自适应空间密度滤波的ICESat‑2激光雷达测深

谌一夫; 李帅; 张东方; 乐源; 王力哲

doi:10.13203/j.whugis20220453

您当前的位置：

首页 >

文章列表页 >

自适应空间密度滤波的ICESat‑2激光雷达测深

摄影测量与遥感 | 更新时间：2026-11-05

- 自适应空间密度滤波的ICESat‑2激光雷达测深
- ICESat‑2 LiDAR Bathymetry Based on Adaptive Spatial Density Filtering
- 武汉大学学报（信息科学版） 2025年50卷第1期页码：83-96
- 作者机构：
  
  1.湖北珞珈实验室，湖北武汉，430079
  2.中国地质大学（武汉）计算机学院，湖北武汉，430074
  3.中国地质大学（武汉）地理与信息工程学院，湖北武汉，430074
- 作者简介：
  
  谌一夫，博士，副教授，研究方向为卫星遥感对地观测、激光海洋测量、遥感信息工程。stein_syf@foxmail.com
  张东方，博士。zhangdongfang@cug.edu.cn
- 基金信息：
  
  湖北珞珈实验室专项基金(220100035);国家自然科学基金(42171373);东海实验室开放基金(DH-2022KF01003);智能地学信息处理湖北省重点实验室开放基金(KLIGIP-2022-C01;KLIGIP-2022-B04)
- DOI：10.13203/j.whugis20220453
  中图分类号： P237
- 收稿：2023-03-09，
  
  纸质出版：2025-01-05
- 稿件说明：
移动端阅览
谌一夫,李帅,张东方，等.自适应空间密度滤波的ICESat‑2激光雷达测深[J].武汉大学学报（信息科学版）,2025,50(1):83-96.

CHEN Yifu,LI Shuai,ZHANG Dongfang,et al.ICESat‑2 LiDAR Bathymetry Based on Adaptive Spatial Density Filtering[J].Geomatics and Information Science of Wuhan University,2025,50(1):83-96.
谌一夫,李帅,张东方，等.自适应空间密度滤波的ICESat‑2激光雷达测深[J].武汉大学学报（信息科学版）,2025,50(1):83-96. DOI：,10.13203/j.whugis20220453

CHEN Yifu,LI Shuai,ZHANG Dongfang,et al.ICESat‑2 LiDAR Bathymetry Based on Adaptive Spatial Density Filtering[J].Geomatics and Information Science of Wuhan University,2025,50(1):83-96. DOI：,10.13203/j.whugis20220453

摘要

冰、云和陆地高程卫星2号（ice

cloud and land elevation satellite-2

ICESat-2）搭载了先进地形激光测高系统（advanced topographic laser altimeter system，ATLAS），该系统采用光子计数探测模式，可获取高精度的地表高程信息。ATLAS使用532 nm波段激光器，具备一定的水深探测能力，为星载数据近岸水深探测提供了新手段。利用ICESat-2 ATLAS数据进行测深，关键问题是如何实现不同区域、不同环境、不同密度分布条件下信号光子的自动探测与提取。为解决此问题，提出了一种基于自适应空间滤波的ICESat-2数据测深方法，该方法首先将水面以上、水面和水下区域的原始光子进行分离，随后基于可变椭圆密度滤波核精确提取水面与水底光子，椭圆密度滤波核参数根据不同水深下光子密度的分布特点自适应确定，最终实现浅海水深测量。实验结果表明，所提方法获取的ICESat-2测深结果与机载激光雷达测深结果的相关系数达到0.93，均方根误差为0.51 m，具有较高的测深精度。

