張宏鳴 李 瑤 王 猛 韓文霆 寧紀(jì)鋒 王美麗

(1.西北農(nóng)林科技大學(xué)信息工程學(xué)院，陜西楊凌 712100； 2.西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院，陜西楊凌 712100)

基于無人機(jī)DEM的灌區(qū)渠系提取方法

張宏鳴1李 瑤1王 猛1韓文霆2寧紀(jì)鋒1王美麗1

(1.西北農(nóng)林科技大學(xué)信息工程學(xué)院，陜西楊凌 712100； 2.西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院，陜西楊凌 712100)

大范圍灌區(qū)渠系的制圖對(duì)于現(xiàn)代節(jié)水灌溉技術(shù)以及合理配水、安全輸水具有重要意義。但目前所獲得的灌區(qū)遙感影像分辨率不高，渠系提取較難。本文以無人機(jī)航空攝影測(cè)量獲得的數(shù)字高程模型(DEM)為基礎(chǔ)，根據(jù)渠系特征，使用灌區(qū)坡度數(shù)據(jù)，采用改進(jìn)的霍夫變換方法，實(shí)現(xiàn)了對(duì)灌區(qū)渠系網(wǎng)絡(luò)的提取。與面向?qū)ο?、監(jiān)督分類方法和手繪結(jié)果進(jìn)行對(duì)比，該方法提取的渠系連續(xù)、提取完整度可達(dá)85.61%。誤差主要集中在無襯渠系中土壤沉積較多(坡度變化不明顯)的位置以及相交渠系處理時(shí)保留渠堤位置而造成。該方法根據(jù)灌區(qū)地形特征，基于高精度高程數(shù)據(jù)進(jìn)行渠系提取，是數(shù)字地形分析結(jié)合圖像處理在精細(xì)農(nóng)業(yè)中的一次有益探索。

灌溉渠系； 數(shù)字高程模型； 無人機(jī)遙感； 數(shù)字地形分析

引言

隨著農(nóng)業(yè)灌溉中水資源短缺問題的日益加劇，精準(zhǔn)灌溉成為研究重點(diǎn)[1]。在灌溉排水過程中，渠系是輸送能力最大、成本最低、綜合功能最突出的工程設(shè)施[2]，如何準(zhǔn)確并快速地提取渠系、完成渠系制圖成為灌區(qū)管理的一個(gè)難點(diǎn)。而現(xiàn)有的灌區(qū)渠系識(shí)別研究中，主要以中低分辨率的遙感數(shù)據(jù)為主，受精度的限制，準(zhǔn)確率較低。

通常渠系可分為自然渠系和人工渠系[3]。自然渠系通常由地表徑流匯流形成，該類渠系多通過數(shù)字高程模型(Digital elevation model,DEM)的匯流計(jì)算獲得[4]。METZ等[5]對(duì)LCP(Least cost path)算法[6]進(jìn)行改進(jìn)，極大地降低了渠系提取的時(shí)間和空間復(fù)雜度；CAVALLI等[7]基于等值線[8]以及坡度變化閾值方法完成復(fù)雜地形中自然渠系的半自動(dòng)化提取。SCHWANGHART等[9]改進(jìn)了Carving algorithm算法，并結(jié)合Least cost auxiliary topography(LCAT)方法[10]完成低地勢(shì)山區(qū)中渠系的提取，然而該方法在算法初期需要人為提供大量準(zhǔn)確的渠系位置信息。但灌區(qū)干渠、支渠等渠床大部分低于耕地，因此以上匯水方法較難在灌區(qū)的人工渠系中應(yīng)用。

