基于氣象和覆被條件考量的無人機地形勘察適宜期
——以東北黑土區為例

王玥璞， 秦 偉， 楊文濤， 王玉杰?， 王云琦， 蔣 濤

(1.北京林業大學水土保持學院，100083，北京；2.中國水利水電科學研究院泥沙研究所，100044，北京)

近年來，無人機遙感技術憑借其可操作性強、分辨率高的優勢被廣泛應用在植被資源調查和地形監測工作中[1-2]。其中，基于SfM(Structure from Motion)方法的攝影測量技術為地形研究提供新的數據獲取手段[3-4]。其數據采集方式多基于無人機平臺開展，且相較于Li DAR 技術具有操作簡單靈活，數據獲取效率高，技術成本低等特點。目前無人機遙感技術在水土保持領域得到了廣泛的應用。例如無人機遙感技術可用于水土保持監測項目中土石方量的精確測算[5]；該技術還可為水土保持信息化監測提供服務等[6]。

近期，有研究發現，無人機SfM技術在某些土地類型的地形獲取精度上具有和激光雷達相媲美的精度。Liao等[7]在東北較平坦地形對比同一地塊對大疆精靈4pro所拍攝的可見光生成的DEM與激光雷達生成的DEM對比發現：2類高程間的相關性在裸地最高(R2=0.998 7)，荒地(R2=0.965 6)僅次于裸地，林地效果最差(R2= 0.340 5)。林鑫等[8]分析無人機密集匹配點云和機載激光雷達點云的異同性，對密集林分(郁閉度0.85)、稀疏林分(郁閉度0. 55)和未成林地的 2 種點云對比分析，發現對于稀疏林分，無人機密度匹配點云的統計特征參數與機載激光雷達點云的統計特征參數基本一致，對于新造未成林地，無人機密集匹配點云對幼樹三維結構的刻畫優于機載激光雷達點云。研究均表明中覆蓋(FVC<0.6)條件下采用無人機SfM技術具有較高精度。

無人機SfM方法已逐步被應用于地形研究領域[9]，但其研究更關注數據本身情況，并未對數據獲取時間以及地表覆蓋情況能否適用于地形研究進行探討。在實際應用中，SfM方法受到以下條件的限制：1)在植被發育好的區域，由于光線不能穿透植被，SfM測量方法難以測量密閉植被下的地形。2)SfM 測量技術還容易受不利天氣的影響。例如，大風天氣會較大程度干擾螺旋槳的氣流，影響小型無人機控制平臺的穩定，易造成飛行器失穩從而影響拍攝相片質量。降水天氣飛行時，雨水可能會隨著螺旋槳氣流的旋動進入無人機機身內部從而對電池或電路造成損壞，致使短路或斷路的情況發生[10]。因此，開展氣象、植被覆蓋等的分析對預先規劃和順利實施無人機外業地形勘測任務至關重要[11]。筆者以東北黑土區寒溫帶、中溫帶和暖溫帶為例，通過分析不同溫度帶的溫度、風速、降水、植被覆蓋度、雪蓋等條件嘗試挑選出常用無人機的地形勘察適宜期，以期為水土保持領域野外地形勘測規劃提供參考。

1 研究區概況

試驗區東北黑土區是世界僅存的“三大黑土區”之一，地理位置介于E 41°01′～53°05′、N 115°03′～135°05′ 之間,是世界3大黑土區中面積最小，氣候條件最寒冷的區域。本文東北黑土區參照水土保持區劃分區[12]，其主要分布在松嫩流域腹地，北起嫩江、北安，南至四平(圖1)。研究區氣候干燥寒冷，降雨集中，年平均降雨量400～700 mm，水資源總量 1 415.99億m3，人均占有量1 213.98 m3。東北黑土區從南向北具有暖溫帶、中溫帶和寒溫帶的熱量變化，自東向西具有濕潤、半濕潤和半干旱的濕度分異，具有獨特的植被分布格局，是全球變化研究的敏感區域之一。東北黑土區植被覆蓋度較高，主要植被類型為農業植被、森林和草原，還有少部分草甸、灌叢等植被。

圖1 東北黑土區與代表氣象站地理位置示意圖Fig.1 Geographical location map of the Black Soil Region of Northeast China and meteorological stations

