复杂条带状沟谷地形点云抽稀与内插算法对数字高程模型构建的精度影响.pdf

兰州大学学报（自然科学版），2 0 2 3，5 9(4）8 月Journal of Lanzhou University(Natural Sciences),2023,59(4)/August复杂条带状沟谷地形点云抽稀与内插算法对数字高程模型构建的精度影响黄志豪，袁希平2.3，甘淑1 2，杨敏，黎昊.41.昆明理工大学国土资源工程学院，昆明6 5 0 0 932.云南省高校高原山地空间信息测绘技术应用工程研究中心，昆明6 5 0 0 933.滇西应用技术大学地球科学与工程学院，云南省高校山地实景点云数据处理及应用重点实验室，云南大理6 7 1 0 0 64.广东省科学院广州地理研究所，广东省地理空间信息技术与应用公共实验室，广州5 1 0 0 7 0摘要：针对点云数据构建数字高程模型(DEM)的精度受点云抽稀和内插算法等因素影响的问题，设计不同点云抽稀方法和不同内插算法对DEM构建精度影响的两组试验，寻求适用于复杂条带状泥石流沟谷地形构建DEM的组合方法.利用空间抽稀、体素分割抽稀、随机抽稀3种方法以96%的抽稀率对原始点云数据进行抽稀，得到的抽稀结果再分别应用自然邻点插值法、反距离权重法(IDW)、克里金法、样条函数法4种内插算法进行内插，共构建出1 2 种组合生成DEM的方法，对每种组合方法构建的DEM进行高程和坡度精度评价分析.结果表明，针对泥石流沟谷地形空间抽稀条件下利用IDW进行DEM内插的结果最为可靠，拟合优越度为0.9995 40，平均误差为0.7 46 2 m，中误差为1.2 6 2 9 m.关键词：泥石流沟谷；地面激光扫描；点云抽稀；内插方法；数字高程模型中图分类号：P23文献标识码：A文章编号：0 45 5-2 0 5 9(2 0 2 3)0 4-0 46 0-0 8D0I:10.13885/j.issn.0455-2059.2023.04.005Influence of the thinning and interpolation algorithm of point cloudin debris flow gully on the accuracy of DEM constructionHUANG Zhi-hao,YUAN Xi-ping,GAN Shu2,YANG Min,LI Hao41.School of Land and Resources Engineering,Kunming University of Science and Technology,Kunming650093,China2.Application Engineering Research Center of Spatial Information Surveying and Mapping Technology inPlateau and Mountainous Areas Set by Universities in Yunnan Province,Kunming 650093,China3.School of Earth Sciences and Engineering,Key Laboratory of Mountain Real Scene Point Cloud DataProcessing and Application for Universities in Yunnan Province,West Yunnan University of AppliedSciences,Dali671006,Yunnan,China4.Guangdong Open Laboratory of Geospatial Information Technology and Application,Guangzhou Insti-tute of Geography,Guangdong Academy of Sciences,Guangzhou 510070,China收稿日期：2 0 2 2-0 6-30修回日期：2 0 2 2-0 9-2 1基金项目：国家自然科学基金项目（41 8 6 1 0 5 4)；云南省基础研究专项2 0 2 1 0 1 AU070123)作者简介：甘淑(1 96 