EN中文

地球信息科学学报 >

2022 , Vol. 24 >Issue 1: 165 - 175

DOI: https://doi.org/10.12082/dqxxkx.2022.210655

遥感科学与应用技术

塔基遥感视频监控有效性评估方法

  • 欧庚 , 1, 2 ,
  • 周良辰 1, 2 ,
  • 林冰仙 1, 2 ,
  • 汪洋 3 ,
  • 周海洋 3 ,
  • 闾国年 , 1, 2, *
展开
  • 1.南京师范大学地理科学学院,南京 210046
  • 2.江苏省地理信息资源开发与利用协同创新中心,南京 210023
  • 3.南京市国土资源信息中心,南京 210008
* 闾国年（1961— ）,男,江苏海安人,博导,教授,主要从事地理信息系统研究。E-mail:

欧庚（1998— ）,男,甘肃定西人,硕士生,从事视觉传感网覆盖及优化研究。E-mail:

收稿日期: 2021-10-21

  修回日期: 2021-11-10

  网络出版日期: 2022-03-25

基金资助

国家重点研发计划项目(2017YFB0503500)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Effectiveness Evaluation Method of Tower-based Remote Sensing Videos

  • OU Geng , 1, 2 ,
  • ZHOU Liangchen 1, 2 ,
  • LIN Bingxian 1, 2 ,
  • WANG Yang 3 ,
  • ZHOU Haiyang 3 ,
  • LV Guonian , 1, 2, *
Expand
  • 1. School of Geography Science, Nanjing Normal University, Nanjing 210046, China
  • 2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
  • 3. Nanjing Resources of Land Information Center, Nanjing 210008, China
* LV Guonian, E-mail:

Received date: 2021-10-21

  Revised date: 2021-11-10

  Online published: 2022-03-25

Supported by

National Key Research and Development Program of China(2017YFB0503500)

Copyright

Copyright reserved © 2022
Fold

摘要

以铁塔作为基础平台,利用其上搭载的相机或其他传感器进行近地面观测被称为塔基遥感。塔基遥感具有不易受到云层遮挡等自然因素影响、可以全天候实时获取视频信息的特点,可有效填补航空航天遥感与地面观测网络之间的尺度空缺,已在各个领域得到广泛应用。然而在面对大面积观测区域和复杂的任务目标时,塔基遥感的实际应用则受到复杂的地形及成像时空间分辨率的约束。如何评估其成像有效性成为未来塔基遥感平台优化建设的关键。为解决上述问题,本研究剖析了塔基遥感相机的成像特点和主要遮挡因素,构建起其实际覆盖范围分析方法。依托主要应用的空间分辨率需求建立分辨率分级体系,并结合实际覆盖范围和相机参数明确各项应用的可应用区域,据此评估塔基遥感视频数据有效性。以南京市江宁区“慧眼守土”塔基遥感视频监控系统为例进行实验分析,结果表明,现有塔基遥感相机受到了周边地形及塔基自身的严重遮挡,5 km内平均覆盖率仅3.20%,塔基自身造成了47.66%视角被遮挡。具有极高、高等级分辨率需求的应用实际覆盖情况较为理想,但中、低等级分辨率应用的实际覆盖情况需要进一步优化。增加相机高度、提升相机变焦能力以及增设环形轨道可以有效对塔基遥感相机的应用有效性进行优化。本研究的分析方法和结果可以为未来数据采集和各项实际应用提供支撑,成为系统评估及选址优化的参考依据。

关键词： 塔基遥感; 塔基遥感相机; 成像模型; 数据有效性评估; 可视域分析; 成像空间分辨率; 传感器布局; 慧眼守土

本文引用格式

欧庚 , 周良辰 , 林冰仙 , 汪洋 , 周海洋 , 闾国年 . 塔基遥感视频监控有效性评估方法[J]. 地球信息科学学报, 2022 , 24(1) : 165 -175 . DOI: 10.12082/dqxxkx.2022.210655

