土壤侵蝕形態(tài)演化數(shù)字?jǐn)z影觀測系統(tǒng)設(shè)計與實驗

姜艷敏 郭明航 趙 軍 溫仲明 林 奇 史海靜

(1.中國科學(xué)院水利部水土保持研究所， 陜西楊凌 712100； 2.中國科學(xué)院大學(xué)， 北京 100049；3.西北農(nóng)林科技大學(xué)水土保持研究所， 陜西楊凌 712100； 4.西北農(nóng)林科技大學(xué)草業(yè)與草原學(xué)院， 陜西楊凌 712100；5.西安敦瑞測量技術(shù)有限公司， 西安 710065)

0 引言

中國是世界上水土流失最嚴(yán)重的國家之一，全國土壤侵蝕面積為356萬km2，約占國土面積的40%[1]，尤其是我國的黃土高原地區(qū)，水土流失情況十分嚴(yán)重，對生態(tài)環(huán)境及社會經(jīng)濟(jì)的可持續(xù)發(fā)展帶來嚴(yán)重影響[2-3]。土壤侵蝕是侵蝕力與下墊面相互作用的過程，下墊面既是侵蝕作用的對象又是侵蝕作用的結(jié)果[4]。在侵蝕外力的作用下，土壤或其他地面組成物質(zhì)被剝蝕、搬運(yùn)以及沉積，從而產(chǎn)生侵蝕，而侵蝕作用的結(jié)果使得原來的下墊面形態(tài)及地表條件發(fā)生改變，從而引起新的侵蝕，如此反復(fù)，使得侵蝕作用不斷發(fā)展。因此，土壤侵蝕過程是一個逐漸發(fā)展演化的過程。

長期以來，各國學(xué)者圍繞土壤侵蝕量調(diào)查、侵蝕過程與機(jī)理，研發(fā)了很多的觀測方法和技術(shù)手段[5-9]。從傳統(tǒng)的人工手動測量法[10]、插釬法[11]、示蹤法[12]、徑流泥沙采樣法[13]，到目前基于測繪、測量技術(shù)以及信息技術(shù)為基礎(chǔ)的新的觀測方法，如三維激光掃描法[14]、高精度全球定位系統(tǒng)(Global positioning system，GPS)法[15]、攝影測量法[16]等，為土壤侵蝕觀測研究提供了多樣化的選擇。盡管在坡面侵蝕發(fā)生發(fā)展過程方法和手段的研究方面取得了一定進(jìn)展，但無論哪種方法，尚不能解決連續(xù)降雨條件下土壤侵蝕形態(tài)的觀測問題，目前大多數(shù)研究集中在一次性降雨條件下侵蝕形態(tài)發(fā)育過程的主觀描述。如激光掃描觀測法雖有較高的空間定位精度，但不能在降雨過程中觀測，且在溝蝕階段會在溝道出現(xiàn)漏測[17-18]。高精度GPS法雖然測量精度高，但在地形復(fù)雜情況下易受衛(wèi)星信號的影響，穩(wěn)定性差，且不能在連續(xù)降雨條件下觀測。因此，目前土壤侵蝕坡面觀測方法仍存在測量時空關(guān)系不一致、精度不高、實時性差等問題。研究更為先進(jìn)的技術(shù)和手段對土壤坡面侵蝕演化過程進(jìn)行觀測，對于土壤侵蝕機(jī)理、土壤侵蝕演化過程等研究具有重要意義。

