Application of low-altitude airspace UAVs in beach terrain monitoring
-
摘要:
消费级无人机的普及使得海滩监测有新的选择，但不同无人机平台的监测精度与适用情景各异，有必要进行适用性评价。本研究利用两种无人机平台（精灵4 RTK、经纬M300 RTK）与两种地形监测技术（SFM摄影测量、激光雷达）在象山县大沙海滩进行海滩地形监测，计算低空无人机监测海滩地形的平面误差与高程误差，分析不同无人机平台准同步监测结果之间的差异及其原因；利用无人机监测结果分析大沙海滩的地形特征，讨论海滩地形冬季前后变化。分析结果显示，无人机平台能胜任高精度的海滩地形变化监测工作。
Abstract:With the development of consumer-grade unmanned aerial vehicles (UAVs), new possibilities for beach monitoring are now available. However, different monitoring accuracies and suitability exist across different UAV platforms. We employed two UAV platforms, namely the DJI Phantom 4 RTK and DJI M300 RTK, in combination with two terrain monitoring techniques: Structure from Motion (SFM) photogrammetry and Light Detection and Ranging (LIDAR), to undertake beach terrain monitoring at Dasha Beach in Xiangshan County, Zhejiang, East China. The planimetric and elevation errors of low-altitude UAV measurements were assessed. Differences among the synchronously monitored results of diverse UAV platforms were analyzed, and their respective application scenarios were discussed. Additionally, we analyzed beach terrain characteristics and investigated beach terrain variations before and after winter. The analysis results show that the drone platform is capable of performing high-precision monitoring of beach topographic changes.
-
东海某凹陷低孔低渗储层油气资源丰富，但是主要油气层系存在砂泥岩层胶结疏松，砂泥岩层中夹煤层等现象，导致复杂的钻井情况，如何降低滤液对油气层的侵入影响，减少侵入深度，预防与控制水敏和液锁效应的发生是提高低孔低渗储层有效开发的重要手段[1-2]，因此，优选了一套油包水钻井体系，井壁稳定性得到了改善，钻井周期明显缩短，储层保护取得显著成绩，但是更换泥浆体系对测井和录井也带来了新的问题，油基泥浆侵入对电阻率、中子、核磁仪器的响应与水基泥浆完全不同，此外气测录井和荧光录井资料受油基泥浆影响大[3-7]。本文通过对比水基泥浆和油基泥浆环境下测井和录井资料解释差异，探索东海地区在油基泥浆背景下的油气快速识别方法。
1. 水基泥浆与储层污染
水基泥浆的主要组成部分为水，除此之外还有少量添加剂（例如黏土剂、降滤失剂和防水锁剂等），水作为泥浆中分散相，主要以化学结构水、吸附水和自由水的形式存在，并且自由水的比重较大，一般占比70%～80%[1]，因此，泥浆对地层的液相侵入严重，易造成储层污染。
东海某凹陷NBxx-5-1s井4 211～4 229 m岩心孔隙度分布范围为8%～10.7%，渗透率分布范围为0.18～5.4 mD，属于东海典型低孔低渗储层。储层的孔隙结构喉道细小，泥浆中固相颗粒侵入损害深度和程度有限，泥浆中自由水在正压差或者毛管力作用下侵入储层，驱替近井地带中天然气，侵入带水相饱和度增大，气相渗透率显著降低，水锁效应导致气井低产甚至无产[1-2]。
NBxx-5-1s井测井解释出两套气层，花港组的H6层和平湖组的P2层（图1），录井显示皆为细砂岩，H6和P2层自然伽马分布范围为40～70 API，平均为50 API，孔隙度分布范围为8%～11.2%，平均为9%，H6层电阻率分布范围为34～40 ohmm，P2层电阻率分布范围为40～61 ohmm；RCI测压显示H6层测压9个点，流度分布范围为2.3～3.3 mD/cp，平均为2.74 mD/cp，P2层测压8个点，流度分布范围为2.3～12.7 mD/cp，平均为8.89 mD/cp；经过对比，P2层的渗透性、电性特征，均优于H6层（表1），但是DST测试结果差异较大，P2层测试产气微量；H6层测试产气7.3万方/天。
![]()
