魏占玉 何宏林 高 偉 徐錫偉 甘衛(wèi)軍 衛(wèi)蕾華

（中國地震局地質(zhì)研究所，活動構(gòu)造與火山重點實驗室，北京 100029）

基于LiDAR數(shù)據(jù)開展活動斷層填圖的實驗研究
——以新疆獨山子背斜-逆沖斷裂帶為例

魏占玉 何宏林 高 偉 徐錫偉 甘衛(wèi)軍 衛(wèi)蕾華

（中國地震局地質(zhì)研究所，活動構(gòu)造與火山重點實驗室，北京 100029）

機載LiDAR技術(shù)為描繪活動構(gòu)造相關(guān)構(gòu)造地貌和最新的地表形變提供更精確的基礎(chǔ)數(shù)據(jù)。如何將LiDAR新技術(shù)、新數(shù)據(jù)應(yīng)用于活動構(gòu)造填圖和活動斷層地震危險性評價等方面，是今后活動構(gòu)造研究領(lǐng)域的一個重要的發(fā)展方向。文中以新疆天山北麓的獨山子背斜-逆沖斷裂帶為試驗區(qū)，開展了基于LiDAR數(shù)據(jù)的活動構(gòu)造填圖實驗研究。首先，采用機載LiDAR技術(shù)進(jìn)行數(shù)據(jù)采集，獲得點云密度為6.6個／m2、平均點間距為0.39m的LiDAR原始數(shù)據(jù)；其次，利用試驗區(qū)內(nèi)12個測量精度可達(dá)mm級的GPS靜態(tài)測量點評估LiDAR的相對垂直精度為0.12m、均方差值為0.078m；最后，對密度為6.4個／m2的地面點云數(shù)據(jù)進(jìn)行DEM最佳分辨率評估，利用反距離權(quán)重算法獲得0.5m分辨率的數(shù)據(jù)高程模型（DEM）。該分辨率的DEM數(shù)據(jù)足以完成獨山子背斜-逆沖斷裂帶的精細(xì)構(gòu)造地貌特征的確定以及高精度的空間解譯。文中僅使用DEM可視化工具從不同虛擬的視角、不同色度或其他處理方式來識別微構(gòu)造地貌、劃分地貌面和確定斷層位置等，宏觀上獲得與前人通過航片解譯和野外調(diào)查一致的斷裂分布特征，微觀上較前者具有更高的精細(xì)程度。此外，數(shù)據(jù)采集、數(shù)據(jù)質(zhì)量檢驗、數(shù)據(jù)處理及數(shù)據(jù)應(yīng)用等技術(shù)和方法適用于其他能夠獲得LiDAR地形數(shù)據(jù)的活動斷裂研究工作。

LiDAR 獨山子逆沖-背斜帶 活動斷層填圖

0 引言

在過去十幾年的發(fā)展中，機載LiDAR（Light Detection And Ranging）技術(shù)已成為可精確、快速、可靠地獲取地面3維數(shù)據(jù)的重要手段，在地球科學(xué)中的應(yīng)用日益廣泛。機載LiDAR最吸引人的優(yōu)勢在于激光束能夠通過植被縫隙到達(dá)地表，并能夠準(zhǔn)確測量地表形態(tài)。這些數(shù)據(jù)可以在適當(dāng)?shù)某叨龋╩）和精度（dm）上展現(xiàn)斷層活動在地表上所留下的現(xiàn)象。在本世紀(jì)初美國已經(jīng)開始“B4 LiDAR”項目，該項目利用LiDAR技術(shù)（也被稱為Airborne Laser Swath Mapping，ALSM）對南加州圣安德烈斯和圣哈辛托斷層進(jìn)行地質(zhì)調(diào)查和地貌填圖（Arrowsim th et al．，2008，2009），推動LiDAR技術(shù)在構(gòu)造地貌測量及地貌演化研究中的應(yīng)用（Crosby et al.，2007）。近年來，日本及歐洲的研究者利用LiDAR數(shù)據(jù)獲得高精度、高分辨率的DEM（Digital Elevation Model）成功地識別地震地表破裂帶及精細(xì)地貌劃分（Cunningham et al．，2006；Kondo et al．，2008；Lin et al．，2013）。

