摘 要：針對控導(dǎo)工程監(jiān)測過程中采用的傳統(tǒng)水下高程測量方法存在操作人員多、安全隱患大等問題，以神堤控導(dǎo)工程１２ 壩—２０壩為例，采用無人機(jī)、無人船等非載人式勘測技術(shù)，對河道水上地形和水下地形展開同步測量。引入坡度因子對區(qū)域生長法進(jìn)行改進(jìn)，以目視解譯方法識別的林木區(qū)域?yàn)榛鶞?zhǔn)，分析對比區(qū)域生長法和考慮坡度的區(qū)域生長法的識別準(zhǔn)確率。采用自然鄰域法對水下地形數(shù)據(jù)進(jìn)行插值并與水上地形數(shù)據(jù)融合，得到神堤控導(dǎo)工程水上水下數(shù)字高程模型（ＤＥＭ），并與工程三維視圖進(jìn)行對比。結(jié)果表明：利用無人機(jī)和無人船一體化測繪生成的ＤＥＭ 成果，滿足有關(guān)技術(shù)規(guī)范的要求，具有較高的精度；采用考慮坡度的區(qū)域生長法識別控導(dǎo)工程的防浪林和行道林，識別正確率達(dá)９２．４７％。

關(guān)鍵詞：無人機(jī)；無人船；水下地形；水上地形；區(qū)域生長法；神堤控導(dǎo)工程

中圖分類號：Ｐ２３１；Ｐ２３４．２ 文獻(xiàn)標(biāo)志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．１１．０２２

引用格式：侍恒，曾賀，蘇磊，等．基于區(qū)域生長法的無人機(jī)和無人船一體化測繪技術(shù)研究［Ｊ］．人民黃河，２０２４，４６（１１）：１３７－１４１，１４８．

為了控制河流走向、整治游蕩型河道，在黃河灘岸沿治導(dǎo)線布置了大量壩、垛、護(hù)岸等控導(dǎo)工程。黃河泥沙較多，容易出現(xiàn)河道沖刷、淤積以及橫河斜河問題，致使控導(dǎo)工程發(fā)生根石走失等險(xiǎn)情，嚴(yán)重危及工程安全［１－２］ ，因此通常需要在汛前開展河道勘察，預(yù)估險(xiǎn)情可能發(fā)生點(diǎn)。在控導(dǎo)工程監(jiān)測過程中，傳統(tǒng)水下高程測量一般采用測深桿或鉛魚，存在參與人員多、安全隱患大等問題［３］ ，同時(shí)需要多人配合測量，容易在操作過程中出現(xiàn)誤差。相較于傳統(tǒng)測量方法，無人機(jī)、無人船等新型測量技術(shù)具有不載人、不接觸的特點(diǎn)，能夠在有效保障作業(yè)人員安全的同時(shí)，降低河道勘測成本，提高工作效率，在地形測量應(yīng)用中逐漸受到重視［４］ 。周陽陽等［５］ 基于無人機(jī)傾斜攝影技術(shù)重構(gòu)韶關(guān)北江特有珍稀魚類省級自然保護(hù)區(qū)三維實(shí)景模型，獲取數(shù)字正射影像（ＤＯＭ）和數(shù)字表面模型（ＤＳＭ）等地理信息數(shù)據(jù)。蔡嘉倫等［６］ 對無人機(jī)傾斜攝影測量精度進(jìn)行評估與分析，認(rèn)為將不同密集程度的地面像控點(diǎn)納入“空三”解算過程，其絕對定位精度可達(dá)厘米級。王冬敏等［７］ 以溪洛渡庫區(qū)為例，研究分析了無人船水下測量技術(shù)的應(yīng)用情況，同時(shí)結(jié)合無人機(jī)確定了數(shù)據(jù)采集區(qū)水邊線。目前，無人機(jī)、無人船已經(jīng)逐步實(shí)現(xiàn)在地形測量等領(lǐng)域的廣泛應(yīng)用［８］ ，二者結(jié)合可有效提高水上水下地形測量的同步率［９］ 。

