劉俊峰，陳仁升，2，韓春壇，郭淑海，劉章文，王學(xué)良，3，卿文武

（1.中國(guó)科學(xué)院西北生態(tài)環(huán)境資源研究院，甘肅 蘭州 730000；2.西北大學(xué)，陜西 西安 710127；3.甘肅省水文站，甘肅 蘭州 730000；4.蘭州大學(xué)，甘肅 蘭州 730000）

0 引言

積雪是重要的淡水資源，是我國(guó)西北地區(qū)河流的重要補(bǔ)給來(lái)源之一［1-2］。非適時(shí)、過(guò)量或急劇消融的積雪會(huì)引發(fā)相關(guān)災(zāi)害，導(dǎo)致人員傷亡和經(jīng)濟(jì)損失［3-5］。但是，目前積雪地面監(jiān)測(cè)薄弱，難以滿足科研和行業(yè)應(yīng)用的需求。已有學(xué)者開展積雪特性及分布調(diào)查［6］，干旱區(qū)融雪洪水災(zāi)害監(jiān)測(cè)預(yù)報(bào)和防控關(guān)鍵技術(shù)研究［3］，豐富積雪特征和動(dòng)態(tài)變化數(shù)據(jù)，以期提高積雪和融雪洪水監(jiān)測(cè)預(yù)警能力。

攝影測(cè)量學(xué)是通過(guò)不同角度拍攝物體表面相片來(lái)還原點(diǎn)的空間位置，然后利用足夠多的空間點(diǎn)重構(gòu)物體形狀的一門信息科學(xué)［7］。其發(fā)展經(jīng)歷了模擬攝影測(cè)量、解析攝影測(cè)量和數(shù)字?jǐn)z影測(cè)量三個(gè)階段。攝影測(cè)量作為一種有效的地表過(guò)程觀測(cè)手段，適用于不同時(shí)空尺度的監(jiān)測(cè)研究：時(shí)間上從秒到年內(nèi)和年際變化；空間上可以從亞毫米到千米尺度變化［8］。這種監(jiān)測(cè)手段不僅為地表過(guò)程提供精確的監(jiān)測(cè)數(shù)據(jù)，還可以為模型的開發(fā)驗(yàn)證提供更為可靠的驗(yàn)證數(shù)據(jù)。同時(shí)攝影測(cè)量可以實(shí)現(xiàn)遠(yuǎn)程控制、無(wú)接觸測(cè)量，省時(shí)省力。因此，攝影測(cè)量方法的應(yīng)用研究非常廣泛［9］。其中，攝影測(cè)量在積雪研究中的應(yīng)用包括：獲取積雪空間分布［10-15］、積雪歷時(shí)［16］、雪深［17-22］、積雪截留量［23-24］、反照率參數(shù)化［25-26］、風(fēng)吹雪［27-28］、粗糙度［29-30］等諸多信息。研究獲取的積雪數(shù)據(jù)從2D［17-18］擴(kuò)展到目前的4D（時(shí)間+空間）信息［22，31-33］，預(yù)計(jì)在未來(lái)積雪研究中的應(yīng)用前景廣泛［34］。

相比國(guó)際，國(guó)內(nèi)積雪攝影測(cè)量應(yīng)用研究起步較晚，研究范圍也僅限于小尺度積雪空間分布信息［35-37］和雪深提?。?8］。由于缺乏成熟的4D監(jiān)測(cè)設(shè)備，國(guó)內(nèi)仍缺乏積雪4D監(jiān)測(cè)研究。國(guó)際上，積雪4D監(jiān)測(cè)研究主要利用3臺(tái)以上相機(jī)，從不同角度拍攝2D相片，基于運(yùn)動(dòng)結(jié)構(gòu)重建算法（Structure from motion，SfM），還原出相片中的三維場(chǎng)景，監(jiān)測(cè)積雪相關(guān)特性的變化。本研究嘗試?yán)脝闻_(tái)相機(jī)，結(jié)合延時(shí)攝影、自動(dòng)控制等技術(shù)，長(zhǎng)時(shí)序、多角度拍攝積雪相片，利用SfM算法獲取包括積雪面積、雪深等信息和空間分布的動(dòng)態(tài)變化過(guò)程，從而提高積雪相關(guān)特性和動(dòng)態(tài)變化監(jiān)測(cè)能力，為積雪觀測(cè)及其相關(guān)融雪洪水等相關(guān)災(zāi)害預(yù)報(bào)預(yù)警提供可靠的監(jiān)測(cè)方法和手段。

