姜艷敏 郭明航 趙 軍 溫仲明 林 奇 史海靜

(1.中國(guó)科學(xué)院水利部水土保持研究所， 陜西楊凌 712100； 2.中國(guó)科學(xué)院大學(xué)， 北京 100049；3.西北農(nóng)林科技大學(xué)水土保持研究所， 陜西楊凌 712100； 4.西北農(nóng)林科技大學(xué)草業(yè)與草原學(xué)院， 陜西楊凌 712100；5.西安敦瑞測(cè)量技術(shù)有限公司， 西安 710065)

0 引言

中國(guó)是世界上水土流失最嚴(yán)重的國(guó)家之一，全國(guó)土壤侵蝕面積為356萬(wàn)km2，約占國(guó)土面積的40%[1]，尤其是我國(guó)的黃土高原地區(qū)，水土流失情況十分嚴(yán)重，對(duì)生態(tài)環(huán)境及社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展帶來(lái)嚴(yán)重影響[2-3]。土壤侵蝕是侵蝕力與下墊面相互作用的過(guò)程，下墊面既是侵蝕作用的對(duì)象又是侵蝕作用的結(jié)果[4]。在侵蝕外力的作用下，土壤或其他地面組成物質(zhì)被剝蝕、搬運(yùn)以及沉積，從而產(chǎn)生侵蝕，而侵蝕作用的結(jié)果使得原來(lái)的下墊面形態(tài)及地表?xiàng)l件發(fā)生改變，從而引起新的侵蝕，如此反復(fù)，使得侵蝕作用不斷發(fā)展。因此，土壤侵蝕過(guò)程是一個(gè)逐漸發(fā)展演化的過(guò)程。

長(zhǎng)期以來(lái)，各國(guó)學(xué)者圍繞土壤侵蝕量調(diào)查、侵蝕過(guò)程與機(jī)理，研發(fā)了很多的觀測(cè)方法和技術(shù)手段[5-9]。從傳統(tǒng)的人工手動(dòng)測(cè)量法[10]、插釬法[11]、示蹤法[12]、徑流泥沙采樣法[13]，到目前基于測(cè)繪、測(cè)量技術(shù)以及信息技術(shù)為基礎(chǔ)的新的觀測(cè)方法，如三維激光掃描法[14]、高精度全球定位系統(tǒng)(Global positioning system，GPS)法[15]、攝影測(cè)量法[16]等，為土壤侵蝕觀測(cè)研究提供了多樣化的選擇。盡管在坡面侵蝕發(fā)生發(fā)展過(guò)程方法和手段的研究方面取得了一定進(jìn)展，但無(wú)論哪種方法，尚不能解決連續(xù)降雨條件下土壤侵蝕形態(tài)的觀測(cè)問(wèn)題，目前大多數(shù)研究集中在一次性降雨條件下侵蝕形態(tài)發(fā)育過(guò)程的主觀描述。如激光掃描觀測(cè)法雖有較高的空間定位精度，但不能在降雨過(guò)程中觀測(cè)，且在溝蝕階段會(huì)在溝道出現(xiàn)漏測(cè)[17-18]。高精度GPS法雖然測(cè)量精度高，但在地形復(fù)雜情況下易受衛(wèi)星信號(hào)的影響，穩(wěn)定性差，且不能在連續(xù)降雨條件下觀測(cè)。因此，目前土壤侵蝕坡面觀測(cè)方法仍存在測(cè)量時(shí)空關(guān)系不一致、精度不高、實(shí)時(shí)性差等問(wèn)題。研究更為先進(jìn)的技術(shù)和手段對(duì)土壤坡面侵蝕演化過(guò)程進(jìn)行觀測(cè)，對(duì)于土壤侵蝕機(jī)理、土壤侵蝕演化過(guò)程等研究具有重要意義。