對(duì)于人工渠系，按照渠系級(jí)別，可分為干、支、斗、農(nóng)、毛等多級(jí)。現(xiàn)有的研究方法主要分為對(duì)遙感影像及DEM兩種數(shù)據(jù)源進(jìn)行處理。吳健生等[11]、喬哲賢等[12]、張超等[13]、顧振偉等[14]分別采用面向?qū)ο?、邊緣檢測(cè)以及遙感影像和邊緣檢測(cè)相結(jié)合的方式進(jìn)行分析。然而遙感影像分辨率不足，無法識(shí)別寬度較小的農(nóng)、毛渠，且在少水或無水的條件下較難獲得渠系信息。邊緣檢測(cè)算法對(duì)提取物的長(zhǎng)度較為敏感，無法提取長(zhǎng)度較短的渠系。韓文霆等[15]使用基于面向?qū)ο蟮奶卣鹘M合分類分層方法對(duì)灌區(qū)渠系進(jìn)行提取，但針對(duì)結(jié)果中出現(xiàn)的斷開以及渠系與道路分布相似所造成的錯(cuò)誤提取等問題并未給出很好的解決辦法。從地形差異性角度，鑒于DEM數(shù)據(jù)比影像能更好地表達(dá)地形高低起伏的信息[16]，因此CAZORZI等[17]基于光學(xué)雷達(dá)(Light detection and ranging)獲得DEM，使用平滑過的DEM與原始DEM做差，得到相對(duì)地形模型信息，同時(shí)設(shè)置相應(yīng)的閾值來得到一個(gè)小范圍的渠系信息。HUTTUNEN[18]認(rèn)為CAZORZI的方法會(huì)產(chǎn)生多余的地形信息，并且算法的應(yīng)用區(qū)域受限，因此使用稀疏邏輯回歸以及多項(xiàng)式模型的方法完成沼澤地區(qū)中渠系的提取，但該方法較為耗時(shí)。RAPINEL等[19]使用面向?qū)ο蠓椒▽?duì)渠系進(jìn)行識(shí)別，基于LiDAR高程數(shù)據(jù)，與eCognition軟件結(jié)合，完成渠系的提取。但水域以及植被的存在都會(huì)對(duì)結(jié)果產(chǎn)生較大的影響。

隨著無人機(jī)技術(shù)的不斷發(fā)展，高精度地形數(shù)據(jù)的獲取成為可能[15]。本文針對(duì)以上研究方法中數(shù)據(jù)精度不高、識(shí)別精度不高以及人工干預(yù)較多等問題，基于無人機(jī)獲取灌區(qū)正射影像及DEM，結(jié)合灌區(qū)渠系特征，生成坡度數(shù)據(jù)，應(yīng)用改進(jìn)的霍夫變化方法，連接斷點(diǎn)并提取線性渠系，同時(shí)以手繪渠系為標(biāo)準(zhǔn)，與前人研究中[11,12,15,20]使用的面向?qū)ο蠓椒ㄒ约氨O(jiān)督分類方法進(jìn)行對(duì)比。

1 數(shù)據(jù)來源與研究區(qū)域

1.1 數(shù)據(jù)來源

本研究使用的數(shù)據(jù)拍攝于2016年3月，通過無人機(jī)拍攝的立體像對(duì)，基于AgisoftPhotoscan軟件，獲取該區(qū)域DEM[21]。無人機(jī)型號(hào)為AF1000 UAV(圖1)，它是MAVinci固定翼飛機(jī)，翼展2.7 m，速度為14 m/s。拍攝時(shí)，無人機(jī)每飛行一次可獲得約1 000幅航拍圖像，在飛行前使用華策實(shí)時(shí)動(dòng)態(tài)定位(Real-time kinematic，RTK)接收機(jī)測(cè)量了5個(gè)地面檢查點(diǎn)(Ground check points，GCPs)，RTK是一種GPS工具，用于確定當(dāng)前飛行的位置和海拔高度，精度高達(dá)1 cm[22]。RTK使用GPS與參照點(diǎn)相結(jié)合來確定位置，每個(gè)位置的地形特征都不盡相同，因此GCPs須分布在不同位置來進(jìn)行誤差評(píng)估。數(shù)據(jù)獲取基于西安80地理坐標(biāo)系。

圖1 UAV裝備Fig.1 Equipment of UAV

1.2 研究區(qū)域特征

研究區(qū)域位于內(nèi)蒙古西部臨河區(qū)海豐縣，地處黃土高原北部(圖2a)，全境為黃河沖擊平原，地面開闊平坦，隸屬河套灌區(qū)，灌區(qū)內(nèi)灌排系統(tǒng)縱橫。為減小試驗(yàn)區(qū)地表覆蓋物的影響,在接近無植被覆蓋的河套灌區(qū)凍土期，進(jìn)行無人機(jī)飛行及數(shù)據(jù)采集，生成分辨率為0.25 m地表高程數(shù)據(jù)。圖2是研究區(qū)域位置、高程。由于拍攝時(shí)幾乎沒有地表植被，因此可近似看作DEM。本文從研究區(qū)中選擇3塊包含渠系的區(qū)域(圖2b)，其中測(cè)試區(qū)1僅有渠系信息，測(cè)試區(qū)2包含房屋以及渠系信息，測(cè)試區(qū)3包含房屋、道路及渠系信息。測(cè)試區(qū)1、2用于算法測(cè)試及修正，測(cè)試區(qū)3用于算法改進(jìn)后的驗(yàn)證。3個(gè)區(qū)域坡度數(shù)據(jù)分別如圖3所示。

