基于无人机监测的洪水引起的曲流结构形态变化的量化和可视化

工程科学与技术，国际期刊27（2022）101016完整文章基于无人机监测的洪水引起的曲流结构形态变化的量化和可视化SemihSamiAkaya，Nana，Orkan Özcanb，FüsunBalıkS，anlanyaa土耳其伊斯坦布尔耶尔德兹技术大学土木工程学院地质工程，邮编：34220bEurasia Institute of Earth Sciences Istanbul Technical University，伊斯坦布尔34469，土耳其阿提奇莱因福奥文章历史记录：2020年12月9日收到2021年5月3日修订2021年5月20日接受在线预订2021年保留字：自然灾害无人驾驶航空器（UAV）河流形态A B S T R A C T河流流域是地球上最具动态的地形之一，因此，应持续监测河流形态，并尽可能绘制其对环境的影响（即自然灾害）。本研究借由无人机监测，以量化及视觉化洪水诱发曲流结构之形态变化。在土耳其Büyük Menderes河（BMR）流域利用运动恢复结构（SfM）技术构建多时相正构面和数字表面模型（DSM），评价河流形态变化。历时的空间和体积变化的曲流结构进行了评估的数字海岸线分析系统（DSAS）和数字高程模型（DEM）的差异（DoD）的工具。这项研究表明，通过及时评估和分析洪水等极端事件的结果，对在许多方面影响人类生活©2021 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍河流是地球表面和生态系统中最重要的天然水源之一，为人类提供因此，河流中的一些人为和自然变化对流域生态系统产生了负面影响，如无节制的用水，采石和废物污染。除了水质下降外，河床的形态也随着河岸的沉积和侵蚀而变化[1，2]。此外，河道的形态也会随着流量的高低而变化。由于季节性降水和温度的影响，河流水位发生变化，河床可能会发生显著的地貌变化，从而导致沉积和洪水[3，4]。因此，气候变化引发极端降雨和洪水事件，对区域发展产生负面影响，并造成环境和经济损失的死亡。气候变化导致区域温差、风型、降水状况和空气质量的变化，*通讯作者。电子邮件地址：semih.sami. std.yildiz.edu.tr（S.S.Akay），ozcanork@itu. edu.tr（O. Özcan），fbalik@yildiz.edu.tr（F. BalıkS，anl）.由Karabuk大学负责进行同行审查极端事件[5，6]。在洪水不可避免的情况下，可以通过采取必要的预防措施将损失降至最低[7]。特别是，调查岸线和沉积物量的变化可以提供未来可能发生洪水的信息[8，9]。为了防止形态和流域管理问题，并制定流域保护战略，了解曲流结构随时间推移通过沉积或侵蚀而发生的变化至关重要[10]。通过各种方法获得的地形数据可以量化流域的地貌变化。特别是河床的变化（即河道变化等）。可以通过卫星和航空图像进行监测[11]。然而，短时间内的变化，如小规模的地形变化，可能会被地形忽略。与卫星图像相比，无人机受气象条件的影响较小，并提供更灵活的空间分辨率和运营成本机会[12，13]。因此，由于无人机（UAV）技术可以提供非常高分辨率的数据，现在可以更详细地检查形态变化[10]。确定自然事件对地表造成的变化可以通过使用无人机产生快速和高精度数据来执行[15-18]。通过多时相无人机的飞行，可以确定河床的形态变化和岸线的洪水破坏因此，可以确定侵蚀、沉积和破坏的量[19，20]。河床的淤积和冲刷速率可以量化https://doi.org/10.1016/j.jestch.2021.05.0202215-0986/©2021 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestch塞米萨米岛Özcan和FüsunBalıkS，anlán工程科学与技术，国际期刊27（2022）1010162通过多时相无人机（UAV）测量来估算河流泥沙输移[4，17，18]。如今，无人机作为卫星系统的替代方案被广泛用于各种应用中，用于监测和建模地球表面。虽然无人机受到电池寿命限制和天气条件（如风）的影响，但它们可以在多云天气下提供更好的研究区域地形数据生产此外，与地面摄影测量和卫星遥感系统相比，无人机在时间、成本、数据采集和图像分辨率方面具有显著的优势无人机用于通过运动恢复结构（SfM）方法生成非常高分辨率的河床地形图[14，21]。