在活動構(gòu)造地質(zhì)填圖工作中，通常都會使用各種遙感信息進(jìn)行構(gòu)造地貌解譯，特別是具有m級分辨率的航空照片（何宏林，2011），但是航空攝影測量等技術(shù)僅用于2維層面上的斷層破裂定位，以及定性的3維空間輔助解譯工作（陳桂華等，2006）。與傳統(tǒng)的攝影測量方法相比，LiDAR測量是對地表3維坐標(biāo)的直接測量，避免通過攝影像對解算或雷達(dá)干涉測量（In-SAR）間接獲得地表3維坐標(biāo)，從而大大提高測量精度。另外，通過對LiDAR原始數(shù)據(jù)后期處理，能夠獲得高精度、高分辨率的DEM數(shù)據(jù)。這些DEM數(shù)據(jù)能夠精細(xì)表達(dá)地表地貌結(jié)構(gòu)，為研究和理解活動構(gòu)造相關(guān)構(gòu)造地質(zhì)情況、地貌和最新的形變歷史提供更精確的基礎(chǔ)數(shù)據(jù)。如何將這些LiDAR新技術(shù)、新數(shù)據(jù)最大效率地用于活動構(gòu)造的填圖工作和活動斷層地震危險性評價等方面，無疑是今后活動構(gòu)造研究領(lǐng)域的一個重要的發(fā)展方向。

新疆天山北麓的獨山子背斜-逆沖斷裂帶發(fā)育在準(zhǔn)噶爾盆地南緣，為天山向準(zhǔn)噶爾盆地擠壓逆沖在沉積蓋層中形成的新生代褶皺帶，晚第四紀(jì)以來依然在持續(xù)活動，而橫切獨山子背斜-逆沖斷裂帶的奎屯河發(fā)育7級基座階地，它們的形成與晚第四紀(jì)時期獨山子背斜、瑪納斯背斜的褶皺隆升相關(guān)（楊曉平等，2012）。選取新疆天山北麓的獨山子逆沖-背斜帶作為試驗區(qū)，進(jìn)行機載LiDAR數(shù)據(jù)采集并開展基于LiDAR數(shù)據(jù)的活動構(gòu)造研究，其目的是試驗和建立基于LiDAR數(shù)據(jù)進(jìn)行活動構(gòu)造填圖的技術(shù)流程。LiDAR應(yīng)用研究是非常廣泛的，從數(shù)據(jù)采集、數(shù)據(jù)質(zhì)量檢驗、數(shù)據(jù)處理及數(shù)據(jù)應(yīng)用各方面都是值得研究的內(nèi)容。如何檢查原始LiDAR覆蓋區(qū)域的正確性，評估原始LiDAR數(shù)據(jù)質(zhì)量以及制作DEM數(shù)據(jù)是利用LiDAR數(shù)據(jù)開展構(gòu)造地貌研究的基礎(chǔ)。但是，LiDAR數(shù)據(jù)使用者往往只關(guān)心數(shù)據(jù)的應(yīng)用，對于LiDAR原始數(shù)據(jù)質(zhì)量檢驗和數(shù)據(jù)處理方法重視不足，這將影響使用者對LiDAR數(shù)據(jù)的理解及有效使用。文中將以新疆獨山子背斜-逆沖斷裂帶的原始LiDAR數(shù)據(jù)為基礎(chǔ)，介紹如何進(jìn)行LiDAR原始數(shù)據(jù)質(zhì)量檢驗和數(shù)據(jù)處理，如何以LiDAR數(shù)據(jù)為基礎(chǔ)制作高精度的DEM數(shù)據(jù)，如何基于高精度的DEM數(shù)據(jù)進(jìn)行斷層解譯、識別和制圖。

