李治郡,鐘琳婷,黃炎和,葛宏力,朱 昱,蔣芳市,李曉非,張 越,林金石
基于貼近攝影測量的崩崗侵蝕監(jiān)測技術
李治郡,鐘琳婷,黃炎和,葛宏力,朱 昱,蔣芳市,李曉非,張 越,林金石※
(福建農林大學資源與環(huán)境學院,福州 350002)
在崩崗侵蝕研究中,為了高效精準的對高陡崩壁土體侵蝕沉積運移進行準確監(jiān)測,運用無人機貼近攝影測量技術對崩崗研究區(qū)進行數字影像采集,通過運動恢復結構-多視點匹配(Structure From Motion-Multi View Stereo,SFM-MVS)技術,生成點云數據及研究區(qū)數字表面模型(Digital Surface Model,DSM),利用ArcMap進行疊加分析監(jiān)測周期內研究區(qū)侵蝕沉積變化。從定位精度、測量精度、重現性分析3個方面對貼近攝影測量技術進行誤差及可行性分析。最終驗證結果貼近攝影測量技術總平均重投影誤差為0.19 mm,侵蝕沉積量總平均絕對誤差為0.006 m3,較傳統傾斜攝影測量技術誤差降低了了45.45%。高程精度較傾斜攝影測量技術總體提升了162.5%。重復點云數據高程誤差的平均值僅為0.36 mm,識別圖像及控制點誤差均達到毫米級,因此利用無人機貼近攝影測量技術精度滿足崩崗高陡崩壁監(jiān)測需求,該技術可提取崩崗研究區(qū)侵蝕地貌特征信息,是較為高效精準的研究侵蝕沉積過程的監(jiān)測技術。
侵蝕;無人機;崩崗;貼近攝影測量
崩崗是中國熱帶及亞熱帶花崗巖地區(qū)一種典型的土壤侵蝕類型,作為一種地貌過程,具有復雜多變的空間形態(tài)、水力重力復合侵蝕的主要特點[1]。崩崗系統由洪積扇、溝道、崩積堆、崩壁和集水坡面五個部分組成,各部分之間保持著能量與物質的流動。崩崗侵蝕包含重力崩塌、雨滴擊濺、片流沖刷、徑流侵蝕等多種形式[2],導致崩崗流域地貌形態(tài)復雜多變。國外雖然沒有“崩崗侵蝕”這種定義,但存在類似侵蝕地貌的研究報道,例如位于馬達加斯加的名為lavaka的一種侵蝕溝谷發(fā)育地貌與崩崗相似[3]。崩壁土體從上到下依次為:表土層、紅土層、砂土層和碎屑層,各層土體特性差異較大[4],研究學者一致認為崩壁是崩崗系統中最活躍的部位,降雨徑流和崩塌導致崩壁不斷后退,進一步影響崩崗的形成和發(fā)展[5]。崩壁侵蝕直接影響崩崗面積的擴大以及崩塌程度。崩崗具有明顯的垂直性分布,崩壁高、落差大,在這種復雜地形上,崩壁動態(tài)變化是監(jiān)測過程的難點[6]。然而目前對崩壁侵蝕特征變化的研究較少。
在對崩崗侵蝕地貌監(jiān)測的過程中,傳統的測量方法難以開展且精度無法滿足現代科學研究[7]。機載和地面激光雷達雖然測量速度優(yōu)于全球定位系統,能夠量化崩崗侵蝕地貌的變化,但其價格昂貴,容易出現信息黑洞,且獲取影像數據分辨率很低,數據處理時間長,難以滿足重復性監(jiān)測的需求[8]。三維激光掃描法可以獲得高精度點云及厘米級的位移監(jiān)測[9],但設備昂貴且儀器不方便攜帶,同時會受到復雜地形及植被影響不適用于長時期野外復雜地形定點監(jiān)測[10]。近年來,隨著攝影測量技術的發(fā)展以及消費級無人機的普及,利用低空無人機進行傾斜攝影獲取遙感數據,二維影像的三維重建已成為現實[11]。攝影測量技術具有影像信息豐富、易存儲、測量精度高、非接觸性、耗時短、成本低等特點,隨著技術逐漸成熟,已被應用于土壤侵蝕動態(tài)監(jiān)測[12]。通過影像分析并結合三維數據,在崩崗侵蝕量變化方面已有了初步的研究進展[13]。但傾斜攝影測量技術對侵蝕溝壁又存在著側蝕懸空面的信息失真等精度影響[14]。隨著崩崗侵蝕研究的不斷深入,對崩壁侵蝕特征及規(guī)律的分析需要高效、精確的監(jiān)測技術進行支撐。貼近攝影測量(Nap of the object photograph)是由武漢大學張祖勛院士團隊針對日益推進的精細化測量需求提出的全新攝影測量技術[15-16]。利用無人機貼近研究面進行影像數據采集,從而獲得亞厘米級高分辨影像[17]。通過攝影測量軟件進一步處理,獲取研究區(qū)精確坐標及點云模型,從而實現對垂直崩塌區(qū)、侵蝕溝道等復雜表面的精細化建模。目前該技術替代了傳統的人工地質監(jiān)測方法,應用于三峽地區(qū)滑坡監(jiān)測,對易發(fā)生滑坡的巖體裂隙進行監(jiān)測預警[18]。崩崗所在區(qū)域地形復雜,崩壁高、落差大。通過貼近攝影測量,實現對崩壁地形特征信息的提取,高效精準監(jiān)測崩壁土壤侵蝕沉積變化。
