退圩还湖工程作为生态文明建设的一项重要措施，清退湖泊保护范围内的圈圩及围网，可改变过去掠夺式湖泊资源开发模式，改善湖泊水质，修复湖泊水生态环境，实现人与湖泊和谐相处。随着退圩还湖试点湖泊的增多，相关研究广泛开展：张海明等[1]从生态修复的角度分析洪泽湖退圩还湖过程中的管控重点；苏海松等[2]通过实验分析了白马湖退圩还湖的水质水生态情况，得出实施区域氮、磷含量显著下降的结论；王俊等[3]利用水动力模型对比兴化市蜈蚣湖退圩还湖前后湖泊自净能力，模拟显示过水能力显著提高。

然而退圩还湖的复杂性给水行政主管部门复核和监管实施效果带来一定难度。目前，主要借助第三方技术单位GPS实测及高分影像目视解译进行人工复核，关于提高退圩还湖进展监测速度和精度的探究较少。无人机机载激光雷达（LiDAR）技术的出现，既克服了影像时空分辨率低的缺陷，又解决了人工实测密度低、范围小、线路固定的问题，能提高地形获取精度，突破现有复核方式的瓶颈[4]，目前已广泛用于电力、测绘、交通等行业[5-7]。运用LiDAR技术可实现退圩还湖工程由点及面和二维向三维拓展的突破，快速、高精度地完成三维空间地理信息的采集。

本研究的目的是，通过采集研究区激光点云数据，建立精细化DEM（数字高程模型）和DSM（数字地表模型），分析无人机机载LiDAR技术在水利工程中的可用性，动态掌握退圩还湖工程进度，科学规划施工进度，提高工作效率。

1、激光雷达系统介绍

1.1 系统简介

Li DAR系统是激光探测及测距系统的简称，集成GPS和IMU（惯性导航系统）、激光扫描仪、数码相机等光谱成像设备[8]。工作时利用激光扫描仪主动发射并接收的多次回波脉冲信号获取探测目标距离、反射率、回波序号等信息，同时利用自带GPS的光学相机实时记录地面点的位置信息。本研究选用的LiDAR系统集成Livox激光雷达模块、高精度惯性导航、测绘相机、三轴云台等模块，搭配经纬M300 RTK无人机和智图软件，可实现全天候、高效率实时三维数据的获取及复杂场景下的高精度后处理重建，性能参数如表1所示。Li DAR系统具备设备便携、系统集成化程度高、云台稳定、数据精度高、正射影像和激光点位同步生成等优势，可通过控制点云密度实现多场景应用。

表1 本研究选用的激光雷达性能参数

1.2 实施准备

退圩还湖项目实施前，利用现场调研结合遥感影像收集研究区相关资料，制定技术路线，根据飞行区域面积、形状特征，按照经济节能原则合理布置飞行架次，生成.KML格式文件。按外业采集和内业处理的步骤进行外业阶段航线规划、数据采集，数据采集须根据精度要求对飞行速度、飞行高度、回波次数、旁向和航向重叠度等参数进行具体设定。内业处理阶段以外业采集数据为基础，经过数据预处理、图像拼接、点云去噪、滤波处理等进程完成点云数字化处理，生成DEM和DSM，建立研究区域内三维模型，丰富研究区地籍测绘和地理信息基础资料。

2、数据采集与处理

兴化市平旺湖位于江苏省里下河腹部低洼区，收录于《江苏省湖泊保护名录》中。平旺湖退圩还湖规划于2015年获江苏省省政府批复，2018年江苏省水利厅批复了《兴化市平旺湖退圩还湖工程实施方案》（以下简称《实施方案》）。根据《实施方案》要求，退圩还湖工程实施后，将清退平旺湖圩区面积5.2 km2，并恢复自由水面4.4 km2，堆土区总面积0.8 km2。工程分多期开展，一期工程现已完成。项目实施范围位于总工程东北侧，布置排泥场5处，3处为湖中的聚泥成岛。兴化市平旺湖退圩还湖项目平面位置图如图1a所示，退圩还湖效果图和实施前后影像对比图分别如图1b和1c所示。

图1 研究区概况图

2.1 航线规划

本次航线规划区域面积为7.5 km2，飞行范围覆盖平旺湖及出入湖河道。根据本次作业形成正射影像实际空间分辨率优于0.05 m的要求，预设飞行器飞行高度100 m、飞行速度7.6 m/s、旁向重叠度50%、航向重叠度70%。由于测区内有房屋、农田、圈圩、水面等多类地物，故采用2次回波的工作方式，发射频率为244 kHz，在相对航高100 m的条件下点云密度为144个/m3。飞行作业须考虑转弯半径和飞行距离，可根据节能高效原则布置航线。

