山洪灾害高光谱遥感影像识别方法及其识别系统与流程

本发明涉及山洪灾害监测预警技术领域，更具体地说它是山洪灾害高光谱遥感影像识别方法。本发明还涉及所述山洪灾害高光谱遥感影像识别方法采用的识别系统。

背景技术：

在全球气候变暖及极端天气频现的背景下，近年来我国面临自然灾害风险不断上升，正在进入一个自然灾害频发时期。在众多灾害中，山洪及其次生灾害是每年面临最严峻的洪水灾害问题，特别是山丘区不少城镇或居民点坐落在泥石流沟口、河谷沿岸甚至滑坡体上。我国山丘区约占国土面积的三分之二，很多地区缺乏山洪诱发的泥石流、滑坡灾害监测设施，泥石流、滑坡监测主要依靠群测群防，对山洪灾害易发区危险点监测不够。现有各种野外山洪灾害监测预报预警方法和设备都存在科技含量不高、监测精度差、成果不及时和可靠度不够的缺点,已成为目前防洪减灾工作中突出难点。自2006年实施“全国山洪灾害防治规划”以来，加强山洪灾害防治已成为自然灾害防治重要内容，其中，对山洪灾害易发区进行监测与评估是实现山洪灾害有效防治关键技术之一，建立一套山洪灾害灾情快速监测、统计、分析、评估方法是当前山洪易发区防灾减灾工作迫切需要。

近年来，我国在山洪灾害监测与评估方面取得了一定进展，许多先进监测设备和技术包括卫星遥感技术、雷达监测技术、无人机遥感监测技术等的应用，使山洪灾害监测技术特别是区域性大尺度范围内，前期预报预警能力实现了一定幅度提升。然而，卫星受运行轨道、运行周期制约，雷达探测对监测环境要求严格等，使得现有这些技术应用范围受到限制，还不能满足山洪灾害防治监测预报提前性、机动性、时效性等前沿应用领域。具有方便快捷遥感优势的无人机监测技术，成为开展大规模山洪灾害实时、动态、复杂环境监测首选。

无人机遥感是继传统航空、航天遥感平台之后第三代遥感平台。与传统航空、航天遥感平台相比，具有遥感数据获取成本低、安全作业保障能力强、遥感数据精度高、具备快速应急响应能力、能够云下获取数据、可实现大区域、长航时及定点、定区域遥感监测优势。高光谱成像仪将成像技术与光谱技术相结合，探测目标的二维几何空间及一维光谱信息，获取高光谱分辨率的连续、窄波段的图像数据(光谱立方体)。微型高光谱成像仪在整个光谱范围内都可清晰对焦，光度测量的精确度高，特别适合于植物、土壤、矿物等成像光谱数据的采集。以无人机平台搭载的高光谱遥感影像系统应用于山洪灾害监测领域，可有效提高山洪灾害基础数据资料的精确性、可靠性和时效性。然而，该技术在我国山洪灾害监测应用尚处于起步和探索阶段。

因此，开发一种山洪灾害高光谱遥感影像识别方法很有应用前景。

技术实现要素：

本发明的第一目的是为了提供山洪灾害高光谱遥感影像识别方法，为基于无人机高光谱遥感影像识别技术，可以在山洪灾害易发区快速遥感监测，实现滑坡体、泥石流堆积体及泥石流沟床遥感影像特征光谱识别和山洪灾害因子计算判别，生成山洪灾害易发区特征因子时空分布图。

本发明的第二目的是为了提供一种山洪灾害高光谱遥感影像识别系统，可以在山洪灾害易发区快速遥感监测，实现滑坡体、泥石流堆积体及泥石流沟床遥感影像识别。

为了实现上述本发明的第一目的，本发明的技术方案为：所述的山洪灾害高光谱遥感影像识别系统的识别方法，其特征在于：包括如下步骤，

步骤一：建构无人机遥感系统：

基于山洪灾害易发区内下垫面区域特征及山洪灾害特征，优化组合无人机遥感平台和微型高光谱成像系统、形成无人机遥感影像系统，无人机遥感影像系统满足飞行条件下微型高光谱成像仪遥感影像识别性能和参数选取；

