基于无人机航测的水库确界和嫌疑区解译应用

吴萍昊，钟凯文，胡泓达，许剑辉，王云鹏

（1.中国科学院广州地球化学研究所，广东 广州 510640；2.广州地理研究所，广东 广州 510070； 3.中国科学院大学，北京 100049）

飞来峡水库在调节当地生态环境方面起着至关重要的作用，但近年来当地城镇化、工业化进程显著改变了水库周边的生态环境格局。日益增多的采砂、大规模养殖、毁林开垦等违法违章行为导致了水环境污染问题，危害到当地居民的生存环境，且不明确的管理范围和保护范围加大了水库管理和执法工作的难 度[1-4]。传统管理方式技术落后，时空上出现执法与管理的盲区，难以满足库区水资源及时有效的现代化管理需求。因此，通过遥感监测的手段实现飞来峡水库的准确划界和动态监测迫在眉睫。

无人机作为一种现代化的航空遥感技术，拥有精度高、高效快速、生产周期短等优势，对比卫星遥感技术可实时获取分辨率更高的遥感影像，受地理空间限制少、拍摄灵活。将无人机航测技术应用于水库监测，可实时获取高精度正射影像，便于对违法违章嫌疑区进行实时管理和监测。

相较于传统影像分类方法，近年来兴起的卷积神经网络（CNN）结构具有广泛互联性、自适应性、自组织性、自主学习性等特点。ZHANG T W[5]等提出了一种基于网格CNN的SAR图像中高速船舶检测新方法。WU Y[6]等提出了一种船只检测网络结构（CFSDN），实现了从图像像素到具有置信度的边界框的端到端映射。全卷积神经网络（FCN）在CNN的基础上，保留了原始输入图像的空间信息，通过上采样操作在特征图上进行逐像素分类，实现了像素到像素的映射。 邰建豪[7]提出了一种基于FCN的高分辨率遥感影像分类方法，并设计了基于FCN的SAR融合影像分类框架和方法。Nicholus M[8]等利用FCN开发了一种方法，该方法仅使用航空RGB图像作为输入，且以端到端的方式进行训练。

本文利用无人机航测技术获取飞来峡水库的正射影像和数字高程模型，并根据《广东省省管水利枢纽管理办法（2018年修改）》对水库管理范围和保护区范围进行了确界；再根据飞来峡水库的特点，利用FCN对水库示范区的裸地、水体、道路、建筑、植被和船只6种地物进行了遥感分类；最后结合水库确界数据，解译得到该示范区的违法违章嫌疑区。

1 研究区概况与技术路线

1.1 研究区概况

1）飞来峡水库。飞来峡水利枢纽位于广东省清远市东北约40 km的北江河段，是目前广东省最大的综合性水利工程。飞来峡水库是1988年飞来峡水利枢纽截流北江形成的水库，于1999年3月蓄水完成，共控制34 000多km2的流域，水利总库容为19亿m3，年均发电量可达5.55亿千瓦时。飞来峡水库包括英城蓄洪区、大站蓄洪区、菠萝坑蓄洪区、连江口蓄洪区和社岗蓄洪区，这些蓄洪区可为飞来峡大坝抵御百年一遇的洪水，继而为北江大堤抵御三百年一遇的洪水提供可能。为实现飞来峡水库初步划界，获取无人机航测规划的参考边界，本文将获取的WorldView-2影像作为基础数据。WorldView-2卫星具有运转灵活、精度高等特点，能为飞来峡水库整体情况摸查提供完整的遥感数据，也为无人机航测提供准确的前期参考。 0.5 m分辨率的飞来峡水库历史遥感影像和8 m分辨率的重采样历史数字高程模型如图1所示，可以看出，库区处于丘陵地带，周围的陆地地区地形起伏变化较大，最高海拔约为734 m，最低海拔约为8 m。

