基于無人機航測的水庫確界和嫌疑區解譯應用

吳萍昊，鐘凱文，胡泓達，許劍輝，王云鵬

（1.中國科學院廣州地球化學研究所，廣東 廣州 510640；2.廣州地理研究所，廣東 廣州 510070； 3.中國科學院大學，北京 100049）

飛來峽水庫在調節當地生態環境方面起著至關重要的作用，但近年來當地城鎮化、工業化進程顯著改變了水庫周邊的生態環境格局。日益增多的采砂、大規模養殖、毀林開墾等違法違章行為導致了水環境污染問題，危害到當地居民的生存環境，且不明確的管理范圍和保護范圍加大了水庫管理和執法工作的難 度[1-4]。傳統管理方式技術落后，時空上出現執法與管理的盲區，難以滿足庫區水資源及時有效的現代化管理需求。因此，通過遙感監測的手段實現飛來峽水庫的準確劃界和動態監測迫在眉睫。

無人機作為一種現代化的航空遙感技術，擁有精度高、高效快速、生產周期短等優勢，對比衛星遙感技術可實時獲取分辨率更高的遙感影像，受地理空間限制少、拍攝靈活。將無人機航測技術應用于水庫監測，可實時獲取高精度正射影像，便于對違法違章嫌疑區進行實時管理和監測。

相較于傳統影像分類方法，近年來興起的卷積神經網絡（CNN）結構具有廣泛互聯性、自適應性、自組織性、自主學習性等特點。ZHANG T W[5]等提出了一種基于網格CNN的SAR圖像中高速船舶檢測新方法。WU Y[6]等提出了一種船只檢測網絡結構（CFSDN），實現了從圖像像素到具有置信度的邊界框的端到端映射。全卷積神經網絡（FCN）在CNN的基礎上，保留了原始輸入圖像的空間信息，通過上采樣操作在特征圖上進行逐像素分類，實現了像素到像素的映射。 邰建豪[7]提出了一種基于FCN的高分辨率遙感影像分類方法，并設計了基于FCN的SAR融合影像分類框架和方法。Nicholus M[8]等利用FCN開發了一種方法，該方法僅使用航空RGB圖像作為輸入，且以端到端的方式進行訓練。

本文利用無人機航測技術獲取飛來峽水庫的正射影像和數字高程模型，并根據《廣東省省管水利樞紐管理辦法（2018年修改）》對水庫管理范圍和保護區范圍進行了確界；再根據飛來峽水庫的特點，利用FCN對水庫示范區的裸地、水體、道路、建筑、植被和船只6種地物進行了遙感分類；最后結合水庫確界數據，解譯得到該示范區的違法違章嫌疑區。

1 研究區概況與技術路線

1.1 研究區概況

1）飛來峽水庫。飛來峽水利樞紐位于廣東省清遠市東北約40 km的北江河段，是目前廣東省最大的綜合性水利工程。飛來峽水庫是1988年飛來峽水利樞紐截流北江形成的水庫，于1999年3月蓄水完成，共控制34 000多km2的流域，水利總庫容為19億m3，年均發電量可達5.55億千瓦時。飛來峽水庫包括英城蓄洪區、大站蓄洪區、菠蘿坑蓄洪區、連江口蓄洪區和社崗蓄洪區，這些蓄洪區可為飛來峽大壩抵御百年一遇的洪水，繼而為北江大堤抵御三百年一遇的洪水提供可能。為實現飛來峽水庫初步劃界，獲取無人機航測規劃的參考邊界，本文將獲取的WorldView-2影像作為基礎數據。WorldView-2衛星具有運轉靈活、精度高等特點，能為飛來峽水庫整體情況摸查提供完整的遙感數據，也為無人機航測提供準確的前期參考。 0.5 m分辨率的飛來峽水庫歷史遙感影像和8 m分辨率的重采樣歷史數字高程模型如圖1所示，可以看出，庫區處于丘陵地帶，周圍的陸地地區地形起伏變化較大，最高海拔約為734 m，最低海拔約為8 m。

