基于机载 LiDAR 技术的典型水库水量变化估算

潘丽娟 ，王冬梅 ，任旭华 ，石一凡

（1．河海大学水利水电学院，江苏 南京 210098；2．江苏省水利科学研究院，江苏 南京 210017）

0 引言

在传统的河湖库容及周边地形测量研究中，水上研究主要依靠实地外业测量，水下研究多采用声呐等方法确定水深及水下地形，再根据相关 GIS 技术计算水文数据并生成库容曲线。然而，该方法受气象、地形地势等环境因素影响较大，且作业效率低，危险系数高，测量周期长，已无法满足河湖水量动态变化监测的需要。机载 LiDAR（激光雷达）测量是一种主动测量方式，不依赖自然光，具有受天气影响小、测量精度高、作业范围广、便携、人工野外作业量少等优势，在地形测量上有着广泛应用[1]。通过卫星、无人机等多种设备搭载 LiDAR 系统，在河湖枯水期开展周边区域的遥感地形调查，获取河湖及其周边区域的精细 DSM（数字地表模型）数据，再结合多期水位监测数据即可实现河湖水量的动态监测，可有效支撑河湖日常监管，减少人工工作量，提高工作效率，实现河湖的高效科学管理[2]。

当前机载 LiDAR 在河湖水位和水量计算上有所应用，但在水库区域应用较少[3]。目前江苏省已建成的大中型水库达 900 余座，水库在地区防洪抗旱及保障饮水安全中发挥着重要作用。因此，为更及时、便捷和准确地了解水库水量的变化，发挥水库区域对防洪抗旱的积极作用，以仑山水库为研究对象，使用机载 LiDAR 监测水库，利用 LiDAR 技术估算库区水量变化。

1 数据采集及研究方法

句容仑山水库是一座中型水库，位于江苏省镇江市，属山谷水库，水库水面无明显遮挡物，水域边界清晰，便于无人机飞行观测。观测期间该水库处于清淤阶段，水位较低，使用机载 LiDAR 能观测水库全貌，利于进一步进行数据处理分析。

1.1 数据采集

1.1.1 实验数据采集

于 2021 年 6 月 11 日进行点云数据采集实验，当天天气状况良好，水库水位为 48.7 m。无人机飞行 4 个架次，作业面积为 3.98 km2，获取有效点云数量 2 400 万个。无人机搭载 RIEGL miniVUX LiDAR 对实验区进行数据采集，LiDAR 模块具体参数如表1 所示。点云数据的质量受 LiDAR 模块参数的影响，根据实验区特点选取合适的分辨率及点云密度，有利于提高点云数据精度。

表1 LiDAR 模块参数

1.1.2 验证数据采集

为验证机载 LiDAR 数据精度，根据水库及周边的地形特征，选取水库边界区域进行实地高程采集。根据坝体、道路、草地等不同地形条件，在水库周边按不同地物类型选取 6 处区域采集高程，仑山水库卫星图像及地面实测高程点位置如图1 所示，12 个验证点地物类型分别为坝坡（序号 1 和 6）、滩涂（序号 2，5，8）、山坡（序号 3）、耕地（序号 4）、道路（序号 7，11，12）、桥面（序号 9 和 10）。

图1 水库地面实测高程点位置选取

本次外业测量仪器选用 Trimble R10 GNSS 智能接收机，利用 GPS RTK 勘测技术获得实验数据控制点坐标，测量坐标系统选用 2000 国家大地坐标系，高程系统为大地高系统。

1.2 研究方法

确定实验区后，对采集的原始点云数据做预处理，并进行滤波分类，构建不规则三角网（TIN），进而生成 TIN 的 DEM（数字高程模型），采用ArcGIS 软件提取栅格 DEM 中的面积及地形数据，对水库的水量变化进行估算。数据处理流程如图2所示。

2 点云数据处理

2.1 点云去噪

在机载 LiDAR 点云数据处理中，由于地面植被及建筑的影响，激光难以穿透障碍物到达地表，导致有的点位于真实地面，有的点位于植被或建筑物上，且机载 LiDAR 点云存在大量离散的粗差点，分布无规律，因此本研究采用 KD- 树自上而下的递归方式做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，则判定为噪点并去除[4-5]，点云去噪流程如图3 所示。

图3 基于 KD- 树的点云去噪流程图

2.2 点云滤波

点云滤波是指在激光扫描的点云数据中，提取精确的地面点，进而得到 DEM 的过程。本研究选择渐进加密不规则三角网（PTIND）滤波算法[6-7]，首先获取地面种子点，然后对这些地面种子点建立 TIN 并进行迭代加密。在每次迭代过程中，都对其余各点到所在三角形的反复角和距离进行阈值判断，将满足条件的点加入 TIN。迭代过程一直持续到没有点可以再加入 TIN 为止，具体流程如图4 所示。

图4 基于 PTIND 的点云滤波流程图

2.3 地面点数据插值

DEM 是一种简单的数字地貌模型，可通过有限的地形高程数据实现对地面地形的数字化模拟。本研究利用 TIN 插值法建立库区的 DEM，即基于矢量的数字地理数据，在点集区域内构成一系列有限个锐角或近似等边的三角形（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一个三角网拟合地表面[8]。

2.4 水量计算

本研究中水量计算利用积分原理，将像元中心连接到三角形中，再对每个三角形进行检查以确定其对面积和体积的影响，根据水平参考平面的高度，累计参考平面下方至待测表面之间的体积，即可得出总水量。

