✖


Jump to content

Измерение геологической структуры с помощью LiDAR

Add links

Измерение геологических структур с помощью технологии LiDAR — это метод дистанционного зондирования, применяемый в структурной геологии . Это позволяет осуществлять мониторинг и характеристику тел горных пород. [1] Обычно этот метод используется для получения структурных и деформационных данных высокого разрешения для выявления риска геологических опасностей, таких как оценка риска камнепадов или изучение признаков деформации перед землетрясением.

Геологические структуры являются результатом тектонических деформаций, которые контролируют характер распределения форм рельефа. Эти структуры включают складки, плоскости разломов, размер, устойчивость, пространственные вариации и количество разрывов горных пород в конкретном регионе. [1] Эти особенности неоднородности существенно влияют на устойчивость склона , вызывая обвалы склона или разделение горной массы на неповрежденные блоки породы ( камнепад ). [2] Некоторые смещения блоков по разломам являются признаками землетрясений.

Традиционно инженеры-геотехники проводили исследования нарушений сплошности горных пород вручную. При изучении геологических опасностей, таких как камнепады, районы источников камнепадов опасны и труднодоступны, что серьезно затрудняет возможность проведения подробных структурных измерений и объемных расчетов, необходимых для оценки опасности . [3] С помощью LiDAR геологические структуры можно оценивать удаленно, что позволяет проводить трехмерное исследование склонов с виртуальными обнажениями.

Технология LiDAR (обнаружение света и определение дальности) — это метод дистанционного зондирования , позволяющий получать точную трехмерную информацию и расстояние. [4] Лазерный рецептор рассчитывает расстояние по времени прохождения между испусканием и приемом лазерных импульсов. [4] LiDAR создает топографические карты и полезен для оценки окружающей среды .

Полезные ссылки
Лидар
Удар и падение
Связанные дисциплины

Геология

Дистанционное зондирование

Портал

Портал наук о Земле

Важность измерения геологических структур с помощью LiDAR

[ редактировать ]
Удар и падение на самолете. 1) простирание, 2) направление падения, 3) видимое падение, 4) угол падения. Направления падения и падения плоскости можно нанести на стереосеть , используя визуализацию линий и метод плоскости.

Геологические структуры отвечают за придание горным массивам различных физических свойств. Прерывистые свойства и тектонические силы плит могут изменить массивы горных пород и их геометрию. Эти структуры содержат стыки , трещины , плоскости напластования , зоны сдвига , механические разрывы или любые другие особенности, начиная от микроскопических (<1 см, слоения развитие в результате метаморфизма). [5] ) до макроскопических масштабов (>100 м, срединно-океанические хребты ). [6]

Геологические структуры обычно имеют вытянутую форму, их ориентацию часто называют « простиранием». Если скальное тело сильно наклонено, принимая во внимание удельное сопротивление склона, оно может иметь высокий потенциал возникновения камнепадов. [7] Использование LiDAR в структурном анализе позволяет измерять особенности рельефа от масштаба одного обнажения до земного масштаба. Некоторые измерения геологических структур и их важность перечислены ниже:

Измерение ориентации плоскости горной породы и оценка риска камнепадов

[ редактировать ]

Ориентация плоскости скалы — это естественные наклоны, возникающие на плоскости скалы. [8] Некоторыми примерами плоскостей горных пород являются плоскости напластования и плоскости разломов. Ориентация плоскостей измеряется по падению и направлению падения с помощью клинометра и компаса, где падение представляет собой максимальный наклон плоскости к горизонту, направление падения - это направление линии пересечения горизонтали и наклонной плоскости. [9] Стереосеть кинематики может визуализировать распределение наклонов и направлений падения для анализа склона . [9]

Кинематика представляет собой движение каменного тела без внешних сил, вызывающих его движение. Кинематический анализ концентрируется на возможности поступательных сбоев из-за скольжения плоскостей. [9] хотя можно также распознать и другие типы отказов, такие как клиновые и опрокидывающиеся отказы. [10]

Измерение поведения разломов и прогнозирование землетрясений

[ редактировать ]

Поведение разломов можно использовать для измерения скорости переноса наносов и прогнозирования землетрясений . Землетрясение . способствовать образованию обломков разломов может Одна сторона блока будет относительно поднята вверх, вызывая вертикальные смещения. Таким образом, зная параметры обломков разломов, геологи-структурщики могут определить их возраст и определить время, необходимое для формирования таких особенностей. [11]

Землетрясения инициируются медленными сдвигами . Сдвиги – это смещение блоков по двум сторонам разлома. Однако эти сдвиги не обнаруживаются сейсмометрами (максимум 5 мм/день). [12] Когда скользящие блоки достигнут критической скорости разрушения, разломы постепенно разовьются до окончательного размера землетрясения за счет линейного ускорения вдоль плоскостей разломов . [12] Критическое смещение разломов пропорционально начальным скоростям разрушения. [13]

После сбора данных LiDAR о формах рельефа до и после землетрясения путем построения трехмерных цифровых моделей местности можно определить смещение и деформации. [14] краткосрочные прогнозы землетрясений . Таким образом, ученые могут предсказать окончательный масштаб землетрясений в будущем, определив характеристики разломов и сдвигов, а также размеры площадей, а также возможны [15]

Поверхностные процессы и геологическое картирование

[ редактировать ]

При проведении геологического картирования интерпретации с помощью аэрофотоснимков и спутниковых изображений часто используются , но лесная растительность остается основной проблемой для картографирования. Например, характеристика физических особенностей рельефа хребтов довольно сложна, поскольку и долин многие из этих объектов покрыты лесом. Топографические карты затем строятся путем получения данных вручную. [16]

LiDAR обеспечивает полноволновую систему, позволяющую лазерному импульсу проникать сквозь кроны деревьев и растительность. [16] Эта система позволяет получать геологические данные по голой местности. Вебстер и др. обнаружили новые кратеры в Северной Канаде, используя данные LiDAR и цифровые модели местности. ) . Необходимо построить цифровую модель местности для измерения структурных параметров (углы наклона, глубины врезов рек [17] Благодаря точному картированию коренных пород и поверхностной литологии с помощью LiDAR геологи-структурщики могут реконструировать происходящие поверхностные процессы.

