引用本文
邵延秀, 张波, 邹小波, 王爱国, 张帆宇, 袁道阳, 刘兴旺, 何文贵. 采用无人机载LiDAR进行快速地质调查实践[J]. 地震地质, 2017,39(6): 1185-1197.
SHAO Yan-xiu, ZHANG Bo, ZOU Xiao-bo, WANG Ai-guo, ZHANG Fan-yu, YUAN Dao-yang, LIU Xing-wang, HE Wen-gui. APPLICATION OF UAVLS TO RAPID GEOLOGICAL SURVEYS[J]. SEISMOLOGY AND GEOLOGY, 2017,39(6): 1185-1197.  
DOI:10.3969/j.issn.0253-4967.2017.06.007
Permissions
Copyright©2017, 《地震地质》编辑部
《地震地质》编辑部 所有
采用无人机载LiDAR进行快速地质调查实践
邵延秀1,2, 张波1,2, 邹小波1, 王爱国1,2, 张帆宇3, 袁道阳1,2, 刘兴旺1,2, 何文贵1,2,*
1 中国地震局兰州地震研究所, 兰州 730000
2 兰州地球物理国家野外科学观测研究站, 兰州 730000
3 兰州大学土木工程与力学学院, 兰州 730000
*通讯作者: 何文贵, 正研级高级工程师, E-mail: hewengui321@163.com。

〔作者简介〕 邵延秀, 男, 1984年生, 2010年于中国地震局兰州地震研究所获理学硕士学位, 助理研究员, 主要从事活动构造和构造地貌方面的研究工作, 电话: 0931-8273226, E-mail: shaoyx@geoidea.org。

收稿日期: 2017-09-01
基金项目: 中国地震局兰州地震研究所地震科技发展基金(2007Q05)与国家自然科学基金(41590861, 41661134011)共同资助
摘要

激光雷达(Light Detection and Ranging, LiDAR)三维地形测绘技术已广泛应用于地质调查和地球科学研究中, 其高精度特性推动了地球科学定量化发展; 将其与无人飞行器集成为低空扫描系统, 使其更加省时、 便捷、 高效, 拓宽了LiDAR在野外调查的用途。将无人机载LiDAR测绘系统应用于野外地质调查, 以2个实例展示了该系统LiDAR的优势与潜在使用前景。在活断层探测应用中, 利用该系统对西秦岭北缘断裂漳县段南坡村研究点进行了扫描, 有效地消除了地物和植被的影响, 验证了断层展布位置, 并获取了漳河T1阶地的抬升量约为1.3m。另外, 还对兰州大学黄土地质灾害观测试验站进行了扫描, 为进一步分析微地貌对浅层黄土滑坡的影响提供了高分辨率地形数据。以上2个例子, 扫描时间均较短, 在0.5h左右, 而且扫描得到的点云数据平均每m2约为600个点, 分辨率可达到cm级别。试验结果表明, 无人机载LiDAR三维扫描有望成为1种常规、 高效和经济的测绘手段。

关键词: 无人机; LiDAR; 活动断层; 滑坡; 高分辨率
中图分类号:P315.2 文献标志码:A 文章编号:0253-4967(2017)06-1185-13
APPLICATION OF UAVLS TO RAPID GEOLOGICAL SURVEYS
SHAO Yan-xiu1,2, ZHANG Bo1,2, ZOU Xiao-bo1, WANG Ai-guo1,2, ZHANG Fan-yu3, YUAN Dao-yang1,2, LIU Xing-wang1,2, HE Wen-gui1,2
1)Lanzhou Institute of Seismology, China Earthquake Administration, Lanzhou 730000, China
2)Lanzhou National Observatory of Geophysics, Lanzhou 730000, China
3)Department of Geological Engineering, Lanzhou University, Lanzhou 730000, China
Abstract

Three-dimensional scanning with LiDAR has been widely used in geological surveys. The LiDAR with high accuracy is promoting geoscience quantification. And it will be much more convenient, efficient and useful when combining it with the Unmanned Aerial Vehicle(UAV). This study focuses on UAV-based Laser Scanning(UAVLS)geological field mapping, taking two examples to present advantages of the UAVLS in contrast with other mapping methods. For its usage in active fault mapping, we scanned the Nanpo village site on the Zhangxian segment of the West Qinling north-edge fault. It effectively removed the effects of buildings and vegetation, and uncovered the fault trace. We measured vertical offset of 1.3m on the terrace T1 at the Zhang river. Moreover, we also scanned landslide features at the geological hazard observatory of Lanzhou University in the loess area. The scanning data can help understand how micro-topography affects activation of loess landslides. The UAVLS is time saving in the field, only spending about half an hour to scan each site. The amount of average points per meter is about 600, which can offer topography data with resolution of centimeter. The results of this study show that the UAVLS is expected to become a common, efficient and economic mapping tool.