近年來(lái)，隨著攝影觀測(cè)技術(shù)的發(fā)展，數(shù)字化近景攝影觀測(cè)技術(shù)逐漸應(yīng)用于土壤侵蝕測(cè)量[19-21]。文獻(xiàn)[22-26]利用數(shù)字?jǐn)z影近景觀測(cè)技術(shù)，在室內(nèi)模擬降雨條件下對(duì)土壤侵蝕的演變過(guò)程進(jìn)行觀測(cè)，但無(wú)法實(shí)現(xiàn)在連續(xù)降雨過(guò)程中對(duì)土壤坡面的觀測(cè)。GUO等[27]研發(fā)了一種手持式數(shù)字化近景攝影觀測(cè)系統(tǒng)，實(shí)現(xiàn)了連續(xù)降雨條件下的觀測(cè)。該系統(tǒng)采用高幀率的電荷耦合裝置(Charge coupled device，CCD)工業(yè)相機(jī)，快速獲取高度重疊的影像，在獲取地面信息的整個(gè)過(guò)程中利用手持式的垂直掃描采集方式，巧妙避開(kāi)了降雨過(guò)程中的大多數(shù)雨滴。但并未對(duì)影像中的雨滴噪聲做直接處理，另外，手持式的掃描使得該系統(tǒng)影像獲取的瞬時(shí)性低，限制了系統(tǒng)觀測(cè)的時(shí)間分辨率，從而降低了系統(tǒng)的實(shí)用性。因此，在連續(xù)降雨條件下去除雨滴干擾，瞬時(shí)獲取土壤侵蝕坡面形態(tài)變化的信息，是土壤侵蝕過(guò)程研究亟需解決的新問(wèn)題。

基于此，本文耦合數(shù)字近景攝影觀測(cè)技術(shù)和無(wú)線組網(wǎng)技術(shù)，設(shè)計(jì)一套能夠在連續(xù)降雨條件下對(duì)土壤侵蝕下墊面形態(tài)演變過(guò)程進(jìn)行觀測(cè)的系統(tǒng)。通過(guò)組網(wǎng)技術(shù)，并行拍攝、解算降雨過(guò)程中拍攝的下墊面的數(shù)字影像，提取具有高時(shí)間分辨率和高空間分辨率的下墊面土壤侵蝕形態(tài)演化信息，從而為土壤侵蝕過(guò)程研究提供新的途徑和技術(shù)手段。

1 工作原理與系統(tǒng)組成

1.1 工作原理

系統(tǒng)基于無(wú)線網(wǎng)絡(luò)技術(shù)對(duì)若干相機(jī)進(jìn)行組網(wǎng)。相機(jī)基于無(wú)線網(wǎng)絡(luò)命令，并行采集數(shù)據(jù)，數(shù)據(jù)采集時(shí)將各組傳感器單次采集的數(shù)字影像按時(shí)間排序，逐像素按其灰度值做二分類(lèi)處理，進(jìn)而實(shí)現(xiàn)雨滴噪聲的剔除。系統(tǒng)基于攝影測(cè)量技術(shù)完成下墊面對(duì)象的高精度、高密度三維點(diǎn)云重建。一場(chǎng)降雨可以獲得多個(gè)時(shí)間點(diǎn)的三維場(chǎng)景數(shù)據(jù)，以達(dá)到動(dòng)態(tài)的觀測(cè)效果。

1.2 系統(tǒng)組成

圖1 數(shù)字近景攝影觀測(cè)系統(tǒng)的邏輯結(jié)構(gòu)設(shè)計(jì)Fig.1 Structural design of digital close-range photogrammetry system

數(shù)字近景攝影觀測(cè)系統(tǒng)由影像采集、影像傳輸和影像解算3個(gè)功能子系統(tǒng)組成，且每個(gè)子系統(tǒng)由不同的軟硬件單元組成(圖1)。系統(tǒng)的各功能子系統(tǒng)都在一臺(tái)運(yùn)行環(huán)境為Windows 7的高容量PICO(Participant intervention comparison outcome)計(jì)算機(jī)控制下運(yùn)行。 并針對(duì)各功能子系統(tǒng)開(kāi)發(fā)了對(duì)應(yīng)的軟件系統(tǒng)，以z-map命名，其包括相機(jī)工作狀況診斷、影像采集、影像解算及數(shù)字高程模型(Digital elevation model，DEM)生成等功能界面。

1.2.1影像采集系統(tǒng)

影像采集系統(tǒng)負(fù)責(zé)土壤侵蝕下墊面數(shù)字影像的采集、觸發(fā)信號(hào)的接收、雨滴去除等工作。該系統(tǒng)的硬件部分主要由12臺(tái)索尼CMOS(Complementary metal oxide semiconductor)相機(jī)和工控機(jī)組成的相機(jī)組、直流電源、標(biāo)靶、防水轉(zhuǎn)接件等部件構(gòu)成。軟件部分由總控制PICO計(jì)算機(jī)z-map軟件的影像采集單元組成。影像采集信號(hào)觸發(fā)后，12臺(tái)相機(jī)組并行采集下墊面數(shù)字影像，通過(guò)工控機(jī)對(duì)各相機(jī)單次采集的多幅數(shù)字影像，按同一位置像素單元灰度大小排序，逐像素依據(jù)其灰度運(yùn)用K-means算法進(jìn)行聚類(lèi)處理，去除雨滴在數(shù)字影像上所形成的噪聲，獲得去除雨滴后的下墊面的數(shù)字影像。

