留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算

吴立新 许志华 范松滔 王秋玲

吴立新, 许志华, 范松滔, 王秋玲. 植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算[J]. 武汉大学学报 ● 信息科学版, 2017, 42(10): 1343-1349. doi: 10.13203/j.whugis20160013
引用本文: 吴立新, 许志华, 范松滔, 王秋玲. 植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算[J]. 武汉大学学报 ● 信息科学版, 2017, 42(10): 1343-1349. doi: 10.13203/j.whugis20160013
WU Lixin, XU Zhihua, FAN Songtao, WANG Qiuling. Gully Erosion TLS Monitoring and Estimation in Area of Sparse Vegetation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(10): 1343-1349. doi: 10.13203/j.whugis20160013
Citation: WU Lixin, XU Zhihua, FAN Songtao, WANG Qiuling. Gully Erosion TLS Monitoring and Estimation in Area of Sparse Vegetation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(10): 1343-1349. doi: 10.13203/j.whugis20160013

植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算

doi: 10.13203/j.whugis20160013
基金项目: 

中南大学创新领军人才项目 506030101

中央高校基本科研业务费 800015 kw

详细信息
    作者简介:

    吴立新, 教授, 博士生导师, 长江学者特聘教授, 主要从事空间信息理论与方法、灾害观测与协同感知研究.awulixin@263.net

    通讯作者: 许志华, 博士, 讲师.z.xu@cumtb.edu.cn
  • 中图分类号: P237.9

Gully Erosion TLS Monitoring and Estimation in Area of Sparse Vegetation

Funds: 

The Innovation Leading Talent Project of Central South Unirersity 506030101

the Fundamental Research Funds for the Central Universities 800015 kw

More Information
    Author Bio:

    WU Lixin, professor, specializes in theory and method of spatial information, disaster monitoring and synergic observation. E-mail:awulixin@263.net

    Corresponding author: XU Zhihua, PhD, leture. E-mail: z.xu@cumtb.edu.cn
图(8) / 表(2)
计量
  • 文章访问数:  874
  • HTML全文浏览量:  43
  • PDF下载量:  404
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-08-11
  • 刊出日期:  2017-10-05

植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算

doi: 10.13203/j.whugis20160013
    基金项目:

    中南大学创新领军人才项目 506030101

    中央高校基本科研业务费 800015 kw

    作者简介:

    吴立新, 教授, 博士生导师, 长江学者特聘教授, 主要从事空间信息理论与方法、灾害观测与协同感知研究.awulixin@263.net

    通讯作者: 许志华, 博士, 讲师.z.xu@cumtb.edu.cn
  • 中图分类号: P237.9

摘要: 针对传统沟蚀监测手段劳作强度大,且数据采集的完整性、代表性受切沟复杂地形制约等问题,提出了一种针对植被稀疏地区沟蚀变化的地面激光扫描(terrestrial laser scanning,TLS)监测方法,形成了一套数据处理与侵蚀量计算技术流程。以河北省官厅水库东岸某大型切沟为例,利用高精度TLS进行两年3期野外监测与点云数据分析。通过点云配准、滤波、重采样及曲面拟合等预处理,生成不同采样分辨率下3期切沟表面模型,并提取地形信息;采用杨赤中滤波推估法计算并比较不同点云重采样分辨率下的沟蚀量。结果表明:(1)当点云重采样分辨率与切沟表面凹凸微结构暨石块粒径(2~6cm)接近时,沟蚀量估算值趋于稳定、结果可靠;(2)经侵蚀作用,切沟外壁表面高程整体降低2~20 cm;(3)切沟内壁侵蚀量不均衡,坡度较大处侵蚀最为显著。

