陶浩然，陳 權(quán)，李 震，曾江源，陳曉寧

近景攝影測(cè)量提高裸露地表粗糙度測(cè)量精度

陶浩然1,2，陳 權(quán)2※，李 震2，曾江源2，陳曉寧1

（1. 西安科技大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院，西安 710054；2. 中國(guó)科學(xué)院遙感與數(shù)字地球研究所航空遙感中心，北京 100094）

微波遙感觀測(cè)量對(duì)地表參數(shù)敏感，可用于對(duì)土壤水分、地表粗糙度和植被信息的定量提取。地表粗糙度參數(shù)實(shí)測(cè)值，是遙感反演結(jié)果驗(yàn)證、精度評(píng)價(jià)，以及各類遙感反演算法中的重要參量，但一直缺少一種簡(jiǎn)便、快捷、高精度的獲取手段。該研究將近景攝影測(cè)量方法和微波遙感領(lǐng)域傳統(tǒng)地表粗糙度測(cè)量的針板法進(jìn)行對(duì)比，分析2種方法均方根高度及相關(guān)長(zhǎng)度的測(cè)量結(jié)果，表明近景攝影測(cè)量法可以有效提高粗糙度實(shí)地測(cè)量精度；以近景攝影測(cè)量法全角度粗糙度參數(shù)的均值作為實(shí)測(cè)真實(shí)值，表明傳統(tǒng)針板法測(cè)量的均方根高度誤差達(dá)到12%～35.1%，相關(guān)長(zhǎng)度誤差最大能達(dá)到19.6%～62.4%；分析了采樣間隔和采樣數(shù)目對(duì)粗糙度測(cè)量的影響，表明針板法采用1 cm的間隔是實(shí)際地表較好的選擇，但僅采用2個(gè)方向均值的測(cè)量方法必然帶來(lái)很大誤差，同時(shí)得出測(cè)量次數(shù)大于12時(shí)，測(cè)量結(jié)果趨于穩(wěn)定并可認(rèn)定為真值的結(jié)論；此外，研究表明，在一些傳統(tǒng)針板法無(wú)法提取粗糙度的情況，近景攝影測(cè)量法依然有效。該研究表明，近景攝影測(cè)量法的非接觸式、高精度、采樣間隔及采樣頻率可調(diào)節(jié)等特征，為微波遙感工作提供了有效的地表粗糙度地面實(shí)測(cè)手段。

遙感；粗糙度；測(cè)量；近景攝影測(cè)量；點(diǎn)云；采樣間隔

陶浩然，陳 權(quán)，李 震，曾江源，陳曉寧. 近景攝影測(cè)量提高裸露地表粗糙度測(cè)量精度[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(15)：162－167. doi：10.11975/j.issn.1002-6819.2017.15.021 http://www.tcsae.org

Tao Haoran, Chen Quan, Li Zhen, Zeng Jiangyuan, Chen Xiaoning. Improvement of soil surface roughness measurement accuracy by close-range photogrammetry[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(15): 162－167. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.15.021 http://www.tcsae.org

0 引 言

土壤表面粗糙度定義為一定區(qū)域內(nèi)土壤表面的不規(guī)則度，受土壤質(zhì)地、粒徑、巖屑及植被覆蓋等因素的綜合影響[1]。土壤粗糙度影響地表含水量、地表入滲、地表徑流并最終影響泥沙的搬運(yùn)與沉積[2]。地表粗糙度不僅可以表征土壤表面的起伏程度，亦對(duì)地表與雷達(dá)入射波之間的相互作用產(chǎn)生重要影響，是微波對(duì)地觀測(cè)參數(shù)反演領(lǐng)域的研究重點(diǎn)，還是Oh等[3-5]等地表微波散射模型的重要輸入?yún)?shù)之一，很大程度上決定了后向散射回波強(qiáng)度[6]，是影響土壤水分反演精度的一個(gè)至關(guān)重要的地表參數(shù)[7]，其對(duì)后向散射系數(shù)的影響有時(shí)甚至?xí)^(guò)土壤水分[8]。為了建立準(zhǔn)確的地表前向電磁散射模型和遙感反演模型，在觀測(cè)試驗(yàn)中同步進(jìn)行的土壤粗糙度的采集是最常用的方法[9]，目的是利用實(shí)測(cè)數(shù)據(jù)校正粗糙度對(duì)后向散射系數(shù)的影響。