1.2.2影像解算系統(tǒng)

影像解算系統(tǒng)主要負(fù)責(zé)影像數(shù)字點(diǎn)云的匹配、三維重建、DEM生成以及土壤侵蝕量計(jì)算等。由超高容量的匹配機(jī)來(lái)實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)、匹配、三維重建等解算工作，與影像采集系統(tǒng)的軟件部分一樣，只需通過(guò)設(shè)置數(shù)據(jù)解算后存放的路徑即可完成影像數(shù)據(jù)的解算。數(shù)字影像解算系統(tǒng)的軟件有3個(gè)模塊：并行計(jì)算管理模塊、點(diǎn)云匹配和編輯模塊、DEM生成和土壤侵蝕量計(jì)算模塊。在各模塊算法開(kāi)發(fā)過(guò)程中采用python語(yǔ)言配合NumPy(Numerical python)計(jì)算庫(kù)來(lái)做原型的研發(fā)，之后再采用C++語(yǔ)言重新實(shí)現(xiàn)。這樣的流程減少了調(diào)試過(guò)程中的時(shí)間消耗，又能保證最終執(zhí)行代碼的效率。

1.2.3影像傳輸系統(tǒng)

影像傳輸系統(tǒng)在采集系統(tǒng)和解算系統(tǒng)之間起連接作用，主要負(fù)責(zé)控制命令的發(fā)出、信號(hào)接收、影像數(shù)據(jù)的傳輸。無(wú)線路由器、網(wǎng)絡(luò)協(xié)議(Transmission control protocol/Internet protocol，TCP/IP)、千兆網(wǎng)硬件接口是影像傳輸系統(tǒng)的主要硬件單元。各子系統(tǒng)之間通過(guò)無(wú)線路由器組成一個(gè)局域網(wǎng)絡(luò)，控制和計(jì)算單元通過(guò)無(wú)線網(wǎng)絡(luò)發(fā)布并發(fā)采集命令，影像采集系統(tǒng)采集影像后并發(fā)作業(yè)，再通過(guò)影像傳輸系統(tǒng)把采集到的影像傳輸給影像解算系統(tǒng)。

2 關(guān)鍵技術(shù)與實(shí)現(xiàn)方法

2.1 多影像采集器的組網(wǎng)及空間坐標(biāo)系的建立

2.1.1采集器的選取與組建

借助于無(wú)線路由器通過(guò)TCP/IP網(wǎng)絡(luò)將若干組數(shù)字影像采集器進(jìn)行組網(wǎng)，實(shí)現(xiàn)影像采集器的并發(fā)作業(yè)，獲取同一時(shí)間節(jié)點(diǎn)下的土壤下墊面信息，每組數(shù)字影像采集器包括一個(gè)數(shù)碼照相機(jī)和一個(gè)工業(yè)控制級(jí)別的計(jì)算機(jī)。本系統(tǒng)采用的相機(jī)是索尼CMOS相機(jī)，相機(jī)分辨率為3 264像素×2 448像素，配有12 mm鏡頭，實(shí)用光圈為F 1.2，相機(jī)幀率為15 f/s，為保證更大的拍攝視角，共選取了12臺(tái)相機(jī)。12臺(tái)相機(jī)共同組建在距離地面高18 m的鋼筋板架上，且相機(jī)之間呈均勻排列，與地面土槽呈垂直方向布設(shè)。與每個(gè)相機(jī)相匹配工作的硬件單元是電源和工控機(jī)，電源負(fù)責(zé)給相機(jī)和工控機(jī)供電，工控機(jī)控制相機(jī)的影像采集、雨滴去除等工作。

