無人機在高潛水位采煤沉陷土地測繪中的應用

陳佳樂 肖 武,2 任 河 孫浩軒 張純夢 韓 森

(1.中國礦業大學(北京) 土地復墾與生態重建研究所, 北京市海淀區，100083；2.浙江大學公共管理學院，浙江省杭州市，310058)

煤炭是我國的主體能源，煤炭資源90%以上的產量來自于井工開采，且多采用走向長壁全部垮落法開采，地表不可避免地產生下沉，造成大量土地的沉陷損毀。我國東部礦區多為高潛水位礦區，且煤炭區和糧食區的復合面積較大，煤炭開采對地表造成的擾動致使大量優質耕地塌陷變成了積水區。加強對高潛水位礦區地表的實時監測，有助于選擇合適的復墾時機以及復墾技術，并采取有效的復墾方式，從而提高耕地恢復率，為改善地表生態環境以及景觀格局優化等規劃提供良好的借鑒。

對于高潛水位礦區的地形測量與監測，以往多采用全站儀與水準儀等傳統測繪手段，由于受到開采沉陷地面積水的影響，增加了傳統測繪作業的難度。加之受到地理環境的影響，僅靠測量人員進行測量，時間周期較長，且測量范圍有限。近10年來，InSAR、DInSAR、三維激光掃描技術以及GPS-RTK等技術都廣泛的應用于采煤沉陷地的土地測繪中。李強等人利用三維激光掃描技術對礦區采煤塌陷地的形變進行了監測；呂麗萍將改進后的RTK計算機技術應用到礦區的采煤沉陷地的測量中，并結合實地測量數據對其進行誤差分析和精度評估；于知立基于InSAR數據對雙鴨山煤礦沉陷進行了時間序列的監測，分析得到了一定的采煤沉陷規律；李愛國采用DInSAR技術對礦區地面沉降進行了實驗研究，獲取了DEM高程偏差及地表沉降的發育情況，并結合地面測量結果進行了分析。以上技術都顯著提高了測量的效率，但仍存在一些缺陷。比如RTK技術在植被茂盛的區域會有信號丟失的情況，而InSAR技術在地面快速沉降區域的失干涉也一直是無法解決的難題，三維激光掃描儀使用相對復雜，且在平原地區其應用也受限。

為了進一步探討無人機影像在高潛水位礦區采煤沉陷地土地測繪中的應用，本文以山東省濟寧市東灘煤礦3304工作面為例，利用無人機航測獲取研究區高分辨率影像，處理后得到研究區的正射影像和數字高程模型，并結合地面RTK測量數據對兩種測繪方式獲得的DEM進行了精度分析。

1 研究方法

1.1 研究區概況

東灘煤礦位于山東省濟寧市境內，跨兗州、鄒城、曲阜三市(縣)，地理位置為116°50′49″～116°56′56″E，35°24′11″～35°31′25″N。地處魯中低山丘陵到平原洼地的過渡地帶，整體地勢由東北向西南逐漸降低，潛水埋深為2 m左右，屬于高潛水位礦區。礦區內土壤類型多為褐土，土質較好，土壤肥沃，耕性良好，是重要的糧食產區。礦區內主要河流有白馬河與泥河，向南流入南陽湖，均為季節性河流。研究區為東灘煤礦3304工作面開采影響的范圍，并將研究區分為常年積水區、季節性積水區、非積水區3個部分，研究區概況如圖1所示。

圖1 研究區概況

其中3304大采高綜放工作面位于三采區南部3號煤層，工作面走向長約為1064～1161 m，傾向寬約為260 m，地面標高為+50.16～+51.28 m，平均高度為+50.72 m，開采標高為-519.1～-476.5 m，平均高度為-497.8 m。所采煤層煤厚度為7.60～10.50 m，平均厚度為8.30 m，煤層傾角為2°～6°，平均傾角為4°，煤層傾角較為平緩。自2014年8月開始開采這個工作面后，地面已經形成了大面積的沉陷區，加之潛水位較高而匯集成為大水面，南北方向也建成了一條隨塌隨墊的公路用以連接北宮和北店兩個自然村。沉陷區內常年積水，水生動物、植物豐富，邊緣為沼澤和濕地，水生植物分布密集。