根據(jù)測(cè)量方式的差異將地表粗糙度測(cè)量方法分為接觸式和非接觸式2種。常用的接觸式測(cè)量主要包括鏈條法及針板法等。鏈條法因只能計(jì)算單一參數(shù)，無(wú)法獲取剖面形狀，具有較大的局限性[10]。而常用的非接觸式測(cè)量方式主要包括：超聲波測(cè)量法[11]、激光掃描法[12-14]、攝影測(cè)量法[15]等。超聲波測(cè)量易產(chǎn)生聲波的多次反射而造成精度降低；三維激光掃描法設(shè)站次數(shù)較少時(shí)易產(chǎn)生測(cè)量漏洞，設(shè)站次數(shù)較多則會(huì)涉及數(shù)據(jù)拼接問(wèn)題并大幅增加作業(yè)時(shí)間，且測(cè)量?jī)x器價(jià)格昂貴。針板法是目前微波遙感研究及實(shí)際應(yīng)用中廣泛采用的測(cè)量方法[16]，但每次測(cè)量?jī)H取2個(gè)垂直方向的平均值代表整個(gè)區(qū)域的粗糙度值，精度較低。近年來(lái)，隨著數(shù)碼相機(jī)的普及以及影像匹配算法的發(fā)展，使得利用攝影測(cè)量進(jìn)行地表粗糙度測(cè)量成為可能。近景攝影測(cè)量法不需要攜帶針板等體積較大的實(shí)驗(yàn)儀器，在野外考察工作中有很強(qiáng)的實(shí)用性；也可避免針板法測(cè)量次數(shù)較少等問(wèn)題造成的測(cè)量誤差，有效提高地表粗糙度測(cè)量精度，改善后續(xù)如地表參數(shù)反演等工作的精度，這是針板法測(cè)量地表粗糙度所不具備的優(yōu)勢(shì)。本研究通過(guò)對(duì)比針板法和近景攝影測(cè)量法在地表粗糙度測(cè)量中的實(shí)際情況，證明近景攝影測(cè)量法可以有效提高地表粗糙度測(cè)量的效率及精度。

1 粗糙度相關(guān)參數(shù)

在微波遙感領(lǐng)域，地表粗糙度一般用2個(gè)主要參數(shù)進(jìn)行表征，分別是均方根高度σ和表面相關(guān)長(zhǎng)度l，它們分別從垂直與水平2個(gè)方向上對(duì)地表粗糙度狀況進(jìn)行刻畫[17]。

1.1 均方根高度σ

假設(shè)平面x-y內(nèi)一點(diǎn)(x,y)的高度為z(x,y)，在表面上取統(tǒng)計(jì)意義上有代表性的一塊，尺度分別為L(zhǎng)x和Ly，并將原點(diǎn)置于平面中心，則該表面平均高度為：

該變量平方的數(shù)學(xué)期望為：

則定義均方根高度σ為：

對(duì)于離散數(shù)據(jù)，均方根高度σ為：

1.2 表面相關(guān)長(zhǎng)度l

定義表面在x方向的高度為z(x)，則表面的歸一化自相關(guān)函數(shù)為：

它是x點(diǎn)的高度z(x)與x相距x′另一點(diǎn)的高度z(x+x′)之間相似性的一種度量，對(duì)于離散數(shù)據(jù)，相距x′=(j?1)x的歸一化自相關(guān)函數(shù)由下式給出：

式中j為自然數(shù)。

表面相關(guān)長(zhǎng)度l是估計(jì)表面上兩點(diǎn)相互獨(dú)立的一種標(biāo)準(zhǔn)，即如果兩點(diǎn)在水平距離上相隔距離大于l，那么該兩點(diǎn)的高度值，從統(tǒng)計(jì)意義上說(shuō)是近似獨(dú)立的。

2 數(shù)據(jù)與方法

2.1 傳統(tǒng)針板法

目前常采用的地表粗糙度測(cè)量方法主要是針板法，針板法利用的主要工具是針板，針板由一排等長(zhǎng)、等距排列的探針及增加對(duì)比度所用的黑板等部件組成，如圖1所示。測(cè)量時(shí)探針與待測(cè)地表接觸，用相機(jī)記錄探針針尾的起伏狀態(tài)后在電腦上進(jìn)行數(shù)字化并轉(zhuǎn)換圖像坐標(biāo)，得到測(cè)針?biāo)硎镜母鼽c(diǎn)高程值，從而計(jì)算出地表粗糙度。

針板造價(jià)低廉，操作簡(jiǎn)單，被微波遙感領(lǐng)域的研究人員廣泛使用。然而針板法測(cè)量粗糙度屬于接觸式測(cè)量，操作時(shí)探針與地表接觸，不可避免地對(duì)地表結(jié)構(gòu)造成一定的破壞，特別是對(duì)于疏松地表地形的破壞更是不可忽略[18-20]，同時(shí)還會(huì)造成探針末端插入地表，增大測(cè)量誤差。因地表粗糙度的均方根高度和表面相關(guān)長(zhǎng)度與采樣間隔有關(guān)，測(cè)針之間較大的間隔易造成地表粗糙度的低估，且其對(duì)于表面相關(guān)長(zhǎng)度l的影響要大于均方根高度σ[21]。另外，在野外實(shí)測(cè)過(guò)程中，常取某一方向及與之垂直方向的2組粗糙度參數(shù)并求平均從而得到該地地表粗糙度值，因測(cè)量次數(shù)較少，使得測(cè)量的粗糙度參數(shù)值帶有較大的偶然性[22]，精度較低。

