本文摘要：摘要：激光雷達(dá)測(cè)量(LiDAR)技術(shù)是一種先進(jìn)的主動(dòng)式遙感測(cè)量手段，具備多次回波且成像點(diǎn)云可濾除植被的特點(diǎn)，該技術(shù)在幾乎無植被覆蓋的礦山地質(zhì)調(diào)查、道路巡檢等方面有了一定的應(yīng)用，但在植被覆蓋區(qū)的地質(zhì)災(zāi)害或地質(zhì)災(zāi)害隱患識(shí)別方面的研究還有待進(jìn)一步深入。針對(duì)江蘇省
摘要：激光雷達(dá)測(cè)量(LiDAR)技術(shù)是一種先進(jìn)的主動(dòng)式遙感測(cè)量手段，具備多次回波且成像點(diǎn)云可濾除植被的特點(diǎn)，該技術(shù)在幾乎無植被覆蓋的礦山地質(zhì)調(diào)查、道路巡檢等方面有了一定的應(yīng)用，但在植被覆蓋區(qū)的地質(zhì)災(zāi)害或地質(zhì)災(zāi)害隱患識(shí)別方面的研究還有待進(jìn)一步深入。針對(duì)江蘇省山區(qū)植被覆蓋茂盛、地質(zhì)災(zāi)害隱蔽性強(qiáng)的特點(diǎn)，以宜興市竹海風(fēng)景區(qū)公路旁一處道路邊坡為研究對(duì)象，基于無人機(jī)機(jī)載LiDAR低空測(cè)取的高密度激光點(diǎn)云數(shù)據(jù)，使用Terrasolid的Terrascan模塊進(jìn)行濾波處理，得到剝離植被后的地面點(diǎn)云，進(jìn)而利用Arcgis10.6生成DEM、等高線圖和一系列數(shù)字地形分析圖件，并據(jù)此分析和解譯出該邊坡區(qū)一處隱蔽滑坡的各種地表參數(shù)信息。結(jié)果表明：該滑坡體平面上呈現(xiàn)典型的圈椅狀地貌，面積為930m2，長為91m，寬為19m，平均地表坡度為35°，滑坡體主滑方向?yàn)槟掀?°，為公路切坡誘發(fā)的小型土質(zhì)滑坡;滑坡體的滑坡前、后緣高差為10.1m，滑坡后壁高差為1.9～3.1m，中部滑坡臺(tái)階寬度為3.5～6.2m。該研究不僅總結(jié)出一套針對(duì)植被覆蓋區(qū)小型地質(zhì)災(zāi)害進(jìn)行機(jī)載激光雷達(dá)快速識(shí)別的技術(shù)流程，同時(shí)也為植被茂密區(qū)相對(duì)隱蔽地質(zhì)災(zāi)害隱患的調(diào)查及防災(zāi)減災(zāi)提供了思路。
關(guān)鍵詞：機(jī)載LiDAR技術(shù);植被覆蓋區(qū);地質(zhì)災(zāi)害識(shí)別;激光點(diǎn)云處理;植被濾除;數(shù)字地形分析
機(jī)載激光雷達(dá)是遙感手段中的激光成像測(cè)量系統(tǒng)，以飛機(jī)(本次研究采用無人機(jī))或車輛為載具對(duì)地面沿著航線進(jìn)行垂直掃描，記錄距離數(shù)據(jù)和其他信息，生成高精度的激光點(diǎn)云數(shù)據(jù)以及強(qiáng)度信息和光譜信息。國內(nèi)學(xué)者利用激光雷達(dá)測(cè)量(LiDAR)技術(shù)開展了多個(gè)領(lǐng)域的應(yīng)用研究，如：陳鼎等[1]利用LiDAR技術(shù)對(duì)鐵路邊坡形變進(jìn)行了監(jiān)測(cè)，可為后期鐵路邊坡的維護(hù)和加固提供較為準(zhǔn)確的資料，預(yù)防邊坡坍塌事件。
激光論文范例：基于激光雕刻技術(shù)的陶瓷超疏水表面制備
陳潔[2]基于機(jī)載LiDAR技術(shù)分析和總結(jié)了斷裂構(gòu)造的點(diǎn)云特征，利用斷裂的線性延伸、高程異常和坡度異常的特點(diǎn)，運(yùn)用合適的算法自動(dòng)提取了斷裂構(gòu)造信息;何柯璐等[3]采用LiDAR技術(shù)對(duì)采煤沉陷盆地進(jìn)行地面掃描和建模，提出了基于格網(wǎng)高程排序的類地面點(diǎn)云提取算法，構(gòu)建了精度更高的礦區(qū)開采沉陷模型;杜磊等[4]基于LiDAR技術(shù)獲取了三峽庫區(qū)張家灣地區(qū)的點(diǎn)云數(shù)據(jù)，并通過對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行加工處理，成功地識(shí)別出滑坡體，并提取了滑坡體重要的參數(shù)。
