机载LiDAR测深中海底地形坡度的影响及改正EI北大核心CSCD

机载LiDAR测深ALB(Airborne LiDAR Bathymetry)是测量沿海地区地形图和水深图的最有效的技术之一,其通常是利用ALB海面和海底反射回波的峰值位置来计算水深值。然而,当绿色(532 nm)激光光束到达海底时,光斑范围内的具有坡度的海底地形会导致海底反射回波波形展宽、峰值位置偏移等现象,从而产生海底位置的不确定性,进而直接影响海底地形测量的准确性。为了减小这种影响,本文提出了一种机载LiDAR测深的海底地形坡度影响改正方法。通过考虑ALB激光光斑内海底地形的连续性,基于ALB激光光斑范围内局部地形参数模型FTPM(Footprint-scale Topography Parameters Model)构建ALB海底反射回波模型,通过定量分析不同水深、不同海底地形坡度所引起的海底反射回波峰值位置变化,以确定海底地形坡度对ALB测深的影响规律,进而构建ALB测深误差方程针对性地改正海底地形坡度引起的测深误差。本文采用中国南海甘泉岛附近海域所测ALB和多波束测深数据对所提方法进行了验证。结果表明,海底地形坡度影响改正后,平均绝对误差MAE(Mean Absolute Error)和中误差RMSE(Root Mean Square Error)分别减小到9.4 cm和12.3 cm,较改正前分别降低了35.6%和33.5%,对ALB测深数据处理具有参考意义。     

多种智能测量设备在水库水下地形测量中的联合应用

浅水区和沼泽区是水库水下地形测量的难点,大船由于吃水深无法到达,人员进入也相当困难。针对这些区域目前一种方法是利用机载激光测深系统进行测量,缺点是成本太高,不具有普遍性;另一种方法是采用插值法,缺点是精度低、无法满足大比例尺测量精度。为解决此问题,本项目研究了利用多波束测深系统深水区测量、应用无人测量船进行浅水区测量、多旋翼无人机进行沼泽区测量相结合的方式,实现了全覆盖、无盲区大比例尺水下地形测量,数据精度可靠,可满足IHO国际标准要求,解决了浅水区和沼泽区测量难、精度差的难题。     

SeaBeam 3012深水多波束测深系统标定方法

以"向阳红10"科考船船载SeaBeam 3012多波束测深系统为例,对深水多波束系统的标定方法进行研究,依照海试标定试验对海上标定的步骤进行了较全面的阐述,通过标定测量得到水下换能器阵安装偏差结果,并对该系统进行了性能测试和精度评估。通过对采集到的水深数据进行分析,可知该测深系统的水深数据质量可靠,地形图能客观、合理地呈现海试区域的水深和地形地貌信息。     

水下地形测量

同陆地一样，海洋与江河湖泊开发的前期基础性工作也是测图。不同的是，在水域是测量水下地形图或水深图。兴建港口；水上运输；海上采油；海底探矿；海洋捕捞，发展水产；海域划界，海战保障；监测海底运动，研究地球动力等任务都需要各种内容的水下地形测量。 水下地形测量主要包括定位和测深两大部分。定位的作用是不言而喻的，目前的水上定位手段有光学仪器定位、无线电定位、水声定位、卫星定位和组合定位。平面位置的控制基础主要是陆上已有的国家等级控制点，卫星定位如采用差分方式，其岸台亦多采用已知控制点，以求坐标系统的统一。如果大洋测量采用卫星单点定位方式，则应根据需要确定是否进行坐标换算。水声定位网通常在特殊的、较小的范围内使用，因为目前水声传播的距离，在一般情况下，是不足以满足人们要求的。 水上定位同时，测量水的深度是确定水下地形的重要内容。测深主要靠回声测深仪进行。利用水声换能器垂直向下发射声波并接收水底回波，根据回波时间和声速来确定被测点的水深，通过水深的变化就可以了解水下地形的情况。20世纪60年代，出现了侧扫声纳，可探测船一侧(或两侧)一定面积海域内的水下障碍物和水底地貌，可以取得类似于航摄效果的水底表面声学图像。20世纪70年代，又出现了多波束测深系统，它能一次给出与航线垂直的平面内几十个甚至百余个海底被测点的水深值，形成一定宽度的全覆盖的水深条带，可以比较可靠地反映出水下地形的细微起伏，比单一测线的水深测量确定水下地形更真实。目前，多波速测深系统正向小型化发展，适用浅水海域和简易船只的新产品已经有售。20世纪80年代以后，又推出了高效率的机载激光测深系统，激光光束的高分辨率能获得海底传真图像，从而可以详细调查海底地貌和底质。美国国防制图局于1990年研制的ABS机载水深测量系统，除包括一台激光测深仪外，还有一台多光谱扫描仪和一台电磁剖面仪，能够在各种环境条件下，在飞机上利用激光、光谱和电磁测量几种方法互补快速测制沿海的水下地形图。这些手段一般可测深30～50 m，精度在±0.3 m左右。目前，还可以利用卫星上安装合成孔径雷达(SAR)等设备对海面遥感摄影，通过对照片处理确定水深。需要强调的是，以上水深测量得到的瞬时值存在着仪器、潮汐等因素的影响。因此，需在数据后处理中加入相关改正，并归算至统一的高程基准面。为了与陆上地形图实现拼接，水下地形图宜采用与陆地统一的高程基准。而为航海服务的海图通常采用理论深度基准面，它和平均海面相差一个常数。国外少数国家，在水下工程施工前，还利用潜水器携带水下立体摄影机获取水下地形的立体相片，或者利用高分辨率声学系统采取全息摄影技术测量水下地形。在特殊地区还可利用水下经纬仪、水下激光测距仪、水下气压水准仪和水下液体比重水准仪、水下电视摄影系统测量水下地形。 目前，水下地形测量过程已逐步实现自动化，数字产品已多见。     