English Abstract

吴立新, 许志华, 范松滔, 王秋玲. 植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算[J]. 武汉大学学报 ● 信息科学版, 2017, 42(10): 1343-1349. doi: 10.13203/j.whugis20160013
引用本文: 吴立新, 许志华, 范松滔, 王秋玲. 植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算[J]. 武汉大学学报 ● 信息科学版, 2017, 42(10): 1343-1349. doi: 10.13203/j.whugis20160013
WU Lixin, XU Zhihua, FAN Songtao, WANG Qiuling. Gully Erosion TLS Monitoring and Estimation in Area of Sparse Vegetation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(10): 1343-1349. doi: 10.13203/j.whugis20160013
Citation: WU Lixin, XU Zhihua, FAN Songtao, WANG Qiuling. Gully Erosion TLS Monitoring and Estimation in Area of Sparse Vegetation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(10): 1343-1349. doi: 10.13203/j.whugis20160013
  • 沟蚀是多种外力(降雨、地表水流动力、风力、重力等)共同作用于地表土壤与地形的结果,其发育过程导致水土流失,进而引发土壤退化、山体滑坡等灾害[1, 2]。传统的沟蚀监测方法如测尺法、测针板法[3, 4]等,虽然操作简单,但测量精度低。现代GPS/GNSS测量技术,虽然数据获取速度快、测量精度高,但其单点测量模式的劳动强度大,数据采集的完整性和代表性易受切沟体复杂形态制约[5]。因此,上述方法对于大尺度、复杂切沟的变化监测均不适用。近年,地面激光扫描(terrestrial laser scanning, TLS)技术迅速发展,因其全自动、非接触、高精度的三维数据获取手段而备受关注。此外,激光具有一定的穿透性,可透过稀疏植被到达地面获取地表信息[6, 7];该特性非常适合在植被稀疏的沟谷、悬崖等区域进行测量作业。张鹏等采用人工建造的坡沟模型进行降雨模拟实验,分别利用高精度GPS测量法、测针板法和TLS技术监测沟蚀过程[4],结果表明,TLS数据对沟蚀演变描述最好,可精确表达其几何形态。马玉凤等以青海共和盆地威连滩冲沟的平面形态测量为例,利用TLS对支沟边界侵蚀进行测量,并与差分GPS测量进行对比,结果表明,TLS可有效获得冲沟平面形态[8]。然而,如何利用TLS监测植被稀疏地区大型复杂冲沟、切沟的立体形态,并估算其沟蚀量,尚未见报道。

    本文以河北省官厅水库东岸某大型冲沟的一支切沟为例,研究TLS监测技术、数据处理、信息提取及侵蚀量估算方法,并进行切沟表面的建模与误差分析。

    • 实验区位于河北省怀来县官厅镇北京师范大学综合实验基地(40°15′33″N,115°36′59″E),地处官厅水库南段的东岸。该实验区地形起伏大,沟壑纵横;植被稀疏,以一年生低矮灌木为主;气候干燥、多风,年降水量少且主要集中在雨季(7~9月)。雨水汇流冲刷及风蚀作用导致该区西向大冲沟及其北、南向小切沟十分发育,水土流失严重。本文选取其中一条西向大冲沟的北侧切沟(见图 1)进行TLS监测实验。该切沟长约40 m,垂直高差约27 m,水平切入约12 m,平面投影呈“几”字形。

      图  1  官厅水库东岸某切沟照片

      Figure 1.  Photos of a Gully at the East Bank of Guanting Reservoir

    • 为监测沟蚀变化,在2014~2015年雨季前后进行了3期监测作业,时间分别为2014-06-17(Ⅰ期)、2014-10-16(Ⅱ期)和2015-10-08(Ⅲ期)。其中,Ⅰ、Ⅲ期采用Maptek I-Site 8200扫描仪,各获取3站点云数据, 利用架设于控制点上的全站仪获取扫描仪的架站点坐标,用于多站点云配准和坐标系转换;Ⅱ期采用FARO Focus 3D扫描仪,获取3站点云数据。此外,Ⅱ期在切沟周围均匀布设了7个标靶(见图 1(a)),其中,3个球形标靶(Si)用于多站点云配准, 通过全站仪获取4个方形标靶(Pi)的绝对坐标,用于点云坐标系转换。仪器的技术参数见表 1

