摄影测量方法自出现至今已经有200多年的历史, 在经历了模拟摄影测量和解析摄影测量的发展阶段后, 如今已经进入了数字摄影测量阶段(张祖勋等, 2012)。数字摄影测量以数字影像为基础, 利用计算机加专业的数字摄影测量系统去取代传统的模拟测图仪和解析测图仪, 由计算机视觉代替人眼立体量测与识别的过程, 完成影像几何与物理信息的自动提取。它的基本原理如图1a所示, 通过在不同的摄站上对同一目标拍摄2张像片, 形成立体像对, 构建立体模型, 测量时根据摄影过程的几何反转理论, 由2张像片上同名像点的像点坐标求出它们所对应的物方点的三维空间坐标(Matthews, 2008; Fraser et al., 2009; 张剑清等, 2009)。

图1

Fig. 1

	Figure Option ViewDownloadNew Window
	图1 摄影测量方法的基本原理(a)与工作流程(b)Fig. 1 Basic principle(a)and workflow(b)of the photogrammetry method.

整个数字航空摄影测量的具体作业流程如图1b所示, 主要包括外业测量和数据准备、 内业测量2部分。外业测量主要是获取一定数量的地面控制点坐标, 用于内业中解算定向元素, 数据收集主要包括通过摄影机检校获取像片的内方位元素, 确定摄影机的镜头中心相对于像片的位置关系, 对非数字影像进行影像数字化等。内业测量主要是基于数字摄影测量系统进行影像立体建模与量测, 获取目标点的三维空间坐标。具体而言, 首先需要通过内定向建立扫描坐标系与像片坐标系之间的变换关系, 并通过摄影机检校获取像片的内方位元素, 从而确定摄影机的镜头中心相对于像片的位置关系。然后基于特征提取算法提取影像中的特征点, 通过二维相关在2幅影像上寻找同名点, 并基于获取的同名点计算相对定向参数, 确定左右像片间的相对位置关系。其次是利用一定数量物方空间坐标已知的地面控制点, 计算绝对定向参数, 建立影像空间辅助坐标系与实际物方空间坐标系之间的变换关系。接下来对影像进行核线重采样, 生成核线影像, 并在核线影像上寻找同名点, 进行密集影像匹配, 并基于密集匹配的结果和前面解算出的定向元素计算同名点的地面空间坐标。最后基于获取的地面点坐标通过内插生成DEM、 制作正射影像等。近年来, 随着计算机技术的飞速发展, 数字摄影测量系统也得到了迅速发展, 目前很多软件都集成了数字摄影测量模块, 如Erdas Imagine软件的LPS模块、 ENVI软件的DEM Extraction模块、 PCI Geomatica的OrthoEngine模块, 以及中国自主研发的ViriuZo和JX4数字摄影测量系统等。

近年来, 随着计算机视觉理论及高效的自动特征匹配算法的发展, 一种名为 “ Structure from Motion” (SfM)的三维重建技术被引进到摄影测量方法中, 极大地提高了摄影测量的自动化程度, 促进了摄影测量方法的进一步发展(Snavely et al., 2008; Westoby et al., 2012; Fonstad et al., 2013)。SfM方法最早起源于计算机视觉领域, 它是指通过运动着的相机获取的多视图像集, 估计出相机的位姿(Motion)并重建场景结构(Structure)的过程(Ullman, 1979)。在传统的摄影测量方法中, 通常是利用2幅影像来构建立体模型, 且为了解求地面点的三维空间坐标, 通常要求相机的位置与姿态是已知的, 或者需要大量物方空间坐标已知的地面控制点去解求相机的方位与姿态。而SfM方法通过利用高效的特征匹配算法, 从多幅(至少3幅)影像中提取同名特征, 这些特征从一幅图像跟踪到另一幅图像(图2a), 初步恢复摄影时相机的相对位置关系, 并采用非线性最小二乘算法不断优化, 最终自动求解出相机的位置和姿态以及目标物的三维空间坐标(Baltsavias et al., 2001; Harwin et al., 2012; Mancini et al., 2013; Javernick et al., 2014; Lucieer et al., 2014b)。由于SfM方法构建的立体模型缺乏尺度和方位信息, 因此生成的点云数据只具有图像空间坐标。为了对获取的点云数据进行绝对校正, 将其从图形空间坐标系转换到现实世界空间坐标系, 只需要基于少量的地面控制点通过空间相似变换即可实现, 从而大大降低了对地面控制数据的依赖, 减少了野外测量的工作量。此外, 相比于传统的摄影测量方法, SfM方法在数据的获取上更加灵活自由, 它仅需要目标物体不同角度拍摄的照片就可以快速获取高精度的地形地貌数据, 对相机拍摄位置、 图像尺度及拍摄距离没有严格要求, 因此基于简单的飞行平台(如无人机、 氦气球等), 甚至是在地面利用手持相机拍摄的方式采集多张具有较高重叠度的照片就可以获取高质量的三维地形数据(James et al., 2012; Micheletti et al., 2015; 魏占玉等, 2015)。不少研究表明, 在植被稀少的区域, SfM方法获取的地形数据的分辨率和精度与LiDAR数据相当, 但是其测量成本却大大降低(Westoby et al., 2012; Johnson et al., 2014; Bi et al., 2017)。

