來平軍 張傳帥 陳佳 田俊輝 馬亞飛

（1.自然資源部第一地形測(cè)量隊(duì)，陜西 西安 710054；2.自然資源部第一地理信息制圖院，陜西 西安 710054）

1 引言

自然災(zāi)害對(duì)農(nóng)業(yè)生產(chǎn)的影響十分強(qiáng)大，可導(dǎo)致農(nóng)作物產(chǎn)量下降，品質(zhì)降低。每年我國都會(huì)因?yàn)闅庀鬄?zāi)害的發(fā)生而出現(xiàn)嚴(yán)重減產(chǎn)和絕產(chǎn)現(xiàn)象。我國是一個(gè)農(nóng)業(yè)大國，農(nóng)民占全國人口的70%，農(nóng)產(chǎn)品是很多農(nóng)民唯一的經(jīng)濟(jì)來源，一場(chǎng)嚴(yán)重的自然災(zāi)害，奪去的可能是他們一年的收入。為降低自然災(zāi)害對(duì)農(nóng)民造成的損失，災(zāi)害發(fā)生后第一時(shí)間評(píng)估農(nóng)作物受災(zāi)程度，為政府相關(guān)部門提供數(shù)據(jù)支撐就顯得非常重要。過去由于受到科技發(fā)展的限制，傳統(tǒng)做法是通過災(zāi)后的人工實(shí)地走訪調(diào)查來進(jìn)行農(nóng)作物災(zāi)害評(píng)估，該方法由于工作量大、周期長(zhǎng)、評(píng)估精度差等，往往不能滿足要求，因此急需探索出一套高效、高精度的評(píng)估方法。

近年來，無人機(jī)技術(shù)憑借高精度、低成本、操作簡(jiǎn)單等優(yōu)勢(shì)，被廣泛應(yīng)用到越來越多的場(chǎng)景中，利用無人機(jī)航測(cè)技術(shù)進(jìn)行農(nóng)作物災(zāi)害評(píng)估也成為一種新方法。本文結(jié)合某一應(yīng)急項(xiàng)目，采用抽樣法，從小麥倒伏區(qū)域選取樣本，利用無人機(jī)快速獲取樣本區(qū)影像，分別采用自動(dòng)分類和目視解譯兩種方法獲取樣本區(qū)倒伏小麥面積，通過對(duì)兩種解譯結(jié)果進(jìn)行對(duì)比分析，證實(shí)自動(dòng)分類方法的可行性和可靠性，從而得出一套高效的災(zāi)后評(píng)估小麥倒伏受災(zāi)面積的技術(shù)流程，為政府部門的有關(guān)工作提供強(qiáng)有力的數(shù)據(jù)支撐。

2 天狼星無人機(jī)航攝系統(tǒng)介紹

拓普康天狼星無人機(jī)由美國拓普康定位系統(tǒng)公司（簡(jiǎn)稱TPS）聯(lián)合德國瑪芬奇MAVinci共同研發(fā)并生產(chǎn)，結(jié)合瑪芬奇在無人機(jī)飛行平臺(tái)專業(yè)的研發(fā)團(tuán)隊(duì)，憑借多年在全球無人機(jī)飛控系統(tǒng)設(shè)計(jì)方面的領(lǐng)先技術(shù)優(yōu)勢(shì)，率先推出全球第一臺(tái)內(nèi)置RTK實(shí)時(shí)測(cè)量的無人機(jī)航空攝影平臺(tái)，顛覆了傳統(tǒng)航測(cè)大量布設(shè)地面控制點(diǎn)的作業(yè)流程，在無人機(jī)航空攝影測(cè)量領(lǐng)域引起廣泛關(guān)注[1]。

2.1 系統(tǒng)組成

（1）飛行平臺(tái)：包括自動(dòng)駕駛模塊、影像傳感器和RTK測(cè)量模塊。

（2）飛行控制系統(tǒng)：由自駕儀、GPS/IMU慣性導(dǎo)航系統(tǒng)和GPS接收機(jī)等組成，可實(shí)現(xiàn)無人機(jī)飛行參數(shù)的傳輸，使無人機(jī)按照預(yù)定航線平穩(wěn)飛行。

（3）地面監(jiān)控系統(tǒng)：包括地面監(jiān)控軟件和無線遙控器等。地面監(jiān)控軟件為MAVinci軟件，也是飛控軟件，可實(shí)時(shí)監(jiān)控?zé)o人機(jī)在空中的飛行參數(shù)，確保飛行任務(wù)順利完成。

（4）內(nèi)業(yè)數(shù)據(jù)處理軟件：有地面站軟件MAVinci Desktop和影像后處理軟件PhotoScan。MAVinci Desktop進(jìn)行了深度整合，可將所有外業(yè)數(shù)據(jù)一鍵導(dǎo)入PhotoScan，并進(jìn)行智能后處理，整個(gè)流程無需任何人工交互編輯操作，最終生成高精度的DOM、DEM、點(diǎn)云等成果。

