《River Research and Applications》：Mapping River Bed Topography in Whitewater Rapids Using Bathymetric LiDAR
编辑推荐：
本文提出了一种创新的全波形处理技术，通过曲线拟合方法从湍急的白水区域提取河床回波信号。该研究利用机载激光雷达（LiDAR）数据，结合水面-水体-河底（SVB）算法和峰值检测技术，显著提升了山区河流地形数据的覆盖精度（中位误差从20.6/40.4厘米降至9.2/22.5厘米），为水力建模和生态研究提供了关键技术支撑。
引言：河床地形数据是水力数值建模、形态变化监测和生态栖息地研究的基础。传统测量方法在湍急的山区河流中面临巨大挑战，而测深激光雷达（bathymetric LiDAR）技术为浅水区地形测绘提供了新思路。本研究聚焦于白水急流区域，通过全波形（full-waveform）分析技术突破现有测量局限。
材料与方法：研究选取奥地利皮拉赫河（Pielach）作为参照数据集，意大利帕瑟河（Passer）和奥地利菲施巴赫河（Fischbach）作为山区河流测试点。采用RIEGL VQ-840-GL激光雷达系统（波长532nm）进行无人机航测，通过水面-水体-河底（Surface-Volume-Bottom, SVB）算法处理点云数据。创新性地提出波形平均（waveform averaging）和曲线拟合技术，将高斯脉冲与指数衰减函数卷积模拟水体柱回波，通过残差分析提取被淹没的河床信号。
关键技术突破：
- 1.
波形平均技术将空间邻近的激光脉冲组合成广义波形，显著提升信噪比
- 2.
最小参数曲线拟合（仅需脉冲位置、宽度和背向散射系数三个变量）准确描述激光-水体相互作用
- 3.
残差峰值检测结合距离滤波（距水面>20cm）和密度聚类（DBSCAN）有效剔除虚假回波
结果验证：在典型白水急流段，新方法使点云密度提升12%-27%。与全站仪实测数据对比显示，帕瑟河平均垂直误差从41.7厘米降至13.2厘米，菲施巴赫河从36.8厘米降至10.0厘米。波形分析揭示振幅低于1200 ADC的波形中潜藏可识别的二次回波信号。
讨论与展望：研究指出山区河流参考数据采集存在GNSS信号遮挡、水流冲击测量杆等固有难题。未来可优化脉冲模型（如重尾分布）和回波提取算法以进一步提升精度。该方法将测深LiDAR的应用边界拓展至坡度达8%的阶梯-深潭序列山区河流，为洪灾风险管理和河流修复提供关键技术支撑。
结论：本研究成功实现了白水急流区河床地形的机载激光雷达测绘突破，通过全波形残差分析将测量盲区转化为可量化地形数据，为湍流环境下的水文生态研究开辟了新途径。
