CN114089371A - 一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法 - Google Patents
一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法 Download PDFInfo
- Publication number
- CN114089371A CN114089371A CN202111391006.2A CN202111391006A CN114089371A CN 114089371 A CN114089371 A CN 114089371A CN 202111391006 A CN202111391006 A CN 202111391006A CN 114089371 A CN114089371 A CN 114089371A
- Authority
- CN
- China
- Prior art keywords
- soil
- aerial
- dem
- laser
- research area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 238000011160 research Methods 0.000 claims abstract description 59
- 238000004162 soil erosion Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000003628 erosive effect Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012353 t test Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 239000005442 atmospheric precipitation Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,包括以下步骤:利用搭载有激光雷达传感器的无人机对待监测的研究区域进行首次航拍,根据首次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM1);对待监测的研究区域进行第二次航拍,第二次航拍与首次航拍之间间隔预定时间,根据第二次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM2);计算地下土壤漏失量,地下土壤漏失量为土壤总侵蚀量减去地表土壤侵蚀量。该方法能够解决现有技术对土壤漏失量计算困难,从而导致土壤侵蚀量计算不准确的技术问题。
Description
技术领域
本发明涉及喀斯特地区土壤漏失量计算技术邻域,尤其涉及一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法。
背景技术
我国西南喀斯特地貌地处全球三大喀斯特集中连片分布区之一东亚片区的中心地带,而在这部分地区由溶蚀残留物形成的土壤少,大部分地区土层稀薄,所以这些有限的土壤在岩溶地区非常宝贵。然而,快速的城市化进程,人类活动的干扰,导致我国西南喀斯特地区的石漠化加剧,同时加剧了水土流失,而在岩溶地区又有一种特殊的水土流失方式——水土漏失,请参见图1,其为水土漏失过程示意图,由于岩溶区土壤总量有限,涵养水源能力低,浅层孔隙(裂缝2)发育,大气降水部分在坡面产生坡面流,部分沿喀斯特包气带的土壤1、表层岩溶带和传送带垂直下渗,在低洼处通过竖井、管道和落水洞4等进入地下河5***。因此,由其独特的喀斯特地貌,岩溶裂隙、孔隙和管道的广泛发育造就了喀斯特生态***特殊的二元水文结构和土壤漏失途径,给区域生态环境造成了严峻的威胁。在加强西南岩溶地区的水土流失防治研究过程中,岩溶峰丛洼地水土漏失及其防治研究是其关键研究内容之一。而现有的人工模拟法在估算水土漏失量时,其是通过人工模拟岩溶的地形、地貌、地下结构,使用人工降雨方法模拟在不同降雨强度、持续降雨时间不同的条件下,不同坡度和不同地下结构情况下喀斯特地区地下土壤漏失量过程,该方法在室内模拟时数据监测方面较为容易获得,但很难还原出喀斯特地区的真实环境,所以存在一定的误差。野外检测法,工作难度加大,又需要极大的人力、物力,工作效率也不高;137Cs示踪法成本高,而且需要研究人员及时地矫正干扰因素。因此以上几类方法估算水土漏失量存在误差大、效率低、野外工作难度大的缺点。
发明内容
本发明旨在至少解决上述存在的技术问题之一,提供一种利用激光Lidar(激光雷达)技术估算喀斯特地区地下土壤漏失量的方法,以解决现有技术对土壤漏失量计算困难,从而导致土壤侵蚀量计算不准确的技术问题。
为达到上述目的,本发明所采用的技术方案是:
一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,包括以下步骤:
利用搭载有激光雷达传感器的无人机对待监测的研究区域进行首次航拍,根据首次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM1);