在國外很多學(xué)者基于機(jī)載LiDAR技術(shù)開展了針對(duì)滑坡、泥石流的地質(zhì)災(zāi)害調(diào)查，如：Mezaal等[5]基于LiDAR技術(shù)，提出了基于相關(guān)的特征選擇(CFS)算法用來識(shí)別滑坡并判別滑坡類型;Pourghasemi等[6]通過人工神經(jīng)網(wǎng)絡(luò)算法，基于機(jī)載激光點(diǎn)云數(shù)據(jù)進(jìn)行了滑坡易發(fā)性分析與預(yù)警;Booth等[7]利用LiDAR重復(fù)掃描獲取了一處滑坡的變形區(qū)域，并分析了滑坡的發(fā)生機(jī)理。雖然LiDAR技術(shù)已經(jīng)在鐵路邊坡監(jiān)測(cè)、地質(zhì)構(gòu)造調(diào)查以及滑坡體識(shí)別等方面有了一定的研究，但是對(duì)于植被覆蓋區(qū)的地質(zhì)災(zāi)害或地質(zhì)災(zāi)害隱患識(shí)別的研究仍有待進(jìn)一步深入。
激光雷達(dá)點(diǎn)云具有部分穿透植被的多次回波功能，可以快速且精準(zhǔn)地構(gòu)建研究區(qū)的真實(shí)數(shù)字高程模型(DEM)，從而進(jìn)行數(shù)字地形分析并識(shí)別出研究區(qū)內(nèi)植被以下的地質(zhì)災(zāi)害或地質(zhì)災(zāi)害隱患。傳統(tǒng)的激光雷達(dá)多以直升機(jī)載或者車載，其優(yōu)點(diǎn)是單次掃描任務(wù)面積大，但由于激光雷達(dá)距離地面較遠(yuǎn)且行進(jìn)速度大，得到的激光點(diǎn)云較為稀疏，通常只有2～3pts/m2，濾波處理后得到剝離植被后的地面點(diǎn)云則密度更小，難以達(dá)到對(duì)小型地質(zhì)災(zāi)害進(jìn)行識(shí)別的目的。
針對(duì)江蘇省山區(qū)植被覆蓋茂盛、地質(zhì)災(zāi)害隱蔽性強(qiáng)的特點(diǎn)，本文采用無人機(jī)搭載激光雷達(dá)，在離地80m左右的位置對(duì)研究區(qū)進(jìn)行掃描，得出的地面點(diǎn)云密度可達(dá)400～500pts/m2，能夠精準(zhǔn)地識(shí)別出江蘇省植被覆蓋區(qū)小型地質(zhì)災(zāi)害的一系列參數(shù)，可為后期防災(zāi)減災(zāi)工作提供重要依據(jù)。
1機(jī)載LiDAR技術(shù)
1.1機(jī)載LiDAR技術(shù)的優(yōu)勢(shì)與特點(diǎn)一直以來，傳統(tǒng)的光學(xué)遙感技術(shù)，如光學(xué)衛(wèi)星、無人機(jī)傾斜攝影三維建模等，在地質(zhì)災(zāi)害調(diào)查中發(fā)揮了較大的作用，但是這些技術(shù)方法不能穿透植被，無法快速獲取植被以下的真實(shí)地面信息。而機(jī)載LiDAR是通過儀器主動(dòng)發(fā)射的脈沖信號(hào)，可部分穿透植被到達(dá)地表，通過點(diǎn)云去噪、濾波，剔除植被，可快速構(gòu)建高精度地形地貌，免地面控制點(diǎn)數(shù)據(jù)相對(duì)精度可達(dá)厘米級(jí)。
機(jī)載激光雷達(dá)測(cè)量(LiDAR)系統(tǒng)主要由激光雷達(dá)掃描儀、GNSS/INS定位測(cè)姿系統(tǒng)(POS)、存儲(chǔ)控制單元三大部分組成。其中，激光掃描儀包括掃描儀、測(cè)距單元和控制單元，主要用于測(cè)量掃描儀和地物之間的距離;GNSS與INS主要用于測(cè)定激光雷達(dá)在空中的位置及五軸飛行姿態(tài);存儲(chǔ)控制單元用于快速存儲(chǔ)激光雷達(dá)獲取的各項(xiàng)原始數(shù)據(jù)。三者的有機(jī)結(jié)合就能根據(jù)載具的位置反算出激光點(diǎn)云的精確三維坐標(biāo)。