1 積雪4D攝影測(cè)量試驗(yàn)方法

1.1 4D攝影測(cè)量原理

4D攝影測(cè)量利用單臺(tái)相機(jī)或多臺(tái)相機(jī)，長(zhǎng)時(shí)序、多角度的拍攝被測(cè)區(qū)域，以獲取重疊的影像數(shù)據(jù)，結(jié)合傳統(tǒng)攝影測(cè)量算法或SfM算法重建長(zhǎng)時(shí)間序列的3D信息［31-33，39］。SfM算法是直接將攝影測(cè)量與計(jì)算機(jī)視覺算法結(jié)合，對(duì)具有時(shí)間序列的多角度、多位置、有重疊的影像自動(dòng)提取共有特征點(diǎn)，利用影像明顯的特征點(diǎn)進(jìn)行空間點(diǎn)位置解算和提取，進(jìn)而得到空間點(diǎn)云以重建物體的3D模型。同時(shí)，通過(guò)特征點(diǎn)信息反推相機(jī)位置和角度、相機(jī)的焦距和每張影像的畸變參數(shù)［40-41］?；赟fM算法的3D建模軟件包括Pix4D，Agisoft PhotoScan，LiMapper，Bundler，Visual SFM等。相比較傳統(tǒng)攝影測(cè)量和激光雷達(dá)等測(cè)量手段，基于SfM的攝影測(cè)量方法具有操作簡(jiǎn)單，快速、便捷、成本低，而且精度與激光雷達(dá)相當(dāng)或更優(yōu)的特點(diǎn)［9，42］。本研究采用單臺(tái)相機(jī)以固定頻率、多角度延時(shí)拍攝重疊的照片組，結(jié)合SfM算法獲取積雪信息。

1.2 測(cè)量裝置

測(cè)量裝置示意圖見圖1。相機(jī)和滑軌安裝在距離地面一定高度的梯形支架上，其中相機(jī)固定在1.5 m軌道的滑塊上。利用控制器模塊控制軌道電機(jī)，以此精確控制滑塊在軌道上移動(dòng)的距離和方向，當(dāng)負(fù)載有相機(jī)的滑塊移動(dòng)到預(yù)設(shè)的位置，利用定時(shí)快門控制相機(jī)在該位置拍攝相片。依次循環(huán)往復(fù)，設(shè)定相機(jī)在滑軌的7個(gè)等距位置分別拍攝7張相片［圖1（a）］。拍攝采用佳能EOS1100D相機(jī)，相片分辨率設(shè)定為3 456×5 184像元，快門速度同為1/160 s-1。相機(jī)焦距及光圈設(shè)定根據(jù)試驗(yàn)場(chǎng)地不同略有差異：試驗(yàn)點(diǎn)一位于黑河上游站峽谷，拍攝面積較大，因此焦距用膠帶固定設(shè)置為20 mm。由于該實(shí)驗(yàn)點(diǎn)反照率低，光線較暗，光圈設(shè)定為f8。試驗(yàn)點(diǎn)二位于祁連山八一冰川，拍攝范圍小，焦距固定在30 mm。鑒于雪面反照率高，光照條件好，積雪期可達(dá)11個(gè)月，所以光圈設(shè)定為f29。相機(jī)供電根據(jù)試驗(yàn)點(diǎn)條件不同有所差異：試驗(yàn)點(diǎn)一有市電，因此將220 V交流電轉(zhuǎn)化為24 V直流電為軌道及相機(jī)供電；試驗(yàn)點(diǎn)二則采用太陽(yáng)能+120 AH膠體電池供電。

圖1 測(cè)量裝置示意圖Fig.1 Schematic diagram of measuring device：4D SfM photogrammetry camera location and image overlap（a）；the 4D SfM photogrammetry device（b）

