無人機傾斜航空攝影監測崩崗侵蝕量變化的方法

周小荃，余宏亮，魏玉杰，胡 節，蔡崇法 ※

（1.華中農業大學資源與環境學院，武漢 430070；2.農業部長江中下游耕地保育重點實驗室，武漢 430070；3.湖北省電力勘測設計院有限公司，武漢 430040）

0 引 言

崩崗是指在水力和重力的綜合作用下，山坡土石體受破壞而崩塌和受沖刷的侵蝕現象[1]。崩崗主要由崩壁，崩積堆和洪（沖）積扇組成[2]，崩崗侵蝕復雜多變，包含重力崩塌、雨滴擊濺、片流沖刷、徑流侵蝕等多種形式[3]，所以對崩崗侵蝕量的精確監測對研究崩崗的發生與發育機理有著重要意義。然而崩崗流域地貌具有深溝陡坡，形態復雜多變，且存在其特有的掏蝕現象[4]，使得監測崩崗的侵蝕量變化十分困難。因此，目前對崩崗侵蝕量監測的研究非常少。1

在侵蝕地貌的監測中，研究人員嘗試將測繪儀器和設備應用于量化侵蝕過程，通過獲取同一區域不同時期重復的地形測量數據，生成多時相的數字高程模型（DEM），并建立相應的算法用以模擬侵蝕過程、估算侵蝕量和預測地形環境變化[5-6]。根據獲取地形數據方式的不同，可將現有的監測質量運移的方法分為3 種：基于全球定位系統（GPS）[7]地形測量法、數字航空攝影測量法(DAP)和三維激光掃描法[8]。在崩崗侵蝕監測中，單點GPS 測量可用于獲得精確的參考數據或者有限區域的地形信息，這種方法可以保證單點精度，但形成DEM 的分辨率很低[7]。三維激光掃描法可以獲得精度極高的點云數據，現有的技術已經可以達到毫米級的位移監測[9]，但設備價格昂貴且儀器龐大沉重，需要固定且平穩的觀測點，在野外工作中十分不便于使用，同時點云數據會受地形和植被等遮擋影響，形成掃描死角從而產生點云空洞，使用時多站點大量的點云數據拼接難度較大、耗時費力[10]。相反，航空攝影可以快速、連續地覆蓋大尺度的區域，獲取高分辨率的正射影像[11]，但是樣本密度不足，無法到達精度，且容易被植被和地形因素影響[12]。

近年來，無人機(unmanned aerial vehicle, UAV)航空攝影測量[13]作為一項測繪新技術，使得地形數據的獲取快捷方便，監測范圍更大效率更高，現在已經被廣泛地運用在了很多需要實景三維建模的領域[14-15]，在崩崗侵蝕方面也開始萌芽[16]，但是在崩崗崩壁崩塌侵蝕量監測方面運用并不成熟。運用在崩崗侵蝕監測中的優勢是：1）無人機可以貼近崩壁、溝道等人為無法靠近的區域飛行，從而獲取全方位、多角度的影像信息，避免視野盲區，解決崩壁崩塌侵蝕數據無法測算的問題，獲取完整的地形信息甚至細節紋理[17]；2）影像經過同名點匹配生成的點云數據量遠小于三維激光掃描法獲取的數據量，因而數據處理、分析更加易于操作；3）相比三維激光掃描儀，無人機價格便宜、易于攜帶，更適合野外測量。

本文對研究區崩崗進行低空傾斜攝影獲取多角度航空影像，通過空三加密處理生成目標崩崗崩壁和崩積堆的三維點云模型。為了達到最優效果，得到更多有用的描述侵蝕過程的數據，使用了兩種方法配合使用來測算崩崗侵蝕量和提取崩崗的空間數據，分析在監測周期內崩崗侵蝕的變化規律；最后使用三維激光掃描儀與無人機同期實測目標崩崗作為參考數據驗證精度。克服航空及傳統測量無法對垂直崖壁進行定量描述的限制，為崩崗侵蝕量定量研究提供比三維激光掃描更簡單快捷的方法，使深入研究崩崗侵蝕成因機理成為可能[18]。