1.2機(jī)載LiDAR數(shù)據(jù)處理技術(shù)流程
激光雷達(dá)數(shù)據(jù)測(cè)量作業(yè)的生產(chǎn)環(huán)節(jié)，主要包括航線設(shè)計(jì)、激光雷達(dá)數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、點(diǎn)云解算以及DEM、等高線和數(shù)字地形分析圖件制作等。(1)航線設(shè)計(jì)。本文采用在專業(yè)地圖軟件平臺(tái)上勾畫航線，并在飛行器遙控器上根據(jù)等高線設(shè)計(jì)飛行高度、飛行速度以及轉(zhuǎn)彎半徑的方法進(jìn)行航線設(shè)計(jì)。設(shè)計(jì)飛行高度為相對(duì)高度80m，航線起始端進(jìn)行8字飛行，航帶旁向重復(fù)率大于10%。(2)研究區(qū)激光雷達(dá)數(shù)據(jù)采集。本文采用大疆經(jīng)緯M300RTK無人機(jī)搭載GS-MID40激光雷達(dá)掃描系統(tǒng)獲取研究區(qū)點(diǎn)云數(shù)據(jù)，同時(shí)輔以千尋星矩SR3專業(yè)級(jí)GNSS接收機(jī)(地面基站)獲取當(dāng)?shù)氐淖鴺?biāo)和高程數(shù)據(jù)。
(3)數(shù)據(jù)預(yù)處理。本文使用GS-MID40激光雷達(dá)掃描系統(tǒng)適用的軟件對(duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，得到通用格式點(diǎn)云數(shù)據(jù)。(4)點(diǎn)云解算。本文使用Mircrostation+Ter-raSolid軟件中的TerraScan模塊對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行處理。首先進(jìn)行航帶校正、數(shù)據(jù)檢校消除誤差;其次對(duì)校正后的點(diǎn)云進(jìn)行濾波、分類，得到濾除植被后的地面點(diǎn)云�！�(5)DEM制作及后處理。本文在ArcGIS平臺(tái)中使用相應(yīng)的工具生成濾除植被后的DEM，并生成山體陰影、地表坡度、地表粗糙度和地形起伏度等數(shù)字地形分析圖件，最后對(duì)地質(zhì)災(zāi)害體進(jìn)行識(shí)別和分析。
2研究區(qū)概況與研究方法
2.1研究區(qū)概況
本文以江蘇省無錫市宜興竹海風(fēng)景區(qū)公路旁一 處道路邊坡為研究區(qū)，其地理坐標(biāo)為東經(jīng)119°42′35.39″、北緯31°09′54.30″，區(qū)內(nèi)堆積體較厚，下伏基巖為泥盆紀(jì)觀山組石英砂巖，道路位于半山腰處，南側(cè)已發(fā)生過滑坡，目前已經(jīng)得到治理。但由于植被覆蓋密度大，傳統(tǒng)的光學(xué)衛(wèi)星、傾斜攝影等遙感手段都無法識(shí)別植被覆蓋層以下的地質(zhì)災(zāi)害。本次采用激光雷達(dá)探測(cè)發(fā)現(xiàn)研究區(qū)新滑坡體，其位于道路北側(cè)植被茂密區(qū)。
2.2研究方法
首先利用無人機(jī)機(jī)載LiDAR低空測(cè)取研究區(qū)高密度激光點(diǎn)云數(shù)據(jù);然后通過Microstation+Terrasolid軟件，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行濾波處理，得到剝離植被后的地面點(diǎn)云;再基于地面點(diǎn)云，在ArcGIS中生成研究區(qū)的DEM，并由DEM二次生成等高線圖、多視角山體陰影圖、地形坡度圖、地表粗糙度圖和地形起伏度圖等數(shù)字地形分析圖件;最后利用點(diǎn)云剖面和數(shù)字地形分析圖，完成植被覆蓋區(qū)地質(zhì)災(zāi)害體的識(shí)別和分析。
