基于無人機遙感的自然資源動態監測研究

李小光

(清遠市測繪地理信息中心 廣東清遠 511500)

隨著經濟快速發展，對礦產資源的需求日益增大，在一些耕地、礦產資源富足的地區，由于地處偏遠、隱蔽存在監管不便的情況，往往有很多不法分子在未得到有關部門許可的情況下擅自動工，違規改變土地利用類型，這種情況在經濟發展迅速的背景下屢禁不止，給自然資源部門帶來巨大的監管壓力[1]。

以廣東省某地基層自然資源所為例，機構規模偏小，人員編制一般為3～5人，管轄范圍較廣以鄉鎮為基本單位，環境復雜以地形地貌山地為主，建設活動零散分布，任務繁重同時還承擔地質災害、土地利用巡查等工作任務，有限的設備和巡查條件致使基層員工巡查效率低，難以真正做到及時發現和處置。

當前，無人機航拍技術歷經多年的發展已非常成熟，作為國土資源動態巡查傳統監測技術的有效補充，在國土資源動態巡查、耕地和永久基本農田保護動態監測等方面已獲得各級自然資源部門的認可。

1 變化圖斑的判識方法

將前后兩時相的影響與年度土地調查庫進行套合。兩期影像與之對比，根據地物特征，利用數據時相、地域特點、地形地貌、周邊環境等要素進行分析[2]。

如果影像表現為新增建設用地部分被數據庫建設用地圖斑壓蓋，則僅提取數據庫建設用地圖斑外未被壓蓋部分，數據庫建設用地圖斑邊界直接作為新增建設用地圖斑邊界。根據影像特征，將“非建設用地”類型范圍內新增建設用地圖斑的類型分別歸為一、二、三、五、六、七類中二級類，具體分類如圖1所示。

圖1 “非建設用地”類型范圍內新增建設用地圖斑的類型

2 數據獲取

2.1 研究區域

廣東某地為中國南方重稀土礦產地中心位置，稀土豐富。通過硫酸銨浸泡泥土的方式，把離子態稀土元素置換到溶液中，再用草酸或碳銨沉淀得到92%以上品位稀土精礦，進而完成開采。稀土礦產高額利潤導致在各縣礦產區盜采稀土毫不收斂，致使大片林地被破壞、環境遭到污染和國家礦產資源損失嚴重。

劃定礦產資源重點區域，利用無人機不定期對實驗區重點區域進行動態監測，主要監測露天越界、無證開采礦產資源等違法行為，提取礦產利用變化信息，并制作打印外業巡查圖，開展疑似圖斑外業巡查、野外驗證，拍攝野外圖片并制作《礦山遙感監測內業解譯與野外驗證記錄表》，分析現場整改情況[3]。

2.2 監測方案

本實驗主要使用搭載Sony A7R 相機的P316 垂直起降固定翼無人機、X-Chimera 型復合翼無人機和DJI PHANTOM 4 RTK 型多旋翼無人機3 種型號無人機進行航拍數據采集。

數據處理使用PIXEL 4D 攝影測量數據處理軟件和INPHO UASMASTER攝影測量處理軟件；數據處理、分析、解譯軟件使用ArcGIS軟件[4]。

根據監測區域范圍和實際地形地貌設計航飛，選擇較好的航飛天氣航攝。航攝分區設計時分區內地形高度差不應大于1/6航攝航高，對于地形復雜地區可以放寬到1/2，但要加大航向重疊度、旁向重疊度航攝分區[5]。在大疆手持平板上設置好航高和重疊度等參數，并劃分好測量區域后，平板的自帶軟件會自動規劃出相應的航攝路線，航線設計結果具體見圖2。

圖2 航攝路線設計

3 數據處理流程

相對于普通的垂直攝影測量，傾斜攝影測量的數據處理更加復雜，生成的產品也更多。其數據處理的流程具體見圖3。首先根據無人機POS數據、傾斜像片和像素點進行預處理和區域網聯合平差，然后經過影像密集匹配、高精度彩點云處理生成數字表面模型或者三維模型，最后進行正射糾正后才能形成真正射影像TDOM產品[6]。

