论文部分内容阅读
滑坡的发生给人类生产生活带来了巨大灾难,现阶段对滑坡的预报依然是一个难题。由于大多数的滑坡灾害发生于地形复杂且交通不便的山区,使得滑坡现场调查变得更加困难,灾后救援与重建工作也难以迅速展开。为了弥补以上缺陷,本文借助遥感技术与计算机识别相结合的模式,使用高分一号影像作为主要数据源,对贵州省水城县滑坡进行快速识别。提出使用云变换与快速广义模糊C-均值聚类(Fast Generalized Fuzzy C-means,简称为FGFCM)算法结合,并借助ENVI、ArcGIS、eCognition、Matlab软件相辅助,建立滑坡识别模型。最后对识别的结果进行验证。本文的主要成果与结论如下:(1)通过对水城县的滑坡进行识别,使得从影像上就可以清楚地查看滑坡的规模、性质及其分布特征,了解滑坡灾害对当地居民地、道路等的影响程度,尤其是为雨季做好防灾减灾的准备工作并减少因滑坡而造成的损失,有着重要的意义。该方法也可以适用于其他区域。(2)在进行滑坡快速识别之前,剔除掉一些具有明显光谱特征及易被错误识别为滑坡的地物,对最终滑坡识别的精度具有很重要的作用。提取水系,道路,建筑物以及植被等滑坡承灾体时,提取每一类地物都需选取最佳的因子以及最适的参数,多次对分割结果进行对比分析,才能挑选出适合不同地类的最优分割参数与因子。在反复实验过程中,确定了这四类最优分割参数与因子,随后将这些参数应用于27个分割区域进行滑坡承灾体的提取,提取的精度都达到88%以上,结果比较理想。(3)本文通过使用云变换与FGFCM算法对水城县内的滑坡进行识别。主要凭借相同地物的像元亮度值在较小范围内波动,进而运用云变换很好的解决了FGFCM算法中人为确定初始中心值与分类个数的弊端,减少了人为干预。随后在剔除掉水系,道路,建筑物以及植被等滑坡承灾体基础上,借助FGFCM算法对水城县内的滑坡进行识别的,并对得到的结果进行了验证,其中kappa系数达到75.18%,总体精度达到了88.07%,满足实际生产的应用需求。(4)本文使用云变换与FGFCM方法结合,并借助ENVI、ArcGIS、eCognition、Matlab软件相辅助,并附有一定的图表对整个过程进行说明。同样滑坡识别的成果也符合实际需求,对于只掌握少量滑坡知识的人员,只要熟练软件操作技能,就可进行滑坡的识别分析。