许 强，郭 晨，2，董秀军

1. 地质灾害防治与地质环境保护国家重点实验室(成都理工大学)，四川 成都 610059; 2. 中铁二院工程集团有限责任公司，四川 成都 610031

山地丘陵面积较大、地质条件复杂，以及构造活动频繁等多种因素综合作用使我国成为世界上地质灾害极其频繁的国家之一。每年因灾死亡人数众多，造成的经济财产损失极为严重，地质灾害防治形势十分严峻。自20世纪90年代以来，我国广大地质灾害防治工作者在实际工作中摸索总结，建立了较为完善且具有中国特色的群测群防体系，多年来为我国地质灾害防灾减灾事业做出了巨大贡献。但是近几年来发生的诸如四川茂县新磨村滑坡、金沙江白格滑坡等重大灾害事件表明群测群防体系在一些特殊地区尤其是西部山区的地质灾害防治工作中还存在明显不足，这种以传统人工地面调查为主的地质灾害防治研究工作还远不能满足我国地质灾害防治的实际需求。随着当代高新技术的迅猛发展，以及天基导航通信系统等基础设施的建立，航空遥感平台及传感器蓬勃发展，无人机、机载LiDAR等新兴的遥感技术在地质灾害防治领域大显身手。一项大型问卷调查表明83%的研究者将遥感技术用滑坡识别、编目和监测，75%的研究者使用两种或两种以上遥感技术融合进行滑坡等地质灾害的研究[1]。

航空遥感技术作为卫星遥感和地面观测的有效补充手段，具有高时间分辨率、高空间分辨率、机动灵活成本低、自动化程度高等优点，被广泛应用于基础地理数据采集、国土资源勘查、环境监测、农业植被监测等各个领域。在地质灾害研究中如何充分利用航空遥感平台搭载多种传感器，在灾害发生前尽可能全面识别、发现隐患，并结合详细地质调查、长期监测对其进行综合评估，掌握灾害的基本特征和演化规律，为灾害预警提供理论基础；当灾害发生时，快速、准确地查明地质灾害所处的地质条件、规模范围、失稳机理等基本情况，为应急抢险争取宝贵时间，为科学制定救灾对策提供重要依据，成为了地质灾害防灾减灾的关键。

本文概述航空遥感技术并归纳总结其在地质灾害方面的应用研究，重点总结国内外航空遥感在地质灾害识别解译、调查评价、长期监测、VR展示等方面的应用研究进展，阐述地质灾害航空遥感应用所面临的机遇和挑战，最后对航空遥感技术在地质灾害应用研究方面的发展趋势进行展望。

1 航空遥感技术、平台及传感器

1.1 航空遥感技术

航空遥感是以有人机、无人机等航空平台搭载光学相机、激光雷达等传感器的一种非接触式遥感技术，其发展已有近200年的历史。国内航空遥感技术从20世纪70年代起步，至今已进入产业化发展阶段。航空遥感按照作业高度分可为高空(10～20 km)、中空(5～10 km)、低空(<5 km)3种类型，地质灾害航空遥感一般属于低空遥感。因具有高时空分辨率、大比例尺、大范围快速成图等优势，航空遥感逐渐成为现代空间数据获取中不可替代的一种技术手段，被广泛应用于诸多领域，成为卫星遥感、传统地面摄影的有效补充。航空遥感技术的飞速发展离不开遥感平台、传感器及遥感信息处理技术的进步。

1.2 航空遥感平台

航空遥感平台按是否有人驾驶分为有人机和无人机两类。有人机遥感平台主要为大型固定翼飞机和直升机。如1986年由中国科学院引进的两架Cessna奖状SII型高空遥感飞机，在2008年汶川地震和2013年雅安地震都曾参与灾情评估及灾后动态遥感监测，累计承担了近百项各种类型的航空遥感应用项目。无人机的研究始于20世纪初，1917年英国皇家航空研究院成功研制出世界上第一架无人机，经过近一个世纪的发展已经形成了一个大家族[2]。我国无人机起步虽晚，但随着科学技术的不断进步和市场需求的进一步扩大，2012年开始出现爆炸式增长，尤其是轻小型无人机遥感系统在数量和应用领域都占绝对主导地位[3]。截至2021年，我国无人机企业达1.27万家，实名登记无人机约83万架。无人机种类繁多，分类方式五花八门，按照按动力类型、机体结构、使用领域等可以分为不同类型(表1)。随着航空遥感技术的发展，有人机越来越朝着专业化方向发展，而无人机则呈现出轻量化的发展趋势。

