复杂地形中机载LiDAR点云构建DEM的插值算法对比

来源：农业工程学报杂志2021年第15期北京时间：

作者：李朋飞,张晓晨,严露,胡晋飞,李豆,丹杨,

摘要：机载激光雷达（Light Detection and Ranging，LiDAR）可快速、高效的获取大范围地形信息，已成为高精度地形建模的重要数据获取手段。然而，针对复杂地形的机载LiDAR点云构建数字高程模型（Digital Elevation Model，DEM）的插值误差研究缺乏，严重限制了其在土壤侵蚀、开采沉陷等地表过程研究中的应用。该研究基于黄土高塬沟壑区典型地形的机载LiDAR数据，对比了反距离加权（Inverse Distance Weighted，IDW）、克里金（Kriging）、样条函数（Spline）、自然邻域（Natural Neighbor，NN）、趋势面（Trend）、不规则三角网（Triangulated Irregular Network，TIN）等插值算法的插值误差。首先优选了IDW、Kriging、Spline、Trend等4种算法的关键参数，其次分析了不同点云密度和地形下IDW、Kriging、Spline、NN、TIN等5种算法的插值误差及其空间分布。结果表明：1）IDW最优插值参数为权指数1和搜索点数12，Kriging为无方向、高斯函数和搜索点数12，Spline为规则样条函数和搜索点数32，Trend误差达米级，不适用于地形复杂区域。2）当点云密度较小时（1～19点/m2），IDW、Kriging、NN、TIN4种插值方法较为准确地描述地形。当点云密度较大时（39～77点/m2），各个插值方法的DEM空间分布差异不大。3）针对黄土高塬沟壑区复杂地形区域，点云密度越大，DEM的误差越小。陡坡区域DEM的平均绝对误差明显高于缓坡区域，随着点云密度增大，陡坡区域误差明显减小，而缓坡区域变化较小。当点云密度较小时（1～19点/m2），缓坡和陡坡最优插值插值方法分别为NN和TIN；当点云密度较大时（39～77点/m2），缓坡和陡坡最优插值方法均为Spline。研究结果可为机载LiDAR用于地形复杂区域的高精度地形建模与地表过程研究提供依据。

关键词：激光雷达, DEM, 插值算法, 复杂地形, 黄土高原