不同林分郁閉度與坡度下機載LiDAR最優(yōu)點云密度

摘要：

機載激光雷達技術(shù)（light detection and ranging，LiDAR）的發(fā)展為茂密植被山區(qū)的地質(zhì)災害調(diào)查提供了新型方案。該項技術(shù)高度依賴地面點的密度，而地面點密度的大小與激光穿透率和原始點云密度息息相關(guān)，需要評估不同植被密度條件下實際獲取的最優(yōu)點云數(shù)量，從而滿足調(diào)查比例尺下的DEM（Digital Elevation Model）插值要求。以安徽省黃山市周邊地形復雜的山區(qū)為研究測區(qū)，研究了不同林分郁閉度及地形坡度條件下穿透率與地面點密度間的關(guān)系，以及原始點云密度與地面點密度間的關(guān)系，并根據(jù)調(diào)查比例尺要求獲取了不同精度的數(shù)字地形產(chǎn)品；再對以各點密度構(gòu)建出的DEM進行量化評價，以反算得出針對安徽省山區(qū)地質(zhì)災害調(diào)查的機載LiDAR最優(yōu)原始點云采集密度推薦值。結(jié)果表明：郁閉度與坡度和地面點密度之間存在負相關(guān)關(guān)系，且郁閉度影響更大；原始點云密度超一定閾值后，地質(zhì)災害的識別并不能得到顯著優(yōu)化；根據(jù)實驗結(jié)果確立針對安徽省山區(qū)地質(zhì)災害1∶500調(diào)查比例尺下機載LiDAR最優(yōu)點云采集密度推薦值，當林分郁閉度分別為［0.7，1.0），［0.2，0.7），［0，0.2）時，對應的點云密度推薦值分別為［65，90），［45，65），［16，45）pts/m2。

關(guān)" 鍵" 詞：

最優(yōu)點云密度； 機載LiDAR； 郁閉度； 地形坡度； 地面點密度； 地質(zhì)災害調(diào)查； 安徽省

中圖法分類號： P237

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2025.01.017

收稿日期：2024-05-16；接受日期：2024-09-11

基金項目：

國家自然科學基金項目（42072306）；安徽省交通控股集團科技項目（JKKJ-2020-45）

作者簡介：

段海澎，男，正高級工程師，博士，主要從事公路工程地質(zhì)災害和特殊路基研究。E-mail：hfdhp@163.com

Editorial Office of Yangtze River. This is an open access article under the CC BY-NC-ND 4.0 license.

文章編號：1001-4179（2025） 01-0125-07

引用本文：

段海澎，熊亮，劉旻昊，等.

不同林分郁閉度與坡度下機載LiDAR最優(yōu)點云密度

［J］.人民長江，2025，56（1）：125-131.

0" 引 言

安徽省地質(zhì)構(gòu)造復雜、地形地貌多變，長江、淮河貫穿境內(nèi)，加之受亞熱帶季風氣候影響，以及不規(guī)范的生產(chǎn)活動，導致安徽省在每年集中降水期內(nèi)地質(zhì)災害頻發(fā)［1-3］。傳統(tǒng)的地質(zhì)災害人工調(diào)查方法在大面積區(qū)域工作時，無法準確獲取災害的相關(guān)信息，且存在調(diào)查效率低、人員安全無法得到保障等問題，難以查明庫區(qū)高位隱患的災害以及山區(qū)茂密植被覆蓋下的地質(zhì)災害類型與跡象［4］。通過機載LiDAR技術(shù)可穿透植被獲取精確的三維信息，為河道沿岸陡峭山體的地災識別調(diào)查、水工建筑物的維護設(shè)計、水庫科研勘測等水利專業(yè)工作提供數(shù)據(jù)支撐［5-8］。