近年來，隨著攝影觀測技術(shù)的發(fā)展，數(shù)字化近景攝影觀測技術(shù)逐漸應(yīng)用于土壤侵蝕測量[19-21]。文獻(xiàn)[22-26]利用數(shù)字?jǐn)z影近景觀測技術(shù)，在室內(nèi)模擬降雨條件下對土壤侵蝕的演變過程進(jìn)行觀測，但無法實現(xiàn)在連續(xù)降雨過程中對土壤坡面的觀測。GUO等[27]研發(fā)了一種手持式數(shù)字化近景攝影觀測系統(tǒng)，實現(xiàn)了連續(xù)降雨條件下的觀測。該系統(tǒng)采用高幀率的電荷耦合裝置(Charge coupled device，CCD)工業(yè)相機(jī)，快速獲取高度重疊的影像，在獲取地面信息的整個過程中利用手持式的垂直掃描采集方式，巧妙避開了降雨過程中的大多數(shù)雨滴。但并未對影像中的雨滴噪聲做直接處理，另外，手持式的掃描使得該系統(tǒng)影像獲取的瞬時性低，限制了系統(tǒng)觀測的時間分辨率，從而降低了系統(tǒng)的實用性。因此，在連續(xù)降雨條件下去除雨滴干擾，瞬時獲取土壤侵蝕坡面形態(tài)變化的信息，是土壤侵蝕過程研究亟需解決的新問題。

基于此，本文耦合數(shù)字近景攝影觀測技術(shù)和無線組網(wǎng)技術(shù)，設(shè)計一套能夠在連續(xù)降雨條件下對土壤侵蝕下墊面形態(tài)演變過程進(jìn)行觀測的系統(tǒng)。通過組網(wǎng)技術(shù)，并行拍攝、解算降雨過程中拍攝的下墊面的數(shù)字影像，提取具有高時間分辨率和高空間分辨率的下墊面土壤侵蝕形態(tài)演化信息，從而為土壤侵蝕過程研究提供新的途徑和技術(shù)手段。

1 工作原理與系統(tǒng)組成

1.1 工作原理

系統(tǒng)基于無線網(wǎng)絡(luò)技術(shù)對若干相機(jī)進(jìn)行組網(wǎng)。相機(jī)基于無線網(wǎng)絡(luò)命令，并行采集數(shù)據(jù)，數(shù)據(jù)采集時將各組傳感器單次采集的數(shù)字影像按時間排序，逐像素按其灰度值做二分類處理，進(jìn)而實現(xiàn)雨滴噪聲的剔除。系統(tǒng)基于攝影測量技術(shù)完成下墊面對象的高精度、高密度三維點(diǎn)云重建。一場降雨可以獲得多個時間點(diǎn)的三維場景數(shù)據(jù)，以達(dá)到動態(tài)的觀測效果。

1.2 系統(tǒng)組成

圖1 數(shù)字近景攝影觀測系統(tǒng)的邏輯結(jié)構(gòu)設(shè)計Fig.1 Structural design of digital close-range photogrammetry system

數(shù)字近景攝影觀測系統(tǒng)由影像采集、影像傳輸和影像解算3個功能子系統(tǒng)組成，且每個子系統(tǒng)由不同的軟硬件單元組成(圖1)。系統(tǒng)的各功能子系統(tǒng)都在一臺運(yùn)行環(huán)境為Windows 7的高容量PICO(Participant intervention comparison outcome)計算機(jī)控制下運(yùn)行。 并針對各功能子系統(tǒng)開發(fā)了對應(yīng)的軟件系統(tǒng)，以z-map命名，其包括相機(jī)工作狀況診斷、影像采集、影像解算及數(shù)字高程模型(Digital elevation model，DEM)生成等功能界面。

1.2.1影像采集系統(tǒng)

影像采集系統(tǒng)負(fù)責(zé)土壤侵蝕下墊面數(shù)字影像的采集、觸發(fā)信號的接收、雨滴去除等工作。該系統(tǒng)的硬件部分主要由12臺索尼CMOS(Complementary metal oxide semiconductor)相機(jī)和工控機(jī)組成的相機(jī)組、直流電源、標(biāo)靶、防水轉(zhuǎn)接件等部件構(gòu)成。軟件部分由總控制PICO計算機(jī)z-map軟件的影像采集單元組成。影像采集信號觸發(fā)后，12臺相機(jī)組并行采集下墊面數(shù)字影像，通過工控機(jī)對各相機(jī)單次采集的多幅數(shù)字影像，按同一位置像素單元灰度大小排序，逐像素依據(jù)其灰度運(yùn)用K-means算法進(jìn)行聚類處理，去除雨滴在數(shù)字影像上所形成的噪聲，獲得去除雨滴后的下墊面的數(shù)字影像。