Keyword: Unmanned Aerial Vehicle(UAV); LiDAR; Active fault; Landslide; High resolution
0 引言

近年来, 越来越多的高分辨率数据应用于地球科学研究和地质调查中, 如使用机载三维激光扫描(Airborne LiDAR)对断裂带进行大面积扫描, 获得的高分辨率(最高可达亚m级)的地形数据, 可展示断裂带丰富的变形特征; 通过对这些变形特征的统计分析, 研究活动断裂的破裂习性(Hudnut et al., 2002; Oskin et al., 2007; Arrowsmith et al., 2009; Thackray et al., 2013; Chen et al., 2014, 2015; Salisbury et al., 2015)。高分辨率地形数据使大范围分析微地貌特征成为可能, 推动构造地貌研究向精细化定量方向发展(Zielke et al., 2010; Oskin et al., 2012; Hurst et al., 2013)。在中国, 研究人员也使用机载LiDAR对海原断裂进行了扫描, 获取了断裂带的精细结构(刘静等, 2013)。根据扫描数据, 研究人员对海原断裂的活动特性、 历史地震的同震位移和发震模式等具有深入的认识(Ren et al., 2015; Chen et al., 2015)。

随着地形测绘技术的不断提高, 尤其是低成本的sUAV(小型无人飞行器)在低空摄影测量领域的应用, 以及三维结构的运动重建技术(Structure from Motion, SfM)的推广, 人们越来越容易获取高分辨率地形数据。SfM技术相对于机载LiDAR高效和灵活, 而且分辨率更高, 可达0.1m。该技术已广泛应用于活动构造研究(Bemis et al., 2014; Reitman et al., 2015; 王朋涛等, 2016)和地质灾害调查(Lucieer et al., 2014; Turner et al., 2015; Stumpf et al., 2015)。但是在植被覆盖区, 低空摄影测量有其局限性, 它不能“ 穿透” 植被到地表, 即很难去除植被的影像获取地表的形态。

植被比较密集的地区, LiDAR技术具有绝对的测绘优势。但大型机载LiDAR和常见的地基LiDAR设备价格非常昂贵。近年来, 已有相关商业公司生产出可以挂载在小型无人飞行器上的廉价LiDAR设备。另外, 旋翼小型无人飞行器价格也越来越便宜, 考虑到其轻便、 机动性强的优势, 近年来无人机载LiDAR(UAV-based Laser Scanning, 简称UAVLS)引起越来越多的关注, 已被应用于农、林业中(Lin et al., 2011; Wallace et al., 2012; 甘平等, 2017)。 本研究将无人机载LiDAR应用于地质灾害调查, 本文将概述所使用的扫描仪系统及目前所取得的成果。

1 无人机载LiDAR介绍
1.1 系统介绍

我们使用的LiDAR扫描仪是由北京数字绿土科技有限公司集成的Li-Air无人机载激光雷达扫描系统, 主要包括八旋翼飞行平台、 Velodyne激光扫描仪、 GPS模块、 惯性测量单元(IMU)、 存储控制单元和控制平台。

其中IMU由高精度三轴陀螺仪以及3个坐标轴方向的加速度计组成, 是整个Li-Air激光雷达系统的基准中心。陀螺仪采用高精度光纤, 精度高, 零点漂移小, 能够与GPS对准, 并通过实时校正。

激光扫描仪(Velodyne)是系统的核心, 利用高速旋转的高频测距激光头, 不断记录不同方向的测距数据, 从而得出以扫描中心为基准的三维坐标信息。激光扫描仪的主要参数如表1。

表1 Li-Air 激光雷达系统扫描仪主要参数 Table1 Parameters of Li-Air scanning system

而存储控制单元的主要功能是: 1)接收地面控制信息, 并准确地把指令传递给相应的传感器; 2)控制和协调各个传感器正常工作; 3)采集激光雷达数据和IMU数据。完整的Li-Air无人机机载激光雷达系统扫描仪如图1。

图1 Li-Air无人机载激光雷达扫描仪系统Fig. 1 Li-Air scanning system configuration.