圖3 傾斜攝影測量數據處理流程

根據解算出來的各影像外方位元素，進行特征匹配得到點云數據，由點云構成不規則三角網，建立高精度、高分辨率的數字表面模型，數字正射糾正后得到真正射影像TDOM。

4 判識與匯總

相鄰圖斑原則上需按照10種圖斑類型分別勾繪，并明確圖斑邊界的拓撲關系。若出現第一類與第三類圖斑相鄰的情況，可勾繪為一個圖斑，圖斑類型以面積較大的類型為準。若第一類或第三類圖斑與第二類圖斑相鄰，且通過影像無法確定其為同一建筑類型，則需分類處理。

根據各地土地利用變化特點、管理需要的不同，將全國劃分為四類監測區。其中，一類區面積134.8 萬km2，采用優于1 m的衛星遙感數據。二類區面積433.6 萬km2，采用2 m級多光譜衛星數據。三類區面積200.4萬km2，采用2 m 級全色或5 m 級彩色衛星遙感數據。四類區面積178.7萬km2，采用5 m級全色或多光譜衛星數據。

（1）如果在建設項目區內，影像表現為集中建設部分與推填土部分有明確界限，且均具備一定規模，則需將兩者拆分歸類。此外，一個項目區內如果有多個相對獨立的集中建設區，則每個集中建設區可單獨勾繪為一個圖斑，與周邊推填土部分拆分處理，但不可對同一建設區的建筑物單獨勾繪。

（2）如果影像表現為整體建設，僅在內部及外圍小面積推填土部分，可將圖斑整體歸為“一類”或“三類”。圖4展示了將整體建設歸為“一類”的情況。

圖4 整體建設歸為“一類”

（3）如果影像表現為整體推填土，內部僅有零散分布的小面積建筑，可將圖斑整體歸為“二類”。

5 監測結果與分析

2019年至2020年4月，分別采用P330、DJI Phantom 4 RTK、X-Chimera 無人機，共飛行30 架次，完成劃定區域的航攝工作。

對劃定監測實驗區域對地成像，內業采用Pixel4D、Inpho UASmaster 數字攝影測量軟件進行處理，生產優于0.2 m分辨率（含0.2 m）正射影像共183.37 km2。

5.1 疑似新增開采監測圖斑提取情況

新增開采圖斑的勾繪結果具體見圖5。本次實驗共提取10個疑似新增開采圖斑，對于解譯監測出的疑似新增開采圖斑，通過疊加無人機影像數據，制作打印外業巡查圖，開展外業巡查、野外驗證，拍攝野外圖片、視頻資料，核查后制作《礦山無人機監測內業解譯與野外驗證記錄表》。經實地驗證，有3個圖斑為新增稀土收尾水圖斑，其余7個圖斑為設施農用地圖斑。

圖5 新增開采圖斑勾繪

5.2 往年已發現開采圖斑跟蹤監測情況

在劃定監測區域時，結合了2016—2018年發現開采圖斑分布情況，將往年發現的82個礦產開采圖斑一并納入一階段跟蹤監測范圍內，通過對比前后時相影像，對往年監測到開采圖斑打擊整治情況進行跟蹤監測。

對于往年發現開采點圖斑，如通過無人機拍攝高分辨率影像可以對其整改情況進行判定的，無須外業核查，否則也需要打印外業巡查圖，開展外業巡查、野外驗證，拍攝現場巡查圖片、視頻資料，核查后制作《新增開采圖斑跟蹤監測情況表》。

本次實驗采用無人機分3個階段對實驗區圈定的重點區域進行了監測，結合了2016—2018年發現開采圖斑分布情況，研究人員對重點區域利用無人機進行重點監測巡查，其中監測圖斑總數為140塊，正確監測個數127 塊，總體預測精度高達90.7%，總監測面積約183.37 km2，證明基于無人機進行自然資源動態監測的有效性和高效率。