Technical methods for colliery subsidence disaster monitoring using UAV LiDAR: A case study of the Maliantai colliery, Ningdong coal base, Ningxia
-
摘要:
探索采煤地表沉陷的高新监测技术方法是推动采煤沉陷监测的重要工作，无人机载LiDAR采煤塌陷监测技术是无人机与LiDAR构建的一种新型低空三维空间测量技术。以宁东煤炭基地马莲台煤矿采煤沉陷区为例，采用无人机机载LiDAR监测技术获取了2017年4月及8月2期三维点云数据，通过数据三维建模和沉降信息提取，得到了地面沉陷情况的三维立体图，监测出了3处地面沉降区，并利用实测水准点和已有GPS自动监测站数据，对该技术监测地面沉降的精度进行评估。研究结果表明，无人机机载LiDAR监测技术方法可满足采煤塌陷的立体监测需求，具有机动灵活、成本低、效率高、精度高等特点，未来可在类似地区推广应用。
Abstract:Exploring advanced technology of coal-mining subsidence disaster monitoring is an important task to promote the monitoring better. Colliery subsidence disaster monitoring using UAV LiDAR is a new technology of low-flying 3D measurement composed of UAV and LiDAR. In this study, the authors chose the typical subsidence area of Maliantai colliery, Ningdong coal base in Ningxia as the study area, and obtained point cloud data of two time periods in April and August 2017 in the study area based on UAV LiDAR data. The authors obtained the 3D stereogram of colliery subsidence disaster by information extraction and 3D modeling and discovered 3 colliery subsidence disaster areas. Also, using a certain number of existent leveling points and GPS automatic monitoring data, the authors evaluated the accuracy of the model. The results show that the technical methods of colliery subsidence disaster monitoring using UAV LiDAR data meet the requirements of relevant specification. The methods have such features as flexibility, low cost, high efficiency and high precision, and have wide popularization and application value in future.
-
Keywords:
- multi-rotor UAV /
- UAV LiDAR /
- DEM /
- subsidence disaster monitoring /
- Maliantai colliery of Ningdong
-
地面沉陷是中国乃至世界许多地区面临的严重环境地质问题, 预防和治理矿区地面沉陷是世界性难题[1]。目前, 由于地下资源开采及地下工程实施引起的地面沉陷现象在中国已超过50个城市或地区[2-3]。随着一些大型矿集区矿产资源开采强度的不断加大, 矿区沉陷问题越来越严重, 不仅破坏了建设用地和农业用地, 限制了矿区经济的发展, 还引发严重的矿区生态环境问题[4-5], 包括农田及建筑物破坏、通讯、管线设施损害等。根据中国地质调查局评估, 地面沉陷在中国造成了巨大的经济损失[6-7], 亟待开展监测研究。矿区地面变形监测通常采用水准测量技术、GPS测量技术、INSAR技术等, 传统的"接触式"单点测量方法不仅需要大量的人力、物力和财力, 还需要测量人员或仪器与监测对象接触, 观测过程受地形、地物条件的限制, 而且获取的数据离散, 很难反映地表变形的空间特征[8-9]。