从陆地到水的建模
作者:莫妮卡米勒罗杰斯
气候变化正在影响全球淡水供应体系。科罗拉多河就是这样一个例子，它流经美国七个州，流经墨西哥，最后流入科尔特斯海。
2015年被列为美国最危险的河流，水流预计将减少10%至30%到2050年。温暖的天气、较少的降雪，以及在河道上修建的数百座水坝，给河流的生态系统带来了巨大的压力。这对鱼类和野生动物的栖息地造成了不利影响，同时:
- 260亿美元的休闲经济，
- 4000万人的日常用水依赖于这条河
- 200万公顷农田灌溉。
由于科罗拉多河的健康状况受到如此大的影响，负责监督水资源管理和供水的美国垦务局(BOR)需要更好地了解流域地貌。
“我们正在努力了解科罗拉多河的情况，”博尔市尤马地区办公室技术支持办公室主任凯莉·斯科特说。“我们对河流进行建模，以了解浅水中的沉积物沉积，这反过来有助于我们识别任何水输送问题，如河岸的退化或流动中的‘阻塞点’。”
与其他河流的性质一样，科罗拉多河的蜿蜒改变了它的自然流向。这对附近的建筑构成了威胁，如道路、农业和居民区。BOR努力通过疏浚和加固堤岸线来保持河流的航道。
“作为河流的水主，我们需要确保持续的供水。我们有一个正在进行的项目，就是承包一项研究，绘制河流的地图，以了解河床是如何变化的。”斯科特说。“我们收到的数据帮助我们更好地模拟河流的表面和地下。我们拥有的数据质量越高，我们就能更好地建模和理解各种水流的影响，并为沿河项目进行工程设计。”
Allied GIS是一家专门从事GIS、图像和数据库应用的制图公司，该公司的任务是建立满足美国国家地图精度的数字正射摄影和地形图30厘米标准．随后，Allied GIS与德克萨斯大学奥斯汀分校杰克逊地球科学学院的经济地质局(Bureau)合作，获得机载水深激光雷达数据，另一家调查公司提供地形激光雷达和地面实况支持。
从测深到地形
作为徕卡地球系统机载传感器的长期用户，该局的研究人员使用了他们的徕卡翼手目在加利福尼亚和亚利桑那州的科罗拉多河下游收集数据。
翼手龙有两台独立的激光雷达扫描仪:
- 用于地形激光雷达的近红外(红波长)
- 用于水深测量的可见光(绿色波长)激光雷达
翼手龙的设计是同时获取数据与两个扫描仪，使调查在复杂的景观与浅水水体。河流勘测是在海拔高度为海拔400米，这是最佳海拔用于收集水深激光雷达数据。地形扫描仪以300千赫的重复频率同时获取数据，以区分水面，并绘制紧邻的海岸线。
“翼手龙让我们能够捕捉到河流的水深和直接地形的特征，”该局的首席研究科学家Kutalmis Saylam说。“我们已经使用翼手龙4年多了，我们可以在实地依赖这种强大和直观的系统。这对我们来说非常重要，因为可靠的传感器是我们工作的必要条件。”
调查地点的天气条件非常理想，总共完成了9次任务。调整了飞行计划，以保持飞机的安全运行，特别是在有高山山峰的调查区域的北端。整个调查133飞行线路占地面积265公里2完成了21小时的飞行时间．
看到清晰的通过
任务的一部分包括从一个地区收集水深数据世界上最深的水坝．位于亚利桑那州和加利福尼亚州之间的帕克大坝有一个98米高的挡土墙，并根据季节的不同以不同的速度排水。在与大坝当局的协调下，该局计划在低流量期间(146米对252米)进行空降任务3./秒)表示水柱中可能较低的浊度水平。由于浑浊度会吸收光束，使其无法穿透较深的水柱，因此浑浊度是成功进行ALB测量的质量保证程序的重要组成部分。河流北段的平均读数为0.41浊度单位(NTU)，表明水体整体浊度较低。在南部，河流较浅，流经类似沙漠的环境，大量的水因灌溉而流失。这些条件导致了更高的浊度水平高达6.25 NTU，并给激光雷达光束带来了困难。
翼手龙的强光轻易地穿透了河流北部清澈的水域。我们创造了一个深度超过10米的无缝水底表现。”Saylam说。“在南部，浊度水平更高，我们使用可用的回报和插值方法来估计和创建一个水底表示。
徕卡LiDAR Survey Suite LSS v2.3软件包含一个更新的混浊-水算法，它可以过滤由低或中等浑浊水平产生的后向散射噪声，并选择最独特的峰值作为水底表示。
“这种算法使人们能够从河流更深的水域中发现更多的收益，我们测量出的总体收益比正常收益提高了81厘米——这是激光雷达测深的一个重要成就。”Saylam说。
为了促进对科罗拉多河下游流域地貌的研究和对气候变化影响的进一步理解，该局能够提供准确和详细的地图。
“根据美国填海局的要求，我们能够量化水柱深度，绘制河底、海岸线和河流的整体地形。”Saylam说。“这些宝贵的知识使我们能够在未来进行类似的项目，而翼手龙的可靠性使我们能够继续专注于类似的科学研究。”
BOR将进一步使用数字正射影像图和地形图，以匹配其内部调查团队从船上和地面手段进行的测量。激光雷达研究的结论将继续帮助博尔保持科罗拉多河的正确流向，并支持那些依赖它的人。
“我们从激光雷达收到的数据是根据我们内部团队的调查校准的。”斯科特说。“这些信息对我们的持续运作非常重要，可以继续改进我们的模型，这样我们就可以正确地识别什么在改变，什么可能发生，并根据情况开发我们的项目。”