1.2 工作流程

在使用无人机载LiDAR进行野外扫描工作时, 通常需要3人进行协作, 其中1人控制飞控系统, 1人观察地面站运行情况, 1人作为机动人员, 协调地面站和飞控之间的协作。从计划、 野外实施和后期数据处理的工作流程大体如下:

(1)先进行室内解译, 了解工作地区的交通、 地形、 植被等覆盖情况;

(2)实地踏勘, 确定详细的工作区域, 然后在卫星影像上规划航线;

(3)架设基站, 使用静态测量模式新建任务;

(4)安装无人机LiDAR, 调试仪器, 上传航线并验证;

(5)开始扫描工作, 包括自动执行航线, 手动操作无人机对自动航线激光束不易到达区域进行扫描;

(6)任务完成后, 下载惯性导航数据(IMU)和激光(LaserRAW)数据; 完成后关闭基站, 下载基站数据;

(7)在Inertial explorer软件里, 使用基站数据、 惯性导航数据进行姿态结算, 得到飞行姿态数据(POS); 之后使用Li-Acquire软件, 用无人机飞行姿态数据(POS)解算激光数据(LaserRAW), 得到点云数据(las格式);

(8)使用数字绿土公司开发的LiDAR 360软件处理点云数据, 处理步骤包括点云融合(Merge)、 条带匹配(Adjustment)、 去除噪点(Outliers Removal)、 点云抽稀(Subsampling)、 分类(Classify)等, 得到优化的点云数据;

(9)使用上一步得到的点云数据, 在LiDAR 360软件中生成数字高程模型(DEM)、 数字地表模型(DSM)和其他晕渲数据等。

1.3 数据质量评估

利用无人机载LiDAR对地形进行测绘, 经过处理后的产品数据主要有激光点云数据、 DEM和DLG(数字线划地图)等。对于这些产品数据精度检查主要包括: 点云密度, 激光点数据分类精度检查、 点云数据平面精度检查、 点云数据高程精度检查等。

生成DEM的分辨率主要由点云密度决定, 而点云分类精度也将影响分类结果和去除植被、 建筑物的效果。对于点云数据和DEM数据的平面和高程精度评定方法通常有检查点法、 剖面线法及等高线套合法等。其中检查点法最常用, 通过实测点与点云和DEM数据对比, 计算中误差和极限误差来评价生成点云和DEM的平面精度和高程精度。中误差计算公式如下:

式(1)中, σ为中误差, Δ为真误差, 对于平面精度, Δ2=(X1i-X2i)2+(Y1i-Y2i)2; 而对于高程精度, Δ2=(Z1i-Z2i)2。X1i、Y1i、Z1i为DEM数据点提取的 X坐标、Y坐标和高程的测量值, X2i、Y2i、Z2i为检查点的X坐标、Y坐标和高程的GPS实测值(真实值)。仪器公司曾对坦桑尼亚坦噶市的无人机载LiDAR的点云数据进行质量检测, 结果显示高程中误差为0.064m, 水平中误差为0.105m(图2), 均优于机载LiDAR(魏占玉等, 2014), 完全可以满足1︰1 000 比例尺图件的要求。

图2 坦桑尼亚坦噶市的无人机载LiDAR的点云数据精度统计①(① 北京数字绿土科技有限公司, 2017, “坦桑尼亚坦噶市机载激光雷达数据采集与处理项目”测绘成果质量检查报告。)Fig. 2 Statistical accuracy of points cloud derived from UAVLS over Tanga, Tanzania.

2 应用实例
2.1 活动断层探测应用

活动断层是晚更新世以来有过活动的断层(带), 是未来强震孕育、 发生的重要构造。因此, 探察活动断层在空间上的精确展布位置, 可以出于防震减灾的目的, 为断层周边一定范围内的工程建设等的合理避让带决策提供依据。特别是人口密集的城区, 随着城镇化快速发展, 各种基础设施建设日新月异, 为保证土地资源的安全利用和建设工程的合理设计, 查明城区内及周缘活断层的分布迫在眉睫; 然而城区林立的建筑物以及对原地貌的严重改造, 为传统活动断层调查方法带来了各种困难。近年来调查人员将LiDAR技术引入城市活动断层探查中, 如Kondo等(2008)使用LiDAR数据精确确定了Itoigawa-Shizuoka断裂带穿过日本中部松本市区的具体位置, 并给出了变形量大小, 相比传统的实地调查, 节省了大量时间成本。