2.2 系統(tǒng)優(yōu)勢(shì)

與傳統(tǒng)航測(cè)設(shè)備相比，天狼星無人機(jī)航測(cè)系統(tǒng)具有以下優(yōu)勢(shì)：

（1）內(nèi)置100HZ RTK接收模塊，無需布設(shè)地面像控點(diǎn)便可獲取高精度的測(cè)量成果；（2）智能化的地面站航線規(guī)劃軟件，內(nèi)置了多種航線設(shè)計(jì)方式，如多邊形航線設(shè)計(jì)、帶狀航線設(shè)計(jì)、井字形航線設(shè)計(jì)、沿地形起伏航線設(shè)計(jì) ；（3）一鍵式的數(shù)據(jù)后處理軟件；（4）飛機(jī)采用航空泡沫材料，電動(dòng)力驅(qū)動(dòng)，重量輕，同時(shí)內(nèi)置了多種應(yīng)急返航機(jī)制，使外業(yè)數(shù)據(jù)獲取工作更加安全。

3 項(xiàng)目案例

3.1 項(xiàng)目概況

測(cè)區(qū)位于某地以糧食生產(chǎn)為主要農(nóng)作物的縣域，在小麥灌漿期出現(xiàn)一次大風(fēng)強(qiáng)降雨天氣，導(dǎo)致小麥大面積倒伏，經(jīng)濟(jì)損失嚴(yán)重。災(zāi)害發(fā)生后，為第一時(shí)間評(píng)估災(zāi)害造成的人民生命財(cái)產(chǎn)損失，科學(xué)指導(dǎo)災(zāi)后救助工作，減少農(nóng)民損失，政府有關(guān)部門經(jīng)多方探討，最終決定采用無人機(jī)航測(cè)評(píng)估小麥倒伏造成的經(jīng)濟(jì)損失。

3.2 技術(shù)路線

小麥倒伏評(píng)估技術(shù)路線如圖1所示。

圖1 小麥倒伏評(píng)估方案

3.3 樣本取樣

樣本取樣就是從調(diào)查對(duì)象的總體中抽取一定大小、形狀和數(shù)量的樣本，以最小的人力和財(cái)力、最短的時(shí)間，達(dá)到最大程度代表這個(gè)總體的目標(biāo)。常用的調(diào)查取樣方法有分級(jí)取樣、分段取樣、典型取樣和隨機(jī)取樣。

典型取樣又稱主觀取樣，指在總體主觀選定一些能代表全群的作為樣本。當(dāng)熟悉全群分布規(guī)律時(shí)，采用該方法可節(jié)省人力和時(shí)間，但調(diào)查中要盡量避免誤差。因此為了保證樣本具有代表性，項(xiàng)目采用典型取樣方式選取樣本，在受災(zāi)較重區(qū)域選擇1平方公里作為樣本區(qū)域，航拍區(qū)域如圖2所示。

圖2 航拍區(qū)域

3.4 航線設(shè)計(jì)

采用MAVinci Desktop軟件設(shè)計(jì)航線，該軟件是三維環(huán)境，以BING的在線地圖為工作底圖，用戶輸入測(cè)區(qū)指定分辨率、拐點(diǎn)坐標(biāo)及設(shè)計(jì)飛行重疊度等參數(shù)，系統(tǒng)便可自動(dòng)生成航測(cè)路線（如圖3所示）。同時(shí)也可加載數(shù)字高程模型，根據(jù)地形起伏自動(dòng)調(diào)整航高，確保地面采樣距離、重疊率相同，并匹配出高精度照片。

圖3 航拍設(shè)計(jì)

本次航拍地面分辨率為3cm（航高138m），航向重疊80%，旁向重疊60%，航向覆蓋超出邊界線不少于一條基線，旁向覆蓋超出攝區(qū)邊界線不少于掃描寬度的30%。外業(yè)飛行兩個(gè)架次完成樣本數(shù)據(jù)采集。

3.5 影像數(shù)據(jù)獲取

利用拓普康天狼星無人機(jī)航測(cè)系統(tǒng)獲取測(cè)區(qū)地面分辨率為3cm的影像。在飛行中，一架次用時(shí)34min，飛行距離31km，共飛行兩個(gè)架次，拍攝照片2400張，100%覆蓋整個(gè)測(cè)區(qū)。

3.6 數(shù)據(jù)后處理

天狼星無人機(jī)航測(cè)系統(tǒng)采用一鍵式數(shù)據(jù)處理方式，減少了人工干預(yù)[2]，具體流程如下：

（1）首先通過相機(jī)檢校參數(shù)對(duì)無人機(jī)采集的原始影像進(jìn)行畸變糾正，消除影像的畸變差；

（2）利用POS數(shù)據(jù)提供的6個(gè)外方位元素對(duì)像片進(jìn)行對(duì)齊處理，通過空中三角測(cè)量對(duì)影像進(jìn)行相對(duì)定向、絕對(duì)定向和光束法區(qū)域網(wǎng)平差，實(shí)現(xiàn)影像匹配；