圖1 飛來峽水庫歷史遙感影像和數字高程模型

2）水庫示范區。由于飛來峽水庫面積較大，違法違章嫌疑案例較為分散，因此選取合適的水庫示范區，利用FCN進行違法違章嫌疑區的智能化提取。水庫示范區選取連接北江主干的鐵溪坑支流（圖2），位于黎溪鎮附近，西起北疆主干流域，東至福龍圍、大坡頭，南至陸家灣、鲇魚潭，北達塘面。該示范區完整覆蓋了鐵溪坑支流及其源起的部分北江主干流域，地物種類多樣且集中，完全滿足裸地、建筑、道路、水體、船只和植被6種地物的樣本制作需求，具有案例典型、數目多樣、相對集中的特點。

圖2 飛來峽水庫鐵溪坑示范區

1.2 技術路線

具體技術路線如圖3所示，包括初步工作、確界和嫌疑區解譯3個部分。首先通過初步工作調研飛來峽水庫的基本情況，獲取歷史遙感影像和數字高程模型，并對水庫進行初步確界；然后基于初步確界結果，規劃無人機航測范圍，利用無人機影像生產飛來峽水庫高分辨率正射影像和數字高程模型，并基于此對水庫進行最終確界；最后選取飛來峽水庫示范區進行違法違章嫌疑區解譯，利用FCN訓練裸地、水體、道路、建筑、植被和船只6種地物的分類模型，并將其應用于示范區，結合飛來峽水庫管理區范圍判定違法違章嫌疑區。

圖3 技術路線圖

1.2.1 無人機航測

本文采用大疆精靈系列無人機多旋翼飛行平臺拍攝飛來峽水庫的影像。該機型在平原和丘陵地帶的平整地面均可起飛、安全靈活；影像地面分辨率優于0.05 m，航向重疊度為65%～80%，旁向重疊度為60%～70%，相對航高設置不高于200 m。由于海拔高差相差較大，最高可至700多 m，最低處小于10 m， 因此將飛來峽水庫分為丘陵和平原兩種情況進行航測飛行，丘陵地區重疊度較低，相對航高設置也較高，地面分辨率較平原地區低。無人機飛行平臺和航測作業如圖4所示。由于經費、人力等條件限制，本次航測計劃選取大于飛來峽水庫管理區范圍、小于保護區外邊界、面積約為700 km2的區域作業，實際航測面積約為750 km2，正射影像的地理坐標系采用CGCS2000，投影采用高斯-克呂格投影的3e分帶，數字高程模型采用1985國家高程基準。

1.2.2 FCN

CNN的基本結構包括輸入層、卷積層、池化層、全連接層和輸出層，每層由多個二維向量組成，每個向量又由多個獨立神經元組成。CNN中每個數據層均為h×w×d的三維陣列，其中h和w為空間維度，d為特征維數或通道維數。第一層為圖像，像素大小為h×w，顏色通道為d；較高層中的位置對應于它們路徑連接的圖像中的位置，稱為其感知域。卷積是建立在平移不變性的基礎上的，其基本組件（卷積、池化和激活函數）作用于局部輸入區域，并只依賴于相對的空間坐標。設xij為特定層中位置(i,j)的數據向量，yij為下一層的數據向量，這些函數通過計算輸出yij，即

式中，k為內核大小；S為步幅或子采樣因子；fks為層類型，包括卷積或平均池化的矩陣乘法、最大池化的空間最大值、激活函數的元素非線性以及其他類型的圖層。

這種函數形式是在組合的情況下維護的，其內核大小和步幅遵守轉換規則，即

當全連接層被卷積層取代時，CNN就變成了FCN。FCN繼承了標準CNN用于圖像標簽分類的高精度特征，在進行稠密類預測的同時，保持了輸入圖像的二維空間信息[9]。FCN采用跳躍連接操作，根據對應的通道直接添加高層抽象語義信息和低層精細語義信息，形成新特性[10]，這種跳躍連接操作稱為上采樣。FCN利用反褶積對最后一個卷積層的特征圖像進行上采樣，并將其恢復到與輸入圖像相同的大小，使得可為每個像素生成一個預測，同時保留原始輸入圖像中的空間信息；再對上采樣的特征圖進行逐像素分類，從而實現像素到像素的映射[11]。近年來，基于FCN的改進模型層出不窮，大部分模型都具備模型結構越深、分類精度越高的特性，在全卷積的基礎上加深了網絡結構，但本文選定的鐵溪坑示范區面積較小，基礎樣本數量不多，不適用于結構較深、學習過程復雜的訓練模型。本文制作的地物樣本庫利用較深的改進網絡模型進行訓練，易出現過擬合、Loss值不收斂等情況，因此選用基礎的CNN進行鐵溪坑示范區的無人機影像分類。

