פיתוח שיטת יצירת DTM לנחלים באמצעות SfM מבוסס רחפן וענן נקודות LiDAR

מדוע מיפוי קרקעית הנהר חשוב

נהרות הם הרבה יותר מעבירי מים. ערוציהם, מדפי החול והגדות שלהם שולטות בשיטפונות, יוצרות בית גידול לחי ותורמות לאופן שבו זיהום זז במורד הזרם. יחד עם זאת, קבלת מפת קרקעית מדויקת של נחל והאזור הסמוך מפתיעה כאתגרית, במיוחד בנחלים רדודים ומלאי צמחייה שבהם סירות, סונאר ואנשי מדידה עם מוטות מתקשים להגיע. המחקר הזה מראה כיצד רחפנים שעפים נמוך, סורקי לייזר ומסננים ממוחשבים חכמים יכולים לשתף פעולה ולבנות מפות "אדמה-חשופה" מפורטות של נחל בקוריאה, בהצעה לתצפית בטוחה, מהירה ושלמה יותר על הצורה הסמויה של נהרות.

עיניים חדשות בשמיים מעל נחל מורכב

החוקרים התרכזו במקטע של 2.8 קילומטרים של נחל בוקה באיצ'און, דרום קוריאה, נוף של ערוצים מתפתלים, מדפי חול, מדיונות שיטפון ועצי גדות גבוהים. סקרים מסורתיים שם היו איטיים, מסוכנים ולא מסוגלים ללכוד כל פיתול ושקע. במקום זאת השתמשה הקבוצה בשני סוגי רחפנים. אחד נשא סורק לייזר (LiDAR) ששולח פולסים של אור ומודד את משך הזמן עד החזרה, מה שמפיק ענן עבה של נקודות תלת־ממדיות היכולות לחדור בין עלים אל הקרקע. השני טס עם מצלמה רב־ספקטרלית והשתמש בשיטה הנקראת Structure from Motion (SfM), שתופרת יחד תמונות חופפות רבות לענן נקודות תלת־ממדי נוסף. יחד, שתי התצפיות המשלימות סיפקו כיסוי צפוף הן של גדות הצמחייה והן של הערוץ הרדוד, שבמרביתו שקוף יחסית.

להבחין בין מים ויבשה, ובין קרקע ובלבול

ענני נקודות גולמיים מתעדים הכל: עלים, ענפים, מבנים, רעשים באוויר והחזרי אור על מים גלים. כדי למodel רק את השטח האמיתי, יש להסיר את הנקודות העודפות הללו. הקבוצה תחילה הבחינה בין מים ליבשה באמצעות אינדיקטור פשוט מבוסס צבע הנקרא מדד ההפרש המנורמל של מים (NDWI), המשווה כמה פיקסל זוהר בחלקים הירוק והסמוך לאינפרה־אדום של הספקטרום. פיקסלים שערכם מעל סף שנקבע סומנו כמים. באזורים יבשתיים הועדפו נקודות LiDAR מאחר שדפוסי הלייזר יכולים לחדור בין עלים אל הקרקע. באזורים של מים, שבהם LiDAR בדרך כלל מוחזר מהמשטח ואינו "רואה" עומק, הסתמכו החוקרים במקום זאת על נתוני ה‑SfM המבוססים על תמונות, שיכולים לעתים לעקוב אחרי מאפיינים של קרקעית הנחל דרך מים רדודים ויחסית שקופים.

מבחן של שלוש מטאטאים דיגיטליים

השלב הבא היה קשה יותר: לנקות צמחייה ואובייקטים שאינם קרקע תוך שמירה על הצורה האמיתית של גדות הקרקע והקרית. הצוות השווה שלושה "מטאטאים דיגיטליים" נפוצים, או מסנני קרקע. מסנן הדמיית הבד (cloth simulation) מדמה יריעת בד גמישה הנמתחת על ענן נקודות הפוך, כשהבד מתנהג כקרקע. מסנן ה‑TIN הפרוגרסיבי בונה בהדרגה משטח רשת (mesh) מנקודות נמוכות, ומוסיף נקודות נוספות אם הן מתאימות לכללי גובה ושיפוע. המסנן המורפולוגי הפשוט (SMRF) שוחק ומרחיב את המשטח לסירוגין, ומסיר עצמים גבוהים כמו שיחים ועצים. עבור כל שיטה בחנו החוקרים הגדרות פרמטרים רבות, מותאמות ל‑LiDAR ביבשה ול‑SfM במים, ואז בדקו את השטח הנוצר מול 11 חתכי רוחב שנמדדו בקפידה בעזרת כלי מדידה מסורתיים.

למצוא את ההתאמה הטובה ביותר לנהר האמיתי

הדיוק נמדד באמצעות ההפרשים הממוצעים והשורש־ממוצע של ריבועי השגיאות בין הגובה המודללי והגובה הנמדד. כאשר LiDAR ו‑SfM שימשו בנפרד, השיטה המבוססת תמונה התבררה טובה יותר בסך הכל מאחר שהצליחה באופן חלקי ללכוד את הקרקעית הטבועה ש‑LiDAR החמיץ. עם זאת, התמונה הברורה ביותר נוצרה כאשר שני מערכי הנתונים שולבו: LiDAR ליבשה, SfM למים, ושניהם נוקו באמצעות מסננים מותאמים. בין שלוש האלגוריתמים, SMRF נתן את הביצועים הטובים ביותר באופן כללי, עם שגיאות בסדר גודל של כ‑16 עד 21 סנטימטרים על פני כל השטח. הוא הצטיין בהסרת שיחים צפופים ועצים גבוהים תוך שמירה על מאפיינים חדים כמו טרסות קטנות וגדות תלולות, המהווים קריטיים למודלים מציאותיים של שיטפונות ובית גידול, אם כי לעתים העריך מעט מדי את הגבהים באזורים המימיים.

מה משמעות הדבר עבור נהרות ושכניהם

במונחים מעשיים, המחקר מספק מתכון נבדק להפיכת מדידות רחפן מבולגנות למפות אדמה־חשופה מדויקות של נחלים קטנים ושטחיים. על ידי הפרדה אוטומטית של מים ויבשה ושילוב חכם של נתוני לייזר ותמונה, השיטה מתגברת על נקודות העיוורון הרבות של סקרים ישנים מבוססי סירה או קרקע. המחברים מזהים את SMRF כמסנן אמין לכל שימוש למרחב נהרות מעורב כזה, תוך ציון שמסנן הדמיית הבד יציב במיוחד באזורים מימיים מסובכים עם נקודות רעות. יחד, תובנות אלה יכולות לסייע למהנדסים ואקולוגים לבנות מודלים טובים יותר של שיטפונות, לתכנן פרויקטים לשיקום ולעקוב אחרי שינויי הנהר לאורך זמן, והכל בסיכון שדה ועלות פחותים. ככל שמערכות לייזר ירוקות יותר ועיבוד טוב יותר יתפשטו, גישה זו עשויה להפוך את מיפוי קרקעית הנהר ברזולוציה גבוהה לכלי שגרתי לניהול מקווי מים.

ציטוט: Gou, J., Lee, H., Park, J. et al. Development of a stream DTM generation methodology using UAV-based SfM and LiDAR point cloud. Sci Rep 16, 5178 (2026). https://doi.org/10.1038/s41598-026-35473-x

מילות מפתח: מיפוי נהרות, סקר באמצעות רחפן, LiDAR, מודל שטח דיגיטלי, אקולוגיית נחלים