高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于无人机遥感技术的废弃采石场立地条件类型划分

马得利 孙永康 杨建英 史常青 张艳 张春禹

马得利, 孙永康, 杨建英, 史常青, 张艳, 张春禹. 基于无人机遥感技术的废弃采石场立地条件类型划分[J]. 北京林业大学学报, 2018, 40(9): 90-97. doi: 10.13332/j.1000-1522.20180051
引用本文: 马得利, 孙永康, 杨建英, 史常青, 张艳, 张春禹. 基于无人机遥感技术的废弃采石场立地条件类型划分[J]. 北京林业大学学报, 2018, 40(9): 90-97. doi: 10.13332/j.1000-1522.20180051
Ma Deli, Sun Yongkang, Yang Jianying, Shi Changqing, Zhang Yan, Zhang Chunyu. Site condition classification based on remote sensing technology of unmanned aerial vehicle in abandoned quarry[J]. Journal of Beijing Forestry University, 2018, 40(9): 90-97. doi: 10.13332/j.1000-1522.20180051
Citation: Ma Deli, Sun Yongkang, Yang Jianying, Shi Changqing, Zhang Yan, Zhang Chunyu. Site condition classification based on remote sensing technology of unmanned aerial vehicle in abandoned quarry[J]. Journal of Beijing Forestry University, 2018, 40(9): 90-97. doi: 10.13332/j.1000-1522.20180051

基于无人机遥感技术的废弃采石场立地条件类型划分

doi: 10.13332/j.1000-1522.20180051
基金项目: 

林业公益性行业科研专项 200904030

中央高校基本科研业务费专项 BLX2015-28

详细信息
    作者简介:

    马得利。主要研究方向:工程绿化与水土保持。Email:523695842@qq.com 地址:100083 北京市海淀区清华东路35号北京林业大学水土保持学院

    通讯作者:

    杨建英,博士,副教授。主要研究方向:水土保持监测与生态修复。Email:jjyang@bjfu.edu.cn 地址:同上

  • 中图分类号: X171.4

Site condition classification based on remote sensing technology of unmanned aerial vehicle in abandoned quarry

  • 摘要: 目的无人机遥感影像和ArcGIS技术结合成为废弃地生态恢复的新手段,而准确划分立地类型是废弃采石场生态修复和造林绿化的关键基础步骤。本研究基于无人机遥感影像技术和ArcGIS技术,快速、准确地实现对冀北山区废弃采石场立地条件类型的划分。方法以草帽山废弃采石场为试验区,采用数量化理论Ⅰ与ArcGIS空间分析,对废弃采石场的立地类型划分和立地质量评价,再得到立地类型分布图,并与实地立地因子分类结果进行精度检验。结果利用上述方法将冀北草帽山采石场废弃地划分为9种立地类型,同时根据立地分级结果将试验区立地定量评价为4个等级;与实地立地类型调查结果对比发现,本研究划分结果精度高达96%。结论无人机遥感影像与ArcGIS技术的结合应用不仅能实现采石场废弃地立地类型的高精度划分,还能够为采石场废弃地以期合理规划造林绿化提供决策依据和技术支撑。
  • 图  1  试验区采样点DEM图

    Figure  1.  Sample plot DEM of study area

    图  2  试验区立地类型分布图

    Figure  2.  Site type distribution map in study area

    表  1  坡向立地因子的等级划分

    Table  1.   Grade classification of slope aspect site factors

    坡向
    Slope aspect
    方位
    Orientation
    方位角范围
    Azimuth range/(°)
    阳坡Sunny slope 南South [157.5, 202.5)
    东南Southeast [112.5, 157, 5)
    西南Southwest [202.5, 247.5)
    西West [247.5, 292.5)
    阴坡Shady slope 北North [337.5, 22.5)
    西北Northwest [292.5, 337.5)
    东北Northeast [22.5, 67.5)
    东East [67.5, 112.5)
    下载: 导出CSV

    表  2  坡度立地因子的等级划分

    Table  2.   Grade classification of slope degree site factors

    坡度等级
    Slope degree grade
    坡度范围
    Slope degree range/(°)
    平地Flat [0, 5]
    缓坡Gentle slope (5, 15]
    斜坡Incline slope (15, 25]
    陡坡Steep slope (25, 35]
    急陡坡Very steep slope (35, 90]
    下载: 导出CSV

    表  3  试验区各立地因子得分表

    Table  3.   Score of site factors in study area

    项目
    Item
    项目
    Item
    各因子得分Score of each factor 偏相关系数
    Coefficient of partial correlation
    X1 X2
    坡向Slope aspect 阳坡Sunny slope 8.87 8.55 0.3376
    阴坡Shady slope 9.77 9.15
    坡度Slope degree 平地(0~5°) Flat (0-5°) 1.77 0.295 5
    缓坡(5°~15°) Gentle slope (5°-15°) 1.08
    斜坡(15°~25°) Incline slope (15°-25°) -0.12
    陡坡(25°~35°) Steep slope (25°-35°) -0.87
    急陡坡Very steep slope ≥35° -1.34
    负相关系数Negative correlation coefficient 0.337 6 0.385 1
    注:X1X2分别代表考虑1、2个项目时的因子得分。Notes: X1 and X2 represent the factor scores when considering 1 and 2 items, respectively.
    下载: 导出CSV

    表  4  土壤水分模型检验结果

    Table  4.   Checking results of soil water model

    自变量
    Independent variable
    相对误差范围
    Relative error range/%
    相对均方差
    Relative mean square deviation/%
    相对平均系数误差
    Relative mean coefficient error/%
    拟合值
    Fitting value
    检验值
    Examining value
    拟合值
    Fitting value
    检验值
    Examining value
    拟合值
    Fitting value
    检验值
    Examining value
    X1 -17.293~25.673 -16.852~25.186 15.260 15.735 4.954 4.741
    X2 -14.579~10.012 -14.587~9.860 10.527 10.726 4.178 4.305
    下载: 导出CSV

    表  5  试验区立地质量分级结果

    Table  5.   Grading results of site quality in the study area

    立地等级
    Site grade
    土壤含水量Soil moisture content/(g·kg-1)
    X1 X2
    97.7~94.7 109.2~96.9
    94.7~91.7 96.9~84.5
    91.7~88.7 84.5~72.1
    <88.7 <72.1
    下载: 导出CSV