Традиционное структурное измерение

[ редактировать ]

Традиционную структурную ориентацию можно оценить только вручную на доступном обнаженном массиве горных пород. Обычно инженеры-геологи исследовали нарушения сплошности горных пород лишь в ограниченном количестве за раз. Прерывистость может не отражать все обнажение. [3] Таким образом, традиционное измерение ориентации плоскости горной породы может содержать погрешность.

Геотехнические исследования также исследуют другие геомеханические параметры, такие как стойкость, размер блоков и расстояние между швами породы. [8]

Лидарная технология

[ редактировать ]
На гифке показан принцип сканирования LiDAR. Световые импульсы излучаются и принимаются рецептором, который записывает расстояние, интенсивность света и геоинформацию об интересующем объекте.

LiDAR (обнаружение света и определение дальности) — это быстрый процесс съемки, который излучает и принимает лазерные импульсы для получения трехмерной информации. [3] Освещая интересующий объект светом с разной длиной волны, LiDAR можно использовать для создания точных топографических карт, которые можно использовать в геологии, геоморфологии, геодезии и других приложениях. [3] Топографические карты возможны благодаря инерциальному измерительному блоку и системе глобального позиционирования . [3] Кроме того, это технология, позволяющая проводить исследования на крутых склонах и скалах . [4]

Точно измеренные данные необходимы для географической привязки данных LiDAR , например, для размещения данных в локальной или глобальной системе координат. Таким образом, созданный LiDAR можно наложить на аэрофотоснимки, собранные ранее, чтобы наблюдать изменения топографии с течением времени. [18]

Принцип LiDAR

[ редактировать ]

Система LiDAR излучает импульсные и непрерывные лазеры для получения трехмерной информации. Лазерный сканер является основным компонентом LiDAR. Лазеры с длиной волны 550-600 нм используются в наземных системах (ручное лазерное сканирование и наземное лазерное сканирование), тогда как в бортовых системах используются лазеры с длиной волны 1000-1600 нм. [19]

Лазер рассчитывает достижимую дальность по следующей формуле: [19]

  • R представляет собой дальность в метрах.
  • c представляет скорость света в м/с.
  • t — время прохождения лазерного генератора импульсов в секундах.

LiDAR получает информацию посредством дискретного и полноволнового возврата. Полноволновой сигнал (многократный возврат) часто используется для анализа леса с помощью бортового LiDAR, тогда как дискретный возврат (одиночный возврат) используется методом наземного лазерного сканирования . [19] Лазер отражается всякий раз, когда достигает какой-либо поверхности. Полноволновой возврат способен проникать в полог и возвращать информацию о растительности на разных высотах. [19] Дискретный возврат может возвращать только поверхностные материалы. [19] Таким образом, бортовой LiDAR часто используется для исследований в лесном хозяйстве.

Представление данных и формат данных

[ редактировать ]

Данные LiDAR в основном хранятся в формате облака точек (. las ). Захваченные данные облака точек хранят геометрические данные X, YZ. Каждая точка данных получается в результате одного лазерного сканирования и представляет собой локальную пространственную базу с географической привязкой. [20] Он может изображать реалистичные и трехмерные скалы в отдаленной и недоступной природной местности . [21]

Данные LiDAR имеют следующие параметры:

  • Каждая точка данных содержит координаты (координаты X, Y, Z в местной системе отсчета). [22]
  • Каждая точка имеет связанную с ней информацию о цвете ( R, G, B ). формат [22]
  • Отраженная интенсивность поверхности [20] [22]
  • Возможно автоматическое наложение фотографий на облака точек (снятые в процессе сканирования) [20]
  • Любые другие гиперспектральные данные [22]

Эти данные помогают анализировать особенности тела горной породы. Они включают записанную геометрическую или радиометрическую информацию о естественных, раскопанных или взорванных склонах горных пород.

Ранее данные LiDAR имели форму американского стандартного кода обмена информацией (ASCII) . [18] у которого есть несколько проблем:

1) Низкая скорость чтения и интерпретации файлов ASCII. [18]

2) Полезная потеря данных во время обработки данных [18]

3) ASCII нестандартизирован. [18]

После 2003 года Американское общество фотограмметрии и дистанционного зондирования (ASPRS) стандартизировало данные LiDAR в последовательном бинарном лазере ( файл .las ), содержащем записи данных LiDAR или других облаков точек. [18]

Географическая привязка

[ редактировать ]

Географическая привязка означает, что координаты аэрофотоснимка / цифровой модели местности могут быть привязаны к глобальной/региональной географической системе. Таким образом, пользователи имеют возможность определять и локализовать каждую точку собранных данных на поверхности Земли. [18] Типичная система глобального позиционирования использует данные Всемирной геодезической системы 1984 года (WGS84) и сохраняет данные с географической привязкой в ​​формате GeoTIFF / GeoPDF . [23] пользователям может потребоваться ортометрическая высота (высота над уровнем моря или модель геоида Кроме того, в различных сценариях ). Например, анализ изменения уровня моря по гидрологическим данным. [18]

Географическую привязку можно выполнить путем добавления контрольных точек у подножия склона. [8] Сместив данные облака точек на известные правильные координаты как минимум с 3 точками, данные облака точек можно переместить в точную систему координат. [24] Эта информация полезна для расчета расстояний, объема и площадей.