1 材料與方法

1.1 研究區概況

試驗監測崩崗位于湖北省咸寧市通城縣五里鎮程鳳村（113°43'26"E，29°12'18"N），屬于北亞熱帶季風氣候區，年平均氣溫15.5～16.7 ℃，雨季集中在4—8 月，年平均降水量1 450～1 600 mm。該崩崗為活動型崩崗，崩壁向分水嶺侵蝕后退仍在進行中，具有典型瓢形崩崗的各種特征，土壤類型為棕紅壤，崩崗內部植被稀少。

1.2 數據獲取

1.2.1 控制點的布設與選取

在目標崩崗內采用大地坐標系布設控制點，首次測量前使用Trimble R4 GNSS 差分GPS 布設控制網，為避免崩崗快速侵蝕對控制點坐標的影響，共布設10 個控制點（理論上每平方千米3 個控制點即可實現坐標定位），選擇了崩崗附近監測室的4 個角點和崩壁、崩積堆打入六根1 m 長的鐵桿并留出0.3 m 的高度，作為固定點位的控制點。

1.2.2 無人機數據的獲取

數據采集的時間為2018 年6 月到9 月雨季期間，在每月選擇天氣晴朗、風力較小的時間段進行。無人機型號為大疆精靈4pro 準專業無人機，該機型自帶的1 英寸2 000 萬像素CMOS 影像傳感器與云臺集成，配有主、副 2 個遙控器云臺，可控轉動范圍為俯仰-90°至+30°可實現全方位的崩崗監測，無人機及相機的基本參數如表 1 所示。

表1 無人機及相機的基本參數 Table 1 Basic parameters of UAV and camera

在目標崩崗操控無人機如圖1 所示，從距離集水區頂部20 m 處開始操控云臺，在垂直方向上以-10°、-30°、-50°、-70°、-90°，這5 個固定角度，水平方向上360°進行環形全景拍攝，在一個高度拍攝完畢之后降低5 m 再次進行同樣操作；當無人機降低到崩崗集水區高度以下時，操控云臺在垂直方向改為+10°、-10°、-30°、-50°、-70°、-90°這6 個固定角度。從而在每一個高度都能獲得崩壁的完整影像數據，以確保獲取目標崩崗不同位置和不同角度的影像，根據具體地形的不同可以變化拍攝方法，本次實驗最高高度為高于集水區20 m 處，最低高度為距離溝底5 m 處。若崩崗有很深的侵蝕溝，則操控無人機時需緩慢向溝谷內移動并重復以上操作，移動過程中也要進行拍攝。在操作過程中確保在同一高度采集的相鄰影像重疊率超過90%，不同高度采集的影像重疊率超過 60%，在保證安全距離的情況下按照以上操作進行近距攝影，從而獲取崩崗全部影像信息。

圖1 無人機傾斜攝影示意圖 Fig.1 Diagram of UAV oblique photography

依照此方案，對目標崩崗在2018 年6 月15 日，2018年7 月4 日，2018 年8 月1 日，2018 年8 月13 日，2018 年9 月30 日進行了5 次無人機攝影。

1.2.3 參考數據的獲取

依據劉希林等[19]提出的方法， 利用 Z+F IMAGER5006h 三維激光掃描儀與無人機同期使用如圖2所示，同時獲取崩崗高精度點云數據作為參考。測量的關鍵步驟如下：

圖2 三維激光掃描儀測量目標崩崗 Fig.2 Laser scanner for measuring Benggang of target

1） 控制點布設。使用與采集無人機數據一致的控制點。

2）數據拼接與配準。將目標崩崗分為2 站測量，再利用海聯達三維軟件進行多站點拼接，并使用控制點和標靶的大地坐標對儀器內置坐標進行轉換，將所有點云數據統一在真實大地坐標系下，以實現不同站點點云數據的拼接和不同時期點云數據的配準。

