基于無人機技術的潮灘動態監測研究

裘誠,王岳峰,方略任,張何朕加,張凱嬪,胡進,陳沈良,袁瑞

(1.上海市海洋監測預報中心 上海 200062;2.上海海事大學海洋科學與工程學院 上海 201306;3.華東師范大學河口海岸學國家重點實驗室 上海 200241)

0 引言

潮灘是廣泛發育的典型的海岸地貌單元,其演變特征和規律是海洋科學和海岸工程領域重要的研究方向和實際問題。在人類活動密集的海岸區域,沉積物輸移和鹽沼植被生長的耦合作用對于潮灘地貌演變有著顯著的影響[1-4]。在河口海岸區域,潮灘演變是多種時間尺度因素共同作用下的結果,如海平面上升(長時間尺度)、洪枯季轉換(季節尺度)和極端天氣過程(事件尺度)等。因此,獲取更高時空分辨率的潮灘資料是研究和認識其演變規律的重要手段。

傳統的海岸帶監測手段一般采用人工現場測量(GPS-RTK等)和遙感反演[5],人工碎步測量方法具有可控的精度,但是時間長、效率低,且涉及人員作業安全問題,很難在有效的時間窗口內開展大范圍的潮灘地形測量;衛星遙感圖像分辨率低、時間周期長、波段冗余信息多,對于特定的興趣點與時間窗口無法有效地獲得信息,而潮灘地貌變化迅速,潮周期內會發生較大變化,遙感技術多用于單次監測,難以用于揭示潮灘系統季節性和短期極端事件的動態變化。

相比傳統監測手段,無人機作為一種有動力、可控制、能攜帶多種任務設備、執行多種任務的低空飛行平臺,其與遙感技術相結合具有成本低、操作簡單、影像獲取速度快和高空間分辨率等傳統衛星遙感技術所無可比擬的優勢,已被廣泛用于國土監測與城市管理、地質災害、環境監測以及應急保障等重要領域[6],如海洋環境監測[7]、海岸線監測[8]、海島測繪[9]等。上述基于無人機在海洋、海岸帶監測的應用,很好地利用了無人機平臺并搭載如RTK和LiDAR等設備,對關注區域進行研究。然而,行業應用無人機或搭載多種探頭無人機價格較為昂貴,且在海岸帶等復雜環境下存在較大的風險,故監測研究的成本較大。僅搭載高清相機的輕便型無人機在海岸帶監測中應用便可發揮低成本的優勢,做到高頻次的監測。因此,本研究基于低成本的無人機航拍測量與影像處理技術,開展臨港新片區潮灘植被和沙灘演變狀況監測與動力成因研究。

1 研究區域

臨港潮灘,也稱南匯邊灘,位于長江口與杭州灣之間,屬于開敞海岸,地處長江三角洲南翼,近岸水域屬非正規半日淺海潮,兼具杭州灣潮波性質,屬于強潮潮灘[10],地貌演變受漲落潮影響。根據衛星圖片顯示以及前人研究,近30年來臨港潮灘整體北沖南淤、向東南方向延伸發育[11]。潮灘面積變化表現出明顯的夏秋季弱侵蝕、冬春季強淤積的季節性轉化特征,而且潮灘地貌沖刷和沉積具有顯著的空間分布特征[12]。

研究區是典型的亞熱帶季風性氣候,常年溫和濕潤,潮灘濕地生長了許多鹽沼植被,如蘆葦、海三棱藨草、互花米草等。近年來,由于外來物種互花米草的入侵和人類活動增加,使得臨港潮灘的植被空間分布發生變化,在一定程度上改變了潮灘的生態系統,破壞了其原有的生態平衡。本研究區域以蘆葦、海三棱藨草和互花米草群落為研究對象,進行臨港潮灘濕地典型植被時空分布特性研究。

長江三角洲沿岸大多是淤泥質海灘。本研究團隊自2018年以來每周對臨港潮灘進行考察,發現以往臨港潮灘以粉砂、沙質粉砂為主,如今潮上帶以砂為主,潮灘有逐漸沙質化的趨勢,其海岸的利用類型也隨之發生變化,成為休閑娛樂的場所。因此,本研究針對該區域潮灘短期內沙灘的變化開展深入監測研究。

圖1 研究區概況

2 無人機作業流程

無人機測量系統以無人駕駛飛行器為飛行平臺,并以高分辨數字設備為機載傳感器,將獲取高分辨率數據作為主要應用目標,并實現航拍影像監測、信息數據傳輸以及圖像預處理等多項功能[13]。本研究選用的無人機大疆Mavic 2 Pro,其配備了CMOS 2 000萬有效像素的哈蘇鏡頭,可保證在百米級空中航拍的圖片分辨率,全球導航衛星系統(Global Navigation Satellite System,GNSS)可接收全球定位系統(Global Positioning System,GPS)和格洛納斯(Global Navigation Satellite System,GLONASS)兩種信號。