Типы лидаров

[ редактировать ]

Данные LiDAR могут собираться на наземных, воздушных и мобильных платформах. Например, воздушное сканирование LiDAR (ALS), беспилотные летательные аппараты (БПЛА), наземное лазерное сканирование (TLS) и ручное лазерное сканирование (HLS). В таблицах ниже будут сравниваться упомянутые платформы сбора данных:

1) Методы сбора данных

2) Техника географической привязки (как получить точные координаты точки)

3) Преимущества и недостатки

Примеры изображений различных методов сбора данных
Воздушное сканирование LiDAR (ALS) Беспилотный летательный аппарат (БПЛА) Наземное лазерное сканирование Ручное лазерное сканирование
  • Бортовая система сканирования LiDAR будет сканировать объекты на траектории полета зигзагообразным узором. [25]
  • Метод наземного лазерного сканирования, который проводится на ровной и устойчивой местности. [27]
  • Портативное лазерное сканирующее устройство небольшого размера, очень портативное. [24]
Сравнение различных методов лазерного сканирования
Методы сканирования LiDAR Методы сбора данных Техника географической привязки Преимущества Недостатки
Воздушное сканирование LiDAR (ALS)
  • Бортовая система LiDAR, излучающая лазеры с длиной волны 1000-1600 нм. [28]
  • Данные, возвращаемые от одного импульса с несколькими возвратами, для классификации различных объектов в соответствии со купола . структурой [25]
  • Максимальная частота повторения лазера 167 МГц. [19]
  • Расстояние можно рассчитать по времени возврата LiDAR в двух направлениях.
  • Плотность точек может составлять более 8 точек/м. 2
  • Многократный возврат с полной формой волны [26]
  • Вертикальная точность 0,1 м [25]
  • Горизонтальная точность 0,3 м [28]
  • Большая территория покрытия (по всей территории) [25]
  • Возвращенный импульс может помочь эффективно различать наземные и неземные объекты. [25]
  • Полет ограничен условиями воздушного движения и проблемой совместного использования воздушного пространства¨ [ нужна ссылка ]
  • Требуются взлетно-посадочные площадки, опытный пилот [29]
  • Потеря данных может произойти из-за атмосферного поглощения.
  • Могут возникнуть ошибка комиссии (классификация точек, не являющихся заземлением, как точки заземления) и ошибка пропуска (отклонение точек заземления). [29]
Беспилотный летательный аппарат (БПЛА)
  • Низкая стоимость и готовность к использованию в течение короткого периода времени. [26]
  • Не нужны самолеты, аэропорт и опытные работники [26]
  • Возможность изучать недоступные районы с воздуха вместо использования традиционных наземных съемки . методов
  • Условия воздушного движения ограничивают полет
  • Размер датчиков обнаружения определяется грузоподъемностью/весом БПЛА. [26]
  • Может возникнуть ошибка комиссии и ошибка упущения [33]
  • Емкость аккумулятора ограничивает продолжительность полета
Наземное лазерное сканирование (TLS)
  • Наземный метод, излучающий инфракрасные импульсы длиной 500-600 нм в известном направлении. [34]
  • Расстояние можно рассчитать по времени возврата LiDAR в двух направлениях. [34]
  • Точность около 8 мм [34]
  • Через установку наземных опорных точек с известными координатами [35]
  • Данные облака точек возвращаются в цветах (красный, зеленый и синий). [35]
  • Возможность окклюзии из-за проблемы прямой видимости (проблема с теневыми областями) [34]
  • На объекте необходимо разместить несколько устройств TLS.
  • Подходит только для участков со стабильными и пологими уклонами. [1]
Ручное лазерное сканирование (HLS)
  • Наземный метод, позволяющий измерять микро- и мезомасштабные структуры. [34]
  • Расстояние можно рассчитать по времени возврата LiDAR в двух направлениях. [34]
  • Точность 30 мм [34]
  • Одиночный возврат
  • Через установку наземных опорных точек с известными координатами [35]
  • Высокая мобильность при небольшом объеме устройства [24]
  • Эффективен при записи данных на нестабильной поверхности, например, свежего оползня. на месте [24]

Цифровое моделирование местности

[ редактировать ]

Цифровая модель местности (ЦММ) — это математическая модель, которая представляет видимые поверхности местности Земли. [36] ЦММ преобразует различимые точки данных LiDAR в непрерывную трехмерную поверхность. Модель соединяет дискретные точки с разными значениями высоты, образуя плоскости . Таким образом, структурные геологи могут определять структурные ориентации на основе этих трехмерных плоскостей. Эта техника моделирования также используется для создания цифровых поверхностей планет и имеет множество других применений . [36]

Принцип цифровой модели местности

[ редактировать ]
Цифровая модель местности извлекает только голую поверхность земли, тогда как цифровая модель поверхности может включать здания, дороги или растительность. Для оценки наклонов и направлений падения скальных плоскостей следует использовать цифровые модели местности.

ЦММ классифицируются по основным геометрическим единицам, таким как треугольники, квадраты. Используются 3 основные математические функции, перечисленные ниже:

  • На основе точек [37]
  • Треугольная основа [37]
  • На основе сетки [37]

Более того, треугольники и сетки наиболее часто используются .

На основе точек

[ редактировать ]

Точечное моделирование поверхности реконструирует поверхность путем формирования серии небольших смежных прерывистых поверхностей. Каждая из поверхностей плоская и формируется путем соединения отдельных точек данных. [26] Эта функция может формировать поверхность с регулярными и нерегулярными узорами, рассматривая региональные границы влияния каждой точки, где диаграмма Вороного определяет региональные границы. Однако для более простых вычислений наиболее широко используются регулярные шаблоны, такие как шестиугольники и квадраты. [26]

Математическое выражение образования для каждой горизонтальной плоской поверхности: [17]

где Z — высота плоской поверхности, а H — i й высота точки.

Треугольная основа

[ редактировать ]

Треугольная функция может сформировать более наклонную или неровную цифровую модель поверхности. Этот подход рассматривается как основной способ построения сложной ЦМР. Треугольники обладают большой гибкостью, любые многоугольники (например, квадрат, прямоугольник) можно разложить на другие треугольники меньшего размера. [21] Связанная треугольная сеть может включать в себя линии разрыва для подгонки плоскости, что облегчает формирование изогнутой грани/поверхности. [36] Минимальное требование для формирования треугольника требует 3 точки данных, причем ближайшие 3 точки группируются так, чтобы сформировать треугольник с помощью триангуляции Делоне без перекрытия. [37]

Трехмерная модель, созданная с помощью триангуляции Делоне . Трехмерная поверхность создается путем соединения ближайших точек с образованием треугольных плоскостей.