    表  6  试验区各立地类型质量评价与统计

    Table  6.   Quality evaluation and statistics of site types in the study area

    立地类型
    Site type
    立地等级
    Site grade
    面积/hm2
    Area/ha
    面积占比
    Area percentage/%
    平地Flat 5.15 7.80
    阳向缓坡Sunny gentle slope 13.11 19.85
    阳向斜坡Sunny incline slope 3.75 5.68
    阳向陡坡Sunny steep slope 9.04 13.69
    阳向急陡坡Sunny very steep slope 6.16 9.32
    阴向缓坡Shady gentle slope 6.89 10.44
    阴向斜坡Shady incline slope 2.90 4.38
    阴向陡坡Shady steep slope 0.46 0.70
    阴向急陡坡Shady very steep slope 18.59 28.14
    下载: 导出CSV

    表  7  试验区各立地类型精度检验分析表

    Table  7.   Precision testing analysis in each site type in study area

    立地类型
    Site type
    样点数
    Sample plot number
    权重
    Weight/%
    准确率
    Accuracy rate/%
    平地Flat 10 13.33 100.00
    阳向缓坡Sunny gentle slope 9 12.00 100.00
    阳向斜坡Sunny incline slope 9 12.00 88.89
    阳向陡坡Sunny steep slope 7 9.33 85.70
    阳向急陡坡Sunny very steep slope 8 10.67 100.00
    阴向缓坡Shady gentle slope 9 12.00 100.00
    阴向斜坡Shady incline slope 7 9.33 85.70
    阴向陡坡Shady steep slope 7 9.33 100.00
    阴向急陡坡Shady very steep slope 9 12.00 100.00
    合计Total 75 100.00 96.00%
    注:权重/%=(各立地类型样点数/采样点总数)/%. Note:weight/%=(sample plot amount of each site type /total amount of sample plots)/%.
    下载: 导出CSV
  • [1] 杨振意, 薛立, 许建新.采石场废弃地的生态重建研究进展[J].生态学报, 2012, 32(16):5264-5274. http://d.old.wanfangdata.com.cn/Periodical/stxb201216035

    Yang Z Y, Xue L, Xu J X. Advances in ecology restoration of abandoned quarries[J]. Acta Ecologica Sinica, 2012, 32(16):5264-5274. http://d.old.wanfangdata.com.cn/Periodical/stxb201216035
    [2] 魏远, 顾红波, 薛亮, 等.矿山废弃地土地复垦与生态恢复研究进展[J].中国水土保持科学, 2012, 10(2):107-114. doi:  10.3969/j.issn.1672-3007.2012.02.019

    Wei Y, Gu H B, Xue L, et al. Review of studies on reclamation and ecological restoration of abandoned land of mine[J]. Science of Soil and Water Conservation, 2012, 10(2):107-114. doi:  10.3969/j.issn.1672-3007.2012.02.019
    [3] Duan W, Ren H, Fu S, et al. Natural recovery of different areas of a deserted quarry in South China[J]. Journal of Environmental Sciences, 2008, 20(4): 476-481. doi:  10.1016/S1001-0742(08)62082-3
    [4] 方华, 林建平, 莫江明, 等.采石场生态重建的有关问题[J].生态环境学报, 2006, 15(3): 654-658. doi:  10.3969/j.issn.1674-5906.2006.03.043

    Fang H, Lin J P, Mo J M, et al. Problems of ecological reconstruction in quarries[J]. Ecology and Environment, 2006, 15(3):654-658. doi:  10.3969/j.issn.1674-5906.2006.03.043
    [5] 彭娟.采石废弃地的景观恢复规划研究[D].泰安: 山东农业大学, 2010.

    Peng J. Research on landscape reconstruction planning of wasted quarrying area[D]. Taian: Shandong Agricultural University, 2010.
    [6] Fan L, Liu Y, Fan L, et al. Division of afforestation site type in the watershed of Wangjiagou, West Shanxi through GIS[J]. Frontiers of Forestry in China, 2006, 1(4):419-424. doi:  10.1007/s11461-006-0047-z
    [7] Li B W, Xu X W, Lei J Q, et al. Site type classification for the shelter-forest ecological project along the Tarim Desert Highway[J]. Chinese Science Bulletin, 2008, 53(Suppl.2):31-40. http://cn.bing.com/academic/profile?id=c496b0952544f7c60715ab2944a8b7bc&encoded=0&v=paper_preview&mkt=zh-cn
    [8] 王飞, 赵忠, 郝红科, 等.基于GIS的渭北黄土高原立地类型划分的研究:以永寿县永平乡为例[J].西北农林科技大学学报(自然科学版), 2013, 41(7):133-140. http://d.old.wanfangdata.com.cn/Periodical/xbnydxxb201307022

    Wang F, Zhao Z, Hao H K, et al. GIS based land site classification in Weibei Loess Plateau: a case study in Yongping Town, Yongshou County[J].Journal of Northwest A&F University (Natural Science Edition), 2013, 41(7):133-140. http://d.old.wanfangdata.com.cn/Periodical/xbnydxxb201307022
    [9] 汪沛, 罗锡文, 周志艳, 等.基于微小型无人机的遥感信息获取关键技术综述[J].农业工程学报, 2014, 30(18):1-12. doi:  10.3969/j.issn.1002-6819.2014.18.001

    Wang P, Luo X W, Zhou Z Y, et al. Key technology for remote sensing information acquisition based on micro UAV[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(18):1-12. doi:  10.3969/j.issn.1002-6819.2014.18.001
    [10] 胡荣明, 张敏, 刘潘.高分辨率无人机低空影像DEM的建立及其精度研究[J].测绘科学, 2011, 36(4):201-202. http://d.old.wanfangdata.com.cn/Periodical/chkx201104069

    Hu R M, Zhang M, Liu P. Study on the establishment and accuracy of high-resolution UAV low-altitude image[J]. Science of Surveying and Mapping, 2011, 36(4):201-202. http://d.old.wanfangdata.com.cn/Periodical/chkx201104069
    [11] 谷宁, 冯仲科, 罗旭.基于无人飞行器航测建立数字高程模型研究[J].北京林业大学学报, 2007, 29(增刊2): 152-155. http://www.cqvip.com/QK/95250X/2007S2/3000298679.html

    Gu N, Feng Z K, Luo X. Digital elevation model based on aerial UAV image[J]. Journal of Beijing Forestry University, 2007, 29(Suppl.2):152-155. http://www.cqvip.com/QK/95250X/2007S2/3000298679.html
    [12] 张雅文, 许文盛, 韩培, 等.无人机遥感技术在生产建设项目水土保持监测中的应用:以鄂北水资源配置工程为例[J].中国水土保持科学, 2017, 15(2):132-139. http://d.old.wanfangdata.com.cn/Periodical/zgstbckx201702017

    Zhang Y W, Xu W S, Han P, et al. Application of the UAV remote sensing technology in soil and water conservation monitoring in construction projects: a case study of water resources allocation for the Region Erbei[J]. Science of Soil and Water Conservation, 2017, 15(2):132-139. http://d.old.wanfangdata.com.cn/Periodical/zgstbckx201702017
    [13] 侯恩科, 首召贵, 徐友宁, 等.无人机遥感技术在采煤地面塌陷监测中的应用[J].煤田地质与勘探, 2017, 45(6):1-9. doi:  10.3969/j.issn.1001-1986.2017.06.001