步骤二：编制无人机飞行前准备工作手册和无人机操作手册，对无人机遥感平台的测控系统、数据传输、动态监测支持系统进行测试和规范；

步骤三：结合无人机遥感平台编制无人机载微型高光谱成像仪的操作手册，测试无人机载微型高光谱成像仪的工作状态，确定无人机遥感影像系统的稳定性和灵活性；

步骤四：确定影像识别性能和参数：

以无人机载微型高光谱成像仪的遥感影像标定地物光谱特征，分析区域内的不同因子在不同环境中反射光谱特征，建立动态条件下区域性因子光谱识别方法，为滑坡、泥石流堆积体及泥石流沟床遥感影像识别提供前提条件；

开展典型山洪沟光谱特征监测，建立特定区域山洪灾害特征因子数据库；

步骤五：无人机遥感影像系统现场采集数据：

无人机载微型高光谱成像仪采集和处理山洪灾害现场影像信息，以无线和机载存储器传输记录方式传送至山洪灾害特征因子数据库；

步骤六：影像识别系统进行地物光谱特征判断、山洪特征因子演化分析识别：

影像识别系统子系统依据区域光谱特征数据库对山洪灾害因子的光谱特征自动分类；

步骤七：识别方法子系统计算判别：

根据不同山洪灾害因子的特征光谱，以识别方法子系统内松散堆积物、植被、土壤、水体识别指数集，计算判别确定各因子；

步骤八：采用归一化植被指数和地理信息系统软件识别山洪特征因子，实现对滑坡体、泥石流堆积体及泥石流沟床的遥感影像识别，输出监测区域山洪沟山洪特征因子空间分布图。

在上述技术方案中，还包括步骤九，

步骤九具体为：基于不同因子的识别，对滑坡体、泥石流堆积体及泥石流沟床进行监测，采用光谱演化特征分析法对监测结果进行分析、总结和归纳，研究滑坡、泥石流等灾害发生发展的规律。

在上述技术方案中，在步骤五中，所述无人机遥感系统的功能包括数据存储、提取、光谱识别、分析、导出；

在步骤四中，因子包括植被、岩石、土壤及水分含量；

在步骤六中，山洪灾害因子包括松散堆积体、植被、土壤、水体。

在上述技术方案中，在步骤五中，无人机遥感影像系统由无人机遥感平台和微型机载高光谱成像系统构成；微型机载高光谱成像系统包括无人机载微型高光谱成像仪和机载平台数据采集软件；

无人机载微型高光谱成像仪工作在现场，无人机遥感平台针对不同区域飞行操作条件，可在自动航线设计和手动控制两种模式下根据实际情况选择；

遥感数据影像在线自动传输至无人机载微型高光谱成像仪的采集处理系统，并同时写入特征因子数据库中。

在上述技术方案中，无人机载微型高光谱成像仪选用全视野高光谱成像系统。

为了实现上述本发明的第二目的，本发明的技术方案为：山洪灾害高光谱遥感影像识别系统，其特征在于：包括无人机遥感影像系统、特征因子数据库和遥感影像识别系统；

所述无人机遥感系统由无人机遥感平台和微型机载高光谱成像系统构成；无人机遥感平台为微型机载高光谱成像系统提供实时测控系统和监测数据传输链路；

微型机载高光谱成像系统包括无人机载微型高光谱成像仪和机载平台数据采集软件；

无人机遥感影像系统采集和处理山洪灾害现场影像信息、且将山洪灾害现场影像信息传送至特征因子数据库；

影像识别系统对特征因子数据库自动分类，光谱获取软件解译山洪灾害因子遥感影像数据相关参数，计算确定遥感影像数据相应指标。

在上述技术方案中，特征因子数据库包括动态条件下因子光谱识别子系统、滑坡体泥石流堆积体及泥石流沟床遥感影像识别子系统。

在上述技术方案中，遥感影像识别系统包括微型高光谱成像仪监测子系统、识别反射光谱特征子系统和分析光谱演化特征子系统。

本发明具有如下优点：

(1)本发明首次将微型高光谱成像仪及配套设备并配合无人机载体，应用于区域性山洪灾害易发区监测评估，研发了无人机载高光谱遥感影像识别关键技术；本发明具有高精度高效率提取地物光谱特征、快速识别山洪灾害易发区滑坡、泥石流区域和监测评估的优点；解决现有大规模灾情监测时监测面窄、效率低问题，避免危险复杂环境中山洪灾害监测造成人员伤亡的技术难题；