2 數據與方法

2.1 不同氣候帶的氣象數據

本文的試驗區主要涉及2個溫度帶：寒溫帶和中溫帶，但是黑土區最南端毗鄰暖溫帶[13]。為了反映研究區從北到南的氣候梯度狀況，從北向南依次選擇了大興安嶺地區的漠河站、齊齊哈爾市的三家子氣象站和最南端的大連市周水子站，并在這3個氣象站附近各選擇了一個哨兵二號數據瓦塊分析地表覆被狀況。氣象數據來源于中國氣象科學數據服務網(http:∥data.cma.gov.cn)，選擇含有溫度、風速、降雨量等內容的數據。時間范圍為1988—2017年的有效數據。

2.2 不同氣候帶植被動態數據

植被覆蓋是干擾無人機可見光攝影測量獲取地形的重要因素。為了分析適宜無人機獲取真實地形的有效窗口，在3個氣候帶選取3個瓦塊的哨兵二號數據[14]，其土地利用類型均為農地。寒溫帶的哨兵二號數據覆蓋了漠河氣象站，數據瓦塊編號是51UVU；中溫帶的哨兵數據覆蓋三家子氣象站附近的鶴山農場，數據瓦塊編號是51UXQ；暖溫帶的哨兵數據覆蓋周水子氣象站附近，數據瓦塊編號是51TVE。在漠河地區、鶴山農場和周水子地區，分別獲取了2020年的17幅、51幅和12期無云、高質量的哨兵二號衛星影像(影像拍攝時間請參見表1)。

表1 所使用哨兵二號影像的拍攝日期

對所有影像進行歸一化植被指數(normalized difference vegetation index, NDVI)計算，見式(1)[15]；并在此基礎上，采用最小二乘法對全年的NDVI時間序列做了平滑濾波，以消除不利天氣的可能影響[16]。然后根據式(2)進行植被覆蓋度(fractional vegetation cover, FVC)計算。

根據文獻[17]提到的FVC的計算公式，式中NDVI的最大值和最小值應該來自每景影像中的完全被植被覆蓋和沒有任何植被的像素位置。為了簡化計算，本文中的NDVI最大和最小值來自固定像素上NDVI時間序列的最大和最小值。我們選取的位置主要是農地，從全年來看其最大值和最小值也表征了該像素位置完全被植被覆蓋和沒有任何植被的兩種情況。東北研究區有密閉的常綠林分布，完全被該林種覆蓋(100 %覆蓋)的像素上的NDVI在年內數值較穩定且應與完全被農作物覆蓋的NDVI接近。從這種意義上講，筆者采用的從農田全年NDVI時間序列中選取最大和最小NDVI計算FVC的方法存在合理性。

(1)

式中：rnir和rred分別為影像的近紅外和紅光波段，μm。

(2)

式中：NDVImax和NDVImin分別為給定像素上最大和最小的NDVI值，范圍為-1～1。

此外地表積雪也是影響無人機搭載可見光傳感器勘測地形的一個重要因素。為了反映研究區積雪的影響，對所有影像進行了歸一化雪蓋指數(normalized difference snow index, NDSI)[18]計算。

(3)

式中：Green和SWIR1分別為影像的綠光和中紅外波段，μm。

2.3 無人機承受的氣象條件

根據無人機結構分類，可簡單分成固定翼式無人機、旋翼式及多旋翼式無人機、撲翼式無人機、傘翼無人機和其他特形無人飛行器[19]。而水保行業無人機多采用多旋翼無人機。分析水保行業常用無人機進行平臺限制因素調查，得出現有多旋翼無人機飛行抗風能力多在四級(8 m/s)以下,如表2所示。

表2 水保行業常用無人機平臺運行條件

2.4 數據分析法

對各站點的大量數據進行篩選和分析，具體根據無人機適宜溫度和風速條件篩選大量數據，由于無人機飛行最高可達500 m，因此運行環境溫度按照溫度垂直遞減率進行計算，以此分析。此外雨雪天氣則取其30年間同一天降水次數占30年的比例作為日降雨概率，以估算遭遇降雨天氣的概率。根據林草植被覆蓋度劃分標準，裸地的植被覆蓋度<0.1，中覆蓋度<0.6。植被覆蓋度則參照前人研究結果[8]，以中覆蓋作為篩選條件。

