Optimal Point Density of Airborne LiDAR Data Collection for Hazards in Mountainous Areas

CHEN Bangsong; SIMA Jingsong; ZHAO Guangzu; DONG Xiujun; LEI Wenquan; CHEN Tingxuan; HE Qiulin

doi:10.13203/j.whugis20240097

您当前的位置：

首页 >

文章列表页 >

Optimal Point Density of Airborne LiDAR Data Collection for Hazards in Mountainous Areas

Photogrammetry and Remote Sensing | 更新时间：2026-11-05

- Optimal Point Density of Airborne LiDAR Data Collection for Hazards in Mountainous Areas
- Geomatics and Information Science of Wuhan University Vol. 51, Issue 5, Pages: 1014-1024(2026)
- 作者机构：
  
  1.中国电建集团华东勘测设计研究院有限公司,浙江杭州，310000
  2.浙江华东岩土勘察设计研究院有限公司，浙江杭州，310030
  3.成都理工大学地质灾害防治与地质环境保护全国重点实验室，四川成都，610059
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20240097
  CLC： P237
- Received：11 December 2024，
  
  Published：05 May 2026
- 稿件说明：
移动端阅览
陈邦松,司马劲松,赵光祖，等.植被茂密山区机载激光雷达数据采集最优点密度试验研究[J].武汉大学学报（信息科学版）,2026,51(5):1014-1024.

CHEN Bangsong,SIMA Jingsong,ZHAO Guangzu,et al.Optimal Point Density of Airborne LiDAR Data Collection for Hazards in Mountainous Areas[J].Geomatics and Information Science of Wuhan University,2026,51(5):1014-1024.
陈邦松,司马劲松,赵光祖，等.植被茂密山区机载激光雷达数据采集最优点密度试验研究[J].武汉大学学报（信息科学版）,2026,51(5):1014-1024. DOI：10.13203/j.whugis20240097

CHEN Bangsong,SIMA Jingsong,ZHAO Guangzu,et al.Optimal Point Density of Airborne LiDAR Data Collection for Hazards in Mountainous Areas[J].Geomatics and Information Science of Wuhan University,2026,51(5):1014-1024. DOI：10.13203/j.whugis20240097

摘要

机载激光雷达（light detection and ranging，LiDAR）能够穿透植被覆盖，快速精准地获取大范围地表数据，对于识别和分析地质灾害至关重要。然而，在植被茂密山区的地质灾害遥感调查领域，机载LiDAR点云密度缺乏统一标准；由于操作人员难以评估不同郁闭度条件下的地面点数量，导致数据冗余和成本增加。针对上述问题，提出了一种最优采集点密度计算方法。在满足测绘标准的基础上，结合目视解译的效果，使用局部地形复杂度作为评判数字高程模型（digital elevation model，DEM）的标准，继而采用离散差差值寻峰法确定不同比例尺和郁闭度下的最优采集点密度。为获取植被茂密地区1∶200调查比例尺之下适于地质灾害解译工作的DEM，需要不少于147点/m

的平均采集点密度；1∶500比例尺对应的是70点/m

；1∶1 000比例尺对应56点/m

；1∶2 000比例尺对应47点/m

。研究结果为茂密植被地区的机载LiDAR点云数据采集工作提供了指导，同时为地质灾害解译和其他相关领域的研究提供了新的思路和方法。

Abstract

Objectives

This research focuses on the application of airborne light detection and ranging (LiDAR) technology in geological hazard investigation in mountainous areas with dense vegetation. Airborne LiDAR can penetrate vegetation cover to acquire a large range of surface data quickly and accurately

which is critical for identifying and analyzing geological hazards. However

in mountainous areas with dense vegetation

especially for remote sensing survey of geological hazards

airborne LiDAR point cloud density lacks a uniform standard. And it is difficult for operators to evaluate the number of ground points under different canopy conditions

resulting in data redundancy and increased cost.

Methods

To solve these problems

this paper proposes a method for calculating the optimal collection point density. On the basis of satisfying the surveying standard and combining the effect of visual interpretation

the local terrain complexity is used as the criterion to evaluate digital elevation model (DEM). Then the discrete difference peak search method is used to determine the optimal collection point density under different scale and canopy density.