Abstract

Taking the iron tower as the basic platform and using the cameras or other sensors on it to conduct near-surface observations is called tower-based remote sensing. Tower-based remote sensing is not easily affected by natural factors such as cloud occlusion and can obtain video information in real time around the clock. Tower-based remote sensing effectively fills the scale gap between aerial remote sensing and ground observation network, so it has been widely used in various fields. However, when it faces a large area of observation and complex missions, its actual application is usually constrained by the complicated terrain and the spatial resolution. How to evaluate its imaging effectiveness has become the key to the optimization of tower-based remote sensing platform in the future. This research analyzes the imaging characteristics and main occlusion factors of the tower-based remote sensing cameras and constructs its actual coverage analysis method. This research establishes a resolution grading system relying on the spatial resolution requirements of the main applications and clarifies the applicable areas of main applications based on the actual coverage and camera parameters to evaluate the availability. Taking the "smart eyes guarding the land" tower-based remote sensing video system in Jiangning district, Nanjing City as an example, the experimental analysis shows that this method can efficiently calculate the actual coverage range of the tower-based remote sensing cameras in a larger observation area and analyze the main type and proportion of obstructions. This method can clarify the actual spatial resolution of imaging in each area considering the zoom ability of the camera and evaluate the application effectiveness of the system. The existing tower-based remote sensing camera is severely blocked by the surrounding terrain and the tower itself, and the average coverage rate within 5km is only 3.20%. The tower itself causes 47.66% of the viewing angle to be blocked. The actual coverage of applications with extremely high and high resolution is better, but the rest applications’ coverage needs to be further optimized. Increasing the height of the camera, improving the zoom capability of the camera, and adding a circular track can effectively optimize the application effectiveness of the tower-based remote sensing camera. This method can provide support for future data acquisition and practical applications and be a reference for system evaluation and location optimization in the future.

Key words： tower-based remote sensing; imaging model; tower-based remote sensing cameras; data effectiveness evaluation; visible field analysis; imaging spatial resolution; sensor layout; smart eyes guarding the land

1 引言

以具有一定高度（20~50 m）的通信塔、电力塔、路灯主杆为基础平台,利用在铁塔上布设的相机或其他传感器进行近地面遥感观测称为塔基遥感。塔基遥感相比基于卫星或无人机的航空航天遥感,具有时空分辨率高、不受云层影响的优势,可有效作为连接地面观测网络与卫星图像的“桥梁”,解决二者时间、空间不匹配的问题,在跨时空尺度的实验方面起到了重要作用[1,2,3]。有研究者在塔基平台上搭载光谱仪构成塔基SIF观测系统,进一步研究陆表植被对气候变化响应[4,5]。部分学者在塔基平台上安装各类型相机实现森林冠层长时间持续观测[6,7,8],相关研究也证实了塔基平台遥感可以有效提高野外观测时空分辨率[9,10,11],并为卫星遥感的地面真实性验证提供数据[12,13]。在城市用地管理、自然资源保护方面,塔基平台所搭载的监控相机可以有效提升国土空间规划、基本农田保护等执法监管效率[14]。塔基遥感已经在多个领域得到了广泛应用。
研究者所布设的塔基平台传感器投入应用之前,需要验证其所采集数据的有效性,保证其数据质量,提升应用效率。传统的城市安防等视觉传感网进行大规模遮挡分析时,通常利用目标区域的DSM等地形数据对山体、树木、建筑等遮挡物进行建模,再结合通视分析来排除[15,16,17],成像时空间分辨率的控制通常使用成像时的径向距离来约束[18,19]。部分研究者会对塔基遥感相机进行标定与地理配准,并基于此进行塔基平台传感器位置姿态控制与规划[20]。
然而塔基遥感相机成像时,由于相机与塔基塔体距离较近,除了周围的高大地物遮挡之外,还需要考虑塔基自身的遮挡。另外,现有的塔基遥感相机空间分辨率控制、位姿控制及规划通常以较小规模（1 km内）区域、单一目标作为约束条件,未能考虑当目标区域较大（1 km以上）、任务目标复杂的情况。综上所述,对塔基遥感视频监控成像的有效性做出评估需要考虑到塔基遥感相机周边的地形遮挡以及塔基的自身遮挡,同时以其复杂的任务目标空间分辨率需求作为约束,才能保证其观测数据质量满足应用需求,进一步为机位预设、焦段选择、系统评价及优化提供参考。
针对上述需求,本研究以南京市江宁区已经投入使用的“慧眼守土”塔基遥感视频监控系统中的相机参数、地形数据及实际图像作为实验数据,基于前人已有的研究基础,剖析了塔基遥感视频的成像过程及特点,分析了当目标区域较大、任务目标复杂时影响其数据质量的主要因素,并针对此构建了兼顾分析效率与准确性的实际覆盖范围解算方法,建立了针对不同应用需求的成像空间分辨率分级方法以明确其在不同区域内的成像能力,通过统计分析各分辨率等级应用的实际可覆盖范围对塔基平台遥感成像质量进行评估。本文给出了相应的评估和分析结果,评估方法和结果可作为未来系统优化的参考依据。

