-
项目名称
- 水利部"948"计划"无人机载微型高光谱成像仪"(No.201507)
-
第一作者简介
- 张雅文 (1989—), 女, 硕士。主要研究方向:遥感数据处理及应用。E-mail:yawen1129@hotmail.com
-
通信作者简介
- 许文盛 (1983—), 男, 博士, 高级工程师。主要研究方向:土壤侵蚀与环境泥沙。E-mail:wenshengxu521@aliyun.com
-
文章历史
-
收稿日期:2016-06-19
修回日期:2016-12-11
水土保持监测是准确、及时和客观地反映生产建设项目区水土流失状况、水土保持措施实施情况的有效途径,对水土流失综合治理、生态环境建设宏观决策以及科学、合理和系统地布设水土保持各项措施具有重要意义,通常包括实地量测、地面观测和资料分析等监测方法[1-2];而应用无人机遥感技术,进行生产建设项目水土保持监测,是一种既便捷又准确的新技术手段。对于准确掌握水土流失的位置、强度和危害,推进水土保持监测工作的定量化、精细化和信息化发展,具有重要引领作用[3]。
无人机遥感技术 (Unmanned Aerial Vehicle Remote Sensing),是以无人机为空中平台,通过搭载传感器获取信息,用计算机对数据进行处理,并结合特定需求制作成果[4]。这一技术来自于军事领域[5],随着可搭载的数据化探测设备及新型传感器的研发成功,无人机遥感技术的应用领域得到迅速拓展[6]。与早期的卫星遥感监测手段相比,无人机遥感技术很好地解决了卫星影像固定时空分辨率影响监测精度的问题[5, 7]。通过设置航迹、飞行高度等参数,无人机遥感可以获取满足精度要求的高分辨率影像;同时,根据实际需求,设定飞行频次,实现动态监测。目前无人机遥感技术呈现出多用途、多机型、多种载荷能力和多种续航能力的发展态势[8];然而,其在水土保持监测工作中的应用,尚处于起步阶段[9-10],还未形成统一有效的方法与标准。笔者在综合分析无人机遥感技术特点的基础上,结合生产建设项目水土保持监测相关技术要求,以简便实用为出发点,构建基于无人机遥感的水土保持监测方法,以期提高水土保持无人机遥感监测水平,为生产建设项目水土流失防治提供技术支撑。
1 方法构建 1.1 遥感影像基础数据的获取无人机遥感影像基础数据的获取包括飞行规划设计、原始数据获取及原始数据处理3个步骤。
1.1.1 飞行规划设计根据项目区范围和成果精度要求 (数字高程模型DEM、数字正射影像DOM),进行飞行规划设计,包括设定飞行方向、飞行高度、角度、航向及旁向重叠度等;同时,布设一定数量的地面标识 (图 1) 作为控制点 (ground control point,GCP),具体标识方法详见文献[7, 11],其数量需满足精度要求,一般精度都要达到亚米级 (0.5~1.0 m)。控制点坐标的采集,一种是用手持GPS获取,另一种是使用全站仪或差分GPS测量 (精度可以达±10 mm)[6],后者精度更高。除了控制点外,还可布设一定数量的解译标志,需覆盖项目区的全部地物类型,为后续影像分类提供依据。
|
图 1 地面控制点的标识示意图 Figure 1 Schematic picture of marking surface control points |
无人机上配置全球定位系统 (Global Positioning System,GPS)、惯性测量单元 (Inertial Measurement Unit,IMU) 以及特定的传感器,如光学相机;同时,根据数据获取的要求,还可搭载实时数据传输装置。当设备配置完毕后,即可根据设计好的飞行路线,实施无人机飞行和拍摄,获取原始的遥感影像数据。
1.1.3 原始数据处理使用Agisoft Photoscan Professional软件来处理获取的原始数据,形成DEM和DOM成果。Agisoft Photoscan Professional是一个图片三维重建的软件,在有控制点和无控制点的条件下,都可基于原始静态照片重建三维模型,可生成精度达5 cm的DOM成果和极其精细的DEM模型。针对同一个目标的三维重建,仅需要2张照片。该软件数据处理流程包括3步: 首先,形成照片阵列,Photoscan会自动搜索照片中的同名像点,并进行匹配,同时,也会估算出每张照片拍摄时相机的视角,并对相机参数进行校正;然后,基于估测出的相机位置和照片,建立密集点云;最后,基于密集点云或者是稀疏点云,Photoscan会重建三维多边形网格,基于该网格,可进一步制作DEM和DOM成果。
