無人機搭載高分辨率傳感器在精細地形監測中的應用

程平平，吳坤鵬，肖樂天，雷東鈺

（1.安徽師范大學 地理與旅游學院，安徽 蕪湖 241008；2.云南大學 國際河流與生態安全研究院，云南 昆明 650091；3.中國科學院 西北生態環境資源研究院 冰凍圈國家重點實驗室，甘肅 蘭州 730000；4.湖南科技大學 地球科學與空間信息工程學院，湖南 湘潭 411201）

0 引言

地形是指地球表面的高低起伏形態，高程是描述地表起伏形態最基本的幾何量［1］，而數字高程數據則是對地形高程信息的數字化表達，在氣候、氣象、地形地貌、地質災害、土壤和水文等各方面有廣泛的應用［2-5］。因此，獲取高精度的數字高程模型（Digital Elevation Model，DEM）具有重要意義，可以為災害防治、工程建設及科學研究等提供重要的科學數據支撐。

遙感技術的發展推動了區域尺度乃至全球尺度的地形監測研究，并產生了多套數字高程模型數據［6-8］。目前基于遙感的DEM 獲取方式主要分為三類，包括立體像對攝影測量、合成孔徑雷達干涉測量和激光測高［1］。高分辨率光學立體像對近年來成為生產DEM 的主要數據源，如美國Terra ASTER、法國SPOT 系列、中國資源三號（ZY3）等［9-11］，但光學立體像對數據獲取易受云霧天氣影響。合成孔徑雷達干涉測量是一種主動對地成像系統，如美國SRTM DEM（Shuttle Radar Topography Mission）、歐空局TerraSAR-X/TanDEM-X［5-6］。微波遙感具有全天時、全天候及幾乎不受云、雨影響的優勢，但高精度的DEM 生成易受時間、空間去相關及大氣延遲、軌道誤差等影響。激光測高是指利用衛星平臺搭載激光測高儀，向地面發射激光脈沖并接收回波信號，根據激光往返時間、衛星軌道等信息獲取光斑高程的方法，如ICESat GLAS 和ICESat2 ATLAS［12-13］。三種方式均可實現大尺度的地形反演，但在反演精度、空間分辨率等方面仍有待提高。

隨著社會經濟的發展和科學技術的進步，精細地形監測需求越來越大，如局部區域滑坡或冰川躍動發生前夕，其后緣出現的裂隙發育過程［14-15］。在復雜山區，基于航天遙感的精細地形監測易受天氣、地形等因素影響，難以獲取高精度數字高程模型。近年來，隨著無人機（Unmanned Aerial Vehicle，UAV）技術的不斷完善，可以在不同空間尺度上連續獲取高時空分辨率的影像［16-19］。無人機航測正射影像和數字表面模型（Digital Surface Model，DSM）能夠很好的反映精細地形表面特征，在復雜山區具有廣泛應用。中國西部發育大量海洋型冰川，當前利用無人機開展海洋型冰川研究，主要集中在年際尺度冰川變化或年內冰川變化過程，包括冰川末端進退、表面高程變化及表面運動速度［19-21］，鮮少涉及冰川特征提取。如Yang 等［19］利用無人機獲取了藏東南地區冰川積累期、消融期動態變化；Wu 等［20］利用無人機開展海洋型冰川監測，分析了冰川表面形態的發育特征；Immerzeel等［21］利用無人機監測喜馬拉雅山地區冰川消融期動態變化，包括冰川物質平衡、運動速度，并分析了冰川表面形態對冰川消融的重要影響。航天遙感的冰川監測研究表明，高亞洲地區冰川普遍呈退縮且加速退縮趨勢［9，22-23］，其中以藏東南地區海洋型冰川最為顯著［24-25］。冰川消融模型（度日模型、能量平衡模型）揭示高亞洲地區不同類型冰川對氣候變化敏感性差異顯著［26-28］，而海洋型冰川表現為對氣溫變化最為敏感［29］。當前全球氣候變暖背景下，海洋型冰川表面發育大量表磧、冰面湖、冰裂隙，而大量研究表明，冰川表面特殊形態對冰川變化研究有重要影響［30-33］。野外觀測受地形和人力的限制，不足以開展區域尺度的冰川表面形態監測，而航天遙感受空間分辨率的限制，難以開展冰川表面形態的自動提取，因此利用無人機開展冰川區精細地形監測有重要意義。本文以藏東南崗日嘎布地區雅弄冰川末端為研究區，通過無人機攝影測量，獲取復雜地形條件下精細地形，并提取冰川表面特殊形態，為冰川變化研究奠定基礎，同時為山區精細地形監測研究提供借鑒。