1 數(shù)據(jù)采集工作原理

機載LiDAR是一種集激光掃描測距系統(tǒng)（Laser Scanner）、全球定位系統(tǒng)（GPS）和慣性導(dǎo)航系統(tǒng)（INS）于一體的新型航空遙感系統(tǒng)，能夠快速、精確地獲得地面3維信息。在飛行測量過程中，LiDAR系統(tǒng)將發(fā)射高頻激光脈沖依次掃描被測目標(biāo)，利用每個激光脈沖從發(fā)射源到被測物體表面再返回系統(tǒng)的時間來計算距離，航攝時配合動態(tài)GPS及慣性導(dǎo)航系統(tǒng)，即可獲取脈沖發(fā)射瞬間攝點的空間坐標(biāo)及其空間姿態(tài)，從而計算出被測物體的3維坐標(biāo)（圖1a）。為提高測量過程中各時刻的3維坐標(biāo)數(shù)據(jù)的精度，還需要在地面沿航線布設(shè)一定數(shù)量的GPS基站。

測量原始數(shù)據(jù)是具有3維坐標(biāo)信息的點云（Point Cloud）數(shù)據(jù)，這些點云數(shù)據(jù)可以構(gòu)成被測目標(biāo)虛擬影像（圖1b）。但是這些原始數(shù)據(jù)只是沒有屬性的離散點陣數(shù)據(jù)，不能區(qū)分地面點和非地面點（如植被、建筑物）；而且，所采集的點云數(shù)據(jù)包含大量的冗余數(shù)據(jù)及系統(tǒng)誤差，不能直接用于構(gòu)造地貌識別和測量。鑒于上述原因，在使用LiDAR數(shù)據(jù)之前必須進(jìn)行數(shù)據(jù)質(zhì)量檢驗、數(shù)據(jù)分類和DEM數(shù)據(jù)提取等。

圖1 LiDAR工作原理示意圖（a）及LiDAR點云渲染圖（b）Fig.1 Diagram of LiDAR operating principle（a）and renderings of LiDAR point-cloud（b）.

2 LiDAR測量概況

所選取的LiDAR測量區(qū)為位于天山北麓近EW向展布的獨山子逆斷裂-背斜帶，與其東側(cè)的哈拉安德和安集海等逆斷裂構(gòu)成天山北麓第3排逆斷裂-褶皺帶。獨山子逆斷裂-背斜是該帶南傾主逆斷裂和背斜構(gòu)造發(fā)育最好、在地表出露最為完好的段落。該逆斷裂東西長約18km，由發(fā)育在背斜帶北翼山前地帶的主逆斷裂、后沖斷裂和NW向剪切斷裂構(gòu)成（鄧起東等，1991）?？秃咏黃N向橫切該逆斷裂-背斜帶。由于背斜的強烈抬升和河流的下切侵蝕，在河谷兩側(cè)形成多級階地，階地受到褶皺彎曲和斷裂切割（鄧起東等，1991；Molnar et al．，1994）。由于地表破裂帶和河流階地是重復(fù)地震活動和構(gòu)造運動的記錄儀，能夠反映該區(qū)最新逆斷裂-褶皺變形的幾何學(xué)和運動學(xué)特征，因此本次LiDAR測量選取的測量區(qū)呈“T”型，分別覆蓋逆斷裂帶和逆沖上盤的河流階地（圖2）。