本文通過貼近攝影測量技術,獲取研究區(qū)影像數據,擬合出平行于真實崩崗崩壁研究面的航線拍攝面,通過運動恢復結構—多視點匹配(Structure From Motion-Multi View Stereo,SFM-MVS)技術,生成點云數據及研究區(qū)數字表面模型(Digital Surface Model,DSM),并進行疊加分析監(jiān)測周期內研究區(qū)高程變化。與傳統傾斜攝影測量技術獲取的數據進行對比,以近景相機測量數據同期實測目標崩壁作為參考數據驗證精度。從定位精度、測量精度、點云重現性三個方面進行誤差及可行性分析,結合降雨數據分析崩壁侵蝕沉積的運移變化,以期為崩崗研究區(qū)監(jiān)測提供高效高精度的手段。
研究區(qū)位于福建省安溪縣南部龍門鎮(zhèn)(118°05′E,24°57′N)。地形屬低山河谷盆地。自然氣候屬南亞熱帶海洋性季風氣候,年平均降雨量1 800 mm,年平均溫度19 ℃,日最高溫度38 ℃,日最低溫度?2 ℃,全鎮(zhèn)范圍內崩崗發(fā)育多達1 228處,占安溪縣崩崗數量的9.57%,崩崗總面積為264.77 hm2,占全縣總崩崗面積的11.48%,是南方花崗巖崩崗發(fā)育的典型區(qū)域[19]。研究區(qū)內土壤類型為赤紅壤,崩崗大多為活動型崩崗[2],崩壁侵蝕嚴重,植被稀少且侵蝕崩壁裸露。
1.2.1 控制點數據獲取
在崩崗研究區(qū)的崩壁頂部、中部、底部布設控制點,采集定位數據??刂泣c為人工制作的直徑12 cm,高10 cm的PVC水管,將PVC水管蓋封蓋在水管上方,并用黑白兩色噴漆將圓形PVC水管蓋均勻分成四等分,以期達到清晰可辨別,本研究區(qū)共布設了13個控制點及3組面積1 m2的對照小區(qū),P1、P2對照小區(qū)布置在崩壁研究區(qū)的頂部,P3位于底部,通過對照小區(qū)獲取DSM驗證數據。同時設置固定基站點,坐標測量工具為Trimble R4 GNSSGPS、Trimble R2 GPS。通過(1+1)RTK網絡模式測量各控制點及坐標。水平精度及垂直精度分別為8、15 mm 。研究區(qū)控制點布設及對照小區(qū)如圖1所示。
1.2.2 無人機數據影像獲取
影像采集時間為2020年7月至11月雨季期間,選擇天氣晴朗正午時間進行。依照試驗設置,于2020年7月31日、8月19日、8月29日、9月12日、9月30日、10月21日對研究區(qū)進行數據影像采集共計6次。影像采集間隔時間為15 d左右,通過布設RG3-M雨量記錄儀,確保兩次采集時間內研究區(qū)均有明顯降雨。選用無人機型號為大疆精靈Phantom 4 Pro,飛行器自帶1英寸2 000萬像素CMOS影像傳感器及可調控仰俯角、旋偏角云臺。詳細參數如表1所示:
表1 飛行器及相機基本參數
分別采用貼近攝影測量[18]、傾斜攝影測量[13]兩種方式對研究區(qū)崩壁進行數據采集。高度均設置50 m,航向影像重疊率為80%,旁向影像重疊率為50%,從而確保影像數據完整。在飛行作業(yè)方案方面,貼近攝影航線規(guī)劃及測量如圖2所示,圖2a為航線示意圖,圖2b為測量示意圖,采用研究區(qū)點云模型進行飛行軌跡航線規(guī)劃,使飛行平面在數據采集過程中平行于目標擬合平面,鏡頭方向垂直崩壁平面進行影像采集。傾斜攝影采用傳統5個角度影像進行拍攝,即垂直向下影像及東、西、南、北4個方向,鏡頭均為45°傾斜的航線進行數據獲取。
1.2.3 對照小區(qū)數據獲取
通過對研究區(qū)內正方形1 m2的三組對照小區(qū)用像素達2 230萬的Canon 5D Mark III單反相機采用環(huán)繞式定焦近距離影像采集[20],獲取DSM數據,并通過ArcMap軟件差值處理獲取數字表面差異模型(Digital surface Model of Differences,DOD)值。DOD值等同于土壤侵蝕沉積體積變化值,能準確地反映土體動態(tài)遷移的體積變化。使用RTK獲取定位數據,數據獲取方式與無人機定位數據獲取方式保持一致,并保持與無人機數據采集同期進行[13]。
本文通過貼近攝影測量技術獲取影像數據,結合控制點坐標,通過PIX4DMapper軟件對RTK獲取的控制點數據進行定位精度分析;通過ArcMAP軟件對DSM數據進行處理,獲取DOD數據進行測量精度分析;通過Cloudcompare軟件運用SFM-MVS技術對點云數據進行重現性分析[20];與傳統傾斜攝影測量技術獲取的數據進行對比,并通過近景相機測量數據同期實測目標崩壁作為參考數據驗證精度[21]。從而對貼近攝影測量誤差來源及可行性進行分析。并結合降雨數據分析在監(jiān)測周期內研究區(qū)崩壁侵蝕沉積分布特征[13]。技術路線如圖3所示。
