利用历史航空影像进行多十年地形变化的摄影测量重建，以评估滑坡和泥石流灾害的风险

《Remote Sensing Applications: Society and Environment》：Photogrammetric Reconstruction of Multi-decadal Topographic Changes from Historical Aerial Imagery for Landslide and Debris-flow Hazard Assessment

滑坡与沉积物流动灾害评估中SfM-MVS多年代地形重构及残差校正方法研究|台湾马告溪流域|地形变化监测|沉积物稳定性分析|灾害预警模型

　　

詹万欣|陈一钦

台湾国立彰化教育大学地理系

摘要

滑坡和泥石流是全球主要的自然灾害，其长期的地形变化对灾害评估构成了重大挑战。将SfM-MVS摄影测量技术应用于历史航拍照片，为重建数十年的地形变化提供了可能，从而有助于更准确地评估灾害风险。在本研究中，我们结合了1980年至2023年的历史航拍和无人机图像以及SfM-MVS摄影测量技术，并引入了一种残差校正方法，以对数字表面模型（DSM）进行对齐，重建了与台湾某次历史滑坡和泥石流灾害相关的四十年的地形变化。结果显示，校正后DSM的系统性偏差（高达±10米）降低到了约2-3米的均方根误差（RMSE），显著提高了DSM之间的对齐精度。多时相分析检测到了灾害发生前的斜坡变形，发现事件发生前悬崖有约6.6米的下沉。此次泥石流移动了372×103立方米的物质，其中43.3%来自悬崖侵蚀，56.7%来自坡积物，最终在山谷中沉积了181×103立方米的物质。这些沉积物在37年内基本保持稳定，体积仅减少了81.2%，尽管新的裂缝表明重力变形仍在持续。本研究强调了利用历史摄影测量重建技术在易发生泥石流地区提供早期预警指标和定量灾害评估方面的价值。

引言

滑坡和泥石流是全球主要的自然灾害（Dowling和Santi 2014；Guzzetti等人1999；Petley 2012）。这些灾害的特点是间歇性发生，且每次发生之间会有数十年的时间间隔（例如Chen等人2015；Gallo和Lavé 2014；Singleton等人2014），通常由间歇性事件之间的渐进性斜坡失稳引发（例如Lehmann和Or 2012）。此外，之前的滑坡沉积物常常成为后续泥石流的物质来源（Iverson等人1997；Ronchetti等人2007）。滑坡和泥石流具有长期重复发生的特点，表现出复杂且周期性的时间模式（例如Gallo和Lavé 2014）。了解它们的历史活动和长期演变对于更准确地评估滑坡和泥石流灾害的风险至关重要（Hungr等人2001；Jakob 2000）。

对历史地貌过程和灾害记录的了解不足可能导致在易受灾地区做出不当的土地利用决策，从而增加脆弱性和风险暴露。台湾北部阳明山国家公园内的澳门溪流域就是一个例子。该地区计划建设一个温泉度假村项目，但由于该地区的灾害历史，引发了人们的担忧（Gao和He 2014）。1986年11月28日，澳门溪发生了灾难性的泥石流事件，造成了严重的人员伤亡和财产损失（Chang 1987）。尽管有这样的历史灾害记录，但由于植被的密集覆盖以及随后几十年没有新的灾害发生，潜在的灾害风险被忽视了（例如G?rüm 2019）。因此，在植被恢复的地区，后续发生滑坡和泥石流的可能性仍然很高（例如Chen等人2025）。这一案例突显了历史地貌分析在灾害评估和土地利用规划中的重要性。

为了评估滑坡和泥石流的长期演变，需要具有高空间分辨率和多时间跨度覆盖范围的数据集。然而，可靠的、多时相的数字表面模型（DTM）的获取一直非常有限。在20世纪90年代之前，DTM主要通过立体摄影测量和从印刷地图手动数字化等高线获得（Usery等人2018）。即使在20世纪90年代初引入了数字摄影测量系统，这些系统的自动化能力仍然有限（Baltsavias 1999），使得获取覆盖大范围空间的高质量多时相DTM变得困难。最近SfM-MVS（基于运动的结构和多视图立体）摄影测量的进步使得研究人员能够从现代无人机（例如Mancini等人2024；Palmeri等人2024）和历史图像（例如Bakker和Lane 2017；Esposito等人2017；Gomez等人2015）生成高分辨率的地形数据。

大量的历史航拍照片档案为重建数十年的地形演变提供了宝贵机会（Bakker和Lane 2017）。例如，美国地质调查局（USGS）已经数字化了超过660万张航拍照片（USGS 2018），而台湾的航空调查与遥感部门（ASRSB）收集了超过一百万张历史航拍图像（ASRSB 2018）。然而，来自扫描胶片的历史图像不可避免地存在几何畸变，这可能会传递到数字表面模型中并产生虚假信号（Lu等人2021）。因此，开发稳健的残差校正方法对于从历史图像中可靠地检测变化至关重要。

多时相DSM的精确对齐是进行可靠的差异（DoD）分析以量化地形变化的基础（例如Peppa等人2019；Belloni等人2025）。DoD的不确定性直接取决于DSM之间的几何一致性，系统性的畸变会在地形变化计算中产生显著误差（Feurer和Vinatier 2018）。然而，历史图像通常缺乏精确的相机外部定向参数，并且扫描质量不稳定，这两者都会引入系统性的几何畸变。为了解决这些问题，已经建立了多种对齐策略，包括使用地面控制点（GCP）和稳定的地形特征（例如Mertes等人2017；Verhoeven和Vermeulen 2016）、多时期块集成（Feurer和Vinatier 2018）以及偏差校正算法（例如Kumar等人2024）。

