无人机遥感影像在土地确权测绘中的应用
李朝旭
(临海市天时土地勘测规划设计有限公司,浙江 台州 317000)
[摘 要] 为提升土地确权测绘效果,研究无人机遥感影像在土地确权测绘中的应用。采集光线充足的土地遥感影像,结合中值滤波与小波变换预处理土地遥感影像,通过空中三角测量确定影像内各测点坐标,制作数字高程模型数字高程模型(DEM)与数字正射影像(DOM),通过Feature立体测图系统,操作手轮脚盘完成土地确权测绘。实验证明:该方法能精准完成土地确权测绘。
0 引言
土地承包经营权确权登记属于一种物权登记,登记内容包含居民承包土地的面积与位置等信息,通过土地确权测绘,可确保居民对承包地的各项权益,提升居民的经济效益[1-3]。陈飞等人提出土地确权测绘方法,该方法可促进农业劳均产出,降低劳动密集强度[4-5]。韦蕾蕾等人首先对无人机单视场图像进行畸变校正,再提取目标区域像素,结合实际面积比例,完成土地确权测绘,该方法可有效完成土地确权测绘,且操作简便[6]。但这两种方法制作的大比例尺地形图高程精度较低,无法满足土地确权测绘的实际需求。为此研究无人机遥感影像在土地确权测绘中的应用。
1 土地确权测绘方法
利用固定翼无人机搭载遥感传感器,采集土地遥感影像,通过土地遥感影像预处理与空中三角测量等完成土地确权测绘[7],无人机遥感影像在土地确权测绘中的应用流程如图1所示,其中DEM、DOM、DLG的缩写全称为数字高程模型(digital elevation model,DEM)、数字正射影像(digital orthophoto map,DOM)、数字线划地图(digital line graphic,DLG)。
图1 无人机遥感影像在土地确权测绘中的应用流程
1.1 土地确权测绘中的无人机航线规划设计
土地遥感影像采集区域确定后,需规划设计无人机航线,航线规划设计的影响因素包括遥感影像重叠度、航高与飞行时间等。航线规划设计的前提是确保遥感影像采集时阳光充足,同时阴影较小[8-9]。无人机遥感影像采集过程中航线规划设计需要的采集区域太阳高度角与阴影倍数如表1所示。
表1 遥感影像采集区域太阳高度与阴影倍数
按照表1中设置的区域太阳高度角与阴影倍数,采集土地遥感影像,可有效防止因太阳高度导致的阴影。航线设计过程中,需按照无人机航行距离,设计合理的航行时间,尽可能减少航行时间[10]。
航线设计过程中需选择地面分辨率、分割航摄区域。分割航摄区域的要求是分割区域界线和图廓线相同。地面采样距离(ground sampling distance,GSD)与无人机航高H的关系为
(1)
其中,像元尺寸是a;焦距是f。
由式(1)可知,通过GSD可确定H,结合地面高程,可获取无人机的绝对航高,即H加地面高。按照无人机航向重叠度,求解航向间隔与遥感传感器拍摄间隔,公式为
(2)
其中,遥感传感器等距拍摄间隔是Bx;航线间隔是By;横、纵方向的像幅高度是Ax、Ay;遥感影像的航向、旁向重叠度是px、py。
1.2 土地遥感影像预处理
利用中值滤波与小波变换结合的去噪方法,预处理无人机搭载遥感传感器采集的土地遥感影像[11],具体步骤如下:
步骤1:二维小波变换带噪的土地遥感影像,将土地遥感影像变换至小波域中,分解层数为3层,分解3层后获取各子带土地遥感影像;
步骤2:通过邻域平均法滤波处理小波变换后的低频子土地遥感影像,令土地遥感影像像素的灰度值是W(j,k),采用邻域平均法对W(j,k)进行滤波,则像素w(j,k)相应的输出为
(3)
其中,土地遥感影像像素是w(x,y);可调节因子是η;窗口像素均值是U(j,k);窗口像素点集是A。
邻域均值平滑过程中,以单位距离为半径,选取邻域,公式为
L={(j-1,k-1),(j+1,k),(j,k+1),(j-1,k)}
(4)
其中,窗口像素横纵方向像素均值是j、k。
通过超限邻域平均法处理土地遥感影像,降低土地遥感影像模糊失真程度,公式为