SfM为数据分析带来了自动化，在偏远地区复杂表面的3D重建中发挥着重要作用，并为变化检测分析提供了快速解决方案[22]。可以看出，无人机为基础的SfM方法提供了显着的优势和速度在自然灾害，灾害风险管理，应急和安全操作，当考虑到时间和规模参数基于无人机的可持续森林管理方法用于确定许多地区的影响，如洪泛区、地震、滑坡、地貌和火山区，并利用移动作业提供的高分辨率和低成本数据规划土地布局[23-25]。因此，无人机可以产生具有高精度和空间分辨率的数字表面模型（DSM）和正射面，这些模型和正射面已经用于河流的形态动力学建模、跟踪河流生态系统或演变以及估计洪水对居民区和非居民区的影响[17，18，26]。可以确定自然或人工事件发生的表面，并且可以通过用多时间数据映射表面来检查形态变化然而，无人机也提供了一个快速的解决方案，以确定损害或采取及时的预防措施[4，13，26 -28]。此外，通过计算DSM之间的高度差，可以确定农业区因滑坡或洪水引起的土地利用/覆盖变化而运输的材料量[29，30]。为了监测时间地貌变化，无人机衍生的DSM数据可以作为传统测量方法的替代方法[18，31，32]。今天，无人机更适合于确定河流形态的变化、沉积物侵蚀量或洪水事件的影响[4，28]。在这项研究中，它的目的是监测和量化的沉积物的变化，在三个不同的曲流结构，这是根据其特征，如宽度，弯曲度和水平选择。此外，洪水的影响，发生在现场研究，进行了检查，以监测沿岸线的变化和侵蚀/沉积的沉积物的数量进行了量化的数字海岸线分析系统（DSAS）和DEM的差异（DoD）工具。2. 研究区和实地调查Büyük Menderes河（BMR）流域位于安纳托利亚西南部，是土耳其BMR起源于安纳托利亚中西部Dinar和Ekivril附近的高原在BMR盆地的边界内有十个省，靠近大城市中心，如艾登和德尼兹利。在这项研究中，三个曲流结构进行了检查，使用长期卫星图像之前的实地研究。根据弯曲度选择研究位置此外，沉积物的运动进行了监测，以调查的形态变化，在选定的曲流结构以及BMR。 图图1显示了BMR盆地的研究位置。2018年和2019年的1月、6月和9月进行了无人机摄影测量飞行的定期实地研究，以确定曲流结构的时间变化。在这项研究中，定期进行实地研究与两种不同类型的多旋翼无人机具有集成的相机和定位系统。两种无人机（DJI Mavic Platinum Pro（MPP）和DJI Phan- tom 3 Pro（P3 P））的有效载荷重量和相机分辨率在100米高度的所有曲流结构上，在正面和侧面方向上的重叠率均为85%每次定期飞行都使用相同的飞行路线和参数。在冬季，当无人机飞行受到天气条件的影响时，实地研究计划在没有降水的时候进行。所有的飞行参数和获得的数据如表1所示。由于没有永久性的人工或自然物体可以用作地面控制点（GCPs），因此将便携式GCPs分布在曲流结构中，并使用实时动态（RTK）GPS方法测量GCPs的坐标（图1）。 2）的情况。对于每个曲流结构，4至6个GCP被安排在一种方式，每个GCP中心的支流面积的调查领域的表面之前，每次飞行。在使用无人机进行的研究中，可以看出，随着均匀分布在场地上的GCP数量的增加，空间精度的变化很低，并且这种变化在毫米级[35，36]。在地面控制点坐标测量过程中，坐标的垂直误差和水平误差在2.0 ~14.0 cm和1.63. 方法3.1. 数据生成和处理SfM方法是一种新的、快速且低成本的摄影测量方法，通过匹配在不同位置拍摄的具有不同重叠率的照片系列中的对象，提供高精度的三维数据[34]。在确定参数的过程中采用光束法平差，提供摄像机位置并提取物体的三维位置，具有较高的精度，改进了SFM方法。此外，捆绑调整确保成本函数最小化[37，38]。通过SfM方法生成点云、DSM和正交曲面，可以在许多不同的大型和小型研究中提供非常宝贵的数据，以便定期检查表面的二维（2D）和三维（3D）形态变化[2，17]。在研究中，高分辨率的数据生产过程中进行了SfM方法通过收集整个数据。在实地研究期间，无人机采集了航空照片，并将GCP的真实世界坐标整合到每个曲流结构的系统中（图1）。 2）的情况。飞行计划是用Pix4D捕捉软件通过绘制多边形来覆盖研究区域。GCP坐标测量用Leica GPS900系统进行 为了提高测量精度，在航空照片上分配了控制点，随后使用Pix4D软件产生了高分辨率的时空 数 据 。 