    Hou E K, Shou Z G, Xu Y N, et al. Application of UAV remote sensing technology in monitoring of coal mining-induced subsidence[J]. Coal Geology & Exploration, 2017, 45(6):1-9. doi:  10.3969/j.issn.1001-1986.2017.06.001
    [14] 薛力, 周彦丽.宣化县近30a蒸发量变化特征分析[J].安徽农学通报, 2015, 21(16):131-133. doi:  10.3969/j.issn.1007-7731.2015.16.062

    Xue L, Zhou Y L. Analysis of evaporation change characteristics of Xuanhua County in recent 30 years[J].Anhui Agricultural Science Bulletin, 2015, 21(16):131-133. doi:  10.3969/j.issn.1007-7731.2015.16.062
    [15] 邵轩.基于无人机的城市大比例尺基础地理信息数据快速更新方法[J].测绘通报, 2017(增刊1): 144-146. http://www.cqvip.com/QK/93318X/2017S1/67728466504849558349485156.html

    Shao X. Fast updating of urban large scale fundamental geographic information date based on unmanned aerial vehicle[J]. Bulletin of Surveying and Mapping, 2017(Suppl.1):144-146. http://www.cqvip.com/QK/93318X/2017S1/67728466504849558349485156.html
    [16] 郭建东, 冒爱泉, 殷忠. RTK测量的方法与精度试验[J].测绘科学, 2006, 31(3):59-61. doi:  10.3771/j.issn.1009-2307.2006.03.020

    Guo J D, Mao A Q, Yin Z. Method and accuracy test of RTK measurement[J]. Science of Surveying and Mapping, 2006, 31(3):59-61. doi:  10.3771/j.issn.1009-2307.2006.03.020
    [17] Yin J, Yang K. On the fast processing technique for low-altitude UAV RS system[J]. Bulletin of Surveying & Mapping, 2011, 85(12):15-17. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=chtb201112006
    [18] Wang J, Fu B, Yang Q, et al. Analysis on soil nutrient characteristics for sustainable land use in Danangou Catchment of the Loess Plateau, China[J]. Catena, 2003, 54(1-2): 17-29. doi:  10.1016/S0341-8162(03)00054-7
    [19] Dumanski J, Pieri C. Land quality indicators: research plan[J]. Agriculture Ecosystems & Environment, 2000, 81(2):93-102. http://d.old.wanfangdata.com.cn/Periodical/nygcxb201611036
    [20] Seibert J, Stendahl J, Sørensen R. Topographical influences on soil properties in boreal forests[J]. Geoderma, 2007, 141(1-2):139-148. doi:  10.1016/j.geoderma.2007.05.013
    [21] 张悦瑜.冀北干旱山地提高造林成活率技术[J].河北林业, 2004(4): 15-16. doi:  10.3969/j.issn.1002-3356.2004.04.010

    Zhang Y Y. Experiment on increasing survival rate of afforestation in arid mountainous area of northern Hebei Province[J]. The Journal of Hebei Forestry Science and Technology, 2004(4):15-16. doi:  10.3969/j.issn.1002-3356.2004.04.010
    [22] 赵鹏祥, 徐国策, 王鸿哲, 等.基于GIS的陕北农牧交错带立地类型划分研究[J].西北农林科技大学学报(自然科学版), 2009, 37(10):76-82. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=XW000003034826

    Zhao P X, Xu G C, Wang H Z, et al. Study on the site type classification in agriculture and pasturage interlaced zone of North Shaanxi based on GIS[J]. Journal of Northwest A&F University (Natural Science Edition), 2009, 37(10):76-82. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=XW000003034826
    [23] 王志明.基于GIS的晋西黄土区立地因子分析及类型划分研究[D].北京: 北京林业大学, 2012.

    Wang Z M. Based on "GIS" technology of research of forest site classification in the semiarid loss hilly-gully region[D]. Beijing: Beijing Forestry University, 2012.
    [24] 孙庆艳, 余新晓, 胡淑萍, 等.基于ArcGIS环境下DEM流域特征提取及应用[J].北京林业大学学报, 2008, 30(增刊2):144-147. http://www.cnki.com.cn/Article/CJFDTOTAL-BJLY2008S2028.htm

    Sun Q Y, Yu X X, Hu S P, et al. Extraction and application of hydrological information based on DEM in ArcGIS environment[J]. Journal of Beijing Forestry University, 2008, 30(Suppl.2):144-147. http://www.cnki.com.cn/Article/CJFDTOTAL-BJLY2008S2028.htm
    [25] 南京农学院.土壤农化分析[M].北京:农业出版社, 1980.