2.2 数据采集

根据航线规划设计的标准，布置3块规划航区，飞行架次共计9次，飞行区域总面积为7.5 km2。3块区域飞行时段为2022年2月21日14—16时，2月22日9—11时和14—16时，采集时间内采光条件良好，适宜测区作业。

2.3 数据预处理

利用无人机机载LiDAR系统获取激光点云，运用智图软件生成各区块.las格式文件，单次运行时间依赖于作业范围，该步骤运行时间共计2 h。将生成数据导入LiDAR360软件，该软件可实现点云初步航带拼接，异常点采用3D-NDT（正态分布变换）算法，用数学软件Matlab实现二次拼接，拼接运行过程耗时0.8 h。将加工结果再次导入LiDAR360软件中，经过点云去噪、滤波处理等批处理过程建立的DEM和DSM精细化模型分辨率可达0.5 m，进程耗时1.1 h。从数据获取到模型生成共耗时3.9 h，具体处理进程如表2所示。

表2 LiDAR处理进程表

2.4 图像拼接

由于无人机机载LiDAR系统各航带之间存在航线飘移问题，同时会产生随机误差，相邻航带的同名特征点也存在三维空间飘移问题，对点云数据精度和后续数据处理造成严重影响。3D-NDT算法[9]可实现航带拼接，具备速度快、精度高、稳定性强等特征，适用于激光点云精配准。3D-NDT算法利用六参数平差模型，将激光点云采集后生成的.pos文件中的3个空间平移参数（经度、纬度、高度）和3个空间旋转参数（翻滚角、俯仰角、航片角）作为输入，基于正态分布求出均匀空间内点云概率分布。根据分布特征选定各安置参数误差阈值，将牛顿迭代后概率最大值对应的变换参数作为最终值。

2.5 点云去噪

本研究采用KD-树算法进行点云去噪，KD-树继承了二叉树的遍历特征，可以对数据进行快速检索，省去对大量数据的重复对比操作，减少了资源消耗，节约了工作时间，效率有巨大提升。

在KD-树中将点云集P分割为2个子空间P1和P2，设k维的超矩形被1个正交于第m维的超平面H划分为2个超矩形，则超平面H记为

2个超矩形P1和P2分别记为

式中：X代表超平面内任意点；xm代表该点的空间位置；h为超平面在坐标轴上的位置。

通过KD-树自上而下的递归方式对点云进行空间划分及近邻搜索，设标准差倍数，对每个点搜索指定邻域点个数的相邻点，计算点到相邻点的距离平均值，如果距离平均值大于最大距离，则认为是噪点，进而剔除。

2.6 滤波处理

渐进加密不规则三角网（PTIND）滤波算法在地形不连续区域具有较好的处理效果，适用于水陆交界区域。该算法通过对地面种子点建立不规则三角网（TIN）实现迭代加密计算，逐次迭代过程中，对空间各点到所在三角形的反复角和距离进行阈值判断，将满足收敛条件的点加入三角网，当没有点可以满足收敛条件加入三角网时停止迭代。

以单个TIN模型为例，V1,V2,V3为三角形的3个顶点，Q为三角形上方的任一离散点，d为点Q到三角形的垂直距离，α,β,γ分别为点Q与三角形顶点V1,V2,V3的连线与三角形所在平面的夹角。滤波过程中根据最大夹角和垂直距离，不断迭代计算加密TIN得到新的地面点。单个离散点到TIN面的位置关系如图2所示。

图2 TIN模型单个离散点到TIN面的位置关系

图2所示的三角形所在平面可表示为

式中：平面内任意点坐标可表示为（x,y,z);A,B,C分别代表对应平面的法向量；D为常数项，当D为0时平面经过坐标原点。

距离d为

空间中某离散点Q坐标可表示为（xQ,yQ,zQ），则点Q到V1(xV1,yV1,zV1),V2(xV2,yV2,zV2),V3(xV3,yV3,zV3）的距离分别为SV1 Q,SV2 Q,SV3 Q，具体公式如下：

α,β,γ可分别表示为

2.7 模型生成

利用上述步骤处理后的点云数据，生成DEM和DSM，其中：DEM只包含地形的高程信息，不包含其他地表信息；DSM在DEM的基础上，进一步涵盖了除地面以外的地表信息高程，如地表构筑物顶部高程等信息。

本研究基于TIN的插值原理，在点集区域内构成一系列有限个锐角三角形或近似等边三角形，尽量避免过大钝角或过小锐角，三角形的形状和大小取决于点集的密度和位置，各三角形最终连接形成1个三角网拟合地表面。由于构成TIN的每个点都是原始数据，避免了内插精度损失。