機載LiDAR現(xiàn)場掃描后獲得的原始數(shù)據(jù)集稱為點云，而點云的采集密度則會直接影響DEM的精度。在數(shù)據(jù)采集的過程中，由于植被覆蓋程度復雜多樣，因此很難直接評估出構(gòu)建用于地質(zhì)災害調(diào)查的DEM的采集點密度［9］。一方面，已有的不同比例尺下構(gòu)建DEM的點云采集密度標準是面向測繪行業(yè)制定的，但此規(guī)范并不適用于地質(zhì)災害調(diào)查工作。相較于地形測繪，地質(zhì)災害調(diào)查獲取點云的目的是解譯地質(zhì)災害、提取災害信息，更加注重微地貌的形態(tài)［8-11］。另一方面，地質(zhì)災害識別依賴于對地形特征的增強顯示，而地面點密度又決定著數(shù)據(jù)增強顯示的效果，但考慮到時間效率成本等影響，不能一味增加原始點云密度以提高地面點密度，因此針對點云采集密度優(yōu)化的研究是十分必要的［12-16］。

目前，國際上對于機載LiDAR采集點云密度的研究主要集中于以測繪為目的的方向，Liu等［17］研究發(fā)現(xiàn)將原始點云數(shù)據(jù)抽稀后，依舊可以在一定程度上具備DEM數(shù)據(jù)精度；Zhou 等［18］研究得知用于地貌學領(lǐng)域的DEM最佳分辨率為0.5 m，然而對于地形復雜且植被覆蓋密度不均的山區(qū)，所需要的采集密度也會有所區(qū)別。沈永林等［19］以海地地震誘發(fā)的滑坡體為研究對象，基于高分辨率航空影像和機載LiDAR數(shù)據(jù)，進行了多源數(shù)據(jù)地物分類和滑坡識別的有益嘗試。雖然機載LiDAR技術(shù)已經(jīng)在地質(zhì)災害的識別與監(jiān)測方向開始逐步推廣應用，但仍存在許多實際應用問題亟待研究。一是現(xiàn)有遙感數(shù)據(jù)采集的精度規(guī)范多為測繪領(lǐng)域服務(wù)，且同時具備遙感與地質(zhì)專業(yè)經(jīng)驗的調(diào)查人員稀缺，因此缺乏應用于地質(zhì)災害遙感調(diào)查領(lǐng)域的直觀數(shù)據(jù)；二是相關(guān)方向的應用參考多以單體典型災害為主，面向大范圍復雜山區(qū)的調(diào)查研究還待完善；三是在已有對中國西南山區(qū)機載LiDAR地質(zhì)災害調(diào)查的研究基礎(chǔ)上，演變應用于中國東南安徽省山區(qū)地質(zhì)災害的研究還存在較大經(jīng)驗缺口［20-23］。

針對以上問題，本文以安徽省黃山市周邊地形復雜山區(qū)為依托，從激光穿透率對地面點密度影響的實驗以及原始點云密度對地面點密度影響的實驗兩個角度分析，同時根據(jù)均方根誤差量化評價DEM質(zhì)量，以反算得出針對安徽省山區(qū)地質(zhì)災害調(diào)查的機載LiDAR最優(yōu)原始點云采集密度推薦值。

