顾及无人机影像多特征信息的滑坡识别

P694%P237; 滑坡灾害具有较强的突发性和破坏力,快速、准确识别滑坡对受灾区的应急救援、灾害评估具有重要意义.无人机(unmanned aerial vehicle,UAV)具备操作灵活、高时效性和高分辨率等优势,为特定区域的滑坡数据获取提供了强大的技术支持.以云南省绿春县为研究区,以UAV影像为数据源,首先构建研究区的数字正射影像(digital orthophoto map,DOM),在此基础上进行多尺度分割;然后综合光谱、形状和纹理等多特征信息,计算样本分离度后优化特征空间;最后基于面向对象的贝叶斯(Bayes)分类方法进行滑坡识别与精度分析.研究结果表明:采用Bayes方法得到的...

Full description

Saved in:
Bibliographic Details
Published in自然灾害学报 Vol. 33; no. 5; pp. 109 - 118
Main Authors 张钰洁, 刘佳佳, 孙龙, 易邦进, 李佳
Format Journal Article
LanguageChinese
Published 云南师范大学 地理学部,云南 昆明 650500%中国能源建设集团云南省电力设计院有限公司,云南 昆明 650051%云南省设计院集团有限公司,云南 昆明 650103%云南省地质科学研究所,云南 昆明 650051 30.10.2024
Subjects
面向对象
Bayes classification
贝叶斯分类
UAV images
multi-feature
object-oriented
landslide
滑坡
无人机影像
多特征
Online AccessGet full text

Cover

More Information
Summary:P694%P237; 滑坡灾害具有较强的突发性和破坏力,快速、准确识别滑坡对受灾区的应急救援、灾害评估具有重要意义.无人机(unmanned aerial vehicle,UAV)具备操作灵活、高时效性和高分辨率等优势,为特定区域的滑坡数据获取提供了强大的技术支持.以云南省绿春县为研究区,以UAV影像为数据源,首先构建研究区的数字正射影像(digital orthophoto map,DOM),在此基础上进行多尺度分割;然后综合光谱、形状和纹理等多特征信息,计算样本分离度后优化特征空间;最后基于面向对象的贝叶斯(Bayes)分类方法进行滑坡识别与精度分析.研究结果表明:采用Bayes方法得到的滑坡识别总体精度(overall accuracy,OA)达 92.49%,Kappa系数达 0.888,其中滑坡区域的生产者精度(producer accuracy,PA)和用户精度(user accuracy,UA)分别为 89.84%和 83.17%.此外,与决策树(decision tree,DT)、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)3 种分类方法的滑坡识别结果进行精度对比,Bayes方法的OA较其他分类方法提高 3.26%～5.86%,Kappa系数提高0.048～0.092.该方法对于复杂、破碎山地的滑坡识别精度较高,能够满足基于高分辨率UAV影像的滑坡精细化识别应用需求.
ISSN:1004-4574
DOI:10.13577/j.jnd.2024.0510