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

机载LiDAR点云是获取高质量数字高程模型(Digital Elevation Model,DEM)的主要数据源,而地表粗糙度作为DEM的主要派生产品,在地学研究中发挥了重要作用,但点云密度和插值方法对DEM及地表粗糙度精度影响程度并没有明确结论.为此,本文利用不同地形条件下的林区机载LiDAR点云为实验对象,将原始点云随机缩减为不同的采样密度,利用5种常用插值方法(克里金(Ordinary Kriging,OK),径向基函数(Radial Basis Function,RBF),不规则三角网(Triangulated Irregular Net-work,TIN),自然邻域(Natural Neighbor,NN)和反距离加权(Inverse Distance Weighting,IDW))构建各个测区不同采样密度条件下的DEM,并通过空间特征和统计特征两方面对DEM及其地表粗糙度精度分析.结果表明:①DEM插值算法的精度随点云密度缩减而降低,且数据量缩减至原始数据量的30％后,不同算法精度区别较为明显,其中,RBF和OK精度最优,IDW精度最低;②DEM误差与地表粗糙度存在正相关,随数据密度降低,OK、RBF、IDW所得粗糙度与DEM误差的相关系数均降低,与TIN和NN的相关系数先降低后在30％处升高;③从插值生成的DEM中提取地表粗糙度,其误差随数据密度缩减而增大,其中IDW所得粗糙度的精度在密度为90％和70％时最高,而数据密度缩减至50％后,RBF能够更准确地捕捉到地形变化.