摘要：针对高海拔峡域地形地貌环境下基于轻小型无人机载LiDAR对高陡边坡激光点云扫描数据缺失导致DEM重建及形变分析精度低的问题,优化设计了一种垂直于山脊线、变高飞行的无人机点云/多视影像数据采集,以及影像密集匹配点云辅助下LiDAR三维激光点云的滑坡群DEM重建方案,实现了复杂地形地貌下LiDAR点云数据安全、高效的采集,改善了高陡边坡DEM重建及形变监测的精度和完整性。该方法基于迭代最邻近点算法,将倾斜影像生成的点云数据与同期获取的LiDAR点云数据配准和融合,实现了LiDAR点云数据缺失补偿,进而构建出完整、高精度的DEM,并与往期倾斜影像生成的DEM进行差分,对三个典型滑坡体进行了高程形变分析。以青海龙羊峡水电站的高陡边坡滑坡群为研究区,利用实测的GNSS地面控制点进行实验验证,得出结论:融合后的LiDAR点云精度为0.063 m,比融合前提高了0.018 m;重建的三个典型滑坡体的DEM高程精度为0.08 m,提升了边坡DEM重建的完整性和精度;对三个典型滑坡体2018、2021年两期高程形变分析,表明:滑坡群中多个边坡发生不同程度的土体滑动,高程方向的形变高达50多米,滑坡群形变量大。

摘要：针对钼矿区土地退化状况的监测与评价难题,以中国典型钼矿区——陕西金堆城钼矿区为研究区,选取采用2013年、2015年、2017年3期Landsat多光谱卫星影像为数据源,提出采用时间序列遥感数据的特征分析方法,提取反映植被和土壤质量的5种影响因子,即比值植被指数(RVI)、归一化植被指数(NDVI)、土壤亮度指数(SBI)、土壤含水率(SM)和土壤调整植被指数(SAVI);引入基于权重分析的层次分析法对中国典型钼矿区土地退化情况进行评价与分析.结果表明:矿区采矿场土地退化情况最为严重,并且退化情况逐年增加,2013年退化情况最轻,但随着矿区的开采,周边植被遭到破坏,土地退化状况加剧.近年随着国家对秦岭众多矿区生态环境恢复及治理的重视,矿区生态环境破坏情况有所好转,部分区域(如废渣堆放区)已进行了绿化,进而验证了利用该文方法进行矿区的土地退化状况评价结果是有效的,与实际情况一致.