无人机在沉积学中的应用现状及展望

　　无人机在沉积学中的应用现状及展望

　　    无人机（unmanned aerial vehicle，简称UAV）能够收集大量高分辨率且空间上连续的数据，具有速度快、成本低的优势，能进入交通不便、难以到达的地区进行观察。近年来，得益于无人机成本的不断降低，以及导航系统、数码相机和全球定位系统的发展，无人机已经彻底改变了传统数据的收集方式，广泛应用于众多地学领域，在地貌监测、大气调查、构造地质调查和油气勘探等方面发挥着重要作用。

　　    沉积学通过研究古代沉积岩或现代的沉积物，为揭示地球演化与气候变化提供关键证据，是地球科学研究的基础领域，有着数百年的发展历史。在沉积学领域，无人机也正逐渐成为一种新兴的研究手段，改变着沉积学的研究范式。

　　    首先，利用无人机可以对沉积露头进行三维数字重建。在传统的沉积学研究中，研究者通常将三维的地质体进行“降维”，即从三维立体简化到二维剖面来研究。这样做虽然简化了研究过程，但是会导致信息的缺失，容易造成沉积相的误判。通过无人机摄影测量技术构建沉积露头的三维模型，可以对沉积露头进行多尺度、远距离、大范围的连续观察。

　　    其次，无人机可以帮助沉积学家远程获取高分辨率的沉积数据。这里的沉积数据包括了最基本的沉积结构和构造信息，例如以沉积物粒度、颜色、分选性为代表的沉积结构信息，和以层理、组构为代表的沉积构造信息。传统方法识别这些信息往往需要在沉积露头上获取地质样品以进行精细研究，但一些具有重要研究价值的露头往往出露在悬崖或峡谷等难以接近的区域，给沉积数据的获取带来了障碍。使用无人机技术构建三维数字模型，并结合数字模型解释软件，能够提取粒度、颜色、层理与古水流方向等信息。

　　    此外，无人机还可以协助进行沉积物样品的采集。在一些采样人员难以到达的地区，如火山口、冰川等地，利用无人机采集样品，可降低人工采样的成本和风险，解决沉积学家“望而兴叹”的难题。

　　    本研究从以上3个方面回顾近年来无人机在沉积学领域的重要应用，对所涉及到的关键技术背景和存在的问题进行讨论，总结并展望未来无人机在沉积学领域研究中的发展前景。

　　    1.沉积露头的三维数字重建

　　    1.1 关键技术背景

　　    1.1.1 SfM摄影测量

　　    SfM( structure from motion)摄影测量，即“运动恢复结构”摄影测量，是一种从一系列包含视觉运动信息的、具有一定重叠度（一般为50%～60%）的二维图像集中恢复出物体三维结构的技术。基于 SfM摄影测量可以生成拍摄对象的稀疏点云，再利用多视角立体视觉（multi-view stereo，简称MVS）算法将稀疏点云转换成三维密集点云与纹理网格等三维数字模型，恢复出物体的三维结构。

　　    1.1.2 数字露头模型

　　    利用无人机的机动性与SfM摄影测量技术的三维重建能力，可构建沉积露头的高分辨率数字模型，即数字露头模型(digital outcrop model，简称 DOM)。数字露头模型是从露头表面所收集数据的数字表达，能精确表示沉积露头的空间结构，包括露头表面复杂的褶皱与纹理。结合数字露头模型解释软件，还可进一步从中提取高分辨率沉积特征信息，大大提高研究效率。当前应用于沉积学研究的数字露头模型的主要输出形式有：二维(2D)的数字正射影像、三维(3D)的点云和纹理网格(textured mesh)，以及介于二者之间(2.5D)的数字高程模型(DEM)，包括数字地表模型(DSM)、数字地面模型(DTM)。

　　    (1) 2D数字正射影像

　　    2D数字正射影像是无人机拍摄的航空相片经几何校正后得到的影像，其投影方式类似于地形图，能够显示真实的地面位置和地物比例，对于测算沉积体的面积和位置很有帮助，适用于测量和解释沿平面展布的沉积体。

　　    (2)2. SD数字高程模型

　　    数字高程模型(digital elevation model，简称 DEM)是以规则网格形式表示的地物表面的2.5D模型，是地表地形起伏状况的一种离散的数学表达，每个网格单元都存储有z、y坐标和对应的高程信息z。这里的DEM还包括了DSM和DTM 2种形式。DSM(digital surface model)是数字地表模型，即包含了植被和建筑物的地面数字模型。而DTM（digital terrain model）是数字地面模型，特指移除地表覆盖物后的裸地面的数字模型。