1.3 航空遥感传感器

航空遥感传感器是搭载于航空遥感平台上的各种移动测量设备，伴随着航空遥感平台的发展，涌现了大量航空遥感传感器(图1)。光学相机是应用最广泛的一种航空光学传感器，利用获取的航空照片通过后期数据处理，可生成高分辨率数字表面模型(DSM)、数字高程模型(DEM)、数字正射影像(DOM)、数字线划图(DLG)以及实景三维模型等遥感产品。机载LiDAR最大的优点是利用激光多次回波技术可“穿透”地表植被的特点，结合相应的滤波算法可以对地物进行有效分类，去除地表植被、建筑物等，从而获得真实地面高程数据。航空高光谱遥感利用成像光谱仪获取地物目标的光谱连续影像数据，可以对目标地物光谱特征进行精确识别与提取，在地学领域能较好地依据地物光谱特征进行岩性识别、地层划分、矿化蚀变信息提取等。机载SAR具备在各类复杂天气状况下对目标场景全天时、全天候观测的能力，利用无人机搭载的微小型SAR成为多云雾测绘困难地区测图和应急响应、灾害监测不可或缺的手段。航空物探则通过搭载专业物探仪器设备来探测地球物理场的变化，是研究和探测地质结构和矿产资源的常用方法。

图1 无人机类型及传感器Fig.1 UAV types and sensors

在地质灾害研究中以光学相机、激光雷达的应用最为集中。目前，航空遥感传感器正朝着轻小型、多功能的方向发展，并且随着传感器系统模块化日益成熟，多传感器集成的航空遥感系统正在逐步走向成熟。

2 地质灾害航空遥感应用

2.1 地质灾害及隐患识别

地质灾害的识别解译是研究灾害发育类型、分布规律、演化特征，确定灾害易发性、危害性、易损性和风险性的关键，同时也是灾害监测预警及防治的前提和基础。无人机光学影像具有直观、形象、清楚等特点，根据遥感影像上显示的色调、纹理及几何形态组合可以对地质灾害进行识别解译[4]，是地质灾害解译最常用也是最直观的手段之一，尤其适合于地震、暴雨、人类活动等诱发的光谱特征明显的地质灾害。在地震地质灾害方面，无人机航空遥感常作为卫星遥感的辅助手段来进行同震灾害的解译，在2008年5月12日汶川Ms8.0级地震、2015年4月25日尼泊尔Mw7.8级地震、2015年11月17日希腊Mw6.5级地震、2016年4月14日日本熊本Mw6.2级地震、2017年8月8日四川九寨沟Ms7.0级地震中为同震灾害的识别制图、风险评估等提供有力的数据支撑[5-7]。对于人类活动诱发的地质灾害，文献[8]利用多期无人机影像对甘肃黑方台约30 km2的黄土台塬灌溉诱发的黄土滑坡进行解译并建立了区域滑坡库(图2)，为后续研究滑坡类型、发育分布规律、监测预警的研究奠定了基础。随着计算机技术的智能化发展，传统人机交互的目视解译方法已逐渐不能满足科研生产需求，基于像素和面向对象的半自动/自动的识别方法被逐步提出，并在土耳其、台湾、香港等国家和地区因降雨或台风诱发的滑坡识别中得到较好应用[9-10]，准确率基本在80%以上，并且大多研究表明面向对象比基于像素的方法更适用于在高分辨、超高分辨率遥感影像上进行地质灾害智能识别。