    Nanjing Agricultural University. Agrochemical soil analysis[M]. Beijing: Agriculture Press, 1980.
  • [1] 孙钊, 潘磊, 孙玉军.  基于无人机影像的高郁闭度杉木纯林树冠参数提取 . 北京林业大学学报, 2020, 42(): 20-26. doi: 10.12171/j.1000-1522.20190386
    [2] 杨坤, 赵艳玲, 张建勇, 陈超, 赵鹏鹏.  利用无人机高分辨率影像进行树木高度提取 . 北京林业大学学报, 2017, 39(8): 17-23. doi: 10.13332/j.1000-1522.20160428
    [3] 张一茗, 付慧.  基于间隙度的无人机林地航拍图像序列拼接方法 . 北京林业大学学报, 2017, 39(6): 107-115. doi: 10.13332/j.1000-1522.20170020
    [4] 何游云, 张玉波, 李俊清, 王卷乐.  利用无人机遥感测定岷江冷杉单木树干生物量 . 北京林业大学学报, 2016, 38(5): 42-49. doi: 10.13332/j.1000-1522.20150383
    [5] 李一琳, 丁长青.  基于GIS和MaxEnt技术对濒危物种褐马鸡的保护空缺分析 . 北京林业大学学报, 2016, 38(11): 34-41. doi: 10.13332/j.1000-1522.20160134
    [6] 李滨, 杨笑天, 王述洋.  基于FLUENT的森林防火小型无人机的机身仿真优化研究 . 北京林业大学学报, 2015, 37(11): 115-119. doi: 10.13332/j.1000-1522.20150132
    [7] 赵华, 刘勇, 金小麒.  贵州林业发展区划数量化划分研究 . 北京林业大学学报, 2011, 33(2): 7-13.
    [8] 王雷宏, 杨俊仙, 郑玉红, 汤庚国.  苹果属山荆子地理分布模拟 . 北京林业大学学报, 2011, 33(3): 70-74.
    [9] 杨洋, 何春阳, 李晓兵.  基于GIS的云南栽培型普洱茶树大规模种植适宜性评价 . 北京林业大学学报, 2010, 32(3): 33-40.
    [10] 朱小勇, 黄玉琪, 冯仲科, .  水土保持移动监测系统研究与开发 . 北京林业大学学报, 2008, 30(增刊1): 253-257.
    [11] 董斌, 冯仲科, 张冬有, 姚山, 隋宏大, 王佳, .  基于GIS的数字三维林相图构建技术 . 北京林业大学学报, 2008, 30(增刊1): 143-146.
    [12] 胡淑萍, 余新晓, 孙庆艳, 王小平, 秦永胜, 陈俊崎, .  北京山区优势针叶树种侧柏适地性研究 . 北京林业大学学报, 2008, 30(supp.2): 112-116.
    [13] 王原, 吴泽民, 张浩, 赵霞.  基于RS和GIS的马鞍山市分区城市森林景观格局综合评价 . 北京林业大学学报, 2008, 30(4): 46-52.
    [14] 刘盛, 李国伟.  林分碳贮量测算方法的研究 . 北京林业大学学报, 2007, 29(4): 166-169.
    [15] 王芳, 吴彩燕, 黄荣凤, 李瑞, 胡万良, 殷亚方, 何亚平, 张璧光, 秦爱光, 颜绍馗, 魏潇潇, 杨平, 周永学, 白岗栓, 高黎, 张莉俊, 郑小贤, 刘杏娥, 邓小文, 毛俊娟, 王费新, 胡胜华, 袁怀文, 张洪江, 王正, 杜社妮, 王晓欢, 王兆印, 樊军锋, 张克斌, 李猛, 费世民, NagaoHirofumi, 汪思龙, 张岩, 乔建平, 赵天忠, 崔赛华, 常旭, 戴思兰, 谭学仁, 孙向阳, 王小青, 刘燕, 王胜华, 罗晓芳, 李昀, 刘云芳, KatoHideo, 陈放, 张双保, 龚月桦, 范冰, 徐嘉, 江泽慧, 韩士杰, 孔祥文, 江玉林, 高荣孚, 张旭, 李华, 张占雄, 王海燕, , 陈宗伟, 李媛良, 刘秀英, 任海青, IdoHirofumi, 侯喜录, 郭树花, 李晓峰, 陈秀明, , 丁磊, 常亮, 杨培华, , 张代贵, 李考学, 陈学平, , 徐庆祥, 蒋俊明, 薛岩, 高建社, 张桂兰, 费本华, 金鑫, 李雪峰, 涂代伦, 王晓东, , 刘永红, 续九如, 张红丽, 丁国权, , .  基于GIS与信息量模型的地层因素对三峡库区滑坡发育的影响关系 . 北京林业大学学报, 2007, 29(6): 138-142.
    [16] 李雪华, 王兰珍, 李国雷, 李义良, 方升佐, 李生宇, 汪杭军1, 张冬梅, 赵铁珍, 薛康, 刘鹏举, 周传艳, 韦艳葵, 王立海, 王旭, 耿玉清, 任强, HUALi_zhong, 吴丽娟, 段文霞, 刘剑锋, 朱小龙, 党文杰, 雷加强, 宋永明, 崔同林, 韩士杰, 周亮, 余新晓, 李建章, 杨慧敏, 朱波, 苏晓华, 高岚, 黎明, 刘勇, JIANGXi_dian, 方陆明, 刘勇, 尹光彩, 李振基, 何茜, 阎秀峰, 周宇飞, 周国逸, 杨娅, 鹿振友, 喻理飞, 程云清, 宗文君, 徐新文, 王清文, 张冰玉, 唐小明, 周国逸, 沈熙环, 孙向阳, 王春林, 王新杰, 徐扬, 刘锐, 玲, 赖志华, 李吉跃, HEXiu_bin, 虞木奎, 柯水发, 李晓兰, 王伟宏, 茹广欣, 张志毅, 陈实, 郭蓓, 周晓梅, 孙阁, 温亚利, , 宋爱琴, 李俊清, 3, 齐涛, 国庆, 陈培金, 李丙文, 陈峻崎, 张可栋, 王旭, 蒋德明, 唐旭利, 王晓静, 王建林, 姚永刚, 长山, 刘志明, 周玉平, 赵双荣, 关少华, 宋湛谦, 陈放, 王春林, 杨伟伟, 闫俊华, 郑凌峰.  基于GIS的喀斯特森林生态仿真系统的构建 . 北京林业大学学报, 2007, 29(2): 152-155.
    [17]
    ZHAOGuang-jie, 刘常富, 李雪萍, 刘金福, 谭炳香, 张灿, 常德龙, 吴斌, 温俊宝, 徐文铎, 李贤军, 程占红, 匡文慧, 郑凌凌, 王云琦, 张求慧, 齐春辉, 段爱国, 李雪峰, 赵燕东, 李吉跃, 邹大林, 王玉涛, 鲁绍伟, 冯夏莲, 李吉跃, 何承忠, 朱天辉, 韩烈保, 余新晓, 温俊宝, 何兴元, 宋湛谦, 韩士杰, 张建国, 白陈祥, LUOWen-sheng, 吴庆利, 吴斌, 洪伟, 赵广杰, 张树文, 王玉杰, 何友均, 张路平, 翟洪波, 何正权, 李增元, 骆有庆, 骆有庆, ]魏晓霞, 黄文豪, 何静, 郭忠玲, 张志毅, 姜伟, 梁小红, 陈尔学, 童书振, 张养贞, 匡秋明, 林秦文, ]陈玮, 李俊清, 刘凤芹, FurunoTakeshi, 陈发菊, 张军, 张振明, 梁宏伟, 胡伟华, 李颖, 张璧光, 赵桂玲, RENQian, 庞勇, 曾会明, 安新民, 许志春, 郑兴波, 许志春, 崔国发, 雷渊才, 宋国正, PaulWolfgang, 曹川健, 侯伟, 李凤兰, 李福海, 刘君, 赵广亮, 郑杰, 杨凯, 张有慧, 李考学, 姚永刚, 董建生, 张全来, 田桂芳, 李永波, 赫万成, 李长明, 张世玺.  吉林省东部山区近50年森林景观变化及驱动机制研究 . 北京林业大学学报, 2006, 28(3): 38-45.
    [18] 王岩, 张学俭, 贺庆棠, 何磊, 蒋佳荔, 李绍才, 王盛萍, 孙宇瑞, 柳新伟, 罗菊春, 高鹏, 李永慈, 侯旭, 张金凤, 谢响明, 冶民生, 李云成, 盖颖, 张文娟, 朱妍, 陆佩玲, 何静, 马道坤, 申卫军, 冯仲科, 王文棋, 廖学品, 张志强, 崔保山, 成仿云, 昌明, 吕建雄, 张华丽, 关文彬, 李吉跃, 吴玉英, 孙海龙, 唐守正, 康向阳, 张平冬, 王军辉, 静洁, 赵广杰, 关毓秀, 李小飞, 石碧, 史剑波, 于晓南, 杨志荣, 路婷, 何权, 吴斌, 张桂莲, 孙阁, 蒋湘宁, 陈永国, 孙晓霞, 汪燕, 王尚德, 赵燕东, 张满良, 蒲俊文, 马克明, 彭少麟, 林威, 刘国华, 胡文忠, 余新晓, 汪西林, .  RS和GIS支持下的我国农牧交错生态脆弱区LUCC研究——以宁夏盐池县为例 . 北京林业大学学报, 2006, 28(1): 32-38.
    [19] 王勇, 张春雨, 何恒斌, 赵广亮, 于占源, 李秀芬, 于格, 何利娟, 马履一, 李笑吟, 赖巧玲, 杨永福, 张亚利, 吕兆林, 王华, 王献溥, 张力平, 李长洪, 钟健, 姜春宁, 曹金珍, 许月卿, 贾彩凤, 史军辉, 林峰, 郭小平, 李悦, 郝玉光, 朱清科, 王希群, 尚晓倩, 孙长霞, 王骏, 毕华兴, 习宝田, 李鸿琦, 赵博光, 邵晓梅, D.PascalKamdem, 黄忠良, 郭惠红, 贾桂霞, 于顺利, 鲁春霞, 赵秀海, 胥辉, 杨培岭, 杨明嘉, 王继兴, 曾德慧, 郑彩霞, 朱教君, 周金池, 尚宇, 包仁艳, 丁琼, 崔小鹏, 刘燕, 张榕, 陈宏伟, 姜凤岐, 李黎, 任树梅, 甘敬, 郑景明, 杨为民, 费孛, 王庆礼, 张志2, 欧阳学军, 谢高地, 丁琼, 王秀珍, 朱金兆, 蔡宝军, , 沈应柏, 贾桂霞, 张中南, 刘足根, 贾昆锋, 何晓青, 范志平, 沈应柏, 刘鑫, 张池, 刘艳, , 纳磊, 李凤兰, 陈伏生, 鹿振友, 周金池, 李林, 毛志宏, 张方秋, 唐小明, , 周小勇, 赵琼, 马玲, 申世杰, .  基于GIS和RUSLE的土壤侵蚀量计算——以贵州省猫跳河流域为例 . 北京林业大学学报, 2006, 28(4): 67-71.
    [20] 李艳华, 李贤军, 吴娟, 张占宽, 卜崇峰, 王发国, 郝朝运, 杨丽韫, 徐秋芳, 王安志, 宋瑞清, 罗辑, 刘海军, 程万里, 毕华兴, 赵廷宁, 张志, 陈永亮, 旷远文, 王鸿斌, 明军, 程根伟, 马洁, 张启翔, 习宝田, 骆有庆, 张真, 马忠明, 姜培坤, 刘建梅, 李文华, 曹子龙, 冀瑞卿, 张璧光, 叶华谷, 刘一星, 谭秀英, 郭卫东, 陈天全, 刘国彬, 温达志, 朱金兆, 温俊宝, 兰彦平, 郑翠玲, 李笑吟, 李文军, 敏朗, 李伟, 沈泉, 朱清科, 周国逸, 康向阳, 陈玉福, 孔祥波, 刘鹏, 裴铁, 程放, 邢福武, 刘世忠, 孙保平, 何祖慰, 李延军, 马其侠, 则元京, 张志明, 张宇清, 金昌杰, 沈佐锐, 姚爱静, 陈红锋, 张德强, 丁国栋, 金幼菊, 冯继华, 陶万强, 曹刚, 魏铁.  基于DEM的数字地形分析 . 北京林业大学学报, 2005, 27(2): 49-53.
  • 加载中
图(2) / 表 (7)
计量
  • 文章访问数:  855
  • HTML全文浏览量:  212
  • PDF下载量:  44
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-02-01
  • 修回日期:  2018-04-05
  • 刊出日期:  2018-09-01