圖1 傳統(tǒng)針板法測(cè)量地表粗糙度Fig.1 Measurement of soil roughness by traditional pin-profiler method

2.2 近景攝影測(cè)量法

近景攝影測(cè)量法采用非量測(cè)相機(jī)獲取多基線待測(cè)區(qū)域影像，利用空中三角測(cè)量光束法獲取影像的外方位元素并對(duì)影像進(jìn)行密集匹配來(lái)生成目標(biāo)區(qū)域三維點(diǎn)云，再對(duì)密集點(diǎn)云進(jìn)行處理獲取地表粗糙度，如圖2所示。

實(shí)際測(cè)量過(guò)程借鑒航空攝影測(cè)量方法，對(duì)待測(cè)地表進(jìn)行多航帶立體像對(duì)獲取。影像的分辨率決定了三維重建的細(xì)節(jié)質(zhì)量，與點(diǎn)云相關(guān)的影像數(shù)量直接決定了投影的幾何精度。因此在進(jìn)行攝影測(cè)量微地表重建的過(guò)程中，使用非量測(cè)相機(jī)以較高的像片重疊數(shù)（＞10）及較高的圖像分辨率來(lái)獲取高精度的粗糙度測(cè)量結(jié)果（本試驗(yàn)地面分辨率為0.462 mm/pix，重投影均方根誤差為0.178 mm），同時(shí)進(jìn)行多角度拍攝，防止出現(xiàn)像片漏洞而導(dǎo)致的點(diǎn)云不連貫。同時(shí)，需要在試驗(yàn)區(qū)域內(nèi)放置如圖3所示的金屬定標(biāo)板并保證定標(biāo)板水平（定標(biāo)板上印有6個(gè)編碼元作為控制點(diǎn)），用以確定像片中每個(gè)像素代表的地面實(shí)際長(zhǎng)度值。

本文利用Agisoft Photoscan軟件進(jìn)行點(diǎn)云的重建工作，軟件利用優(yōu)化的SIFT算法[23]進(jìn)行密集點(diǎn)的匹配。該算法首先建立高斯差分（DoG）尺度空間，并在尺度空間內(nèi)檢測(cè)極值點(diǎn)；然后利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特性為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)，使算子具備旋轉(zhuǎn)不變性；再生成關(guān)鍵點(diǎn)描述子并完成關(guān)鍵點(diǎn)的匹配，最后利用RANSAC（random sample consensus，隨機(jī)抽樣一致）消除錯(cuò)配點(diǎn)，其具有良好的魯棒性。該軟件通過(guò)光束法平差(bundle adjustment)確定內(nèi)外方位元素[24]，并通過(guò)多視角立體視覺(jué)算法進(jìn)行三維點(diǎn)云重建。最后對(duì)生成的點(diǎn)云進(jìn)行量測(cè)，達(dá)到非接觸式測(cè)量的效果。

近景攝影測(cè)量的誤差來(lái)源主要有：相機(jī)的分辨率及性能，所攝相片數(shù)量，攝影距離等[25]。因此儀器硬件性能方面應(yīng)保證相機(jī)具有較高的分辨率（大于500萬(wàn)像素），鏡頭應(yīng)利用焦距為20～80 mm（35 mm等效焦距）的定焦鏡頭或變焦鏡頭的遠(yuǎn)近兩端（擁有較為穩(wěn)定的機(jī)械結(jié)構(gòu)）。使用時(shí)應(yīng)設(shè)定較高的快門速度和較低的ISO感光度，避免圖像模糊或引入噪點(diǎn)而增大測(cè)量誤差。

圖2 近景攝影測(cè)量法測(cè)量地表粗糙度Fig.2 Measurement of soil surface roughness by close-range photogrammetry method

圖3 近景攝影測(cè)量法定標(biāo)板示意圖Fig.3 Schematic diagram of calibration board of close-range photogrammetry

近景攝影測(cè)量法估測(cè)地表粗糙度方法主要的優(yōu)點(diǎn)是僅利用普通的非量測(cè)型相機(jī)，便可獲取待測(cè)區(qū)域地表高精度點(diǎn)云數(shù)據(jù)，獲取數(shù)據(jù)方式為面狀，相較于針板法的線狀粗糙度獲取數(shù)據(jù)量大大增加，使粗糙度測(cè)量的偶然誤差有效降低，且精度可以大幅度提高。