4-),女，云南腾冲人，教授，博士研究生导师，e-mail:，研究方向为摄影测量与遥感技术，通信联系人.461黄志豪，等：复杂条带状沟谷地形点抽稀与内插算法对数字高程模型构建的精度影响Abstract:Aiming at the problem that the accuracy of constructing a digital elevation model(DEM)frompoint cloud data is affected by such factors as point cloud thinning and interpolation algorithms,wedesigned two groups of experiments on the impact of different point cloud thinning methods and interpo-lation algorithms on the accuracy of DEM construction,and sought for a combination method suitable forconstructing DEM from a complex strip debris flow gully terrain.Three thinning methods,namely spatialthinning,voxel segmentation thinning and random thinning,were used to dilute the original point clouddata at a dilution rate of 96%.The thinning results were interpolated by four interpolation algorithms,namely natural neighbor interpolation,inverse distance weighted(IDW)and Kriging and Spline.A totalof 12 combined generating DEM methods were constructed,and the elevation and slope accuracy of theDEM constructed by each combined method evaluated and analyzed.The experimental results showedthat the results of DEM interpolation using IDW under the condition of spatial thinning of debris flowgully terrain were the most reliable.The ftting degree R=0.999 540,mean error is 0.746 2 m,root meansquared erroris1.2629m.Key words:debris flow gully;terrestrial laser scanning;point cloud thinning;interpolation method;digi-tal elevation model泥石流是陡峭山地环境的易发灾害，通常由高强度降雨诱发的山坡和河流之间的物质运动 I-21.云南的小江河谷地带地质构造错综复杂，地震频发，具备诱发泥石流的多重因素，是中国泥石流最为频发的地区之一 3.鉴于泥石流的严重危害性，对产生泥石流的沟谷地形展开研究监测，具有重要的实际意义 4-5 。地面激光扫描具有获取高时间分辨率和高空间分辨率数据的优点，在地球科学中的应用迅速增加，目前成为泥石流沟谷监测的常用工具 6-7 ,三维激光扫描结果以海量的点云数据表达丰富的地形与地物信息，利用点云数据构建数字高程模型(digitalelevationmodel,DEM)可实现地表的可视化和可比性.