基于无人机遥感技术的废弃采石场立地条件类型划分

doi: 10.13332/j.1000-1522.20180051
    基金项目:

    林业公益性行业科研专项 200904030

    中央高校基本科研业务费专项 BLX2015-28

    作者简介:

    马得利。主要研究方向:工程绿化与水土保持。Email:523695842@qq.com 地址:100083 北京市海淀区清华东路35号北京林业大学水土保持学院

    通讯作者: 杨建英,博士,副教授。主要研究方向:水土保持监测与生态修复。Email:jjyang@bjfu.edu.cn 地址:同上
  • 中图分类号: X171.4

摘要: 目的无人机遥感影像和ArcGIS技术结合成为废弃地生态恢复的新手段,而准确划分立地类型是废弃采石场生态修复和造林绿化的关键基础步骤。本研究基于无人机遥感影像技术和ArcGIS技术,快速、准确地实现对冀北山区废弃采石场立地条件类型的划分。方法以草帽山废弃采石场为试验区,采用数量化理论Ⅰ与ArcGIS空间分析,对废弃采石场的立地类型划分和立地质量评价,再得到立地类型分布图,并与实地立地因子分类结果进行精度检验。结果利用上述方法将冀北草帽山采石场废弃地划分为9种立地类型,同时根据立地分级结果将试验区立地定量评价为4个等级;与实地立地类型调查结果对比发现,本研究划分结果精度高达96%。结论无人机遥感影像与ArcGIS技术的结合应用不仅能实现采石场废弃地立地类型的高精度划分,还能够为采石场废弃地以期合理规划造林绿化提供决策依据和技术支撑。