2 塔基遥感视频监控数据有效性评估方法

塔基遥感视频观测的是其覆盖地表区域内的车辆、行人、土地、农作物等多种对象,为满足塔基遥感视频数据应用需求,其实际观测数据需要满足2个条件的约束:① 相机能够与目标通视;② 成像时空间分辨率能够满足其任务目标的需求。故本研究从塔基遥感视频所能够实际覆盖的地表范围以及能够成像的各个区域成像时的空间分辨率能否满足应用需求来评估其观测数据的有效性。

2.1 实际覆盖范围分析

塔基遥感视频的理想覆盖范围为其理论可覆盖的全部地表区域,实际覆盖范围为理想覆盖范围中除去视野盲区的剩余区域。塔基遥感的视域遮挡主要分为地形遮挡及塔基自遮挡2类,设相机的理想覆盖范围为 C I,地形遮挡造成的视野盲区为 B G,塔基自遮挡造成的视野盲区为 B T,如图1所示,根据式（1）计算得到实际覆盖范围 C R为:
C R = C I - B G - B T
图1 实际覆盖范围计算示意

Fig. 1 Schematic diagram of actual coverage calculation

2.1.1 理想覆盖范围
塔基遥感相机通常安装在通信塔基上部,其成像数据提供该区域地表的植被、建筑物、人类活动行为等多种信息。塔基高度为20~50 m不等,通常位于室外较为空旷的林地、山地处。塔基遥感相机固定在塔基上方平台的一侧,相机距离地面40~50 m,具有变焦、旋转能力,水平方向旋转角（偏航角,heading）理论可达0~360°,竖直方向旋转角（俯仰角,pitch）理论可达0~90°。由于其位置无法移动,所以单一时刻的成像覆盖范围由地理位置、相机姿态、视场角决定。
塔基遥感相机的姿态及焦距可在一定阈值内变化,若忽略遮挡所造成的噪声,则其成像范围理论上可以覆盖周边一定距离内地表区域,可视作是相机姿态和焦距变化时实际覆盖区域的并集,本文中将这个区域范围称作塔基遥感视频的理想覆盖范围。相机参数变化时存在2个特殊时刻:当pitch=0°时,相机垂直朝向地表,由于机身离塔基塔体已预留一定距离,相机可以对塔基底周围地表清晰成像;当pitch抬升至90°时,相机成像无法继续覆盖地表区域,因而可取当pitch接近90°时的成像距离作为其理想覆盖范围的半径。设相机 P C在地表上的投影点设为 P C ',则其理想覆盖范围 C I是以 P C '为圆心,以pitch接近90°时的成像距离 D MAX为半径的区域,如图2所示。
图2 理想覆盖区域示意

Fig. 2 Schematic diagram of ideal coverage area

2.1.2 地形遮挡盲区分析
塔基遥感视频监控目标区域面积大,周边地理环境复杂,视线往往会受到山体、建筑物、树木等地物遮挡,本研究中将此类地物遮挡称作地形遮挡,研究区域的DSM数据可以提供遮挡物的位置、高度等信息。将研究区域中地表按照数据分辨率离散为格网,计算各个离散格网与相机间的通视情况即可排除地形遮挡所导致的视野盲区,具体方法如下:
首先将相机理想覆盖范围内DSM根据分辨率离散为 n个离散点,每个离散点的地理坐标与原始格网的中心点地理坐标一致,设为 P n。接着计算各个离散点与相机 P C的通视情况,线段 P C P n即为相机到该目标离散点的视线,分析该视线所经过格网中是否有其他离散点高程大于其经过时视线的高程,若存在此类离散点,则该格网处地物为地形遮挡,相机与目标点无法通视。通过对每个相机和离散点进行通视解算,可得到地形遮挡所造成的视野盲区 B G,并从理想覆盖范围中将之排除,如图3所示。
图3 地形遮挡通视判断示意

Fig. 3 Schematic diagram of terrain occlusion intervisibility judgment

2.1.3 塔基自遮挡分析
塔基遥感相机安装在塔基塔体的一侧,当 h eading旋转到镜头朝向塔基塔体时,其部分视线会被塔基塔体遮挡,且塔基塔体与相机镜头距离较近时会形成范围较大的视野盲区,本研究中将塔基塔体的视线遮挡称为塔基自遮挡。
塔基通常为垂直为地面的圆柱体,相机位于其固定的一侧,因而塔基自遮挡所造成的视野盲区范围可以通过获取相机成像时相机光心与塔基圆柱体横截面相切的两条视线 h 1、 h 2的 h eading参数来确定。通过水平旋转相机,将塔基塔体两侧边缘分别置于图像中心,并分别获取当时相机的 h eading参数 h 1、 h 2,理想覆盖范围中成像时 h eading值落入 h 1、 h 2之间的所有地表区域为塔基自遮挡所造成的视野盲区BT,需要将之从理想覆盖范围中排除,如图4所示。
图4 塔基自遮挡盲区示意