不同函数拟合水体后向散射波形对激光测深精度的影响

为了提高激光测深数据处理结果的精度,在原有的激光测深回波信号拟合方法的基础上,结合信号形成的物理过程,提出使用指数函数模拟激光测深水体后向散射回波成分的方法。利用Wa-LiD（Water LiDAR）工具生成了多组模拟数据集以对比和检验提出的新方法。对于每个可探测回波,海面回波和海底回波均使用高斯函数进行拟合,水体后向散射波形分别使用三角形、四边形、指数函数进行拟合。实验结果显示,指数函数测深误差统计量明显优于三角形和四边形拟合方法,且更适用于拟合不同水质和水深条件下水体后向散射回波信号。同时检验了体积散射函数取180°时数值对测深回波信号探测结果的影响。     

基于波束角与姿态耦合效应的河道水深测量改正方法

在河道水深测量作业中,测船姿态的变化将引起水深测量的测深误差和回波水深点的位置误差,在水深变化较大的复杂水域,这种误差将较大地影响测量精度.为提高使用河道水深测量的精度与可靠性,需在采用合适的模型进行测深改正和回波水深点的位置改正.考虑到河道水域水下水深变化的特点和水深测线布置的特性,提出了"相对纵摇"和"相对横摇"的...     

声惯一体单波束测深系统在长江河道勘测中的应用

现如今单波束测深系统及多波束测深系统已经在长江河道水下地形测绘中广泛应用,人们对于内河航道水下地形数据的精度要求也越来越高,声惯一体单波束测深系统很好地解决了传统单波束测深精度不高及多波束测深系统安装操作复杂且对测量水域条件要求较高等问题。本文针对声惯一体单波束测深系统在长江河道勘测中的实际应用情况,与传统单波束及多波束测量数据进行对比分析,结果表明声惯一体单波束测深系统能够很好地满足长江河道高精度测量的需求。     

多波束测深系统水下地形测量声速改正研究

多波束测深系统在进行水下地形测量过程中误差源来自多个方面,其中声速是影响数据精度的主要因素之一。声波在水中传播速度受到温度、电解质、压力以及水文条件等因素的影响,传播速度和方向发生着梯度变化。如果不对声速加以改正会产生深度和水平误差,使水下地形失真。因此,精确测定水下声速剖面,并对测量数据加入声速改正,有利于提高测量数据精度,保证水下地形真实有效。本文以辽宁省大中型水下地形测量项目为例,基于IMAGENEX DT101多波束测深系统,对声速在水下传播规律进行了系统研究,提出了建立动态声速改正格网方案,并利用AML Minos. X SVP水下声速剖面仪精确测定了水下剖面声速,在HYPACK MAXHysweep测深数据处理软件中加入声速改正值对数据进行声速改正,提高了水下地形测量精度。     

