基于不同密度LiDAR數據DEM構建研究

摘要 為了進一步提升數字高程模型構建效率，同時降低數據獲取成本，以機載LiDAR數據為基礎，通過對機載LiDAR數據進行處理得到地面點并對地面點進行抽取操作以獲得不同密度地面點數據并插值生成DEM，最終獲得不同抽取率下DEM數據生成的精度。結果表明，對于城區而言，隨著點云密度的下降DEM生成精度RMSE從0.109 m逐漸增大到0.691 m；對于草地而言，RMSE則從0.065 m逐漸增大到1.096 m；對于林地而言，RMSE從0.088 m逐漸增大到2.201 m。對于3種地物類型而言，DEM生成精度均隨抽取率的增大而逐漸降低，且不同地物類型RMSE的變化范圍不同。

關鍵詞 數字高程模型；激光雷達數據；地面點；抽取率；克里金插值算法

中圖分類號 S127；TP79 文獻標識碼 A

文章編號 0517-6611（2019）09-0004-04

doi：10.3969/j.issn.0517-6611.2019.09.002

Abstract To further improve the efficiency of building DEM and reduce the cost of data acquisition， the airborne LiDAR data were used and processed in this paper. And the ground points were extracted and different density ground points data were obtained using exacting method. Then the DEMs were generated with kriging interpolation method. Finally， the accuracy of generated DEM under different extraction rates were obtained. It was showed that for urban area， the RMSE increased from 0.109 m to 0.691 m with the decrease of point cloud density. For grass area， the RMSE increased from 0.065 m to 1.096 m. For forest area， the RMSE increased from 0.088 m to 2.201 m. It was concluded that the accuracy of DEM generation decreased with the increase of extraction rate and range of RMSE varies with different terrain types.

Key words Digital elevation model；LiDAR data；Ground points；Extraction rate；Kriging interpolation algorithms

數字高程模型（digital elevation model，DEM）是一種重要的地形產品，能夠有效描繪地形信息，是許多空間應用的基礎數據[1-2]。傳統DEM生成方法雖然精度較高，但多依賴野外人工測量，因而導致DEM生成成本較高且耗時費力[3]。隨著科技的進步，DEM生成逐漸被現代空間信息觀測技術所替代[4]。

機載激光探測與測量（light detection and ranging，LiDAR）系統是一種主動對地觀測系統[5]，集成了激光測距技術、全球定位技術、慣性導航技術等高新技術于一體，其作為一種新興的空間信息觀測獲取技術，能夠實時、高精度獲取地物的三維空間信息[6]，因而廣泛用于地形測繪、資源調查、災害監測等[7-9]方面，且已發展成為地形數據獲取的有力手段。

機載LiDAR數據DEM生成精度不僅與所用插值算法有關，還與數據采樣密度密切相關[10-12]。雖然增加數據密度能夠在一定程度上提高DEM的生成精度[13]，然而，隨著數據密度的提高，數據的獲取成本也會逐漸增加。因此，出于數據獲取成本、時間效率以及數據存儲文件大小等方面綜合考慮，有必要根據研究區的地形特征有針對性地選用不同密度LiDAR點云數據，在保證DEM生成精度的前提下最大程度地節省數據獲取成本和時間效率。

基于此，筆者以機載LiDAR數據為基礎，首先對LiDAR數據進行處理得到地面點，之后對得到的地面點按不同比例進行抽取操作以得到不同密度地面點數據，然后采用克里金插值算法用于生成DEM，通過對比研究最終獲得DEM生成最優點云密度，以期最大限度地提升數字高程模型構建效率，并降低數據獲取成本。

1 材料與方法

1.1 激光雷達數據與處理

研究區位于吉林長春凈月潭國家森林公園附近，主要由城區、草地、森林和水體等地物類型組成。2012年5月由搭載在飛機上的Leica ALS70激光雷達傳感器進行激光雷達數據采集[14]，飛行參數：

