基于无人机的山地遥感观测平台及可靠性分析——以若尔盖试验为例

在山地复杂条件下开展无人机遥感观测面临众多挑战,分析无人机遥感观测平台的可靠性是影像拼接、成果应用、平台和飞行方案改进的重要基础。介绍了一种基于低空无人机的山地多源数据遥感观测平台,重点阐述了无人机系统的组成、性能参数和传感器参数。以《低空数字航空摄影规范》为参照,总结低空无人机遥感观测平台的可靠性分析方法。以2014年7月25日若尔盖高原无人机遥感观测试验获取的数据为例,定量分析该低空无人机遥感观测平台的可靠性。结果表明:该平台在山地复杂条件下具有较高的可靠性,航向平均重叠度为73.58%,旁向平均重叠度为55.07%,平均倾角为2.23°,航线内平均旋角为1.36°,航线间平均旋角为10.41°,平均航线偏移为5.42m,最大航线弯曲度为0.19%,最大航高差为5m,各项指标评价结果远优于《低空数字航空摄影规范》要求。相机成像面与平台飞行方向的夹角可能引起旁向旋角的增大;在逆风条件下,该小型无人机遥感观测平台的姿态更为稳定。     

西南山地典型流域地震前后泥石流物源遥感精细识别

泥石流物源的信息获取目前主要依靠野外勘查测量和目视解译提取,存在耗时费力、覆盖范围有限、主观性强等问题。遥感因其快速、大范围、高精度监测的特点为泥石流物源识别提供了更为可靠的方式。基于Sentinel 2影像和ALOS地形数据,根据物源区光谱特征和地形特征差异,采用面向对象的分类方法进行物源识别,实现了树正寨流域地震前后泥石流崩滑物源、沟道物源和坡面物源的遥感精细识别。实验结果表明：①基于无人机和Google Earth高分辨率影像选取验证样本发现,采用该方法的树正寨流域物源识别精度分别为震前85.71%,震后88.34%,对应的Kappa系数分别为0.77和0.76;②相比于传统基于像元的遥感分类方法,该方法震前和震后分类精度分别高出14.28%和22.70%,尤其对于小面积的崩滑单体识别有着更优秀的表现;③地震前后由于地震诱发崩塌滑坡等灾害导致物源总储量由1.85×10⁶ m³增至3.99×10⁶ m³,主要物源类型是崩滑物源,占比70.80%。总体而言,实验为泥石流物源的判识提供了基于高分辨率遥感影像观测的自动识别方法,判识结果也将为泥石流灾害防治及风险评估提供重要的科学支撑。