基于機(jī)載激光雷達(dá)的地質(zhì)災(zāi)害識(shí)別關(guān)鍵技術(shù)及應(yīng)用研究

彭藝偉，董 琦，田 沖,陳 剛，孟小軍,曾 斌*

(1.中國地質(zhì)大學(xué)(武漢)環(huán)境學(xué)院，湖北 武漢 430078;2.浙江久核地質(zhì)生態(tài)環(huán)境規(guī)劃設(shè)計(jì)有限公司，浙江 湖州 313002;3.江蘇省地質(zhì)調(diào)查研究院，江蘇 南京 210018)

機(jī)載激光雷達(dá)是遙感手段中的激光成像測量系統(tǒng)，以飛機(jī)(本次研究采用無人機(jī))或車輛為載具對地面沿著航線進(jìn)行垂直掃描，記錄距離數(shù)據(jù)和其他信息，生成高精度的激光點(diǎn)云數(shù)據(jù)以及強(qiáng)度信息和光譜信息。國內(nèi)學(xué)者利用激光雷達(dá)測量(LiDAR)技術(shù)開展了多個(gè)領(lǐng)域的應(yīng)用研究，如：陳鼎等利用LiDAR技術(shù)對鐵路邊坡形變進(jìn)行了監(jiān)測，可為后期鐵路邊坡的維護(hù)和加固提供較為準(zhǔn)確的資料，預(yù)防邊坡坍塌事件；陳潔基于機(jī)載LiDAR技術(shù)分析和總結(jié)了斷裂構(gòu)造的點(diǎn)云特征，利用斷裂的線性延伸、高程異常和坡度異常的特點(diǎn)，運(yùn)用合適的算法自動(dòng)提取了斷裂構(gòu)造信息；何柯璐等采用LiDAR技術(shù)對采煤沉陷盆地進(jìn)行地面掃描和建模，提出了基于格網(wǎng)高程排序的類地面點(diǎn)云提取算法，構(gòu)建了精度更高的礦區(qū)開采沉陷模型；杜磊等基于LiDAR技術(shù)獲取了三峽庫區(qū)張家灣地區(qū)的點(diǎn)云數(shù)據(jù)，并通過對點(diǎn)云數(shù)據(jù)進(jìn)行加工處理，成功地識(shí)別出滑坡體，并提取了滑坡體重要的參數(shù)。在國外很多學(xué)者基于機(jī)載LiDAR技術(shù)開展了針對滑坡、泥石流的地質(zhì)災(zāi)害調(diào)查，如：Mezaal等基于LiDAR技術(shù)，提出了基于相關(guān)的特征選擇(CFS)算法用來識(shí)別滑坡并判別滑坡類型；Pourghasemi等通過人工神經(jīng)網(wǎng)絡(luò)算法，基于機(jī)載激光點(diǎn)云數(shù)據(jù)進(jìn)行了滑坡易發(fā)性分析與預(yù)警；Booth等利用LiDAR重復(fù)掃描獲取了一處滑坡的變形區(qū)域，并分析了滑坡的發(fā)生機(jī)理。雖然LiDAR技術(shù)已經(jīng)在鐵路邊坡監(jiān)測、地質(zhì)構(gòu)造調(diào)查以及滑坡體識(shí)別等方面有了一定的研究，但是對于植被覆蓋區(qū)的地質(zhì)災(zāi)害或地質(zhì)災(zāi)害隱患識(shí)別的研究仍有待進(jìn)一步深入。

激光雷達(dá)點(diǎn)云具有部分穿透植被的多次回波功能，可以快速且精準(zhǔn)地構(gòu)建研究區(qū)的真實(shí)數(shù)字高程模型(DEM)，從而進(jìn)行數(shù)字地形分析并識(shí)別出研究區(qū)內(nèi)植被以下的地質(zhì)災(zāi)害或地質(zhì)災(zāi)害隱患。傳統(tǒng)的激光雷達(dá)多以直升機(jī)載或者車載，其優(yōu)點(diǎn)是單次掃描任務(wù)面積大，但由于激光雷達(dá)距離地面較遠(yuǎn)且行進(jìn)速度大，得到的激光點(diǎn)云較為稀疏，通常只有2～3 pts/m，濾波處理后得到剝離植被后的地面點(diǎn)云則密度更小，難以達(dá)到對小型地質(zhì)災(zāi)害進(jìn)行識(shí)別的目的。