　　    相比于数字正射影像，DEM能够更加清晰地识别地貌的特征轮廓以及高程的细微变化，其颜色噪声更少，特别是DTM还减少了由于植被、地表建筑等物体遮挡而对露头观察带来的影响。

　　    (3)3D点云和3D纹理网格

　　    3D点云是三维坐标系统内一系列具有明确z 、y、z坐标的数据点所组成的数据集合。由于3D点云中的点通常是无序存在的，没有起点或终点以及拓扑关系，因此很容易对3D点云进行点的添加、删除、计算等操作。通常，3D点云的空间分辨率越高、点的数量越密集，所表示的信息就越详细，这有利于复杂地形区的精细化表达。但是在具体研究中，3D点云的空间分辨率并不是越高越好．过于密集的点云会导致数据冗余，加大数据处理时间与难度。考虑到实际情况，在研究区较大以及地表相对平坦的情况下，相对较低的点云分辨率反而更具优势。

　　    由于3D点云中的任意3个点都可以构建一个三角形，因此通过Delaunay三角剖分算法在3D点云的基础上创建不规则三角网格( triangulatedirregular network，简称TIN)，再进行纹理贴图．可进一步生成无缝的3D纹理网格。相较于3D点云，3D纹理网格更加接近真实露头。

　　    与2D的数字正射影像和2.5D的数字高程模型相比，3D点云和3D纹理网格具有三维特性，保持了沉积体的空间完整性，能够表示沉积地层的空间关系、空间形状和空间连续性，弥补了数字正射影像和数字高程模型在描述立体特征中的不足，是真正意义上的三维数字露头模型。

　　    1.2 基于无人机构建数字露头模型的方法

　　    基于无人机摄影测量技术构建数字露头模型，首先需要确定研究目标区域，在野外选取并设置地面控制点(ground control point)，并测量其平面位置与高程，以作为数字露头模型的地理参照物。之后，确定研究所需的空间分辨率、无人机与传感器类型、照片重叠度和飞行高度等，利用任务规划软件规划好无人机的飞行路线并拍摄照片，最后进行数字露头模型构建。

　　将无人机获取的照片上传至Agisoft Metashape与 Pix4Dmapper等专业摄影测量软件中，基于SfM摄影测量技术，先根据地面控制点的位置进行影像匹配，对数字图像进行校准，生成基于地理参考的稀疏点云，再应用多视角立体视觉( MVS)算法将稀疏点云转换成密集点云，通过密集点云生成不规则三角网格( TIN)、数字高程模型(DEM)和数字正射影像。对不规则三角网格进行纹理贴图与网格配向，最终生成拟真的3D纹理网格。

　　    1.3 常用数字露头模型构建软件

　　    1.3.1 Agisoft Metashape

　　    Agisoft Metashape(又名Agisoft Photoscan,以下简称Metashape)是一款基于摄影测量图像的自动化数字模型构建软件( www. agisoft. com)。将利用航空飞机、无人机、卫星等各种摄影测量方式获取的地物数字图像导入该软件中，通过对数字图像进行自动化处理，可实现如下功能：①创建3D密集点云；②构建2. 5D数字高程模型(DEM)、数字地表模型(DSM)以及数字地面模型(DTM)；③生成经过地理参考的2D数字正射影像；④构建不规则三角网格(TIN)并叠加纹理，生成3D纹理网格。

　　    采用Metashape进行图像数据处理的过程主要包括4个步骤：①影像匹配及构建稀疏点云。将照片加载到Metashape中，软件通过搜索图像上的特征点，对图像之间进行匹配。同时软件可找到每张图像所对应的相机位置和方向，对图像进行校准，并构建稀疏点云，输出方向参数。②基于得到的外部和内部图像方向参数构建密集点云。密集点云可在Metashape中进行编辑和自动化分类，并作为构建网格、数字高程模型等的基础。点云数据还可以导出到CloudCompare等外部工具中进行进一步分析。③基于密集点云生成3D网格和2.5D数字高程模型。将生成的3D网格叠加纹理，可更加真实地反映地物场景，并可以多种格式导出，用于计算机辅助设计和三维建模工作。对密集点云或3D网格进行栅格化，可创建2. 5D数字高程模型，基于分类后的密集点云还可以创建数字地面模型。④创建2D数字正射影像。软件根据图像的外部和内部方向参数，将其投影到数字高程模型或3D网格表面，生成2D数字正射影像。该影像可作为各类型地图的基础图层以及用于进一步的后处理分析和矢量化。

