将滑坡检测整个过程包含在图像对象分析之中,并最后实现了高分辨率遥感图像的滑坡检测。
实例证明,基于对象的滑坡检测方法适于热带雨林地区的信息提取,这对于其它地理环境类似地区的灾害调查与制图工作具有一定的参考价值。
【总页数】5页(P42-46)【关键词】对象;热带雨林;高分辨率遥感;滑坡检测【作者】胡德勇;李京;赵文吉;彭光雄【作者单位】三维信息获取与应用教育部重点实验室、首都师范大学资源环境与旅游学院,北京100037;北京师范大学资源学院,北京100875;中国科学院遥感应用研究所,北京100101【正文语种】中文【中图分类】TP79;P642.22【相关文献】1.一种基于频谱段能量的高分辨率遥感图像边缘特征检测方法 [J], 吴桂平;肖鹏峰;冯学智;王珂;黄秋燕2.基于空间语义模型的高分辨率遥感图像目标检测方法 [J], 冯卫东;孙显;王宏琦3.基于对象的Boosting方法自动提取高分辨率遥感图像中建筑物目标 [J], 孙显;王宏琦;张正4.面向对象特征融合的高分辨率遥感图像变化检测方法 [J], 王文杰;赵忠明;朱海青5.基于统计检验的面向对象高分辨率遥感图像森林变化检测 [J], 李春干;代华兵因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
化， 诸如能够提供 明显的滑坡运动机制方面信息 的裂缝构造或小位移 。
本文 中 ，我 们研究了无线遥控无人飞行器
供地面分辨率为 ０ １ ． ｍ的数据， ６ 其重复采集间隔 降到 ３ ４ （ ） 机载和地面大地测量激光雷达 —ｄ 天 。
扫描 （ 光探测和测距 ） 功能很强大 ，能够迅速获
过程 ， 有必要对其进行诸如位移速率、滑动范围 及表面形态变化等空间和时间的测量。 在滑坡调
查方 面 ，遥感 技术 已积 累 了几十 年 的经 验 ，已经 有 几种不 同 的成熟技 术 应用 于滑坡 调查 。例如 ． Ｄ． Ｓ Ｉ ＡＲ（ ｎ 合成 孑径 雷达 差分 干涉测 量 ）虽 然 由 Ｌ ，
优势 。无线遥控 Ｕ Ｖ 与载人飞机相 比，成本及 Ａ 运营成本都大大降低。 近年来 ， Ａ Ｕ Ｖ系统在测绘
Ｘ ： 娥ｄ ｍｔｅｉ ｔ ｐ－ｕ ｄｉ： ａａ ｎｎｒ ｌＥ ｉｅ ｇｅ ｇＸ （ｌ ， Ｘ Ｘ ｏ ｓ ｏｈＳ ｅ ａｅｎｌ Ｅｌｔ ｄ ｓｔ ｎｎｒ ｏ ｙＸ ２ ｒ ｅ ｎｎ ｆｅｕｒ ｚａｓｅ ｖ ｉ ａ ｕ ． ｇｅｉＧ ｌ Ｘ ｏ ） ｅ ｓ ｇ Ｓ ｌ ｄ ｕｏ ｅ ｓ ｎ ｏ １
据资料 的后续 图像处理方法 。利用 ２０ ０ ７年 ５月拍摄 的高分辨率正射影像 和 ２０ ０ ８年 １ Ｏ月基于 Ｕ Ｖ获取的 Ａ
正射镶嵌 图，测量 了 Ｓ ｐ ｒ ａ ｚ 滑坡水平 位移 是在 ７至 ５ ｍ 之间 。确定 了某些地区的持续变形 ，将裂缝 ｕ ｅ Ｓｕ ｅ － ５
与冰河时代相 比发现 ，裂缝分布区域及方 向的不同和基岩地形 直接 相关 。Ｕ Ｖ展示了其在获取滑坡数据方 Ａ 而的能力 ，但 还需 降低数据处理时问 ，便于有效生成基于摄影测最的 Ｄ Ｍ 正射镶嵌图 ，同时最 大限度地 Ｔ
取高精度、 高密度 以及高分辨率的三维地表点坐
标 。这些点云的质量主要受表面粗糙度和反射 率、 测量人射角和观测范围等的影响。基于点云 数据 ， 可以导出高分辨率数字地形模型 （ Ｔ ） ＤＭ ．
—
（ Ａ 在获取滑坡高分辨率数据 中的应用。迷 Ｕ Ｖ）
你 Ｕ Ｖ的使用较之传统方法具有可以灵活调度 ， Ａ 同时获取高空间分辨率和高时间分辨率数据的
ＸＸ Ｘ
２１ 第 １ ０ ２年 —２期
