基于LiDAR的采后矿区冠层下地表水检测

《Remote Sensing》:LiDAR-Based Sub-Canopy Surface Water Detection in a Post-Mining Environment

【字体: 大 中 小 】 时间:2026年09月21日 来源:Remote Sensing 4.3

编辑推荐:

  遥感地表水检测通常采用卫星或航空影像上的光谱水指数进行。然而,对于被淹没的茂密森林区域,该方法并不准确,因为植被冠层遮挡了其下的地表。调整阈值、提高空间分辨率或进行光谱解混均无法克服地形被物理遮挡的问题。在本文中,研究人员提出了一种不同方法——基于航空激光扫描

  
遥感地表水检测通常采用卫星或航空影像上的光谱水指数进行。然而,对于被淹没的茂密森林区域,该方法并不准确,因为植被冠层遮挡了其下的地表。调整阈值、提高空间分辨率或进行光谱解混均无法克服地形被物理遮挡的问题。在本文中,研究人员提出了一种不同方法——基于航空激光扫描(Aerial Laser Scanning, ALS)和光探测与测距(Light Detection and Ranging, LiDAR)的冠层下地表水检测。该方法利用LiDAR穿透植被冠层的能力,并利用水对近红外(Near-Infrared, NIR)辐射的强吸收导致无激光返回的特点。在植被茂密的采后区域开展方法测试的结果表明,该方法能够检测地表水、描绘水体边界,并进一步估算三个因停止矿山排水后地下水位回升而形成的人为湖泊的水面高程。所提出的方法可应用于不同环境,尤其是地面通行受限的区域,例如存在地面失稳风险的采后场地。
后矿区环境因矿山开采和关闭后的水文地质变化,常出现地下水位回升、地表水体形成等二次地质灾害,对安全和环境构成威胁。遥感技术能够实现安全、高效、时空均一的监测,但传统光谱水指数(如归一化差异水体指数,Normalized Difference Water Index, NDWI和改进的归一化差异水体指数,Modified Normalized Difference Water Index, MNDWI)依赖近红外(Near-Infrared, NIR)或短波红外(Shortwave-Infrared, SWIR)波段,在植被茂密区域会因冠层物理遮挡而失效。调整阈值、提高空间分辨率或光谱解混无法解决这一问题。LiDAR具有穿透植被冠层的能力,同时水面对NIR激光强吸收导致零返回,为冠层下地表水检测提供了新途径。为此,研究人员在波兰南部前Hutki露天砂矿和Olkusz–Pomorzany地下铅锌矿关闭后的采后区域开展研究,该区域约3.3 km2,因停止排水后地下水位回升形成了三个人工湖,岸线几乎全部被植被遮挡且地面通行受限。研究利用2025年6月22日获取的航空激光扫描(Aerial Laser Scanning, ALS)LiDAR点云(密度12点/m2)和2025年6月15日Sentinel-2多光谱影像,以2025年4月14日高分辨率正射影像作为参考,提出了两种LiDAR水体检测方法并进行了对比验证。

关键技术方法包括:水边线(Water-edge, WE)法基于静止水面呈水平面的物理特性,利用部分淹没树木处被误分类为“地面”的低点估算水面高程(Water Surface Elevation, WSE),再以WSE为阈值对点云进行高程过滤,并拟合二维多边形提取水体边界;无返回(No-returns, NR)法则利用水面对NIR辐射强吸收导致激光零返回的特性,将点云栅格化为点密度图像,将无点像元分类为水,经测试选择5 m格网以平衡空间精度和误检率。同时,研究人员计算NDWI和MNDWI指数作为对比,采用Jaccard指数(Intersection-over-Union, IoU)和手工数字化可见岸线评估空间一致性与边界精度。

研究结果部分未设置子标题,其主要发现包括:在面积对比方面,WE法检测的水面面积最大(ROI 1为338,893 m2,ROI 2为491,686 m2,ROI 3为185,592 m2),NR法略小,而光谱指数法检测面积显著小于LiDAR方法,两者差异在湖2中最高超过70,000 m2,表明光谱指数漏检了大量冠层下水体。在空间一致性方面,WE与NR两种LiDAR方法的平均Jaccard指数为0.96,空间重叠率高;而指数法之间的空间一致性较低,且LiDAR方法与指数法的IoU介于0.70–0.90,进一步证实指数法对冠层下水的检测能力不足。在岸线精度方面,与手工参考岸线相比,WE法给出的水体边界平均最近距离最小,NR法次之,MNDWI在ROI 2和3中的边界偏差可达50 m,说明LiDAR方法在边界刻画上更具优势。在水面高程(WSE)估计方面,WE法推算的WSE与参考岸线缓冲区提取的平均高程在湖1和湖2中仅相差0.1 m,在湖3中相差0.7 m,差异可能来自数据获取时间差、岸线坡度、人工数字化误差和参与计算的点数差异。

讨论部分指出,LiDAR方法成功的关键在于同时利用了冠层穿透、水面零返回和静止水体的平面性。WSE估算的不确定性会向水体边界传播,在缓坡区域更显著;NR法容易受浅水透底、高浊度散射、树木遮挡等影响产生误检,需根据地形和植被密度动态调整格网大小。光谱指数的根本限制在于光学传感器无法穿透植被冠层,尽管其免费获取和高时间分辨率仍适合动态监测。ALS数据本身的低时间分辨率和点云初始分类质量是重要的应用约束,未来可采用强度滤波算法减少对历史DEM手工重分类的依赖。该方法的适用性源于对ALS NIR特性和静水平面的基本物理规律的利用,可推广至类似环境。

研究结论可概括为:该研究证明ALS LiDAR数据能够成功用于冠层下地表水检测以及水面高程估计。在选定的采后区域,LiDAR方法的结果优于光谱指数方法,且水边线法较无返回法更为有效。所提出的工作流程为卫星影像方法及文献中更复杂的方法提供了一种精简替代方案。该方法可根据不同研究区的土地覆盖和地形特征进行参数调整:水边线法适合能估计WSE的茂密森林区,而无返回法更适合开阔水域和中等森林覆盖区域。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号