基于不同數據源的數字孿生小流域底板模型精度檢驗

關鍵詞：數字孿生小流域；底板模型；數據源；合成孔徑雷達；傾斜攝影；光探測測距；精度檢驗；數據融合

0引言

水利部印發的《關于推進水土保持監管信息化應用工作的通知》《國家水土保持重點工程信息化監管技術規定》，要求利用現代先進信息技術加強水土保持重點工程監督檢查，實施“全生命周期”“圖斑精細化”管理，不斷提升管理能力和水平。

小流域綜合治理涉及水利、農業、林業、環保等多學科、多行業、多部門，其規劃設計對基礎地形測繪的要求較高。坡面截排水、梯田、谷坊、淤地壩、蓄水池等治理措施設計均需對項目區地形進行詳細勘測，如溝道治理設計需勘測溝道現狀并繪制橫、縱剖面圖，以此判定谷坊、堰壩、淤地壩等攔水建筑物位置和回水長度，確定下游是否需要消力設施，計算蓄水量、洪峰流量、過流能力、抗滑穩定系數等，繪制治理工程平面圖、三視圖或剖面圖等。詳細的地形資料是開展治理工程水文計算時各參數取值的依據，而數據底板模型是流域地形數字化映射的成果，是數字化場景構建的基礎。流域DEM（Digital Elevation Model，數字高程模型）分辨率直接影響數字河流流向及水系的生成，高精度的DEM包含較多的下墊面細節，對流域水系的刻畫較為細致。不同分辨率的DEM數據所刻畫的流域下墊面細節有所不同，據此提取的地形屬性也有差異。在進行小流域數值模擬時，若DEM精度較低、不能真實反映實際地形特征，則會影響模擬結果的可靠性；在進行大范圍（較大流域或支流）規劃設計模擬時，若DEM精度過高，則會大幅度延長模型運行時間、影響模擬的時效性。因此，在小流域治理精細設計中，既需要高精度（高分辨率）的L3級數據底板，也需要中精度（中分辨率）的L2級數據底板。水土保持綜合治理小流域多處于山區，在小流域綜合治理規劃設計時，若控制點及控制網布設不合理則很容易造成誤差累積甚至導致誤差超限、引發工程質量問題?，F有的高精度控制網一般難以直接用于小流域綜合治理規劃設計，若采用傳統的人工測繪方法進行控制點及控制網布設，則將耗費大量的人力、物力、時間，因此急需一種費省效宏、精度可靠的小流域基礎地形數據獲取技術。

數字孿生技術是一種以數據和模型集成融合為基礎和核心的數字化技術，數字孿生平臺主要由數據底板、模型平臺、知識平臺等構成，在數字空間中實時構建物理對象的精確數字化映射，可實現對物理世界實時狀態的映射并用于預警、資源優化等。在水土保持小流域綜合治理規劃設計方面，目前數字孿生數據底板建模缺乏應用效果評價及數據融合校正方法。衛星、無人機等天空地多樣化載體的遙感影像（包括視頻、激光掃描等）是數字孿生底板建模的主要數據源，在流域、區域、重點工程等多尺度多維下墊面高時效性數據獲取方面具有獨特優勢，是數字孿生小流域底板模型建設中多維、多時空分辨率、高時效性“算據”的核心來源。本文以棲龍灣小流域為例，采用數字孿生底板建模技術，選擇合成孔徑雷達衛星遙感影像（SAR影像）、傾斜攝影影像（OP影像）、光探測測距影像（LiDAR影像）等3種主流遙感數據源，建立數字孿生底板模型并檢驗其精度，探討多源數據融合方法，以期為小流域綜合治理規劃設計數字化智慧模擬等提供參考。

1棲龍灣小流域概況

棲龍灣小流域位于山東省濟南市萊蕪區黃河下游大汶河支流瀛汶河中上游，是《濟南市黃河流域生態保護和高質量發展規劃》明確重點打造的國家水土保持科技示范園所在地，在魯中南低山丘陵區具有典型代表性。該小流域屬于泰山沂蒙山國家級水土流失重點治理區，氣候類型為溫帶半濕潤大陸性季風氣候，多年平均降水量712.0mm、氣溫11.2℃，海拔高度260～390m，土壤類型為褐土，土壤侵蝕以水蝕為主，土壤侵蝕形式主要為面蝕、溝蝕。

