龙空技术网

西安科技大学测绘科学与技术学院李朋飞教授:机载LiDAR监测黄土高原土壤侵蚀的能力评估 |《测绘学报》2023年52卷第8期

测绘学报 90

前言:

当前朋友们对“用dem生成斜坡单元”大致比较重视,我们都想要剖析一些“用dem生成斜坡单元”的相关知识。那么小编同时在网摘上收集了一些关于“用dem生成斜坡单元””的相关内容,希望看官们能喜欢,兄弟们一起来了解一下吧!

本文内容来源于《测绘学报》2023年第8期(审图号GS京(2023)1524号

机载LiDAR监测黄土高原土壤侵蚀的能力评估

李朋飞, 李豆, 胡晋飞, 姚顽强, 臧宇哲

西安科技大学测绘科学与技术学院, 陕西 西安 710054

基金项目:国家自然科学基金(41977059;U2243211);陕西省自然科学基础研究计划(2022JQ-259);陕西省教育厅资助项目(22JK0463)

摘要:黄土高原土壤侵蚀严重、地形破碎复杂。受限于监测技术, 以往侵蚀研究多基于径流小区开展, 流域尺度的土壤侵蚀定量研究较少。机载激光雷达(LiDAR)技术为黄土高原流域尺度的土壤侵蚀高效监测提供了可能, 然而其监测复杂地形变化的不确定性有待考究, 导致其监测土壤侵蚀的能力缺乏深入研究。鉴于此, 本文以黄土高塬沟壑区董庄沟流域内典型坡沟系统为研究区, 连续获取地形无变化时段内4架次无人机LiDAR点云并生成DEM。在此基础上, 定量评估了不同架次DEM求差(DoD)不确定性的空间分布特征; 对比分析了DoD不确定性量级(即DoD不确定性绝对值, DoDua)与文献中不同类型土壤侵蚀所致地形变化量, 初步确定机载LiDAR监测土壤侵蚀的能力。结果表明: ①不同架次间DoD不确定性差异不显著, 且整体空间分布和量级相近, 仅局部存在明显差异; ②梁峁坡区域DoDua为0.023~0.034 m, 明显小于沟谷坡区域的0.057~0.077 m, 切沟DoD不确定性的极值大多位于切沟的陡峭沟壁。DoDua越大, 面积占比越小, 其中0.05 m以下占比超40%, 大于0.3 m占比小于7%;③基于无人机LiDAR点云, 采用DoD方法可监测场次暴雨引起的切沟和冲沟侵蚀、浅层滑坡和中/深层滑坡, 有可能监测到浅沟侵蚀, 但不适合用于监测细沟侵蚀。结果可为复杂地形区域流域尺度土壤侵蚀高效监测和机理研究提供参考。

关键词土壤侵蚀监测 流域尺度 黄土高原 机载LiDAR DoD不确定性

引文格式:李朋飞, 李豆, 胡晋飞, 等. 机载LiDAR监测黄土高原土壤侵蚀的能力评估[J]. 测绘学报,2023,52(8):1342-1354. DOI: 10.11947/j.AGCS.2023.20210698

LI Pengfei, LI Dou, HU Jinfei, et al. Assessing the ability of airborne LiDAR to monitor soil erosion on the Chinese Loess Plateau[J]. Acta Geodaetica et Cartographica Sinica, 2023, 52(8): 1342-1354. DOI: 10.11947/j.AGCS.2023.20210698