3）體積的計算。為了達到能夠作為參考數據的毫米級精度，不抽希點云，通過Arcgis10.0 的3D 分析模塊，采樣密度大，使用LAS 數據集轉TIN（不規則三角網）形成表面。使用ArcGIS 三維分析模塊中的 Area and Volume 工具能夠計算出TIN 表面到任意高程水平面垂直投影下的不規則立柱體的體積。本文以程鳳崩崗最低點主溝溝口高程為底層，從崩崗表面向下作垂直投影形成不規則立柱體，計算前后兩次立柱體的體積之差，即為崩崗侵蝕或沉積量。

1.3 研究方法

如圖3 所示，本文對無人機獲取的影像數據運用Photoscan 進行空三加密處理，生成目標崩崗的三維點云模型；運用SOR 去噪法和人工手動去除植被影響，得到崩壁和崩積堆的完整點云模型；利用點云模型生成數字地形模型（DTM），提取崩崗地形信息，運用多時相連續DEM 相減獲得DOD（Difference of DEMs），從而獲取監測周期內崩崗連續的侵蝕沉積動態變化并找到侵蝕嚴重的部位，再使用2.5D 體積測算方法來細化侵蝕嚴重的崩壁和溝頭部位的侵蝕量作為補充，最終獲得監測期內的總侵蝕/沉積量。并以三維激光掃描儀得到崩崗侵蝕體積數據作為參考值，對崩崗的侵蝕與沉積量測算結果進行精度檢驗，分析在監測周期內短期崩崗侵蝕過程。

圖3 無人機數據監測崩崗侵蝕過程技術路線圖 Fig.3 Technical roadmap of UAV data monitoring collapse erosion process

1.3.1 無人機數據處理

以Photoscan 1.2.5 攝影測量軟件為工具，分別對同一目標崩崗5 期影像數據進行處理。以2018 年6 月15 日的崩崗拍攝影像為例對主要處理步驟進行如下說明：

1） 空三加密

導入影像數據和控制點數據，將參考系設置為WGS-84 坐標系，再導入相機校驗參數文件完成屬性設置。通過Photoscan 軟件對所有照片進行空三加密處理，軟件自動恢復每每張影像片的方位姿態[20]。

2） 點云生成

經過多次試驗嘗試，為了避免數據量過大噪點過多而導致實驗數據處理困難，最終確定將點云生成的“圖像比例”參數設置為“1/2”，“匹配最低數值”設置為“3”，“點密度”設置為“中等”。

3） 點云去噪與輸出

利用觀察法人工手動框選的方式將生成的點云數據中植被、天空、建筑等多余噪聲點刪除進行初步去噪，再使用SOR（statistical outlier removal）去噪法精細去除相機拍攝產生的噪點，最后輸出目標崩崗的三維點云模型圖4a，去噪后的正視圖、俯視圖、斜視圖如圖4b-4d所示。以LAS1.2 格式對包含坐標和顏色信息的點云成果進行輸出，LAS 格式便于使用 CloudCompare 和Arcgis10.4.1 進行多時相點云模型對齊和地形數據提取分析。2018 年6 月15 日的拍攝影像建立的崩崗三維點云模型成果的點云數為14 419 534 個，去噪后只留下崩崗區的點云數為7 419 534 個。

圖4 崩崗三維點云模型 Fig.4 3D point cloud model of Benggang

4） 不同時期點云對齊

由于測算侵蝕量需要不同時期數據的對比，將導出的不同時期點云模型的LAS 文件導入CloudCompare 軟件中，利用CloudCompare 軟件的對齊拼接工具手動選擇已經標定的控制點進行點云配準，使用點與點的距離工具來判定兩期點云的復現性，得到平均均方根誤差為0.000 37 m，可以達到監測崩崗侵蝕要求。

1.3.2 侵蝕量測算方法

計算崩崗侵蝕量的思路是將后一時期的點云數據或柵格數據與前一時期的進行對比，計算點云模型差值的體積。沉積是侵蝕土體在監測期間沒有被運移出崩崗地貌而形成，所以最終得到的正值為沉積的體積量而負值為侵蝕的體積量，兩者相加得到在監測周期內目標崩崗范圍中總共的侵蝕或沉積量。

