等高線自導(dǎo)的農(nóng)業(yè)梯田自動化檢測方法

農(nóng)業(yè)梯田自動化檢測等高線自導(dǎo)的農(nóng)業(yè)梯田自動化檢測方法1農(nóng)業(yè)梯田自動化檢測目錄2研究背景樣區(qū)和數(shù)據(jù)方法結(jié)果和討論結(jié)論農(nóng)業(yè)梯田自動化檢測研究背景：農(nóng)業(yè)梯田在農(nóng)業(yè)生產(chǎn)以及水土保持方面都有著重要的作用。將坡地改變?yōu)樘萏锟梢詼p少水土流失，產(chǎn)生許多積極的生態(tài)效應(yīng)。(Wakindikiet,al2002;Fu,Bet,al2000).人工梯田3農(nóng)業(yè)梯田自動化檢測許多研究人員通過圖像分類方法提取梯田：:面向像元的方法

(Martínez-Casasnovaset

al.,

2010;

Li

etal.,

2013)

;面向?qū)ο蟮姆椒?/p>

(Diaz-Varelaetal.,2014;Zhao

etal.,2017).雖然可以從這些圖像分類方法中獲取梯田的區(qū)域和邊界，但無法獲取單獨每一塊梯田的邊界信息。影像分類4農(nóng)業(yè)梯田自動化檢測梯田由梯田面和田坎組成。梯田田坎，是構(gòu)成農(nóng)業(yè)梯田的主要部分，將梯田逐個分隔成塊狀。TerraceplaneTerrace

ridgereference

plane人工梯田示意圖5農(nóng)業(yè)梯田自動化檢測Bailly

(2012)

和

代文等

（2017）提出了基于DEM繪制梯田的方法。但是，他們的方法過分依賴高分辨率DEM因此限制了其應(yīng)用。高精度的DEM6農(nóng)業(yè)梯田自動化檢測邊緣檢測然而，由于缺乏地貌學意義，在對地理目標的檢測中往往會出現(xiàn)許多錯誤。因此，本研究結(jié)合影像和DEM數(shù)據(jù)，依據(jù)梯田的地貌特征，提出一種自動繪制梯田的方法。7在另一方面，許多學者提出了基于影像的線性特征提取方法（例如道路提?。℉u，J

2007），邊緣檢測（Marr，D1980）;）可以有助于檢測潛在的梯田。農(nóng)業(yè)梯田自動化檢測目錄8研究背景樣區(qū)和數(shù)據(jù)方法結(jié)果和討論結(jié)論農(nóng)業(yè)梯田自動化檢測吳城(39°16′28.15′′N,

111°34′26.06′′E)紙坊(36°43′46.59″N,

109°14′49.01″E)紙坊遙感影像圖；紙坊DEM（1

m）；吳城遙感影像圖;吳城DEM（1

m）；9農(nóng)業(yè)梯田自動化檢測目錄10研究背景樣區(qū)和數(shù)據(jù)方法結(jié)果和討論結(jié)論農(nóng)業(yè)梯田自動化檢測基本方法:梯田田坎在高分辨率圖像中清晰地表現(xiàn)出線性特征。

因此，現(xiàn)有的邊緣檢測方法可以檢測潛在的梯田田坎。考慮到田坎沿等高線分布，可以利用DEM生成等高線方向，定向檢測田坎。11農(nóng)業(yè)梯田自動化檢測流程:通過面向?qū)ο蟮膱D像分析（OBIA）方法從高分辨率圖像導(dǎo)出梯田的區(qū)域;使用適當?shù)倪吘墮z測算子來檢測所有的線性邊緣，這些邊緣被視為潛在的梯田田坎;設(shè)置等高線方向的規(guī)則，并使用DEM生成等高線方向;設(shè)計定向檢測規(guī)則并使用規(guī)則檢索所有單元格;將檢索到的潛在田坎的像元連接，并用合適的長度閾值進行過濾，最后將柵格數(shù)據(jù)轉(zhuǎn)換為矢量數(shù)據(jù)。流程圖12農(nóng)業(yè)梯田自動化檢測等高線方向:眾所周知，水流方向是與等高線方向垂直的。因此，我們可以通過重新編碼水流方向來計算等高線方向。兩種搜索類型，即逆時針搜索（圖a）和順時針搜索（圖b），可用于確定等高線方向。這兩種類型沒有區(qū)別。

