基于无人机遥感的区域黄土滑坡识别及发育特征分析

基于无人机遥感的黄土滑坡识别及机理研究正处于快速发展的时期,当前主要集中在单体或小范围的黄土滑坡识别。超前性的在土地利用规划阶段进行区域滑坡研究,是减轻滑坡灾害行之有效的方法。该文以宁夏彭阳县红河镇为研究区,构建了无人机航摄系统并制作了精度为0.13 m、面积为164 km²的正射影像;进而确定了形态、色调、水文、纹理及微地貌5个识别标志,并结合现场验证确定了180个滑坡;分析了研究区滑坡空间分布、孕灾地貌、平面形态、相对高度、滑动方向,滑坡后缘、滑坡壁及滑坡前缘、滑坡滑动面(带)和滑坡体微地貌特征。研究区黄土滑坡在空间分布上以红河为界呈现南多北少的特点,具有群发性;红河河谷两侧的黄土丘陵提供了滑坡孕灾地貌;平面形态上以半圆形和不规则形的滑坡为主;长度在30～300 m上、长宽比在0～1之间的滑坡数量相对较多;滑坡相对高度主要集中在0～90 m的区间内;滑坡滑动方向以北和西北居多;滑坡后缘多为圈椅状、滑坡壁总体上较为平直、研究区大部分老滑坡的前缘基本没有保存;滑坡滑动面(带)的含水率往往较高;滑坡体的微地貌形态常见的有滑坡洼地、滑坡鼓丘、滑坡台阶和滑坡平台等。     

基于位置误差概率模型的物流无人机安全间隔评估方法研究

针对未来多架物流无人机飞行在同一航线可能引起的安全冲突问题,提出规划无人机之间的安全间隔以规避运行风险.根据无人机在地面控制系统监控下的飞行特点,结合位置误差概率模型,综合考虑无人机定位误差、速度误差以及侧风的影响,依次建立无人机之间纵向、侧向和垂直方向的碰撞风险评估模型,并得出ICAO安全目标水平下的最小安全间隔.选...     

基于无人机摄影测量的尾矿坝边坡表面变形监测*

为弥补传统基于GPS/GNSS的单点监测方式无法反映尾矿坝整体变形的局限性,提出1种结合坝坡现有位移监测系统的无人机尾矿坝边坡表面变形监测方法。利用单镜头轻小型多旋翼无人机和计算机视觉技术对尾矿坝的空间三维地理信息进行数据采集与重建;基于设置在坝坡表面的位移人工监测点（水泥桩）对多期尾矿坝点云数据进行配准;通过对不同时期尾矿坝点云数据距离的计算实现对其边坡表面变形的整体监测。结果表明:经过雨季冲刷,山东某尾矿坝局部边坡出现冲沟、滑塌、表层滑移等现象;提出的方法能够精细地体现出尾矿坝边坡的整体变形与细节变化,可为尾矿坝边坡整体变形监测方法的拓展提供参考。     

基于无人机遥感与机器学习的岸滩大型塑料垃圾监测方法

鉴于现场人工调查手段对海滩垃圾的监测具有成本高、耗时长等特点,近年来无人机遥感技术在海洋垃圾监测中的应用受到广泛关注。为评估无人机遥感及机器学习技术在海洋垃圾信息收集与分析中的有效性,首先,本研究将无人机遥感图像的目视解译结果与实地调查进行对比,结果表明,目视解译对垃圾的总体识别率达68.1%～75.1%,对各类塑料垃圾的识别率达38.9%～94.3%,说明无人机图像解译垃圾具有较强的可行性;其次,在目视解译无人机图像的基础上,引入机器学习技术自动解译图像,该技术对各类塑料垃圾的识别准确率达77.9%～81.5%,回收率达45.6%～60.6%;最后,本研究将无人机遥感与机器学习技术运用于崇明岛岸滩的实地调查中,成功地实现了样区塑料瓶、塑料渔网、塑料浮球、塑料泡沫和浮木等多类垃圾通量和组成的快速统计与空间分布分析,并揭示了台风前、后岸滩垃圾的变化特征。本研究发展并验证了基于无人机遥感与机器学习图像解译的岸滩塑料垃圾监测技术,实现了垃圾数据的半自动化采集、识别与统计的完整监测过程,提升了监测效率。本研究发展的机器学习模型可解决海量、复杂无人机影像中垃圾的定位与识别需求,一定程度上实现了智...     