(2)本发明引进全息反射光栅式高光谱成像技术，光栅上大量等宽等间距的平行窄缝构成的光学器件，分光均匀，可以在整个光谱波段范围内使用；本发明中的无人机载微型高光谱成像仪采用光栅分光法，硅ccd的感光波长范围300-1000nm，采用全息光栅基础的c-t(czerny-turner)同轴反射光学设计,微型高光谱成像仪完全消色差，实现了无影像畸变和光谱畸变，凸面反射全息光栅等技术优点；

(3)本发明以首先构建山洪特征因子数据库为基础，对各因子光谱特征进行辨识和分类，并建立区域山洪灾害因子光谱特征数据库，能够保证实现在各种天候条件下，同步监测山洪特征因子以及光谱特征快速准确判别，极大地提高山洪灾害监测区域内各类地物识别精度和分类，对分析判断山洪防灾避灾风险评估等非常有实用价值；

(4)本发明中的无人机载高光谱成像仪能实现裸土、裸岩的自动分类；解决了传统遥感影像、普通相机等设备无法解决的突出难题(如传统遥感影像和普通相机的波段范围小，很难区分裸土、裸岩)；本发明中的无人机载高光谱成像仪详细反映植被光谱特征，用于区分植被类型、生长状态；本发明中的无人机载高光谱成像仪可区分干土、湿土，经标定可反演土壤含水量，用于监测山洪灾害的发生和发展；

(5)本发明根据不同山洪灾害因子特征光谱，提出了一套因子识别方法和指标计算公式，对松散堆积物、植被、土壤、水体等精确计算指标和准确分析判断；采用envi和arcgis软件快速识别山洪灾害区域的特征因子，输出典型山洪沟山洪特征因子空间分布图；解决了区域性山洪灾害监测评估核心的技术难题，即实现了山洪灾害易发区滑坡、泥石流区域基础数据资料的精确性、可靠性和时效性。

附图说明

图1为本发明方法流程示意图。

图2为本发明微型高光谱成像仪硅ccd感光波长范围图。

图3为本发明实施例中的部分山洪特征因子数据库。

图4为本发明实施例中的典型山洪沟地物光谱特征图。

图5为本发明实施例中的部分山洪特征因子光谱特征数据库。

图6为本发明实施例中的典型山洪沟山洪特征因子空间分布图。

图2中，a1表示ccd响应曲线；a2表示蓝色通道；a3表示热反射镜；a4表示绿色通道；a5表示红色通道。

图5中，b1表示植被；b2表示岩石；b3表示干土；b4表示湿土。

图6中，n表示北方。

具体实施方式

下面结合附图详细说明本发明的实施情况，但它们并不构成对本发明的限定，仅作举例而已。同时通过说明使本发明的优点更加清楚和容易理解。

参阅附图可知：山洪灾害高光谱遥感影像识别系统的识别方法，包括如下步骤，

步骤一：建构无人机遥感系统：基于山洪灾害易发区内下垫面区域特征及山洪灾害特征，优化组合无人机遥感平台和微型高光谱成像系统、形成无人机遥感影像系统，无人机遥感影像系统满足飞行条件下微型高光谱成像仪遥感影像识别性能和参数选取；

步骤二：编制无人机飞行前准备工作手册和无人机操作手册，对无人机遥感平台的测控系统、数据传输、动态监测支持系统等进行测试和规范；

步骤三：结合无人机遥感平台编制无人机载微型高光谱成像仪的操作手册，测试无人机载微型高光谱成像仪的工作状态，确定无人机遥感影像系统的稳定性和灵活性；

步骤四：确定影像识别性能和参数：以无人机载微型高光谱成像仪的遥感影像标定地物光谱特征，分析区域内的不同因子在不同环境中反射光谱特征，建立动态条件下区域性因子光谱识别方法，为滑坡、泥石流堆积体及泥石流沟床遥感影像识别提供前提条件；

开展典型山洪沟光谱特征监测，建立特定区域山洪灾害特征因子数据库；

步骤五：无人机遥感影像系统现场采集数据：无人机载微型高光谱成像仪采集和处理山洪灾害现场影像信息，以无线和机载存储器传输记录方式传送至山洪灾害特征因子数据库；

步骤六：影像识别系统进行地物光谱特征判断、山洪特征因子演化分析识别：影像识别系统子系统依据区域光谱特征数据库对山洪灾害因子的光谱特征自动分类；

步骤七：识别方法子系统计算判别：

根据不同山洪灾害因子的特征光谱，以识别方法子系统内松散堆积物、植被、土壤、水体识别指数集，计算判别确定各因子；

步骤八：采用归一化植被指数(envi)和地理信息系统(arcgis)软件识别山洪特征因子，实现对滑坡体、泥石流堆积体及泥石流沟床的遥感影像识别，输出监测区域山洪沟山洪特征因子空间分布图。