1.4.1 無人機數據處理
本研究使用圖像處理軟件為PIX4DMapper,通過運用運動恢復結構-多視點匹配(Structure From Motion-Multi View Stereo,SFM-MVS)技術實現三維重建。SFM技術是運算多角度影像數據姿態(tài)及方位匹配構建場景的過程[22]。使用尺度不變特征轉換(Scale-Invariant Feature Transform,SIFT)算法提取影像中特征點,將提取到的特征點在多幅影像數據中進行特征匹配,結合相機焦距、徑向畸變、切向畸變等模型參數及位置、方向等外方位要素從而搭建特征匹配網絡,計算出所有特征點空間坐標位置[23]。從而生成稀疏點云模型,并實現特征目標三維場景構建。MVS技術通過稠密匹配重建產生詳細的三維點云的重要過程[24]。通過多視角密集匹配技術(Clustering Views for Multi-View Stereo,CMVS)實現對圖像重新匹配。從圖像中提取大量特征點在像素網格中進行自動匹配,并對每個點的最佳空間位置進行計算。最終輸出密集點云數據。對數據中產生的誤差噪點進行濾波過噪,從而有效剔除。SFM-MVS方法所產生的稀疏點云與密集點云都建立在相對空間坐標中,需要通過高精度RTK設備獲取一定數量地面控制點坐標,從而實現相對空間坐標系到實際空間坐標系的轉換,進而獲取更為精確的測量結果[25]。
1.4.2 數據指標計算
1)SFM-MVS攝影測量侵蝕量計算
依據文獻[14]方法,對降雨前后的研究區(qū)進行影像采集,利用PIX4DMapper軟件生成DSM,將多個時期地形數據導入ArcMap中進行3D疊加差分計算,得到7月31日—8月19日、8月19日—8月29日、8月29日—9月12日、9月12日—9月30日以及9月30日—10月21日5個階段的DOD。即每段監(jiān)測期內的土壤侵蝕沉積量。
2)不確定度閾值計算
在DSM、DOD計算過程中,影像數量、分辨率、點云密度等均存在不確定因素,會對DSM的精確度產生影響,DOD作為兩次DSM數據的差值,精度也會受到影響。因此要考慮DSM數據的不確定性及誤差分析,從而得到準確結果。
將點云轉換為目標參考系統的3D幾何變換是誤差來源之一[21],為了評估轉換誤差,在通過平差解算得到控制點的總均方根誤差,根據輸出條件預測,在本次試驗中將分辨率帶來的誤差設定為第二種DSM誤差來源。綜上,本試驗的DSM誤差指標計算為
將兩組DSM數據進行對應像元的減法運算得到數字表面差異模型[14](Digital surface Model of Differences,DOD)。對DOD進行重新分類,負值像元表示沉積區(qū)域,正值像元表示侵蝕區(qū)域。本試驗的DOD誤差指標計算公式為
將6期飛行任務后采集的影像通過Pix4DMapper軟件處理得到基本信息如表2所示。每次采集影像均在350張以上,且圖像校準的成功率100%。6期影像結果分辨率達到毫米級。其中平均分辨率為4.1 mm。在密集點云數量方面結果穩(wěn)定性較好。控制點方面由于野外試驗不穩(wěn)定因素導致丟失一個地面控制點,但在本研究中,研究設置時考慮到野外不確定因素,所以12個控制點數量也可完全滿足研究區(qū)定位精度,對照研究結果穩(wěn)定性并無太大影響。影像數據的控制點在圖像中的標記數量平均可達500張。6期數據處理得到的總平均重投影誤差0.19 mm。
在定位精度方面,通過RTK獲取的坐標信息導入Pix4DMapper軟件圖像處理運算坐標校準可得,表3表示的是6組飛行數據處理后的地面控制點誤差。從表中可得,除了在8月19日坐標平均誤差達到0.13 mm,其余地面控制點的平均誤差均小于0.1 mm,6組地面控制點的總均方根誤差的平均值為12.85 mm。坐標的均方根誤差均大于和坐標,說明在平差調整過程中,高程值相對于平面值誤差更大。平均重投影誤差都在0.31 mm左右,貼近攝影測量下校準圖像及識別控制點精準,均可達到毫米級。
表2 拍攝影像的基本信息
表3 地面控制點誤差
注:、、為坐標方向;AE為平均誤差;RMSE為均方根誤差。下同。
Note:,,representcoordinate direction; AE is average error; RMSE is root mean square error. Same as below.