圖2 研究區(qū)域高程、影像及測(cè)試樣區(qū)位置Fig.2 DEM, RGB image and location of test area

圖3 各測(cè)試區(qū)坡度信息Fig.3 Slope information of test areas

一般在土地整理規(guī)劃時(shí)不考慮毛渠，同時(shí)鑒于數(shù)據(jù)分辨率的限制，本文未對(duì)渠寬小于1 m的毛渠進(jìn)行提取及驗(yàn)證。在所選研究區(qū)中，根據(jù)渠系情況，可分為兩類：有襯渠系(支渠、斗渠)(圖4a)，渠系高程變化較明顯；無襯渠系(農(nóng)毛渠)(圖4b)，侵蝕沉積較強(qiáng)烈，不易識(shí)別。

圖4 渠系類型Fig.4 Two types of irrigation networks

渠系高程切面示意圖以及對(duì)應(yīng)的坡度切面示意如圖5所示。在圖5b中道路部分的坡度變化幾乎為零，而渠堤和渠床坡度變化則比較明顯。通過對(duì)數(shù)據(jù)進(jìn)行分析，無人機(jī)影像、高程中渠系與大部分道路的顏色區(qū)分度較小，很難直接通過影像或者高程將二者區(qū)分開。由于渠堤與渠床的高度差導(dǎo)致渠系坡度[23]具有明顯的4個(gè)峰值變化(圖5b)，而道路與農(nóng)地之間的坡度變化較弱。本文嘗試通過坡度轉(zhuǎn)換，剔除其他線狀物體(如道路、田塊)對(duì)渠系提取的影響。本文用于渠系提取的測(cè)試數(shù)據(jù)包括影像、DEM和坡度。

圖5 渠系橫截面示意圖Fig.5 Cross section diagrams of drainage

2 改進(jìn)霍夫變換的渠系提取方法

2.1 渠系提取算法

本文渠系提取方法的主要流程包括坡度轉(zhuǎn)換、坡度數(shù)據(jù)灰度處理、二值化、去噪、膨脹、邊緣檢測(cè)和改進(jìn)的霍夫變換等步驟(圖6)。

圖6 方法流程圖Fig.6 Flow chart of method

霍夫變換是從圖像中識(shí)別出具有相同幾何形狀的基本方法之一[24-25]，該識(shí)別過程利用了一種圖像空間到參數(shù)空間的映射關(guān)系[26-27]。

在二維坐標(biāo)系中，通過點(diǎn)(x,y)的直線表達(dá)式為

y=kx+b

(1)

但是該表達(dá)式無法表示出斜率不存在即垂直于軸的直線，因此對(duì)于這個(gè)問題引入了極坐標(biāo)表達(dá)方式，即

ρ=xcosθ+ysinθ

(2)

式(2)中ρ表示直線到原點(diǎn)的距離，θ為線與x軸的夾角。把直線從平面坐標(biāo)映射到極坐標(biāo)的關(guān)系如圖7所示，霍夫變換即為在參數(shù)空間中計(jì)算累計(jì)結(jié)果的局部最大值，從而得到符合條件的集合[25]。

圖7 xy空間到參數(shù)空間的映射關(guān)系Fig.7 Relation between xy space and parameter space

2.2 算法改進(jìn)

將基本霍夫變換應(yīng)用于渠系提取后出現(xiàn)2個(gè)問題：原本應(yīng)連續(xù)的渠系出現(xiàn)了斷開(圖8a)；將DEM數(shù)據(jù)進(jìn)行坡度轉(zhuǎn)換之后，會(huì)出現(xiàn)如圖5b所示的4個(gè)坡度峰值變化，因此在提取時(shí)會(huì)出現(xiàn)多條渠系相交現(xiàn)象(圖8b)，而本文只需要使用一條渠系來表示出該位置的渠系信息即可。為此，提出了以下解決方法。

圖8 基本霍夫變換結(jié)果Fig.8 Result of Hough transform

渠系斷開是由于渠堤和渠床變化不夠明顯導(dǎo)致，而通常該類渠系具有相同的斜率。因此可通過對(duì)霍夫變換的結(jié)果進(jìn)行遍歷，獲取每一條線段的θ屬性，從而判斷兩線段是否斷開，若斷開則對(duì)兩條線段的4個(gè)點(diǎn)進(jìn)行尋找，分別記錄橫坐標(biāo)的較小值以及縱坐標(biāo)的較大值，從而重新繪制出整條渠系。