本次实验利用 ArcGIS 中的 Surface Volume 模块，导入 DEM 栅格数据，设置不同的参考平面，累计参考平面至模型外表面的体积，得出水库随水位增长引起的水量增长值及水量差值变化量曲线图。但由于机载 LiDAR 不能穿透水面到达水底，因此仅计算当日水位以上的水量。而传统水库水量估算方法多采用棱台体积公式：

式中：ΔV为库容变化量；S1，S2分别为水深H1和H2处的水库水面面积。

这种计算方法原理简单，计算简便快捷，但由于未考虑水库底面坡度变化，计算水量差值会引入误差。

3 结果与讨论

3.1 数据处理结果

首先基于 KD- 树实现点云去噪，点云去噪前后对比图如图5 所示。由图5 a 和 b 得出仑山水库区噪声点主要集中在水体表面及水下极低点：由于水面漂浮物及库区北部存在大量水草，因此产生大量高于水面的噪声点；由于机载 LiDAR 无法穿透至水底，因此水下产生大量极低点。采用 KD- 树算法去噪，设置标准差倍数为 5 倍，选取的邻域点个数为 10 个，可去除大部分噪声点（图5 c），总体效果较好。对于航迹带边界及有大量水草存在的水面，仍有噪声点残留，经人工辅助去除后满足后续处理要求（图5 d）。

图5 仑山水库北部典型区域降噪前后对比图

利用 PTIND 滤波算法分离出地面点和非地面点，迭代角度为 8°，迭代距离为 1.4 m。对于不同的地形条件，滤波效果均有差异，3 种不同地形条件下的滤波效果图（图中橙色点为地面点，白色点为非地面点）分析如下：河滩、居民区和道路等平坦地形的滤波效果图如图6 所示，分类效果较好；存在密集植被的山林地区的滤波效果图如图7 所示，机载 LiDAR 受植被遮蔽影响无法全部穿透到达地面，分离得到的地面点较少，难以与地物点自动分离；对于有人工建筑物的地区，如桥体、屋顶等，如图8所示，出现系统误分。因此需要结合人工的方法，分离部分特殊地区的地面点，滤波效果如图7 c 和 8 c 所示。

图6 仑山水库南部河滩居民区滤波前后对比图

图7 林地剖面滤波前后对比图

图8 桥面坡面滤波前后对比图

3.2 DEM 精度验证

为验证 DEM 是否满足精度要求，采集水库周边不同区域的高程，计算误差大小，12 个验证点的实测和点云高程及误差如表2 所示。表中高程误差分析如下：耕地和滩涂地区高程误差较大，这是由于存在农作物和大量水草，机载 LiDAR 受水草遮蔽影响，且由于人为活动，实地高程发生变化，从而产生误差；道路和山坡地区高程误差较小，这是由于道路和山坡的遮蔽物较少，且短期内高程受人为因素影响较小，高程稳定。

表2 测点测量和点云高程

根据表2 成果得出：除个别验证点的误差绝对值超过 0.200 m 外，其他验证点的误差绝对值均小于0.200 m，低于 GH/T 8024—2011《机载激光雷达数据获取技术规范》[9]要求的误差范围（± 0.33 m），机载 LiDAR 点云符合精度要求。

3.3 面积及水量变化曲线

本研究点云密度为 20 个/m2，在实际应用中发现，在水面至高程 51 m 部分的滩地点云密度较低，难以提取连续的轮廓，因此本研究仅分析 51～58 m水位的水库面积和水量变化。

对比机载 LiDAR 估算得出的水库面积与面积参考值，对比图如图9 所示，机载 LiDAR 估算的水域面积范围为 2.12～3.90 km2，水库面积参考值取自《江苏省水利工程管理手册》[10]，面积范围为 2.0～4.1 km2。在高于 52 m 部分，基于机载 LiDAR 估算的水域面积小于参考值，差值范围为 0.01～0.46 km2。面积计算值总体偏小，且在 54 m 以后差值较大，主要是因为该参考值为 1958 年水库建设时面积设计值，数据年代较为久远，且水库受人为建筑影响（西北部及东部新建住宅，北部新建桥梁，副坝修缮加高等），导致面积缩减。

图9 各水位水库面积曲线图

对比 LiDAR 估算水量与式（1）计算得到的参考水量，对比图如图10 所示，LiDAR 估算的水量变化范围为（97.09～172.50）万 m3，根据式（1）计算所得参考水量变化范围为（97.24～185.73）万 m³。在水位 52 m 后，基于 LiDAR 估算的水量均小于式（1）计算的参考水量，差值范围为（0.15～24.95）万 m³，原因可能是积分计算对地形坡度变化更为敏感，而式（1）的计算方法受坡度变化影响较小，且水库边界受人为建筑物影响，与水库建立初期相比坡度更大，更稳定，使得在水位 52 m 后基于 LiDAR 估算的水量逐渐小于由式（1）计算的参考水量，水量变化也更为稳定。

图10 各水位水量变化曲线图

4 结语

本研究利用机载 LiDAR 技术，建立了仑山水库精细化三维地形数据，精确地估算出水库水量差值，机载 LiDAR 估算的水量值小于传统估算方法得到的水量值，可为监测水库水量变化提供科学依据。机载 LiDAR 技术在小型复杂水库的水量估算中有较好的应用前景，对调节控制水库及保证防洪安全具有重要意义。

受水库边界人工建筑物影响，局部边界坡度较大，提取边界点云数据时，可能会造成边界数据缺失；对接近水面的低水位处，由于点云密度较低，建立数字高程模型时，容易形成大面积空洞，导致误差。因此，在后续研究中需要提高点云密度，结合现场考察及其他无人机技术提高点云分类和提取精度。