图 1 NBxx-5-1s井H6与P2层测井解释成果图Figure 1. Logging interpretation result of layers H6 and P2 in Well NBxx-5-1s表 1 NBxx-5-1s井DST2与DST3综合对比表Table 1. Comparison of DST2 and DST3 in NBxx-5-1s特征参数 DST2 DST3 P2 H6 射孔深度段（m） 4 198.0～4 220.0 4 439.4～4 470.2 4 228.1～4 237.0 4 239.8～4 248.1 4 475.3～4 493.8 4 258.1～4 261.8 4 265.2～4 277.0 射开厚度（m） 49.3 54.7 钻井泥浆比重（sg） 1.36 1.36 机械转速（m/h） 6～7.5 8～15 气测全量（%） 10～11.53 5～17.6 电阻率（Ω•m） 40～61 34～40 储层孔隙度（%） 8～11.2 8～11.2 测压流度（mD/cp） 2.3～12.7/平均8.89 2.3～3.3/平均2.74 核磁渗透率（mD）诱喷压差（Mpa） 5～1015.5 1～325.5 液垫 海水 柴油 射孔弹类型 692SD-127P-1 SDP45PYX39-3 射孔穿深（mm） 909 1 447 工作制度 二开二关 二开二关 通过对该井泥浆侵入分析，3 960～4 000 m地层在泥浆中浸泡后，复测电阻率P40H明显低于随钻电阻率P40H，复测电阻率A40H与随钻电阻率A40H无差异（图2），指示地层受到泥浆侵入明显，泥浆侵入深度大于P40H探测深度，小于A40H探测深度（地层电阻率为30 Ωm时，A40H径向探测深度为62 in（约157 cm），P40H径向探测深度为35 in（约88 cm）），推测泥浆侵入深度约1 m。H6层、P2层地层物性与3 960～4 000 m地层物性相近（孔隙度约10%，渗透率约3 mD），在相同泥浆比重背景下，推测泥浆侵入对储层的污染程度相近。
![]()
图 2 NBxx-5-1s井随钻电阻率复测前后对比图Figure 2. Comparison of resistivity repeatedly measured during drilling for Well NBxx-5-1s对比H6与P2地层的DST测试工艺（表1），P2层为高温地层（地层温度157 ℃），射孔采用超高温弹，超高温弹径向穿深0.9 m；H6层为常温地层（地层温度148 ℃），射孔采用普通弹药，弹药径向穿深1.5 m。根据上述对比结果，P2层射孔弹穿深有限，并且诱喷压差较小，原状地层天然气无法突破侵入带，在水锁效应下无法形成有效渗流，导致两次测试产能差异明显。
2. 油基泥浆对测井、录井的影响
为了满足东海地区低孔低渗储层保护的需要，优选了一套油包水钻井液体系，该体系的实验室基础配方如下：3#白油+3%主乳化剂+1%辅乳化剂+1%润湿剂+4%有机土+3%降滤失剂+2%碱度调节剂+2%封堵剂+2%疏水胶体封堵剂+0.5%流型调节剂+1.2%高温流变稳定剂+重晶石（油水比为80∶20）。新钻井液体系性能良好，在清洁井眼、泥浆滤失、携岩性等方面效果好，能保证井筒环境的稳定，为录井作业和测井作业提供良好环境，但是，泥浆体系的变化为测井和录井带来新的挑战。
2.1 油基泥浆对测井的影响
油基泥浆对电法测井影响较大，对放射性、声法测井影响小。水基泥浆测井仪器在油基泥浆环境中无法正常使用，目前一批油基泥浆测井仪器投入使用并推广，其中电阻率仪器在油基泥浆环境下的响应特征与水基泥浆不同，当钻遇水层时，电阻率曲线呈现分异特征。
利用泥浆滤失原理和电阻率仪器延时测井方式，观察电阻率分异特征，快速判别油气层和水层。储层流体为油气时，流体成分与油基泥浆类似均为非导电流体，泥浆滤失前后冲洗带泥浆电阻率无差异；储层流体为水时，流体成分与油基泥浆截然不同，泥浆滤失后，地层水的混入导致泥浆的油包水体系被打破，形成导电回路，泥浆滤失后冲洗带电阻率高于滤失前泥浆电阻率[7-10]。
NBxx-5-2井在油基泥浆环境下钻遇气层和水层（图3），4 449～4 474 m井段随钻与复测电阻率P16H重叠，地层流体为气，4 474～4 538 m井段随钻与复测电阻率P16H分异，且复测电阻率P16H高于随钻电阻率P16H，地层流体为水，电阻率梯度变化点为流体界面。4 471.5 m经过电缆泵抽取样（MDT仪器）（图4），泵抽至45 min时，井下流体实验室光谱分析仪得知，地层泵抽出流体为天然气和泥浆滤液，泵抽至160 min，泵抽压增大至4.13 Mpa，地层出现明显段塞流水信号，证实地层出水，与电阻率延时测井判断一致。
![]()
图 3 NBxx-5-2井电阻率随钻测量与复测值对比组合图Figure 3. Comparison of resistivity repeatedly measured during drilling for Well NBxx-5-2![]()
图 4 NBxx-5-2井4 471.5 mMDT泵抽流体性质综合识别图Figure 4. Integrated recognition of MDT pumping fluid properties at depth of 4471.5 m in Well NBxx-5-22.2 油基泥浆对录井的影响
研究区建立了水基泥浆环境下气测组分快速识别地层流体图版（图5），图版数据来源于研究区测试资料，并且划分3个区，分别为油区、凝析油气区、气区，根据气测组分计算组分中相对含量C1/C2+和C2+/C1+，再结合录井荧光信息，判断储层流体性质。研究区NBxx-5-1s井是水基泥浆，4 198～4 277 m井段录井无荧光显示（图1，表2），通过气测组分快速识别为气层，该井段经过测试，产气7.3万方/天，天然气为干气，甲烷含量91.61%。
![]()