阅读全文引 言黄土高原土壤侵蚀严重、地形地貌复杂。自20世纪50年代,学者运用不同监测手段研究了黄土高原土壤侵蚀过程,主要包括野外原位观测法[1]、试验研究法[2]、示踪元素法[3]等。然而,已有监测方法耗时、费力,难以用于流域尺度等大范围侵蚀过程监测。受限于此,黄土高原土壤侵蚀定量监测多基于径流小区尺度开展,流域尺度土壤侵蚀定量监测较少。近年来,基于高精度地形数据的地表变化监测已成为流域尺度土壤侵蚀时空特征研究的重要方法[4]。其中,通过多次地形数据构建的数字高程模型(digital elevation model,DEM)求差(DEM of differences,DoD)为最常用的方法之一[5]。已有学者用无人机摄影测量技术获取的高精度地形数据开展了沟壑提取[6]、泥沙输移监测[7]等工作,然而摄影测量技术的测量精度受植被影响较大。激光雷达(light detection and ranging,LiDAR)技术是近几十年来遥感领域革命性成就之一,因其分辨率高、抗干扰能力强、穿透植被能力较强、可获取精确的地形信息,受到越来越多的关注[8]。机载LiDAR是LiDAR技术的最新发展,由激光扫描仪、GNSS、惯性导航系统(inertial measurement unit,IMU)3部分组成[8]。机载LiDAR可快速获取高精度的点云数据,为地形信息的高效获取提供了方法[9-11]。机载LiDAR技术为大范围地形变化监测与土壤侵蚀研究提供了可能。然而,受地形、数据质量(如点云密度)、采样策略、插值算法等影响,所生成DEM与真实地形存在误差[12],该误差经DEM求差传递到DoD中,形成DoD的不确定性。深入探究DoD不确定性空间分布特征,对比其与土壤侵蚀所致地形变化的大小,可探明机载LiDAR监测土壤侵蚀的能力与可监测的土壤侵蚀过程。近年来,机载LiDAR已广泛用于地表过程监测研究。文献[4]利用机载LiDAR和地面三维激光扫描仪量化了侵蚀沟道周期性变化。文献[13]利用机载LiDAR研究了韩国首尔南部山区的山体滑坡。文献[14]利用机载LiDAR对西班牙塔拉戈纳的土石场土壤侵蚀进行了量化。文献[15]利用机载LiDAR对茂密植被山区的地质灾害进行了调查。然而,鲜有研究将机载LiDAR用于黄土高原土壤侵蚀监测与定量研究之中,极大限制了机载LiDAR在该区域的应用。鉴于此,本文以黄土高塬沟壑区董庄沟流域内典型坡沟系统为研究区,评估机载LiDAR监测黄土高原土壤侵蚀的能力。首先,在地形未发生变化的时段内,利用无人机LiDAR获取研究区域4个架次点云数据并生成DEM,系统分析不同地貌单元DoD不确定性的空间分布规律;其次,利用整理、归纳的黄土高原侵蚀速率数据,评估机载LiDAR对不同土壤侵蚀类型的甄别能力,确定机载LiDAR在土壤侵蚀监测中的适用性,研究结果可为流域尺度土壤侵蚀监测与量化提供技术支撑。1 数据与研究方法1.1 研究区概况根据地形、土壤类型、降水、植被的区域性差异,黄土高原包含6个分区(图 1(a)),分别为黄土高塬沟壑区、黄土丘陵沟壑区、农灌区、河谷平原区、沙地沙漠区和土石山区[16]。其中,黄土高塬沟壑区和黄土丘陵沟壑区为侵蚀最为严重的区域[16]。黄土高塬沟壑区塬面黄土土层深厚,沟头溯源侵蚀活跃,土壤侵蚀模数为5000~8000 t/(km2·a)。黄土丘陵沟壑区坡陡沟深,陡坡耕地多,植被覆盖较低,降雨多为短历时高强度暴雨,部分区域土壤侵蚀模数接近20 000 t/(km2·a)。图 1 研究区概况Fig. 1 Overview of the study site图选项