因 此 ， DSM 的 曲 流 结 构 产 生 了 为 期 六 个 月 的orthomosaics 。 所 有 正 构 面 和 DEM 均 以 5 cm 的 地 面 采 样 距 离（GSD）对于整个数据，RMSE的平均水平和垂直分别计算为10.3cm和6.6随着数据制作阶段的进展，绘制了岸线和沉积量的变化图并进行了量化。42019年1月，由于极端降雨造成的大洪水影响了曲流结构所选的塞米萨米岛Özcan和FüsunBalıkS，anlán工程科学与技术，国际期刊27（2022）1010163Fig. 1. 研究地点和BMR盆地的示范（白框表示土耳其表1每次无人机调查的飞行规范。航班数量研究地点日期图片数量UAVRMSE（pix）Flight 1曲流128.01.2018142P3p0.3曲流229.01.2018146P3p0.3曲折段329.01.2018261P3p0.3螺旋片2曲流103.06.2018143P3p0.3曲流204.06.2018146P3p0.3曲折段304.06.2018259P3p0.3刮板3曲流126.09.2018143P3p0.3曲流226.09.2018143P3p0.2曲折段326.09.2018259P3p0.2棱4曲流128.01.2019314P3p0.3曲流227.01.2019321P3p0.3曲折段327.01.2019405P3p0.3班机5曲流110.06.2019148MPP0.5曲流210.06.2019415MPP0.3曲折段310.06.2019309MPP0.36号航班曲流121.09.2019142P3p0.3曲流221.09.2019484MPP0.3曲折段321.09.2019315MPP0.3通过比较2018年1月（分别为曲流1 -3的图3在此，它被观察到，当河流水位上升，首先沉积物区域被淹没，然后按预期的方式搬运。3.2. 形态变化用DSAS方法可以检验地表土地利用/覆盖的时间变化。DSAS方法提供了在线性区域（如河流海岸线和冰川海岸）中使用时间和位置信息创建的剖面的塞米萨米岛Özcan和FüsunBalıkS，anlán工程科学与技术，国际期刊27（2022）1010164图二.（a）Pix4D软件中Meander 1点云上的GCP分布和航空图像位置的表示，（b）无人机勘测中使用的+形地标，以及（c）陆地上便携式GCP的示例。[39]第39段。在这项研究中，DSAS方法被用来计算在不同的时间间隔，通过形成横截线之间的基线和获得的岸线的变化。第一其中，曲流构造的岸线是通过数字化在正构面上确定的。在提取银行额度后，应用DSAS方法检查2018年1月至2019年1月DSAS方法的统计分析是通过确定第一个日期和最后一个日期之间的变化（净海岸线移动NSM）以及近岸线和远岸线之间的变化（海岸线变化包络线-SCE）[39]。2019年1月确定的岸线用于在距离陆地2米处构建参考线作为基线，以尽量减少植被对高度变化的影响。通过在岸线和基线之间每隔1 m绘制剖面图来计算岸线的变化。图4显示了每月提取的岸线、基准线（基线）和横断面，以确定2018年至2019年岸线变化的规模。由于可以通过2018年和2019年6月和9月无人机导出的正射镶嵌图的视觉解释来检查沿岸线的变化，因此通过获得岸线第一个日期和最后一个日期之间的平均变化（NSM）进行量化，这些岸线在1.8 m和1.8 m之间。3.5 m分别。此外，在河曲2和河曲1中观察到岸线（SCE）的最大和最小变化，分别为74.5 m和0.9 m此外，通过使用图5所示的岸线和弯曲度指数值（SI）生成河流中心线。尽管在所有其他开采中它们彼此非常接近，但由于洪水，2019年1月开采的中心线向陆地移动。曲流1、2和3的平均SI值分别计算为2.15、1.15和2.25。因此，Meander 2图三. 曲流结构的无人机调查属于（a-c）2018年1月和（d-f）2019年1月（洪水事件期间）。塞米萨米岛Özcan和FüsunBalıkS，anlán工程科学与技术，国际期刊27（2022）1010165图四、通过DSAS对每个曲流构造沿岸线变化检测的可视化演示DSAS生成的相应断面和（a）曲流1、（b）曲流2和（c）曲流3的岸线每个月从正镶嵌图中提取的岸线以不同的颜色显示图五、在（a）曲流1（b）曲流2（c）曲流3的正构面上用岸线生成的河流中心线表示根据Rosgen（1994）[40]的定义，其余的曲流被定义为蜿蜒。