法律状态公告日
法律状态信息
法律状态
2023-04-07
专利权人的姓名或者名称、地址的变更 IPC(主分类):G01C11/00 专利号:ZL2017110714124 变更事项:专利权人 变更前:广州地理研究所 变更后:广东省科学院广州地理研究所 变更事项:地址 变更前:510070 广东省广州市先烈中路100号大院之一 变更后:510070 广东省广州市先烈中路100号之一
专利权人的姓名或者名称、地址的变更
2018-08-17
授权
授权
2018-04-24
实质审查的生效 IPC(主分类):G01C11/00 申请日:20171103
实质审查的生效
2018-03-30
公开
公开
技术领域
本发明涉及滑坡灾害灾情分析技术领域,具体是一种基于低空无人机遥感的群发性滑坡灾害体积快速提取方法。
背景技术
对于区域群发性滑坡体体积的获取,目前常用三种方法:第一种是以统计关系计算为主,一般是通过滑坡体表面面积和体积之间关系的经验公式,对于以降水诱发的滑坡体积的计算,通过滑坡体积与前期降水量关系获得,对于地震诱发的滑坡,通过地震震级与滑坡体积的统计关系推算滑坡体体积,这种方法的计算较为粗略,精度不高。第二种是利用遥感技术,从遥感影像上获取滑坡边界的投影面积,在该边界范围内计算滑坡前后的DEM的高程差,通过高程差和滑坡投影面积的乘积获取滑坡的体积,这种方法简单且精度高,但需要依赖于灾害前后的同一比例尺和精准配准的两期DEM数据,然而,由于滑坡前后DEM精度差异、DEM平面位置和高程基准差异等,利用DEM计算滑坡体积,结果常会存在一定的误差。第三种是传统的接触式测量方法,通过测量每个斜坡的形态计算每个滑坡的体积,之后累加起来求得群发性滑坡的总体积,这种方法不仅需要了解滑坡体表面面积,还需要滑坡前后滑坡体剖面的几何形态,一般而言,滑坡体剖面几何形态较难获取,尤其在同时计算多个滑坡体体积时,对剖面几何形态的获取更具有挑战性,而且这种方法对于群发性滑坡而言工作量大,实施尤其困难。
发明内容
为了解决上述问题,本发明的目的是将低空无人机遥感技术和插值模拟技术引入滑坡体积测量中,提高滑坡调查的工作效率,改进滑坡体积测量的精度,为滑坡防治研究提供基础数据。
本发明的另一个目的是提供远程的群发性滑坡快速测量的方法,避免因交通阻碍等原因无法测量,并且通过远程测量方法,降低测量作业人员遭受灾害的危险性。
为实现以上目的,本发明采取的技术方案是:
一种基于低空无人机遥感的群发性滑坡灾害体积快速提取方法,包括以下步骤:
步骤1、对受灾区域进行无人机倾斜摄影,记录测量数据,并通过无人机数据处理软件生成受灾区域的DEM和DOM;
步骤2、利用受灾区域的DOM和DEM,提取受灾区域内所有滑坡灾害点的边界;
步骤3、通过各滑坡灾害点的外围地形数据模拟受灾区域的灾前DEM:
在各滑坡灾害点边界线上密集采集高程点,根据各滑坡灾害点周围地形数据的曲率,再结合所在山体的地形起伏情况,按照地形曲率对各滑坡灾害点滑坡前的地形表面进行拟合,模拟出受灾区域的灾前DEM;
步骤4、根据受灾区域的DEM和模拟出的灾前DEM,计算受灾区域内群发性滑坡灾害的总体积。
所述步骤2包括:
步骤21、利用受灾区域的DOM,计算受灾区域的NDVI值,生成受灾区域的NDVI分布图;
步骤22、对受灾区域的NDVI分布图进行光谱特征和坡度的自动识别,生成受灾区域滑坡灾害点分布图;
步骤23、根据受灾区域的滑坡灾害点分布图,提取受灾区域内所有滑坡灾害点的边界。
所述步骤22中,用于光谱特征识别的NDVI阈值为0.15,用于坡度识别的坡度阈值为20°。
本发明与现有技术相比,具有如下优点:
1、充分考虑滑坡灾害多发生在高山峡谷中,山体雄厚,边坡陡峻,使得地质调查工作因人员难以企及而无法正常开展的特点,提供一种基于低空无人机遥感的群发性滑坡灾害体积快速提取方法,以无人机遥感为数据源,通过对滑坡前后发生的形态变化规律的总结,建立一种基于滑坡形态和灾害边界点插值模拟的滑坡体体积计算模型,通过灾后DEM、边界点搜索和插值,模拟恢复滑坡前的DEM,进而同时计算多个滑坡的总体积,可用于灾害引起的大范围山体滑坡的体积快速估算,对于合理安排人力物力进行滑坡堆积物的快速清除,实现灾后应急指挥、救援决策和恢复重建具有重要现实意义。
2、选用低空无人机遥感技术构建区域群发性滑坡体三维模型,一方面能提高群发性滑坡体积测量的精度和工作效率,另一方面可提高测量的安全性。