ＤＥＭ 是用一組有序數(shù)據(jù)陣列表示地面高程的實(shí)體地面模型，采用柵格數(shù)據(jù)的形式進(jìn)行存儲，是對地貌形態(tài)的數(shù)字化模擬［１０］ 。不同于ＤＥＭ，ＤＳＭ 不僅包含地形的高程信息，還融合地表建筑物、橋梁、樹木等地物的高度信息［１１］ 。對于控導(dǎo)工程而言，壩襠或堤頂?shù)缆贩N植有防浪林、行道林等，無人機(jī)影像匹配點(diǎn)位于植被頂部，對其計(jì)算得到的是ＤＳＭ 數(shù)據(jù)［１２］ 。為進(jìn)一步提高無人機(jī)、無人船測繪技術(shù)在黃河控導(dǎo)工程地形測量中的精度，引入?yún)^(qū)域生長法識別控導(dǎo)工程的防浪林、行道林等區(qū)域，實(shí)現(xiàn)從ＤＳＭ 中識別地面點(diǎn)和提?。模牛汀^(qū)域生長法是一種基于圖像串行區(qū)域分割的算法，其關(guān)鍵因素包括種子選取、生長準(zhǔn)則和終止條件［１３］ ，在分割具有相同特征的連通區(qū)域方面具有良好的適應(yīng)性，目前該方法已廣泛應(yīng)用于醫(yī)學(xué)、機(jī)械設(shè)備等多領(lǐng)域的圖像分割［１４－１５］ 。然而，傳統(tǒng)區(qū)域生長法的生長準(zhǔn)則為固定值，致使部分低矮灌木和喬木無法有效識別。為此，本文針對黃河控導(dǎo)工程的特殊地形，利用無人機(jī)和無人船一體化測繪技術(shù)，引入坡度因子改進(jìn)準(zhǔn)則閾值，采用數(shù)據(jù)融合和考慮坡度的區(qū)域生長法等獲得具有較高精度的水上水下地形，以期為黃河控導(dǎo)工程監(jiān)測查險(xiǎn)提供技術(shù)支撐。

１ 研究區(qū)域概況和研究方法

１．１ 研究區(qū)域概況

研究區(qū)域?yàn)樯竦炭貙?dǎo)工程１２ 壩—２０ 壩（分布位置見圖１），位于鞏義市河洛鎮(zhèn)神北村北，背靠邙山，距鞏義市區(qū)１３ ｋｍ，工程上距裴峪控導(dǎo)工程１０ ｋｍ，下首為伊洛河入黃口，共有丁壩２１ 道、垛１０ 個(gè)，工程長度２ ８７９ ｍ，裹護(hù)長度４ ０８８ ｍ，工程防洪標(biāo)準(zhǔn)（洪峰流量）為５ ０００ ｍ３ ／ ｓ。

１．２ 研究數(shù)據(jù)來源

神堤控導(dǎo)工程的ＤＳＭ 源自２０２３ 年４ 月Ｐｈａｎｔｏｍ４ＲＴＫ 無人機(jī)航攝作業(yè)。Ｐｈａｎｔｏｍ４ ＲＴＫ 無人機(jī)具有ＲＴＫ 差分定位技術(shù)和高性能成像系統(tǒng)，航測效率與精度較高，擁有智能識別、避障等功能，可以按照事先規(guī)劃的線路自主控制飛行［１６］ 。Ｐｈａｎｔｏｍ４ ＲＴＫ 無人機(jī)搭載的相機(jī)參數(shù)如下：有效像素為２ ０００ 萬，ＣＭＯＳ 影像傳感器尺寸為１ 英寸，最大分辨率為５ ４７２ ×３ ６４８（３ ∶ ２），像元邊長為０．００２ ４ ｍｍ。通過構(gòu)建五向飛行路線，收集構(gòu)建精細(xì)實(shí)景三維模型所需的五向高精度照片，進(jìn)行“空三”解算并嵌入后差分處理，利用Ｃｏｎｔ?ｅｘｔＣａｐｔｕｒｅ 輸出三維實(shí)景，得到研究區(qū)域ＤＳＭ，見圖２。