2.1.2空間坐標(biāo)系的建立

空間坐標(biāo)系的建立是將所有影像采集器的坐標(biāo)進(jìn)行統(tǒng)一。影像采集器所記錄的是空間物體信息的二維圖像，為了獲取實(shí)際空間物體表面某點(diǎn)的三維幾何位置，必須建立物體的三維空間坐標(biāo)和對(duì)應(yīng)的二維圖像坐標(biāo)之間的對(duì)應(yīng)關(guān)系，影像采集器的幾何成像模型決定了目標(biāo)物體表面點(diǎn)的坐標(biāo)與其在二維圖像中的像素坐標(biāo)的對(duì)應(yīng)關(guān)系，而解算相機(jī)參數(shù)是建立幾何成像模型的前提。參數(shù)的求解通過(guò)相機(jī)標(biāo)定來(lái)完成[28]，相機(jī)的參數(shù)包括內(nèi)部參數(shù)和外部參數(shù)。內(nèi)部參數(shù)包括相機(jī)的焦距f，圖像主點(diǎn)的x、y坐標(biāo)(cx,cy)，畸變參數(shù)K1、K2和K3；外部參數(shù)是拍攝圖像時(shí)相機(jī)的投影中心點(diǎn)坐標(biāo)(x0，y0，z0)和3個(gè)旋轉(zhuǎn)角(ψ，ω，κ)[29]。本文以針孔模型為相機(jī)標(biāo)定的理論基礎(chǔ)，借助棋盤(pán)格和控制點(diǎn)作為相機(jī)標(biāo)定參照物，以Microsoft Visual Studio為開(kāi)發(fā)平臺(tái)，采用開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)(Open source computer vision library，OpenCV)編譯相機(jī)標(biāo)定程序，求解相機(jī)的參數(shù)。

圖2 相機(jī)標(biāo)定Fig.2 Calibration of camera

標(biāo)定實(shí)驗(yàn)在黃土高原土壤侵蝕與旱地農(nóng)業(yè)國(guó)家重點(diǎn)實(shí)驗(yàn)室人工模擬降雨實(shí)驗(yàn)大廳進(jìn)行，實(shí)驗(yàn)場(chǎng)地為10 m(長(zhǎng))×4 m(寬)的液壓式可調(diào)坡度鋼制土槽。相機(jī)內(nèi)部參數(shù)依據(jù)張正友棋盤(pán)格標(biāo)定算法獲取[30]。首先，將小網(wǎng)格長(zhǎng)和寬均為0.05 m的棋盤(pán)格面板平整地放置于標(biāo)定實(shí)驗(yàn)場(chǎng)土槽平面(圖2a)。采用所有相機(jī)拍攝多幅圖像，改變棋盤(pán)格面板的方位及傾斜度，再次拍攝多幅圖像。將圖像導(dǎo)入算法中求解內(nèi)部參數(shù)。相機(jī)的外姿態(tài)通過(guò)在標(biāo)定實(shí)驗(yàn)場(chǎng)內(nèi)布設(shè)控制點(diǎn)來(lái)獲取。選取102個(gè)小方塊標(biāo)志作為標(biāo)定控制點(diǎn)，將所有控制點(diǎn)均勻地布設(shè)于土槽表面(圖2b)。采用所有相機(jī)拍攝多幅圖像，調(diào)整控制點(diǎn)的位置和距離，再次拍攝多幅圖像。在相機(jī)內(nèi)部參數(shù)已知的基礎(chǔ)上，通過(guò)編制解算程序代碼求解相機(jī)外部參數(shù)，從而得到每個(gè)控制點(diǎn)的x、y、z坐標(biāo)。

經(jīng)過(guò)標(biāo)定算法及編譯程序的迭代運(yùn)算，得到各參數(shù)的近似值，若近似值在一定的容許范圍內(nèi)收斂，則結(jié)束迭代運(yùn)算，得到最終的參數(shù)值。實(shí)驗(yàn)中各相機(jī)內(nèi)部參數(shù)的標(biāo)定結(jié)果如表1所示。

表1 各相機(jī)的標(biāo)定參數(shù)Tab.1 Calibration parameters of each camera

2.2 數(shù)字影像中雨滴的去除

坡面數(shù)字影像的采集是在降雨條件下進(jìn)行的，降雨過(guò)程中，雨滴在空間的場(chǎng)分布近似于隨機(jī)場(chǎng)，相機(jī)拍攝得到的影像混合了雨滴和下墊面對(duì)象的兩類(lèi)信息。雨滴的去除是獲取坡面物點(diǎn)精確信息的前提和必要工作。在短暫的時(shí)間段內(nèi)，比如幾秒的時(shí)間段內(nèi)，下墊面對(duì)象可以認(rèn)為是一個(gè)穩(wěn)定的空間對(duì)象，主要變化的是隨機(jī)性很高的雨場(chǎng)數(shù)據(jù)。根據(jù)這一思路，對(duì)各組傳感器單次采集的數(shù)字影像按時(shí)間排序，逐像素按其灰度值做二分類(lèi)處理，并通過(guò)K-means[31-32]算法去除雨滴在數(shù)字影像上所形成的噪聲。K-means算法是一種基于形心劃分的聚類(lèi)算法[33]，它以數(shù)據(jù)到形心的距離作為目標(biāo)函數(shù)，并以誤差平方和準(zhǔn)則函數(shù)作為聚類(lèi)質(zhì)量的度量函數(shù)，不斷進(jìn)行迭代計(jì)算求極值優(yōu)化聚類(lèi)結(jié)果[34]。具體算法過(guò)程如下：

