基于无人机技术的重力侵蚀影响因素研究

高健健 艾琦森 郝鲁东 党维勤 刘治华

摘 要：黄土高原地区重力侵蚀发生频率高、随机性强，一直是水土流失研究的难点和治理的薄弱环节。为探索无人机遥感技术用于快速、准确监测黄土丘陵沟壑区重力侵蚀的可行性，采用大疆无人机航拍影像资料和面向对象的多尺度分割、融合技术，提取辛店沟流域2017年7月26日暴雨引发的重力侵蚀特征数据，结果表明：共发生重力侵蚀95处、面积为0.3 hm2，结合人工实地调查验证，重力侵蚀发生数量的提取精度为89.53%;采用基于无人机遥感技术和面向对象的多尺度分割与融合技术，构建重力侵蚀信息快速提取方法，可为黄土丘陵沟壑区重力侵蚀监测、研究与治理提供技术支持。对辛店沟流域重力侵蚀分布与高程、坡度、坡向、地表曲率的关系进行了分析，结果表明：地形曲率越接近0重力侵蚀越不易发生，重力侵蚀主要分布在坡度大于20°的區域，主要分布高程为950～1 050 m，主要分布方向为东、东南、南3个方向。

关键词：重力侵蚀;识别算法;时空分布;无人机;辛店沟

中图分类号：S157.1;TV882.1 文献标志码：A

doi：10.3969/j.issn.1000-1379.2020.10.021

Research on Influencing Factors of Gravity Erosion Based on UAV Technology

GAO Jianjian1，2， AI Qisen1，2， HAO Ludong1，2， DANG Weiqin1，2， LIU Zhihua1，2

（1. Suide Water and Soil Conservation Scientific Experimental Station，YRCC， Yulin 719000， China;

2.Key Laboratory of State Forestry Administration for Soil and Water Conservation and Ecological

Restoration in the Loess Plateau， Yulin 719000， China）

Abstract： Gravity erosion in the Loess Plateauhas high frequency and randomness. It has always been the difficulty of soil erosion research and the weak link of control. In order to explore the feasibility of using UAV remote sensing technology to quickly and accurately monitor the gravity erosion of gullied rolling loss area， aerial image data of Dajiang UAV and object-oriented multi-scale segmentation and fusion technology were used to extract the characteristic data of gravity erosion caused by heavy rain on July 26， 2017 occurred in Xindiangou watershed. The results show that there are 95 gravity erosion occurs in a total area of 0.3 hm2. The extraction accuracy of the amount of gravity erosion is 89.53% combining with manual field investigation and verification. Using UAV remote sensing technology and object-oriented multi-scale segmentation and fusion technology， a rapid extraction method of gravity erosion information was established， which could provide technical support for monitoring， research and control of gravity erosion in gullied rolling loss area. The relationship between gravity erosion distribution and elevation， slope， slope direction and surface curvature of the watershed were analyzed. The results show that the closer the terrain curvature is to zero， the less likely gravity erosion will occur. The gravity erosion is mainly distributed in areas with a slope greater than 20°. The main distribution elevation is 950-1 050 m and is mainly distributed in the east， southeast and south directions.

Key words： gravity erosion; recognition algorithm; spatial distribution; UAV; Xindiangou

重力侵蚀是指岩体或土体在重力作用下失去平衡而发生位移的过程[1]，其发生频率高、随机性强，一直是黄土高原水土流失研究的难点和治理的薄弱环节。黄土高原地区重力侵蚀非常发育，主要类型有滑坡、崩塌、泻溜等[2-3]，其中尤以滑坡最为频繁，据不完全统计，2005年陕西省发生黄土滑坡1 131处，甘肃省东部发生黄土滑坡4 576处[4]。重力侵蚀造成河道堵塞、交通中断、农田破坏甚至村庄被掩埋等，严重制约着当地人民的生产生活及社会经济发展[5-9]。

