EN中文

地球信息科学学报 >

2023 , Vol. 25 >Issue 8: 1559 - 1569

DOI: https://doi.org/10.12082/dqxxkx.2023.220868

地球信息科学理论与方法

适用于海岛的ICESat-2高程控制点提取方法

  • 戴泽源 , 1, 2 ,
  • 张立华 , 1, 2, * ,
  • 张林 3 ,
  • 刘翔 1, 2 ,
  • 周寅飞 1, 2 ,
  • 陈秋 4
展开
  • 1.海军大连舰艇学院军事海洋与测绘系，大连 116018
  • 2.海军大连舰艇学院海洋测绘工程军队重点实验室，大连 116018
  • 3.海军大连舰艇学院导弹与舰炮系，大连 116018
  • 4.91001部队，北京 100071
*张立华（1973— ），男，湖南桃江人，博士，教授，主要从事海上作战环境保障研究。E-mail:

戴泽源（1994— ），男，福建长汀人，博士生，主要从事海上作战环境保障研究。E-mail:

收稿日期: 2022-11-07

  修回日期: 2022-12-11

  网络出版日期: 2023-07-14

基金资助

国家自然科学基金项目(41871369)

国家自然科学基金项目(41871295)

国家自然科学基金项目(41901320)

国家自然科学基金项目(42071439)

收起

A Method of Island Elevation Control Point Extraction Utilizing ICESat-2 Data

  • DAI Zeyuan , 1, 2 ,
  • ZHANG Lihua , 1, 2, * ,
  • ZHANG Lin 3 ,
  • LIU Xiang 1, 2 ,
  • ZHOU Yinfei 1, 2 ,
  • CHEN Qiu 4
Expand
  • 1. Department of Military Oceanography and Hydrography & Cartography, Dalian Naval Academy, Dalian 116018, China
  • 2. Key Laboratory of Hydrographic Surveying and Mapping of PLA, Dalian Naval Academy, Dalian 116018, China
  • 3. Department of Missiles and Shipboard Gunnery, Dalian Naval Academy, Dalian 116018, China
  • 4. 91001 Troops, Beijing 100071, China
*ZHANG Lihua, Email:

Received date: 2022-11-07

  Revised date: 2022-12-11

  Online published: 2023-07-14

Supported by

National Natural Science Foundation of China(41871369)

National Natural Science Foundation of China(41871295)

National Natural Science Foundation of China(41901320)

National Natural Science Foundation of China(42071439)

Fold

摘要

针对海岛控制信息获取困难这一现实问题，提出一种基于ICESat-2 ATL08数据的海岛高程控制点提取方法。首先，通过水域掩膜标记与参考高程数据，去除数据中的海域点与粗差点，降低后续处理的数据量；然后，综合分析大气环境、信噪比、数据完整性等因素对高程值的影响，构建多参数约束初步筛选数据；最后，充分利用数据中的已有参数信息，结合控制点精度指标设计自适应地形阈值对高程控制点进行精细化提取。以波多黎各部分离岛及美属维尔京群岛高精度DEM（Digital Elevation Model）数据验证所提取高程控制点的准确性，实验结果表明：相较于原始数据，本文方法提取的高程控制点在平地、丘陵和山地区域的平均绝对误差与中误差分别从2.65 m/7.23 m、3.92 m/7.65 m、4.93 m/8.29 m减小为0.28 m/0.61 m、0.46 m/0.79 m、0.63 m/0.89 m；在保证精度的前提下，本文方法提取的高程控制点数量显著多于现有方法；利用本文方法，可从海岛区域提取一定数量、精度可靠的高程控制点，能为后续全球海图修测与质量控制提供有力数据支撑。

关键词： 海岛（礁）; ICESat-2; ATL08; 高程控制点; 自适应阈值; 星载激光雷达; 光子计数; 海图修测

本文引用格式

戴泽源 , 张立华 , 张林 , 刘翔 , 周寅飞 , 陈秋 . 适用于海岛的ICESat-2高程控制点提取方法[J]. 地球信息科学学报, 2023 , 25(8) : 1559 -1569 . DOI: 10.12082/dqxxkx.2023.220868

Abstract

To address the challenge of island elevation control information acquisition, a method of island elevation control point extraction based on ICESat-2 ATL08 data is proposed. Firstly, the sea area points and the gross error points in the data are deleted via the water area mask and the reference data, which reduces the volume of data waiting to be processed. Then, considering the impact of the atmospheric environment, signal-to-noise ratio, and data integrity on the accuracy of elevation control points, the data are preliminary screened with multiparameter restrictions. Finally, an adaptive terrain threshold is determined to extract the elevation control points based on the precision index. The accuracy of the extracted elevation control points are validated using high-precision Digital Elevation Model (DEM) data from various islands in Puerto Rico's outlying islands and the United States Virgin Islands. The experimental results show that, compared to the original data, the Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) of the elevation control points extracted by the proposed method in the flat, hilly, and mountainous regions are reduced from 2.65 m/7.23 m, 3.92 m/7.65 m, and 4.93 m/8.29 m to 0.28 m/0.61 m, 0.46 m/0.79 m, and 0.63 m/0.89m, respectively. On the premise of ensuring accuracy, the number of elevation control points extracted by the proposed method is significantly larger than that of the existing methods. Our proposed method allows for extraction of a specific number of reliable elevation control points from the island region, which provides a solid foundation for the global nautical chart renovation and quality control.