(5)
其中,土地遥感影像邻域像素均值是w(j,k);阈值是T。
步骤3:中值滤波各高频子带土地遥感影像,通过局部能量E(x,y)确定脉冲点,高于E(x,y)的点是脉冲噪声点,E(x,y)的公式为
E(x,y)=max({E1(x,y),E2(x,y)})
(6)
其中,
滤波窗口内的局部均值是u;土地遥感影像横纵方向像素值是x、y。
邻域窗口的局部能量阈值为
(7)
其中,常数是α;邻域内点的数量是M;第m个点的局部能量是Em。通过E(x,y)>T′条件确定某点是否是脉冲噪声,如果符合该条件,那么该点是脉冲噪声,需展开中值滤波处理。
式中,S为分解尺度,其中,s=1,2,…,S,σ为噪声标准差,通过自适应小波阈值处理各高频子带土地遥感影像,自适应小波阈值公式为
(8)
其中,三种子带土地遥感影像编号是i=1,2,3;第i个子带土地遥感影像常数是Ci。
步骤4:通过小波软阈值函数获取阈值量化中值滤波处理后的土地遥感影像,公式为
λ[w(j,k)]=sgn[w(j,k)]+
(9)
其中,第i个子带土地遥感影像的自适应小波阈值是
小波软阈值函数是λ[w(j,k)]。
步骤5:对阈值量化后的各高频子带土地遥感影像,实施合理的系数增强,令土地遥感影像符合人们的视觉需求。
步骤6:小波逆变换系数增强后的土地遥感影像,获取预处理后的土地遥感影像。
1.3 土地确权测绘中无人机遥感影像空中三角测量方法
有理多项式系数(rational polynomial coefficients,RPC)模型属于通用成像模型,空中三角测量方法利用RPC模型按照预处理后的土地遥感影像,塑造与实地对应的航线模型,获取土地确权测绘过程中需要的坐标与高程[12-13]。
设定预处理后的土地遥感影像像点坐标是(r,c),地面点空间坐标是(X,Y,Z),RPC模型是将(r,c)变换成以对应(X,Y,Z)为自变量的多项式比值,公式为
(10)
其中,以(X,Y,Z)为自变量的四个多项式是q1、q2、q3、q4;qi′(X,Y,Z)的计算公式为
(11)
其中,多项式编号是i′=1,2,3,4;第i′个多项式的平移参数是a0i′,a1i′,…,a19i′。
土地遥感影像像素坐标(R,C)与(X,Y,Z)经过平移与缩放变换后的标准化坐标是(r,c)、(x′,y′,z),变换关系为
(12)
其中,标准化平移参数是
标准化比例参数是
通过式(12)获取土地确权测绘过程中需要的土地坐标(X,Y)与高程Z。
按照获取的土地确权测绘过程中需要的土地坐标(X,Y)与高程Z,制作DEM模型。建立精准的DEM模型属于确保DOM构建精度的前提,通过数字微分纠正与数字镶嵌处理DEM模型获取DOM。以1∶500的比例处理DOM模型,制作DLG,按照空中三角测量结果实施核线重采样,建立立体核线像对,利用MapMatrix工程构造DLG矢量工程,通过Featureone立体测图系统,设置成图比例尺,修正软件界面,操作手轮脚盘展开立体测图,完成土地确权测绘[14-15]。
2 实验分析
以某省某县级市的土地为实验对象,该区域的土地地势从北向南不断降低,地形比较平坦,存在少量水域,以农田与村庄为主,该区域中共包含33块土地,分别隶属于33名居民。利用本文方法对该区域土地进行土地确权测绘。本文方法中无人机与搭载的遥感传感器相关参数如表2所示。
表2 无人机与搭载的遥感传感器相关参数
利用本文方法采集该区域土地的遥感影像,并对采集后的遥感影像进行预处理,遥感影像采集结果与预处理结果如图2所示。
(a)采集结果
(b)预处理结果
图2 实验地区遥感影像图
根据图2可知,本文方法可有效规划无人机航线,采集该区域土地遥感影像,受无人机搭载遥感传感器自身性能因素影响,导致采集的土地遥感影像存在一定的噪声;经过本文方法预处理后,可有效去除土地遥感影像内部噪声,提升土地遥感影像的清晰度。