為了分析貼近測量技術在崩崗侵蝕區(qū)域的測量精度,參照Pineux等[27]在研究區(qū)內布設了3組對照小區(qū),通過單反相機近景攝影測量采集數據作為真實值,對貼近攝影測量所產生的DSM值進行計算,獲取的DOD值進行測量精度檢驗,同時在同等條件下,運用傾斜攝影測量采集數據進行對比分析。在該研究中,單反相機獲取影像處理生成DSM分辨率為1 mm,定位誤差為1 mm。最小閾值為2 mm。SFM貼近攝影測量技術、SFM傾斜攝影測量技術采集影像并處理生成的DSM分辨率分別為4.06,11.3 mm,控制點的總均方根誤差分別為12.85、13.17 mm。最小閾值分別為:19、25 mm。通過ArcMap軟件編寫代碼進行運算,使DOD在運算時分別忽略在?19~19、?25~25 mm內的計算值。即忽略在該范圍內的土體變化情況[26]。
表4為3組對照小區(qū)分別在5個時期的土壤侵蝕沉積體積變化值(DOD)計算結果。其中,SFM近景DODLOD作為真實值,SFM貼近攝影測量、SFM傾斜攝影測量3組對照小區(qū)的總平均絕對誤差分別為0.006、0.011 m3。通過對比分析得貼近攝影測量技術較傾斜攝影測量技術在DOD總平均絕對誤差方面降低了45.45%。其中1號對照小區(qū)兩種方案的平均誤差及平均絕對誤差均低于2號、3號小區(qū)。根據實際地形分析,數據誤差較小的主要原因是因為1號小區(qū)處于崩壁頂部較為平坦的區(qū)域,已形成生物結皮,且周圍沒有侵蝕溝匯集,比較穩(wěn)定;3號小區(qū)兩種方案下平均誤差及平均絕對誤差均為最高,該對照小區(qū)布設在崩壁底端侵蝕溝道坡腳處,侵蝕沉積變化較為明顯。
表4 對照小區(qū)不同時期體積變化
注:DODLOD為體積變化值; MAE為平均絕對誤差。SFM為運動恢復結構技術。SFM CRP、SFM OP和SFM NOP分別代表基于SFM的近景、傾斜和貼近攝影測量。下同。
Note: DODLODrepresentsvolume change value; MAE is mean absolute error. SFMrepresents structure from motion. SFM CRP, SFM OP and SFM NOP represent the close-range photography, oblique photography and nap of the object photography based on SFM, respectively. Same as below.
為進一步研究貼近攝影測量技術的DOD測量精度,分別將近景DODLOD與傾斜DODLOD、貼近DODLOD的差值分攤到2D投影面積中計算,得到三者在高程上的差異。表5為3組對照小區(qū)在5個時期內高程上的誤差值。貼近攝影測量、傾斜攝影測量的DOD高程誤差最大值均發(fā)生在8月19日—8月29日時期的3號對照小區(qū)。分別為0.59、1.37 cm;誤差最小值均在9月30日—10月21日時期的1號小區(qū)為0、0.1 cm幾乎未對土體造成侵蝕沉積現象。整個監(jiān)測期所有對照小區(qū)的DOD高程誤差的平均絕對值分別為0.16、0.42 cm。
結合對照小區(qū)不同地勢侵蝕沉積嚴重性及不同時期內降雨分析,3號小區(qū)在5個時期的DOD高程誤差的平均絕對值均為最高,分別為0.24、0.82 cm與前文驗證3號對照小區(qū)由于地形地勢原因導致侵蝕沉積較為劇烈結果相吻合。1號對照小區(qū)由于其地勢平坦,無明顯侵蝕溝,導致其在高程上的誤差都較2、3號對照小區(qū)較小。將兩種技術所獲取數據對照分析可得,在同等條件下,貼近攝影測量精度較傾斜攝影測量精度在2D高程誤差分析方面總體提升了162.5%,能更為精確地反應侵蝕沉積變化。
為了研究貼近攝影測量的重復性及穩(wěn)定性,在飛行參數不變的條件下對研究區(qū)重復兩次貼近攝影測量影像采集,并將影像分別處理生成點云數據,從而疊加分析[21]。獲取密集點云數據后,對研究區(qū)進行裁剪,從而剔除造成不確定性的植被覆蓋區(qū)域,并保持主體研究區(qū)點云信息完整。裁切前后點云模型如圖4所示。對點云數據進行M3C2分析后的結果。在高斯模型下重復的點云數據高程誤差的平均值僅為0.36 mm,高程誤差較大的區(qū)域主要是部分侵蝕劇烈的侵蝕溝溝內。結果表明,貼近攝影測量的重復性及穩(wěn)定性好,模型具備高精準度。
表5 數字表面差異模型高程差
無人機貼近攝影測量影像數據通過處理計算,結合研究區(qū)降雨量情況分析崩壁侵蝕土體運移狀況。如圖5所示。從土體運移情況分析,參照研究區(qū)正射影像圖,除去圖像邊角處植被干擾導致的圖斑侵蝕沉積不穩(wěn)定區(qū)域,在研究區(qū)西北側有明顯集水區(qū)向下侵蝕形成的U型侵蝕溝,整面崩壁的侵蝕沉積主要發(fā)生在右側3條主侵蝕溝,可以清晰地看到溝道兩側的侵蝕以及中間部位的沉積,并沿著溝道匯入崩壁下方坡腳處,導致坡腳處在每次降雨后也出現了程度不一的沉積現象。其中第一條侵蝕最為嚴重,可以看到明顯的在8月19日—8月29日侵蝕溝兩側超過10 cm的侵蝕崩塌并在溝道內部形成大于10 cm的沉積厚度。在其右側的兩條侵蝕溝道,溝頭位置已被水力侵蝕下切加深嚴重破壞,形成復雜侵蝕面,中下部侵蝕溝道依舊明顯。在崩壁底部崩積體堆積形成大于10 cm的沉積物??傮w可得崩壁研究區(qū)侵蝕為主要現象,沉積相對較少。