还观察到弯曲度指数与河床变形和破坏之间有直接关系。可以推断，弯曲度指数低的河床在输沙率低的情况下不易发生河岸破坏[41，42]。沉积物量的体积变化是从无人机获得的DSM中提取的。使用DoD方法的地貌变化检测（GCD）通过计算河床重复测量产生的DEM中的高程差来确定体积变化[43，44]。DoD方法在DSM差异中以像素为基础计算地形表面之间的体积变化，广泛用于监测和解释多时相DSMs的地貌和地形变化[44-46]。同样，可以通过使用DoD方法计算多时间DSM的差异来确定由于形态学过程引起的表面变化[32]。在这项研究中，沉积/侵蚀区域及其随时间的变化是通过DoD方法在2018年至2019年期间确定的。在DoD流程之后，创建了一个变化图，显示逐像素高度的变化。每个曲流结构共使用6个DSM来计算体积，并通过计算DoD变化图来量化感兴趣区域（ROI）内的地形变化。 图图6显示了Meander 1的DSM示例以及2018年1月至2018年6月期间使用每个Meander结构的DSM生成的DoD变化图2018年（图6）。在这项研究中，通过计算面积和体积差异来进行变化，以便在二维和三维中检查它们。GCD可以给出DEM分辨率引起的体积变化的精确度。由于过去没有平面测量，因此面积精度的解释取决于所获取的数据精度。4. 定量结果通过计算沉积物变化较高区域的沉积物预算，而不是通过目视判读确定的整个曲流结构，定量化曲流结构的形态变化显然，考虑体积变化的区域是勘测期间未淹没的变化区域，如图6中的C D和E所示，并且由于该方法在水覆盖区域中的局限性，所有淹没区域都不能用于仅使用摄影测量测量的计算。因此，从2018年1月的岸线到陆地的5米缓冲距离被创建，以提供参考线。选择岸线与基准线之间的区域作为变化区，并据此进行泥沙收支变化据此，计算了2018年和2019年1月、6月和9月之间的沉积/侵蚀泥沙 图 7显示了面积，塞米萨米岛Özcan和FüsunBalıkS，anlán工程科学与技术，国际期刊27（2022）1010166图六、（a-c）Meander 1的DoD分析示例，（d）2018年1月至6月Meander 2的ROI中的体积变化分析，（e）2018年1月至6月Meander 3的ROI中的体积变化分析，以及（f）Meander 1所有调查的提取ROI与银行线的演示正镶嵌图上的黑色虚线框显示了在曲流构造中进行分析的区域见图7。 相关河曲历时调查之间面积和体积值的累积变化。塞米萨米岛Özcan和FüsunBalıkS，anlán工程科学与技术，国际期刊27（2022）10101672018年至2019年期间ROI中时间沉积物变化的体积值。面积变化显示，2018年1 - 9月，这些地区的泥沙量有所增加此外，泥沙淤积量在9月份达到最高值。此外，Meander 3在2018年和2019年的沉积值最高。尽管2019年的泥沙淤积量接近2018年的数值，但这些数值并未超过2018年。2018年1月至6月，曲流1的空间变化最小，为71.4 m2，其次是曲流3，92.1 2019年1月至9月的m2。相反，最高的变化是在曲流3年与5557.9m2和11716.8m2之间的 1月和9月，分别。对比结果表明，洪水对泥沙面积的影响较大，洪水前后泥沙面积的空间变化最大。另一方面，据观察，在6月和9月的空间变化是相似的两年。分析是指沉积物值的增加和减少由于2019年1月水位上升，沉积物区域被淹没因此，上升值指的是侵蚀值，这是通过2019年1月进行的分析计算的2018年，体积变化显示，6月至9月的泥沙变化量高于1月至6月。在1月至9月的两个长期期间，体积变化的最高值计算为2018年曲流3的10825. 7 m3和2019年曲流3的39379. 9 m3最低的体积变化观察到在曲流1为两年，这些值计算为435.9立方米之间的1月和6月和723.1立方米之间的6月和9月，分别。体积变化的计算精度由GCD工具和沉积物变化的精度被确定为不超过± 15m3的研究地点。作为在两年监测期内进行的研究的结果，通过基于无人机的数据高精度地计算了曲流结构的形态变化4.1. 洪水引起的形态变化除了所述ROI中发生的时间变化外，还观察到一些河岸破坏（图8）。变化的面积和体积表示见图6和图8以及DoD和DSAS方法的结果。