　　    1.3.2 Pix4Dmapper

　　    Pix4Dmapper是一款专业的摄影测量影像处理软件(www. pix4d. com. cn/pix4dmapper)。该软件采用全自动工作流的方式，对从地面、无人机倾斜摄影测量或近景摄影测量获取的数字影像进行处理，输出亚厘米级的3D点云与纹理模型、2.5D数字高程模型以及2D数字正射影像等高精度数字露头模型。

　　    此外，Pix4Dmapper还提供了点云的自动化分类、编辑以及点云手动去噪功能。对于2D数字正射影像，通过软件中的正射影像编辑器，能够对正射影像进行编辑操作，移除正射影像中不必要的部分或瑕疵，改善影像效果。对于3D模型，利用该软件可对模型中目标地质体的体积、面积和距离等参数进行量测。

　　    孙姣姣等以DJI Phantom 4 RTK无人机航拍影像为数据源，利用Metashape和Pix4Dmapper生成的数字正射影像，基于控制点精度对比分析了2款软件的建模精度和适用性，发现2款软件均达到了小于0.5的像素要求，也符合《三维地理信息模型数据产品规范》中平面精度误差不超过0.3 m、高程误差不超过0.5 m的要求。其中，Metashape的高程精度和空三精度均高于Pix4Dmapper，地面控制点坐标与实际测量坐标误差更小，精度更高，适用于地面高程起伏较大的地区。而Pix4Dmapper的平面精度相对更高，适用于地面起伏较小的平原地区。

　　    1.4 基于数字露头模型的沉积相分析

　　    数字露头模型能够帮助沉积学家从多种空间尺度和视角观察露头的几何形态、沉积构造和岩相组合情况。Meek等利用带有1 200万像素摄像头的大疆DJI Mavic Air四旋翼无人机，获取了美国西部始新世Richards山砾岩和白垩系Echo峡谷砾岩的露头照片，通过Metashape软件构建数字露头模型并对岩性剖面进行了精细分析，共识别出冲积扇沉积构型中的7级界面及相应的侧向展布的岩性体(lithosome)：第1～4级为小尺度（米级）河道和漫滩沉积，原生的沉积构造，如板状或槽状交错层理发育，透镜砂体特征显著；第5级为中尺度扇上河道组成的复合体沉积，厚度达数十米，侧向延伸可达上千米。根据河道宽／高比的不同，判断其主要受气候变化控制；第6～7级分别代表冲积扇个体和冲积扇复合体，尺度更大，岩性体界面往往与构造作用相关。

　　    Aliyuda等使用搭载2 000万像素摄像头的大疆DJI Phantom 4 Pro四旋翼无人机，获取了尼日利亚Northern Benue谷地Bima组的露头照片，通过Metashape软件建立数字露头模型，识别出多个岩相组合，包括叠置河道相组合、单一河道充填相组合和漫滩或泛滥平原相组合，并利用数字露头模型分析了河道砂体的厚度以及各岩相组合所占比例随空间的变化，指示了在Bima组中发育的古分流河道体系( distributive fluvial sxstem}：

　　Phillip.s等使用大疆DJI Phantom4Pro无人机，获取了美国犹他州西部白垩系Naturita组露头的照片，并构建了数字露头模型，利用I_IME软件对数字露头模型进行了解释，结合野外实测剖面以及野外测量的古水流方向数据，识别出外源砾岩相、内源砾岩相、含化石砾岩相、波纹交错层理砂岩相等15个岩相以及受潮汐影响河道相组合、砂质潮下沙坝相组合、远源潮下沙坝相组合等8个岩相组合，判断潮汐是影响Naturita组沉积物改造和沉积的主要驱动力，沉积环境是以潮汐为主导的河口湾相沉积。