針對江蘇省山區(qū)植被覆蓋茂盛、地質(zhì)災(zāi)害隱蔽性強(qiáng)的特點(diǎn)，本文采用無人機(jī)搭載激光雷達(dá)，在離地80 m左右的位置對研究區(qū)進(jìn)行掃描，得出的地面點(diǎn)云密度可達(dá)400～500 pts/m，能夠精準(zhǔn)地識(shí)別出江蘇省植被覆蓋區(qū)小型地質(zhì)災(zāi)害的一系列參數(shù)，可為后期防災(zāi)減災(zāi)工作提供重要依據(jù)。

1 機(jī)載LiDAR技術(shù)

1.1 機(jī)載LiDAR技術(shù)的優(yōu)勢與特點(diǎn)

一直以來，傳統(tǒng)的光學(xué)遙感技術(shù)，如光學(xué)衛(wèi)星、無人機(jī)傾斜攝影三維建模等，在地質(zhì)災(zāi)害調(diào)查中發(fā)揮了較大的作用，但是這些技術(shù)方法不能穿透植被，無法快速獲取植被以下的真實(shí)地面信息。而機(jī)載LiDAR是通過儀器主動(dòng)發(fā)射的脈沖信號(hào)，可部分穿透植被到達(dá)地表，通過點(diǎn)云去噪、濾波，剔除植被，可快速構(gòu)建高精度地形地貌，免地面控制點(diǎn)數(shù)據(jù)相對精度可達(dá)厘米級。

機(jī)載激光雷達(dá)測量(LiDAR)系統(tǒng)主要由激光雷達(dá)掃描儀、GNSS/INS定位測姿系統(tǒng)(POS)、存儲(chǔ)控制單元三大部分組成。其中,激光掃描儀包括掃描儀、測距單元和控制單元，主要用于測量掃描儀和地物之間的距離；GNSS與INS主要用于測定激光雷達(dá)在空中的位置及五軸飛行姿態(tài)；存儲(chǔ)控制單元用于快速存儲(chǔ)激光雷達(dá)獲取的各項(xiàng)原始數(shù)據(jù)。三者的有機(jī)結(jié)合就能根據(jù)載具的位置反算出激光點(diǎn)云的精確三維坐標(biāo)。

機(jī)載激光雷達(dá)測量系統(tǒng)對地定位示意圖見圖1。若空間有一向量，其模為

S

，方向?yàn)?

φ

，

ω

，

κ

)，如能測出該向量起點(diǎn)

O

的坐標(biāo)(

X

，

Y

，

Z

)，則另一端點(diǎn)

P

(

X

，

Y

，

Z

)可唯一確定。對機(jī)載LiDAR系統(tǒng)來說，起點(diǎn)

O

為激光雷達(dá)信號(hào)發(fā)射參考點(diǎn)，其坐標(biāo)(

X

，

Y

，

Z

)可通過機(jī)載GPS的記錄數(shù)據(jù)計(jì)算得到；向量的模是由激光測距系統(tǒng)測定的機(jī)載激光測距儀參考中心到地面激光腳點(diǎn)間的距離，姿態(tài)參數(shù)(

φ

，

ω

，

κ

)由慣性測量裝置(IMU)獲得。此外，還必考慮各種系統(tǒng)誤差，如相位中心的誤差、安置角誤差、各集成系統(tǒng)中心間的距離和偏心角等。

圖1 機(jī)載激光雷達(dá)測量(LiDAR)系統(tǒng)對地定位示意圖[2]Fig.1 Working principle diagram of LiDAR system

1.2 機(jī)載LiDAR數(shù)據(jù)處理技術(shù)流程

激光雷達(dá)數(shù)據(jù)測量作業(yè)的生產(chǎn)環(huán)節(jié)，主要包括航線設(shè)計(jì)、激光雷達(dá)數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、點(diǎn)云解算以及DEM、等高線和數(shù)字地形分析圖件制作等，如圖2所示。

