基于機載LiDAR的河道斷面精細測量及水位提取研究

摘要：長江中游河道斷面測量是研究河道演變、支撐長江中下游防洪和綜合整治的關鍵基礎工作。與傳統的實時動態定位（RTK）和傾斜攝影測量相比，機載LiDAR技術效率高、穿透性較強，可以實現精細的河道斷面陸上測量及水位提取。采用機載LiDAR對長江中游河道進行了全面測量，系統分析了LiDAR點云在水位提取及陸上測量中的應用情況，并評估了重要特征點和局部河段斷面面積的測量精度。結果表明：在斷面水位提取時，點云數據與接測水位高程的較差絕對值在0.1 m以內的斷面占比達到76%，陸上斷面點云數據的平面位置和高程精度均滿足規范要求，且點云與RTK測量的斷面面積較差在1%以內，說明機載LiDAR技術能夠適應長江中游復雜地形，更加高效、精確地實現河道斷面測量及水位監測。

關 鍵 詞：河道斷面精細測量； 水位提取； 機載激光雷達； 點云數據； 長江中游

中圖法分類號： TV221.1

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2025.02.018

0 引 言

流域河岸的斷面地形數據是研究河道演變觀測的重要基礎地理信息數字成果，其在評估洪水風險和影響^［1-6］，建立和驗證水文模型^［7-10］，規劃土地和水資源利用^［11］，保護河流生態系統^{［2，12-13］}等方面具有重要的實際意義。長江中游地形復雜，有漢江和陸水等支流交匯，水系網絡豐富，是我國經濟發展和生態保護的重點區域，也是氣候變化區域響應的重要地區^［14-19］。

河道陸上斷面測量主要包括水體邊界、岸邊及洲灘等，植被茂密，樹林和蘆葦分布廣泛，且存在大量的坡坎和堤壩。傳統的全站儀和實時動態定位測量（RTK）技術在大面積和植被密集區域應用時存在諸多問題，例如樹林或其他遮擋物遮蔽信導致定位精度低、人力成本高和耗費時間長等。而傾斜攝影測量技術雖然地物判別度高但在植被密集的岸灘河道區域高程精度較差。相比之下，機載LiDAR具有較強的穿透性，以高密度采集點云數據，能夠在相對較短的時間內覆蓋大面積區域，對復雜地形的斷面細節表現更好，精細度更高。并且，機載LiDAR不受天氣條件限制，作業效率和安全性較高，數據精度也更為可靠。因此，采用機載LiDAR技術在長江中游河道岸灘斷面測量中具有顯著優勢。

LiDAR（Light Detection and Ranging）是一種光測距的遙感技術，最早被應用于大氣測量^［20-22］。自20世紀80年代以來，機載LiDAR被引入地形測繪中。早期的機載LiDAR系統通常基于單波長激光器，主要用于礦區和農田等簡單地形測量，對目標光譜探測能力不足^［23-26］。近年來，機載LiDAR技術引入了多波段和多光譜系統，同時在設備上增加回波次數，提高了密林、山區以及水域等復雜地形的測量精度。例如，劉世振等^［27］驗證了機載LiDAR在山區型河道地形測繪中的適用性，突出了影像平面精度高和激光點云高程精度高的優勢。畢世普等^［28］在水體表面及水位監測時，采用雙波段機載LiDAR的藍綠激光解決了水域施測的難題。孫雪潔等^［29］研究了機載LiDAR在海岸線、干出灘等海域測量中的效率和精度優勢。馬玉婷等^［30］將機載LiDAR應用于山區水庫數據底板獲取，降低了野外作業的安全風險。隨著LiDAR技術的發展，數據處理和算法優化也得到了不斷提升。針對地形起伏大、高陡邊坡的險岸區域，楊耕等^［31］提出了垂直于山脊線、變高飛行的無人機點云數據采集，高程精度達到0.08 m。Ma等^［32］提出了一種基于表面檢測算法，從多高度計光束實驗激光雷達的光子計數數據中提取水體表面和水下底部輪廓。魏猛等^［33］開展了多源數據融合算法研究，將機載LiDAR、傾斜攝影測量、多波束測深相結合構建實景三維模型。