2 研究結果與分析

2.1 水庫確界

1）水庫管理區范圍和保護區范圍的初步劃定。飛來峽水庫管理范圍確定為已辦理征收手續的土地和土地征收線以下的水域，即高程線25 m以下的土地和水域。本文基于歷史遙感影像和數字高程模型，提取了飛來峽水庫25 m高程線，并通過錯誤節點修改、線段融合等操作將高程線融合為完整的管理區邊界，從而初步劃定飛來峽水庫管理區范圍。飛來峽水庫保護區范圍為水庫壩址上游壩頂高程線或土地征收線以上至第一道分水嶺脊之間的土地和水域。本文根據水文分析提取了飛來峽水庫的集水線和集水區域，并將其與初步劃定的管理區邊界相交的集水區外邊界作為保護范圍外邊界，而初步劃定的管理區邊界與該保護范圍外邊界之間的區域即為初步界定的飛來峽水庫保護區范圍。初步劃定的結果如圖5所示，統計指標如表1所示，可以看出，初步劃定的飛來峽水庫總面積約為 1 800 km2，該范圍過大、實際航測耗費時間較長，由于經費有限，因此在保護區外邊界范圍內選定700 km2的區域進行無人機航測作業，該區域完全覆蓋飛來峽管理區范圍，充分滿足管理區確界需求。

表1 飛來峽水庫初步劃定范圍統計

圖5 飛來峽水庫初步劃定的管理區和保護區范圍

2）水庫管理區范圍和保護區范圍的最終確界。通過內業數據處理的相關步驟，對無人機拍攝的高分辨率影像進行拼接、融合、控制點刺點糾正，分別生產1∶2 000的飛來峽水庫正射影像圖和數字高程模型，如圖6所示。

圖6 飛來峽水庫正射影像圖和數字高程模型

基于無人機數據生產的高分辨率數字高程模型，通過高程線提取、水文分析得到最終確界結果如圖7 所示，統計指標如表2所示，可以看出，雖然管理區范圍大于初步劃定的管理區，但此次無人機航測范圍仍滿足飛來峽水庫管理區范圍的確界需求；初步劃定的管理區與最終劃定的管理區范圍整體上較為相似，但最終劃定的管理區范圍邊長是初步劃定的管理區范圍邊長的兩倍以上，說明最終確界的管理區邊界在細節上更為精細。對比初步確界和最終確界的管理區邊界（圖8）可知，主干流域大部分都被劃入管理區范圍，但最終確界的管理區邊界在細節上更加貼合流域邊界；而在支流部分，初步確界的管理區邊界雖然更為平滑，但部分流域未完整劃入管理區范圍，且無人機航測數據的空間分辨率更高，最終確界的管理區邊界比初步確界結果更準確。

表2 飛來峽水庫最終確界范圍統計

圖7 飛來峽水庫最終確界的管理區和保護區范圍

圖8 管理區邊界主干流域和支流放大比對圖

2.2 水庫示范區違法違章嫌疑區解譯

基于無人機航測的飛來峽水庫鐵溪坑示范區的正射影像，利用FCN中的FCN-16模型實現該示范區的影像分類。首先制作繪制標簽，通過256×256滑動窗口，以100的步長進行剪裁，得到8 791張樣本，為減少訓練樣本對人工的依賴，再將所有樣本分別進行鏡像翻轉以及90e、180e和270e三個方向的旋轉，通過數據增強的方式擴大樣本量，最終得到43 955張原始圖像和對應樣本，其中隨機選取35 164 張用于訓練，其余8 791張用于驗證。一張原始圖像和標簽樣本示例如圖9所示。