1.2 基本监测信息的提取水土保持监测的基本信息一般包括土地利用类型、监测对象位置、监测对象长度与面积以及监测对象体积等,可在DEM和DOM成果的基础上进行提取。
1.2.1 土地利用类型土地利用类型的识别有2种方法: 一种是目视识别及勾画,另一种是计算机分类。第1种方法针对特定类型的地物,如取土场、弃土场、截排水沟和植被等,可通过人工目视判读,直接绘制矢量,勾画出特定类型的地物;第2种方法针对较大的项目区域,此时直接进行人工判读,耗时很长,可利用计算机分类技术。基于前期建立的地面解译标志,采用面向对象的方法,利用多尺度分割生成影像对象,运用模糊逻辑方法,计算出对象的形状信息、纹理信息以及对象间的拓扑关系信息,通过特征参数组合,建立规则集,实现影像分类[12]。
1.2.2 监测对象位置在ArcGIS中,利用DEM和DOM成果,直接获取特定对象的位置信息,包括经纬度 (或者自定义坐标系内的空间坐标) 和高程。
1.2.3 监测对象长度与面积利用人工勾画或者计算机自动分类结果,在ArcGIS中,测量监测对象的长度,并计算其面积。
1.2.4 监测对象体积基于DEM成果,利用微分思想,用高程乘以栅格大小,累加起来可近似得到监测对象的体积。体积差的计算,需用2个时间点量得的高程差乘以大小,累加起来即可得到该时间段内监测对象体积的变化。
1.2.5 三维模型构建根据DEM和DOM成果,在ArcGIS中,完成项目区三维模型的构建,实现3D效果下的虚拟漫游,客观真实地呈现项目区的全貌与细节,并可据此对提取的基本信息进行局部修正。
1.3 基本信息在生产建设项目水土保持监测中的应用无人机遥感技术在生产建设项目水土保持监测工作中的一项重要应用是从DEM和DOM的成果中,提取出有效信息,然后结合水土保持监测相关的规程规范,逐一应用到生产建设项目水土保持监测相关工作中,对于综合评价生产建设项目水土流失和保持情况,建立水土流失本底数据库,以及撰写相关的监测季报和年报总结等,提供有力支撑。
1.3.1 扰动土地状况监测1) 监测内容: 包括扰动范围、面积、土地利用类型及其变化情况等。土地利用类型参照GB/T 2010土地利用类型一级类。
2) 信息应用: 通过DOM成果,结合项目区平面布置图,勾画各分区的边界线;基于AcrGIS,计算各分区扰动面积,并标注其土地利用类型。扰动土地的变化情况,可通过对比不同时间的监测成果得到。
1.3.2 取土 (石、料) 弃土 (石、渣) 监测1) 监测内容: 包括取土 (石、料) 场、弃土 (石、渣) 场及临时堆放场的数量、位置、方量、表土剥离和防治措施的落实情况等。
2) 信息应用: 通过DOM成果,勾画出项目区内的取土场、弃土场及临时堆土场,标识出详细位置,并计算其数量。利用DEM成果依据体积的计算方式计算方量;同时,通过与前一时间监测的方量对比,计算项目施工期间方量的变化量,如弃渣量的变化。表土剥离和防治措施的落实情况,反映在影像细节上,如是否采取苫盖等措施,可从三维模型上直接观察得到。
1.3.3 水土保持措施监测1) 监测内容: 包括工程措施、植物措施和临时防治措施。针对植物措施,监测林草的生长发育情况 (树高、乔木胸径和乔灌冠幅)、成活率、保存率及植被覆盖率。
2) 信息应用: 通过DOM成果,勾画矢量及测量计算,获取各分区水土保持措施的实施情况。工程措施: 取土场和弃土场的土地整治面积、截排沟水位置和长度、路基工程护坡位置和面积、植物护坡位置和面积等;植物措施: 植被分布及占地面积、绿化面积等;临时防治措施: 临时排水沟位置和长度、临时拦挡位置和长度、防雨布位置和长度等。数量信息可统计得到,除了位置、长度和面积等信息,还可直接从三维模型上观察到一些情况,如工程防护措施的完好程度、树木的成活率等。针对项目区林草的生长发育情况,一方面,可利用计算机分类结果计算植被覆盖率等指标,另一方面,还可通过提取树木的位置和冠径,计算不同树木的三维绿量,反映其生长发育情况[13]。
1.3.4 土壤流失情况监测1) 监测内容: 包括土壤流失面积、土壤流失量、取土 (石、料) 弃土 (石、渣) 潜在土壤流失量和水土流失危害等。
2) 信息应用: 土壤流失量的计算,有2种方法。其一,将无人机遥感技术与地面观测相结合,前者获取土壤流失面积,后者获得各分区监测点土壤侵蚀模数,利用水土流失面积、侵蚀模数和侵蚀时段,计算出各分区水土流失量;其二,针对水蚀的情况,完全依靠无人机遥感技术,提取各分区植被覆盖度、土地利用类型和坡度 (DEM数据计算) 等数据,结合降水量等,根据土壤侵蚀方程及土壤侵蚀分类标准,计算得到项目区的水土流失量、强度及分布情况。