3機(jī)載LiDAR數(shù)據(jù)獲取與處理
3.1數(shù)據(jù)獲取
本次研究利用機(jī)載激光雷達(dá)系統(tǒng)和相應(yīng)的地面基站，獲取了研究區(qū)的遙感數(shù)據(jù)，包括：激光雷達(dá)數(shù)據(jù)，即GNSS、INS、測(cè)距掃描角、強(qiáng)度時(shí)間;基站數(shù)據(jù)，即坐標(biāo)、絕對(duì)高程和姿態(tài)數(shù)據(jù)。由于研究區(qū)位于低山丘陵區(qū)，海拔在150～240m之間，區(qū)域內(nèi)大部分面積為竹林所覆蓋，故綜合考慮地貌、氣象、飛行安全及應(yīng)用需求等因素，飛行高度設(shè)定為240～320m之間，飛行速度設(shè)定為4m/s，旁向重復(fù)率高于10%，數(shù)據(jù)量為100000pts/s，實(shí)際航測(cè)面積為66208m2，激光點(diǎn)云密度為487.3pts/m2，遠(yuǎn)高于以往研究所采用的有人機(jī)機(jī)載LiDAR。
3.2數(shù)據(jù)處理
3.2.1數(shù)據(jù)預(yù)處理
獲取的研究區(qū)LiDAR數(shù)據(jù)并不能直接地進(jìn)行解算，需要先在與GS-MID40激光雷達(dá)掃描系統(tǒng)配套的數(shù)據(jù)處理軟件中將原始點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為可以在TerraSolid軟件中適用的格式，即Las格式點(diǎn)云文件。首先在配套的數(shù)據(jù)處理軟件中將“.dat”格式的流文件分揀為解算所需的文件;然后新建工程文件，導(dǎo)入相關(guān)文件，輸入基站信息，差分后顯示差分定位結(jié)果，輸出GNSS文件;再使用輸出的GNSS文件并添加INS文件，處理得到GNSS/INS組合結(jié)果POS文件;最后采用配套軟件處理獲得的激光數(shù)據(jù)和GNSS/INS組合結(jié)果POS文件進(jìn)行點(diǎn)云計(jì)算，并輸出Las格式點(diǎn)云文件。
3.2.2數(shù)據(jù)后處理
3.2.2.1點(diǎn)云數(shù)據(jù)處理
(1)點(diǎn)云數(shù)據(jù)噪聲去除。在TerraSolid軟件的TerraScan模塊中將預(yù)處理得到的Las格式點(diǎn)云數(shù)據(jù)進(jìn)行后續(xù)的點(diǎn)云解算，具體點(diǎn)云解算及后續(xù)的DEM。由于受儀器誤差和偶然誤差的影響，獲取的點(diǎn)云數(shù)據(jù)坐標(biāo)會(huì)產(chǎn)生偏移，因此在濾波分類前需進(jìn)行航帶校正和數(shù)據(jù)檢校，以消除誤差，提高數(shù)據(jù)精度。然后裁剪掉與所需滑坡信息無關(guān)的點(diǎn)云，即縮小范圍，避免在解算過程中由周圍臨近點(diǎn)云引起的精度不高的問題。
(2)點(diǎn)云濾波獲取地面點(diǎn)。在精確點(diǎn)云范圍后，開始進(jìn)行濾波分類。首先對(duì)點(diǎn)云數(shù)據(jù)采用手動(dòng)編輯的方式去除明顯的噪點(diǎn)和孤點(diǎn);然后采用點(diǎn)云濾波處理剔除由于植被影響的多次回波現(xiàn)象形成的不規(guī)則形狀和因激光脈沖的折射、多路徑效應(yīng)等引起的點(diǎn)云x、y、z值異常而產(chǎn)生的噪點(diǎn);最后通過軟件自動(dòng)分類算法，將點(diǎn)云數(shù)據(jù)分成若干類別。由于濾波后的目標(biāo)產(chǎn)品是DEM，故只需要得到準(zhǔn)確的地面點(diǎn)云數(shù)據(jù)[10]，因此將點(diǎn)云數(shù)據(jù)自動(dòng)分成地面、低點(diǎn)、重疊點(diǎn)等幾類。