图 5 研究区气测快速识别图版Figure 5. Rapid identification chart for gas measurement in the research area表 2 NBxx-5-1s、NBxx-6-2录井荧光显示表Table 2. Logging fluorescence of NBxx-5-1s and NBxx-6-2井名 深度/m 岩性 荧光录井 直照 滴照 顶 底 颜色 面积/% 颜色 反应 NBxx-5-1s 4 198.0 4 238.0 灰白色/浅灰色细砂岩、泥质粉砂岩 无 / 无 / 4 240.0 4 248.0 浅灰色细砂岩 无 / 无 / 4 250.0 4 252.0 浅灰色细砂岩 无 / 无 / 4 258.0 4 264.0 灰色泥质细砂岩 无 / 无 / 4264.5 4 284.5 浅灰色粉砂岩、细砂岩 无 / 无 / NBxx-6-2 3 712.0 3 721.0 细砂岩 暗黄色 5 乳白色 慢 3 729.0 3 735.0 细砂岩 暗黄色 10 乳白色 慢 3 736.0 3 750.0 细砂岩 暗黄色 10 乳白色 慢 3 761.0 3 766.0 细砂岩 暗黄色 5 乳白色 慢 3 775.0 3 797.0 细砂岩 暗黄色 5 乳白色 慢 由于油基泥浆的推广，气测组分和荧光信息受到泥浆影响，导致研究区快速识别图版适用性受到限制。NBxx-6-2井3 712～3 797 m井段录井荧光暗黄色，发光面积5%～10%（图6，表2），荧光显示十分丰富。通过气测组分快速识别，3 743.5 m落点于凝析油气区，该点MDT泵抽，井下流体实验室测量得到稳定地层流体组分，计算气油比为319.2 m3/m3，测量油密度为0.61 g/m3，证实地层流体为油，并非凝析油；通过气测组分快速识别，3 760 m落点于气区，该点泵抽气油比13 523.9 m3/m3，证实地层流体为气（表3），流体性质判断正确，但与录井中荧光显示活跃矛盾。因此，认为在钻井过程中，岩石破碎气中的气体组分被油基泥浆不等比吸收，导致气测组分中的相对含量失衡，产生误判，并且油基泥浆中白油组分含少量芳香烃，存在荧光现象，导致录井过程中荧光信息丰富。
表 3 NBxx-6-2井3 743.5 m泵抽信息表Table 3. MDT pumping information, depth of 3 743.5 m, Well NBxx-6-2深度/m 探针类型 流度 泵抽时间 泵抽体积/L 取样情况 IFA流体识别结论 GOR气油比/（m3/m3） 3 743.5 椭圆形探针 83.96 73 28.6 2PVT 油层 319.2 3 760 椭圆形探针 66.7 57 11 1PVT 气层 13 523.9 3. 不同泥浆体系测录井综合对比
3.1 井筒环境对比
东海地区主要油气层层段以砂泥岩为主，砂泥岩薄互层夹煤层时常发育，钻井过程中泥岩和煤层剥落掉块、泥岩分散造浆易形成钻井卡阻、井径扩大等复杂情况，油基泥浆为油包水体系，滤失低，摩阻低，携岩性强，电稳定性好，具备良好的井筒清洁作用和储层保护能力，能改善钻井环境，缩短钻井周期。油基泥浆推广以来，在东海应用于多口井，表4为研究区油基泥浆3口井与水基泥浆1口井钻井周期对比，油基泥浆钻井周期明显缩短。图7为4口井的井径曲线对比，油基泥浆井壁更清洁，井眼环境更好。
表 4 研究区4口井钻井周期对比Table 4. Comparison of drilling cycles for the four wells from the research area井名 完钻井深/m 钻井天数 备注 NBxx-5-1s 4 850 59 水基泥浆 NBxx-7-1 4 480 20 油基泥浆 NBxx-5-2d 4 680 15 油基泥浆 NBxx-5-3 4 500 28 油基泥浆 ![]()
图 7 研究区4口井井筒环境对比Figure 7. Comparison of four wellbore environments in the research area3.2 油气水层解释对比
油基泥浆与水基泥浆在井筒环境下均会有滤失性，钻遇渗透性好的储层，不同径向探测深度电阻率呈现出分异现象。水基泥浆环境下，钻遇油气层时，由于地层流体导电性差，泥浆侵入地层后，探测深度深的电阻率一般大于探测浅的电阻率，即电阻率“低侵”现象；油基泥浆环境下，钻遇水层时，由于油基泥浆导电性差，泥浆侵入地层后，探测深度深的电阻率一般小于探测深度浅的电阻率，即电阻率“高侵”现象。对比了研究区2口井的电阻率“低侵”与“高侵”现象（图8），依图所示水基泥浆“低侵”现象明显，该现象普遍应用于渗透层的识别，并非油气水层识别，油基泥浆“高侵”现象能较好识别渗透性水层，结合延时测井，可以有效区分油气层与水层。
![]()
图 8 水基泥浆电阻率“低侵”与油基泥浆电阻率“高侵”对比Figure 8. Comparison of resistivity intrusion features of water-based mud and oil-based mud东海低孔低渗背景下的油层与气层识别是难点，地层中流体性质变化快，且油层与气层测井特征相似，很难快速识别。水基泥浆环境下，泥浆主要为海水和少量添加剂，组分中无荧光信息，录井过程中荧光信息主要反映地层流体荧光信息，并且气测组分中相对含量能反映地层中轻质与重质分布，利用区域经验图版结合荧光信息能较好识别储层流体性质；油基泥浆环境下，白油为主要组成部分，白油成分中含有少量的芳香烃，具有一定荧光特性，并且油基泥浆不等比吸收岩石破碎气，利用区域经验图版判断储层流体性质受到局限，需要建立油基泥浆环境下的区域经验图版，结合精度更高的三维荧光信息，综合判断储层流体性质[11-16]。