1.3.5 水土流失防治效果监测1) 监测内容: 主要包括扰动土地整治率、水土流失总治理度、拦渣率与弃渣利用率、土壤流失控制比、林草植被恢复率和林草覆盖率等6项指标。
2) 信息应用: 依据6项指标的计算公式,提取水土保持措施面积 (3种措施面积之和)、永久建筑物占地面积、建设区扰动地表面积、土壤流失总面积、采取措施后实际拦挡的弃土量和弃土总量、项目区治理后平均土壤流失强度、项目区林草植被恢复面积、项目区林草面积和项目区总面积,然后直接用于计算,并检验其是否达标。
2 实例分析依据笔者构建的基于无人机遥感的水土保持监测方法,选取某生产建设项目一典型区域,利用大疆精灵3无人机实施航拍,获取遥感观测数据,并进行监测信息的提取及应用。
2.1 遥感基础数据获取无人机选择自动航迹设计,飞行高度设定为129 m,航拍覆盖区域面积约7.15 hm2。针对航拍获取的影像,使用Agisoft Photoscan Professional进行处理,制作成DOM和DEM成果,如图 2所示。从成果精度而言,DOM和DEM成果的水平分辨率分别是0.051和0.206 m。在DOM和DEM成果的基础上,可进一步提取基本监测信息。
|
图 2 某生产建设项目典型区域DOM和DEM成果 Figure 2 DOM and DEM results of a typical region in a practical construction project |
首先,利用DOM成果,手动勾选出水土保持监测区域,例如临时堆土区、施工生产生活区等,如图 3所示。针对分区,可在ArcGIS中确定其位置、量测其面积。其次,利用DEM成果,基于微分法思想,可估算临时堆土场的体积。由此,提取本区域基本监测信息见表 1。
|
图 3 手动勾选水土保持监测不同分区 Figure 3 Manual selection of soil and water conservation monitoring areas |
| 表 1 提取的基本监测信息 Table 1 Extracted basic monitoring information |
目前,本区域仅实施1次航拍,获取的监测信息有限,如果开展多次观测,即可形成对比,并进行变化分析。本次获取的监测信息主要应用在: 1) 扰动土地状况监测。临时堆土区、施工生产生活区1、施工生产生活区2和施工生产生活区3的扰动土地面积分别为7 414.23、1 818.57、2 371.8和1 851.94 m2。2) 取土 (石、料) 弃土 (石、渣) 监测。临时堆土场所在的中心点位置是E 113.031°, N 32.05°,面积是7 414.23 m2,临时堆土体积是72 626 m3,该堆土场未采取苫盖措施。
根据《水土保持试验规程》,针对施工生产生活区面积、临时堆土场面积和体积的监测,通常采用手持GPS、测距测高仪和皮尺等传统工具进行量测,不仅耗时长,效率低,而且存在着巨大的偶然误差;而本文方法的应用,不仅大大节省时间 (针对本区域,相比于传统量测,节省时间2/3以上),而且在精度上也避免了偶然误差的影响。
3 结束语无人机遥感改变了水土保持监测技术手段,提高监测效率。在分析无人机遥感技术特点的基础上,结合水土保持监测的相关要求,从遥感基础数据获取、水土保持基本信息提取及基本信息应用等方面,构建基于无人机遥感的生产建设项目水土保持监测技术与方法,如图 4所示。结合一典型案例,对该方法进行实践,获取基本的监测信息,并加以应用,结果表明笔者构建的方法简单实用。
|
图 4 基于无人机遥感的水土保持监测技术流程图 Figure 4 Flow diagram of soil and water conservation monitoring based on UAV remote sensing technology |
无人机遥感具有可灵活选择传感器、时效性好、数据精度高及可获取三维模型等优点,构建的方法可为无人机遥感在生产建设项目水土保持监测工作中的应用,提供新的技术依据;但由于无人机遥感因垂直精度误差较大,存在影响监测对象体积量精度的缺点,且在水土保持监测工作的应用处于起步阶段;因此,还需要通过不断的实践,对研究方法做进一步的探讨与完善。
| [1] |
王礼先.