圖2 激光雷達(dá)(LiDAR)識(shí)別地質(zhì)災(zāi)害技術(shù)流程圖Fig.2 Technical flow chart of LiDAR identification of geological hazards

(1) 航線設(shè)計(jì)。本文采用在專業(yè)地圖軟件平臺(tái)上勾畫航線，并在飛行器遙控器上根據(jù)等高線設(shè)計(jì)飛行高度、飛行速度以及轉(zhuǎn)彎半徑的方法進(jìn)行航線設(shè)計(jì)。設(shè)計(jì)飛行高度為相對高度80 m，航線起始端進(jìn)行8字飛行，航帶旁向重復(fù)率大于10%。

(2) 研究區(qū)激光雷達(dá)數(shù)據(jù)采集。本文采用大疆經(jīng)緯M300 RTK無人機(jī)搭載GS-MID 40激光雷達(dá)掃描系統(tǒng)獲取研究區(qū)點(diǎn)云數(shù)據(jù)，同時(shí)輔以千尋星矩SR3專業(yè)級GNSS接收機(jī)(地面基站)獲取當(dāng)?shù)氐淖鴺?biāo)和高程數(shù)據(jù)。

(3) 數(shù)據(jù)預(yù)處理。本文使用GS-MID 40激光雷達(dá)掃描系統(tǒng)適用的軟件對原始點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，得到通用格式點(diǎn)云數(shù)據(jù)。

(4) 點(diǎn)云解算。本文使用Mircrostation+TerraSolid軟件中的TerraScan模塊對點(diǎn)云數(shù)據(jù)進(jìn)行處理。首先進(jìn)行航帶校正、數(shù)據(jù)檢校消除誤差；其次對校正后的點(diǎn)云進(jìn)行濾波、分類，得到濾除植被后的地面點(diǎn)云。

(5) DEM制作及后處理。本文在ArcGIS平臺(tái)中使用相應(yīng)的工具生成濾除植被后的DEM，并生成山體陰影、地表坡度、地表粗糙度和地形起伏度等數(shù)字地形分析圖件，最后對地質(zhì)災(zāi)害體進(jìn)行識(shí)別和分析。

2 研究區(qū)概況與研究方法

2.1 研究區(qū)概況

本文以江蘇省無錫市宜興竹海風(fēng)景區(qū)公路旁一處道路邊坡為研究區(qū)，其地理坐標(biāo)為東經(jīng)119°42′35.39″、北緯31°09′54.30″，區(qū)內(nèi)堆積體較厚，下伏基巖為泥盆紀(jì)觀山組石英砂巖，道路位于半山腰處，南側(cè)已發(fā)生過滑坡，目前已經(jīng)得到治理。但由于植被覆蓋密度大，傳統(tǒng)的光學(xué)衛(wèi)星、傾斜攝影等遙感手段都無法識(shí)別植被覆蓋層以下的地質(zhì)災(zāi)害。本次采用激光雷達(dá)探測發(fā)現(xiàn)研究區(qū)新滑坡體，其位于道路北側(cè)植被茂密區(qū)，見圖3。

圖3 無人機(jī)航拍研究區(qū)圖(由于植被茂密，普通光學(xué) 遙感無法發(fā)現(xiàn)滑坡體)Fig.3 Aerial photo of the study area taken by UAV (Due to dense vegetation,ordinary optical remote sensing cannot find landslide)

2.2 研究方法

首先利用無人機(jī)機(jī)載LiDAR低空測取研究區(qū)高密度激光點(diǎn)云數(shù)據(jù)；然后通過Microstation+Terrasolid軟件，對點(diǎn)云數(shù)據(jù)進(jìn)行濾波處理，得到剝離植被后的地面點(diǎn)云；再基于地面點(diǎn)云，在ArcGIS中生成研究區(qū)的DEM，并由DEM二次生成等高線圖、多視角山體陰影圖、地形坡度圖、地表粗糙度圖和地形起伏度圖等數(shù)字地形分析圖件；最后利用點(diǎn)云剖面和數(shù)字地形分析圖，完成植被覆蓋區(qū)地質(zhì)災(zāi)害體的識(shí)別和分析。

