A Scalable Open Source Workflow for Riverbed Substrate Classification Using UAV Imagery

doi:10.3390/rs18152529

2026-08-04

Tulio Soto Parra

David Farò

Guido Zolezzi *

DOI：10.3390/rs18152529

原文链接

原文求助

摘要

En 中文

从遥感影像中准确表征河床基质对于河流地貌学、栖息地建模和河流管理应用至关重要。尽管计算机视觉，特别是深度学习的最新进展提高了沉积物制图能力，但它们对大型标注数据集和计算资源的依赖限制了其更广泛的应用。本研究提出了一种适用于清水河流环境的超高分辩率航空RGB正射影像分类性基质分类的可扩展工作流程。该方法将光谱信息与从灰度共生矩阵（GLCM）和局部二值模式（LBP）中提取的统计和结构纹理描述符相结合，并在随机森林分类框架内整合。该方法论被构建为一个半自动化的五阶段工作流程：（1）基于专家的地面真值基质标注；（2）特征集生成；（3）空间感知模型优化；（4）全区域分类；（5）基于设计的验证以进行独立的精度评估。模型性能通过空间感知交叉验证和基于设计的概率抽样进行评估，以考虑空间自相关并提供无偏精度估计。该方法应用于四个地貌不同的高山河流河段，实现了基于设计的总体精度在70%至88%之间。这些结果表明，当结合适当特征表示和严格验证策略时，基于RGB的方法可以实现可靠的河段尺度分类性基质分类。然而，对于视觉相似或过渡性基质类别，尤其是难以一致区分的细粒沉积物（如沙和粘土），该方法仍存在局限性。该工作流程使用开源工具实现，适用于河床保持光学可见的清水条件。

Keyword:

unmanned aerial systems

sediment mapping

substrate

spatial autocorrelation

ecohydraulics

hyperspatial resolution