2013年7月22日在甘肃省定西市岷县— 漳县境内发生的MS6.6地震, 造成了95人遇难, 2, 414人受伤, 同时还造成大量农村民房倒塌以及滑坡、 崩塌、 液化和塌陷等严重的次生灾害, 直接经济损失达175.88亿元(王兰民等, 2013)。为了使岷县-漳县地震灾后恢复重建过程中的新建、 改建的城乡居民点尽可能地避开地震活动断层, 很有必要对存在地震活动断层而且地震灾害风险较大的城镇深入开展活动断层探测与地震危险性评价, 为未来城乡规划建设和改造提供科学依据和技术指导。西秦岭北缘断裂带漳县段则是其中影响最大的1条活动断层。

西秦岭北缘断裂带是1条青藏高原东北缘主干活动断层, 以左旋走滑为主兼具倾滑活动, 其中水平走滑速率为2.1~2.8mm/a, 而垂直滑动速率为0.4~0.7mm/a(滕瑞增等, 1994); 而且在历史上记录了该断裂发生过多次强震和大震(邵延秀等, 2011)。虽然, 该断裂带在大尺度地貌上线性特征比较明显, 且前人对该断裂做了大量的实地考察和研究(滕瑞增等, 1994; 袁道阳等, 1999; 李传友等, 2006, 2007; 张波等, 2012; 吴赵等, 2016), 但是, 仍有许多重要问题没有解决, 如漳县段的大比例尺几何展布、 最新活动时代、 历史地震发震断层段等。在岷县-漳县地震灾后考察中, 发现断层线穿过了许多村镇和农田, 原变形地貌被严重改造。使用无人机载LiDAR对一些重点段进行了精细化扫描, 揭示断裂线的精确位置和变形特征。下面以漳县县城西河南坡村扫描点为例, 介绍无人机载LiDAR在活断层探测方面的应用。

河南坡村位于漳河T1阶地上(图3a), 在其东边, 山脊和大型冲沟明显被断错(图4)。由于建筑物的覆盖和后期改造, 通过对高分辨率航卫片的解译, 沿断层走向在南坡村很难识别出断错地貌特征, 这为精确定位断层位置带来了很大的困难。我们利用无人机载LiDAR对这一区域进行了扫描, 只用了2个架次(飞行时间约20min)扫描了约200m× 700m的范围, 基本覆盖了整个村庄。扫描的点云数据如图3b, 平均每m2点数为537个。

图 3 西秦岭北缘断裂漳县段无人机载LiDAR扫描
a 西秦岭北缘断裂漳县段断裂几何分布; b 无人机载LiDAR扫描范围, 红线为断层位置, 虚线为推测断层, P1、 P2、 P3为剖面线位置Fig. 3 UAVLS mapping along the Zhangxin segment of the West Qinling north-edge fault.

图 4 西秦岭北缘断裂漳县段无人机载LiDAR扫描DEM 山影图
a DSM山影图, b 去掉植被和建筑物的DTM山影图; 分辨率均为0.1m, 红线为断层位置, 虚线为推测断层Fig. 4 DEM shaded relief from points cloud derived from UAVLS mapping along the Zhangxian segment of the West Qinling north-edge fault.

采用配套软件LiDAR 360将点云数据生成分辨率为0.1m的DSM; 从渲染的山影图中, 各种地物清晰可见。使用软件自带功能, 去除建筑物和植被后, 山影图更加平滑, 地形特征更加明显, 如右侧河沟形态被完整展现(图4)。我们在南坡村垂直推测断层走向提取了3条点云剖面线(图3b), 将点云投影到二维平面上, 并区分出地表点和非地表点。从图5b中可以非常清晰地看到地表在推测断层两侧有明显的高差, 在1~1.5m 之间, 但陡坎变形较为宽缓。同时, 我们也使用了小型无人机对研究区进行了航拍, 采用SfM技术从航拍影像提取点云数据。但由于地物的影响, 很难提取到地表的点云或地表点云很少, 这也就不能真实表现地表的变形特征。

图 5 横跨断层的剖面线
蓝色点云为地表数据; 灰色点云为地物数据; 数字为陡坎高度; 黑色实线为推测断层位置Fig. 5 Profiles across the fault.