3 結果與分析

3.1 溫度和風速適宜性分析

對3個典型氣象站1988—2017年氣象數據日值資料進行日均值計算，其溫度和風速如圖2所示。其中，寒溫帶的漠河站最高溫和最低溫跨度大，最高氣溫均沒有超過40 ℃，但氣溫0 ℃以下時間較長，占據全年近50 %(圖2a)。同時滿足飛行器工作環境溫度以及飛行至500 m溫度的時間范圍是4月26日—10月1日。除此以外風速在一年中波動變化明顯，且呈現雙峰趨勢。由圖2a可知，平均風速均未超過最大可承受風速，但最大持續風速一年中有半數以上超過了8 m/s的限制，滿足飛行條件的時間范圍為6月29日—9月5日。1—3月和11—12月風速雖均在8 m/s以下，但其溫度不符合無人機飛行器要求，因此不適宜無人機室外飛行作業。

中溫帶的三家子站1988—2017年溫度日均值波動呈二次函數曲線變化，最高最低溫差近40 ℃，0 ℃以上時間較多，對無人機野外試驗有利(圖2b)。根據無人機工作運行溫度篩選，滿足其飛行工作溫度的時間為4月3日—10月23日。對風速數據進行處理發現，平均風速均在限制條件以下，均符合要求，而最大持續風速的適宜范圍也與溫度相一致。雖有極個別極端風速出現，但時間不多，且為最大持續風速，可酌情根據當天風速情況進行作業。由此可看出中溫帶氣象站點的氣象條件明顯較寒溫帶更適宜無人機飛行。

對位于暖溫帶的周水子站30年氣象數據進行分析發現，該站點的溫度在0 ℃以上的時間大于50%，全年氣溫變化趨勢同樣呈現凸曲線，在8月份溫度達到最大值(圖2c)。其中同時滿足飛行器工作環境溫度以及飛行至500 m溫度的時間范圍為3月10日—11月25日，明顯較寒溫帶和中溫帶時間增多。最大持續風速和平均風速的變化趨勢一致，周水子站平均風速均未大于8 m/s，最大持續風速在3、4月有部分超過運行風速，但最大持續風速僅代表當天的瞬時風速，具體還應參照平均風速進行判斷，實際操作過程中應避開當天風速最大的時間段。綜合而言不適宜溫度和風速的時間較少。

3.2 降水適宜性分析

由于豐水年和平水年情況不同，且降水量的日均值并不具有顯著代表性，故僅對30年間的日降水概率進行統計。如圖3所示，漠河站降水頻率波動較大，在3月至10月呈現明顯的凸曲線，降水頻率較大的時段多處在夏季，但降水頻率超過0.5的時間并不多。降水頻率的變化并不能作為估測某天降雨可能性的切實依據，具體選擇應參照氣溫和風速因素綜合考量，盡可能選在降雨概率小的時間進行無人機外業調查。

圖3 漠河、三家子和周水子氣象站1988—2017年日降雨概率Fig.3 Probability of daily precipitation in 1988-2017 for the Mohe, Sanjiazi and Zhoushuizi meteorological stations

分析中溫帶三家子站1988—2017年日降水頻率發現，其日降水概率波動較大，降水概率在0.5以上的時間不超過10%，且大多分布在7、8月。無人機在野外飛行作業時應選在日降雨頻率小的時間，提前關注天氣預報，避開陰雨天氣，防止降雨對無人機機身造成損壞。

位于暖溫帶的周水子站30年間日降水概率超出0.5的時間出現在夏季7月，且時間很少。春季、秋季和冬季降水概率明顯少于夏季。從5月上旬開始降水頻率逐漸增大，8月初開始逐漸下降。根據對日降水頻率進行統計發現降水頻率并沒有為0的情況，說明降水頻率只能代表其30年間的降水次數，并不能作為估測窗口期是否降雨的標準。

3.3 植被覆蓋度、地表雪動態和適宜性分析

從2020年全年NDSI時間序列可以看出，NDSI值在冬季變大，說明冬季地表有積雪覆蓋，而進入春夏秋則保持相對穩定的趨勢。3類溫度帶中的寒溫帶(漠河)和中溫帶(三家子)的冬季(10月—翌年3月)持續被積雪覆蓋，不適宜無人機地形的勘測，而暖溫帶冬季受雪蓋影響很小。此外，春初秋末還需要考慮突然的降雪影響。以2020年鶴山地區為例，2020年4月23日積雪指數突然升高(圖4b)，經檢查哨兵影像發現該區域出現了大范圍降雪。

圖4 漠河、三家子(以鶴山實驗農場表示)和周水子氣象站附近FVC(黑線)和NDSI(橘色線)時間分布Fig.4 Time series of the FVC (black lines) and NDSI (orange lines) near the Mohe, Sanjiazi (represented by the Heshan Experimental Farm) and Zhoushuizi meteorological station