1.3 試驗(yàn)場(chǎng)地

本次研究選取兩個(gè)試驗(yàn)點(diǎn)：試驗(yàn)點(diǎn)一位于祁連山黑河上游生態(tài)-水文試驗(yàn)研究站院內(nèi)山坡裸地處（99.88° E，38.27° N，2 998 m），監(jiān)測(cè)范圍約21 m×30 m，監(jiān)測(cè)時(shí)段為2020年11月21日至30日，每日16：00拍攝（北京時(shí)間，下同）。試驗(yàn)點(diǎn)一地表有稀疏的禾本植被，在拍攝相片時(shí)候，這些植被極易受風(fēng)吹、降雨等天氣影響，進(jìn)而影響后期獲取影像和DEM的精度。為此，試驗(yàn)前對(duì)草地進(jìn)行了刈割。由于監(jiān)測(cè)面積較大，本次試驗(yàn)布設(shè)了10個(gè)控制點(diǎn)分布在其周邊［圖2（a）］。試驗(yàn)點(diǎn)二位于祁連山八一冰川東側(cè)，地勢(shì)平坦，無(wú)植被覆蓋（98.88° E，39.02° N，4 700 m），監(jiān)測(cè)范圍為1.5 m×1.5 m斑塊尺度的積雪動(dòng)態(tài)變化過(guò)程，監(jiān)測(cè)時(shí)段從2019年9月1日至2020年8月31日，監(jiān)測(cè)頻次為每日4次。由于試驗(yàn)點(diǎn)二雪深季節(jié)波動(dòng)大，為此選用分別位于被測(cè)區(qū)域的四個(gè)角的1 m長(zhǎng)測(cè)桿作為控制桿，8個(gè)控制點(diǎn)分別位于4根測(cè)桿0.05 m到1.00 m高度上［圖2（b）］。

圖2 兩個(gè)不同現(xiàn)場(chǎng)研究地點(diǎn)及其控制點(diǎn)的位置Fig.2 Locations of the two different field study sites and its control points：the first field test site is located atthe bare slope of Qilian Alpine Ecology and Hydrology Research Station（a）；the second field test site is located at the east part of the August-one ice cap（b）

1.4 技術(shù)流程

積雪4D監(jiān)測(cè)技術(shù)流程主要包括：（1）地面控制點(diǎn)布設(shè)及定標(biāo)。本次研究采用Leica D110激光測(cè)距儀測(cè)算了試驗(yàn)點(diǎn)一的10個(gè)控制點(diǎn)的相對(duì)坐標(biāo)；試驗(yàn)點(diǎn)二則利用卷尺測(cè)算了每個(gè)控制點(diǎn)的相對(duì)坐標(biāo)。（2）照片質(zhì)量控制。由于雪面紋理特征相對(duì)單一，特別是曝光過(guò)度以及模糊的照片組對(duì)齊難度很大，所以要剔除此類照片。（3）將篩選的照片組進(jìn)行控制點(diǎn)定位，利用PhotoScan軟件進(jìn)行空間解算計(jì)算稀疏點(diǎn)云。（4）計(jì)算密集點(diǎn)云，并進(jìn)行質(zhì)量控制，剔除奇異點(diǎn)。（5）利用點(diǎn)云數(shù)據(jù)生成數(shù)字高程模型（Digital elevation model，DEM）和正射影像數(shù)據(jù)。（6）利用正射影像數(shù)據(jù)，計(jì)算積雪面積。（7）利用積雪期DEM減去無(wú)雪期DEM，生成雪深數(shù)據(jù)DOD（Difference of DEM），據(jù)此計(jì)算并得到試驗(yàn)點(diǎn)平均雪深。

2 結(jié)果

2.1 4D攝影測(cè)量精度

2.1.1 試驗(yàn)點(diǎn)一雪深監(jiān)測(cè)精度

2020年11月21日人工觀測(cè)降雪量為4.6 mm，早上08：00雪深為3.0 cm，下午不足1.0 cm。利用21日積雪首日DEM和無(wú)雪期DEM計(jì)算21日DOD雪深數(shù)據(jù)［圖3（a）］，坡面尺度平均雪深為0.7 cm，標(biāo)準(zhǔn)差為5.8 cm。根據(jù)圖3數(shù)據(jù)可知，盡管平均雪深與人工觀測(cè)相當(dāng)，但雪深分布數(shù)據(jù)呈現(xiàn)較大差異，有39%的DOD柵格在0～3.0 cm之間，而42%的DOD柵格雪深小于0 cm［圖3（b）］。由此可見，當(dāng)雪深較薄時(shí)，4D攝影測(cè)量獲取雪深空間分布負(fù)值較多，可靠性差。

