面向复杂山区微地貌的手持LiDAR点云滤波方法比较

本文以手持激光点云数据是否可用于进行复杂山地土壤侵蚀和地表剥蚀测量为典型实例,试验对比分析了渐进加密三角网滤波算法、坡度滤波算法及布料模拟滤波算法在地面激光雷达点云分类中的性能。具体分别采用了3种滤波对应的参数对试验数据集进行测试以获得最高性能,并对比分析而获得每种算法的最优滤波。试验结果表明:对于平缓裸露地貌的滤波处理,布料模拟滤波效果最好,渐进加密三角网滤波次之,坡度滤波算法效果最差;对于复杂山地地貌的滤波处理,渐进加密三角网滤波算法滤波效果最好,布料模拟滤波次之,坡度滤波算法效果最差。试验研究成果为优化滤波算法的参数以提高其检测微地形变化的性能提供了有价值的信息,并验证了渐进加密三角网滤波在复杂地区滤波效果的有效性。

基于不同平差软件的GNSS控制测量数据处理方法研究

以某工程场地控制测量项目为研究对象,通过对GNSS控制网布设方法进行优化设计,采用高质量独立基线构成项目GNSS控制网,利用三维无约束平差对观测基线进行粗差检验,保证基线质量。分别采用TBC和COSA 2种GNSS数据处理软件对GNSS控制网进行平差计算,验证了在相同观测数据、相同控制网形、相同起算数据的条件下,不同平差软件精度指标和解算结果会存在一定差异,但成果较差相对较小,故在GNSS控制测量过程中,可采用多种平差软件进行独立计算,成果互为验证,进一步保障控制测量成果的可靠性。

基于多时相植被指数的云南高原山地冬小麦识别与研究

粮食安全是最根本的民生问题,云、雾等自然因素是影响遥感种植监测的主要因素之一,因此获取精准、高效的耕地种植监测信息对保障当地粮农安全、粮食估产及面积估算具有重要意义。在利用多时相植被指数(Multi-period Vegetation Index,以下简称植被MVI)合成模型的构建、农作物特征与耕地信息的可分离性两方面对高原山地农作物耕地面积提取的研究较少。该研究基于哨兵2(Sentinel-2)数据,构建了多时相植被指数合成模型,估算了2020—2021年归一化差异植被指数(Normalize Difference Vegetation Index,以下简称植被NDVI)、增强植被指数(Enhanced Vegetation Index,以下简称植被EVI)和红绿叶绿素植被指数(Red-Edge ChlorophyII Vegetation Index,以下简称植被RECI)3种植被指数的提取结果,研究了预测模型与高原山地农作物的相关性,探讨了不同植被指数模型对农作物的识别精度。结果表明:①多时相植被NDVI模型相较植被EVI和植被RECI对冬小麦面积提取精度更高,与云南高原山地冬小麦相关性最强,用户精度约为93.28%;②利用三期NDVI组合与2期植被NDVI组合均可对冬小麦精准提取,但3期植被NDVI模型提取精度更高。利用多时相植被NDVI模型对冬小麦种植面积的精准预测,证明了该模型可有效适用于云南高原山地冬小麦,并为当地冬小麦面积的预测提供了数据支撑。

复杂条带状沟谷地形点云抽稀与内插算法对数字高程模型构建的精度影响

针对点云数据构建数字高程模型(DEM)的精度受点云抽稀和内插算法等因素影响的问题,设计不同点云抽稀方法和不同内插算法对DEM构建精度影响的两组试验,寻求适用于复杂条带状泥石流沟谷地形构建DEM的组合方法.利用空间抽稀、体素分割抽稀、随机抽稀3种方法以96%的抽稀率对原始点云数据进行抽稀,得到的抽稀结果再分别应用自然邻点插值法、反距离权重法(IDW)、克里金法、样条函数法4种内插算法进行内插,共构建出12种组合生成DEM的方法,对每种组合方法构建的DEM进行高程和坡度精度评价分析.结果表明,针对泥石流沟谷地形空间抽稀条件下利用IDW进行DEM内插的结果最为可靠,拟合优越度为0.999540,平均误差为0.7462 m,中误差为1.2629 m.