图2

Fig. 2

	Figure Option ViewDownloadNew Window
	图2 SfM方法的基本原理(a)与工作流程(b)Fig. 2 Basic principle(a)and workflow(b)of the SfM method.

图2b展示的基于SfM方法获取地形数据的整个技术流程, 主要包括野外数据采集和内业数据处理。首先是野外数据采集部分, 为了最终获取点云的绝对空间位置, 首先需要在区域内布设少量的(≥ 3个)地面控制点, 控制点的布设要求均匀分布在整个区域内, 如在测区内不易找到天然的控制点, 可以自制标靶, 在拍摄之前均匀放置于目标区域内, 然后利用全站仪、 差分GPS等测量仪器获取控制点的绝对空间坐标。其次, 根据区域整体的地形地貌特征, 设置合理的飞行参数, 以无人机为例, 主要包括无人机飞行高度、 影像重叠度和飞行航线等。设置好飞行参数后, 基于无人机对区域拍摄一系列具有较高重叠度的影像数据。同时也可以在地面利用手持相机拍摄的方式, 通过选取不同的拍摄位置和拍摄角度, 获取局部范围内的影像数据。在获取了一系列具有较高重叠度的影像数据后, 即可基于SfM算法对获取的影像数据进行后期处理。目前有很多开源或者商业软件都集成了SfM算法, 如PhotoScan、 PhotoModeler和Pix4D等。处理的过程主要分为以下几步, 首先是在不同的影像间进行同名特征匹配和跟踪, 然后基于获取的同名特征, 恢复摄影时相机的相对位置和姿态, 其次基于影像间的同名特征及恢复了摄影时相对位置的相机, 重构场景的三维景观, 生成密集点云数据, 接下来利用野外测量获取的控制点的坐标进行绝对校正, 将点云的三维坐标从图像空间坐标系变换为现实世界空间坐标系, 最后通过插值等获取DEM、 DOM等地形地貌数据。

活动构造的定量研究需要获取一系列表征活动构造活动特征的定量参数, 如断裂长度、 同震位移、 滑动速率等。早期获取这些定量参数主要通过野外实地考察和测量, 如断裂位移的获取主要通过在实地判断断错地貌体的位置, 然后利用皮尺进行测量, 后来随着测量仪器的发展, 全站仪和差分GPS也得到了广泛应用, 但实地测量往往会因为个人观测角度的局限而出现错误(陈桂华等, 2006)。摄影测量方法能够快速获取整个断裂区内高精度、 高分辨率的地形地貌数据, 为准确、 快速、 高效地获取这些定量参数提供了1条有效的途径。