2.2 黄土滑坡监测

在中国, 滑坡是1种重要的地质灾害, 每年都直接给人民经济和生命安全造成严重的损失, 特别是雨后和震后滑坡发生频率很大。近年来, 在中国西北黄土高原地区气候条件发生了显著的变化(黄小燕等, 2015), 降雨量明显增多, 且连续降雨和集中暴雨的发生明显增多; 浅层黄土滑坡发生的越来越频繁, 导致的社会经济损失越来越严重。因此, 观测研究浅层黄土滑坡对极端异常降雨的响应机制显得非常重要。 基于此, 我们在兰州大学榆中校区萃英山山顶(35° 56'24.16″, 104° 8'4.10″)建立了黄土地质灾害观测试验站(图6)。

图 6 黄土地质灾害观测试验站
a 观测站的位置, 底图为Google earth影像; b 观测站的滑坡, 白虚线为滑坡体边缘; c 进行LiDAR扫描前准备Fig. 6 Geological hazard observatory in loess area.

该观测站主要区域为2沟夹1坡, 斜坡后部为1个平缓的黄土台塬, 台塬和斜坡交界处有多个大型落水洞分布, 随着斜坡向下坡度逐步变陡。斜坡两侧冲沟为主要的汇水区域且落水洞发育。受前缘冲沟切割的影响和滑坡自身变形的发展, 斜坡前部区域分成了3块不同的滑体, 滑坡右侧处于滑动后相对稳定阶段, 中间部位当前仍在变形阶段, 左侧块体正处于发育阶段, 而斜坡整体也在不断向后继续扩展。因此, 加强区内高精度DEM数据的获得和分析, 对研究黄土沟壑区微地貌特征和浅层黄土滑坡的发展演化具有重要作用, 对黄土沟道演化也能提供重要信息。

我们使用无人机载LiDAR对试验站进行了扫描, 共执行了1个架次的飞行, 覆盖范围约为200m× 350m。由于两坡之间的沟深超过100m, 沟底没有收到返回的激光点, 表现为空白区(图7)。点云数据的密度平均每m2 600个点, 计算给出0.1m分辨率的DSM山影图对地形特征的表现比较细致。试验期内没有较大的植被, 只分布了高约10cm左右较为稀疏的矮草(图6), 对0.1m分辨率的DEM影响不大, 因此本次工作没有对点云数据进行植被剔除计算。

图 7 黄土地质灾害观测试验站LiDAR扫描
a 点云数据; b DSM山影图; 分辨率为0.1mFig. 7 LiDAR mapping at geological hazard observatory in loess area.

通过对山影图进行倾斜观察, 可以很清楚地勾画出滑坡体(图8), 使用相关算法可以进一步计算出滑坡体的面积和体积大小(Jaboyedoff et al., 2012; Tseng et al., 2013), 这也是我们未来的研究工作内容。由于试验站地区的滑坡体每年都在活动, 为了分析滑坡随时间滑动的情况, 现规划未来每6个月对试验区进行重复扫描。

图 8 斜视山影图
白色虚线为识别出来的部分滑坡体; x指向E, y指向N, z指向上Fig. 8 Oblique view of shaded relief.

3 讨论和结论

使用LiDAR扫描获取的三维点云数据可以快速构建真实三维地形, 在室内即可以解译活动断层的几何展布特征(魏占玉等, 2014)和地质灾害体, 而且对一些微地貌和微变形也能轻易识别出来(Oskin et al., 2012)。此外, 依靠虚拟现实技术可以将点云数据投到1个现实的三维空间中, 研究人员可以身临其境地分析地貌变形特征。如加利福尼亚州大学戴维斯分校的CAVE(Keck Center for Active Visualization in the Earth Sciences)系统, 结合他们自主开发的LiDAR数据处理软件LiDAR Viewer, 即可快速将研究区的点云数据渲染到现实空间中。Cowgill 等(2012)曾使用该系统对2010年海地MW7.0地震震区的LiDAR点云数据进行分析, 快速识别出了发震断层和地表破坏情况。这极大地节省了调查人员的野外工作时间, 而且打破了地区限制, 使跨国支持救援等更加便捷。无人机载LiDAR的推广应用, 将使LiDAR技术的优势更好地服务于地质灾害治理和研究中。

