改进OTSU算法在采煤沉陷耕地作物绝产边界识别中的应用

本篇论文主要探讨了"基于改进OTSU算法的采煤沉陷耕地作物绝产边界识别"这一主题，针对煤炭开采活动对环境产生的影响，特别是对农业生产的影响，提出了一个创新的方法来解决土地损毁问题。在煤炭开采过程中，由于沉陷导致的耕地退化，农作物的生长受到严重影响，这直接影响到土地复垦的难度和成本。通过精确识别沉陷耕地中的作物绝产边界，有助于评估土地恢复的可行性，以及合理制定土地补偿和复垦策略。 论文的核心技术是利用无人机高分辨率遥感技术获取的数字表面模型(DSM)，结合改进的OTSU（Otsu's Thresholding Method）算法。原始的OTSU算法是一种用于图像二值化的经典方法，其优点是能自动寻找最佳的阈值，区分高亮和暗部区域。但在本研究中，作者针对沉陷耕地作物的高度差异，对OTSU算法进行了两个方面的改进： 1. 高度数据离散化：将高程数据转化为更易于处理的形式，通过离散化处理，提高了算法在处理高度差异信息时的精度。 2. 改变灰度运算为高程运算：考虑到作物高度差异，将图像分割阈值从传统的亮度阈值转变为基于作物实际高程的阈值，这样更能反映作物生长状态的变化。 通过这些改进，论文构建了一个系统流程，首先利用Pix4Dmapper软件处理无人机影像，生成DSM，然后利用优化的OTSU算法提取高程信息，结合Canny算子进行边缘检测，最终确定作物绝产边界的位置。这种方法在山东省济宁市某采煤沉陷区的实地应用中取得了良好的效果，结果显示，改进后的算法能够有效识别沉陷耕地中的作物绝产边界，为土地管理和资源补偿提供了精准的数据支持。 该研究成果对于煤炭行业具有重要意义，不仅提升了土地沉陷监测的自动化水平，减少了野外作业的人力成本，还提高了数据的准确性和可靠性。此外，它也为其他采矿区域的沉陷耕地监测和恢复工作提供了一种实用且高效的解决方案，推动了智慧矿山建设和可持续发展。未来的研究可能进一步探索如何将人工智能和其他高级分析技术融入此类土壤和作物识别方法，以实现更大规模和更深层次的土地管理和资源保护。