利用搭载有激光雷达传感器的无人机对待监测的研究区域进行第二次航拍,第二次航拍与首次航拍之间间隔预定时间,根据第二次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM2);
计算地下土壤漏失量:地下土壤漏失量为土壤总侵蚀量减去地表土壤侵蚀量,其中,地表土壤侵蚀量根据修正通用土壤流失量方程来获得,土壤总侵蚀量为根据得到的两次航拍的数字高程模型的变化量来获得。
进一步地,研究区域的土壤总侵蚀量G的计算包括以下步骤:
分别对首次和第二次航拍得到的研究区地貌数字高程模型进行栅格化,栅格化时使研究区两次航拍得到的DEM参数的空间分辨率保持一致;
对两次航拍的研究区DEM参数分别在GIS中做差值运算,得到数字高程模型的变化量(ΔDEM),则研究区域的土壤总侵蚀量G为:
G=∑ΔDEM×(d1+d2)/2×s×ρ
式中:G为土壤总侵蚀量;ΔDEM为激光Lidar数据每个栅格数字高程模型的变化量;d1为侵蚀前的研究区总土被覆盖率;d2为侵蚀后的研究区总土被覆盖率;(d1+d2)/2为被侵蚀掉的平均土被覆盖率;s为激光Lidar数据处理后单位栅格的面积;ρ为土壤容重。
进一步地,所述的修正通用土壤流失量方程为:
E=RUSLE=R·K·LS·C·P
式中:E为地表土壤侵蚀量;RUSLE为修正通用土壤流失量,R为降雨侵蚀力因子;K为土壤可蚀性因子;L为坡长因子;S为坡度因子;C为植被覆盖和经营管理因子;P为水土保持措施因子。
进一步地,所述的地下土壤漏失量N的计算公式为:
N=G-E=∑ΔDEM×(d1+d2)/2×s×ρ-R·K·LS·C·P。
进一步地,在计算地下土壤漏失量的步骤前,还对两次航拍生成的DEM做误差分析,判断两次航拍获得的高程差异是否为真实的地形变化引起;若两次航拍获得的高程差异是由真实的地形变化引起,则对地下土壤漏失量进行计算。
进一步地,所述对两次航拍生成的DEM做误差分析包括以下步骤:
S31,根据误差传播定律通过两次航拍的DEM误差计算得到地形变化量的误差;
S32,根据统计学t检验的原理,在一定置信度水平下区分两次航拍获得的高程差异是由真实地形变化引起的变化还是由误差引起的变化。
进一步地,所述地形变化量的误差δDoD为:
式中:δDOD为地形变化量的误差,δDEM1为第一次航拍得到的DEM的误差,δDEM2为第二次航拍得到的DEM的误差。
进一步地,步骤S32包括以下步骤:
将地形变化量转换成相应的t统计量,根据t检验原理,地形变化量相应的t统计量为:
式中:ZDEM1为第一次航拍得到的数字高程模型,ZDEM2为第二次航拍得到的数字高程模型,δDoD为地形变化量的误差;
通过查阅t检验的界值表得到给定置信度下的t统计量阈值;当地形变化量相应的t统计量大于给定置信度下的t统计量阈值时,则认为在给定的置信度水平下发生了真实地形变化;当地形变化量相应的t统计量小于或等于给定置信度下的t统计量阈值时,则认为在给定的置信度水平下两次航拍获得的高程差异由误差引起。
进一步地,在研究区域进行首次航拍及第二次航拍时,在保证垂直拍摄且旁向重叠度达80%以上前提下设置航向及航拍高度,并选择天气晴朗、地面无持续风向且风力<2级的时段进行航拍。
进一步地,根据首次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM1)以及根据第二次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM2)的方法为:
对两次的航拍原始激光点云数据进行预处理,预处理步骤包括点云去噪、点云滤波以及点云分类,预处理借助于python或者C++进行;
使用Python语言提取首次航拍激光点云的多重回波信息,将最低高程数据保留,将在植被上返回的数据信息去除,从而获得真实地貌表面的高程数据,生成研究区的数字高程模型(DEM1);
使用Python语言提取第二次航拍激光点云的多重回波信息,将最低高程数据保留,将在植被上返回的数据信息去除,从而获得真实地貌表面的高程数据,生成研究区的数字高程模型(DEM2)。
由于采用上述技术方案,本发明具有以下有益效果:
1、上述利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,结合现代无人机摄影测量技术,能够较为简便、精确地获得研究区域经过土壤流失及漏失前后的数字高程模型,本方法地下土壤漏失量的估算排除了地表土壤侵蚀量的影响,进一步提高了喀斯特地区地下土壤漏失量计算准确性。
2、上述利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,利用激光Lidar数据准确地提取了数字高程模型的变化量,通过数字高程模型的变化量获得研究区域的土壤总侵蚀量G,为进一步估算土壤漏失的量提供了科学的依据,从而得到地下土壤漏失量方程,通过该方程计算出的土壤漏失量更加准确,较好地解决了现有技术对于土壤侵蚀、水土流失等的监测困难,研究效率低,定量估算误差大等的问题,为喀斯特地区的石漠化治理与水土流失防治提供理论指导。