      表 1  地面激光扫描仪参数

      Table 1.  Parameters of Terrestrial Laser Scanners for the Experiments

      参数 仪器型号
      MaptekI-Site8200 FAROFocus 3D
      扫描方式 脉冲式 相位式
      测距范围 1~500 m 0.6~150 m
      视场范围 垂直:-35°~90°
      水平:0°~360°
      垂直:-60°~90°
      水平:0°~360°
      测距精度 8 mm 2 mm
      激光波长 近红外 近红外
      激光发射度 0.25 mrad 0.16 mrad
      仪器尺寸 25×37×4 cm3 24×20×10 cm3
      仪器重量 11.9kg 5 kg

      此3期监测实验时,沟坡外侧整体植被稀疏,切沟内部及沟底均无植被覆盖;沟头虽有少量植被,但作业前均进行清理,以减少其对激光的阻挡。因此,植被对切沟数据获取的影响较小,通过滤波剔除少量植被点云后,地面点云密度可以满足切沟表面建模需要。

    • 基于TLS的沟蚀监测与数据处理包括标靶布设与坐标测量、点云获取、点云配准、点云滤波、点云重采样、表面建模、地形信息提取和沟蚀量估算等,其技术路线如图 2所示。

      图  2  切沟侵蚀变化监测分析技术路线图

      Figure 2.  The Workflow of Gully Erosion Monitoring and Analysis

    • 因TLS作业常受扫描对象表面凹凸及地面障碍物遮挡,需多站扫描方能获取对象的完整表面点云。因此,多站点云的精确配准至关重要,其结果直接影响切沟变化监测精度。

    • TLS点云采用扫描仪自身独立坐标系。为计算沟蚀量,需将点云转换到统一坐标系。据前文所述,Ⅰ、Ⅲ期数据采集过程中获取了扫描仪各架站点的绝对坐标,据此将各站点云平移到统一用户坐标系,利用RiSCAN PRO软件,以各架站点为原点,以Z方向为轴对各站点云进行微调旋转,使其坐标系方向一致,实现点云粗配准。Ⅱ期数据则以3个球形标靶为同名点,采用7参数法进行点云粗配准,利用4个已知坐标的方形标靶将粗配准后的点云转换到用户坐标系。

    • 在粗配准的基础上,本文采用迭代最近点(iterative closest point,ICP)算法[9],并在迭代匹配过程增加法向量约束[10],实现点云精配准。其过程包括:建立参考点集间的待匹配面,计算待匹配面的法向量 $\overset{\to }{\mathop{n}}\,$ ,寻找参考点集在待匹配点集中的同名点,迭代计算匹配点间的最小化距离差,求解空间相似变换转换参数。

    • 现有滤波方法大致分为基于坡度变化法、三角形渐进加密法、数学形态学法和表面估计法[11]。本文根据实验区地貌和植被特性,采用基于网格表面估计的滤波算法[12]。该算法基于二维邻域搜索,通过估算局部表面,设定阈值,滤除邻域内到估算表面的垂直距离大于阈值的点,具体过程如下。

      1) 在栅格面内构建初始稀疏网格,使点云尽量均匀地分布其中,并从每个网格中选取一个起始点;

      2) 利用起始点及其邻近点估算一个鲁棒性表面P

      3) 设置初始距离阈值t(实验区植被高度约为0.4~1 m,设定t初始值为0.7 m),将栅格中点到表面P的距离大于t的点确定为“非地面点”滤掉;

      4) 进一步细化所估算的表面,将每个网格划分为4个子网格,将剩余点分配到子网格中,重新选取起始点;

      5) 设定距离阈值为t/2, 重复2)~4),直到阈值小于t0(本文设为0.1 m),完成单个网格中的点云滤波;