Key words： island; ICESat-2; ATL08; elevation control point; adaptive threshold; spaceborne LiDAR; photon counting; nautical chart renovation

1 引言

海岛（礁）地形测量是海洋测绘的重要组成部分，高程控制点是地形测量与精度检验的重要基础数据[1-2]。由于远离大陆、分布零散等现实因素，通过传统外业方式获取高程控制点效率低、成本高、风险大，难以保证数据对现势性的要求，且对于部分位于敏感区域的海岛，实测控制信息的获取几无可能。星载激光雷达（Light Detection and Ranging，LiDAR）凭借其无地域限制、全天时、远距离对地观测等特点，能够快速直接地获取全球范围内地物的三维空间信息[3]，并能辅助卫星影像区域网平差、提升无地面控制点条件下的影像定位精度[4-5]，已成为高程控制数据的可靠数据来源之一，可为海图修测与质量控制等海战场环境保障应用提供坚实数据基础[6-7]。
目前已有多颗对地观测卫星搭载了LiDAR测高系统，依其测量体制，可分为全波形LiDAR和光子计数LiDAR共2类。其中，星载全波形LiDAR技术较为成熟、平台众多，已被广泛应用于高程控制点提取[8]。李国元等[9]、谭建伟等[10]、Li等[11]基于ICESat（Ice, Cloud and land Elevation Satellite）数据，分别通过构建多准则约束、波形分解与拟合、细化理论误差模型等多种方式，提取了部分满足1:50 000控制需求的高程控制点，构建了覆盖全球大陆的高程控制点数据集。但该数据足印直径相对较大（约70 m），数据精度不够稳定，且该卫星已于2009年失效，无法满足海图修测与质量控制对海岛高程控制点现势性的需求。我国于2019年11月发射的高分七号卫星也搭载了全波形LiDAR测高仪，经在轨检校和多参数约束后，所提取的激光测高点平均测量精度可达0.5 m[12-13]。然而，该数据的足印间距较大（约2.4 km）[14]，经质量控制后分布较为稀疏，一定程度上限制了其在海岛高程控制点获取中的应用。
作为当前唯一搭载光子计数LiDAR的对地观测卫星，ICESat-2（Ice, Cloud and land Elevation Satellite-2）于2018年9月发射，为获取更为精细的地表三维信息提供了新手段。但因测量体制差异，基于星载全波形LiDAR数据的高程控制点提取方法不能直接应用于ICESat-2数据，且ICESat-2发射和接收的均为弱信号，在数据获取过程中不可避免地会受到大气散射、太阳背景及仪器噪声等多种因素的干扰。现有研究表明，采集时间、植被覆盖类型、地形坡度等因素都会对ICESat-2的测高精度造成一定程度的影响[15⇓⇓-18]。因此，需要对数据进行一定筛选后，才能作为高程控制信息使用。由于具备强大的探测能力和多样化的使命任务，ICESat-2数据按级别可分为Level-1、Level-2、Level-3A、Level-3B四级，其下又细分为ATL00-ATL21（无ATL05）21种数据产品，数据性质与所含属性参数差异较大。其中，Level3A级数据ATL08（陆地和植被高程数据）是在Level2级数据ATL03（全球定位光子数据）的基础上，通过差分回归高斯自适应去噪算法（Differential，Regressive，and Gaussian Adaptive Nearest Neighbor，DRAGANN）得到信号光子后，采用迭代滤波方式将信号光子分类为冠层和地表光子，并以100m为统计单元拟合得出中心点的冠层和地表高程值[19]。相较于记录了沿轨密集分布光子信息的ATL03数据，ATL08作为更高级的数据产品，数据中包含部分测量过程中记录的大气环境参数、高程拟合时的统计特征、粗略的全球参考高程等信息，且数据量相对较小，益于高程控制点的快速提取。依据这些先验知识，王密等[20]基于参考高程和部分属性参数对基于ICESat-2 ATL08数据的高程控制点提取方法展开了研究。在此基础上，郑迎辉等[21]进一步扩充了筛选准则，将地面光子数量纳入考量范围，在一定程度上提升了所提取高程控制点的精度。但上述方法均仅基于ICESat-2 ATL08数据内部参数设置固定阈值，不能依据所需的测量精度指标要求自适应地开展高程控制点的提取，在地形复杂区域提取的高程控制点数量往往不能满足需求。同时，由于上述研究大多关注高程控制点在大范围、大比例尺测图中的应用，因此仅在内陆地区对所提取的控制点进行了精度验证，ICESat-2数据是否适用于陆域面积相对较小的海岛高程控制点提取，仍有待进一步探索。为此，本文以ICESat-2 ATL08数据为基础，对星载光子计数LiDAR数据高程控制点提取及其在海岛区域的适用性展开研究。首先去除数据中的海域点与粗差点，降低后续处理的数据量；然后构建多参数约束，对数据进行初步筛选；最后依据所需的高程控制精度，设置自适应地形阈值精细化提取高程控制点，并通过实验验证了所提方法的可行性。

