基于三维模型的岩溶洞穴环境承载力测算及影响因子探讨——以云南宜良九乡三脚洞为例

针对现有岩溶洞穴环境承载力主题研究不足的现状,以云南宜良九乡三脚洞为例,通过TLS获取溶洞点云数据,建立精细三维模型。根据旅游溶洞规划设计要求,利用研究区安全水位线高度对初始模型进行切割和面片提取,去除安全水位线下部模型,得到旅游洞穴空间模型,准确计算游客游览空间。在此基础上,综合考虑CO_(2)浓度、热量、灯光、河流等多种洞穴环境影响因子,对传统生态环境容量法进行改进,建立基于三维模型的岩溶洞穴环境承载力数学模型,测算尚未开发洞穴的最大环境承载力,从而更好地指导岩溶洞穴开发设计。通过与传统测算方法从理论及结果进行对比分析发现,洞穴旅游环境承载力的最大限制因子是热量。根据测算结果,瞬时承载力最大相差19146人,全天承载力最大相差123189人,本文方法更加科学合理,更加符合实际情况。

基于三维点云的岩体结构面识别与快速聚类分析

岩体结构面识别与聚类分析是研究岩体结构特征和评估岩体稳定性的基础。为对岩体结构面进行快速、有效聚类,提出一种基于三维点云的岩体结构面识别与快速聚类方法。首先,通过FACET进行点云分割和平面拟合,提取岩体结构面。其次,通过不同岩体结构面之间的相似性距离,计算局部密度和控制距离,并绘制决策图,自动寻找聚类中心和聚类数量。最后,根据边界密度,将结构面划分为核心结构面和离群结构面,剔除异常值。该方法避免了人为主观因素的干扰,提高了聚类分析的准确性。通过对立方体、六面体进行聚类分析,聚类数量与预期相一致,且每簇平均产状与点云结构面拟合结果相近,倾向最大误差分别为0.47°、1.78°,倾角最大误差分别为2.98°、2.57°。同时,聚类性能与K-means、K-means++和DBSCAN聚类算法相比,有了一定程度的提高,最大可达0.834。将其运用于四川省会东县老君峰南侧高陡悬崖岩体结构面分析,无须指定聚类中心和簇数,聚类结果与实测产状、RocScience dips结果相近,精度满足要求,性能较好。

无人机点云与图像跨模态混合融合的乔木林单木尺度树种分类研究

为探索机载点云与无人机可见光影像在乔木树种识别与分类领域的应用潜力,提出了一种多模态特征与决策混合融合的无人机单木尺度树种分类识别方法。首先使用Kendall Rank相关系数法与排列重要性分析(Permutation Importance, PI)进行特征选择,采用高效低秩多模态融合算法(Low-rank Multimodal Fusion, LMF)融合点云与影像特征。再引入集成学习,将点云、影像及融合特征分别输入Stacking集成的极限梯度提升机(eXtreme Gradient Boosting, XGBoost)、轻型梯度提升机(Light Gradient Boosting Machine, LightGBM)与随机森林(Random Forest, RF)3个基分类器,最后采用元分类器—朴素贝叶斯进行决策融合。实验数据表明:所提方法独立测试精度达99.4%,较传统的特征串联融合随机森林分类器提升了22.58%,Kappa系数提升了0.285 4。与卷积神经网络(Convolutional Neural Network, CNN)对比实验证明:所提算法在小样本训练的优势明显,且具有更好的泛化能力。