Fig. 4 Schematic diagram of blind area of tower base's self occlusion

2.2 成像空间有效分辨率分析

在图像处理领域,空间分辨率的大小反映了空间细节水平以及和背景环境的分离能力,精细的空间分辨率可以减少边界混合像元,但过高的分辨率却会使得分类精度降低[21,22],辨别不同尺度的地物类型、明确土地利用变化等应用都要求成像具有合适的空间分辨率[23,24,25]。塔基视频监控覆盖范围广,任务目标复杂,故对其观测有效性进行评价时需要针对具体应用,依据成像距离的约束对空间分辨率进行分级,进一步明确不同应用的可实际应用范围。
2.2.1 空间分辨率计算
成像的空间分辨率与相机传感器尺寸、相机焦距及成像距离有关。相机的传感器型号、尺寸、宽高比及焦距参数可以通过相机型号获得。相机生产制造过程中,一英寸真空管实际成像区域仅为16 mm,即1 in=16 mm,设其靶面宽度为 w,靶面高度为 h,传感器尺寸为X英寸,传感器的宽高比为k,则其传感器靶面宽度及高度根据式（2）、（3）可得:
w = 16 × k × X k 2 + 1
h = 16 × X k 2 + 1
设相机所成图像宽为 u个像素,高为 v个像素,即图像分辨率为 u × v,相机与成像地物距离为 D,水平距离为d,成像时焦距为 f,成像倾斜角为pitch。当相机高度远小于其理想覆盖半径时,成像距离与水平距离非常接近,可以用水平距离代替其成像距离,则图像上各个像素所代表的地物实际宽度 realsiz e w与实际高度 realsiz e h可以根据其成像时距离相机的水平距离计算得到,如式（4）、（5）所示。
realsiz e w = D × w f × u × sin pit ch ≈ d × w f × u
realsiz e h = D × h f × v × sin pit ch ≈ d × h f × v
2.2.2 空间分辨率分级
针对塔基监控相机的主要应用的成像空间分辨率需求,将其成像空间分辨率分为极高、高、中、低4个等级,如表1所示。
表1 塔基相机成像空间分辨率分级

Tab. 1 Levels of tower-based cameras' resolution

分辨率等级 空间分辨率/m 示例应用
极高 (0, 0.005) 车牌、行人识别
高 [0.005, 0.01) 车辆、树木识别
中 [0.01, 0.1) 建筑工程类型识别、非法开采监测
低 [0.1, 5] 农田、林地、建筑用地分类及识别
设相机的焦距变化范围为 [ f min , f max ],对于某一等级的空间分辨率 [ S R max , S R min ],相机最小焦距和最高空间分辨率参数决定其成像距离约束的下限,相机最大焦距和最低空间分辨率参数决定了其成像距离约束的上限,即可如式（6）、（7）计算出不同等级空间分辨率需求的应用可适用成像距离区间 [ D min , D max ],最终得到整个区域的空间分辨率分级结果,如图5所示。
D min = Max f min × u × S R max w , f min × v × S R max h
D max = Min f max × u × S R min w , f max × v × S R min h
图5 分辨率分级结果示意

Fig. 5 Schematic diagram of resolution grading results

3 结果及分析

为验证上述方法的可行性,本文利用已布设好的塔基遥感视频监控系统进行实验,对系统中每一台塔基遥感相机的实际覆盖情况以及各级别成像空间分辨率实际覆盖情况进行计算与统计,根据统计结果对整个系统的应用情况做出评估。同时根据实验结果,对塔基遥感视频监控的主要遮挡类型及特点、相机高度影响以及相应优化方案进行了探讨。

3.1 数据基础及系统概况

研究中所使用的塔基遥感视频监控系统整体架设于江苏省南京市东南部的江宁区,该区域地处长江下游南岸,地貌属于宁镇扬丘陵山地的一部分,结构较为复杂,低山、丘陵、岗地和平原均有分布,其中低山丘陵和黄土岗地约占其总面积的2/3,地形起伏较大。所使用的研究区域DSM地形数据分辨率为2 m。
该系统中塔基相机使用海康威视球形监控相机,白天为可见光成像,晚间光源不充足时为红外成像,各相机均配备1/2.8英寸传感器,传感器对应宽高为4.59×3.42 mm,所成图像分辨率为1920×1080,镜头拥有4.7~94 mm二十倍变焦能力。该系统共包含5台相机,位置参数（经度、纬度、高度）均已测定,相机具体分布及各项参数如图6所示。
图6 实验相机布设位置示意