3.3 储层物性评价
油基泥浆钻井能提供状态良好、稳定的井壁环境，测井仪器记录地层信息的准确程度得到保障，像常规测井中的自然伽马、阵列声波、岩性密度等，均能得到品质为优的资料。但是对于测量地层含氢指数信息的仪器，像中子仪器、核磁仪器需要做井场环境校正（含氢校正）。
渗透性地层一般都有泥浆侵入，中子测井探测范围内的流体被认为是侵入带，油基泥浆滤液与地层流体的混合造成含氢量略低于淡水含氢量，通过对比邻井相同层位，水基泥浆环境下中子响应值，现场对油基泥浆下的中子做进场环境校正[7-10]。依据NBxx-7-1井现场测井图（图9），CNC2为油基泥浆校正后的中子，相比原始测量中子CNCF略大，在做储层定量评价计算孔隙度时使用环境校正后的中子曲线，能保证储层物性计算更准确。
![]()
图 9 油基泥浆中子含氢校正Figure 9. Hydrogen index correction for neutron measuring in oil-based mud核磁测井不受岩石骨架影响，广泛应用于储层评价中，特别是孔隙结构复杂的低孔低渗储层。核磁仪器的径向探测深度为井周5～10 cm，井周极易被泥浆充填，核磁测量的T2谱信息中包含泥浆信息。水基泥浆环境下，泥浆主要成分为水，T2谱的分布基本不受影响，主要反映储层中不同尺寸孔隙分布，大孔隙驰豫时间长，小孔隙驰豫时间短；油基泥浆环境下，泥浆主要成分为油，T2谱受泥浆黏度影响，出现谱峰后移现象，造成大孔隙假象。
NBxx-5-1s井为水基泥浆环境下二维核磁（MReX）测量，该层段为气水分异明显的底水气藏（图10），砂体A为气层，砂体B为含气水层，两段砂体的T2谱谱峰分布相似性较高，地层含气性的改变并未影响T2谱分布，4 212～4 230 m砂体T2谱谱峰分布与岩心物性吻合良好。近井地带水基泥浆驱替地层流体，核磁探测范围为泥浆信息，地层含气性被泥浆信息覆盖。因此，水基泥浆环境下核磁T2谱能反应低孔低渗储层孔隙结构分布。
![]()
图 10 NBxx-5-1s井核磁测井综合图Figure 10. Interpretation of nuclear magnetic logging of Well NBxx-5-1sNBxx-6-2井为油基泥浆环境下二维核磁（MReX）测量，该层段为气、油、水三相分异的油气藏（图11），核磁T2谱谱峰出现明显后移，物性好、大孔隙发育段，T2谱形态宽缓，物性差、小孔隙发育段，T2谱形态窄陡。地层流体性质变换并未影响T2谱分布，但泥浆体系变换引起T2谱谱峰后移，并存在“拖曳”现象。因此，油基泥浆环境下核磁T2谱受泥浆影响较大，T2谱谱峰相对位置关系不能直接反应低孔低渗储层孔隙结构分布，谱峰形态特征能表征孔隙发育情况。
![]()
图 11 NBxx-6-2井核磁测井综合图Figure 11. Interpretation of nuclear magnetic logging of Well NBxx-6-2油基泥浆会影响核磁T2谱分布，通过核磁T2谱评价储层的有效孔隙度、总孔隙、束缚水等参数时，需要进行含氢校正，目前Baker公司MReX仪器的含氢校正是针对评价参数的含氢校正，含氢校正后核磁有效孔隙度大于校正前有效孔隙度。
3.4 储层渗透性评价
电缆地层测试是一种测井作业，是目前唯一能进行动态地层测试的作业。东海常用的电缆地层测试仪器包括斯伦贝谢的MDT仪和贝壳休斯的RCI仪，本次研究不讨论公司之间仪器的工作原理和系统差异，仅从测压资料的解释上分析水基泥浆和油基泥浆给电缆地层测试带来的影响。
根据达西定律可知，储层有效渗透率为一定压力降下，地层流体流过探针的流量，压降流度定义为，地层有效渗透率除以黏度[17-20]，一般用M表示（式1），压降流度是储层有效渗透率和黏度的综合反映，并且探针刺破泥饼，座封后形成冲洗带封闭环境，冲洗带流体为泥浆滤液和原装地层流体的混合液，因此，压降流度信息与泥浆黏度有密切关系。
$$ M = \frac{K}{\mu } = C\frac{q}{{2{\rm{\pi }}{r_p}*\Delta P}} $$ (1) 式中，M为测压流度，mD/cP；K为有效渗透率，μm2；μ为黏度，cP；q为压降流速，cm3/s；rp为探针半径，cm；Δp为压差Mpa；C为仪器形状系数，不同探针有不同的数值，无量纲。
一般情况下，室温条件下水基泥浆黏度为1 cp，而油基泥浆黏度为2～5 cp，鄢捷年[4]认为，油包水乳化钻井液表观黏度随温度的升高而降低，随压力的增大而增大，但是在井底条件下，表观黏度受到温度的变化大，压力的作用减小。因此推测，水基泥浆和油基泥浆在地层条件下，黏度均存在降低的现象，根据公式1推导，认为油基泥浆条件下测量得到储层流度略低于相同物性储层水基泥浆条件下流度，因此，在低孔低渗储层油基泥浆条件下，分析流度信息时，应客观估算储层的渗流能力，这对储层有效产能估算有指导意义。
图12为东海某凹陷斜坡带选取相近构造6口井的低孔低渗储层（15%＞孔隙度≥10%，10 mD＞渗透率≥0.1 mD）流度信息与岩心空气渗透率交会图，在低孔低渗储层背景下，油基泥浆条件下相同流度对应的岩心空气渗透率更高。水基泥浆条件下岩心的空气渗透率是流度信息的大约1～2倍关系，油基泥浆条件下岩心的空气渗透率是流度信息的大约3～5倍关系，这都与泥浆体系的黏度有关系,因此，在评估储层的渗透性时，应区分泥浆体系和泥浆黏度信息，为估算储层产能提供有效依据。
![]()
图 12 低孔低渗储层不同泥浆体系下流度与岩心渗透率交会图Figure 12. Cross plot of core permeability vs mobility of different mud systems in low porosity and low permeability reservoirs4. 结论
