基于无人机影像的崩岗空间分布特征研究

梁钊雄， 周红艺， 吴国威， 马俊文

(佛山科学技术学院环境与化学工程学院，广东佛山 528000)

崩岗是指发育在红土丘陵地区的一种特有的侵蚀地貌，主要是由于冲沟沟头受到水力、重力的作用发生崩塌和陷蚀而形成的一种严重的水土流失地貌[1-2]。崩岗在我国南方地区，特别是风化壳深厚的花岗岩低山红壤区分布十分普遍，主要发生在广东、福建、江西、广西等省(自治区)，其中广东省所占的比例最大，已成为该省侵蚀强度最大、危害最为严重的侵蚀类型。自20世纪80年代开始，国内外学者已开展崩岗的监测与治理研究。匈牙利学者Raveloson等在马达加斯加中部高原地区运用地面立体摄影技术对崩岗地貌进行监测，并采用专业软件对数百张摄影相片进行处理，建立三维模型，获取了崩岗地形信息[3]；在同一地区，美国学者Cox等利用同位素示踪方法，对崩岗侵蚀导致的河流泥沙沉积以及丘陵坡地土体的10 Be进行了测定，研究侵蚀产沙速率及流域泥沙输移过程[4]。在国内，张鹏等通过人工降雨试验方法，利用高精度GPS对坡面沟道侵蚀的发育过程进行了5次动态监测，并用ArcGIS成图处理[5]；李双喜等采用GPS测量技术，在全面定位调查并建立崩岗GIS数据库的基础上，运用GIS空间分析技术，对中国南方崩岗的空间分布特点进行研究[6]；张大林等利用三维激光扫描仪，对广东省五华县莲塘岗崩岗连续进行3年共6次实地监测，得到了崩岗侵蚀量及地形变动的定量信息[7]。

崩岗侵蚀具有明显的垂直性分布[8]，但由于崩壁高差及倾角都比较大，传统测量方法在这种高危地形上难以开展，导致崩岗的野外监测一直缺乏有效的技术方法。随着近景摄影技术的发展，其高精度、非接触性、快速性等特点为崩岗的监测提供了新的手段。本研究以广东省德庆县马圩镇深涌水土保持监测站为研究区，利用无人机的低空立体摄影技术对崩岗地形细部特征进行监测，以期分析崩岗在空间上的分布规律，为该区域的生态保护、植被恢复和防灾减灾提供重要的基础数据。

1 研究区概况

德庆县地处北回归线南侧，属于南亚热带季风气候，年平均降水1 516.5 mm，年平均气温21.5 ℃，年平均日照时数 1 848 h。崩岗在德庆县内广泛分布，其中以马圩镇内连片分布的崩岗群较为典型(图1)。其崩岗主要发育在花岗岩风化残积丘陵上，基岩为燕山期黑云母花岗岩，风化壳厚30～60 m，目前正处于壮年期，规模较大，侵蚀旺盛，崩壁、崩积锥、沟道、洪积扇(沙渍地)发育典型，是开展崩岗侵蚀监测较为理想的场所。

2 研究方法

2.1 崩岗监测技术介绍

目前，常见的崩岗监测方法主要有下面几种：(1)传统的人工现场调查。传统的崩岗调查方法通常是以人力野外现场调查为主。该方法费时费力，成本也比较高，其调查精度特别依赖经验丰富的技术人员。(2)高分辨率遥感数据调查。以高分辨率的遥感影像为主，虽然某些卫星数据的分辨率已经能够满足崩岗解译的要求，但是其费用高、时效性差，特别是影像的质量容易受到天气的影响，使该方法很难普及。(3)全站仪、GPS-RTK等测量仪器[9]。这种方法可以准确获取崩岗地形变化和侵蚀量信息，但是作业效率低，需要投入大量的人力财力，而且不适用于高危地形，导致该方法难以在大范围的崩岗监测中普及。(4)三维激光扫描。是一种新兴测绘技术，可以快速获取高精度的地形数据，可适用于小范围区域且对精度要求较高的DEM数据采集，但是存在扫描死角、数据处理繁琐、不适用于大范围监测等问题。