從植被覆蓋度時間序列來看，3類溫度帶中的植被覆蓋年際變化曲線總體呈現“幾”字形。植被覆蓋度總體先增加，后趨于穩定，最后呈現降低的趨勢。植被覆蓋度最大值都在夏季7—8月之間達到最大。對3類溫度帶而言，5—10月植被蓋度普遍超過0.6，可能對無人機SfM地形勘測有較大影響。綜合地表雪和植被覆蓋兩種因子來看，在春季和秋季共有2個時間窗口適宜無人機SfM地形勘測。根據中覆蓋條件進行篩選，并綜合考慮NDSI的變化，在3—4月底前及9月底—11月前均可進行無人機飛行。

4 討論

利用無人機SfM技術開展地形勘察是以較低成本獲取高精度地形數據的有效手段[20]。但是在實際開展野外地形勘察時，無人機平臺容易受到溫度、風速和降水的影響，而SfM技術容易受到植被覆蓋度和雪蓋的影響，從而難以獲得真實的地表數據。本文嘗試提出一種基于氣候和覆被要素考量的無人機地形勘察適宜期挑選方法，并對東北的不同氣候區開展實驗。通過提前分析研究區溫度、風速、降水、植被蓋度和雪蓋的時間規律，有利于指導避開外業飛行的不利期，對規劃和開展野外測量有一定的現實意義。此外，筆者所在的研究組曾于2019年5月初在中溫帶的鶴山農場附近進行無人機地形測繪作業。在野外測量工作期間其氣象條件和植被覆蓋度條件均與本文結論較為一致。因此，筆者提出的這種基于氣象和覆被條件室內分析方法可有效的指導無人機的外業地形勘測工作。但在具體實施前仍需要根據當地實際的氣象和覆被條件選擇合適的時間窗口開展野外作業，以縮減不利天氣的影響、降低對無人機的損耗。

考慮到同溫度帶內氣候條件的類似性特點，在對溫度、風速等氣象要素的分析上選取的代表性站點的日均值。對降雨數據的分析上，選取了近30年的日降雨頻率進行評估。受可利用數據的限制，僅分析了日平均風速，但在實際飛行作業中瞬間最大風速可能更影響無人機的外業工作。同一氣候帶的溫度和降水的空間分布規律一致性較高，但氣候帶對風速的空間指示性較弱。因此，在對其他地區的地形勘察適宜期研究中，應該著重注意對風速和覆被條件的分析，例如在未來的研究中，應該采用基于面狀的氣象預測要素開展適宜期分析。

采用的植被覆蓋度是基于10 m分辨率的哨兵二號影像和NDVI經驗公式計算得到的。哨兵二號有兩顆極軌衛星，在赤道地區的時間重訪周期是5 d，在東北高緯度地區的重放周期小于5 d。在文中，從全年哨兵二號數據中挑選出了無云或少云的高質量影像，以去除不利天氣等的影響，以對地表植被實現連續的有效觀測。需要注意的是，依據10 m分辨率的哨兵數據計算得到的植被覆蓋度可能仍與實地測量的植被覆蓋度存在一定的區別[21]。為了便于確定時間窗口，采用的植被覆蓋度為0.6的閾值，而實際閾值的確定需要結合野外的實地工作，這也是下一步計劃開展的一個研究內容。

在使用經驗公式從NDVI轉化為FVC時采用的是每個NDVI時間序列最大、最小值開展的計算。之所以采用這種方法，是因為NDVI容易飽和[22]，給定地區一年內NDVI的最大值可以當作植被蓋度100%的情況，而最小的NDVI當作該點植被蓋度為0的情況。因為，針對每個研究區不知道其真實的地表覆蓋情況，所以難以針對每景影像確定其最小和最大植被蓋度的NDVI。這一點也可能會給結果帶來誤差。盡管如此，植被蓋度應該和NDVI在一年內的時間序列都有類似的變化規律，因此對最終的結果影響應該比較有限。

5 結論

1)寒溫帶開展無人機外業的窗口期為4月中旬—5月初；

2)中溫帶的飛行窗口期較寒溫帶長，在4月中旬—5月中旬；

3)暖溫帶可選擇的窗口期范圍較寒溫帶和中溫帶大，時間范圍分別為3月中旬—4月底，9月底—11月初。