UAV搭載SfMおよびLiDAR点群を用いたストリームDTM生成手法の開発

背景:

• 正確なデジタル標高モデル (DTM) は、河川環境における水文学的および生態学的モデリングに不可欠です。
• ストリーム領域で正確なDTMを生成することは、水域および密な河畔植生のために特有の課題を提示します。
• 既存の方法は、DTM精度の向上のために多様な点群データを効果的に統合するために洗練が必要です。

研究 の 目的:

• 統合UAVベースのStructure from Motion (SfM) およびLiDARデータを使用して、ストリーム領域で正確なDTMを生成するための方法論を提案および評価すること。
• 河川環境における非地上点の除去のために、3つの異なるグラウンドフィルタリングアルゴリズム (CSF, PTIN, SMRF) の性能を比較すること。
• 水文学的および生態学的モデリングアプリケーションのために生成されたDTMの精度を評価すること。

主な方法:

• UAVベースのLiDAR (Zenmuse L1) およびSfM (Phantom 4 multispectral) によって取得された点群の統合。
• 正規化差分水指数 (NDWI) を使用した水域および非水域の分類。
• 3つのグラウンドフィルター (Cloth Simulation Filter (CSF), Progressive TIN (PTIN), Simple Morphological Filter (SMRF)) の適用と比較。

主要な成果:

• Simple Morphological Filter (SMRF) は、平均絶対誤差 (MAE) 0.160 m および二乗平均平方根誤差 (RMSE) 0.214 m を達成し、優れた性能を示しました。
• SMRF は効果的に植生を除去し、河畔の地形的特徴を保持しました。
• SMRF は水域の標高を過小評価する傾向を示し、水没地形のさらなる洗練が必要であることを示唆しています。

結論:

• UAV-LiDAR、SfM、および高度なフィルタリングを統合した提案された方法論は、ストリーム環境におけるDTM精度を大幅に向上させます。
• SMRF は、植生除去と地形保持のバランスを取りながら、本研究におけるDTM生成に最も効果的なフィルターとして特定されました。
• 改善されたDTMは、小規模河川システムのメソスケール水文学的および生態学的モデリングに実質的な利点を提供します。