早在1999年, Lasserre等(1999)就利用航模飞机搭载普通相机获取了海原断裂带西段毛毛山地区的航空影像, 生成了分辨率为1m的高精度DEM数据, 在2个断错地貌点处量测出河流阶地的累计位移分别为115~135m与70~90m(图3), 然后结合阶地面¹⁴C测年的结果, 估算得到海原断裂在该段的滑动速率为(12± 4)mm/a, 此外还量测出了区域内规模最小的冲沟的左旋位移量为8~16m, 初步判定为最新一次地震的同震位移。这是摄影测量方法在活动构造定量研究中1个早期的应用案例, 也为该方法在活动构造定量研究中的广泛应用奠定了基础。近年来, SfM摄影测量方法由于获取数据方便、 成本低、 精度高等优势, 也开始被逐渐应用于获取活动构造研究相关的定量参数。Johnson等(2014)分别利用氦气球和滑翔机获取了圣安德烈亚斯断裂华盛顿街区的影像数据, 基于SfM方法生成了分辨率为0.3m的DEM数据, 量测出被断错洪积扇面的最大左旋位移为20~25m, 并通过垂直断层走向的地形剖面线量测出垂直位移约为0.8m。相比于该区域已有的B4计划获取的LiDAR数据, 利用SfM方法获取的DEM数据分辨率更高, 一系列在LiDAR数据上无法辨别的小型冲沟在SfM方法获取的地形数据上都能准确地识别出来; 位移量为2.4~3.3m, 经分析判定为最近一次地震的同震位移, 充分展示了SfM摄影测量方法在获取高分辨率、 高精度地形地貌数据方面的巨大潜力。同样地, Angster等(2016)利用小型无人机获取了美国内华达州金字塔湖断裂区内7个断错地貌点内的影像数据, 基于SfM方法生成了分辨率为3~9cm的DEM数据, 解译出了以前未被识别出的微小的断错地貌特征, 最终在7个点获取的位移量为8~21m, 并结合前人获取的年代信息对该断裂的滑动速率重新进行了修正。此外, Middleton等(2016)也基于Pleiades卫星立体像对, 生成了1m分辨率的DEM, 然后利用获取的高精度DEM并结合野外实地考察, 对贺兰山东麓1739年银川地震的地表破裂带进行了详细的填图, 获取了地表破裂带的长度及沿整个断裂带的垂直位移分布, 最后基于获取的这些定量信息, 并结合地震震级与破裂带长度和位移量之间的经验关系, 对1739年银川地震的震级重新进行了评估。

图3

Fig. 3

	Figure Option ViewDownloadNew Window
	图3 基于摄影测量方法获得的海原断裂毛毛山段断错地貌特征(Lasserre et al., 1999) a 沿海原断裂毛毛山段拍摄的航空照片及其空间分布, 蓝色方框表示图b的位置; b 基于摄影测量方法获取的地形地貌数据; c 与图b对应的构造地貌解译图Fig. 3 Faulted landforms of the Maomao Shan segment of the Haiyuan Fault acquired based on the photogrammetry method(after Lasserre et al., 1999).

获取地震同震变形能够为研究地震发生机制、 变形机制提供重要的基础数据(Hudnut et al., 2002)。目前常用的方法是利用震前和震后的影像匹配来获取地震同震变形, 但基于二维影像只能获取水平方向的变形场, 不能获得垂直方向的变形场(Zhou et al., 2015)。2012年, Oskin等(2012)通过利用震前与震后LiDAR数据相减, 首次获得了基于实际测量的垂直方向的变形场, 为同震变形研究提供了新的思路。但LiDAR技术测量成本较高, 且后期的数据处理较为复杂, 一定程度上限制了该方法的广泛应用。近年来, 随着遥感技术的飞速发展, 新一代高分辨率遥感卫星逐步诞生, 如WordView-1/2(0.46m 全色)、 WordView-3(0.31m 全色)、 GeoEye-1(0.41m 全色)及Pleiades 1A/1B(0.7m 全色)等。它们具有重返周期短、 立体观测的特点, 因此为快速获取大范围内高精度、 高分辨率的三维地形数据提供了可能, 也为获取地震同震变形场提供了新的技术手段。

2015年, Zhou等(2015)利用法国Pleiades卫星立体影像对, 基于摄影测量方法生成了1m分辨率的高精度DEM数据, 然后与震前LiDAR获取的DEM数据相减, 获取了2010年El, Mayor-Cucapah地震的同震变形场(图4)。此外, 他们还以震后获取的LiDAR DEM数据为基准, 对基于Pleiades卫星影像生成的DEM数据进行了精度评估, 结果显示Pleiades DEM数据的垂直精度约为0.3m, 充分证明了摄影测量方法在获取高精度地形数据方面的有效性和可靠性。此外, 相比于前人直接将震前震后的地形数据相减来获取垂直变形场, Zhou等(2015)首先利用二维影像相关获取水平方向的变形场, 然后对震后的地形数据进行水平方向的校正, 再与震前的地形数据相减, 这样获取的垂直变形场更加精确可靠。从图4e, f可以看出, 当校正了水平方向的变形后, 获取的垂直形变量与地形坡度角没有明显的相关性, 从地形剖面线上能获取约1.5m的垂直变形, 而在未校正的地形剖面线上无法准确地获取垂直形变量(图4d), 从而充分证明在获取垂直变形场时, 必须先校正水平方向的变形。随后, Zhou等(2016)又对1978年7.3级Tabas-e-Golshan地震的同震变形进行了研究, 基于6张1956年拍摄的航片, 及2013年获取的SPOT-6立体卫星影像, 分别获取了震前和震后的DEM数据, 通过两者相减获取了约4.7m的垂直变形量, 进一步展示了摄影测量方法在定量获取地震同震变形方面的巨大潜力。