INSAR技术克服了传统监测方法的缺点, 但是由于开采沉陷形变快速、形变量大等复杂性问题及INSAR自身成像条件受大气效应、时间失相关和空间失相关影响的苛刻性[4], 在监测矿区地表沉陷应用存在局限。近年来, 国内外研究人员利用地面激光雷达技术在变形监测领域做了很多相关实验和研究工作[10-14]。李秋等[15-16]利用该技术对矿区及滑坡的变形进行了监测, 并对数据获取精度进行了分析, 认为基于三维激光扫描技术的整体形变监测是可行的。目前, 激光雷达(Light Detection and Ranging, LiDAR)在城镇规划、国土资源调查监测、应急救灾等领域已有广泛应用[17-20], 但在矿区地表变形监测领域应用相对滞后[21], 针对其在地表变形监测中的理论方法还不够完善[22], 尤其是机载激光雷达技术在该领域的应用尚需探索。无人机机载激光雷达技术是将无人机与LiDAR的优势相结合形成无人机载LiDAR系统, 不仅能够进行灵活起降、低空飞行及数据的快速获取, 同时还能穿透植被获取地表信息, 且不受特殊地域限制, 进而实时获取高精度的三维坐标数据[23]。该技术弥补了传统测量获取地形数据工作量大、效率低及受地形制约的弊端, 研究其数据获取流程、数据处理方法、监测结果精度评价等可为中国其他矿区地面沉陷准确监测提供案例及规范性探索, 具有重要的理论意义和应用价值。
本文针对无人机载激光雷达技术在煤矿地面塌陷监测方面的空白局面, 探索采煤塌陷区机载激光雷达这一高新监测技术, 通过点云数据获取、数据处理方法、监测结果精度评价等, 为机载雷达在矿区地面沉陷准确监测提供技术案例及技术方法, 推动采煤塌陷监测技术的科技进步。
1. 研究区概况
马莲台煤矿位于宁东煤炭基地北部, 隶属宁夏回族自治区灵武市。研究区位于鄂尔多斯台地西缘天环向斜西翼, 区内大部分属低缓的半沙漠丘陵地带。地形南部复杂, 北部平坦开阔。区内地层岩性主要为上石炭统羊虎沟群(砂质泥岩、粉砂岩)、太原组(石灰岩、粘土岩、沥青质泥岩)、二叠系(砂岩、泥岩)、新近系(半胶结红土层砂土、亚粘土)及第四系(黄土、冲积沙土)。构造上表现为背向斜的构造形态, 断裂较少。
马莲台煤矿始建于2006年, 2008年投入生产, 煤炭开采规模为2.4×106t/a, 可采年限72a, 多年的地下煤炭资源开采已经形成超过200hm2的采煤沉陷区, 沉陷区内单条地裂缝最大宽度达2m, 地裂缝两侧差异性沉陷形成的台坎高度达0.5~2m, 地表沉陷明显(图 1)。本文选取马莲台煤矿开采范围内地表沉陷明显、沉陷速率较大的2km2区域作为研究区, 开展无人机机载LiDAR的采煤沉陷监测技术方法研究, 探索开展2期(2017年4月25日、2017年8月14日)地表三维点云数据的采集、处理及沉陷量的提取、分析等工作, 分析评估地表沉陷监测结果的精度。
2. 技术思路与工作方法
2.1 监测技术思路
根据马莲台煤矿的地形和地表塌陷特征, 确定扫描测站点和控制点的布设方案, 并在研究区内均匀布设一定数量的地面沉陷监测标志点。在此基础上, 进行点云数据的外业采集、内业处理和地面数字模型的构建, 总结点云数据采集、处理及三维建模的方法, 确定适用于矿区地面塌陷监测点云数据处理的软件与方法, 并对三维激光扫描测量数据的精度进行评价, 最后对多期建模数据进行叠加分析。监测技术流程见图 2。
2.2 点云数据获取
(1) 控制点与监测点布设
控制点用于不同期次点云数据坐标解算。控制点的布置要求确保具有足够稳定性而不会被人为或自然破坏[24]。严格按照变形监测规范要求, 在测区外稳定区域布设了3个控制点, 研究区前期已有GPS和水准测量, 获取了坐标数据, 作业时选择同一个控制点作为此次作业的数据起算点。为了确保机载LiDAR监测精度, 在测区内均匀布设了一定数量的地面沉陷监测检查点(图 3), 每期都对所有监测点进行水准测量, 并且制作60cm×60cm的标靶片, 在进行扫描作业时把标靶片放置到沉陷监测点上, 使其能够更好地接收点云数据。
![]()
图 3 煤矿塌陷区监测检查点及航线布设图Figure 3. Ground subsidence monitoring points and flight route layout map(2) 无人机载LiDAR系统参数
无人机载LiDAR数据获取系统由飞行平台(八旋翼无人机)和超轻便携LiDAR系统组合而成, 依靠控制软件将激光雷达扫描仪、惯性导航组件及GPS定位天线等构成整体协调系统, 使其在高速移动状态下采集高精度三维地理信息数据。机载雷达系统技术参数见表 1。
表 1 飞行平台和激光雷达系统性能指标及技术参数Table 1. Technical parameters of flight platform and LiDAR system八旋翼无人机系统 激光雷达系统（SCANLOOK V） 性能指标 参数 性能指标 参数 机体轴距 1650mm 重量 3kg 旋叶直径 686mm 速度 70万点/s 空重 18.5kg 精度 < 2cm 最大起飞重量 56kg 扫描频率 5~20Hz 续航 载荷5kg/飞行35m 扫描线 32线 最大空中速度 50km/h 最大测程 120m (3) 航线布设要求