3 機(jī)載LiDAR數(shù)據(jù)獲取與處理

3.1 數(shù)據(jù)獲取

本次研究利用機(jī)載激光雷達(dá)系統(tǒng)和相應(yīng)的地面基站，獲取了研究區(qū)的遙感數(shù)據(jù)，包括：激光雷達(dá)數(shù)據(jù)，即GNSS、INS、測距掃描角、強(qiáng)度時(shí)間；基站數(shù)據(jù)，即坐標(biāo)、絕對高程和姿態(tài)數(shù)據(jù)。由于研究區(qū)位于低山丘陵區(qū)，海拔在150～240 m之間，區(qū)域內(nèi)大部分面積為竹林所覆蓋，故綜合考慮地貌、氣象、飛行安全及應(yīng)用需求等因素，飛行高度設(shè)定為240～320 m之間，飛行速度設(shè)定為4 m/s，旁向重復(fù)率高于10%，數(shù)據(jù)量為100 000 pts/s，實(shí)際航測面積為66 208 m，激光點(diǎn)云密度為487.3 pts/ m，遠(yuǎn)高于以往研究所采用的有人機(jī)機(jī)載LiDAR。

3.2 數(shù)據(jù)處理

3.2.1 數(shù)據(jù)預(yù)處理

獲取的研究區(qū)LiDAR數(shù)據(jù)并不能直接地進(jìn)行解算，需要先在與GS-MID 40激光雷達(dá)掃描系統(tǒng)配套的數(shù)據(jù)處理軟件中將原始點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為可以在TerraSolid軟件中適用的格式，即Las格式點(diǎn)云文件。首先在配套的數(shù)據(jù)處理軟件中將“.dat”格式的流文件分揀為解算所需的文件；然后新建工程文件，導(dǎo)入相關(guān)文件，輸入基站信息，差分后顯示差分定位結(jié)果，輸出GNSS文件；再使用輸出的GNSS文件并添加INS文件，處理得到GNSS/INS組合結(jié)果POS文件(見圖4)；最后采用配套軟件處理獲得的激光數(shù)據(jù)和GNSS/INS組合結(jié)果POS文件進(jìn)行點(diǎn)云計(jì)算，并輸出Las格式點(diǎn)云文件(見圖5)。

圖4 GNSS/INS組合結(jié)果POS文件Fig.4 GNSS & INS fusion results

圖5 激光數(shù)據(jù)預(yù)處理結(jié)果Fig.5 Laser data preprocessing results

3.2.2 數(shù)據(jù)后處理

3.2.2.1 點(diǎn)云數(shù)據(jù)處理

(1) 點(diǎn)云數(shù)據(jù)噪聲去除。在TerraSolid軟件的TerraScan模塊中將預(yù)處理得到的Las格式點(diǎn)云數(shù)據(jù)進(jìn)行后續(xù)的點(diǎn)云解算，具體點(diǎn)云解算及后續(xù)的DEM圖件加工流程見圖2。由于受儀器誤差和偶然誤差的影響，獲取的點(diǎn)云數(shù)據(jù)坐標(biāo)會(huì)產(chǎn)生偏移，因此在濾波分類前需進(jìn)行航帶校正和數(shù)據(jù)檢校，以消除誤差，提高數(shù)據(jù)精度。然后裁剪掉與所需滑坡信息無關(guān)的點(diǎn)云，即縮小范圍，避免在解算過程中由周圍臨近點(diǎn)云引起的精度不高的問題。

(2) 點(diǎn)云濾波獲取地面點(diǎn)。在精確點(diǎn)云范圍后，開始進(jìn)行濾波分類。首先對點(diǎn)云數(shù)據(jù)采用手動(dòng)編輯的方式去除明顯的噪點(diǎn)和孤點(diǎn)；然后采用點(diǎn)云濾波處理剔除由于植被影響的多次回波現(xiàn)象形成的不規(guī)則形狀和因激光脈沖的折射、多路徑效應(yīng)等引起的點(diǎn)云

