【摘要】：侵蝕溝在我國的黃土高原地區(qū)有著極為廣泛的分布,它是侵蝕地貌最主要類型。對于侵蝕溝的治理是土壤侵蝕治理的重要內(nèi)容。侵蝕溝的提取方法主要包括:目視解譯、基于像元分析方法、面向?qū)ο蠓椒ㄈ箢�。前兩種方法費時費力、受限于影像精度而且對解譯人員的業(yè)務(wù)素質(zhì)和工作經(jīng)驗要求高,面向?qū)ο蠓椒ㄍ焕糜跋竦墓庾V信息,缺少地形信息,對分類精度造成影響。本文融合無人機(jī)影像生產(chǎn)的高分辨率DEM與DOM影像數(shù)據(jù),結(jié)合面向?qū)ο笥跋穹治龅姆椒?使用多層次特征提取對安塞區(qū)紙坊溝的侵蝕溝進(jìn)行提取,部分克服了傳統(tǒng)侵蝕溝在地形圖上人工目視解譯與外業(yè)調(diào)繪侵蝕溝的費時費力的問題,并且分類精度較高。論文的主要研究內(nèi)容以及結(jié)論如下:(1)確定了侵蝕溝提取的最優(yōu)分割尺度參數(shù):通過局部方差法得到了研究區(qū)域進(jìn)行沖溝切溝區(qū)與淺溝區(qū)提取時的最優(yōu)分割尺度參數(shù),包括形狀參數(shù)、緊致度參數(shù)和最優(yōu)分割尺度參數(shù)。沖溝切溝區(qū)地形數(shù)據(jù)的最優(yōu)參數(shù)組合為(215-0.4-0.7)、沖溝切溝區(qū)地形和影像數(shù)據(jù)的最優(yōu)參數(shù)組合為(187-0.4-0.6),淺溝區(qū)地形數(shù)據(jù)的最優(yōu)參數(shù)組合為(152-0.5-0.7)、地形和影像數(shù)據(jù)的最優(yōu)參數(shù)組合為(133-0.3-0.5)。(2)構(gòu)建了面向?qū)ο蠓诸惖奶卣骺臻g:利用R語言分割結(jié)果的紋理特征、光譜特征與幾何特征計算分類誤差以及分類精度,并對特征空間的變量重要性進(jìn)行排序,然后對若干個主要的變量進(jìn)行保留而后再計算一次效能,通過這樣重復(fù)的計算直到找出最為合適的變量,構(gòu)建了面向?qū)ο蠓诸惖奶卣骺臻g。其中切溝地形數(shù)據(jù)的特征為17個,地形加影像數(shù)據(jù)的特征為18個,而淺溝地形和影像數(shù)據(jù)的特征為10個。(3)基于面向?qū)ο蟮碾p層次方法完成了侵蝕溝提取:基于面向?qū)ο蠓诸惖奶卣骺臻g,利用面向?qū)ο蠓诸愃枷雽崿F(xiàn)了沖溝切溝區(qū)的提取,研究結(jié)果表明:地形加影像數(shù)據(jù)的分類精度整體上要高于地形數(shù)據(jù)的分類精度,其中地形和影像數(shù)據(jù)分類中隨機(jī)森林分類方法的精度最高,整體分類精度為92.82%,Kappa系數(shù)為0.85。利用規(guī)則分類對淺溝區(qū)進(jìn)行了提取,分類的用戶精度為86.96%。(4)分析了各侵蝕溝帶的坡度與坡向特征:對各侵蝕溝帶的坡度與坡向進(jìn)行計算,通過計算得到坡度和坡向圖和頻率曲線,結(jié)果表明坡度統(tǒng)計分布圖接近于正態(tài)分布,坡向的統(tǒng)計分布中陽坡所占比例大于陰坡。
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：P237
【圖文】：

8圖 1.1 技術(shù)路線圖第三章：提取侵蝕溝最優(yōu)分割尺度參數(shù)的確定。本章主要對影像分割的概念進(jìn)行了詳細(xì)的闡述并對文章中所使用的多尺度分割算法進(jìn)行了解釋。利用 ESP-Tools 工具選擇研究數(shù)據(jù)相對應(yīng)的最優(yōu)分割尺度參數(shù)，對分割后的結(jié)果進(jìn)行評價，得到最適合于研究數(shù)據(jù)的尺度參數(shù)、形狀參數(shù)以及緊致度參數(shù)。