影像分辨率是影響ＤＳＭ 精度的重要參數(shù)。數(shù)字航空攝影中用地面采樣間隔表示影像分辨率，其是決定影像地物識別能力和成圖精度的重要指標(biāo)［１７］ 。無人機(jī)地面采樣間隔ＥＧＳＤ依據(jù)式（１）計(jì)算：

１／ｓ＝ ｆ／Ｈ相＝ ａ／ＥＧＳＤ （１）

式中：ｓ 為攝影比例尺，Ｈ相為相對航高，ｆ 為航攝儀主距，ａ 為像元邊長。

Ｐｈａｎｔｏｍ４ ＲＴＫ 無人機(jī)搭載相機(jī)的最大分辨率為５ ４７２×３ ６４８，像元邊長為０．００２ ４ ｍｍ，焦距為８．８ ｍｍ，據(jù)此可得無人機(jī)ＥＧＳＤ ＝０．０８ ｍ。

研究區(qū)域水下高程利用華測４ 號無人船進(jìn)行測量。華測４ 號無人船內(nèi)置北斗高精度全球定位系統(tǒng)和全球?qū)Ш叫l(wèi)星系統(tǒng)（ＧＮＳＳ）雙天線、?？低晹z像頭等，搭載的聲學(xué)多普勒流速儀（ＡＤＣＰ）和測深儀等儀器無縫嵌入船體，吃水僅為０．１～０．２ ｍ。通過集成安裝姿態(tài)與聲吶基陣，實(shí)現(xiàn)出廠姿態(tài)零偏差，不需要在施測區(qū)域額外布設(shè)校準(zhǔn)線［１８］ 。采用無人船自動(dòng)控制技術(shù)實(shí)時(shí)獲取水底高程、水面高程、河道流量、空間位置等信息。無人船航道軌跡見圖３。

１．３ 研究方法

１）無人機(jī)和無人船一體化測繪方法。首先通過無人機(jī)高空航拍獲得研究區(qū)域?qū)崟r(shí)高精度正射影像，并依據(jù)該影像規(guī)劃無人船航線。再通過無人船采集研究區(qū)域的水深、水面高程、水下高程等信息，生成水下ＤＥＭ 模型。最后融合水上ＤＥＭ 模型，獲取完整的研究區(qū)域地形。

數(shù)據(jù)融合是在研究區(qū)域正射影像準(zhǔn)確劃分陸水分界面基礎(chǔ)上，將水下ＤＥＭ 模型和水上ＤＥＭ 模型的坐標(biāo)系統(tǒng)、高程系統(tǒng)分別統(tǒng)一為ＣＧＣＳ２０００、１９８５ 國家高程基準(zhǔn)，并根據(jù)陸水分界面整合水下ＤＥＭ 模型和水上ＤＥＭ 模型，輸出融合的ＤＥＭ 模型。

２）區(qū)域生長法。采用區(qū)域生長法識別防浪林和行道林等。區(qū)域生長法的主要原理是根據(jù)預(yù)先設(shè)定的生長準(zhǔn)則（待分割的像素點(diǎn)與分割好的區(qū)域像素點(diǎn)之差的絕對值在某閾值內(nèi)），從某一個(gè)或多個(gè)像素或區(qū)域出發(fā)，將符合相同準(zhǔn)則要求的像素或區(qū)域合并，最終形成可以代表目標(biāo)對象的連通區(qū)域。該方法在缺少先驗(yàn)知識前提下，可以有效分割自然景物等復(fù)雜圖像，提供較準(zhǔn)確的邊界信息。具體步驟如下：步驟一，采用Ｍａｔｌａｂ 生成可視化交互界面，在原始圖像中選取初始種子。步驟二，將４ 個(gè)鄰域像素點(diǎn)加入待分割的像素點(diǎn)庫，并根據(jù)預(yù)設(shè)生長準(zhǔn)則和生長結(jié)束條件判定該像素點(diǎn)是否加入分割好的區(qū)域或者結(jié)束生長。本研究在高程閾值基礎(chǔ)上，增加坡度閾值作為新增預(yù)設(shè)生長準(zhǔn)則，對傳統(tǒng)區(qū)域生長法進(jìn)行改進(jìn)。本次設(shè)定的初始高程、坡度預(yù)設(shè)生長準(zhǔn)則分別為１０ ｍ、９０°，改進(jìn)后方法稱為考慮坡度的區(qū)域生長法。步驟三，不斷重復(fù)步驟二，直至剩下的所有像素點(diǎn)均不滿足預(yù)設(shè)生長準(zhǔn)則且滿足生長結(jié)束條件。步驟四，重復(fù)步驟一至步驟三，根據(jù)目視遙感影像的地物分類結(jié)果不斷調(diào)整參數(shù)值，直至獲得最佳效果。