LiDAR航測選在10月底進(jìn)行，這樣可盡量減少植被對地表的遮擋，以提高激光脈沖到達(dá)地面的幾率。測量目標(biāo)區(qū)分為兩部分，目標(biāo)區(qū)Ⅰ呈EW向覆蓋山前地表破裂帶，掃描帶長約22km，寬約3km；目標(biāo)區(qū)Ⅱ呈SN向覆蓋奎屯河階地，掃描帶長約25km，寬4km。LiDAR點云數(shù)據(jù)存儲格式采用美國攝影測量與遙感協(xié)會（ASPRS）于2003年發(fā)布的面向機載LiDAR數(shù)據(jù)的標(biāo)準(zhǔn)格式LAS1.0，該點云格式可在不同軟、硬件之間實現(xiàn)交互和存儲。在航測過程中，同時獲取對應(yīng)地面的彩色數(shù)碼影像，用于后期正射影像或其他專題圖。

圖2 獨山子背斜-逆沖斷裂地質(zhì)簡圖及LiDAR測量區(qū)Fig.2 Geological sketch of Dushanzi anticline-reverse fault zone and the LiDAR measurement area.紅色線代表山前逆斷裂，虛線框帶表LiDAR測量目標(biāo)區(qū)

3 數(shù)據(jù)處理流程

原始LiDAR測量數(shù)據(jù)包括原始LAS點云數(shù)據(jù)和原始影像兩部分，一般是由硬件設(shè)備隨帶的軟件進(jìn)行解算處理的。在航測采集數(shù)據(jù)之后，首先需要檢查LiDAR測量區(qū)域是否與目標(biāo)區(qū)一致、是否存在測量空區(qū)、航帶重疊區(qū)與原始點密度是否符合要求等等。另外，原始LiDAR點云數(shù)據(jù)僅僅是空間離散點坐標(biāo)數(shù)據(jù)，需要進(jìn)行點云數(shù)據(jù)濾波與分類、去除異常點數(shù)據(jù)、測量精度評估等。最后，利用地面點云數(shù)據(jù)生成數(shù)據(jù)地面模型（DSM）和數(shù)字高程模型（DEM）得到地形與地物等信息，才可供后續(xù)的應(yīng)用。

3.1 LiDAR數(shù)據(jù)檢測

在LiDAR航測中，單次飛行只能測量有限寬度的地面范圍，而且單次掃描的點云密度難以滿足測量要求。由于LiDAR測量的最終成果是基于點云數(shù)據(jù)構(gòu)建地物3維模型，點云密度直接影響到DSM和DEM的分辨率和精度（Langridge et al．，2013）。為了提高點云密度達(dá)到一定要求，常用的方法是多次重復(fù)掃描目標(biāo)區(qū)，增大航測條帶間的重疊度。如美國南圣安德烈斯斷裂（San Andreas Fault，SAF）LiDAR測量“B4”項目中，在覆蓋該斷裂帶的1.5km的條帶上飛行5次獲得地面點云密度約為3.6個／m2（Arrowsmith et al．，2009）；在日本Neodani斷裂上森林覆蓋地區(qū)，對1.25km寬的條帶進(jìn)行13次重復(fù)LiDAR航測，平均原始點云密度可達(dá)到約12.7個／m2（Lin等，2013）。

在LiDAR原始數(shù)據(jù)處理之前，首先利用航帶拼接圖檢驗獨山子LiDAR航測范圍（圖3）。航帶拼接圖顯示LiDAR航測范圍覆蓋目標(biāo)區(qū)（紅色外框），不存在掃描空區(qū)。目標(biāo)區(qū)Ⅰ寬度約為3km，進(jìn)行了8次飛行掃描，表明目標(biāo)區(qū)內(nèi)任何位置被掃描不少于2～3次。目標(biāo)區(qū)Ⅱ?qū)挾燃s為4km，進(jìn)行了16次飛行掃錨，目標(biāo)區(qū)內(nèi)任何位置至少被掃描2次。點云密度是掃描區(qū)內(nèi)單位面積上測量點的數(shù)量。利用lastools軟件的lasinfo函數(shù)統(tǒng)計點云信息，整個掃描區(qū)原始點云密度為6.6個／m2，平均點間距為0.39m；目標(biāo)區(qū)Ⅰ原始點云密度為6.9個／m2，平均點間距為0.37m；目標(biāo)區(qū)Ⅱ原始點云密度為6.5個／m2，平均點間距為0.39m。本次LiDAR測量點云密度高于美國“B4”項目的點云密度（Arrowsmith et al．，2008）。