便携式激光雷达扫描仪每秒扫描70万点, 扫描视场: 40°×360°, 30m内绝对精度为2cm, 有效采集距离120m。航线布设应遵循以下要求: ①参考无人机电池电量, 保证每条航线飞行时间不超过25min; ②参考GPS基站架设位置, 合理设计航线; ③根据技术参数要求, 各架次的旁向重叠率要达到30%; ④避开电线、电信塔等对飞机操控信号和飞行安全有影响的地物。根据上述原则, 此次作业设置航高60m、航带宽100m, 对于深沟等特殊地形进行航带加密(图 3)。
2.3 点云数据处理
无人机载激光雷达在作业过程中受仪器精度、地形特征、操作者经验等多种因素的影响, 使点云数据包含大量的噪声点, 这些噪声点会影响数据后期处理及监测结果的准确性。因此, 必须对采集的原始点云数据进行预处理, 包括点云数据的统一坐标系、去噪、拼接、抽稀等。
(1) 点云数据坐标系的统一。无人机载LiDAR作业过程受电池续航时间、仪器特性参数、仪器扫描距离、扫描地表的复杂程度等因素影响, 一般需要多个架次才能完成整个测区数据的采集, 因此需要将每个架次的扫描数据统一到同一个坐标系统中, 方便后期数据处理。本研究利用专业软件Scan- Look Export设置好坐标系参数, 对每个飞行架次获取的点云数据、GPS数据和惯性导航数据进行同步解算, 生成带有绝对坐标的点云数据。
(2) 点云数据的去噪。利用ScanLook Export软件进行飞行轨迹处理, 删除起飞与降落时的轨迹数据, 保留无人机航线内稳定飞行的数据, 提高点云数据的精度。
(3) 数据的拼接。完成点云数据去噪处理后, 利用MicroStation V8i软件同时加载多个架次的点云数据, 使之拼接成为完整的点云数据集, 并合并为一个数据文件。删除2个飞行架次之间的重复数据, 以减少数据量。
(4) 点云数据的抽稀。拼接后的点云数据量非常大, 影响处理速度。在保证精度的前提下, 利用ScanLook软件进行点云数据解压处理时, 可以选择点云数据的解压数量, 来实现数据抽稀[25], 减少数据冗余, 提高处理效率。
(5) 三维建模。完成点云数据的预处理后, 利用PolyWorks软件的Delaunay模块进行建模, 在设定好采样间距、半径、公差等参数及保存路径和文件名后, 经过软件自动运算生成相应的三角网格模型, 然后进行优化, 得到三维模型。为了提高模型重建的速度, 采用Polyworks软件的压缩模块对数据进行精简[26-27], 在曲率大的区域保留足够多的数据点, 在曲率小的区域保留较少的数据点, 在满足一定精度条件的同时保证了数据的形状特征。
2.4 沉陷量提取
利用Geomagic Qualify软件的3D比较功能实现2期三维数字表面模型的叠加分析, 进而提取沉陷量。也可利用点云数据建立数字高程模型(DEM), 对2期数字高程模型进行对比分析, 提取沉陷量。本研究区域为马连台煤矿, 地势较平坦, 点云密度大、均匀、连续, 通过测试2种方法都能达到较高的精度。本文对2期数字高程模型进行叠加分析, 提取了马连台煤矿地表沉陷信息。
3. 监测结果与精度分析
3.1 监测结果及分析
(1) 研究区沉陷情况:本研究将第一期(2017年4月25日)点云数据构建的三维模型设置为参考面, 将第二期(2017年8月14日)点云数据构建的三维模型(图 4)设置为测试面, 对2期模型进行对比分析, 得到基于2期监测对象相同部位点云距离差值的整体沉陷图(图 5), 云距离差值能够清楚地反映出监测区域地表沉陷幅度及分布情况。采煤地表沉陷范围有3处:北部沉陷区、南部沉陷区及东部簇生型裂缝组处。
① 东部裂缝组周边沉降量最大, 最大下沉值为2.0078m, 最大下沉速率达6.0234m/a, 平均下沉值为0.5926m, 平均下沉速率达3.9195 m/a, 下沉面积为3.08hm2, 占研究区总面积的1.51%; ②北部塌陷区沉降幅度次之, 最大下沉值为1.1836m, 最大下沉速率达3.5508m/a, 平均下沉值为0.2113m, 平均下沉速率达0.9207m/a, 下沉面积为16.64hm2, 占研究区总面积的8.19%; ③南部塌陷区沉降幅度最小, 最大下沉值为0.9647m, 最大下沉速率达2.8941m/a, 平均下沉值为0.1806m, 平均下沉速率达0.9300m/a, 下沉面积为14.14hm2, 占研究区总面积的6.96%; ④研究区局部存在抬升现象, 主要分布在北部塌陷区周边及东部簇生型裂缝组周边, 最大抬升值为0.2535m, 平均抬升值为0.1508m, 抬升区域面积为0.23hm2, 占研究区总面积的0.11%, 抬升原因为地裂缝填埋过程中, 土壤在局部区域内存在小规模堆土; ⑤地表基本无变形区域, 面积为168.81hm2(表 2)。
