论文部分内容阅读
高潜水位煤矿区煤粮复合面积大,采煤沉陷损毁和破坏了大量的耕地资源,给矿区农民带来了巨大的损失。沉陷耕地分布、面积、受损程度等信息的准确提取,可为耕地损毁程度的评估、面积的核算、补偿标准的制定等方面提供客观的参考数据。低成本的无人机可见光遥感技术是测绘生产单位获取数据的重要方式之一,本研究使用易获取、高分辨率的无人机可见光遥感影像,从矿区沉陷的实际情况(沉陷程度、积水分布)、地物在影像上的特征(光谱、纹理、几何等特征)、耕地农作物的生长(叶绿素含量、株高)等不同角度出发,旨在设计和构建出适用于沉陷耕地的直接或者间接提取方法,进一步扩大低空无人机遥感技术在高潜水位煤矿区应用的深度和广度。主要研究结果如下:(1)基于最优尺度的沉陷耕地提取方法。以基于边缘检测算法和尺度44对影像进行了分割,在可见光植被指数中,联合指数2(COM2)提取的精度最高。比较基于样本的面向对象、基于色彩与纹理特征、基于COM2指数3种方法的提取结果,得出基于色彩与纹理特征提取的正确率(86%)最高,错分误差(28%)和漏分误差(14%)最低。同样的方法应用在验证区影像,得出基于色彩与纹理特征提取的正确率(92.5%)最高,错分误差(30%)和漏分误差(7.5%)最低。(2)基于分层分类的沉陷耕地提取方法。依据对比度14.83(5.66~25.00)和长宽比29.13(4.55~36.74)提取出了规则耕地,利用信息熵5.07(3.13~6.83)和对比度6.01(4.58~8.70)提取出了零散耕地。比较基于样本的面向对象和基于特征组合的分层分类两种提取方法的结果,得出分层分类提取的正确率(88%)最高,错分误差(24%)和漏分误差(12%)最低。同样的方法应用在验证区影像,得出分层分类提取的正确率(95%)最高,错分误差(20%)和漏分误差(5%)最低。(3)基于冬小麦长势的沉陷耕地提取方法。选择与叶绿素含量相关性最高的COM2、可见光差异植被指数(VDVI)和红绿蓝植被指数(RGBVI)3种指数,分别采用线性、指数、对数、二次方和幂函数对叶绿素含量进行了单变量建模,模型精度最高的R~2仅为0.624,单变量反演提取模型精度较低。构建了一个共线性最低的、包含COM2、RGBVI和VDVI 3种指数的多变量新指数-组合可见光植被指数(CVVI),其建模精度R~2达到0.75,高于单变量模型,利用验证样本得出CVVI指数的模型R~2为0.639,RMSE为1.750,NRMSE为0.04,CVVI模型的反演提取的精度和稳定性较高。探讨利用无人机可见光影像提取部分沉陷地农作物株高的可行性,从建立的冬小麦株高模型中提取出的最高高度为47.6厘米,最低高度为8.7厘米。提取出的株高与实测株高的R~2为0.537,RMSE为2.781,NRMSE为0.284,估算值和实测值得一致性为中等。(4)总结了基于最优尺度、分层分类以及冬小麦长势反演这3种方法的优缺点,比较了不同方法提取耕地的结果,建议将分层分类方法作为开展沉陷耕地或者其它信息提取的首选方法,最后对试验区的采煤沉陷耕地的损毁程度进行划分。