目前利用点云数据构建DEM的相关研究主要集中在：1)插值方法的选取，常用的插值方法有反距离权重法（inversedistanceweighted,IDW)、克里金法(Kriging)、样条函数法(Spline)、自然邻点插值法(natural neighbor inter-polation,NNI)、不规则三角网法、高斯核函数法等以及一些改进组合方法(8-1 0 1;2)不同地形的DEM构建，如山区和城区、南方复杂地貌区2 、丘陵区 1 3-1 4、海底(1 5 等地形,针对特殊的地形地貌提出高精度的DEM构建方法；3)DEM构建精度对地形地貌多尺度表达的影响 1 6-1 7 .点云构建DEM的研究主要是针对单一的内插方法应用于常见的地形地貌中，对于一些小范围特殊地形的DEM构建缺乏方法上的普适性，特别是针对复杂条带状的泥石流沟谷地形，利用何种内插方法构建该类地形DEM精度最高，目前尚未有明确定论.三维激光生成的海量点云有助于高精度DEM的构建，但是大量的穴余数据会增加数据处理的难度.点云抽稀是点云数据预处理中的重要环节1 8-1 9,杜浩等 2 0 针对现有的雷达点云数据抽稀算法存在无法有效保留地形特征点或地形分类精度不高等问题，提出一种顾及地形特征的点云数据抽稀算法；钱金菊等 2 1 将抽稀算法概括为随机采样算法、基于高程的算法和基于不规则三角网的算法3类，探讨了各类方法的优缺点；王道杰等 2 2 利用3种不同的抽稀方法采用不同的抽稀率对现有的雷达点云数据进行简化，研究地形坡度、点云抽稀方法、抽稀率对DEM精度的影响.上述研究主要针对利用不同方法对不同地形DEM的构建、不同抽稀算法对数据多尺度表达的影响而进行，但是何种内插方法更适合复杂条带状的泥石流沟谷地形，以及结合DEM内插和点云抽稀方法对构建DEM的影响问题需进一步研究与探讨.本研究以云南东川小江流域的一处典型泥石流沟谷为试验区，基于地面激光扫描仪采集的单期点云数据，采用随机抽稀、空间抽稀和体素抽稀3种抽稀算法对点云进行抽稀处理，利用NNI、I D W、K r i g i n g、Sp l i n e 等4种内插方法构建DEM,对实验结果进行多指标的精度评价，分析比较适用于构建该类复杂条带状泥石流沟谷地形DEM的点云抽稀和内插方法组合.1数据与方法1.1研究区概况试验区所处的小江流域位于云贵高原北部边缘地区，隶属于云南省昆明市，地处1 0 2 47 10318E，2 5 5 7 2 6 32 N，属亚热带季风气候区，具有干湿季节分明的气候特征，夏季多出现局地性单点暴雨，降水量充沛，集中的高强度降水容易462兰州大学学报（自然科学版），2 0 2 3，5 9(4)卷带沟谷内大量松散固态物质，是诱发泥石流的必要条件.受小江断裂带的影响，该地区地震频发，地表岩石破碎且稳定性差，属于典型的深切割高山峡谷地貌 2 3.沟谷地区崩塌体、滑坡体较多，地震发生时产生强烈的地震波使得原本破碎的地表结构更容易发生塌和破坏，产生大量松散堆积碎屑，为泥石流的发生提供了充足的物源条件.研究区的大白泥沟流域位于小江左岸，主沟长1 1.8 km，沟床纵比降1 0.6 6%，流域最高海拔为3100m，沟口1 30 0 m.受地质构造影响和流水侵蚀作用，沟谷中下游多为两壁陡峭、谷底狭窄的“V形谷 2 4.沟壁坡度较陡，有局部区域坡度为6 0 以上，是比较特殊的复杂条带状沟谷地形，为泥石流的发育提供了有利的地形条件。东川地区具有较为丰富的矿产资源，对矿产资源的开发和利用，使得东川地区的森林植被遭受了较为严重的破坏，地表岩石大量裸露，大白泥河流域的森林覆盖率不到2 0%，水土流失严重，也为泥石流的产生和发展创造了自然条件 2 5 1.2数据采集与预处理采取的数据是该地区的原始DEM数据和实测点云数据，DEM数据的分辨率为5 m，作为参考实际值.野外数据获取采用的是具备中长距离测程的MAPTEKI-Site8200型地面三维激光扫描仪.主要参数为：测程1 5 0 0 m，竖直方向扫描范围-45 90，水平方向扫描范围0 36 0.为保证扫描仪的最大扫描范围，仪器的设站选在四周通视良好的山谷谷底的中心线上，相邻两站之间重叠度保持在30%以上，数据的采集模式采用全球定位系统定位模式 2 6 .架设仪器并进行整平，量取仪器高；设置扫描参数，由于实验区植被覆盖稀疏且地物简单，将扫描等级设置成2 级可满足点云获取要求，扫描范围设置为36 0，后视选择Compass,输入仪器高后进行扫描.