從降雨條件情況分析,結合表6,侵蝕沉積最嚴重時期發(fā)生在8月19日—8月29日,該時期內降雨量高達246.2 mm,其中單次最高降雨量可達137.8 mm,崩壁土壤流失量同樣為5段時期內最高值達到了2.165 m3。在7月31日—8月19日時期內,雖然降雨量達到了72.6 mm、但侵蝕沉積現象相對不明顯,分析原因在該時期內的6次降雨中,單次最大降雨量僅為19 mm。降雨強度較弱,未對土體造成明顯侵蝕。且查閱雨量計數據得知,在該時期之前的11d內未出現降水,且氣溫保持在35°以上的平均高溫,導致土體結構穩(wěn)定、土壤含水率較低,短期較弱降雨強度并未溝道形成明顯的侵蝕[28-29]。且針對崩崗受水力重力雙重侵蝕分析可得,在降雨不大的條件下,降水雖無法導致侵蝕溝道徑流沖刷,但會使崩壁土體結構松散,部分溝道受重力作用影響形成坍塌從而導致沉積[19]。
圖5 研究區(qū)正射影像及不同時期土壤侵蝕沉積運移圖
表6 降雨量及侵蝕數據
表6為各時期降雨量及土壤流失數據。在降雨量較少,最大次降雨量都不超過20 mm的7月31日—8月19日、9月30日—10月21日時期內,侵蝕現象微弱,沉積現象會更為明顯,兩次時期內最左側溝道崩壁底部溝道都發(fā)生了大于8 cm的沉積現象。在降雨充沛時期8月19日—9月30日連續(xù)三段監(jiān)測時期內,都形成了明顯的侵蝕現象及崩壁上的侵蝕溝道由上至下進一步加深。降水量達到了479.4 mm。崩壁土壤流失量也達到了4.271 m3。進一步計算研究表明雖然崩壁土壤流失量總體上隨著降雨量增大而增大,但并無明顯的線性關系,主要原因是崩壁土體自身的性質及受水力重力雙重影響的復雜結構[5,30]。在研究期間,該研究區(qū)總降雨量達564.6 mm,降雨次數33次,總崩壁土體流失量為4.758 m3。
在崩崗侵蝕監(jiān)測方面,傳統測量方法歷時長,監(jiān)測范圍小、精度較差;航空遙感監(jiān)測技術操作簡單且適用范圍廣,但隨著對崩崗研究的深入及精細化模型的需求,無法在大部分崩崗研究中得到良好的應用[8];劉希林等[29]研究表明三維激光掃描儀雖然具備高精度,高效率的使用特點,但由于崩崗研究區(qū)多處在野外復雜地形條件,受地形、植被的影響,不方便野外攜帶,同時造價昂貴導致其無法普及推行;隨著傾斜攝影測量技術與地質監(jiān)測的結合,周小荃等[13]利用傾斜攝影測量對崩崗研究區(qū)進行監(jiān)測分析,操作容易且數據獲取效率高,逐漸使其成為在崩崗、滑坡等小尺度侵蝕地貌獲取信息及監(jiān)測的重要手段。但對于崩崗、滑坡等存在很多深溝的復雜地形,張祖勛[15]發(fā)現5個方向獲取影像數據的傾斜攝影技術會產生大量無效的影像數據,無法精確測量崩崗研究區(qū)溝道細節(jié),導致在溝道處數據誤差較大。
本文使用的貼近攝影測量技術,通過對研究區(qū)稀疏點云模型進行航線及鏡頭云臺方向規(guī)劃,使其在保證數據穩(wěn)定的情況下,更近距離的貼近到研究區(qū)觀察面,從而獲取更高質量的影像數據[15]。通過結合RTK毫米級定位精度,精準的監(jiān)測崩壁侵蝕沉積的動態(tài)變化,為崩崗研究區(qū)監(jiān)測提供高效準確的手段,并可更好地運用在滑坡類地形的監(jiān)測中。然而南方崩崗區(qū)地貌復雜,首先在應用方面,該方法目前僅對單個崩壁研究區(qū)進行監(jiān)測并有效獲取高精度數據。針對大范圍不同崩壁研究區(qū),需進行有針對化的擬合平面計算,較為復雜繁瑣。可通過對部分典型崩壁研究區(qū)進行監(jiān)測,對崩壁發(fā)育規(guī)律進行總結。其次在數字表面差異模型方面,受植被影響導致有植被覆蓋區(qū)存在一定誤差,針對植被覆蓋率較高崩崗研究區(qū)可通過引入可見光波段差異植被指數提取進行優(yōu)化[31]。在點云模型方面,點云模型規(guī)劃航線及云臺角度時,所擬合出平面盡可能平行于真實崩崗崩壁發(fā)生面,但由于崩壁受多重侵蝕作用,崩壁無法形成完整契合的平面,局部由于崩壁角度特殊,會導致影像數據采集時,無法達到最佳精度,如何更高效且有針對性的對航線及云臺角度規(guī)劃,從而使每個角度平面都得到最高精度的影像數據采集,是未來研究的方向。
本文以無人機貼近攝影測量技術獲取影像為基礎,利用全球定位系統獲取控制點數據分析定位精度,再通過運動恢復結構-多視點匹配技術構建三維點云模型檢驗重現性精度,使用ArcMap提取數字表面模型等地形數據分析測量精度,從而對崩崗研究區(qū)侵蝕沉積量進行精準監(jiān)測,研究結果表明:
1)在定位方面,貼近攝影測量技術影像分辨率平均為4.1 mm,控制點校準方面,平均重投影誤差控制在0.19 mm,識別圖像及控制點精準,均可達到毫米級。
2)在測量方面,數字表面差異模型(Digital surface model of Differences,DOD)總平均絕對誤差為0.006 m3,較傳統傾斜攝影測量技術在DOD總平均絕對誤差方面降低了45.45%。其次在高程精度方面,總體提升了162.5%。較傾斜攝影測量技術相比更為精確敏銳的反應侵蝕沉積變化。
3)重現性方面,重復點云數據高程誤差的平均值僅為0.36 mm,驗證其穩(wěn)定性高。為崩崗動態(tài)侵蝕沉積提供有力可靠的高精度數據支持。
4)在研究時期內對研究區(qū)崩壁監(jiān)測其侵蝕沉動態(tài)變化并結合降雨情況分析,最終得出崩壁土體流失量為4.758 m3。無人機貼近攝影測量是準確有效且便捷的監(jiān)測方法。
[1]文慧,馮舒悅,王軍光,等. 南方紅壤區(qū)不同崩崗侵蝕治理模式及評價指標體系研究[J]. 中國水土保持,2019(9):40-44,69.