本文研究范围位于黄土高塬沟壑区典型小流域董庄沟内。董庄沟位于甘肃省庆阳市西峰区南小河沟流域(图 1(a)、(b)),沟长1.6 km,沟道比降8.93%,流域面积1.15 km2,海拔1135~1350 m。年均气温9.3℃,年均降水量546.9 mm,其中6—9月降水量占年降水量的69.9%,流域为第四纪黄土所覆盖,厚度约250 m[17]。地貌类型主要包括塬面、梁峁坡、沟谷。塬面地形平坦,坡度在5°以下,多为农耕地;梁峁坡为连接塬面的缓坡带,一般为10°~20°;梁峁坡以下为沟谷,呈V形,沟谷坡一般为40~60°的陡坡和大于60°的悬崖和立壁。流域内以荒草地为主,除村庄、道路旁和部分沟头有小型林带外,无整块大片林带[17]。梁峁坡与沟谷坡是土壤侵蚀发生的主要区域,地形变化明显。因此,在董庄沟内选取一典型梁峁坡与沟谷坡(即坡沟系统)区域开展研究(图 1(c)、(d))。

1.2 数据获取

1.2.1 机载LiDAR数据的获取

机载LiDAR系统SZT-R250于2019年5月12日采集研究区的点云数据。无人机起飞点位于董庄沟小流域沟头处塬面上,LiDAR参数设定为:激光发射频率100 KHZ,航高50 m,航带宽60 m,飞行速度7 km/h,线扫频率50线/s,扫描角度90°~270°,飞行航线与所选研究区切沟方向垂直。同时确保航线、航高、基站位置等不变下同一天获取4架次无人机LiDAR的点云数据。数据采集过程中研究区地形变化为零。

1.2.2 黄土高原土壤侵蚀数据获取

由于研究区域地形陡峭,难以开展长期侵蚀监测获取实测侵蚀数据资料,用于评估机载LiDAR监测侵蚀的能力,因此,通过搜集整理已发表文献,获取实测侵蚀数据。黄土高原以沟道侵蚀为主,其中丘陵沟壑区切沟侵蚀量在流域产沙量中占比超过50%,高塬沟壑区切沟侵蚀量占流域产沙量的80%以上[18]。鉴于此,为评估机载LiDAR对黄土高原不同侵蚀类型的监测能力,以“黄土高原”+“沟道侵蚀”和“Loess Plateau”+“gully/rill erosion”为关键词,利用Python爬取Web of Science和知网1990—2021年间发表的黄土高原侵蚀论文,共获取中文文献103篇,英文文献311篇。根据文章的研究内容和研究区筛选出适当文献,并按照土壤侵蚀类型将文献分为中/深层滑坡、浅层滑坡、切/冲沟侵蚀、浅沟侵蚀、细沟侵蚀5种类型。文献筛选中,优先选取研究区为董庄沟流域的文献,然而董庄沟流域相关文献仅3篇,实测数据有限,黄土高原土壤属性较为均一,绝大部分地区的土壤都为黄绵土[19],为采用其他区域实测数据验证监测结果提供了可能。因而,将文献筛选范围拓展至整个黄土高原,最终选取文献28篇(表 1),其中位于侵蚀严重区域的高塬沟壑区和丘陵沟壑区的文献占比90%(图 1(a))。

表 1 用于机载LiDAR监测能力评估的土壤侵蚀相关文献Tab. 1 Publications that were involved in the assessment of the ability of airborne LiDAR to monitor soil erosion

表选项

1.3 机载LiDAR监测土壤侵蚀能力评估待数据获取后,首先开展机载LiDAR点云数据处理分析以获取DoD不确定性;其次对比DoD不确定性绝对值(DoDua)与实测土壤侵蚀所致高程变化,评估机载LiDAR监测不同侵蚀过程的能力。DoD不确定性计算中,首次需对原始LiDAR点云进行滤波,获取地面点云;其次,需对获取的地面点云插值生成DEM,进而基于DEM获得DoD不确定性。