1.2 數據的獲取

1.2.1 航測數據的獲取

(1)航測方案的規劃及實施。本次航測采用的是大疆M100四旋翼無人機，該無人機最大載重為1.5 kg，最大飛行高度為500 m，GPS模式下無負載最大飛行速度為17 m/s，機身采用碳纖維材料，靈活輕盈，續航時間最長可達40 min，飛行平臺可靈活擴展，具備二次開發功能，且M100配備穩定的飛控和GPS定位功能，使飛行姿態更加平穩，保證按照預設航線飛行。無人機搭載大疆X3云臺相機，有效像素為1240萬，單個像素大小為1.55 μm，傳感器焦距為3.6 mm，快門速度為8～1/8000 s，照片最大分辨率為4000×3000。經現場踏勘后，利用大疆GS-pro 地面站來規劃整個航測方案，參照低空數字航空攝影規范，確定重疊度(航向為80%、旁向為60%)，考慮要覆蓋到整個積水區域和后期處理過程中邊緣部分容易發展畸變，最終確定航測范圍為2.12 km2，主航線15條，航線走向為東西走向，相對航高120 m，絕對航高170 m，分辨率為4.99 m/pix，飛行速度為10 m/s。實施時間為2017年10月15日，此時地面玉米剛收割完畢，主要以裸土為主。測區天氣晴朗無風，作業條件良好，起飛時間選擇在上午11點，符合航測最佳時間段標準，整個航測任務共耗時55 min 59 s，共拍攝照片811張。

為了保證后期的成圖精度，航飛前在測區布設控制點13個，其中像控點8個，檢核點5個。控制點應均勻分布在整個測區范圍內，盡量不共線，控制點先用石灰粉布設成1 m×1 m的十字絲，然后在十字絲中央釘入15 cm長的木樁，再在木樁的中央釘入鋼釘，后采用GPS-RTK(南方銀河一號)進行控制點的實測。 控制點分布見圖2。

圖2 控制點分布

1.2.2 地面測量數據的獲取

在進行航測的同時，在研究區內利用RTK-GPS(南方銀河一號)接入山東省CORS網，并經過礦區已知點校正，同步進行碎部點測量，為保證后期生成DEM精度可靠，除去常年積水區無法深入，其它部分均按照10 m×10 m的格網覆蓋，其中在特殊的地形地貌進行加密至5 m，如測區主要道路、陡坡、沉陷地邊緣等。因測區較大，地面測量共耗時3 d，共測得4535個點。

原來，那天我見到的小女孩名叫妮妮，是沙莉上大學時做家教輔導的學生。似乎聽說她爸爸職位很高，但沙莉從未和妮妮的爸爸見過面。她每次去給妮妮上課都是在下午，她爸爸都不在家。

1.3 數據處理過程

1.3.1 航測數據的處理

基于運動恢復結構算法、計算機視覺與攝影測量學原理，可在不依賴相機校驗或其它先驗信息提供位置、姿態或幾何關系前提下，更好地將序列航測影像重建為三維模型，重構像點位置、相機內外方位元素和場景的三維模型，經地面像控點的絕對坐標實現影像校正，有些地區甚至可免像控達到工程制圖要求。許多此類軟件已被驗證和應用，包括Pix4Dmapper 和Agisoft PhotoScan、inpho等。本次實驗數據的處理選用Pix4Dmapper Pro，系統自帶平差系統，無需借助第三方軟件轉換，結果可以直接導入ENVI、Arcgis等軟件。