Fig. 6 Experimental cameras' distribution

3.2 实例验证结果

3.2.1 实际覆盖范围结果
根据上述实际覆盖计算方法分析得到各个相机的实际覆盖范围如图7所示,其中不同半径内实际覆盖占比统计结果见图8。实际覆盖统计结果显示,单个塔基相机在5 km内平均实际覆盖率仅为3.20%,1 km内平均实际覆盖率为20.28%,500 m内平均实际覆盖率为34.31%。总体上看来,随着理想覆盖范围的增大,实际覆盖率不断降低。相机C计算结果中1500 m范围内的实际覆盖范围反而大于1000 m内,是由于相机C北部1200~1400 m处存在大范围林地及密集居民区造成了大量的视野遮挡。各个相机5 km范围内的实际覆盖、塔基自遮挡角度、自遮挡盲区占比、地形遮挡盲区占比以及各自的主要遮挡物类型如表2所示,塔基自遮挡平均遮挡面积占比为47.66%,地形遮挡平均遮挡面积占比为49.14%。
图7 各个相机的实际覆盖范围

Fig. 7 Actual coverage of each camera

图8 不同半径内实际覆盖比率变化

Fig. 8 Change of actual coverage ratio in different radius

表2 实验相机的遮挡统计

Tab. 2 Occlusion statistics of the experimental camera

相机编号 实际覆盖占比/% 自遮挡角度/° 自遮挡盲区占比/% 地形遮挡盲区占比/% 主要遮挡物类型
A 2.84 66.57 18.49 78.67 山体
B 4.69 165.84 46.07 49.24 塔基、建筑、树木
C 3.53 255.16 70.88 25.59 塔基
D 3.02 179.17 49.77 47.21 塔基、山体、建筑
E 1.90 191.05 53.07 45.03 塔基、密集建筑
平均 3.20 171.56 47.66 49.14
3.2.2 各等级空间分辨率距离约束及其实际覆盖面积结果对研究所使用的相机成像按照上述分辨率分级方法进行分级,焦距约束为其最大20倍变焦（ f = 94 mm）及最小一倍变焦（ f = 4.7 mm）。在5 km范围内,各等级成像距离约束如表3所示。
表3 5 km内各等级分辨率成像距离约束

Tab. 3 Imaging distance constraints of each level of resolution within 5 km

分辨率等级 成像距离下限/m 成像距离上限/m
低 197 5000
中 20 2968
高 10 297
极高 2 148
首先对分辨率计算方法以及各等级分辨率分级距离约束进行验证。同一台相机在姿态不改变,仅改变焦距时,实际成像与实际覆盖情况如图9所示,同时以图中成像距离为215 m的轿车为例,通过其横向像素数量与像素分辨率计算得到其长度约4.1 m,与实际情况相符。
图9 仅焦距变化时实际成像、空间分辨率及覆盖变化情况

Fig. 9 Actual imaging, spatial resolution and coverage changes when the focal length changes

部分主要应用成像结果如图10所示。与预期分级结果相符,各个等级的主要应用在其约束距离下可投入实际应用。如图11所示,在上述各等级分辨率成像距离约束区域内,整个系统的低、中、高、极高分辨率应用的实际覆盖面积平均占比为3.11%、6.20%、46.36%、63.91%。
图10 塔基监控相机主要应用及其成像距离

Fig. 10 Example of main application and its imaging distance

图11 各等级分辨率区域内各个相机的实际覆盖面积占比

Fig. 11 The actual coverage area of each camera in every level of resolution

3.3 分析与讨论

3.3.1 塔基遥感视频监控遮挡分析
通过分析以上统计结果,遮挡塔基平台视频监控的主要遮挡物及其遮挡特点如表4所示。结合表2与表4的统计及分析结果可知,该系统中塔基遥感相机受到地形遮挡及塔基自身遮挡的共同影响,可视域被严重遮挡。
表4 主要遮挡物类型及其遮挡特点