1.3.1 点云滤波与DEM插值

(1) 滤波与插值。采用多尺度曲率算法(multiscale curvature classification, MCC)[48]对原始点云数据进行自动滤波,剔除噪点、植被点、房屋点,最终得到地面点云数据。MCC滤波算法由开源软件MCC-LiDAR 2.1实现,该算法适用于地形复杂区域,且仅有两个关键参数,易于获取最优参数组合[48],已在董庄沟流域应用并取得较好结果[49]。在自动滤波的基础上,使用Terrasolid 2016软件手动滤波进行修正。获取的地面点云数据基于不规则三角网(triangular irregular network, TIN)方法生成DEM,分辨率为0.1 m。已有研究表明,基于TIN的插值适用于非连续地形,如山脊和断裂的斜坡[50-51]。文献[52]在董庄沟流域比较了6种常用插值算法精度,结果表明基于TIN的线性插值算法整体精度较高,在低点云密度下精度明显高于其他算法。(2) DEM误差评估。DEM误差通常分为水平误差和垂直误差,水平误差通常忽略或者采用制造商给定的最小误差[10, 53]。此外,已有学者通过飞行高度的1/2000以量化水平误差或选择研究区建筑物验证水平误差[12]。本文所选研究区为自然坡沟系统,无建筑物,无法用于水平误差验证,因此选择飞行高度的1/2000以量化水平误差(0.03 m),该误差与制造商提供的最小水平误差基本一致。垂直误差可通过均方根误差(root mean square error, RMSE)评估。文献[52]采用交叉验证评估了无人机LiDAR所获取董庄沟DEM的垂直精度(RMSE=0.26 m),该研究所用点云数据与本文相同。因而,本文直接评估不同架次间DEM的相对误差。

1.3.2 DoD不确定性

DoD为相同区域不同时期DEM相减的结果,包含实地形变化(Dactual)与不确定性(δu)。即 (1)当Dactual=0时,则 (2)由于本文研究区地形无变化,所计算的DoD即为DoD不确定性。首先比较完整坡沟系统及梁峁坡和沟谷坡DoD不确定性的空间分布,量化不同地貌单元DoD不确定性(即DoD不确定性绝对值,DoDua),并对DoDua进行分级且计算各分级的面积占比;再分析了沟坡区域DoD不确定性的空间分布。采用文献[54]提出的阴影法提取沟谷坡14条切沟,并量化沟坡区域14条切沟的DoDua,同时对不同架次14条沟道DoDua做方差分析,比较各架次DoDua之间的差异。

1.3.3 土壤侵蚀监测能力评估

涉及黄土高原沟道侵蚀发生前后地形变化的文章共28篇,中/深层滑坡6篇、浅层滑坡3篇、切/冲沟侵蚀10篇、浅沟侵蚀4篇、细沟侵蚀7篇(表 1)。待数据收集结束后,首先将DoDua与董庄沟周边侵蚀实测值对比,其次与所有实测数据对比,以评估机载LiDAR对不同土壤侵蚀类型的监测能力。考虑到细沟侵蚀和浅沟侵蚀多发生在地形较平坦的梁峁坡,切/冲沟、浅层滑坡、中/深层滑坡多发生在陡峭区域,因而将细沟侵蚀与浅沟侵蚀与梁峁坡的DoDua进行比较,而切/冲沟侵蚀、浅层滑坡、中/深层滑坡与切沟的DoDua进行比较。2 结果2.1 坡沟系统DoD不确定性的空间分布采用TIN插值算法将4次滤波后的地面点云数据插值生成DEM,通过分析F1-F2、F1-F3、F1-F4、F2-F3、F2-F4、F3-F4的DoD不确定性空间分布(图 2)可知,极值少量分布于地形较平坦的梁峁坡区域,大多数分布在切沟密集的沟谷坡区域,且极值分布与切沟的方向一致,其中最小值分别为-10.120、-6.439、-12.551、-7.375、-12.625、-12.258 m,最大值分别为5.385、5.279、4.708、9.874、7.349、6.429 m。不同架次间DoD不确定性空间分布规律相似,仅在局部存在差异(如图 2中黑色矩形框选区域)。注:F1、F2、F3、F4分别表示第1、第2、第3、第4架次数据;黑框代表不同架次间DoD不确定性存在差异的区域。图 2 不同架次机载LiDAR点云数据生成DEM所构建DoD不确定性的空间分布Fig. 2 The uncertainty of DoDs for the selected hillslopes and gully areas derived based on DEMs图选项