(1)

(2)

min(Pix(i,j)1,Pix(i,j)2,…,Pix(i,j)n))/2

(3)

式中i、j——像素行、列數(shù)

n——迭代次數(shù)

(2)以像素的灰度距離聚類(lèi)，并且構(gòu)造選擇集

(4)

(5)

(6)

Pix|Pix=min(dis0,dis1,dis2)

(7)

(3)以三分類(lèi)選擇集內(nèi)元素聚合，平均得到新的類(lèi)中心

(8)

(9)

(10)

(11)

對(duì)每個(gè)工控機(jī)采集的60幅原始影像像素灰度進(jìn)行方差分析。結(jié)果顯示，60幅原始影像的方差在28.96～29.95之間，而去除雨滴后的影像方差為24.14，由此可知K-means算法能夠較好地去除雨滴噪聲。

2.3 點(diǎn)云匹配

數(shù)字點(diǎn)云匹配是將多幅影像進(jìn)行匹配得到同名點(diǎn)的過(guò)程。在匹配過(guò)程中首先提取影像上的SIFT(Scale invariant feature transform)特征[35]，SIFT特征的提取主要是依據(jù)多幅影像上具有明顯特征的點(diǎn)，包括邊緣點(diǎn)，具有明顯特征的點(diǎn)、孤立的點(diǎn)[36]，以SIFT算子作為特征提取的工具，獲取多幅影像的SIFT特征。通過(guò)SIFT特征匹配影像之間的同名點(diǎn)，同名點(diǎn)匹配是基于特征點(diǎn)及其描述子的相似性來(lái)進(jìn)行的。獲得同名點(diǎn)后，以光束法區(qū)域網(wǎng)平差原理[37]進(jìn)行平差處理，以單幅影像的光線束為平差單元，以中心投影的共線方程作為平差的基礎(chǔ)方程，將相機(jī)攝影點(diǎn)、相機(jī)成像點(diǎn)及其相應(yīng)地面物點(diǎn)坐標(biāo)作為一個(gè)整體，組建共線誤差方程，通過(guò)迭代計(jì)算求出該匹配點(diǎn)的坐標(biāo)。再通過(guò)空間前方交繪計(jì)算同名點(diǎn)的三維坐標(biāo)，所有匹配成功的同名點(diǎn)都計(jì)算完畢后，可獲得土壤侵蝕坡面的三維點(diǎn)云。

2.4 點(diǎn)云的修補(bǔ)和DEM生成

當(dāng)土壤侵蝕出現(xiàn)溝道后，徑流就會(huì)沿溝道匯集，數(shù)字影像難以拍攝到水流下方物點(diǎn)的影像，即難以得到水流下方物點(diǎn)對(duì)應(yīng)的像點(diǎn)信息，這給水流下方數(shù)字點(diǎn)云的匹配帶來(lái)了困難。通過(guò)對(duì)溝道存在水流情形下數(shù)字影像的分析以及匹配解算發(fā)現(xiàn)，由于溝底凸凹不平，總能匹配出一些稀疏的點(diǎn)云?；谶@種客觀存在，根據(jù)地形變化的連續(xù)性，利用地學(xué)普遍采用的反距離權(quán)重法[38](Inverse distance weighted，IDW)，依據(jù)水流周邊和水流區(qū)域稀疏的點(diǎn)云坐標(biāo)，便可內(nèi)插得到水淹區(qū)域空缺物點(diǎn)的三維坐標(biāo)，從而擬合出其數(shù)字點(diǎn)云(圖3)。修補(bǔ)后的點(diǎn)云，利用同樣的距離平方反比法，在系統(tǒng)軟件模塊下插值便可生成下墊面DEM。反距離權(quán)重法計(jì)算式為

(12)

式中a——參與計(jì)算的像素點(diǎn)數(shù)

m——像素點(diǎn)總數(shù)

Va——控制點(diǎn)的屬性值

da——控制點(diǎn)與當(dāng)前計(jì)算點(diǎn)間的距離

V——計(jì)算所得當(dāng)前點(diǎn)的屬性值

圖3 溝道底部數(shù)字點(diǎn)云修補(bǔ)Fig.3 Digital point cloud reparation at bottom of flow channel

3 實(shí)例分析

3.1 實(shí)驗(yàn)布設(shè)