表 2 研究区地表沉陷情况Table 2. Statistical table of subsidence in the study area沉陷范围/m 最大值/m 最小值/m 平均值/m 而积/hm2 比例/% 分布 -4.34~-2.50 -4.3454 -2.5784 -3.2521 0.06 0.03 西北部固体废弃物处理区 -2.0078 -1.0170 -1.3065 0.09 0.04 东部、南部裂缝处 -2.50~-1.00 -2.2373 -1.0195 -1.3917 0.07 0.03 东部堆煤场 -2.3536 -1.0253 -1.0917 0.23 0.11 西北部固体废弃物处理区、西南冲沟 -1.1836 -0.2011 -0.3069 5.94 2.92 北部塌陷区 -1.00~-0.20 -0.9191 -0.2026 -0.3755 0.49 0.24 东部裂缝处 -0.9647 -0.2001 -0.2600 1.87 0.92 南部塌陷区 -0.1999 -0.0410 -0.1157 10.70 5.27 北部塌陷区 -0.20~-0.04 -0.1999 -0.0407 -0.1012 12.27 6.04 南部塌陷区 -0.1999 -0.0405 -0.0959 2.50 1.23 中东部裂缝处 -0.04~+0.04 - - - 168.81 83.05 大部分区域 +0.04~+0.25 +0.2535 +0.00440 +0.1508 0.23 0.11 北部塌陷区周边局部地裂缝周边 注:-表示下降，+表示抬升 (2) 典型区域沉陷剖面情况:研究区北部的沉陷区沉陷幅度较大, 沉陷较集中, 选取该区域利用软件提取剖面线, 沉陷特征结果如图 6所示。对比分析剖面线上地表沉陷位移发现, 地表发生了明显的沉陷, 最大沉陷量1.1836m, 最小沉陷量0.1965m, 表现为不均匀沉陷, 呈整体下沉的发展趋势。
![]()
图 6 研究区北部沉陷区AB断面剖面Figure 6. Profile of AB section in the north subsidence area of the study area3.2 监测结果精度分析
3.2.1 精度分析
(1) 基于水准测量数据的对比分析:为检验机载激光雷达在地面沉陷监测中的精度, 本次利用沉陷监测标志点(图 2)的水准测量数据与激光雷达采集点云数据进行对比, 评估激光雷达点云数据野外采集的精度(表 3)。
表 3 地表沉陷监测标志点水准测量数据与点云数据对比Table 3. Comparison of leveling data and point cloud data of subsidence monitoring points点号 第一期/m 第二期/m 点云数据 水准数据 误差 点云数据 水准数据 误差 JC06 1198.0801 1198.0931 0.0130 1197.9103 1197.8895 -0.0208 JC07 1190.0107 1190.0454 0.0347 1190.0600 1190.0434 -0.0166 JC08 1190.1605 1190.2177 0.0572 1190.1102 1190.1667 0.0565 JC09 1197.0711 1197.1146 0.0435 1197.1810 1197.1058 -0.0752 JC10 1192.8203 1192.8143 -0.0060 1192.7301 1192.8128 0.0827 JC12 1200.7404 1200.7846 0.0442 1200.7304 1200.7916 0.0612 JC13 1204.7200 1204.7933 0.0733 1204.7306 1204.795 0.0644 JC14 1204.0006 1204.0505 0.0499 1204.0512 1204.0535 0.0023 JC15 1205.4702 1205.5369 0.0667 1205.5108 1205.5404 0.0296 分析表 3发现, 沉陷监测标志点水准测量数据与点云数据最大误差为0.0827m, 最小误差为0.0023m, 平均误差为0.0443m, 满足机载激光雷达数据获取技术规范(CH/T8024-2011、CH/ T8023-2011)精度要求。
(2) 基于GPS自动监测数据的对比分析:研究区此前已布设的地表GPS沉降监测点的2个实时自动化监测点的沉降数据(图 7), 2017年4月25日- 2017年8月14日, 累积沉降量分别为0.014m和0.1630m, 将该数据与2期点云数据对比分析得到的沉降模型中提取的沉降量进行对比分析(表 4), 得到最大误差值0.0532m, 平均误差为0.0434m, 小于0.40m, 即满足机载激光雷达数据获取及处理技术规范(CH/T8024-2011、CH/T8023-2011)丘陵地1:500比例尺数字高程模型精度要求。矿区地表沉陷量监测的精度要求一般在0.1m以内被认为满足精度要求[28]。