Abstract

Objectives

The ice

cloud

and land elevation satellite-2 (ICESat-2)

equipped with the advanced topographic laser altimeter system (ATLAS)

is a new measurement strategy with a photon-counting technique to obtain the high-accuracy elevation information in the surface of the Earth. ATLAS uses a 532 nm band laser to emit three pairs of scanning laser beams

each pair containing one strong and one weak sub-beam. The receiver collects millions of return photons from the echo

and each received photon is recorded. In the field of bathymetry

photon counting LiDAR has great advantages. For traditional LiDAR with linear detection regime

the only way to achieve high signal-to-noise ratio requirement is to increase the emitted laser energy

which results in a very bulky and huge system and high design power consumption. Photon counting LiDAR is no longer confined to the detection of clear high signal-to-noise ratio echo waveform. It uses statistical optics theory to achieve effective ranging

and maximizes the use of each photon energy in the laser echo

which can greatly improve the detection efficiency of bathymetry detection while reducing the system complexity

providing new opportunities for near-shore bathymetry detection. Based on ICESat-2 ATLAS data for bathymetry

the main problem is how to achieve automatic detection and extraction of signal photons for raw photons in different regions

different environments and different density distributions.

Methods

To overcome these existing problems

an adaptive spatial filtering bathymetric method based on photon density distribution is proposed. The method first separate the photons into above the water

water-surface

and underwater photons. The filter parameters can be automatically determined by the photon density distribution generated based on the optical characteristics of different water bodies and water depth distribution

so that the signal photons of the water surface and bottom can be precisely extracted to achieve bathymetry. In order to verify the bathymetric accuracy of the method

experiments were conducted using ATLAS datasets obtained in different areas of the South China Sea

and finally the experimental results were verified by using high-precision bathymetric data acquired by airborne LiDAR.

Results

The validation results show that the coefficient of determination between the ICESat-2 bathymetric results and the airborne LiDAR bathymetric results reaches 0.93

and the correspond root mean square error is 0.51 m

which illustrate the bathymetric potential of the method proposed in this research. In addition

when using photonic data for bathymetry

it is influenced by the refraction of the water body

which mainly exists in the vertical direction and increases with the increase of depth.

Conclusions

Due to the complex diversity of water body environment

the photon bathymetry accuracy will show a certain decreasing trend with the increase of water depth. In future research

bathymetric experiments will be conducted using the method of this paper and the ATLAS dataset to investigate a more accurate refraction correction model in order to explore the bathymetric potential of the satellite-based photon counting LiDAR in different water environments.

关键词

Keywords

references

刘焱雄，郭锴，何秀凤，等 . 机载激光测深技术及其研究进展［J］. 武汉大学学报（信息科学版）， 2017 ， 42 （ 9 ）： 1185 - 1194 .

LIU Yanxiong ， GUO Kai ， HE Xiufeng ， et al . Research Progress of Airborne Laser Bathymetry Technology ［J］. Geomatics and Information Science of Wuhan University ， 2017 ， 42 （ 9 ）： 1185 - 1194 .

申家双，葛忠孝，陈长林 . 我国海洋测绘研究进展［J］. 海洋测绘， 2018 ， 38 （ 4 ）： 1 - 10 .

SHEN Jiashuang ， GE Zhongxiao ， CHEN Changlin . Research Progress of China’s Hydrographic Surveying and Charting ［J］. Hydrographic Surveying and Charting ， 2018 ， 38 （ 4 ）： 1 - 10 .

KIM M ， FEYGELS V ， KOPILEVICH Y ， et al . Estimation of Inherent Optical Properties from CZMIL LiDAR ［C］// LiDAR Remote Sensing for Environmental Monitoring ， Beijing，China ， 2014 .

LUDENO G ， REALE F ， DENTALE F ， et al . An X-band Radar System for Bathymetry and Wave Field Analysis in a Harbour Area ［J］. Sensors ， 2015 ， 15 （ 1 ）： 1691 - 1707 .

孙和平，李倩倩，鲍李峰，等 . 全球海底地形精细建模进展与发展趋势［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 10 ）： 1555 - 1567 .

SUN Heping ， LI Qianqian ， BAO Lifeng ， et al . Progress and Development Trend of Global Refined Seafloor Topography Modeling ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 10 ）： 1555 - 1567 .

邵禹，王德江，张迪，等 . 单光子激光测距技术研究进展［J］. 激光与光电子学进展， 2021 ， 58 （ 10 ）： 258 - 266 .

SHAO Yu ， WANG Dejiang ， ZHANG Di ， et al . Research Progress of Single Photon Laser Ranging Technology ［J］. Laser & Optoelectronics Progress ， 2021 ， 58 （ 10 ）： 258 - 266 .