基于无人机成像点云的禄丰恐龙谷南缘环状 地貌空间特征探测实验分析

为了定量获取复杂地貌构造的特征参数,需要获取高精度、高分辨率的地形地貌数据。在复杂地貌特征探测中,基于无人机航测结合成像点云,可以快速、高效、安全、准确地完成复杂地貌空间探测任务。针对禄丰恐龙谷南缘环状地貌的典型局地场景,采用无人机测量技术获取测区高分辨率的地貌影像数据,构建实景三维场景模型并对其地貌特征进行探测分析研究。试验结果表明:①基于无人机成像点云构建0.2 m分辨率DEM数据能够精准表达研究区真实地貌特征。②通过构建环状场景“内-中-外”7条典型高程剖面线,对比分析证实了研究区地形呈现环形“盆缘”形态特征,内外两侧高程逐渐递减,并且“盆缘”外部剖面高程起伏变化剧烈,地形相较于内部地貌更加复杂。③为进一步探测提取微形地貌特征信息,利用无人机成像原理构建的精准DEM数据结合测区实景三维模型,定量提取了该区坡度、坡向、相对高差、等值线、山脊线、山谷线等相关参数进行精准定量测量及分析探讨。④利用立体三维模型的多视角目视解译与典型场景分析,可清楚辨别出测区冲沟发育以及地质体的节理层理面等微地貌特征。通过以上对地貌三维场景探测试验研究表明,利用实景三维模型能够快速准确呈现测区地貌形态特征,并且成像点云数据综合分析,能够量化、半量化揭示区域构造地质信息。总体而言,无人机测量技术与成像点云3D产品在地质调查中的应用具有实用意义,并具备独特的技术优势。

基于HLS与TLS的建筑物点云采集及3D建模性能比较分析

不同平台所搭载的三维激光扫描仪适用于不同场景,具有不同的特性。为研究手持三维激光扫描仪(HLS)与地面三维激光扫描仪(TLS)在建筑物数据采集应用相关方面的差异,实验以一座高约8m的雕塑建筑为对象,分别采用这两种仪器对其进行扫描数据采集。通过点云数据预处理与表面模型重建,获取建筑物3D模型,并完成建筑物的点云切片与边长提取。实证研究得出,HLS采集数据时间效率优势显著,相比设站扫描可节约83%时间,同时还可获得更丰富的点云数据;TLS采集的数据质量相对要高,粗糙度均值总体要低,细节表达更优;与建筑物实测边长进行比较,利用两种扫描仪所构建3D模型测量得出的边长均具有较高精度的相关一致性。此次研究成果对不同场景要求下的建筑物点云数据采集与建模,以及具体选择何种平台的三维激光扫描仪进行应用,可提供相关技术性能参考。

3维激光扫描技术在历史建筑保护中的应用

为了更好地将即时定位与地图构建(SLAM)3维激光扫描技术应用在历史建筑保护中,实现利用3维点云模型对历史建筑进行数字化保护,以云南白族历史建筑为研究对象,采用了SLAM 3维激光扫描技术获取历史建筑高精度点云模型,该技术不仅能快速地完成数据采集工作、提高历史建筑数字化保护工作的效率,还可以形成历史建筑丰富的数字化成果;通过对实验区数据的理论分析和实验验证,证明了SLAM 3维激光扫描技术在历史建筑数字化保护中的可行性。结果表明,距离中误差为0.004 m,点位中误差为0.037 m和0.021 m;SLAM 3维激光扫描技术能够快速、准确地完成历史建筑数据采集过程并形成高精度点云模型,基于该模型提取的平立剖面图能够达到相关规范精度要求。该研究为历史建筑数字化保护提供了一种新的思路和方法,有望在未来的应用中发挥更为积极的作用。

融合InSAR与GWO-LSTM对高陡山地的形变监测与预测——以金沙江流域某边坡为例

由于乌东德水电站下游处于金沙江流域,水电站泄洪会导致下游区域水位发生变化和断裂带附近的地质活动频繁,从而改变流域周围边坡的稳定性,因此极易发生滑坡灾害并造成堵江。为了解高陡山地的边坡情况,本文首先利用2021年1月—2023年10月的81景Sentinel-A影像,采用SBAS-InSAR技术,得到研究区地表形变特征,并结合形变速率图和遥感影像,识别出可能存在的滑坡风险区域;然后选取A1、A2、A4作为典型区域,通过累计时序形变进行分析,并构建LSTM神经网络沉降预测模型,采用GWO算法进行超参数寻优;最后将选点得到的沉降数据分为训练集和测试集,与传统预测模型SVR精度进行对比。结果表明,GWO-LSTM模型对复杂山区的滑坡体形变预测具有较高精度,9个测试点中最大平均绝对误差为1.0808 mm,最大均方根误差为1.1942 mm。本文为滑坡灾害预警及治理提供了理论依据。