基于CZMIL Nova的中国海岸带机载激光雷达测深潜力分析

浑浊水体导致激光脉冲能量急剧衰减,并在回波信号中产生大量噪声,导致点云密度降低,甚至无法探测到水底。因此机载激光雷达测深作业需要水体光学特性信息提供支撑,以减少无效测量。首先,基于CZMIL Nova理论测深,根据MODIS反演的中国海域水体漫衰减系数K_d(490 nm)数据,计算CZMIL Nova在海岸带水域的最大理论测深值,最大理论测深超过GEBCO(general bathymetric chart of the oceans)水深数据的区域,即为潜在可测区;然后,根据最大理论测深与GEBCO水深比值倍数进行可测潜力分类;最后,选取从清澈到浑浊3种水域实测数据对分类的合理性进行验证。结果表明,中国近海有21. 19万km~2区域具备开展机载激光雷达测深工作的潜力;适合开展海陆一体连续测量的区域为海南岛文昌—东方段、北海及雷州半岛东西岸、山东半岛日照—青岛段、辽东湾银州—绥中段,根据K_d(490 nm)值估算分别为水深20～40 m,10～20 m,20～25 m,10～15 m以浅范围。     

多波束测量误差分析

结合波束测量系统在海洋水深测量中的实际应用,系统分析多波束测深数据的误差来源与性质,对保证多波束测深系统必要的精度和数据质量有重要的实际意义。     

一种由粗到精的机载激光测深信号检测方法

针对机载激光测深（airborne lidar bathymetry,ALB）中不同环境下波形的差异性较大,且信号检测精度受限于系统采样间隔等问题,提出一种由粗到精的机载激光测深信号检测方法。该方法首先利用接收波形的有效长度快速估计水深;粗检测依据水深近似值,分别采用理查德森-露西去卷积法（Richardson-Lucy deconvolution,RLD）和平均差方函数法（average square difference function,ASDF）对波形预处理,通过包含距离、导数和极值约束的逐级检测确定信号的初始位置;精检测以粗检测结果为初值,利用改进的二阶多项式指数函数模型,并在模型参数求解中引入信赖域优化算法以实现波形的精确拟合,进而获得信号的精确位置。实测数据和模拟数据的试验结果表明,粗检测能够根据波形的特点采取相应的处理方式为精检测提供可靠的初值;精检测可将检测结果精确至子采样间隔并在粗检测基础上进一步提高精度。与极大值检测、ASDF、RLD和四边形拟合法等传统方法相比,本文方法正确率平均提高10%左右,精度平均提高约30%。     

单频机载激光测深海陆回波自动分类方法EI北大核心CSCD

海陆回波分类是机载激光测深中的一项波形预处理步骤,关系着后续信号检测和点云生成的精度。针对现有海陆回波分类方法不适用于单频机载激光测深系统且自动化程度不高的问题,本文提出一种单频机载激光测深海陆回波自动分类方法:首先,通过首末回波信号检测及点位计算获得回波的点云高程特征;然后,采用高程直方图拟合的方式确定平均水面位置,依据点云高程特征判定大部分回波的海陆属性,对余下的未定回波,仅保留其中的最强信号并统一处理为单信号回波,同时提取波形的信号特征和能量分布特征,依据点云高程特征的相似性自动建立训练样本集;最后,利用支持向量机分类器实现未定回波的分类。采用国产系统Mapper5000采集的实测数据进行试验,结果表明基于首末回波点云的初分类可快速、准确地对远离海陆交界处的回波进行分类,基于波形特征的未定回波分类可在自动建立的训练样本集支持下实现海陆交界处未定回波的高精度分类。与传统方法相比,本文方法无须近红外通道波形和人工样本的辅助就可以达到较高的分类精度,其中总体分类精度可达99.82%,海陆交界处分类精度可达91.59%。     

Assessment of depth and turbidity with airborne Lidar bathymetry and multiband satellite imagery in shallow water bodies of the Alaskan North Slope

Airborne Lidar bathymetry (ALB) is an effective and a rapidly advancing technology for mapping and characterizing shallow coastal water zones as well as inland fresh-water basins such as rivers and lakes. The ability of light beams to detect and traverse shallow water columns has provided valuable information about unmapped and often poorly understood coastal and inland water bodies of the world.Estimating ALB survey results at varying water clarity and depth conditions is essential for realizing project expectations and preparing budgets accordingly. In remote locations of the world where in situ water clarity measurements are not feasible or possible, using multiband satellite imagery can be an effective tool for estimating and addressing such considerations.For this purpose, we studied and classified reflected electromagnetic energy from selected water bodies acquired by RapidEye sensor and then correlated findings with ALB survey results. This study was focused not on accurately measuring depth from optical bathymetry but rather on using multiband satellite imagery to quickly predict ALB survey results and identify potentially turbid water bodies with limited depth penetration. For this study, we constructed an in-house algorithm to confirm ALB survey findings using bathymetric waveform information.The study findings are expected to contribute to the ongoing understanding of forecasting ALB survey expectations in unknown and varying water conditions, especially in remote and inaccessible parts of the world.     