采集的点云数据利用Cloudcompare软件进行数据的预处理，首先对相邻两站的点云数据进行滤波去噪，使用同名点匹配的方法和送代最近点算法先后对两站点云进行粗配准和精配准，配准前后效果见图1.1.3研究方法采集原始点云数据的预处理、对点云进行抽稀处理并用内插方法构建DEM以及对生成的沟点云配准前ab点云配准后图1 点云配准前后效果对比Fig.1Comparison effect beforeand afterpointcloud registration谷DEM结果进行精度评定.预处理后的点云保留着大量穴余的数据，直接处理需要较高的计算成本，选择3种点云抽稀方法以96%的抽稀率对原始数据进行抽稀，将原始点云的操作转换到抽稀处理后的关键点上，比较不同抽稀方法的应用效果.利用ArcGIS的3D分析工具将LAS格式的点云数据集转换为多点要素，使用4种内插方法分别对数据的高程字段进行插值计算，统一插值成5m5m的栅格并与分辨率为5 m的原始DEM比较内插效果，通过精度评价指标和内插结果坡度信息分析插值结果的精度，1.3.1点云采样抽稀方法采用的3种点云抽稀方法为空间距离法、体素分割法、系统(随机)法.体素分割抽稀采用的是八叉树结构，八叉树的每个节点表示一个空间立方体格的体积元素，每个节点有8 个子节点，对于每个子空间又可继续分成8 个更小的子空间，依次递推，分割到预设条件的层次为止.首先用一个体包围盒来约束点云，将所有的点云数据置于这个包围盒中，把这个大包围盒分解成许多大小一致的小盒，按照一定的规则保留一个点而剔除每个小盒内其他多余的点，处理过的点云个数即为小盒的个数，以此达到抽稀的目的 2 7 ,空间距离抽稀算法也是基于八叉树数据结构463黄志豪，等：复杂条带状沟谷地形点内插算法对数字高程模型构建的精度影响的抽稀方法，其原理是对海量点云数据快速构建八叉树结构，根据指定间隔距离依次寻找中心数据点的最临近点，找到给定距离的点云脚点，除去球域内剩余脚点，以此达到点云数据抽稀的目的.可以将高密度的点云按一定的间隔距离进行采样，在有效去除穴余数据的同时能保持重采样后单点间等值的间隔距离，并尽可能的保留点云的地物特征 2 8 ,系统(随机)抽稀算法是根据用户要求，找到一个产生的随机数能刚好包括所有点云的函数，利用该函数接连不断的产生一组随机数，再从原始点中找到对应随机数值的点并剔除，直到遍历原始点云数据中的所有点.优点在于操作方便且效率高、耗时少，缺点是随机性太大而容易丢失地物的特征细节。1.3.2点云内插DEM方法高程内插算法是建立DEM的基础和核心，利用内插方法可以实现根据已知高程数据而求得未知高程的近似计算.采用NNI、I D W、K r i g i n g、Spline4种内插方法对抽稀后的点云数据进行内插计算.NNI是基于Voronoi图的插值方法，其原理是根据待插点与附近最近3个已知点位置确定一个平面，计算出待插点的高程 2 9:f(x)-o(x)f,xe2,ie(1,2,3,N),(1)其中,f(x)是待插值点x的高程；i是点x的自然邻点序号；求和个数为x的自然邻点数目；f是节点x的高程;Q是任意维度空间R,上的凸空间；9(x)是对应节点x,的插值基函数.IDW原理是在待插值点附近选取样本点，样本点和待插值点之间的距离与对待插值点属性信息的影响呈反比，利用未知点与周边取样点之间的距离为权重进行插值，未知点P的高程Z可表示为：(2)其中，d,为待插未知点与周边第i个取样点的距离；n为参考点的个数；Z是第i个离散参考点的高程值.Kriging是以变异函数理论和结构分析为基础，对区域化变量进行无偏最优估计的方法，对空间目标物的位置变化分布进行研究，找到合适的距离范围，根据范围内的已知点推算未知点。Z(xo)-Z2,Z(x),(3)=1其中,Z(x)为第i位置处的实测点云高程值；2,为第i位置处实测值的未知权重；x为预测值位置；n为采样点的数量.Spline采用函数中的最小化表面总曲率对待插点的属性值进行估算，Spline采用分段函数，拐点处可以进行求导，即可对少数采样点配准进行修改，无需对整条曲线进行计算，常应用于表面较为平滑的情况 30 1.3.3精度分析对于最后的插值高程精度评定，使用精度评价指标对DEM的构建结果进行定量分析.