整个坡沟系统DoD不确定性绝对值(DoDua)均值介于0.051~0.069 m之间,标准差介于0.111~0.236 m之间(图 3(a))。梁峁坡DoDua均值介于0.023~0.034 m之间,标准差介于0.055~0.129 m之间,沟谷坡DoDua均值介于0.057~0.077 m之间,标准差介于0.118~0.255 m之间。不同架次间虽略有差异,但整体上梁峁坡DoDua均值及其标准差明显小于沟谷坡区域。注:DoDua表示DoD不确定的绝对值。图 3 各地貌单元的DoDua大小和不同分级下DoDua的面积占比Fig. 3 DoDua for the selected slope-gully system and the area percentage of different levels of the DoDua derived from different flight combinations图选项

将整个坡沟系统DoDua分级并统计各分级下的面积比例(图 3(b))。结果显示,各架次的DoDua虽略有差异,但变化趋势相同,即各分级下面积占比随DoDua的增大而减小。其中,在0~0.05 m分级下各架次的DoDua面积占比都超过40%,分别为42.94%、42.86%、43.39%、46.06%、44.76%、45.15%。而当DoDua大于0.3 m时,面积占比明显降低,分别为5.29%、5.19%、5.89%、5.07%、6.12%、5.69%;当DoDua大于1 m时,面积占比微小,分别为0.58%、0.48%、1.02%、0.61%、1.08%、0.94%。

2.2 沟谷坡区域DoD空间分布

由于DoD不确定性极值主要分布在沟谷坡区域,因此探究了沟谷坡区域各切沟中DoD不确定性值的空间分布。DoD不确定性均分布在切沟底部或切沟起伏较低区域,而DoD不确定性极大值和极小值都位于地形陡峭的沟壁位置。所有架次提取的14条切沟的DoDua均值为0.14 m,最大值为0.29 m,最小值为0.09 m(图 4)。不同架次14条切沟中DoDua均值差异很小,分别为0.14、0.14、0.15、0.14、0.15、0.14 m。最大值分别为0.23、0.20、0.26、0.24、0.29、0.24 m,最小值分别为0.10、0.10、0.11、0.09、0.10、0.10 m。其中F1-F3架次的切沟DoD波动最小。图 4 沟谷坡14条切沟不同架次DoDuaFig. 4 The magnitude of DoD (DoDua) for the fourteen gullies located on the selected gully slope图选项

不同架次沟道DoDua的方差齐次性检验显著性(p=0.135)大于0.05,即本次方差分析为齐次,可使用单因素方差分析。通过单因素方差分析判别不同架次之间DoDua的差异显著性可知,各飞行架次间DoDua差异显著性(p=0.188)大于0.05,即各飞行架次间差异并不显著。此外,不同架次差异的多重比较(表 2)发现,仅1、2架次DoDua与2、3架次DoDua之间均值差存在显著性差异,其余架次之间均值差差异不显著,表明4次点云数据的DoDua差异不显著,各架次点云数据之间差异不显著。