Tab. 4 Main types of occlusion and their characteristics

遮挡物类型 示例 特点
山体 相机A东北方向、南方向2000 m 相机与山体间地表正常成像,山体后均无法成像
密集建筑及高大树木 相机B西方向,相机D南方向 可覆盖区域呈细碎点状散落分布,多位于居民区
塔基塔体 相机B东方向、相机C/D/E大部分区域 从相机位置出发,一定角度范围内均无法覆盖
地形遮挡的特点是在不同半径的理想覆盖区域内,地形遮挡导致的视野盲区面积占比非定值,通常理想覆盖区域半径越大,地形遮挡所导致的视野盲区面积占比越大。地形遮挡的主要遮挡地物为山体、建筑物及高大树木,此类遮挡物距离相机越近,造成的视野遮挡越严重。
对塔基自遮挡而言,由于塔基相机固定在塔基塔体上,塔基自遮挡所造成的视野盲区面积占比恒定。相机C其架设位置紧贴塔基塔体本身,导致超过70%的视野被塔基自身遮挡。在结构复杂的塔基中安装相机,并且相机距离塔基塔体较近的话,相机覆盖率计算难度极大,且塔基会造成极大的视野遮挡,导致相机虽已布设但无法投入应用,造成资源浪费。
因此,未来塔基相机布设时,需要尽量减少地形遮挡及塔基自遮挡的影响。首先相机应尽可能远离塔基塔体,必要时可考虑增设延长杆或延伸平台。另外,搭载相机的塔基应尽可能远离高大的山体、建筑物等地物,尽可能增大塔基遥感实际可覆盖面积。
3.3.2 视频传感器布设高度对实际覆盖的影响分析
由于塔基建造成本高,塔基遥感相机布设时通常依附于已经建成的信号塔,所以通过建造新塔基来减少地形遮挡的余地较小。同时,由于塔基遥感的主要遮挡物通常是山体、建筑等高大地物,故可考虑通过增加塔基相机的布设高度来减少地形遮挡的影响。
为验证增加塔基相机的安装高度是否能够有效提升其实际覆盖面积,将该系统中的塔基相机高度在其原本基础上增加2、4、6、8、10 m,再重新分析其实际覆盖结果,并与原始结果进行对比。各个相机在其周围5 km范围内,高度抬升所增加的实际覆盖面积如图12所示,10 m的高度提升可以为每个相机平均增加706 500 m2的实际覆盖面积,仅仅2 m的高度提升也可以平均增加205 100 m2的实际覆盖面积。
图12 增加相机高度对覆盖面积的影响

Fig. 12 The effect of increasing the cameras' height on the coverage area

上述实验结果表明,提升相机高度可以有效增加其实际覆盖范围。故未来在塔基相机布设时,可以考虑增设可伸缩调整高度的控制杆等类似装置,以较低成本提升塔基相机的实际覆盖范围,加强塔基遥感的应用效果。
3.3.3 塔基遥感视频空间分辨率分级结果分析
该系统实验的统计结果显示,对空间分辨率需求更高的应用,可应用面积占比越高,原因是空间分辨率需求越高的应用距离相机越近,地形遮挡所造成的视野盲区越少。
整体上看来,具有极高、高等级空间分辨率的应用的实际覆盖平均占比分别为63.91%、46.34%,应用情况较为理想。而具有中、低空间分辨率等级的应用,其实际覆盖平均占比均不足10%,总体实际应用情况需要改善。
若要改善各个等级空间分辨率应用的实际应用情况,可以从增大实际覆盖范围和增大各等级分辨率约束距离区间2个方面入手。增大实际覆盖范围的具体措施可以参照3.3.1节及3.3.2节中的分析,增大各等级分辨率约束距离区间则需要从硬件层面解决。根据上述分析思路与式（4）,当相机位置、地形条件和空间分辨率约束一定时,各等级空间分辨率实际覆盖区域的面积仅由其成像距离约束条件决定,其中距离上限与下限分别与其最大焦距、最小焦距成线性关系,因而提升各个等级的分辨率实际覆盖面积的最直接方式是提升相机镜头的变焦能力,增大成像焦距的上下限,进而增大各等级空间分辨率应用的实际应用范围。
因此,未来塔基遥感相机选择时,可根据上述方法计算出该设备在观测区域内的成像空间分辨率区间,并根据能否满足主要应用需求来选择相机设备型号,同时在此基础上选择所搭载镜头拥有较大倍数光学变焦能力的相机。