2 研究方法

2.1 粗差点快速去除

海岛四面环海，相对大陆面积较小，ATL08数据中绝大部分的高程点位于海部，为了提升后续高程控制点筛选的效率，有必要首先去除数据中的海域点。ATL08数据中的segment_landcover参数提供了基于100 m空间分辨率哥白尼全球土地覆盖（Copernicus Global Land Cover）数据的地表覆盖类型信息。本文利用该参数，结合研究区域公开发行的海图数据构建水域掩膜标记，通过属性分析与叠置分析快速提取数据中的陆域点。同时，仪器误差、极端大气条件等因素都可能造成高程值测量异常，数据中不可避免地存在精度较差的粗差点，这些粗差点可通过同参考高程数据的比较实现快速去除。在统计意义上，中值对离群点的探测更为敏感[22]，为此，本文提取ATL08数据参数中的地表高程中值（h_te_median）与插值地表高程值（h_te_interp），并以式（1）为基础计算同ATL08数据中自带参考高程值（dem_h）的高程差，将高程差大于阈值的高程点视为粗差点予以去除。
H m e d - H r e f ≤ 3 σ r e f H i n t e r p - H r e f ≤ 3 σ r e f
式中：Hmed、Hinterp、Href分别为地表高程中值、插值地表高程值与参考高程值； σ r e f表示参考高程的绝对高程精度。通常， 3 σ r e f的值可取为25 m[22]。

2.2 多参数约束的高程控制点初步筛选

ICESat-2数据的高程测量精度可能受到多种外部因素的复合影响，为了保证所提取高程控制点的有效性、精确性，本文在深入分析ATL08数据算法理论文档[22]的基础上，结合已有文献对ATL08数据的精度评价结论[16⇓-18]，对现有研究[20-21]中所使用的约束指标进行了一定综合与扩充，从大气环境、信噪比、数据完整性3个角度出发，构建多参数约束，以实现对高程控制点的初步筛选。
星载LiDAR所发射的激光脉冲在往返大气过程中，复杂的大气环境会使其产生散射，导致能量衰减，影响测高精度，但这为ICESat-2开展大气、云与气溶胶探测提供了理论支撑[23]，ATL08数据中也包含了观测时大气状态的探测参数。本文首先通过多重散射警告标记（msw_flag）判断当前数据是否受到散射影响：若不存在散射影响，保留该数据；若存在散射影响，进一步分析散射影响来源，当散射影响仅同云层有关时，通过云量标记（cloud_flag_atm）判断当前云量情况，并仅保留统计单元内云量小于20%的高程点。
现有研究表明，信噪比也是影响ICESat-2测高精度的重要因素[24]。用于生成ATL08数据的DRAGANN算法从低信噪比数据中提取的信号光子置信度较差，当原始光子点云信噪比小于1:9时，即便通过人工判读也很难对信号与噪声光子进行准确区分[25]。为减少信噪比对高程值的影响，本文只保留信噪比参数（snr）大于1:3的高程点。
ATL08数据中的高程值是基于统计单元内的信号光子加权插值拟合得出的[22]。因此，每个统计单元内的信号光子绝对数量与空间分布也对最终所提取的高程控制点精度有很大影响[20,26]。对光子的绝对数量而言，地表光子数过低可能意味着冠层密集或足印内存在高反射率地物，光子无法到达地表，导致用于计算地形高程的光子数量不足。在ATL08产品生成过程中，当每个统计单元中的信号光子数过少（≤50）时，将不计算后续的冠层与地表高程值。基于此前提，本文进一步细化约束条件，只保留统计单元中地表光子数（n_te_photons）不少于50的高程点。
为了保证高程拟合结果的稳定性，地表光子在理想状态下应在沿轨方向上连续、均匀分布，现有方法大多没有对这一重要因素进行评估。在最新版本（V005）的ATL08数据中，提供了h_te_best_fit_20 m参数来表征每个统计单元内以20 m间隔构建的子统计单元地表光子的最佳拟合高程[27]，每个100 m统计单元内含有5个20 m子统计单元，这一子统计单元的大小已十分接近ICESat-2原始足印（约17 m）。当子统计单元内的信号光子及地表光子过少（≤10）时，该值被填充为一个无效值。本文通过对统计单元内所有h_te_best_fit_20 m参数进行有效值判定，保留中心点所处及其前后共计3个子统计单元内h_te_best_fit_20 m均为有效值的高程点，间接评估地表光子在沿轨方向上分布的连续性和完整性。