由于本次工作为检验性实践, 野外数据采集和数据处理时间较短, 还未进行数据质量监测, 下一步将在野外实测控制点完成质量监测报告, 保证数据的可信度。另外, 由于该LiDAR系统的点云数据只有2种回波, 因此前期只对点云数据分为地表点和非地表点2类。下一步我们也将采用其他分类算法(魏占玉等, 2014), 将各种地物和植被区分开, 保证数据的可用性。此外, 如将高像素的影像采集模块集成到扫描系统内, 即可以在采集点云数据的过程中获取扫描区的影像, 后期可将影像的RGB值赋给点云, 就会获得真实的三维影像。

该扫描仪扫描范围只有100m, 因此高差大的地方, 如深沟, 会出现点云空区。在这种情况下, 不方便自动执行扫描任务, 可手动控制飞行器, 降低其高度到扫描仪的扫描范围内, 沿着沟的方向, 手动操控无人机进行扫描。

以上结果表明, 相对于其他LiDAR设备, 无人机载LiDAR在机动性、 便捷性、 精确度和效率等方面具有明显的优势。在刚接触该扫描系统时, 野外数据采集工作可能需要至少3个人, 但熟悉整个野外操作流程后, 只需2个人就可以完成野外任务。而且, 随着无人机和LiDAR设备生产技术的不断改进, 无人机载LiDAR系统势必会越来越便宜, 精度也会越来越高, 进而使LiDAR扫描成为1种常规、 高效、 经济的测绘手段。

致谢 感谢审稿专家对本文修改提出的有益建议; 在野外扫描作业和数据处理方面得到北京数字绿土科技有限公司的帮助, 在此表示感谢。

The authors have declared that no competing interests exist.