渠系相交是由于數(shù)據(jù)經(jīng)過邊緣檢測(cè)[28-29]、圖像膨脹[30]操作之后表現(xiàn)為多像素連接的帶狀區(qū)域以及坡度數(shù)據(jù)的4個(gè)峰值變化。本文采用幾何方法對(duì)該問題進(jìn)行處理。一般渠系的相交分為兩種情況：一條渠系的兩端分別位于另外一條渠系的兩側(cè)(圖9a)；有一點(diǎn)位于渠系上(圖9b)。在代數(shù)幾何中已知直線的2個(gè)端點(diǎn)P1(x1,y1)和P2(x2,y2)，當(dāng)斜率存在時(shí)，直線的表達(dá)式可以用兩點(diǎn)式表示為

(3)

此時(shí)y2≠y1且x2≠x1，將式(3)進(jìn)行轉(zhuǎn)化得

(y-y1)(x2-x1)-(x-x1)(y2-y1)=0

(4)

其中y2-y1以及x2-x1均固定，若另外一條線段的兩端分別在該線段的兩側(cè)，或者其中一點(diǎn)在該線段上，那么式(4)的結(jié)果必然一個(gè)大于等于零，一個(gè)小于等于零，即兩者的乘積小于等于零，如果兩條線段滿足相交情況并且斜率之差的絕對(duì)值在某個(gè)閾值范圍內(nèi)，則可認(rèn)為這兩條線段提取的是同一個(gè)區(qū)域。分別使用

(5)

計(jì)算兩條渠系的長(zhǎng)度，且選取較長(zhǎng)的一條作為該區(qū)域的代表渠系。

圖9 渠系相交情況分類Fig.9 Two types of crossing irrigation networks

經(jīng)過斷點(diǎn)連接以及相交渠系處理后，區(qū)域1、2的最終結(jié)果如圖10所示。顯然，渠系的斷點(diǎn)以及相交問題得到了有效解決。

圖10 改進(jìn)霍夫變換結(jié)果Fig.10 Result of improved Hough transform

2.3 結(jié)果對(duì)比

為驗(yàn)證改進(jìn)霍夫變換方法的渠系提取效果，本文對(duì)前人使用的相關(guān)方法進(jìn)行整理和總結(jié)，發(fā)現(xiàn)大多使用監(jiān)督分類[20]以及面向?qū)ο蠓诸怺11,15]方法完成渠系提取或者以這兩種方法作為對(duì)比算法。因此本研究以手工繪制渠系為基礎(chǔ)，將不同方法應(yīng)用于無人機(jī)正射影像和坡度數(shù)據(jù)，分析不同方法識(shí)別渠系的完整度以及錯(cuò)誤率。本文根據(jù)道路提取算法的精度分析研究[11,31]，將渠系提取的完整度定義為

(6)

錯(cuò)誤率定義為

(7)

式中r——與手繪渠系相比較正確的像素點(diǎn)數(shù)量

e——錯(cuò)誤識(shí)別的像素點(diǎn)數(shù)目

A——手繪渠系的像素點(diǎn)數(shù)

M——該種算法所識(shí)別出來的總像素點(diǎn)數(shù)

本文的面向?qū)ο蠓诸惙ㄒ约氨O(jiān)督分類方法提取渠系的過程借助于ENVI軟件完成，面向?qū)ο蠓诸惙ǖ闹饕襟E為影像分割、特征提取、規(guī)則建立及分類、后處理等過程，根據(jù)前人經(jīng)驗(yàn)以及研究區(qū)域特征，建立相應(yīng)的規(guī)則，最后為減少提取結(jié)果中出現(xiàn)的干擾點(diǎn)，使用Majority/Minority Analysis消除某些孤立的噪聲，提取結(jié)果如圖11a、11b；監(jiān)督分類方法的主要步驟為樣本選擇、分類器選擇(本文使用最大似然分類法)、影像分類以及分類后處理等步驟，結(jié)果如圖11c、11d。將不同方法的提取結(jié)果提取保存為文本數(shù)據(jù)，同時(shí)以手繪渠系為基礎(chǔ)，采用逐像素遍歷方式統(tǒng)計(jì)對(duì)應(yīng)像素?cái)?shù)目。在實(shí)際中，由于毛渠渠堤的寬度一般大于0.5 m，因此在結(jié)果對(duì)比中，距手繪位置處0.5 m以內(nèi)的皆認(rèn)為在誤差許可范圍內(nèi)。統(tǒng)計(jì)后的結(jié)果如表1所示。

