本文摘要：摘要：激光雷達測量(LiDAR)技術(shù)是一種先進的主動式遙感測量手段，具備多次回波且成像點云可濾除植被的特點，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)害隱患識別方面的研究還有待進一步深入。針對江蘇省
摘要：激光雷達測量(LiDAR)技術(shù)是一種先進的主動式遙感測量手段，具備多次回波且成像點云可濾除植被的特點，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)害隱患識別方面的研究還有待進一步深入。針對江蘇省山區(qū)植被覆蓋茂盛、地質(zhì)災(zāi)害隱蔽性強的特點，以宜興市竹海風(fēng)景區(qū)公路旁一處道路邊坡為研究對象，基于無人機機載LiDAR低空測取的高密度激光點云數(shù)據(jù)，使用Terrasolid的Terrascan模塊進行濾波處理，得到剝離植被后的地面點云，進而利用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°，滑坡體主滑方向為南偏西6°，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，中部滑坡臺階寬度為3.5～6.2m。該研究不僅總結(jié)出一套針對植被覆蓋區(qū)小型地質(zhì)災(zāi)害進行機載激光雷達快速識別的技術(shù)流程，同時也為植被茂密區(qū)相對隱蔽地質(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：機載LiDAR技術(shù);植被覆蓋區(qū);地質(zhì)災(zāi)害識別;激光點云處理;植被濾除;數(shù)字地形分析
機載激光雷達是遙感手段中的激光成像測量系統(tǒng)，以飛機(本次研究采用無人機)或車輛為載具對地面沿著航線進行垂直掃描，記錄距離數(shù)據(jù)和其他信息，生成高精度的激光點云數(shù)據(jù)以及強度信息和光譜信息。國內(nèi)學(xué)者利用激光雷達測量(LiDAR)技術(shù)開展了多個領(lǐng)域的應(yīng)用研究，如：陳鼎等[1]利用LiDAR技術(shù)對鐵路邊坡形變進行了監(jiān)測，可為后期鐵路邊坡的維護和加固提供較為準確的資料，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]基于機載LiDAR技術(shù)分析和總結(jié)了斷裂構(gòu)造的點云特征，利用斷裂的線性延伸、高程異常和坡度異常的特點，運用合適的算法自動提取了斷裂構(gòu)造信息;何柯璐等[3]采用LiDAR技術(shù)對采煤沉陷盆地進行地面掃描和建模，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)的點云數(shù)據(jù)，并通過對點云數(shù)據(jù)進行加工處理，成功地識別出滑坡體，并提取了滑坡體重要的參數(shù)。
在國外很多學(xué)者基于機載LiDAR技術(shù)開展了針對滑坡、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，基于機載激光點云數(shù)據(jù)進行了滑坡易發(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)生機理。雖然LiDAR技術(shù)已經(jīng)在鐵路邊坡監(jiān)測、地質(zhì)構(gòu)造調(diào)查以及滑坡體識別等方面有了一定的研究，但是對于植被覆蓋區(qū)的地質(zhì)災(zāi)害或地質(zhì)災(zāi)害隱患識別的研究仍有待進一步深入。
激光雷達點云具有部分穿透植被的多次回波功能，可以快速且精準地構(gòu)建研究區(qū)的真實數(shù)字高程模型(DEM)，從而進行數(shù)字地形分析并識別出研究區(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)的激光雷達多以直升機載或者車載，其優(yōu)點是單次掃描任務(wù)面積大，但由于激光雷達距離地面較遠且行進速度大，得到的激光點云較為稀疏，通常只有2～3pts/m2，濾波處理后得到剝離植被后的地面點云則密度更小，難以達到對小型地質(zhì)災(zāi)害進行識別的目的。
針對江蘇省山區(qū)植被覆蓋茂盛、地質(zhì)災(zāi)害隱蔽性強的特點，本文采用無人機搭載激光雷達，在離地80m左右的位置對研究區(qū)進行掃描，得出的地面點云密度可達400～500pts/m2，能夠精準地識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機載LiDAR技術(shù)
1.1機載LiDAR技術(shù)的優(yōu)勢與特點一直以來，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地面信息。而機載LiDAR是通過儀器主動發(fā)射的脈沖信號，可部分穿透植被到達地表，通過點云去噪、濾波，剔除植被，可快速構(gòu)建高精度地形地貌，免地面控制點數(shù)據(jù)相對精度可達厘米級。