特别是，长度为11.2米，宽度为5.4米的破坏导致洪水淹没了Meander 2的农业区。洪水引起的破坏导致侵蚀，93.8河曲1和河曲2分别为161.6m2。洪水前后的变化分析表明，9月份河曲1侵蚀面的泥沙面积因洪水而消失了134%。洪水过后，侵蚀区得到重建，淤积面积在2019年 6月扩大了 387%在对1月至6月洪水造成的空间变化的历时研究中，发现2018年和2019年的空间值表2显示了2018年和2019年之间的相应变化。在体积测量中，升高是指表面高度的增加，降低是指表面高度的减少。沉降变化总量是指确定为上升和下降的全部变化。因此，由此产生的侵蚀和破坏用降低表示，沉积和表面增加用升高表示。除了总变化之外，降低和升高量的显示在以下方面也很重要：见图8。 在曲流1中的ROI（a-c）和曲流2中的ROI（d-f）之外，对洪水引起的河岸破坏进行多时间监测。塞米萨米岛Özcan和FüsunBalıkS，anlán工程科学与技术，国际期刊27（2022）1010168表2河曲1和河曲2中河岸破坏的定量变化2018年变更类型期间一月至六月六月至九月一月至九月曲流1（侵蚀面）面积（平方米）42.746.789.3曲流2（侵蚀面）18.534.853.3曲流1（侵蚀面）体积（m3）降低提高总降低提高总降低提高总14.915.330.235.56.542.089.930.9120.8曲流2（侵蚀面）0.345.245.50.126.927.06.859.766.52019年1月-6月6月-9月1月-9月曲流1（侵蚀面）面积（平方米）363.182.4445.5曲流2（侵蚀面）240.47.9248.3曲流1（侵蚀面）体积（m3）降低提高总降低提高总降低提高总413.0142.7555.743.16.349.4382.9278.3661.2曲流2（侵蚀面）542.682.3624.94.11.85.9494.175.8569.9了解沉积物的流动性。失效引起的降低将能够确定重建过程中所需的填充体积在此，2019年1月至9月之间变化最大的原因是由于侵蚀地区被淹没的沉积物积累减少。2019年1月至6月的体积值和视觉解释表明，侵蚀区域在2018年恢复了结构。5. 结果和讨论在这项研究中，沿曲流结构的形态变化进行了监测和映射在2年内考虑到洪水引起的影响，通过无人机为基础的方法，可以被视为一个快速和有效的映射解决方案。实地调查表明，在沉积物区（即）的扩张沉积），观察了从1月到9月的沉积过程中，在现有的沉积区。特别是在2019年 1月，随着水位下降，形成了新的沉积物区域，尽管2019年1月至2019年1月的洪水导致岸线突然变化，但2019年6月和9月的岸线已恢复至2018年的同等位置。对这两年的6月和9月的比较表明，在曲流2区的变化这可以解释为沉积过程是更有效的区域，在那里观察到河岸破坏。黄色区域表示岸线变化很小或没有变化，而红色和蓝色区域表示图6中上升和下降的体积。曲流1、曲流2和曲流3的表面高程变化测量如下：2018年分别为2.1米、1.2米和1.4米，而2.3 2019年为3.7米、3.4米。对比2018年和2019年同期，确定变化最大的是由于洪水事件，在弯曲2中有6.2 m。此外，由于淹没后水位的升高，曲流构造的中心线发生了变化，SI值降低。因此，即使SI值下降也表明盆地发生了洪水。在2019年洪水之后，SI值在2018年再次达到SI值。在浸水期间，虽然Meander 1和Meander 2发生故障，但未发生故障在Meander 3中，尽管它具有最高的SI值。因此，在本发明中，揭示了SI与泥沙量的关系。面积和体积沉积物变化的相关性进行了研究中使用的整个曲流结构。名义上，面积和体积值与SI的相关性分别为r面积 = 0.52和r体积 = 0.47可以说，曲流河结构显示出类似的变化，而在盆地没有洪水。尽管这些河曲位于同一流域，但已观察到这些河曲的影响在洪水条件下有所不同。除非人为改变盆地，否则随着水位的下降和水流的减弱，曲流构造中会出现此外，洪水造成河曲结构的侵蚀和破坏，农业地区受到负面影响。洪水过后，人们观察到，洪水引起的故障恢复自然泥沙输运和人工填充操作。6. 结论无人机能够提供多时相、高空间分辨率的正射曲面和DEM，计算河流的形态变化，非常适合于河流形态监测无人机可以提供河流流域的高分辨率地形数据，这些数据由于自然表面结构和自然灾害而难以或不可能获得。