3、本发明提供的基于无人机遥感技术的群发性滑坡灾害体积测量的方法,可以建立功能模块,集成为功能模块构架,实现流程的自动化处理,可以应用于山区滑坡灾害应急工作中,为山区防灾减灾工作提供科学依据,在防灾决策领域具有广阔的应用前景。
附图说明
图1为本发明受灾区域的DEM;
图2为本发明受灾区域的DOM;
图3为本发明受灾区域的NDVI分布图;
图4为本发明受灾区域的植被和非植被分布图;
图5为本发明受灾区域的坡度分布图;
图6为本发明受灾区域的滑坡灾害点分布图;
图7为本发明受灾区域内所有滑坡灾害点的边界分布图;
图8为本发明受灾区域模拟的灾前DEM。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
实施例
本发明的基于低空无人机遥感的群发性滑坡灾害体积快速提取方法,其包括以下步骤:
一、对受灾区域进行无人机倾斜摄影,记录测量数据,并通过无人机数据处理软件生成受灾区域的DEM和DOM。
随着航空摄影测量技术的飞速发展,利用低空无人飞机进行航空摄影获取遥感数据已成为现实。但由于无人机飞行姿态不稳定,所获取的影像存在旋片角大、畸变严重等现象。由于以上特点,利用传统的航空摄影测量数据处理软件处理无人机航摄数据时,工作量大,工作周期长。本实施例采用Agisoftphotoscan软件进行影像的快速拼接、数字高程模型DEM和数字正摄影像图DOM的快速生成。
在飞行前对扫描场地进行初步踏勘,合理设置飞行方案。利用无人机技术对受灾区进行倾斜摄影,记录和存储受灾区域的影像数据。然后利用Agisoftphotoscan软件进行图像拼接、空中三角测量和立体建模,形成受灾区域的DEM和DOM数据,结果如图1和图2。其中DEM记录了受灾区域的地表高程信息,DOM记录了受灾区域的地表覆盖类别信息。
二、利用受灾区域的DOM和DEM,提取受灾区域内所有滑坡灾害点的边界。
1、计算受灾区域的归一化植被指数NDVI。
利用受灾区域DOM的1和2波段,借助ERDAS遥感图像处理平台,计算受灾区域的NDVI值,生成受灾区域的NDVI分布图,结果如图3。
2、对受灾区域的NDVI分布图进行光谱特征和坡度的自动识别,生成受灾区域滑坡灾害点分布图。
滑坡表面的NDVI值一般小于0.15,将该值作为区分植被和非植被区的阈值,生成受灾区域的植被和非植被分布图,如图4所示,其中,植被占受灾区域总面积的50%以上。
利用受灾区域的DEM计算坡度值,生成受灾区域的坡度分布图,如图5所示,坡度大于25°的斜坡发生地质灾害的可能性最大,为了尽量减少漏分,本实施例将坡度阈值定为20°,结合受灾区域的植被和非植被分布图,以剔除部分居民地、耕地、山顶冰雪、干涸河床、湖泊等地形平坦地物的图斑。
经过以上计算,生成受灾区域的滑坡灾害点分布图,结果如图6。
3、根据受灾区域的滑坡灾害点分布图,提取受灾区域内所有滑坡灾害点的边界。
根据受灾区域的滑坡灾害点分布图,获取受灾区域内所有滑坡灾害点的边界线信息,然后在ARCGIS的空间分析模块下,将线文件转换为点文件,生成受灾区域内所有滑坡灾害点的边界分布图,结果如图7。
三、通过各滑坡灾害点的外围地形数据模拟受灾区域的灾前DEM。
利用图7的边界控制点文件提取DEM里面的高程数据,得到边界点的高程数据,在各滑坡灾害点边界线上密集采集高程点,然后在ARCGIS里,根据各滑坡灾害点周围地形数据的曲率,再结合所在山体的地形起伏情况,按照地形曲率对各滑坡灾害点滑坡前的地形表面进行拟合,模拟出受灾区域的灾前DEM,结果如图8。
步骤4、根据受灾区域的DEM和模拟出的灾前DEM,计算受灾区域内群发性滑坡灾害的总体积。
利用ARCGIS的空间统计和Surface Volume功能,分别统计受灾区域模拟出的灾前DEM和实测的DEM的体积值,并将统计出来的体积相减,得到受灾区域内群发性滑坡灾害的总体积。
上列详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的保护范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的保护范围中。
机译: 基于低空遥感信息的无人机农作物产量预测方法及系统
机译: 利用无人机产生滑坡预测用地形数据并利用地形数据选择滑坡灾害带的方法
机译: 基于无人机遥感技术的航拍面特征点提取方法