３）ＤＥＭ 數(shù)據(jù)質(zhì)量評價(jià)。無人機(jī)航高、相機(jī)參數(shù)均會(huì)對ＤＥＭ 數(shù)據(jù)的分辨率造成影響，數(shù)據(jù)處理中插值建模方法也會(huì)直接影響ＤＥＭ 數(shù)據(jù)質(zhì)量。因此，在開展ＤＥＭ 數(shù)據(jù)質(zhì)量評價(jià)時(shí)，需要綜合考慮ＤＥＭ 數(shù)據(jù)來源、處理過程與方法， 提出合適的精度評價(jià)指標(biāo)［１９］ 。ＧＮＳＳ ＲＴＫ 是一種依據(jù)載波相位測量的實(shí)時(shí)差分ＧＰＳ測量技術(shù)，其測量精度可以達(dá)到厘米級。無人機(jī)航測中通常以均方根誤差（ＥＲＭＳ）作為精度評價(jià)指標(biāo)，將航測得到的ＤＥＭ 與ＧＮＳＳ ＲＴＫ 的測量值進(jìn)行對比，ＥＲＭＳ計(jì)算公式為

式中：ｎ 為選取抽樣檢查的點(diǎn)位數(shù)量，Ｚｋ為抽樣檢查點(diǎn)位的ＧＮＳＳ ＲＴＫ 測量值，Ｒｋ為抽樣檢查點(diǎn)位的ＤＥＭ。

４）重合點(diǎn)或交叉點(diǎn)精度評定。水下地形測量具有特殊性，通過設(shè)定距離閾值來提取重復(fù)斷面測量的重合點(diǎn)或主測深線與檢查線交叉點(diǎn)，計(jì)算重合點(diǎn)或者交叉點(diǎn)插值來評定水下地形測量精度［２０］ ，本研究距離閾值設(shè)定為０．０１ ｍ，精度計(jì)算公式如下：

式中：Ｍ 為內(nèi)符合精度，ｌ 為有效重合點(diǎn)或交叉點(diǎn)的數(shù)量，δｉ為重合點(diǎn)之間或交叉點(diǎn)之間的高程差。

如果部分重合點(diǎn)或交叉點(diǎn)內(nèi)符合精度大于３ 倍中誤差，且該誤差是地形劇烈變化導(dǎo)致的，則可以將該點(diǎn)剔除，但此類點(diǎn)數(shù)量不能超過全部參與精度計(jì)算點(diǎn)數(shù)量的５％?！稛o人船水下地形測量技術(shù)規(guī)程》（ＣＨ／ Ｔ７００２ ― ２０１８）中深度測量中誤差見表１。

