劉俊峰，陳仁升，2，韓春壇，郭淑海，劉章文，王學良，3，卿文武

（1.中國科學院西北生態(tài)環(huán)境資源研究院，甘肅 蘭州 730000；2.西北大學，陜西 西安 710127；3.甘肅省水文站，甘肅 蘭州 730000；4.蘭州大學，甘肅 蘭州 730000）

0 引言

積雪是重要的淡水資源，是我國西北地區(qū)河流的重要補給來源之一［1-2］。非適時、過量或急劇消融的積雪會引發(fā)相關(guān)災害，導致人員傷亡和經(jīng)濟損失［3-5］。但是，目前積雪地面監(jiān)測薄弱，難以滿足科研和行業(yè)應用的需求。已有學者開展積雪特性及分布調(diào)查［6］，干旱區(qū)融雪洪水災害監(jiān)測預報和防控關(guān)鍵技術(shù)研究［3］，豐富積雪特征和動態(tài)變化數(shù)據(jù)，以期提高積雪和融雪洪水監(jiān)測預警能力。

攝影測量學是通過不同角度拍攝物體表面相片來還原點的空間位置，然后利用足夠多的空間點重構(gòu)物體形狀的一門信息科學［7］。其發(fā)展經(jīng)歷了模擬攝影測量、解析攝影測量和數(shù)字攝影測量三個階段。攝影測量作為一種有效的地表過程觀測手段，適用于不同時空尺度的監(jiān)測研究：時間上從秒到年內(nèi)和年際變化；空間上可以從亞毫米到千米尺度變化［8］。這種監(jiān)測手段不僅為地表過程提供精確的監(jiān)測數(shù)據(jù)，還可以為模型的開發(fā)驗證提供更為可靠的驗證數(shù)據(jù)。同時攝影測量可以實現(xiàn)遠程控制、無接觸測量，省時省力。因此，攝影測量方法的應用研究非常廣泛［9］。其中，攝影測量在積雪研究中的應用包括：獲取積雪空間分布［10-15］、積雪歷時［16］、雪深［17-22］、積雪截留量［23-24］、反照率參數(shù)化［25-26］、風吹雪［27-28］、粗糙度［29-30］等諸多信息。研究獲取的積雪數(shù)據(jù)從2D［17-18］擴展到目前的4D（時間+空間）信息［22，31-33］，預計在未來積雪研究中的應用前景廣泛［34］。

相比國際，國內(nèi)積雪攝影測量應用研究起步較晚，研究范圍也僅限于小尺度積雪空間分布信息［35-37］和雪深提取［38］。由于缺乏成熟的4D監(jiān)測設備，國內(nèi)仍缺乏積雪4D監(jiān)測研究。國際上，積雪4D監(jiān)測研究主要利用3臺以上相機，從不同角度拍攝2D相片，基于運動結(jié)構(gòu)重建算法（Structure from motion，SfM），還原出相片中的三維場景，監(jiān)測積雪相關(guān)特性的變化。本研究嘗試利用單臺相機，結(jié)合延時攝影、自動控制等技術(shù)，長時序、多角度拍攝積雪相片，利用SfM算法獲取包括積雪面積、雪深等信息和空間分布的動態(tài)變化過程，從而提高積雪相關(guān)特性和動態(tài)變化監(jiān)測能力，為積雪觀測及其相關(guān)融雪洪水等相關(guān)災害預報預警提供可靠的監(jiān)測方法和手段。

1 積雪4D攝影測量試驗方法

1.1 4D攝影測量原理

4D攝影測量利用單臺相機或多臺相機，長時序、多角度的拍攝被測區(qū)域，以獲取重疊的影像數(shù)據(jù)，結(jié)合傳統(tǒng)攝影測量算法或SfM算法重建長時間序列的3D信息［31-33，39］。SfM算法是直接將攝影測量與計算機視覺算法結(jié)合，對具有時間序列的多角度、多位置、有重疊的影像自動提取共有特征點，利用影像明顯的特征點進行空間點位置解算和提取，進而得到空間點云以重建物體的3D模型。同時，通過特征點信息反推相機位置和角度、相機的焦距和每張影像的畸變參數(shù)［40-41］?；赟fM算法的3D建模軟件包括Pix4D，Agisoft PhotoScan，LiMapper，Bundler，Visual SFM等。相比較傳統(tǒng)攝影測量和激光雷達等測量手段，基于SfM的攝影測量方法具有操作簡單，快速、便捷、成本低，而且精度與激光雷達相當或更優(yōu)的特點［9，42］。本研究采用單臺相機以固定頻率、多角度延時拍攝重疊的照片組，結(jié)合SfM算法獲取積雪信息。

