滑坡遥感识别-实验报告.pdfVIP

实验三滑坡的遥感识别

实验报告

一、实验目的（4分）

1、掌握滑坡遥感识别方法；

2、运用DEM数据排除道路、村庄等对滑坡识别的干扰。

二、实验数据和内容（6分）

1、实验数据：四川省青川县石板沟地区WorldView-3多光谱影像；

四川省青川县石板沟地区DEM数据。

2、实验内容：

（1）利用支持向量机分类（SVM）进行初步分类。支持向量机分类方法在解决小样本上有

显著优势，滑坡区域相对较少，因而，相比传统分类方法，SVM在滑坡提取分类中性能较

好；

（2）结合DEM数据计算坡度和地形起伏度进行滑坡精确识别，进一步区分滑坡与道路、

村庄等地物。由于滑坡与道路、村庄在影像上色调一致，均为亮色，容易出现错分。利用坡

度，可以消除道路和村庄对滑坡识别的影响。一般来说，坡度10°-45°，下陡中缓上陡、

上部成环状的坡形是产生滑坡的有利地形，地震产生的滑坡大多发生在40°-50°，而道路

与村庄处于平缓地带，坡度小于一定值。

三、实验方案（30分）

本实验首先利用支持向量机分类（SVM）进行初步分类，然后结合DEM数

据计算坡度和地形起伏度进行滑坡识别精确识别，进一步区分滑坡与道路、村庄

等地物。

第一、SVM分类。绘制ROI，进行分类：①水体，②植被，③滑坡-村

庄-道路；验证精度。

第二、坡度分析。计算坡度；提取坡度40°区域。

第三、滑坡识别。剔除道路和村庄，提取滑坡。

具体操作步骤如下：

（一）SVM分类

1、绘制ROI

通过[ROITool]工具分别绘制水体、植被以及道路、滑坡和村庄三类ROI，因

为在遥感影像上道路、滑坡和村庄三类地物表现为相似色调，所以将此三类作

为一类ROI进行绘制。在[ROITool]工具对话框中，点击[File]→[SaveROIs]，

在弹出的对话框中设置存储路径，保存ROI文件。

2、采用支持向量机进行分类

在ENVI主菜单中，点击[Classification]→[SupervisedClassification]→

[SupportVictorMachine]，在文件输入对话框中选择图像Qingchuan.tif，点击[OK]，

弹出[SupportVectorMachineClassificationParameters]参数设置对话框，如图所示。

3、验证精度

在ENVI主菜单点击[Classification]→[PostClassification]→

[ConfusionMatrixUsingGroundTruthROIs]，选择图像Qingchuan_class，在弹

出的[MatchClassesParameters]窗口点击[OK]，得到分类精度评价表，如图所示。

（二）坡度分析

1、计算坡度

打开ArcMap，点击[AddData]，加载数据Qingchuan.tiff和DEM.tiff，在

[ArcToolbox]中点击[SpatialAnalyst]→[Surface]→[Slope]，在[Slope]对话框中选择

输入文件，设置输出路径。

在[ArcToolbox]中点击[SpatialAnalyst]→[MapAlgebra]→[RasterCalculator]，

在[RasterCalculator]对话框输入表达式:“slope01”=40，即筛选出坡度大于

40°的区域，设置输出路径，执行分析。

加载上一步分析得到的数据，该栅格影像包含两个值“0”和“1”，

“0”表示坡度小于40°，“1”表示坡度大于40°。在[ArcToolbox]中点击

[ConversionTools]→[FromRaster]→[Rastert