1.2.2影像解算系統(tǒng)

影像解算系統(tǒng)主要負(fù)責(zé)影像數(shù)字點(diǎn)云的匹配、三維重建、DEM生成以及土壤侵蝕量計算等。由超高容量的匹配機(jī)來實現(xiàn)數(shù)據(jù)的存儲、匹配、三維重建等解算工作，與影像采集系統(tǒng)的軟件部分一樣，只需通過設(shè)置數(shù)據(jù)解算后存放的路徑即可完成影像數(shù)據(jù)的解算。數(shù)字影像解算系統(tǒng)的軟件有3個模塊：并行計算管理模塊、點(diǎn)云匹配和編輯模塊、DEM生成和土壤侵蝕量計算模塊。在各模塊算法開發(fā)過程中采用python語言配合NumPy(Numerical python)計算庫來做原型的研發(fā)，之后再采用C++語言重新實現(xiàn)。這樣的流程減少了調(diào)試過程中的時間消耗，又能保證最終執(zhí)行代碼的效率。

1.2.3影像傳輸系統(tǒng)

影像傳輸系統(tǒng)在采集系統(tǒng)和解算系統(tǒng)之間起連接作用，主要負(fù)責(zé)控制命令的發(fā)出、信號接收、影像數(shù)據(jù)的傳輸。無線路由器、網(wǎng)絡(luò)協(xié)議(Transmission control protocol/Internet protocol，TCP/IP)、千兆網(wǎng)硬件接口是影像傳輸系統(tǒng)的主要硬件單元。各子系統(tǒng)之間通過無線路由器組成一個局域網(wǎng)絡(luò)，控制和計算單元通過無線網(wǎng)絡(luò)發(fā)布并發(fā)采集命令，影像采集系統(tǒng)采集影像后并發(fā)作業(yè)，再通過影像傳輸系統(tǒng)把采集到的影像傳輸給影像解算系統(tǒng)。

2 關(guān)鍵技術(shù)與實現(xiàn)方法

2.1 多影像采集器的組網(wǎng)及空間坐標(biāo)系的建立

2.1.1采集器的選取與組建

借助于無線路由器通過TCP/IP網(wǎng)絡(luò)將若干組數(shù)字影像采集器進(jìn)行組網(wǎng)，實現(xiàn)影像采集器的并發(fā)作業(yè)，獲取同一時間節(jié)點(diǎn)下的土壤下墊面信息，每組數(shù)字影像采集器包括一個數(shù)碼照相機(jī)和一個工業(yè)控制級別的計算機(jī)。本系統(tǒng)采用的相機(jī)是索尼CMOS相機(jī)，相機(jī)分辨率為3 264像素×2 448像素，配有12 mm鏡頭，實用光圈為F 1.2，相機(jī)幀率為15 f/s，為保證更大的拍攝視角，共選取了12臺相機(jī)。12臺相機(jī)共同組建在距離地面高18 m的鋼筋板架上，且相機(jī)之間呈均勻排列，與地面土槽呈垂直方向布設(shè)。與每個相機(jī)相匹配工作的硬件單元是電源和工控機(jī)，電源負(fù)責(zé)給相機(jī)和工控機(jī)供電，工控機(jī)控制相機(jī)的影像采集、雨滴去除等工作。