图4

Fig. 4

	Figure Option ViewDownloadNew Window
	图4 基于摄影测量方法获取的2010年 El Mayor-Cucapah地震同震变形(Zhou et al., 2015) a EW方向的水平变形场; b SN方向的水平变形场; c 校正了水平变形后获取的垂直变形场; d 未校正水平变形时的地形剖面线Y-Y'; e 校正了水平变形后的地形剖面线Y-Y'; f 沿地形剖面线Y-Y'坡度角的变化Fig. 4 Coseismic deformation of the 2010 El Mayor-Cucapah earthquake acquired based on the photogrammetry method(after Zhou et al., 2015).

探槽技术是古地震研究的主要手段。如何有效地获取探槽信息, 对探槽剖面所揭露的现象进行详细的记录是利用探槽技术进行古地震研究最重要的环节(冉勇康等, 1999)。早期的研究中主要依靠人工记录的方法, 通过利用传统的地质素描技术来记录探槽剖面上所包含的古地震信息。该方法由于是纯人工操作, 工作量较大, 费时费力。21世纪初, 摄影技术被引入到古地震探槽信息的获取中, 通过挂线将探槽剖面划分成一个个小的格网单元, 然后利用数码相机对每个格网单元分别进行拍照, 后期在室内运用图像处理软件对拍摄的单幅影像进行校正和拼接, 最终获得1幅完整的探槽影像。该方法虽然在一定程度上减少了工作量, 避免了少量的人为误判, 但是在后期处理过程中需要人工对照片进行拼接匀色, 很容易造成影像的扭曲变形, 而且很难保证整幅影像色调的均一(郑文俊等, 2015)。

近年来, 随着摄影测量技术的飞速发展, 基于SfM方法的摄影测量技术逐渐被引入到探槽信息的获取中, 为古地震研究提供了获取探槽信息的新方法和新途径(Bemis et al., 2014; Reitman et al., 2015)。通过对探槽剖面拍摄一系列具有较高重叠度的照片, 然后基于SfM摄影测量方法的原理, 对探槽影像进行拼接, 获取探槽的正射影像, 甚至可以对探槽进行三维立体建模。在拍摄的过程中, 要保证拍摄时整个探槽剖面的光照条件均一, 在条件允许的情况下尽可能拍摄较多的照片, 每2张照片之间的重叠度不低于60%。同时, 每张照片的拍摄角度应尽量垂直于探槽剖面, 为了减小系统误差, 可以适当增加少量倾斜拍摄的照片。此外, 还可以站在距离探槽不同的位置进行拍照, 这样能够保证对探槽信息获取得更加全面。为了减小误差, 还可以在探槽剖面上布设一定数量的控制点, 然后利用差分GPS或全站仪测量控制点的坐标。利用这些控制点坐标能够将生成的探槽影像校正到绝对坐标系中, 并能在一定程度上减小影像内部的结构变形, 使之更加接近真实的探槽剖面。图5展示的是我们在河北蔚县基于SfM摄影测量方法获取的蔚广盆地南缘断裂的古地震探槽剖面图。相比于传统的地质素描技术, 该方法大大减少了野外工作量, 提高了现场作业效率, 同时也减少了人为理解造成的偏差, 并且可以基于获取的探槽影像重复多次地讨论和解释探槽信息, 避免了探槽回填和坍塌而无法复原的问题。

图5

Fig. 5

	Figure Option ViewDownloadNew Window
	图5 基于SfM摄影测量方法获取的蔚广盆地南缘断裂古地震探槽剖面图 a 现场拍摄的每张照片的空间位置; b 探槽剖面的正射影像Fig. 5 Photomosaics of the trench on the south margin fault of the Yuxian-Guangling Basin acquired based on the SfM photogrammetry method.