LI Q H ， DEGNAN J ， BARRETT T ， et al . First Evaluation on Single Photon-Sensitive LiDAR Data ［J］. Photogrammetric Engineering & Remote Sensing ， 2016 ， 82 （ 7 ）： 455 - 463 .

魏婷婷，杨家志，周国清，等 . 基于改进EWT的浅水激光雷达回波信号降噪［J］. 中国激光， 2021 ， 48 （ 11 ）： 158 - 169 .

WEI Tingting ， YANG Jiazhi ， ZHOU Guoqing ， et al . Shallow-Water LiDAR Echo Signal Denoising Based on Improved EWT ［J］. Chinese Journal of Lasers ， 2021 ， 48 （ 11 ）： 158 - 169 .

DEGNAN J ， MACHAN R ， LEVENTHAL E ， et al . Inflight Performance of a Second-Generation Photon-Counting 3D Imaging LiDAR ［C］// Laser Radar Technology and Applications XIII ， Orlando， FL ， 2008 .

王密，韦钰，杨博，等 . ICESat-2/ATLAS全球高程控制点提取与分析［J］. 武汉大学学报（信息科学版）， 2021 ， 46 （ 2 ）： 184 - 192 .

WANG Mi ， WEI Yu ， YANG Bo ， et al . Extraction and Analysis of Global Elevation Control Points from ICESat-2/ATLAS Data ［J］. Geomatics and Information Science of Wuhan University ， 2021 ， 46 （ 2 ）： 184 - 192 .

MARKUS T ， NEUMANN T ， MARTINO A ， et al . The Ice， Cloud， and Land Elevation Satellite-2 （ICESat-2）： Science Requirements， Concept， and Implementation ［J］. Remote Sensing of Environment ， 2017 ， 190 ： 260 - 273 .

PARRISH C E ， MAGRUDER L A ， NEUENSCHWANDER A L ， et al . Validation of ICESat-2 ATLAS Bathymetry and Analysis of ATLAS's Bathymetric Mapping Performance ［J］. Remote Sensing ， 2019 ， 11 （ 14 ）： 1634 .

王虹，张智宇，周辉，等 . 面向森林植被的星载大光斑激光雷达回波仿真［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 5 ）： 711 - 718 .

WANG Hong ， ZHANG Zhiyu ， ZHOU Hui ， et al . Simulation of Forest Vegetation Return Waveform for Satellite Large-Footprint LiDAR ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 5 ）： 711 - 718 .

田礼乔，陈晓玲，邱凤，等 . 星载激光雷达气溶胶数据辅助的近岸浑浊水体大气校正研究［J］. 武汉大学学报（信息科学版）， 2011 ， 36 （ 8 ）： 960 - 963 .

TIAN Liqiao ， CHEN Xiaoling ， QIU Feng ， et al . Atmospheric Correction over Coastal Turbid Waters Based on Space-Borne LiDAR Aerosol Data ［J］. Geomatics and Information Science of Wuhan University ， 2011 ， 36 （ 8 ）： 960 - 963 .

张扬，黄卫东，董长哲，等 . 海洋激光雷达探测卫星技术发展研究［J］. 红外与激光工程， 2020 ， 49 （ 11 ）： 3788 /IRLA20201045.

ZHANG Yang ， HUANG Weidong ， DONG Changzhe ， et al . Research on the Development of the Detection Satellite Technology in Oceanographic LiDAR ［J］. Infrared and Laser Engineering ， 2020 ， 49 （ 11 ）： 3788 /IRLA20201045.

FORFINSKI-SARKOZI N A ， PARRISH C E . Active-Passive Spaceborne Data Fusion for Mapping Nearshore Bathymetry ［J］. Photogrammetric Engineering & Remote Sensing ， 2019 ， 85 （ 4 ）： 281 - 295 .

WANG X ， GLENNIE C ， PAN Z G . Weak Echo Detection from Single Photon LiDAR Data Using a Rigorous Adaptive Ellipsoid Searching Algorithm ［J］. Remote Sensing ， 2018 ， 10 （ 7 ）： 1035 .