2.3 顾及自适应地形阈值的高程控制点精细化提取

相较于机/船载LiDAR，星载LiDAR所对应的激光足印较大，已显著区别于传统意义上的“点”，地形对星载LiDAR测高精度的影响往往不可忽视。通常认为地形起伏越大、地表越粗糙，ATL08数据中的高程值精度越不稳定。现有方法仅基于ATL08数据中的坡度参数（terrain_slope），采用固定阈值对数据进行筛选，不能依据实际所需精度指标自适应地进行精细化提取，尤其在部分存在山地、丘陵等复杂地形的海岛中可能导致所提取的高程控制点数量较少、空间分布稀疏，而这些高程控制点在辅助影像区域网平差与数据质量控制中恰恰是必不可缺的[4]。
为了自适应地提取高程控制点，进一步分析地表光子在沿轨和高程方向上分布的离散程度，本文首先基于ATL08数据中的坡度参数计算初步筛选所得高程点的坡度θ，依其坡度情况分别获取平地（θ<2°）、丘陵（2°≤θ<6°）、山地（6°≤θ<25°）3种地形类型下的高程点，结合ATL08数据拟合过程中100 m统计单元内地表光子的高程误差预估值（sigma_atlas_land）、高程标准差（h_te_std）、地表光子高程偏度（h_te_skew）和地表光子数等参数，依据高程控制点所需精度自适应地设定如下式所示的精细化提取准则。
  σ l a n d ≤ T   σ s k e w ≤ T   σ h g t - σ e s t ≤ T
σ e s t = ∑ i = 1 N t e [ ( i N t e - 1 2 ) ∙ Δ H ] 2 N t e - 1
式中： σ l a n d、 σ s k e w、 σ h g t和 σ e s t分别为100 m统计单元内地表光子的高程误差预估值、高程偏度绝对值、高程标准差和基于坡度参数计算的标准差预估值； σ e s t的计算形式可如式（3）所示， N t e、 Δ H分别为100 m统计单元内地表光子个数和基于坡度参数估算的地形高差；T为所需的高程控制点精度阈值。在海图编绘中，陆部地形要素主要从地形图转绘，1:10 000以上比例尺海图修测与质量控制主要采用1:50 000测图数据为参考[28]。基于此，本文将T在平地、丘陵和山地地形类型下的值分别取为0.8、1.0和1.2 m[29]。
综上所述，本文方法提取高程控制点的流程可如图1所示，该图中涉及到的变量可参看式（1）— 式（3）所示，涉及到的ATL08数据参数及其简要释义如表1所示。
图1 本文方法海岛高程控制点提取流程

Fig. 1 Flow chart of the proposed elevation control point extraction method

表1 本文方法用于高程控制点提取的ATL08数据参数

Tab. 1 ATL08 data parameter used in the proposed elevation point extraction method

参数名 简要释义
segment_landcover 统计单元内的地物类型
h_te_median 统计单元内地表光子高程中值
h_te_interp 统计单元内插值地表高程值
dem_h 参考高程值
msw_flag 多重散射警告标记
cloud_flag_atm 云量标记
snr 统计单元内的信噪比
n_te_photons 统计单元内地的地表光子数
h_te_best_fit_20m 20 m子统计单元内的最佳拟合高程值
h_te_skew 统计单元内地表光子的高程偏度
sigma_atlas_land 统计单元内地表光子的高程误差预估值
h_te_std 统计单元内地表光子的高程标准差
terrain_slope 统计单元内沿轨方向的地面坡度，通过线性拟合得出，数值上等同于沿轨方向上单位长度的高程变化量

3 研究区概况与数据来源

3.1 研究区概况

本文选择的研究区域如图2所示，该区域位于加勒比海北部边缘，包括波多黎各部分离岛及美属维尔京群岛。其中，波多黎各离岛包括别克斯岛、库莱布拉岛及其周边部分海岛（礁），陆域面积合计约163.92 km2，地形以丘陵为主；维尔京群岛包括圣克罗伊岛、圣托马斯岛、圣约翰岛及其周边部分海岛（礁），陆域面积合计约350.58 km2，圣克罗伊岛地势北高南低、面积相对较大，其余两岛则地形起伏较大，多丘陵、山地，面积相对较小。该区域远离敏感海域，存在现势性较强、精度较高的参考DEM数据，可对本文方法进行客观、定量的评价。同时，该区域是典型的群岛区域，而此类区域正是海图修测与质量控制任务中较为关注的重点海岛（礁）区域。不仅如此，该区域内海岛多为火山/大陆岛，海岸陡峭、地形特征复杂、地表覆盖类型丰富，能够进一步验证本文方法在复杂海岛（礁）区域的鲁棒性。
图2 研究区域海岛（礁）分布示意图

Fig. 2 Schematic diagram of island distribution in the study area

3.2 研究数据及来源

3.2.1 ICESat-2 ATL08数据

本文从美国国家航天局Earth-data Search平台（https://search.earthdata.nasa.gov）收集了研究区域2018年10月至2022年8月的所有ATL08数据作为研究的主要数据，去除海域点后，其陆域高程点分布情况如图3所示。
图3 研究区域ATL08陆域高程点分布示意图

Fig. 3 Schematic diagram of ATL08 land elevation points distribution in the study area

3.2.2 高精度DEM验证数据

为验证本文方法所提取的高程控制点的精度，本文从3DEP Lidar Explorer平台（https://apps.nationalmap.gov/lidar-explorer/#/）收集了美国地质调查局公开发布的1 m分辨率DEM数据产品作为高精度验证数据，其在研究区域内的数据覆盖范围如图4所示。该数据测量起讫时间为2018年4月至2019年4月，同ATL08数据观测时间相近，现势性较强，且经数据发行方验证，所用高精度DEM数据垂直精度优于0.1 m，可用作精度评价的参考验证数据。
图4 研究区域高精度DEM验证数据示意图