表 2 单因素方差分析的多重比较Tab. 2 Multiple comparisons of one-way analysis of variance

注:*表示均值差达到0.05的显著性水平。表选项

2.3 土壤侵蚀监测能力评估董庄沟流域及其附近(高塬沟壑区)相关数据中(图 5(a)),文献[20]调查发现庆阳市南小河沟流域中/深层滑坡厚度范围在41.70~75.50 m之间,平均厚度为58.6 m;文献[23]调查发现环县西北部的浅层滑坡厚度范围在1.50~7.00 m之间,一个中层滑坡厚度为15 m,平均厚度5.50 m;文献[21]调查庆阳市和平凉市浅层滑坡的厚度范围在1.50~3.00 m之间,平均厚度为2.25 m;文献[27]调查庆阳市南小河沟流域的浅层滑坡厚度范围在0.20~4.30 m之间,平均厚度1.82 m;文献[37]在庆阳市南小河沟流域野外模拟降雨试验得出切/冲沟侵蚀深度范围在0.36~1.15 m之间,平均深度0.85 m,而TIN插值算法所得14条切沟DoDua范围为0.09~0.29 m,平均值为0.14 m。董庄沟流域附近侵蚀数据最小值、最大值、均值绝大多数大于DoDua的范围,仅文献[27]调查的浅层滑坡最小值小于DoDua最大值,说明基于机载点云的DoD方法可监测董庄沟流域附近样区的侵蚀。图 5 董庄沟流域附近样区侵蚀所致高程变化与DoDua的比较,黄土高原侵蚀所致高程变化与DoDua的比较Fig. 5 Comparison of the elevation change induced by different soil erosion processes on the area surrounding the Dongzhuanggou catchment and on the Loess Plateau with the magnitude of DoD uncertainty (DoDua)图选项