1.2 測量裝置

測量裝置示意圖見圖1。相機和滑軌安裝在距離地面一定高度的梯形支架上，其中相機固定在1.5 m軌道的滑塊上。利用控制器模塊控制軌道電機，以此精確控制滑塊在軌道上移動的距離和方向，當負載有相機的滑塊移動到預設的位置，利用定時快門控制相機在該位置拍攝相片。依次循環(huán)往復，設定相機在滑軌的7個等距位置分別拍攝7張相片［圖1（a）］。拍攝采用佳能EOS1100D相機，相片分辨率設定為3 456×5 184像元，快門速度同為1/160 s-1。相機焦距及光圈設定根據(jù)試驗場地不同略有差異：試驗點一位于黑河上游站峽谷，拍攝面積較大，因此焦距用膠帶固定設置為20 mm。由于該實驗點反照率低，光線較暗，光圈設定為f8。試驗點二位于祁連山八一冰川，拍攝范圍小，焦距固定在30 mm。鑒于雪面反照率高，光照條件好，積雪期可達11個月，所以光圈設定為f29。相機供電根據(jù)試驗點條件不同有所差異：試驗點一有市電，因此將220 V交流電轉(zhuǎn)化為24 V直流電為軌道及相機供電；試驗點二則采用太陽能+120 AH膠體電池供電。

圖1 測量裝置示意圖Fig.1 Schematic diagram of measuring device：4D SfM photogrammetry camera location and image overlap（a）；the 4D SfM photogrammetry device（b）

1.3 試驗場地

本次研究選取兩個試驗點：試驗點一位于祁連山黑河上游生態(tài)-水文試驗研究站院內(nèi)山坡裸地處（99.88° E，38.27° N，2 998 m），監(jiān)測范圍約21 m×30 m，監(jiān)測時段為2020年11月21日至30日，每日16：00拍攝（北京時間，下同）。試驗點一地表有稀疏的禾本植被，在拍攝相片時候，這些植被極易受風吹、降雨等天氣影響，進而影響后期獲取影像和DEM的精度。為此，試驗前對草地進行了刈割。由于監(jiān)測面積較大，本次試驗布設了10個控制點分布在其周邊［圖2（a）］。試驗點二位于祁連山八一冰川東側(cè)，地勢平坦，無植被覆蓋（98.88° E，39.02° N，4 700 m），監(jiān)測范圍為1.5 m×1.5 m斑塊尺度的積雪動態(tài)變化過程，監(jiān)測時段從2019年9月1日至2020年8月31日，監(jiān)測頻次為每日4次。由于試驗點二雪深季節(jié)波動大，為此選用分別位于被測區(qū)域的四個角的1 m長測桿作為控制桿，8個控制點分別位于4根測桿0.05 m到1.00 m高度上［圖2（b）］。

圖2 兩個不同現(xiàn)場研究地點及其控制點的位置Fig.2 Locations of the two different field study sites and its control points：the first field test site is located atthe bare slope of Qilian Alpine Ecology and Hydrology Research Station（a）；the second field test site is located at the east part of the August-one ice cap（b）