2.3 數(shù)據(jù)獲取

試驗(yàn)中選用的針板全長(zhǎng)95 cm，測(cè)針共92根且每根測(cè)針相距1 cm（即采樣間隔為1 cm）。選擇北京航天城附近一塊面積較大的裸土地塊作為在試驗(yàn)區(qū)域，并在該區(qū)域選擇某一方向利用針板測(cè)量粗糙度，并用相機(jī)記錄，在與之垂直方向再次測(cè)量粗糙度，求取均值作為該地塊粗糙度參數(shù)。同時(shí)，為了比較不同粗糙度情況下的效果，本試驗(yàn)對(duì)粗糙度不同的3塊區(qū)域分別進(jìn)行了測(cè)量。

在相同試驗(yàn)區(qū)域利用近景攝影測(cè)量法進(jìn)行試驗(yàn)，利用獲取的高重疊度影像生成地表密集點(diǎn)云，選取以針板測(cè)量區(qū)域中心為圓心，92 cm為直徑的圓內(nèi)的點(diǎn)云，截取的圓形點(diǎn)云如圖4所示。在內(nèi)業(yè)計(jì)算中，通過(guò)設(shè)定一定的采樣間隔及采樣范圍大小，并任意旋轉(zhuǎn)采樣線，可以獲得試驗(yàn)區(qū)域內(nèi)任意角度、任意采樣間隔的地表粗糙度參數(shù)值。

圖4 截取圓形點(diǎn)云示意圖Fig.4 Schematic diagram of circular point cloud

3 結(jié)果與分析

3.1 采樣角度與地表的各向異性

有研究表明，作物區(qū)土壤地表具有較強(qiáng)的空間異質(zhì)性，相同區(qū)塊土壤均方根高度和相關(guān)長(zhǎng)度最大變異系數(shù)分別可達(dá)25.4%和94.5%[26]。地表粗糙度測(cè)量結(jié)果的準(zhǔn)確性將直接影響微波反演地表參數(shù)的結(jié)果，而地表的各向異性正是造成測(cè)量誤差的原因之一。

從圖5和圖6中粗糙度參數(shù)隨角度變化關(guān)系可以看出：均方根高度和相關(guān)長(zhǎng)度都會(huì)隨采樣角度產(chǎn)生較大變化，且變化趨勢(shì)較平滑，符合實(shí)際地表連續(xù)變化的特征。測(cè)量地表粗糙度應(yīng)利用近景攝影測(cè)量法綜合多角度進(jìn)行測(cè)量，增加測(cè)量角度，增大測(cè)量范圍，將線采樣模式擴(kuò)展為面采樣，減少針板法因測(cè)量方向不足而帶來(lái)的偶然誤差，準(zhǔn)確獲取土壤表面粗糙度的各向異性特征，并解決空間異質(zhì)性造成的測(cè)量誤差問(wèn)題。

圖5 均方根高度隨采樣角度變化規(guī)律Fig.5 RMS height varies with sampling angle

圖6 相關(guān)長(zhǎng)度隨采樣角度變化規(guī)律Fig.6 Correlation length varies with sampling angle

3.2 采樣數(shù)目與采樣間隔

通常，采樣長(zhǎng)度越長(zhǎng)，測(cè)得的地表粗糙度值越準(zhǔn)確[27-28]。有研究表明，為使均方根高度及表面相關(guān)長(zhǎng)度與真值的誤差小于10%，采樣長(zhǎng)度應(yīng)是均方根高度及表面相關(guān)長(zhǎng)度的40倍和200倍[29]。然而在實(shí)際測(cè)量過(guò)程中，將采樣長(zhǎng)度擴(kuò)大到表面相關(guān)長(zhǎng)度的200倍是行不通的，傳統(tǒng)針板法長(zhǎng)度的限制使得測(cè)量值與真值之間存在較大的誤差。在近景攝影測(cè)量方法中，可以在內(nèi)業(yè)計(jì)算中增加采樣次數(shù)來(lái)彌補(bǔ)采樣長(zhǎng)度不足造成的誤差[22]。

圖7表示了2種地表粗糙度參數(shù)統(tǒng)計(jì)量隨采樣數(shù)的變化規(guī)律，可以看出均方根高度及相關(guān)長(zhǎng)度隨著采樣數(shù)的增加逐漸趨于固定值，即隨著采樣間隔的減小均方根高度及相關(guān)長(zhǎng)度的測(cè)量誤差逐漸減小，最后趨于穩(wěn)定。從圖7可以看出當(dāng)采樣數(shù)目大于12時(shí)，可認(rèn)為測(cè)量結(jié)果穩(wěn)定為真值。