Wen Hui, Feng Shuyue, Wang Junguang, et al. Different control models of collapsing erosion and evaluation index system of red soil region in South China[J]. Soil and Water Conservation in China, 2019(9): 40-44, 69. (in Chinese with English abstract)
[2]廖義善,唐常源,袁再健,等. 南方紅壤區(qū)崩崗侵蝕及其防治研究進展[J]. 土壤學報,2018,55(6):1297-1312.
Liao Yishan, Tang Changyuan, Yuan Zaijian. et al. Research progress on Benggang erosion and its prevention measure in red soil region of Southern China[J]. Acta Pedologica Sinica, 2018, 55(6): 1297-1312. (in Chinese with English abstract)
[3]張婉璐,袁再健,李定強,等. “崩崗”概念及其英文譯法探析[J]. 中國水土保持科學,2020,18(5):136-143.
Zhang Wanlu, Yuan Zaijian, Li Dingqiang, et al. Discussion of the “Benggang” concept and its English translation[J]. Science of Soil and Water Conservation, 2020, 18(5): 136-143. (in Chinese with English abstract)
[4]林金石,黃炎和,張旭斌,等. 南方花崗巖典型崩崗侵蝕產沙來源分析[J]. 水土保持學報,2012,26(3):53-57.
Lin Jinshi, Huang Yanhe, Zhang Xubin, et al. Apportionting typical collapsing hills erosion sediment sources of granite region in Southern China[J]. Journal of Soil & Water Conservation, 2012, 26(3): 53-57. (in Chinese with English abstract)
[5]周紅藝,李輝霞. 華南活動型崩崗崩壁土體的崩解特性及其影響因素[J]. 水土保持學報,2017,31(1):74-79.
Zhou Hongyi, Li Huixia. The study on soil disintegration characteristics and its influence factors of collapsing wall in the collapsing hill erosion region of Southern China[J]. Journal of Soil & Water Conservation, 2017, 31(1): 74-79 (in Chinese with English abstract)
[6]季翔,黃炎和,林金石,等. 基于CA-Markov模型與ANUDEM內插法的崩崗侵蝕量預估[J]. 農業(yè)工程學報,2018,34(21):128-136.
Ji Xiang, Huang Yanhe, Lin Jinshi, et al. Estimation of erosion amount in collapsed gully based on CA-Markov model and ANUDEM interpolation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(21): 128-136. (in Chinese with English abstract)
[7]陳志強,陳志彪,陳麗慧. 南方紅壤侵蝕區(qū)典型流域土壤侵蝕危險性評價[J]. 土壤學報,2011,48(5):1080-1082.
Chen Zhiqiang, Chen Zhibiao, Chen Lihui. Assessment of soil erosion risk in watersheds typical of eroded red soil region South China[J]. Acta Pedologica Sinica, 2011, 48(5): 1080-1082. (in Chinese with English abstract)
[8]Barker R, Dixon L, Hooke J, et al. Use of terrestrial photogrammetry for monitoring and measuring bank erosion[J]. Earth Surface Processes & Landforms, 2015, 22(13): 1217-1227.
[9]劉希林,唐川,張大林. 野外模擬崩崗崩積體坡面產流過程及水分分布[J]. 農業(yè)工程學報,2015,31(11):179-185.
Liu Xilin, Tang Chuan, Zhang Dalin. Simulated run off processes on colluvial deposits of Liantanggang Benggang and their water distributions[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 179-185. (in Chinese with English abstract)
[10]St?cker C, Eltner A, Karrasch P, et al. Measuring gullies by synergetic application of UAV and close range photogrammetry: A case study from Andalusia, Spain[J]. Catena, 2015, 132(4): 1-11.
[11]沈盛彧,張彤,程冬兵,等. 融合無人機高分辨率DOM和DSM數據語義的崩崗識別[J]. 農業(yè)工程學報,2020,36(12):69-79.