1.4 技術(shù)流程

積雪4D監(jiān)測技術(shù)流程主要包括：（1）地面控制點布設及定標。本次研究采用Leica D110激光測距儀測算了試驗點一的10個控制點的相對坐標；試驗點二則利用卷尺測算了每個控制點的相對坐標。（2）照片質(zhì)量控制。由于雪面紋理特征相對單一，特別是曝光過度以及模糊的照片組對齊難度很大，所以要剔除此類照片。（3）將篩選的照片組進行控制點定位，利用PhotoScan軟件進行空間解算計算稀疏點云。（4）計算密集點云，并進行質(zhì)量控制，剔除奇異點。（5）利用點云數(shù)據(jù)生成數(shù)字高程模型（Digital elevation model，DEM）和正射影像數(shù)據(jù)。（6）利用正射影像數(shù)據(jù)，計算積雪面積。（7）利用積雪期DEM減去無雪期DEM，生成雪深數(shù)據(jù)DOD（Difference of DEM），據(jù)此計算并得到試驗點平均雪深。

2 結(jié)果

2.1 4D攝影測量精度

2.1.1 試驗點一雪深監(jiān)測精度

2020年11月21日人工觀測降雪量為4.6 mm，早上08：00雪深為3.0 cm，下午不足1.0 cm。利用21日積雪首日DEM和無雪期DEM計算21日DOD雪深數(shù)據(jù)［圖3（a）］，坡面尺度平均雪深為0.7 cm，標準差為5.8 cm。根據(jù)圖3數(shù)據(jù)可知，盡管平均雪深與人工觀測相當，但雪深分布數(shù)據(jù)呈現(xiàn)較大差異，有39%的DOD柵格在0～3.0 cm之間，而42%的DOD柵格雪深小于0 cm［圖3（b）］。由此可見，當雪深較薄時，4D攝影測量獲取雪深空間分布負值較多，可靠性差。

圖3 利用DOD獲取的2020年11月21日積雪分布及雪深分布頻率Fig.3 The spatial distribution of snow depth and distribution frequency of snow depth calculated based on DOD data，on November 21，2020：spatial distribution of snow depth（a）；distribution frequency of snow depth（b）

2.1.2 試驗點二監(jiān)測精度

試驗點二積雪量大，雪面反照率較高，雪面特征點少，給影像自動對齊帶來挑戰(zhàn)。本研究總共獲取了1 090個照片組（7 630張照片）。利用Photoscan軟件進行了自動對齊后，168組由于雪面曝光過度、凝結(jié)或凝華遮擋相機鏡頭視線造成對齊失敗。922組照片成功對齊并獲取了點云數(shù)據(jù)。從逐月對齊的成功率來看，2019年9月1日至9月11日試驗點為裸地，對齊成功率100%。9月12日至10月中旬，試驗點降雪增多，消融減弱，雪面特征點少，對齊成功率隨之降低到92.5%。10月中旬后期到次年3月，降雪稀少，加之風吹雪造成雪面特征點和紋理豐富，對齊成功率較高，達到97%以上。2020年4至6月，試驗點降雪頻次增加，新雪表面特征點少導致對齊成功率逐漸降低至58%（表1）。進入7月后，試驗點積雪差異化消融造成雪表面特征和紋理增加，照片組對齊成功率相對6月略有增加，達到64%。

表1 不同月份照片組對齊比例變化Table 1 Alignment achievement in different month

利用SR50超聲探頭觀測雪深驗證試驗點二4D攝影測量觀測雪深精度。研究表明：4D攝影測量獲取的雪深與SR50測量的雪深有很好的一致性（圖4，R=0.98，P＜0.01）。不同時段分析4D攝影測量誤差表明：1月到3月雪面紋理清晰，降雪較少，試驗點二的老雪有利于攝影測量方法獲取高精度的雪深數(shù)據(jù)，相對誤差為-3.8 cm。4至6月份，由于降雪增多，雪面紋理和特征點減少，4D攝影測量獲取的雪深數(shù)據(jù)誤差增加至8.1 cm。夏季7—9月試驗點二降雪頻繁，但雪面快速消融增加了雪面紋理和特征點，相對誤差降低到0.5 cm。冬季10到12月份，試驗點二整體降雪少，距離地面2 m高處的觀測平均風速可達5.0 m·s-1，強風引起風吹雪過程和雪面紋理增加，從而提高了4D攝影測量雪深觀測精度，其相對誤差為1.4 cm（表2）?？傮w而言，全年相對誤差為1.4 cm，絕對誤差為3.4 cm，均方根誤差為3.1 cm。以上結(jié)果說明4D攝影測量方法在斑塊尺度積雪觀測精度很高；在不同季節(jié)受降水、風和消融影響，觀測誤差有差異，其中積累期（4—6月）最差，無降雪期（冬季11月—次年2月）以及消融期（7—9月）觀測精度相對較高。

