CN119625305A - 一种水土保持陡坡地遥感监管图斑解译方法及系统 - Google Patents

Abstract

本发明公开了一种水土保持陡坡地遥感监管图斑解译方法及系统，涉及高分辨率卫星影像处理技术领域，方法包括以下步骤：S1、对遥感影像进行多尺度分割，确定最优分割尺度；S2、基于亮度、归一化植被指数、蓝波段均值、近红外波段均值、比值居民地指数、边界指数、形状指数建立裸地提取算法，并用裸地提取算法剔除S1中分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像；S3、采集DEM数据并对其进行预处理，利用预处理后的DEM数据进行坡度计算，得到坡度底图；S4、对坡度底图与疑似扰动图斑影像叠加分析，提取目标范围内的陡坡地裸地图斑。本发明可根据不同地区陡坡地禁垦范围标准提取坡度范围内的开垦图斑，并显著提升了提取精度。

Description

一种水土保持陡坡地遥感监管图斑解译方法及系统

技术领域

本发明涉及高分辨率卫星影像处理技术领域，特别是涉及一种水土保持陡坡地遥感监管图斑解译方法及系统。

背景技术

水土保持监测是《水土保持法》赋予水行政主管部门的法定职责，并要根据水土保持监测情况定期向社会公告水土流失及防治情况。

陡坡耕种是人为加速土壤侵蚀的重要原因之一，为强化人为水土流失监管，推进水土保持遥感监管向农林开发活动延伸，亟待陡坡地遥感监管工作的深入开展。《土地利用现状调查技术规程》对耕地坡度分为五级，地面坡度的不同级别，对耕地利用的影响不同。≤2°一般无水土流失现象；2°～6°可发生轻度土壤侵蚀，需注意水土保持；6°～15°可发生中度水土流失，应采取修筑梯田、等高种植等措施，加强水土保持；15°～25°水土流失严重，必须采取工程、生物等综合措施防治水土流失；大于25°为《水土保持法》规定的开垦限制坡度，即禁止在二十五度以上陡坡地开垦种植农作物，在二十五度以上陡坡地种植经济林的，应当科学选取树种，合理确定规模，采取水土保持措施，防止造成水土流失。

面对水土保持监管的需求，迫切需要探索陡坡遥感监管解译方法，而现有的提取疑似图斑方法多是在小区域内对所有疑似图斑通过人工目视解译进行提取，尚未有基于地形坡度范围对疑似农林开发活动的扰动图斑进行自动提取的技术方案，无法按照不同地区的相关法律规定对大区域内的农林开发活动进行判别提取。因此如何利用高分遥感影像准确、大范围提取目标坡度范围内疑似农林开发活动的扰动图斑是进一步强化人为水土流失监管、推进水土保持遥感监管向农林开发活动延伸所面临的关键问题。

发明内容

本发明的目的是提供一种水土保持陡坡地遥感监管图斑解译方法及系统，针对不同类型的干扰地物进行剔除后提取目标图斑，通过叠加分析，提取了陡坡地禁垦坡度范围内的疑似开垦图斑，适用于大区域范围的疑似扰动图斑提取。

为实现上述目的，本发明提供了如下方案：

一种水土保持陡坡地遥感监管图斑解译方法，包括以下步骤：

S1、对遥感影像进行多尺度分割，确定最优分割尺度；

S2、基于亮度、归一化植被指数、蓝波段均值、近红外波段均值、比值居民地指数、边界指数、形状指数建立裸地提取算法，并利用所述裸地提取算法，剔除S1中分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像；

S3、采集DEM数据并对其进行预处理，利用预处理后的的DEM数据进行坡度计算，得到坡度底图；

S4、对所述坡度底图与所述疑似扰动图斑影像进行叠加分析，提取目标范围内的陡坡地裸地图斑。

进一步的，所述S2中，利用所述裸地提取算法，剔除S1中分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像，具体包括以下步骤：