盡管已有研究探討了機載LiDAR在山區型河道、海岸和水庫等水域近岸區域地形測量的方法和效果，但是研究范圍局限性強，且未對長江中游這類平原型河道斷面進行測量。此外，現有文獻中也罕有對水位提取的專題研究。鑒于長江中游河道岸坡地形復雜多變，具有山地、丘陵、平灘等多種類型，具有近岸區域寬闊、河道彎曲頻繁、沙洲灘涂多、人類活動密集、植被覆蓋度高等特點，為全面揭示機載LiDAR在長江中游斷面測量中的應用情況，本次研究充分采集多類數據，大范圍驗證機載LiDAR測量精度，重點分析斷面的精度情況。同時，探討機載LiDAR在水位提取中的可能性，以期為河道演變分析、崩岸風險評估和水資源管理提供詳實的基礎數據。

1 測量區域概況

測驗區上起長江干流城陵磯擂鼓臺，下至九江市寶塔，長約513 km。地理位置為東經113°12′03″至116°16′38″，北緯29°27′01″至30°42′52″，河道走向自西北向東南，流經洪湖、臨湘、武漢、鄂州、黃石、浠水、武穴、九江等12個縣市。上承荊江和洞庭湖來水，下連鄱陽湖水系，區內有陸水、東荊河、漢江等多條支流入匯。地勢西北高而東南低（圖1）。測量區域多以林地（44%）、蘆葦地（17%）、草地和農田（30%）以及河流沖刷淤積形成的邊灘沙洲（8%）為主。

測驗采用機載LiDAR和RTK同步測量城陵磯至九江河段的斷面地形（CZ01B-CZ121），同時采用了五等水位接測配合臨時水尺觀測的驗潮水位數據。測量時間為2023年汛期后的9～10月份。機載LiDAR測圖總斷面數為377個，陸上斷面測量長度為232.14 km。

點云絕對平面位置精度驗證區域分布在CZ01至CZ20斷面（城陵磯至洪湖）。點云高程精度驗證的檢查點均勻分布在城陵磯至九江施測的377個斷面。RTK和機載LiDAR的斷面面積對比區域為長江中游靠近城陵磯站的上游南門洲和先鋒洲，分別在CZ05斷面至上游5 km（湖北省監利縣白螺鎮段），以及界Z3斷面至下游10 km（湖北省洪湖市新村段）。

2 測量數據采集及處理方法

2.1 機載LiDAR數據

機載LiDAR系統通過激光掃描測距儀產生脈沖激光束，并利用光學系統將激光束定向發射到地表。當激光束與地表物體接觸時，反射的激光能量返回至LiDAR系統，接收器則接收到這些反射的激光脈沖，并測量其返回的時間延遲。通過測量激光脈沖的時間差，可以計算出激光束的往返距離^［34-35］。結合全球定位系統（GPS）和慣性導航系統（INS）等技術，機載LiDAR系統將測量結果轉換為地理坐標系（圖2）。獲取的激光雷達數據包含大量的點云信息。

2.1.1 測量設備

本次測驗采用的機載三維激光掃描系統型號為大疆L1，該系統以M300 RTK旋翼無人機為載體，集成Livox激光雷達、高精度慣導、測繪相機等模塊，主要設備參數如下：

系統精度平面精度10 cm，高程精度5 cm

點云數據率單回波，最大240 000點/s；多回波，最大480 000點/s

最多支持回波數量3

FOV重復掃描70.4°×4.5°，非重復掃描70.4°×77.2°

IMU更新頻率200 Hz

加速度計量程±8 g

角速度計量程±2 000 dps

俯仰/橫滾精度實時0.05°，后處理0.025°

航向精度實時0.3°，后處理0.15°

像素2 000萬

焦距8.8 mm/24 mm（等效）

2.1.2 機載LiDAR斷面生產

機載LiDAR斷面生產流程分為航攝準備、數據采集、數據預處理和數據后處理4個階段，具體流程見圖3。

飛行前，測量人員進行空域申請和實地踏勘，設計好跨江往返測量的飛行航線。測區飛行相對航高100 m，航線間距58 m，飛行速度7 m/s，地面分辨率2.7 cm。點云旁向重疊度50%，影像航向重疊度80%，旁向重疊度65%。