TerraScan模塊地面點(diǎn)的分類是基于Axelsson[11]提出的不規(guī)則三角網(wǎng)濾波算法實(shí)現(xiàn)的，可以得到高精度的地面點(diǎn)。該算法以局部 高程最低點(diǎn)作為種子點(diǎn)構(gòu)建TIN網(wǎng)格，通過計(jì)算待定點(diǎn)到三角形各節(jié)點(diǎn)的坡度值和到三角形平面的距離是否處于設(shè)定好的迭代閾值，來判斷該點(diǎn)是否為地面點(diǎn)，若是地面點(diǎn)則利用該點(diǎn)重新構(gòu)建TIN網(wǎng)格，并迭代加入地面點(diǎn)直至沒有新的地面點(diǎn)被加入，結(jié)束濾波。
4地表形變信息提取與分析
4.1基于地面形態(tài)要素的滑坡識(shí)別原理
利用傳統(tǒng)光學(xué)遙感工具進(jìn)行滑坡識(shí)別，是基于滑坡在遙感圖像中的梨形、舌形、簸箕形等典型坡面形態(tài)進(jìn)行的[13]。在遙感解譯中，根據(jù)這些圖形特征便可以在遙感影像中大致圈定滑坡范圍。利用機(jī)載LiDAR測(cè)得的點(diǎn)云數(shù)據(jù)具有厘米級(jí)精度，同時(shí)擁有濾除地表植被的功能，能夠在植被覆蓋的區(qū)域分離出地面點(diǎn)云。
基于機(jī)載LiDAR的滑坡識(shí)別，除了能夠準(zhǔn)確地識(shí)別傳統(tǒng)光學(xué)遙感工具所能識(shí)別的典型地貌特征外，還增加了對(duì)滑坡微地貌的識(shí)別，能夠清晰地識(shí)別其滑坡舌、滑坡壁、滑坡臺(tái)階和滑坡裂縫等地貌形態(tài)，達(dá)到精確判別滑坡類型和識(shí)別滑坡邊界的效果。通常情況下滑坡具有如圖7所示的全部或部分空間形態(tài)要素，遙感解譯中，則主要是基于這些形態(tài)要素的識(shí)別來確認(rèn)滑坡。
4.2基于山體陰影圖和數(shù)字地形分析圖的滑坡識(shí)別
利用遙感技術(shù)對(duì)地質(zhì)災(zāi)害進(jìn)行全面的調(diào)查，是地面調(diào)查的有效補(bǔ)充和輔助工具，而利用傳統(tǒng)光學(xué)遙感衛(wèi)星圖像進(jìn)行的遙感解譯，其結(jié)果因受到植被覆蓋的影響和圖像精度的限制會(huì)存在較大的誤差，在這種情況下，本文引入LiDAR技術(shù)對(duì)地質(zhì)災(zāi)害進(jìn)行識(shí)別。
4.2.1基于山體陰影圖的滑坡范圍識(shí)別
采用LiDAR數(shù)據(jù)生成的高精度DEM和利用ArcGIS軟件的3DAnalyst擴(kuò)展模塊生成研究區(qū)一系列不同太陽方位角的山體陰影(Hill-shade)，作為地質(zhì)災(zāi)害隱患識(shí)別的定性參數(shù)。
4.3基于點(diǎn)云地形剖面圖的滑坡細(xì)節(jié)信息分析
基于高密度點(diǎn)云的地形剖面圖能直觀地表現(xiàn)出地面的起伏、地勢(shì)的變化和地表坡度的陡緩，還能形象地顯示出一個(gè)地區(qū)的地形類型及其特征。
5結(jié)論
本文運(yùn)用無人機(jī)機(jī)載LiDAR技術(shù)對(duì)江蘇省宜興市竹海風(fēng)景區(qū)公路旁一處道路邊坡66208m2的研究區(qū)進(jìn)行了高密度點(diǎn)云測(cè)取，最終測(cè)得原始點(diǎn)云密度為487.3pts/m2，濾波處理剝離植被后的地面點(diǎn)云密度為13pts/m2，遠(yuǎn)高于傳統(tǒng)有人機(jī)機(jī)載LiDAR。
通過對(duì)點(diǎn)云數(shù)據(jù)的處理，獲取了研究區(qū)內(nèi)剝離植被后的DEM圖、山體陰影圖、地形起伏度圖、地表坡度圖和地表粗糙度圖，并通過對(duì)地面點(diǎn)云多視角的觀測(cè)和滑坡地形剖面圖測(cè)量，結(jié)合山體陰 影圖和數(shù)字地形圖分析，圈定了江蘇省宜興市竹海風(fēng)景區(qū)公路旁植被茂盛區(qū)一處滑坡的范圍，獲取了滑坡的相關(guān)基本信息：滑坡體平面上呈圈椅狀，面積為930m2，長為91m、寬為19m，整體地表坡度為35°，滑坡體主滑方向?yàn)槟掀?°。