利用本文方法中的空中三角测量方法确定该区域土地各测点坐标,该区域土地中共设置33个测点,各测点坐标确定结果如表3所示。
表3 土地各测点坐标确定结果 单位:mm
由表3可知,本文方法可有效确定该区域土地中各测点的坐标,且各测点的航测坐标与实测坐标均非常接近,X坐标的平均误差是0.22 mm,Y坐标的平均误差是0.13 mm。实验证明:本文方法可精准获取土地中各测点坐标,为土地确权测绘提供更为精准的数据支持。
利用本文方法按照土地各测点坐标,制作DEM模型与DOM模型,并依据制作的DOM模型,制作数字线划地图,如图3所示。
图3 数字线划地图
由图3可知,本文方法可有效按照土地中各测点坐标制作数字线划地图,在该数字线划地图中去掉村庄以及水域与公园等公共区域,进行土地确权测绘,测绘结果如图4所示。
图4 土地确权测绘结果
由图4可知,本文方法可有效完成土地确权测绘,测绘结果中共包含33名居民的土地,与实际情况相符,说明本文方法可有效完成土地确权测绘。
3 结束语
无人机遥感影像在国土、资源与环境监测等领域均有应用,且应用效果较优,为此研究无人机遥感影像在土地确权测绘中的应用,提升土地确权测绘效果,促进土地承包经营权调查的发展。日后还需研究无人机航行的稳定性,避免无人机航行波动对遥感影像采集精度的影响,进一步提升土地确权测绘精度。
参考文献
[1] 何振嘉,范王涛.浅谈无人机遥感技术在土地整治项目中的应用[J].灌溉排水学报,2019,38(S2):140-142.
[2] 刘贞利,苏壮.无人机遥感技术特点及在土地管理工作中的应用[J].商情,2022(39):43-45.
[3] 张连华,霍学喜.土地确权对农户地权稳定性感知的影响——基于村庄内土地不平等视角的分析[J].农业现代化研究,2020,41(4):659-668.
[4] 陈飞,刘宣宣.土地确权、要素偏向性技术变革与产业结构转型[J].统计研究,2021,38(10):76-89.
[5] 韦蕾蕾,方陆明,陈磊,等.基于无人机单视场全景图的地块面积测量研究[J].遥感技术与应用,2020,35(2):484-496.
[6] 刘舒,朱航.基于超高空间分辩率无人机影像的面向对象土地利用分类方法[J].农业工程学报,2020,36(2):87-94.
[7] 赵艳杰.基于无人机遥感的影像获取及后续处理分析[J].地矿测绘,2021,4(4):110-112.
[8] 于学广,李芳芳.应用于土地确权的无人机遥感影像DEM生产探讨[J].科技资讯,2021,19(18):31-33.
[9] 张冬冬.无人机遥感影像技术在第三次土地调查中的应用[J].冶金丛刊,2022,07(10):239-241.
[10] 袁慧洁.基于无人机遥感和面向对象法的简单地物分类研究[J].测绘与空间地理信息,2020,43(3):113-117,123.
[11] 唐运梁.基于无人机倾斜摄影测量的土地利用变化监测研究[J].科技创新导报,2021,18(3):92-94.
[12] 刘晓彪.乡镇农村土地确权工作中如何更好的运用土地测绘技术[J].农家参谋,2020,652(8):22.
[13] 李远辉.GPS和无人机红外联合测绘技术在土地确权勘探测绘领域的应用[J].移动信息,2022(3):75-77.
[14] 叶金.测绘技术在农村土地确权中的应用[J].农家致富顾问,2020(18):158.
[15] 孙晓宇,蔡祥.基于多通道数据融合的无人机遥感影像地物目标提取方法[J].地理与地理信息科学,2021,37(6):41-45.
引文格式: 李朝旭.无人机遥感影像在土地确权测绘中的应用[J].北京测绘,2023,37(5):751-755.
作者简介:李朝旭(1993—),男,湖北宜昌人,大学本科,工程师,研究方向为测绘。
E-mail:qqwwaadddd1234@163.com
转自:“测绘学术资讯”微信公众号
如有侵权,请联系本站删除!