S201、利用亮度算法框定裸露地面的最大范围，阈值范围设定为：Brightness≥im_Brightness，其中im_Brightness为有效区分裸露地面和其他地物的亮度临界值；

S202、利用归一化植被指数剔除所述S201中得到的遥感影像中存在混淆的植被地物；

所述归一化植被指数的计算公式为：

NDVI＝(NIR-Red)/(NIR+Red)，

式中，NIR代表近红外波段，Red代表红光波段；

阈值范围设定为：NDVI≥im_NDVI，im_NDVI为有效区分绿化植被和其他地物的第一临界值，所述第一临界值因影像而异；

S203、对S202得到的遥感影像，利用蓝光波段均值、近红外波段均值、比值居民地指数剔除灰白色建筑物和部分沙地，所述蓝光波段均值和近红外波段均值的计算公式为：

式中，代表地物图斑v在图层L上的平均亮度值；n代表地物图斑v的像元总数；C_Li代表地物图斑v中第i个像素在图层L上的亮度值；

阈值范围设定为：Mean Fu_B1≤im_B1，Mean Fu_B4≥im_B4，其中，im_B1、im_B4为有效区分沙地、不透水层分别与其他地物的第二临界值，Fu_B1、Fu_B4分别指融合数据的蓝光波段和近红外波段；Mean Fu_B1代表蓝波段均值，Mean Fu_B4代表近红外波段均值；

比值居民地指数的计算公式为：RRI＝Band1/Band4

式中，Band1代表蓝光波段，Band4代表近红外波段；

当选用多光谱和全色数据融合后的影像为基础数据时，选用融合影像的蓝光波段和近红外波段构建模拟RRI，所述模拟RRI的计算公式为：

模拟RRI＝Fu_Band1/Fu_Band4

式中，Fu_Band1代表融合影像的蓝光波段，Fu_Band4代表融合影像的近红外波段；

阈值范围设定为：RRI≥im_RRI，im_RRI为有效区分不透水层与其他地物的第三临界值；

S204、对经过步骤S203剔除处理后的影像，利用形状指数算法剔除混淆的沙地，得到疑似扰动图斑影像；阈值范围设定为：Shape index≥im_Shape index，其中im_Shapeindex为有效区分沙地、建筑物与其他地物的第四临界值。

进一步的，所述S3中的预处理具体包括：去除噪声、填补缺失值、进行插值。

进一步的，所述S3中，利用预处理后的的DEM数据进行坡度计算，得到坡度底图，具体包括以下步骤：

所述坡度取决于表面从中心像元开始在水平方向和垂直方向上的变化率；计算坡度的基本算法如下：

式中，x、y为像元在地面所对应点的平面坐标(x,y)，z为该点的高度；

像元e在x方向上的变化率通过以下算法计算：

像元e在y方向上的变化率通过以下发进行计算：

式中，a、b，……，i——各栅格的高程；wght1、wght2均为有效像元的加权计数；

计算完成后，生成的坡度底图。

进一步的，所述S4、对所述坡度底图与所述疑似扰动图斑影像进行叠加分析，提取目标范围内的陡坡地裸地图斑，具体包括以下步骤：

将坡度底图和图斑底图导入到GIS软件中，并确保具有正确的坐标系；利用叠加分析工具“Intersect”，将坡度底图和图斑提取结果底图分别指定为输入要素，执行叠加操作，生成叠加结果；所述叠加结果包含坡度和图斑信息的组合，用于明确哪些图斑处于特定的坡度区域；

根据需要设置坡度阈值，对不同坡度范围内的图斑进行筛选，最终确定目标坡度范围内的陡坡地裸地图斑的分布。

本发明还提供了一种水土保持陡坡地遥感监管图斑解译系统，用于执行所述的水土保持陡坡地遥感监管图斑解译方法，包括：

分割模块，用于对遥感影像进行多尺度分割，确定最优分割尺度；

剔除模块，用于基于亮度、归一化植被指数、蓝波段均值、近红外波段均值、比值居民地指数、边界指数、形状指数建立裸地提取算法，并利用所述裸地提取算法，剔除分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像；