近年来，国内外有关学者尝试将遥感技术应用于重力侵蝕信息提取和研究。Lahousse 等[10]采用面向对象的分析技术和多时间尺度遥感影像，成功对台湾百池流域的滑坡进行识别，其识别率达到86%;于欢等[11]对面向对象遥感影像分类的最优分割尺度选择方法进行了研究，提出了矢量距离指数法;王岩等[12]将高分辨率航空遥感数据和面向对象的分类技术用于汶川大地震后震害信息的提取。利用高分辨率遥感影像（数据）进行重力侵蚀监测，可克服传统的地面定点测量和调查的局限性，为高效、准确开展区域重力侵蚀实时动态监测、预警等提供技术支撑[13-14]。为探索无人机遥感技术用于快速、准确监测黄土丘陵沟壑区重力侵蚀的可行性，笔者采用无人机遥感影像资料，提取辛店沟流域2017年7月26日遭遇百年一遇暴雨引发的重力侵蚀特征数据、分析重力侵蚀影响因素，取得了较为满意的结果。

1 研究区概况

辛店沟流域位于陕西省绥德县，是黄土丘陵沟壑区第一副区的典型小流域，呈西北—东南流向，流域面积约1.44 km2，海拔840～1 118 m，地貌以梁、峁、坡为主，沟壑密度 7.26 km/km2，气候为大陆性温带半干旱季风气候，年平均气温9.7 ℃，年平均降水量475.1 mm（70%以上集中于6—9月且多以暴雨形式出现）[15-17]，土壤类型主要为黄绵土（约占65%），年均土壤侵蚀模数1.8万t/km2。1954年以来，黄河水利委员会绥德水土保持科学试验站将其作为野外试验基地，进行水土流失规律研究、治理措施科学配置及示范推广，在流域南部、中部、北部配置了不同的水土流失治理措施，其中：北部以涵养水源的天然次生林为主，中部工程措施和林草措施相结合，南部以农田、果园为主。

2 材料与方法

2.1 数据获取与处理

本研究主要以大疆精灵4无人机航拍影像为数据源（分辨率0.1 m），其取得分为飞行规划设计、原始数据获取、数据处理3个阶段。无人机飞行规划设计主要是设定飞行高度、航向及旁向重叠度等，本研究飞行高度为120 m，航向和旁向重叠度分别为70%、80%。原始数据获取即根据飞行路线实施拍摄，获取原始影像。使用专业版Pix4Dmapper软件处理无人机航拍的原始影像，形成DOM、DSM和DEM等形式的数据成果，数据处理流程：①形成照片阵列，Pix4Dmapper软件自动搜索照片中的同名像点，进行匹配，同时对相机参数进行校正;②基于航拍相机位置和照片，建立密集点云;③基于点云软件重建三维模型多边形网格，生成DOM、DSM、DEM等形式的数据成果;④利用ArcGIS10.2从DEM中提取流域地面要素（面积、高程、坡度、坡向、地形起伏度等）和重力侵蚀信息。

2.2 遥感影像多尺度分割

面向对象（OOA）的遥感影像分析的基本原理是根据像元的形状、颜色、纹理等特征，把具有相同特征的像素作为一个影像对象，然后根据每个对象的特征对这些影像对象进行分类[18]，该方法与基于像元的方法相比能更准确地监测滑坡等重力侵蚀信息[19]。影像分割就是依据影像像元的灰度、颜色、纹理等特征，将影像划分为若干互不交叠的对象，是面向对象遥感图像处理方法中的重要一环，分割的好坏直接影响到后续分析、识别和解译等的精度，是进行图像分析的关键技术。本研究利用ENVI特征提取模块，依据光谱、纹理、形状和地形等特征参数进行多尺度分割，提取重力侵蚀信息。

由于重力侵蚀发生处地形特殊、土地覆盖（局部植被）具有变异性、光谱发生变化等，采用传统的分割算法一般难以取得满意效果，要求一次性将侵蚀单体分割出来是不实际的，因此本研究采用多尺度分割技术，分别选取不同分割参数等，并在影像分割之后进行必要的后处理，对对象进行再次合并、分割等处理，选取最佳分割尺度和合并参数。人 民 黄 河 2020年第10期

