dom影像图形成数字地形图_学术成果第10期 | 融合无人机高分辨率DOM和DSM数据语义的崩岗识别...

最新推荐文章于 2024-06-27 10:32:42 发布

渴望手绘的伪设计

最新推荐文章于 2024-06-27 10:32:42 发布

阅读量1.1k

点赞数

文章标签： dom影像图形成数字地形图

本文链接：https://blog.csdn.net/weixin_42395725/article/details/112292233

版权

该研究提出了一种利用无人机获取的DOM和DSM数据，通过视觉-地形词袋模型和潜在语义分析进行崩岗自动识别的方法。与传统方法相比，该方法在识别精度、查全率和查准率上有显著提升，为大规模崩岗调查提供了高效解决方案。

摘要由CSDN通过智能技术生成

内容导读

崩岗发现是大规模的崩岗调查、治理和侵蚀机理等研究的首要任务，但以当地询问、现场寻找和人工解译高分辨率卫星遥感影像为主的传统方法，自动化程度低，不仅人力、物力成本高而且效率低，难以满足大范围工作的需要。借鉴遥感影像场景分类识别思路，该文利用视觉-地形词袋模型(Bag of Visual-Topographic Words, BoV-TW)进行崩岗区域高分辨率数字正射影像图(DOM)与数字表面模型(DSM)局部特征的混合表达，并通过Latent Dirichlet Allocation(LDA)的潜在语义分析融合形成低维度的高层语义表征，最后以支持向量机(SVM)作为监督学习训练分类器，实现崩岗的高精度快速自动识别。实验结果表明，相对于传统识别方法，本方法的总精度、崩岗查全率和查准率都有大幅提升，并且时间花费少、效率高、可行性强，可为崩岗调查、监测、治理及侵蚀机理的定量化研究提供参考。

● ● ●

引言

崩岗是华南广大风化壳坡地上发育着的各种形状的深切山坡崩陷凹地形，其冲沟沟头部分经不断地崩塌和陷蚀作用而形成一种围椅状侵蚀地貌。崩岗的显著特点是侵蚀量大、爆发性强，并且发展速度快、突发性强，具有破坏土地资源、毁坏基本农田、恶化生态环境等危害，直接威胁着国土、粮食、生态安全。

研究或治理崩岗，首要问题是识别研究对象崩岗。传统的崩岗识别方法，大多为在当地询问、现场寻找，不仅人力、物力成本高而且效率低，难以满足大范围崩岗调查的需要。随着21世纪信息技术的飞速发展，崩岗发现和调查在实际操作中改进为根据专家经验在高分辨率卫星遥感影像上进行人工解译搜索。但由于在平面遥感影像上崩岗内部与平地裸土极为相似，且崩岗发育到中后期有植被恢复，边界并不明显，因此识别非常困难。

近年来，无人机航测技术的爆发和普及，使得高分辨率(厘米、分米级)数字正射影像图(DOM)和数字表面模型(DSM)等对地观测数据的获取日益容易，这种高精度空间信息采集手段也被越来越多地应用到崩岗调查和监测的定量研究。而此类研究大都基于已知崩岗位置前提条件，崩岗发现还是前期通过人工完成，效率低，并未充分挖掘利用无人机所采集的高精度DOM和DSM的潜在价值。DSM，即高程维度的信息，能很好地描述崩岗地形起伏复杂零碎，崩壁边缘陡变、倾角较大的特征，能有效地区分平坦或平缓地形。将DSM作为DOM的信息补充，融合DOM和DSM就如同给算法输入了三维模型，理论上将极大地提高崩岗识别率。

本文提出了一种利用无人机航测所获得的高分辨率DOM和DSM自动识别崩岗的方法。本文提出视觉-地形词袋模型(BoV-TW)，并基于此对DOM和DSM所提取的局部特征进行混合描述，并通过LDA进行潜在语义分析融合，最后使用支持向量机SVM进行监督学习训练分类器，实现了崩岗的高精度自动识别。

● ● ●

研究区域

本文研究区在湖北省通城县大坪乡坪山村，位于通城县西北角的半山区丘陵地带，113°48'E，29°18'N，北半球中纬度，属于亚热带季风气候，光照适中，气候温和，雨水充足，四季分明。该区域土壤大多为由花岗岩母质发育的红壤，土壤结构松散，水土流失情况严重，崩岗侵蚀广泛分布。试验对象为该村附近的3处已到发育晚期的崩岗，如图1所示。灌木、草木群落交错，伴有部分次生乔木，如图2所示，平均海拔110 m左右。