![]()
图 7 研究区GPS自动化监测点2017年4—8月沉陷曲线Figure 7. Settlement curve of GPS automatic monitoring point in the study area from April to August, 2017表 4 GPS自动监测数据与点云数据对比Table 4. Comparison of GPS automatic monitoring data and point cloud data点号 沉陷模型提取/m
沉陷值GPS自动观测数据/m
沉陷值误差
/mMLT-2-2 0.1294 0.1630 -0.0336 MLT-2-1 0.0673 0.0140 0.0532 3.2.2 误差产生的原因分析
(1)仪器本身误差: Scanlook Ⅴ-Ⅳ便携式激光雷达, 30m内绝对精度为0.02m, 惯性测量陀螺零偏稳定性为0.5°/h, 速度随机游走为0.06m/s/√h, h为小时。仪器本身的距离测量和角度测量都会产生一定误差, 测距误差和测角误差可由公式得出:
my=√m2d+m2a/ρ2⋅D2 式中, md为激光扫描仪的测距误差, ma为测角中误差, D为测站点与监测点之间的平距。
(2) 数据采集过程中产生的误差:数据采集过程中, 由于三维激光扫描仪与其自身携带的GPS接收机之间的距离量取及地面架设的GPS接收机高程量取均会产生误差。此外, 采集点云数据密度也会对监测结果的精度产生影响。
(3) 点云数据处理过程误差:点云数据处理过程中不同的去噪方式、不同的抽稀密度及不同的建模方法都会对沉陷监测结果的精度产生影响。
4. 结论
利用八旋翼无人机机载三维激光扫描系统, 于2017年4月25日和2017年8月14日获取了马连台煤矿区2期三维点云数据, 通过点云数据去噪、抽稀、建模等, 监测了研究区地表沉陷监测情况, 取得如下结论。
(1) 研究区存在3处地表沉陷不均匀区域:东部簇生型裂缝组处、北部塌陷区、南部塌陷区, 合计沉陷面积为34.16hm2, 占研究区总面积的16.81%。东部裂缝组周边沉陷值最大, 达到2.0078m, 北部塌陷区沉陷幅度次之, 平均沉陷值0.2113m, 南部塌陷区沉陷幅度最小。
(2) 通过与设置的或已有的水准点、GPS自动监测点数据对比说明, 机载雷达地面沉陷监测结果符合要求, 技术方法可行。具有监测自主性、快速性、监测精度高、成果三维化等技术优势, 弥补了传统野外测量点数据离散无法反映区域整体变形的不足, 为矿区地面塌陷监测提供了新的技术选择。
(3) 随着无人机飞行平台性能的不断改进, 后期数据处理的效率和精度的不断提高, 无人机载激光雷达监测技术将成为矿山地表塌陷监测的新型三维测量技术, 具有很好的推广应用价值。
致谢: 项目开展、论文撰写等工作得到中国地质调查局西安地质调查中心何芳教授级高工、宁夏大学樊新刚副教授、宁夏国土资源调查监测院程霞工程师等专家的热心帮助, 在此一并表示最衷心的感谢。 -
![]()
图 3 煤矿塌陷区监测检查点及航线布设图
Figure 3. Ground subsidence monitoring points and flight route layout map
![]()
图 6 研究区北部沉陷区AB断面剖面
Figure 6. Profile of AB section in the north subsidence area of the study area
![]()
图 7 研究区GPS自动化监测点2017年4—8月沉陷曲线
Figure 7. Settlement curve of GPS automatic monitoring point in the study area from April to August, 2017
表 1 飞行平台和激光雷达系统性能指标及技术参数
Table 1 Technical parameters of flight platform and LiDAR system
八旋翼无人机系统 激光雷达系统（SCANLOOK V） 性能指标 参数 性能指标 参数 机体轴距 1650mm 重量 3kg 旋叶直径 686mm 速度 70万点/s 空重 18.5kg 精度 < 2cm 最大起飞重量 56kg 扫描频率 5~20Hz 续航 载荷5kg/飞行35m 扫描线 32线 最大空中速度 50km/h 最大测程 120m 
下载: 导出CSV
表 2 研究区地表沉陷情况
Table 2 Statistical table of subsidence in the study area