Results

In order to obtain precise DEM for geological hazard interpretation in densely vegetated areas with the scale of 1∶200

an average collection point density of not less than 147 points/m

is required

while 70 points/m

corresponding to the scale of 1∶500

56 points/m

corresponding to the scale of 1∶1 000

and 47 points/m

corresponding to the scale of 1∶2 000.

Conclusions

This study provides guidance and reference for airborne LiDAR point cloud data collection in dense vegetation areas

and proposes new ideas and methods for interpretation of geological hazard and other related fields as well.

关键词

Keywords

references

董秀军，邓博，袁飞云，等 . 航空遥感在地质灾害领域的应用：现状与展望［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 12 ）： 1897 - 1913 .

DONG Xiujun ， DENG Bo ， YUAN Feiyun ， et al . Application of Aerial Remote Sensing in Geological Hazards： Current Situation and Prospects ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 12 ）： 1897 - 1913 .

易守勇，徐明宇，张宗胜，等 . 茂密植被区域隐蔽性地质灾害隐患多源遥感识别［J］. 测绘地理信息， 2026 ， 51 （ 1 ）： 44 - 52 .

YI Shouyong ， XU Mingyu ， ZHANG Zongsheng ， et al . Multi-source Remote Sensing Identification of Potential Geological Hazards in Densely Vegetated Areas ［J］. Journal of Geomatics ， 2026 ， 51 （ 1 ）： 44 - 52 .

郭晨，许强，董秀军，等 . 复杂山区地质灾害机载激光雷达识别研究［J］. 武汉大学学报（信息科学版）， 2021 ， 46 （ 10 ）： 1538 - 1547 .

GUO Chen ， XU Qiang ， DONG Xiujun ， et al . Geohazard Recognition by Airborne LiDAR Technology in Complex Mountain Areas ［J］. Geomatics and Information Science of Wuhan University ， 2021 ， 46 （ 10 ）： 1538 - 1547 .

潘星，佘金星，董秀军，等 . 基于机载LiDAR遥感技术的滑坡早期识别研究：以深圳盐田区为例［J］. 测绘通报， 2020 ， 43 （ 6 ）： 243 - 247 .

PAN Xing ， SHE Jinxing ， DONG Xiujun ， et al . Early Recognition of Landslide Hazards by Airborne LiDAR Technology： A Case Study of Yantian District， Shenzhen ［J］. Bulletin of Surveying and Mapping ， 2020 ， 43 （ 6 ）： 243 - 247 .

张先慧，杨飞 . 森林场景下不同径向基函数插值DEM精度的分析［J］. 北京测绘， 2025 ， 39 （ 4 ）： 522 - 527 .

ZHANG Xianhui ， YANG Fei . Analysis of DEM Accuracy Using Different Radial Basis Function Interpolation in Forest Scenarios ［J］. Beijing Surveying and Mapping ， 2025 ， 39 （ 4 ）： 522 - 527 .

王康康，郑学东，赖旭东 . 机载LiDAR点云密度与DEM产品精度关系研究［J］. 测绘地理信息， 2021 ， 46 （ 3 ）： 78 - 82 .

WANG Kangkang ， ZHENG Xuedong ， LAI Xudong . Relationship Between Airborne LiDAR Point Cloud Density and DEM Product Accuracy ［J］. Journal of Geomatics ， 2021 ， 46 （ 3 ）： 78 - 82 .

RAZAK K A ， STRAATSMA M W ， VAN WESTEN C J ， et al . Airborne Laser Scanning of Forested Landslides Characterization： Terrain Model Quality and Visualization ［J］. Geomorphology ， 2011 ， 126 （ 1/2 ）： 186 - 200 .

吴坤泽，马泽，廖玉祥 . 基于航空影像密集匹配点云的DEM快速更新精度分析［J］. 测绘技术装备， 2025 ， 27 （ 1 ）： 21 - 25 .