２ 試驗(yàn)分析

２．１ 水上地形數(shù)據(jù)處理

神堤控導(dǎo)工程區(qū)域存在成片防浪林和零散行道林，導(dǎo)致無人機(jī)影像匹配點(diǎn)位于喬木頂部（將這些匹配點(diǎn)簡稱為異常點(diǎn)）?？紤]到工程的實(shí)際情況以及現(xiàn)場喬木高度，根據(jù)區(qū)域分割結(jié)果和目視分類結(jié)果，不斷調(diào)整預(yù)設(shè)生長準(zhǔn)則，最終確定區(qū)域生長法的生長準(zhǔn)則為高程５ ｍ，考慮坡度的區(qū)域生長法的生長準(zhǔn)則為高程５ ｍ 和坡度６０°。確定異常點(diǎn)后，選擇自然鄰域法對異常點(diǎn)進(jìn)行插補(bǔ)，將目標(biāo)區(qū)域ＤＳＭ 轉(zhuǎn)換為ＤＥＭ。采用三維可視化和目視解譯方法，從研究區(qū)域中劃分出林木區(qū)域（見圖４），結(jié)合制圖精度評價(jià)方法，對異常點(diǎn)提取和ＤＥＭ 提取的精度和可靠性進(jìn)行分析。采用目視解譯方法共識別７４７ ７９９ 個(gè)網(wǎng)格，這些網(wǎng)格區(qū)域即為林木區(qū)域。

以目視解譯法識別的網(wǎng)格為基性，區(qū)域生長法和考慮坡度的區(qū)域生長法識別的網(wǎng)格與基準(zhǔn)網(wǎng)格相同時(shí)，稱為正確識別網(wǎng)格，將少識別的網(wǎng)格稱為Ⅰ類錯(cuò)誤識別網(wǎng)格，額外識別的網(wǎng)格稱為Ⅱ類錯(cuò)誤識別網(wǎng)格。識別正確率和錯(cuò)誤率統(tǒng)計(jì)見表２，林木區(qū)域識別結(jié)果見圖５。區(qū)域生長法實(shí)現(xiàn)大部分地面點(diǎn)的正確區(qū)分，成片的防浪林和離散的行道林都得到較好的識別。相比區(qū)域生長法，考慮坡度的區(qū)域生長法進(jìn)一步實(shí)現(xiàn)對剩余行道林以及零星防浪林的識別，正確率提高了１０．０７個(gè)百分點(diǎn)，Ⅰ類錯(cuò)誤識別網(wǎng)格數(shù)減少，但過識別現(xiàn)象更加嚴(yán)重，Ⅱ類錯(cuò)誤識別網(wǎng)格數(shù)增加。

采用區(qū)域生長法和考慮坡度的區(qū)域生長法的神堤控導(dǎo)工程無人機(jī)實(shí)測ＤＥＭ 見圖６。與圖６（ａ）相比，圖６（ｂ）顯示控導(dǎo)工程和道路上高程超過１１０ ｍ 的區(qū)域面積減小，這說明考慮坡度的區(qū)域生長法在識別低矮灌木以及尚未成材的喬木方面具有優(yōu)勢。

在考慮空間分布和高程梯度的基礎(chǔ)上，選取８００個(gè)點(diǎn)作為ＤＥＭ 精度檢查點(diǎn)，其中２０ 個(gè)點(diǎn)的檢查結(jié)果見表３。檢查點(diǎn)高程誤差最大值為０．５０ ｍ，最小值為０．００ ｍ，高程中誤差為０．０４ ｍ。根據(jù)《基礎(chǔ)地理信息數(shù)字成果１ ∶ ５００、１ ∶ １ ０００、１ ∶ ２ ０００ 數(shù)字高程模型》（ＣＨ／ Ｔ ９００８．２—２０１０），其高程中誤差滿足１ ∶ ２ ０００比例的１ 級制圖精度要求。