2數據源與建模方法

2.1數據源

SAR影像為高分三號（GF-3）衛星獲取的影像，OP影像通過飛馬四旋翼無人機D2000搭載全畫幅傾斜相機D-OP4000進行低空攝影獲得，LiDAR影像通過飛馬四旋翼無人機D2000搭載輕型激光雷達D-Li-DAR2000獲得，3種數據源影像見圖1。

1） SAR影像。高分三號衛星是我國首顆分辨率達到1m的C頻段多極化SAR衛星，其SAR主動遙感系統通過接收地物目標雷達波束的反射信號進行成像，具有全天候、全天時、穿透性的特點，打破了云霧覆蓋等區域影像資料獲取的瓶頸，因此常用于數字正射影像的制作，是地理信息產品資源的重要補充，本文所用SAR影像的參數（指標）見表1。

2）OP影像。OP影像是在同一飛行平臺上搭載五鏡頭相機（或單鏡頭相機）同時從下視、前視、后視、左視、右視5個方向采集的影像。根據影像POS（Po-sition and Orientation System，機載定位定向系統）文件信息，通過數據處理軟件可生成傾斜三維模型。該模型可從多個角度觀察、再現地物實景，彌補了傳統正射影像在三維空間屬性方面的不足，也可以進行高度、長度、面積、角度的量測，獲取多維度數據。本文所用OP影像的無人機飛行高度為200m，其航向重疊度為80%，旁向重疊度為80%，航線間距為50m。

3） LiDAR影像。LiDAR作為一種三維點云獲取方式，具有成本低廉、可操作性強、空間分辨率高、能快速獲取點云數據等優點，安裝在無人機平臺上，可以精確獲取地表覆蓋物之下的地形，并能在短時間內實現多次重訪，已廣泛應用于林業普查、礦山地表沉陷探測、電力巡檢、工程地質勘探等領域。本文所用LiDAR影像的無人機飛行高度為100m，其旁向重疊度為70%，航線間距為50m。

2.2建模方法

1）基于SAR影像的建模方法。利用ENVI 5.6及SARscape工具箱，對SAR影像進行線性拉伸、直方圖均衡化、規定化等處置，得到高分辨率立體像對，通過區域網平差、特征提取及配準試驗、點云密集匹配、人機交互編輯，建立空間分辨率為1mx1m的小流域數字孿生底板模型。利用該模型可生成小流域TIN（Triangulated Irregular Network，不規則三角網）、DEM和DLG（Digital Line Graphic，數字線劃地圖），為小流域地形分析及水土保持綜合治理規劃設計提供基礎數據。

2）基于OP影像的建模方法。為保證模型精度，在棲龍灣小流域內布設了16個OP像控點，通過像控點刺入，將控制點誤差控制在0.021～0.045像素、分辨率為3cm，共拍攝原始照片7090張。采用ContextCa-pture 10.19軟件，進行初始化處理、解析空中三角測量（室內加密控制點）、導人像控點、控制點平差等操作，生成小流域數字孿生底板模型，經進一步處理可得到TIN、DEM、DLG。鑒于OP影像對水體測量缺失的現象，采用人工手動修正的方式修補水面，確保模型數據完整。

3）基于LiDAR影像的建模方法。采用激光雷達360 V5.3數據處理軟件，經數據預處理、航帶拼接、坐標轉換與高程擬合、點云去噪及點云濾波、點云分類、三維建筑物與植被參數調整、地表植物去除等處理后，得到厘米級DEM，再疊加區域光學影像后，得到小流域數字孿生底板模型。