選8個像控點，通過初始化處理、點云和紋理、DSM和正射影像這3步，輸入有限的約束條件可得高精度三維重建模型DTM、DSM和DOM，其中數字高程模型(DEM)即地形表面形態的數字化表達，它是用一組有序數值陣列形式表示地面高程的一種實體地面模型，是數字地面模型DTM的一個分支；數字表面模型(DSM)指物體表面形態以數字表達的集合,其中DEM必須是高程信息，是地表的模擬，一般來說，需要對DSM進行加工，去掉房屋、植被等信息，才能得到DEM；數字正射影像(DOM)是對航空(或航天)相片進行數字微分糾正和鑲嵌，按一定圖幅范圍裁剪生成的數字正射影像集，它是同時具有地圖幾何精度和影像特征的圖像。本研究區無人機獲取數據時期范圍內絕大部分區域已完成小麥收割，地面裸露，無人機影像處理得到的DSM在地表裸露處只表達地面高程這一要素，等同于DEM。

1.3.2 地面測量數據的處理

在完成RTK實地測量后，在室內利用銀河一號RTK配套軟件將數據導出dat文件，在EXCEL中轉換格式后導入ARCGIS，然后進行展點，并給其賦予坐標系，此處選用的是中央經線為東經117°的高斯-克呂格投影的三度帶分帶的西安80坐標系，該坐標系統和無人機影像的地面控制點的坐標一致，以方便后期將2個DEM校正到同一坐標系統下。最后在ARCGIS中利用工具3D Analyst-Data Management-TIN生成所有點的高程數據的TIN，接著利用工具Transfer-From Tin To Raster生成地面測量數據覆蓋區域的DEM。

2 結果和分析

無人機攝影測量相比較傳統的地面測量有一些優勢，其中最主要的一點是，當照片在空中被獲取到，一些其它的飛行信息也同時被記錄下來，例如飛行的高度、相片的坐標、飛機的瞬時速度等，這些信息是屬于照片的外方位元素。在處理圖像之前還要注意消除各種錯誤，例如色差、噪音和畸變等。經過對影像優化后，相片會在軟件中自動對齊，隨后利用地面控制點對其精確校準。航拍影像處理的最終結果就是能夠表示三維模型的點云，然后這些點云被輸出到ASCII編碼的文本文件中，在輸出中，除了坐標之外，還有與RGB顏色模型中的像素的真實顏色有關的數據，點的顏色是來自航拍照片。這些點都被用來形成一個連續的表面網格模型，無人機影像生成DEM如圖3所示。

圖3 無人機影像生成DEM

與此同時也通過地面RTK測量得到的點獲得連續的表面網格模型，RTK數據生成DEM如圖4所示，空白處為水域，無法進入。

圖4 RTK數據生成DEM

為了評定無人機攝影測量生成模型的精度，選取5個實測的地面檢核點的坐標與從無人機影像生成的模型上提取對應的檢核點的坐標進行對比，平面精度和高程精度對比結果見表1。

表1 平面精度和高程精度對比結果 m

由表1可以看出，就平面誤差而言，X、Y方向最大誤差分別為0.066 m和0.073 m，平均誤差分別為0.022 m和0018 m，因此檢驗核對結果均符合規范中1∶500比例尺的平面精度限差(≤0.175 m)。其中較大誤差值都是在16、17號點位出現，這是由于這兩個檢核點所在位置周圍有高大樹木，如圖2中所示，故而影響了測量時信號的接收，導致了點位的精度變低。Z方向的最大誤差為0.016 m，平均誤差為0.075 m，也基本滿足1∶500比例尺制圖的高程限差(≤0.15 m)。航測地面檢核點的整體精度用RMSE(均方根誤差)來表示，采用RMSE來評價數據的整體精度，RMSE決定了地面RTK測量的高程數據與無人機影像生成的DEM數據之間的偏差分布，RMSE值更低說明兩組數據的偏差更低，即觀測值更接近于真值。此次航測地面檢核點的X、Y和Z方向的均方根誤差分別為0.0332 m、0.0329 m、0.0929 m。根據Pix4Dmapper軟件的成圖精度規范，檢核點的均方根誤差應小于兩倍的地面分辨率GSD(Ground Simple Distance)，而本次無人機影像的地面分辨率是0.05 m,各方向上的RMSE均小于2GSD=0.1 m，滿足成圖精度的要求。