圖11 不同算法的結(jié)果比較Fig.11 Comparisons of results of different algorithms

表1 算法結(jié)果對(duì)比Tab.1 Comparison of three different algorithms

3 結(jié)果與討論

不同方法的提取效果如圖11所示，對(duì)應(yīng)各個(gè)方法提取的完整度以及錯(cuò)誤率計(jì)算結(jié)果如表1，結(jié)果表明：

(1)使用面向?qū)ο蠓椒▽?duì)影像數(shù)據(jù)處理的渠系提取完整度為58.70%，優(yōu)于完整度為53.26%的坡度數(shù)據(jù)，然而由于地面堆肥、翻耕等異常點(diǎn)的影響(圖11a,11b)，使得兩種方法的錯(cuò)誤提取率達(dá)到66%以上。通常基于面向?qū)ο蠓椒ㄌ崛∏刀酁榍涤兴畻l件下的光譜影像，通過光譜特征與其他地表物體的差異性來進(jìn)行區(qū)分，在渠系少水甚至無水條件下，識(shí)別率很低。本文的影像數(shù)據(jù)只包含RGB 3個(gè)波段，即渠系的光譜信息與其他物體的區(qū)分度較小，因此該方法的結(jié)果不夠理想，具有很大的局限性。

(2)監(jiān)督分類方法對(duì)坡度數(shù)據(jù)處理的完整度為85.24%，優(yōu)于影像數(shù)據(jù)，然而錯(cuò)誤率卻高達(dá)76.44%。影像數(shù)據(jù)受地表顏色干擾較大，部分秸稈焚燒后的地表顏色使得該方法對(duì)影像數(shù)據(jù)提取易受到相似顏色的地物影響，錯(cuò)誤率很大。該方法需要提前選擇具有代表性的樣本參數(shù)，并以此為基礎(chǔ)進(jìn)行特征分類，因此訓(xùn)練區(qū)域越典型其識(shí)別效果越好，而坡度數(shù)據(jù)中因包含有豐富的色彩信息，所以在進(jìn)行樣本區(qū)域選擇時(shí)，坡度數(shù)據(jù)的樣本選擇比影像數(shù)據(jù)具有較好的代表性，受到其他地物干擾較少，因此錯(cuò)誤率較低。

(3)基于改進(jìn)霍夫變換方法的識(shí)別精度最高，完整度達(dá)85.61%，錯(cuò)誤率為18.92%。由于本文方法考慮了渠系的線性特征，同時(shí)根據(jù)地形，以坡度數(shù)據(jù)為計(jì)算基礎(chǔ)，因此在準(zhǔn)確率上優(yōu)于其他兩種方法。誤差主要是由于部分無襯渠系泥沙沉積過多，導(dǎo)致坡度變化特征不夠明顯，因此不易識(shí)別；交叉渠系在剔除時(shí)，由于保留的位置多為渠堤位置，會(huì)存在誤差。但提取結(jié)果能夠?qū)⒋蟛糠指蓴_因素剔除，獲得較純粹的渠系信息，因此在渠系提取中該方法具有可推廣性及適用性。

綜上所述，面向?qū)ο蠓椒▽?duì)于無人機(jī)正射影像數(shù)據(jù)準(zhǔn)確率低于監(jiān)督分類方法，但兩種方法易受到其他噪聲影響，錯(cuò)誤提取率過高，因此正射影像不適合提取渠系。對(duì)于DEM數(shù)據(jù)，提取坡度后采用3種方法的處理結(jié)果表明，改進(jìn)霍夫變換方法優(yōu)于面向?qū)ο蠓椒ㄒ约氨O(jiān)督分類方法，因此適宜進(jìn)行渠系提取。

4 結(jié)論

(1)無人機(jī)航空攝影測(cè)量方法獲取的高程數(shù)據(jù)可用于渠系提取，但原始數(shù)據(jù)較難區(qū)分道路以及不帶襯的渠系信息，進(jìn)行坡度轉(zhuǎn)換后能夠過濾掉部分田間道路和干擾信息。