阿尔金断裂是控制青藏高原北部边界的1条巨型走滑断裂, 其走滑量和走滑速率一直是地学界所关注的热点(Peltzer et al., 1989; Tapponnier et al., 1990; Ritts et al., 2004; Zhang et al., 2007; Zheng et al., 2013a)。前人对该断裂的研究目前主要集中在其西段和中段, 对阿尔金断裂的东段尾部仍然缺乏详细的研究工作。因此, 我们选择了阿尔金断裂东端部, 距离疏勒河口以东约22km处的1个典型的断错地貌点作为实验区域(图6)。该区域整体表现为南高北低的地形, 断层近EW向横切SN向的河流而过。区域内发育了多级河流阶地及多条冲沟, 由于受断层的影响, 形成了不同级别的阶地位错和冲沟位错, 同时形成了局部的垂直位移。

图6

Fig. 6

	Figure Option ViewDownloadNew Window
	图6 阿尔金断裂东段地区的构造地貌图 断层资料来源于邓起东等, 2002; 闵伟, 2002; 袁道阳等, 2004; Zheng et al., 2013bFig. 6 Tectonic map of the eastern Altyn Tagh fault zone.

图7

Fig. 7

	Figure Option ViewDownloadNew Window
	图7 无人机数据采集系统及野外控制点的布设与测量 a Motoarsky MS670无人机; b 利用无人机进行影像数据采集; c 作为地面控制点的自制人工标靶; d 利用RTK(型号为Trimble R8)进行地面控制点测量Fig. 7 UAV data acquisition system and the layout and measurement of the field control point.

我们采用的飞行平台是1架四旋翼的小型无人机, 型号为Motoarsky MS670(图7a)。该无人机的直径大小为67cm, 最大载重为5kg, 续航时间约45min。上面搭载着GPS测量系统和惯性导航系统, 用于无人机在飞行过程中的定位和导航, 且设置有专门的相机搭载平台, 搭载的相机型号为SONY ILCE-QX1, 相机焦距为16mm。数据采集的时间为2016年11月13日上午9-11时左右(图7b), 整个实验区域的光照条件均一, 飞机飞行高度设置为60m, 影像的航向重叠度和旁向重叠度均设置为60%, 共采集照片698张, 覆盖的区域范围约300m× 300m。为了对最终生成的点云数据进行绝对校正, 将其从图形空间坐标系转换到现实世界空间坐标系, 还需要在采集影像数据前, 在目标区域内均匀布设一定数量的地面控制点。由于实验区域内无明显的特征地面点, 因此自制了10个人工标靶(标靶的尺寸为30cm× 30cm), 在飞机飞行之前均匀放置在整个实验区域内作为地面控制点(图7c)。当利用无人机获取完影像数据后, 使用RTK(型号为Trimble R8)精确测量了每个地面控制点的三维空间坐标(图7d)。

在获取了一系列具有较高重叠度的影像数据后, 即可基于SfM方法对获取的影像进行后期处理。目前有很多开源或商业软件都集成了SfM方法, 我们选用的是Photoscan软件, 处理的过程主要分为以下几步:

(1)检查获取的照片质量, 剔除模糊的、 色彩异常的照片, 以免影响最终数据处理的精度, 然后导入影像数据, 若无人机同时有记录每张照片位置和姿态的POS数据, 也可以同步导入进来, 会加快后续数据处理的速度;

(2)基于高效的特征匹配算法, 在不同的影像间进行同名特征匹配和跟踪, 并基于获取的同名特征, 恢复摄影时相机的相对位置和姿态, 生成稀疏的点云数据;

(3)基于多视角立体密集匹配算法及在步骤(2)中解算出的相机位置和姿态, 重构整个场景的三维景观, 生成密集的点云数据;

(4)利用野外测量获取的地面控制点的坐标进行绝对校正, 将点云的三维坐标从图像空间坐标系转换为现实世界空间坐标系, 从而获取具有真实空间坐标的密集点云数据;