1 研究區概況

崗日嘎布山位于青藏高原東南部，呈北西-南東向伸展（圖1），山系北坡流域降水、冰雪融水等匯入雅魯藏布江支流帕隆藏布，而南坡流域則匯入察隅曲［34-35］。印度洋季風帶來的濕潤水汽沿山系兩側從東南向西北深入，隨著地形的抬升形成豐沛降水，加之該地區年均氣溫在-8.9～3.2 ℃之間，使得該地區發育大量海洋型冰川［36-37］。

圖1 崗日嘎布地區及雅弄冰川地理位置，底圖為Landsat8影像（波段組合B654）（a）；雅弄冰川末端無人機POS及航線分布，底圖為Planet影像（波段組合B432）（b）Fig.1 Overview of the Kangri Karpo Mountains and Yanong Glacier，with background of Landsat OLI image（B654）（a）；POS and Route of UAV at the terminal of the Yanong Glacier，with background of Planet image（B432）（b）

最新研究表明，2015 年崗日嘎布地區現有冰川1 166條，面積2 048.5 km2，平均冰川規模1.76 km2［38］。1980—2015 年間，該地區冰川面積減少了24.91%，物質平衡為（-0.46±0.08）m w.e.·a-1，且物質平衡呈加速虧損趨勢、表面運動速度呈減速趨勢［39-40］。其中該地區最大的海洋型冰川——雅弄冰川（面積173.0 km2，長31.1 km），過去40 年間面積減少速率為0.30%·a-1，物質平衡為（-0.65±0.22）m w.e.·a-1，最大冰川運動速度可達到（～660±25）m·a-1［39-40］。

2 數據獲取與處理

2.1 無人機航測

由于藏東南地區雅弄冰川末端地形復雜、航天遙感數據難以滿足高精度地形分析，本研究對冰川末端開展無人機攝影測量。本研究使用大疆創新科技有限公司（DJI）M300 RTK（M3R）無人機，并配備睿鉑M6 Pros（M6P）量測型相機。該相機傳感器尺寸35.7 mm×23.8 mm，鏡頭焦距40 mm，相機總像素6 100 萬，配備三軸增穩平臺，既可以用于生產正射圖像，也可以用于近景攝影測量建立高質量精細化模型。在飛行高度設置為160 m 時，該傳感器獲取的正射影像地面分辨率約為1.50 cm·pixel-1。

本研究于2022 年7 月31 日在藏東南地區雅弄冰川末端開展了2個架次飛行，采用仿地飛行方式，通過WaypointMaster 軟件，矢量化航測范圍，并導入ALOS 12.5 m 分辨率DEM，航高設置為160 m，航向與旁向重疊90%，生成仿地航線。通過將仿地航測導入遙控設備，并上傳至無人機航測系統，以開展無人機自動航測。由于冰川末端地形復雜，地面像控點難以布設，因此本研究采用無像控點航測（圖1）。

2.2 數據處理

M3R+M6P 航測任務完成后，共獲取有效圖像384 幅。首先通過SkyScanner 軟件下載相機自帶POS 數據，將POS 信息寫入航拍照片，并生成ContextCapture 建模軟件可識別的工程區塊索引。然后通過ContextCapture 進行航拍圖像建模，包括空中三角測量、影像密集匹配、正射校正與鑲嵌、數字表面模型（Digital Surface Model，DSM）構建等。首先對多視影像聯合平差，結合POS 系統提供的外方位元素，提取同名特征點，建立區域網平差誤差方程，解算相片的外方位元素。在獲取每張相片的外方位元素同時，生成密集點云，基于空三成果和密集點云，構建三維TIN。依據三維TIN 位置信息，匹配最佳視角相片，完成地面實景三維建模。具體流程如圖2，最終得到坐標系WGS-84、地面分辨率為1.5 cm的正射影像和DSM［20］。