1" 研究區(qū)概況

研究前期，筆者團隊對安徽省黃山、宣城、安慶等區(qū)域的銅湯、湯屯、黃塔桃、寧績、六潛等多條運營山區(qū)高速公路開展了地質(zhì)災害LiDAR遙感調(diào)查工作。本研究以前期調(diào)查工作選定的9個地質(zhì)災害重點防治區(qū)域為研究對象，總面積約20 km2，見圖1。其中選定“G3W德州至上饒高速公路祁門至皖贛界段擬建高速（K0—K1+580）”為WG1測區(qū)，區(qū)內(nèi)高速公路沿線縱貫山谷；選定“G3W德州至上饒高速公路祁門至皖贛界段擬建高速（K2+430—K14+750）”為WG2測區(qū)，區(qū)內(nèi)縱穿高速公路且散布村鎮(zhèn)居民；選定“G3W德州至上饒高速公路祁門至皖贛界段在建高速（K22+070—K23+430）”為WG3測區(qū)，區(qū)內(nèi)有河谷與公路穿過；選定“溧寧高速（胡樂司隧道進口處）”為胡樂司（HLS）測區(qū)，區(qū)內(nèi)有一條高速公路穿過且覆蓋隧道口；選定“鳥雀坪村”為鳥雀坪（NQP）測區(qū)，區(qū)內(nèi)主要發(fā)育有幾處古老滑坡，且有村鎮(zhèn)分布于坡面；選定“湯屯”為湯屯（TT）測區(qū)，區(qū)內(nèi)有一處高速互通，且公路一側(cè)山體發(fā)育有一處古滑坡；選定“陽臺村”為陽臺（YT）測區(qū)，區(qū)內(nèi)發(fā)育有3處大型滑坡，且坡面有村鎮(zhèn)分布；選定“溧寧高速（周灣隧道進口處）”為周灣（ZW）測區(qū)，區(qū)內(nèi)有鐵路橋通過；選定“溧寧高速（莊村隧道進口處）”為莊村（ZC）測區(qū)，區(qū)內(nèi)有高速隧道口通過。此9個研究區(qū)及周邊為安徽省地質(zhì)災害多發(fā)、易發(fā)區(qū)，且區(qū)域內(nèi)涉及居民與重要交通線路較多。從地質(zhì)特征上看，出露地層多為前震旦系淺變質(zhì)巖與火山碎屑巖；從地貌特征上看，地形起伏較大，坡度多處大于25°，山地面積占比近80%；從氣候特征上看，屬亞熱帶季風濕潤氣候，年均降水量約在1 400～1 900 mm，這些特征對于地質(zhì)災害來說都具有極強的誘發(fā)性［24］。

2" 數(shù)據(jù)與實驗方法

2.1" 數(shù)據(jù)獲取與處理

此次機載LiDAR數(shù)據(jù)的采集使用奧地利RIEGL激光測量系統(tǒng)公司的RIEGL VUX-1LR激光雷達系統(tǒng)，激光發(fā)射頻率為820 kHz，精度為15 mm，重復精度為10 mm，視場角為330°，掃描速度為10～200 r/s。

研究測區(qū)內(nèi)地形地貌較為復雜，在坡度0～70°均有分布，且植被多樣，主要分布有原始常綠、落葉闊葉混交林和黃山松純林。由于不同測區(qū)的地形地貌及植被覆蓋情況不一，故針對不同測區(qū)采集不同的原始點云密度。不同測區(qū)的采集點云密度見表1。

為探究林分郁閉度、坡度兩個因素綜合對穿透率的影響，在上述的9個測區(qū)中選擇了9組樣方測試區(qū)域，每組數(shù)據(jù)范圍為40 m×40 m，進行點云密度與林分郁閉度及坡度的關(guān)系實驗（樣方區(qū)域的郁閉度和坡度均為平均郁閉度和坡度），分別為1-高郁閉度-陡坡、2-高郁閉度-中等坡度、3-高郁閉度-緩坡、4-中郁閉度-陡坡、5-中郁閉度-中等坡度、6-中郁閉度-緩坡、7-低郁閉度-陡坡、8-低郁閉度-中等坡度、9-低郁閉度-緩坡，見圖2（樣方區(qū)域“1-高郁閉度-陡坡”下文簡稱“1-高陡”，其余8個區(qū)域同理）。然后基于商用軟件LiDAR360對其進行點云濾波處理，再人工剔除干擾點，得出用于構(gòu)建數(shù)字模型的地面點，通過ArcGIS 10.5軟件對地面點進行處理以構(gòu)建生成DEM模型，同時通過Pix4dmapper軟件對數(shù)據(jù)進行處理以構(gòu)建生成DOM模型，數(shù)據(jù)信息概況見表2。

