[论文解读] Scalable Surface Water Mapping up to Fine-scale using Geometric Features of Water from Topographic Airborne LiDAR Data

Hunsoo Song, Jinha Jung|arXiv (Cornell University)|Jan 16, 2023

Remote Sensing and LiDAR ApplicationsEnvironmental Science被引用 3

一句话总结

本文提出了一种完全自动化、可扩展的方法，利用地形机载LiDAR数据进行高分辨率地表水制图，利用水体因重力作用而具有自然几何平坦性的特性。该方法在无需依赖光学反射率的情况下，实现了对城市、沿海和山地等多种地貌中准确的三维水体提取，即使未经参数调优也优于基于NDWI的方法。

ABSTRACT

Despite substantial technological advancements, the comprehensive mapping of surface water, particularly smaller bodies (<1ha), continues to be a challenge due to a lack of robust, scalable methods. Standard methods require either training labels or site-specific parameter tuning, which complicates automated mapping and introduces biases related to training data and parameters. The reliance on water's reflectance properties, including LiDAR intensity, further complicates the matter, as higher-resolution images inherently produce more noise. To mitigate these difficulties, we propose a unique method that focuses on the geometric characteristics of water instead of its variable reflectance properties. Unlike preceding approaches, our approach relies entirely on 3D coordinate observations from airborne LiDAR data, taking advantage of the principle that connected surface water remains flat due to gravity. By harnessing this natural law in conjunction with connectivity, our method can accurately and scalably identify small water bodies, eliminating the need for training labels or repetitive parameter tuning. Consequently, our approach enables the creation of comprehensive 3D topographic maps that include both water and terrain, all performed in an unsupervised manner using only airborne laser scanning data, potentially enhancing the process of generating reliable 3D topographic maps. We validated our method across extensive and diverse landscapes, while comparing it to highly competitive Normalized Difference Water Index (NDWI)-based methods and assessing it using a reference surface water map. In conclusion, our method offers a new approach to address persistent difficulties in robust, scalable surface water mapping and 3D topographic mapping, using solely airborne LiDAR data.

研究动机与目标

• 开发一种鲁棒的、全自动的高分辨率地表水制图方法，确保在多样化和复杂地貌中的一致性能。
• 克服光学影像水体制图的局限性，特别是在大气和地表条件变化下准确检测小型水体（<1公顷）的能力。
• 仅从单一LiDAR点云中提取水体的二维范围和三维高程信息，无需依赖外部数据或后处理。
• 生成准确且水文一致的三维地形模型，其中明确包含水体，减少因时间错配和DEM后处理导致的误差。

提出的方法

• 该方法利用自然水体因重力作用而平坦的物理解释，通过局部点密度和表面平面度识别潜在的水体区域。
• 基于几何相似性（平面度和高程一致性）进行区域合并，将LiDAR点聚合成连贯的水体，起点为通过局部点密度阈值识别的种子点。
• 关键参数包括Z（局部密度的参考点）、ER（平面度误差阈值）和MS（最大区域大小），用于控制水体扩展的敏感度和范围。
• 算法完全自动运行，无需针对特定场地调参，仅依赖LiDAR点云即可提取具有高程信息的水体。
• 通过迭代合并满足几何条件的相邻区域来优化水体边界，确保表面平坦性和高程一致性。
• 该方法输出完整的三维地形模型，其中水体以显式三维几何形式表示，可直接用于水文建模。

实验结果

研究问题

• RQ1 基于LiDAR的方法是否能在不依赖光学反射率或外部数据的情况下，实现对多样化地貌中准确且可扩展的地表水制图？
• RQ2 水体表面的几何平坦性如何在城市区域（存在小型水体）和山地区域（存在阴影和积雪）等复杂环境中实现鲁棒检测？
• RQ3 基于点云几何的全自动方法在检测小型水体方面，与传统的基于NDWI的光学影像方法相比，性能提升程度如何？
• RQ4 该方法是否能作为分割过程的副产品，生成准确的三维水体表示（包括高程信息）？
• RQ5 关键参数（Z、ER、MS）如何影响分割结果？这些参数是否具有物理解释，以确保直观且可解释的调参？

主要发现

• 所提出的方法在所有测试地貌（包括城市、沿海和山地地区）中检测地表水的准确性均高于基于NDWI的光学方法，且无需任何参数调优。
• 在地形复杂、存在小型水体（如水坑、沟渠、面积小于1公顷的池塘）的城市和山地区域，该方法成功提取了常被光学方法遗漏的水体。
• ER（平面度误差阈值）参数对分割结果有显著影响：较低值（0.05）可减少水体范围的过度估计，较高值（0.15）则会增加泛滥伪影。
• MS（最大区域大小）参数有效控制了小型水体的扩展范围：100 m²的设置可检测更小的池塘，而1000 m²的设置则导致欠分割。
• 该方法生成了包含地形和水体的完整三维地形模型，无需后续处理步骤（如水文平坦化DEM），从而减少了配准误差和时间误差。
• 在约2,500 km²多样化地形上的广泛测试证实了该方法的可扩展性和鲁棒性，展示了其在不同地表覆盖类型和地形复杂性下的稳定性能。