無人機作業主要包括外業工作和內業工作。外業工作主要是進行現場調查,根據工作需求收集相關信息,選擇起降場地和參照區域,規劃航拍路線,確定空間點位、飛行高度和作業方式等,并進行航拍作業;內業工作主要是對現場獲取的航拍圖像進行檢查、預處理、拼接和成圖等,再根據成像區域色塊進行數據化分析。

2.1 外業數據獲取

外業數據主要利用旋翼無人機空中拍攝的方式獲取,操作步驟如下:在飛行軟件地圖上選擇需要航拍的研究區域,選擇掃描模式自動規劃好航線,設定飛行高度和飛行速度;拍照模式設置為等距間隔拍照,相鄰照片的重疊度不低于60%,以保證圖像拼接時有足夠的同名特征點;相機朝向平行于主航線,保證無人機航拍過程選擇單個方向固定不旋轉;鏡頭設置以垂直方向為主要方向,鏡頭沿垂直方向向下,正對地面拍攝,根據航線完成拍攝。

設定航線需注意:①選擇航拍區域面積需大于研究區域,并保存航線,后續航拍可直接調用,確保每次航拍圖像范圍一致性;②在航拍設置區域內選定參照區域,實測計算其實際面積,參照區域選定需滿足在成圖中可清晰選區,確保面積換算的精確度。

2.2 內業數據處理

2.2.1 圖像拼接處理

目前在實際應用中,由于專業全景圖拼接軟件的自動化和智能化程度很高,通常40~80張的原始圖像約20 min即可拼接完成。應用較多的全景圖拼接軟件包括PTGui、Image Composite Editor、PanoramaStudio和Photoshop等。航拍全景圖拼接主要包括6個步驟:①導入航拍圖像;②提取圖像特征點;③匹配圖像之間的特征點,移除錯誤匹配;④通過算法和特征點對圖像進行仿射變換;⑤拼接相鄰圖像,重疊部分融合;⑥導出合成的全景圖。對于拼接錯位變形的區域,進行手動調整局部特征點,增加人工特征點,消除不匹配的特征點,以保證全景圖的質量[14]。

2.2.2 圖像數據化分析

(1)圖像初步處理:所有航拍圖像統一分辨率,通過快速選擇工具(通過查找和追蹤圖像中的邊緣來創建選區)選擇航拍全景圖中的海水和道路等區域并刪除,從而降低在色彩范圍內劃定區域的誤差。

(2)外業中在現場選取參照區域實測其面積為S1(圖2),通過圖片處理軟件獲取圖像中該實測區域的直方圖數據記錄其像素值為N1。

圖2 現場選定參照區

(3)不同區域的像素:獲取全景圖的直方圖數據,查看并記錄全景圖的像素值。通過選取單個位置的顏色或某一色彩范圍,顯示圖像中在此色彩范圍的區域,從而提取不同色域圖像并記錄其像素值,根據植被區域的屬性提取植被區域,根據沙質區域的屬性提取沙灘區域。

(4)通過參照區實測面積和像素值比例的換算,重復選擇統計可分別獲取不同色域的面積。例如,植被區域像素為N2,植被區域換算后的面積為S2,則S2=N2×S1/N1。

2.3 精度分析與評估

因現場觀測受風速、空氣質量、光照等因素的影響,航拍精度略有不同。為了驗證無人機航拍的換算面積精度,本研究利用岸邊水工建筑物(如,堤壩、石坡等),選取頂部平整,且有垂直角點的區域作為檢核區域[15](圖3)。通過圖像換算得出的面積,與實地測量的面積進行對比,其面積誤差如表1所示。