2.2" 地質(zhì)災害識別點云密度優(yōu)化實驗

在實際工作中，識別參數(shù)設(shè)計、作業(yè)區(qū)林分郁閉度、地形坡度、原始點云密度等因素均會對地面點密度構(gòu)成影響，其中激光穿透率與原始點云密度對其的影響最為重要［6-7］，三者間的關(guān)系如下：

原始點云密度=地面點密度激光穿透率

（1）

故本節(jié)主要從激光穿透率驗證與不同原始采集點云密度的影響兩方面著手分析地質(zhì)災害識別調(diào)查的最優(yōu)地面點密度，并對不同地面點密度構(gòu)建出的DEM進行量化評價以對最優(yōu)地面點密度進行驗證，從而反算出原始點云采集密度的最優(yōu)推薦值。

2.2.1" 激光穿透率實驗

本節(jié)對于激光穿透率的分析主要從林分郁閉度與地形坡度對于地面點密度的影響關(guān)系著手研究。

（1） 林分郁閉度。林分郁閉度也稱林冠層蓋度，決定著林分結(jié)構(gòu)以及光、水等生態(tài)因子透過林冠在林分內(nèi)的分布狀況，可以有效反映激光的穿透能力［11］。針對此次研究，結(jié)合樹冠的閉合程度，將林分郁閉度人工劃分為低、中、高3個等級：① 樹冠閉合程度為［0，0.2），郁閉度劃分為Ⅰ級（低郁閉度）；② 樹冠閉合程度為［0.2，0.7），郁閉度劃分為Ⅱ級（中郁閉度）；③ 樹冠閉合程度為［0.7，1.0］，郁閉度劃分為Ⅲ級（高郁閉度）。

此次實驗使用機械布點法以獲取郁閉度，即在作業(yè)區(qū)布設(shè)N個樣點，在每個樣點的位置上垂直仰視樹冠層，據(jù)此判斷此樣點位置樹冠覆蓋的情況，將被樹冠覆蓋的樣點數(shù)統(tǒng)計出來，并利用公式（2）計算郁閉度：

郁閉度=被覆蓋的樣點數(shù)總樣點數(shù)

（2）

即樹冠在陽光直射時的總地面投影面積（總冠幅）與此處作業(yè)區(qū)林地總面積的比值，若地面被樹冠的投影完全覆蓋則郁閉度表示為1.0，其次為0.9，0.8，0.7，…，0，依此類推。

（2） 坡度。坡度為坡面的垂直高度H與水平寬度L的比，即坡角的正切值。本次研究將獲取得到的數(shù)字高程模型（DEM）基于ArcGIS軟件的坡度分析工具，將其定義為陡坡（＞50°）、中等坡度（20°～50°）、緩坡（＜20°）共3個不同等級的坡度。之后采用同一宏命令對不同郁閉度與坡度下的激光穿透率進行處理，并進行人工手動檢查后，得到各樣方區(qū)域的穿透率測試結(jié)果。

2.2.2" 原始點云密度實驗

地面點密度受原始點云密度的直接影響，從應用于地質(zhì)災害調(diào)查的地貌學宏觀研究角度來說，當原始點云密度達到一定數(shù)值后，依舊不斷增加點云密度，數(shù)字地形產(chǎn)品的精度并不會得到顯著提高，不能獲取更多的有效地形細節(jié)。因此，需實驗找出既能對微地貌進行有效識別，又在合理取值區(qū)間的最優(yōu)點云密度。在確定了地面點密度與林分郁閉度存在負相關(guān)關(guān)系的情況下，還需明確地質(zhì)災害特征與點云密度之間的關(guān)系，即明確地面點密度與原始點云密度之間的具體匹配關(guān)系。針對該實驗區(qū)，本文根據(jù)區(qū)內(nèi)發(fā)育地質(zhì)災害的面積大小，分別選取了2處面積大于0.1 km2的滑坡和2處面積小于500 m2的滑坡，通過對地面點抽稀以獲得不同點云數(shù)據(jù)進行對比實驗，比例尺選取1∶500，以0.2 m的構(gòu)網(wǎng)間距內(nèi)插生成三角網(wǎng)格模型，探究地面點密度大小與滑坡要素識別之間的關(guān)系。