圖4 SR50觀測的與4D攝影測量獲取的雪深數(shù)據(jù)對比Fig.4 Consistency between observations of snow depth derived by SR 50 and the 4D SfM photogrammetry method

表2 4D攝影測量獲取的雪深精度統(tǒng)計數(shù)據(jù)Table 2 Statistics of the accuracy of snow depth obtained by T-SfM method

2.2 積雪4D監(jiān)測結(jié)果

2.2.1 試驗點一積雪動態(tài)變化

圖5展示了試驗點一2020年11月21日至30日逐日積雪空間分布動態(tài)變化過程。積雪面積提取采用目視判讀，利用ArcMap軟件手動數(shù)字化積雪和無雪區(qū)。然后利用積雪區(qū)矢量圖計算積雪面積變化（圖6）。從積雪空間動態(tài)分布可以看出，逐日的未消融積雪區(qū)分布前后一致，利用4D攝影測量能夠準確獲取坡面尺度積雪空間分布。

圖5 4D攝影測量正射影像捕捉的坡面尺度逐日積雪空間分布Fig.5 4D SfM photogrammetry captured daily snow cover distribution over slop scale

圖6 利用4D攝影測量獲取的坡面尺度積雪面積變化Fig.6 Variation of snow covered area derived by 4D SfM photogrammetry

2.2.2 試驗點二積雪動態(tài)變化

利用積雪期逐日DEM數(shù)據(jù)減去無雪期的DEM得到逐日DOD，算術(shù)平均DOD得到逐日平均雪深（圖7）。從雪深變化可以看出，4D攝影測量能夠很好地反映冬季積雪平穩(wěn)期、春季積累期以及夏季消融期的雪深變化。但在積累期4—6月成功對齊的照片組比例較低，導致雪深缺測比例最高。

圖7 利用4D攝影測量獲取試驗點二2019-09-01—2020-08-31雪深變化Fig.7 Snow depth derived by 4D SfM photogrammetry in the second study site from September 1，2019 to August 31，2020

此外，利用獲取的DEM數(shù)據(jù)，還可以獲取斑塊尺度積雪表面高程信息，分析積雪表面的形態(tài)特征。圖8給出了新雪、風吹雪和差異化消雪面的基本形態(tài)特征。利用這些DEM數(shù)據(jù)不僅可以計算雪面積累、消融和雪面粗糙度等多種信息，還可以用于風吹雪和雪表粗糙度演化等過程的研究。

圖8 利用攝影測量獲取斑塊雪面表面高程數(shù)據(jù)Fig.8 The snow surface features and their corresponding DEM derived by 4D SfM photogrammetry：wavy wind blown snow surface（a）；fresh snow surface DEM（b）；snow waves formed after blowing snow event（c）；DEM corresponding to wavy wind blown snow waves（d）；blowing snow erosion formed snow bedforms（e）；DEM of snow bedforms（f）；melting snow surface（g）；DEM of melting snow surface（h）

3 結(jié)論

（1）兩個試驗點的研究結(jié)果表明：在山坡尺度，4D攝影測量可以準確獲取積雪的空間分布及積雪面積信息。而在斑塊尺度，4D攝影測量還可獲取包括雪深在內(nèi)的動態(tài)變化過程。

（2）不同月份照片組攝影測量對齊成功率不同：裸地成功率最高，風吹雪表面對齊成功率次之，新雪表面的對齊成功率最低。DEM精度在無降雪期和消融期相對較高，積累期精度較差。

（3）盡管受拍攝視角和范圍影響，地面積雪4D攝影測量范圍有限，但是單臺相機4D攝影測量具備高精度多目標的積雪監(jiān)測能力，優(yōu)于目前的諸多地面積雪監(jiān)測儀器設備。為增加監(jiān)測范圍和提高監(jiān)測精度，可以嘗試利用多臺相機從不同角度開展4D攝影測量研究。