應(yīng)用實(shí)驗(yàn)在黃土高原土壤侵蝕與旱地農(nóng)業(yè)國(guó)家重點(diǎn)實(shí)驗(yàn)室人工模擬降雨實(shí)驗(yàn)大廳進(jìn)行。實(shí)驗(yàn)小區(qū)為可調(diào)坡度鋼制土槽，小區(qū)規(guī)格：長(zhǎng)×寬×深為10 m×1.0 m×0.5 m，土槽坡度為20°(圖4a)，土槽下端設(shè)置集流裝置，用于收集徑流泥沙。供試土壤為黃綿土，裝填土容重為1.3 g/cm3。小區(qū)布設(shè)后，正式降雨前在實(shí)驗(yàn)土槽表面均勻撒水，再靜置24 h，使土槽內(nèi)部土壤水分的再分配達(dá)到應(yīng)力均勻、土壤結(jié)構(gòu)穩(wěn)定。降雨強(qiáng)度設(shè)置為120 mm/h，降雨歷時(shí)為150 min。至坡面產(chǎn)流后開(kāi)始收集徑流含沙量全樣，每隔5 min采樣1次(圖4b)。降雨結(jié)束后，采用便攜式徑流泥沙儀測(cè)量泥沙含量。在收集徑流泥沙的同時(shí)，對(duì)土壤侵蝕坡面進(jìn)行全覆蓋的數(shù)字影像采集，降雨開(kāi)始前采集第1次坡面的數(shù)字影像，降雨開(kāi)始后每隔5 min采集1次，直至降雨結(jié)束。所采集圖像的重疊度至少為4°，采集幀率不少于15 f/s。

圖4 實(shí)驗(yàn)布設(shè)Fig.4 Parallel experiments and layout

3.2 精度檢測(cè)

精度是指對(duì)同一對(duì)象多次測(cè)量值的穩(wěn)定程度，選用標(biāo)準(zhǔn)差來(lái)衡量。為檢測(cè)數(shù)字近景攝影觀測(cè)系統(tǒng)的測(cè)量精度，將具有標(biāo)準(zhǔn)尺寸的標(biāo)尺均勻地布設(shè)于土槽表面，并在土槽表面任意位置布設(shè)2個(gè)標(biāo)靶以進(jìn)行長(zhǎng)度約束。采用數(shù)字近景攝影觀測(cè)法，在相同的光照和紋理?xiàng)l件下重復(fù)拍照60次，單獨(dú)對(duì)每次的圖像集合進(jìn)行匹配計(jì)算，測(cè)量每把標(biāo)尺的尺寸，對(duì)60次測(cè)量的結(jié)果進(jìn)行統(tǒng)計(jì)分析并選取中誤差作為衡量測(cè)量精度的指標(biāo)。

通過(guò)SPSS 18軟件對(duì)標(biāo)尺的60次測(cè)量結(jié)果統(tǒng)計(jì)分析可知，標(biāo)尺測(cè)量的平均長(zhǎng)度為309.270 3 mm，測(cè)量的標(biāo)準(zhǔn)差為1.711 3 mm，單次最小測(cè)量誤差為0.006 2 mm，說(shuō)明該觀測(cè)的精度達(dá)到毫米級(jí)。經(jīng)過(guò)K-S(Kolmogorov-Smirnov)檢驗(yàn)，得出該標(biāo)尺尺寸測(cè)量結(jié)果的Z值為0.392，P值為0.999，大于0.05，由此可知該標(biāo)尺尺寸的測(cè)量結(jié)果均服從正態(tài)分布，測(cè)量數(shù)據(jù)的分布如圖5所示。

圖5 標(biāo)尺測(cè)量數(shù)據(jù)分布圖Fig.5 Histogram of measured results of ruler

3.3 準(zhǔn)確度檢測(cè)

3.3.1凹槽尺寸觀測(cè)法

準(zhǔn)確度是測(cè)量值與實(shí)際值之間的偏差，以相對(duì)誤差來(lái)衡量。在人工模擬降雨條件下，通過(guò)不同雨強(qiáng)(30、60、90、120 mm/h)、土槽坡度(0°、5°、10°、15°)共20種組合條件下，采用數(shù)字近景攝影觀測(cè)系統(tǒng)獲取土槽坡面3個(gè)已知凹槽長(zhǎng)、寬、深的尺寸，并計(jì)算其與實(shí)際值之間的相對(duì)誤差，從而評(píng)估數(shù)字近景攝影觀測(cè)系統(tǒng)對(duì)土壤侵蝕坡面幾何尺寸的觀測(cè)準(zhǔn)確度。

(1)同雨強(qiáng)不同坡度觀測(cè)