航攝飛行完成后，采集測區的影像數據、GNSS和IMU數據、基站靜態數據以及激光雷達點云數據。并且對飛行航跡、姿態數據、點云和影像數據進行檢查，確保飛行軌跡與設計航線的偏差不超過5%，確保點云和影像數據覆蓋完整，無數據漏洞或航帶丟失。

數據預處理包括：① 軌跡數據的解算。利用地面GPS基準站和機載GPS數據進行差分處理，獲取高精度定位數據。然后，將激光掃描與飛機姿態數據聯合解算，得到激光掃描點的三維坐標數據，即點云數據。② 激光點云數據處理。點云坐標為WGS 84的大地坐標及大地高，采用七參數模型將WGS84坐標系轉換為CGCS2000坐標系，并進行航帶拼接。

采集后的激光LiDAR測量數據進行點云濾波分類，將明顯低于或高于地面點群的點分離出來。采用漸次加密法、表面濾波法和分割濾波法等濾掉非地物點。再基于反射強度和回波次數等分類識別算法將點云數據進行自動分類。利用TerraSolid軟件進行批量處理，實現點云數據分類（圖3）。點云數據采集后以檢查點為中心的鄰近激光點內插出檢查點位置的點云高程值。將點云數據沿斷面切片，人工判斷提取水位值。之后將水位作為基線，計算斷面剖面下檢查點與水位之間形成的區域面積，即為斷面面積。將影像數據進行鑲嵌融合，得到DOM數據，通過目視解譯繪制水邊線。

2.2 RTK數據

RTK測量數據用于驗證機載LiDAR數據在陸上地形測量中的絕對平面位置精度以及絕對高程精度。本次測驗采用的RTK設備是思拓力P9III。RTK施測時，觀測條件滿足衛星高度角15°以上的衛星個數大于等于6個，且PDOP值小于4。

2.3 驗潮水位數據

驗潮水位數據用于驗證點云數據提取的水面高程精度。驗潮水位控制采用五等水位接測配合臨時水尺觀測的方法。當上、下游斷面間水面落差小于0.2 m時，之間的斷面采用上、下游水位逐個推算。當上下游接測水位差小于0.1 m時，取平均值作為水位值。

3 機載LiDAR在斷面水位提取中的適用性

斷面水邊及水位是河道測量中的關鍵要素，機載LiDAR技術在時效性和精度方面具有顯著優勢，該技術已廣泛應用于水邊平面位置的測量。在水位提取上常規斷面水位主要采用光電測距三角高程或RTK測量法。兩種方式均為接觸式散點測量，效率較低，且測量位置均位于岸邊無法表征全斷面水位。

本次測驗采用了無人機沿長江中游固定斷面橫越的飛行模式，獲取高密度點云數據。隨后，對點云數據進行了斷面切片處理，截取斷面線左右0.5 m范圍內的數據，并以剖面形式展示（圖4）。最后，通過人工判讀確定并提取了水位值。具體而言，當點云數據出現大于90°的拐角且后面連續一段距離內數值變化較小時，則判定該拐角處為水邊點。該方法在常規的左右岸判讀中表現出較高的精度，但在判斷江心洲灘的洲水邊時較為困難。然而，在陡坎、陡岸及山腳等坡度較陡的區域，與傳統接測方式相比，該方法具有更高的安全性和準確性。