　　    2.高分辨率沉积结构与构造信息提取

　　    2.1 数字露头模型信息提取软件

　　    利用从无人机摄影测量技术中得到的数字露头模型，不仅可以获得可视化的露头信息，还可以利用信息提取软件从中进一步提取高分辨率的沉积特征信息。其中既包括了地层的几何形态和沉积单元等定性信息，也包含倾角、倾向和层厚等定量数据，还可以对沉积物的粒径进行远程测量。这对于沉积结构和沉积构造分析至关重要，也是进行沉积相和沉积环境判别的基础。目前常用的数字露头模型数据提取与解释的软件主要包括LIME、CloudCompare和MOSIS等。

　　    2.1.1 LIME

　　    LIME软件是一款简单高效的数字露头模型可视化、集成和解释工具，可集成不同的3D数字露头模型、2D数字正射影像与几何数据，对模型中沉积地层的层厚、倾角、倾向、沉积单元和断层等地质要素进行定量统计、测量与绘图。

　　    类似于地理信息系统中的图像解译，LIME软件通过对数字露头模型中的点进行数字化来创建和编辑线要素，再利用线要素创建闭合多边形，以表示关键的沉积地层。此外，还可以通过在数字露头模型上添加点要素来标注采样点、测量点和样本点等。岩层的倾角、倾向与走向，以及地形坡度和坡向等定量方向数据的测量可直接在数字露头模型上进行，测得的数据可导出为电子表格或ASCII文件。

　　    除了线条和平面外，LIME软件还引入了表示投影面的面板(panel)。面板是3D空间中的矩形平面，充当空白画布，用于接收3D空间中的线要素与面要素投影，生成数字正射影像。数字正射影像的空间比例尺与数字露头模型相同，可导出进行注释、颜色填充等操作，之后再将编辑过的数字正射影像从面板上投影回数字露头模型，作为新的3D纹理网格。例如，利用面板可将投影的线要素导出，填充为不同颜色的闭合图形，经注释后再投影回数字露头模型，可更为直观地显示沉积单元与构型要素( architectural element)。

　　    2.1.2 CloudCompare

　　    CloudCompare软件是一款开源的3D点云处理软件( www. cloudcompare. org)，可实现大规模3D点云数据的滤波处理、去噪、配准、重采样以及定量的统计计算（点云之间的距离、密度、曲率和粗糙度等）等操作。利用CloudCompare中内置的函数还可在3D点云的基础上构建Delaunay三角网格，并对网格进行平滑、对比度增强和距离计算等操作。此外，CloudCompare中还配备了多个扩展插件，以实现更多的点云操作功能，如：qPCV插件可对点云和网格进行环境光遮蔽(ambient occlusion)处理； qCSF插件基于布料模拟滤波算法(cloth simulation filter，CSF)，将点云分为地面点和非地面点；qFacets插件则可以从非结构化3D密集点云中提取地质平面，并计算它们的倾角和倾向。

　　    2.1.3 MOSIS

　　    MOSIS(multioutcrop sharing and interpretation system)，即多露头共享与解释系统，是一款用于数字露头模型3D可视化、分析解释和数据共享的软件系统。MOSIS不仅可以在传统的电脑桌面环境中，也能够在虚拟现实(virtual reality，简称 VR)环境中实现数字露头模型的可视化及数据解释。利用MOSIS创建一个低成本的VR投影系统，用户通过头戴式显示器，结合VR手套等交互传感器，就可以在实验室里通过沉浸式体验的方式对数字露头模型进行观察与直接交互，如同在野外考察露头一样“身临其境”。此外，MOSIS还提供了一个详尽的解释工具集，可用于数字露头模型上两点或平面之间的距离测量、矢量绘制和信息注释等，并提供一个用于层面倾角与倾向测量的虚拟罗盘。

　　    2.2 沉积构造特征提取与识别

　　    借助上述数字露头模型信息提取软件，可从数字露头模型中进一步提取交错层理和生物遗迹等沉积构造信息。Freitas等应用三款搭载不同相机的无人机，包括中国产大疆DJI Phantom 4 Pro（2 000万像素大疆相机）、巴西产XFly X800(2 400万像素索尼a6000相机)和以色列产3DR（1 200万像素佳能Sl00相机），获取了巴西东北部Parna' ba和Tucan0 2个沉积盆地中河流沉积物交错层理的露头照片，经Metashape软件处理获得数字露头模型，并导出到LIME软件中形成所谓‘虚拟露头”。利用三点法重建交错层理面，可以自动计算得出交错层理的倾角和倾向，并绘制赤平投影图和玫瑰图，成功地从河流砂岩的数字露头模型中提取了古水流方向。将虚拟露头上测量的古水流方向与现场测量的古水流方向进行比较，证明利用无人机摄影测量方法获取的古水流场数据精度与现场测量结果相当。

