趙宏宇，甄世楠

（吉林建筑大學(xué)）

1 引言

2022年，中央一號文件再次錨定傳統(tǒng)村落保護，傳統(tǒng)村落歷經(jīng)千百年傳承檢驗，其因地制宜的低成本、低技術(shù)、高可持續(xù)性的營建經(jīng)驗，蘊含于村落典型空間模式中[1]。當(dāng)前提取研究以田野調(diào)查與經(jīng)驗提取為主，運用大數(shù)據(jù)手段的智慧挖掘較少[1-2]。而“十四五”規(guī)劃明確提出要加快推進數(shù)字鄉(xiāng)村建設(shè)，推動動態(tài)環(huán)境建模等技術(shù)創(chuàng)新。通過大批次傳統(tǒng)村落的快速精準建模，量化傳統(tǒng)村落空間模式有望成為重要路徑。但國內(nèi)現(xiàn)有技術(shù)手段難以實現(xiàn)數(shù)據(jù)快速精準提取[3]。無人機多光譜技術(shù)操作靈活且含多譜段信息，可有效輔助材質(zhì)剝離與量化統(tǒng)計分析，引入該方法，將會大幅提高我國傳統(tǒng)村落空間模式的提取效率與精度。

2 多光譜技術(shù)對傳統(tǒng)村落空間模式挖掘的影響

2.1 傳統(tǒng)村落空間模式挖掘問題剖析

主要包括宏觀區(qū)域?qū)用婵臻g模式的分布及環(huán)境動因，中觀單個村落的整體或某一類空間模式的提取與植入。無論是區(qū)域尺度不同組織結(jié)構(gòu)村落模式的異同，或單一村落空間結(jié)構(gòu)、形態(tài)、組織等方面的特點凝練與邏輯探討，大多僅對村落地形選址、民居排列、公共空間等尺度較大空間要素進行模式化[4-5]，而忽略微小地物目標的模式提取?；蜥槍β糜慰臻g、居游空間、民俗空間等單一空間要素研究方面精度滿足需求，但受限于實地踏勘或深度訪談的傳統(tǒng)數(shù)據(jù)收集方式[4]，難以展開更大尺度的精細化研究。雖有極少數(shù)疊加遙感影像或GIS 數(shù)據(jù)進行數(shù)理分析[6]，也僅用于分析過程而未形成任何數(shù)據(jù)性結(jié)論。

2.2 無人機技術(shù)優(yōu)勢提煉

國內(nèi)應(yīng)用將三維模型搭建作為基礎(chǔ)條件，建立中宏觀尺度的地形地貌、城市植被等精細化模型，實現(xiàn)亞米級（如<5cm）數(shù)據(jù)獲取[7]；開展微觀單體尺度古建建模、住宅識別等，實現(xiàn)輪廓提取95%以上精度。無人機高精確度、高分辨率和高時效的優(yōu)勢特征在三維分析層面得到充分發(fā)揮，其對于搭載平臺的多樣適應(yīng)性，也為開展多類別研究奠定了基礎(chǔ)。

國外應(yīng)用集中于各類檢測監(jiān)測領(lǐng)域，借助深度學(xué)習(xí)與點云方法開展，涉及無人機耦合攝影測量開展交通監(jiān)測與設(shè)施監(jiān)控、城市形態(tài)變化監(jiān)測等，耦合光譜技術(shù)開展植被生長預(yù)估與水體環(huán)境交互關(guān)系分析，一定程度上進入動態(tài)數(shù)據(jù)精準獲取階段。

多光譜在城市調(diào)查方面，應(yīng)用于城市環(huán)境調(diào)查與分類識別等已有大量實例，在城市各類別地物識別與分類提取技術(shù)方面已展開探索且趨勢逐漸加強[8]。在城市空間領(lǐng)域，借助衛(wèi)星星載或無人機機載，已實現(xiàn)不同地物的精準剝離?，F(xiàn)有應(yīng)用大致包括城市地圖更新、地物提取、城市邊界提取、城市變化監(jiān)測與城市管理、城市交通情況調(diào)查、城市熱島評估、綠地精細化調(diào)查7 大類別。而相較于國內(nèi)的應(yīng)用深度，國外光譜技術(shù)在機載平臺使用比例、與其他技術(shù)耦合應(yīng)用比例方面具有明顯優(yōu)勢，三維地物重建已應(yīng)用于流域地形地貌重建、建筑屋面重建等眾多領(lǐng)域，學(xué)科融合產(chǎn)生良好成效。