圖9 原始影像和標簽圖示例

將訓練模型應用至分類中，得到飛來峽水庫鐵溪坑示范區的分類圖（圖10），分類精度如表3所示，可以看出，裸地、建筑、道路、船只、植被和水體6種地物均可被分類模型識別出來；分類結果具有較高的精度，準確度為0.877 1，召回率可達0.945 7；F1-Score 能平衡準確度和召回率，表征該分類模型的優劣，F1-Score分數為0.910 1，說明該分類結果精度較高，可用于分析和進一步應用。

表3 鐵溪坑示范區分類精度

圖10 鐵溪坑示范區的分類結果

本文基于分類結果，結合確界數據，提取得到飛來峽水庫鐵溪坑示范區的違法違章嫌疑區，如圖11所示，統計信息如表4所示，可以看出，違法違章嫌疑區共計30處，主要集中在北江沿岸兩側以及鐵溪坑支流的水面，其中數量最多的是網箱養魚和開墾兩類嫌疑區；北江沿岸兩側存在14處違法違章嫌疑區，主要為開墾和庫區河鮮船，北江西側存在一個較大的采砂場；鐵溪坑支流存在16處違法違章嫌疑區，靠近北江的流域水面存在大量網箱養魚的情況，接近支流末端的違法違章嫌疑區主要為開墾。

圖11 鐵溪坑示范區違法違章嫌疑區分布圖

表4 鐵溪坑示范區違法違章嫌疑區統計

本文通過實地考察和分類結果分析得出的結論為：首先，網箱養魚現象非常普遍，在鐵溪坑支流較為密集，魚餌料、激素、魚病防治藥劑和魚類代謝產物一起污染水體，對水體環境造成了不可逆轉的傷害，同時這些污染物長期存在于河流中，阻擋睡眠漂浮物的擴散也在一定程度上影響了河流的自我凈化能力；其次，北江主干西側存在的非法采砂現象可能導致局部河床變形，易給來往船只和人居環境帶來較大的危險，且河床不穩定將破壞生態平衡，對生態環境產生一系列的危害；再者，分布在鐵溪大橋兩側和國道240靠近北江主干方向的庫區河鮮船飯店較多，將餐廚垃圾直接倒進水庫導致水質污染等環境問題；最后，示范區存在較多的非法開墾現象，尤其位于水域和土地接壤的邊界，易造成水土流失，且極有可能出現垃圾隨意堆放的現象，破壞水庫生態環境，增加水庫水質和土地被污染的風險。

3 結 語

本文利用無人機航測技術獲取了0.2 m分辨率的飛來峽水庫正射影像圖和數字高程模型，并利用高程線提取和水文分析實現了飛來峽水庫管理區和無人機影像覆蓋范圍內保護區外邊界的精確確界。通過對比最終確界和初步確界結果發現，航測成果比歷史遙感影像的精確度更高，說明無人機航測的影像結果適用于水庫確界工作，能獲取更加準確的細節信息。本文選取飛來峽鐵溪坑作為示范區，利用FCN對示范區違法違章嫌疑區進行了解譯，在分類準確度和F1-Score分別為0.877 1和0.910 1的情況下，得到了飛來峽水庫鐵溪坑示范區裸地、建筑、道路、船只、植被和水體 6種地物的空間分布圖。該分類精度評價指標證明了分類結果較好，可用于進一步的分析和解譯，因此本文結合飛來峽水庫確界數據，解譯得到示范區30處違法違章嫌疑區。解譯結果表明，違法違章嫌疑區主要集中在北江沿岸兩側以及鐵溪坑支流的水面，數量最多的是網箱養魚和開墾，建議加強對岸邊的監督和管理，尤其是對網箱養魚和開墾兩類嫌疑區的監管。本文證明了利用無人機航測技術進行水庫庫區確界以及結合CNN進行違法違章嫌疑區管理和監測是有效和可行的，能顯著提高確界的精度和水庫管理的時效性，為水庫違法違章嫌疑區的清理和整治提供科學的技術支撐和高效的管理手段。