圖7 均方根高度及表面相關(guān)長(zhǎng)度隨采樣數(shù)目變化圖Fig.7 RMS height and correlation length varies with number of samples

表1給出了采樣的剖面隨采樣間隔的變化情況。由表1可見(jiàn)，在采樣間距小于1 cm時(shí)，所截得的剖面較為一致，與之對(duì)應(yīng)的均方根高度和相關(guān)長(zhǎng)度趨于穩(wěn)定。故此認(rèn)為地表微地形起伏具有一定的固有頻率，根據(jù)Nyquist采樣定理[30]，當(dāng)采樣頻率大于Nyquist采樣頻率，可通過(guò)采樣點(diǎn)重建地表粗糙度剖面；采樣率不足即采樣間隔過(guò)大時(shí)，不滿足采樣定理而無(wú)法重建地表粗糙度；而適當(dāng)進(jìn)行過(guò)采樣可以較好地重建出地表粗糙度，并能增強(qiáng)粗糙度參數(shù)測(cè)量的穩(wěn)定性。由表1的統(tǒng)計(jì)結(jié)果，我們認(rèn)為當(dāng)采樣間隔小于等于1 cm時(shí)可以精確刻畫出地表粗糙度剖面并準(zhǔn)確計(jì)算粗糙度參數(shù)，這也是傳統(tǒng)針板法常采用1 cm間隔的原因。

表1 近景攝影測(cè)量法地表粗糙度參數(shù)隨采樣間隔變化統(tǒng)計(jì)表Table 1 Statistical table of soil surface roughness parameters changing with sampling interval by close-range photogrammetry

3.3 2種測(cè)量方式對(duì)比結(jié)果

試驗(yàn)分別在粗糙度不同的3塊試驗(yàn)區(qū)進(jìn)行，表2為分別在3個(gè)試驗(yàn)區(qū)域進(jìn)行的2種粗糙度測(cè)量方法對(duì)比試驗(yàn)的統(tǒng)計(jì)結(jié)果。其中，攝影測(cè)量法的均方根高度及相關(guān)長(zhǎng)度測(cè)量結(jié)果（表中“平均值”）是圓形點(diǎn)云上各方向測(cè)量值平均，角度間隔均為1°；針板法測(cè)量的地表粗糙度統(tǒng)計(jì)值的平均值為相互垂直2次測(cè)量結(jié)果的平均值。通過(guò)以上對(duì)近景攝影測(cè)量法測(cè)量原理的分析，近景攝影測(cè)量法非接觸的測(cè)量方式不會(huì)對(duì)地表結(jié)構(gòu)造成破壞，且12次采樣后結(jié)果穩(wěn)定，所以，取攝影測(cè)量法全角度360次測(cè)量值的均值作為真值。從上表的統(tǒng)計(jì)結(jié)果可以看出：除了采樣次數(shù)不足產(chǎn)生的誤差外，傳統(tǒng)針板法測(cè)量的均方根高度值較攝影測(cè)量法偏小，原因?yàn)榻佑|式測(cè)量破壞了部分地表微結(jié)構(gòu)[31]，測(cè)針對(duì)疏松土質(zhì)及潮濕地表的垂直方向產(chǎn)生壓力，使地表趨于平滑，導(dǎo)致均方根高度低于真值，并在一定程度上破壞了土壤表面的自相關(guān)性，

使得針板法相關(guān)長(zhǎng)度測(cè)量值較真值偏低。

表2 近景攝影測(cè)量法與針板法測(cè)量結(jié)果統(tǒng)計(jì)表Table 2 Statistical table of close-range photogrammetry and pin-profiler method

3.4 極端地表應(yīng)用情況

地表自相關(guān)函數(shù)（autocorrelation function）能有效度量x點(diǎn)的高度z(x)與x相距x′另一點(diǎn)的高度z(x+x′)之間的相似性，由自相關(guān)函數(shù)計(jì)算出的表面相關(guān)長(zhǎng)度則能有效刻畫水平方向上的相互獨(dú)立的程度。

根據(jù)表面相關(guān)長(zhǎng)度的定義，在圖8所示的某些極端地表，可能會(huì)出現(xiàn)因針板法自身的不穩(wěn)定性及破壞地表微結(jié)構(gòu)而使測(cè)量的相關(guān)長(zhǎng)度過(guò)小，出現(xiàn)Oh模型[3]等散射模型不適用的情況，如Oh模型相關(guān)長(zhǎng)度的適用范圍為2.5～20 cm。圖8中，針板法與攝影測(cè)量法的相關(guān)長(zhǎng)度分別為2和4，針板法測(cè)量結(jié)果并不合理，攝影測(cè)量法則能避免這一情況的發(fā)生，在某些極端地表時(shí)更為有效。