通過人工判讀，本次研究獲得了377個斷面的水邊高程值。對于每個斷面，取左右水邊的平均值為水面高。將傳統方法推算的驗潮水位根據水位站漲落歸算至無人機測量時間對應的水位，從而對比得到每個斷面水位的高程較差。從圖5中分析可得，點云提取的水位值低于驗潮水位的情況更為普遍，高程較差負值占比為68%。同時，從空間分布上看，下游300～400號斷面（黃石至九江段）的高程較差較小。200～300號斷面（武漢青山至鄂州段）的高程較差較大，該段河流彎曲且船舶來往頻繁，導致水面波動較大，從而影響點云數據提取水位的準確度。

與驗潮水位相比，377個斷面的平均高程較差值為-0.06 m，高程較差值在-0.1～0 m的概率最大。高程較差絕對值在0.1 m以內的斷面占比為76%，在0.3 m以內的斷面占比則達到95%（圖6）。

4 機載LiDAR在斷面地形測量中的適用性

4.1 斷面點檢測

4.1.1 點云絕對平面位置精度統計及分析

利用RTK測量特征點驗證點云的平面精度，按式（1）～（3）計算。

PRMS=±X2RMS+Y2RMS

（1）

XRMS=±∑ni=1（Xi-X^i）2n

（2）

YRMS=±∑ni=1（Yi-Y^i）2n

（3）

式中：PRMS為點云平面位置中誤差；XRMS、YRSM為點云在X、Y方向上的平面位置中誤差；n為檢查點個數；Xi、Yi為激光點在X、Y方向上的平面位置；X^i，Y^i為正射影像特征點在X、Y方向上的平面位置。

在河道斷面測量中，堤頂和堤腳等是重要的地形特征點。因此，本文選取20個特征點的角點，計算RTK測量值與點云數據的平面位置的距離。結果顯示，所有特征點的平面位置中誤差為0.046 m，滿足SL257—2017 《水道觀測規范》要求。由表1可知，堤頂及路口由于地面空曠且平整，平面位置精度高，誤差平均值為0.035 m。而堤腳和花壇角由于坡度較大且被植被覆蓋，平面位置精度較低，誤差平均值為0.055 m。

4.1.2 點云絕對高程精度統計及分析

通過點云提取高程檢查點，點云高程中誤差即為高程點精度。利用分布在測區的8 279個檢查點進行評定，以檢查點為中心的鄰近激光點內插出檢查點位置的高程，進行誤差計算（式（4））。

HRMS=±∑ni=1（Hi-H^i）2n

（4）

式中：HRMS為高程中誤差；Hi為第i個檢查點對應的激光點內插高程值；n為檢查點個數；H^i為第i個檢查點的實測高程值。

所有測量斷面的高程注記點高程較差分布情況見表2和圖7。全部測點的高程較差中誤差為0.145 m。由表2和圖7中具體分析可得：

（1） 灘涂的高程較差中誤差為0.067 m，在局部地形中高程精度最高。高程較差集中在-0.1～0 m，即激光雷達點云高程值略低于RTK高程值。灘涂區域的高程精度受地表形態不穩定的影響。

（2） 在不同類型的植被區域中，低矮植被如草地、農田的高程較差中誤差為0.139 m，69%的檢查點高程較差集中分布在0～0.1 m，即激光雷達點云高程值普遍略高于RTK高程。蘆葦地的高程較差中誤差為0.185 m。96%的檢查點高程較差絕對值在0～0.2 m以內。林地的高程較差中誤差為0.174 m，81%的高程較差集中在0～0.2 m。另外，通過對比植被的高程較差的正態分布曲線可以得出，點云數據在蘆葦地和林地的高程相對于RTK測值高于低矮植被。蘆葦地和林地冠層密度高，易遮蔽地面，導致點云濾波分類的困難和誤差增大。這表明植被密度和形態對點云數據的影響較為突出。

（3） 裸露地表的高程較差較小，中誤差為0.069 m，85%的檢查點高程較差集中分布在-0.1～0 m。這表現出點云提取高程點在地面平坦且無遮擋物的情況下會略低于RTK實測值。