圖3 利用DOD獲取的2020年11月21日積雪分布及雪深分布頻率Fig.3 The spatial distribution of snow depth and distribution frequency of snow depth calculated based on DOD data，on November 21，2020：spatial distribution of snow depth（a）；distribution frequency of snow depth（b）

2.1.2 試驗(yàn)點(diǎn)二監(jiān)測(cè)精度

試驗(yàn)點(diǎn)二積雪量大，雪面反照率較高，雪面特征點(diǎn)少，給影像自動(dòng)對(duì)齊帶來(lái)挑戰(zhàn)。本研究總共獲取了1 090個(gè)照片組（7 630張照片）。利用Photoscan軟件進(jìn)行了自動(dòng)對(duì)齊后，168組由于雪面曝光過(guò)度、凝結(jié)或凝華遮擋相機(jī)鏡頭視線造成對(duì)齊失敗。922組照片成功對(duì)齊并獲取了點(diǎn)云數(shù)據(jù)。從逐月對(duì)齊的成功率來(lái)看，2019年9月1日至9月11日試驗(yàn)點(diǎn)為裸地，對(duì)齊成功率100%。9月12日至10月中旬，試驗(yàn)點(diǎn)降雪增多，消融減弱，雪面特征點(diǎn)少，對(duì)齊成功率隨之降低到92.5%。10月中旬后期到次年3月，降雪稀少，加之風(fēng)吹雪造成雪面特征點(diǎn)和紋理豐富，對(duì)齊成功率較高，達(dá)到97%以上。2020年4至6月，試驗(yàn)點(diǎn)降雪頻次增加，新雪表面特征點(diǎn)少導(dǎo)致對(duì)齊成功率逐漸降低至58%（表1）。進(jìn)入7月后，試驗(yàn)點(diǎn)積雪差異化消融造成雪表面特征和紋理增加，照片組對(duì)齊成功率相對(duì)6月略有增加，達(dá)到64%。

表1 不同月份照片組對(duì)齊比例變化Table 1 Alignment achievement in different month

利用SR50超聲探頭觀測(cè)雪深驗(yàn)證試驗(yàn)點(diǎn)二4D攝影測(cè)量觀測(cè)雪深精度。研究表明：4D攝影測(cè)量獲取的雪深與SR50測(cè)量的雪深有很好的一致性（圖4，R=0.98，P＜0.01）。不同時(shí)段分析4D攝影測(cè)量誤差表明：1月到3月雪面紋理清晰，降雪較少，試驗(yàn)點(diǎn)二的老雪有利于攝影測(cè)量方法獲取高精度的雪深數(shù)據(jù)，相對(duì)誤差為-3.8 cm。4至6月份，由于降雪增多，雪面紋理和特征點(diǎn)減少，4D攝影測(cè)量獲取的雪深數(shù)據(jù)誤差增加至8.1 cm。夏季7—9月試驗(yàn)點(diǎn)二降雪頻繁，但雪面快速消融增加了雪面紋理和特征點(diǎn)，相對(duì)誤差降低到0.5 cm。冬季10到12月份，試驗(yàn)點(diǎn)二整體降雪少，距離地面2 m高處的觀測(cè)平均風(fēng)速可達(dá)5.0 m·s-1，強(qiáng)風(fēng)引起風(fēng)吹雪過(guò)程和雪面紋理增加，從而提高了4D攝影測(cè)量雪深觀測(cè)精度，其相對(duì)誤差為1.4 cm（表2）?？傮w而言，全年相對(duì)誤差為1.4 cm，絕對(duì)誤差為3.4 cm，均方根誤差為3.1 cm。以上結(jié)果說(shuō)明4D攝影測(cè)量方法在斑塊尺度積雪觀測(cè)精度很高；在不同季節(jié)受降水、風(fēng)和消融影響，觀測(cè)誤差有差異，其中積累期（4—6月）最差，無(wú)降雪期（冬季11月—次年2月）以及消融期（7—9月）觀測(cè)精度相對(duì)較高。

圖4 SR50觀測(cè)的與4D攝影測(cè)量獲取的雪深數(shù)據(jù)對(duì)比Fig.4 Consistency between observations of snow depth derived by SR 50 and the 4D SfM photogrammetry method