WU Kunze ， MA Ze ， LIAO Yuxiang . Accuracy Analysis of DEM Fast Updating Based on Densed Matching Point Cloud of Aerial Images ［J］. Geomatics Technology and Equipment ， 2025 ， 27 （ 1 ）： 21 - 25 .

王兴杰，陈东兴，陈传法，等 . 顾及空间异质性的断裂地形区高精度DEM建模方法［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 11 ）： 2303 - 2310 .

WANG Xingjie ， CHEN Dongxing ， CHEN Chuanfa ， et al . A High Accuracy DEM Interpolation Method Considering the Heterogeneous Distribution of Elevations in Areas with Breaklines ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 11 ）： 2303 - 2310 .

BALSA-BARREIRO J ， LERMA J L . A New Methodology to Estimate the Discrete-Return Point Density on Airborne Lidar Surveys ［J］. International Journal of Remote Sensing ， 2014 ， 35 （ 4 ）： 1496 - 1510 .

梁四幺 . 基于地形特征复杂度的机载LiDAR点云数据抽稀算法研究［J］. 测绘技术装备， 2024 ， 26 （ 4 ）： 83 - 87 .

LIANG Siyao . Research on Airborne LiDAR Point Cloud Data Thinning Algorithm Based on the Complexity of Terrain Features ［J］. Geomatics Technology and Equipment ， 2024 ， 26 （ 4 ）： 83 - 87 .

戴志林，郭辉，包勤跃 . 基于UAV影像点云密度的植被稀疏区DEM精度分析［J］. 北京测绘， 2025 ， 39 （ 3 ）： 316 - 321 .

DAI Zhilin ， GUO Hui ， BAO Qinyue . DEM Accuracy Analysis of Sparse Vegetation Area Based on Point Cloud Density of UAV Images ［J］. Beijing Surveying and Mapping ， 2025 ， 39 （ 3 ）： 316 - 321 .

陈嘉阳，卜宪海，陈殿称，等 . 顾及地形复杂度因子权重的多波束点云抽稀算法［J］. 山东科技大学学报（自然科学版）， 2022 ， 41 （ 5 ）： 21 - 29 .

CHEN Jiayang ， BU Xianhai ， CHEN Dianchen ， et al . A Thinning Algorithm of Multibeam Point Cloud Considering Weight of Terrain Complexity Factor ［J］. Journal of Shandong University of Science and Technology （Natural Science）， 2022 ， 41 （ 5 ）： 21 - 29 .

赵勋，岳彩荣，李春干，等 . 基于机载LiDAR点云数据森林郁闭度估测［J］. 遥感技术与应用， 2020 ， 35 （ 5 ）： 1136 - 1145 .

ZHAO Xun ， YUE Cairong ， LI Chungan ， et al . Estimation of Forest Canopy Density Based on Airborne LiDAR Point Cloud Data ［J］. Remote Sensing Technology and Application ， 2020 ， 35 （ 5 ）： 1136 - 1145 .

孙旭娜，刘晓明，曲伟霞，等 . 顾及地形特征的露天矿倾斜摄影测量DEM数据抽稀算法［J］. 现代矿业， 2022 ， 38 （ 2 ）： 68 - 71 .

SUN Xu'na ， LIU Xiaoming ， QU Weixia ， et al . DEM Data Thinning Algorithm of Open-Pit Mine Slope Photogrammetry Considering Terrain Characteristics ［J］. Modern Mining ， 2022 ， 38 （ 2 ）： 68 - 71 .

贝祎轩，陈传法，王鑫，等 . 机载LiDAR点云密度和插值方法对DEM及地表粗糙度精度影响分析［J］. 地球信息科学学报， 2023 ， 25 （ 2 ）： 265 - 276 .

BEI Yixuan ， CHEN Chuanfa ， WANG Xin ， et al . Effects of Airborne LiDAR Point Cloud Density and Interpolation Methods on the Accuracy of DEM and Surface Roughness ［J］. Journal of Geo⁃Information Science ， 2023 ， 25 （ 2 ）： 265 - 276 .

段祝庚，吴凌霄，江学良 . 无人机激光雷达点云密度对森林遥感反演指数提取的影响［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 12 ）： 1923 - 1930 .

