LidarTeam：一种基于遥感技术的方法，用于处理大量激光雷达数据，并通过用户反馈来优化区域数字高程模型（DHM）

《International Journal of Digital Earth》：LidarTeam: a remote sensing driven method for massive lidar data to regional DHM refined through user feedback

本文提出了一种方法，从大规模航空激光雷达数据（覆盖数万平方公里）中生成高精度的数字高程模型（DHM）时间序列，并结合其他遥感数据（地形图、NDVI指数、土地利用/覆盖图等）和空间推理算法（矢量/栅格混合处理）避免常见误差。通过五层元数据记录算法决策和可靠性信息，并利用FAIR原则通过Web服务提供数据访问及用户反馈机制（GUF），支持多用户协作优化。测试表明建筑区域中位数误差0.19米，森林区域0.43米，有效解决了传统方法中陡坡区域和植被覆盖区的高误差问题。

　　本文探讨了一种从海量航空激光雷达数据中生成数字高程模型（DHM）的方法，并介绍了新的地理空间用户反馈（GUF）地理服务。该方法在避免以往处理过程中常见的大误差方面表现出色，能够结合其他遥感（RS）数据和向量/栅格启发式规则，实现高精度的DHM生成。此外，该方法还提供了每单元的元数据信息，包括算法决策和可靠性（每单元10个类别），以及用于森林生长研究的关键时间信息（即激光脉冲的日期）。在对5355个点（建筑物）和4163个点（森林）进行测试后，结果显示中位误差分别为19厘米和43厘米，平均绝对误差分别为64厘米和98厘米，均方根误差分别为157厘米和164厘米。该时间序列数据集已通过遵循FAIR原则（可发现性、可访问性、可互操作性和可重用性）的开放平台提供下载和访问。同时，该地理服务还包含GUF功能，允许用户在单个单元或通过坐标定义的区域范围内进行评论和报告问题，而不仅仅是针对整个数据集。

该研究的核心成果是LidarTeam，这是一个涉及遥感数据源、生产者和最终用户的协作项目，旨在构建一个未来数字地球产品的库，特别是全球范围内的多时相三维表示。LidarTeam方法不仅能够生成高精度的DHM，还能够提供详细的元数据信息，以支持数据的精确使用和分析。通过将激光雷达数据与地理空间推理结合，该方法能够有效减少系统误差，并避免因地形坡度、植被指数或土地利用信息的缺失而导致的不准确问题。

研究还指出，激光雷达数据在地理信息系统（GIS）中的应用虽然具有高精度和详细性，但其处理过程较为复杂，主要是由于数据点数量庞大且分布不均，以及数据本身的复杂性（如每个点有多个返回值）。因此，为了便于常规GIS应用，该方法将激光雷达数据转换为规则的栅格格式，生成DHM，并确保其在GIS软件中可被分析。该方法结合了地理空间推理，利用选择性的向量或栅格处理步骤，以减少误差并提高数据的可靠性。

为了进一步提升数据的精度和质量，该方法引入了多种启发式规则和过滤机制。例如，在地形坡度超过40°的区域，利用归一化植被指数（NDVI）来识别植被的分布，并据此对高度进行调整。对于森林区域，如果某一区域的树木高度超过45米且面积小于100平方米，则会被视为不可靠，并通过3×3像素选择性中值滤波进行修正。同样地，在城市区域，如果某一单元的高度超过50米且面积小于100平方米，也会被标记为不可靠。此外，对于属于高耸建筑层（HRB）的物体，如果其高度超过预期，同样会被标记为不可靠。这些过滤步骤能够有效减少因鸟类飞行或传感器问题导致的异常高度值。

为了确保DHM的完整性，该方法采用双邻域处理策略，即首先在单元内部使用较小的邻域（如0.75倍单元边长），然后在更广泛的邻域（如1.5米半径）中进行处理，以填补可能的空缺。同时，所有处理过程中产生的数据变化都会被记录下来，形成元数据层，包括可靠性、数据来源和时间信息。这些元数据层不仅有助于用户了解数据的来源和可靠性，还为后续的数据分析提供了重要的上下文信息。

该研究还开发了一个基于FAIR原则的地理空间服务，允许用户通过Web地图浏览器访问和查看DHM数据，并提供反馈功能。这一服务不仅支持在数据集级别上进行反馈，还允许在特定的区域或单元级别上进行评论和报告问题。此外，该服务还引入了GUF标准，使用户能够对数据的某些部分进行标注，例如某些特定区域的异常情况或数据质量问题。通过这些反馈机制，数据生产者可以不断优化处理流程，提升数据质量。

在实际应用中，该方法已被用于两个不同的地理区域：加泰罗尼亚（Catalonia）和巴塞罗那都市区（AMB）。加泰罗尼亚地区面积约为32,100平方公里，主要由森林、灌木丛和草地组成，而AMB地区面积为636平方公里，其中48%为城市化区域，52%为森林和其他自然地表覆盖。在这些区域的处理过程中，该方法能够有效减少系统误差，并确保生成的DHM具有高精度和良好的质量。此外，该方法还结合了其他辅助数据，如地形坡度、植被指数和土地利用/土地覆盖信息，以进一步提高数据的可靠性。

为了验证该方法的有效性，研究团队对三个国家范围内的DHM进行了测试，覆盖总面积为64,836平方公里，其中包含高精度的2米分辨率数据。这些测试结果表明，该方法能够显著减少以往处理中常见的误差，尤其是在复杂地形和植被覆盖区域。同时，该方法还能够生成详细的元数据层，包括可靠性、数据来源和时间信息，这些信息对于分析植被生长、土地利用变化和城市化动态具有重要意义。

在数据处理和测试过程中，研究团队还发现，某些区域的高点可能被误认为是异常值或传感器问题，例如在森林区域中，由于树木高度较高，可能会导致某些高点被误判。为了解决这一问题，研究团队引入了多种过滤机制，如NDVI和土地利用/土地覆盖数据，以帮助识别这些异常值。此外，该方法还能够通过时间序列数据，提供不同年份的DHM，从而支持对土地动态变化的长期分析。

该研究还指出，当前的DHM生成方法存在一些局限性。例如，需要访问高精度的土地利用和土地覆盖地图，以及与激光雷达采集时间相近的CIR航拍数据。此外，对于某些历史数据，由于时间戳的缺失或格式不一致，需要进行适当的时间转换。这些限制表明，未来的DHM生成方法需要进一步优化，以适应不同区域的需求和数据特点。

最后，该研究强调了LidarTeam方法的创新性和实用性。通过结合激光雷达数据、其他遥感数据和用户反馈机制，LidarTeam不仅能够生成高精度的DHM，还能够提供详细的元数据信息，以支持数据的精确使用和分析。这一方法为构建一个完整的数字地球产品库提供了重要的基础，同时也为未来的研究和应用提供了新的可能性。