基于高分辨率无人机影像的地震地表破裂半自动提取方法——以2021年M_(S)7.4青海玛多地震为例

精细刻画大地震形成的地表破裂的几何学特征对于深入理解发震断裂的运动学机制和变形规律具有重要意义。野外地质调查和影像目视解译等传统获取地震地表破裂的方法往往费时费力,且难以获得其精细特征。文中依据面向对象、颜色空间色彩分割等理论,基于高分辨率无人机影像,提出了一种面向对象的“粗分割-精提取”方法,以实现半自动提取地震地表破裂的矢量面。对2021年青海玛多M_(S)7.4地震的实验结果表明,该方法能够有效去除与地表破裂光谱相似的河道等噪声,快速准确地提取地表破裂带的精细结构。文中建立的地震地表破裂半自动化提取方法可为大地震发生后快速提取地表破裂精细结构和分析地表变形特征提供一个可行方案。

基于无人机和机器学习的川西北修复沙地植被信息提取

【目的】旨在无人机影像中提取植被信息(草本和灌木),估算植被覆盖度,用于生态修复领域反映植被长势和丰度。【方法】选取水体、灌木、草本和沙地4类地物,采用4种机器学习算法,深度学习、马氏距离、最大似然法和最小距离法进行精度对比,选取精度最高的算法作为研究方法。【结果】4种方法得到总体精度分别为95.47%、95.14%、93.30%和71.98%,kappa系数分别为0.92、0.91、0.88和0.57。【结论】基于深度学习方法分析发现,红原沙化治理示范基地范围内灌木、草地、水体和沙地面积分别为0.09、0.14、0.04和0.32 km^(2)。该方法可以为川西北高寒修复沙地监测、研究与治理状况评价提供数据支持和一定的科学依据。

基于无人机影像的面向对象建筑物结构分级提取方法研究

为提高遥感影像建筑物结构识别精度,综合利用光谱、形状、空间、纹理和数字表面模型(DSM)建立了建筑物结构分级提取方法。基于研究区无人机高分辨率影像,采用面向对象的影像分析策略,首先进行多尺度分割,以最佳分割与合并指数提取影像中建筑物目标;然后分别采用规则、训练样本与DSM方法对建筑物结构进行分类;最后将3种分类方法进行融合,对比分析了单一方法和融合分类方法的建筑物结构分类精度。结果表明:基于规则+样本+DSM的半监督建筑物结构分类方法错分率、漏检率与Kappa系数最优。

基于无人机影像的“农村确权调查”方法探讨

以高分辨率无人机影像为基础进行农村产权调查,提出一套简单易行、准确可靠、成本低廉的调查方案,使农村产权调查提高了工作效率和成果质量,缩短了工期,降低了成本,具有全面推广价值。