因此，无人机将是需要监测和控制的工作的一部分，特别是在绘制自然灾害时。由于洪水灾害发生的频率较低，且不是连续性的自然事件，因此很难进行损失评估。在这项研究中，历时数据集是从定期进行的无人机飞行中获得的，这些飞行对比二零一八年及二零一九年同期，面积及体积变化值具有相似的周期性变化。在这项研究中，BMR盆地的平均结构的周期性变化进行了调查。研究了非洪水年和洪水年的变化。可以说，洪水的影响是不同的，在每个曲流结构和类似的表面变化，可以看到在非洪水过程。研究表明，无人机可以作为一种可靠、快速的测量手段，用于调查流域的形态变化，通过监测和采取预防措施，可以最大限度地减少损失和故障。竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。塞米萨米岛Özcan和FüsunBalıkS，anlán工程科学与技术，国际期刊27（2022）1010169致谢这项工作得到了耶尔德兹技术大学科学研究项目（YTU-BAP）[授权号FDK-2019- 3552];伊斯坦布尔技术大学科学研究项目（ITU-BAP）[授权号MGA-2017-40767]的支持。引用[1] E. Dimitriou，E. Stavroulaki，在地中海环境中使用无人驾驶飞行器评估河流形态 和 栖 息 地 制 度 ， 纯 应 用 地 球 物 理 学 。 175 （ 9 ） （ 2018 ） 3247-https://doi.org/10.1007/s00024-[2] B.O.王玉君，徐玉君，美国路易斯安那州两条冲积河流汇流坝形态和迁移的年代际和阶 段 性 变 化 ， J.Am. 水 资 源 Assoc.56 （ 4 ） （ 2020 ） 615https://doi.org/10.1111/jawr。v56.410.1111/1752-1688.12838。[3] S.Kabdaslán，Karasusahilierozyonproblemininincelenmesi：öndegerlendirmeraporu ， I_.T.Ü.I_nsaat Fakültesi ， Su ve Deniz Bilimleri veTeknolojisi Uygulama veAras，tırmaMerkezi，2010.[4] S.S. 阿卡伊岛Ozcan，F.B. S、Anlapa、T. 格吕姆S，en，B.Bayram，S.P.奥尔德里奇，基于无人机的曲流河极端降雨事件引起的形态变化评估，PLoS ONE 15（11）（2020）e0241293，https://doi.org/10.1371/journal.pone.0241293。[5] C. Raymond，R. M.Horton，J.Zscheischler，O.Martius，A.AghaKouchak，J.鲍尔奇，S.G. 鲍恩，S.J.Camargo，J. Hess，K. Kornhuber，M.奥本海默Ruane，T.Wahl，K.怀 特 ， 理 解 和 管 理 连 接 的 极 端 事 件 ， 自 然 。 张 。 10 （ 7 ） （ 2020 ） 611-https://doi.org/10.1038/s41558-020-[6] M. Mirza ， Mainstreaming Climate Change for Extreme Weather EventsManagement of Disasters：An Engineering Challenge，2006 IEEE EIC ClimateChangeConference ， Ottawa ， ON ， Canada ， 1-10 ， （ 2006 ） ，https://doi.org/10.1109/ EICCCC.2006.277255.[7] M. Abdelkader，M.沙库拉角G. Claudel和W. Gueaieb，一种基于无人机的系统，用于在沙漠环境中使用拉格朗日微传感器进行实时山洪监测，2013年无人机系统国际会议 （ ICUAS ） ， 亚 特 兰 大 ， GA ， 2013 年 ， pp.25-34 ， https://doi.org/10.1109/ICUAS.2013.6564670。