精度评价指标评定利用检查点法选取原始点云数据中20%的点云高程数据作为已知高程的检查点，获取对应生成的DEM在检查点处的内插值，通过计算实际高程和内插高程的插值进一步计算误差统计量，选择平均误差(ME)、均方根误差(RMSE)、拟合优越度(R)作为精度评价指标进行误差计算：RMSE=(4)ni=1一ME=之IZ,-2.,(5)ni=1(z 2.)R?=1-(6)(2,-2)1其中，Z,为检查点i的实际高程；z,为检查点i处的高程估值；为实际高程平均值；n为检查点个数.2结果与分析2.1抽稀结果为检验点云抽稀效果和差异，利用3种抽稀方法，选择96%的抽稀率对原始点云数据(数据点1991590个)进行抽稀.抽稀结果显示，空间抽稀的采样间隔为2.0 39,抽稀后点的个数为7 5 1 8 9个，所用时间1.1 7 3s；体素抽稀的分割水平为8,抽稀后点的个数为7 5 0 96 个，所用时间0.0 8 5 s；系统抽稀后点的个数为7 5 1 6 5 个，所用时间0.1 0 8 s.发现空间抽稀方法用时最长，是因为空间抽稀方法需要不断在指定半径内对数据点的最临近点进行搜索而增加了运算时耗.最快的是体素抽稀方法，原因是采用八叉树方法能建立快速索引，且不需要进行多余的距离计算，从而提升了抽稀效率。由图2 可见，效果最好的是空间距离抽稀，在去除了大部分余数据的同时，有效保留泥石流464兰州大学学报（自然科学版），),2023,59(4)a原始点云空间距离抽稀体素分割抽稀d系统（随机）抽稀图2泥石流沟谷点云抽稀效果(抽稀率96%)Fig.2Thinning effect of point cloud in debris flow gully(thinning rate 96%)沟谷的地形特征，与原始数据相比依旧能够较为清晰地分辨出沟谷的山脊线和山谷线，以及沟谷底的河道.体素分割抽稀后的点云数据分布均匀，达到了良好的抽稀效果，但是无法很好地保留主要的地形特征，造成数据的过度简化.系统抽稀效果最差，抽稀后的点云数据分布不均匀，距离沟底中心越远点云越稀疏，且丢失了大量的特征信息，以两处标记为例，标记1 处的河道显示模糊趋于消失，标记2 处已无法辨别沟壁的起伏状况2.2插值结果利用ArcGIS中的插值工具，对经过3种抽稀方法采样后的点云数据分别用不同的内插方法进行插值，并与原始的DEM进行对比，采用分层设色的方法绘制成插值结果，见图3.各类插值结果具有较大差异，对比各类抽稀方法，系统(随机)抽稀法插值结果相较于其他两种抽稀方法各层的分界线较为平滑，其中随机抽稀后插值对应生成的NNI、I D W、K r i g i n g 丢失的细节较多，而Spline的结果显示在谷底表面处不同高程段分界线较为破碎，是因为随机抽稀方法本身采样点云的不均匀性导致，样本点密度的差异造成在沟谷不同高程处具有不同的表面粗糙程度.对比4种不同的插值方法，结果表明NNI和IDW的内插结果地形特征与原始DEM较为一致.NNI在实验区谷底西部的等值线有“过度延伸”的现象，是由于该位置的原始点云稀疏或缺失使得NNI无法反映空白区域的高程变化.IDW、K r i g-ing、Sp l i n e 的插值结果在谷底东南部与原始DEM相比有明显偏差，在缺值地区内插效果较差.Kriging生成的曲线较为光滑，但丢失了细节.Spline采用的是张力样条插值法,对高程值的改变较大，相比于其他方法插值结果的地形表面较为粗糙和破碎，且出现了误差过大的预测值.2.3误差分析利用检查点法对各类插值结果的精度进行检查分析，随机抽取内插点云数据中的2 0%作为检查点，即高程实测值，提取各内插结果在检查点处的高程预测值，计算预测值与实际值的各项精度指标(表1).由表1 可见，预测值与实际值的拟合程度较高，但由于原始点云数据中有较多的点云空洞且抽选的检查点数量较多，在检查点位处的预测高程点有相当部分是基于原始数据点稀疏或者缺失而内插得到，计算出的ME和RMSE普遍偏大，但各误差间的差异较小，3种抽稀方法中空间抽稀和体素分割抽稀拟合度较好，且误差变化稳定，ME保持在厘米级.