（4） 堤、坎、坡、防洪墻的地形測量是機載LiDAR用于河道斷面測量的另一個難點。由于堤坎坡度較陡，點云分類的精度較低，高程值受到較大影響。從表2和圖7中可得，堤坎類地形點的高程較差中誤差為0.15 m，75%的檢查點集中分布在-0.1～0.1 m。

總體而言，灘涂和裸露地表的點云高程精度較高，點云高程值低于RTK測值的概率較大。而植被和堤坎等地形特征點的點云高程精度較低，點云高程值高于RTK測值的概率更大。對比不同的植被類型發現，植被密度和植被形態會影響點云高程精度。

在機載LiDAR地形測量中，植被區域精度較低的現象是一個普遍存在的挑戰，主要原因包括光學穿透能力受限、多次散射效應、地面點云混淆以及植被結構的影響等。蘆葦叢通常密集且高度不均，激光信號在穿透這些高密度的植被時容易受到散射和衰減，且激光回波容易受到多路徑效應的影響，從而降低點云數據的精度。而樹木之間的間距較大且樹冠結構較規則，激光信號的衰減和散射較小，因此點云數據和精度通常略高。多回波測量植被區可以提供更豐富的高程信息，有助于區分地面和植被。因此，機載LiDAR在陸上地形測量的應用中需要進一步優化儀器設備和改進數據處理算法^［36］。同時，本次測驗在選取檢查點時結合影像數據和斷面剖面圖保留植被間隙可見的地面點，剔除明顯位于植被冠層的異常高程突變點，以提高點云數據精度。

4.2 斷面測量面積差

為了探究點云數據在斷面地形測量中的整體影響，選取了先鋒洲和南門洲區域的20個斷面，將點云數據與RTK實測點進行套匯對比。結果顯示，在斷面套繪中沒有明顯的高程異常點，RTK和點云擬合的斷

面線面積較差均在200 m2以內，20個斷面的平均高程變化為0.088 m。盡管在所有檢查點的高程精度對比中，點云擬合點高程在裸露地表以及灘涂區域略低于RTK實測點高程，但在橫跨長江左右岸的的全斷面測量中，點云擬合點平均高程整體略高于RTK實測點高程（表3）。結果表明，在沙灘區域的斷面測量中，點云數據和RTK測值的斷面面積較差百分比均在1%以內，點云數據精度可靠，滿足SL257—2017 《水道觀測規范》中斷面面積差的要求，機載LiDAR測量斷面的方法可被推廣使用。

5 結 論

機載LiDAR技術作為一種高效且精度可靠的非接觸式測量方法，在河道地形復雜多變的長江中游優勢明顯。通過在長江中游河道全面應用無人機機載LiDAR技術進行河道斷面測量，得出以下結論：

（1） 機載LiDAR提取的377個斷面水位值與接測水位的平均高程較差僅為-0.06 m，其中高程較差絕對值在0.1 m以內的斷面占比達到了76%，吻合度較高，彌補了接測水位在部分斷面近岸寬闊植被茂盛缺乏通視條件的局限。

（2） 對比機載LiDAR點云數據與傳統RTK測量結果，8 279個各類地形檢查點的高程較差中誤差為0.145 m，其中裸露地面和洲灘中誤差可優于0.07 m，斷面面積較差均在1%以內。從數據處理情況看，機載LiDAR技術在斷面測量中細節表現更好，在實際生產中結合攝影影像數據融合處理既能提高斷面點屬性判別的準確性，又能發揮影像平面精度高和激光點云高程精度高的優勢。

（3） 點云高程精度受植被形態和密度、地形坡度的影響。植被越密集、坡度越陡的區域點云高程精度越低。長江中游河道地物中蘆葦地高程精度最低。

參考文獻：

［1］ COSTANZA R，D′ARGE R，GROOT R DE，et al.The value of the world′s ecosystem services and natural capital［J］.Nature，1997，387（6630）：253-260.

［2］ 郭二輝，樊子豪，張瑞香，等.河岸帶生態系統植被與土壤對水文變化的響應研究進展［J］.生態學報，2021，41（23）：9164-9173.