2.1.2空間坐標(biāo)系的建立

空間坐標(biāo)系的建立是將所有影像采集器的坐標(biāo)進(jìn)行統(tǒng)一。影像采集器所記錄的是空間物體信息的二維圖像，為了獲取實際空間物體表面某點(diǎn)的三維幾何位置，必須建立物體的三維空間坐標(biāo)和對應(yīng)的二維圖像坐標(biāo)之間的對應(yīng)關(guān)系，影像采集器的幾何成像模型決定了目標(biāo)物體表面點(diǎn)的坐標(biāo)與其在二維圖像中的像素坐標(biāo)的對應(yīng)關(guān)系，而解算相機(jī)參數(shù)是建立幾何成像模型的前提。參數(shù)的求解通過相機(jī)標(biāo)定來完成[28]，相機(jī)的參數(shù)包括內(nèi)部參數(shù)和外部參數(shù)。內(nèi)部參數(shù)包括相機(jī)的焦距f，圖像主點(diǎn)的x、y坐標(biāo)(cx,cy)，畸變參數(shù)K1、K2和K3；外部參數(shù)是拍攝圖像時相機(jī)的投影中心點(diǎn)坐標(biāo)(x0，y0，z0)和3個旋轉(zhuǎn)角(ψ，ω，κ)[29]。本文以針孔模型為相機(jī)標(biāo)定的理論基礎(chǔ)，借助棋盤格和控制點(diǎn)作為相機(jī)標(biāo)定參照物，以Microsoft Visual Studio為開發(fā)平臺，采用開源計算機(jī)視覺庫(Open source computer vision library，OpenCV)編譯相機(jī)標(biāo)定程序，求解相機(jī)的參數(shù)。

圖2 相機(jī)標(biāo)定Fig.2 Calibration of camera

標(biāo)定實驗在黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點(diǎn)實驗室人工模擬降雨實驗大廳進(jìn)行，實驗場地為10 m(長)×4 m(寬)的液壓式可調(diào)坡度鋼制土槽。相機(jī)內(nèi)部參數(shù)依據(jù)張正友棋盤格標(biāo)定算法獲取[30]。首先，將小網(wǎng)格長和寬均為0.05 m的棋盤格面板平整地放置于標(biāo)定實驗場土槽平面(圖2a)。采用所有相機(jī)拍攝多幅圖像，改變棋盤格面板的方位及傾斜度，再次拍攝多幅圖像。將圖像導(dǎo)入算法中求解內(nèi)部參數(shù)。相機(jī)的外姿態(tài)通過在標(biāo)定實驗場內(nèi)布設(shè)控制點(diǎn)來獲取。選取102個小方塊標(biāo)志作為標(biāo)定控制點(diǎn)，將所有控制點(diǎn)均勻地布設(shè)于土槽表面(圖2b)。采用所有相機(jī)拍攝多幅圖像，調(diào)整控制點(diǎn)的位置和距離，再次拍攝多幅圖像。在相機(jī)內(nèi)部參數(shù)已知的基礎(chǔ)上，通過編制解算程序代碼求解相機(jī)外部參數(shù)，從而得到每個控制點(diǎn)的x、y、z坐標(biāo)。

經(jīng)過標(biāo)定算法及編譯程序的迭代運(yùn)算，得到各參數(shù)的近似值，若近似值在一定的容許范圍內(nèi)收斂，則結(jié)束迭代運(yùn)算，得到最終的參數(shù)值。實驗中各相機(jī)內(nèi)部參數(shù)的標(biāo)定結(jié)果如表1所示。

表1 各相機(jī)的標(biāo)定參數(shù)Tab.1 Calibration parameters of each camera

2.2 數(shù)字影像中雨滴的去除

坡面數(shù)字影像的采集是在降雨條件下進(jìn)行的，降雨過程中，雨滴在空間的場分布近似于隨機(jī)場，相機(jī)拍攝得到的影像混合了雨滴和下墊面對象的兩類信息。雨滴的去除是獲取坡面物點(diǎn)精確信息的前提和必要工作。在短暫的時間段內(nèi)，比如幾秒的時間段內(nèi)，下墊面對象可以認(rèn)為是一個穩(wěn)定的空間對象，主要變化的是隨機(jī)性很高的雨場數(shù)據(jù)。根據(jù)這一思路，對各組傳感器單次采集的數(shù)字影像按時間排序，逐像素按其灰度值做二分類處理，并通過K-means[31-32]算法去除雨滴在數(shù)字影像上所形成的噪聲。K-means算法是一種基于形心劃分的聚類算法[33]，它以數(shù)據(jù)到形心的距離作為目標(biāo)函數(shù)，并以誤差平方和準(zhǔn)則函數(shù)作為聚類質(zhì)量的度量函數(shù)，不斷進(jìn)行迭代計算求極值優(yōu)化聚類結(jié)果[34]。具體算法過程如下：