2.2.3" DEM量化評價與地面點密度選取方法

若只是通過目視來提取地表有效信息以及解譯地質(zhì)災害特征，會使得結(jié)果存在主觀性因素并導致結(jié)果具有不唯一性。因此，選取均方根誤差（RMSE）對各個點密度構(gòu)建的DEM進行定量評價，計算公式如下：

RMSE=ni=1（Zi-Zl）2n

（3）

式中：Zi為DEM數(shù)據(jù)中采樣點的高程數(shù)值；Zl為采樣

點的實際高程數(shù)值；n為采樣點的個數(shù)。均方根誤差（RMSE）對DEM評價指標的數(shù)值越小，則說明DEM中的采樣點高程值與實際高程數(shù)值之間的誤差越小，即DEM越符合真實地形條件。

最終從激光穿透率對地面點密度的負相關(guān)影響以及原始點云密度對地面點密度的正相關(guān)影響兩個角度分析，同時根據(jù)均方根誤差量化評價DEM質(zhì)量，以反算得出針對安徽省山區(qū)地質(zhì)災害調(diào)查的機載LiDAR最優(yōu)原始點云采集密度推薦值。

3" 結(jié)果與分析

3.1" 點云密度優(yōu)化實驗結(jié)果

3.1.1" 激光穿透率實驗結(jié)果

不同樣方區(qū)域的地面點密度變化及穿透率變化測試結(jié)果見表3。從僅對比單一因素——林分郁閉度來看，植被穿透率與林分郁閉度整體上呈現(xiàn)負相關(guān)趨勢，且地面點密度與激光點云的植被穿透率存在正比關(guān)系，則地面點密度與林分郁閉度之間存在負相關(guān)關(guān)系。對比同一郁閉度條件下3個不同等級坡度的穿透率可知，坡度大小對于穿透率的影響不大，其中高郁閉度條件下穿透率最低，平均穿透率穩(wěn)定在5.75%；中郁閉度條件下穿透率一般，平均穿透率穩(wěn)定在7.89%；低郁閉度條件下穿透率最高，平均穿透率穩(wěn)定在10.63%。

3.1.2" 原始點云密度實驗結(jié)果

如圖3所示，通過一系列點云密度實驗，從不同地面點密度刻畫面積大于0.1 km2的滑坡侵蝕溝谷邊界形態(tài)（圖3（a））、后緣陡坎及次級滑動邊界地貌特征（圖3（b））、滑坡左側(cè)邊界陡坎特征（圖3（c））及前緣堆積體特征（圖3（d））幾個方面研究了點云密度與地貌特征之間的關(guān)系。結(jié)果表明：點云密度在 0.1～5.0 pts/m2時，地貌特征隨點云密度的增加而不斷清晰，但點云密度超過1.0 pts/m2達到5.0 pts/m2時，地貌特征并未得到顯著優(yōu)化。

測區(qū)內(nèi)2個面積大于0.1 km2的滑坡DEM山體陰影圖見圖4。從圖4可以看出，滑坡邊界與滑坡地貌特征會隨著點云密度的增加而愈發(fā)清晰，當點云密度達到0.5 pts/m2后，便可以完整識別出滑坡的形態(tài)，之后再增加點云密度也僅是稍微提高滑坡要素特征的識別能力，并且當點云密度達到1.0 pts/m2后，并不會識別出更細節(jié)的要素。