图2 黑方台黄土滑坡无人机遥感解译分布Fig.2 Distribution of Heifangtai Loess landslide by UAV

对于光谱特性与周围环境并无明显差异的古老滑坡体以及高植被覆盖下的滑坡等地质灾害，光学影像显得无能为力。而机载LiDAR能在一定程度上“穿透”植被，获取分米级甚至厘米级的DEM，从2000年开始就被意大利、奥地利、美国等国家率先应用于地质灾害的识别解译、调查测绘中，之后日本、新西兰、比利时、土耳其等国家也先后开展了基于机载LiDAR技术的地质灾害识别工作，为植被覆盖下的地质灾害的识别与制图提供了新的解决方案[11-13]。国内方面，文献[14]在2014年最先将机载LiDAR应用于三峡地区滑坡识别中，2018年开始成都理工大学联合四川省测绘地理信息局在四川九寨沟、丹巴、茂县等地质灾害重点防治区域开展机载LiDAR灾害识别解译工作，取得了很好的效果[15](图3)，随后四川、贵州、广东、大连等省、市纷纷启动了大面积、区域性机载LiDAR地质灾害遥感调查识别工作。许强在2020年全国两会上提出了“全域激光雷达计划”的提案，进一步推动了国内机载LiDAR技术在地质灾害行业的应用。

注：左侧为光学影像，右侧为机载LiDAR影像。图3 九寨沟核心景区地质灾害机载LiDAR遥感解译成果Fig.3 Distribution of geohazard interpretation results in Jiuzhaigou by airborne LiDAR

随着机载LiDAR在地质灾害领域的推广应用，目前也存在一些亟待研究解决的问题，一是受限于解译人员的经验和认知水平，欠缺同时具备地质和遥感经验的专业解译人员；二是各类地质灾害的地貌及影像特征与光学遥感差距甚大，目前基于机载LiDAR的地质灾害遥感解译体系尚待完善；三是目前国内市场上没有一款专业的针对地质灾害机载LiDAR识别的三维解译软件。

2.2 地质灾害调查与评价

每年出现的地质灾害多以中小型单体灾害为主，无人机具有的机动灵活、快捷高效的特点，已逐渐成为地质灾害调查评价的重要手段和“常客”[16]。光学影像、实景三维模型等能直观展示地质灾害及其周围环境，是一线地质队员最能看懂的航空遥感产品，基于无人机航空摄影测量系统可以快速获取研究区高分辨率DOM、DEM、实景三维模型等，利用这些直观形象的影像可以快速判断地质灾害体的类型、规模、区域范围、所处的地形地貌等，又可快速形成地形图、量测各种参数(如滑坡的几何尺寸、结构面产状等)，准确地辨识出地质灾害体的形态特征和坡体变形迹象[17-18](图4(a))；结合灾害体所处地貌、岩性、产状、坡体结构、地质构造等还可分析孕灾地质环境条件、变形破坏机理等[19]。通过点云、DEM等还可以进行灾害边界、裂缝等的半自动识别及提取。此外，DSM/DEM作为无人机摄影测量的一个产物，在量化滑坡形变量、体积变化及滑坡动力学特征等相关研究中发挥了极其重要的作用。通过两期DEM/DSM数据的叠加分析，可快速圈定变形区，量化灾害体各区的位移变化情况(图4(b))，量测滑坡前地形和体积的变化，快速精确计算滑坡方量等。利用多时序的DSM/DEM数据对比可以获取灾害的物质运移和变形演化特征，研究地质灾害动态演变规律[20]。尤其随着各种传感器的进步，以及后差分技术、变高飞行、仿地飞行等新技术的不断出现，无人机获取的数字产品的质量及精度不断提高，为地质灾害的精细化调查提供了更为优质的数据基础。

图4 党川2#滑坡分区图及运动路径及滑动前后高程差值Fig.4 The movement route of Dangchuan 2# landslide by orthogonal projection and the elevaton difference between pre-sliding and post-sliding

机载LiDAR具有获取大面积精确三维地形的能力，从20世纪90年代末开始就被许多国家和地区用于滑坡等地质灾害的调查[21]，尤其是在传统航空摄影很难开展的高植被覆盖地区。另外，大多数欧洲国家从2000年开始投入大量资金有计划地进行覆盖整个领土面积的机载LiDAR飞行，获取的地理空间数据产品分辨率和精度也越来越高[22-24]，至今累积了大面积的历史机载LiDAR数据，这不仅为地质灾害的调查评价创造了极好的条件，更加清晰地展示灾害体细部几何特征，还为地质灾害动态演化和物质运移的动力学研究提供了极好的基础数据[25-26]。由于机载LiDAR设备以及数据采集成本较高，国内机载LiDAR技术在地质灾害调查方面的应用相对较晚，但自2017年新磨村滑坡后，有关部门开始高度重视，将InSAR、LiDAR、UAV等技术列为地质灾害调查的新技术新方法，有力推动了航空遥感技术在地质灾害领域的深入应用。