x

、

y

、

z

值異常而產(chǎn)生的噪點(diǎn)；最后通過軟件自動(dòng)分類算法，將點(diǎn)云數(shù)據(jù)分成若干類別。由于濾波后的目標(biāo)產(chǎn)品是DEM，故只需要得到準(zhǔn)確的地面點(diǎn)云數(shù)據(jù)，因此將點(diǎn)云數(shù)據(jù)自動(dòng)分成地面、低點(diǎn)、重疊點(diǎn)等幾類。TerraScan模塊地面點(diǎn)的分類是基于Axelsson提出的不規(guī)則三角網(wǎng)濾波算法實(shí)現(xiàn)的，可以得到高精度的地面點(diǎn)。該算法以局部高程最低點(diǎn)作為種子點(diǎn)構(gòu)建TIN網(wǎng)格，通過計(jì)算待定點(diǎn)到三角形各節(jié)點(diǎn)的坡度值和到三角形平面的距離是否處于設(shè)定好的迭代閾值(見圖6)，來判斷該點(diǎn)是否為地面點(diǎn)，若是地面點(diǎn)則利用該點(diǎn)重新構(gòu)建TIN網(wǎng)格，并迭代加入地面點(diǎn)直至沒有新的地面點(diǎn)被加入，結(jié)束濾波。

圖6 迭代閾值Fig.6 Iterative threshold

此外，根據(jù)漸進(jìn)三角網(wǎng)濾波分類算法自動(dòng)分出的地面點(diǎn)存在一定的誤差，需要進(jìn)行人機(jī)交互編輯，進(jìn)行手動(dòng)分類，將不正確的分類通過人工干預(yù)的方法得到正確的地面點(diǎn)。經(jīng)過濾波處理濾除植被后生成的地面點(diǎn)云的密度可以達(dá)到10～40 pts/m，滿足地質(zhì)災(zāi)害解譯的需求。

3.2.2.2 DEM的生成

數(shù)字高程模型(DEM)是表現(xiàn)地表形態(tài)最常用的方式之一。本次研究采用易于分析與計(jì)算的規(guī)則格網(wǎng)DEM來表達(dá)斜坡的地表信息。生成DEM的過程是利用ArcGIS轉(zhuǎn)換工具中的Las數(shù)據(jù)集轉(zhuǎn)柵格工具對Las數(shù)據(jù)進(jìn)行內(nèi)插,得出規(guī)則格網(wǎng)DEM。內(nèi)插方法包括反距離加權(quán)法、克里金插值法和自然領(lǐng)域插值法3種，其中反距離加權(quán)法插值的精度最高，故本次采用反距離加權(quán)法內(nèi)插生成高精度的DEM，作為等高線、山體陰影、地表坡度、地表粗糙度等輔助地質(zhì)災(zāi)害解譯后續(xù)圖件加工的基礎(chǔ)。

4 地表形變信息提取與分析

4.1 基于地面形態(tài)要素的滑坡識(shí)別原理

利用傳統(tǒng)光學(xué)遙感工具進(jìn)行滑坡識(shí)別，是基于滑坡在遙感圖像中的梨形、舌形、簸箕形等典型坡面形態(tài)進(jìn)行的。在遙感解譯中，根據(jù)這些圖形特征便可以在遙感影像中大致圈定滑坡范圍。利用機(jī)載LiDAR測得的點(diǎn)云數(shù)據(jù)具有厘米級精度，同時(shí)擁有濾除地表植被的功能，能夠在植被覆蓋的區(qū)域分離出地面點(diǎn)云?；跈C(jī)載LiDAR的滑坡識(shí)別，除了能夠準(zhǔn)確地識(shí)別傳統(tǒng)光學(xué)遙感工具所能識(shí)別的典型地貌特征外，還增加了對滑坡微地貌的識(shí)別，能夠清晰地識(shí)別其滑坡舌、滑坡壁、滑坡臺(tái)階和滑坡裂縫等地貌形態(tài)，達(dá)到精確判別滑坡類型和識(shí)別滑坡邊界的效果。

通常情況下滑坡具有如圖7所示的全部或部分空間形態(tài)要素，遙感解譯中，則主要是基于這些形態(tài)要素的識(shí)別來確認(rèn)滑坡。

圖7 滑坡及其空間形態(tài)要素示意圖Fig.7 Schematic diagram of landslide and its spatial form elements