表2 4D攝影測(cè)量獲取的雪深精度統(tǒng)計(jì)數(shù)據(jù)Table 2 Statistics of the accuracy of snow depth obtained by T-SfM method

2.2 積雪4D監(jiān)測(cè)結(jié)果

2.2.1 試驗(yàn)點(diǎn)一積雪動(dòng)態(tài)變化

圖5展示了試驗(yàn)點(diǎn)一2020年11月21日至30日逐日積雪空間分布動(dòng)態(tài)變化過(guò)程。積雪面積提取采用目視判讀，利用ArcMap軟件手動(dòng)數(shù)字化積雪和無(wú)雪區(qū)。然后利用積雪區(qū)矢量圖計(jì)算積雪面積變化（圖6）。從積雪空間動(dòng)態(tài)分布可以看出，逐日的未消融積雪區(qū)分布前后一致，利用4D攝影測(cè)量能夠準(zhǔn)確獲取坡面尺度積雪空間分布。

圖5 4D攝影測(cè)量正射影像捕捉的坡面尺度逐日積雪空間分布Fig.5 4D SfM photogrammetry captured daily snow cover distribution over slop scale

圖6 利用4D攝影測(cè)量獲取的坡面尺度積雪面積變化Fig.6 Variation of snow covered area derived by 4D SfM photogrammetry

2.2.2 試驗(yàn)點(diǎn)二積雪動(dòng)態(tài)變化

利用積雪期逐日DEM數(shù)據(jù)減去無(wú)雪期的DEM得到逐日DOD，算術(shù)平均DOD得到逐日平均雪深（圖7）。從雪深變化可以看出，4D攝影測(cè)量能夠很好地反映冬季積雪平穩(wěn)期、春季積累期以及夏季消融期的雪深變化。但在積累期4—6月成功對(duì)齊的照片組比例較低，導(dǎo)致雪深缺測(cè)比例最高。

圖7 利用4D攝影測(cè)量獲取試驗(yàn)點(diǎn)二2019-09-01—2020-08-31雪深變化Fig.7 Snow depth derived by 4D SfM photogrammetry in the second study site from September 1，2019 to August 31，2020

此外，利用獲取的DEM數(shù)據(jù)，還可以獲取斑塊尺度積雪表面高程信息，分析積雪表面的形態(tài)特征。圖8給出了新雪、風(fēng)吹雪和差異化消雪面的基本形態(tài)特征。利用這些DEM數(shù)據(jù)不僅可以計(jì)算雪面積累、消融和雪面粗糙度等多種信息，還可以用于風(fēng)吹雪和雪表粗糙度演化等過(guò)程的研究。

圖8 利用攝影測(cè)量獲取斑塊雪面表面高程數(shù)據(jù)Fig.8 The snow surface features and their corresponding DEM derived by 4D SfM photogrammetry：wavy wind blown snow surface（a）；fresh snow surface DEM（b）；snow waves formed after blowing snow event（c）；DEM corresponding to wavy wind blown snow waves（d）；blowing snow erosion formed snow bedforms（e）；DEM of snow bedforms（f）；melting snow surface（g）；DEM of melting snow surface（h）

3 結(jié)論

（1）兩個(gè)試驗(yàn)點(diǎn)的研究結(jié)果表明：在山坡尺度，4D攝影測(cè)量可以準(zhǔn)確獲取積雪的空間分布及積雪面積信息。而在斑塊尺度，4D攝影測(cè)量還可獲取包括雪深在內(nèi)的動(dòng)態(tài)變化過(guò)程。

（2）不同月份照片組攝影測(cè)量對(duì)齊成功率不同：裸地成功率最高，風(fēng)吹雪表面對(duì)齊成功率次之，新雪表面的對(duì)齊成功率最低。DEM精度在無(wú)降雪期和消融期相對(duì)較高，積累期精度較差。

（3）盡管受拍攝視角和范圍影響，地面積雪4D攝影測(cè)量范圍有限，但是單臺(tái)相機(jī)4D攝影測(cè)量具備高精度多目標(biāo)的積雪監(jiān)測(cè)能力，優(yōu)于目前的諸多地面積雪監(jiān)測(cè)儀器設(shè)備。為增加監(jiān)測(cè)范圍和提高監(jiān)測(cè)精度，可以嘗試?yán)枚嗯_(tái)相機(jī)從不同角度開展4D攝影測(cè)量研究。