如圖5所示，通過一系列點云密度實驗，從不同地面點密度刻畫面積小于500 m2的滑坡后緣陡坎邊界地貌特征（圖5（a））及巖體結(jié)構(gòu)特征（圖5（b））兩個方面研究了點云密度與地貌特征之間的關(guān)系。結(jié)果表明：點云密度在 1～15 pts/m2之間時，地貌特征隨點云密度的增加不斷清晰，但點云密度超過10" pts/m2達到15 pts/m2時，地貌特征并未得到顯著優(yōu)化。

測區(qū)內(nèi)2個面積小于500 m2的滑坡DEM山體陰影圖見圖6。從圖6可以看出，滑坡邊界與滑坡地貌特征會隨著點云密度的增加而愈發(fā)清晰，當點云密度達到5 pts/m2以后，便可以完整識別出滑坡的形態(tài)，之后再增加點云密度也僅是稍微提高滑坡要素特征的識別能力，并且當點云密度達到10 pts/m2后，并不會識別出更細節(jié)的要素。

3.1.3" DEM量化評價結(jié)果

分別對0.1 km2和500 m2面積滑坡的不同點云抽稀程度的DEM高程誤差進行定量計算，得到的均方根誤差（RMSE）均為厘米級。從圖7～8可以看出，隨著點云密度的增大，高程誤差會隨之不斷減小，不過誤差范圍均控制在0.042～0.418 m。對于500 m2滑坡，當點云密度為5 pts/m2時，DEM的高程RMSE為0.22 m；對于0.1 km2滑坡，當點云密度為0.5 pts/m2時，DEM的高程RMSE為0.34 m，全部滿足對DEM高程RMSE的誤差要求。

3.2" 最優(yōu)采集點云密度選定

從激光穿透率實驗結(jié)果分析可知，基于高郁閉度條件下平均穿透率穩(wěn)定在5.75%；中郁閉度條件下平均穿透率穩(wěn)定在7.89%；低郁閉度條件下平均穿透率穩(wěn)定在10.63%，從識別更多地質(zhì)災害的角度出發(fā)，應將地面點密度數(shù)據(jù)控制在5 pts/m2以上。

從原始點云密度實驗結(jié)果分析可知，若想對微地貌達到高精度識別作用，對于識別面積大于0.1 km2的地質(zhì)災害，地面點數(shù)據(jù)基本要控制在0.5 pts/m2以上，而對于識別面積小于500 m2的地質(zhì)災害，地面點數(shù)據(jù)基本要控制在5 pts/m2以上。

基于上述實驗結(jié)果，由于原始點云采集密度=地面點密度/激光穿透率，同時設(shè)備的高程精度在植被茂密山區(qū)存在誤差，且設(shè)備硬件條件有限，基于當前情況，點云采集密度確實存在閾值，當超出閾值范圍后并不能顯著優(yōu)化地質(zhì)災害的識別能力。因此針對安徽省山區(qū)地質(zhì)災害調(diào)查的機載LiDAR原始點云采集密度推薦值如表4所列。

據(jù)此再進行點云數(shù)據(jù)采集時，便可于野外用目測法先將林分郁閉度估測出來，再參照此表根據(jù)估測郁閉度選取所對應的點云采集密度區(qū)間。同時在實踐工作中，還需根據(jù)不同的地形條件以及具體需求進行適時的調(diào)整，如果在個別小區(qū)域作業(yè)時，出現(xiàn)區(qū)域內(nèi)林分郁閉度區(qū)間變化較大的情況，則應選取較高的郁閉度區(qū)間所對應的原始點云采集密度。

4" 結(jié) 論

以安徽省黃山市周邊地形復雜的山區(qū)為研究測區(qū)，綜合考慮林分郁閉度、地形坡度、地質(zhì)災害調(diào)查需求、時間效率成本等因素，提出適用于安徽省山區(qū)地質(zhì)災害調(diào)查最優(yōu)點云采集密度范圍，并得出以下結(jié)論：

（1） 在只考慮單一因素影響條件下，激光穿透率與郁閉度之間存在負相關(guān)關(guān)系，且坡度對穿透率的影響遠遠低于林分郁閉度，故野外獲取數(shù)據(jù)時應著重考慮林分郁閉度對穿透率的影響。