随机抽稀方法抽稀后内插的结果误差较大，不同内插方法表现出的误差差距明显，其中误差最小的是IDW，误差最大的是465黄志豪，等：复杂条带状沟谷地形点云抽稀与内插算法对数字高程模型构建的精度影响北插值方法NNIIDWKrigingSpline个空间距离抽稀原始DEMbde体素分割抽稀fgh高度/m系统（随机）抽稀高：2 44.48低：-34.1 4jkm图33种抽稀方法各插值算法的内插结果Fig.3Interpolation results of each interpolation algorithm under three thinning methods表1 内插结果的精度评价指标Table1Accuracy evaluation index of interpolation results抽稀方法内插算法最大高程值/m最小高程值/mR2ME/mRMSE/mNNI242.28-27.080.9995090.80561.302.7IDW242.41-27.820.9995400.74621.2619空间距离抽稀Kriging242.32-27.210.9995300.793 21.275 4Spline242.35-60.020.9987480.83022.082.7NNI241.42-34.600.999.5030.81591.331 0IDW241.47-36.940.9995340.78551.2890体素分割抽稀Kriging241.77-34.560.9995240.793 51.3033Spline242.58-39.470.9991540.90481.738 3NNI237.65-29.570.9984431.005 11.8944IDW237.73-26.820.9994930.476.80.9387系统(随机)抽稀Kriging237.82-27.740.9992270.63471.116 2Spline237.87-65.570.9899641.65404.1417原始高程DEM242.48-41.61Spline.4类内插算法相比较，IDW插值的精度最高，其中随机抽稀后的IDW显示的误差最小；精度最低的是Spline，其中随机抽稀后Spline显示的误差最大，与实际最小高程值相差2 3.96 m，大幅改变了已知高程，与图3得出的结果一致.3种抽稀方法中空间抽稀方法最能保持点云数据的内插精度，与空间抽稀效果最好的结论的逻辑性一致，内插方法精度最高的是IDW,故空间抽稀下利用IDW进行DEM内插得出的结果最为可靠.2.4坡度精度评定坡度反映了地表单元的陡缓程度，对空间抽稀方法下的各插值算法的插值结果进行坡度对比分析(图4),并从中提取出坡度信息.将坡度从0 90分成9个等级，每个等级间隔1 0，计算各坡度等级的面积占比(图5).根据提取的内插结果坡度信息可见该地形沟谷底部的坡度值主要集中在0 2 0；沟壁的坡度值主要集中在2 0 6 0 4种内插算法中NNI的坡度信息提取结果表现出大量的锯齿状“空洞”，“空洞”的产生源于原始点云数据的缺失而NNI不具备修补较大“空洞”的能力.Spline提取出的坡度信息颜色对比最深且界限明显，说明该算法改变高程的幅度较大，在扩大了高程值上下限的同时也拉大了各等级坡度之间的差距，466兰州大学学报（自然科学版），),2023,59(4)北个a原始DEMbNNICIDW坡度/()高：90低：0dKrigingSplinee图4空间抽稀方法各插值算法结果的坡度信息Fig.4Slope information of interpolation algorithmresults under spatial thinning method302519.56%21.45%201513.97%12.88%1013.49%11.92%5.57%51.14%0.02%0123456789坡度等级-NNI-IDWKriging-SplineDEM图5 不同坡度等级面积占比Fig.5Area proportion of different slope grades由图5 可见，面积占比较多的部分在坡度等级16的区间内，与图4显示的一致.以坡度等级为3时作为转折点，坡度等级在1 3时，大多数插值结果的曲线在原始DEM曲线的上方，坡度等级为39时，大多数曲线在原始DEM曲线的下方，说明各内插算法对原始地形的高程具有“升低降高”的作用，使地形变得平缓化.