研究目的
提出一种利用机载激光雷达(LiDAR)数据对海岸淹没模型中的地表粗糙度进行参数化的新方法,以提高海岸模型中水位和流速的预测精度。
研究成果
所提出的技术显著优于基于已发布土地利用/土地覆盖类型分配地表粗糙度参数的行业标准方法,将曼宁糙率系数n的参数化误差降低93%,有效空气动力学粗糙长度的误差降低53%。这标志着海岸建模领域的重大进展,能够实现更精确的地表粗糙度参数化。
研究不足
该研究的局限性在于:佛罗里达州飓风风暴潮易发区的地形条件范围有限、实地测量与激光雷达数据采集之间存在时间断层、以及实地测量中缺乏城市或已开发区域的数据。
1:实验设计与方法选择:
本研究采用随机森林(RM)回归模型,该模型基于佛罗里达州24个站点的实地测量数据与地理配准激光雷达点云数据融合训练而成。
2:样本选择与数据来源:
佛罗里达州24个站点的实地测量数据及激光雷达点云数据。
3:实验设备与材料清单:
机载激光扫描(激光雷达)数据、实地测量设备。
4:实验流程与操作步骤:
将每个测试站点的激光雷达点云分离为地面与非地面类别,并计算最小二乘回归平面的z维方差。
5:数据分析方法:
采用自助法子采样程序对模型进行检验,并与行业标准技术进行对比。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容