［3］ TENG J，VAZE J，DUTTA D，et al.Rapid inundation modelling in large floodplains using LiDAR DEM［J］.Water Resources Management，2015，29（8）：2619-2636.

［4］ COSTABILE P，MACCHIONE F，NATALE L，et al.Flood mapping using LIDAR DEM：limitations of the 1-D modeling highlighted by the 2-D approach［J］.Natural Hazards，2015，77（1）：181-204.

［5］ 沈定濤.基于機載LiDAR數據的洞庭湖蓄滯洪區洪水災害風險評估技術與方法研究［D］.南京：南京大學，2018.

［6］ 張成孝，陳剛，魏偉，等.基于DEM的地貌單位線在漢江上游洪水預報中的應用［J］.水利水電快報，2023，44（5）：12-17.

［7］ TRIBE A.Automated recognition of valley lines and drainage networks from grid digital elevation models：a review and a new method［J］.Journal of Hydrology，1992，139（1）：263-293.

［8］ 郭生練，熊立華，楊井，等.基于DEM的分布式流域水文物理模型［J］.武漢水利電力大學學報，2000（6）：1-5.

［9］ 王中根，劉昌明，吳險峰.基于DEM的分布式水文模型研究綜述［J］.自然資源學報，2003（2）：168-173.

［10］馬仕先，周剛，童思陳，等.基于HSPF模型的平原河網地區流域劃分［J］.人民長江，2023，54（11）：76-82.

［11］AMIRI B J，NAKANE K.Modeling the linkage between river water quality and landscape metrics in the Chugoku District of Japan［J］.Water Resources Management，2009，23：931-956.

［12］MALTCHIK L，ROLON A，SCHOTT P.Effects of hydrological variation on the aquatic plant community in a floodplain palustrine wetland of Southern Brasil［J］.Limnology，2007，8：23-28.

［13］張昶.城鎮化地區河流生態景觀帶風貌特征及其影響機制［D］.北京：中國林業科學研究院，2018.

［14］蘇布達，姜彤，任國玉，等.長江流域1960～2004年極端強降水時空變化趨勢［J］.氣候變化研究進展，2006（1）：9-14.

［15］沈滸英，匡奕煜，訾麗.2010年長江暴雨洪水成因及與1998年洪水比較［J］.人民長江，2011，42（6）：11-14.

［16］李文龍，李鴻雁.長江流域連續大洪水年機理分析及預報［J］.水利水電技術，2018，49（5）：1-8.

［17］胡寶清，劉順生，張洪恩，等.長江流域地質—生態環境的演化機制及綜合自然災害區劃［J］.自然災害學報，2001（3）：13-19.

［18］孫惠惠，章新平，羅紫東，等.近53 a來長江流域極端降水指數特征［J］.長江流域資源與環境，2018，27（8）：1879-1890.

［19］黃濤，徐力剛，范宏翔，等.長江流域干旱時空變化特征及演變趨勢［J］.環境科學研究，2018，31（10）：1677-1684.

［20］ACKERMANN F.Airborne laser scanning-present status and future expectations［J］.ISPRS Journal of Photogrammetry and Remote Sensing，1999，54（2-3）：64-67.

［21］ZUEV V E，KREKOV G M，NAATS I E.Determination of aerosol parameters of the atmosphere by laser sounding from space［M］∥Impact of Aerospace Technology on Studies of the Earth′s Atmosphere.Oxford：Pergamon Press，1974：93-103.

［22］MEGIE G，BLAMONT J E.Laser sounding of atmospheric sodium interpretation in terms of global atmospheric parameters［J］.Planetary and Space Science，1977，25（12）：1093-1109.

［23］WEHR A，LOHR U.Airborne laser scanning：an introduction and overview［J］.ISPRS Journal of Photogrammetry and Remote Sensing，1999，54（2）：68-82.

［24］龔威，史碩，陳必武，等.對地觀測高光譜激光雷達發展及展望［J］.遙感學報，2021，25（1）：501-513.

