全球气候变暖及人类活动导致青藏高原大面积冻土退化、热融滑塌等问题,严重影响了多年冻土区工程建设和生态环境。利用无人机高空间分辨率影像和面向对象分类技术进行了黑河上游俄博岭垭口冻土区热融滑塌监测实验,详细分析了最邻近、K-最邻近、决策树、支持向量机(support vector machine,SVM)和随机森林5种面向对象监督学习方法提取冻土热融滑塌边界的性能和精度,并使用野外实测数据对实验结果进行验证。结果表明,面向对象分析中分割尺度对热融滑塌提取结果影响较小,而不同组合的分类特征影响较大,因此选择合适的分类特征是关键; 5种分类方法的总体精度均在90%以上,其中SVM方法的Kappa系数高于其他4种分类方法,表明该方法在本次实验研究中更适合无人机遥感影像冻土热融滑塌边界提取。无人机高空间分辨率遥感与面向对象分类方法相结合在冻土热融滑塌监测中具有广阔的应用前景。
黑河上游冻土面积 (6 5 0 0 km2 )约占流域面积的 45 %,对水资源形成和稳定性有重要影响 ,多年冻土在世纪千年以上限制活动层的地下水系统 ,导致活动层土壤水分饱和 ,有利于提高植物蒸发对水的利用效率 ;同时多年冻土抑制水分向深层土壤的下渗 ,增加了径流深度和蒸腾发强度。由于多年冻土和季节冻土的影响黑河上游河川径流年内水文活动可分为三个时期 ,多年冻土区最大径流产生于融雪径流期。
