[发明专利]基于无人机低空遥感和面向对象分类的水土保持监测方法

说明书

技术领域

本发明涉及环境监测领域，特别涉及基于无人机低空遥感和面向对象分类的水土保持监测方法。

背景技术

水土保持监测是指对水土流失发生、发展、危害及水土保持效益进行长期的调查、观测和分析工作。通过水土保持监测，了解目标区域的水土流失类型、强度与分布特征、危害及其影响情况、发生发展规律、动态变化趋势，对水土流失综合治理和生态环境建设宏观决策以及科学、合理、系统地布设水土保持各项措施具有重要意义。

开发建设项目水土保持监测是近几年在我国逐渐新兴开展起来的项目，这项工作处于起步发展阶段。近几年，相关研究者和水土保持监测工作人员从开发建设项目人为水土流失机制与特点、建设项目水土流失监测实践等方面，对建设项目人为水土流失的监测技术与方法进行了研究与实践，取得了一定的进展，但尚未形成规范化的技术体系。现行的《水土保持监测技术规程》中提出的径流小区观测、控制站观测、简易坡面量测法、简易水土流失场监测、调查监测法、遥感监测法等几种监测方法。但是，这些方法都存在适用性较差，工作效率低的问题，已不能满足快速监测的需要，更不能适应水土保持监测自动化的发展趋势。

发明内容

本发明要解决的技术问题是：提供一种基于无人机低空遥感和面向对象分类的水土保持监测方法，解决现有监测方法都存在适用性较差，工作效率低的问题。

为解决上述问题，本发明采用的技术方案是：基于无人机低空遥感和面向对象分类的水土保持监测方法，包括步骤：

步骤1、根据所需模型精度和比例尺预先规划拍摄的航带、架次和高程，系统以无人机搭载可见光相机对水土保持监测目标区域进行垂直和倾斜拍摄，并按均匀分布和不同高程进行控制点测量，保证获取影像建模后的精度；

步骤2、系统对监测目标区域获取的不同角度、高程的多幅原始影像照片进行坐标系配准、区域整体平差和多视角影像密集匹配；

步骤3、系统对匹配后的影像进行图像点云数据提取；

步骤4、系统根据图像点云数据生成TIN三角网，再进行纹理贴图，从而实现待检测区域的三维模型重建，生成待检测区域的真实三维模型；

步骤5、系统根据ESP(Estimation of Scale Parameter)多尺度分割评价工具对生成的三维模型(DSM格式)进行自动计算和分割，输出ESP工具分析得出的最优分割尺度；

步骤6、系统按照实际水土保持监测地物分类的要求和原则，综合光谱信息、影像纹理、图形结构对ESP输出的最优分割尺度进行微调和修正，得出适合水土保持监测目标区域实际最优的分割尺度；

步骤7、系统依据水土保持监测地物分类的类型，结合光谱信息、影像纹理和形状结构等信息，确定参与面向对象分类的特征参数指标；

步骤8、利用步骤7选出的特征参数指标，系统采用最邻近法进行监督分类，对水土保持监测目标区域的地类按照规定的类型进行分类；

步骤9、系统对监督分类后的水土保持监测目标区域的分类类别进行提取；

步骤10、系统采用基于位置信息的精度评价方法，按照混淆矩阵精度评定的样本个数计算公式计算出保证评价精度下的检查点个数；

步骤11、系统按照实际采样点选取的难易度和清晰度，在确保满足评价精度最低数量要求的基础上，确定实际的检验点测量数目。并按照数目和相应的要求进行检验点的实地测量和统计；

步骤12、系统构建混淆矩阵，对提取后的分类影像采用基于位置信息的精度评价方法和混淆矩阵，计算总分类精度和Kappa系数对模型的分类精度进行评价。确保分类的精度是否满足实际施工情况和调查结果。

步骤13、系统在满足分类精度的模型上按照分类类型提取各地物的面积大小和分布情况。

步骤14、按照上诉1-13的步骤计算同一水土保持监测目标区域的第二期影像，得出第二期的各地物的面积大小和分布情况。

步骤15、两期的分类结果进行叠加对比分析，计算出不同地物类型的动态变化范围和面积，对水土保持动态监测的数据定量化工作提供技术支持。

进一步的，步骤1航拍的影像必须具有一定的重叠度，其中，纵向重叠度至少60％，旁向重叠度至少30％。

进一步的，控制点的选择要按照高程起伏和航拍目标区域分布综合考虑设置，且用RTK精准测量。

进一步的，步骤2包括以下步骤：

步骤21、利用倾斜摄影建模软件对多幅初始影像照片进行处理；

步骤22、利用RTK已测的控制点对影像进行坐标系配准；