Fig. 4 Schematic diagram of reference DEM data in the study area

3.3 研究数据预处理

需要指出的是，本文所采用的研究数据各自具有不同的平面和高程基准：ICESat-2 ATL08数据的平面坐标为WGS84，高程为WGS84大地高；高精度DEM验证数据平面坐标为NAD83，高程基准为PRVD02及VIVD09正常高。为保证后续实验结果的准确性，有必要对数据进行基准转换预处理。本文使用了美国国家大气和海洋局发布的基准转换软件VDatum（https://vdatum.noaa.gov/）将数据转换至相同的参考基准。

4 实验与分析

利用高精度参考DEM数据对本文研究区域提取前后的高程控制点精度进行验证，将经过海域点去除后的有效陆域点视为原始数据，不同筛选条件下所得的高程点数、高程平均绝对误差（Mean Absolute Error，MAE）、高程中误差（Root Mean Square Error，RMSE）和数据留存率如表2所示；本文方法提取前后的高程残差直方图如图5所示，所提取的高程控制点空间分布如图6所示。
表2 高程控制点精度验证结果

Tab. 2 The accuracy of extracted elevation control point

筛选条件 高程点数/个 MAE/m RMSE/m 数据留存率/%
原始数据 15 388 3.86 7.89 100.00
粗差点去除 11 071 1.53 2.83 71.95
多参数约束 3 055 0.57 1.38 19.85
自适应地形阈值 1 990 0.36 0.69 12.93
图5 高程点残差直方图

Fig. 5 The histogram of residuals for elevation points

图6 本文方法提取的高程控制点空间分布示意图

Fig. 6 The spatial distribution of extracted elevation control points

综合分析上述精度验证结果，去除海域点后，研究区域内一共含有15 388个陆域高程点，原始高程点MAE和RMSE分别为3.86 m和7.89 m，无法直接用作高程控制。通过本文方法提取后共计保留了1 990个高程控制点，数据留存率为12.93%，MAE和RMSE分别为0.36 m和0.69 m，精度有了较大提升，且所提取的高程控制点残差分布比较集中，92.16%分布在[-1 m, 1 m]区间内，不难看出，通过本文方法提取的高程控制点整体具有较高的高程精度。在高程控制点空间分布上，除了圣约翰岛因地形复杂、植被茂密、数据完整性较差导致高程控制点分布稀疏外，其余四岛经本文方法提取后均有一定高程控制点，能够满足海岛高程控制需求。这表明即便在陆域面积相对较小、地形相对复杂的海岛（礁）地区，本文方法也能够从ICESat-2 ATL08数据中提取一定数量的高程控制点，适用于海岛高程控制点的提取。
进一步分析不同地形类型下高程控制点的提取精度，提取前后高程点的残差直方图如图7—图9所示。不失一般性地，在星载LiDAR高程控制点的精度验证过程中，其真实误差可认为是高程控制点同高精度参考数据间的误差与高精度参考数据自身误差的叠加[30]。考虑到本文所用的高精度参考DEM数据的高程精度约为0.1 m，在平地、丘陵和山地地形下的精度阈值分别为0.8、1.0和1.2 m，依据误差传递原理，本文将高程残差分别在±0.806、±1.005和±1.204范围内的高程点视为有效高程控制点，并统计不同地形类型、不同筛选条件下有效高程点在所提高程控制点中的占比，其结果如表3所示。
图7 平地地形高程点残差直方图

Fig. 7 The histogram of residuals for elevation points in the flat region

图8 丘陵地形高程点残差直方图

Fig. 8 The histogram of residuals for elevation points in the hilly region

图9 山地地形高程点残差直方图

Fig. 9 The histogram of residuals for elevation points in the mountainous region

表3 不同地形类型下高程控制点精度验证结果

Tab. 3 The accuracy of extracted elevation control point with different terrain type