（1）油基钻井液具备优良的泥浆性能，保证了井筒环境清洁型，为录井作业和测井作业提供了良好的环境；
（2）油基泥浆环境下利用延时测井能较好的区分油气层与水层，油层与气层区分应建立油基泥浆环境下区域经验图版；
（3）油基泥浆环境下测井资料质量优，但是中子、核磁仪器需要做含氢校正；
（4）油基泥浆环境下，利用测压资料估算储层渗透性，需要明确泥浆体系与泥浆黏度信息。
-
![]()
图 1 大沙沙滩的地理区位及监测范围
a：大沙沙滩地理区位；b：海滩监测范围，红框为测次A、B监测范围，蓝框为测次C、D、E监测范围。
Figure 1. Location of Dasha Beach and the monitoring areas
a: geographic location of Dashan Beach; b: beach monitoring range, red box for monitoring areas A and B, blue box for monitoring areas C, D, and E.
![]()
图 2 大沙沙滩SFM摄影测量航迹线及质量控制点位分布状况
a：测次A，b：测次B，c：测次C，d：测次D，e：像控点及检查点(有标志物)，f：验证点(无标志物)。
Figure 2. SFM photogrammetric flight lines and distribution of the mapping quality points at Dasha Beach
a: Flight A, b: Flight B, c: Flight C, d: Flight D, e: image control points and check points (with markers), f: validation points (without markers).
![]()
图 3 各测次验证点准确性与误差
a：测次A，b：测次B，c：测次C，d：测次D，e. 测次E。
Figure 3. Accuracy and error at validation points
a: Flight A, b: Flight B, c: Flight C, d: Flight D, e: Flight E.
![]()
图 4 沙滩高程准同步监测结果及其对比
a：测次C，b：测次D，c：测次E，d：测次C与D差值，e：测次E与C差值，f：测次E与D差值。
Figure 4. Quasi-synchronous monitoring results and their comparison of beach elevations
a: Flight C, b: Flight D, c: Flight E, d. Difference between Flight C and Flight D, e: difference between Flight E and Flight C, f: difference between Flight E and Flight D.
![]()
图 6 同平台、同参数的两期海滩地形监测结果及对比
a：测次A数字表面模型，b：测次B数字表面模型，c：地形变化与剖面位置。
Figure 6. Two-phase beach topography monitoring results and comparison under the same platform and parameters
a: Digital surface model for Flight A; b: digital surface model for Flight B; c: terrain changes and profile locations.
![]()
图 7 测次A、B所得海滩剖面形态及侵淤变化
Figure 7. Monitoring results of beach profiles for Flight A and Flight B
![]()
图 8 不同监测数据验证点高程误差
红色横线为低空数字航测国家标准1∶500地形图要求的验证点高程限差。
Figure 8. The elevation errors at validation points of different monitoring data
The red line is the elevation tolerance limit as required by the national standard for 1:500 topographic maps in low-altitude digital aerial survey.
![]()
图 9 准同步监测差值分布直方图
a：测次C与D差值，b：测次E与C差值，c：测次E与D差值，d：准同步监测差值累积分布。
Figure 9. Histogram of differences distribution from quasi-synchronous monitoring
a: difference between Flight C and Flight D; b: difference between Flight E and Flight C; c: difference between Flight E and Flight D; d: cumulative distribution of quasi-synchronous monitoring differences.