所有插值方法中与原始DEM最贴合的是Kriging和IDW,贴合最差的是Spline,该方法扩大了高坡度的面积，使地形陡峭化.3结论泥石流沟谷点云数据的抽稀方法中，效果最好的是空间抽稀算法，既达到了消除余数据也有效保留了地形特征，使点云数据的均匀化和数据的信息保留达到较好的平衡，体素分割抽稀效果良好，其抽稀后的点云结果分布最平均，但也因此丢失了部分特征信息，系统(随机)抽稀方法效果最差，抽稀结果分布不均且丢失了大部分地表特征信息。4种插值方法在点云分布均匀且空值区域较少的地方都对实测值有较好的拟合能力.NNI在原始数据完整处表现出较高的插值精度，但修补“空洞 的能力较差.IDW与原始数据最为贴近，普适性较强，无需针对数据进行参数调整，基于贫乏数据同样具备插值预测的能力.Kriging考虑了数据点之间的空间关系，可很好消除数据不均匀误差，但在空值处无法插值.Spline改变高程值的幅度较大，使得插值后的地形变得“陡峭化”且加大了地表起伏程度.综合点云抽稀和插值算法，对比统计的精度评价指标，除随机抽稀条件下的各插值精度不稳定，其他内插算法的R0.99,且ME保持在厘米级，RMSE除Spline略高外都在2 m以内.通过对各插值结果进行定性和定量的综合分析得出，空间抽稀条件下利用IDW进行DEM内插的结果最为可靠，其R=0.999540,ME=0.7462m，R M SE=1.2629m.根据坡度信息分析，实验区沟壁的坡度主要集中在2 0 6 0，该范围坡度占总面积的67.86%，陡坡较多.除Spline外其他内插方法对原始地形都有“平滑化 影响.Kriging和IDW结果的坡度精度最高.参考文献1吕小波，游勇，柳金峰，等.汶川2 0 1 9年“8 20群发性泥石流降雨特征与临界雨量分析 .兰州大学学报（自然科学版),2 0 2 1,5 7(6):7 7 5-7 8 2.2赵鑫，程尊兰，刘建康，等云南东川地区单沟泥石流危险度评价研究 .灾害学,2 0 1 3,2 8(1):1 0 2-1 0 6.3方迎潮，王道杰，何松膛，等.云南东川蒋家沟泥石流2003-2014年冲淤演变特征 J.山地学报，2 0 1 8,36(6)：907-916.4李钊，项文霞.典型沟谷型泥石流动力学特性研究：以湖北省罗田县天堂寨老寺庙泥石流为例 .资源环境与工程,2 0 1 9,33(4):5 0 9-5 1 4.5庆丰，孟兴民，郭富赞，等.汶川地震扰动区文县“8 7”泥石流灾害特征分析：以洋汤沟为例 .兰州大学学报(自然科学版),2 0 2 1,5 7(3)：37 6-38 1.6 TELLING J,LYDA A,HARTZELL P,et al.Review ofearth science research using terrestrial laser scanningJ.Earth-Science Reviews,2017,169:35-68.7谢谟文,胡嫚,杜岩,等.TLS技术及其在滑坡监测中的应用进展 J.国土资源遥感，2 0 1 4,2 6(3):8-1 5.勇）（责任编辑：张上接第45 9页）（责任编辑：蔡红霞）467黄志豪，等：复杂条带状沟谷地形点云抽稀与内插算法对数字高程模型构建的精度影响8朱添翼，王昶.DEM内插方法的研究与分析 .北京测绘,2 0 1 4,1 1 9(6):1 6-1 9.9杨书娟，张珂殊，邵永社.螺旋式扫描激光雷达数据的DEM内插算法 J.中国激光,2 0 1 8,45(1 1):2 8 9-2 96.10王克涛,王昶,朱添翼，等.提高DEM内插精度的一种有效方法 J.辽宁科技大学学报，2 0 1 4,37(4)：37 8-380.11杨秋丽，魏建新，郑江华，等.离散点云构建数字高程模型的插值方法研究 J.测绘科学,2 0 1 9,44(7):1 6-2 3.12张笑，陈刚,段淼然，等.南方复合地貌区DEM内插算法的对比研究 .水土保持研究，2 0 1 5,2 2(5)：1 0 6-112.13杨灿灿，唐震，戈吉南，等.内插方法对黄土丘陵DEM精度的影响 J.黑龙江工程学院学报，2 0 1 8,32(6)：1 1-15,23.14李东，侯西勇.沿海低山丘陵区DEM提取及精度分析 J.测绘通报,2 0 2 1(增刊1)6 1-6 4.15王可伟，高利华,江锋.基于改进反距离加权算法的海底DEM建模方法 J.