在建模方法中基于三角形的表面建模使用的逼近函数Z为

逼近函数为线性函数，表达的是1个空间水平面或倾斜面，a0,a1,a2为确定空间1个平面的待定系数。数学上，3个采样点即可确认空间坐标信息，根据采样点空间信息得到关于待定系数的3个线性方程解出系数，从而唯一地确定1个空间平面。

2.8 精度检验

点云采集时风速过高、风向与飞行角度偏差较大会造成无人机平飘，偏离航带，相邻航带同名特征间偏移；测区内压差大造成无人机掉高，航带内易产生高差[9]。无人机机载LiDAR测量误差主要来源于系统和随机2种误差：系统误差受各部件共同影响，难以完全消除，LiDAR在飞行高度50 m时平面精度为10 cm，高程精度为5 cm；产生随机误差的因素包括测量时气候条件、下垫面地形、点云获取密度等。

下垫面影响在山区尤为明显，地形起伏、气流紊乱都会导致无人机姿态不稳，解算精度降低，1:500DEM产品山区高程中误差可达1.32 m[10]；激光虽有穿透性，对于非常密集的植被，激光穿透效果较差，造成点云密度下降，影响后处理结果。

激光点云整体上反映激光角点密集程度，是测量质量的重要指标，直接关系空中三角测量的构建数量，对DEM产品精度影响巨大。国家测绘相关规范[11]对不同分幅比例尺的DEM产品的格网间距有明确规定，如1:500比例尺对应格网0.5 m。点云密度低于规定阈值会造成2倍高程误差[12]。

本研究充分考虑误差影响，测量时间内天气晴朗，风速为2～3级，实验区为典型平原水网地区，地势平缓无起伏，生成点云精度评价为99.1%。

为验证模型精度，根据研究区及周边地形特征，在规划范围均匀选取24个验证点，选取的点位分布于成湖区、排泥场及范围线，验证点位分布图如图3所示，特征点位分布表如表3所示。利用GPS RTK勘测技术获得实验数据控制点坐标。将控制点与激光点云统一成2000国家大地坐标系，高程系统为85高程系统。根据RTK五等（二）级GPS控制点精度要求，点位中误差小于等于±5 cm,RTK大地高精度小于等于±3 cm[13]。中误差计算公式为

式中：M为成果中误差；n为检测点总数；Δi为较差，为抽检样本各检测值与成果值之差。

图3 验证点位分布图

表3 验证点位分布表

3、结果分析

3.1 成果获取

运用ArcGIS软件Data Management Tools工具箱生成等高线、断面图等。过程数据在平旺湖退圩还湖工程监管中，可用于水域提取、地物分类、范围线确认和土方量计算等工作，保障工程实施效果监管的全面性、动态性和准确性。点云成果处理后最终生成的坡度模型、DSM和DEM图如图4～6所示。根据模型计算结果，平旺湖周边地形较为平坦，以通湖河道为分界，东侧已完成退圩还湖，西侧目前还存在大量圈圩。

图4 坡度模型

图5 DSM

图6 DEM

3.2 精度评价

3.2.1 高程精度评价

现有实施效果的复核方法包括基于人机交互的目视解译和野外测量2种方式。野外测量方法根据《实施方案》中的控制点坐标，采用具备RTK功能的高精度GPS仪器，测量实施区域内水面和排泥场的面积，复核高程的一致性。本研究选取24个验证点，规划范围均匀布置，对比结果显示：无人机机载LiDAR生成DEM与野外测量的总体中误差M=0.023 m，其中水域M=0.022 m，岸线M=0.023 m，中误差保持在仪器精度允许误差范围内，相关系数R2接近1，使用LiDAR测量结果与人工实测具有很好的相关性和一致性，具体对比结果如图7所示。考虑到实验区内整体地形平坦，各地类误差基本一致，故LiDAR对平旺湖工程区内高程有较好的提取效果。

图7 高程精度对比散点图

3.2.2 面积精度评价

退圩还湖形成的排泥场和自由水面面积是项目验收的重要指标，为评价无人机机载LiDAR面积提取效果，将本研究成果、目视解译成果与《实施方案》要求进行对比。本研究利用点云后处理后生成等高线，按《实施方案》中高程规定实现对湖中排泥场轮廓线和水边线的自动化提取。现有的退圩还湖面积复核较优方法以0.5 m全色分辨率高景一号遥感影像为底图，采取人机交互目视解译，识别目标区域范围，采用ArcGIS等软件勾勒并提取排泥场和蓄水范围边界矢量。目视解译依赖工作人员已有经验，具备主观性，另外季节因素、堆土区边缘阴影也给目标识别带来难度，易造成误判。同时，卫星影像时效性较低，处理难度较大，也会降低提取成果的精度。目前主要改进方法为在初提成果基础上选取特征点位，通过人工现场加测修正。激光雷达与高分影像提取效果对比图如图8所示。