UAV倾斜摄影在革命旧址保护中的应用

针对革命旧址保护工作的严峻性,以及在获取革命旧址测区数据中传统测绘方法工作效率低、难以全面获取数据和无法获得高精度三维立体数据等问题,基于UAV倾斜摄影测量技术,以红军长征旧址为研究对象,通过外业数据采集,利用SIFT算法提取匹配影像特征点,再利用SfM-MVS算法构建三维立体场景,采集三维立体场景中的检查点数据。结果表明,三维立体场景满足大比例尺数字地形图成图规范要求;分析线元素精度可知,三维立体场景数据测量结果可达厘米级,满足革命旧址保护中对数据精度的要求;在革命旧址保护工作中还可提供多种基础数据,为今后革命旧址保护工作提供了一种高效获取高精度数据的参考方法。

DCB对伪距单点定位/精密单点定位的影响分析

针对差分码偏差(DCB)是影响定位精度的重要因素之一,对DCB的建模与分析具有重要的意义。因此,推导了DCB在双频模式下伪距单点定位(SPP)、精密单点定位(PPP)改正模型,并借助MGEX跟踪站连续3d观测数据进行SPP、PPP实验,实验结果表明:DCB改正前后,各测站SPP结果显示均为U方向精度最差,N方向、E方向精度基本相当,B1B2组合SPP的精度优于B1B3组合精度,DCB在N、E、U方向精度改善在米级,DCB对PPP的影响为厘米级,在N、E、U方向上的平均改善量分别为16.22%、17.77%、12.68%,B1B3组合经DCB改正后,其解算精度与B1B2仍有1~3 cm的差距。

融合无人机影像与LiDAR点云的山区地表覆被景观特征探测

机载LiDAR数据能够准确提供对象的三维空间位置信息,无人机高分辨影像具备丰富的色彩信息与纹理信息,综合两种数据的优点,可进行数据集成融合。针对山区普遍存在的分布广泛的植被覆盖类型基质景观,本文通过构建可见光植被指数(VDVI)融合光谱信息点云数据,进行典型植被特征提取的研究。为了验证该方法提取信息的准确度,分别构建了3种数据源并依次进行山区地表植被提取试验。对试验结果定性定量分析表明,融合光谱点云数据的植被覆被率为56.8%,较另外两种数据类型的植被覆被率更加接近参考值(58.2%),可信度相对较高,效果更好,植被图斑轮廓更加清晰,更适用于目标对象植被特征提取,使融合影像信息的点云数据分类优势得以体现,证实了该方法面向山区植被特征提取的可行性。

云南漾濞5.21地震诱发地表形变的D-InSAR快速探测分析

2021年5月21日云南漾濞县发生MS6.4级地震,为快速了解和掌握地震对地表形变造成的影响,利用Sentinel-1卫星获取的两景震前和震后的降轨数据,采用二轨法D-InSAR差分技术,对云南漾濞5.21 MS6.4地震诱发的地表变化进行快速探测,识别出4个较大的形变区域,探测出此次地震造成卫星视线方向(LOS)的最大地表抬升值和沉降值分别为8.8 cm和8.0 cm,初步发现卫星视线方向(LOS)地表形变变化最大的区域主要分布在最大震级震中的东南侧。最后结合余震分布信息的空间叠加和典型形变区的剖面图绘制及曲线特征,对典型形变区进行定量分析,结果表明利用D-InSAR探测出的形变区与余震点位具有较大的空间关联性,实证了利用D-InSAR差分技术,对地震诱发的地表形变进行快速探测的可行性。

基于边缘响应优化SIFT算法在无人机影像匹配中的研究

无人机(UAV)影像匹配过程中常规的尺度不变特征变换(SIFT)算法在处理UAV影像时会受边缘响应影响,导致特征点匹配的准确度与精度降低。为了进一步提高UAV影像匹配的准确度与精度,提出了一种优化的SIFT图像匹配算法。以云南省禄丰市恐龙谷为研究区,选择两组研究区无人机影像以及一组公开无人机影像作为实验数据。首先,基于尺度不变性构建高斯差分金字塔,并进行空间极值检测实现特征点的定位。其次,使用Canny算法对图像进行边缘检测,在边缘检测的基础上对图像进行边缘响应点去除,对去除边缘响应后的特征点使用FLANN匹配器进行特征点匹配。然后,在图像匹配的基础上使用最佳近似比进行匹配点的第一次筛选,随后,利用随机抽样一致性(RANSAC)算法对匹配点进行第二次筛选,确定最佳比值阈值,并计算出RANSAC筛选后的均方根误差(RMSE)与准确率。最后,将优化SIFT算法与SIFT、ORB、SURF算法进行对比分析。结果表明,优化的SIFT算法不仅特征点匹配耗时小于其他3种算法,在匹配精度、准确度上以及物方精度上也优于其他3种算法。优化后的SIFT算法在A、B、C 3组数据匹配的精度分别是93.13%、84.09%、92.73%,RMSE值分别是0.6490、1.1805、0.7726。因此优化的SIFT算法能够降低边缘响应对传统SIFT算法带来的影响,提高了图像匹配的精度和准确度。