[8] Q. Tang ， O. S. Schilling ， W. Kurtz ， P. Brunner ， H. Vereecken ， H. J.Hendricks Franssen，使用无人驾驶飞行器模拟洪水引起的河床瞬变，基于物理的水文建模和集合卡尔曼滤波器，水资源研究，54，（2018），9342-9363，https：//doi。org/10.1029/2018WR023067。[9] S. Jana，印度Subarnarekha河洪水易发中下游河岸移动估计和预测的自动化方法，国际河流流域管理杂志，（2019），https：//doi。沪ICP备15015550号-1[10] G. 索菲亚，E. I.Nikolopoulos，洪水和河流：循环因果关系的观点，科学。10（2020）5175，https://doi.org/10.1038/s41598-020-61533-x。[11] N. Mohamad ， M.F.A. 卡 南 ， 洛 杉 矶 W.H.W. 科 尔 曼 Kadir ， A.Ahmad ，M.Z.A.Rahman，M.H.Jamal，M.新墨西哥州扎比迪Suaib，R.M.Zain，使用极高分辨率卫星图像进行河流形态变化和侵蚀检测的时空分析，IOP会议系列：地球与环境，科学169（2018），https://doi.org/10.1088/1755-1315/169/1/012020012020.[12] E. Karamuz，R.J. Romanowicz，J. Doroszkiewicz，无人驾驶航空器在洪水灾害评估中的使用，J.洪水风险管理13（4）（2020），https://doi.org/10.1111/jfr3.v13.410.1111/jfr3.12622。[13] K. 出现阿多，P. -N. Jayson-Quashigah，S.N.A.Codjoe，F.Martey，无人机作为Volta三角洲沿海洪水监测的工具，加纳，Geoenviron，灾害5（1）（2018），https://doi.org/10.1186/s40677-018-0108-2。[14] A. Annis，F. Nardi，A.彼得罗塞利角Apollonio，E. Arcangeletti，F.陶罗角贝利河Bianconi，S. Grimaldi，UAV-DEM用于小规模洪水灾害测绘，Water 12（2020）1717，https://doi.org/10.3390/w12061717。[15] 罗德里格斯河M.T.马乔塔Hendry，M.鲁斯泰角格雷佩尔河Skirrow，无人机用于监测，调查和具有多种失效机制的岩石边坡的缓解设计-案例研究，滑坡17（9）（2020）2027https://doi.org/10.1007/s10346-020-01416-4[16] N. Ngadiman，N.M.Kasan，F.H.Hamzan，S.F.S.Zakaria，使用无人驾驶航空器（ UAV ） 监 测 河 岸 边 坡 应 用 研 究 创 新 2 （ 1 ） （ 2021 ） 13-24.https://doi.org/10.30880/mari.2021.02.01.002网站。[17] S.S.阿卡伊岛Ozcan，O.L.森，在蜿蜒的河流与无人驾驶航空器为基础的测量建模morphodynamic 过 程 ， J. 应 用 遥 感 13 （ 04 ） （ 2019 ） 1 ，https://doi.org/10.1117/1。JRS.13.044523。[18] B.U. Meinen，D.T.罗宾逊，河岸地形：基于无人机和传统3D重建的准确性评估Streambank topography：an accuracy assessment of UAV based and traditional3D reconstructions，Int. J. Rem. Sen. 41（1）（2020）1https://doi.org/10.1080/[19] S. Hemmelder，W. Marra，H. Markies，S.M. De Jong，使用无人机图像监测河流形态河岸侵蚀BueCh ， Hautes-Alpes ， France ， Int. J. Appl. Earth Obs. Geoinf.73 （ 2018 ）428https://doi.org/10.1016/j.jag.2018.07.016[20] G. Duró，A. M.G.