Shen Shengyu, Zhang Tong, Cheng Dongbing, et al. Benggang recognition on semantic fusion of high-resolution digital orthophoto map and digital surface model data from unmanned aerial vehicle[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(12): 69-79. (in Chinese with English abstract)
[12]江學頂,梁釗雄,周紅藝,等. 基于無人機傾斜攝影技術的崩崗動態(tài)變化監(jiān)測[J]. 熱帶地理,2019,39(4):597-603.
Jiang Xueding, Liang Zhaoxiong, Zhou Hongyi, et al. Dynamic change monitoring of collapse based on UAV oblique photograph technique[J]. Tropical Geography, 2019, 39(4): 597-603. (in Chinese with English abstract)
[13]周小荃,余宏亮,魏玉杰,等. 無人機傾斜航空攝影監(jiān)測崩崗侵蝕量變化的方法[J]. 農業(yè)工程學報,2019,35(21):51-59.
Zhou Xiaoquan, Yu Hongliang, Wei Yujie, et al. Method for monitoring change in Benggang erosion based on oblique aerial images of UAV[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(21): 51-59. (in Chinese with English abstract)
[14]李紹鑫. 基于運動恢復結構攝影測量技術的崩崗侵蝕特征研究[D]. 福建:福建農林大學,2018.
Li Shaoxin. Research on Collapse Erosion Characteristics Based on Photogrammetry Technology of Structure from Motion[D]. Fujian: Fujian Agriculture and Forestry University, 2018 (in Chinese with English abstract)
[15]張祖勛. 貼近攝影測量由來與含義[R]. 武漢:武漢大學遙感信息工程學院,2019.
[16]張祖勛,陶鵬杰. 談大數據時代的“云控制”攝影測量[J]. 測繪學報,2017,46(10):1238-1248.
Zhang Zuxun, Tao Pengjie. An overview on “Cloud control” photogrammetry in big date era[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1238-1248. (in Chinese with English abstract)
[17]張軍,吳永春. 基于高精度DSM的無人機貼近攝影測量航線設計方案[J]. 礦山測量,2020,48(5):110-112.
Zhang Jun, Wu Yongchun. Design scheme of UAV proximity photogrammetry route based on high precision DSM[J]. Mine Surveying, 2020, 48(5): 110-112. (in Chinese with English abstract)
[18]梁京濤,鐵永波,趙聰,等. 基于貼近攝影測量技術的高位崩塌早期識別技術方法研究[J]. 中國地質調查,2020,7(5):107-113.
Liang Jingtao, Tie Yongbo, Zhao Cong, et al. Technology and method research on the early detection of high-level collapse based on the Nap-of-the-object photography[J]. Geological Survey of China, 2020, 7(5): 107-113. (in Chinese with English abstract)
[19]季翔,黃炎和,林金石,等. 崩崗侵蝕溝的時空侵蝕特征及預測[J]. 山地學報,2019,37(1):86-97.
Ji Xiang, Huang Yanhe, Lin Jinshi, et al. Spatio-temporal erosion features and prediction for the erosion gullies on collapsing hills[J]. Mountain Research, 2019, 37(1): 86-97. (in Chinese with English abstract)
[20]宋月君,黃炎和,楊潔,等. 近景攝影測量在土壤侵蝕監(jiān)測中的應用[J]. 測繪科學,2016,41(6):80-83.
Song Yuejun, Huang Yanhe, Yang Jie, et al. Application of close-range photogrammetry technology in soil erosion monitoring[J]. Science of Surveying and Mapping, 2016, 41(6): 80-83. (in Chinese with English abstract)
[21]Esposito G, Mastrorocco G, Salvini R, et al. Application of UAV photogrammetry for the multi-temporal estimation of surface extent and volumetric excavation in the Sa Pigada Bianca open-pit mine, Sardinia, Italy[J]. Environmental Earth Sciences, 2017, 76(3): 103-110.
[22]Lowe D. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2014, 60(2): 91-110.
[23]Furukawa Y, Ponce J. Multi-View Stereopsis[C]//Computer Vision and Pattern Recognition. American: Conference on IEEE, 2007.
[24]Derose C, Gomez B, Marden M, et al. Gully erosion in Mangatu Forest, New Zealand, estimated from digital elevation models[J]. Earth Surface Processes & Landforms, 2015, 23(11): 1045-1053.
[25]Vázquez D, Borgniet L, Liébault F, et al. Using UAS optical imagery and SFM photogrammetry to characterize the surface grain size of gravel bars in a braided river (Vénéon River, French Alps)[J]. Geomorphology, 2017, 285(1): 94-105.
[26]Williams D. DEMs of difference[J]. British Society for Geomorphology Technology, 2012, 43(2): 1-17.
[27]Pineux N, Lisein J, Swerts G, et al. Can DEM time series produced by UAV be used to quantify diffuse erosion in an agricultural watershed[J]. Geomorphology, 2017, 280(1): 122-136.
[28]Gizaw D, Fuchs H, Mansberger R, et al. Assessment of erosion, deposition and rill development on irregular soil surfaces using close range digital photogrammetry[J]. Photogrammetric Record, 2010, 25(131): 299-318
[29]劉希林,張大林. 基于三維激光掃描的崩崗侵蝕的時空分析[J]. 農業(yè)工程學報,2015,31(4):204-211.