整个黄土高原已发表文献的侵蚀沟深和沉积厚度数据中(图 5(b)),中/深层滑坡侵蚀沉积深度范围为10.00~75.50 m,平均厚度为25.49 m;浅层滑坡深度范围为0.20~7.00 m,平均厚度为2.22 m;切/冲沟土壤侵蚀深度范围0.19~4.0 m,沟深为0.95 m;浅沟侵蚀深度范围0.11~0.47 m,平均沟深为0.21 m;细沟侵蚀深度范围为0.02~0.15 m,平均沟深为0.07 m;而切沟DoDua范围为0.09~0.29 m,平均值为0.14 m,梁峁坡区域DoDua范围为0.023~0.034 m,平均值为0.03 m。其中,中/深层滑坡厚度的最小值也大于切沟DoDua最大值,故DoD方法可监测黄土高原区域中/深层滑坡。绝大多数浅层滑坡厚度大于切沟DoDua最大值,小部分浅层滑坡厚度小于切沟DoDua最大值,故DoD方法可监测绝大多数浅层滑坡。少量的浅层滑坡无法监测[27]。绝大多数切/冲沟侵蚀的深度大于切沟DoDua,小部分切/冲沟侵蚀无法监测[31]。浅沟侵蚀深度与梁峁坡DoDua接近,因而DoD方法也可用于监测浅沟侵蚀。部分细沟侵蚀深度小于粱峁坡DoDua最大值[46-47],且大多数细沟侵蚀的量级与DoDua均值接近,因此DoD方法理论上难以用于监测部分细沟侵蚀。3 讨论3.1 DoD不确定性空间分布DEM误差主要由仪器、测点质量、测量策略、地形复杂度、地表粗糙度、栅格分辨率、插值方法等造成[55]。文献[56—57]分析了地形形态、样本密度、插值算法对DEM精度的影响,研究指出地形形态影响最大,采样密度次之,而插值方法的影响相对较小。因此不同地貌单元(梁峁坡、沟谷坡)的DEM精度差异将导致DoD不确定性的差异。通常情况下,局部地形越趋于平坦,点密度越高,生成的DEM模型更精确且接近真实的地表形态,DoD算法的不确定性也较小。梁峁坡区域地形相比沟谷坡区域地形较为平坦,不同架次的DEM均可精确模拟真实地表,故DoD中不确定性均值较小,但特殊的地貌(土堆)也会造成局部较高的DoD不确定性;在地形陡峭的沟壁(图 2),由于航线规划、地形遮挡、植被等原因,机载LiDAR获取的点云密度远小于地形较平坦的区域,局部区域甚至存在数据缺失,导致所构建的DEM存在很大误差,进而导致更高的DoD不确定性。因此在局部陡峭沟壁,其DoD不确定性的最大值和最小值远大于均值。针对陡峭区域点云密度低或数据缺失的问题,后续可通过加密航线或者结合其他测量手段(如无人机摄影测量)提高陡峭沟壁区域地形信息的完整性。虽然地形陡峭区域的DoDua大于0.3 m的面积占比已小于6.5%,但DoDua极值会严重影响该方法监测土壤侵蚀的准确性,因此明晰并量化DoD不确定性的空间分布是DoD方法准确监测土壤侵蚀的前提。3.2 土壤侵蚀监测能力评估不同样区土壤侵蚀速率不同,同一样区不同时间侵蚀速率也不同。已有研究表明黄土丘陵沟壑区属黄土高原最严重的土壤侵蚀区域[16]。本文所整理的不同侵蚀类型文献的研究区大多位于黄土高塬沟壑区和丘陵沟壑区,DoDua与董庄沟及其周边样区侵蚀沟深(沉积厚度)的比较(图 5(a))在一定程度上可反映DoD方法在黄土高塬沟壑区中/深层滑坡、浅层滑坡及沟蚀监测中的适用性。而黄土丘陵沟壑区土壤侵蚀速率高于高塬沟壑区[16],且黄土高原已发表的侵蚀沟深变化文献绝大多数位于高塬沟壑区和丘陵沟壑区,因此董庄沟流域的DoDua与已发表文献中侵蚀数据的比较可扩展至黄土丘陵沟壑区。本文所统计的文献中大型滑坡沉积或侵蚀的平均深度也均远大于切沟的DoDua,DoD不确定性对量化大型滑坡侵蚀沉积的体积变化影响甚微,国外学者已采用DoD方法成功量化了美国俄勒冈州、新西兰、美国加利福尼亚州等的滑坡侵蚀体积[58-60],因此,机载LiDAR通过DoD的方法监测大型滑坡完全可行。浅层滑坡侵蚀的平均深度也大于DoDua,仅个别较小的浅层滑坡小于DoDua最大值,可能无法被监测,因此机载LiDAR能够量化绝大多数浅层滑坡的侵蚀沉积变化。切/冲沟侵蚀导致深度变化的均值也大于DoDua,但小部分切沟和冲沟发育时间较短,深度变化较小,小于切沟DoDua的最大值,故小部分切/冲沟侵蚀有可能无法被监测。