对岩质边坡而言，利用无人机和机载LiDAR还可以快速获取结构面参数信息，从利用最小二乘法拟合平面求得结构面产状信息，到如今利用3D点云可以实现结构面产状、间距、迹长、连通率、粗糙度等结构面参数的自动识别提取[27-28]，另外，随着倾斜实景三维模型分辨率的不断提高，这种以全要素全纹理为表现形式的实景模型愈发受到地质工作者的青睐，基于实景三维模型的结构面识别及信息提取的研究也逐渐展开。在此基础上，基于高分辨率地形数据、结构面空间组合切割关系和岩体力学参数等，利用3DEC、Rock fall、Flac3D等数值模拟软件进行岩体三维精细化建模及数值计算，可以实现岩质斜坡稳定性定量评价以及破坏机理研究[29]。并且，基于航空遥感技术的地质灾害识别与制图为地质灾害风险评价提供了准确的灾害数据库，而且从获得的高分辨率DEM、DOM影像、实景三维模型可以提取与灾害相关的高程、坡度、坡向、地表曲率、汇水面积、坡体结构类型、土地利用情况、承灾体等关键的空间基础数据，再结合知识驱动型的专家打分法等定性评估或是数据驱动型的信息量法、逻辑回归、人工神经网络、支持向量机等方法开展不同尺度(从区域尺度到单体)的地质灾害定量风险评价[30-31]，为防灾减灾提供较强的理论依据。兰州大学综合利用InSAR、无人机航空摄影测量、数学统计模型，在甘肃省黑方台地区提出了区域尺度上预测潜在滑坡的位置、范围、面积和体积的方法，有效提高区域尺度滑坡危险性评价的准确性，推进区域滑坡灾害风险定量评价研究[32]。

2.3 地质灾害长期监测

地质灾害监测是预警的前提，监测内容包括变形监测、影响因素监测和前兆异常监测3类，航空遥感主要针对灾害的变形监测。通过叠加比较多时相高分辨率航空遥感DSM/DEM数据，可以分析地质灾害随时间的位移变化。但是由于地质灾害的发生时间相对于其孕育发展的时间来说非常短暂，航空平台层次的地质灾害监测实际上属于长期监测。地质灾害航空遥感监测很好地弥补了卫星遥感、地面观测等对地观测精度、时效和频度上的不足，健全了对地观测技术在灾害中的应用[2,33]。

机载LiDAR是滑坡遥感监测的常用手段之一，但与光学图像和SAR相比，由于成本问题，LiDAR数据的采集时间可能间隔较长。利用机载LiDAR对地质灾害进行监测的技术发展了20多年，具有许多成功的案例。文献[34]使用了4个连续的机载LiDAR数据集对加利福尼亚州一处缓慢变形的滑坡进行长达10 a的监测，获取的平均地面点密度为0.9～4.9 pts/m2，生成的DEM分辨率为1 m，均方根误差(RMSE)为0.4 m，得出该滑坡的形变速率为0.2～5 m/a，结合降雨数据表明滑坡的形变与降雨量存在正相关。利用多时相高分辨率DSM/DEM数据进行地质灾害的长期监测，最小可量测的可靠形变量是研究者们最为关心的问题。由于地形起伏、植被覆盖等影响了DEM精度，进而影响监测数据的准确性和可靠性，大多研究表明目前可靠的最小监测位移大约在0.1～0.5 m[35]。相对于成本较高的机载LiDAR，对于植被覆盖较低的区域，利用轻小型无人机进行单体地质灾害或小范围地质灾害重点区域的长期监测是一个不错的选择[36]。另外，地质灾害航空遥感形变监测也逐渐由二维向三维形变监测发展，文献[37]利用无人机对澳大利亚某滑坡进行了监测，制作了滑坡表面三维位移矢量图(图5)，并系统研究了该滑坡的动力学特征。但缺乏地面监测手段验证的地质灾害航空遥感监测结果往往不具备较高的可信度，成都理工大学自2015年起用小型固定翼无人机对甘肃省黑方台黄土滑坡群进行长期监测[38]，通过合理增加地面控制点数量将正射影像和DSM精度从分米级提高至厘米级，并经过野外实地安装的裂缝计监测结果以及地表GPS监测数据比对(图6)，验证了小型无人机在黄土滑坡长期监测中的实用性和可靠性。