地形类型 筛选条件 高程点数/个 MAE/m RMSE/m 数据留存率/% 精度符合率/%
平地 原始数据 5 618 2.65 7.23 100.00 61.65
粗差点去除 4 574 0.91 2.11 81.42 73.92
多参数约束 1 836 0.39 1.06 32.68 90.58
自适应地形阈值 1 281 0.28 0.61 22.80 93.60
丘陵 原始数据 4 301 3.92 7.65 100.00 43.87
粗差点去除 2 983 1.51 2.73 69.36 59.94
多参数约束 763 0.66 1.44 17.74 83.88
自适应地形阈值 532 0.46 0.79 12.37 89.10
山地 原始数据 5 138 4.93 8.29 100.00 32.21
粗差点去除 3 321 2.33 3.60 64.64 45.26
多参数约束 444 1.10 2.17 8.64 74.77
自适应地形阈值 177 0.63 0.89 3.44 86.44
对比分析图7—图9与表3中的统计结果可知，由于研究区域内的海岛大多为大陆岛或火山岛，多山地丘陵、海岸陡峭、地形较为复杂，经坡度分类后，平地、丘陵和山地类型下的陆域高程点分别为5 618、4 301和5 138个，数量大致相同。3种地形类型原始高程点的高程残差分布较为分散，且相当一部分高程点残差较大，MAE和RMSE分别为2.65 m/7.23 m、3.92 m/7.65 m、4.93 m/8.29 m，呈现出梯次上升的趋势，精度符合率分别为61.65%、43.87%和32.21%，呈现出梯次下降的趋势，表明地形起伏对ATL08数据的高程精度确实存在显著影响。
基于参考高程值去除粗差点后，3种地形类型高程点分别减少18.58%、30.64%和35.36%，精度符合率分别提升12.27%、16.07%和13.05%，这表明在ATL08数据中确实存在一定量的粗差数据，通过同参考高程值的简单比对，减少了参与多参数约束筛选的高程点数量，能提升后续高程点提取的计算效率。
经多参数约束后，3种地形类型下的高程点的MAE分别提升了57.14%、56.29%和52.79%，RMSE分别提升了49.76%、47.25%和39.72%，精度符合率分别提升了16.66%、23.94%和29.51%，这表明本文提出的多参数约束能够综合大气环境、信噪比和数据完整性对高程点精度的影响，初步得到精度较为可信的数据，且在本文研究区内该约束不受地形环境限制，在本文所述的3种地形类型中均发挥了较大作用。
自适应地形阈值数据剔除量较小，说明基于多参数约束初步筛选所得到的高程点已具有了较好的高程精度，但精细化提取后的高程控制点MAE与RMSE仍分别提升了28.20%/42.45%、30.30%/45.14%和42.72/58.99%，精度符合率分别提升了3.02%、5.22%和11.67%。进一步对比自适应地形阈值提取前后符合精度限差（2倍精度阈值）的高程点占比，如表4所示，精细化提取后限差符合率分别提升了2.46%、2.54%、和6.41%。这表明初步提取的高程点中仍存在部分不合精度阈值的高程粗差点，而本文通过设定自适应地形阈值对高程点进行精细化提取，使不同类型下所提取的高程控制点整体RMSE均能满足精度阈值要求，提升了方法的鲁棒性。
表4 不同地形类型下高程控制点限差符合率

Tab. 4 Compliance rate of elevation point tolerance before and after adaptive terrain threshold filtering

地形类型 筛选条件 限差符合率/%
平地 自适应地形阈值筛选前 95.59
自适应地形阈值筛选后 98.05
丘陵 自适应地形阈值筛选前 93.70
自适应地形阈值筛选后 96.24
山地 自适应地形阈值筛选前 90.77
自适应地形阈值筛选后 97.18

5 讨论

为进一步比较本文方法同现有方法在高程控制点提取数量与精度上的差异，使用文献[20]和文献[21]方法在本文研究区域内提取高程控制点，不同方法的实验结果如表5所示。结果表明，本文方法在研究区域内提取的高程控制点不仅精度较现有方法有了一定提升，还能在保证提取精度的前提上，提取到更多高程控制点。这是因为本文方法能够依据所需测量精度，自适应地在不同地形类型中设定阈值，扩展了高程点的筛选范围，并结合粗差点去除、多参数约束等多种手段，保证了所提取高程点的精度，更适用于面积相对较小、地形相对复杂的海岛高程控制点提取。
表5 不同高程控制点提取方法结果对比分析

Tab. 5 Comparison of elevation control point extraction results by different methods

提取方法 高程
点数/个		 MAE
/m		 RMSE
/m		 精度符合率/% 限差符
合率/%
文献[20]方法 392 0.83 1.77 74.74 85.46
文献[21]方法 320 0.55 1.51 86.56 93.13
本文方法（平地） 1 281 0.28 0.61 93.60 98.05
本文方法（丘陵） 532 0.46 0.79 89.10 96.24
本文方法（山地） 177 0.63 0.89 86.44 97.18
本文方法（总计） 1 990 0.36 0.69 91.76 97.49
当然，由于海岛高精度参考数据获取的困难性，本文仅在研究区域内对所提取的高程控制点进行了精度验证与对比分析，更多区域的实验验证还有待后续展开。同时，本文方法在自适应阈值的设计中仅考虑了地形坡度这一基本要素，所提取的高程控制点在ICESat-2沿轨方向和垂轨方向的分布也仍存在一定差异，如何在更多复杂区域（如含有建筑物的人造地表、潮汐影响下的海岸带）结合海图修测与质量控制任务对陆部要素高程控制信息实际需求，扩充自适应阈值的约束要素和选取规则，这些都还有待后续进一步研究。

6 结论

本文提出了一种适用于海岛的ICESat-2高程控制点提取方法，综合分析现有数据参数，去除数据中的海域点与粗差点，降低后续处理的数据量；然后构建多参数约束，对数据进行初步筛选；最后依据所需的高程控制精度，在不同地形类型中设置自适应阈值精细化提取高程控制点。经过精度验证与对比分析，得结论如下：
（1）相较于研究区域内的原始数据，利用本文方法从不同地形类型下所提取的高程控制点整体中误差分别从7.23、7.65、8.29 m减小为0.61、0.79 、0.89 m，均符合所需精度阈值要求。
（2）与现有方法局限于固定坡度阈值相比，本文所提方法能够实现基于自适应地形阈值的高程控制点提取，扩展了高程控制点的筛选范围，在保证精度的前提下，本文方法在研究区域内提取的高程控制点数量是现有方法的4~5倍。
（3）利用本文方法，可从陆域面积相对较小、地形相对复杂的海岛（礁）地区提取一定数量、精度可靠的高程控制点，能为后续全球海图修测与质量控制提供有力数据支撑。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
申家双, 翟国君, 黄辰虎, 等. 海洋测绘学科体系研究(一):总论[J]. 海洋测绘, 2021, 41(1):1-7.