(2)使用面向?qū)ο蠓椒ǚ謩e對(duì)影像數(shù)據(jù)和坡度數(shù)據(jù)進(jìn)行處理，從提取完整度而言，影像數(shù)據(jù)的優(yōu)于坡度數(shù)據(jù)，主要原因?yàn)槊嫦驅(qū)ο蠓椒ǖ脑硎歉鶕?jù)不同光譜區(qū)間來識(shí)別不同對(duì)象，而坡度數(shù)據(jù)中光譜特征單一，因此提取效果較差。對(duì)監(jiān)督分類方法而言，影像數(shù)據(jù)和坡度數(shù)據(jù)的差別不大，然而坡度數(shù)據(jù)的錯(cuò)誤率遠(yuǎn)低于影像數(shù)據(jù)。主要原因?yàn)橛跋駭?shù)據(jù)中渠系與周圍非渠系地物差別很小，從而誤將很多其他非渠系信息識(shí)別為渠系。從人工干預(yù)程度而言，面向?qū)ο蠓椒ㄔ谔幚磉^程中需要根據(jù)渠系的分布特征，添加屬性從而進(jìn)行對(duì)象篩選，監(jiān)督分類方法需提前規(guī)劃出訓(xùn)練樣本，并以選取的樣本為基礎(chǔ)進(jìn)行特征提取。

(3)改進(jìn)霍夫變換能夠在渠系提取過程中很好地解決渠系斷開以及相交問題，且僅含有渠系信息，渠系提取的完整度可達(dá)85.61%，優(yōu)于面向?qū)ο蠛捅O(jiān)督分類方法。同時(shí)在提取過程中無過多的人為干預(yù)，自動(dòng)化程度較高，未成功提取的誤差主要集中在渠系坡度變化不明顯的位置以及在處理相交渠系時(shí)，最終保留的渠系多為渠堤位置而造成的誤差。從準(zhǔn)確度以及人工干預(yù)角度講，本文的改進(jìn)霍夫變換方法均優(yōu)于面向?qū)ο笠约氨O(jiān)督分類方法，是灌區(qū)渠系提取方法的一次有效探索。

2 SANG G, CAO S, GUO R, et al.Optimization of cost per day of cascade pumping station water-delivery system[J].Journal of Drainage & Irrigation Machinery Engineering,2013, 31(8): 688-695.

3 王小軍，張強(qiáng)，易小兵，等.灌區(qū)渠系特征與灌溉水利用系數(shù)的Horton分維[J].地理研究, 2014, 33(4): 789-800.

WANG Xiaojun, ZHANG Qiang，YI Xiaobing, et al.Study on the Horton fractal dimension with the irrigation canal system characteristics and effective utilization coefficient of irrigation water[J].Geographical Research, 2014, 33(4): 789-800.(in Chinese)

4 ZHANG H, YAO Z, YANG Q, et al.An integrated algorithm to evaluate flow direction and flow accumulation in flat regions of hydrologically corrected DEMs[J].Catena, 2017, 151: 174-181.

5 METZ M, MITASOVA H, HARMON R S.Efficient extraction of drainage networks from massive, radar-based elevation models with least cost path search[J].Hydrology and Earth System Sciences,2011, 15(2): 667-678.

6 EHLSCHLAEGER C R.Using the AT search algorithm to develop hydrologic models from digital elevation data[C]∥Proceedings of the International Geographic Information System (IGIS) Symposium, Baltimore, MD, 1989.

7 CAVALLI M, TREVISANI S, GOLDIN B, et al.Semi-automatic derivation of channel network from a high- resolution DTM: the example of an Italian alpine region[J].European Journal of Remote Sensing, 2013, 46(1):152-174.

8 TARBOTON D G.Advances in the mapping of flow networks from digital elevation data[J].American Society of Civil Engineers, 2014, 23(4): 107-111.

9 SCHWANGHART W, GROOM G, KUHN N J, et al.Flow network derivation from a high resolution DEM in a low relief, agrarian landscape[J].Earth Surface Processes and Landforms, 2013, 38(13):1576-1586.

10 SOILLE P, VOGT J, COLOMBO R.Carving and adaptive drainage enforcement of grid digital elevation models[J].Water Resources Research, 2003, 39(12): 1366-1379.

11 吳健生，劉建政，黃秀蘭，等.基于面向?qū)ο蠓诸惖耐恋卣韰^(qū)農(nóng)田灌排系統(tǒng)自動(dòng)化識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(8): 25-31.

WU Jiansheng，LIU Jianzheng，HUANG Xiulan，et al.Automatic identification of irrigation and drainage system in land reclamation area based on object-oriented classification[J].Transactions of the CSAE, 2012, 28(8): 25-31.(in Chinese)

12 喬賢哲，張超，楊建宇，等.高分辨率遙感影像中農(nóng)田灌溉設(shè)施的提取[J].測(cè)繪通報(bào),2012(增刊1): 372-374.

QIAO Xianzhe，ZHANG Chao，YANG Jianyu, et al.Extraction of farmland irrigation facilities in high resolution remote sensing images[J].Bulletin of Surveying and Mapping, 2012(Supp.1): 372-374.(in Chinese)

13 張超，王志浩，楊建宇，等.基于Canny算子的農(nóng)田線狀工程地物自動(dòng)提取方法[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2015, 46(2): 270-275.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150239&flag=1.DOI：10.6041/j.issn.1000-1298.2015.02.039.