参考文献
[1] 甘平, 董燕生, 孙林, 等. 2017. 基于无人机载LiDAR数据的玉米涝灾灾情评估[J]. 中国农业科学, 50(15): 2983—2992.
GAN Ping, DONG Yan-sheng, SUN Lin, et al. 2017. Evaluation of maize waterlogging disaster using UAV LiDAR Data[J]. Scientia Agricultura Sinica, 50(15): 2983—2992(in Chinese). [本文引用:1]
[2] 黄小燕, 李耀辉, 冯建英, 等. 2015. 中国西北地区降水量及极端干旱气候变化特征[J]. 生态学报, 35(5): 1359—1370.
HUANG Xiao-yan, LI Yao-hui, FENG Jian-ying, et al. 2015. Climate characteristics of precipitation and extreme drought events in Northwest China[J]. Acta Ecologica Sinica, 35(5): 1359—1370(in Chinese). [本文引用:1]
[3] 李传友, 张培震, 袁道阳, 等. 2006. 西秦岭北缘断裂带黄香沟段晚第四纪水平位移特征及其微地貌响应[J]. 地震地质, 28(3): 391—404.
LI Chuan-you, ZHANG Pei-zhen, YUAN Dao-yang, et al. 2006. Late-Quaternary horizontal displacement and its associated microgeomorphology of the Western Qinling fault zone at Huangxianggou[J]. Seismology and Geology, 28(3): 391—404(in Chinese). [本文引用:1]
[4] 李传友, 张培震, 张建玺, 等. 2007. 西秦岭北缘断裂带黄香沟段晚第四纪活动表现与滑动速率[J]. 第四纪研究, 27(1): 54—63.
LI Chuan-you, ZHANG Pei-zhen, ZHANG Jian-xi, et al. 2007. Late-Quaternary activity and slip rate of the Western Qinling fault zone at Huangxianggou[J]. Quaternary Science, 27(1): 54—63(in Chinese). [本文引用:1]
[5] 刘静, 陈涛, 张培震, 等. 2013. 机载激光雷达扫描揭示海原断裂带微地貌的精细结构[J]. 科学通报, 58(1): 41—45.
LIU Jing, CHEN Tao, ZHANG Pei-zhen, et al. 2013. Illuminating the active Haiyuan Fault, China by Airborne Light Detection and Ranging[J]. Chinese Science Bulletin, 58(1): 41—45(in Chinese). [本文引用:1]
[6] 邵延秀, 袁道阳, 王爱国, 等. 2011. 西秦岭北缘断裂破裂分段与地震危险性评估[J]. 地震地质, 33(1): 79—90. doi: DOI: 103969/j. issn. 0253-4967. 2011. 01. 008.
SHAO Yan-xiu, YUAN Dao-yang, WANG Ai-guo, et al. 2011. The segmentation of rupture and estimate of earthquake risk along the north margin of western Qinling fault zone[J]. Seismology and Geology, 33(1): 79—90(in Chinese). [本文引用:1]
[7] 滕瑞增, 金瑶泉, 李西候, 等. 1994. 西秦岭北缘断裂带新活动特征[J]. 西北地震学报, 16(2): 85—90.
TENG Rui-zeng, JIN Yao-quan, LI Xi-hou, et al. 1994. Recent activity characteristics of the fault zone at northern edge of Western Qinling mt[J]. Northwestern Seismological Journal, 16(2): 85—90(in Chinese). [本文引用:2]
[8] 王兰民, 吴志坚. 2013. 岷县漳县6. 6级地震震害特征及其启示[J]. 地震工程学报, 35(3): 401—412.
WANG Lan-min, WU Zhi-jian. 2013. Earthquake Damage Characteristics of the Minxian-Zhangxian MS6. 6 Earthquake and Its Lessons[J]. China Earthquake Engineering Journal, 35(3): 401—412(in Chinese). [本文引用:1]
[9] 王朋涛, 邵延秀, 张会平, 等. 2016. sUAV摄影技术在活动构造研究中的应用: 以海原断裂骟马沟为例[J]. 第四纪研究, 36(2): 433—442.
WANG Peng-tao, SHAO Yan-xiu, ZHANG Hui-ping, et al. 2016. The application of suav photogrammetry in active tectonics: Shanmagou site of Haiyuan Fault, for example[J]. Quaternary Sciences, 36(2): 433—442(in Chinese). [本文引用:1]
[10] 魏占玉, 何宏林, 高伟, 等. 2014. 基于LiDAR数据开展活动断层填图的实验研究: 以新疆独山子背斜-逆冲断裂带为例[J]. 地震地质, 36(3): 794—813. doi: DOI: 103969/j. issn. 0253-4967. 2014. 03. 019.
WEI Zhan-yu, HE Hong-lin, GAO Wei, et al. 2014. Experimental study on geologic mapping of active tectonics based on LiDAR data-a case of Dushanzi anticline-reverse fault zone in Xinjiang[J]. Seismology and Geology, 36(3): 794—813(in Chinese). [本文引用:3]
[11] 吴赵, 袁道阳, 王爱国, 等. 2016. 西秦岭北缘断裂带武山—天水段全新世活动的新证据[J]. 地震工程学报, 38(2): 249—259.
WU Zhao, YUAN Dao-yang, WANG Ai-guo, et al. 2016. New evidence for holocene tectonic activities of the Wushan￣Tianshui segment in the northern margin fault of the west Qinling[J]. China Earthquake Engineering Journal, 38(2): 249—259(in Chinese). [本文引用:1]
[12] 袁道阳, 杨明. 1999. 西秦岭北缘断裂带的位移累积滑动亏损特征及其破裂分段性研究[J]. 地震研究, 22(4): 382—389.
YUAN Dao-yang, YANG Ming. 1999. Research on the features of displacement cumulative slip deficits and segmentation in the northern margin fault zone of the Western Qinling[J]. Journal of Seismological Research, 22(4): 382—389(in Chinese). [本文引用:1]
[13] 张波, 何文贵, 袁道阳, 等. 2012. 西秦岭北缘断裂带西端晚第四纪活动特征及其西延问题[J]. 地震, 32(1): 136—143.
ZHANG Bo, HE Wen-gui, YUAN Dao-yang, et al. 2012. Late quaternary activities of the west segment of Northern Margin of Western Qinling fault zone and its Western Extension[J]. Earthquake, 32(1): 136—143(in Chinese). [本文引用:1]