傳感器Leica ALS70，

航高560 m，

波長1 064 nm，

掃描角±20°，

掃描頻率40.3 Hz，

光斑直徑0.28 m，

密度10點/m2。

首先，利用Terrascan軟件對原始激光雷達數據進行濾波處理，之后利用不規則三角網算法對預處理后的激光雷達數據進行分類處理，得到地面點和非地面點，接著利用抽取算法對地面點按1、1/10、1/50、1/100、1/500和1/1 000倍進行抽取操作，之后利用克里金插值算法對抽取前后的地面點進行插值操作以生成不同點云密度下的DEM數據，并將原始數據生成的DEM作為參照DEM。

1.2 克里金插值算法

克里金插值是一種利用變差函數的地質統計學插值方法，它依賴于數據的空間分布而不是實際值。利用數據驅動加權函數生成克里金權重以減少對輸入值的偏倚，且當有良好的變差函數模型可用時，克里金插值能夠提供最佳的插值。克里金插值是一種局部確定性插值技術，以定義鄰域中采樣點的距離加權平均來計算該值[15]。它認為靠近查詢位置的點具有更大的影響力，且利用樣本點距所需點的距離的倒數對樣本點進行加權。

1.3 精度評價

2 結果與分析

2.1 LiDAR數據不同抽取率

對分類后的地面點按不同抽取率進行數據抽取操作以得到不同密度點云數據，以城區LiDAR數據為例，結果見圖1。由圖1可知，隨著抽取率的增加，點云密度逐漸降低，且數據所直觀展現出來的地物信息逐漸喪失。如當抽取率為1/100時，可以直觀地看出建筑物的大致輪廓信息；而當抽取率為1/1 000時，從直觀上完全不能判斷此數據來自于何種地物類型。

2.2 不同抽取率LiDAR數據DEM插值結果

2.2.1 城區。

城區不同抽取率LiDAR數據生成DEM及精度評價結果見圖2和表1。由圖2和表1可知，隨著抽取率的不斷增大，DEM結果精度逐漸降低，RMSE則從0.109 m逐漸增大到0.691 m。當抽取率為1/500時，RMSE為0.565 m，略大于0.500 m；當抽取率變為1/1 000時，RMSE僅為0.691 m，仍小于1.000 m。因此，在滿足DEM精度要求的前提下可以適當采用較低密度的LiDAR數據以降低數據的獲取成本，同時提高數據的處理效率。

2.2.2 草地。

與上述城區所示結果類似，草地不同抽取率LiDAR數據生成DEM也隨著抽取率的不斷增大，DEM結果精度逐漸降低，RMSE則從0.065 m逐漸增大到1.096 m，結果見圖3和表2。

由表2可知，當抽取率為1/500時，RMSE為0.686 m；當抽取率為1/1 000時，RMSE為1.096 m，大于1.000 m。與城區相比，當數據抽取率小于1/100時，草地RMSE小于城區RMSE，當數據抽取率大于1/500時，草地RMSE逐漸大于城區RMSE，說明草地DEM精度受點云密度的影響較城區大。

2.2.3 林地。

林地不同抽取率LiDAR數據生成DEM及精度評價結果見圖4和表3。由圖4和表3可知，DEM插值精度隨抽取率的增大而逐漸降低，RMSE從0.088 m逐漸增大到2.201 m。當抽取率為1/50時，RMSE為0.835 m；當抽取率為1/100時，RMSE為0.960 m，接近1000 m；當抽取率增加到1/1 000時，RMSE則增大到2.201 m。

與城區和草地相比，林地DEM精度隨抽取率的變化更顯著，且抽取率為1/10～1/50，林地RMSE驟增，RMSE從0088 m增加到0.835 m，遠大于城區和草地同抽取率下RMSE值的變化，且在每一種抽取率下林地點云插值DEM的RMSE值均高于城區和草地的RMSE值。

通過對城區、草地和林地3種不同地物類型不同抽取率LiDAR數據DEM生成結果分析可知，3種地物類型DEM生成精度均隨抽取率的增大而逐漸降低，所不同的是地物類型不同RMSE的變化范圍不同。對城區而言，RMSE從0.109 m逐漸增大到0.691 m；對草地而言，RMSE則從0.065 m逐漸增大到1.096 m；對林地而言，RMSE從0.088 m逐漸增大到2.201 m。