（2） 對于面積小于500 m2的滑坡，將地面點密度控制在5 pts/m2以上能較好識別其邊界等要素特征；對于面積大于0.1 km2的滑坡，將地面點密度控制在0.5 pts/m2以上能較好識別。

（3） 雖然原始點云密度的增加會使得地面點密度也隨之增加，但不應一味追求提高原始點云密度，當其超過一定閾值后，并不會顯著優(yōu)化地質(zhì)災害特征的識別能力，且綜合考慮經(jīng)濟時間成本等因素，可適當?shù)貙⒃键c云密度調(diào)整到90 pts/m2左右，地面點密度大于5 pts/m2，以便于更精確地識別微小地形特征。

參考文獻：

［1］" 王國強，徐威，吳道祥，等.安徽省環(huán)境地質(zhì)特征與地質(zhì)災害［J］.巖石力學與工程學報，2004（1）：164-169.

［2］" 吳明堂，姚富潭，楊建元，等.基于傾斜攝影測量與INSAR技術(shù)的庫區(qū)滑坡識別［J］.人民長江，2023，54（3）：130-137.

［3］" 畢自航，李素敏，袁利偉，等.基于InSAR的烏東德水電站庫區(qū)邊坡形變監(jiān)測及分析［J］.人民長江，2024，55（1）：143-150.

［4］" SANTANGELO M，CARDINALI M，ROSSI M，et al.Remote landslide mapping using a laser rangefinder binocular and GPS［J］.Natural Hazards and Earth System Sciences，2010，10（12）：2539-2546.

［5］" 郭晨，許強，董秀軍，等.復雜山區(qū)地質(zhì)災害機載激光雷達識別研究［J］.武漢大學學報（信息科學版），2021，46（10）：1538-1547.

［6］" 潘星，佘金星，董秀軍，等.基于機載LiDAR遙感技術(shù)的滑坡早期識別研究：以深圳鹽田區(qū)為例［J］.測繪，2020，43（6）：243-247.

［7］" 孫濤，徐明宇，董秀軍，等.機載LiDAR技術(shù)應用于茂密植被山區(qū)地質(zhì)災害調(diào)查［J］.測繪通報，2021（4）：90-97.

［8］" 董秀軍，鄧博，袁飛云，等.航空遙感在地質(zhì)災害領(lǐng)域的應用：現(xiàn)狀與展望［J］.武漢大學學報（信息科學版），2023，48（12）：1897-1913.

［9］" 吳福，廖澤源，何娜，等.面向茂密植被山區(qū)地質(zhì)災害調(diào)查的LiDAR點云密度優(yōu)化研究［J］.武漢大學學報（信息科學版），1-11［2024-01-12］.http：∥doi.org/10-13203/j.whugis 20230386.

［10］陳濤.機載激光雷達技術(shù)在構(gòu)造地貌定量化研究中的應用［J］.國際地震動態(tài)，2015（6）：44-46.

［11］許強，郭晨，董秀軍.地質(zhì)災害航空遙感技術(shù)應用現(xiàn)狀及展望［J］.測繪學報，2022，51（10）：2020-2033.

［12］劉小莎，董秀軍，錢濟人，等.高植被山區(qū)泥石流物源LiDAR遙感精細識別方法研究［J］.武漢大學學報（信息科學版），2024，49（3）：400-410.

［13］孫濤.滑坡隱患機載LiDAR增強顯示與識別方法研究［D］.成都：成都理工大學，2021.

［14］貝祎軒，陳傳法，王鑫，等.機載LiDAR點云密度和插值方法對DEM及地表粗糙度精度影響分析［J］.地球信息科學學報，2023，25（2）：265-276.

［15］王康康，鄭學東，賴旭東.機載LiDAR點云密度與DEM產(chǎn)品精度關(guān)系研究［J］.測繪地理信息，2021，46（3）：78-82.