２．２ 水上水下地形數(shù)據(jù)融合

由于無人機(jī)影像匹配點(diǎn)無法穿透水面，因此水域部分的大量異常點(diǎn)需要通過無人船技術(shù)獲取實(shí)測資料進(jìn)行補(bǔ)充。對無人船采集得到的水深數(shù)據(jù)進(jìn)行濾波處理和姿態(tài)矯正，提取重合點(diǎn)或交叉點(diǎn)進(jìn)行精度檢核。將兩點(diǎn)距離≤０．０１ ｍ 認(rèn)為是重合點(diǎn)或交叉點(diǎn)，逐點(diǎn)搜索得到的重合點(diǎn)和交叉點(diǎn)數(shù)量為８ ５７０ 個(gè)，其中３１０個(gè)點(diǎn)位高程中誤差超限，超限比例為３．６２％，滿足超限點(diǎn)數(shù)不能超過全部參與精度計(jì)算點(diǎn)數(shù)５．００％的要求。最終計(jì)算的水下地形高程中誤差為０．０１７ ｍ，部分重合點(diǎn)或交叉點(diǎn)的高程中誤差見表４。

采用自然鄰域法對水下地形數(shù)據(jù)進(jìn)行插值并與水上地形數(shù)據(jù)融合，得到神堤控導(dǎo)工程１２ 壩—２０ 壩水上水下ＤＥＭ（見圖７）和等高線（見圖８）。等高線圖顯示水上水下地形整體平滑。采用三維可視化方法對ＤＥＭ 圖展現(xiàn)的地形起伏規(guī)律進(jìn)行觀察［２１］ ，對比圖９中神堤控導(dǎo)工程三維視圖可以看出，ＤＥＭ 圖中的地形起伏符合控導(dǎo)工程實(shí)際，較少出現(xiàn)地形陡升陡降情況。

３ 結(jié)論

本研究針對黃河兩岸控導(dǎo)工程的特殊地形，采用數(shù)據(jù)融合、區(qū)域生長法等處理由無人機(jī)和無人船聯(lián)合測量得到的高程數(shù)據(jù)，融合生成具有較高精度的水上水下地形圖。水上ＤＥＭ 滿足１ ∶ ２ ０００ 比例的１ 級制圖精度要求，水下高程滿足《無人船水下地形測量技術(shù)規(guī)程》（ＣＨ／ Ｔ ７００２ ― ２０１８） 規(guī)定的誤差要求。此外，采用區(qū)域生長法能夠有效識別控導(dǎo)工程的防浪林和行道林，通過考慮坡度因子對區(qū)域生長法進(jìn)行改進(jìn)，可以增強(qiáng)對低矮灌木以及尚未成材的喬木等的識別準(zhǔn)確率。根據(jù)目視解譯和制圖精度方法評價(jià)結(jié)果，該改進(jìn)方法對異常點(diǎn)及ＤＥＭ 提取的精度和可靠性較高，正確率可達(dá)９２．４７％。

參考文獻(xiàn)：

［１］ 王愷忱，王開榮．黃河下游游蕩性河段橫河和斜河問題的研究［Ｊ］．人民黃河，１９９６，１８（１０）：８－１０．

［２］ 蘭華林，王震宇，田治宗，等．黃河下游控導(dǎo)工程防守等級及搶險(xiǎn)對策研究［Ｊ］．人民黃河，２００５，２７（８）：９－１１，１７．

［３］ 楊凱，曹雅昌，楊曉亮，等．無人船測深儀在大斷面測量中的應(yīng)用［Ｊ］．海河水利，２０２２（６）：１０６－１０８．

［４］ 汪大超，柳華橋，向榮，等．無人機(jī)無人船海陸空間信息一體化測繪方法研究［Ｊ］．城市勘測，２０２２（４）：１３２－１３４．

［５］ 周陽陽，徐尚昭，陳斌，等．無人機(jī)傾斜攝影測量技術(shù)應(yīng)用于自然保護(hù)區(qū)勘界［Ｊ］．測繪通報(bào)，２０２１（９）：４３－４８．

［６］ 蔡嘉倫，賈洪果，劉國祥，等．對比傳統(tǒng)低空航測的無人機(jī)傾斜攝影測量精度評估［Ｊ］．測繪通報(bào)，２０２２（２）：３１－３６．

［７］ 王冬敏，楊國興，李春林，等．無人船水下測量技術(shù)在溪洛渡庫區(qū)的應(yīng)用［Ｊ］．人民黃河，２０２２，４４（增刊１）：２６９－２７０．