(1)

(2)

min(Pix(i,j)1,Pix(i,j)2,…,Pix(i,j)n))/2

(3)

式中i、j——像素行、列數(shù)

n——迭代次數(shù)

(2)以像素的灰度距離聚類，并且構(gòu)造選擇集

(4)

(5)

(6)

Pix|Pix=min(dis0,dis1,dis2)

(7)

(3)以三分類選擇集內(nèi)元素聚合，平均得到新的類中心

(8)

(9)

(10)

(11)

對每個工控機(jī)采集的60幅原始影像像素灰度進(jìn)行方差分析。結(jié)果顯示，60幅原始影像的方差在28.96～29.95之間，而去除雨滴后的影像方差為24.14，由此可知K-means算法能夠較好地去除雨滴噪聲。

2.3 點(diǎn)云匹配

數(shù)字點(diǎn)云匹配是將多幅影像進(jìn)行匹配得到同名點(diǎn)的過程。在匹配過程中首先提取影像上的SIFT(Scale invariant feature transform)特征[35]，SIFT特征的提取主要是依據(jù)多幅影像上具有明顯特征的點(diǎn)，包括邊緣點(diǎn)，具有明顯特征的點(diǎn)、孤立的點(diǎn)[36]，以SIFT算子作為特征提取的工具，獲取多幅影像的SIFT特征。通過SIFT特征匹配影像之間的同名點(diǎn)，同名點(diǎn)匹配是基于特征點(diǎn)及其描述子的相似性來進(jìn)行的。獲得同名點(diǎn)后，以光束法區(qū)域網(wǎng)平差原理[37]進(jìn)行平差處理，以單幅影像的光線束為平差單元，以中心投影的共線方程作為平差的基礎(chǔ)方程，將相機(jī)攝影點(diǎn)、相機(jī)成像點(diǎn)及其相應(yīng)地面物點(diǎn)坐標(biāo)作為一個整體，組建共線誤差方程，通過迭代計算求出該匹配點(diǎn)的坐標(biāo)。再通過空間前方交繪計算同名點(diǎn)的三維坐標(biāo)，所有匹配成功的同名點(diǎn)都計算完畢后，可獲得土壤侵蝕坡面的三維點(diǎn)云。

2.4 點(diǎn)云的修補(bǔ)和DEM生成

當(dāng)土壤侵蝕出現(xiàn)溝道后，徑流就會沿溝道匯集，數(shù)字影像難以拍攝到水流下方物點(diǎn)的影像，即難以得到水流下方物點(diǎn)對應(yīng)的像點(diǎn)信息，這給水流下方數(shù)字點(diǎn)云的匹配帶來了困難。通過對溝道存在水流情形下數(shù)字影像的分析以及匹配解算發(fā)現(xiàn)，由于溝底凸凹不平，總能匹配出一些稀疏的點(diǎn)云?；谶@種客觀存在，根據(jù)地形變化的連續(xù)性，利用地學(xué)普遍采用的反距離權(quán)重法[38](Inverse distance weighted，IDW)，依據(jù)水流周邊和水流區(qū)域稀疏的點(diǎn)云坐標(biāo)，便可內(nèi)插得到水淹區(qū)域空缺物點(diǎn)的三維坐標(biāo)，從而擬合出其數(shù)字點(diǎn)云(圖3)。修補(bǔ)后的點(diǎn)云，利用同樣的距離平方反比法，在系統(tǒng)軟件模塊下插值便可生成下墊面DEM。反距離權(quán)重法計算式為

