点击上方湖泊遥感与智慧流域关注我们
研究区为易北河上域位于德国城镇Klöden和Elster之间。为了开发和评估新方法，使用了易北河一段的ALB测量，该段长度约为735米，宽度约为88米至168米。
图1 研究区域(易北河的一部分)。红色区域为本文的调查区域。
数据采集和预处理：
使用机载LiDAR系统进行连续的激光脉冲测量，并获取相邻位置的测量数据。对获取的数据进行预处理，包括去除杂散噪声、校正系统误差和提取有效回波信号。这些预处理步骤可以提高数据质量，为后续的全波形处理打下基础。
强度筛选和水底点提取：
在叠加后的数据上进行综合分析，识别和提取水底点的位置和强度信息。这一步骤利用强度筛选算法，根据水底回波的强度和背景噪声的差异进行筛选，进一步优化水底点的提取。通过设定合适的阈值，可以过滤掉强度较低的杂散信号，保留真实的水底点信号。
水深估计和三维重建：
根据测量数据和水底点的位置信息，进行水深估计和三维重建。利用激光脉冲的回波时间和传感器的位置信息，可以计算出每个水底点的水深。通过与地理坐标的关联，可以生成水底的三维模型。这样可以获取深水域水底的详细几何信息，包括水深、地形等。
图3 研究区域内处理单元(PU)的迭代过滤原理(本例为14步)。对于例(a)，绿色=能够可靠检测到水底回波的网格单元。对于情况(b)和(c)，绿色=已知或已检查的PU。灰色=陆地PU。黄色=当前被检查的PU。红色=未检查PU。
精度评估：将探测到的水底点与标准处理方法（OWP）和回声测深测量（ES）得到的点进行比较，扩展的全波形处理方法表现出更高的水底点提取精度。与传统处理方法相比，在水浑浊和多次反射等复杂条件下，该方法能够准确提取水底点的位置和水深信息，提高数据的精度和可靠性。
鲁棒性评估：在模拟和实际场地测试中，扩展的全波形处理方法展现出较强的鲁棒性。无论是在透明水域还是浑浊水域，该方法能够有效处理多次反射和杂散噪声，提取出清晰的水底回波信号。这证明了该方法对于复杂环境的适应能力和稳定性。
效率评估：扩展的全波形处理方法在处理速度和计算效率方面也取得了显著的改进。通过优化算法和并行计算技术，该方法能够快速处理大量的测量数据，并实时提取和分析水底点信息。相比传统方法，它能够提高处理效率，满足实际应用的需求。
图4 VFWSP点与OWP点以及ES点之间比较的精度值
扩展的全波形处理方法的关键在于综合利用相邻测量数据，通过全波形叠加和强度筛选，提高水底回波信号的强度和清晰度，从而实现水底点的准确提取和检测。该方法能够有效应对水浑浊、多次反射等情况下的挑战，提高深水域水底点检测的可靠性和精度。
以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。未经同意，禁止转载。
点击左下方 “阅读原文” 可下载论文原文。
湖泊遥感与智慧流域创新团队，主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作，并在流域尺度开展大数据智慧管理平台研究，保障湖泊水质安全。团队拥有博士和硕士导师4人（段洪涛，罗菊花，刘东，谭振宇），可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学（国科大南京学院联合培养）等招收博、硕士研究生，欢迎报考！同时，长期招收联合培养研究生，欢迎咨询！
联系人：段洪涛研究员，htduan@niglas.ac.cn。
科学前沿丨文献总结 | RSE：基于深度学习算法的大西洋马尾藻分布及量化研究