3、上述利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,对两次航拍生成的DEM做误差分析,排除了由于误差引起的地形变化的情况,在判断两次航拍获得的高程差异是由真实地形变化引起的前提下,对土壤漏失量进行估算,使土壤漏失量的估算更准确;其根据误差传播定律将两次航拍的DEM误差计算到相应的地形变化量中,得到地形变化量的误差,根据统计学t检验的原理,在一定置信度水平下区分两次航拍获得的高程差异是由真实地形变化引起的变化还是由误差引起的变化,为判断两次航拍获得的高程差异是否由真实地形变化引起提供了依据及方法。
4、上述利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,结合现代无人机摄影测量技术,在真实的地理环境下对土壤漏失量进行估算,相较于现有的人工模拟法,更真实可靠;相较于野外检测法及137Cs示踪法,采用激光Lidar技术估算喀斯特地区地下土壤漏失量,其自动化程度更高,野外工作难度较低,且效率更高。
附图说明
图1为水土漏失过程示意图。
图2为无人机摄影测量过程示意图。
图3为无人机摄影测量信息提取图。
图4为地表处理细节图。
图5为本发明一较佳实施方式中利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法的流程图。
主要元件符号说明
1-土壤,2-裂缝,3-岩石,4-落水洞,5-地下河。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请同时参见图2至图5,本发明一较佳实施方式提供一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,包括以下步骤:
S1,利用搭载有激光雷达传感器的无人机对待监测的研究区域进行首次航拍,根据首次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM1)。
S2,利用搭载有激光雷达传感器的无人机对待监测的研究区域进行第二次航拍,第二次航拍与首次航拍之间间隔预定时间,根据第二次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM2)。
在步骤S1及步骤S2中,利用无人机所搭载的激光雷达传感器进行航拍,航拍过程主要包括地面GPS基站的架设、无人机搭载激光雷达传感器的挂载与安装、航线规划与上传航线,其属于现有技术,为省略篇幅,这里不再赘述。此外,在研究区域进行首次航拍及第二次航拍时,优先选择天气晴朗、地面无持续风向且风力<2级的时段进行,确保所获得的影像不受到大气因素的影响;航拍时在保证垂直拍摄且旁向重叠度达80%以上的前提下设置航向及航拍高度。经过几个月或者一年的时间后,由于强烈的岩溶作用、水流冲刷、化学溶蚀等会使得土壤流失及漏失量越来越多,待首次航拍经过预设时间,例如几个月或者一年的时间后,对待监测的研究区域进行第二次航拍。
在本实施方式中,根据首次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM1)以及根据第二次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM2)的方法为:
对两次的航拍原始激光点云数据进行预处理,预处理步骤主要包括点云去噪、点云滤波以及点云分类,预处理借助于python或者C++进行;
使用Python语言提取首次航拍激光点云的多重回波信息,将最低高程数据保留,将在植被上返回的数据信息去除,从而获得真实地貌表面的高精度高程数据,生成研究区的数字高程模型(DEM1);
使用Python语言提取第二次航拍激光点云的多重回波信息,将最低高程数据保留,将在植被上返回的数据信息去除,从而获得真实地貌表面的高精度高程数据,生成研究区的数字高程模型(DEM2)。
S3,对两次航拍生成的DEM做误差分析,判断两次航拍获得的高程差异是否由真实的地形变化引起。
在本实施方式中,步骤S3包括以下步骤:
S31,根据误差传播定律通过两次航拍获得DEM的误差计算得到地形变化量的误差,具体地,所述地形变化量的误差δDoD为:
式中:δDoD为地形变化量的误差,δDEM1为第一次航拍得到的DEM的误差,δDEM2为第二次航拍得到的DEM的误差,式中的DEM的误差为DEM的误差空间分布图,其可采取以下方法获得:
S311,在首次航拍及第二次航拍时,采用GPS-RTK方式对研究区进行野外控制测量,两次航拍的测量控制点设置相同的坐标系,控制点的个数由研究区域大小确定,选择一半数目的控制点作为三维控制点参与空三过程校正摄影测量,其余控制点作为检查点评估摄影测量成果精度,获得检查点处DEM高程的误差;
S312,采用蒙特卡罗方法,基于步骤S311已知的检查点处DEM高程的误差评估摄影测量结果的误差空间分布,得到两次航拍的DEM的误差空间分布图。
步骤32,根据统计学t检验的原理,在一定的置信度水平下区分两次航拍获得的高程差异是由真实地形变化引起的变化还是由误差引起的变化。