另根據(jù)滑坡地形剖面圖可以看出，滑坡體的滑坡前、后緣高差為10.1m，滑坡后壁高差為1.9～3.1m，滑坡臺(tái)階寬度為3.5～6.2m。在以往的地質(zhì)災(zāi)害調(diào)查過程中，傳統(tǒng)的光學(xué)遙感技術(shù)以及無人機(jī)低空航拍遙感不能穿透植被，不能獲取植被覆蓋區(qū)以下真實(shí)的地表(形變)信息，且數(shù)據(jù)的幾何精度受地形地貌、傳感器類型、天氣因素等的影響較大。
而機(jī)載LiDAR技術(shù)是利用激光儀器主動(dòng)發(fā)射脈沖信號(hào)，可部分穿透植被到達(dá)地面，通過點(diǎn)云數(shù)據(jù)去噪、濾波，剔除植被點(diǎn)云層數(shù)據(jù)后，快速構(gòu)建與重現(xiàn)高精度的地面形態(tài)，并提供地面變形跡象信息，且在無地面控制點(diǎn)情況下數(shù)據(jù)的相對(duì)精度可達(dá)厘米級(jí)。本文利用無人機(jī)機(jī)載激光雷達(dá)可濾除植被的二次回波特點(diǎn)以及其點(diǎn)云高密度的特性，在低山丘陵植被覆蓋區(qū)進(jìn)行斜坡體變形跡象的地面信息讀取，從而達(dá)到對(duì)植被茂密區(qū)地質(zhì)災(zāi)害隱患早期識(shí)別的目的，極具實(shí)用性和創(chuàng)新性，能夠?yàn)榈刭|(zhì)災(zāi)害的地面詳查提供極為有效的技術(shù)支撐。
參考文獻(xiàn)：
[1]陳鼎，李文.LiDAR技術(shù)在鐵路邊坡監(jiān)測(cè)中的應(yīng)用研究[J].工程建設(shè)與設(shè)計(jì)，2020(22)：237-238.
[2]陳潔.機(jī)載LiDAR技術(shù)在斷裂構(gòu)造解譯中的應(yīng)用研究[D].北京：中國地質(zhì)大學(xué)(北京)，2013.
[3]何柯璐，湯伏全，韋書平，等.機(jī)載激光點(diǎn)云構(gòu)建西部礦區(qū)開采沉陷模型研究[J].測(cè)繪科學(xué)，2021，46(2)：130-138.
[4]杜磊，陳潔，李敏敏，等.機(jī)載激光雷達(dá)技術(shù)在滑坡調(diào)查中的應(yīng)用———以三峽庫區(qū)張家灣滑坡為例[J].國土資源遙感，2019，31(1)：180-186.
[5]MezaalMR，PradhanB.Animprovedalgorithmforidentifyingshallowanddeep-seatedlandslidesindensetropicalforestfromairbornelaserscanningdata[J].Catena，2018，167：147-159.
[6]PourghasemiHR，RahmatiO.Predictionofthelandslidesuscep-tibility：Whichalgorithm，whichprecision?[J].Catena，2018，162：177-192.
[7]BoothAM，McCarleyJ，HinkleJ，etal.Transientreactivationofadeep-seatedlandslidebyundrainedloadingcapturedwithre-peatairborneandterrestriallidar[J].GeophysicalResearchLet-ters，2018，45(10)：4841-4850.
[8]陳松堯，程新文.機(jī)載LIDAR系統(tǒng)原理及應(yīng)用綜述[J].測(cè)繪工程，2007，16(1)：27-31.
作者：彭藝偉1，董琦1，田沖2，陳剛3，孟小軍1，曾斌1*
轉(zhuǎn)載請(qǐng)注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/28889.html