ZHANG Chao, WANG Zhihao，YANG Jianyu，et al.Farmland linear project feature auto-extraction method based on Canny algorithm[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2015, 46(2): 270-275.(in Chinese)

14 顧振偉，張超，楊建宇，等.基于高分辨率遙感影像的灌排溝渠提取方法[J].農(nóng)業(yè)工程,2014, 4(3): 64-67.

GU Zhenwei，ZHANG Chao，YANG Jianyu，et al.Method of extracting irrigation and drainage ditches based on high remote sensing image[J].Agricultural Engineering, 2014, 4(3): 64-67.(in Chinese)

15 韓文霆，張立元，張海鑫，等.基于無人機(jī)遙感與面向?qū)ο蠓ǖ奶镩g渠系分布信息提取[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2017, 48(3): 205-214.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170326&flag=1.DOI：10.6041/j.issn.1000-1298.2017.03.026.

HAN Wenting，ZHANG Liyuan，ZHANG Haixin，et al.Extraction method of sublateral canal distribution information based on UAV remote sensing[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(3): 205-214.(in Chinese)

16 劉凱，湯國(guó)安，黃驍力，等.面向地形特征的DEM與影像紋理差異分析[J].地球信息科學(xué)學(xué)報(bào), 2016, 18(3): 386-395.

LIU Kai，TANG Guoan，HUANG Xiaoli，et al.Research on the difference between textures derived from DEM and remote-sensing image for topographic analysis[J].Journal of Geo-Information Science, 2016, 18(3): 386-395.(in Chinese)

17 CAZORZI F, FONTANA G D, LUCA A D, et al.Drainage network detection and assessment of network storage capacity in agrarian landscape[J].Hydrological Processes,2013, 27(4): 541-553.

18 HUTTUNEN H.Sparse logistic regression and polynomial modelling for detection of artificial drainage networks[J].Remote Sensing Letters, 2015, 6(4):311-320.

19 RAPINEL S, HUBERT-MOY L, CLéMENT B, et al.Ditch network extraction and hydrogeomorphological characterization using LiDAR-derived DTM in wetlands[J].Hydrology Research, 2014, 46(2):276-290.

20 許迪，李益農(nóng)，蔡林根，等.衛(wèi)星遙感影像在農(nóng)田灌排系統(tǒng)識(shí)別中的應(yīng)用研究[J].農(nóng)業(yè)工程學(xué)報(bào), 2004, 20(2): 36-39.

XU Di，LI Yinong，CAI Lin’gen，et al.Applied study of satellite image in identification of irrigation and drainage system[J].Transaction of the CSAE, 2004, 20(2): 36-39.(in Chinese)

21 BARRETTE J, AUGUST P, GOLET F.Accuracy assessment of wetland boundary delineation using aerial photography and digital orthophotography[J].Photogrammetric Engineering & Remote Sensing,2000, 66(4): 409-416.

22 GAN-MOR S, CLARK R L, UPCHURCH B L.Implement lateral position accuracy under RTK-GPS tractor guidance[J].Computers & Electronics in Agriculture,2007, 59(1-2): 31-38.

23 張宏鳴，宋澤魯，楊江濤，等.DEM超分辨率重構(gòu)對(duì)梯田坡度提取的影響研究[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2017, 48(1):112-118.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170115&flag=1.DOI：10.6041/j.issn.1000-1298.2017.01.015.

ZHANG Hongming，SONG Zelu，YANG Jiangtao，et al.Influence of DEM super-resolution reconstruction on terraced field slope extraction[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(1): 112-118.(in Chinese)

24 黃琦，張國(guó)基，唐向京，等.基于霍夫變換的圖像運(yùn)動(dòng)模糊角度識(shí)別法的改進(jìn)[J].計(jì)算機(jī)應(yīng)用, 2008, 28(1): 211-213.

HUANG Qi，ZHANG Guoji，TANG Xiangjing，et al.Improvement of motion blurred direction identification based on Hough transform[J].Journal of Computer Applications, 2008, 28(1): 211-213.(in Chinese)

25 DUAN R, WEI Z, HUANG S, et al.Fast line detection algorithm based on improved Hough transformation[J].Chinese Journal of Scientific Instrument, 2010, 31(12): 2774-2780.

26 陳小艷，王強(qiáng)，李柏林.改進(jìn)的Hough變換檢測(cè)圓方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用, 2015, 24(8): 197-201.