表 1 无人机平台硬件参数
Table 1 Hardware parameters of two drone platforms used in this study
硬件参数 精灵4 RTK 经纬M300 RTK 硬件成本/（万元/台） 3.5 15.0 负载模块 测绘相机 测绘相机；激光雷达 测绘相机像素 有效像素2000万 有效像素2000万 激光雷达精度/m① — 平面精度0.1；高程精度0.05 飞行器定位精度② 垂直精度1.5 cm
水平精度1 cm垂直精度1.5 cm
水平精度1 cm最大水平飞行速度/(m/s) 14 17 最大信号范围/km 7 15 单组电池飞行时间/min 30 55 注：① 为生产商提供的技术参数，禅思L1的激光雷达系统在飞行高度为50 m的情况下平面精度为0.1 m，高程精度为0.05 m。② 表中所列定位精度为RTK启用且有固定解时的初始精度，此外，飞行器与起飞点的距离每增加1 km，误差也会增加1 mm。 
下载: 导出CSV
表 2 不同测次的无人机平台及摄影技术参数
Table 2 Two drone platforms and photogrammetric parameters for different surveys
测次
编号测次日期 无人机平台 监测技术① 飞行高
度/m潮相
及潮位航向重
叠/%旁向重
叠/%覆盖面
积/km2GSD②
(cm/pixel)照片数
量/张飞行历
时/minA 2022-12-23 精灵4 RTK SFM摄影测量
(井字飞行)60 大潮
低潮位80 80 0.352 2.30 1921 82 B 2023-04-07 精灵4 RTK SFM摄影测量
(井字飞行)60 大潮
低潮位80 80 0.370 2.38 1918 81 C 2023-04-09 精灵4 RTK SFM摄影测量
（2D）30 中潮
低潮位80 70 0.044 1.13 371 16 D 2023-04-09 经纬M300 RTK SFM摄影测量
（2D）30 中潮
低潮位70 70 0.045 1.01 487 20 E 2023-04-09 经纬M300 RTK 单回波激光雷达
(LiDAR)30 中潮
低潮位70 70 0.045 —③ —③ 20 注：① “井字飞行模式”的飞行姿态为倾斜摄影，航迹线有垂直于岸线及平行于岸线的两组，似“井”字（图2a，图2b）；“SFM摄影测量（2D）模式”飞行时所得数据为正射影像，仅有单方向航线（图2c、d）；“单回波激光雷达”对一个目标点位仅打出一个激光点、且最多接收1个回波。
② 地面采样间隔（GSD，Ground Sampling Distance），单位为cm/pixel，其数值大小与相对地面的飞行高度有关，表内GSD数据为监测区域内地面采样间隔平均值；③ 激光雷达测量所得数据类型为数字点云，无影像数据。
下载: 导出CSV
表 3 像控点、检查点和验证点的数量
Table 3 The quantity of image control points, check points, and validation points
测次编号 地面像控点数量/个 检查点数量/个 验证点数量/个 A 6 1 33 B 7 1 40 C 6 5 60 D 7 4 60
下载: 导出CSV
表 4 SFM摄影测量像控点误差
Table 4 The positioning error of image control points in SFM photogrammetry
cm 测次编号 x向 y向 p z向 d A 0.65 0.98 1.16 3.40 3.59 B 2.20 2.17 3.09 2.23 3.81 C 1.04 0.90 1.38 1.36 1.94 D 1.42 0.72 1.59 1.54 2.21
下载: 导出CSV
表 5 准同步监测不同测次数据离散程度
Table 5 The data dispersion level of measurement in different surveys in quasi-synchronous monitoring
测次编号 协方差cov/m² 测次C (P4-SFM) 1.923 测次D (M300-SFM) 1.905 测次E (M300-LiDAR) 1.902
下载: 导出CSV
表 6 低空数字航摄与数据处理规范规定的点位误差
Table 6 The positioning errors specified in China’s national standard for low-altitude digital aerial photography and data processing
点位类型 成图比例尺 平面误差/cm 高程误差/cm 平地 丘陵地 山地 高山地 平地 丘陵地 山地 高山地 像控点 1∶500 15 15 20 20 11 21 26 40 1∶1000 30 30 40 40 21 26 40 75 1∶2000 60 60 80 80 21 26 60 90 检查点与验证点 1∶500 25 25 35 35 19 35 40 60 1∶1000 50 50 70 70 35 40 60 120 1∶2000 100 100 140 140 35 40 100 150
下载: 导出CSV
-
[1] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 18190-2017 海洋学术语 海洋地质学[S]. 北京: 中国标准出版社, 2017 General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. GB/T 18190-2017 Oceanological Terminology—Marine Geology[S]. Beijing: Standards Press of China, 2017.
[2] Chen B Q, Yang Y M, Wen H T, et al. High-resolution monitoring of beach topography and its change using unmanned aerial vehicle imagery[J]. Ocean & Coastal Management, 2018, 160:103-116.
[3] 蔡锋, 苏贤泽, 刘建辉, 等. 全球气候变化背景下我国海岸侵蚀问题及防范对策[J]. 自然科学进展, 2008, 18(10):1093-1103 doi: 10.3321/j.issn:1002-008X.2008.10.002 CAI Feng, SU Xianze, LIU Jianhui, et al. The countermeasures of coastal erosion based on the global climate change[J]. Progress in Natural Science, 2008, 18(10):1093-1103. doi: 10.3321/j.issn:1002-008X.2008.10.002
[4] Luijendijk A, Hagenaars G, Ranasinghe R, et al. The state of the world's beaches[J]. Scientific Reports, 2018, 8(1):6641. doi: 10.1038/s41598-018-24630-6
[5] Vousdoukas M I, Ranasinghe R, Mentaschi L, et al. Sandy coastlines under threat of erosion[J]. Nature Climate Change, 2020, 10(3):260-263. doi: 10.1038/s41558-020-0697-0
[6] 李兵, 蔡锋, 曹立华, 等. 福建砂质海岸侵蚀原因和防护对策研究[J]. 台湾海峡, 2009, 28(2):156-162 LI Bing, CAI Feng, CAO Lihua, et al. Causes of beach erosion in Fujian and preventions[J]. Journal of Oceanography in Taiwan Strait, 2009, 28(2):156-162.