Поскольку точки данных распределены неравномерно, треугольный метод эффективно строит ЦМР, поскольку этот метод может создавать вариации поверхности. Даже если некоторые точки данных облака точек удалены или добавлены, локальный треугольник можно преобразовать без полной реконструкции ЦММ. [37]

Несколько параметров контролируют процесс формирования поверхности:

1) Плотность сетки

2) Максимальный угол соседних треугольников

3) Минимальный размер патча

На основе сетки

[ редактировать ]

Модель на основе сетки имеет меньшее значение для построения пересеченной местности или резких разрывов местности с крутыми склонами. [36] 4 точки данных — это минимальное требование для формирования сеточной модели. [4] Полученная поверхность называется билинейной поверхностью, в которой четырехугольники любой формы соединяются для создания ЦТМ, например параллелограммов, квадратов, прямоугольников или других неправильных многоугольников. [30] Преимущество этого метода в обработке данных заключается в том, что данные представлены в виде квадратных сеток, равномерно распределяющих точки данных. В этом случае некоторое программное обеспечение предоставляет операцию «Случайное преобразование в сетку», чтобы гарантировать, что данные имеют форму сетки. [37]

Подход к цифровому моделированию местности

[ редактировать ]

Поскольку собранные данные имеют форму облака точек, необходимо преобразовать эти трехмерные координаты лазерных точек в цифровую модель местности с помощью двух основных процедур:

1) Классификация облаков точек и наземная фильтрация

2) Реконструкция земной поверхности по дискретным данным облака лазерных точек путем интерполяции.

Обработка и классификация данных (только сканирование с помощью бортового LiDAR)

[ редактировать ]

Классификация данных и очистка шума — это процессы получения несмещенной поверхности склона. Когда ALS собирает данные с несколькими возвратами, этот принцип позволяет классифицировать объекты по различным категориям. Алгоритмы классификации могут быть выполнены с помощью TerraScan и TerraModel, компьютерного программного обеспечения для классификации данных облаков точек, автоматически разработанного TerraSolid. [38] Однако для обеспечения правильной классификации точек данных необходимы некоторые ручные корректировки и проверки.

Проблема прямой видимости метода наземного лазерного сканирования. Когда интересующий объект находится за пределами области сбора данных, создается пустота данных без геопространственной записи. Обычно это наблюдается, когда дерево загораживает другой обнаженный объект. Решением этой проблемы является установка большего количества датчиков TLS.

Алгоритмы могут идентифицировать преобладающие особенности рельефа; эти алгоритмы предполагают, что поверхности со значительными изменениями не являются наземными объектами. [30] Для создания поверхностной модели горного склона необходимы только классифицированные наземные данные. Классификация земных и неземных поверхностей подразделяется на следующие категории:

Основные категории классификации данных LiDAR для воздушного сканирования LiDAR
Классификации Примеры
Ровная, земля или открытая местность Открытая местность, песок , камни, плоские крыши , поля для гольфа. [26]
Зона с низкой растительностью Высокие культуры и сорняки <2 м [26]
Средне-растительный район Низкие деревья или кустарники высотой от 2 до 10 м. [26]
Район с высокой растительностью Лесные массивы >10 м [26]

Фильтрация данных

[ редактировать ]

Фильтрация данных позволяет извлекать данные о поверхности голой Земли, удаляя ненужные данные или шум в данных. [26] Для изучения ориентации горных пород, картографирования обнажений и топографических исследований они получают информацию только о телах скальных склонов. Таким образом, реализуется фильтрация данных для разделения облаков точек на наземные и неназемные объекты. Насекомые, растительность или другая искусственная инфраструктура относятся к неземным объектам. [39]

Чтобы отфильтровать трехмерные лазерные точки, можно применить несколько методов из программного обеспечения с открытым исходным кодом для фильтрации наземных точек из всей области интересов:

Сравнение различных методов фильтрации данных
Автор Техника Описание метода Точность
Аксельссон и др., 2000 г. [40] Треугольно-нерегулярная сеть (TIN) Несколько точек разделены на сетки. Нижняя отметка внутри каждой сетки рассматривается как точки земли. Пользователи могут установить размер сетки самостоятельно. Точки добавляются в фасет треугольника, когда они находятся достаточно близко. Удовлетворительно
Зейбек, 2019 г. Метод тканевого моделирования Смоделированная ткань помещается на перевернутое облако точек; точки не фильтруются, если ткань может касаться точек данных. Чем мягче ткань, тем больше точек пересечения можно сохранить. Точки пересечения затем классифицируются как земля. [33] 93%
Поверхностный Этот метод использует линейный алгоритм для удаления неземных точек. [33] 81%
На основе кривизны Подгонка применяется к ближайшему соседу, точки с большими перепадами высот (компонент Z) отфильтровываются. [33] 88%

Наземное проверочное обследование

[ редактировать ]

Целью наземного проверочного обследования является проверка точности LiDAR. Данные LiDAR собираются путем отправки лазерных импульсов под разными углами или приема обратного сигнала. Эти сигналы могут содержать некоторую ошибку, вызванную поглощением длины волны атмосферой. [41] Поэтому необходимо провести наземное обследование, чтобы убедиться, что координаты собранных данных соответствуют местной системе координат. Например, горизонтальная точность будет проверяться путем сравнения данных, собранных с помощью различных методов сбора данных. Также данные можно скорректировать, установив несколько контрольных точек с известными координатами. [42]

Структурный ориентационный анализ

[ редактировать ]

ЦММ способны идентифицировать структурные параметры геологических объектов (угол наклона крыла складки ). Например, по ЦММ можно определить наклоны и направления падения плоскостей горных пород. Общая методика включает следующие этапы:

1) Получите данные LiDAR о целевом уклоне. [27]

2) Шумоочистка и фильтрация точечных данных [27]

3) Преобразование данных точек в ЦМР с помощью математических функций. [8]

4) С помощью таких программ, как Coltop 3D, структурную геометрию плоскостей стыков/наклонов можно рассчитать автоматически. [8]

5) Плоскости горных пород определяются с помощью цветового кодирования или статистического метода оценки того, сгруппированы ли точки в одну или разные плоскости. [8] [27]

6) Вывести данные о структурной ориентации в файлы подходящего компьютерного программного обеспечения и построить график распределения наклонов и направлений падения различных плоскостей в стереосети . [8] [27]

Раздел данных

[ редактировать ]

Секционирование данных помогает перераспределить неравномерно распределенные точечные данные путем разделения данных на кубы. Возвращенные данные облака точек имеют разную плотность точек из-за различий в устройствах и параметрах сбора данных. Плотность облака точек определяет размер куба, каждый куб образует не менее 4 точек. [43] Точки, которые считаются несоответствующими, будут удалены из облака точек. [43] После этого вектор нормали будет рассчитан каждого куба.

