[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 | ||
本发明提出一种高植被覆盖区台风暴雨型滑坡的遥感识别方法,通过建立台风暴雨型滑坡大数据模型,基于统计学研究得出导致滑坡发生的降雨阈值;通过阈值缩小滑坡识别的区域范围;获取研究区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,获得初步识别滑坡的位置、规模及发生时间;设置坡度筛选集筛除滑坡初步识别集中的其他相似地物;设置合适的NDVI筛选集,使其对初步识别的滑坡范围进行矫正,实现细化滑坡周界。本发明所述的技术方案,实现了更加高效的提取高植被覆盖区台风暴雨型滑坡的位置、规模及发生时间,提升了滑坡遥感识别的精度。
技术领域
本发明属于遥感技术、机器学习和灾害防治工程等技术领域,尤其涉及一种高植被覆盖区台风暴雨型滑坡的遥感识别方法。
背景技术
高植被覆盖区在台风暴雨条件下同样易产生滑坡、泥石流等地质灾害,比如闽台两地滑坡灾害的地质载体多属于植被发育斜坡。距不完全统计,闽台两地超过80%以上的滑坡灾害发生在每年5-9月份的雨季,而台风诱发的暴雨型滑坡则占总滑坡灾害的90%以上,并表现为群发性、规模小、即雨即滑且爆发性强的特点。台风暴雨过后,滑坡多呈星点状点缀于高植被覆盖斜坡上。
台风暴雨型滑坡的频繁发生及其造成的危害早已引起世界政府部门、国际组织及工程界的高度重视,并相继开展了台风暴雨型滑坡的调查评价、监测预警与示范点建设以及防治应急等工作。但高植被覆盖区台风暴雨型滑坡是地质-植被-气象多要素共同作用的结果,其孕灾环境与成灾机制复杂,在监测预警、应急响应方面仍缺乏实用、先进的技术支撑。与此同时,在全球气候变暖的大背景下,台风频次和强度有增加增强趋势,可以预见,未来台风暴雨诱发的高植被覆盖区的滑坡灾害无论在数量和规模上都有扩大化的态势。如何合理高效的应对地质-植被-气象强耦合所触发的滑坡灾害已成为地灾防治科技人员面临的重大难题。
而治理与研究高植被覆盖区台风暴雨型滑坡的首要条件正是及时的发现滑坡,而目前遥感识别滑坡技术大部分仍依靠人机交互识别,即研究人员使用目视解译的方法进行灾害信息的提取工作,该方法需要研究人员拥有丰富的经验知识储备,依靠工作人员的专业知识对滑坡区域的地物信息,如形状、纹理、阴影、位置等进行系统的分析研究,结合周围地形以及灾害区域地质类型最终确定滑坡受灾区域。且存在面对大尺度区域时识别效率低,历时长,针对性不强,容易缺漏等诸多缺点。
发明内容
介于现有技术存在的以下缺陷和不足:
(1)现有方法对于高植被覆盖区台风暴雨型滑坡的识别效率较低。
(2)目前针对高植被覆盖区台风暴雨型滑坡的识别精度较低,特别是大尺度和地形破碎区域。
(3)目前缺乏一种结合多时相多源数据的高植被覆盖区台风暴雨型滑坡识别方法。
本发明的目的在于提供一种高植被覆盖区台风暴雨型滑坡的遥感识别方法,其通过建立台风暴雨型滑坡大数据统计模型研究得出导致滑坡发生的降雨阈值;通过阈值缩小滑坡识别的区域范围;获取研究区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,获得初步识别滑坡的位置、规模及发生时间;设置坡度筛选集筛除滑坡初步识别集中的其他相似地物;设置合适的NDVI筛选集,使其对初步识别的滑坡范围进行矫正,实现细化滑坡周界。本发明所述的技术方案,实现了更加高效的提取高植被覆盖区台风暴雨型滑坡的位置、规模及发生时间,提升了滑坡遥感识别的精度。
本发明具体采用以下技术方案:
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;
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/202111063778.3/2.html,转载请声明来源钻瓜专利网。