Liu Xilin, Zhang Dalin. Temporal-spatial analyses of collapsed gully erosion based on three-dimensional laser[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(4): 204-211. (in Chinese with English abstract)
[30]張越,趙冬峰,鄭勤敏,等. 花崗巖紅壤丘陵區(qū)崩崗土體界限含水量的溫度效應研究[J]. 土壤學報:1-13[2021-02-18]. http: //kns. cnki. net/kcms/detail/32. 1119. P. 20201117. 1442. 002. html.
Zhang Yue, Zhao Dongfeng, Zheng Qinmin, et al. Effects of temperature on soil atterberg limit in soil of collapsing gully wall in the hilly granitic region of South China[J]. Acta Pedologica Sinica, 1-13[2021-02-18]. http: //kns. cnki. net/kcms/detail/ 32. 1119. P. 20201117. 1442. 002. html. (in Chinese with English abstract)
[31]陳展鵬,雷廷武,晏清洪,等. 汶川震區(qū)滑坡堆積體體積三維激光掃描儀測量與計算方法[J]. 農業(yè)工程學報,2013,29(8):135-144.
Chen Zhanpeng, Lei Tingwu, Yan Qinghong, et al. Measuring and calculation methods for landslide volume with 3-D laser scanner in Wenchuan earthquake area[J/OL]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(8): 135-144. (in Chinese with English abstract)
Monitoring technology for collapse erosion based on the nap of the object photograph of UAV
Li Zhijun, Zhong Linting, Huang Yanhe, Ge Hongli, Zhu Yu, Jiang Fangshi, Li Xiaofei, Zhang Yue, Lin Jinshi※
(,,350002,)
Collapsing gully is one of the most serious ecological and environmental damage in southern China. The dynamic change of wall collapse is also difficult to monitor in the high-risk and complex terrain. Obviously, a more concise and accurate method is necessary to monitor the dynamic collapse, and further to clarify the collapsing gully erosion. Unmanned Aerial Vehicle (UAV) nap of the object photograph is brand new photogrammetry for the needs of fine measurement. Point cloud data was generated to extract different parameters of collapse terrain. The topographic features of the avalanche wall were extracted, and then the obtained data was used to analyze the spatial characteristics and soil migration changes under the photogrammetry. Collapsing gully research area was located in the AnXi County, Fujian Province of South China. The specific procedure was as follows. 1) The control points were arranged in the study area, where the coordinates of each control point were measured using Trimble R4 GNSS GPS, Trimble R2 GPS, and (1+1) RTK network mode. 2) The image data was acquired by the nap of photogrammetry technology. PIX4DMapper was utilized to evaluate the positioning accuracy of control point data obtained by RTK. 3) The Digital Surface Model (DSM) data in the study area was processed by ArcMap, whereas, the digital surface model of differences (DOD) values was obtained for measured accuracy. The DOD was equivalent to the change of soil erosion and deposition volume, accurately reflecting the volume change of soil dynamic migration. The elevation change was also measured in the research area during the monitoring period. Through CloudCompare, Scale-invariant feature transform-Clustering Views for Multi-View Stereo (SFM-MVS) technology was used to analyze the reproducibility of point cloud data. A Canon 5D Mark III SLR camera was applied to the surround fixed focus-range image to collect data, and simultaneously to measure the target wall collapse as the reference data. Three groups of control plots were arranged according to the lowest level (LODmin) in the study area. The error sources and feasibility close to photogrammetry were analyzed from the accuracy of positioning and measurement, as well as the point cloud reproducibility. 4) The distribution characteristics of landslide erosion deposition were evaluated during the monitoring period, combined with the rainfall data collected by an RG3-M rainfall recorder. The results showed that: 1) The average resolution of the image close to the photogrammetry technology was 4.1 mm in terms of positioning. The average projection error was controlled at about 0.19 mm in terms of control point calibration. 2) The total mean absolute error of DOD in measurement was 0.006 m3, 45.45% lower than that of traditional oblique photogrammetry. 3) The overall improvement was 162.5% in elevation accuracy. 4) In reproducibility, the average value of elevation error was only 0.36 mm for the repeated point cloud data, indicating high stability. 5) The dynamic change of erosion settlement in the collapsed wall was monitored in the study area during the study period. The total rainfall was 564.6 mm in the study area, while the soil loss of the collapsed wall was 4.758 m3. The UAV Nap of the object photograph can be expected to serve as efficient and accurate monitoring for the erosion sediment transport in south collapsing gully areas of China.
erosion; UAV; collapsing gully; nap of the object photograph
李治郡,鐘琳婷,黃炎和,等. 基于貼近攝影測量的崩崗侵蝕監(jiān)測技術 [J]. 農業(yè)工程學報,2021,37(8):151-159.doi:10.11975/j.issn.1002-6819.2021.08.017 http://www.tcsae.org
Li Zhijun, Zhong Linting, Huang Yanhe, et al. Monitoring technology for collapse erosion based on the nap of the object photograph of UAV[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(8): 151-159. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2021.08.017 http://www.tcsae.org
2021-02-23
2021-04-10
國家自然科學基金資助項目(41571272;41907043);海峽兩岸紅壤區(qū)水土保持協同創(chuàng)新中心項目(K80ND800303)
李治郡,研究方向為土壤侵蝕監(jiān)測。Email:928862210@qq.com
林金石,教授,博士生導師,研究方向為土壤侵蝕與水土保持研究。Email:jslin@fafu.edu.cn
10.11975/j.issn.1002-6819.2021.08.017
P237
A
1002-6819(2021)-08-0151-09