洱海东岸海滨三种典型湿地植被光谱特征分析与识别建模

利用高光谱数据对湿地植被进行识别历来是植被遥感研究的重点之一。高光谱遥感数据包含更加细致的植被光谱特征,为高光谱植被识别提供了强有力的手段。以洱海东岸海滨为研究区,测取了3种典型湿地植被(菰、芦、槐叶蘋)的高光谱数据作为目标样本。对原始光谱进行一阶微分、包络线去除变换并分析其光谱特征,采用连续投影(SPA)、竞争性自适应重加权采样(CARS)两种特征变量选择算法选取原始光谱及其变换光谱中的特征波长,最后基于全波段数据以及特征波长选取后的数据分别建立支持向量机(SVM)、随机森林(RF)、径向基(RBF)神经网络的识别模型。结果表明:SPA与CARS算法对高光谱数据都有良好的降维效果,选取出的特征波长数量在5~18之间。对比组合不同的光谱变换处理与特征波长提取方法进行模建实验,包络线去除-SPA-SVM模型识别三类目标样本表现最好,其识别精度为0.9375,此时选取用于输入建模的特征波长数量仅为10个,占全波段的4.7%,极大的降低了模型的运算时间,而且选取的特征波长中,70%都位于特征吸收带内,其分布可以较好的反应植被化学成分差异导致的光谱吸收特征规律。实验结果表明利用光谱变换、特征选择后建模的高光谱植被识别是可行的,可以为其他湿地植被识别方法提供参考。

基于UAV-SfM数字模型的滇中环状构造地表与地形特征分析

地表特征与自然灾害密切相关,对维护生态环境和深入了解地表演化过程及地质构造特征具有重要作用。通过无人机(Unmanned aerial vehicle,UAV)航测和运动恢复结构(Structure from motion,SfM)技术构建的高空间分辨率数字模型,在滇中环状构造地貌开展地表覆盖信息和地形特征的分布关系分析。结果表明:在裸岩、裸土和植被混合区域,从定性和定量分析中发现DeepLabv3+算法相比于RF算法在试验区地表覆盖信息提取中有较好的提取效果。点云经滤波得到地面点,选择交叉验证中均值误差和均方根误差最小的Kriging算法构建分辨率0.1 m的数字高程模型(Digital elevation model,DEM),解译一阶坡面、二阶坡面和复合坡面的多种地形因子,根据相关性分析选取6种地形因子构建了综合地形分析模型(Comprehensive terrain analysis model,CTAM)。经过分析地表覆盖信息中覆盖面积最大裸土、植被与地形的联系,CTAM中每个等级像元数量与总像元数量百分比中,Ⅱ级占比最高,为28.87%,Ⅰ、Ⅳ、Ⅴ占比分别为18.39%、13.82%和17.29%。UAV-SfM技术能有效捕捉环状构造表面特征,可为该地区地质研究与资源管理提供技术手段和科学依据。

级联语义分割和边缘检测的GF-2影像耕地提取

针对山地丘陵区的坡耕地和小面积耕地碎片边界模糊不清、分类提取困难的问题,以GF-2影像为数据源,提出了一种级联语义分割和边缘检测模型的遥感影像耕地信息提取方法。首先,针对不同类型耕地的特点选择级联方式;其次,将耕地边缘作为独立的特征类别,结合改进U-Net、DeeplabV3+和DexiNed模型,融合面特征和线特征,使得耕地边缘特征与语义特征能够进行互补,从而提高耕地提取的准确性,实现对复杂地形背景噪声的抑制和不同类型耕地的提取。实验结果表明,对比单一模型DeeplabV3+和U-Net,级联模型的耕地信息提取的总体精度、Kappa系数和F1值均有大幅度提升,针对不同类型耕地级联模型提取的耕地结果更接近真实耕地标注,漏提、误提区域远低于单一模型。