基于 Ｕ Ｖ 的 Ｓ ｐ￣ ａｚ 滑 坡遥 感调 查 Ａ ｕｅ Ｓ ｕｅ
２ ７
有四种非参数校正模型可以选择 （ 投影变换 、分 段仿射变换 、二阶与三阶多项式变换法 ） 。每幅 图像 的处理结 果好坏取决于畸变程度及地 面控 制点的数量，要想达到最佳处理结果 ， 需要选择
于准 确 的位移 分析 。被 动 星载 影像越来 越多 的应 用 于滑坡研 究 ；全 色 ＱｕｃＢｒ ｉ ｉ ｋ ｄ卫星影 像可 以提
将 １５ 年至 １９ 年之间的地貌演变预先进行模 ９０ ９５ 拟重现。然而 ，这些数据既没有足够的分辨率 ， 也没有足够 的重复率来解决小的滑坡特征 的演
翻译 ：张晓娟 ；校对 ：葛秀珍
【 摘 要】 配备了小型数码相机的无人机 （ Ｖ 可用于快速测绘地面分辨率高的滑坡图。在法国 Ｓｐｒ ａｚ Ｕ Ａ） ｕｅ Ｓｕｅ滑坡 －
研究 区，利用无线遥控迷你型 四旋翼无人机拍摄整个山体滑坡的高分辨率正射镶嵌影像 ，并制作 了几个地
区的数字地形模型 （ Ｔ ｏ本文评价了 Ｕ Ｖ对滑坡表面裂缝和位移的成像能力及评估 了适于校正这些数 Ｄ Ｍ Ａ
Ｌ ｎ ａｔｒ ｉｅｓ ｙ Ｌ ｎ ａｔ Ａ１ ＹＱ Ｕ ａ ｃ ｓ ｖ ｒｉ ， ａｃ ｓ ｒ ｅ Ｕｎ ｔ ｅＬ ４ ， Ｋ； Ｓ ｈ ｏ ａ ｄＯｂｅｖ ｔｒ ｆ ａ ｈＳ ｉ ｃ ｓ ｃ ｏ ｌ ｎ ｓｒａ ｙｏ Ｅ ｒ ｃ ｎ ｅ， ｏ ｔ ｅ
Ｅ Ｔ ＵＭ Ｒ ５ ＣＮＲＳ Ｕｎｖ ｒｉ ｆＳｒｓ ｏ ｒ ， ｔａ ｂ ｕ ｇ Ｆ ａ ｃ ） ＯＳ ， ７ １ ６ ， ｉｅｓｔ ｏ ｔ ｂ ｕｇ Ｓｒｓ ｏ ｒ ， ｒｎ ｅ ｙ ａ
２１ 第 １ ０２年 —２期
基于 Ｕ Ｖ 的 Ｓ ｐｒ ａｚ 滑 坡遥 感调 查 Ａ ｕｅ－ ｕｅ Ｓ
２ ３
基于 Ｕ Ｖ的 Ｓ ｐｒ Ｓ ｕ ｅ Ａ ｕ ｅ— ａ ｚ 滑坡遥感调查
评估 与结果
Ｕ． ｅ ａ Ｎｉｔ ｍｍｅ ｈ ｒ等
（ｎ ｔ ｕｅｆ ｒ ｏ ｈ ｓｃ ， ｉｅｓｔｔ ｔｔ ａ ， ｔｔ ａｔＧｅｍａ ｙ Ｌ ｎ ａｔｒ ｎ ｉ ｎ ｎ ｎｒ ， Ｉｓｉ ｔ ｏ ｐ ｙ ｉｓ Ｕｎｖ ｒｉｉＳ ｕ ｇ ｒ Ｓ ｕｔ ｒ ｔ Ｇｅ ｝ ｔ ｇ ， ｒ ｎ ； ａ ｃ ｓｅ ｖ ｒ ｍｅ ｔ Ｅ ｏ Ｃｅ ｔｅ
减少影像 配准误差 。
【 关键词 】 滑坡
遥感
ｕ Ｖ Ｄ Ｍ Ｔ Ｓ裂缝 Ａ Ｔ Ｌ
１ 前 言
为 了监 测 活 动 滑 坡 的危 险性 并 弄 清 其 滑 动
精 度 达到亚 米级 ，多数 情况 下能够 确定植 被覆 盖 区的地 表地 形 。机 载 图像可 以提供 重要 的地表 构 造 数据 ，但 是通 常情 况 下 ，在植被覆 盖较 稠密 地 区， 摄影 测量 获 取 的 ＤＴ 不如 基于 ＬＤ Ｍ Ｉ ＡＲ获 取
的 Ｄ Ｍ 精度高。传统 的机载和卫星遥感技术适 Ｔ
用于几平方公里范 围的滑坡探测 。本次研究 的 Ｓ ｐｒ ａｚ 滑坡是根据 ６ ｕ ｅ Ｓｕｅ － 幅正射像片（ 地面分辨
率 为 ｌ ） ６幅相 应 的 Ｄ Ｍ（ ｍ 和 Ｔ 网格 大小 为 １ｍ） ５ ，
于植被 变化 和地表重新沉积会发生雷达信号抗 相干而不能用于活动滑坡面监测，但是 ， 可以用
制 点 的平 均 精度 为 ｘ：００９ ． ；Ｙ：００ ９ ７ ． ｍ；Ｚ： ７
０１５ ． ｍ，图像平均反射残差平均 ｘ ．个像素； ８ ：１ ４ Ｙ ． 个像素。这样的精度与倾斜摄影测量环境 ：１ ４ 中所达到的精度要高。 例如 ， 超过类似观测距离 ， 监测河道变迁 ， 其获取的控制点测量精度一般能