　　    Romilio等利用搭载X3数码相机（1 240万像素，型号为FC350）的大疆DJI T600 Inspire 1四旋翼无人机，结合地面和载人飞机摄影测量等其他技术，拍摄了澳大利亚西部Dampier半岛下白垩统砂岩中的恐龙足迹图像；通过Metashape软件生成数字正射影像，将其导入到CloudCompare中进行环境光遮蔽处理以突出立体特征，识别出兽脚亚目恐龙与蜥脚类恐龙的足迹。生成的恐龙足迹数字模型可覆盖数十千米的空间范围，这为今后认识大尺度生物遗迹与地层和时间关系提供了可能。

　　    2.3 沉积结构特征提取与识别

　　    对于沉积结构特征，如分析河流底质与火山碎屑等沉积地层中的沉积物粒度和成分，可利用无人机摄影测量技术构建数字露头模型，特别是点云和数字正射影像，进行沉积结构特征的提取与量化。

　　    该方法能够实现对大范围沉积物粒径的定量测量与粒度分级，相比于人工野外调查不易受地面条件影响，更为高效便捷。

　　    Woodget等利用Draganflyer X6六旋翼无人机搭载1 010万像素的松下Lumix DMC-I.X3数码相机，获取了英国Braithwaite一处长约120 m的砾石河床的数字影像，导人Metashape软件中处理生成3D密集点云，经CloudCompare软件对点云进行滤波平滑与去噪等后处理操作后，再利用CloudCompare软件中的粗糙度工具计算平均点云粗糙度。将点云粗糙度与在野外实测的粒度指标进行相关分析（如线性回归），以确定两者之间的相关性，根据两者的相关关系来估计研究区更大范围内的砾石粒径大小。通过Jack knife方法（刀切法）评估预测粒度的准确性，结果表明，利用无人机点云粗糙度方法建立回归模型，能够对河流底质粒径大小进行快速、准确且空间上连续的估计。VazquezTarrio等基于和Woodget相似的方法，用四旋翼无人机搭载1 200像素的GoPro HER0 3+Silver相机，对法国阿尔卑斯地区Veneon辫状河砾石滩表面的沉积物粒度进行了研究，将点云粗糙度方法估算得出的粒度值进行了分级，包括从砂到巨砾的各级粒度，获得了辫状河砾石滩表面的粒度分级图。

　　    Smith等利用大疆DJI Phantom 4无人机搭载1 200万像素的DJI FC330相机，获取了美国犹他州Marysvale火山地带Kingston峡谷和Circleville峡谷的粗粒火山碎屑垂直地层影像，采用 Pix4Dmapper和Metashape软件处理生成2D数字正射影像。将数字正射影像导入ArcGIS Pro软件，确定感兴趣区并对地层边界和碎屑颗粒进行了人工数字化，应用软件中的“最小边界几何”和“要素转点”工具测量了碎屑颗粒的主轴长度、圆度、周长、面积和相对方向等定量参数。经多次飞行，验证了结果的可重复性，表明这种方法不仅可用于火山碎屑沉积的野外数据采集、制图和定量分析工作，也适用于其他类型粗粒碎屑沉积物的定量分析。

　　    3.无人机协助样品采集

　　    对无人机进行改造，配备采样装置，可利用无人机进行沉积学研究样品的采集，扩展研究范围，特别是可以在冰川和火山口等偏远危险、人员难以到达的地带获取样品，减少采样过程中的安全风险。如 Mori等19 -通过在小型无人机的机身与仪器箱上附着黏性片状灰尘采样器，成功收集了活火山口附近火山气流中的碎屑颗粒、火山灰等物质。然而，无人机空中采样并不在本研究的讨论范畴之内，更多的沉积学家所关心的是对沉积物或沉积岩心的采样，下面根据已有文献对沉积物采样的技术要求和案例进行综述。

　　    3.1 无人机实施地表沉积物采样的硬件要求

　　    在实施摄影测量过程中，对无人机硬件要求并不高，能够挂载数码相机的常规无人机都能应对。然而，在对地表沉积物采样过程中，需要无人机既能够在空中运输样品，又能够在地面着陆并自动采集样品，这无疑对无人机的硬件提出了更高的要求。当前用于采样的无人机装置主要由机身、起落架和采样装置3个部分组成。