機載激光雷達測量(LiDAR)系統(tǒng)主要由激光雷達掃描儀、GNSS/INS定位測姿系統(tǒng)(POS)、存儲控制單元三大部分組成。其中，激光掃描儀包括掃描儀、測距單元和控制單元，主要用于測量掃描儀和地物之間的距離;GNSS與INS主要用于測定激光雷達在空中的位置及五軸飛行姿態(tài);存儲控制單元用于快速存儲激光雷達獲取的各項原始數(shù)據(jù)。三者的有機結(jié)合就能根據(jù)載具的位置反算出激光點云的精確三維坐標。
1.2機載LiDAR數(shù)據(jù)處理技術(shù)流程
激光雷達數(shù)據(jù)測量作業(yè)的生產(chǎn)環(huán)節(jié)，主要包括航線設(shè)計、激光雷達數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、點云解算以及DEM、等高線和數(shù)字地形分析圖件制作等。(1)航線設(shè)計。本文采用在專業(yè)地圖軟件平臺上勾畫航線，并在飛行器遙控器上根據(jù)等高線設(shè)計飛行高度、飛行速度以及轉(zhuǎn)彎半徑的方法進行航線設(shè)計。設(shè)計飛行高度為相對高度80m，航線起始端進行8字飛行，航帶旁向重復(fù)率大于10%。(2)研究區(qū)激光雷達數(shù)據(jù)采集。本文采用大疆經(jīng)緯M300RTK無人機搭載GS-MID40激光雷達掃描系統(tǒng)獲取研究區(qū)點云數(shù)據(jù)，同時輔以千尋星矩SR3專業(yè)級GNSS接收機(地面基站)獲取當(dāng)?shù)氐淖鴺撕透叱虜?shù)據(jù)。
(3)數(shù)據(jù)預(yù)處理。本文使用GS-MID40激光雷達掃描系統(tǒng)適用的軟件對原始點云數(shù)據(jù)進行預(yù)處理，得到通用格式點云數(shù)據(jù)。(4)點云解算。本文使用Mircrostation+Ter-raSolid軟件中的TerraScan模塊對點云數(shù)據(jù)進行處理。首先進行航帶校正、數(shù)據(jù)檢校消除誤差;其次對校正后的點云進行濾波、分類，得到濾除植被后的地面點云�！�(5)DEM制作及后處理。本文在ArcGIS平臺中使用相應(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，最后對地質(zhì)災(zāi)害體進行識別和分析。
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別植被覆蓋層以下的地質(zhì)災(zāi)害。本次采用激光雷達探測發(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
首先利用無人機機載LiDAR低空測取研究區(qū)高密度激光點云數(shù)據(jù);然后通過Microstation+Terrasolid軟件，對點云數(shù)據(jù)進行濾波處理，得到剝離植被后的地面點云;再基于地面點云，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)害體的識別和分析。
3機載LiDAR數(shù)據(jù)獲取與處理
3.1數(shù)據(jù)獲取
本次研究利用機載激光雷達系統(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：激光雷達數(shù)據(jù)，即GNSS、INS、測距掃描角、強度時間;基站數(shù)據(jù)，即坐標、絕對高程和姿態(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，實際航測面積為66208m2，激光點云密度為487.3pts/m2，遠高于以往研究所采用的有人機機載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)并不能直接地進行解算，需要先在與GS-MID40激光雷達掃描系統(tǒng)配套的數(shù)據(jù)處理軟件中將原始點云數(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文件進行點云計算，并輸出Las格式點云文件。
3.2.2數(shù)據(jù)后處理
3.2.2.1點云數(shù)據(jù)處理
(1)點云數(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格式點云數(shù)據(jù)進行后續(xù)的點云解算，具體點云解算及后續(xù)的DEM。由于受儀器誤差和偶然誤差的影響，獲取的點云數(shù)據(jù)坐標會產(chǎn)生偏移，因此在濾波分類前需進行航帶校正和數(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)的點云，即縮小范圍，避免在解算過程中由周圍臨近點云引起的精度不高的問題。
(2)點云濾波獲取地面點。在精確點云范圍后，開始進行濾波分類。首先對點云數(shù)據(jù)采用手動編輯的方式去除明顯的噪點和孤點;然后采用點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)等引起的點云x、y、z值異常而產(chǎn)生的噪點;最后通過軟件自動分類算法，將點云數(shù)據(jù)分成若干類別。由于濾波后的目標產(chǎn)品是DEM，故只需要得到準確的地面點云數(shù)據(jù)[10]，因此將點云數(shù)據(jù)自動分成地面、低點、重疊點等幾類。