然而，目前的研究基本停留在滑坡表面位移的监测，利用表面位移反演滑坡深部位移的研究还相对较少，因此如何利用获取的航空遥感数据，开展滑坡表面三维形变监测以及滑坡不同深度的位移反演，探测滑坡三维滑动面，进而分析研究滑坡变形破坏机理，对滑坡监测预警以及防灾减灾具有较大的参考价值。

星载合成孔径雷达干涉测量(InSAR)在地质灾害监测中已得到了许多成功的应用[39-40]，但是一些地区受限于固定的观测几何形状和卫星轨道约束，因而观测效果不佳[41]。航空平台的机载SAR可以通过针对观测目标设置最佳的成像几何形状和时间采样计划，使观测效果达到最佳。文献[42]利用无人机载合成孔径雷达(UAV-SAR)对美国西部Slumgullion滑坡进行了监测，根据滑坡几何形状选择了沿观测方向组合的4个LOS测量值，反演了滑坡表面三维形变速率，并于与同期地面GPS监测结果进行比较，表明机载SAR对于灾害监测十分有效。文献[43]收集了时间跨度更长的机载SAR数据并使用时间序列偏移追踪等方法进一步对该滑坡进行了长期监测。

多源数据融合能充分发挥各自的优势，航空遥感平台的LiDAR与光学影像结合或是与卫星平台、地面平台等多平台多传感器之间的融合应用也是地质灾害遥感监测的重要手段。文献[44]在法国Super-Sauze滑坡的监测中使用地面摄影测量技术、机载LiDAR技术、地面GPS技术等多种手段结合的方法，基于归一化图像互相关匹配的配准技术制作了滑坡位移矢量图，监测了该滑坡2008—2009年的活动性，结果表明这种低成本的方式可以表征滑坡加速变形期间长达3 m/d的形变速率，以及减速变形期间约0.02 m/d的形变速率。文献[45]结合机载LiDAR和无人遥感技术对意大利南部某滑坡的水平位移和高程变化进行长期监测，表明无人机和机载LiDAR获取的DSM具有高度一致性，强调两种手段结合互补在灾害监测、机理研究中的实用性。

但是必须认识到，由于传感器的精度、地形、天气，以及影像配准等带来的误差可能在一定程度上大于滑坡等地质灾害的变形量，因此利用航空遥感技术进行地质灾害的监测目前难以达到InSAR量化毫米级形变的程度，加之数据采集频率与成本等问题，灾害的临滑监测及早期预警目前还较为困难。

2.4 地质灾害应急响应

20世纪60年代，美国建立了国家、州政府和企业联合的航空遥感应急体系，随后以欧盟为主导和成员国参与的灾害应急和地质调查的航空遥感体系也逐渐在欧洲建立起来，紧接着巴西建立了著名的“保卫亚马逊”计划，推广了航空遥感在环境和灾害应急调查等方面的应用。2008年5·12汶川地震发生后，以中国国土资源航空物探遥感中心、国家测绘局为主的相关部门在震后第一时间利用航空遥感技术获取了灾区高分辨率DOM、DEM、实景三维模型等数据并上报国务院，为指导抗震救灾、打通生命通道、防范次生地质灾害、开展灾后重建等工作做出了突出贡献，成为我国科技抗震救灾的一个典范[46]。通过将无人机遥感影像与灾前的卫星影像比对，还可以快速评估受灾区域范围、基础设施破坏情况、房屋损毁、河道堵塞、同震灾害面积与方量、潜在危险对象等情况，为灾情精准评估提供有力支持。

汶川地震之后，随着我国遥感技术的高速发展，国产卫星像及各种无人机遥感开始广泛应用，遥感数据获取、图像处理和信息提取等硬、软件建设得到了很大的提升，为遥感应急救灾提供了技术保障。在后来的2010年4·14青海玉树Ms 7.1级地震、2013年4·20雅安芦山Ms 7.0地震、2014年8·3云南省昭通鲁甸Ms 6.5级地震，包括支援2015年4·25尼泊尔Ms 8.1级特大地震，无人机航空遥感都在灾害的应急处置、救援及震后恢复重建等方面发挥了重要作用[47]。尤其是2012年后，我国无人机遥感技术的迅猛发展，国产轻小型无人机厂商如雨后春笋般冒出，在2017年8·8九寨沟Ms 7.0级地震、2019年6·17宜宾长宁Ms 6.0级地震中，以轻小型无人机为主的救援力量担起了救灾大任[48]。国际方面，以无人机为主的航空遥感技术也在意大利、日本等多次地震中为灾情研判、救灾形式分析、灾害救援方案制定奠定了基础。