對(duì)數(shù)字近景攝影觀測(cè)系統(tǒng)在雨強(qiáng)60 mm/h，0°、5°、10°、15°共4個(gè)不同坡度條件下的觀測(cè)準(zhǔn)確度進(jìn)行檢測(cè)(表2)。測(cè)量值與實(shí)際值兩者之間的最大相對(duì)誤差為-2.556 2%，最高精度可達(dá)到99.996 8%；4個(gè)不同坡度下的平均相對(duì)誤差分別為0.005 0%、-0.251 3%、-0.353 9%、-0.396 5%。對(duì)相對(duì)誤差進(jìn)行頻率分布分析(圖6a)，發(fā)現(xiàn)大部分觀測(cè)的相對(duì)誤差都較小且在0附近分布，相對(duì)誤差為-0.5%～1%約占85%。以上結(jié)果表明數(shù)字化攝影觀測(cè)系統(tǒng)對(duì)土壤侵蝕坡面的幾何尺寸的觀測(cè)是準(zhǔn)確的，且坡度對(duì)該系統(tǒng)的觀測(cè)準(zhǔn)確度無(wú)顯著影響。

表2 同雨強(qiáng)不同坡度觀測(cè)結(jié)果Tab.2 Observation results of same rain intensity and different slopes

圖6 測(cè)量值與實(shí)際值相對(duì)誤差分布Fig.6 Distributions of relative error between measured and actual values

(2)同坡度不同雨強(qiáng)觀測(cè)

對(duì)數(shù)字近景攝影觀測(cè)系統(tǒng)在坡度為10°，雨強(qiáng)為30、60、90、120 mm/h條件下的觀測(cè)準(zhǔn)確度進(jìn)行檢測(cè)(表3)。數(shù)字近景攝影觀測(cè)系統(tǒng)得測(cè)量值與實(shí)際值兩者之間的最大相對(duì)誤差為-2.968 3%，最高精度可達(dá)到99.990 1%；不同雨強(qiáng)條件下觀測(cè)的平均相對(duì)誤差分別為-0.495 8%、-0.353 9%、-0.475 1%、-0.637 6%。對(duì)相對(duì)誤差進(jìn)行頻率分布分析(圖6b)，發(fā)現(xiàn)大部分觀測(cè)的相對(duì)誤差在0附近分布，相對(duì)誤差為-0.5%～1%約占75%。以上結(jié)果表明數(shù)字化攝影觀測(cè)系統(tǒng)對(duì)土壤侵蝕坡面的幾何尺寸的觀測(cè)是準(zhǔn)確的，且雨強(qiáng)對(duì)該系統(tǒng)的觀測(cè)準(zhǔn)確度無(wú)顯著影響。

表3 同坡度不同雨強(qiáng)觀測(cè)結(jié)果Tab.3 Observation results of same slope and different rain intensities

3.3.2三維激光掃描法

采用激光掃描儀觀測(cè)降雨前后侵蝕坡面的三維數(shù)字地形，解算觀測(cè)所得到的土壤侵蝕量(表4)。結(jié)果表明，數(shù)字近景攝影測(cè)量的土壤侵蝕總量為452 180 cm3，激光掃描觀測(cè)的土壤侵蝕總量為407 971.36 cm3，由此可得數(shù)字近景攝影測(cè)量和激光掃描相對(duì)于徑流泥沙法的土壤侵蝕總量觀測(cè)誤差分別為3.87%和6.28%，數(shù)字近景攝影測(cè)量系統(tǒng)可以更加精確地量化侵蝕坡面的土壤侵蝕量。激光掃描儀由于受掃描視角的限制，測(cè)量時(shí)存在掃描盲區(qū)、漏測(cè)的問(wèn)題；而數(shù)字?jǐn)z影觀測(cè)系統(tǒng)由于采用多影像采集器組網(wǎng)技術(shù)，增大了影像采集的視野范圍，可采集到足夠數(shù)量溝道底部、溝壁的數(shù)字影像，從而彌補(bǔ)了激光掃描法在溝道觀測(cè)時(shí)存在的數(shù)據(jù)缺失等缺陷。

表4 數(shù)字?jǐn)z影測(cè)量與激光掃描觀測(cè)對(duì)比Tab.4 Comparison of digital photogrammetry and laser scanning observation