水土保持工程学[M]. 北京: 中国林业出版社, 2000: 7.
WANG Lixian. Soil and water conservation engineering[M]. Beijing: Chinese Forestry Press, 2000: 7. |
| [2] |
刘震.
水土保持监测技术[M]. 北京: 中国大地出版社, 2004: 11.
LIU Zhen. Soil and water conservation technology[M]. Beijing: Chinese Land Press, 2004: 11. |
| [3] |
胡恒, 王璨. 关于"精准水土保持"的实践与思考[J].
中国水土保持, 2016(2): 30.
HU Heng, WANG Can. Practice and reflections on precise soil and water conservation[J]. Soil and Water Conservation in China, 2016(2): 30. |
| [4] |
汪沛, 罗锡文, 周志艳, 等. 基于微小型无人机的遥感信息获取关键技术综述[J].
农业工程学报, 2014, 30(18): 1.
WANG Pei, LUO Xiwen, ZHOU Zhiyan, et al. Key technology for remote sensing information acquisition based on micro UAV[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(18): 1. DOI: 10.3969/j.issn.1002-6819.2014.18.001. |
| [5] | COLOMINA I, MOLINA P. Unmanned aerial systems for photogrammetry and remote sensing: a review[J]. Isprs Journal of Photogrammetry & Remote Sensing, 2014, 92(2): 79. |
| [6] | WATTS A C, VINCENT G, HINKLEY E A. Unmanned aircraft systems in remote sensing and scientific research: Classification and considerations of use[J]. Remote Sensing, 2012, 4(6): 1671. |
| [7] | D'OLEIRE-OLTMANNS S, MARZOLFF I, PETER K D, et al. Unmanned aerial vehicle (UAV) for monitoring soil erosion in Morocco[J]. Remote Sensing, 2012, 4(11): 3390. |
| [8] |
韩文权, 任幼蓉, 赵少华. 无人机遥感在应对地质灾害中的主要应用[J].
地理空间信息, 2011, 9(5): 6.
HAN Wenquan, REN Yourong, ZHAO Shaohua. Tha application of UAV remote sensing in geological disasters[J]. Geospatial Information, 2011, 9(5): 6. |
| [9] |
王志良, 付贵增, 韦立伟, 等. 无人机低空遥感技术在线状工程水土保持监测中的应用探讨:以新建重庆至万州铁路为例[J].
中国水土保持科学, 2015, 13(4): 109.
WANG Zhiliang, FU Guizeng, WEI Liwei, et al. Discussion on application of low altitude UAV RS to soil and water conservation monitoring in linear engineering: A case study on the new Chongqing-Wanzhou railway[J]. Science of Soil and Water Conservation, 2015, 13(4): 109. |
| [10] |
杨恺. 无人机遥感技术在开发建设项目水土保持监测中的应用[J].
陕西水利, 2013(4): 145.
YANG Kai. The application of UAV remote sensing in soil and water conservation monitoring in construction projects[J]. Shaanxi Water Resources, 2013(4): 145. |
| [11] | ELTNER A, MULSOW C, MAAS H G. Quantitative measurement of soil erosion from TLS and UAV data[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2013, 1(2): 119. |
| [12] |
许燕, 段福洲, 段光耀. 面向对象的无人机影像分类研究[J].
地理空间信息, 2014, 12(5): 28.
XU Yan, DUAN Fuzhou, DUAN Guangyao. Object-oriented UAV remote sensing image classification[J]. Geospatial Information, 2014, 12(5): 28. |
| [13] |
陈荻, 李卫正, 孔文丽, 等. 基于低空高分辨影像的三维绿量计算方法:以南京林业大学校园为例[J].
中国园林, 2015(9): 22.
CHEN Di, LI Weizheng, KONG Wenli, et al. On the method of three-dimensional green volume calculation based on low-altitude high-definition images: case study of the Nanjing forestry university campus[J]. Chinese Landscape Architecture, 2015(9): 22. |
2017, Vol. 15 