在本实施方式中,选择最低检测水平,即置信度水平为68.3%来区分两次航拍获得的高程差异是由真实地形变化引起的变化还是由误差引起的变化。因此,在步骤32中,需要将地形变化量转换成相应的t统计量(假设误差完全随机分布)并进行置信度检测,具体为:
将地形变化量转换成相应的t统计量,根据t检验原理,地形变化量相应的t统计量为:
式中:ZDEM1为第一次航拍得到的数字高程模型,ZDEM2为第二次航拍得到的数字高程模型,δDoD为地形变化量的误差;
通过查阅t检验的界值表得到给定置信度(即68.3%)下的t统计量阈值,当地形变化量相应的t统计量大于给定置信度下的t统计量阈值时,则认为在给定的置信度水平下发生了真实地形变化;当地形变化量相应的t统计量小于或等于给定置信度下的t统计量阈值时,则认为在给定的置信度水平下两次航拍获得的高程差异由误差引起。
S4,若两次航拍获得的高程差异是由真实的地形变化引起,则计算地下土壤漏失量,地下土壤漏失量为土壤总侵蚀量减去地表土壤侵蚀量,其中,地表土壤侵蚀量根据修正通用土壤流失量方程来获得,土壤总侵蚀量为根据得到的两次航拍的数字高程模型的变化量来获得。
其中,研究区域的土壤总侵蚀量G的计算包括以下步骤:
分别对首次和第二次航拍得到的研究区地貌数字高程模型进行栅格化,栅格化时使研究区两次航拍得到的DEM参数(即地貌参数)的空间分辨率保持一致,具体空间分辨率的大小可根据实际情况进行设定;
对两次航拍的研究区地貌参数分别在GIS(地理信息***)中做差值运算,得到数字高程模型的变化量(ΔDEM),则研究区域的土壤总侵蚀量G为:
G=∑ΔDEM×(d1+d2)/2×s×ρ
式中:G为土壤总侵蚀量;ΔDEM为激光Lidar数据每个栅格数字高程模型的变化量;d1为侵蚀前的研究区总土被覆盖率;d2为侵蚀后的研究区总土被覆盖率;(d1+d2)/2为被侵蚀掉的平均土被覆盖率;s为激光Lidar数据处理后单位栅格的面积;ρ为土壤容重,此数据为实测数据。
其中,研究区总土被覆被率d通过DEM数据的每个栅格土被覆盖面积计算得到,具体为:
式中:dr为单位栅格的土被覆盖率;dri为单位栅格土被覆盖面积,i为单位栅格;s为单位栅格面积。
则研究区总土被覆被率d为:
d=dr×c
式中:d为研究区总土被覆盖率;c为研究区栅格总数。
其中单位栅格土被覆盖面积dri是通过航拍得到原始激光点云数据在点云分类处理时,运用不同地物对激光回波强度的值是不同的原理,从而识别出土被信息,得到该数据。
d1及d2分别根据两次航拍得到的DEM数据,参照上述方法获得。
步骤S4中所述的修正通用土壤流失量方程为:
E=RUSLE=R·K·LS·C·P
式中:E为地表土壤侵蚀量;RUSLE为修正通用土壤流失量,R为降雨侵蚀力因子;K为土壤可蚀性因子;L为坡长因子;S为坡度因子;C为植被覆盖和经营管理因子;P为水土保持措施因子。修正通用土壤流失量方程的计算属于现有技术,为省略篇幅,这里不再赘述。
步骤S4所述的地下土壤漏失量N的计算公式为:
N=G-E=∑ΔDEM×(d1+d2)/2×s×ρ-R·K·LS·C·P。
上述利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,结合现代无人机摄影测量技术,能够较为简便、精确地获得研究区域经过土壤流失及漏失前后的数字高程模型,本方法地下土壤漏失量的估算排除了地表土壤侵蚀量的影响,进一步提高了喀斯特地区地下土壤漏失量计算准确性。
上述利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,利用激光Lidar数据准确地提取了数字高程模型的变化量,通过数字高程模型的变化量获得研究区域的土壤总侵蚀量G,为进一步估算土壤漏失的量提供了科学的依据,从而得到地下土壤漏失量方程,通过该方程计算出的土壤漏失量更加准确,较好地解决了现有技术对于土壤侵蚀、水土流失等的监测困难,研究效率低,定量估算误差大等的问题,为喀斯特地区的石漠化治理与水土流失防治提供理论指导。
上述利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,对两次航拍生成的DEM做误差分析,排除了由于误差引起的地形变化的情况,在判断两次航拍获得的高程差异是由真实地形变化引起的前提下,对土壤漏失量进行估算,使土壤漏失量的估算更准确;其根据误差传播定律将两次航拍的DEM误差计算到相应的地形变化量中,得到地形变化量的误差,根据统计学t检验的原理,在一定置信度水平下区分两次航拍获得的高程差异是由真实地形变化引起的变化还是由误差引起的变化,为判断两次航拍获得的高程差异是否由真实地形变化引起提供了依据及方法。
上述利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,结合现代无人机摄影测量技术,在真实的地理环境下对土壤漏失量进行估算,相较于现有的人工模拟法,更真实可靠;相较于野外检测法及137Cs示踪法,采用激光Lidar技术估算喀斯特地区地下土壤漏失量,其自动化程度更高,野外工作难度较低,且效率更高。
上述说明是针对本发明较佳可行实施例的详细说明,但实施例并非用以限定本发明的专利申请范围,凡本发明所提示的技术精神下所完成的同等变化或修饰变更,均应属于本发明所涵盖专利范围。
