基于無人機技術的重力侵蝕影響因素研究

高健健 艾琦森 郝魯東 黨維勤 劉治華

摘?要：黃土高原地區重力侵蝕發生頻率高、隨機性強，一直是水土流失研究的難點和治理的薄弱環節。為探索無人機遙感技術用于快速、準確監測黃土丘陵溝壑區重力侵蝕的可行性，采用大疆無人機航拍影像資料和面向對象的多尺度分割、融合技術，提取辛店溝流域2017年7月26日暴雨引發的重力侵蝕特征數據，結果表明：共發生重力侵蝕95處、面積為0.3 hm2，結合人工實地調查驗證，重力侵蝕發生數量的提取精度為89.53%;采用基于無人機遙感技術和面向對象的多尺度分割與融合技術，構建重力侵蝕信息快速提取方法，可為黃土丘陵溝壑區重力侵蝕監測、研究與治理提供技術支持。對辛店溝流域重力侵蝕分布與高程、坡度、坡向、地表曲率的關系進行了分析，結果表明：地形曲率越接近0重力侵蝕越不易發生，重力侵蝕主要分布在坡度大于20°的區域，主要分布高程為950～1 050 m，主要分布方向為東、東南、南3個方向。

關鍵詞：重力侵蝕;識別算法;時空分布;無人機;辛店溝

中圖分類號：S157.1;TV882.1?文獻標志碼：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

重力侵蝕是指巖體或土體在重力作用下失去平衡而發生位移的過程[1]，其發生頻率高、隨機性強，一直是黃土高原水土流失研究的難點和治理的薄弱環節。黃土高原地區重力侵蝕非常發育，主要類型有滑坡、崩塌、瀉溜等[2-3]，其中尤以滑坡最為頻繁，據不完全統計，2005年陜西省發生黃土滑坡1 131處，甘肅省東部發生黃土滑坡4 576處[4]。重力侵蝕造成河道堵塞、交通中斷、農田破壞甚至村莊被掩埋等，嚴重制約著當地人民的生產生活及社會經濟發展[5-9]。

近年來，國內外有關學者嘗試將遙感技術應用于重力侵蝕信息提取和研究。Lahousse 等[10]采用面向對象的分析技術和多時間尺度遙感影像，成功對臺灣百池流域的滑坡進行識別，其識別率達到86%;于歡等[11]對面向對象遙感影像分類的最優分割尺度選擇方法進行了研究，提出了矢量距離指數法;王巖等[12]將高分辨率航空遙感數據和面向對象的分類技術用于汶川大地震后震害信息的提取。利用高分辨率遙感影像（數據）進行重力侵蝕監測，可克服傳統的地面定點測量和調查的局限性，為高效、準確開展區域重力侵蝕實時動態監測、預警等提供技術支撐[13-14]。為探索無人機遙感技術用于快速、準確監測黃土丘陵溝壑區重力侵蝕的可行性，筆者采用無人機遙感影像資料，提取辛店溝流域2017年7月26日遭遇百年一遇暴雨引發的重力侵蝕特征數據、分析重力侵蝕影響因素，取得了較為滿意的結果。

1?研究區概況

辛店溝流域位于陜西省綏德縣，是黃土丘陵溝壑區第一副區的典型小流域，呈西北—東南流向，流域面積約1.44 km2，海拔840～1 118 m，地貌以梁、峁、坡為主，溝壑密度 7.26 km/km2，氣候為大陸性溫帶半干旱季風氣候，年平均氣溫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現）[15-17]，土壤類型主要為黃綿土（約占65%），年均土壤侵蝕模數1.8萬t/km2。1954年以來，黃河水利委員會綏德水土保持科學試驗站將其作為野外試驗基地，進行水土流失規律研究、治理措施科學配置及示范推廣，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：北部以涵養水源的天然次生林為主，中部工程措施和林草措施相結合，南部以農田、果園為主。