4 结论及展望

目标区域面积广阔、任务目标复杂的塔基遥感视频监控的观测数据,不同于小区域单一目标的塔基平台传感器,在应用时需要充分考虑到地形遮挡、塔基自遮挡及成像空间分辨率的影响,以保证其观测数据具有足够的应用有效性。本研究针对这一需求,以实际覆盖范围大小、成像空间分辨率是否满足应用需求为评估依据,建立了塔基遥感视频监控有效性评估方法。实验部分以南京市江宁区已布设的塔基遥感视频监控系统为研究对象,验证了所构建方法的可行性。
（1）本方法可以有效计算出塔基平台视频监控的实际覆盖分布情况,根据系统中各个相机的实际覆盖占比、不同类型遮挡造成的视野盲区占比分析得到相机的主要遮挡物类型。
（2）本方法可以计算出各个实际覆盖区域中成像的空间分辨率,通过判断空间分辨率是否满足实际应用需求来评估整个系统的应用有效性,分析与评估结果可以作为未来塔基遥感相机布设选址、系统应用优化的参考。
（3）现有的塔基遥感相机在应用中受到周边地形、塔基自身的严重遮挡,远离高大遮挡物、增加相机高度、增大相机变焦能力可以有效提升塔基遥感视频监控应用有效性。
未来的铁塔在建设时,若能为塔基遥感相机加装环绕塔体的环形运动轨道,使得相机能够覆盖塔基周围360°区域,则可以从根本上有效避免塔基自遮挡的问题。若能为相机加装高度控制设备,则可以进一步增大塔基周边实际覆盖面积,同时能够通过控制高度来增大或缩小成像空间分辨率,有效提升单个塔基遥感相机的应用有效性。上述设施还可以作为塔基遥感平台的基础,为未来其他传感器或设备的安装提供便利。
包括国家推行的“慧眼守土”塔基遥感视频监控系统在内的各式塔基平台遥感系统具有高时空分辨率的显著优势,未来势必能在生态环境保护、土地资源管理等应用中起到良好的决策辅助作用,本文的研究工作可以为相关塔基遥感视频监控系统的评估方案设计及系统优化提供参考,更好地辅助相关科学研究以及城市及自然资源管理工作。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
高添, 于立忠, 于丰源, 等. 中国科学院清原森林生态系统观测研究站塔群平台的功能和应用[J]. 应用生态学报, 2020, 31(3):695-705.

[ Gao T A, Yu L Z, Yu F Y, et al. Functions and applications of multi-tower platform of Qingyuan forest ecosystem research station of Chinese academy of sciences[J]. Chinese Journal of Applied Ecology, 2020, 31(3):695-705. ] DOI: 10.13287/j.1001-9332.202003.040

DOI

[2]
Fukumoto R, Borlongan I A, Nishihara G N, et al. Effect of photosynthetically active radiation and temperature on the photosynjournal of two heteromorphic life history stages of a temperate edible brown alga, Cladosiphon umezakii (Chordariaceae, Ectocarpales), from Japan[J]. Journal of Applied Phycology, 2019, 31(2):1259-1270. DOI: 10.1007/s10811-018-1655-3

DOI

[3]
李朝晖, 张永光, 张乾, 等. 植被冠层日光诱导叶绿素荧光塔基自动观测方法及系统介绍[J]. 遥感学报, 2021, 25(5):1152-1168.

[ Li Z H, Zhang Y G, Zhang Q A, et al. Tower-based automatic observation methods and systems of solar-induced chlorophyll fluorescence in vegetation canopy[J]. National Remote Sensing Bulletin, 2021, 25(5):1152-1168. ] DOI: 10.11834/jrs.20210254

DOI

[4]
Paul-Limoges E, Damm A, Hueni A, et al. Effect of environmental conditions on Sun-induced fluorescence in a mixed forest and a cropland[J]. Remote Sensing of Environment, 2018, 219:310-323. DOI: 10.1016/j.rse.2018.10.018

DOI

[5]
Xi Y, Jianwu T, John F, et al. Solar-induced chlorophyll fluorescence that correlates with canopy photosynjournal on diurnal and seasonal scales in a temperate deciduous forest[J]. Geophysical Research Letters, 2015, 42(8):2977-2987. DOI: 10.1002/2015GL063201

DOI

[6]
de Moura Y M, Galvão L S, Hilker T, et al. Spectral analysis of Amazon canopy phenology during the dry season using a tower hyperspectral camera and modis observations[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2017, 131:52-64. DOI: 10.1016/j.isprsjprs.2017.07.006

DOI

[7]
Wu J, Albert L P, Lopes A P, et al. Leaf development and demography explain photosynthetic seasonality in Amazon evergreen forests[J]. Science, 2016, 351(6276):972-976. DOI: 10.1126/science.aad5068

DOI

[8]
Lopes A P, Nelson B W, Wu J, et al. Leaf flush drives dry season green-up of the Central Amazon[J]. Remote Sensing of Environment, 2016, 182:90-98. DOI: 10.1016/j.rse.2016.05.009

DOI

[9]
Richardson A D, Anderson R S, Arain M A, et al. Terrestrial biosphere models need better representation of vegetation phenology: Results from the North American Carbon Program Site Synjournal[J]. Global Change Biology, 2012, 18(2):566-584. DOI: 10.1111/j.1365-2486.2011.02562.x

DOI

[10]
Hilker T, Leeuwen M, Coops N C, et al. Comparing canopy metrics derived from terrestrial and airborne laser scanning in a Douglas-fir dominated forest stand[J]. Trees, 2010, 24(5):819-832. DOI: 10.1007/s00468-010-0452-7