沉陷范围/m 最大值/m 最小值/m 平均值/m 而积/hm2 比例/% 分布 -4.34~-2.50 -4.3454 -2.5784 -3.2521 0.06 0.03 西北部固体废弃物处理区 -2.0078 -1.0170 -1.3065 0.09 0.04 东部、南部裂缝处 -2.50~-1.00 -2.2373 -1.0195 -1.3917 0.07 0.03 东部堆煤场 -2.3536 -1.0253 -1.0917 0.23 0.11 西北部固体废弃物处理区、西南冲沟 -1.1836 -0.2011 -0.3069 5.94 2.92 北部塌陷区 -1.00~-0.20 -0.9191 -0.2026 -0.3755 0.49 0.24 东部裂缝处 -0.9647 -0.2001 -0.2600 1.87 0.92 南部塌陷区 -0.1999 -0.0410 -0.1157 10.70 5.27 北部塌陷区 -0.20~-0.04 -0.1999 -0.0407 -0.1012 12.27 6.04 南部塌陷区 -0.1999 -0.0405 -0.0959 2.50 1.23 中东部裂缝处 -0.04~+0.04 - - - 168.81 83.05 大部分区域 +0.04~+0.25 +0.2535 +0.00440 +0.1508 0.23 0.11 北部塌陷区周边局部地裂缝周边 注:-表示下降，+表示抬升
下载: 导出CSV
表 3 地表沉陷监测标志点水准测量数据与点云数据对比
Table 3 Comparison of leveling data and point cloud data of subsidence monitoring points
点号 第一期/m 第二期/m 点云数据 水准数据 误差 点云数据 水准数据 误差 JC06 1198.0801 1198.0931 0.0130 1197.9103 1197.8895 -0.0208 JC07 1190.0107 1190.0454 0.0347 1190.0600 1190.0434 -0.0166 JC08 1190.1605 1190.2177 0.0572 1190.1102 1190.1667 0.0565 JC09 1197.0711 1197.1146 0.0435 1197.1810 1197.1058 -0.0752 JC10 1192.8203 1192.8143 -0.0060 1192.7301 1192.8128 0.0827 JC12 1200.7404 1200.7846 0.0442 1200.7304 1200.7916 0.0612 JC13 1204.7200 1204.7933 0.0733 1204.7306 1204.795 0.0644 JC14 1204.0006 1204.0505 0.0499 1204.0512 1204.0535 0.0023 JC15 1205.4702 1205.5369 0.0667 1205.5108 1205.5404 0.0296
下载: 导出CSV
表 4 GPS自动监测数据与点云数据对比
Table 4 Comparison of GPS automatic monitoring data and point cloud data
点号 沉陷模型提取/m
沉陷值GPS自动观测数据/m
沉陷值误差
/mMLT-2-2 0.1294 0.1630 -0.0336 MLT-2-1 0.0673 0.0140 0.0532
下载: 导出CSV
-
孙张涛, 范景辉, 王如意, 等.基于高分辨率SAR数据的地面沉降监测——以印度尼西亚雅加达为例[J].地质通报, 2015, 34(10):1910-1917. doi: 10.3969/j.issn.1671-2552.2015.10.015 刘超.西安地铁二号线南段地面沉降成因分析[D].长安大学硕士学位论文, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10710-1013018094.htm 周飞飞.《全国地面沉降防治规划(2011-2020年)》解读——访国土资源部地质环境司副司长陶庆法[J].中国应急管理, 2012, 3:56-59. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK201203149017 陈炳乾.面向矿区沉降监测的InSAR技术及应用研究[D].中国矿业大学博士学位论文, 2015. 徐友宁.矿山地质环境调查研究现状及展望[J].地质通报, 2008, 8:1235-1244. doi: 10.3969/j.issn.1671-2552.2008.08.021 刘毅.灾害性地面沉降分析[J].地质灾害与防治, 1990, 4:9-12. http://d.old.wanfangdata.com.cn/Conference/55071 何芳, 徐友宁, 陈华清, 等.