(12)

式中a——參與計算的像素點(diǎn)數(shù)

m——像素點(diǎn)總數(shù)

Va——控制點(diǎn)的屬性值

da——控制點(diǎn)與當(dāng)前計算點(diǎn)間的距離

V——計算所得當(dāng)前點(diǎn)的屬性值

圖3 溝道底部數(shù)字點(diǎn)云修補(bǔ)Fig.3 Digital point cloud reparation at bottom of flow channel

3 實例分析

3.1 實驗布設(shè)

應(yīng)用實驗在黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點(diǎn)實驗室人工模擬降雨實驗大廳進(jìn)行。實驗小區(qū)為可調(diào)坡度鋼制土槽，小區(qū)規(guī)格：長×寬×深為10 m×1.0 m×0.5 m，土槽坡度為20°(圖4a)，土槽下端設(shè)置集流裝置，用于收集徑流泥沙。供試土壤為黃綿土，裝填土容重為1.3 g/cm3。小區(qū)布設(shè)后，正式降雨前在實驗土槽表面均勻撒水，再靜置24 h，使土槽內(nèi)部土壤水分的再分配達(dá)到應(yīng)力均勻、土壤結(jié)構(gòu)穩(wěn)定。降雨強(qiáng)度設(shè)置為120 mm/h，降雨歷時為150 min。至坡面產(chǎn)流后開始收集徑流含沙量全樣，每隔5 min采樣1次(圖4b)。降雨結(jié)束后，采用便攜式徑流泥沙儀測量泥沙含量。在收集徑流泥沙的同時，對土壤侵蝕坡面進(jìn)行全覆蓋的數(shù)字影像采集，降雨開始前采集第1次坡面的數(shù)字影像，降雨開始后每隔5 min采集1次，直至降雨結(jié)束。所采集圖像的重疊度至少為4°，采集幀率不少于15 f/s。

圖4 實驗布設(shè)Fig.4 Parallel experiments and layout

3.2 精度檢測

精度是指對同一對象多次測量值的穩(wěn)定程度，選用標(biāo)準(zhǔn)差來衡量。為檢測數(shù)字近景攝影觀測系統(tǒng)的測量精度，將具有標(biāo)準(zhǔn)尺寸的標(biāo)尺均勻地布設(shè)于土槽表面，并在土槽表面任意位置布設(shè)2個標(biāo)靶以進(jìn)行長度約束。采用數(shù)字近景攝影觀測法，在相同的光照和紋理條件下重復(fù)拍照60次，單獨(dú)對每次的圖像集合進(jìn)行匹配計算，測量每把標(biāo)尺的尺寸，對60次測量的結(jié)果進(jìn)行統(tǒng)計分析并選取中誤差作為衡量測量精度的指標(biāo)。

通過SPSS 18軟件對標(biāo)尺的60次測量結(jié)果統(tǒng)計分析可知，標(biāo)尺測量的平均長度為309.270 3 mm，測量的標(biāo)準(zhǔn)差為1.711 3 mm，單次最小測量誤差為0.006 2 mm，說明該觀測的精度達(dá)到毫米級。經(jīng)過K-S(Kolmogorov-Smirnov)檢驗，得出該標(biāo)尺尺寸測量結(jié)果的Z值為0.392，P值為0.999，大于0.05，由此可知該標(biāo)尺尺寸的測量結(jié)果均服從正態(tài)分布，測量數(shù)據(jù)的分布如圖5所示。

圖5 標(biāo)尺測量數(shù)據(jù)分布圖Fig.5 Histogram of measured results of ruler

3.3 準(zhǔn)確度檢測

3.3.1凹槽尺寸觀測法

準(zhǔn)確度是測量值與實際值之間的偏差，以相對誤差來衡量。在人工模擬降雨條件下，通過不同雨強(qiáng)(30、60、90、120 mm/h)、土槽坡度(0°、5°、10°、15°)共20種組合條件下，采用數(shù)字近景攝影觀測系統(tǒng)獲取土槽坡面3個已知凹槽長、寬、深的尺寸，并計算其與實際值之間的相對誤差，從而評估數(shù)字近景攝影觀測系統(tǒng)對土壤侵蝕坡面幾何尺寸的觀測準(zhǔn)確度。