      6) 重复1)~5),直至遍历完所有网格,滤波结束。

      为确保植被覆盖区域的滤波效果,基于网格进行表面估计滤波后,可通过人工交互进一步去除少量剩余植被。

    • 实际应用中,并非所有点云数据都参与表面建模。点云数据过多不仅会降低运算效率,而且会增大存储负担,并影响重构曲面的光滑性。因此,本文对原始数据进行等间距重采样,探究不同重采样分辨率对沟蚀量估算的影响。此外,还需对重采样点云进行空间插值,构建精细表面模型。因非均匀有理B样条曲线(non-uniform rational B-splines,NURBS)拟合的曲面连续性好、几何精度高且计算耗时少[13, 14],本文采用该算法进行重采样点云表面建模与表达。

    • 本文采用杨赤中滤波推估法[15]估算沟蚀量(即切沟土体侵蚀量)。其原理为:首先,对点云模型进行栅格化,并确定投影平面;然后,利用二项式加权平均对观测值序列进行滤波,删除噪点;进而,建立估值数学模型,估算多期点云中栅格(i, j)离投影平面的距离,记为Δhij,并估算各栅格的体积变化量;最后,累计全部栅格的体积变化量来估计沟蚀量,记为ΔVij

      $$\mathit{\Delta }{{V}_{ij}}=\sum {{L}_{i}}\times {{L}_{j}}\times \mathit{\Delta }{{h}_{ij}}$$ (1)

      式中, LiLj分别为栅格单元(i, j)的长度和宽度。

      以前期扫描数据为基准、以后期数据为参考,参考数据在基准面之下为“挖方”,之上为“填方”;挖方减去填方为切沟土体侵蚀量,即沟蚀量。

      由于数据采集、坐标转换及曲面拟合过程均存在一定的误差,因此可设置高差阈值来控制沟蚀量计算过程,即认为表面模型间高差小于某阈值的变化是由上述误差导致的,不予计算;高差大于该阈值时,则计算土体体积变化量。本文设定的该阈值为0.02 m。

    • 对3期点云数据进行配准、坐标转换、滤波、重采样等预处理后,对切沟进行曲面拟合和表面建模。由滤波后的点云数据可以看出,虽然激光能穿透稀疏植被获取地表信息,但其穿透力有限,在局部较浓密的植被遮挡区仍有部分地面信息缺失,使得该区域点云密度较低(见图 3(a))。利用NURBS曲面拟合,基于逆向工程进行表面建模(见图 3(b)),可在一定程度上保持切沟模型的完整性。通过比对实地拍摄影像,可见构建的表面模型对切沟的细节特征描绘得准确清晰。为分析点云重采样分辨率对表面建模精度的影响,本文从2 cm起以2 cm为步距,对原始3期点云(分辨率优于1 cm)进行重采样,各得到10组数据,分别构建点云表面模型。图 4为滤波后不同分辨率点云与其表面模型之间垂直距离的标准差,其值主要分布在1.0~2.5 cm之间。

      图  3  切沟点云及表面建模

      Figure 3.  The Gully Point Cloud and Fitted Surface Model

      图  4  曲面拟合误差分析

      Figure 4.  Error Analysis of NURBS Surface Fitting

    • 地形因素不仅影响沟蚀方式,还影响沟蚀速率,是沟蚀发育过程的重要判据。本文针对切沟表面模型,利用ArcGIS提取其整体坡度、坡向和地表粗糙度[16-18]等地形特征,定量分析切沟几何形态。由图 5表 2可得出结论。

      图  5  切沟地形特征

      Figure 5.  Gully Geomorphologic Features

      表 2  切沟坡度分级统计表

      Table 2.  Statistics of Gully Slope

      坡度 面积/m2 占切沟总面积百分比/%
      ≤5° 69.26 6.60
      5~8° 36.10 3.44
      8~15° 76.50 7.29
      15~25° 126.97 12.10
      25~35° 198.96 18.96
      ≥35° 541.57 51.61

      1) 切沟模型表面积为1 050 m2,最高点高程540 m,最低点高程513 m,切沟落差27 m;

      2) 切沟成陡立状,最大坡度接近90°,坡度大于35°的面积占切沟总面积的51.6%;

      3) 切沟整体坐北朝南,太阳辐射收入较多,温度高、蒸发旺盛,且因土壤干旱、植被相对稀疏,更易受侵蚀[19, 20]

