.3 m, 以避免出现细小碎斑块。叠加分析结果中属性类别不相同的斑块即为变化部分, 红色表示新增, 蓝色表示减少(图5) 。通过输出的地物类型及面积变化统计表, 可以看到2次影像数据的主要变化为周边的建筑物、公路和水体, 如表1所示。Р图5 变化识别效果图 下载原图Р表1 变化面积及趋势 下载原表Р5 结语Р采用无人机遥感技术替代人工巡查, 最明显的优势是避免人为因素对巡查结果的影响, 克服区域、地形的限制。无人机智能巡查方法既提高了巡查的准确度, 又降低了巡查工作的人力物力投入, 避免当前人工巡查过程中存在的漏查、延迟等问题, 为国内城市轨道交通控制保护区安全管理及巡查提供参考。Р参考文献Р[1]梁青槐, 周世惊.城市轨道交通控制保护区内安全因素分析与决策[J].都市快轨交通, 2012, 25 (5) :48-52. Р[2]伍建国.城市轨道交通安全运营保护执法体系研究[J].铁道工程学报, 2012, 29 (11) :94-97. Р[3]龙百画.城市轨道交通控制保护区管理要点[J].都市快轨交通, 2014, 27 (2) :39-42. Р[4]聂鑫路.基于云GIS的城市轨道交通控制保护区管理系统[J].都市快轨交通, 2013, 26 (4) :112-115. Р[5]姜涛, 马国锐, 秦前清.基于遥感影像的变化检测技术[J].计算机应用研究, 2005, 22 (2) :255-257. Р[6]徐亚明, 石娟, 安动动, 等.利用影像分割和匹配特征进行无人机影像变化检测[J].武汉大学学报, 2016, 41 (10) :1286-1291. Р[7]高照忠, 魏海霞, 叶长斌.无人机遥感技术及应用[J].科技创新与应用, 2015 (20) :3-4. Р[8]付朝立.我国城市轨道交通运营安全执法模式的研究[D].北京:北京交通大学, 2007.
全文预览