(1)同雨強(qiáng)不同坡度觀測

對數(shù)字近景攝影觀測系統(tǒng)在雨強(qiáng)60 mm/h，0°、5°、10°、15°共4個不同坡度條件下的觀測準(zhǔn)確度進(jìn)行檢測(表2)。測量值與實際值兩者之間的最大相對誤差為-2.556 2%，最高精度可達(dá)到99.996 8%；4個不同坡度下的平均相對誤差分別為0.005 0%、-0.251 3%、-0.353 9%、-0.396 5%。對相對誤差進(jìn)行頻率分布分析(圖6a)，發(fā)現(xiàn)大部分觀測的相對誤差都較小且在0附近分布，相對誤差為-0.5%～1%約占85%。以上結(jié)果表明數(shù)字化攝影觀測系統(tǒng)對土壤侵蝕坡面的幾何尺寸的觀測是準(zhǔn)確的，且坡度對該系統(tǒng)的觀測準(zhǔn)確度無顯著影響。

表2 同雨強(qiáng)不同坡度觀測結(jié)果Tab.2 Observation results of same rain intensity and different slopes

圖6 測量值與實際值相對誤差分布Fig.6 Distributions of relative error between measured and actual values

(2)同坡度不同雨強(qiáng)觀測

對數(shù)字近景攝影觀測系統(tǒng)在坡度為10°，雨強(qiáng)為30、60、90、120 mm/h條件下的觀測準(zhǔn)確度進(jìn)行檢測(表3)。數(shù)字近景攝影觀測系統(tǒng)得測量值與實際值兩者之間的最大相對誤差為-2.968 3%，最高精度可達(dá)到99.990 1%；不同雨強(qiáng)條件下觀測的平均相對誤差分別為-0.495 8%、-0.353 9%、-0.475 1%、-0.637 6%。對相對誤差進(jìn)行頻率分布分析(圖6b)，發(fā)現(xiàn)大部分觀測的相對誤差在0附近分布，相對誤差為-0.5%～1%約占75%。以上結(jié)果表明數(shù)字化攝影觀測系統(tǒng)對土壤侵蝕坡面的幾何尺寸的觀測是準(zhǔn)確的，且雨強(qiáng)對該系統(tǒng)的觀測準(zhǔn)確度無顯著影響。

表3 同坡度不同雨強(qiáng)觀測結(jié)果Tab.3 Observation results of same slope and different rain intensities

3.3.2三維激光掃描法

采用激光掃描儀觀測降雨前后侵蝕坡面的三維數(shù)字地形，解算觀測所得到的土壤侵蝕量(表4)。結(jié)果表明，數(shù)字近景攝影測量的土壤侵蝕總量為452 180 cm3，激光掃描觀測的土壤侵蝕總量為407 971.36 cm3，由此可得數(shù)字近景攝影測量和激光掃描相對于徑流泥沙法的土壤侵蝕總量觀測誤差分別為3.87%和6.28%，數(shù)字近景攝影測量系統(tǒng)可以更加精確地量化侵蝕坡面的土壤侵蝕量。激光掃描儀由于受掃描視角的限制，測量時存在掃描盲區(qū)、漏測的問題；而數(shù)字?jǐn)z影觀測系統(tǒng)由于采用多影像采集器組網(wǎng)技術(shù)，增大了影像采集的視野范圍，可采集到足夠數(shù)量溝道底部、溝壁的數(shù)字影像，從而彌補(bǔ)了激光掃描法在溝道觀測時存在的數(shù)據(jù)缺失等缺陷。

表4 數(shù)字?jǐn)z影測量與激光掃描觀測對比Tab.4 Comparison of digital photogrammetry and laser scanning observation