2.2 基于无人机的崩岗监测方法

近年来，随着近景摄影测量技术的发展以及消费级无人机的普及，利用低空无人机进行航空摄影获取遥感数据，并进行二维影像的三维重建已成为现实。无人机的低空飞行可以避免云层的遮挡，易于监测。同时，无人机航拍得到的照片利用专业软件处理后，可得到高分辨率(厘米级)的正射影像和高程数据。

目前，国内外已有研究人员尝试将立体视觉方法引入无人机影像的三维重建，并成功应用于景观设计、环境监测、考古保护等领域[10-11]。同时，无人机相对于高精度遥感图像成本低，且具有非接触性、快速性、可实时监测的特点，更适用于大范围高危地形，如崩岗群的监测。本研究利用无人机对崩岗进行野外监测，并通过无人机数据处理软件Pix4d构建研究区的正射影像(DOM)和数字地形模型(DEM)，利用ArcGIS软件中的空间分析模块将DEM数据派生出坡度、坡向以及高程数据，并分别与崩岗区域进行叠加分析，得到不同坡度、坡向和高程范围内的崩岗面积数据，分析其分布规律，以期为崩岗侵蚀进一步精细化研究提供依据。

2.3 无人机正射影像制作原理

无人机的正射影像生成原理主要是通过POS数据(相机姿态、位置等信息)获取立体像对并构建三维点云数据，再经过空中三角测量生成数字高程模型和正射影像，如图2所示。

快拼处理是无人机航测数据处理的主要任务，本研究采用Pix4d软件作为处理软件，该软件自动化流程程度较高，能够一键式作业完成数据准备、参数设定、空中三角测量、DEM和正射影像生成等多个步骤。

2.4 数据处理与分析

2.4.1 航线规划与数据处理 本研究所挑选的研究区域的面积约1.2 km2。航拍所采用的是消费级多旋翼无人机，采用分块飞行的方法，总飞行时间约10 h，平均相对航高约 100 m，拍摄照片共1 600张，照片分辨率为4 000×3 000像素，航向重叠80%，旁向重叠30%，符合无人机航测的规范要求。照片快拼软件Pix4d运行总时约24 h，所生成的DEM与正射影像数据的空间分辨率为3.94 cm(图3)。

2.4.2 精度验证 根据Pix4d软件生成的质量报告，本次测量的区域网空三误差为0.2个像素(1个像素为3.94 cm)符合航空摄影测量中的1 ∶2 000地形图的测图要求。

2.4.3 空间数据分析 利用Pix4d生成的高分辨率正射影像，在ArcGIS软件中，采用目视判读、人工矢量化的方法，得出研究区内14个崩岗范围，如图4所示，崩岗投影面积见表1。为分析崩岗在空间上的分布规律，以DEM数据作为源数据，利用ArcGIS中的Model Builder模块，分别将崩岗范围数据与坡度、坡向和重分类高程数据进行空间分析。Model Builder是ArcGIS 中的可视化地理建模工具，可以将复杂的流程简化为一个工具，具有可重用、易共享的特点。图5为坡度数据的Model Builder分析图。图6为研究区坡度和坡向图。

3 结果与分析

3.1 坡度分布分析

从图7可以看出， 研究区内坡度范围在31°～40°的崩岗面积最大，面积比例为21%，其次是41°～50°和21°～30°，所占的比例分别是20%和19%；坡度在51°～60°和11°～20°的崩岗面积所占的比例分别为14%和13%；而71°～80°和81°～90°的崩岗面积所占的比例最小，只有约1%。说明崩岗主要分布在坡度20°～60°范围之间，坡度60°以上的区域崩岗分布的面积较小，主要是崩岗是由径流能量和重力势能双重作用形成的，径流的冲刷能力无法随坡度持续增加[12]，大于60°的地区坡度较陡，虽然侵蚀作用强，但是崩岗风化壳也很薄，浅薄的风化壳不能为崩塌提供物质基础，不利于崩岗的发育。

表1 崩岗面积统计

3.2 坡向分布分析

从图8可以看出，研究区崩岗在坡向为南向以及偏南向所占的面积最大，约占57%；而北向以及偏北向所占的面积最小，只占17%；东向以及偏东向的区域约为40%，西向以及偏西向的区域约为37%。由此可见，崩岗主要分布在南向以及偏南向的区域。主要是由于南向坡面更容易受到高温多雨的偏南向的夏季风影响，更容易受到径流的侵蚀而发育为崩岗。