4.2 基于山體陰影圖和數(shù)字地形分析圖的滑坡識(shí)別

利用遙感技術(shù)對地質(zhì)災(zāi)害進(jìn)行全面的調(diào)查，是地面調(diào)查的有效補(bǔ)充和輔助工具，而利用傳統(tǒng)光學(xué)遙感衛(wèi)星圖像進(jìn)行的遙感解譯，其結(jié)果因受到植被覆蓋的影響和圖像精度的限制會(huì)存在較大的誤差，在這種情況下，本文引入LiDAR技術(shù)對地質(zhì)災(zāi)害進(jìn)行識(shí)別。

4.2.1 基于山體陰影圖的滑坡范圍識(shí)別

采用LiDAR 數(shù)據(jù)生成的高精度DEM(見圖8)和利用ArcGIS軟件的3DAnalyst擴(kuò)展模塊生成研究區(qū)一系列不同太陽方位角的山體陰影(Hillshade)，作為地質(zhì)災(zāi)害隱患識(shí)別的定性參數(shù)。

圖8 研究區(qū)DEM圖Fig.8 DEM map of the study area

本次研究的山體陰影圖是利用方位角分別為270°、315°和360°，高度角為45°的假想光源進(jìn)行相鄰像元的照明值計(jì)算得到的，可較好地顯示出研究區(qū)地形的立體形態(tài)，有利于提取研究區(qū)滑坡等地形信息。圖9為太陽方位角為360°時(shí)研究區(qū)的山體陰影圖，與實(shí)際航拍照片(見圖3)相比，山體陰影圖可以還原出真實(shí)地表。在山體陰影圖(見圖9)中，由于滑坡與周邊環(huán)境的灰度值呈現(xiàn)明顯的差異，并且其圈椅狀邊界也符合滑坡發(fā)育形態(tài)。

圖9 研究區(qū)山體陰影圖(太陽方位角為360°)Fig.9 Mountain shadow map of the study area (solar azimuth 360°)

4.2.2 數(shù)字地形分析

數(shù)字地形分析(Digital Terrain Analysis，簡稱DTA)是在DEM上進(jìn)行地形屬性計(jì)算和特征提取的數(shù)字信息處理技術(shù)，是對DEM應(yīng)用范圍的拓展和延伸。本次研究采用地表坡度圖、地表粗糙度圖和地形起伏度圖作為分析對象。

地表坡度是指地表面上某一點(diǎn)的切面和水平面所成的夾角。地表坡度反映了地勢的陡峭程度，在地形表面分析中起到重要的作用。本次研究采用2D笛卡爾坐標(biāo)系對投影平面計(jì)算地表坡度。

地表粗糙度是指一定范圍內(nèi)地表表面積

S

與其在水平方向上的投影面積

S

之比。地表粗糙度反映了地表形態(tài)的宏觀變化，是反映地表起伏變化和侵蝕程度的一個(gè)重要指標(biāo)。其數(shù)學(xué)表達(dá)式為

式中:

R

為地表粗糙度(無量綱)；angle表示地表面與水平面的坡度(°)。

地形起伏度是指某一確定面積內(nèi)最高點(diǎn)與最低點(diǎn)的高程之差。地形起伏度是反映地形起伏的宏觀地形因子，在區(qū)域研究中，能夠定量地描述地貌形態(tài)，是劃分地貌類型的一項(xiàng)指標(biāo)。其數(shù)學(xué)表達(dá)公式為

RA

=

Z

max-

Z

min式中:

RA

為某區(qū)域的地形起伏度(m)；

Z

max為該區(qū)域內(nèi)的最大高程值(m)；

Z

min為該區(qū)域內(nèi)的最小高程值(m)；

i

為自然數(shù)。

研究區(qū)地表坡度圖、地表粗糙度圖和地形起伏度圖，見圖10至圖12。

圖10 研究區(qū)地表坡度圖Fig.10 Surface slope map of the study area

由圖10至圖12中可以從不同角度識(shí)別出研究區(qū)滑坡體在平面上的空間形態(tài)及微地貌特征：①地表坡度值域在0～89°之間，在滑坡周界范圍內(nèi)地表坡度有明顯的數(shù)值升高，表明該局部區(qū)塊地表坡度因滑坡滑動(dòng)后發(fā)生變化而與周邊穩(wěn)定斜坡體有所區(qū)別；②地表粗糙度值域在1～58之間，在滑坡后緣部分地表范圍粗糙度明顯增加，表明這個(gè)局部區(qū)塊因滑坡滑動(dòng)過程中巖土體的位移及拉裂破碎而造成了比面積的增加；③地形起伏度值域在0～6 m之間，而在滑坡周邊則地形起伏度值域?yàn)?～6 m之間，表明滑坡滑動(dòng)后地形起伏程度突變，滑坡后緣變化明顯。

由于研究區(qū)域范圍較小，數(shù)字地形分析圖整體數(shù)值變化不大，僅靠目視難以發(fā)現(xiàn)其細(xì)微變化，但在滑坡區(qū)域有較為明顯的變化，即滑坡后緣的地表坡度值、地表粗糙度值和地形起伏度值發(fā)生了明顯的跳躍性變化，跳躍幅度基本相同，因此從數(shù)字地形分析圖中能夠直接圈定滑坡后緣邊界。由圖11可以看出，滑坡坡腳處地表粗糙度值也明顯呈跳躍變化，由此可以判定滑坡前緣。同時(shí)，從圖10至圖12中圖像顏色來看，滑坡后緣和滑坡前緣顏色與臨近區(qū)域有明顯的差異，可以圈定出滑坡的范圍。

圖11 研究區(qū)地表粗糙度圖Fig.11 Surface roughness diagram of the study area

圖12 研究區(qū)地形起伏度圖Fig.12 Topographic relief diagram of the study area

綜上數(shù)字地形分析圖可以判斷出該滑坡面積為930 m，寬為19 m、長為91 m，滑坡整體地表坡度為35°，滑坡體主滑方向?yàn)槟掀?°。

4.3 基于點(diǎn)云地形剖面圖的滑坡細(xì)節(jié)信息分析

基于高密度點(diǎn)云的地形剖面圖能直觀地表現(xiàn)出地面的起伏、地勢的變化和地表坡度的陡緩，還能形象地顯示出一個(gè)地區(qū)的地形類型及其特征。由4.2.2節(jié)綜合數(shù)字地形分析圖件，可實(shí)現(xiàn)對滑坡的初步識(shí)別與判定(見圖13),滑坡地形剖面圖見圖14至圖17。

圖13 滑坡解譯結(jié)果及結(jié)構(gòu)要素圖Fig.13 Landslide interpretation results and structural elements

圖14 滑坡地形剖面A—A′圖(未剝離植被)Fig.14 A—A′ profile (vegetation unremoved)

圖15 滑坡地形剖面A—A′圖(剝離植被后)Fig.15 A—A′ profile(vegetation removed)

圖16 滑坡地形剖面B—B′圖(剝離植被后)Fig.16 B—B′ profile(vegetation removed)

圖17 滑坡地形剖面C—C′圖(剝離植被后)Fig.17 C—C′ profile(vegetation removed)

由于斜坡地表被植被覆蓋，地面的微地貌特征信息無法識(shí)別(見圖14)。而剝離植被后，可根據(jù)滑坡地形剖面進(jìn)一步刻畫滑坡體的詳細(xì)特征。如：滑坡地形剖面

A

—

A

′(剝離植被后)上，滑坡后緣距公路的高差為8.7 m，滑坡后緣距滑坡前緣坡腳的水平距離為11.7 m，滑坡后緣可見明顯的陡坎(高差約3.1 m，坡度約68°)，滑坡中部可見滑坡臺(tái)階(寬約3.5 m)，滑坡前緣地表坡度約30°；滑坡地形剖面

B

—

B

′(剝離植被后)上，滑坡后緣距公路的高差為10.1 m，滑坡后緣距滑坡前緣坡腳的水平距離為16.5 m，滑坡后緣可見滑坡壁(高差約1.9 m)，滑坡中部可見滑坡臺(tái)階(寬約6.2 m)，滑坡前緣坡度約36°，該剖面為主滑剖面；滑坡地形剖面