1） 基于多時相DEM 差分方法

依據文獻[21]曾用方法來計算。多期地形數據中的變化通過創建一個DEM 差值（DOD）來計算。以高程值作為每一個柵格的計算標準，用每一個柵格高程的差值ZΔ 與柵格大小的乘積表示體積量的變化。總的體積變化 0VΔ 計算為[22]

式中AV為參與計算的總面積（m2）；為在柵格（i，j）處的高程變化（m）；n 為在總面積AV中的柵格總數。

2）基于點云2.5D 體積測量法

運用三維點云數據計算體積是很難實現的，因為如何定義物體的邊界是很難解決的問題，一種方法是提取三維點云的凸殼（包絡體），然后再進行計算。但是在點云存在孔、洞的情況下提取和計算就變得十分復雜，所以將點云降維成2.5D 即平面的函數值計算體積。

本文將引入一種基于開源點云處理軟件cloudcompare 的2.5D 體積算法解決崩壁陡坡上崩塌侵蝕和坡腳掏蝕無法計算的問題，將2.5D 點云底面劃分成離散的網格如圖5 所示，計算每個網格對應頂面點云單元的體積并相加求和得到 VΔ 計算方程為

式中S 為網格劃分步長step（m2）；ΔH 為兩期點云中從定義的底面點云到頂面點云在設定方向上的距離(m)。

圖5 點云2.5D 體積計算模型 Fig.5 Point cloud 2.5D volume calculation Model

式中V 為1 個監測周期內的總侵蝕/沉積量。

3）不確定度計算

數字高程模型（DEM）的不確定性因素取決于點云、點密度、表面復雜性和插值方法的準確性，這些不確定因素都會對DEM 的精度產生影響，而DOD 是計算兩組DEM 數據的差值，所以需要考慮DEM 的不確定性并進行誤差分析才能得到可靠地結果。

通常情況下通過平差得到的控制點的總均方根誤差用來評估轉換誤差數值[23]。由兩組DEM 將不確定度傳播到DOD 中的共同誤差估算公式如下[24]：

在地貌分析領域關于DOD 不確定性閾值估算的研究已有較為成熟的研究，根據本試驗的特點選用最低等級的檢測方法（LODmin），即假定DOD 不能準確的計算高程范圍在- LODmin～+ LODmin之間的土體變化，該范圍內有許多不正確的高程變異點，在最終的計算結果中刪去。在本次試驗中設定[25]。

4）泥沙量的計算

將得到的侵蝕體積根據不同部位不同的容重進行產沙量的計算，公式如下[26]：

式中SP 為產沙量（kg），ED 為高程差之和(m)，GR 為柵格分辨率(m)，Bd=沉積體或侵蝕體的容重(kg/m3)，V為侵蝕或沉積的總量（m3）。

2 結果與分析

5 次飛行任務后采集的影像結果如下表2 所示。每次采集的影像在300 張左右，圖像校準成功率接近100%。地面分辨率最優可以達到0.016 5 m 到達厘米級。地面控制點在所有圖像中都至少有2 個可以標記。5 組地面控制點的平均重投影誤差為0.00 679 m，總均方根誤差的平均值為29.46 mm。根據式（3）將總均方根誤差的平均值帶入每期DEM 中計算得出LODmin為42 mm。