圖8 極端地表針板法與近景攝影測(cè)量法自相關(guān)函數(shù)對(duì)比圖Fig.8 Comparison of auto correlation function between close-range photogrammetry and pin profiler method in extreme soil surface

4 結(jié) 論

近景攝影測(cè)量法利用攝影測(cè)量原理獲取待測(cè)區(qū)域地表影像，密集匹配后生成待測(cè)地表高精度點(diǎn)云，并在生成的密集點(diǎn)云上進(jìn)行量測(cè)。與傳統(tǒng)針板法相比，具有如下優(yōu)點(diǎn)：

1）提高精度及效率。從本文的試驗(yàn)中可見(jiàn)，針板法測(cè)量地表均方根高度誤差范圍12%～35.1%，而相關(guān)長(zhǎng)度測(cè)量誤差達(dá)到19.6%～62.4%，近景攝影測(cè)量法可便利地調(diào)整采樣角度，準(zhǔn)確刻畫地表粗糙度的各向異性；并能大幅增加采樣數(shù)目，解決地表空間異質(zhì)性造成的測(cè)量誤差問(wèn)題，本文同時(shí)指出當(dāng)采樣次數(shù)大于12次時(shí)，測(cè)量結(jié)果趨于穩(wěn)定，可作為測(cè)量真值。

2）解決有些地表無(wú)法測(cè)量的問(wèn)題。非接觸式的近景攝影測(cè)量法避免了測(cè)量過(guò)程對(duì)地表微結(jié)構(gòu)的破壞，解決了部分極端地表針板法測(cè)量導(dǎo)致粗糙度參數(shù)超出地表電磁散射模型適用范圍的問(wèn)題。

3）定義近景攝影測(cè)量法的采樣間隔問(wèn)題。采樣間隔及數(shù)目的設(shè)置應(yīng)滿足Nyquist采樣定理，適當(dāng)進(jìn)行過(guò)采樣能較好地重建出地表剖面，避免采樣間隔過(guò)大或過(guò)小導(dǎo)致的采樣不足和增加野外工作量。

目前在微波遙感研究中使用的地表粗糙度參數(shù)都是基于水平或垂直2個(gè)方向上的二維參數(shù)，而在雷達(dá)對(duì)地觀測(cè)過(guò)程中，不同波長(zhǎng)的雷達(dá)波以不同方向及入射角照射地面，得到的后向散射系數(shù)有顯著差異，僅從水平與垂直2方向刻畫土壤粗糙度并不能精確地反映其散射機(jī)理。利用攝影測(cè)量法測(cè)得的三維表面則可以從各角度獲取粗糙度值，對(duì)深入研究微波散射的物理機(jī)制，將近景攝影測(cè)量方法得到的地表粗糙度測(cè)量值引入到地表散射正向模型以及地表參數(shù)反演模型，是下一步研究的重點(diǎn)。

[1] Thomsen L M, Baartman J E M, Barneveld R J, et al. Soil surface roughness: Comparing old and new measuring methods and application in a soil erosion model[J]. Soil, 2015, 1(1): 399－410.

[2] Amoah J K O, Amatya D M, Nnaji S. Quantifying watershed surface depression storage: Determination and application in a hydrologic model[J]. Hydrological Processes, 2013, 27(17): 2401－2413.

[3] Oh Y, Sarabandi K, Ulaby F T. An empirical-model and an inversion technique for radar scattering from bare soil surfaces[J]. Ieee Transactions on Geoscience and Remote Sensing, 1992, 30(2): 370－381.

[4] Dubois P C, Van Zyl J, Engman T. Measuring soil moisture with imaging radars[J]. IEEE Transactions on Geoscience & Remote Sensing, 1995, 33(4): 915－926.

[5] Fung A K, Li Z, Chen K S. Backscattering from a randomly rough dielectric surface[J]. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30(2): 356－369.

[6] Barber M E, Grings F M, Alvarez-Mozos J, et al. Effects of spatial sampling interval on roughness parameters and microwave backscatter over agricultural soil surfaces[J]. Remote Sensing, 2016, 8(6): 458.

[7] Altese E, Bolognani O, Mancini M, et al. Retrieving soil moisture over bare soil from ERS 1 synthetic aperture radar data: Sensitivity analysis based on a theoretical surface scattering model and field data[J]. Water Resources Research, 1996, 32(3): 653－661.

[8] Bourgeau-Chavez L L, Kasischke E S, Riordan K, et al. Remote monitoring of spatial and temporal surface soil moisture in fire disturbed boreal forest ecosystems with ERS SAR imagery[J]. International Journal of Remote Sensing, 2007, 28(10): 2133－2162.

[9] 李俐，王荻，王鵬新，等. 合成孔徑雷達(dá)土壤水分反演研究進(jìn)展[J]. 資源科學(xué)，2015，37(10)：1929－1940.