2.3精度檢驗與評價

選擇小流域綜合治理規劃設計常用的溝道斷面、梯田完整性以及林地（經濟林、水保林）郁閉度，對不同數據源的數字孿生小流域底板模型進行精度檢驗與評價：溝道斷面以采用全站儀（華測CTS-112R4 Pro）人工測量的數據為評價基準，以標準差、樣本平均數標準差、平均絕對誤差、均方誤差、均方根誤差為指標進行評價：梯田完整性以無人機正射影像人工目視解譯成果為評價基準，以完整率（正確提取樣本數量占基準樣本總數的百分比）、質量（正確提取樣本數量占全部樣本數量的百分比）、分叉率（未匹配的樣本數量占正確提取樣本數量的百分比）、丟失率（未匹配基準樣本數量占正確提取樣本數量的百分比）為指標進行評價；郁閉度以人工測算結果（采用林冠數字圖像Photo-shop分析法，即將用單反數碼相機拍攝的林冠影像導人Photoshop軟件進行圖像處理，分離林冠測量區域的天空影像，統計林冠范圍內空隙像素數量和林冠像素數量并計算郁閉度）為基準，以精度、均方根誤差為指標進行評價。

3結果分析

3.1溝道斷面分析

溝道斷面是各類溝道治理工程（淤地壩、谷坊、攔沙壩、堰壩、塘壩等）規劃設計的基礎。對基于上述3種數據源的棲龍灣小流域數字孿生底板模型提取的主溝道（見圖2），進行精度檢驗和評價。采用全站儀實測的棲龍灣小流域主溝道長度為415.88m．溝底落差為58.00m。

選擇規劃布設谷坊、堰壩的50個壩址進行溝底高程精度檢驗，結果見表2。由表2可知，以LiDAR影像為數據源的精度最高、誤差最小，以SAR影像為數據源的精度最低、誤差最大，以OP影像為數據源的精度居中?；?種數據源所得高程的誤差與高程絕對值均無相關關系，以SAR影像、OP影像為數據源所得高程的誤差與植被覆蓋度明顯相關，即在植被茂密的測點用普通可見光無法得到林草植被下的真實地表高程，因而誤差明顯比以LiDAR影像為數據源的誤差大，見圖3。

3.2梯田完整性分析

梯田是小流域綜合治理的最主要坡面工程，常見的設計方案包括新建梯田、老梯田整修兩類。進行梯田完整性分析，可以判別田坎坍塌等問題梯田并確定其占比，進而制定新建或整修方案、精準統計工程量等。本研究選擇棲龍灣小流域東南部32#、33#地塊梯田工程（見圖4，面積分別為3.18、3.02hm2，人工目視判定問題梯田面積占比分別為35%、50%），對基于數字孿生底板模型的提取結果進行精度檢驗和評價。

基于上述3種數據源建立的數字孿生底板模型分別提取32#、33#地塊的DLG，進而提取梯田圖斑邊界（圖5為32#地塊提取結果）。以無人機正射影像人工目視解譯成果為基準，評估基于3種數據源數字孿生底板模型的提取精度，結果見表3。

由表3可知：以LiDAR影像為數據源的提取精度最高（由其提取結果統計32#、33#地塊的問題梯田面積占比分別為33.0%、45.8%，與目視解譯結果十分接近），以OP影像為數據源的提取精度次之，以SAR影響為數據源的提取精度最低。