[Shen J S, Zhai G J, Huang C H, et al. Research on discipline system of marine surveying and mapping, part I: General introduction[J]. Hydrographic Surveying and Charting, 2021, 41(1):1-7.] DOI:10.3969/j.issn.1671-3044.2021.01.001

DOI

[2]
胡柳茹, 唐新明, 李国元, 等. 利用GLAS激光测高数据评估DSM产品质量及精度优化[J]. 测绘通报, 2019(11):39-43.

DOI

[Hu L R, Tang X M, Li G Y, et al. Quality assessment and accuracy optimization of DSM using GLAS laser altimetry data[J]. Bulletin of Surveying and Mapping, 2019(11):39-43.] DOI:10.13474/j.cnki.11-2246.2019.0348

DOI

[3]
朱笑笑, 王成, 习晓环, 等. ICESat-2星载光子计数激光雷达数据处理与应用研究进展[J]. 红外与激光工程, 2020, 49(11):76-85.

[Zhu X X, Wang C, Xi X H, et al. Research progress of ICESat-2/ATLAS data processing and applications[J]. Infrared and Laser Engineering, 2020, 49(11):76-85.] DOI:10.3788/IRLA20200259

DOI

[4]
张鑫磊, 邢帅, 徐青, 等. ATLAS数据与资源三号02星影像联合区域网平差[J]. 红外与激光工程, 2020, 49(S2):155-162.

[Zhang X L, Xing S, Xu Q, et al. Joint block adjustment for ATLAS data and ZY3-02 stereo imagery[J]. Infrared and Laser Engineering, 2020, 49(S2):155-162.] DOI:10.3788/IRLA20200194

DOI

[5]
Jiang Y H, Wei S D, Xu M Z, et al. Combined adjustment pipeline for improved global geopositioning accuracy of optical satellite imagery with the aid of SAR and GLAS[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 15:5076-5085. DOI:10.1109/JSTARS.2022.3183594

DOI

[6]
滕惠忠, 闸旋, 辛宪会, 等. 基于ArcGIS的海图立体修测技术[J]. 海洋测绘, 2015, 35(5):63-66.

[Teng H Z, Zha X, Xin X H, et al. Stereo renovation technology for charts based on ArcGIS software[J]. Hydrographic Surveying and Charting, 2015, 35(5):63-66.] DOI:10.3969/j.issn.1671-3044.2015.05.016

DOI

[7]
周艳霞, 李彬彬, 方强飞, 等. 海图产品质量模糊综合评判模型的构建方法[J]. 海洋测绘, 2020, 40(3):55-59.

[Zhou Y X, Li B B, Fang Q F, et al. A method of constructing fuzzy synthetic evaluation model for chart quality[J]. Hydrographic Surveying and Charting, 2020, 40(3):55-59.] DOI:10.3969/j.issn.1671-3044.2020.03.012

DOI

[8]
李国元. 对地观测卫星激光测高数据处理方法与工程实践[D]. 武汉: 武汉大学, 2017.

[Li G Y. Earth observing satellite laser altimeter data processing method and engineer practice[D]. Wuhan: Wuhan University, 2017.]

[9]
李国元, 唐新明, 张重阳, 等. 多准则约束的ICESat/GLAS高程控制点筛选[J]. 遥感学报, 2017, 21(1):96-104.

[Li G Y, Tang X M, Zhang C Y, et al. Multi-criteria constraint algorithm for selecting ICESat/GLAS data as elevation control points[J]. Journal of Remote Sensing, 2017, 21(1):96-104.] DOI:10.11834/jrs.20175269

DOI

[10]
谭建伟, 程春泉. 建筑影像高程控制点的激光测高全波形分解提取[J]. 测绘科学, 2021, 46(8):1-7,13.

[Tan J W, Cheng C Q. Extracting building image elevation control points by decomposing full waveform of laser altimetry[J]. Science of Surveying and Mapping, 2021, 46(8):1-7,13.] DOI:10.16251/j.cnki.1009-2307.2021.08.001

DOI

[11]
Li B B, Xie H, Tong X H, et al. High-accuracy laser altimetry global elevation control point dataset for satellite topographic mapping[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60:1-16. DOI:10.1109/TGRS.2022.3177026

DOI

[12]
唐新明, 谢俊峰, 莫凡, 等. 高分七号卫星双波束激光测高仪在轨几何检校与试验验证[J]. 测绘学报, 2021, 50(3):384-395.

DOI

[Tang X M, Xie J F, Mo F, et al. GF-7 dual-beam laser altimeter on-orbit geometric calibration and test verification[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(3):384-395.] DOI:10.11947/j.AGCS.2021.20200397

DOI

[13]
梅永康, 谢俊峰, 陈伟, 等. 多特征参数约束的星载激光高程控制点提取[J]. 红外与激光工程, 2022, 51(9):246-257.