2.3 分离假信息

依据对象评价指标，如光谱（各波段光谱反射率、亮度、强度、饱和度等）、纹理（纹理均值、方差、熵）、形态（面积、长度、圆度、紧实度等）以及地形（高程、坡度等），根据研究区实际情况选择合适的分类指标，在初分区域中剔除无效的区域，如误认为是重力侵蚀区域的道路、河流、建筑区、裸露岩石区等，这些假信息的准确识别和分离是提高最终重力侵蚀识别精度必不可少的一个步骤。

3 重力侵蚀识别结果与影响因素分析

按照上述方法识别的辛店沟流域2017年“7·26”暴雨重力侵蚀共95处，面积为0.30 hm2，集中分布在流域中部区域（见图1）。

利用无人机航拍影像提取的重力侵蚀信息存在一定不确定性，因此需要对其进行验证。首先，对比2017年7月26日暴雨发生前后无人机遥感影像，对提取的重力侵蚀信息进行验证;其次，进行野外实地调查，剔除了9处疑似重力侵蚀，最终确定实际共产生重力侵蚀86处，总面积0.30 hm2，利用无人机航拍影像提取的重力侵蚀信息精度为89.53%。可见航拍监测结果基本可信，对于黄土丘陵沟壑区第一副区来说，采用基于面向对象的遥感影像多尺度识别重力侵蚀方法可以有效地用于重力侵蚀灾害监测与制图等。

重力侵蚀受地质、地形、地貌、植被等多因素的影响。黄土丘陵沟壑区第一副区地形破碎、起伏变化大，地形、地貌因素是引发重力侵蚀的重要控制因素，因此本研究对重力侵蚀分布与高程、坡度、坡向、地表曲率的关系进行了分析。

3.1 重力侵蚀与高程的关系

辛店沟流域高程范围为840～1 118 m，重力侵蚀分布与高程的关系见图 2，可以看出重力侵蚀主要分布高程为950～1 050 m，该高程范围分布重力侵蚀80处，占总数的93.02%，高程低于950 m和高于1 050 m 的区域重力侵蚀分布数量较少。

3.2 重力侵蚀分布与坡度的关系

黄土丘陵沟壑区沟谷发育造成的陡坡环境为重力侵蚀提供了条件，辛店沟流域不同坡度分级与重力侵蚀分布的关系见图 3，可以看出辛店沟流域重力侵蚀主要分布在坡度大于20°的区域，该区域分布重力侵蚀72处，占总数的 83.72%，小于 20°的区域分布较少。

3.3 重力侵蚀分布与坡向的关系

重力侵蚀分布与坡向密切相关，阳坡日照时间长、昼夜温差大，风化比较严重，是导致重力侵蚀发生的原因之一。辛店沟流域坡向与重力侵蚀分布的关系见图 4，可以看出重力侵蚀主要分布在东、东南、南3个方向（这3个方向共有 56处，占总数的65.12%），其他方向分布较少。

3.4 重力侵蚀分布与地表曲率的关系

地表曲率反映地表起伏程度，曲率大的地方容易发生滑坡。辛店沟流域沟谷纵横、地表曲率大，是滑坡数量较多的原因之一，重力侵蚀分布与地表曲率的关系见图5，可以看出重力侵蚀主要分布在曲率为-9～0的区域（该区域共有70处，占总数的81.40%），尤其集中分布在曲率为-6～0的区域。

4 结 论

采用基于面向对象分类法的无人机遥感技术，提取辛店沟流域2017年7月26日暴雨引发的重力侵蚀特征数据，结果表明：共发生重力侵蚀95处、面积为0.30 hm2，经人工实地调查验证，提取精度为89.53%;采用无人机遥感技术和面向对象的多尺度分割与融合技术，构建重力侵蚀信息快速提取方法，可为黄土丘陵沟壑区重力侵蚀监测、研究与治理提供技术支持。

對辛店沟流域重力侵蚀分布与高程、坡度、坡向、地表曲率的关系进行了分析，结果表明：重力侵蚀主要分布在坡度大于20°的区域和地表曲率为-6～0的区域，主要分布高程为950～1 050 m，主要分布方向为东、东南、南3个方向。

参考文献：

[1] 唐克丽.中国水土保持[M].北京：科学出版社，2004：100-103.