克罗萨托Kleinhans，W. S. J. Uijttewaal，沿中型直河段复杂岸线 用 UAV-SfM 测 量 的 河 岸 侵 蚀 过 程 ， 地 球 冲 浪 。 Dyn 6 （ 4 ） （ 2018 ） 933-https://doi.org/10.5194/[21] A. Santo，N.圣安杰洛湾Forte，M. De Falco，Post flush survey：the 14thand 15th October 2015 event in the Paupisi-Solopaca area （ SouthernItaly），J.Maps13（2）（2017）19https://doi.org/10.1080/17445647.2016.1249034.[22] S. Cucchiaro，M.Cavalli，D.Vericat，S.克雷马湾Llena，A.贝纳特湖Marchi，F.Cazorzi，通过4D结构运动摄影测量监测地形变化：应用于碎屑流通道，环境。地球科学。77（18）（2018），https://doi.org/10.1007/s12665-018-7817-4。[23] C. Gomez，H. Purdie，基于无人机的摄影测量和地理计算用于灾害和灾害风险监测https://doi.org/10.1186/s40677-016-0060-y[24] A. Izumida，S. Uchiyama，T. Sugai，UAV-SfM摄影测量和航空激光雷达在分散洪水中的应用：日本中部Kinu河新形成的裂缝的重复地形测量，国家灾害地球系统科学。17（2017）1505-https://doi.org/10.5194/nhess-[25] X.李湾，澳-地Xiong，Z. Yuan，K.他，X。Liu，Z. Liu，Z.沈，评估使用小型无人机（UAV）和运动结构（SfM）的无控制图像的潜力摄影测量到测量古地震偏移，国际遥感杂志42（7）（2021）2417https://doi.org/[26] M. Rivas Casado，T. Irvine，S.约翰逊，M。Palma，P. Leinster，《使用无人驾驶飞行器估计洪水事件对住宅财产的直接有形损失：德斯蒙德风暴后科克茅斯的案例研究》，遥感，10，2018，1548，https://doi.org/10.3390/ rs10101548.[27] J. Suh， Y. Choi ， Mapping hazardous mining induced sinkhole resonanceusing unmanned aerospace vehicle（drone）photogrammetry，Environ.地球科学。76（2017）144，https://doi.org/10.1007/s12665-017-6458-3。[28] O. 厄 兹詹 岛Özcan ， 基于 多时 相无 人 机对 洪水 敏感 河 流的 重复 监测 ， J. Maps（2020），https://doi.org/10.1080/17445647.2020.1820387。[29] N. Pineux，J. Lisein， G. Swavern，C.L. Bielders，P. Lejeune，G. Colinet， A.Degré ， 无 人 机 产 生 的 DEM 时 间 序 列 能 否 用 于 量 化 农 业 流 域 的 扩 散 侵 蚀 ？ ，Geomorphology 280（2016）122https://doi.org/[30] R. Eker，A.艾登，J. Hübl，基于无人机（UAV）的滑坡监测：Gallenzerkogel滑坡（ Ybbs-下奥 地利 州） 案例研 究， 环境 。 Monit. 评估 。190 （2018 ） 28 ，https://doi.org/10.1007/s10661-017-6402-8。[31] A. Eltner，P. Baumgart，H.- G. Maas，D.浮士德，多时相无人机数据自动测量细沟 和 细 沟 间 侵 蚀 黄 土 土 壤 ， 地 球 冲 浪 。 过 程 Landforms 40 （ 6 ） （ 2015 ）741https://doi.org/10.1002/esp.3673[32] F. 诺伊吉格湾Stark，A.Kaiser，M.Vlacilova