针对单体灾害的应急处置需要在尽量短的时间内通过查清灾害体的基本情况及所处的地质环境条件，从而为科学确定减灾方案提供尽量准确、完整、详细的相关信息。具备机动灵活、快捷高效等优点的轻小型无人机成了单体地质灾害应急处置的首要选择。以2018年10月和11月金沙江白格两次滑坡堵江事件为例，无人机在滑坡应急处置尤其是第二次滑坡—堰塞事件中充分发挥了优势[49]。通过无人机航空遥感，在短时间内充分查明了两次滑坡和堰塞堵江的基本特征及其动态演化特征；准确量测了堰塞坝长、宽、高、入水体积等重要几何参数，为导流槽开挖提供了最优路径选择；精准发现斜坡后缘存在的形变区域并定量表征形变区域的形变量，为专业监测仪器的布设提供靶点，从而为应急处置工作的顺利实施以及分析研判提供重要数据支撑(图7)。近年来，以轻小型无人机为主的航空摄影测量技术还为2017年四川茂县6·24新磨村滑坡、贵州纳雍8·28山体滑坡、贵州鸡场7·23滑坡等重大地质灾害应急处置提供了重要的科技支撑[50-51]。

在抢险救灾等时效性要求极高的情况下，目前无人机遥感获取的数据仍需要在飞行完成后进行处理，可能会在一定程度上影响应急处置的科学研判和决策。因此，无人机边飞边传、即拍即算等技术方法的研究和实现应是未来无人机应急救灾的主要方向。

2.5 地质灾害VR展示

虚拟现实(virtual reality,VR)技术及消费级虚拟现实设备的飞速发展，丰富了地质环境的虚拟现实表达。欧洲许多国家从2000年开始就大力发展新一代的地质灾害VR三维展示技术，地质灾害VR场景具有沉浸感强、自然式人机交互及主动感知场景信息等优点，使用户能够更快感知与认知灾害场景[52]。英国地质调查局是广泛使用虚拟现实技术进行地球科学领域应用研究和教育的主要组织之一，美国的加州大学戴维斯分校、意大利米兰比可卡大学等众多科研院校也进行了大量研究工作，开发了各种地质灾害可视化的展示平台[53-54]。利用航空遥感平台采集数据，通过重建灾害点的三维场景并结合虚拟现实VR展示技术，以沉浸式、人机交互、主动感知等多种方式实时探索虚拟重建的三维场景，帮助体验者从更广阔的空间视角和思维来进行学习思考，改进传统的地质灾害科学研究和教学实践活动以及科普教育，以更加科学、高效的手段发挥地质科普的价值，大大提高了学生及公众对灾害的认识，使其熟练掌握自救互救技能，从而科学防灾减灾(图8)。国内方面，文献[55—56]以无人机获取的高分辨率影像和地形数据为基础，分别以汶川七盘沟泥石流、金沙江白格滑坡为典型案例，开展了泥石流、滑坡等灾害的VR场景动态构建与探索分析研究，实现了用户在地质灾害VR场景下的沉浸式交互体验与探索分析，为救援路径规划和科学研判提供重要决策支撑，对于提升灾害风险意识与灾害决策具有重要意义。

图8 地质灾害场景的VR体验Fig.8 Geohazard scene experienced by VR

然而，VR技术发展更新换代较快，VR场景制作费用高昂及设备维护费用较高，均是制约该项技术发展的因素。

3 地质灾害航空遥感机遇与挑战

过去10年，中国迅速成长为无人机行业的制造和技术强国，在经济建设的飞速发展下，资源开发和工程建设力度逐渐增大，诸如川藏铁路、川藏公路等大型公路、铁路等工程项目向西部高原、高山峡谷地区深入，由此引发的地质灾害频率和规模不断增加；加之近年来山区重大地质灾害频发，造成了严重的人员伤亡和经济财产损失，而传统的地质灾害调查手段在复杂山区很难高效实施，这对拥有视角、分辨率、机动性等先天优势的航空遥感而言是一次极好的机遇；另外，国家及有关部门高度重视地质灾害防治工作也为地质灾害的航空遥感应用提供了良好的契机。虽然航空遥感因其具有独特优势，作为卫星遥感、传统地面摄影的有效补充，在地质灾害领域的诸多方面得到了广泛且成功的应用，但当下还存在以下几方面亟待研究和解决的问题，也是未来地质灾害航空遥感应用的发展趋势。