3.3林地郁閉度分析

郁閉度是指樹冠在陽光直射下在地面的總投影面積占林地總面積的比例，是判定造林效果的主要參數，也是制定封育、補植、人工撫育等方案的重要依據。

有關研究表明，相對于直接使用歸一化點云數據進行郁閉度提取，采用冠層高度模型（Canopy HeightModel，CHM）提取郁閉度效果更好。CHM建模的基礎是進行地面點、植被點的分類，可采用雷達360V5.3軟件實現地面點、植被點的分類。依據分類后的地面點云數據生成TIN，經TIN鄰近像元內插、轉換得到DEM，再采用最大值內插算法生成數字地表模型（DSM），對DSM與DEM進行差值計算得到CHM。本研究將CHM像元尺寸設置為0.2mx0.2m．樣本區域尺寸設置為40mx40m．每個樣本區域的像元總數為40000個，每個樣本區域內CHM像元落在樹冠內數量占像元總數的比例即為該樣本區域的郁閉度。在棲龍灣小流域選擇10個補植經濟林和水土保持林的地塊（地塊面積為1.8～3.2hm2，栽植板栗、側柏、國槐等）分別設置樣本區域（面積為0.16hm2），在每個樣本區域隨機選擇10個5mx5m標準樣方進行郁閉度提取精度評估，結果見表4。由表4可知，以LiDAR影像為數據源的提取精度最高（精度為78.79%），以OP影像為數據源的提取精度次之，以SAR影像為數據源的提取精度最低。

4各種數據源優缺點分析及數據融合思路

4.1各種數據源優缺點

由表5可知3種數據源數字孿生小流域底板模型的優缺點十分明顯：SAR衛星遙感影像獲取速度最快（可直接下載）且不受天氣影響，但精度最低，獲取圖像的紋理性一般：OP影像獲取受天氣等影響明顯，多云、夜間、雨天均無法測量，處理數據最慢，但其圖像有良好的紋理特征，肉眼直觀效果最佳，可高清晰度還原小流域的整體特征：LiDAR影像精度最高，在溝道斷面、梯田完整度和林草郁閉度分析等方面表現優異，較少受天氣因素干擾，能穿透一般植被直接測量地面，獲取真實完整的地形信息。

4.2數據融合思路

鑒于上述3種數據源模型各有優缺點，可根據實際工作需求進行多源數據融合，以改善數字孿生技術在小流域綜合治理規劃設計中的應用效果。小流域整體建模可采用SAR衛星遙感影像，發揮其數據易得、處理快速、不受天氣干擾的優勢：流域治理核心區建模，可在SAR影像基礎上疊加OP影像，形成視覺效果良好和沉浸式體驗的區域三維模型：具體治理措施設計時，則可通過OP影像與LiDAR影像點云融合的方法來實現，用LiDAR影像校正OP影像，最終得到既有良好紋理特征又有高精度的還原模型。通過數據融合，發揮3種模型的優點、消除各自的局限性，最終實現“工程措施精準定位、林草和封禁措施精細設計、工程量精確統計”。

SAR影像與OP影像的數據融合，可通過ArcGISPr03.0軟件輕松實現，二者圖像數據均可導人該軟件，在坐標系相同情況下可直接疊加。

OP影像與LiDAR影像的數據融合，可在基于OP影像的建模中實現，具體步驟：1）在ContextCapture10.19軟件中導入OP航片，進行第一次空中三角測量解算；2）利用LiDAR影像點云數據對OP原始影像POS文件進行修正，即用LiDAR影像點云數據中的高程、經緯度等對POS文件中的對應信息進行修正；3）利用新的POS文件重新進行OP影像空中三角測量解算，與LiDAR影像點云數據進行粗配準、精匹配及特征匹配，進而得到數據融合后的小流域數字孿生底板模型。

在棲龍灣小流域內選擇14#地塊石坎梯田進行SAR影像與OP影像數據融合、選擇科普展覽館進行OP影像與LiDAR影像數據融合，均取得良好的效果，見圖6、圖7。

5結論

分別以SAR影像、OP影像、LiDAR影像為數據源建立棲龍灣小流域數字孿生底板模型，進而提取主溝道縱斷面、2塊梯田樣地邊界、10個林地樣區的郁閉度，與人工解譯和實測結果對比進行精度檢驗，結果表明：以LiDAR影像為數據源的提取精度最高，以OP影像為數據源的提取精度次之，以SAR影像為數據源的提取精度最低。

鑒于3種數據源小流域底板模型各有優缺點，可根據實際工作需要進行多源數據融合，以改善數字孿生技術在小流域綜合治理規劃設計中的應用效果。在棲龍灣小流域內選擇石坎梯田地塊進行SAR影像與OP影像數據融合、選擇科普展覽館進行OP影像與LiDAR影像數據融合，均取得良好的效果。