［25］任本偉，彭占山.無人機航空攝影測量技術在礦區地形測量中的應用研究［J］.測繪與空間地理信息，2021，44（4）：202-203，207.

［26］郎朗，馮曉蓉，劉浪.基于LiDAR的農田地形環境三維重建方法設計與研究［J］.中國農機化學報，2020，41（1）：155-160.

［27］劉世振，鄧建華，馮國正，等.機載LiDAR在山區型河道地形測繪中的適用性研究［J］.人民長江，2021，52（1）：108-113.

［28］畢世普，別君，張勇.機載LiDAR在海岸帶地形測量中的應用［J］.海洋地質前沿，2012，28（11）：59-64.

［29］孫雪潔，滕惠忠，趙健，等.機載LiDAR海岸地形測量技術及其應用［J］.海洋測繪，2017，37（3）：70-73，78.

［30］馬玉婷，趙林東，石永恩，等.基于機載LiDAR的山區型水庫數據底板獲取技術研究：以烏東德水庫為例［J］.水利水電快報，2022，43（9）：26-30.

［31］楊耘，江萬成，任超鋒，等.傾斜影像輔助的無人機載LiDAR高陡邊坡形變監測［J］.紅外與激光工程，2023，52（2）：424-431.

［32］MA Y，XU N，SUN J，et al.Estimating water levels and volumes of lakes dated back to the 1980s using Landsat imagery and photon-counting lidar datasets［J］.Remote Sensing of Environment，2019，232：111287.

［33］魏猛，楊柳，張亭.水陸一體化河道三維模型構建方法研究與應用［J］.人民長江，2023，54（增1）：68-71.

［34］LI X，LIU C，WANG Z，et al.Airborne LiDAR：state-of-the-art of system design，technology and application［J］.Measurement Science and Technology，2020，32（3）：032002.

［35］SHANG X，CHAZETTE P.Interest of a full-waveform flown UV lidar to derive forest vertical structures and aboveground carbon［J］.Forests，2014，5（6）：1454-1480.

［36］HANCOCK S，ANDERSON K，DISNEY M，et al.Measurement of fine-spatial-resolution 3D vegetation structure with airborne waveform lidar：Calibration and validation with voxelised terrestrial lidar［J］.Remote Sensing of Environment，2017，188：37-50.

（編輯：劉 媛）

River section fine measurement and water level extraction based on airborne LiDAR

DAI Yonghong，WEI Meng，LI Peng，GAO Shenshen，LIU Linjia

（Hydrological and Water Resources Survey Bureau in the Middle Changjiang River，Hydrology Bureau of Changjiang Water Resources Commission，Wuhan 430010，China）

Abstract： River sections measurement in the middle reaches of Changjiang River is a key fundamental work to study the evolution of river channels and to support flood control and comprehensive harnessing works in the middle and lower reaches of the Changjiang River.Compared with the traditional real-time dynamic positioning （RTK） and inclined photogrammetry，the airborne LiDAR technology is highly efficient and more penetrating，which can realize fine land measurement of the river section and water level extraction.In this study，comprehensive measurements of the middle reaches of the Changjiang River were carried out using airborne LiDAR，the application of LiDAR point cloud in water level extraction and land measurement was systematically analyzed，and the measurement accuracies of the important feature points and the section area of local river sections were evaluated.The results show that when extracting water levels in the section，the percentage of sections with the absolute value of the difference between the point cloud data and the traditional measured water level elevation within 0.1 m reaches 76%.The planar position and elevation accuracy of the point cloud data on land section meet the specification requirements，and the cross-sectional area difference between the point cloud and RTK measurement is within 1%，which shows that the airborne LiDAR technology can adapt to the complex topography in the middle reaches of the Changjiang River，and more efficiently and accurately achieve the river cross-section measurement and water level monitoring.

Key words： river section fine measurement； water level extraction； airborne LiDAR； point cloud data； middle reaches of Changjiang River