大理白族自治州植被水分利用效率时空变化趋势及其与海拔的关系

基于MODIS总初级生产力(GPP)和蒸散发(ET),估算大理白族自治州植被水分利用效率(WUE),采用趋势分析方法分析研究区植被WUE与海拔的关系。结果表明:2016—2020年大理白族自治州植被WUE为1.93~2.22 g/(m^(2)·mm),平均值为2.07 g/(m^(2)·mm),研究区植被WUE年均值在2019年出现波峰。大理白族自治州植被WUE东西分布存在差异,东部近5年WUE主要呈上升趋势,在东南区域WUE上升趋势较为明显;西部WUE上升与下降面积基本相同,在西北区域WUE上升趋势较为缓慢。不同海拔植被WUE变化不同,研究区植被WUE年均值随海拔呈先上升后下降的正态分布规律,海拔>2500~3000 m区域WUE年均值达到最高,为2.14 g/(m^(2)·mm)。

结合SBAS-InSAR技术及信息熵的苍山地质滑坡隐患识别

针对西南地区滑坡隐患高位隐蔽,传统技术难以全面识别的问题,本文以大理苍山为研究对象,首先利用SBAS-InSAR技术对苍山2019年1月—2021年4月间的滑坡隐患进行识别;然后结合随机概率信息熵模型,对不同坡度等级与边坡稳定性之间的关联性进行定量分析;最后根据典型隐患区的遥感影像以及采样点的形变时序图,探讨了边坡形变时空演化特征及沉降诱因。试验结果表明:(1)2019年1月—2021年4月,研究区的形变速率为-155.6~92.4 mm/a,13个超过-30 mm/a的不稳定滑坡隐患被识别;(2)坡度等级为Ⅳ、Ⅴ级时,信息熵大于0.8,边坡稳定性较弱,不均匀形变严重,与已有研究保持高度一致,证实了该模型的可靠性;(3)典型隐患区形变趋势呈明显的季节性变化,降雨和冰雪消融是导致边坡失稳的主要因素。

无人机用于形态复杂实验对象量测的精度分析

采用大疆精灵4RTK无人机,设计3种不同的飞行方案,模拟倾斜摄影测量技术,运用Context Capture三维建模软件进行处理,实现对形态复杂的雕塑景观进行三维重建,得到雕塑实验对象的三维模型。利用RTK采集实验对象的地面控制点坐标,进行实验对象三维场景的平面精度、高程精度和特定边长精度分析,并结合三维模型纹理目视解译进行无人机模型多视角的可视化定性分析探讨。通过对比3种不同的飞行方案的精度,初步证明了利用无人机模拟倾斜摄影测量技术构建三维模型的可靠性,实验结果对于消费级无人机重建复杂对象的三维模型具有一定的参考价值。

典型高原坡耕地的UAV重复观测3D检测精度实证分析

随着低空无人机(unmaned aerial vehicle,UAV)技术的快速发展,搭载光学传感器的小型消费级无人机可快速、灵活地获取目标对象的高分辨率影像数据,在地学各领域中呈现出广阔的应用前景。UAV-SfM(structure from motion)作为成像3D立体构建的最新技术方法,是深化低空无人机技术地学领域研究的核心技术,但目前对于运用UAV-SfM方法获取数据综合精度的研究不足,影响了该技术进一步的推广应用。针对DJI Phantom 4 RTK消费级无人机是否具有应用于滇中高原山地浅层地表变化检测的可能性问题,选择了东川红土地典型坡耕地为试验区,采用相同航高重复飞行规划方案,并运用SfM-MVS关键技术处理获取同一测区重复的DSM与DOM数据。为了评价分析针对典型坡耕地的UAV重复观测的测量精度,特别对实验区中的裸露坡耕地Ⅰ和有作物生长的坡耕地Ⅱ,分别采用基于剖面线的3D离散点抽样和基于窗口面的3D点集抽样方法,开展了对UAV重复观测坡耕地的3D点位精度评价。点位精度分析表明:①基于剖面线的3D离散点抽样及精度分析,坡耕地Ⅰ平面点位精度误差均值为±0.029 m,3D点位误差精度为±0.072 m;坡耕地Ⅱ平面点位精度误差均值为±0.032 m,3D点位误差精度为±0.075 m。②基于窗口面的3D点集抽样及精度分析,坡耕地Ⅰ平面点位精度误差均值为±0.013 m,3D点位误差精度为±0.066 m;坡耕地Ⅱ平面点位精度误差均值为±0.038 m,3D点位误差精度为±0.076 m。综合分析得出,基于剖面线单点抽样评价精度结果整体好于基于窗口的3D点集抽样评价精度,但总体上平面精度与垂直精度均能够达到厘米级。实验对比分析研究得出,不同地表粗糙度对UAV重复观测精度存在影响,地表粗糙度大的3D点位误差比粗糙度小的点位误差大。该研究成果可以为基于无人机与SfM方法的地貌数据采集与三维重建的精度控制和采集方案设置提供定量参考。