图1 飞来峡水库历史遥感影像和数字高程模型

2）水库示范区。由于飞来峡水库面积较大，违法违章嫌疑案例较为分散，因此选取合适的水库示范区，利用FCN进行违法违章嫌疑区的智能化提取。水库示范区选取连接北江主干的铁溪坑支流（图2），位于黎溪镇附近，西起北疆主干流域，东至福龙围、大坡头，南至陆家湾、鲇鱼潭，北达塘面。该示范区完整覆盖了铁溪坑支流及其源起的部分北江主干流域，地物种类多样且集中，完全满足裸地、建筑、道路、水体、船只和植被6种地物的样本制作需求，具有案例典型、数目多样、相对集中的特点。

图2 飞来峡水库铁溪坑示范区

1.2 技术路线

具体技术路线如图3所示，包括初步工作、确界和嫌疑区解译3个部分。首先通过初步工作调研飞来峡水库的基本情况，获取历史遥感影像和数字高程模型，并对水库进行初步确界；然后基于初步确界结果，规划无人机航测范围，利用无人机影像生产飞来峡水库高分辨率正射影像和数字高程模型，并基于此对水库进行最终确界；最后选取飞来峡水库示范区进行违法违章嫌疑区解译，利用FCN训练裸地、水体、道路、建筑、植被和船只6种地物的分类模型，并将其应用于示范区，结合飞来峡水库管理区范围判定违法违章嫌疑区。

图3 技术路线图

1.2.1 无人机航测

本文采用大疆精灵系列无人机多旋翼飞行平台拍摄飞来峡水库的影像。该机型在平原和丘陵地带的平整地面均可起飞、安全灵活；影像地面分辨率优于0.05 m，航向重叠度为65%～80%，旁向重叠度为60%～70%，相对航高设置不高于200 m。由于海拔高差相差较大，最高可至700多 m，最低处小于10 m， 因此将飞来峡水库分为丘陵和平原两种情况进行航测飞行，丘陵地区重叠度较低，相对航高设置也较高，地面分辨率较平原地区低。无人机飞行平台和航测作业如图4所示。由于经费、人力等条件限制，本次航测计划选取大于飞来峡水库管理区范围、小于保护区外边界、面积约为700 km2的区域作业，实际航测面积约为750 km2，正射影像的地理坐标系采用CGCS2000，投影采用高斯-克吕格投影的3e分带，数字高程模型采用1985国家高程基准。

1.2.2 FCN

CNN的基本结构包括输入层、卷积层、池化层、全连接层和输出层，每层由多个二维向量组成，每个向量又由多个独立神经元组成。CNN中每个数据层均为h×w×d的三维阵列，其中h和w为空间维度，d为特征维数或通道维数。第一层为图像，像素大小为h×w，颜色通道为d；较高层中的位置对应于它们路径连接的图像中的位置，称为其感知域。卷积是建立在平移不变性的基础上的，其基本组件（卷积、池化和激活函数）作用于局部输入区域，并只依赖于相对的空间坐标。设xij为特定层中位置(i,j)的数据向量，yij为下一层的数据向量，这些函数通过计算输出yij，即

式中，k为内核大小；S为步幅或子采样因子；fks为层类型，包括卷积或平均池化的矩阵乘法、最大池化的空间最大值、激活函数的元素非线性以及其他类型的图层。

这种函数形式是在组合的情况下维护的，其内核大小和步幅遵守转换规则，即

当全连接层被卷积层取代时，CNN就变成了FCN。FCN继承了标准CNN用于图像标签分类的高精度特征，在进行稠密类预测的同时，保持了输入图像的二维空间信息[9]。FCN采用跳跃连接操作，根据对应的通道直接添加高层抽象语义信息和低层精细语义信息，形成新特性[10]，这种跳跃连接操作称为上采样。FCN利用反褶积对最后一个卷积层的特征图像进行上采样，并将其恢复到与输入图像相同的大小，使得可为每个像素生成一个预测，同时保留原始输入图像中的空间信息；再对上采样的特征图进行逐像素分类，从而实现像素到像素的映射[11]。近年来，基于FCN的改进模型层出不穷，大部分模型都具备模型结构越深、分类精度越高的特性，在全卷积的基础上加深了网络结构，但本文选定的铁溪坑示范区面积较小，基础样本数量不多，不适用于结构较深、学习过程复杂的训练模型。本文制作的地物样本库利用较深的改进网络模型进行训练，易出现过拟合、Loss值不收敛等情况，因此选用基础的CNN进行铁溪坑示范区的无人机影像分类。