坡度底图获取模块，用于采集DEM数据并对其进行预处理，利用预处理后的的DEM数据进行坡度计算，得到坡度底图；

叠加分析模块，用于对所述坡度底图与所述疑似扰动图斑影像进行叠加分析，提取目标范围内的陡坡地裸地图斑。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的水土保持陡坡地遥感监管图斑解译方法及系统，对遥感影像采用多尺度分割，确定最优分割尺度，并参照裸地提取常用算法，针对不同类型的干扰地物进行剔除后提取目标图斑。相较于传统的人工解译提取方法，本发明具有提取精度高，速度快等特点，适用于大区域范围的疑似扰动图斑提取。此外，本发明利用立体测绘遥感数据生产的DEM进行坡度计算，通过与疑似扰动图斑影像叠加分析，提取陡坡地禁垦坡度范围内的疑似开垦图斑。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的水土保持陡坡地遥感监管图斑解译方法的流程图；

图2为本发明实施例的提取疑似扰动图斑影像的流程图；

图3为本发明实施例坡度计算栅格示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种水土保持陡坡地遥感监管图斑解译方法及系统，针对不同类型的干扰地物进行剔除后提取目标图斑，通过叠加分析，提取了陡坡地禁垦坡度范围内的疑似开垦图斑，适用于大区域范围的疑似扰动图斑提取。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1-3所示，本发明实施例提供的一种水土保持陡坡地遥感监管图斑解译方法，包括以下步骤：

S1、对遥感影像进行多尺度分割，确定最优分割尺度；

S2、基于亮度、归一化植被指数、蓝波段均值、近红外波段均值、比值居民地指数、边界指数、形状指数建立裸地提取算法，并利用所述裸地提取算法，剔除S1中分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像；

S3、采集DEM数据并对其进行预处理，利用预处理后的的DEM数据进行坡度计算，得到坡度底图；

S4、对所述坡度底图与所述疑似扰动图斑影像进行叠加分析，提取目标范围内的陡坡地裸地图斑。

本实施例中，S1、对遥感影像进行多尺度分割，确定最优分割尺度，具体包括：

影像分割的目的在于识别目标地物，因此目标地物不同，分割尺度不同，参数也不同。在影像分割过程中，最优的分割尺度应使得分割对象内部同质，边界完整且清晰，以提高分类的效率和信息提取的精度。具体地，可通过变换多种分割尺度，目视分析分割对象与实际地物的吻合度，对多尺度分割结果进行评价，确定最优的分割尺度。近红外波段、红波段、绿波段和蓝波段以1：1：1：1的比例参与分割，分别用4、3、2、1代表。

本实施例中，裸露地面反射率高，植被覆盖度低，纹理均一，容易同沙地、不透水层(建筑物)、植被等混分，分别利用亮度(Brighmess)、归一化植被指数(NDVI)、蓝波段均值(Mean Fu_B1)、近红外波段均值(Mean Fu_B4)、比值居民地指数(Ratio Resident-areaIndex，RRI)\边界指数(Shape index)、形状指数(Border index)剔除与裸露地面混淆的其他地物，裸地提取算法集汇总表见表1。

表1裸露地面提取算法集汇总表

本实施例中，所述S2中，利用所述裸地提取算法，剔除S1中分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像，具体包括以下步骤：

S201、利用亮度(Brightness)算法框定裸露地面的最大范围，亮度算法可以提取裸地的最大范围，其中混入多种高反射的地类，阈值范围设定为：Brightness≥im_Brightness，其中im_Brightness为有效区分裸露地面和其他地物的亮度临界值，该亮度临界值因影像而异。