[14] Arrowsmith J R, Zielke O. 2009. Tectonic geomorphology of the San Andreas fault zone from high resolution topography: An example from the Cholame Segment[J]. Geomorphology, 113(1/2): 70—81. [本文引用:1]
[15] Bemis S P, Micklethwaite S, Turner D, et al. 2014. Ground-based and UAV-based photogrammetry: A multi-scale, high-resolution mapping tool for structural geology and paleoseismology[J]. Journal of Structural Geology, 69: 163—178. [本文引用:1]
[16] Chen T, Akciz S O, Hudnut K W, et al. 2015. Fault-Slip Distribution of the 1999 MW7. 1 Hector Mine Earthquake, California, Estimated from Postearthquake Airborne LiDAR Data[J]. Bulletin of the Seismological Society of America, 105(2A): 776—790. [本文引用:2]
[17] Chen T, Zhang P Z, Liu J, et al. 2014. Quantitative study of tectonic geomorphology along Haiyuan fault based on airborne LiDAR[J]. Chinese Science Bulletin, 59(20): 2396—2409. [本文引用:1]
[18] Cowgill E, Bernardin T S, Oskin M E, et al. 2012. Interactive terrain visualization enables virtual field work during rapid scientific response to the 2010 Haiti earthquake[J]. Geosphere, 8(4): 787—804. [本文引用:1]
[19] Hudnut K W, Borsa A, Glennie C, et al. 2002. High-resolution topography along surface rupture of the 16 October 1999 Hector Mine, California, earthquake(MW7. 1)from airborne laser swath mapping[J]. Bulletin of the Seismological Society of America, 92(4): 1570—1576. [本文引用:1]
[20] Hurst M D, Mudd S M, Attal M, et al. 2013. Hillslopes record the growth and decay of land scapes[J]. Science, 341(6148): 868—871. [本文引用:1]
[21] Jaboyedoff M, Oppikofer T, Abellan A, et al. 2012. Use of LIDAR in land slide investigations: A review[J]. Natural hazards, 61(1): 5—28. [本文引用:1]
[22] Kondo H, Toda S, Okumura K, et al. 2008. A fault scarp in an urban area identified by LiDAR survey: A Case study on the Itoigawa-Shizuoka Tectonic Line, central Japan[J]. Geomorphology, 101(4): 731—739. [本文引用:1]
[23] Lin Y, Hyyppa J, Jaakkola A. 2011. Mini-UAV-borne LIDAR for fine-scale mapping. IEEE Geoscience and Remote Sensing Letters, 8(3): 426—430. [本文引用:1]
[24] Lucieer A, De Jong S M, Turner D. 2014. Mapping land slide displacements using Structure from Motion(SfM)and image correlation of multi-temporal UAV photography[J]. Progress in Physical Geography, 38(1): 97—116. [本文引用:1]
[25] Oskin M E, Le K, Strane M D. 2007. Quantifying Fault-zone activity in arid environments with high-resolution topography[J]. Geophysical Research Letters, 34(23): L23S05. [本文引用:1]
[26] Oskin M E, Arrowsmith J R, Corona A H, et al. 2012. Near-field deformation from the El Mayor-Cucapah earthquake revealed by differential LIDAR[J]. Science, 335(6069): 702—705. [本文引用:2]
[27] Reitman N G, Bennett S E K, Gold R D, et al. 2015. High-resolution trench photomosaics from image-based modeling: Workflow and error analysis[J]. Bulletin of the Seismological Society of America, 105(5): 2354—2366. [本文引用:1]
[28] Salisbury J B, Haddad D E, Rockwell T, et al. 2015. Validation of meter-scale surface faulting offset measurements from high-resolution topographic data[J]. Geosphere, 11(6): 1—18. [本文引用:1]
[29] Stumpf A, Malet J P, Allemand P, et al. 2015. Ground-based multi-view photogrammetry for the monitoring of land slide deformation and erosion[J]. Geomorphology, 231: 130—145. [本文引用:1]
[30] Thackray G D, Rodgers D W, Streutker D. 2013. Holocene scarp on the Sawtooth fault, central Idaho, USA, documented through lidar topographic analysis[J]. Geology, 41(6): 639—642. [本文引用:1]
[31] Tseng C M, Lin C W, Stark C P, et al. 2013. Application of a multi-temporal, LiDAR-derived, digital terrain model in a land slide-volume estimation[J]. Earth Surface Processes and Land forms, 38(13): 1587—1601. [本文引用:1]
[32] Turner D, Lucieer A, De Jong S M. 2015. Time series analysis of land slide dynamics using an unmanned aerial vehicle(UAV)[J]. Remote Sensing, 7(2): 1736—1757. [本文引用:1]
[33] Wallace L, Lucieer A, Watson C, et al. 2012. Development of a UAV-LiDAR system with application to forest inventory[J]. Remote Sensing, 4(6): 1519—1543. [本文引用:1]
[34] Zielke O, Arrowsmith J R, Grant Ludwig L, et al. 2010. Slip in the 1857 and earlier large earthquakes along the Carrizo Plain, San Andreas Fault[J]. Science 327(5669): 1119—1122. [本文引用:1]