English Abstract

马得利, 孙永康, 杨建英, 史常青, 张艳, 张春禹. 基于无人机遥感技术的废弃采石场立地条件类型划分[J]. 北京林业大学学报, 2018, 40(9): 90-97. doi: 10.13332/j.1000-1522.20180051
引用本文: 马得利, 孙永康, 杨建英, 史常青, 张艳, 张春禹. 基于无人机遥感技术的废弃采石场立地条件类型划分[J]. 北京林业大学学报, 2018, 40(9): 90-97. doi: 10.13332/j.1000-1522.20180051
Ma Deli, Sun Yongkang, Yang Jianying, Shi Changqing, Zhang Yan, Zhang Chunyu. Site condition classification based on remote sensing technology of unmanned aerial vehicle in abandoned quarry[J]. Journal of Beijing Forestry University, 2018, 40(9): 90-97. doi: 10.13332/j.1000-1522.20180051
Citation: Ma Deli, Sun Yongkang, Yang Jianying, Shi Changqing, Zhang Yan, Zhang Chunyu. Site condition classification based on remote sensing technology of unmanned aerial vehicle in abandoned quarry[J]. Journal of Beijing Forestry University, 2018, 40(9): 90-97. doi: 10.13332/j.1000-1522.20180051
  • 随着土地资源和生态环境问题的日趋凸显,废弃采石环境保护与恢复治理成为研究土地资源可持续利用的新兴领域。采石场正常开采过程破坏的大量山体,引发了一定程度的生态环境问题,突出表现为大量土地资源被占用、植被恢复受限、生物量减少、水土流失加剧等,进而导致生态系统服务功能每况愈下[1]。有专家推测,废弃采石场土壤和植被的自然恢复周期十分缓慢,一般需要100年以上的时间[2]。从废弃采石场造林技术、微地貌与土壤关系的研究到如何重建废弃地生态系统,相关专家学者对恢复废弃地生态环境做了大量研究工作[3-5]。正确评价废弃地类型和特征是实现废弃地生态环境恢复和重建的基础,也是加快废弃地生态环境的关键。而目前传统的立地划分主要基于生态因子的组合[5-8],通常需要实地多点调查,受采石场迹地地形复杂性、调查难度大、工作量大且危险度高等因素的影响,往往不能较为精确地反映立地类型的全貌,使得立地类型划分对实践的指导性受到影响。

    然而,随着无人机在民用层面的普及,无人机低空技术可快速获取高分辨率地形资料,无人机遥感成为卫星遥感和航天遥感的有益补充[9]。有学者对其遥感精度研究表明,无人机遥感影像精度可达厘米级[10-11],且精度随地面控制点的增加随之提高。近几年,无人机凭借极强的机动性、低廉的成本、快速高效、精准及时等优点,已广泛应用于农业监测、电力维修、水利勘查、交通等及突发地质灾害的应急保障[12-13],逐渐受到地理测绘领域的接受和认同,成为小范围高精度遥感影像快速获取的重要测绘工具之一,尤其在高危地带调查工作方面表现出了极强的应用价值。因此,本研究利用无人机技术,以草帽山采石场废弃地为试验区,以数量化理论Ι和ArcGIS空间分析功能相结合的方法[6],进行试验区的立地类型划分和立地质量评价,以期为废弃采石场合理规划造林绿化提供决策依据,同时为当地生态环境信息化管理提供新思路和新方法。

    • 张家口草帽山废弃采石迹地位于张家口市东南28km处,40°41′ N,114°57′ E,试验区呈西北-东南长条状走势,宽约650m,长约2500m,总面积约162.5hm2,试验区属冀北山地区,半干旱大陆性季风气候,全年平均最高气温19℃,平均最低气温11℃;全年平均最大风速为18m/s, 平均最小风速2.0m/s; 最高海拔为780m,最低为654m,年平均降水量361.7mm[14]

      草帽山以石灰岩为主,属小型露天石料常规开采,开矿程度大,岩石裸露,地表破坏严重,植被覆盖度5%~10%。为了加快废弃地的植被快速恢复,采石场在2015年10月进行客土回填和土地整治,面积为66.05hm2。2016年4月,进行低空航测和实地调查。

    • 本研究采用轻小型多旋翼无人机大疆PHANTOM 4Pro,搭载型号为FC300S-4000*3000小型4K相机,有效像素2000万,镜头FOV是94°20mm(35mm格式等效)f/2.8焦点无穷远;内置GPS定位系统,悬停精度垂直±0.1(视觉定位正常工作时),±0.5m(GPS定位正常工作时);水平±0.3m(视觉定位正常工作时),±1.5m(GPS定位正常工作时)。

      以冀北山地草帽山矿区采石场废弃地为试验区,以无人机为航测平台,借鉴邵轩[15]无人机航摄测制大比例地形图的工作流程,参照《低空数字航空摄影测量外业规范》《1:1000比例尺地形图航空摄影规范》,根据试验区地貌特征,利用Altizure航线规划软件控制航测高、航向重叠度、旁向重叠度等参数,以确保航测照片质量和影像精度。本研究设置航测高度为100m,航向重叠度为80%,航向重叠度60%,采用分段设计航线,多架次模式航测,共计12个架次,共获取原始照片1178张。控制点布设采用区域网布点法,在试验区均匀布设地面控制点,利用RTK测量获取控制点坐标,平面及高度精度为±0.05m(当工作半径≤10km时)[16]

    • 无人机低空遥感系统包括技术人员、飞行系统、地面系统、任务载荷和数据链,通过“人、机、地、载、链”5大集成的相互配合,快速、高效获取地表的信息[17],原始照片经过后处理得到测区数字产品。本研究运用现代摄影测量自动化处理软件Agisoft PhotoScan 3D进行试验区DEM构建,严格执行航测外业规范,新建项目模块,导入照片;对齐照片,创建模型间拓扑关系,通过软件全自动匹配提取大量点云数据,同时剔除不合格点,获取DEM数据源;相对定向,导入野外实测控制点,进行各分区影像的绝对定向,自动完成空三解算;通过特征点匹配,交互式编辑,创建TIN模型,生产DEM,导出不同栅格尺寸的DEM数字产品数据,并设置坐标系统。本研究选用0.5m×0.5m栅格数据进行试验尝试,坐标系统为WGS-1984。

    • 准确划分立地条件的基础是综合考虑影响植被生长的环境因子,包括光、热、水、空气及土壤养分等,其中光和热是受地理纬度、大气环流和海拔高度影响的宏观因子[18-19];由于单个矿山立地分类面积较小,经纬度、海拔、降雨量等宏观因素差异不大,由于回填的客土来自同一土源地,经分析发现,其土壤养分差异性不大;而土壤水分受地形特征和小环境气候影响显著,可短时间内发生变化[20],并且土壤水分是制约半干旱地区植被生长的主要因子[21]。故本研究立地因子主要考虑坡度、坡向以及土壤水分,而正是这些因子直接关系到废弃地植被成活率、生长情况及生态修复程度,也是科学支撑造林绿化决策的基础数据。

      通过文献总结[8, 22],借鉴在生产实践中被广泛采用的坡向分级方法,确定坡向分类标准(表 1),并参考《GB-T 15772—2008水土保持综合治理规划通则》,综合考虑废弃地实际地形特征表现情况确定坡度分级标准(表 2)。