圖3 獨山子LiDAR測量航帶拼接圖Fig.3 Mosaic of airborne LiDAR measurements in Dushanzi area.顏色代表LiDAR測量次數(shù)；黑十字點為野外GPS地面控制點位置；紅線框是目標(biāo)區(qū)范圍

LiDAR數(shù)據(jù)精度決定其測量成果能否作為基礎(chǔ)測繪資料直接應(yīng)用，也是評價LiDAR數(shù)據(jù)質(zhì)量好壞的標(biāo)準(zhǔn)之一。因此，LiDAR數(shù)據(jù)精度評估是開展LiDAR數(shù)據(jù)應(yīng)用前必須回答的問題（王曉輝等，2007）。數(shù)據(jù)誤差主要是由觀測條件、激光信號發(fā)射率和回波信號強度等造成的，包含絕對誤差和相對誤差2個方面（趙禮劍等，2009）。為了測試獨山子LiDAR數(shù)據(jù)精度，利用測量精度可達(dá)mm級的高精度GPS在目標(biāo)區(qū)內(nèi)靜態(tài)測量12個觀測點。每個觀測點的持續(xù)測量時間＞100min，有效觀測衛(wèi)星總數(shù)＞5個。這些觀測點主要分布在呈三角形的3個地點上（圖3中黑點）。為了避免地形起伏引起的2次高程誤差的影響，選取的GPS觀測位置為視野開闊，地勢平坦，周邊地表無茂密植被（圖4）。絕對垂直誤差主要通過對機載LiDAR點與水平地面點的實際高程比較來評定。通過選取每個GPS觀測點周邊6m×6m范圍內(nèi)所有點云數(shù)據(jù)，利用不規(guī)則三角網(wǎng)計算GPS位置高程值（表1：lidar_Z），然后將該高程值與該GPS實測的高程值（表1：GPS_P）進(jìn)行比較來評估LiDAR數(shù)據(jù)的絕對垂直誤差。計算結(jié)果顯示，獨山子LiDAR數(shù)據(jù)的絕對垂直誤差平均值為0.812m，均方差值為0.010m（表1：高程差）。

除了絕對垂直誤差外，相對垂直誤差也是評價數(shù)據(jù)精度（質(zhì)量）的重要標(biāo)準(zhǔn)。利用GPS觀測點評估獨山子LiDAR數(shù)據(jù)的垂直相對誤差，野外獲取GPS觀測點的垂直相對誤差小于Li-DAR數(shù)據(jù)的相對誤差。獨山子LiDAR數(shù)據(jù)的垂直相對誤差（Errrel）可以通過GPS點高程差矩陣（DiffGPS）與LiDAR點高程差矩陣（Difflidar）的差值獲得：

圖4 GPS測量野外現(xiàn)場照片F(xiàn)ig.4 Field views of GPSmeasurement.

表1 GPS觀測點的測量數(shù)據(jù)及其LiDAR測量數(shù)據(jù)Table 1 Measured data of GPS and LiDAR

公式中：

式中，eij=Zi-Zj。

式中，eij=Pi-Pj。

計算結(jié)果的統(tǒng)計分析顯示，LiDAR數(shù)據(jù)的垂直相對誤差主要分布在0.1～0.2m之間（圖5）。通過概率分布擬合，誤差分布服從正態(tài)分布，均值為0.12m，均方差值為0.078m。該垂直誤差可應(yīng)用于后期利用LiDAR數(shù)據(jù)進(jìn)行地貌測量及量化分析等方面。通過增加測量區(qū)點云密度，可以有效減小LiDAR數(shù)據(jù)的相對誤差，如日本Nedani斷裂上平均原始點云密度可達(dá)到約12.7個／m2，其相對垂直誤差可降低到0.085m（Lin等，2013）。