圖 2.1 研究區(qū)位置圖分為基礎(chǔ)控制點的測量與像控點的測量�；A(chǔ)能夠?qū)φ麄�測區(qū)進(jìn)行控制的控制網(wǎng)。測量采用時長為 1.5 小時。像控點的測量是為了糾正無測量外業(yè)規(guī)范要求進(jìn)行布設(shè)�？罩腥菧y量以及 DEM 與 DOM 的生成�？拯c成果，經(jīng)過內(nèi)定向、外定向以及絕對定向，本研究是在天寶 Inpho6.0 軟件中進(jìn)行的空中三arix 軟件中進(jìn)行的。該軟件中使用了計算機(jī)視角測量的基礎(chǔ)之上得到高精度的數(shù)字高程模型程圖如圖 2.2 所示。在無人機(jī)數(shù)據(jù)之外，利用oogle Earth 影像。 影像以及下載的谷歌地球影像如圖 2.3 所示。

DOM與谷歌影像

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫玉柱;鄭粉莉;張姣;;基于LIDAR和GIS技術(shù)的坡面侵蝕溝空間發(fā)育分析[J];水土保持研究;2014年03期

2 王慶;李智廣;高云飛;郭玉濤;劉建祥;王娜;;基于DEM及高分辨率遙感影像的西北黃土高原區(qū)侵蝕溝道普查[J];中國水土保持;2013年10期

3 李飛;張樹文;李天奇;;東北典型黑土區(qū)南部侵蝕溝與地形要素之間的空間分布關(guān)系[J];土壤與作物;2012年03期

4 王文娟;鄧榮鑫;張樹文;;東北典型黑土區(qū)40年來溝蝕空間格局變化及地形分異規(guī)律[J];地理與地理信息科學(xué);2012年03期

5 魯恒;李永樹;唐敏;;面向?qū)ο蟮纳降貐^(qū)域多源遙感影像分割尺度選擇及評價[J];山地學(xué)報;2011年06期

6 陳春雷;武剛;;面向?qū)ο蟮倪b感影像最優(yōu)分割尺度評價[J];遙感技術(shù)與應(yīng)用;2011年01期

7 張穎娜;張超;趙冬玲;楊建宇;;利用ReliefFO和海明遺傳算法的面向?qū)ο蠓诸愄卣鬟x擇算法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2010年12期

8 陳杰;鄧敏;肖鵬峰;楊敏華;梅小明;;粗糙集高分辨率遙感影像面向?qū)ο蠓诸怺J];遙感學(xué)報;2010年06期

9 張俊;朱國龍;李妍;;面向?qū)ο蟾叻直媛视跋裥畔⑻崛≈械某叨刃?yīng)及最優(yōu)尺度研究[J];測繪科學(xué);2011年02期

10 胡文亮;趙萍;董張玉;;一種改進(jìn)的遙感影像面向?qū)ο笞顑?yōu)分割尺度計算模型[J];地理與地理信息科學(xué);2010年06期

相關(guān)博士學(xué)位論文 前4條

1 劉凱;基于多源數(shù)據(jù)的黃土高原（重點流失區(qū)）侵蝕溝提取及區(qū)域差異性研究[D];南京師范大學(xué);2017年

2 黃志堅;面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D];國防科學(xué)技術(shù)大學(xué);2014年

3 王雷;黃土高原小流域侵蝕溝道空間頻譜分析[D];中國科學(xué)院研究生院（教育部水土保持與生態(tài)環(huán)境研究中心）;2013年

4 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

相關(guān)碩士學(xué)位論文 前10條

1 劉望明;基于圖像質(zhì)量評價的降低航片冗余度研究[D];西安科技大學(xué);2018年

2 張顯志;無人機(jī)影像陰影處理與信息提取研究[D];西安科技大學(xué);2018年

3 曹延虎;基于Retinex方法的無人機(jī)影像陰影去除應(yīng)用研究[D];西安科技大學(xué);2017年

4 高想卓;降低無人機(jī)影像數(shù)據(jù)冗余度方法的研究[D];西安科技大學(xué);2017年

5 王更;高分辨率遙感影像多尺度分割算法研究與應(yīng)用[D];中國礦業(yè)大學(xué);2016年

6 李新艷;流域土壤侵蝕評價地形指標(biāo)體系及提取方法[D];西北大學(xué);2014年

7 馬浩然;基于多層次分割的遙感影像面向?qū)ο笊址诸怺D];北京林業(yè)大學(xué);2014年

8 劉周周;遙感影像分割最優(yōu)參數(shù)選擇研究[D];蘭州大學(xué);2012年

9 馬婷婷;基于最佳尺度的面向?qū)ο蟾叻直媛蔬b感影像分類及應(yīng)用[D];西南交通大學(xué);2012年

10 翟涌光;多尺度分割技術(shù)對遙感影像分類精度影響的研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2010年

本文編號：2769578