3.3 高程分布分析

从图9可以看出，研究区内高程在91～110 m范围的崩岗所占的面积最大，比例为32%，其次是71～90 m，比例为31%；高程范围在51～70 m和111～130 m所占的面积比例分别为17%和14%；而高程在151～170 m范围所占的比例最小，为1%；高程在50 m以下的地方没有崩岗分布，主要是由于高程在50 m以下的区域地势缓、坡度小，单位坡长上的土体高差小，重力势能小，径流冲刷侵蚀力弱，不利于崩塌，因此在高程小于50 m的平原阶地上很难形成崩岗。而高程在50 m以上的区域坡度大部分在20°～60°之间，径流具备较强的冲刷能力，另外，单位坡长上高差大，土体的重力势能大，在径流能量和重力势能双重作用下很容易崩塌形成崩岗。

4 结论

利用无人机对崩岗地区进行航测能够得到高分辨率DEM与正射影像数据，并且数据质量能够满足摄影测量的规范要求。与传统的崩岗监测方法相比，无人机具有实时、高效、低成本和高精度等优势，更适用于大范围崩岗群的监测。由于本研究采用的是成本较低的消费级多旋翼无人机，续航时间短，改用续航时间较长的固定翼无人机会进一步提高作业的效率。

研究区内崩岗主要分布在坡度20°～60°之间、坡向为南向或偏南向的区域，同时，在高程为50 m以上的区域容易形成崩岗。主要是由于该区域处于红土丘陵区，可以形成较深厚的花岗岩风化壳，在径流能量和重力势能双重作用下很容易形成崩岗。

为有效预防崩岗的发生和发展，在上述崩岗易发育区域内应加强预防监督工作，减少陡坡开荒、滥砍乱伐、开发建设等人为活动。另外，可以在崩岗顶部布设排洪沟，控制沟头溯源侵蚀；在崩岗中段，修建挡土墙、拦沙坝和谷坊群，提高局部侵蚀基点；崩壁修建成水平阶地，植树种草，稳定陡坡。

[1]蒋芳市，黄炎和，林金石，等. 崩岗崩积体土壤渗透特性分析[J]. 水土保持学报，2013，27(3)：49-54.

[2]蒋芳市，黄炎和，林金石，等. 坡面水流分离崩岗崩积体土壤的动力学特征[J]. 水土保持学报，2013，27(1)：86-89.

[3]Raveloson A，Visnovitz F，Székely B，et al.A multidisciplinary study on lavaka(gully erosion) formation in Central Highlands，Madagascar[J]. Geophysical Research Abstracts，2012，14(10)：12483.

[4]Cox R，Bierman P，Jungers M C，et al.Erosion rates and sediment sources in Madagascar inferred from10Be analysis of lavaka，slope，and river sediment[J]. The Journal of Geology，2009，117(4)：363-376.

[5]张 鹏，郑粉莉，陈吉强，等. 利用高精度GPS动态监测沟蚀发育过程[J]. 热带地理，2009，29(4)：368-373.

[6]李双喜，桂惠中，丁树文. 中国南方崩岗空间分布特征[J]. 华中农业大学学报，2013，32(1)：83-86.

[7]张大林，刘希林. 应用三维激光扫描监测崩岗侵蚀地貌变化——以广东五华县莲塘岗崩岗为例[J]. 热带地理，2014，34(2)：133-140.

[8]陈晓安，杨 洁，肖胜生，等. 崩岗侵蚀分布特征及其成因[J]. 山地学报，2013，31(6)：716-722.

[9]刘洪鹄，刘宪春，张平仓，等. 南方崩岗发育特征及其监测技术探讨[J]. 中国水土保持科学，2011，9(2)：19-23.

[10]王 鹤，刘 军，王秋玲. 利用无人机影像进行滑坡地形三维重建[J]. 测绘与空间地理信息，2015，38(12)：68-71.

[11]柴子为，康 峻，王 力，等. 基于无人机影像的山地人工林景观DEM构建[J]. 遥感技术与应用，2015，30(3)：504-509.

[12]蒋芳市，黄炎和，林金石，等. 坡度和雨强对崩岗崩积体侵蚀泥沙颗粒特征的影响[J]. 土壤学报，2014，51(5)：974-982.