因此，這項研究采用了逆時針搜索。13農(nóng)業(yè)梯田自動化檢測單元格的輪廓方向編號為1-8，分別代表東，東南，南，西南，西，西北，北，東北方向。編碼方向和實例:(a)

編碼方向;

(b)

原始

DEM;

(c)

結(jié)果14農(nóng)業(yè)梯田自動化檢測1001111011001110定向檢測:只有沿等高線方向分布的候選邊緣才被視為梯田田坎。邊緣檢測后，邊緣圖像為0和1的矩陣。如果當前單元格值為為0，則跳過它；為1，開始定向檢測;讀取其等高線方向以確定下一個單元格。如果下一個單元格值也是1，則連接它

們。contour

direction15農(nóng)業(yè)梯田自動化檢測精度評價:采用完整性、正確性、質(zhì)量三個指標進行準確性評價。Lm為提取正確田坎的總長度;Lr為實際存在田坎的總長度;Le為所有提取出田坎的總長度;Lu

表示本來存在但沒有被提取的田坎的總長度.16完整性顯示了實際田坎的提取量。正確性表明提取的田坎的數(shù)量是正確的。質(zhì)量是完整性和正確性的結(jié)合。農(nóng)業(yè)梯田自動化檢測目錄17研究背景樣區(qū)和數(shù)據(jù)方法結(jié)果和討論結(jié)論農(nóng)業(yè)梯田自動化檢測邊緣檢測吳城樣區(qū)Canny

算子邊緣檢測的結(jié)果:梯田區(qū)域;閾值在大于0.004小于0.01提取的結(jié)果；閾值在大于0.02小于0.05提取的結(jié)果;閾值在大于0.04小于0.1提取的結(jié)果.18農(nóng)業(yè)梯田自動化檢測梯田田坎檢測：(a)

等高線方向

（1

m分辨率）;(b–f)檢測長度閾值分別為5、10、20、30、50

m19農(nóng)業(yè)梯田自動化檢測精度評價:Length20

(m) Threshold Lm

(m)Lu

(m) Le

(m) Lr

(m)Correctn Completess enessQuality5 11,128.67 1939.93 13,914.32 13,068.6010 10,759.86 2308.74 12,649.03 13,068.6015 10,411.02 2657.58 11,733.45 13,068.6020

10,049.42 3019.18 10,854.92 13,068.6030 8728.10 4340.50 9234.32 13,068.6040 7470.39 5598.21 7670.80 13,068.6050 6243.23 6825.37 6354.39 13,068.6079.98%85.16% 70.19%82.33% 71.93%79.66% 72.34%76.90%

72.43%66.79% 64.30%57.16% 56.30%47.77% 47.37%85.06%88.73%92.58%94.52%97.39%98.25%表1：吳城樣區(qū)不同長度閾值的精度。農(nóng)業(yè)梯田自動化檢測驗證Lr

(m)21表2：紙坊樣區(qū)不同長度閾值的精度LengthThreshol Lm

(m) Lu

(m) Le

(m)CorrectnessCompletenessd

(m)526,305.57500.7935,239.9226,806.3674.65%98.13%73.60%1025,821.11985.2532,583.7226,806.3679.25%96.32%76.92%1525,051.931754.4329,724.6626,806.3684.28%93.46%79.58%2024,131.802674.5627,335.8726,806.3688.28%90.02%80.41%3022,219.124587.2423,579.2426,806.3694.23%82.89%78.88%Quality農(nóng)業(yè)梯田自動化檢測DEM分辨率影響我們還研究了該方法是否適用于不同分辨率的DEM。表3：

不同DEM分辨率下的精度22WuchengZhifangResolution(m)correctnesscompletenessqualitycorrectnesscompletenessquality192.58%76.90%72.43%88.28%90.02%80.41%1078.99%78.54%64.97%91.48%89.94%82.99%2079.17%81.84%67.34%87.63%91.79%81.26%3079.99%85.05%70.13%86.28%92.01%80.27%5080.35%78.44%65.81%87.07%81.61%72.79%10080.17%94.71%76.74%87.02%84.32%74.90%農(nóng)業(yè)梯田自動化檢測目錄23研究背景樣區(qū)和數(shù)據(jù)方法結(jié)果和討論結(jié)論農(nóng)業(yè)梯田自動化檢測本研究提出了一種結(jié)合邊緣檢測和地形分析的綜合方法，用于自動繪制梯田。兩個研究區(qū)域的實驗表明這種方法是成功的。本研