进一步地，还包括步骤九，

步骤九具体为：基于不同因子的识别，对滑坡体、泥石流堆积体及泥石流沟床进行监测，采用光谱演化特征分析法对监测结果进行分析、总结和归纳，研究滑坡、泥石流等灾害发生发展的规律(如图1所示)。

进一步地，在步骤五中，所述无人机遥感系统的功能包括数据存储、提取、光谱识别、分析、导出等；

在步骤四中，因子包括植被、岩石、土壤及水分含量等；

在步骤六中，山洪灾害因子包括松散堆积体、植被、土壤、水体等。

更进一步地，在步骤五中，无人机遥感影像系统由无人机遥感平台和微型机载高光谱成像系统构成；微型机载高光谱成像系统包括无人机载微型高光谱成像仪和机载平台数据采集软件；

无人机载微型高光谱成像仪工作在现场采集数据影像，无人机遥感平台针对不同区域飞行操作条件，可在自动航线设计和手动控制两种模式下根据实际情况选择；

无人机载微型高光谱成像仪采集的遥感数据影像在线自动传输至机载平台数据采集软件的采集处理系统，并同时写入特征因子数据库中；

无人机载微型高光谱成像仪根据实际应用需求选择多种规格、可更换宽度的窄缝(16um-100um)，满足不同天候的应用需要，提高遥感影像空间分辨率和光谱分辨率。

更进一步地，无人机载微型高光谱成像仪选用全视野高光谱成像系统；

无人机载微型高光谱成像仪选用的全视野高光谱成像系统，其产生两种影像形变(最小的楔形形变(smile)和梯形形变(keystone))控制在ccd的1个像素内(几乎没有形变)，使用时无需再次校正；全视野高光谱成像系统实际运用测量得到的影像形变：

smile≤0.12pixels@1550nm,keystone≤0.04pixels，满足不同天候的应用需要，提高遥感影像空间分辨率和光谱分辨率；

其中，ccd是指电荷耦合器件，是一种用电荷量表示信号大小，用耦合方式传输信号的探测元件，具有自扫描、感受波谱范围宽、畸变小、体积小、重量轻、系统噪声低、功耗小、寿命长、可靠性高等一系列优点，并可做成集成度非常高的组合件。

参阅附图可知：所述的山洪灾害高光谱遥感影像识别系统，包括无人机遥感影像系统、特征因子数据库和遥感影像识别系统；

所述无人机遥感系统由无人机遥感平台和微型机载高光谱成像系统构成；无人机遥感平台为微型机载高光谱成像系统提供实时测控系统和监测数据传输链路；

微型机载高光谱成像系统包括无人机载微型高光谱成像仪和机载平台数据采集软件；

无人机遥感影像系统采集和处理山洪灾害现场影像信息、且将山洪灾害现场影像信息传送至特征因子数据库；

影像识别系统对特征因子数据库自动分类，获取软件解译山洪灾害因子遥感影像数据相关参数，计算确定遥感影像数据相应指标；采用归一化植被指数(envi)软件和地理信息系统(arcgis)软件识别山洪特征因子,输出区域山洪沟山洪特征因子空间分布图；