海洋测绘,2 0 2 1,41(1):6 1-6 4.16 DAI W,YANG X,NA J M,et al.Effects of DEMresolution on the accuracy of gully maps in loess hillyareasJ.Catena,2019,177:114-125.17 MAAN H,Evaluation of DEM interpolation techniquesfor characterizing terrain roughnessJ.Catena,2021,198:105072.18付忠敏,张星，孙志刚.基于主成分分析与栅格划分的点云压缩算法研究 J.计算机与数字工程，2 0 1 7,45(12):2341-2345,2388.19王成福，耿国华，胡佳贝，等.一种特征感知的三维点云简化算法 J.激光与光电子学进展，2 0 1 9,5 6(1 1):138-145.7王崇宇,刘晓平，曹周红，等.刚性墙后有限宽度土体主动滑裂面特征试验研究 J.岩土力学，2 0 2 1,42(1 1):2943-2952.8 RAO P,CHEN Q,ZHOU Y,et al.Determination ofactive earth pressure on rigid retaining wall consideringarching effect in cohesive backfill soilJ.InternationalJournal of Geomechanics,2016,16(3):04015082.1-04015082.9.9中华人民共和国国家发展和改革委员会.DL/T5395-2007碾压式土石坝设计规范 S.北京：中国电力出版社,2 0 0 7.10陈慧远，施群，唐仁杰.沥青混凝土心墙土石坝的应力应变分析 J.岩土工程学报，1 98 2,4(4)：1 46-1 5 8.20杜浩，朱俊锋，张力，等.顾及地形特征的LiDAR点云数据抽稀算法 J.测绘科学，2 0 1 6,41(9):1 40-1 46.21钱金菊，张昌赛，王柯，等.机载LiDAR点云数据抽稀算法研究述评 J.测绘通报，2 0 1 7(增刊1)33-35,5 8.22王道杰，陈倍，孙健辉.机载LiDAR点云密度对DEM精度的影响 .测绘通报,2 0 2 2,5 42(5):1 40-1 44,1 6 9.23赵晓燕，谈树成,李永平.基于斜坡单元与组合赋权法的东川区地质灾害危险性评价 .云南大学学报（自然科学版),2 0 2 1,43(2):2 99-30 5.24杨敏，甘淑，袁希平，等.复杂带状地形条件下的地面三维激光扫描点云数据采集与配准处理试验 J.测绘通报,2 0 1 8,494(5):35-40.25张蓉杰,罗军尧.东川大、小白泥沟泥石流危险性评价与治理 1 .贵州大学学报(自然科学版),2 0 2 2,39(3):62-66.26詹俏，甘淑，袁希平，等.泥石流沟谷滑坡体的点云采样分析及变化检测 J.激光与红外,2 0 2 0,5 0(2)：1 36-142.27张俊峰，许德合，王小东.顾及自适应多细节层次的八叉树点云管理算法 .西南交通大学学报，2 0 1 6,51(1):78-84.28王和平，张昌赛，刘伟东，等.输电线走廊点云数据抽稀算法适用性分析 J.测绘科学，2 0 2 0,45(9)：1 5 2-158,189.29李瑾杨，范建容,徐京华.基于点云数据内插DEM的精度比较研究 .测绘与空间地理信息，2 0 1 3,36(1):37-40.30康帅,季灵运，焦其松，等.基于地基LiDAR点云数据插值方法的对比研究 .大地测量与地球动力学，2020,40(4):400-404.11胡春林，胡安明，李友华.茅坪溪土石坝沥青混凝土心墙的力学特性与施工控制 .岩石力学与工程学报，2001,20(5):742-746.12朱晟，曹广晶，张超然，等.茅坪溪土石坝安全复核 .水利学报,2 0 0 4(1 1)1 2 4-1 2 8.13党发宁，高俊，任劫，等.2 0 0 m级超高沥青混凝土心墙堆石坝的受力可行性研究 J.岩石力学与工程学报，2019,38(S2):3690-3700.14高俊，党发宁，马宗源.超高沥青混凝土心墙高应力水平的降低措施研究 J.岩土力学，2 0 2 0,41(5)：1 7 30-1739.