论文部分内容阅读
中国为世界第三大冻土国，以青藏高原为主的多年冻土面积约为1.5×106km2。
全球气候变暖及人类活动增加导致了地下冰融化、多年冻土退化等冻土问题，容易诱发热融滑塌。热融滑塌一旦形成就会产生溯源侵蚀滑塌，发展速度快、滑塌范围大，对冻土区重大工程、生态环境和水资源均产生重要影响，同时热融滑塌释放存储在冻土中的碳，极大地影响大气中的碳循环和全球气候变化。因此，大范围获取冻土环境中热融滑塌分布状况及其时空变化信息，对冻土区工程建设规划、冻土灾害防治、生态环境保护和全球变化研究具有重要的科学意义和应用价值。
遥感影像解译是大范围热融滑塌变化信息提取的主要方式。作为一种新型测绘技术，无人机(Umanned Aerial Vehicle，UAV)遥感具有应用机动灵活、使用成本低、操作简单、获取高分辨率影像数据、自动化程度高等诸多优势，近年来被广泛应用于国土、地质、规划和救灾多个领域。此外，传统基于像元的遥感分类方法会产生“椒盐”现象，在UA、，高分辨率遥感分类研究存在挑战。面向对象分析(object-oriemed analysis，OOA)是以影像对象作为分类的最小单元，通过对对象进行分析、训练提取对象的光谱、形状、纹理等多种语义信息，能够得到较高精度的信息提取结果，可有效弥补基于像元分类方法存在的不足，更适合高空间分辨率影像信息提取。
本文以祁连山黑河上游东支俄博岭垭口的冻土区为研究区，基于无人机高分辨率影像，利用机器学习面向对象分类技术提取研究区内热融滑塌信息，并结合GPS R1、K实地测量数据，探究最邻近、决策树、支持向量机、随机森林、K全N等5种机器学习方法在冻土热融滑塌监测中的可行性和适用性。此外，利用多时相卫星和无人机遥感数据，开展了研究区热融滑塌变化研究，并初步估算了热融滑塌碳释放量。论文研究内容和主要结论如下:
(1)利用无人机高分辨率影像和面向对象分类技术提取热融滑塌边界，总体精度均在90％以上，其中，SVM方法的Kappa系数高于其他四种分类方法，表明该方法在本实验研究中更适合无人机遥感影像热融滑塌边界提取。
(2)2009～2018年俄博岭冻土区热融滑塌呈增长趋势。热融滑塌数量上从2009年的12条增至2018年的16条;每条滑塌的面积在各个时间段内都有明显增加。总面积从2009年的14718.9m2增加到2018年的28579.46m2，增加了近两倍，平均每年增加6％左右，而2016年和2018年则增加比较显著，分别达到11％和27.15％。
(3)利用2016年、2017年和2018年三期UAV重建的高精度DSM数据，获得了研究区7条热融滑塌高程变化信息，结果表明，7条热融滑塌均发生不同程度的垮塌现象(平均表面高程减薄0.24m)，HTl4号是整个研究区高程变化最严重的热融滑塌，形成约10m左右滑塌坑。
(4)2016～2018年该研究区内总的碳释放量为16.33×10-4MtC。最大的碳释放量为HT1号滑塌，释放量分别为4.95×10-4MtC(2017～2018时间段)和4.80×10-4MtC(2016～2017时间段)，占总体释放量的60％。HT14号滑塌虽然所占面积比重比较少(1％)，但是碳释放比重较大(11％)，是碳释放量贡献较大的滑塌之一。
全球气候变暖及人类活动增加导致了地下冰融化、多年冻土退化等冻土问题，容易诱发热融滑塌。热融滑塌一旦形成就会产生溯源侵蚀滑塌，发展速度快、滑塌范围大，对冻土区重大工程、生态环境和水资源均产生重要影响，同时热融滑塌释放存储在冻土中的碳，极大地影响大气中的碳循环和全球气候变化。因此，大范围获取冻土环境中热融滑塌分布状况及其时空变化信息，对冻土区工程建设规划、冻土灾害防治、生态环境保护和全球变化研究具有重要的科学意义和应用价值。
遥感影像解译是大范围热融滑塌变化信息提取的主要方式。作为一种新型测绘技术，无人机(Umanned Aerial Vehicle，UAV)遥感具有应用机动灵活、使用成本低、操作简单、获取高分辨率影像数据、自动化程度高等诸多优势，近年来被广泛应用于国土、地质、规划和救灾多个领域。此外，传统基于像元的遥感分类方法会产生“椒盐”现象，在UA、，高分辨率遥感分类研究存在挑战。面向对象分析(object-oriemed analysis，OOA)是以影像对象作为分类的最小单元，通过对对象进行分析、训练提取对象的光谱、形状、纹理等多种语义信息，能够得到较高精度的信息提取结果，可有效弥补基于像元分类方法存在的不足，更适合高空间分辨率影像信息提取。
本文以祁连山黑河上游东支俄博岭垭口的冻土区为研究区，基于无人机高分辨率影像，利用机器学习面向对象分类技术提取研究区内热融滑塌信息，并结合GPS R1、K实地测量数据，探究最邻近、决策树、支持向量机、随机森林、K全N等5种机器学习方法在冻土热融滑塌监测中的可行性和适用性。此外，利用多时相卫星和无人机遥感数据，开展了研究区热融滑塌变化研究，并初步估算了热融滑塌碳释放量。论文研究内容和主要结论如下:
(1)利用无人机高分辨率影像和面向对象分类技术提取热融滑塌边界，总体精度均在90％以上，其中，SVM方法的Kappa系数高于其他四种分类方法，表明该方法在本实验研究中更适合无人机遥感影像热融滑塌边界提取。
(2)2009～2018年俄博岭冻土区热融滑塌呈增长趋势。热融滑塌数量上从2009年的12条增至2018年的16条;每条滑塌的面积在各个时间段内都有明显增加。总面积从2009年的14718.9m2增加到2018年的28579.46m2，增加了近两倍，平均每年增加6％左右，而2016年和2018年则增加比较显著，分别达到11％和27.15％。
(3)利用2016年、2017年和2018年三期UAV重建的高精度DSM数据，获得了研究区7条热融滑塌高程变化信息，结果表明，7条热融滑塌均发生不同程度的垮塌现象(平均表面高程减薄0.24m)，HTl4号是整个研究区高程变化最严重的热融滑塌，形成约10m左右滑塌坑。
(4)2016～2018年该研究区内总的碳释放量为16.33×10-4MtC。最大的碳释放量为HT1号滑塌，释放量分别为4.95×10-4MtC(2017～2018时间段)和4.80×10-4MtC(2016～2017时间段)，占总体释放量的60％。HT14号滑塌虽然所占面积比重比较少(1％)，但是碳释放比重较大(11％)，是碳释放量贡献较大的滑塌之一。