Claims (10)
1.一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,包括以下步骤:
利用搭载有激光雷达传感器的无人机对待监测的研究区域进行首次航拍,根据首次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM1);
利用搭载有激光雷达传感器的无人机对待监测的研究区域进行第二次航拍,第二次航拍与首次航拍之间间隔预定时间,根据第二次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM2);
计算地下土壤漏失量:地下土壤漏失量为土壤总侵蚀量减去地表土壤侵蚀量,其中,地表土壤侵蚀量根据修正通用土壤流失量方程来获得,土壤总侵蚀量为根据得到的两次航拍的数字高程模型的变化量来获得。
2.如权利要求1所述的利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,研究区域的土壤总侵蚀量G的计算包括以下步骤:
分别对首次和第二次航拍得到的研究区地貌数字高程模型进行栅格化,栅格化时使研究区两次航拍得到的DEM参数的空间分辨率保持一致;
对两次航拍的研究区DEM参数分别在GIS中做差值运算,得到数字高程模型的变化量(ΔDEM),则研究区域的土壤总侵蚀量G为:
G=∑ΔDEM×(d1+d2)/2×s×ρ
式中:G为土壤总侵蚀量;ΔDEM为激光Lidar数据每个栅格数字高程模型的变化量;d1为侵蚀前的研究区总土被覆盖率;d2为侵蚀后的研究区总土被覆盖率;(d1+d2)/2为被侵蚀掉的平均土被覆盖率;s为激光Lidar数据处理后单位栅格的面积;ρ为土壤容重。
3.如权利要求2所述的利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,所述的修正通用土壤流失量方程为:
E=RUSLE=R·K·LS·C·P
式中:E为地表土壤侵蚀量;RUSLE为修正通用土壤流失量,R为降雨侵蚀力因子;K为土壤可蚀性因子;L为坡长因子;S为坡度因子;C为植被覆盖和经营管理因子;P为水土保持措施因子。
4.如权利要求3所述的利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,所述的地下土壤漏失量N的计算公式为:
N=G-E=∑ΔDEM×(d1+d2)/2×s×ρ-R·K·LS·C·P。
5.如权利要求1所述的利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,在计算地下土壤漏失量的步骤前,还对两次航拍生成的DEM做误差分析,判断两次航拍获得的高程差异是否为真实的地形变化引起;若两次航拍获得的高程差异是由真实的地形变化引起,则对地下土壤漏失量进行计算。
6.如权利要求5所述的利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,所述对两次航拍生成的DEM做误差分析包括以下步骤:
S31,根据误差传播定律通过两次航拍的DEM误差计算得到地形变化量的误差;
S32,根据统计学t检验的原理,在一定置信度水平下区分两次航拍获得的高程差异是由真实地形变化引起的变化还是由误差引起的变化。
8.如权利要求7所述的利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,步骤S32包括以下步骤:
将地形变化量转换成相应的t统计量,根据t检验原理,地形变化量相应的t统计量为:
式中:ZDEM1为第一次航拍得到的数字高程模型,ZDEM2为第二次航拍得到的数字高程模型,δDoD为地形变化量的误差;
通过查阅t检验的界值表得到给定置信度下的t统计量阈值,当地形变化量相应的t统计量大于给定置信度下的t统计量阈值时,则认为在给定的置信度水平下发生了真实地形变化;当地形变化量相应的t统计量小于或等于给定置信度下的t统计量阈值时,则认为在给定的置信度水平下两次航拍获得的高程差异由误差引起。
9.如权利要求1所述的利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,在研究区域进行首次航拍及第二次航拍时,在保证垂直拍摄且旁向重叠度达80%以上前提下设置航向及航拍高度,并选择天气晴朗、地面无持续风向且风力<2级的时段进行航拍。
10.如权利要求1所述的利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法,其特征在于,根据首次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM1)以及根据第二次航拍激光点云的多重回波信息,获得研究区的数字高程模型(DEM2)的方法为:
对两次的航拍原始激光点云数据进行预处理,预处理步骤包括点云去噪、点云滤波以及点云分类,预处理借助于python或者C++进行;
使用Python语言提取首次航拍激光点云的多重回波信息,将最低高程数据保留,将在植被上返回的数据信息去除,从而获得真实地貌表面的高程数据,生成研究区的数字高程模型(DEM1);