CHEN Xiaoyan，WANG Qiang，LI Bolin.Improved Hough algorithm for circle detection[J].Computer Systems & Applications,2015, 24(8): 197-201.(in Chinese)

27 RIVEIRO B, GONZLEZ-JORGE H, MARTNEZ-SNCHEZ J, et al.Automatic detection of zebra crossings from mobile LiDAR data[J].Optics & Laser Technology, 2015, 70: 63-70.

28 楊秋菊，肖雪梅.基于改進(jìn)Canny特征點(diǎn)的SIFT算法[J].計(jì)算機(jī)工程與設(shè)計(jì), 2011, 32(7): 2428-2431.

YANG Qiuju，XIAO Xuemei.Improved SIFT algorithm based on Canny feature points[J].Computer Engineering and Design, 2011, 32(7): 2428-2431.(in Chinese)

29 鈕圣虓，王盛，楊晶晶，等.完全基于邊緣信息的快速圖像分割算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào), 2012, 24(11): 1410-1419.

NIU Shengxiao, WANG Sheng, YANG Jingjing, et al.A fast image segmentation algorithm fully based on edge information[J].Journal of Computer-Aided Design & Computer Graphics, 2012, 24(11): 1410-1419.(in Chinese)

30 鄧仕超，黃寅.二值圖像膨脹腐蝕的快速算法[J].計(jì)算機(jī)工程與應(yīng)用,2017, 53(5):207-211.

DENG Shichao,HUANG Yin.Fast algorithm of dilation and erosion for binary image[J].Computer Engineering and Applications, 2017, 53(5):207-211.(in Chinese)

31 曾靜靜，盧秀山，王健，等.基于LIDAR回波信息的道路提取[J].測(cè)繪科學(xué),2011, 36(2): 142-143.

ZENG Jingjing, LU Xiushan, WANG Jian, et al.Research of spatial structure and differentiation pattern of housing price in Xi’an based on ESDA and geostatistical analysis[J].Science of Surveying and Mapping, 2011, 36(2): 142-143.(in Chinese)

ExtractionMethodofIrrigationNetworksinIrrigatedAreaBasedonUAVDEM

ZHANG Hongming1LI Yao1WANG Meng1HAN Wenting2NING Jifeng1WANG Meili1

(1.CollegeofInformationEngineering,NorthwestA&FUniversity,Yangling,Shaanxi712100,China2.CollegeofMechanicalandElectronicEngineering,NorthwestA&FUniversity,Yangling,Shaanxi712100,China)

Mapping of irrigation networks in large-scale irrigation districts is very important for the development of modern water-saving irrigation technology, at the same time, it is also important for allocating water reasonably and supplying water safely.However, due to the low resolution of the remote sensing images currently, it is very difficult to extract the irrigation networks in detail.Based on the slope data generated from digital elevation model (DEM) which was obtained from the unmanned aerial vehicle (UAV) aerial photogrammetry collected in March, 2016, and combined the characteristics of irrigation networks, a revised hough transform (RHT) method was adopted, which realized the fast extraction of irrigation networks.Compared with the object-oriented method, supervised-classification method and the field measurement results, the integrity of RHT method can reach about 85.61%.Errors were mainly concentrated in the non liner cannal part, which existed more sediment deposition (slope was not obvious), and also in the cannal dike when unneceassary parallel or crossed cannal were eliminated.According to the characteristics of irrigation networks, the research result was a beneficial exploration for the study of artificial irrigation network system, which was based on the high-resolution DEMs.

irrigation network system; digital elevation model； unmanned aerial vehicle remote sensing; digital terrain analysis

10.6041/j.issn.1000-1298.2017.10.020

S157; TP79

A

1000-1298(2017)10-0165-07

2017-04-23

2017-07-20

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2017YFC0403203)、國(guó)家自然科學(xué)基金項(xiàng)目(41771315、41301283、41371274、61402374、41301507)、歐盟地平線2020研究與創(chuàng)新計(jì)劃項(xiàng)目(GA:635750)、黃土高原土壤侵蝕與旱地農(nóng)業(yè)國(guó)家重點(diǎn)實(shí)驗(yàn)室開放課題項(xiàng)目(A314021402-1702)、陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目(2016JM6038)和西北農(nóng)林科技大學(xué)基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(2452015060)

張宏鳴(1979—)，男，副教授，博士，主要從事空間大數(shù)據(jù)管理與區(qū)域土壤侵蝕評(píng)價(jià)研究，E-mail: zhm@nwsuaf.edu.cn