基于无人机遥感的自然资源动态监测研究

李小光

(清远市测绘地理信息中心 广东清远 511500)

随着经济快速发展，对矿产资源的需求日益增大，在一些耕地、矿产资源富足的地区，由于地处偏远、隐蔽存在监管不便的情况，往往有很多不法分子在未得到有关部门许可的情况下擅自动工，违规改变土地利用类型，这种情况在经济发展迅速的背景下屡禁不止，给自然资源部门带来巨大的监管压力[1]。

以广东省某地基层自然资源所为例，机构规模偏小，人员编制一般为3～5人，管辖范围较广以乡镇为基本单位，环境复杂以地形地貌山地为主，建设活动零散分布，任务繁重同时还承担地质灾害、土地利用巡查等工作任务，有限的设备和巡查条件致使基层员工巡查效率低，难以真正做到及时发现和处置。

当前，无人机航拍技术历经多年的发展已非常成熟，作为国土资源动态巡查传统监测技术的有效补充，在国土资源动态巡查、耕地和永久基本农田保护动态监测等方面已获得各级自然资源部门的认可。

1 变化图斑的判识方法

将前后两时相的影响与年度土地调查库进行套合。两期影像与之对比，根据地物特征，利用数据时相、地域特点、地形地貌、周边环境等要素进行分析[2]。

如果影像表现为新增建设用地部分被数据库建设用地图斑压盖，则仅提取数据库建设用地图斑外未被压盖部分，数据库建设用地图斑边界直接作为新增建设用地图斑边界。根据影像特征，将“非建设用地”类型范围内新增建设用地图斑的类型分别归为一、二、三、五、六、七类中二级类，具体分类如图1所示。

图1 “非建设用地”类型范围内新增建设用地图斑的类型

2 数据获取

2.1 研究区域

广东某地为中国南方重稀土矿产地中心位置，稀土丰富。通过硫酸铵浸泡泥土的方式，把离子态稀土元素置换到溶液中，再用草酸或碳铵沉淀得到92%以上品位稀土精矿，进而完成开采。稀土矿产高额利润导致在各县矿产区盗采稀土毫不收敛，致使大片林地被破坏、环境遭到污染和国家矿产资源损失严重。

划定矿产资源重点区域，利用无人机不定期对实验区重点区域进行动态监测，主要监测露天越界、无证开采矿产资源等违法行为，提取矿产利用变化信息，并制作打印外业巡查图，开展疑似图斑外业巡查、野外验证，拍摄野外图片并制作《矿山遥感监测内业解译与野外验证记录表》，分析现场整改情况[3]。

2.2 监测方案

本实验主要使用搭载Sony A7R 相机的P316 垂直起降固定翼无人机、X-Chimera 型复合翼无人机和DJI PHANTOM 4 RTK 型多旋翼无人机3 种型号无人机进行航拍数据采集。

数据处理使用PIXEL 4D 摄影测量数据处理软件和INPHO UASMASTER摄影测量处理软件；数据处理、分析、解译软件使用ArcGIS软件[4]。

根据监测区域范围和实际地形地貌设计航飞，选择较好的航飞天气航摄。航摄分区设计时分区内地形高度差不应大于1/6航摄航高，对于地形复杂地区可以放宽到1/2，但要加大航向重叠度、旁向重叠度航摄分区[5]。在大疆手持平板上设置好航高和重叠度等参数，并划分好测量区域后，平板的自带软件会自动规划出相应的航摄路线，航线设计结果具体见图2。

图2 航摄路线设计

3 数据处理流程

相对于普通的垂直摄影测量，倾斜摄影测量的数据处理更加复杂，生成的产品也更多。其数据处理的流程具体见图3。首先根据无人机POS数据、倾斜像片和像素点进行预处理和区域网联合平差，然后经过影像密集匹配、高精度彩点云处理生成数字表面模型或者三维模型，最后进行正射纠正后才能形成真正射影像TDOM产品[6]。

图3 倾斜摄影测量数据处理流程

根据解算出来的各影像外方位元素，进行特征匹配得到点云数据，由点云构成不规则三角网，建立高精度、高分辨率的数字表面模型，数字正射纠正后得到真正射影像TDOM。

4 判识与汇总

相邻图斑原则上需按照10种图斑类型分别勾绘，并明确图斑边界的拓扑关系。若出现第一类与第三类图斑相邻的情况，可勾绘为一个图斑，图斑类型以面积较大的类型为准。若第一类或第三类图斑与第二类图斑相邻，且通过影像无法确定其为同一建筑类型，则需分类处理。

根据各地土地利用变化特点、管理需要的不同，将全国划分为四类监测区。其中，一类区面积134.8 万km2，采用优于1 m的卫星遥感数据。二类区面积433.6 万km2，采用2 m级多光谱卫星数据。三类区面积200.4万km2，采用2 m 级全色或5 m 级彩色卫星遥感数据。四类区面积178.7万km2，采用5 m级全色或多光谱卫星数据。

（1）如果在建设项目区内，影像表现为集中建设部分与推填土部分有明确界限，且均具备一定规模，则需将两者拆分归类。此外，一个项目区内如果有多个相对独立的集中建设区，则每个集中建设区可单独勾绘为一个图斑，与周边推填土部分拆分处理，但不可对同一建设区的建筑物单独勾绘。

（2）如果影像表现为整体建设，仅在内部及外围小面积推填土部分，可将图斑整体归为“一类”或“三类”。图4展示了将整体建设归为“一类”的情况。

图4 整体建设归为“一类”

（3）如果影像表现为整体推填土，内部仅有零散分布的小面积建筑，可将图斑整体归为“二类”。

5 监测结果与分析

2019年至2020年4月，分别采用P330、DJI Phantom 4 RTK、X-Chimera 无人机，共飞行30 架次，完成划定区域的航摄工作。

对划定监测实验区域对地成像，内业采用Pixel4D、Inpho UASmaster 数字摄影测量软件进行处理，生产优于0.2 m分辨率（含0.2 m）正射影像共183.37 km2。

5.1 疑似新增开采监测图斑提取情况

新增开采图斑的勾绘结果具体见图5。本次实验共提取10个疑似新增开采图斑，对于解译监测出的疑似新增开采图斑，通过叠加无人机影像数据，制作打印外业巡查图，开展外业巡查、野外验证，拍摄野外图片、视频资料，核查后制作《矿山无人机监测内业解译与野外验证记录表》。经实地验证，有3个图斑为新增稀土收尾水图斑，其余7个图斑为设施农用地图斑。

图5 新增开采图斑勾绘

5.2 往年已发现开采图斑跟踪监测情况

在划定监测区域时，结合了2016—2018年发现开采图斑分布情况，将往年发现的82个矿产开采图斑一并纳入一阶段跟踪监测范围内，通过对比前后时相影像，对往年监测到开采图斑打击整治情况进行跟踪监测。

对于往年发现开采点图斑，如通过无人机拍摄高分辨率影像可以对其整改情况进行判定的，无须外业核查，否则也需要打印外业巡查图，开展外业巡查、野外验证，拍摄现场巡查图片、视频资料，核查后制作《新增开采图斑跟踪监测情况表》。

本次实验采用无人机分3个阶段对实验区圈定的重点区域进行了监测，结合了2016—2018年发现开采图斑分布情况，研究人员对重点区域利用无人机进行重点监测巡查，其中监测图斑总数为140块，正确监测个数127 块，总体预测精度高达90.7%，总监测面积约183.37 km2，证明基于无人机进行自然资源动态监测的有效性和高效率。