其中，envi和arcgis均为现有技术。

进一步地，特征因子数据库包括动态条件下因子光谱识别子系统、滑坡体泥石流堆积体及泥石流沟床遥感影像识别子系统；

监测区域因子识别主要是山洪灾害易发区区域内植被、岩石、土壤、含水量等在不同环境下反射光谱特征及因子光谱识别系统构成。

进一步地，遥感影像识别系统包括微型高光谱成像仪监测子系统、识别反射光谱特征子系统和分析光谱演化特征子系统(如图1所示)。

更进一步地，所述无人机载微型高光谱成像仪为高空间分辨率、超高成像性能的无人机载微型高光谱成像仪；

所述无人机载微型高光谱成像仪的分辨率为3.5nm；

所述无人机载微型高光谱成像仪包括nir(900-1700nm)和vnir(400-1000nm)中200个以上的波段(如图2所示)；

其中，nir和vnir均为现有技术；nir是现代近红外光谱分析技术；vnir是可见近红外光谱分析技术。

所述机载平台数据采集软件为hdpu光谱获取软件；可让仪器以更快的帧率获取影像，以满足高速飞行运动拍摄需要。

实施例

现以本发明应用于某省阿坝藏族羌族自治州某县地震震区为实施例，结合附图对本发明进行详细说明，但它们并不构成对本发明的限定，仅作举例而已。同时通过说明使本发明的优点更加清楚并容易理解。本实施例对本发明应用于其它地域的在山洪灾害易发区快速遥感监测，实现滑坡体、泥石流堆积体及泥石流沟床遥感影像识别及监测评估同样具有指导意义。

本实施例山洪灾害高光谱遥感影像识别方法，包括如下步骤：

步骤一：区域资料收集

基于某省阿坝藏族羌族自治州某县地震震区山洪灾害风险评估需要，收集震区区域特征：地理位置、地形特征、地质特征、气象特征、山洪灾害特征，开展山洪灾害调查评价以及原因分析，建立地理信息基础数据库；

步骤二：山洪灾害特征因子数据库

对航拍影像按地物特征进行分类命名，并按颜色色调、形状、纹理、以及其他特征区别描述，建立一个监测区域内完整的典型山洪沟特征因子库(如图3所示)；

步骤三：遥感影像识别方法实施步骤

s7.1：对开展典型山洪沟监测调查的地物光谱特征进行鉴别比对，选择确定各因子代表性光谱(如图4所示)；

s7.2：以遥感影像光谱立方体为依据，分类确定各因子的名称和提取对应光谱，首先建立各因子光谱特征数据库(如图5所示)；

s7.3：根据不同山洪灾害因子的特征光谱，确定各因子的识别方法，各因子的识别方法具体如下：

1)松散堆积体识别

土壤调节植被指数(savi)用于识别泥石流沟床和坡面松散堆积体，试验中取l为0.5(l也可根据实际情况取其它值)，识别松散堆积体方法，如下式(1)：

上式(1)中：ρnir是红外波段反射率；ρred是红波段反射率；

savi是土壤调节植被指数；

l是随着植被密度变化的参数，取值范围为0-1；

2)植被识别

利用envi软件(envi(theenvironmentforvisualizingimages)是一个完整的遥感图像处理平台，为现有技术)，使用归一化植被指数ndvi((ndvi,normalizeddifferencevegetationindex)，识别植被方法，如下式(2)：

上式(2)中：ρnir是红外波段反射率，ρred是红波段反射率；

ndviv是植被覆盖部分的ndvi；

ndvi0是非植被覆盖部分的ndvi；

ndvi是归一化植被指数；

fv是植被覆盖度；

ndviv和ndvi0两个参数的确定是关键；在实际工作中，因缺少大面积地表实测数据作参考，通常根据直方图给定置信区间，以该区间内的最小和最大值作为ndviv和ndvi0值，或者取5％和95％频率的ndvi值作为ndviv和ndvi0值；

本实施例采用后一种方法(即，取5％和95％频率的ndvi值作为ndviv和ndvi0值)；

在envi中，具体实现步骤如下：

①选择主菜单→transform→ndvi，计算归一化植被指数ndvi；

②选择主菜单→basictools→statistics→computestatistics，进行统计分析，获取ndviv和ndvi0值；

③选择主菜单→basictools→bandmath，计算植被覆盖度fv；

3)土壤识别

土壤指数(sbi)，用于识别土壤，识别土壤方法如下式(3)：

上式(3)中：ρnir是红外波段反射率，ρred是红波段反射率；

sbi是土壤指数；

4)水体识别

归一化水体指数(ndwi)，用于识别水体，识别水体方法如下式(4)：

上式(3)中：ρred是红波段反射率；

ndwi是归一化水体指数；

步骤四：采用envi和arcgis软件识别基于某省阿坝藏族羌族自治州某县地震震区七盘沟和雁门沟的山洪特征因子(识别的山洪特征因子如图6所示)，实现对某省阿坝藏族羌族自治州某县地震震区的滑坡体、泥石流堆积体及泥石流沟床的遥感影像识别，输出监测区域山洪沟山洪特征因子空间分布图。

结论：本实施例能快速遥感监测，实现滑坡体、泥石流堆积体及泥石流沟床遥感影像识别。

其他它未说明的部分均属于现有技术。