基于无人机影像的精细化地形建模在滑坡识别中的应用——以云南蒋家沟流域为例

摘要

随着人类活动范围的扩大和工程建设的推进，滑坡灾害的发生频率越来越高，对人们的生命财产及社会经济造成巨大威胁。因此，运用快速、高效、准确的滑坡识别手段，对滑坡体进行早期判识，及时确定滑坡体的位置、影响范围，有针对性地采取相关措施，可以有效减少滑坡灾害带来的损失，对地质灾害区域的灾害防治和规划建设具有重要意义。　　尽管国内、外学者在滑坡灾害遥感中做了大量研究工作，但受经费、数据获取、数据处理、信息提取技术和遥感地质解译等交叉学科发展的限制，遥感技术的应用潜力没有充分被挖掘；以往滑坡灾害解译的关键问题研究不足，大多侧重于影像的光谱、斜坡体的形态等特征信息和滑坡体的累计变形量，采用的识别方法对地学知识和专家经验利用不充分；而且影像地面分辨率不高，滑坡遥感解译片面追求影像的光谱特征， DEM、等高线等数据的利用程度低，对DEM、GIS空间分析与影像的复合分析、3D可视化等新的技术方法应用较少；特别是滑坡灾害发生时具有突发性和发生环境的复杂性，在地质环境恶劣地区，滑坡灾害信息难以及时有效地获取，以往的技术手段在滑坡识别和治理方面具有一定的局限性。　　本文基于无人机影像的精细化地形建模在滑坡识别中的应用为研究主题，以云南省蒋家沟流域为例，在高原山区精细化地形建模和滑坡识别中取得了如下研究成果：　　（1）根据无人机航空摄影测量原理，详细分析了无人机航空摄影测量的误差来源，并根据无人机航空摄影测量的特点，制定了一套无人机航空摄影测量误差控制方案，为获取到高精度影像数据，提供了技术支持。　　（2）针对高原山区地形复杂、精细化地形建模误差大等问题，引入无人机航空摄影测量技术，通过对无人机航空摄影测量技术进行研究，建立了一套适用于高原山区精细化地形建模的方法与技术体系，获取到了研究区0.14m空间分辨率的影像数据，构建出平面点位误差为0.547m的DOM，高程中误差为0.684m的DEM，为滑坡灾害的识别和定量分析提供了数据支持。　　（3）根据以往滑坡识别研究中，地学知识和专家经验在滑坡识别中的应用不充分，滑坡识别指标主次不清晰，本文引入数理统计分析中的距离判别法，结合已有的地质资料，建立了2个地质判识指标，并根据精细化地形模型提取到另外6个主要的滑坡发育时的伴生迹象识别指标，建立了滑坡识别模型，得出的学习样本误判率为6.7%，检验样本误判率为0，具有较高的识别精度，该方法简单、快速、准确，在滑坡灾害的识别中具有较高的研究价值。

目录

声明

1 绪论

1.1 选题依据

1.2 国内外研究现状

1.2.1 基于常规方法的滑坡识别手段

1.2.2 基于光学卫星遥感数据的滑坡识别方法

1.2.3 基于合成孔径雷达干涉测量的滑坡识别方法

1.2.4 基于航测数据的滑坡识别方法

1.3.1 研究内容

1.3.2 技术路线

2 无人机航空摄影测量技术分析

2.1 无人机航空摄影测量技术简介

2.2 无人机航测系统的具体构成

2.2.1 无人机飞行平台系统

2.2.2 无人机飞行导航与控制系统

2.2.3 任务设备

2.2.4 数据传输系统

2.2.5 地面保障设备

2.3 无人机数据获取流程

2.3.1 任务提出、空域申请和技术准备

2.3.2 航线设计

2.3.3 像控点布设与量测

2.3.4 数据采集

2.3.5 飞行后检查

2.4 本章小结

3 无人机航空摄影测量误差分析

3.1 无人机摄影测量中的误差分析

3.1.1 系统性误差

3.1.2 外业测量误差

3.1.3 内业处理误差

3.2 本章小结

4 精细化地形建模

4.1.1 测区概况

4.1.2 相机畸变差改正

4.1.3 像控点布设与量测

4.1.4 影像获取

4.2.1 数据准备

4.2.2 数据预处理

4.3.1 影像特征提取

4.3.2 影像特征匹配

4.4 空中三角测量

4.5.1 数字高程模型

4.5.2 正射影像

4.5.3 数字三维模型

4.5.4 精度评价与结果分析

4.6 本章小结

5 基于无人机影像的滑坡识别方法

5.1 概述

5.2 滑坡的定义

5.3 滑坡的形成条件和特征分析

5.3.1 滑坡的形成条件

5.3.2 滑坡的发育特征

5.4 滑坡判识指标的建立

5.5.1 数理统计判别基本理论

5.5.2 计算步骤

5.5.3 蒋家沟流域滑坡识别模型

5.6 滑坡识别结果检验

5.7 本章小结

6 结论

致谢

参考文献

攻读学位期间取得的研究成果