      4) 地表粗糙度(切沟模型表面积与其在水平面上的投影面积之比)为2.05,与沟谷区的粗糙度值接近[16]

    • 图 6为利用重采样分辨率为2 cm的3期点云进行沟蚀分析的结果。

      图  6  沟蚀监测结果

      Figure 6.  Analyzing Results of the Gully Erosion

      1) Ⅰ~Ⅱ期切沟外部高程明显降低,沟头及两侧沟坡高程降低了2~20 cm(见图 6(b));绿圈处形变量异常,查看原始点云,发现Ⅰ期扫描时,该处有较密植被且测量人员难以到达,植被无法去除,导致建模错误(后续沟蚀量估算过程中,将此部分数据剔除);Ⅰ~Ⅱ期沟蚀范围最大,滑落土体在沟头局部堆积出现隆起(黑圈)。

      2) Ⅱ~Ⅲ期沟蚀明显,沟尾有明显的土体堆积(见图 6(c));黑圈1处出现2~30 cm的隆起,由切沟上部岩土向下滑移在该处堆叠所致。

      3) 总体而言,切沟外部沟坡呈片状侵蚀,且上部侵蚀程度较下部严重,源于重力因素;与切沟外部不同,切沟内部主要表现为水平带状侵蚀。图 7为一个典型垂直剖面与内壁中心线的交界线(见图 6中的红色虚线),可见切沟内部侵蚀主要发生在坡度最大的直立内壁部分(红圈)和坡度较大的沟口处(绿圈)。因此,坡度是影响该直立状切沟侵蚀的一个重要因素。

      图  7  切沟典型垂直剖面界线

      Figure 7.  A Typical Vertical Profile of the Gully

    • 为分析点云重采样分辨率对沟蚀估算的影响,本文对§3.1中重采样的10组数据,采用杨赤中滤波推估法,计算不同重采样分辨率下的沟蚀量。图 8为不同重采样分辨率下各期沟蚀量估算值的对比。可见,重采样分辨率越低,其沟蚀量估算值越小;原因在于由低分辨率点云所建表面模型对切沟几何表达更为粗糙。当重采样分辨率为2~6 cm时,3期点云监测的沟蚀量分别稳定在35 m3(Ⅰ~Ⅱ期)、43 m3(Ⅱ~Ⅲ期)和78 m3(Ⅰ~Ⅲ期)。实地勘察发现,切沟表面凹凸微结构尺度暨土层夹杂突出的石块粒径多为2~6 cm(见图 1)。顾及计算量与可靠性,本实验区的最佳点云重采样分辨率应为6 cm。

      图  8  不同采样分辨率沟蚀量估算结果

      Figure 8.  Erosion Estimated with Different Sampling Resolution

    • 本文以河北省怀来县官厅镇北京师范大学综合实验基地的切沟为例,利用TLS进行沟蚀监测实验,表明TLS监测可有效解决植被稀疏地区大型、复杂切沟侵蚀监测难题。利用TLS点云构建切沟表面模型的几何误差为2 cm,可准确再现切沟三维形态,获取切沟侵蚀量、切沟地形信息及其变化。当点云重采样分辨率与切沟表面凹凸微结构尺度暨石块粒径接近时,切沟土体侵蚀量估算值最为稳定、可靠。实际应用时应根据监测对象表面岩石颗粒或土体疙瘩的粒径选择相应的点云重采样分辨率;并采用“基于形态不变区的配准方法”[10]强化多期点云配准,进一步提高复杂切沟体侵蚀变化监测的精度与可靠性。

      本文成果对大范围冲沟侵蚀、大型山体滑坡、矿山边坡与尾矿坝、城市垃圾堆场等变化监测及稳定性分析具有参考价值。使用远程激光扫描仪、结合GPS-RTK和反射标靶,可望实现大场景侵蚀、滑坡、堆积体的有效监测与准确估算。针对植被生长情况,应尽量将扫描时间安排在春初或秋末,避开植被及冰雪覆盖。

参考文献 (20)

目录

    /

    返回文章
    返回