Opracowanie metodologii generowania DTM koryta strumienia z wykorzystaniem SfM z UAV i chmury punktów LiDAR

Dlaczego mapowanie dna rzek jest ważne

Rzeki robią znacznie więcej niż tylko transportują wodę. Ich koryta, łachy piasku i brzegi kontrolują powodzie, tworzą siedliska dla dzikiej przyrody i kształtują sposób przemieszczania się zanieczyszczeń w dół nurtu. Tymczasem uzyskanie precyzyjnej mapy dna rzeki i otaczającego terenu jest zaskakująco trudne, szczególnie w płytkich, porośniętych roślinnością ciekach, gdzie łodzie, sonar i ekipy z tyczkami pomiarowymi mają utrudniony dostęp. Niniejsze badanie pokazuje, jak nisko latające drony, skanery laserowe i inteligentne filtry komputerowe mogą współpracować, by zbudować szczegółowe mapy „gożej ziemi” koreańskiego strumienia, oferując bezpieczniejsze, szybsze i pełniejsze spojrzenie na ukrytą topografię rzek.

Nowe spojrzenie z nieba nad złożonym strumieniem

Naukowcy skupili się na 2,8-kilometrowym odcinku strumienia Bokha w Icheon w Korei Południowej — krajobrazie pełnym krętych koryt, łach piasku, zalewisk i wysokich drzew przybrzeżnych. Tradycyjne pomiary byłyby tam powolne, niebezpieczne i nieuchwytne dla każdego zakrętu i zagłębienia. Zamiast tego zespół użył dwóch typów dronów. Jeden niósł skaner laserowy (LiDAR), który wysyła impulsy świetlne i mierzy czas ich powrotu, tworząc gęstą chmurę punktów 3D zdolną przenikać przez roślinność aż do powierzchni gruntu. Drugi kamerę multispektralną i technikę zwaną structure from motion (SfM), łącząc wiele zachodzących na siebie zdjęć w inną chmurę punktów 3D. Razem te komplementarne widoki zapewniły gęste pokrycie zarówno porośniętych brzegów, jak i płytkiego, w większości przejrzystego koryta.

Oddzielanie wody od lądu i gruntu od zanieczyszczeń

Surowe chmury punktów 3D rejestrują wszystko: liście, gałęzie, budynki, szumy w powietrzu i odbicia na falującej wodzie. Aby modelować tylko prawdziwy teren, trzeba usunąć te dodatkowe punkty. Zespół najpierw odróżnił wodę od lądu, używając prostego wskaźnika kolorystycznego nazwanego Normalized Difference Water Index, który porównuje jasność piksela w zakresie zielonym i bliskiej podczerwieni. Piksele o wartościach powyżej przyjętego progu oznaczono jako wodne. W obszarach lądowych preferowano punkty LiDAR, ponieważ impulsy laserowe mogą przesuwać się między liśćmi aż do gleby. W strefach wodnych, gdzie LiDAR w większości odbija się od powierzchni i „nie widzi” głębii, badacze polegali zamiast tego na danych SfM opartych na zdjęciach, które czasem potrafią uchwycić cechy dna przez płytką, stosunkowo przejrzystą wodę.

Testowanie trzech cyfrowych mioteł

Kolejnym, trudniejszym krokiem było wyczyszczenie zarośli i innych obiektów niebędących gruntem przy jednoczesnym zachowaniu rzeczywistego kształtu brzegów i dna. Zespół porównał trzy powszechnie stosowane „cyfrowe miotły”, czyli filtry terenu. Filtr symulacji tkaniny wyobraża sobie elastyczny arkusz narzucony na odwróconą chmurę punktów, traktując tę tkaninę jako grunt. Postępujący filtr TIN stopniowo buduje siatkę powierzchni z niskich punktów, dodając kolejne, jeśli spełniają reguły wysokości i nachylenia. Prosty filtr morfologiczny (SMRF) wielokrotnie eroduje i rozszerza powierzchnię, przycinając wysokie obiekty jak krzewy i drzewa. Dla każdej metody badacze testowali wiele ustawień parametrów, dopasowanych do LiDAR na lądzie i SfM w wodzie, a następnie porównywali uzyskany teren z 11 starannie zmierzonymi przekrojami wykonanymi tradycyjnymi instrumentami pomiarowymi.

Znalezienie najlepszego dopasowania do rzeczywistej rzeki

Dokładność oceniano za pomocą średniej i wartości RMS różnic między modelowanymi a pomierzonymi wysokościami. Gdy LiDAR i SfM używano oddzielnie, metoda fotogrametryczna wypadła lepiej w ogólnym bilansie, ponieważ częściowo potrafiła uchwycić zanurzone dno, którego LiDAR nie zarejestrował. Najpełniejszy obraz uzyskano jednak po połączeniu obu zestawów danych: LiDAR dla lądu, SfM dla wody, oba oczyszczone zoptymalizowanymi filtrami. Spośród trzech algorytmów SMRF dał najlepsze wyniki ogólne, z błędami rzędu zaledwie 16–21 centymetrów w całym obszarze. Najlepiej radził sobie z usuwaniem gęstych krzewów i wysokich drzew, zachowując jednocześnie ostre elementy jak małe tarasy i strome brzegi, które są kluczowe dla realistycznych modeli powodzi i siedlisk, choć czasem nieznacznie niedoszacowywał wysokości w strefach wodnych.

Co to oznacza dla rzek i ich sąsiadów

W praktyce badanie dostarcza przetestowany przepis na przekształcanie nieuporządkowanych pomiarów z dronów w dokładne mapy gołej ziemi małych, płytkich strumieni. Poprzez automatyczne oddzielanie wody od lądu i inteligentne łączenie danych laserowych i fotograficznych metoda pokonuje wiele słabych punktów starszych pomiarów łodziami lub z terenu. Autorzy wskazują SMRF jako najbardziej niezawodny filtr ogólnego przeznaczenia dla tego typu mieszanych korytarzy rzeczno‑brzegowych, zaznaczając jednocześnie, że inna metoda, filtr symulacji tkaniny, jest szczególnie stabilna w trudnych obszarach wodnych z niedoskonałymi punktami. Te wnioski mogą pomóc inżynierom i ekologom budować lepsze modele powodziowe, planować projekty renaturyzacji i śledzić zmiany rzek w czasie — wszystko to przy mniejszym ryzyku i koszcie prac terenowych. Wraz z rozwojem bardziej energooszczędnych systemów laserowych i ulepszonym przetwarzaniem, podejście to może uczynić mapowanie dna rzek w wysokiej rozdzielczości standardowym narzędziem do zarządzania ciekami wodnymi.

Cytowanie: 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

Słowa kluczowe: mapowanie rzek, pomiar dronem, LiDAR, cyfrowy model terenu, ekologia strumieni