表2 拍攝影像的基本信息 Table 2 Basic information on photographing images

2.1 崩崗數字地形模型的構建與地形信息的提取

地形因素是影響崩崗侵蝕的關鍵因素，崩崗侵蝕發生的方式與速率都與之相關，也是崩崗發育過程的重要判斷依據[27]。本文將已經對齊的不同時期的崩崗點云LAS 文件導入Arcgis，使用3D Analyst 模塊下的LAS 轉多點要素，再使用反距離權重法構建分辨率為1 cm 的DTM 柵格，由于獲得的點云數量足夠多，該方法可以快速便捷的得出高精度柵格。以2018 年6 月15 日測量數據為例，將DTM 輸出為DEM并生成等高線（圖6a），通過Spatial Analyst 工具提取坡度，坡向和匯流信息（圖6b～6d)），實現對崩崗地形的量化分析。計算得出，崩崗高程在246.782～261.604 m 相對高差14.822 m，崩崗壁高13.55 m，平均深度20 m，崩口寬1.8 m，崩壁沿線內部面積236.52 m2屬小型崩崗。5 條切溝呈爪狀分布侵蝕主溝1 條，溝道長12.45 m，溝道平均寬度1.14 m。由于崩崗較小且陡峭，坡度大于60°近乎直立的崩壁面積占總面積的33.35%，坡度大于25°的陡坡面積占85.7%。

圖6 地形信息圖 Fig.6 Topographic information map

2.2 崩崗侵蝕量的測算與分析

1）多時相DEM 差值

運用Arcgis 柵格計算器將前一期的表面DEM 從后一期的表面DEM 中減去建立DOD 圖，利用柵格計算器的編程工具相應的編寫代碼使DOD 計算時忽略最小閾值±LODmin，從圖7 中可直觀的看出崩崗侵蝕強度的空間分布，綠色正值表示沉積區域，而紅色負值表示侵蝕區域。運用Arcgis 的Spatial Analyst 工具的填挖方功能如式（1）計算崩崗整體侵蝕量 0VΔ 見表3。

由圖7 可知，研究區崩崗的主要侵蝕形式為溝道下切，最強烈的侵蝕區發生在溝道旁崩壁的坡腳處,可以很清楚地看出2018-07-04 至2018-08-01 崩壁土體崩落散落在溝道內形成沉積，2018-08-13 至2018-09-30 由于溝道深切溝道兩側的土體失穩向溝道內部垮塌。

圖7 DODLOD 侵蝕量計算圖 Fig.7 Calculation of erosion amount of DODLOD

但是在崩崗這種特殊的侵蝕地貌中崩壁陡峭而且由于淘蝕作用向內凹[4]，如圖8 所示在地形坡度大于45°的區域，由于X、Y 方向的微小的水平誤差，會造成X/S（其中S 為坡度）出現超過1 m 的垂直誤差[28]，本研究中受崩壁上層懸掛土體凸出影響，計算會出現超過4 m 的誤差（圖7a～圖7d 中左下角的紅綠斑點處），而在未發生崩塌的崩壁上這種規模的實際變化是不可能的，并且在實際發生崩塌的區域由于坡腳土體受水蝕影響向壁內凹陷，如果用高程差來計算體積的話就會使計算的侵蝕量偏大，所以為了準確計算需要在DEM中將這些部位刪去。

所以本文使用CloudCompare 軟件根據圖7 將主要發生侵蝕的溝頭處和左側壁分別分割出來，并且使用2.5D體積計算功能來測算壁侵蝕的體積為DOD 數據做重要的補充，如圖8 所示分割后的點云模型包括全部的崩積堆和部分崩壁，使用DOD 法制作侵蝕量分布圖重新計算侵蝕量，記錄為ΔV1見表3。

如圖8b～圖8e 所示分割后的DOD 圖能更加清晰和精確的監測崩崗侵蝕過程的變化，2018-07-04—2018-08-01 崩積堆發生了坡面侵蝕也可以清晰的看出，2018-06—15—2018-07-04 時期開始溝道不斷的下切侵蝕直到2018-08-13—2018-09-30 監測期間溝道側壁發生了崩塌現象，崩落的土體在溝道內堆積。

2）基于點云2.5D 體積測量崩壁侵蝕體積

將崩壁方向定義為底面進行點云2.5d 體積測量，運用 CloudCompare 軟件在體積計算界面中定義地面（Ground）及頂面（Ceil）：這里后一期點云選為常量，值為0；頂面選為前一期點云，空單元（不包含數據點）不參與體積計算，這里將其選為leave empty，本文選擇0.01step 即1cm 的單元。本試驗側壁崩塌現象發生在2018-07-04—2018-08-01 之間（圖9a～9a b），溝頭溯源侵蝕在2018-0813 到2018-09-30 之間比較明顯（圖9c～圖d），最終可以達到很好的可視化效果，紅色正值表示侵蝕區域，藍色負值表示沉積區域（在計算時設侵蝕為負沉積為正），體積測算方式如公式（2），如圖9b 只分割出了發生崩塌的側壁侵蝕量記為ΔV2，圖9d 為溝頭處坡度大于80°的陡坡侵蝕量記為ΔV3 結果見表3。