Li Li, Wang Di, Wang Pengxin, et al. Progress on monitoring soil moisture using SAR data[J]. Resources Science, 2015, 37(10): 1929－1940. (in Chinese with English abstract)

[10] 朱良君，張光輝. 地表微地形測(cè)量及定量化方法研究綜述[J].中國(guó)水土保持科學(xué)，2013，11(5)：114－122.

Zhu Liangjun, Zhang Guanghui. Review of measurement and quantification of surface microtopography[J]. Science of Soil and Water Conservation, 2013, 11(5): 114－122. (in Chinese with English abstract)

[11] Robichaud P R, Molnau M. Measuring soil roughness changes with an ultrasonic profiler[J]. Transactions of the Asae, 1990, 33(6): 1851－1858.

[12] 李曉潔，趙凱，鄭興明. 基于激光三角法的地表粗糙度測(cè)試儀的研制[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28(8)：116－121.

Li Xiaojie, Zhao Kai, Zheng Xingming. Development of surface roughness tester based on laser triangulation method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(8): 116－121. (in Chinese with English abstract)

[13] Martinez-Agirre A, Alvarez-Mozos J, Gimenez R. Evaluation of surface roughness parameters in agricultural soils with different tillage conditions using a laser profile meter[J]. Soil & Tillage Research, 2016, 161: 19－30.

[14] Milenkovic M, Pfeifer N, Glira P. Applying terrestrial laser scanning for soil surface roughness assessment[J]. Remote Sensing, 2015, 7(2): 2007－2045.

[15] Welch R, Jordan T R, Thomas A W. A photogrammetric technique for measuring soil-erosion[J]. Journal of Soil and Water Conservation, 1984, 39(3): 191－194.

[16] Stenberg L, Tuukkanen T, Finer L, et al. Evaluation of erosion and surface roughness in peatland forest ditches using pin meter measurements and terrestrial laser scanning[J]. Earth Surface Processes and Landforms, 2016, 41(10): 1299－1311.

[17] 劉偉. 植被覆蓋地表極化雷達(dá)土壤水分反演與應(yīng)用研究[D].北京：中國(guó)科學(xué)院遙感應(yīng)用研究所, 2005. Liu Wei. Study on Soil Moisture Inversion and Application With Polarization Radar in Vegetated Area[D]. Beijing: Institute of Remote Sensing Applications Chinese Academy of Sciences, 2005. (in Chinese with English abstract)

[18] Jester W, Klik A. Soil surface roughness measurement & mdash; methods, applicability, and surface representation[J]. Catena, 2005, 64: 174－192.

[19] 江沖亞，方紅亮，魏珊珊. 地表粗糙度參數(shù)化研究綜述[J].地球科學(xué)進(jìn)展，2012，27(3)：292－303.

Jiang Chongya, Fang Hongliang, Wei Shanshan. Review of land surface roughness parameterization study[J]. Advances in Earth Sciences, 2012, 27(3): 292－303. (in Chinese with English abstract)

[20] Podmore T H, Huggins L F. An automated profile meter for surface-roughness measurements[J]. Transactions of the Asae, 1981, 24(3): 663－665.

[21] Oh Y, Hong J Y. Effect of surface profile length on the backscattering coefficients of bare surfaces[J]. Ieee Transactions on Geoscience and Remote Sensing, 2007, 45(3): 632－638.

[22] 鄭興明，趙凱，李曉潔. 農(nóng)田表面粗糙度參數(shù)的測(cè)量與精度分析[J]. 地球信息科學(xué)學(xué)報(bào)，2013，15(5)：752－760.

Zheng Xingming, Zhao Kai, Li Xiaojie. Accuracy analysis of agriculture soil surface roughness parameter[J]. Journal of Geo-Information Science, 2013, 15(5): 752－760. (in Chinese with English abstract)

[23] Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(2): 91－110.

[24] Yastikli N. Documentation of cultural heritage using digital photogrammetry and laser scanning[J]. Journal of Cultural Heritage, 2007, 8(4): 423－427.

[25] 李能. 多基線普通數(shù)碼相機(jī)近景攝影測(cè)量精度研究[D].昆明：昆明理工大學(xué)，2013.

[26] Alvarez-Mozos J, Verhoest N E, Larranaga A, et al. Influence of surface roughness spatial variability and temporal dynamics on the retrieval of soil moisture from SAR observations[J]. Sensors (Basel), 2009, 9(1): 463－489.

[27] Callens M, Verhoest N E C, Davidson M W J. Parameterization of tillage-induced single-scale soil roughness from 4-m profiles[J]. Ieee Transactions on Geoscience and Remote Sensing, 2006, 44(4): 878－888.