DUAN Zhugeng ， WU Lingxiao ， JIANG Xueliang . Effect of Point Cloud Density on Forest Remote Sensing Retrieval Index Extraction Based on Unmanned Aerial Vehicle LiDAR Data ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 12 ）： 1923 - 1930 .

卢华兴，刘学军，汤国安 . 地形复杂度的多因子综合评价方法［J］. 山地学报， 2012 ， 30 （ 5 ）： 616 - 621 .

LU Huaxing ， LIU Xuejun ， TANG Guoan . Terrain Complexity Assessment Based on Multivariate Analysis ［J］. Mountain Research ， 2012 ， 30 （ 5 ）： 616 - 621 .

薛玫娇 . 基于DEM的黄土丘陵沟壑区地形复杂度测算［D］. 西安：西安科技大学， 2018 .

XUE Meijiao . Calculation of Terrain Complexity in Loess Hilly and Gully Areas Based on DEM ［D］. Xi'an ： Xi'an University of Science and Technology ， 2018 .

张雪莹，张正勇，刘琳，等 . 新疆地形复杂度的空间格局及地理特征［J］. 地理研究， 2022 ， 41 （ 10 ）： 2832 - 2850 .

ZHANG Xueying ， ZHANG Zhengyong ， LIU Lin ， et al . Spatial Pattern and Geographical Characteristics of Terrain Complexity Index in Xinjiang ［J］. Geographical Research ， 2022 ， 41 （ 10 ）： 2832 - 2850 .

张磊 . 基于核心地形因子分析的黄土地地貌形态空间格局研究［D］. 南京：南京师范大学， 2013 .

ZHANG Lei . Research on Spatial Pattern of Loess Landform Based on Core Terrain Factor Analysis ［D］. Nanjing ： Nanjing Normal University ， 2013 .

王泽辉，岳林峰 . 湖南省年均降水量空间插值比较分析［J］. 北京测绘， 2019 （ 11 ）： 1318 - 1322 .

WANG Zehui ， YUE Linfeng . Spatial Interpolation Comparison and Analysis of Annual Average Precipitation in Hunan Province ［J］. Beijing Surveying and Mapping ， 2019 （ 11 ）： 1318 - 1322 .

吴福，廖泽源，何娜，等 . 面向茂密植被山区地质灾害调查的LiDAR点云密度优化研究［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 4 ）： 751 - 761 .

WU Fu ， LIAO Zeyuan ， HE Na ， et al . Airborne LiDAR for Geological Hazard Investigation in Mountainous Areas with Dense Vegetation on Point Cloud Density Optimization ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 4 ）： 751 - 761 .

DIAKOULAKI D ， MAVROTAS G ， PAPAYANNAKIS L . Determining Objective Weights in Multiple Criteria Problems： The Critic Method ［J］. Computers & Operations Research ， 1995 ， 22 （ 7 ）： 763 - 770 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Geometric Characteristics Analysis of the 2·8 Junlian Landslide， Yibin Based on Airborne LiDAR

Effect of Point Cloud Density on Forest Remote Sensing Retrieval Index Extraction Based on Unmanned Aerial Vehicle LiDAR Data

Application of Aerial Remote Sensing in Geological Hazards： Current Situation and Prospects

Thoughts on Smart Nautical Charts

Geometric and Frequency-Domain Constrained Single-Step Diffusion for Seabed Terrain Super-Resolution Reconstruction

Related Author

DENG Bo

XU Qiang

DONG Xiujun

ZHAO Jianjun

LAI Qiyi

XU Yingjie

WU Lingxiao

DUAN Zhugeng

Related Institution

State Key Laboratory of Geohazard Prevention and Geoenvironment Protection, Chengdu University of Technology

Department of Civil Engineering, Central South University of Forestry and Technology

State Key Laboratory of Geo‑hazard Prevention and Geo‑environmental Protection ,Chengdu University of Technology

Sichuan Tibetan Area Expressway Co. Ltd

Chongqing Institute of Geology and Mineral Resources

AI问答

⁰