等高线自导的农业梯田自动化检测方法_第1页
等高线自导的农业梯田自动化检测方法_第2页
等高线自导的农业梯田自动化检测方法_第3页
等高线自导的农业梯田自动化检测方法_第4页
等高线自导的农业梯田自动化检测方法_第5页
已阅读5页,还剩19页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

农业梯田自动化检测等高线自导的农业梯田自动化检测方法1农业梯田自动化检测目录2研究背景样区和数据方法结果和讨论结论农业梯田自动化检测研究背景:农业梯田在农业生产以及水土保持方面都有着重要的作用。将坡地改变为梯田可以减少水土流失,产生许多积极的生态效应。(Wakindikiet,al2002;Fu,Bet,al2000).人工梯田3农业梯田自动化检测许多研究人员通过图像分类方法提取梯田::面向像元的方法

(Martínez-Casasnovaset

al.,

2010;

Li

etal.,

2013)

;面向对象的方法

(Diaz-Varelaetal.,2014;Zhao

etal.,2017).虽然可以从这些图像分类方法中获取梯田的区域和边界,但无法获取单独每一块梯田的边界信息。影像分类4农业梯田自动化检测梯田由梯田面和田坎组成。梯田田坎,是构成农业梯田的主要部分,将梯田逐个分隔成块状。TerraceplaneTerrace

ridgereference

plane人工梯田示意图5农业梯田自动化检测Bailly

(2012)

代文等

(2017)提出了基于DEM绘制梯田的方法。但是,他们的方法过分依赖高分辨率DEM因此限制了其应用。高精度的DEM6农业梯田自动化检测边缘检测然而,由于缺乏地貌学意义,在对地理目标的检测中往往会出现许多错误。因此,本研究结合影像和DEM数据,依据梯田的地貌特征,提出一种自动绘制梯田的方法。7在另一方面,许多学者提出了基于影像的线性特征提取方法(例如道路提取(Hu,J

2007),边缘检测(Marr,D1980);)可以有助于检测潜在的梯田。农业梯田自动化检测目录8研究背景样区和数据方法结果和讨论结论农业梯田自动化检测吴城(39°16′28.15′′N,

111°34′26.06′′E)纸坊(36°43′46.59″N,

109°14′49.01″E)纸坊遥感影像图;纸坊DEM(1

m);吴城遥感影像图;吴城DEM(1

m);9农业梯田自动化检测目录10研究背景样区和数据方法结果和讨论结论农业梯田自动化检测基本方法:梯田田坎在高分辨率图像中清晰地表现出线性特征。

因此,现有的边缘检测方法可以检测潜在的梯田田坎。考虑到田坎沿等高线分布,可以利用DEM生成等高线方向,定向检测田坎。11农业梯田自动化检测流程:通过面向对象的图像分析(OBIA)方法从高分辨率图像导出梯田的区域;使用适当的边缘检测算子来检测所有的线性边缘,这些边缘被视为潜在的梯田田坎;设置等高线方向的规则,并使用DEM生成等高线方向;设计定向检测规则并使用规则检索所有单元格;将检索到的潜在田坎的像元连接,并用合适的长度阈值进行过滤,最后将栅格数据转换为矢量数据。流程图12农业梯田自动化检测等高线方向:众所周知,水流方向是与等高线方向垂直的。因此,我们可以通过重新编码水流方向来计算等高线方向。两种搜索类型,即逆时针搜索(图a)和顺时针搜索(图b),可用于确定等高线方向。这两种类型没有区别。

因此,这项研究采用了逆时针搜索。13农业梯田自动化检测单元格的轮廓方向编号为1-8,分别代表东,东南,南,西南,西,西北,北,东北方向。编码方向和实例:(a)

编码方向;

(b)

原始

DEM;

(c)

结果14农业梯田自动化检测1001111011001110定向检测:只有沿等高线方向分布的候选边缘才被视为梯田田坎。边缘检测后,边缘图像为0和1的矩阵。如果当前单元格值为为0,则跳过它;为1,开始定向检测;读取其等高线方向以确定下一个单元格。如果下一个单元格值也是1,则连接它

们。contour

direction15农业梯田自动化检测精度评价:采用完整性、正确性、质量三个指标进行准确性评价。Lm为提取正确田坎的总长度;Lr为实际存在田坎的总长度;Le为所有提取出田坎的总长度;Lu

表示本来存在但没有被提取的田坎的总长度.16完整性显示了实际田坎的提取量。正确性表明提取的田坎的数量是正确的。质量是完整性和正确性的结合。农业梯田自动化检测目录17研究背景样区和数据方法结果和讨论结论农业梯田自动化检测边缘检测吴城样区Canny

算子边缘检测的结果:梯田区域;阈值在大于0.004小于0.01提取的结果;阈值在大于0.02小于0.05提取的结果;阈值在大于0.04小于0.1提取的结果.18农业梯田自动化检测梯田田坎检测:(a)

等高线方向

(1

m分辨率);(b–f)检测长度阈值分别为5、10、20、30、50

m19农业梯田自动化检测精度评价:Length20

(m) Threshold Lm

(m)Lu

(m) Le

(m) Lr

(m)Correctn Completess enessQuality5 11,128.67 1939.93 13,914.32 13,068.6010 10,759.86 2308.74 12,649.03 13,068.6015 10,411.02 2657.58 11,733.45 13,068.6020

10,049.42 3019.18 10,854.92 13,068.6030 8728.10 4340.50 9234.32 13,068.6040 7470.39 5598.21 7670.80 13,068.6050 6243.23 6825.37 6354.39 13,068.6079.98%85.16% 70.19%82.33% 71.93%79.66% 72.34%76.90%

72.43%66.79% 64.30%57.16% 56.30%47.77% 47.37%85.06%88.73%92.58%94.52%97.39%98.25%表1:吴城样区不同长度阈值的精度。农业梯田自动化检测验证Lr

(m)21表2:纸坊样区不同长度阈值的精度LengthThreshol Lm

(m) Lu

(m) Le

(m)CorrectnessCompletenessd

(m)526,305.57500.7935,239.9226,806.3674.65%98.13%73.60%1025,821.11985.2532,583.7226,806.3679.25%96.32%76.92%1525,051.931754.4329,724.6626,806.3684.28%93.46%79.58%2024,131.802674.5627,335.8726,806.3688.28%90.02%80.41%3022,219.124587.2423,579.2426,806.3694.23%82.89%78.88%Quality农业梯田自动化检测DEM分辨率影响我们还研究了该方法是否适用于不同分辨率的DEM。表3:

不同DEM分辨率下的精度22WuchengZhifangResolution(m)correctnesscompletenessqualitycorrectnesscompletenessquality192.58%76.90%72.43%88.28%90.02%80.41%1078.99%78.54%64.97%91.48%89.94%82.99%2079.17%81.84%67.34%87.63%91.79%81.26%3079.99%85.05%70.13%86.28%92.01%80.27%5080.35%78.44%65.81%87.07%81.61%72.79%10080.17%94.71%76.74%87.02%84.32%74.90%农业梯田自动化检测目录23研究背景样区和数据方法结果和讨论结论农业梯田自动化检测本研究提出了一种结合边缘检测和地形分析的综合方法,用于自动绘制梯田。两个研究区域的实验表明这种方法是成功的。本研

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论