［16］黃德華.福建山區(qū)機載LiDAR微地貌識別最優(yōu)點密度研究［J］.測繪與空間地理信息，2023，46（10）：132-136.

［17］LIU X Y，ZHANG Z Y，PETERSON J.The effect of LiDAR data density on DEM accuracy［C］∥Proceedings of the 17th International Congress on Modelling and Simulation.Christ Church，2007：1363-1369.

［18］ZHOU L，HEITAROK，SAKAE M.Detection of subtle tectonic-geomorphic features in densely forested mountains by very high-resolution airborne LiDAR survey［J］.Geomorphology，2013，182：104-115.

［19］沈永林，李曉靜，吳立新.基于航空影像和LiDAR數(shù)據(jù)的海地地震滑坡識別研究［J］.地理與地理信息科學，2011，27（1）：16-20，115.

［20］彭藝偉，董琦，田沖，等.基于機載激光雷達的地質(zhì)災害識別關(guān)鍵技術(shù)及應用研究［J］.安全與環(huán)境工程，2021，28（6）：100-108.

［21］TULAR B，LOZI E，EICHERT S.Airborne LiDAR-derived digital elevation model for archaeology［J］.Remote Sensing，2021（9）：1855.

［22］AGUERAVEGA F，AGUERAPUNTAS M.Effects of point cloud density，interpolation method and grid size on derived digital terrain model accuracy at microtopography level［J］.International Journal of Remote Sensing，2020，41（21）：8281-8299.

［23］DUKA A，TOMLJANOVIC K，F(xiàn)RANJEVIC M.Application andaccuracy of unmanned aerial survey imagery after salvage logging in different terrain conditions［J］.Forests，2022，13：2054.

［24］申家蓮，張兵.黃山市地質(zhì)災害的特征分析及預報［J］.安徽農(nóng)業(yè)科學，2004（6）：1225-1226.

（編輯：劉 媛）

Study on optimal cloud density of airborne LiDAR under different forest canopy densities and slopes

DUAN Haipeng1，XIONG Liang1，LIU Minhao2，DONG Xiujun2

（1.Anhui Transportation Holding Group Co.，Ltd.，Hefei 230000，China；

2.State Key Laboratory of Geological Disaster Prevention and Geoenvironmental Protection，Chengdu University of Technology，Chengdu 610059，China）

Abstract：

The development of airborne LiDAR technology provides a new solution for geological hazard investigation in densely vegetated mountainous areas.This technology highly relies on the density of ground points，which is closely related to the laser penetration rate and the original point cloud density.It is necessary to evaluate the optimal number of point clouds obtained under different vegetation density conditions in order to meet the DEM （Digital Elevation Model） interpolation requirements at the survey scale.Taking the mountainous area with complex terrain around Huangshan City，Anhui Province as the study area，the relationship between the penetration rate and the ground point density under different forest canopy density and terrain slope，as well as the relationship between the original point cloud density and the ground point density were studied，and digital terrain products with different precision were obtained according to the requirements of the survey scale.Then，the DEM constructed by the density of each point was quantitatively evaluated to inversely calculate the recommended value of airborne LiDAR optimal cloud acquisition density for geological disaster investigation in mountainous areas of Anhui Province.The results indicated that there was a negative correlation between canopy density and slope on ground point density，and canopy density had a greater impact.After the original point cloud density exceeded a certain threshold，the identification of geological hazards cannot be significantly optimized.Based on the experimental results，the recommended values for the optimal cloud collection density of airborne LiDAR for geological hazards in mountainou areas of Anhui Province at a scale of 1：500 were established，when the forest canopy density was ［0.7，1.0），［0.2，0.7），［0，0.2），the corresponding recommended values for point cloud density were ［65，90），［45，65），［16，45］ pts/m2.

Key words：

optimal cloud density； airborne LiDAR； canopy density； terrain slope； ground point density； geological hazard investigation； Anhui Province