Octree Partitioning в программном обеспечении с открытым исходным кодом, включая CloudCompare и Geomagic , может обеспечить секционирование данных. [43] Учитывая горные массивы разного рельефа, они имеют разную шероховатость. Таким образом, пользователям необходимо вручную установить размер куба, чтобы получить лучший куб. Среднее количество точек в каждом кубе колеблется от 15 до 30 точек, задав диапазон расстояния между точками от 4 мм до 7 мм. [43]

Кластерный анализ по нормальным векторам

[ редактировать ]

Целью кластеризации несплошностей горных пород является группировка подплоскостей склона в один и тот же набор несплошностей, к которому они принадлежат. Нарушения непрерывности демонстрируют волнистость, шероховатость или волнистую поверхность. [43] Точки в одном и том же наборе суставов демонстрируют схожие особенности ориентации. [43] Алгоритм определяет, расположены ли точки в пределах основной ориентации плоскостей напластования или субпараллельных друг другу плоскостей. [44] Метод кластеризации может классифицировать различные наборы суставов на основе назначенных векторов нормалей на каждой грани примерно в одной и той же ориентации. [44]

Проблемы для технологии LiDAR

[ редактировать ]

Хотя LiDAR обладает высокой эффективностью при сборе данных на большой территории за короткое время, некоторые проблемы остаются сложными для общей обработки данных и получения ожидаемого результата.

Параметры фильтрации данных и генерации поверхностей

[ редактировать ]

Растительность не может быть полностью удалена во время фильтрации данных. Это может повлиять на гладкость и группировку поверхностей камней. В большинстве случаев трехмерные модели создаются методом триангуляции, часто образуются спайки. [19] Шипы могут повлиять на скопление каменных поверхностей. Они влияют на гладкость трехмерной поверхности, вызывая ошибки в расчете ориентации плоскости скалы. Пики образуются, когда точки данных имеют схожие координаты X и Y, но очень разные координаты Z. Треугольники игольчатой ​​формы образуются из-за негладких поверхностей. [45]

Параметры фильтрации для поверхностной кластеризации часто зависят от прошлого опыта пользователей. Например, параметр Octobertree можно настроить с различной плотностью точек. [18] Результат формирования ЦМР должен определяться пользователем. Следовательно, для получения удовлетворительной поверхности необходима повторная процедура тестирования. [26]

Плотность точек

[ редактировать ]

Плотность облака точек, известная как расстояние между каждой точкой данных в полученных наборах данных LiDAR. [45] Этот параметр влияет на точность измерения уклонов горных пород. Это одна из характеристик, которую необходимо учитывать при обработке данных. Например, фильтрация данных, классификация, извлечение признаков и распознавание объектов. [34] Плотность облака точек зависит от различных факторов:

  • Прицельное перекрытие TLS [46]
  • Светоотражающие свойства объекта интереса [46]
  • Частота сканирования БАС [46]

Расходы

[ редактировать ]

Хотя LiDAR оказался эффективным методом сбора данных на скалистом склоне, его высокая стоимость сделала этот метод непрактичным. [47] Когда область интереса имеет очень небольшой масштаб, это ограничивает удобство использования TLS и ALS, поскольку для проведения исследования ALS требуется самолет, опытный пилот, спроектированная траектория полета и высота, получившие одобрение местного авиационного департамента. [29]

Упомянутую выше проблему можно решить с помощью БПЛА. Оно может собирать данные в труднодоступных местах, что позволяет собирать данные по низкой цене и в небольших масштабах, поскольку устройство портативное и легкое. [33]

Duration: 2 minutes and 2 seconds.Subtitles available.
Видео, показывающее, как проводить измерения лесного хозяйства, пролетая над тропическими лесами Амазонки.

Другие приложения LiDAR

[ редактировать ]

Благодаря высокой точности и эффективности метода сбора данных лазерного сканирования его потенциально можно применять в различных областях, помимо структурных измерений:

Ссылки

[ редактировать ]
  1. ^ Jump up to: а б с Абеллан, Антонио; Оппикофер, Тьерри; Жабоедофф, Мишель; Россер, Николас Дж.; Лим, Майкл; Лато, Мэтью Дж. (13 ноября 2013 г.). «Наземное лазерное сканирование нестабильностей горных склонов» . Процессы на поверхности Земли и формы рельефа . 39 (1): 80–97. Бибкод : 2014ESPL...39...80A . дои : 10.1002/особенно 3493 . ISSN   0197-9337 . S2CID   128876331 .
  2. ^ Актюрк, Эмре; Алтунель, Ариф Огуз (2019). «Оценка точности недорогой цифровой модели рельефа (DEM), полученной с помощью БПЛА, на сильно пересеченной местности и покрытой растительностью местности» . Измерение . 136 : 382–386. Бибкод : 2019Измерение..136..382A . дои : 10.1016/j.measurement.2018.12.101 . ISSN   0263-2241 . S2CID   116823352 .
  3. ^ Jump up to: а б с д и Штурценеггер, Матье; Уиллмс, Дэвид; Пейт, Кимберли; Джонстон, Брент (2013). «Опыт использования методов наземного дистанционного зондирования для оценки характеристик скальных склонов» . Материалы Международного симпозиума 2013 года по устойчивости склонов при открытой добыче полезных ископаемых и гражданском строительстве . Австралийский центр геомеханики, Перт: 775–782. doi : 10.36487/acg_rep/1308_52_sturzenegger . ISBN  978-0-9870937-5-2 .
  4. ^ Jump up to: а б с д ХЕСС, МОНА, «3D ЛАЗЕРНОЕ СКАНИРОВАНИЕ» , Цифровые методы документирования и сохранения культурного наследия , Arc Humanities Press, стр. 199–206, doi : 10.2307/j.ctt1xp3w16.19 , ISBN  978-1-942401-35-3 , получено 6 октября 2020 г.
  5. ^ Хики, Кен А.; Белл, Тим Х. (8 января 1997 г.). «Син-деформационный рост зерен: укрупнение матрицы во время развития слоения и регионального метаморфизма, а не в результате статического отжига» . Европейский журнал минералогии . 8 (6): 1351–1374. Бибкод : 1997EJMin...8.1351H . дои : 10.1127/ejm/8/6/1351 . ISSN   0935-1221 .
  6. ^ Абеллан, А.; Джабоедов, М.; Оппикофер, Т.; Вилаплана, Дж. М. (17 марта 2009 г.). «Обнаружение миллиметровой деформации с помощью наземного лазерного сканера: эксперимент и применение к камнепаду» . Природные опасности и науки о системе Земли . 9 (2): 365–372. Бибкод : 2009NHESS...9..365A . doi : 10.5194/nhess-9-365-2009 . HDL : 2445/27315 . ISSN   1684-9981 .
  7. ^ «Основы электрических методов в наземной и скважинной геофизике» . Методы геохимии и геофизики . 44 . 2010. doi : 10.1016/c2009-0-16239-6 . ISBN  9780444529947 . ISSN   0076-6895 .
  8. ^ Jump up to: а б с д и ж г Рикельме, Адриан; Томас, Роберт; Кано, Мигель; Пастор Хосе Луис; Абеллан, Антонио (24 мая 2018 г.). «Автоматическое картирование устойчивости разрывов горных пород с использованием трехмерных облаков точек» . Механика горных пород и горная инженерия . 51 (10): 3005–3028. Бибкод : 2018RMRE...51.3005R . дои : 10.1007/s00603-018-1519-9 . hdl : 10045/75855 . ISSN   0723-2632 . S2CID   135109573 .
  9. ^ Jump up to: а б с Матис, Джеймс (2007). «Проектирование склона карьера и структурный анализ на алмазном руднике Иерихон с использованием цифрового фотограмметрического картирования» . Материалы Международного симпозиума 2007 года по устойчивости горных склонов при открытой добыче полезных ископаемых и гражданском строительстве . Австралийский центр геомеханики, Перт: 93–104. дои : 10.36487/acg_repo/708_4 . ISBN  978-0-9756756-8-7 .
  10. ^ Томас, Р.; Рикельме, А.; Кано, М.; Пастор, Дж.Л. Паган, Дж.И.; Асенсио, JL; Руффо, М. (23 июня 2020 г.). «Оценка устойчивости скальных откосов по 3D облакам точек, полученным с помощью беспилотного летательного аппарата» . Журнал дистанционного зондирования (55): 1. doi : 10.4995/raet.2020.13168 . hdl : 10045/107612 . ISSN   1988-8740 .
  11. ^ Фэрбридж, Родс В. (1968). «Уступ разлома, уступ разлома». Геоморфология . Энциклопедия наук о Земле. стр. 346–351. дои : 10.1007/3-540-31060-6_125 . ISBN  0-442-00939-9 .
  12. ^ Jump up to: а б Аберкромби, Рэйчел Э. (4 сентября 2019 г.). «Малые и большие землетрясения могут иметь одинаковое начало» . Природа . 573 (7772): 42–43. Бибкод : 2019Natur.573...42A . дои : 10.1038/d41586-019-02613-5 . ISSN   0028-0836 . ПМИД   31485064 .
  13. ^ Эллсворт, WL; Бероза, ГК (12 мая 1995 г.). «Сейсмические доказательства фазы зарождения землетрясения» . Наука . 268 (5212): 851–855. Бибкод : 1995Sci...268..851E . дои : 10.1126/science.268.5212.851 . ISSN   0036-8075 . ПМИД   17792179 . S2CID   2667663 .
  14. ^ Франческо Сильвестри; Никола Морачи (22 октября 2019 г.). Сейсмическая геотехническая инженерия для защиты и развития окружающей среды и сооружений: материалы 7-й Международной конференции по сейсмической геотехнической инженерии (ICEGE 2019), 17-20 июня 2019 г., Рим, Италия . ЦРК Пресс. п. 496. ИСБН  978-0-429-63350-8 .
  15. ^ Ричард С. Берг (2011). Краткое описание современных трехмерных геологических карт и моделей в геологоразведочных организациях . Государственная геологическая служба штата Иллинойс. п. 73.
  16. ^ Jump up to: а б «Микросканирование лидарных изображений для улучшения выборки» , Полевое руководство по лидару , SPIE PRESS, 2015, doi : 10.1117/3.2186106.ch116 , ISBN  978-1-62841-654-1 , получено 15 декабря 2020 г.
  17. ^ Jump up to: а б Вебстер, Тим Л; Мерфи, Дж. Брендан; Госс, Джон С; Спунер, Ян (2006). «Применение анализа цифровой модели рельефа, полученной с помощью лидара, к геологическому картированию: пример бассейна Фанди, Новая Шотландия, Канада» . Канадский журнал дистанционного зондирования . 32 (2): 173–193. Бибкод : 2006CaJRS..32..173W . дои : 10.5589/m06-017 . ISSN   0703-8992 . S2CID   55408192 .