　　    (1)机身

　　    首先需要根据研究的风速、温度和湿度等环境特点，根据各型号无人机的特性，选择合适的无人机。例如在高纬度高寒地区采样，无人机必须确保能够在低温、雨雪和强风条件下正常运行，而在火山口附近采样则需要考虑无人机的抗高温能力。

　　    其次是无人机自身的机身重量和载重能力。无人机机身本身需要具有足够的重量，以保证抗风能力和机身的稳定性。除此之外，还要根据研究中所需采集的样品重量，确保无人机有足够大的载重量以携带样品返回。

　　    最后，无人机的飞行时间和续航能力。通常采用锂电动力的无人机，锂电池蓄电量决定了无人机可以在空中停留的时间和飞行距离。相比之下，采用燃油动力的无人机则拥有较强的续航能力。因此需要根据研究区的空间范围与单点持续采样工作时间选择无人机的动力类型。

　　    (2)起落架

　　    由于无人机需要降落在地表以进行样品的自动采集，因此起落架是采样无人机中非常必要的部件，可以保证无人机停留在地面上时为机身提供稳定的支撑，并在着陆时充当减震器，当无人机在地面上滑动时还可充当导向和制动系统。

　　    通常较小的无人机可以安装由金属或复合材料制成的固定起落架，中型无人机可在小型无人机起落架的基础上加装橡胶减震器。而在一些特殊的采样环境中，还需要对无人机的起落架进行适当改造。例如采集冰心的案例中，无人机需要停靠在海冰面或者洋面上，为保证无人机机身的平稳，可在起落架上安装辅助漂浮装置。

　　    (3)采样装置

　　    根据采样环境的不同，以及研究中所需的采样深度、样品重量和样品的性质，合理设计采样装置和 采样方式。如在土壤表层和坚硬的海冰表面，可通过钻取的方式采样。在收集细软沉积物样品时，则可采取挖掘方式。此外，采样装置作为无人机载荷的一部分，其携带样品后的重量需要满足无人机的载重要求，以确保无人机采样后能平稳返回。

　　    3.2 无人机冰心采样案例

　　    在冰川地区，采用传统的人工方法采集冰心．工作量大且风险高。为实现冰心样品的安全采集． Carlson等研制出一款可用于钻取采集北极冰心样品及其沉积物的无人机IseDD。这款无人机由一架大疆DJI Matrice 600 Pro六旋翼无人机改装而成，经格陵兰努克附近冰山的现场测试，在严酷的冬季条件下成功钻取了冰心样本，首次实现利用无人机在采样人员难以到达的冰山地区采集冰心样品，避免了因冰川崩塌和冰裂隙给采样人员带来的危险，提高了现场采样作业的安全性和采样效率。

　　    IseDD无人机系统主要由机身主体、机载相机、机载定位系统、电子设备舱、滚动警报装置、冰心钻头、紧急水上迫降浮标和起落架等组成，整个装置能够在不小于100 mm的取样深度下采集500～1 000 g的冰心样品。其中，机载相机为 DJI Zenmuse X3，用于监控采样作业，并收集冰山图像来构建3D模型；紧急水上迫降浮标用于在警报发生或无人机出现故障时，在海冰和水面上进行紧急迫降，以确保机身的安全；钻头由250 mm长的铝管制成，安装在螺旋套筒内，用于在钻取时去除冰屑。钻头上有3组由硬化不锈钢制成和经PVD涂层的切割齿，具有足够的硬度和耐磨性。切割齿之间交错排列，以减少钻取时的结冰现象。通过钻头上步进电机的上下移动，能够控制钻孔的深度。

　　    4.讨论

　　    从上述多个案例不难看出，无人机的应用已经开始改变传统沉积学野外研究的范式，也必将对未来“大数据时代”沉积数据的采集产生重要影响。目前，基于无人机的沉积学研究正处在起步阶段，我国在该领域具有得天独厚的优势。首先，我国企业，如深圳大疆创新科技有限公司生产的DJI系列无人机全球占有率达到了70%，旗下的多个机型已经成为参与国内外沉积地质调查的主力机型。另外，我国境内的很多研究区或典型沉积露头地处高海拔、地形复杂且人员难接近的区域，特别适合无人机协助开展数据收集工作，这也为应用无人机的沉积学研究提供了机遇。因此，应用无人机及其相关技术开展沉积学研究具有广阔的前景。其优势突出体现在以下几个方面。