2?材料與方法

2.1?數據獲取與處理

本研究主要以大疆精靈4無人機航拍影像為數據源（分辨率0.1 m），其取得分為飛行規劃設計、原始數據獲取、數據處理3個階段。無人機飛行規劃設計主要是設定飛行高度、航向及旁向重疊度等，本研究飛行高度為120 m，航向和旁向重疊度分別為70%、80%。原始數據獲取即根據飛行路線實施拍攝，獲取原始影像。使用專業版Pix4Dmapper軟件處理無人機航拍的原始影像，形成DOM、DSM和DEM等形式的數據成果，數據處理流程：①形成照片陣列，Pix4Dmapper軟件自動搜索照片中的同名像點，進行匹配，同時對相機參數進行校正;②基于航拍相機位置和照片，建立密集點云;③基于點云軟件重建三維模型多邊形網格，生成DOM、DSM、DEM等形式的數據成果;④利用ArcGIS10.2從DEM中提取流域地面要素（面積、高程、坡度、坡向、地形起伏度等）和重力侵蝕信息。

2.2?遙感影像多尺度分割

面向對象（OOA）的遙感影像分析的基本原理是根據像元的形狀、顏色、紋理等特征，把具有相同特征的像素作為一個影像對象，然后根據每個對象的特征對這些影像對象進行分類[18]，該方法與基于像元的方法相比能更準確地監測滑坡等重力侵蝕信息[19]。影像分割就是依據影像像元的灰度、顏色、紋理等特征，將影像劃分為若干互不交疊的對象，是面向對象遙感圖像處理方法中的重要一環，分割的好壞直接影響到后續分析、識別和解譯等的精度，是進行圖像分析的關鍵技術。本研究利用ENVI特征提取模塊，依據光譜、紋理、形狀和地形等特征參數進行多尺度分割，提取重力侵蝕信息。

由于重力侵蝕發生處地形特殊、土地覆蓋（局部植被）具有變異性、光譜發生變化等，采用傳統的分割算法一般難以取得滿意效果，要求一次性將侵蝕單體分割出來是不實際的，因此本研究采用多尺度分割技術，分別選取不同分割參數等，并在影像分割之后進行必要的后處理，對對象進行再次合并、分割等處理，選取最佳分割尺度和合并參數。人 民 黃 河?2020年第10期

2.3?分離假信息

依據對象評價指標，如光譜（各波段光譜反射率、亮度、強度、飽和度等）、紋理（紋理均值、方差、熵）、形態（面積、長度、圓度、緊實度等）以及地形（高程、坡度等），根據研究區實際情況選擇合適的分類指標，在初分區域中剔除無效的區域，如誤認為是重力侵蝕區域的道路、河流、建筑區、裸露巖石區等，這些假信息的準確識別和分離是提高最終重力侵蝕識別精度必不可少的一個步驟。

3?重力侵蝕識別結果與影響因素分析

按照上述方法識別的辛店溝流域2017年“7·26”暴雨重力侵蝕共95處，面積為0.30 hm2，集中分布在流域中部區域（見圖1）。

利用無人機航拍影像提取的重力侵蝕信息存在一定不確定性，因此需要對其進行驗證。首先，對比2017年7月26日暴雨發生前后無人機遙感影像，對提取的重力侵蝕信息進行驗證;其次，進行野外實地調查，剔除了9處疑似重力侵蝕，最終確定實際共產生重力侵蝕86處，總面積0.30 hm2，利用無人機航拍影像提取的重力侵蝕信息精度為89.53%。可見航拍監測結果基本可信，對于黃土丘陵溝壑區第一副區來說，采用基于面向對象的遙感影像多尺度識別重力侵蝕方法可以有效地用于重力侵蝕災害監測與制圖等。

重力侵蝕受地質、地形、地貌、植被等多因素的影響。黃土丘陵溝壑區第一副區地形破碎、起伏變化大，地形、地貌因素是引發重力侵蝕的重要控制因素，因此本研究對重力侵蝕分布與高程、坡度、坡向、地表曲率的關系進行了分析。

3.1?重力侵蝕與高程的關系

辛店溝流域高程范圍為840～1 118 m，重力侵蝕分布與高程的關系見圖 2，可以看出重力侵蝕主要分布高程為950～1 050 m，該高程范圍分布重力侵蝕80處，占總數的93.02%，高程低于950 m和高于1 050 m 的區域重力侵蝕分布數量較少。