[2] 曹银真.黄土地区重力侵蚀的类型和成因[J].中国水土保持，1985（6）：8-13.

[3] 朱同新.黄土地区重力侵蚀发生的内部条件及地貌临界分析[C]//陈永宗.黄河粗泥沙来源及侵蚀产沙机理研究文集.北京：气象出版社，1989：100-110.

[4] 王念秦，张倬元.黄土滑坡灾害研究[M].兰州：兰州大学出版社，2005：1-7.

[5] 黄河水利科学研究院.黄河科学研究志[M].郑州：河南人民出版社，1998：96-97.

[6] 刘朋飞，李滨，陈志新.陕西延安地区黄土滑坡特征及其活跃性分期[J].中国地质灾害与防治学报，2012，23（4）：16-19.

[7] ZHANG M，LIU J. Controlling Factors of Loess Landslides in Western China[J]. Environmental Earth Science，2009，59（8）：1671-1680.

[8] 宁向玲，董婕，延军平.陕北地区气温突变及其对旱涝灾害的影响[J].干旱区资源与环境，2011，12（12）：102-106.

[9] 金艳丽，戴福出.灌溉诱发黄土滑坡机理研究[J].岩土工程学报，2007，29（10）：1493-1499.

[10] LAHOUSSE T， CHANG K T， LIN Y H， et al. Landslide Mapping with Multi-Scale Object-Based Image Analysis： a case Study in the Baichi Watershed， Taiwan[J]. Natural Hazards & Earth System Sciences， 2011， 11（1）： 2715-2726.

[11] 于欢，张树清，孔博，等.面向对象遥感影像分类的最优分割尺度选择研究[J].中国图像图形学报，2010，15（2）：352-260.

[12] 王岩，王晓青，窦爱霞.面向对象遥感分类方法在汶川地震震害提取中的应用[J].地震，2009，29（3）：54-60.

[13] 唐亚明，张茂省，薛强，等.滑坡监测预警国内外研究现状及评述[J].地质论评，2012，58（3）：533-541.

[14] BAATZ M，SCHAPE A. Multire Solution Segmentation： an Optimization Approach for High Quality Multi-Scale Image Segmentation[C]. STROBL L J，BLASCHKE T，GRIESEBENER T. Angewandte Geography Information Sveraarbeitung XII，Beitrage zum AGIT Symposium Salzburg 2000. Heidelberg： Herbert Wichmann Verlag， 2000：12-23.

[15] 徐勇，ROY C S.黄土丘陵区燕沟流域土地利用变化与优化调控[J].地理学报，2001，56（6）：657-666.

[16] 李小利，刘国彬，张晓萍，等.黄土丘陵油田开发区景观破碎化分析[J].中国水土保持科学，2008，6（3）：53-58.

[17] 焦锋，杨勤科，雷会珠.燕儿沟流域土地利用现状及合理利用途径[J].水土保持通报，1998，18（7）： 41-44.

[18] WU， X， CHEN， X， ZHAN， F B， et al. Global Research Trends in Landslides During 1991-2014：a Bibliometric Analysis[J]. Landslides， 2015，12（6）：1215-1226.

[19] MARTHA T R， KERLE N， JETTEN V， et al. Characterising Spectral， Spatial and Morphometric Properties of Landslides for Semi-Automatic Detection Using Object-Oriented Methods[J]. Geomorphology， 2010，116：24-36.

【责任编辑 张智民】