3 多光譜技術(shù)的應(yīng)用進展

3.1 面向精度提升的平面圖譜解譯方法

平面圖譜解譯，即實現(xiàn)平面二維地物的影像識別與數(shù)據(jù)分類[9-10]。單獨應(yīng)用多光譜技術(shù)的地物分類，主要依托地物不同光譜特征開展，借助歸一化植被指數(shù)（NDVI）等指針性參數(shù)，通過SVM 分類等方法進行城鎮(zhèn)地表覆蓋物分類研究，可直接面向微觀土地精細化劃分應(yīng)用領(lǐng)域，其低成本、高效率的特點，在農(nóng)村地區(qū)大量應(yīng)用有基礎(chǔ)優(yōu)勢[11]。

多光譜結(jié)合激光點云技術(shù)或機器學(xué)習(xí)的分類可實現(xiàn)兩類數(shù)據(jù)直接配準[12]，具備更多屬性信息。主要利用最大似然法、Gram-Schmidt（GS）融合等方法對激光點云數(shù)據(jù)進行切割，或通過隨機森林、卷積神經(jīng)網(wǎng)絡(luò)等整合光譜與紋理等空間特征，實現(xiàn)地物高精度識別分離。

3.2 面向數(shù)據(jù)量化的三維形態(tài)重構(gòu)方法

當(dāng)前三維空間形態(tài)重構(gòu)大多采用基于海量數(shù)據(jù)的自動化手段，以多光譜平面地物剝離與圖譜解譯為基礎(chǔ)。主要包括兩種類型。

多光譜耦合激光點云技術(shù)的三維激光掃描建模，通過激光雷達空間掃描數(shù)據(jù)分割與多光譜影像線條提取，可實現(xiàn)大范圍建筑的精細化提取與建模。當(dāng)前已應(yīng)用于DSM 生成、土地覆蓋分類等諸多領(lǐng)域。缺陷在于建成模型缺乏紋理數(shù)據(jù)，紋理貼圖大量工作仍需人機交互[13]。

多光譜耦合傾斜攝影的影像建模，主要依托傾斜攝影測量數(shù)據(jù)[14]，通過運算組合成為三維實景模型，具有影像表達內(nèi)容豐富、自動化程度高、實體側(cè)面紋理提取快捷的特點[15]，但易出現(xiàn)紋理映射錯誤、模型與背景難以分離的問題[16]，因而常需要輔助空三加密等二次加工[17]。同時，難以實現(xiàn)模型編輯與使用，其屬性信息需要手工錄入，使其難以滿足大批量快速的村落信息提取[18]，難以實現(xiàn)廣泛應(yīng)用。

3.3 面向精準分析的數(shù)字模型構(gòu)建方法

整合無人機多光譜技術(shù)、激光雷達技術(shù)及衛(wèi)星遙感影像技術(shù)開展國土測繪早有先例[18]，國內(nèi)外應(yīng)用無人機多光譜技術(shù)耦合三維激光掃描技術(shù)，已開展多類別地物分類與含屬性信息的三維實景建模[19-20]。國外已實現(xiàn)平面圖譜解譯，獲得高精度平面土地利用覆蓋的全要素分類，并構(gòu)建涵蓋地形地質(zhì)、建筑、植被等全基礎(chǔ)要素[21-23]的三維立體模型。而國內(nèi)對二者融合多應(yīng)用于地物屬性分類，對兩者結(jié)合的研究也仍停留在二維圖形層面，未形成可供進一步空間編輯與計量的三維立體模型[24]。

加拿大Optech 公司2014 年發(fā)布第一臺商業(yè)化Titan 機載多光譜LiDAR（Light Detection And Rang‐ing）系統(tǒng)[25-26]。我國也由武漢大學(xué)聯(lián)合中科院發(fā)展了具備自主知識產(chǎn)權(quán)的三波段多光譜激光雷達系統(tǒng)[27]，但尚未進入商業(yè)化領(lǐng)域，相關(guān)應(yīng)用亟待加強。

4 結(jié)語

當(dāng)前，亟需定量化挖掘傳統(tǒng)村落空間模式中蘊含的生態(tài)智慧營建理念，無人機多光譜因其靈活性強、獲取信息豐富的特點，在破解村落空間模式的二三維提取中具備極大優(yōu)勢，但研究仍處于初級階段，優(yōu)勢尚未充分發(fā)揮。探索以多光譜技術(shù)為核心的技術(shù)破解手段及可能的技術(shù)路徑，有望為傳統(tǒng)村落生態(tài)智慧的量化提取與現(xiàn)代轉(zhuǎn)譯奠定基礎(chǔ)，為推動村落數(shù)字化建設(shè)提供空間決策的理論與方法指導(dǎo)。