圖8 分割后的點云模型與分割后的侵蝕分布圖 Fig.8 Segmented point cloud model and DOD

表3 侵蝕量計算結果 Table 3 Erosion calculation results

圖9 2.5D 體積侵蝕量圖 Fig 9 2.5D volume erosion chart

3）總侵蝕和泥沙量的計算

根據以往的研究[29]得知目標崩崗崩壁不同層次土體的容重和崩積堆的土體容重得到平均干容重為1.37 g/cm3。將ΔV1、ΔV2、ΔV3相加得到最終的總侵蝕量V，再將V 代入式（4）進行計算得到每個監測周期侵蝕/沉積的總泥沙量見表3，最終得到該崩崗在監測期2018-06-15—2018-09-30期間近4 個月流失的總泥沙量為5356.289 kg。

4）監測期內崩崗侵蝕過程

降雨是崩崗侵蝕的主要驅動力[30]，為進一步分析崩崗侵蝕過程與降雨量的關系，本次試驗獲取了武漢立方在通城程鳳村監測的降雨量數據如表4。

由表4 可知崩塌侵蝕量相對較小，所以侵蝕量的主要來源是崩積堆，而崩積堆土體松散所以受降雨的影響很大，但是降雨量最多的監測時段卻不是侵蝕量最大的 時段，造成這種現象的原因是連續的降雨發生在6 月30日到7 月8 日之間，前一時期的大量降雨使土體含水率增大更易侵蝕[31]，在連續降雨的條件下土壤抗侵蝕能力有先增大后減小的趨勢[32]，所以在圖8 中可以明顯看出后一監測期發生了更嚴重的侵蝕現象。在2018-06-15—2018-07-04 監測期內的降雨量是最大的，發生了一次降雨量大于80 mm 的大暴雨，由圖8b-圖8d 所示監測期內主要的侵蝕形式是水力侵蝕為主的溝道下切加深，主要發生區域為溝道內部，其他部位距離溝道越遠侵蝕強度逐漸減弱，崩積堆發生坡面片狀侵蝕，崩壁只發生了少量的剝落；而在2018-07-04—2018-08-01 期間崩壁發生大量崩塌，崩落的土體散落在溝道上形成沉積，崩塌由于溝道受徑流影響側蝕加寬侵蝕坡腳使崩壁達到崩塌的條件最終形成，說明崩壁崩塌事件與降雨量沒有固定的關系；2018-08-01—2018-08-13 的總侵蝕量值為沉積，因為這個監測周期相對較短且期間總降雨量為22 mm 所以幾乎沒有侵蝕發生，但是在之前崩落的土體在崩崗系統內移動造成了一些體積變化，這說明短期監測很難發現規律性，只能作為長期監測的有效補充[28]；由圖9d 可知2018-08-13—2018-09-30 期間溝頭后退發生在崩壁的跌水口處和跛腳處，這是由于集水區徑流從崩壁跌水口沖出發生溯源侵蝕，沿崩壁向下沖刷坡腳形成淘蝕現象，且由圖8e 可以看出坡腳處溝道的側壁發生了崩塌現象。

表4 降雨量與侵蝕量數據對照表 Table 4 Rainfall and erosion data comparison

所以在監測周期2018-06-15—2018-09-30 內，目標崩崗先以水力侵蝕為主，溝道和崩積堆為主要侵蝕部位；到達崩塌臨界條件后坡腳處發生了重力侵蝕崩塌；之后又以水力侵蝕為主，發生侵蝕的部位都在溝道附近，溝頭處的溯源侵蝕量隨著崩崗侵蝕的發育持續增加，溝道側的坡腳再次發生崩塌，可見崩崗侵蝕是一個水力侵蝕與重力侵蝕交替發生的侵蝕地貌，這種循環導致了崩崗侵蝕的發育。