圖3 選取航拍圖中檢核區域的像素值

表1 像素換算面積與測量面積對比

從表1中可見,對8個不同時期的航拍圖,以實測面積為標準計算了像素換算面積方法的誤差率,計算的總平均誤差率為6.67%,總體來看無人機精度能夠滿足海岸監測的需要。

3 結果與討論

3.1 無人機監測結果的時空分布特征

從研究區連續監測的不同時期植被和沙灘圖像,可以直觀地看出兩者的面積變化趨勢。2019年9月26日,東西兩側沙灘呈狹長條帶狀沿水邊線分布,中部呈條狀帶垂直于岸線,植被東西兩側均有分布,東側植被較淺,西側植被較深;2019年10月3日,潮灘沿水邊線的沙灘受侵蝕消失,僅部分東側沙灘分布范圍變窄,西側植被大面積減少;2019年11月12日,東側沙灘向沿水邊線收縮,分布形狀更加狹窄,中部和西側沙灘持續向岸發展,西側植被基本枯萎消失;2019年12月11日,東側沙灘呈狹長條帶狀沿水邊線分布,中部沙灘受侵蝕而減少,西側沙灘相比于2019年9月,向岸發展呈長條狀,水邊線沙灘被侵蝕逐漸模糊,植被分布無顯著變化;2020年1月6日,沙灘出現淤積,又逐漸恢復至東西兩側沿水邊線分布的較為分散的條帶狀,中部呈垂直岸線的條狀,植被分布仍無顯著變化;2020年4月15日,沙灘持續淤積,中部沙灘向岸發展顯著,西側近岸植被分散出現,東側植被逐漸向海發育;2020年6月4日,東側沙灘呈狹長分布,中部垂直岸線條狀分布,西側沙灘侵蝕消失,東側植被持續向海延伸,西側植被面積減少向岸收縮;2020年8月3日,沙灘呈現明顯淤積,東側沙灘沿水邊線條狀面積擴寬,西側沙灘淤積出現沿水邊線分布,潮灘植被大面積增加,基本覆蓋水邊線以上潮灘區域;2020年9月3日,沙灘西側受到沖刷呈分散分布,植被分布無顯著變化;2020年10月13日,沙灘西側持續沖刷,加劇分散分布,植被中部區域開始枯黃。

一年期間植被面積先減少后增加,植被在潮灘西側向海稍有擴張,植被更加濃密,其密度增大;沙灘面積不斷增多。總體而言,潮灘的植被秋冬季枯萎,春季生長,夏季茂盛,分布在西側的植被變化最為顯著,東側近岸植被常綠;沙灘在潮灘東側主要分布在潮灘水邊線及上部范圍,中西側的分布范圍較廣,植被枯萎期間,中西部沙灘裸露且易受沖刷向岸推進,植被茂盛期間,中西部沙灘沿水邊線分布并向海發展。

此外,無人機監測結合潮灘取樣發現,研究區正由淤泥質潮灘向沙灘轉變。長期以來臨港潮灘為淤泥質潮灘,如今該潮灘逐漸形成沙質灘肩,呈現由淤泥質潮灘向沙質海灘的轉變。從表2可知,一年期間臨港潮灘的沉積物粒度整體變粗,中值粒徑(D50)由2.84~2.9Φ,變為2.71~2.77Φ。分選性(S)變好,且砂含量增多,結合一年前后對灘肩航拍觀察,該區域的沉積物表現向海擴散和向西側輸移的現象,波流作用沖刷東側岸線,并使泥沙懸浮隨落潮流向海擴散。

表2 一年后潮灘沉積物變化特征

3.2 植被和沙灘對監測期間內事件的響應

在風暴等極端事件的影響下,潮灘可在短期內產生大尺度變形,引起沉積物和植被分布發生顯著變化。在研究的一年期間,臨港潮灘共經歷了6次臺風影響以及多年一遇的洪水等極端事件(表3)。通過事件前后植被和沙灘變化的監測可以揭示極端事件的影響。

表3 不同事件的時間及水文特征

3.2.1 沙灘變化

從圖4沙灘面積變化可以看出,在2019年9—10月初連續兩個臺風影響期間,潮水漫過潮上帶,淹沒潮灘,在波浪卷動下泥沙掀動并隨落潮離岸輸移,潮灘沿水邊線分布的沙灘受侵蝕消失,沙灘面積減少4 160 m2。臺風過后,沙灘面積逐漸增加,11月沙灘面積逐漸減少,直至翌年1月潮灘沙灘面積開始不斷增加。

圖4 不同時期植被和沙灘面積時序變化

由于2020年6月以來長江流域大范圍持續性強降雨,出現了較為嚴重的汛情[16-17],洪水期挾帶大量泥沙向海輸移,且波高不大,沒有明顯的增浪(表3),在利于淤積的條件下,從6月4日—8月3日沙灘面積驟增,增加量約為22 060 m2(圖4),潮灘東側沿水邊線向海延伸淤積,西側主要沿水邊線淤積。

2020年8—9月,受連續4個臺風的影響,8月3日與9月3日對比沙灘面積減少10 776 m2,在此期間單個臺風事件導致沙灘面積的最大減少量為20 199 m2,對比2020年8月和9月的沙灘圖像,一個月臺風期沙灘面積變化顯著,相比于東側,西側沖刷較為劇烈。即使受臺風影響,沙灘面積仍呈增長趨勢,在無臺風影響時沙灘面積逐漸增加,增加量為3 509 m2,臺風過后9月3—9日沙灘面積增加了13 436 m2。