　　    (1)调查效率高和图像分辨率高

　　    利用传统的高分辨率摄影测量方法对研究区域进行调查，往往需要数周的时间才能完成，效率较低。而无人机平台的数据采集时间较短，在几分钟的时间内即可完成对大面积区域的调查工作，且获取的图像分辨率更高。Bemis等在调查澳大利亚塔斯马尼亚岛东北海岸的一处露头时，利用无人机方法，在30～40 m的高度上于5 min内覆盖了100 m×100 m的空间范围，获取了约140张高分辨率（1像素～10 mm）露头照片，在15～20 m的更低高度范围内，图像分辨率可达到亚厘米级。相比之下，利用载人飞机或卫星所获取的图像分辨率通常为100～500 mm／像素，远低于无人机图像。对于 RTK-GPS，尽管其精度可达到厘米，但是无法在近垂直的沉积露头剖面操作，同时对于一些形态较为复杂的沉积露头，需要测量大量剖面以准确表示露头形态，导致野外工作耗时费力。

　　    (2)硬件成本低，便于操作和携带

　　    以本研究所讨论案例中使用最多的大疆DJI Phantom 4 Pro无人机为例。这款无人机的质量约为1.4 kg，机身轻巧，可收纳于专用的无人机背包中，便于携带。同时其机身硬件成本相对较低，官网售价约1.2万元。此外，无人机的培训周期短，操作容易上手。而一些传统的高精度摄影测量技术，如地面激光扫描仪(terrestrial laser scanner)，其硬件成本很高，可达数十万元。

　　    (3)调查范围与空间尺度广

　　    无人机既可以调杏大范围的沉积构造特征，同时也能够获取小面积、高分辨率的沉积结构和沉积相等细节信息，所能调查的空间尺度广泛。相比之下，卫星遥感由于分辨率较低，特别是目前商业遥感卫星的最高空间分辨率只有0.5 m，因此只适合于大范围的地质构造普查，而不能用于沉积相、沉积结构等精细地质特征的识别。同时，受投影面积限制，一些关键的地质信息细节在光学遥感影像上表现模糊，难以判别。而利用无人机倾斜摄影测量技术构建三维数字露头模型，能够有效弥补传统光学遥感影像在分辨率和投影面积上的不足。

　　    (4)提高野外工作的安全性

　　    一些具有重要研究意义的沉积露头通常位于峡谷、悬崖等难以到达与较为危险的地方。常用的地面摄影测量技术，如地面激光扫描，需要人到达十分接近露头的地方，一方面增加了野外调查的难度，同时也给调查人员的安全带来了风险。载人飞机和卫星影像虽然能够从空中俯瞰，但空间分辨率较低，无法描绘沉积地层的细节。而无人机能够对这些露头进行近距离的倾斜摄影测量与近景摄影测量，获取露头的多角度高分辨率数字影像，提高了野外工作的安全性。

　　    此外，无人机在沉积物采样方面也减少了人为劳动，降低了安全风险。在北极格陵兰地区，利用传统的人工方法采集冰心沉积物样品是十分危险的，冰山随时有可能在几乎没有任何预兆的情况下崩塌。同时，冰面上也存在大量冰裂隙，采样人员稍有不慎便可能掉落。Carlson等开发的IseDD冰心采样无人机载有警报系统，可在冰山崩塌时提供警告并及时规避风险，在水面上紧急着陆。采样人员通过在远离冰山的船只上对采样无人机进行远程操控，成功地从冰川冰中采集了500 g完整的冰心样本，提高了现场冰心采样工作的安全性。

　　    (5)便于露头重访

　　    利用无人机构建数字露头模型，能够将野外露头研究搬到室内进行。通过访问电脑上的数据集，实现对露头的随时重访，而不必再次到野外现场进行考察。

　　无人机是沉积学研究中一种非常有力的工具，但同时我们也必须意识到，无人机并不能完全取代人工野外工作以及其他的调查方法，只是作为一种辅助手段协助野外调查工作。人们需要将无人机技术与人工现场观测以及其他数据收集方法相结合，以提高无人机方法的适用性。