[7] 王广禄, 蔡锋, 苏贤泽, 等. 泉州市砂质海岸侵蚀特征及原因分析[J]. 台湾海峡, 2008, 27(4):547-554 WANG Guanglu, CAI Feng, SU Xianze, et al. Characters of sand beach erosion in Quanzhou and it causes[J]. Journal of Oceanography in Taiwan Strait, 2008, 27(4):547-554.
[8] 罗时龙, 蔡锋, 王厚杰. 海岸侵蚀及其管理研究的若干进展[J]. 地球科学进展, 2013, 28(11):1239-1247 LOU Shilong, CAI Feng, WANG Houjie. Development of coastal erosion and management[J]. Advances in Earth Science, 2013, 28(11):1239-1247.
[9] 王颖, 吴小根. 海平面上升与海滩侵蚀[J]. 地理学报, 1995, 50(2):118-127 doi: 10.3321/j.issn:0375-5444.1995.02.003 WANG Ying, WU Xiaogen. Sea level rise and beach response[J]. Acta Geographica Sinica, 1995, 50(2):118-127. doi: 10.3321/j.issn:0375-5444.1995.02.003
[10] Muzirafuti A, Randazzo G, Lanza S. UAV application for coastal area monitoring: a case study of Sant’Alessio Siculo, Sicily[C]//Proceedings of 2022 IEEE International Workshop on Metrology for the Sea; Learning to Measure Sea Health Parameters (MetroSea). Milazzo: IEEE, 2022: 143-147.
[11] Baily B, Nowell D. Techniques for monitoring coastal change: a review and case study[J]. Ocean & Coastal Management, 1996, 32(2):85-95.
[12] Westoby M J, Lim M, Hogg M, et al. Cost-effective erosion monitoring of coastal cliffs[J]. Coastal Engineering, 2018, 138:152-164. doi: 10.1016/j.coastaleng.2018.04.008
[13] Turner I L, Harley M D, Short A D, et al. A multi-decade dataset of monthly beach profile surveys and inshore wave forcing at Narrabeen, Australia[J]. Scientific Data, 2016, 3(1):160024. doi: 10.1038/sdata.2016.24
[14] Feagin R A, Williams A M, Popescu S, et al. The use of terrestrial laser scanning (TLS) in dune ecosystems: the lessons learned[J]. Journal of Coastal Research, 2014, 30(1):111-119.
[15] Brooks S M, Spencer T. Temporal and spatial variations in recession rates and sediment release from soft rock cliffs, Suffolk coast, UK[J]. Geomorphology, 2010, 124(1-2):26-41. doi: 10.1016/j.geomorph.2010.08.005
[16] Pardo-Pascual J E, Almonacid-Caballer J, Ruiz L A, et al. Automatic extraction of shorelines from Landsat TM and ETM+ multi-temporal images with subpixel precision[J]. Remote Sensing of Environment, 2012, 123:1-11. doi: 10.1016/j.rse.2012.02.024
[17] Pierre G. Processes and rate of retreat of the clay and sandstone sea cliffs of the northern Boulonnais (France)[J]. Geomorphology, 2006, 73(1-2):64-77. doi: 10.1016/j.geomorph.2005.07.002
[18] Montreuil A L, Bullard J, Chandler J. Detecting seasonal variations in embryo dune morphology using a terrestrial laser scanner[J]. Journal of Coastal Research, 2013, 65(sp2):1313-1318.
[19] Grohmann C H, Garcia G P B, Affonso A A, et al. Dune migration and volume change from airborne LiDAR, terrestrial LiDAR and Structure from Motion-Multi View Stereo[J]. Computers & Geosciences, 2020, 143:104569.
[20] Troy C D, Cheng Y T, Lin Y C, et al. Rapid lake Michigan shoreline changes revealed by UAV LiDAR surveys[J]. Coastal Engineering, 2021, 170:104008. doi: 10.1016/j.coastaleng.2021.104008
[21] 毕海芸, 郑文俊, 曾江源, 等. SfM摄影测量方法在活动构造定量研究中的应用[J]. 地震地质, 2017, 39(4):656-674 doi: 10.3969/j.issn.0253-4967.2017.04.003 BI Haiyun, ZHENG Wenjun, ZENG Jiangyuan, et al. Application of SfM photogrammetry method to the quantitative study of active tectonics[J]. Seismology and Geology, 2017, 39(4):656-674. doi: 10.3969/j.issn.0253-4967.2017.04.003
[22] 魏占玉, Ramon A, 何宏林, 等. 基于SfM方法的高密度点云数据生成及精度分析[J]. 地震地质, 2015, 37(2):636-648 WEI Zhanyu, Ramon A, HE Honglin, et al. Accuracy analysis of terrain point cloud acquired by “structure from motion” using aerial photos[J]. Seismology and Geology, 2015, 37(2):636-648.