山地叶面积指数反演理论、方法与研究进展

叶面积指数LAI（Leaf Area Index）是表征叶片疏密程度和冠层结构特征的重要植被参数,在气候变化、作物生长模型以及碳、水循环研究中发挥着重要作用。遥感是获取区域及全球尺度LAI的一个重要手段,当前LAI产品主要基于遥感数据反演得到,但是多数LAI产品算法并未考虑地形特征的影响,导致山地LAI遥感反演精度不确定性大。提高山地LAI遥感反演精度亟需考虑地形因子对冠层反射率的影响,其中山地冠层反射率模型和遥感数据地形校正是提升山地LAI遥感反演精度的关键。本文围绕山地LAI遥感反演理论与方法,综合分析了国内外山地冠层反射率模型和地形校正模型的研究进展,总结了目前山地LAI遥感反演存在的问题,并讨论了未来研究的发展趋势。     

海岸线遥感光谱角度-距离相似度生长模型自动化提取

海岸线变迁是沿海生态系统变化的重要指示因子,是国家海洋经济关注的重要组成部分。本文通过构建光谱角度—距离相似度模型,解决HJ-1B/IRS红外传感器在海岸线自动化提取应用中的可行性问题,以及当前方法应用于不同时相数据过程中的阈值不稳定性问题,拓展IRS传感器的应用领域和价值。光谱角度—距离相似度模型以多光谱像元归一化辐射值为向量元素,度量不同像元在单位空间距离上的角度相似性,以迭代方式分析水体样本像元与周边八邻域相邻像元的角度—距离相似性,通过相似性约束对水体样本进行区域生长以获取水岸分界线。通道辐射归一化分析表明采用反射率和量化等级最大值归一化的通道值能很好地反映地物随季节的变化;样本相似度分析表明以水体和非水体相似度两倍方差(0.01)为误差的生长阈值(0.98)适用于全时相影像水岸线提取,总体精度优于80%。验证数据分析表明,角度—距离相似度模型阈值稳定、不受时相影响。通过与常用的High Pass卷积滤波、Roberts卷积滤波、Sobel卷积滤波、Laplacian卷积滤波、FFT高通变换和Canny提取结果比对分析表明,High Pass、Laplacian和FFT变换无法应用于IRS传感器,Roberts和Sobel相对来说能较好的识别水陆边缘,Canny在正常噪声条件下也能有效识别水陆边缘。但这些算法在识别水陆边缘线的同时,也将内陆地物边缘线进行了识别,如何将内陆地物边缘线从识别结果中有效去除,是这些方面所面临的重要难点。比较而言,角—距相似度模型能很好的应用于IRS传感器的海岸线提取,对传感器的噪声并不敏感,在B4通道非正常水平噪声条件下也能提取出理想结果,而且后续处理简单,不存在内陆边缘线的干扰问题。光谱角度—距离相似度模型对海岸线识别精度较高、模型参数稳定,能有效地提升IRS传感器在海岸线提取方面应用价值。在实际应用过程中需要避免的是,既覆盖陆地又覆盖海洋的云团会遮挡地物光谱信息,造成海岸线无法有效分离,因此需要对影像数据进行有效的筛选。本文基于遥感影像提取的海岸线只是瞬时水边线,需要进一步结合海岸线的类型以及潮位数据和DEM等数据进行修正得到最终的海岸线。     

SAR图像斑点噪声抑制方法与应用研究

通过详细分析SAR图像的判读和应用斑点噪声的算法,得出:多视处理能有效地平滑噪声,但降低空间分辨率;基于空间域滤波算法能有效地平滑斑点噪声,但不同程度地损失边缘和细节信息;基于变换域的小波多尺度滤波可以较好地保持边缘信息,然而其滤波效果不理想。在此基础上提出利用小波分析技术把两种或两种以上的单个滤波方法进行融合,在有效去除斑点噪声时能够较好地保持边缘、细节和纹理信息。最后初步讨论在实际应用中应根据不同情况和要求选择相应的滤波方法。     

Analysis of full-waveform LiDAR data for classification of an orange orchard scene