S202、利用归一化植被指数(NDVI)剔除所述S201中得到的遥感影像中存在混淆的植被地物；

所述归一化植被指数的计算公式为：

NDVI＝(NIR-Red)/(NIR+Red)，

式中，NIR代表近红外波段，Red代表红光波段；

阈值范围设定为：NDVI≥im_NDVI，im_NDVI为有效区分绿化植被和其他地物的第一临界值，第一临界值因影像而异；

S203、对S202得到的遥感影像，利用蓝波段均值(Mean Fu_B1)、近红外波段均值(MeanFu_B4)、比值居民地指数(RRI)剔除灰白色建筑物和部分沙地，所述蓝光波段均值和近红外波段均值的计算公式为：

式中，代表地物图斑v在图层L上的平均亮度值；n代表地物图斑v的像元总数；C_Li代表地物图斑v中第i个像素在图层L上的亮度值；

阈值范围设定为：Mean Fu_B1≤im_B1，Mean Fu_B4≥im_B4，其中，im_B1、im_B4为有效区分沙地、不透水层分别与其他地物的第二临界值，第二临界值因影像而异；FuB1、Fu_B4分别指融合数据的蓝光波段和近红外波段；MeanFu_B1代表蓝波段均值，MeanFu_B4代表近红外波段均值。

由于不透水层在蓝光波段(Band1)和近红外波段(Band4)上的光谱特征对比度较大，能够很好地突出不透水层与其他地物差别，因此比值居民地指数(RRI)数值较大，可通过比值居民地指数对不透水层进行剔除。

比值居民地指数(RRI)的计算公式为：RRI＝Band1/Band4

式中，Band1代表蓝光波段，Band4代表近红外波段；

当选用多光谱和全色数据融合后的影像为基础数据时，选用融合影像的蓝光波段和近红外波段构建模拟RRI，模拟RRI与RRI体现的地物光谱曲线一致，前者空间分辨率和提取精度更高。所述模拟RRI的计算公式为：

模拟RRI＝Fu_Band1/Fu_Band4

式中，Fu_Band1代表融合影像的蓝光波段，Fu_Band4代表融合影像的近红外波段；

阈值范围设定为：RRI≥im_RRI，im_RRI为有效区分不透水层与其他地物的第三临界值，第三临界值因影像而异；

S204、对经过步骤S203剔除处理后的影像，利用形状指数算法剔除混淆的沙地，，得到疑似扰动图斑影像；阈值范围设定为：Shapeindex≥im_Shape index，其中im_Shapeindex为有效区分沙地、建筑物与其他地物的第四临界值，第四临界值因影像而异。

本实施例中，所述S3中的预处理具体包括：去除噪声、填补缺失值、进行插值等操作，以确保数据质量和准确性。如果原始DEM的投影与后续分析所需不一致，可以通过“投影和变换”工具进行投影转换。利用GIS软件数据分析工具箱中的“3D分析工具”、“栅格表面”；在“栅格表面”工具集中，选择“坡度”工具；选择输入的DEM数据，并设置输出坡度底图的路径和文件名，生成高程栅格数据。

本实施例中，所述S3中，利用预处理后的的DEM数据进行坡度计算，得到坡度底图，具体包括以下步骤：

如图3所示，所述坡度取决于表面从中心像元(e)开始在水平方向(dz/dx)和垂直方向(dz/dy)上的变化率(增量)；计算坡度的基本算法如下：

式中，x、y为像元在地面所对应点的平面坐标(x,y)，z为该点的高度；

像元e在x方向上的变化率通过以下算法计算：

像元e在y方向上的变化率通过以下算法进行计算：

式中，a、b，……，i——各栅格的高程；wght1、wght2均为有效像元的加权计数；

计算完成后，生成坡度底图。

本实施例中，所述S4、对所述坡度底图与所述疑似扰动图斑影像进行叠加分析，提取目标范围内的陡坡地裸地图斑，具体包括以下步骤：

将坡度底图和图斑底图导入到GIS软件中，并确保具有正确的坐标系；利用叠加分析工具“Intersect(相交)”，将坡度底图和图斑提取结果底图分别指定为输入要素，执行叠加操作，生成叠加结果；该叠加结果将包含坡度和图斑信息的组合，可以直观地了解哪些图斑处于特定的坡度区域，根据需要设置坡度阈值，对不同坡度范围内的图斑进行筛选，最终确定目标坡度范围内的陡坡地裸地图斑的分布，即确定目标坡度范围内的陡坡地裸地图斑的分布。