西北地区矿山地质灾害的现状及其时空分布特征[J].地质通报, 2008, 27(8) 1245-1255. doi: 10.3969/j.issn.1671-2552.2008.08.022 王婷婷.基于三维激光扫描技术的地表变形监测[D].山东科技大学硕士学位论文, 2011. http://cdmd.cnki.com.cn/Article/CDMD-10424-1012276966.htm 董秀军.三维激光扫描技术获取高精度DTM的应用研究[J].工程地质学报, 2007, 3:428-432. doi: 10.3969/j.issn.1004-9665.2007.03.022 Strouth A, Burk R L, Eberhardt E. The Afternoon Creek rockslide near Newhalem, Washington[J]. Landslides, 2006, 3(2):175-179. doi: 10.1007/s10346-005-0030-z
Hsiao K H, Liu J K, Yu M F. Change detection of landslide terrains using ground-based LIDAR data[C]//International Archives of Photogrammetry and Remote Sensing. Istambul, Turkey, 2004.
Bitelli G, Dubbini M, Zanutta A. Terrestrial laser scanning and digital photogrammetry techniques to monitor landslide bodies[J]. International Archives of Photo-grammetry, Remote Sensing and Spatial Information Sciences, 2004, 35(Part B5):246-251. http://cn.bing.com/academic/profile?id=f18d43bacc9b838e7d8b2cc57f9e5b30&encoded=0&v=paper_preview&mkt=zh-cn
姚艳丽, 蒋胜平, 王红平.基于地面三维激光扫描仪的滑坡整体变形监测方法[J].测绘地理信息, 2014, 39(1):50-53. http://d.old.wanfangdata.com.cn/Periodical/chxxygc201401015 陈弘奕, 胡晓斌, 李崇瑞.地面三维激光扫描技术在变形监测中的应用[J].测绘通报, 2014, 12:74-77. http://d.old.wanfangdata.com.cn/Periodical/chtb201412020 李秋, 秦永智, 李宏英, 等.激光三维扫描技术在矿区地表沉陷监测中的应用研究[J].煤炭工程, 2006, 4:97-99. http://d.old.wanfangdata.com.cn/Periodical/mtgc200604040 徐进军, 王海城, 罗喻真.基于三维激光扫描的滑坡变形监测与数据处理[J].岩土力学, 2010, 31(7):2187-2191. http://d.old.wanfangdata.com.cn/Periodical/ytlx201007027 袁枫.机载LiDAR数据处理与土地利用分类研究[D].中国矿业大学(徐州)博士学位论文, 2010. Aleksey Boyko, Thomas Funkhouser. Extracting roads from dense point clouds in large scale urban environment[J]. Jounal of Photogrammetry and Remote Sensing, 2011, 66(5):2-12. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=54194a187f8cab1b5c31a5d88136ff30