Full-waveform laser scanning data acquired with a Riegl LMS-Q560 instrument were used to classify an orange orchard into orange trees, grass and ground using waveform parameters alone. Gaussian decomposition was performed on this data capture from the National Airborne Field Experiment in November 2006 using a custom peak-detection procedure and a trust-region-reflective algorithm for fitting Gauss functions. Calibration was carried out using waveforms returned from a road surface, and the backscattering coefficient γ was derived for every waveform peak. The processed data were then analysed according to the number of returns detected within each waveform and classified into three classes based on pulse width and γ. For single-peak waveforms the scatterplot of γ versus pulse width was used to distinguish between ground, grass and orange trees. In the case of multiple returns, the relationship between first (or first plus middle) and last return γ values was used to separate ground from other targets. Refinement of this classification, and further sub-classification into grass and orange trees was performed using the γ versus pulse width scatterplots of last returns. In all cases the separation was carried out using a decision tree with empirical relationships between the waveform parameters. Ground points were successfully separated from orange tree points. The most difficult class to separate and verify was grass, but those points in general corresponded well with the grass areas identified in the aerial photography. The overall accuracy reached 91%, using photography and relative elevation as ground truth. The overall accuracy for two classes, orange tree and combined class of grass and ground, yielded 95%. Finally, the backscattering coefficient γ of single-peak waveforms was also used to derive reflectance values of the three classes. The reflectance of the orange tree class (0.31) and ground class (0.60) are consistent with published values at the wavelength of the Riegl scanner (1550 nm). The grass class reflectance (0.46) falls in between the other two classes as might be expected, as this class has a mixture of the contributions of both vegetation and ground reflectance properties.     

全波形机载激光雷达绝对辐射定标与不确定性分析

为揭示全波形激光雷达回波在森林等植被区域多回波信号的特征和对目标识别分类的影响,以激光雷达方程为模型基础,利用朗伯体目标为地面参考,提出了将激光雷达波形参数标定为后向散射截面、后向散射系数和漫反射率等物理量的方法,实现了机载小光斑全波形机载激光雷达数据绝对辐射定标。对两个不同实验区的LMS-Q680i数据标定结果表明,漫反射率与参考反射率相对误差总体分别小于10%和5.5%,误差标准差分别为0.044和0.077,有效消除了条带间差异。推导了多回波的激光雷达方程组,比较了相同系统在不同观测条件下的定标常数变化,重点分析了全波形激光雷达在穿透性目标上的多回波现象造成的能量衰减,及其对辐射定标结果的影响,证明了多回波现象是造成多回波信号减弱的主要原因。该现象是当前技术体制下激光雷达观测过程本身存在的缺陷,对基于激光雷达辐射信息的目标识别分类带来了一定的挑战,也是多光谱、高光谱激光雷达辐射信号定标必须解决的问题。     

全局收敛LM算法优化的机载激光测深信号提取方法

在机载激光测深系统中,水面与水底回波信号的提取精度是影响系统测深能力的关键因素,然而传统的信号提取方法易受噪声影响,精度低,对测量环境的适应性差。针对上述问题,提出一种全局收敛LM(Levenberg Marquardt)算法优化的机载激光测深信号提取方法。首先通过模糊筛选得到较为可靠的初值;然后利用基于全局收敛LM的波形分解算法对波形进行分析建模,从而获取每个初值点的高斯分解参数;最后通过多条件筛选确定精确的水面、水底回波信号位置。利用实测数据和模拟数据分别进行实验,结果表明提出方法对回波信号具有较高的检测正确率,且稳定性较强。     

A new method for generating a clear-sky Landsat composite for cropland from cloud-contaminated Landsat-7 and Landsat-8 images

A new method was developed in this study for producing a clear-sky Landsat composite for cropland from cloud-contaminated Landsat images acquired in a short time period. It used Thiel–Sen regression to normalize all Landsat scenes to a MODIS image to make all Landsat images radiometrically consistent and comparable. Pixel selection criteria combining the modified maximum vegetation index and the modified minimum visible reflectance selection methods were designed to enhance the pixel selection of land/water over cloud/shadow in the image compositing. The advantages of the method include (1) avoiding complicated atmospheric corrections but with reliable surface reflectance results, (2) being insensitive to errors induced by image co-registration uncertainties between Landsat and MODIS images, (3) avoiding the lack of samples for the regression analysis using the full Landsat scenes (rather than overlay regions), and (4) enhancing cloud/shadow detection. The composite image has MODIS-like surface reflectance, thus making MODIS algorithms applicable for retrieving biophysical parameters. The method was automatically implemented on a set of 13 cloud-contaminated (>39%) Landsat-7 (Scan-Line Corrector-Off) and Landsat-8 scenes acquired during peak growing season in a crop region of Manitoba, Canada. The result was a 95.8% cloud-free image. The method can also substantially increase the usage of cloud-contaminated Landsat data.