使用Python语言提取第二次航拍激光点云的多重回波信息,将最低高程数据保留,将在植被上返回的数据信息去除,从而获得真实地貌表面的高程数据,生成研究区的数字高程模型(DEM2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111391006.2A CN114089371B (zh) | 2021-11-23 | 2021-11-23 | 一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111391006.2A CN114089371B (zh) | 2021-11-23 | 2021-11-23 | 一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114089371A true CN114089371A (zh) | 2022-02-25 |
CN114089371B CN114089371B (zh) | 2024-06-25 |
Family
ID=80303128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111391006.2A Active CN114089371B (zh) | 2021-11-23 | 2021-11-23 | 一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114089371B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880597A (zh) * | 2023-02-15 | 2023-03-31 | 中国铁路设计集团有限公司 | 一种基于遥感技术的岩溶区落水洞提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609615A (zh) * | 2012-01-20 | 2012-07-25 | 浙江大学 | 基于修正通用水土流失方程的水土流失遥感动态监测方法 |
CN107239659A (zh) * | 2017-06-01 | 2017-10-10 | 中国科学院地球化学研究所 | 一种改进的k‑rusle模型与成土速率计算土壤侵蚀的方法 |
CN108594261A (zh) * | 2015-07-30 | 2018-09-28 | 乌鲁木齐九品芝麻信息科技有限公司 | 一种基于激光雷达技术的滑坡体变化检测方法 |
CN110796340A (zh) * | 2019-09-29 | 2020-02-14 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种宏观尺度的小流域综合治理优先级评估方法 |
-
2021
- 2021-11-23 CN CN202111391006.2A patent/CN114089371B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609615A (zh) * | 2012-01-20 | 2012-07-25 | 浙江大学 | 基于修正通用水土流失方程的水土流失遥感动态监测方法 |
CN108594261A (zh) * | 2015-07-30 | 2018-09-28 | 乌鲁木齐九品芝麻信息科技有限公司 | 一种基于激光雷达技术的滑坡体变化检测方法 |
CN107239659A (zh) * | 2017-06-01 | 2017-10-10 | 中国科学院地球化学研究所 | 一种改进的k‑rusle模型与成土速率计算土壤侵蚀的方法 |
CN110796340A (zh) * | 2019-09-29 | 2020-02-14 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种宏观尺度的小流域综合治理优先级评估方法 |
Non-Patent Citations (1)
Title |
---|
朱庆;***;胡翰;钟若飞;吴波;谢林甫;: "面向三维城市建模的多点云数据融合方法综述", 武汉大学学报(信息科学版), no. 12, 25 September 2018 (2018-09-25) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880597A (zh) * | 2023-02-15 | 2023-03-31 | 中国铁路设计集团有限公司 | 一种基于遥感技术的岩溶区落水洞提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114089371B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Buri et al. | A physically based 3‐D model of ice cliff evolution over debris‐covered glaciers | |