圖2 無人機航測及數據處理流程Fig.2 Flow of UAV aerial survey and data processing

2.3 誤差分析

由于采用無像控點航測方式，航測獲取的正射影像和DSM 不確定性評估主要針對無人機飛行姿態（照片自身位置）和影像匹配?；?84幅有效圖像的空中三角測量，估算了每一幅圖像獲取時相機位置誤差，在X方向平均誤差為1.5 cm、Y方向平均誤差為1.36 cm、Z方向平均誤差為0.33 cm。在影像密集匹配過程中，共生成269 087 個連接點，通過連接點將圖像匹配，并估算了每幅圖像所使用的連接點重投影誤差，平均誤差為0.51個像元（圖3）。

圖3 無人機攝影測量誤差：圖像位置不確定性（a），連接點匹配誤差（b），連接點匹配誤差統計（c）Fig.3 Uncertainties of UAV aerial survey：photo position uncertainties（a），RMS of Reprojection Error（b），statistic of photo position uncertainties（c）

3 結果與討論

3.1 無人機航測影像

利用M3R 無人機搭配睿鉑M6P 量測型相機、POS 處理軟件SkyScanner、空三解算軟件Context-Capture，得到了地面分辨率為1.5 cm的正射影像及DSM（圖4）。

圖4 無人機獲取的正射影像、DSM及冰面發育的冰裂隙、冰崖、冰面湖Fig.4 Orthoimage and DSM acquired by UAV，and crevasse，ice cliff and glacial lake

正射影像顯示，航測區面積3.7 km2，其中冰川區面積2.35 km2，占整個測區面積的63.5%。冰川區表面形態呈條帶狀，表磧與裸冰相間分布。在裸冰區，冰面形態較為單一，有少量冰裂隙和冰面湖發育。在表磧覆蓋區，由于表磧的差異消融作用，大量冰裂隙、冰崖、冰面湖發育。DSM 顯示，冰川區表面地形較為平緩，但由于表面形態差異顯著，地形起伏紋理較為清晰；從冰川區到兩側基巖，地形顯著抬升，對冰川發育及其運動有較強的限制作用。

3.2 與航天遙感影像對比

本文選取了高分辨率遙感影像Planet和數字高程模型TanDEM，以對比航天遙感與無人機航測在冰川表面形態、精細地形方面的表達差異。

Planet 影像包含紅綠藍和近紅外四個波段，空間分辨率3 m，時間分辨率可達到1 天，本文選取了離無人機航測時間（2022 年7 月31 日）最近的無云Planet 影像（成像時間2022 年7 月25 日）。Planet 影像可有效的區分裸冰與基巖相接觸部位，但當冰川被表磧覆蓋，與基巖表現出非常相近或幾乎一致的光譜特征、紋理結構，便難以獲取冰川邊界。且由于地物光譜的相似性，Planet 影像在識別冰川表面形態存在一定困難。而無人機其高時空分辨率，在獲取冰川邊界、冰川表面形態上具有較大優勢。

TanDEM 是利用2014 年3 月13 日獲取TerraSAR-X/TanDEM-X 影像，通過合成孔徑雷達干涉測量（Interferometric Synthetic Aperture Radar，In-SAR）得到的空間分辨率12 m 的數字高程模型。TanDEM 獲取時間與無人機航測時間不同，由于海洋型冰川對氣候變化敏感，兩個時期獲取的冰川地形有較大差異，因此本文僅對比TanDEM 與DSM對精細地形的表達能力。本文選定了一條冰川區橫向剖面線PP′，以提取冰川區地形剖面［圖5（a）］。TanDEM 的PP′地形剖面顯示，兩側無冰區高程呈連續、快速降低現象，而冰川區高程波動較?。蹐D5（b）］。DSM 的PP′地形剖面顯示，兩側無冰區高程與TanDEM 的PP′剖面呈相同規律，但在冰川區，高程有較為顯著的波動，冰川地形相對復雜［圖5（c）］。對高程波動較顯著的區域，通過檢查航測正射影像和DSM發現，該區域有大量表磧、裂隙發育，由于表磧、裂隙的差異消融，導致該區域地形起伏顯著。由此可知，相對于航天遙感獲取的TanDEM，無人機航測DSM 能夠準確表達冰川區精細地形特征。

圖5 航測區基巖高程變化（a）及冰面剖面高程起伏：TanDEM（b）、DSM（c）Fig.5 Elevation changes in bedrock（a）and elevation fluctuation in glacier surface along profile P-P′ with TanDEM（b）and DSM（c）

與此同時，本文還基于TanDEM 和DSM提取了航測區地面坡度。從坡度的空間分布來看，由于兩側無冰區為連續基巖，破碎程度較低，兩種數字高程模型在兩側無冰區所表達的整體坡度特征較為一致；而在冰川區，兩種數字高程模型所表達的坡度特征呈顯著差異。TanDEM 提取的坡度顯示冰川區地形起伏較為平緩，不足以說明因差異消融帶來的地形破碎程度。DSM 提取的坡度顯示，在裸冰區地形起伏平緩，在表磧、冰裂隙發育區域地形起伏劇烈。與同期正射影像對比發現，高坡度集中分布于冰裂隙、冰崖處（圖6），因此無人機航測DSM 能夠用于精細地形分析。

圖6 航測區冰川表面坡度及其表面形態Fig.6 Surface slope and characteristics in surveyed area

3.3 冰面特殊形態提取

有研究表明，冰川表面特殊形態在冰川變化、冰川災害等研究中有重要作用，如冰面湖的發育對冰川消融有顯著作用、冰川躍動前期有冰裂隙擴張現象等［30-33］。本文對DSM 數據分析表明，冰裂隙、冰崖在坡度圖上呈顯著特征，可利用坡度閾值進行提取。冰面湖在正射影像上有顯著呈現，但由于正射影像僅是RGB（紅綠藍）成像，不具有光譜信息，本文擬通過RGB成像波段提取冰面湖。

3.3.1 冰裂隙

對正射影像及DSM 的目視分析，冰裂隙主要分布在裸冰區，且冰裂隙處呈現較大坡度。對比分析發現，冰裂隙處坡度均大于60°。本文選取裸冰區為試驗區，通過坡度閾值法（slope＞60°）獲取試驗區冰裂隙初步分布柵格圖像。由于裂隙寬度遠大于無人機航測數據地面分辨率，無人機航測獲取的DSM 在裂隙中間位置表現較為平坦，通過坡度閾值法不足以提取完整裂隙分布。由于冰裂隙對光線的吸收作用，在裂隙中間位置正射影像成像較暗，對比RGB成像波段發現，紅色成像波段在冰裂隙中間位置數值較低，利用R 成像波段閾值法（R＜50）可有效提取冰裂隙中間位置柵格圖像。坡度閾值法和R成像波段閾值法相結合，并輔以人工目視檢查，即可提取完整裂隙分布（圖7）。為評估自動提取的冰裂隙精度，人工目視解譯了部分裂隙分布，對比發現，自動提取的冰裂隙精度可達到90%。

圖7 利用坡度閾值法與R成像波段閾值法提取冰裂隙：正射影像（a），坡度（b），坡度大于60°的柵格分布（c），R成像波段（d），R成像波段灰度值小于50的柵格（e），圖7（c）與7（e）柵格集合（f）Fig.7 Ice cliff extraction by slope threshold and Red band threshold：orthoimage（a），slope（b），the raster of slope larger than 60°（c），Red band（d），the raster of Red band smaller than 50（e），the combination of slope threshold and Red band threshold（f）

從冰裂隙分布特征可以看出，冰裂隙均是垂直于冰川主流線橫向發育。航測區山谷形態限制冰川運動方向，加之雅弄冰川運動速度較快，使得大量裂隙橫向發育。裂隙長度差異顯著，最長裂隙可達到約90 m，最短裂隙僅約2 m；裂隙寬度沒有顯著差異，呈現0.5～3.0 m 寬。對試驗區及發育的冰裂隙統計分析，冰裂隙分布密度可達到8.44%（冰裂隙面積/試驗區面積）。

3.3.2 冰崖

對正射影像及DSM 的目視分析，冰崖主要分布在表磧覆蓋區，且具有較大坡度。對比分析發現，冰崖平均坡度大于40°。本文選取表磧覆蓋區為試驗區，通過坡度閾值法（slope＞40°）獲取試驗區冰崖初步分布柵格圖像。由于無人機航測數據分辨率較高，較大表磧周邊存在坡度大于40°的區域。相對表磧區發育的冰崖，較大表磧周邊區域規模較小，且分布不連續。利用50×50濾波窗口，并輔以目視檢查，可有效剔除較小的孤立像元，獲取冰崖分布（圖8）。

圖8 冰崖的提取Fig.8 Ice cliff extraction by slope threshold：orthoimage（a）；the distribution of ice cliff（b）

通過對比人工目視解譯試驗區部分冰崖，坡度閾值法提取的冰崖誤差小于10%。由于無人機航測正射影像不具備光譜信息，不足以利用冰崖與表磧對不同光譜的反射、吸收作用提取冰崖分布。因此，為提高冰崖提取精度，宜采用無人機搭載多光譜傳感器。對試驗區及發育的冰崖統計分析，冰崖分布占比達到7.78%（冰崖面積/試驗區面積）。

3.3.2 冰面湖

對正射影像RGB 成像波段的目視分析，由于對光線的吸收作用，冰面湖在R 成像波段上與其他地物有顯著差異。本文選取了冰面湖集中發育區為試驗區，通過R 成像波段閾值法（R＜100）開展冰面湖提取實驗。首先閾值分割，提取R 成像波段小于閾值的柵格；然后柵格轉矢量，將小于閾值的柵格重分類，并將柵格轉為矢量；最后驗證檢查，通過人工目視檢查，刪除非冰面湖矢量，得到冰面湖分布（圖9）。

圖9 冰面湖的提取Fig.9 Glacial lake extraction by Red band threshold and manual

試驗區共發育四個冰面湖，通過人工目視矢量化得到湖面積657.28 m2，閾值法自動提取的湖面積達609.79 m2，提取誤差為7.2%。由于水質差異、湖深差異，單一閾值提取的不同冰面湖，其誤差有所差異，但總體誤差小于10%（表1）。

表1 冰面湖面積及其誤差Table 1 The area and uncertainty of glacial lake

4 結論與展望

無人機航測正射影像和數字表面模型能夠很好的反映精細地形表面特征，在復雜山區具有廣泛應用。本文利用M3R 無人機搭配睿鉑M6P 量測型相機、POS 處理軟件SkyScanner、空三解算軟件ContextCapture，得到了地面分辨率為1.5 cm 的正射影像及DSM，能夠較好的呈現冰川區表面形態和地形特征。相比較于高分辨率遙感影像Planet、數字高程模型TanDEM，無人機航測正射影像、DSM在獲取冰川邊界、冰川表面形態上具有較大優勢，能夠準確表達冰川區精細地形特征。

當前利用無人機開展海洋型冰川研究，主要集中在年際尺度冰川變化或年內冰川變化過程，包括冰川末端進退、表面高程變化及表面運動速度，鮮少涉及冰川特征提?。?8-20］。本文利用坡度閾值法、R成像波段閾值法，能夠有效提取冰裂隙、冰面湖的分布，且自動提取誤差小于10%。但由于無人機航測正射影像不具備光譜信息，難以開展深層次數據挖掘。因此，未來利用無人機開展精細地形研究，宜采用無人機搭載多光譜、激光雷達等多傳感器，以提高自動提取地形特征的精度?？偠灾?，無人機航測獲取冰川區精細地形在未來冰川研究中具有非常大的潛力，尤其是提取冰面特殊形態，研究微尺度地形對冰川變化的影響，可有效彌補航天遙感的不足。