2 研究结果与分析

2.1 水库确界

1）水库管理区范围和保护区范围的初步划定。飞来峡水库管理范围确定为已办理征收手续的土地和土地征收线以下的水域，即高程线25 m以下的土地和水域。本文基于历史遥感影像和数字高程模型，提取了飞来峡水库25 m高程线，并通过错误节点修改、线段融合等操作将高程线融合为完整的管理区边界，从而初步划定飞来峡水库管理区范围。飞来峡水库保护区范围为水库坝址上游坝顶高程线或土地征收线以上至第一道分水岭脊之间的土地和水域。本文根据水文分析提取了飞来峡水库的集水线和集水区域，并将其与初步划定的管理区边界相交的集水区外边界作为保护范围外边界，而初步划定的管理区边界与该保护范围外边界之间的区域即为初步界定的飞来峡水库保护区范围。初步划定的结果如图5所示，统计指标如表1所示，可以看出，初步划定的飞来峡水库总面积约为 1 800 km2，该范围过大、实际航测耗费时间较长，由于经费有限，因此在保护区外边界范围内选定700 km2的区域进行无人机航测作业，该区域完全覆盖飞来峡管理区范围，充分满足管理区确界需求。

表1 飞来峡水库初步划定范围统计

图5 飞来峡水库初步划定的管理区和保护区范围

2）水库管理区范围和保护区范围的最终确界。通过内业数据处理的相关步骤，对无人机拍摄的高分辨率影像进行拼接、融合、控制点刺点纠正，分别生产1∶2 000的飞来峡水库正射影像图和数字高程模型，如图6所示。

图6 飞来峡水库正射影像图和数字高程模型

基于无人机数据生产的高分辨率数字高程模型，通过高程线提取、水文分析得到最终确界结果如图7 所示，统计指标如表2所示，可以看出，虽然管理区范围大于初步划定的管理区，但此次无人机航测范围仍满足飞来峡水库管理区范围的确界需求；初步划定的管理区与最终划定的管理区范围整体上较为相似，但最终划定的管理区范围边长是初步划定的管理区范围边长的两倍以上，说明最终确界的管理区边界在细节上更为精细。对比初步确界和最终确界的管理区边界（图8）可知，主干流域大部分都被划入管理区范围，但最终确界的管理区边界在细节上更加贴合流域边界；而在支流部分，初步确界的管理区边界虽然更为平滑，但部分流域未完整划入管理区范围，且无人机航测数据的空间分辨率更高，最终确界的管理区边界比初步确界结果更准确。

表2 飞来峡水库最终确界范围统计

图7 飞来峡水库最终确界的管理区和保护区范围

图8 管理区边界主干流域和支流放大比对图

2.2 水库示范区违法违章嫌疑区解译

基于无人机航测的飞来峡水库铁溪坑示范区的正射影像，利用FCN中的FCN-16模型实现该示范区的影像分类。首先制作绘制标签，通过256×256滑动窗口，以100的步长进行剪裁，得到8 791张样本，为减少训练样本对人工的依赖，再将所有样本分别进行镜像翻转以及90e、180e和270e三个方向的旋转，通过数据增强的方式扩大样本量，最终得到43 955张原始图像和对应样本，其中随机选取35 164 张用于训练，其余8 791张用于验证。一张原始图像和标签样本示例如图9所示。