C

—

C

′(剝離植被后)上，滑坡后緣距公路的高差為7.9 m，滑坡后緣距滑坡前緣坡腳的水平距離為9.5 m，滑坡后緣可見滑坡壁(高差約2.4 m)，滑坡中部未見明顯的滑坡臺(tái)階，滑坡總體地表坡度約為62°。

在Terrasolid中對濾波后的點(diǎn)云模型和地形剖面進(jìn)行分析可知：公路邊內(nèi)側(cè)斜坡上存在明顯的呈圈椅狀的滑坡，主滑方向正對道路；斜坡體上存在滑坡壁、滑坡臺(tái)階等較為明顯的滑坡要素，滑坡后壁高差最大為3.1 m，滑坡臺(tái)階最寬為6.2 m；在滑坡后緣暫未發(fā)現(xiàn)明顯的由滑坡引起的如張拉裂縫等變形跡象。但由于滑坡整體地表坡度、地形起伏度較大，故在人類工程活動(dòng)以及降雨、風(fēng)化等自然因素的影響下，該滑坡存在繼續(xù)發(fā)生形變的可能性。

5 結(jié) 論

本文運(yùn)用無人機(jī)機(jī)載LiDAR技術(shù)對江蘇省宜興市竹海風(fēng)景區(qū)公路旁一處道路邊坡66 208 m的研究區(qū)進(jìn)行了高密度點(diǎn)云測取，最終測得原始點(diǎn)云密度為487.3 pts/ m，濾波處理剝離植被后的地面點(diǎn)云密度為13 pts/m，遠(yuǎn)高于傳統(tǒng)有人機(jī)機(jī)載LiDAR。通過對點(diǎn)云數(shù)據(jù)的處理，獲取了研究區(qū)內(nèi)剝離植被后的DEM圖、山體陰影圖、地形起伏度圖、地表坡度圖和地表粗糙度圖，并通過對地面點(diǎn)云多視角的觀測和滑坡地形剖面圖測量，結(jié)合山體陰影圖和數(shù)字地形圖分析，圈定了江蘇省宜興市竹海風(fēng)景區(qū)公路旁植被茂盛區(qū)一處滑坡的范圍，獲取了滑坡的相關(guān)基本信息：滑坡體平面上呈圈椅狀，面積為930 m，長為91 m、寬為19 m，整體地表坡度為35°，滑坡體主滑方向?yàn)槟掀?°。另根據(jù)滑坡地形剖面圖可以看出，滑坡體的滑坡前、后緣高差為10.1 m，滑坡后壁高差為1.9～3.1m，滑坡臺(tái)階寬度為3.5～6.2 m。

在以往的地質(zhì)災(zāi)害調(diào)查過程中，傳統(tǒng)的光學(xué)遙感技術(shù)以及無人機(jī)低空航拍遙感不能穿透植被，不能獲取植被覆蓋區(qū)以下真實(shí)的地表(形變)信息，且數(shù)據(jù)的幾何精度受地形地貌、傳感器類型、天氣因素等的影響較大。而機(jī)載LiDAR技術(shù)是利用激光儀器主動(dòng)發(fā)射脈沖信號(hào)，可部分穿透植被到達(dá)地面，通過點(diǎn)云數(shù)據(jù)去噪、濾波，剔除植被點(diǎn)云層數(shù)據(jù)后，快速構(gòu)建與重現(xiàn)高精度的地面形態(tài)，并提供地面變形跡象信息，且在無地面控制點(diǎn)情況下數(shù)據(jù)的相對精度可達(dá)厘米級。

本文利用無人機(jī)機(jī)載激光雷達(dá)可濾除植被的二次回波特點(diǎn)以及其點(diǎn)云高密度的特性，在低山丘陵植被覆蓋區(qū)進(jìn)行斜坡體變形跡象的地面信息讀取，從而達(dá)到對植被茂密區(qū)地質(zhì)災(zāi)害隱患早期識(shí)別的目的，極具實(shí)用性和創(chuàng)新性，能夠?yàn)榈刭|(zhì)災(zāi)害的地面詳查提供極為有效的技術(shù)支撐。