2.3 測算結果精度檢驗

以三維激光掃描儀實測獲取的試驗崩崗的三維點云為基礎，根據文獻[10]的方法如1.22 所述將精度調整至0.01m的TIN 柵格獲得TIN 表面，分別求得 5 次監測日期崩崗體積的實測值分別為929.875 2，928.922 5，925.985，926.960 6，925.706 4 m3，將前后兩期體積差作為監測期內的總侵蝕或沉積量體積，以此為參考值，對本文方法測算崩崗侵蝕/沉積體積的結果進行精度檢驗，結果如表5 所示。

表5 崩崗侵蝕量計算值精度 Table 5 Accuracy of calculation value of erosion amount of Benggang

由表5 知，用三維激光掃描儀測量后使用TIN 構建投影面體積法測算的侵蝕量參考值與本試驗的測算值相差很小，相對誤差在5.58%～14.71%的范圍內，絕對誤差在0.053 2～0.3033 m3之間在年侵蝕量巨大的崩崗地貌中具有很好的準確度，說明無人機低空傾斜航空攝影監測能夠準確計算出崩崗侵蝕量。

3 討 論

以往在對崩崗侵蝕的監測中，排樁法和在流域出口修建谷坊監測泥沙的方法都無法對崩壁地形進行局部監測，且精度很低；地面近景攝影測量需要永久固定攝影位置而在侵蝕劇烈的崩崗地貌中很難完成且只能固定局部范圍進行監測；航空遙感監測周期長適用的尺度很大，而崩崗侵蝕的面積小而且分散，難以滿足精細的研究要求；GPS 測量技術需要人工到達很多危險的地形，且在崩崗中測量衛星信號難以保證精度。三維激光掃描作為近年來的創新測量技術，具有高精度，穿透性，掃描速度快等特點能很準確的獲得點云數據、但是儀器價格高昂不方便攜帶，在崩崗中有很多深溝使其會有很多掃描死角，且多站點的視角在拼接和配準時不易操作。

本文使用的無人機傾斜航空攝影測量方法，不僅價格低廉而且空中視角可以全方位的獲取崩崗地形點云數據，獲取數據速度更快，在崩崗這種小尺度的侵蝕地貌監測中會有廣闊的應用前景和實際的使用價值。但是，在操作中對控制點的要求很高否則很難生成高精度的點云數據，且飛行時需要手動操控拍照容易出現影像數據獲取質量不高的情況，目前只以單體面積較小的崩崗作為研究對象。在點云的處理方法上，本文使用的方法較為復雜但是能夠很精細的測算出崩崗局部的侵蝕情況，然而如果使用在大型崩崗上時就會顯得繁瑣復雜很難定義侵蝕與沉積，所以如何實踐對結構更為復雜的大型崩崗的三維點云建模并提高侵蝕量測算精細度，有待進一步研究。

4 結 論

本文將基于無人機傾斜航空影像建立三維點云模型測算侵蝕量的方法運用在了崩崗侵蝕方面并確定了其適用性和點云數據處理方法。該方法以消費級多旋翼無人機搭載普通數碼相機獲取目標崩崗的多角度傾斜航空影像為基礎，根據傾斜攝影測量原理對影像進行空三加密處理，生成點云模型的平均總均方根誤差僅為0.042 m 達到厘米級測量，再使用Arcgis 提取崩崗地形信息，基于點云模型運用多時相DEM 差分法和點云2.5D 體積算法兩種方法配合測算崩崗侵蝕量，監測崩崗不同部位的侵蝕量動態變化，并對結果進行精度檢驗。4 個周期的崩崗侵蝕量計算的平均相對誤差為9.69%，但在崩崗這個尺度的侵蝕地貌中絕對誤差最大值僅為0.3033 m3。利用無人機傾斜航空攝影監測崩崗侵蝕沉積量的動態變化是有效且便捷的方法。