3.3.3徑流泥沙觀測(cè)法

采集徑流泥沙全樣，是觀測(cè)土壤流失量最為可靠的方法，在本次檢測(cè)中以徑流泥沙觀測(cè)法得到的結(jié)果作為實(shí)際值。采用數(shù)字?jǐn)z影觀測(cè)系統(tǒng)將降雨過(guò)程中不同時(shí)間點(diǎn)的數(shù)字影像進(jìn)行體積解算得到土壤流失量結(jié)果，并與相同時(shí)間段收集的徑流泥沙含量進(jìn)行對(duì)比(表5)。結(jié)果表明，兩種觀測(cè)方法的平均相對(duì)誤差為-1.73%；從不同侵蝕階段兩種觀測(cè)方法的相對(duì)誤差來(lái)看，在降雨初期，兩種觀測(cè)方法相對(duì)誤差比較大，在降雨歷時(shí)達(dá)到50 min時(shí)，觀測(cè)精度開(kāi)始變高，說(shuō)明此時(shí)正是坡面溝道快速發(fā)育的明顯分界點(diǎn)，溝道快速發(fā)育前后兩種觀測(cè)方法觀測(cè)的相對(duì)誤差分別為20.85%和3.47%；隨著降雨歷時(shí)的延長(zhǎng)，土壤坡面侵蝕溝發(fā)育形態(tài)的變化越來(lái)越明顯，數(shù)字近景攝影觀測(cè)系統(tǒng)的觀測(cè)精度逐漸提高，觀測(cè)精度最高可達(dá)99.26%。

數(shù)字點(diǎn)云密度代表著數(shù)字點(diǎn)云對(duì)坡面地表形態(tài)表達(dá)的準(zhǔn)確程度，高密度的數(shù)字點(diǎn)云可以更加精確地表達(dá)坡面侵蝕溝的形態(tài)信息。通過(guò)不同時(shí)間節(jié)點(diǎn)侵蝕坡面數(shù)字點(diǎn)云的數(shù)量和坡面觀測(cè)面積計(jì)算數(shù)字點(diǎn)云密度。結(jié)果表明，數(shù)字點(diǎn)云的平均數(shù)量為1.335 1×106個(gè)，平均點(diǎn)云密度為0.134個(gè)/mm2。表5中列出了由不同時(shí)間節(jié)點(diǎn)侵蝕坡面的高密度數(shù)字點(diǎn)云轉(zhuǎn)換生成的DEM，其空間分辨率可達(dá)到2 mm，可準(zhǔn)確表達(dá)侵蝕形態(tài)的空間變化，實(shí)現(xiàn)了對(duì)土壤侵蝕坡面形態(tài)變化過(guò)程的動(dòng)態(tài)監(jiān)測(cè)。

表5 不同時(shí)間點(diǎn)土壤流失量的觀測(cè)結(jié)果Tab.5 Observation results of soil loss at different times

4 結(jié)論

(1)提出了一種在連續(xù)降雨過(guò)程中對(duì)土壤侵蝕坡面動(dòng)態(tài)監(jiān)測(cè)的數(shù)字近景攝影觀測(cè)方法，通過(guò)無(wú)線組網(wǎng)技術(shù)，并行拍攝、解算降雨過(guò)程中下墊面的數(shù)字影像，提取坡面精細(xì)地貌動(dòng)態(tài)變化的信息。該系統(tǒng)時(shí)間觀測(cè)分辨率可達(dá)到分鐘級(jí)別，空間分辨率達(dá)到2 mm?？蓮臅r(shí)間和空間尺度上更加準(zhǔn)確地描述土壤侵蝕過(guò)程，解決了侵蝕觀測(cè)中時(shí)空不一致的問(wèn)題。

(2)與傳統(tǒng)徑流泥沙法的平行觀測(cè)結(jié)果比較表明，數(shù)字化攝影觀測(cè)法在坡面土壤侵蝕過(guò)程的不同階段其準(zhǔn)確度不同，隨降雨歷時(shí)的延長(zhǎng)，數(shù)字近景攝影觀測(cè)系統(tǒng)的觀測(cè)精度逐漸提高，土壤流失量估算平均相對(duì)誤差為-1.73%，單次觀測(cè)精度最高可達(dá)99.26%。

(3)與激光掃描法平行觀測(cè)結(jié)果比較表明，數(shù)字近景攝影測(cè)量系統(tǒng)對(duì)坡面土壤侵蝕量的觀測(cè)精度高于激光掃描儀。數(shù)字近景攝影觀測(cè)法采用多影像采集器組網(wǎng)技術(shù)，增大了影像采集的視野范圍，克服了激光掃描儀觀測(cè)時(shí)溝道底部激光線不能投射到位而造成的漏測(cè)現(xiàn)象，實(shí)現(xiàn)了全覆蓋的數(shù)字影像采集。