      表 1  坡向立地因子的等级划分

      Table 1.  Grade classification of slope aspect site factors

      坡向
      Slope aspect
      方位
      Orientation
      方位角范围
      Azimuth range/(°)
      阳坡Sunny slope 南South [157.5, 202.5)
      东南Southeast [112.5, 157, 5)
      西南Southwest [202.5, 247.5)
      西West [247.5, 292.5)
      阴坡Shady slope 北North [337.5, 22.5)
      西北Northwest [292.5, 337.5)
      东北Northeast [22.5, 67.5)
      东East [67.5, 112.5)

      表 2  坡度立地因子的等级划分

      Table 2.  Grade classification of slope degree site factors

      坡度等级
      Slope degree grade
      坡度范围
      Slope degree range/(°)
      平地Flat [0, 5]
      缓坡Gentle slope (5, 15]
      斜坡Incline slope (15, 25]
      陡坡Steep slope (25, 35]
      急陡坡Very steep slope (35, 90]
    • 以无人机获取的遥感影像DEM,结合ArcGIS空间表面分析功能,依据坡向、坡度各因子分类标准,提取试验区坡向、坡度2个地形因子,制作各地形因子专题图[23-24];并运用ArcGIS叠加分析功能进行试验区立地条件类型划分。

    • 试验区全面覆土整地6个月后,进行实地调查和无人机航测。根据地貌特征、覆土夯实情况在试验区均匀布设95个采样点,逐点进行立地类型实地调查,并用环刀法进行土壤取样,取样深度控制在20cm左右,取完后装入铝盒,封存并带回,烘干法测定土壤含水率[25],同一采样点取3次重复,求出平均值作为某一采样点的土壤含水率,由RTK(Real-time kinematic)记录观测点坐标。试验区采样点DEM图(图 1)。

      图  1  试验区采样点DEM图

      Figure 1.  Sample plot DEM of study area

    • 在数量化理论中,将定性的变量叫项目,把定性变量的各种取“值”称作类目。由因子筛选结果,以坡向、坡度2个地形因子作为本研究项目;其中坡度分为平地、缓坡、斜坡、陡坡、急陡坡5个类目;坡向分为阳坡、阴坡2个类目;即将试验区分为2个项目10个类目,按示性函数(即0~1数量化方法)建立原始数据反应表,即:

      $$ $${x_{ij}} = \left\{ \matrix{ 1, \;{\rm{当第}}j样品中{i项目的定性数据为k类目时;} \hfill \cr 0, 否则\hfill \cr} \right.$$ $$ (1)
    • 以土壤含水率作为基准变量,以地形因子为自变量,利用数量化理论Ι的数学模型建立预测方程,即:

      $$ {y_i} = \sum\limits_{i = 1}^m {\sum\limits_{k = 1}^{{c_i}} {{x_{ij}}} } (j){a_{ik}} + {\varepsilon _i}, j = 1, 2, \cdots , n $$ (2)

      式子:yi是因变量,y是在第j个样品中的观测值;m是项目值;Ci是类目值;xij(j)为i项目的k类目在j样品中的反应;aik是仅依赖于i项目之k类目的常系数;εij次抽样的随机误差。

    • 将95个观测点(n=95)的项目、类目反应值xij(j)带入(2)式中,通过运算预测方程,即可得到各因子对土壤水分的贡献得分。

    • 对数量化理论研究结果表明,一般采用样本20%进行预测结果检验[6, 22],故本研究在95个样点中,随机抽取20个样本数据用作土壤水分的预测检验,其余75个样本用于构建模型,编制数量化得分表。

    • 通过利用数量化理论 Ι 建立的数学预测模型,本研究得到各地形因子对土壤水分的影响得分(表 3)。坡向、坡度2个地形因子对试验区土壤水分均有影响,从各项目偏相关系数可知,对土壤水分的影响按大小顺序依次为坡向、坡度。在预估人为扰动条件下形成的立地质量时,根据所考虑的因子数量不同,查表 3中不同Xi列各类目得分值,进行代数和计算得到立地质量得分,若考虑坡向、坡度2个地形因子预测试验区立地质量时,便查表 3X2列中各类目得分并进行代数和计算,如阴向平坡,由表 3X2列相应类目的得分可知:阴坡为9.15,平坡1.77,其代数和为9.15+1.77=10.92,此值反应出该立地类型质量的得分,即反应了该立地质量目前的相对好坏程度。

      表 3  试验区各立地因子得分表

      Table 3.  Score of site factors in study area

      项目
      Item
      项目
      Item
      各因子得分Score of each factor 偏相关系数
      Coefficient of partial correlation
      X1 X2
      坡向Slope aspect 阳坡Sunny slope 8.87 8.55 0.3376
      阴坡Shady slope 9.77 9.15
      坡度Slope degree 平地(0~5°) Flat (0-5°) 1.77 0.295 5
      缓坡(5°~15°) Gentle slope (5°-15°) 1.08
      斜坡(15°~25°) Incline slope (15°-25°) -0.12
      陡坡(25°~35°) Steep slope (25°-35°) -0.87
      急陡坡Very steep slope ≥35° -1.34
      负相关系数Negative correlation coefficient 0.337 6 0.385 1
      注:X1X2分别代表考虑1、2个项目时的因子得分。Notes: X1 and X2 represent the factor scores when considering 1 and 2 items, respectively.

      将随机抽样的20个样本数据代入表 3得到观测点土壤水分理论值,通过对土壤水分进行相对误差、相对均方差、相对平均误差检验计算(表 4)。由表 4各检验值和拟合值对比关系可看出,当项目为2个(即坡向、坡度作为项目)时,所有检验和拟合的误差均小于5%,模型可行。

      表 4  土壤水分模型检验结果

      Table 4.  Checking results of soil water model

      自变量
      Independent variable
      相对误差范围
      Relative error range/%
      相对均方差
      Relative mean square deviation/%
      相对平均系数误差
      Relative mean coefficient error/%
      拟合值
      Fitting value
      检验值
      Examining value
      拟合值
      Fitting value
      检验值
      Examining value
      拟合值
      Fitting value
      检验值
      Examining value
      X1 -17.293~25.673 -16.852~25.186 15.260 15.735 4.954 4.741
      X2 -14.579~10.012 -14.587~9.860 10.527 10.726 4.178 4.305
    • 依据试验区坡向、坡度2个地形因子得分表,编制立地质量分级表。编制方法为将得分表中各类目得分值代数和的极差值3等分,将其值由最大到最小划分为4个数值范围,即构成4个立地等级,分别以等级符号Ι、Ⅱ、Ⅲ、Ⅳ表示其等级关系(表 5)。

      表 5  试验区立地质量分级结果

      Table 5.  Grading results of site quality in the study area

      立地等级
      Site grade
      土壤含水量Soil moisture content/(g·kg-1)
      X1 X2
      97.7~94.7 109.2~96.9
      94.7~91.7 96.9~84.5
      91.7~88.7 84.5~72.1
      <88.7 <72.1