3.2 LiDAR數(shù)據(jù)分類

由于地表要素復(fù)雜多樣，所以LiDAR點云數(shù)據(jù)中包含了地面點和非地面點（如建筑物、樹木和植被）。只有準(zhǔn)確而可靠地將LiDAR點云數(shù)據(jù)進(jìn)行分類處理后，才能有效地利用Li-DAR數(shù)據(jù)。點云數(shù)據(jù)分類是將LiDAR系統(tǒng)獲取的分布在地表不同地物上的不規(guī)則離散點進(jìn)行處理和識別，最基礎(chǔ)的工作是將地面點與非地面點進(jìn)行區(qū)分（隋立春等，2010）。針對機載LiDAR數(shù)據(jù)分類，國內(nèi)外學(xué)者進(jìn)行了深入研究，并提出多種分類算法，如不規(guī)則三角網(wǎng)漸進(jìn)加密（Axelsson，1999）、分層線性內(nèi)插（Kraus，1998）、漸進(jìn)窗口數(shù)學(xué)形態(tài)學(xué)濾波（Zhang et al．，2003）和分層迭代選權(quán)濾波方法（劉經(jīng)南等，2008）等。

圖5 LiDAR原始數(shù)據(jù)相對誤差概率分布Fig.5 Probability distribution of the relative error of raw LiDAR data.

由于獨山子LiDAR測量目標(biāo)區(qū)內(nèi)建筑物較少，地表植被稀少，地形坡度變化小，文中使用Lastools軟件提供的經(jīng)典不規(guī)則三角網(wǎng)漸進(jìn)加密方法對LiDAR點云數(shù)據(jù)進(jìn)行分類處理。該方法簡單且處理速度快，但是需要大量的經(jīng)驗參數(shù)，如最大的建筑物尺寸、三角型所在平面的傾角、確定平面點閾值等多個參數(shù)，這些參數(shù)的最優(yōu)閾值需隨不同場地復(fù)雜度進(jìn)行實時調(diào)整。首先，選取一處具有建筑物和樹木的區(qū)域作為點云數(shù)據(jù)分類的實驗數(shù)據(jù)（圖6）。自然地形是連續(xù)、平緩變化的，而地表樹木、建筑物等點云數(shù)據(jù)通常比其相鄰點的高程值大1～2m，因此分類方法可以識別并歸類。圖6顯示大部分建筑物（褐色）和樹木（綠色）能夠被識別出來。從分類圖的剖面圖可以看出，建筑物的房頂和樹木的形態(tài)符合自然特征，分類效果較好。對于一些低矮灌木和小型房屋等點云，還需人工去除歸類（王明華等，2010）。

圖6 LiDAR點云數(shù)據(jù)分類結(jié)果及分類點云橫剖面圖Fig.6 Classification of LiDAR point-cloud data and the transverse section.灰色代表地面點，綠色代表樹木植被，棕色代表建筑物，黑色線AA′代表剖面位置

數(shù)字高程模型（DEM）把這些不規(guī)則離散的地面點云數(shù)據(jù)進(jìn)行插值生成具有一定分辨率的2維網(wǎng)格，因此需要評估地面點密度，從而確定DEM的最佳分辨率。去除地表植被和建筑物等非地面點，分類后的LiDAR點云代表裸露地表。由于掃描區(qū)內(nèi)建筑物和植被較少，分類后地面點云密度與原始點云密度相差不大。分類后地面點云平均密度為6.4個／m2，平均點間距為0.39m。