3 結論

為了降低數據獲取成本、提高數據處理效率，該研究選取城區、草地和林地3種不同地物類型，以機載LiDAR數據為基礎，通過對地面點進行抽取操作以獲得不同密度地面點數據并插值生成DEM，最終獲得不同抽取率下DEM數據生成的精度。

結果表明，DEM生成精度均隨抽取率的增大而逐漸降低。對城區而言，RMSE從0.109 m逐漸增大到0.691 m；對草地而言，RMSE從0.065 m逐漸增大到1.096 m；對林地而言，RMSE從0.088 m逐漸增大到2.201 m。

不同地物類型生成相同精度的DEM所需點云密度不同。如當要求DEM生成精度小于0.500 m時，對于城區而言，數據密度可以選擇約為0.033點/m2，對于草地而言，則可以選擇約為0.100點/m2，對于林地而言，則可以選擇約為1.000點/m2。

綜上所述，DEM生成精度與機載LiDAR數據密度密切相關，隨著密度的降低DEM精度逐漸下降，且不同地物類型DEM精度下降幅度不同，但該研究所選研究區地形結構及地物類型相對簡單，所得結論在其他復雜地形條件下的適用性有待進一步驗證，因而在未來研究中應盡量選取地形結構及地物類型相對復雜的區域以增加結論的適用性。

參考文獻

[1] MINAR J，EVANS I S.Elementary forms for land surface segmentation：The theoretical basis of terrain analysis and geomorphological mapping[J].Geomorphology，2008，95（3/4）：236-259.

[2] WILSON J P.Digital terrain modeling[J].Geomorphology，2012，137（1）：107-121.

[3] VAN NIEKERK A.A comparison of land unit delineation techniques for land evaluation in the Western Cape，South Africa[J].Land use policy，2010，27（3）：937-945.

[4] 杜敏，李明會，顏萍，等.全數字攝影測量DEM在生產中的質量控制[J].測繪與空間地理信息，2009，32（4）：222-224.

[5] 尤號田，邢艷秋，王萌，等.小光斑激光雷達數據估測森林生物量研究進展[J].森林工程，2014，30（3）：39-42.

[6] HODGSON M，BRESNAHAN P.Accuracy of airborne LIDARderived elevation：Empirical assessment and error budget[J].Photogrammetric engineering and remote sensing，2004，70（3）：331-339.

[7] 劉征.基于激光雷達地形測繪建立DEM模型[J].遙感技術與應用，2002，17（5）：264-268.

[8] 趙峰，李增元，王韻晟，等.機載激光雷達（LiDAR）數據在森林資源調查中的應用綜述[J].遙感信息，2008（1）：106-110.

[9] 馮光勝.LIDAR在地質災害調查與監測中的應用研究[J].鐵道工程學報，2014，31（7）：12-16.

[10] GONG J Y，LI Z L，ZHU Q，et al.Effects of various factors on the accuracy of DEMs：An intensive experimental investigation [J].Photogrammetric engineering & remote sensing，2000，66（9）：1113-1117.

[11] 靳克強，龔志輝，王勃，等.機載激光雷達數據提取DEM的關鍵技術分析[J].測繪工程，2010，19（6）：39-42.

[12] POLAT N，UYSAL M，TOPRAK A S.An investigation of DEM generation process based on LiDAR data filtering，decimation，and interpolation methods for an urban area[J].Measurement，2015，75：50-56.

[13] MACEACHREN A M，DAVIDSON J V.Sampling and isometric mapping of continuous geographic surfaces[J].The American cartographer，1987，14（4）：299-320.

[14] 尤號田，邢艷秋，王錚，等.點云密度對激光雷達估計森林樣方平均樹高的影響[J].東北林業大學學報，2014，42（5）：143-148.

[15] BURROUGH P A，MCDONELL R A.Principles of geographical information systems[M].New York：Oxford University Press，1998.