由此可見,一年之中研究區經歷高頻的極端事件,在沙灘面積變化量中,一次臺風的沖刷量和多年一遇的洪水期引起的淤積量最為顯著,且在臺風事件之后該區域的恢復周期很長,甚至在恢復周期內,連續的臺風事件導致此區域持續沖刷。潮灘不同區域對事件的響應也有差異,潮灘西側的沙灘受臺風影響更為顯著,表現為沙灘向岸推移或者沙灘沖刷消失;洪水期間東側沙灘的淤積現象更為顯著,表現為沙灘沿水邊線向海延伸。

3.2.2 植被變化

根據前人對鹽沼植被生長情況的研究,蘆葦在上海地區表現為3月出芽,4—6月大量生長,11月結果,12月后才逐漸枯萎,蘆葦抗寒能力較強,冬季也有地面植株生長的可能性[18]。互花米草每年2月開始返青萌芽長出小苗,9月種子成熟期,10—11月后開始逐漸大面積變黃枯萎,至翌年1—2月莖稈大面積倒伏[19-20]。海三棱藨草生長周期主要表現為4月地面植株發芽開花,8—11月植株結果后枯萎[21-23]。

結合各類植被生長周期和空間分布特征,2019年9月—2020年1月區域的植被主要為海三棱藨草和互花米草,以及蘆葦,11月至翌年1月(互花米草和海三棱藨草枯萎期)植被面積大致為潮灘上的蘆葦面積,平均為16 107 m2。通過不同植被生長階段的植被面積相減,2019年9月臺風前植被面積減去蘆葦植被面積可得出互花米草和海三棱藨草枯萎的面積為34 862 m2,與2020年9月植被面積相減即可得到潮灘植被一年間增加的面積為40 729 m2,同比增長約79.9%,對比兩年9月的植被分布,植被在潮灘西側向海稍有擴張,潮灘整體的植被密度明顯增大,表明臨港潮的灘植被不斷增加。

海三棱藨草和互花米草2019年9—10月枯萎期間,由于連續兩個強臺風潮汐的影響,地面植株被沖走,潮灘植被面積大幅度下降,減少量約為29 515 m2,從分布上來看潮灘西側植被減少最為顯著;2020年8—9月,在連續4個臺風事件下植被面積減少量約為12 217 m2,可知臺風事件對植被生長具有較大的影響。

2020年7—8月洪水期間,長江口水流攜帶大量泥沙,提供充足的水分和有機物質,適逢植被拔節期間,因此7—8月臨港潮灘植被生長率增快,植被面積驟增,基本覆蓋水邊線以上的潮灘區域,面積增加97 306 m2。

由此看出,極端事件對植被的影響十分顯著,適逢植被特定的生長周期,兩者的疊加效應為正相關狀態時,則對植被生長和消亡具有促進作用。

4 結論

傳統的人工測量和遙感衛星圖片無法在特定極端天氣獲取數據和圖像,臺風事件云層也會影響衛星圖片質量和GPS-RTK信號,而無人機在實際操作中可采集所需圖像數據,從而分析不同事件對于潮灘植被和沙灘的影響。本研究結合實測面積和航拍圖像像素值,計算不同區域的面積,并進行了精度檢驗。結果能夠滿足潮灘演變監測的需要,達到了預期效果,形成了一套有效的快速獲取海灘植被和沙灘面積數據的技術流程,這是無人機技術在海洋行業中應用的一次嘗試,表明低成本、高效率且應急性強的無人機航拍對于高頻事件影響潮灘形態變化的研究具有很好的時效性和可推廣性。

本研究基于無人機技術開展臨港潮灘監測,獲取了一年間潮灘演變的圖像,提取植被和沙灘面積圖像,分別計算其面積,通過結合各類植被生長周期發現,臨港潮灘蘆葦主要生長于潮灘東側近岸,面積約為16 107 m2,互花米草和海三棱藨草主要生長于潮灘中西側,面積約為34 862 m2,潮灘植被的面積在一年間增加了40 729 m2,表明在臨港潮灘的植被分布范圍和密度不斷增加。

一年的監測表明,臨港潮灘植被和沙灘面積在不同事件影響下的變化也不同,在臺風期間對植被和沙灘的沖刷,導致其面積皆呈現減少現象,而在洪水期間的來沙和降雨量增多導致植被和沙灘面積驟增;潮灘沙灘面積呈現增加的趨勢,并且該潮灘顯示從淤泥質潮灘逐漸轉變為沙質海灘,而沙質海灘正是上海稀缺的海岸帶資源,這為在臨港新片區海洋旅游資源開發提供了一個新的選擇。