（3）在空中三角測(cè)量完成后，通過影像密集匹配，利用空間前方交會(huì)原理獲取每一個(gè)像素點(diǎn)的空間坐標(biāo)，生成密集的三維點(diǎn)云數(shù)據(jù)；

（4）根據(jù)影像密集匹配生成的三維點(diǎn)云來生成格網(wǎng)和紋理，通過建立規(guī)則格網(wǎng)生成數(shù)字表面模型DSM和數(shù)字正射影像圖DOM。

整個(gè)數(shù)據(jù)后處理過程需2小時(shí)。DOM成果如圖4所示。

圖4 DOM成果

3.7 影像解譯

影像解譯是本項(xiàng)目的一個(gè)重要環(huán)節(jié)，為探索出高效的解決方案，影像解譯采用人工判讀和自動(dòng)分類兩種方法同時(shí)進(jìn)行，最終從投入人力、耗費(fèi)時(shí)間、解譯面積和成果質(zhì)量四個(gè)方面進(jìn)行對(duì)比分析，得出結(jié)論。

3.7.1人工判讀

為快速得到受災(zāi)區(qū)域面積，根據(jù)對(duì)受災(zāi)區(qū)域的初步判斷，投入兩個(gè)經(jīng)驗(yàn)豐富的作業(yè)員對(duì)影像進(jìn)行人工目視解譯，采用ArcGIS10.1軟件采集受災(zāi)區(qū)域圖斑進(jìn)行統(tǒng)計(jì)。人工采集用時(shí)6小時(shí)，完成了1平方公里的受災(zāi)區(qū)域圖斑采集，共采集圖斑1506個(gè)，如圖5所示。

圖5 人工判讀成果

3.7.2自動(dòng)分類

自動(dòng)分類采用eCognition 8.7軟件進(jìn)行，該軟件是由德國Definiens Imaging公司開發(fā)的智能化影像分析軟件，是目前所有商用遙感軟件中第一個(gè)基于目標(biāo)信息的遙感信息提取軟件，采用決策專家系統(tǒng)支持的模糊分類算法，突破傳統(tǒng)商業(yè)遙感軟件單純基于光譜信息進(jìn)行影像分類的局限性，提出了革命性的分類技術(shù)——面向?qū)ο蟮姆诸惙椒?，提高了高空間分辨率數(shù)據(jù)的自動(dòng)識(shí)別精度，可滿足科研和工程應(yīng)用需求。

在eCognition 8.7軟件developer模塊下制定地物解譯規(guī)則[3]，通過多次試驗(yàn)，分割尺度參數(shù)設(shè)置為100，形狀因子設(shè)置為0.2，緊致度因子設(shè)置0.8為最優(yōu)分割參數(shù)。分割參數(shù)獲取耗時(shí)1h，分割耗時(shí)0.5h。分類精度的好壞取決于分割結(jié)果的好壞，由于分割結(jié)果較好，本次分類主要采用亮度和NDVI兩個(gè)特征參數(shù)進(jìn)行提取。首先采用亮度參數(shù)提取出倒伏小麥，在此結(jié)果上根據(jù)NDVI再將冗余的倒伏小麥剔除，最終分類得出與實(shí)際最接近的倒伏小麥圖斑。此工作耗時(shí)0.2h。

在自動(dòng)分類過程中，由于影像獲取時(shí)光線的差異，相鄰架次影像紋理會(huì)稍有差異，在自動(dòng)分類時(shí)會(huì)出現(xiàn)少量錯(cuò)誤分類，屬于正?，F(xiàn)象。最后將分類結(jié)果導(dǎo)入ArcGIS軟件，人工進(jìn)行同屬性合并處理和錯(cuò)誤分類剔除，最終得出真實(shí)的小麥倒伏面積。此工作耗時(shí)0.3h。自動(dòng)分類成果如圖6所示。

圖6 自動(dòng)分類成果

3.7.3影像解譯功效對(duì)比

對(duì)采用人工判讀和自動(dòng)分類兩種方法開展的影像解譯功效進(jìn)行對(duì)比，結(jié)果如表1所示。

表1 影像解譯功效對(duì)比

4 結(jié)論

本文利用無人機(jī)航測(cè)方式進(jìn)行小麥倒伏災(zāi)害評(píng)估，根據(jù)無人機(jī)獲取的高精度影像的紋理特征判定是否受災(zāi)，此方法在實(shí)際應(yīng)用中獲得了非常好的效果，驗(yàn)證了其可行性。為了進(jìn)一步優(yōu)化方案，提高效率，本文用人工判讀和自動(dòng)分類兩種方法進(jìn)行對(duì)比分析，通過實(shí)際論證得出，在滿足成果質(zhì)量的前提下，自動(dòng)分類結(jié)合少量人工干預(yù)的方法效率比純?nèi)斯づ凶x提高了3倍左右。因此，通過探索得出了一種高效的方法用于小麥倒伏災(zāi)害評(píng)估，可為以后類似工作提供參考。