Steiner et al. | Supraglacial ice cliffs and ponds on debris-covered glaciers: spatio-temporal distribution and characteristics | |
CN111507375B (zh) | 一种城市内涝风险快速评估方法及*** | |
Lange et al. | A noncalibrated rainfall‐runoff model for large, arid catchments | |
Shore et al. | Evaluation of a surface hydrological connectivity index in agricultural catchments | |
CN107239659B (zh) | 一种基于改进的k-rusle模型与成土速率计算土壤侵蚀的方法 | |
Cândido et al. | High-resolution monitoring of diffuse (sheet or interrill) erosion using structure-from-motion | |
Shaw et al. | Comparison of UAV Lidar and imagery for beach monitoring | |
CN114089371B (zh) | 一种利用激光Lidar技术估算喀斯特地区地下土壤漏失量的方法 | |
CN117423002B (zh) | 一种基于dem的小尺度潮滩图像处理方法 | |
CN101464148B (zh) | 三维影像侦测、编修及重建*** | |
CN115880597B (zh) | 一种基于遥感技术的岩溶区落水洞提取方法 | |
Barneveld et al. | Quantifying the dynamics of microtopography during a snowmelt event | |
CN109308375B (zh) | 一种基于地貌参数的流域最优流速的测算方法 | |
Matgen et al. | Sequential assimilation of remotely sensed water stages in flood inundation models | |
Zlatanović et al. | Comparison of an automated and manual method for calculating storm runoff response in ungauged catchments in Serbia | |
Rahmayudi et al. | Comparison of semi automatic DTM from image matching with DTM from Lidar | |
Collins et al. | High-resolution topography and geomorphology of select archeological sites in Glen Canyon National Recreation Area, Arizona | |
Kundu et al. | Automated extraction of morphologic and hydrologic properties for River Njoro catchment in Eastern Mau, Kenya | |
Bi et al. | Digital terrain analysis based on DEM | |
Nam et al. | Modeling for analyzing effects of groundwater pumping in Can Tho city, Vietnam | |
Wu et al. | An improved DEM construction method for mudflats based on BJ-1 small satellite images: A case study on Bohai Bay | |
Šamanović et al. | Influence of pit removal algorithms on surface runoff simulation | |
Akkimi et al. | Suitable dem assessment study for data Scarce Cities towards urban Extreme and Nuisance flood mapping | |
Hashim et al. | Cross section intervals of flood intervals of flood inundation mapping at ungauged area |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |