[发明专利]高植被覆盖区台风暴雨型滑坡的遥感识别方法有效
申请号: | 202111063778.3 | 申请日: | 2021-09-10 |
公开(公告)号: | CN113780175B | 公开(公告)日: | 2023-08-15 |
发明(设计)人: | 豆红强;黄思懿;简文彬;王浩;谢森华 | 申请(专利权)人: | 福州大学 |
主分类号: | G06V20/13 | 分类号: | G06V20/13;G06V10/764;G06F16/55;G06F16/58;G06F16/583;G06F16/587;G06Q50/26 |
代理公司: | 福州元创专利商标代理有限公司 35100 | 代理人: | 丘鸿超;蔡学俊 |
地址: | 350108 福建省福*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 植被 覆盖 台风 暴雨 滑坡 遥感 识别 方法 | ||
1.一种高植被覆盖区台风暴雨型滑坡的遥感识别方法,其特征在于,包括以下步骤:
步骤S1:对气象信息和滑坡灾害信息进行数据挖掘,获得高植被覆盖区台风暴雨型滑坡发生与降雨量的关系,得出滑坡发生的降雨阈值;
步骤S2:通过步骤S1获得的阈值缩小滑坡识别的区域范围;
步骤S3:获取研究区台风暴雨预报-过境-离境全过程的多时相高精度光学遥感数据,利用ENVI中的支持向量机工具对不同时间的遥感影像进行滑坡初步识别,获取初步识别滑坡的位置、规模及发生时间;
步骤S4:获取研究区的数字高程模型DEM数据,通过GIS平台计算出研究区的坡度区划,获得滑坡发生概率最大的坡度区间,并以此坡度区间设置坡度筛选集筛除滑坡初步识别集中的其他相似地物;
步骤S5:获取研究区域归一化植被指数NDVI数据;根据研究区植被特征与台风暴雨型滑坡时空分布规律获得滑坡发生与归一化植被指数的关系,从而设置NDVI筛选集,使其对初步识别的滑坡范围进行矫正,以细化滑坡周界;
步骤S1具体为:收集和整理研究区气象监测信息,获取历年台风全路径的台风暴雨演变过程与完整的动态监测数据,获取台风过境后研究区的多时相气象数据与动态监测数据和研究区历史滑坡灾害的发生时间、位置、规模、变形演化时序特征的详查数据,基于统计学方法对气象信息和滑坡灾害信息进行数据挖掘,建立气象信息和滑坡灾害信息的大数据统计模型,依托GIS平台绘制基于台风暴雨路径的滑坡时空分布图,从而构建高植被覆盖区台风暴雨型滑坡易发性与降雨量的关系,得到滑坡发生的降雨阈值;
步骤S2具体为:依托GIS平台将研究区整体地块通过收集的台风暴雨预报-过境-离境全过程气象降雨数据分割成数个区域地块,将每个地块的实际降雨值与基于大数据统计模型得到的降雨阈值作对比,筛除实际降雨值小于降雨阈值的地块,保留实际降雨值大于降雨阈值的地块,从而实现缩小滑坡识别的区域范围;
步骤S3具体为:利用ENVI中的SVM分类工具进行滑坡自动识别,获得初步识别滑坡的位置、规模及发生时间,包括以下步骤:
步骤S31:将卫星遥感光学影像数据导入ENVI Classic,进行影像镶嵌及坐标配准;
步骤S32:在ENVI中对分类内容 ①水体,②植被,③滑坡-村庄-道路绘制ROI;
步骤S33:运行SVM分类工具,对给定的①水体,②植被,③滑坡-村庄-道路,进行自动识别分类;
步骤S34:对分类后的区划图进行精度验证;
步骤S35:将进行SVM分类后的数据转存为TIFF格式,由ArcGIS软件打开可观察到识别滑坡的位置与规模;
步骤S36:通过对研究区台风暴雨预报-过境-离境全过程的多时相高精度光学遥感数据重复进行步骤S31-步骤S35的操作,得到多时相的滑坡点位图,通过对比滑坡点位图确定滑坡发生的时间范围;
在步骤S4中,设置坡度筛选集筛除滑坡初步识别集中的其他相似地物,具体包括以下步骤:
步骤S41:将研究区坡度图分为小于坡度区间和大于坡度区间两个集合;
步骤S42:将分类完毕的坡度栅格图像转为矢量图像;
步骤S43:将大于坡度区间的矢量集合提取出来,并设为一个新图层;
步骤S44:在ENVI中将滑坡初步识别结果保存为栅格数据;
步骤S45:通过ArcMap打开滑坡初步分类数据,并将其转变为矢量数据;
步骤S46:将道路、村庄及滑坡区域提取出来并设为一个新图层;
步骤S47:剔除道路和村庄,提取出滑坡;使用裁剪工具,将道路、村庄及滑坡区域设置为底图,将坡度大于坡度区间的地块矢量图层设置为掩膜,执行裁剪操作;
步骤S48:在ArcMap中加载裁剪后的滑坡区域图层和高精度光学遥感影像,进行精度验证;
在步骤S3中,利用ENVI中的支持向量机工具对不同时间的遥感影像进行滑坡初步识别的识别似然度的阈值设置为0,即研究区所有栅格参与分类;
获取研究区的归一化植被指数NDVI数据的表达式为:。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福州大学,未经福州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111063778.3/1.html,转载请声明来源钻瓜专利网。