3.1 复杂条件下的数据采集

摄影测量技术及无人机飞控技术的进步使得无人机飞行越来越便利，山区大高差环境导致无人机遥感获取的数据在不同高程上分辨率不一致，因此仿地飞行技术应运而生，通过设定与已知三维地形的固定高度，使得飞机与目标地物保持恒定高差，无人机能够根据测区地形自动生成变高航线，保持地面分辨率一致从而获取更好的数据效果。而近年来贴近摄影测量技术的发展，使得无人机能按既定航线与待测地物保持10 m以内的距离，进一步提高了获取数据的质量与精度。但目前的仿地飞行、贴地飞行，均需要先获取测区高精度DSM，需要进行多次重复飞行，时效性较低。而真正意义上的无人机仿地飞行应是智能无人视觉系统自主导航，利用计算机对挂载的传感器采集到的环境图像等数据进行处理和分析，恢复周围环境的三维结构和相对位置信息，通过识别目标，判断障碍物等实现无人机自主导航和避障任务。但其真正智能化与实用化尚需要突破完全自主的高精度、高可靠实时导航和避障运动等核心技术，需要充分结合摄影测量遥感、人工智能、卫星导航等研究领域的先进理论和技术，才能在无人机三维环境实时建模及自动避障飞行[57]。

另外，目前无人机遥感获取的数据基本都需要在飞行完成后进行处理，条件恶劣情况下甚至需要专程将数据送回至室内由专业计算机处理，即使目前部分单位已配备专业高性能工作站及移动工作车，能在飞行完成后立即进行数据处理并在短时间内生成相应成果，但也难以满足抢险救灾等时效性要求极高的任务。因此，研发无人机数据边飞边传，甚至边飞边处理、即拍即算的技术方法，在获取数据的同时就开始自动进行空三测量、图像配准等，飞行完毕即可快速获取测区正射影像、三维点云、实景模型等数字成果，将大大提高地质灾害应急抢险的效率，为应急处置的科学研判和决策提供强有力保障。另外，利用无人机集群进行组网遥感，进行灾情地理信息快速获取也是未来无人机应急救灾的发展方向[3]。

3.2 多源遥感数据的综合分析

目前，通过航空遥感平台已经能够搭载不同的传感器进行地质灾害的综合应用，随着各种传感器逐渐轻小型化、模块化、集成化，通过将多种传感器集成搭载于同一航空遥感平台上，如激光雷达和光学相机集成，SAR与光学相机等传感器的集成，单次飞行即可获取不同类型的遥感数据，降低飞行成本和风险，将大大提高地质灾害航空遥感应用的工作效率。值得一提的是，虽然自2017年新磨村滑坡后机载LiDAR技术逐步被用于地质灾害行业中，但由于激光雷达核心部件基本依赖进口，数据采集成本相对较高，限制了该技术在植被山区滑坡调查识别的大面积推广应用，只有突破了核心技术，研制具有完全自主知识产权的高性能国产激光雷达设备，才能进一步降低机载LiDAR设备及数据采集成本，推动机载LiDAR在地质灾害及其他行业的广泛应用。另外，日本、意大利等国家，以及中国香港、中国台湾等地区已完成了全域机载LiDAR飞行，获取的数据供给不同的部门使用产出了良好的成果和效益，而中国大陆现阶段开展全域范围的LiDAR数据获取还不现实，但应尽快开展地质灾害高风险山区、重要城镇、重大工程区等的LiDAR数据获取和示范应用，为自然资源的调查评价、国土空间规划、生态环境评价与保护、地质灾害防治等提供基础数据和科技支撑。