实施例2

本发明实施例提供了一种水土保持陡坡地遥感监管图斑解译系统，用于执行实施例1所述的水土保持陡坡地遥感监管图斑解译方法，包括：

分割模块，用于对遥感影像进行多尺度分割和多阈值分割，确定最优分割尺度；

剔除模块，用于基于亮度、归一化植被指数、蓝波段均值、近红外波段均值、比值居民地指数、边界指数、形状指数建立裸地提取算法，并利用所述裸地提取算法，剔除分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像；

坡度底图获取模块，用于采集DEM数据并对其进行预处理，利用预处理后的的DEM数据进行坡度计算，得到坡度底图；

叠加分析模块，用于对所述坡度底图与所述疑似扰动图斑影像进行叠加分析，提取目标范围内的陡坡地裸地图斑。

综上，本发明提供的一种水土保持陡坡地遥感监管图斑解译方法及系统，借助DEM数据，套合本期和上期这两期遥感影像数据，基于不同陡坡地坡度范围提取了目标坡度范围内的疑似开垦图斑。本发明采取多元数据综合分析和多尺度多算法协同算法，构建了基于高分遥感影像和高精度DEM数据的陡坡地禁垦坡度范围内的疑似开垦图斑提取，创新陡坡地扰动图斑提取手段，能够根据不同地区陡坡地禁垦范围标准提取坡度范围内的疑似开垦图斑，且在提取精度方面得到极大提升，为水土保持监测工作提供强有力的技术支撑

在本实施例中的其余技术特征，本领域技术人员均可以根据实际情况进行灵活选用以满足不同的具体实际需求。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的组成，结构或部件，均在本发明的权利要求书请求保护的技术方案限定技术保护范围之内。

本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。在以上描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的技术，例如具体的施工细节，作业条件和其他的技术条件等。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种水土保持陡坡地遥感监管图斑解译方法，其特征在于，包括以下步骤：

S1、对遥感影像进行多尺度分割，确定最优分割尺度；

S2、基于亮度、归一化植被指数、蓝波段均值、近红外波段均值、比值居民地指数、边界指数、形状指数建立裸地提取算法，并利用所述裸地提取算法，剔除所述S1中分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像；

S3、采集DEM数据并对其进行预处理，利用预处理后的的DEM数据进行坡度计算，得到坡度底图；

S4、对所述坡度底图与所述疑似扰动图斑影像进行叠加分析，提取目标范围内的陡坡地裸地图斑。

2.根据权利要求1所述的水土保持陡坡地遥感监管图斑解译方法，其特征在于，所述S2中，利用所述裸地提取算法，剔除所述S1中分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像，具体包括以下步骤：

S201、利用亮度算法框定裸露地面的最大范围，阈值范围设定为：Brightness≥im_Brightness，其中im_Brightness为有效区分裸露地面和其他地物的亮度临界值；

S202、利用归一化植被指数剔除所述S201中得到的遥感影像中存在混淆的植被地物；

所述归一化植被指数的计算公式为：

NDVI＝(NIR-Red)/(NIR+Red)，

式中，NIR代表近红外波段，Red代表红光波段；

阈值范围设定为：NDVI≥im_NDVI，im_NDVI为有效区分绿化植被和其他地物的第一临界值，所述第一临界值因影像而异；

S203、对S202得到的遥感影像，利用蓝光波段均值、近红外波段均值、比值居民地指数剔除灰白色建筑物和部分沙地，所述蓝光波段均值和近红外波段均值的计算公式为：

式中，代表地物图斑v在图层L上的平均亮度值；n代表地物图斑v的像元总数；C_Li代表地物图斑v中第i个像素在图层L上的亮度值；

阈值范围设定为：MeanFu_B1≤im_B1，Mean Fu_B4≥im_B4，其中，im_BI、im_B4为有效区分沙地、不透水层分别与其他地物的第二临界值，Fu_B1、Fu_B4分别指融合数据的蓝光波段和近红外波段；MeanFu_B1代表蓝波段均值，Mean Fu_B4代表近红外波段均值；