[28] Ogilvy J A, Foster J R. Rough surfaces-gaussian or exponential statistics[J]. Journal of Physics D-Applied Physics, 1989, 22(9): 1243－1251.

[29] Oh Y, Kay Y C. Condition for precise measurement of soil surface roughness[J]. Ieee Transactions on Geoscience and Remote Sensing, 1998, 36(2): 691－695.

[30] Nyquist H. Certain topics in telegraph transmission theory[J]. Transactions of the American Institute of Electrical Engineers, 1928, 47(2): 617－644.

[31] 李俐，王荻，潘彩霞，等. 基于神經(jīng)網(wǎng)絡(luò)與決策樹(shù)的土壤粗糙度測(cè)量[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(14)：132－138.

Li Li, Wang Di, PanCaixia, et al. Soil surface roughness measuring method based on neural network and decision tree[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2015, 31(14): 132－138. (in Chinese with English abstract)

Improvement of soil surface roughness measurement accuracy by close-range photogrammetry

Tao Haoran1,2, Chen Quan2※, Li Zhen2, Zeng Jiangyuan2, Chen Xiaoning1
(1. College of Geomatics, Xi’an University of Science and Technology, Xi’an 710054, China; 2. Airborne Remote Sensing Center, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China)

Microwave remote sensing measurements are sensitive to surface parameters, and can be used for quantitative estimation of soil moisture, surface roughness and vegetation information. The ground-based true values of surface roughness parameters are important for the validation and accuracy evaluation of inversion results, and also vital in microwave soil moisture inversion algorithm for calibrating the constants in the model. For a long time, there is a lack of a simple, fast, high-precision method to obtain surface roughness parameters. Firstly, 2 commonly used parameters that characterize surface roughness i.e. root mean square height and correlation length, are described in this paper. Then, the concrete process of surface roughness measurement by close-range photogrammetry is introduced. We also analyze the factors which influence the measurement accuracy of close-range photogrammetry. In addition, close-range photogrammetry results are compared with the traditional pin-profiler method, and the measurement results of the root mean square height and correlation length of the 2 methods are analyzed. It is shown that the mean square root height error measured by the traditional pin-profiler method can reach is 12%-35.1%, and the correlation length error is 19.6%-62.4%. The advantages and disadvantages of the 2 methods are analyzed from the aspects of applicability and accuracy. The accuracy required for microwave inversion of surface roughness parameters is also analyzed. Result shows the way by close-range photogrammetry can improve the accuracy of surface roughness measurement effectively, and meet the requirements of inversion research of soil surface roughness. The influence of sampling interval on roughness measurement accuracy is also analyzed by changing the sampling interval of close-range photogrammetry. This article uses Agisoft Photoscan software to reconstruct point cloud. Specifically, a non-measuring camera is used to obtain multi-angle overlapping image of the study area. Secondly, SIFT (scale-invariant feature transform) approach is used to detect correspondences across the photos. Then bundle-adjustment algorithm is used to solve camera intrinsic and extrinsic orientation parameters and a multi-view approach is utilized to reconstruct dense cloud. Finally, the effect of non-contact measurement can be achieved by measuring the generated dense point cloud. This article also presents the requirements of hardware and image acquisition operations that need paid attention during the measurement of surface roughness using close-range photogrammetry. In this paper, the method of measuring surface roughness by close-range photogrammetry has the following advantages: The accuracy of surface roughness measurement is greatly improved, and the problem of certain surface which is extremely rough and can’t be measured is also solved. And the sampling interval of close-range photogrammetry is quantitatively analyzed. Close-range photogrammetric measurement can easily adjust the sampling angle and describe the anisotropy of surface roughness accurately. The number of sampling can be easily increased so as to solve the measurement error caused by the heterogeneity of the surface. At the same time, it is concluded that the measurement result is stable and can be regarded as the true value when the number of measurements is greater than 12. With the advantages of non-contact measurement, high precision, adjustable sampling interval and frequency, the close-range photogrammetric method provides an effective solution for soil surface roughness measurement.

remote sensing; roughness; measurements; close-range photogrammetry; dense cloud; sample interval

10.11975/j.issn.1002-6819.2017.15.021

P237

A

1002-6819(2017)-15-0162-06

2017-03-20

2017-05-11

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2016YFC1401006），國(guó)家自然科學(xué)青年基金（41601371），高分辨率對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)（民用部分，03-Y20A11-9001-15/16）

陶浩然，男，主要從事雷達(dá)地表參數(shù)反演研究。西安 西安科技大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院，710054。Email：414119940@qq.com

※通信作者：陳 權(quán)，男，副研究員，主要從事微波散射機(jī)理、地表參數(shù)反演等方面研究。北京 中國(guó)科學(xué)院遙感與數(shù)字地球研究所航空遙感中心，100094。Email：chenquan@radi.ac.cn