TerraScan模塊地面點的分類是基于Axelsson[11]提出的不規(guī)則三角網(wǎng)濾波算法實現(xiàn)的，可以得到高精度的地面點。該算法以局部 高程最低點作為種子點構(gòu)建TIN網(wǎng)格，通過計算待定點到三角形各節(jié)點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，來判斷該點是否為地面點，若是地面點則利用該點重新構(gòu)建TIN網(wǎng)格，并迭代加入地面點直至沒有新的地面點被加入，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)要素的滑坡識別原理
利用傳統(tǒng)光學(xué)遙感工具進行滑坡識別，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。利用機載LiDAR測得的點云數(shù)據(jù)具有厘米級精度，同時擁有濾除地表植被的功能，能夠在植被覆蓋的區(qū)域分離出地面點云。
基于機載LiDAR的滑坡識別，除了能夠準確地識別傳統(tǒng)光學(xué)遙感工具所能識別的典型地貌特征外，還增加了對滑坡微地貌的識別，能夠清晰地識別其滑坡舌、滑坡壁、滑坡臺階和滑坡裂縫等地貌形態(tài)，達到精確判別滑坡類型和識別滑坡邊界的效果。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)要素的識別來確認滑坡。
4.2基于山體陰影圖和數(shù)字地形分析圖的滑坡識別
利用遙感技術(shù)對地質(zhì)災(zāi)害進行全面的調(diào)查，是地面調(diào)查的有效補充和輔助工具，而利用傳統(tǒng)光學(xué)遙感衛(wèi)星圖像進行的遙感解譯，其結(jié)果因受到植被覆蓋的影響和圖像精度的限制會存在較大的誤差，在這種情況下，本文引入LiDAR技術(shù)對地質(zhì)災(zāi)害進行識別。
4.2.1基于山體陰影圖的滑坡范圍識別
采用LiDAR數(shù)據(jù)生成的高精度DEM和利用ArcGIS軟件的3DAnalyst擴展模塊生成研究區(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)害隱患識別的定性參數(shù)。
4.3基于點云地形剖面圖的滑坡細節(jié)信息分析
基于高密度點云的地形剖面圖能直觀地表現(xiàn)出地面的起伏、地勢的變化和地表坡度的陡緩，還能形象地顯示出一個地區(qū)的地形類型及其特征。
5結(jié)論
本文運用無人機機載LiDAR技術(shù)對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)進行了高密度點云測取，最終測得原始點云密度為487.3pts/m2，濾波處理剝離植被后的地面點云密度為13pts/m2，遠高于傳統(tǒng)有人機機載LiDAR。
通過對點云數(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，并通過對地面點云多視角的觀測和滑坡地形剖面圖測量，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°，滑坡體主滑方向為南偏西6°。
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。
而機載LiDAR技術(shù)是利用激光儀器主動發(fā)射脈沖信號，可部分穿透植被到達地面，通過點云數(shù)據(jù)去噪、濾波，剔除植被點云層數(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，且在無地面控制點情況下數(shù)據(jù)的相對精度可達厘米級。本文利用無人機機載激光雷達可濾除植被的二次回波特點以及其點云高密度的特性，在低山丘陵植被覆蓋區(qū)進行斜坡體變形跡象的地面信息讀取，從而達到對植被茂密區(qū)地質(zhì)災(zāi)害隱患早期識別的目的，極具實用性和創(chuàng)新性，能夠為地質(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：
[1]陳鼎，李文.LiDAR技術(shù)在鐵路邊坡監(jiān)測中的應(yīng)用研究[J].工程建設(shè)與設(shè)計，2020(22)：237-238.
[2]陳潔.機載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.機載激光點云構(gòu)建西部礦區(qū)開采沉陷模型研究[J].測繪科學(xué)，2021，46(2)：130-138.
[4]杜磊，陳潔，李敏敏，等.機載激光雷達技術(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.機載LIDAR系統(tǒng)原理及應(yīng)用綜述[J].測繪工程，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)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/28889.html