      本研究选择以坡向、坡度2个项目时的土壤水分预测模型,对试验区立地进行定量评价,即查询表 5X2列立地质量分级结果。

    • 利用ArcGIS提取坡度图层中坡度小于5°的平地,并生成一个单独的矢量图层,以该图层对各个立地因子图层进行删除处理。将删除后的坡向、坡度及平地图层利用ArcGIS中的交集功能做叠置分析,将试验区划分为9种立地类型。采用“坡向-坡度”的形式对各立地类型命名,添加叠加图层属性数据表示立地类型的字段,得到立地类型划分分布图(图 2)。统计各立地类型属性;同时,查询立地质量分级表 5X2值进行立地质量评价(表 6)。

      图  2  试验区立地类型分布图

      Figure 2.  Site type distribution map in study area

      表 6  试验区各立地类型质量评价与统计

      Table 6.  Quality evaluation and statistics of site types in the study area

      立地类型
      Site type
      立地等级
      Site grade
      面积/hm2
      Area/ha
      面积占比
      Area percentage/%
      平地Flat 5.15 7.80
      阳向缓坡Sunny gentle slope 13.11 19.85
      阳向斜坡Sunny incline slope 3.75 5.68
      阳向陡坡Sunny steep slope 9.04 13.69
      阳向急陡坡Sunny very steep slope 6.16 9.32
      阴向缓坡Shady gentle slope 6.89 10.44
      阴向斜坡Shady incline slope 2.90 4.38
      阴向陡坡Shady steep slope 0.46 0.70
      阴向急陡坡Shady very steep slope 18.59 28.14

      图 2表 6可知,Ι等立地主要集中分布在平地和阴向缓坡,占试验区总面积的18.24%,这一部分立地土壤水分保存能力最好,水分流失缓慢,平坦的地势条件为客土回填的提供了便利,施工相对规范,进而优化了土壤物理结构,保证了土壤水分的保存能力,为植被前期生长提供了有力的环境条件。Ⅱ和Ⅲ等立地分别分布在阳向缓坡和阴向斜坡、阳向斜坡、阳向陡坡、阴向陡坡和阴向急陡坡,分别占试验区总面积的24.23%和48.21%,这一部分立地土壤水分保存能力较好,回填的客土土壤水分较平地土壤水分有所减少,坡度的变化、不同坡向光照时长差异是该部分立地土壤水分流失加快的主要原因;该部分立地在造林绿化时建议以耐旱植被为主,加强后期抚育管理,保证植被成活率。Ⅳ等立地主要分布在阳向急陡坡,该部分立地坡度大,地势险峻,覆土整地不完全,导致这一部分立地土壤水分受限制,短时间内水土流失严重,甚至出现岩层再次裸露的现象;故该部分立地类型建议重新改造,有针对性的制定绿化方案,如采用坡面挂网喷播或植被毯铺设技术等。

    • 将实地调查的立地类型划分结果导入GIS生成点状矢量图层,通过与本研究立地类型划分结果进行叠置分析,得到具有采样点立地信息与本研究立地类型划分结果的叠加图层,逐个比对采样点所有各立地因子,全部相同则认为划分准确,否则不同。经统计有72个采样点立地信息与本研究立地类型划分结果完全相符,分类精度为96%(表 7)。其中,与采样点立地信息不相符的采样点中,误差集中表现在坡度因子上。

      表 7  试验区各立地类型精度检验分析表

      Table 7.  Precision testing analysis in each site type in study area

      立地类型
      Site type
      样点数
      Sample plot number
      权重
      Weight/%
      准确率
      Accuracy rate/%
      平地Flat 10 13.33 100.00
      阳向缓坡Sunny gentle slope 9 12.00 100.00
      阳向斜坡Sunny incline slope 9 12.00 88.89
      阳向陡坡Sunny steep slope 7 9.33 85.70
      阳向急陡坡Sunny very steep slope 8 10.67 100.00
      阴向缓坡Shady gentle slope 9 12.00 100.00
      阴向斜坡Shady incline slope 7 9.33 85.70
      阴向陡坡Shady steep slope 7 9.33 100.00
      阴向急陡坡Shady very steep slope 9 12.00 100.00
      合计Total 75 100.00 96.00%
      注:权重/%=(各立地类型样点数/采样点总数)/%. Note:weight/%=(sample plot amount of each site type /total amount of sample plots)/%.
    • (1) 通过对空间数据库中提取出来的坡向、坡度地形特征因子值与土壤水分关联解析,结合数量化理论Ι分析发现,坡向、坡度对试验区土壤含水量均有影响,且坡向>坡度;利用无人机遥感影像和ArcGIS空间分析功能,将试验区划分为9种立地类型且进行评价;Ι、Ⅱ、Ⅲ等立地占试验区面积的90.68%,该部分立地土壤水分保存较好,可直接绿化,但需加强抚育管理;Ⅳ等立地占试验区面积的9.32%,该部分立地受急陡坡因子影响,土壤水分受限制,可通过再次改造进行绿化,绿化以工程措施为宜。

      (2) 本研究在传统立地类型划分方法的基础上,利用无人机遥感影像,利用ArcGIS技术,对草帽山采石场废弃地进行了小范围尺度内的立地类型划分,同时与实地调查结果对比,进行精度验证并达到96%,满足造林绿化生产实践的需求。因此表明无人机遥感影像在采石场废弃地小尺度范围内对立地类型划分是可行的。

      由精度验证结果可知,坡度因子是导致本研究立地类型划分误差的主要原因。一方面可能是与DEM精度筛选的适用性有关,另一方面由于坡度提取的准确性主要依赖于遥感影像的高程精度,无人机遥感影像的高程精度与无人机自身定位系统的精度、航线规划方式、地面控制点布设方式等因素有关,根据不同地貌特征采取不同航测技术并选择适用的DEM精度,以提高立地划分精度。但是,与以往基于3S技术的立地类型划分方法相比,本研究利用全新的遥感影像测绘工具无人机近地获取高精度影像,可减轻繁琐的野外任务,同时消除高危地带作业安全隐患,无人机在立地类型划分调查工作中具备极强的应用价值。不但提高了影像精度和工作效率、降低了影像获取成本,而且可构建基于小尺度遥感影像立地划分研究的数据库,为小范围立地划分的信息化提供新思路和新方法。

      由于本研究区域前期经客土回填和土地整治,恢复之前土壤属性单一,短时间内土壤化学性质对土壤影响不大,在土壤属性单一、植被覆盖率较低的小范围尺度内有较好的适用性,在其他区域或大范围尺度内,特别是土壤属性变化较大的区域,利用该方法进行立地划分研究时,应根据不同划分需求考虑不同数量的土壤属性因子和其他地形因子。

参考文献 (25)

目录

    /

    返回文章
    返回