由于切/冲沟侵蚀沉积的量级小于滑坡,故DoD方法计算切沟和冲沟的侵蚀沉积变化时,DoD不确定性所占比重较大,因此机载LiDAR采用DoD方法计算侵蚀体积时,需将DoD方法的不确定性导致的虚假体积变化与真实的体积分开,以便更准确量化侵蚀沉积的体积变化[59]。浅沟侵蚀深度变化均值大于梁峁坡区域DoDua,理论上可通过DoD方法进行浅沟侵蚀监测,然而对于梁峁坡局部地形较复杂区域,其DoDua大于浅沟侵蚀的深度变化。同时由于区域降雨、土壤性质、植被覆盖、土地利用、地形等因素的不同,各个文献中浅沟侵蚀的深度也不尽相同(表 1)。因此,在使用机载LiDAR监测浅沟侵蚀前,需对研究区进行实地调查或通过历史资料了解该区域发生浅沟侵蚀的沟深。鉴于此,机载LiDAR能否用于浅沟侵蚀监测尚需进一步研究。综合文献中细沟侵蚀沟深变化范围可知,其均值略大于缓坡区域DoDua,然而部分DoDua大于细沟侵蚀的沟深变化,因此通过机载LiDAR监测坡面细沟侵蚀存在一定困难,该方法用于细沟侵蚀监测仍需进一步发展与研究。3.3 展望本文通过比较DoD不确定性与土壤侵蚀造成的地形变化,初步得出机载LiDAR可监测切/冲沟侵蚀、浅层滑坡、深层滑坡等类型的土壤侵蚀。然而机载LiDAR的观测方向与沟道的方向和位置、DEM分辨率等都会影响DoD不确定性。在本文研究中,无人机LiDAR扫描角度为90°~270°,扫描范围覆盖整个研究区域,确保不会出现明显数据缺失;无人机飞行航线与所选研究区切沟方向垂直,虽然由于切沟陡峭的沟壁遮挡,导致沟坡区域局部点密度较小,但依然可监测到切/冲沟侵蚀类型的土壤侵蚀。后续研究可通过修改航线设计(如选择井字形航线),获得更精细的地形信息以进一步研究DoD不确定性与侵蚀监测能力。DEM分辨率也是DoD方法土壤侵蚀监测能力的关键影响因素之一,DEM栅格数量与点云数据大体相等时,DEM的分辨率最合适[61]。本文研究的平均点密度为75点/m2,生成的DEM的栅格分辨率为0.1 m,满足侵蚀体积较大的切沟侵蚀、浅层滑坡、深层滑坡侵蚀的监测需求。浅沟侵蚀沟宽通常在0.2~2 m之间[17, 62],因此部分浅沟侵蚀沟宽与DEM的分辨率接近,未来可通过降低航高、加密航线获得更高的点云密度,进而生成更高分辨率的DEM以提升浅沟侵蚀监测能力。如前所述,虽然无人机摄影测量技术已用于黄土高原土壤侵蚀监测[7],但机载LiDAR相比无人机摄影测量具有更好的植被穿透能力和地表信息获取能力,尤其近些年黄土高原植被覆盖明显增加[63],更加凸显了机载LiDAR的优势。基于本文技术方案,后续可建立DoD不确定性与其影响因素(如地形、点云密度、插值误差等)之间的关系,以实现地形复杂区域DoD不确定性的模拟;基于模拟的DoD不确定性,可快速剔除无人机LiDAR获取地形变化的误差,而得到真实地形变化,进而实现流域尺度侵蚀沉积长时段的周期性变化监测,为黄土高原土壤侵蚀高效监测提供新的思路。4 结论本文以黄土高塬沟壑区董庄沟流域内典型坡沟系统为研究区,连续获取地形无变化时段内4架次无人机LiDAR点云并生成DEM。在此基础上,定量评估了不同架次DEM求差(DoD)不确定性的空间分布特征;对比分析了DoD不确定性的量级(即DoD不确定性绝对值,DoDua)与文献中不同类型土壤侵蚀所致地形变化量,初步确定机载LiDAR监测土壤侵蚀的能力。结果表明:①不同架次间DoD不确定性差异不显著,且整体空间分布和量级相近,仅在局部存在明显差异。②梁峁坡区域DoDua为0.023~0.034 m,明显小于沟谷坡区域的0.057~0.077 m,切沟DoD不确定性的极值大多位于切沟的陡峭沟壁。DoDua越大,面积占比越小,其中0.05 m以下占比超40%,大于0.3 m占比小于7%。③基于无人机LiDAR点云,采用DoD方法可监测场次暴雨引起的切沟和冲沟侵蚀、浅层滑坡和中/深层滑坡,有可能监测到浅沟侵蚀,但不适合用于监测细沟侵蚀。结果可为黄土高原复杂地形区域流域范围土壤侵蚀高效监测与过程和机理研究提供参考。作者简介第一作者简介:李朋飞(1986-), 男, 博士, 教授, 研究方向为地貌遥感与水土保持。E-mail: pengfeili@xust.edu.cn通信作者:胡晋飞, E-mail:jinfeih@xust.edu.cn

初审:张艳玲复审:宋启凡
终审:金 君

资讯


标签: #用dem生成斜坡单元