Page 150 - 新时期水利工程管理与施工

新时期水利工程管理与施工
Management and Construction of Water Conservancy Projects in the New Era

式要投入大量的人力，并且人工巡线时间长，在恶劣天气下巡线效率低。采用无
人机遥感技术巡线灌溉渠系空间信息可有效降低人力、物力的投入，是最经济、
最高效的技术手段之一。灌溉渠系主要由干渠、支渠、斗渠、农渠和毛渠组成，

利用无人机遥感技术对农田灌溉渠系进行识别时，需要对采集的图像进行预处
理，涉及图像的校正、去噪和拼接等。通过图像颜色增强和颜色空间转换，可将
RGB 彩色图像转换为 LAB 颜色图像，该图像可较好地体现目标建筑物的亮度和
颜色，进一步增强可见光遥测渠系信息。但这种采用单一数据源对农田渠系进行

提取的方法效果一般，给渠系提取、制图，尤其是灌溉渠系泥沙淤积的识别带来
一定困难。随着支持向量机（Support Vec-tor Machines，SVM）分类检测方法在
特征提取、目标识别等方面的广泛应用，通过无人机遥感对灌溉渠系进行识别和
维护技术得到了显著提升。执行时，要将无人机采集的高精度正射影像、高程和

坡度等数据结合起来作为数据源，提取出具有描述渠系显著特征的数据来构建训
练样本集，然后基于 SVM 分类方法对渠系进行分割提取，最后对提取结果进行
去噪、连接和优化处理，最终可实现无人机高分辨率多数据源干渠、支渠、斗渠
和农渠的渠系提取，并通过分析各渠系的连续性，了解渠系中渠床淤泥沉积淤塞

段情况，为灌前渠道清淤提供参考。
（三）种植结构分类
植物在不同生长阶段和不同作物类型下，对太阳光的吸收、反射和辐射具有
特定的光谱特征。根据遥感技术获取的植被光谱数据，可以分析不同波段下植被

反射率的变化，从而区分不同类型的植被。叶面积指数是表征植被叶片覆盖程度
的重要参数，也是植被生长状态的重要指标之一。不同类型的作物在不同生长阶
段，其叶面积指数存在着明显的差异，通过遥感数据获取和处理，可以反映不同
作物类型和生长阶段的叶面积指数差异，进而实现种植结构的分类。因此，基于

获取的光谱信息和叶面积指数数据，提取出一系列的特征参数，然后利用这些特
征参数，结合适当的分类算法进行作物类型和生长阶段的分类识别。
例如，在遥感影像中，分蘖期的小麦会显示大范围的秸秆残留物和裸露土壤，
由于植被覆盖较少，土壤和裸露地表在影像中表现出明显的特征。随着小麦高度

的增加，植被覆盖逐渐增加，可以观察到垂直层阴影的形成，裸露土壤的部分逐
渐减少，在影像中可以看到植被和地表的分界。小麦乳熟阶段时，植被完全覆盖
地表，影像中可以看到绿色的小麦植被。此时，绿光波的反射率较高，近红外波

142