退圩还湖相关指标面积测量效果对比结果如表4所示。由表4可知：目视解译和无人机机载LiDAR提取的排泥场和自由水面的合计结果均小于《实施方案》要求，分别减少了0.034和0.049 km2，基于无人机机载LiDAR提取的结果最小，轮廓线能准确反映排泥场和水边线的形状特征，尤其对细节纹理具有较好的体现。将自由水面与排泥场复核结果分开讨论：目视解译提取的自由水面结果最小，对应面积为1.609 km2，解译者受单幅正射影像中水位影响，水陆边界判读有差异；无人机机载LiDAR提取的5处排泥场总面积最小，为0.592 km2。受周边水面波动影响，湖中岛屿排泥场面积提取差异大于岸边。

图8 激光雷达与高分影像提取效果对比图（a～h分别为对应位置局部对比图）

4、结语

本研究利用高精度无人机机载激光雷达系统，对平旺湖规划区点云数据进行航带拼接、点云去噪、滤波处理后生成DEM和DSM，分辨率达0.5 m。采用地理信息技术按照退圩还湖《实施方案》要求分别提取平旺湖排泥场和成湖区等高线，对退圩还湖规划范围内排泥场和成湖区面积的测量具有较高精度。根据24处典型地物点验证激光点云高程精度，结果显示R2=0.999 5,LiDAR生成DEM与野外测量的总体中误差M=0.023 m，其中水域M=0.022 m，岸线M=0.023 m，高程精度较高。本研究测得平旺湖规划范围为2.235 km2，其中排泥场共计5处，总面积为0.592 km2，退圩还湖后形成的自由水面面积为1.643 km2。将本研究成果与同期高分遥感影像（0.5 m）人工目视解译结果进行精度验证，与批复面积对比的总体精度达99.3%。验证结果说明激光雷达技术可有效代替传统的人工测算面积方法，实现退圩还湖各类地形面积的高效提取。

表4 退圩还湖相关指标面积测量效果对比表km2

无人机机载LiDAR技术在退圩还湖工程测量工作中具有时空分辨率高、动态性强、精确度高的特点，可广泛用于退圩还湖实施动态监测中，精准掌握工程实施效果，对科学规划实施进度，提高与规划的一致性具有较强的支撑作用，但无人机机载激光雷达不同场景下的飞行参数选择仍值得进一步研究。

参考文献:

[1]张海明,高政,孙金凤,等.生态文明视角下洪泽湖退圩还湖措施研究[J].水利规划与设计,2022(6):69-71,82.

[2]苏海松,梁军,崔军.退圩还湖对白马湖水生态文明建设的影响[J].江苏科技信息,2015(17):36-37.

[3]王俊,王轶虹,高士佩,等.退圩还湖工程实施方案及其对湖泊环境影响分析[J].人民长江,2020,51(1):44-49.

[4]王俊,王轶虹,王强,等.退圩还湖后湖泊水动力条件分析:以蜈蚣湖为例[J].中国农村水利水电,2020(3):91-97.

[5]朱万虎.浅谈机载激光雷达技术在水利工程测量中的应用[J].广东水利水电,2022(10):98-101.

[6]包善文.航空摄影与机载激光雷达集成技术在水利测量中的应用[J].测绘与空间地理信息,2023,46(增刊1):236-239.

[7]张雅男,朱万虎,陈然.机载激光雷达结合PPK技术在水利工程测量中的应用[J].人民珠江,2023,44(增刊2):227-231.

[8]周媛.基于水利工程测绘中激光雷达技术的应用研究[J].水利科学与寒区工程,2022,5(10):101-103.

[9]赵大伟,裴海龙,丁洁,等.无人机机载激光雷达系统航带拼接方法研究[J].中国激光,2015,42(1):323-330.

[10]徐晓臣,谢津平.机载激光雷达技术在乌龙山抽水蓄能电站工程测量中的应用[J].水利水电技术,2017,48(10):136-141.

[11]国家测绘局.基础地理信息数字成果1:500､1:1 000､1:2 000数字高程模型:CH/T 9008.2-2010[S].北京:测绘出版社,2010:1-2.

[12]王康康,郑学东,赖旭东.机载Li DAR点云密度与DEM产品精度关系研究[J].测绘地理信息,2021,46(3):78-82.

[13]中华人民共和国自然资源部.测绘成果质量检查与验收:GB/T 24356-2023[S].北京:中国标准出版社,2023:4-6.

基金资助:水利部重大科技项目(SKS-2022072); 江苏省水利科技项目(2023022); 江苏省水利科学研究院自主科研项目(2022z034,2022z026,2022z027,2022z028);

文章来源:蒋志昊,石一凡,王金东,等.基于无人机机载激光雷达的退圩还湖实施效果监测[J].水利信息化,2024,(05):55-61.