[23] Pitman S J, Hart D E, Katurji M H. Application of UAV techniques to expand beach research possibilities: a case study of coarse clastic beach cusps[J]. Continental Shelf Research, 2019, 184:44-53. doi: 10.1016/j.csr.2019.07.008
[24] 郭一栋, 林杭杰, 于谦, 等. 基于无人机SfM摄影测量的海岸盐沼前缘形态变化研究[J]. 海洋学报, 2022, 44(12):148-160 GUO Yidong, LIN Hangjie, YU Qian et al. Morphology of coastal salt marsh margins: a study using UAV-based Structure-from-Motion photogrammetry[J]. Haiyang Xuebao, 2022, 44(12):148-160.
[25] Westoby M J, Brasington J, Glasser N F, et al. ‘Structure-from-Motion’ photogrammetry: a low-cost, effective tool for geoscience applications[J]. Geomorphology, 2012, 179:300-314. doi: 10.1016/j.geomorph.2012.08.021
[26] 国家市场监督管理总局, 中国国家标准化管理委员会. GB/T 35018-2018 民用无人驾驶航空器系统分类及分级[S]. 北京: 中国标准出版社, 2018 State Administration for Market Regulation, Standardization Administration of the People's Republic of China. GB/T 35018-2018 Classification and grading for civil unmanned aircraft system[S]. Beijing: Standards Press of China, 2018.
[27] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 14950-2009 摄影测量与遥感术语[S]. 北京: 中国标准出版社, 2009 General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. GB/T 14950-2009 Terms of photogrammetry and remote sensing[S]. Beijing: Standards Press of China, 2009.
[28] 国家市场监督管理总局, 中国国家标准化管理委员会. GB/T 39612-2020 低空数字航摄与数据处理规范[S]. 北京: 中国标准出版社, 2020 State Administration for Market Regulation, Standardization Administration of the People's Republic of China. GB/T 39612-2020 Specifications for low-altitude digital aerial photography and data processing[S]. Beijing: Standards Press of China, 2020.
[29] 中国民用航空局. 中国民用航空总局规章目录[EB/OL]. (2008-01-20)[2023-07-19]. http://www.caac.gov.cn/XXGK/XXGK/ZFGW/201601/t20160122_27768.html Civil Aviation Administration of China. Catalogue of regulations of the Civil Aviation Administration of China[EB/OL]. (2008-01-20)[2023-07-19]. http://www.caac.gov.cn/XXGK/XXGK/ZFGW/201601/t20160122_27768.html.
[30] 贝京阳, 陈杲, 俞晓天. 浙江省南田岛附近潮流特征分析[J]. 海洋湖沼通报, 2022, 44(5):60-66 BEI Jingyang, CHEN Gao, YU Xiaotian. Characterization of tidal current near Nantian Island, Zhejiang province[J]. Transactions of Oceanology and Limnology, 2022, 44(5):60-66.
[31] 象山县地方志编纂委员会. 象山县志: 第一册[M]. 北京: 方志出版社, 2020: 405-407 Xiangshan County Local Records Committee. Xiangshan County Annals: Volume 1[M]. Beijing: Local Records Publishing House, 2020: 405-407.
[32] Laporte-Fauret Q, Marieu V, Castelle B, et al. Low-cost UAV for high-resolution and large-scale coastal dune change monitoring using photogrammetry[J]. Journal of Marine Science and Engineering, 2019, 7(3):63. doi: 10.3390/jmse7030063
[33] Jaud M, Delacourt C, Le Dantec N, et al. Diachronic UAV photogrammetry of a sandy beach in Brittany (France) for a long-term coastal observatory[J]. ISPRS International Journal of Geo-Information, 2019, 8(6):267. doi: 10.3390/ijgi8060267
[34] Mancini F, Dubbini M, Gattelli M, et al. Using unmanned aerial vehicles (UAV) for high-resolution reconstruction of topography: the structure from motion approach on coastal environments[J]. Remote Sensing, 2013, 5(12):6880-6898. doi: 10.3390/rs5126880
[35] Fonstad M A, Dietrich J T, Courville B C, et al. Topographic structure from motion: a new development in photogrammetric measurement[J]. Earth Surface Processes and Landforms, 2013, 38(4):421-430. doi: 10.1002/esp.3366
[36] Jaud M, Grasso F, Le Dantec N, et al. Potential of UAVs for monitoring mudflat morphodynamics (application to the seine estuary, France)[J]. ISPRS International Journal of Geo-Information, 2016, 5(4):50. doi: 10.3390/ijgi5040050
-
期刊类型引用(1)
1. 刘文良，褚宏宪，法鸿洁，王洪松，鲍宽乐，李晓阳，刘京强. 基于机载LiDAR和剖面数据的海滩地形动态监测. 海洋地质前沿. 2025(01): 81-92 . 
百度学术
其他类型引用(1)
计量
- 文章访问数: 36
- HTML全文浏览量: 1
- PDF下载量: 13
- 被引次数: 2