  18. ^ Jump up to: а б с д и ж г час я Го, Цзятэн; Лю, Шаньцзюнь; Чжан, Пейна; Ву, Ликсин; Чжоу, Вэньхуэй; Ю, Инань (24 марта 2017 г.). «К полуавтоматическому ориентированию неоднородностей горного массива и анализу множеств на основе трехмерных облаков точек» . Компьютеры и геонауки . 103 : 164–172. Бибкод : 2017CG....103..164G . дои : 10.1016/j.cageo.2017.03.017 . ISSN   0098-3004 .
  19. ^ Jump up to: а б с д и ж г Донг, Пинлян; Чен, Ци (12 декабря 2017 г.), «Основы обработки данных LiDAR» , Дистанционное зондирование и приложения LiDAR , Бока-Ратон, Флорида: CRC Press, стр. 41–62, doi : 10.4324/9781351233354-3 , ISBN  978-1-351-23335-4 , получено 7 октября 2020 г.
  20. ^ Jump up to: а б с Кэмпбелл, Майкл Дж.; Деннисон, Филип Э.; Батлер, Брет В. (2017). «Анализ влияния уклона, плотности растительности и неровности поверхности земли на основе LiDAR на скорость передвижения при картировании маршрутов эвакуации пожарных из дикой природы» . Международный журнал диких пожаров . 26 (10): 884. дои : 10.1071/wf17031 . ISSN   1049-8001 .
  21. ^ Jump up to: а б Чжоу, Цуйин; Ду, Цзычунь; Оуян, Цзиньу; Чжан, Чжилун; Лю, Чжэнь (2020). «3D-геологическая модель и алгоритм резки на основе вертикально проецируемой триангулированной сети» . Компьютеры и геонауки . 143 : 104562. Бибкод : 2020CG....14304562Z . дои : 10.1016/j.cageo.2020.104562 . ISSN   0098-3004 . S2CID   221979787 .
  22. ^ Jump up to: а б с д Бертон, Д.; Данлэп, Д.Б.; Вуд, Эл Джей; Флаг, ПП (01 мая 2011 г.). «Лидар Интенсивность как дистанционный датчик свойств горных пород» . Журнал осадочных исследований . 81 (5): 339–347. Бибкод : 2011JSedR..81..339B . дои : 10.2110/jsr.2011.31 . ISSN   1527-1404 .
  23. ^ Гонсалес-Хорхе, Иджинио; Ариас, Питер; Мост, Иван; Мартинес, Хоакин (29 июня 2012 г.). «Обследование откосов дорог с помощью мобильного LiDAR» . ISG*ISARC2012 Полные доклады . Международная ассоциация автоматизации и робототехники в строительстве (IAARC). дои : 10.22260/isarc2012/0015 . ISBN  978-90-386-3410-4 .
  24. ^ Jump up to: а б с д Хорда Бордехоре, Луис; Рикельме, Адриан; Кано, Мигель; Томас, Роберто (24 июня 2017 г.). «Сравнение сбора данных о неоднородностях поля вручную и дистанционного зондирования, используемого при оценке кинематической устойчивости обрушившихся скальных откосов» . Международный журнал механики горных пород и горных наук . 97 : 24–32. Бибкод : 2017IJRMM..97...24J . дои : 10.1016/j.ijrmms.2017.06.004 . hdl : 10045/67528 . ISSN   1365-1609 .
  25. ^ Jump up to: а б с д и ж г час я дж к Хорошо, Унал; Рассказываю, Дженнифер; Гленни, Крейг Л.; Дитрих, Уильям Э. (ноябрь 2019 г.). «Обнаружение изменений с помощью воздушного лидара: обзор приложений в области наук о Земле» . Обзоры наук о Земле . 198 : 102929. Бибкод : 2019ESRv..19802929O . doi : 10.1016/j.earscirev.2019.102929 . ISSN   0012-8252 . S2CID   202181132 .
  26. ^ Jump up to: а б с д и ж г час я дж к л м н Достижения в области бортовых лидарных систем и обработки данных . 11 мая 2018 г. дои : 10.3390/books978-3-03842-674-5 . ISBN  978-3-03842-674-5 .
  27. ^ Jump up to: а б с д и Фармакис, Иоаннис Верфассер. Автоматизированный трехмерный структурный анализ и характеристика сочлененного горного массива с использованием наземного лазерного сканера LiDAR для оценки восприимчивости к камнепаду: случай района Перисса (Санторини) . OCLC   1196463534 . {{cite book}}: |last= имеет общее имя ( справка )
  28. ^ Jump up to: а б с д Прадхан, Бисваджит; Юсоф, Норбазлан Мохд (2017), «Уязвимость склонов и оценка риска с использованием данных воздушного лазерного сканирования с высоким разрешением» , Применения лазерного сканирования при оценке оползней , Cham: Springer International Publishing, стр. 235–251, doi : 10.1007/978-3 -319-55342-9_12 , ISBN  978-3-319-55341-2 , получено 8 октября 2020 г.
  29. ^ Jump up to: а б с д Макгоги, W (2019). «Оценка геотехнических опасностей на основе данных: практика и подводные камни». Материалы Первой международной конференции по горному геомеханическому риску . Австралийский центр геомеханики, Перт. стр. 219–232. doi : 10.36487/acg_rep/1905_11_mcgaughey . ISBN  978-0-9876389-1-5 .
  30. ^ Jump up to: а б с Го, Цзятэн; Лю, Шаньцзюнь; Чжан, Пейна; Ву, Ликсин; Чжоу, Вэньхуэй; Ю, Инань (2017). «К полуавтоматическому ориентированию неоднородностей горного массива и анализу множеств на основе трехмерных облаков точек» . Компьютеры и геонауки . 103 : 164–172. Бибкод : 2017CG....103..164G . дои : 10.1016/j.cageo.2017.03.017 . ISSN   0098-3004 .
  31. ^ Прадхан, Бисваджит. Бухройтнер, Манфред Ф. (2012). Перемещения терригенных масс: обнаружение, моделирование, раннее предупреждение и смягчение последствий с использованием геоинформационных технологий . Спрингер. ISBN  978-3-642-25495-6 . OCLC   785560465 . {{cite book}}: CS1 maint: несколько имен: список авторов ( ссылка )
  32. ^ Прадхан, Бисваджит; Самин, Махер Ибрагим (2017), «Системы лазерного сканирования в исследованиях оползней» , «Применение лазерного сканирования при оценке оползней » , Cham: Springer International Publishing, стр. 3–19, номер документа : 10.1007/978-3-319-55342-9_1 , ISBN  978-3-319-55341-2 , получено 7 октября 2020 г.