图9 原始影像和标签图示例

将训练模型应用至分类中，得到飞来峡水库铁溪坑示范区的分类图（图10），分类精度如表3所示，可以看出，裸地、建筑、道路、船只、植被和水体6种地物均可被分类模型识别出来；分类结果具有较高的精度，准确度为0.877 1，召回率可达0.945 7；F1-Score 能平衡准确度和召回率，表征该分类模型的优劣，F1-Score分数为0.910 1，说明该分类结果精度较高，可用于分析和进一步应用。

表3 铁溪坑示范区分类精度

图10 铁溪坑示范区的分类结果

本文基于分类结果，结合确界数据，提取得到飞来峡水库铁溪坑示范区的违法违章嫌疑区，如图11所示，统计信息如表4所示，可以看出，违法违章嫌疑区共计30处，主要集中在北江沿岸两侧以及铁溪坑支流的水面，其中数量最多的是网箱养鱼和开垦两类嫌疑区；北江沿岸两侧存在14处违法违章嫌疑区，主要为开垦和库区河鲜船，北江西侧存在一个较大的采砂场；铁溪坑支流存在16处违法违章嫌疑区，靠近北江的流域水面存在大量网箱养鱼的情况，接近支流末端的违法违章嫌疑区主要为开垦。

图11 铁溪坑示范区违法违章嫌疑区分布图

表4 铁溪坑示范区违法违章嫌疑区统计

本文通过实地考察和分类结果分析得出的结论为：首先，网箱养鱼现象非常普遍，在铁溪坑支流较为密集，鱼饵料、激素、鱼病防治药剂和鱼类代谢产物一起污染水体，对水体环境造成了不可逆转的伤害，同时这些污染物长期存在于河流中，阻挡睡眠漂浮物的扩散也在一定程度上影响了河流的自我净化能力；其次，北江主干西侧存在的非法采砂现象可能导致局部河床变形，易给来往船只和人居环境带来较大的危险，且河床不稳定将破坏生态平衡，对生态环境产生一系列的危害；再者，分布在铁溪大桥两侧和国道240靠近北江主干方向的库区河鲜船饭店较多，将餐厨垃圾直接倒进水库导致水质污染等环境问题；最后，示范区存在较多的非法开垦现象，尤其位于水域和土地接壤的边界，易造成水土流失，且极有可能出现垃圾随意堆放的现象，破坏水库生态环境，增加水库水质和土地被污染的风险。

3 结 语

本文利用无人机航测技术获取了0.2 m分辨率的飞来峡水库正射影像图和数字高程模型，并利用高程线提取和水文分析实现了飞来峡水库管理区和无人机影像覆盖范围内保护区外边界的精确确界。通过对比最终确界和初步确界结果发现，航测成果比历史遥感影像的精确度更高，说明无人机航测的影像结果适用于水库确界工作，能获取更加准确的细节信息。本文选取飞来峡铁溪坑作为示范区，利用FCN对示范区违法违章嫌疑区进行了解译，在分类准确度和F1-Score分别为0.877 1和0.910 1的情况下，得到了飞来峡水库铁溪坑示范区裸地、建筑、道路、船只、植被和水体 6种地物的空间分布图。该分类精度评价指标证明了分类结果较好，可用于进一步的分析和解译，因此本文结合飞来峡水库确界数据，解译得到示范区30处违法违章嫌疑区。解译结果表明，违法违章嫌疑区主要集中在北江沿岸两侧以及铁溪坑支流的水面，数量最多的是网箱养鱼和开垦，建议加强对岸边的监督和管理，尤其是对网箱养鱼和开垦两类嫌疑区的监管。本文证明了利用无人机航测技术进行水库库区确界以及结合CNN进行违法违章嫌疑区管理和监测是有效和可行的，能显著提高确界的精度和水库管理的时效性，为水库违法违章嫌疑区的清理和整治提供科学的技术支撑和高效的管理手段。