3.2?重力侵蝕分布與坡度的關系

黃土丘陵溝壑區溝谷發育造成的陡坡環境為重力侵蝕提供了條件，辛店溝流域不同坡度分級與重力侵蝕分布的關系見圖 3，可以看出辛店溝流域重力侵蝕主要分布在坡度大于20°的區域，該區域分布重力侵蝕72處，占總數的 83.72%，小于 20°的區域分布較少。

3.3?重力侵蝕分布與坡向的關系

重力侵蝕分布與坡向密切相關，陽坡日照時間長、晝夜溫差大，風化比較嚴重，是導致重力侵蝕發生的原因之一。辛店溝流域坡向與重力侵蝕分布的關系見圖 4，可以看出重力侵蝕主要分布在東、東南、南3個方向（這3個方向共有 56處，占總數的65.12%），其他方向分布較少。

3.4?重力侵蝕分布與地表曲率的關系

地表曲率反映地表起伏程度，曲率大的地方容易發生滑坡。辛店溝流域溝谷縱橫、地表曲率大，是滑坡數量較多的原因之一，重力侵蝕分布與地表曲率的關系見圖5，可以看出重力侵蝕主要分布在曲率為-9～0的區域（該區域共有70處，占總數的81.40%），尤其集中分布在曲率為-6～0的區域。

4?結?論

采用基于面向對象分類法的無人機遙感技術，提取辛店溝流域2017年7月26日暴雨引發的重力侵蝕特征數據，結果表明：共發生重力侵蝕95處、面積為0.30 hm2，經人工實地調查驗證，提取精度為89.53%;采用無人機遙感技術和面向對象的多尺度分割與融合技術，構建重力侵蝕信息快速提取方法，可為黃土丘陵溝壑區重力侵蝕監測、研究與治理提供技術支持。

對辛店溝流域重力侵蝕分布與高程、坡度、坡向、地表曲率的關系進行了分析，結果表明：重力侵蝕主要分布在坡度大于20°的區域和地表曲率為-6～0的區域，主要分布高程為950～1 050 m，主要分布方向為東、東南、南3個方向。

參考文獻：

[1]?唐克麗.中國水土保持[M].北京：科學出版社，2004：100-103.

[2]?曹銀真.黃土地區重力侵蝕的類型和成因[J].中國水土保持，1985（6）：8-13.

[3]?朱同新.黃土地區重力侵蝕發生的內部條件及地貌臨界分析[C]//陳永宗.黃河粗泥沙來源及侵蝕產沙機理研究文集.北京：氣象出版社，1989：100-110.

[4]?王念秦，張倬元.黃土滑坡災害研究[M].蘭州：蘭州大學出版社，2005：1-7.

[5]?黃河水利科學研究院.黃河科學研究志[M].鄭州：河南人民出版社，1998：96-97.

[6]?劉朋飛，李濱，陳志新.陜西延安地區黃土滑坡特征及其活躍性分期[J].中國地質災害與防治學報，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]?寧向玲，董婕，延軍平.陜北地區氣溫突變及其對旱澇災害的影響[J].干旱區資源與環境，2011，12（12）：102-106.

[9]?金艷麗，戴福出.灌溉誘發黃土滑坡機理研究[J].巖土工程學報，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]?于歡，張樹清，孔博，等.面向對象遙感影像分類的最優分割尺度選擇研究[J].中國圖像圖形學報，2010，15（2）：352-260.

[12]?王巖，王曉青，竇愛霞.面向對象遙感分類方法在汶川地震震害提取中的應用[J].地震，2009，29（3）：54-60.

[13]?唐亞明，張茂省，薛強，等.滑坡監測預警國內外研究現狀及評述[J].地質論評，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.黃土丘陵區燕溝流域土地利用變化與優化調控[J].地理學報，2001，56（6）：657-666.

[16]?李小利，劉國彬，張曉萍，等.黃土丘陵油田開發區景觀破碎化分析[J].中國水土保持科學，2008，6（3）：53-58.

[17]?焦鋒，楊勤科，雷會珠.燕兒溝流域土地利用現狀及合理利用途徑[J].水土保持通報，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.

【責任編輯?張智民】