3.3.3徑流泥沙觀測法

采集徑流泥沙全樣，是觀測土壤流失量最為可靠的方法，在本次檢測中以徑流泥沙觀測法得到的結(jié)果作為實際值。采用數(shù)字?jǐn)z影觀測系統(tǒng)將降雨過程中不同時間點(diǎn)的數(shù)字影像進(jìn)行體積解算得到土壤流失量結(jié)果，并與相同時間段收集的徑流泥沙含量進(jìn)行對比(表5)。結(jié)果表明，兩種觀測方法的平均相對誤差為-1.73%；從不同侵蝕階段兩種觀測方法的相對誤差來看，在降雨初期，兩種觀測方法相對誤差比較大，在降雨歷時達(dá)到50 min時，觀測精度開始變高，說明此時正是坡面溝道快速發(fā)育的明顯分界點(diǎn)，溝道快速發(fā)育前后兩種觀測方法觀測的相對誤差分別為20.85%和3.47%；隨著降雨歷時的延長，土壤坡面侵蝕溝發(fā)育形態(tài)的變化越來越明顯，數(shù)字近景攝影觀測系統(tǒng)的觀測精度逐漸提高，觀測精度最高可達(dá)99.26%。

數(shù)字點(diǎn)云密度代表著數(shù)字點(diǎn)云對坡面地表形態(tài)表達(dá)的準(zhǔn)確程度，高密度的數(shù)字點(diǎn)云可以更加精確地表達(dá)坡面侵蝕溝的形態(tài)信息。通過不同時間節(jié)點(diǎn)侵蝕坡面數(shù)字點(diǎn)云的數(shù)量和坡面觀測面積計算數(shù)字點(diǎn)云密度。結(jié)果表明，數(shù)字點(diǎn)云的平均數(shù)量為1.335 1×106個，平均點(diǎn)云密度為0.134個/mm2。表5中列出了由不同時間節(jié)點(diǎn)侵蝕坡面的高密度數(shù)字點(diǎn)云轉(zhuǎn)換生成的DEM，其空間分辨率可達(dá)到2 mm，可準(zhǔn)確表達(dá)侵蝕形態(tài)的空間變化，實現(xiàn)了對土壤侵蝕坡面形態(tài)變化過程的動態(tài)監(jiān)測。

表5 不同時間點(diǎn)土壤流失量的觀測結(jié)果Tab.5 Observation results of soil loss at different times

4 結(jié)論

(1)提出了一種在連續(xù)降雨過程中對土壤侵蝕坡面動態(tài)監(jiān)測的數(shù)字近景攝影觀測方法，通過無線組網(wǎng)技術(shù)，并行拍攝、解算降雨過程中下墊面的數(shù)字影像，提取坡面精細(xì)地貌動態(tài)變化的信息。該系統(tǒng)時間觀測分辨率可達(dá)到分鐘級別，空間分辨率達(dá)到2 mm。可從時間和空間尺度上更加準(zhǔn)確地描述土壤侵蝕過程，解決了侵蝕觀測中時空不一致的問題。

(2)與傳統(tǒng)徑流泥沙法的平行觀測結(jié)果比較表明，數(shù)字化攝影觀測法在坡面土壤侵蝕過程的不同階段其準(zhǔn)確度不同，隨降雨歷時的延長，數(shù)字近景攝影觀測系統(tǒng)的觀測精度逐漸提高，土壤流失量估算平均相對誤差為-1.73%，單次觀測精度最高可達(dá)99.26%。

(3)與激光掃描法平行觀測結(jié)果比較表明，數(shù)字近景攝影測量系統(tǒng)對坡面土壤侵蝕量的觀測精度高于激光掃描儀。數(shù)字近景攝影觀測法采用多影像采集器組網(wǎng)技術(shù)，增大了影像采集的視野范圍，克服了激光掃描儀觀測時溝道底部激光線不能投射到位而造成的漏測現(xiàn)象，實現(xiàn)了全覆蓋的數(shù)字影像采集。