除了几何畸变外，植被的存在也是利用SfM-MVS摄影测量技术获取准确地貌数据的一个主要挑战。植被冠层引入了正的高度偏差，掩盖了真实的地面表面。为了减轻这种影响，点云过滤已成为广泛采用的处理步骤，已经开发了许多算法来区分地面点和非地面点，包括基于坡度的过滤器（Vosselman 2000）、数学形态学方法（Zhang等人2003）以及广泛使用的Cloth Simulation Filter（CSF）（Zhang等人2016）。然而，这些几何过滤器的性能在很大程度上依赖于地面反射的存在。SfM-MVS摄影测量通常捕捉的是冠层表面而不是下面的地形，因此在植被茂密的地区，地面点可能稀少或完全缺失（Anders等人2019）。这一限制往往导致用于插值可靠地形模型的地面样本不足（Goodbody等人2018）。

本研究重建了澳门溪流域数十年的地貌演变，以评估长期的滑坡和泥石流灾害及景观稳定性。我们结合了1980年至2023年的历史航拍和无人机照片以及SfM-MVS技术，生成了七个高分辨率的数字表面模型（DSM）。为了提高历史图像衍生DSM的几何一致性，我们开发了一种基于机器学习的残差偏差校正方法，在标准的Pix4D SfM-MVS重建之后应用。使用指数高斯过程回归（EGPR）来模拟空间变化的高度偏差，这种方法为DSM对齐和基于DoD的多十年地形变化检测提供了更可靠的基础。通过应用遥感数据集，本研究解决了灾害评估的三个关键问题：（1）1986年灾难性泥石流事件之前是否有可检测的迹象？（2）该事件的来源区域、规模和空间范围是什么？（3）该事件之后斜坡和泥石流沉积物的稳定性如何？

章节摘录

澳门溪流域

澳门溪流域（3.23平方公里）位于台湾北部的塔屯火山群内（图1），这是一个由多次火山喷发形成的复式火山群，最近一次喷发记录在0.081百万年前（Chang等人2024）。该流域的海拔范围从260米到1120米不等，上游地区有一个高达30米的显著悬崖。竹溪气象站的气候数据显示，年平均气温为18.8摄氏度（夏季25摄氏度；冬季12摄氏度）。

历史和无人机航拍图像

我们获取了六组历史航拍图像和一组无人机图像，涵盖了事件发生前后的时期（表1）。历史航拍图像来自ASRSB，使用专业航拍胶片相机和最近的数字测绘相机（DMC）系统拍摄。所有图像集在飞行线上的前向重叠率超过60%，侧向重叠率超过35%，确保了足够的立体覆盖范围，便于进行摄影测量重建。

DSM的精度和对齐

表2展示了1980年至2023年间七个DSM的空间分辨率和精度评估。地面采样距离（GSD）范围从7.98厘米到42.1厘米不等，主要受飞行高度和相机参数的影响。2023年通过无人机获取的模型具有最高的分辨率，GSD为7.98厘米，因为其飞行高度较低；而1980年至2011年的历史航拍照片是在较高海拔拍摄的，导致分辨率较低，介于23.3厘米到42.1厘米之间。

基于GCP的精度评估显示水平

DSM对齐

DSM对齐是历史图像DoD分析的关键预处理步骤，因为多时相DSM必须保持几何精度和空间一致性（Feurer和Vinatier 2018）。本研究使用EGPR模型来模拟随机分布的样本点所表示的偏差分布。经过偏差校正后，多时相DSM与参考数据集的对齐效果有所改善（图4）。尽管有这些改进，仍有两个关键因素影响对齐性能

结论

本研究结合了1980年至2023年的历史航拍和无人机图像以及SfM-MVS摄影测量技术，并引入了一种残差校正方法来对齐DSM，重建了与历史滑坡相关的四十年的地形变化，以评估滑坡和泥石流灾害。可以得出三个主要结论。首先，我们提出了一种使用指数高斯过程回归的残差校正方法，将系统性偏差（±10米）降低到了约2-3米的RMSE。

利益冲突声明

? 作者声明以下可能的财务利益和个人关系：陈一钦报告称获得了台湾国家科学技术委员会（NSTC）的财政支持。如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本文的研究工作。

CRediT作者贡献声明

陈一钦：撰写——审阅与编辑、撰写——初稿、验证、软件、资源管理、项目协调、资金获取、概念构思。詹万欣：验证、方法论、调查、正式分析、数据管理

未引用的参考文献

Pix4D, 2017.

伦理声明

作者声明在本文的开发、撰写和发表过程中遵循了所有伦理规范。

关于写作过程中生成式AI和AI辅助技术的声明

在准备本文时，作者使用了ChatGPT5来辅助语言编辑和文本润色。使用该工具后，作者根据需要对内容进行了审查和编辑，并对出版物的内容负全责。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究工作。

致谢

作者感谢匿名审稿人的宝贵评论和建设性建议。本研究得到了国家科学技术委员会（MOST 110-2116-M-018-001）的资助。