[Mei Y K, Xie J F, Chen W, et al. Elevation control points extraction of spaceborne lasers with multifeature parameter constraints[J]. Infrared and Laser Engineering, 2022, 51(9):246-257.] DOI:10.3788/IRLA20210997

DOI

[14]
Tang X M, Xie J F, Liu R, et al. Overview of the GF-7 laser altimeter system mission[J]. Earth and Space Science, 2020, 7(1): e2019EA000777. DOI: 10.1029/2019EA000777.

DOI

[15]
Wang C, Zhu X X, Nie S, et al. Ground elevation accuracy verification of ICESat-2 data: A case study in Alaska, USA[J]. Optics Express, 2019, 27(26):38168-38179. DOI: 10.1364/OE.27.038168

DOI PMID

[16]
Zhu J, Yang P F, Li Y, et al. Accuracy assessment of ICESat-2 ATL08 terrain estimates: A case study in Spain[J]. Journal of Central South University, 2022, 29(1):226-238. DOI:10.1007/s11771-022-4896-x

DOI

[17]
Tian X X, Shan J. Comprehensive evaluation of the ICESat-2 ATL08 terrain product[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 59(10):8195-8209. DOI:10.1109/TGRS.2021.3051086

DOI

[18]
Osama N, Shao Z F, Ma Y, et al. The ATL08 as a height reference for the global digital elevation models[J]. Geo-Spatial Information Science, 2022:1-20. DOI:10.1080/10095020.2022.2087108

DOI

[19]
Neuenschwander A, Pitts K. The ATL08 land and vegetation product for the ICESat-2 Mission[J]. Remote Sensing of Environment, 2019, 221(8):247. DOI:10.1016/j.rse.2018.11.005

DOI

[20]
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 M, Wei Y, Yang B, 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.] DOI:10.13203/j.whugis20200531

DOI

[21]
郑迎辉, 张艳, 王涛, 等. 基于ICESat-2数据的高程控制点提取和精度验证[J]. 地球信息科学学报, 2022, 24(7):1234-1244.

DOI

[Zheng Y H, Zhang Y, Wang T, et al. Elevation control points extraction and accuracy validation based on ICESat-2 data[J]. Journal of Geo-Information Science, 2022, 24(7):1234-1244.] DOI:10.12082/dqxxkx.2022.210667

DOI

[22]
Neuenschwander A, Pitts K, Jelley B, et al. Ice, Cloud,and Land Elevation Satellite 2 (ICESat-2) Algorithm Theoretical Basis Document (ATBD) for Land-Vegetation Along-Track Products (ATL08)[EB/OL].(2022-04-05) [2022-11-07] https://nsidc.org/sites/default/files/icesat2_atl08_atbd _r005_1.pdf

[23]
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. DOI:10.1016/j.rse.2016.12.029

DOI

[24]
刘翔, 张立华, 戴泽源, 等. 一种无输入参数的强噪声背景下ICESat-2点云去噪方法[J]. 光子学报, 2022, 51(11):354-364.

[Liu X, Zhang L H, Dai Z Y, et al. A parameter-free denoising method for ICESat-2 point cloud under strong noise[J]. Acta Photonica Sinica, 2022, 51(11):354-364.] DOI:10.3788/gzxb20225111.1110002

DOI

[25]
Xie H, Sun Y, Xu Q, et al. Converting along-track photons into a point-region quadtree to assist with ICESat-2-based canopy cover and ground photon detection[J]. International Journal of Applied Earth Observation and Geoinformation, 2022, 112:102872. DOI:10.1016/j.jag.2022.102872

DOI

[26]
Shang D S, Zhang Y S, Dai C G, et al. Extraction strategy for ICESat-2 elevation control points based on ATL08 product[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60:1-12. DOI:10.1109/TGRS.2022.3218750

DOI

[27]
Ice, Cloud, and Land Elevation Satellite - 2 (ICESat-2) ProjectATL08 Product Data Dictionary[EB/OL]. (2021-07-27) [2022-11-07] https://nsidc.org/sites/default/files/icesat2_atl08_data_dict_v005_0.pdf

[28]
国家质量技术监督局. 中国航海图编绘规范: GB 12320—1998[S]. 北京: 中国标准出版社,1999.

[State Bureau of Quality and Technical Supervision of the People's Republic of China. Specifications for Chinese nautical charts: GB 12320—1998[S]. Beijing: Standards Press of China, 1999.]

[29]
国家市场监督管理总局, 国家标准化管理委员会. 数字航天摄影测量—控制测量规范: GB/T 40766—2021[S]. 北京: 中国标准出版社, 2021.

[State Administration for Market Regulation, Standardization Administration of the People's Republic of China. Digital space photogrammetry—Specifications for control survey: GB/T 40766—2021[S]. Beijing: Standards Press of China, 2021.]

[30]
郑琪. 激光跟踪仪测量精度分析及高精度三维控制网的建立[D]. 武汉: 武汉大学, 2019.

[Zheng Q. Laser tracker measurement accuracy analysis and high precision establishment of three-dimensional control network[D]. Wuhan: Wuhan University, 2019.]

Options
文章导航

/

〈 〉