　　    5.展望

　　    5.1 无人机飞行平台的选择

　　    按照飞行平台构型，无人机主要可以分为固定翼无人机和多旋翼无人机2种。固定翼无人机具有飞行时间长（大于30 min）、距离远、速度快和飞行高度大的优势，但机动性较低、体积较大，往往需要一定的起飞和着陆空间，不宜在过于偏远崎岖的地方使用。相比于固定翼无人机，多旋翼无人机的机动性、稳定性和可控性更强，具有垂直起飞和着陆的优势，能够获取倾斜与近景摄影测量图像，但航程短、飞行时间有限(小于30 min)。若要进行长时间飞行，则必须不断更换电池。在上述数字露头模型构建和无人机协助采样过程中，目前主要使用多旋翼无人机。在具体的沉积学研究中，针对不同研究区域和飞行任务的特点，需要合理选用不同类型的无人机，以节约时间和成本，提高数据获取的效率。

　　    5.2 无人机数据的智能处理

　　    目前，利用无人机获取的点云数据还需要通过人工手动的方式进行注释、去噪等后处理工作，同时常用的摄影测量软件在处理一些大型数据集时仍显得耗时耗力。随着近年来机器学习和“大数据”分析

　　方法的迅速发展，未来可通过人工智能方法，如卷积神经网络、模糊逻辑、进化算法、随机森林和支持向量机等，实现对大量无人机数据快速高效的自动化分析，提高数据处理效率。

　　    5.3 无人机图像采集与处理的标准化

　　    由于目前尚缺乏相关的行业标准和协议来规范无人机摄影测量流程，导致研究中所生成的3D数据的精度与数据可靠性受到各种人为不可控因素的影响，产生了数据可重复性问题。而制定相关的行业标准需要考虑如下方面：地面控制点和全球导航卫星系统(GNSS)的使用、无人机平台和摄像机以及传感器的选择、图像信息提取、传感器校正、误差表征以及精度评估等。未来，定义和构建这样的协议和标准有助于解决无人机数据的可重复性问题，对于推广无人机在沉积学领域的应用是一个重大的挑战和要求。

　　    5.4 无人机图像校正和模型构建算法的改进

　　    在无人机摄影测量调查中，由于光照不佳、阵风和植被覆盖等环境因素，会使得无人机机载摄像机曝光不足或过度，造成无人机获取照片和正射影像出现局部模糊、无数据区与阴影现象，影响3D模型的构建。目前对这些图像问题还无法进行有效的定量化校正。此外，受摄影测量软件在处理大型数据集时的计算限制，以及无人机照片拍摄时照明条件的影响，最终生成的数字露头模型中会出现失真、模糊或空洞。UAV-SfM 3D密集点云在点与点之间会存在一些空洞，而UAV-SfM 3D纹理网格虽然避免了空洞的问题，但由于三角网格的插值，也丢失了大量重要的沉积层面细节，出现了模糊现象，这都会影响最终的分析结果。因此，未来需要进一步研究相关的算法，实现对图像的定量化校正，减少数字模型的失真问题。

　　    5.5 无人机数字露头模型协助虚拟仿真教学

　　    在今后的沉积学野外教学工作中，可通过实习区域的数字露头模型让学生在出野外前事先熟悉实习地点，提高野外工作效率。同时，在野外考察结束后，若想对该露头再次进行调查，也可以通过数字露头模型随时重访。虽然应用数字露头模型补充传统的野外教学方式还有很长的路要走，但这可以大大增强师生的野外体验，具有广阔的应用前景。

　　    6.结语

　　    无人机的发展为沉积学研究提供了一种新的思路，利用无人机摄影测量技术构建数字露头模型，可以进行沉积露头的数字重建，进而分析沉积相和岩相组合，提取粒度、交错层理和生物遗迹等沉积结构和构造特征，未来还可进一步应用于沉积学野外实践教学工作中。此外，对无人机本身进行改造，还能够协助进行冰心等沉积物的采样。应用无人机技术进行沉积学研究，具有低成本、高效率的优势，能够获取大量的、大范围的高分辨率数据，不仅保证了数据的时效性和连续性，也大大提高了野外工作的安全性。但是，无人机技术在数据可重复性、点云处理以及图像与模型质量方面也存在着不足。未来可借助人工智能方法，以及通过制定无人机图像采集与处理流程的标准规范来进一步改善。

　　                                                   摘自：《地质科技通报》2023年第一期