  33. ^ Jump up to: а б с д и Зейбек, Мустафа; Шанлыоглу, Исмаил (07.10.2018). «Фильтрация облака точек на облаке точек на базе БПЛА» . Измерение . 133 : 99–111. дои : 10.1016/j.measurement.2018.10.013 . ISSN   0263-2241 . S2CID   116030719 .
  34. ^ Jump up to: а б с д и ж г час я Бауэнс, Себастьян; Варфоломей, Харм; Колдерс, Ким; Лежен, Филипп (21 июня 2016 г.). «Инвентаризация леса с помощью наземного LiDAR: сравнение статического и ручного мобильного лазерного сканирования» . Леса . 7 (12): 127. дои : 10.3390/f7060127 . ISSN   1999-4907 .
  35. ^ Jump up to: а б с Ли, Ён Ук (30 апреля 2013 г.). «Определение параметров ЭО на основе прямой географической привязки с использованием SmartBase» . Журнал Корейского общества геодезии, геодезии, фотограмметрии и картографии . 31 (2): 135–142. дои : 10.7848/ksgpc.2013.31.2.135 . ISSN   1598-4850 .
  36. ^ Jump up to: а б с д «Создание цифровых моделей местности и поверхности» , Цифровая фотограмметрия , Абингдон, Великобритания: Тейлор и Фрэнсис, стр. 159–299, 2002, doi : 10.4324/9780203305959_chapter_3 , ISBN  978-0-203-35360-8 , получено 13 ноября 2020 г.
  37. ^ Jump up to: а б с д и ж «Программное обеспечение и услуги для моделирования местности» , Экологические применения цифрового моделирования местности , Чичестер, Великобритания: John Wiley & Sons, Ltd, стр. 228–260, 16 февраля 2018 г., doi : 10.1002/9781118938188.ch6 , ISBN  978-1-118-93818-8 , получено 8 октября 2020 г.
  38. ^ Тэм, Чунг-Янь, Кэнди (2008). Исследование шероховатости трещин в горных породах методом лазерного 3D сканирования (Диссертация). Библиотеки Гонконгского университета. doi : 10.5353/th_b4020348 (неактивен 12 апреля 2024 г.). {{cite thesis}}: CS1 maint: DOI неактивен по состоянию на апрель 2024 г. ( ссылка ) CS1 maint: несколько имен: список авторов ( ссылка )
  39. ^ Ричман, А.; Гамильтон, А.; Арайичи, Ю.; Коунселл, Дж.; Тхелидзе, Б. (2005). «Дистанционное зондирование, ЛИДАР, автоматизированный сбор данных и проект ВЕПС» . Девятая международная конференция по визуализации информации (IV'05) . IEEE. стр. 151–156. дои : 10.1109/iv.2005.106 . ISBN  0-7695-2397-8 . S2CID   15794226 .
  40. ^ Аксельссон, П. (2000). «Создание ЦМР на основе данных лазерного сканирования с использованием адаптивных моделей TIN» . ЦиНии . Международный архив фотограмметрии и дистанционного зондирования . Проверено 27 декабря 2020 г.
  41. ^ Jump up to: а б с д Джонс, Л.Д. (2006). Мониторинг оползней на опасной местности с помощью наземного LiDAR: пример Монтсеррата . OCLC   770329355 .
  42. ^ Гордон, Стюарт Дж.; Личти, Дерек Д. (2007). «Моделирование данных наземного лазерного сканера для точного измерения структурных деформаций» . Журнал геодезической инженерии . 133 (2): 72–80. дои : 10.1061/(asce)0733-9453(2007)133:2(72) . ISSN   0733-9453 .
  43. ^ Jump up to: а б с д и ж Хан, Сухи (12 декабря 2018 г.). «На пути к эффективной реализации октодерева для большого трехмерного облака точек» . Датчики . 18 (12): 4398. Бибкод : 2018Senso..18.4398H . дои : 10.3390/s18124398 . ISSN   1424-8220 . ПМК   6308722 . ПМИД   30545103 .
  44. ^ Jump up to: а б Жабоедофф, Мишель; Абеллан, Антонио; Карреа, Дарио; Деррон, Марк-Анри; Маташи, Баттиста; Мишо, Клеман (22 марта 2018 г.), «Картирование и мониторинг оползней с использованием LIDAR» , Natural Hazards , Бока-Ратон, Флорида: CRC Press, стр. 397–420, номер домена : 10.1201/9781315166841-17 , ISBN.  978-1-315-16684-1 , получено 7 октября 2020 г.
  45. ^ Jump up to: а б Хосравипур, Анахита; Скидмор, Эндрю К.; Изенбург, Мартин (2016). «Создание цифровых моделей поверхности без шипов с использованием необработанных облаков точек LiDAR: новый подход для лесного хозяйства» . Международный журнал прикладного наблюдения Земли и геоинформации . 52 : 104–114. Бибкод : 2016IJAEO..52..104K . дои : 10.1016/j.jag.2016.06.005 . ISSN   0303-2434 .
  46. ^ Jump up to: а б с Ло, Шечжоу; Чен, Цзин М.; Ван, Ченг; Си, Сяохуань; Цзэн, Хунчэн; Пэн, Дайлян; Ли, Донг (18 мая 2016 г.). «Влияние плотности точек LiDAR, размера выборки и порога высоты на точность оценки биофизических параметров сельскохозяйственных культур» . Оптика Экспресс . 24 (11): 11578–93. Бибкод : 2016OExpr..2411578L . дои : 10.1364/oe.24.011578 . ISSN   1094-4087 . ПМИД   27410085 .
  47. ^ Jump up to: а б с д Коллинз, Брайан Д.; Сток, Грег М. (29 марта 2012 г.). «Характеристика скальной опасности камнепадов на основе лидара» . ГеоКонгресс 2012 . Рестон, Вирджиния: Американское общество инженеров-строителей: 3021–3030. дои : 10.1061/9780784412121.309 . ISBN  978-0-7844-1212-1 .
  48. ^ Jump up to: а б с д и Кеннеди, Майкл (7 июля 2009 г.). Глобальная система позиционирования и ArcGIS . дои : 10.1201/9781420088007 . ISBN  9780429144547 .
[ редактировать ]

Для более подробного описания концепций несколько ссылок приведены ниже:

Retrieved from "https://en.wikipedia.org/w/index.php?title=Geological_structure_measurement_by_LiDAR&oldid=1230689356"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 1563b105704f81b2ea209370a85e452d__1719191640
URL1:https://arc.ask3.ru/arc/aa/15/2d/1563b105704f81b2ea209370a85e452d.html
Заголовок, (Title) документа по адресу, URL1:
Geological structure measurement by LiDAR - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)