林昀, 吴敦, 李丹农.基于机载激光雷达的高精度电力巡线测量[J].城市勘测, 2011, 5:71-74. http://d.old.wanfangdata.com.cn/Periodical/cskc201105021 韩立, 余代俊, 何延龙. LiDAR在四川某地电力选线项目中的应用[J].测绘与空间地理信息, 2014, 4:86-88. http://d.old.wanfangdata.com.cn/Periodical/dbch201404023 李红, 肖国强, 杨吉龙, 等.天津滨海新区地面沉陷层位的精准识别与沉陷过程重建[J].地质通报, 2016, 35(10):1646-1652. doi: 10.3969/j.issn.1671-2552.2016.10.012 梁周雁, 赵富燕, 孙文潇.基于三维激光扫描技术的地表变形监测方法研究[J].测绘与空间地理信息, 2017, 6:213-214. http://d.old.wanfangdata.com.cn/Periodical/dbch201706070 陈利明, 张巍, 于虹, 等.无人机载LiDAR系统在电力线巡检中的应用[J].测绘通报, 2017, S1:176-178. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QKC20172017091300007082 李强, 邓辉, 周毅.三维激光扫描在矿区地面沉陷变形监测中的应用[J].中国地质灾害与防治学报, 2014, 3:119-124. http://d.old.wanfangdata.com.cn/Periodical/zgdzzhyfzxb201401021 石友峰.三维激光扫描技术在测量中的应用研究[D].长安大学硕士学位论文, 2007. http://cdmd.cnki.com.cn/Article/CDMD-11941-2009211328.htm 杨军, 曾翠华, 郑荣霞. PolyWorks在逆向工程点云数据处理中的应用[J]. CAD/CAM与制造业信息化, 2008, 11:55-57. http://d.old.wanfangdata.com.cn/Periodical/cadcamyzzyxxh200811021 宫丽玮, 张毅, 闫利.基于Cyclone和PolyWorks的三维建模实现[J].地理空间信息, 2012, 5:38-40. doi: 10.3969/j.issn.1672-4623.2012.02.014 张舒, 吴侃.三维激光扫描技术在沉陷监测中应用的若干问题探讨[C]//第七届全国矿山测量学术会议论文集.北京: 中国煤炭协会, 2007. http://cpfd.cnki.com.cn/Article/CPFDTOTAL-ZGMT200711003012.htm -
期刊类型引用(12)
1. 褚宏欣，党海燕，王涛，孙蕊卿，侯赛宾，黄倩楠，李小涵，王朝辉，黄婷苗. 我国主要麦区土壤有效铁锰铜锌丰缺状况评价及影响因素. 土壤学报. 2024(01): 129-139 . 
百度学术
2. 胡兆鑫，吴泽燕，罗为群，谢运球. 典型岩溶县土壤重金属含量、来源及生态风险评价. 环境科学. 2024(09): 5506-5516 . 百度学术
3. 祝晓松，裴小龙，王伟，张中跃，孙伟涛，倪舒博，公为鑫. 山丘区地表基质空间异质性特征及其对植被生态影响. 地质通报. 2024(09): 1544-1554 . 本站查看
4. 尹林江，廖艳梅，赵卫权，李威，赵祖伦. 黔西北山区不同地形地貌下农村居民点空间分异特征. 湖北农业科学. 2024(09): 210-215 . 百度学术
5. 刘媛媛，涂国良. 平凉市耕地土壤有效态微量元素丰缺评价及影响因素研究. 中国农学通报. 2023(04): 83-92 . 百度学术
6. 孙紫坚，申维，陈自然，傅大庆，张守林，张会琼，崔晓英，方维萱. 河北泃河流域第四纪沉积相对土壤有机碳库的影响. 地质通报. 2023(Z1): 431-442 . 本站查看
7. 安永龙，殷秀兰，金爱芳，李文娟，鲁青原. 河北张家口市某种植区土壤营养元素生态化学计量与空间分异特征. 地质通报. 2023(Z1): 443-459 . 本站查看
8. 王芳霞，吕齐，姚东东，李旭娇，Fesobi Olumide Phillip，赵丰云，冯建荣，于坤. 环塔里木盆地灰枣年轮矿质元素含量径向变化规律研究. 核农学报. 2023(09): 1864-1871 . 百度学术
9. 息朝庄，张鹏飞，吴林锋，杨茗钛，范云飞，邓会娟. 贵州惠水耕地土壤重金属污染调查与评价. 地质通报. 2023(07): 1228-1239 . 本站查看
10. 赵辰，孙彬彬，周国华，贺灵，曾道明. 福建龙海市土壤营养元素全量特征及有效量预测. 地质通报. 2023(10): 1784-1791 . 本站查看
11. 姜冰，邢孟涵，孙增兵，杨丽原. 弥河流域土壤中钴、钼、硒、锌空间分布及来源分析. 科学技术与工程. 2023(35): 15312-15318 . 百度学术
12. 李强，文铜，何国兴，武亚堂，纪童，张德罡，韩天虎，潘冬荣，柳小妮. 不同海拔高寒草甸土壤微量元素含量及其与植被的关系. 草地学报. 2022(07): 1731-1737 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 3757
- HTML全文浏览量: 484
- PDF下载量: 3867
- 被引次数: 14
