顾及无人机影像多特征信息的滑坡识别

摘要

滑坡灾害具有较强的突发性和破坏力，快速、准确识别滑坡对受灾区的应急救援、灾害评估具有重要意义。无人机(unmanned aerial vehicle, UAV)具备操作灵活、高时效性和高分辨率等优势，为特定区域的滑坡数据获取提供了强大的技术支持。以云南省绿春县为研究区，以UAV影像为数据源，首先构建研究区的数字正射影像(digital orthophoto map, DOM),在此基础上进行多尺度分割；然后综合光谱、形状和纹理等多特征信息，计算样本分离度后优化特征空间；最后基于面向对象的贝叶斯(Bayes)分类方法进行滑坡识别与精度分析。研究结果表明：采用Bayes方法得到的滑坡识别总体精度(overall accuracy, OA)达92.49%,Kappa系数达0.888,其中滑坡区域的生产者精度(producer accuracy, PA)和用户精度(user accuracy, UA)分别为89.84%和83.17%。此外，与决策树(decision tree, DT)、随机森林(random forest, RF)和支持向量机(support vector machine, SVM)3种分类方法的滑坡识别结果进行精度对比，Bayes方法的OA较其他分类方法提高3.26%～5.86%,Kappa系数提高0.048～0.092。该方法对于复杂、破碎山地的滑坡识别精度较高，能够满足基于高分辨率UAV影像的滑坡精细化识别应用需求。

关键词

面向对象 / 贝叶斯分类 / 滑坡 / 无人机影像 / 多特征