比值居民地指数的计算公式为：RRI＝Band1/Band4

式中，Band1代表蓝光波段，Band4代表近红外波段；

当选用多光谱和全色数据融合后的影像为基础数据时，选用融合影像的蓝光波段和近红外波段构建模拟RRI，所述模拟RRI的计算公式为：

模拟RRI＝Fu_Band1/Fu_Band4

式中，Fu_Band1代表融合影像的蓝光波段，Fu_Band4代表融合影像的近红外波段；

阈值范围设定为：RRI≥im_RRI，im_RRI为有效区分不透水层与其他地物的第三临界值；

S204、对经过步骤S203剔除处理后的影像，利用形状指数算法剔除混淆的沙地，得到疑似扰动图斑影像；阈值范围设定为：Shape index≥im_Shape index，其中im_Shape index为有效区分沙地、建筑物与其他地物的第四临界值。

3.根据权利要求1所述的水土保持陡坡地遥感监管图斑解译方法，其特征在于，所述S3中的预处理具体包括：去除噪声、填补缺失值、进行插值。

4.根据权利要求1所述的水土保持陡坡地遥感监管图斑解译方法，其特征在于，所述S3中，利用预处理后的的DEM数据进行坡度计算，得到坡度底图，具体包括以下步骤：

所述坡度取决于表面从中心像元开始在水平方向和垂直方向上的变化率；计算坡度的基本算法如下：

式中，x、y为像元在地面所对应点的平面坐标(x,y)，z为该点的高度；

像元e在x方向上的变化率通过以下公式计算：

像元e在y方向上的变化率通过以下公式进行计算：

式中，a、b，……，i——各栅格的高程；wght1、wght2均为有效像元的加权计数；

计算完成后，生成的坡度底图。

5.根据权利要求1所述的水土保持陡坡地遥感监管图斑解译方法，其特征在于，所述S4、对所述坡度底图与所述疑似扰动图斑影像进行叠加分析，提取目标范围内的陡坡地裸地图斑，具体包括以下步骤：

将坡度底图和图斑底图导入到GIS软件中，并确保具有正确的坐标系；利用叠加分析工具“Intersect”，将坡度底图和图斑提取结果底图分别指定为输入要素，执行叠加操作，生成叠加结果；所述叠加结果包含坡度和图斑信息的组合，用于明确哪些图斑处于特定的坡度区域；

根据需要设置坡度阈值，对不同坡度范围内的图斑进行筛选，最终确定目标坡度范围内的陡坡地裸地图斑的分布。

6.一种水土保持陡坡地遥感监管图斑解译系统，用于执行权利要求1-5任一项所述的水土保持陡坡地遥感监管图斑解译方法，其特征在于，包括：

分割模块，用于对遥感影像进行多尺度分割，确定最优分割尺度；

剔除模块，用于基于亮度、归一化植被指数、蓝波段均值、近红外波段均值、比值居民地指数、边界指数、形状指数建立裸地提取算法，并利用所述裸地提取算法，剔除S1中分割后的遥感影像中的干扰地物，得到疑似扰动图斑影像；

坡度底图获取模块，用于采集DEM数据并对其进行预处理，利用预处理后的的DEM数据进行坡度计算，得到坡度底图；

叠加分析模块，用于对所述坡度底图与所述疑似扰动图斑影像进行叠加分析，提取目标范围内的陡坡地裸地图斑。