ALBRIGHT A ， GLENNIE C . Nearshore Bathymetry from Fusion of Sentinel-2 and ICESat-2 Observations ［J］. IEEE Geoscience and Remote Sensing Letters ， 2021 ， 18 （ 5 ）： 900 - 904 .

ZHANG D F ， CHEN Y F ， LE Y ， et al . Refraction and Coordinate Correction with the JONSWAP Model for ICESat-2 Bathymetry ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2022 ， 186 ： 285 - 300 .

ZHU X X ， NIE S ， WANG C ， et al . A Ground Elevation and Vegetation Height Retrieval Algorithm Using Micro-pulse Photon-Counting LiDAR Data ［J］. Remote Sensing ， 2018 ， 10 （ 12 ）： 1962 .

秦磊，邢艳秋，黄佳鹏，等 . ICESat-2机载实验光子云数据自适应去噪及分类算法［J］. 遥感学报， 2020 ， 24 （ 12 ）： 1476 - 1487 .

QIN Lei ， XING Yanqiu ， HUANG Jiapeng ， et al . Adaptive Denoising and Classification Algorithms for ICESat-2 Airborne Experimental Photon Cloud Data ［J］. Journal of Remote Sensing ， 2020 ， 24 （ 12 ）： 1476 - 1487 .

MA Y ， XU N ， LIU Z ， et al . Satellite-Derived Bathymetry Using the ICESat-2 LiDAR and Sentinel-2 Imagery Datasets ［J］. Remote Sensing of Environment ， 2020 ， 250 ： 112047 .

ZHANG J S ， KEREKES J ， CSATHO B ， et al . A Clustering Approach for Detection of Ground in Micropulse Photon-Counting LiDAR Altimeter Data ［C］// IEEE Geoscience and Remote Sensing Symposium ， Quebec City， Canada ， 2014 .

王春辉，王遨游，荣微，等 . 光子计数激光雷达点云的自适应去噪算法［J］. 激光与光电子学进展， 2021 ， 58 （ 14 ）： 482 - 489 .

WANG Chunhui ， WANG Aoyou ， RONG Wei ， et al . Adaptive Denoising Algorithm for Photon-Counting LiDAR Point Clouds ［J］. Laser & Optoelectronics Progress ， 2021 ， 58 （ 14 ）： 482 - 489 .

YEH R ， NASHED Y S G ， PETERKA T ， et al . Fast Automatic Knot Placement Method for Accurate B-spline Curve Fitting ［J］. Computer-Aided Design ， 2020 ， 128 ： 102905 .

YANG F L ， SU D P ， MA Y ， et al . Refraction Correction of Airborne LiDAR Bathymetry Based on Sea Surface Profile and Ray Tracing ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2017 ， 55 （ 11 ）： 6141 - 6149 .

CHEN Y F ， LE Y ， ZHANG D F ， et al . A Photon-Counting LiDAR Bathymetric Method Based on Adaptive Variable Ellipse Filtering ［J］. Remote Sen‑sing of Environment ， 2021 ， 256 ： 112326 .

NEUMANN T A ， BRENNER A ， HANCOCK D ， et al . ATLAS/ICESat-2 L2A Global Geolocated Photon Data， Version 5 ［R］. Boulder， CO ： NASA National Snow and Ice Data Center Distributed Active Archive Center ， 2021 .

李雨佳，周晓青，李国元，等 . 星载单光子激光雷达浅水测深技术研究进展和展望［J］. 红外与激光工程， 2022 ， 51 （ 10 ）： 107 - 116 .

LI Yujia ， ZHOU Xiaoqing ， LI Guoyuan ， et al . Progress and Prospect of Space-Borne Photon-Counting LiDAR Shallow Water Bathymetry Technology ［J］. Infrared and Laser Engineering ， 2022 ， 51 （ 10 ）： 107 - 116 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

复杂环境GNSS/INS组合定位异常探测自适应方法

ICESat-2高程信息辅助下的北极冰区航线规划

大众智能终端GNSS有意干扰检测技术研究现状与展望

时空智能学：理论与应用

几何与频域双约束的单步扩散海底地形超分辨率重建方法