由于地质灾害类型多种多样，孕灾地质背景复杂多变，航空遥感技术虽然是卫星遥感和地面观测的有效补充手段，在时空分辨率和便捷性方面都有极大的优势，但是仅靠航空遥感技术往往很难解决地质灾害领域所有问题。加之卫星平台的光学遥感和InSAR，以及地面平台的地面调查和监测等技术手段各有所长，如InSAR技术在滑坡遥感识别与形变监测中具有先天的优势，地面调查复核对遥感识别结果不可或缺，因此将多平台、多层次、多源数据、多种技术手段的成果有机结合和综合应用才能更好地为防灾减灾服务。

3.3 地质灾害特征智能检测与判识

如前所述，基于卫星遥感的地质灾害解译经过几十年的发展已经非常成熟，而人工目视解译仍是目前遥感解译最常用可靠的方法之一，但也存在工作量巨大、耗时费力、不确定性较高等缺点。随着人工智能技术的飞速发展，深度学习在计算机视觉领域取得多项开创性进展，在图像识别检测方面有着较大的潜力，其在地质灾害识别领域的研究逐渐深入，将专家经验与深度学习融合从而制定相应规则来进行地质灾害的自动化识别，是航空遥感数据智能化自动识别的趋势和发展方向[58]。对于正在变形的滑坡区，因其光谱和纹理特性与周围环境具有一定的差异(但没有新发生滑坡显著)，利用基于CNN的深度机器学习方法可以对其较好地进行自动识别，例如以贵州省已排查出的部分地质灾害隐患点的影像资料为学习样本，利用卷积神经网络进行学习，然后基于学习结果对其他区域地质灾害隐患进行自动识别，其识别正确率可达80%左右[59]。而对于历史上发生的古老滑坡体，因绝大多数近期内未变形，其光谱特性与周围环境并无明显差异，在影像上仅能根据滑坡地貌(圈椅状地貌、滑坡壁等)的纹理特性来判识，但如田坎、陡壁等与滑坡地貌类似的地貌很多，导致滑坡自动识别难度较大。文献[38]以滑坡地貌特征相对明显的黄土高原古老滑坡为研究对象，建立了2500多处古老滑坡的样本库，利用深度学习方法开展黄土滑坡的自动识别，目前识别的正确率仅为60%～70%，而若是在受植被覆盖影响的西部山区，识别难度更大，识别正确率可能会更低。另外，目前基于深度学习的地质灾害及隐患识别的数据源大多为米级分辨率的卫星光学影像，而利用分米级甚至厘米级无人机光学影像及机载LiDAR高分辨率DEM或点云数据结合深度学习的地质灾害及隐患识别还鲜有研究。

目前，制约地质灾害特征智能检测与判识的原因主要有两方面：①滑坡等地质灾害的样本库还亟待扩充与完善。监督学习依赖于大量的、多样化的训练样本，一般情况下，训练数据精度越高、类别越全面，其训练出模型的泛化能力就越高[60]，而目前基于有限滑坡训练样本的深度学习，难以获得高精度的结果。②目前用于地学领域的算法和模型大多来自通用图像处理和计算机视觉领域，融合地学特性尤其是滑坡等地质灾害的专用人工智能算法或专用深度学习框架仍有待研究[61-62]。

4 结 语

国内外众多航空遥感平台尤其是轻小型无人机的大力发展、各种不同类型传感器设备的研发、集成和商业化为地质灾害的研究与应用提供了极为便利的硬件条件，而各种遥感数据处理方法的开发及自动化算法的实现与优化则为航空遥感应用到地质灾害调查评价、应急响应、识别监测等提供了基本的技术保障。作为地质灾害频发的国家之一，国家及有关部门高度重视地质灾害防治工作，为我们做好地质灾害防治工作提供了根本遵循，指明了工作方向，也为地质灾害航空遥感的研究与应用提供了良好的契机。回顾地质灾害航空遥感应用进展，发现国内机载LiDAR技术在地质灾害领域的大范围应用还落后于国外发达国家，多种遥感技术与地面调查的有机结合和综合应用还不够深入，地质灾害及其特征的自动化、智能化精准识别及提取方法亟待提高。凭借国家的大力支持和遥感及地质灾害领域相关专家学者的共同努力，国内地质灾害航空遥感的研究与应用应该会逐步赶超国外先进水平，更好地为我国防灾减灾工作提供服务。