DOI

[11]
Tortini R, Hilker T, Coops N C, et al. Technological advancement in tower-based canopy reflectance monitoring: The AMSPEC-III system[J]. Sensors (Basel, Switzerland), 2015, 15(12):32020-32030. DOI: 10.3390/s151229906

DOI

[12]
Eklundh L, Jin H X, Schubert P, et al. An optical sensor network for vegetation phenology monitoring and satellite data calibration[J]. Sensors (Basel, Switzerland), 2011, 11(8):7678-7709. DOI: 10.3390/s110807678

DOI

[13]
郭健, 刘良云, 刘新杰, 等. 基于查找表的塔基平台O2-A波段大气校正方法研究[J]. 遥感技术与应用, 2019, 34(3):467-475.

[ Guo J A, Liu L Y, Liu X J, et al. An O2-A band atmospheric correction algorithm for tower-based platform based on look-up table[J]. Remote Sensing Technology and Application, 2019, 34(3):467-475. ] DOI: 10.11873/j.issn.1004-0323.2019.3.0467

DOI

[14]
冯笑雨. 基于塔基监控图像的建设施工用地识别与空间定位方法研究[D]. 南京:南京师范大学, 2019.

[ Feng X Y. Research on recognition and spatial location method of construction land based on tower-based monitoring image[D]. Nanjing: Nanjing Normal University, 2019. ] DOI: 10.27245/d.cnki.gnjsu.2019.000671

DOI

[15]
方陆明, 柴红玲, 唐丽华, 等. 基于DEM的视频可视域提取算法[J]. 北京林业大学学报, 2010, 32(3):27-32.

[ Fang L M, Chai H L, Tang L H, et al. An extraction algorithm of a DEM based video visualization domain[J]. Journal of Beijing Forestry University, 2010, 32(3):27-32. ] DOI: 10.13332/j.1000-1522.2010.03.033

DOI

[16]
Yaagoubi R, Yarmani M, Kamel A, et al. HybVOR: A voronoi-based 3D GIS approach for camera surveillance network placement[J]. ISPRS International Journal of Geo-Information, 2015, 4(2):754-782. DOI: 10.3390/ijgi4020754

DOI

[17]
Wang M Z, Liu X J, Zhang Y N, et al. Camera coverage estimation based on multistage grid subdivision[J]. ISPRS International Journal of Geo-Information, 2017, 6(4):110. DOI: 10.3390/ijgi6040110

DOI

[18]
Yao Y, Chen C H, Abidi B, et al. Sensor planning for automated and persistent object tracking with multiple cameras[C]// 2008 IEEE Conference on Computer Vision and Pattern Recognition. IEEE, 2008:1-8. DOI: 10.1109/CVPR.2008.4587515

DOI

[19]
Malik R, Bajcsy P. Automated placement of multiple stereo cameras[C]. The 8th Workshop on Omnidirectional Vision, Camera Networks and Non-classical Cameras OMNIVIS, Marseille, France, 2008.

[20]
Ahamed T, Tian L, Jiang Y S, et al. Tower remote-sensing system for monitoring energy crops; image acquisition and geometric corrections[J]. Biosystems Engineering, 2012, 112(2):93-107. DOI: 10.1016/j.biosysteseng.2012.03.003

DOI

[21]
明冬萍, 王群, 杨建宇. 遥感影像空间尺度特性与最佳空间分辨率选择[J]. 遥感学报, 2008, 12(4):529-537.

[ Ming D P, Wang Q, Yang J Y. Spatial scale of remote sensing image and selection of optimal spatial resolution[J]. Journal of Remote Sensing, 2008, 12(4):529-537. ]

[22]
Chen H, Pontius R G. Sensitivity of a land change model to pixel resolution and precision of the independent variable[J]. Environmental Modeling & Assessment, 2011, 16(1):37-52. DOI: 10.1007/s10666-010-9233-3

DOI

[23]
Markham B, Townshend J R G. Land cover classification accuracy as a function of sensor spatial resolution[C]. Proceedings 15th international symponsium on remote sensing of environment, Ann Arbor, Michigan, 1981.

[24]
Li F Q, Kustas W P, Anderson M C, et al. Effect of remote sensing spatial resolution on interpreting tower-based flux observations[J]. Remote Sensing of Environment, 2008, 112(2):337-349. DOI: 10.1016/j.rse.2006.11.032

DOI

[25]
Waldner F, Defourny P. Where can pixel counting area estimates meet user-defined accuracy requirements?[J]. International Journal of Applied Earth Observation and Geoinformation, 2017, 60:1-10. DOI: 10.1016/j.jag.2017.03.014

DOI

Options
文章导航

/

〈 〉