(5)基于生成的密集点云数据, 通过插值获取DEM、 DOM等地形地貌数据。

基于前期的野外数据采集和后期室内的数据处理, 我们获取了研究区域内高密度的点云数据, 点云的平均空间密度为376 个/m², 然后通过插值生成了分辨率为5cm的DEM数据(图8a), 并获取了区域的正射影像(图8b)。可以看出, 由于生成的DEM数据分辨率较高, 断层的几何形态及断层附近一些微小的地貌特征都清晰可见。为了显示得更加清楚, 我们选取了2个局部区域内的数据进行放大(图8c, e), 并结合野外实地考察的结果, 对2个区域内的构造地貌进行了详细的解译(图8d, f)。从图8c, d可以看出, 在左侧河流阶地上共发育了4条冲沟(a, b, c和d), 都被同步左旋水平断错。由于4条冲沟在同一阶地面上形成, 且规模大小和切割程度都很相近, 因此初步判定为同一时期形成和发育。基于生成的高分辨率DEM数据对4条冲沟的左旋位移量进行了精细的测量, 由于右边3条冲沟(a, b和c)形态保留得比较完全, 沟边无明显的侵蚀破坏, 对这3条冲沟不同的沟边进行了详细的测量, 断错位移基本都在6~7m左右, 最左边的1条冲沟(d)由于沟边侵蚀相对较为严重, 因此对该条冲沟的沟底进行了测量, 位移值也同样在7m左右, 这也进一步证明了4条冲沟为同一时期发育和形成。从图8e, f可以看出, 在河流的右岸共发育了T₁-T₅ 5级阶地, 且都保留了较为完整的阶地形态, 在现场调查时可以清楚地看见。由于受断层的影响, T₂-T₅阶地都同步发生了左旋位错。由于T₅阶地形成时间最早, 累计的位移量最大, 约为(22± 2.1)m, 从T₅到T₂阶地累计的位移量依次减小, T₂阶地的位移量仅为(2.6± 0.5)m。T₁阶地由于形成时间较晚, 未发现明显的断错现象。基于获取的这些不同地貌面的位移数据, 再结合相应地貌面的年代信息, 就可以进一步计算得到阿尔金断裂在该段的水平滑动速率。

图8

Fig. 8

	Figure Option ViewDownloadNew Window
	图8 基于SfM摄影测量方法获取的阿尔金断裂东端的水平断错位移 a 实验区域的DEM数据(蓝色方框表示图c和图e的范围, 红色三角形标明了断层的位置); b 实验区域的正射影像; c 图a中左边方框范围内的DEM数据(蓝色实线表示图8中地形剖面的位置); d 图c所对应的构造地貌解译图(不同颜色的实线表示冲沟位错标志线的位置); e 图a中右边方框范围内的DEM数据; f 图e所对应的冲沟阶地 地貌解译图(不同颜色虚线表示阶地边缘)Fig. 8 Horizontal displacement of the east end of Altyn Tagh Fault acquired based on the SfM photogrammetry method.

通过以上应用实例可以看出, 基于SfM方法的摄影测量技术能够获取断裂区高分辨率的地形地貌数据, 对断裂的几何形态及断层附近微小的断错地貌特征进行高清晰度的三维再现。基于这些高精度、 高分辨率的地形地貌数据, 我们能够对断层的构造地貌进行精细的解译和分析, 并能精确测定被断错地貌体的位移量, 从而更好地确定断层的滑动速率, 降低测量的不确定性。由于SfM摄影测量方法获取的地形数据分辨率较高, 通常能达到亚m级, 从而极大地提高了被断错地貌体的识别度以及位移测量的准确性, 一些微小的错断地貌特征在普通地形数据上无法辨别, 而在SfM方法获取的地形数据上却能够充分地展现出来。例如在图8f中, T₂和T₃ 2级阶地虽然现场能看到有左旋位错现象, 但由于地形高差不明显, 很难在低分辨率的影像上识别出其左旋位移, 而我们基于SfM摄影测量方法获得的cm级高分辨率DEM, 可以很明显地识别出这2级阶地的位错。此外, 在图8c的位置, 现场调查可见有地表变形, 也就是有垂直位移发生, 但由于垂直位移量很小, 利用普通的测量方法很难准确地获取垂直位移的值, 而通过在获得的高精度DEM数据上垂直于断层取3条地形剖面线, 可获得该处有约0.4m左右的垂直位错(图9)。这些都是在前人研究中所未曾观察到或通过普通测量手段很难获得的现象, 从而充分展示了SfM摄影测量方法用于活动断裂精细微地貌研究方面的巨大潜力。

图9

Fig. 9

	Figure Option ViewDownloadNew Window
	图9 基于SfM摄影测量方法获取的阿尔金断裂东段的垂直断错位移Fig. 9 Vertical displacement of the east end of Altyn Tagh Fault acquired based on the SfM photogrammetry method.