［８］ 馬博．無人機(jī)和無人船在重點(diǎn)河段河道地形測量中的應(yīng)用探析［Ｊ］．治淮，２０２２（１０）：４０－４２．

［９］ 劉超群，盧自來，劉敏，等．基于無人機(jī)和無人船的河（江）道地形測繪技術(shù)應(yīng)用［Ｊ］．水運(yùn)工程，２０２３（增刊１）：１３８－１４２．

［１０］ 黃?。?dāng)?shù)字高程模型的質(zhì)量檢查［Ｊ］．測繪通報(bào)，２００２（２）：５５－５６．

［１１］ 劉軍，王偉麗，關(guān)慧先．１ ∶ ５０ ０００ 高精度ＤＥＭ 成果質(zhì)量控制［Ｊ］．測繪標(biāo)準(zhǔn)化，２０２１，３７（２）：７２－７４．

［１２］ 李忠，李梅，杜緒奎．平坦地區(qū)ＤＳＭ 到ＤＥＭ 的試驗(yàn)［Ｊ］．測繪與空間地理信息，２００８，３１（２）：２９－３１．

［１３］ 喻龍華，王雷光，吳楠，等．復(fù)雜地形ＤＳＭ 的地面點(diǎn)識別及ＤＥＭ 提?。郏剩荩疁y繪通報(bào)，２０１８（５）：５９－６４．

［１４］ 張理澤，沈?qū)?，張博．基于改進(jìn)ＳＩＦＣＭ 和區(qū)域生長的三維ＣＴ 圖像缺陷體積測量［Ｊ］．電子測量與儀器學(xué)報(bào)，２０２３，３７（６）：７７－８５．

［１５］ 李大華，李濰璇，高強(qiáng)，等．電力設(shè)備紅外圖像分割的自適應(yīng)聚類區(qū)域生長法［Ｊ］．計(jì)算機(jī)應(yīng)用與軟件，２０２３，４０（４）：１６０－１６５，２２９．

［１６］ 藺建強(qiáng)，甘淑，袁希平，等．免像控大疆精靈４ ＲＴＫ 無人機(jī)在數(shù)字校園測圖中的應(yīng)用［Ｊ］．城市勘測，２０２１（１）：８４－８７，９３．

［１７］ 任棟，潘海利，武洋．精靈４ ＲＴＫ 無人機(jī)在大比例尺地形圖生產(chǎn)中的應(yīng)用探討［Ｊ］．測繪標(biāo)準(zhǔn)化，２０１９，３５（４）：４７－５０．

［１８］ 鄭全平．小型無人船搭載多波束在內(nèi)河淺區(qū)測量的應(yīng)用［Ｊ］．經(jīng)緯天地，２０２２（６）：１１－１３．

［１９］ 王晞．ＤＥＭ 內(nèi)插算法與精度評定研究［Ｊ］．現(xiàn)代測繪，２０１３，３６（５）：２１－２３，２９．

［２０］ 肖杰．智能無人船單波束測深系統(tǒng)在水下地形測量中的應(yīng)用［Ｊ］．測繪工程，２０２３，３２（１）：６３－７０．

［２１］ 謝艷玲，夏正清．基于ＭａｐＧＩＳ 的ＤＥＭ 質(zhì)量檢查與精度評定［Ｊ］． 測繪與空間地理信息，２０１５，３８（４）：１４１ －１４３，１４６．

【責(zé)任編輯 栗 銘】

基金項(xiàng)目：國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（２０２２ＹＦＣ３００４４０３）；黃河水利科學(xué)研究院推轉(zhuǎn)基金資助項(xiàng)目（ＨＫＹ－ＹＦ－２０２２－０５）；應(yīng)急部揭榜中標(biāo)攻關(guān)項(xiàng)目（應(yīng)急廳函〔２０２１〕１３６ 號）；水利部堤防安全與病害防治工程技術(shù)研究中心開放課題基金資助項(xiàng)目（ＬＳＤＰ２０２１０７）