2.1 無人機影像DEM精度分析

將圖3和圖4在Arcgis中校正到同一坐標系下，然后進行柵格差值計算，得到兩個模型整體的比較結果，DEM差值整體分布如圖5所示。

由圖3和圖4可以看出，普通地面測量無法對研究區內常年積水區進行詳細測繪，而無人機攝影測量獲得的DEM在測區整體細節表達上更加詳盡，可以很好地捕捉到諸如常年積水區內植被、季節性積水區地貌及非積水區內道路網、陡坡等特殊和復雜的地表特征，季節性積水區植被茂盛，影像獲取的DSM帶有植被高度，而RTK測量DEM只是地表的高程信息；非季節性積水區陡坡與道路網坡度變化顯著，需要足夠多的點位信息來表達，無人機獲取的點位信息遠多于地面測量，生成的DEM精度也較高，導致研究區內季節性積水區和非積水區的道路和陡坡區域無人機影像DEM與RTK測量DEM相差最大。因此，只依靠常規的測量方式對高潛水位采煤沉陷地的測繪是不太可行的，且此類方法技術難度大、耗時長、成本高。

圖5 DEM差值整體分布

為了更清楚地表達無人機攝影測量生成的DEM與RTK測量DEM的差值出現的區域和比例，特將2個DEM之間的所有的點的誤差值分為以下幾個范圍：△H≤0.05 m，△H≤0.15 m，△H≤0.30 m，△H≤0.55 m，并繪制出各等級誤差點云的分布圖, 各等級誤差點云的分層次表達如圖6所示，各等級誤差點云個數及比例見表2。

表2 各等級誤差點云個數及比例

圖6 各等級誤差點云的分層次表達

研究表明, 整個研究區內74.20%的點云數據滿足平原1∶1000比例尺的制圖精度要求(≤0.28 m)，無植被覆蓋的非積水區內點云數據基本能滿足平原1∶500比例尺的制圖精度要求(≤0.15 m)。此外，無人機影像DEM較RTK測量DEM的誤差分布規律為：距積水區越遠，地表植被覆蓋度越低，成圖精度越高，距水域最遠的非積水區內，地表為裸土，其誤差分布在0～0.15 m,占整體的41.22%；在稀疏植被覆蓋的季節性積水區內，誤差分布上升到0.15～0.30 m，占整體的35.7%；而在茂盛植被覆蓋的季節性積水區內，誤差分布為0.3～0.55 m，占整體的20%，其原因主要是由于低空無人機攝影測量獲取了植被頂部的高程信息，而實際測量的是植被根部的地表高程所致。此方法在植被覆蓋區的測圖精度不足，在今后采煤塌陷地測繪中，可考慮提前對沉陷地內的植被種類、高度和分布面積等信息做好調查工作，以便在后期影像處理過程中，利用該信息加工影像DSM，去除植被高度信息影響的同時，提高制圖精度和節約成本。

3 結論

本文采用無人機采集研究區的航空影像，經Pix4Dmapper Pro軟件生成了具備地理信息的正射影像和地面采樣距離為0.05 m高清DTM，并結合地面RTK測量數據生成的DEM，對影像生成的DEM進行了誤差分析和精度評定，研究結果如下：

(1)在高潛水位采煤塌陷地應用中，利用無人機測繪平面制圖精度可滿足礦區大比例尺的要求，在無植被覆蓋區總體能滿足1∶1000比例尺及以上的成圖精度要求。

(2)針對高潛水位礦區而言，不同于其它地區地形測繪的特征是，采煤沉陷形成的盆地及其邊緣濕地的植被覆蓋對高程精度的影響顯著，未來獲取高精度的地形數據需要提前對植被覆蓋度高的區域做好前提調查工作或采用濾波方法去除植被影響。