基于无人机可见光影像的绿色植被提取

在分析健康绿色植被光谱特性及无人机可见光影像典型地物各波段像元值差异的基础上,提出一种综合利用红、绿、蓝3个可见光波段信息的新型绿色植被指数——差异增强植被指数（DEVI）.利用该指数及其他8种常见可见光植被指数结合不同阈值方法提取研究区域绿色植被信息,并采用地表真实感兴趣区和基于SVM的监督分类方法进行精度量化评价.结果表明：由DEVI计算的植被指数灰度影像直方图具有良好双峰形态,可利用双峰直方图阈值法快速确定阈值,且阈值一般位于0.9~1之间;同时,DEVI提取精度明显优于其余8种植被指数,且采用双峰直方图阈值法时,总体精度为98.98%,Kappa系数为0.9791,相对误差为1/83.为验证DEVI是否具有良好的可适用性及可靠性,选取3种典型植被覆盖区域进行可行性验证,结果表明：利用DEVI可高精度提取建筑密集区域和植被零散分布区域的绿色植被信息,总体精度分别为98.42%和98.56%,Kappa系数分别为0.9610和0.9635,相对误差分别为1/125和1/91;而植被集中分布区域提取精度略低于上述2种典型区域,总体精度为97.40%,Kappa系数为0.9371,相对误差为1/53.因此,提出的差异增强植被指数——DEVI可以有效、高精度、低成本提取不同植被覆盖典型区域无人机可见光影像中的绿色植被信息,为陆地生态系统中的绿色植被监测研究提供一种可行性方法.     

无人机在重大自然灾害中的应用与探讨

重大自然灾害往往会造成重灾区信息通讯中断和道路交通破坏,灾情传递受阻将导致抢险救灾盲目部署,继而造成更大的损失和次生灾害。因此,获取灾情成为重大自然灾害抢险救灾的首要问题。无人驾驶飞机(简称无人机)是一种新工具,能够越过山川河流阻隔,通过摄影、摄像或其他遥感手段获取灾情。通过在北川县曲山镇等地震灾区进行无人机获取灾害信息实验,在2010年玉树地震抢险救灾工作中实现了高原灾区无人机首次航拍,获取的高清图片为划分灾区范围提供了重要依据。鉴于上述实践和探索,介绍了无人机性能和影响无人机摄影的诸多因素,如天气条件、无人机航带航迹和高度、航片重叠率、图片拼接及校正等,对相机与地面影像分辨率的关系进行了介绍,还通过航拍图片和地面图片比对,总结出建筑物倒塌破坏识别的基本要则。     

基于无人机多光谱影像的小微水域水质要素反演

总磷(TP)、悬浮物浓度(SS)、浊度(TUB)3种水质参数可以直接通过遥感反演得到,常用于评价区域水环境的污染状况.以浙江农林大学东湖为研究对像,使用无人机携带多光谱传感器(Mica Sense Red Edge)获取多光谱影像,进而提取16个光谱参数,分别构建东湖水域TP、SS、TUB的反演模型.结果表明:光谱参数V5(NIR 0.770～0.890μm)与TP、SS相关性显著(r分别为0.470、-0.537,p0.05),V4(0.670～0.760μm)与TUB相关性显著(r=0.486,p0.05).在建立的TP反演模型中,指数函数模型精度最高,决定系数R~2为0.7829;在建立的SS、TUB反演模型中,多项式函数模型精度最高,决定系数R~2分别为0.7503、0.7334.经检验,TP、SS、TUB模型估测值与实测值线性拟合曲线的决定系数R~2分别为0.7374、0.8978、0.6726,满足水质要素反演的精度要求.最后利用建立的模型,结合多光谱影像数据,建立了东湖水域各参数的空间分布图,实现了水质参数的可视化,可为小微水域的污染防治提供技术支撑.     

无人机在水土保持监测中的应用初探

无人机遥感及高清影像技术的应用,为水土保持监测提供新的技术手段。无人机技术,可以降低监测成本、提高监测效率、直观全面反映监测结果,可有效弥补传统监测手段下水土保持监测工作中所存在的问题和困难。本文针对无人机在水土保持监测工作中的具体应用进行初步分析和探讨。