3.3 生成DEM

為了便于表現(xiàn)地形和量化分析地貌特征，通過插值將不規(guī)則離散的地面點轉(zhuǎn)換成能夠最佳表現(xiàn)地形表面特征的網(wǎng)格化數(shù)據(jù)模型（DEM），這一過程稱為機載LiDAR點云的網(wǎng)格化（靳克強等，2011）。DEM的網(wǎng)格單元代表DEM的分辨率，越小的網(wǎng)格單元代表越高的分辨率和更多的細(xì)節(jié)，但是點云密度往往約束著DEM的分辨率（Langridge et al．，2013）。因此根據(jù)點云密度確定DEM最佳網(wǎng)格尺寸是利用插值方法生成DEM的必要步驟，然后選取恰當(dāng)?shù)牟逯捣椒ㄐ纬伤枰腄EM。

3.3.1 確定DEM分辨率

在利用點云內(nèi)插生成DEM過程中，希望獲得高分辨率（小尺寸網(wǎng)格）的DEM。但是如果設(shè)定網(wǎng)格過小，內(nèi)插方法將引入一些人為特征，DEM不能準(zhǔn)確表現(xiàn)地貌特征；如果設(shè)定網(wǎng)格過大，DEM不能表現(xiàn)細(xì)小的地貌特征，失去LiDAR數(shù)據(jù)的優(yōu)勢。目前主要根據(jù)經(jīng)驗和反復(fù)對比來確定最佳的網(wǎng)格尺寸（Arrowsmith et al．，2009）。地形數(shù)據(jù)的形態(tài)分析表明，地形起伏具有自相似性或自仿射性，并可以被分解成一組正弦組分（Perron et al．，2008），而最小正弦波代表著該地形數(shù)據(jù)的最高分辨率。根據(jù)該理論，文中介紹在一定點云密度下如何確定DEM最佳分辨率。

首先生成一個DEM模擬波狀起伏的地形，該模擬DEM分辨率為5mm。該DEM在X方向存在一組波長和振幅相等的正弦波，分別為0.25m、0.5m、1m和2m，而在Y方向不變（圖7）。在模擬的DEM中按某一密度（平均密度）隨機選取離散點模擬LiDAR的點云分布，該離散點不偏向任何區(qū)域，利用這些離散點重構(gòu)DEM。然后，利用傅里葉分析方法確定X方向上的正弦波的波長和振幅。根據(jù)Nyquist定理（采樣定理），在進(jìn)行模擬信號轉(zhuǎn)換過程中，當(dāng)采樣頻率大于信號中最高頻率的2倍時，即采樣波長小于最小波長的1／2時，采樣信號可以完整保留原始信號的信息。在文中確定的DEM分辨率中，采樣波長就是DEM的網(wǎng)格尺寸，最小波長是X方向上能夠準(zhǔn)確識別最小正弦波的波長。因此，重構(gòu)后的DEM在X方向上能夠準(zhǔn)確識別最小正弦波長的一半就是在該離散點密度下最佳DEM分辨率。

圖7 模擬波狀起伏地形的DEM模型（a）以及離散點重構(gòu)DEM模型中識別正弦波分布（b）Fig.7 DEM of simulated undulating terrain（a）and the sine distribution identified from the DEM reconstructed using discrete points（b）.a黑色點表示密度為6個／m2的離散點分布；b每個明顯峰值代表可以識別的正弦波

圖7展示了點云密度為4個／m2、6個／m2和15個／m2的分析結(jié)果。結(jié)果顯示，密度為4個／m2的點云構(gòu)建的DEM可以較好確定波長為2m的地形起伏，因此該點云密度下DEM最佳網(wǎng)格尺寸為1m；當(dāng)點云密度為6個／m2時，構(gòu)建的DEM除了能夠識別2m的地形起伏外，還能識別波長為1m的地形起伏，因此該密度下點云數(shù)據(jù)生成DEM最佳網(wǎng)格尺寸為0.5m；獨山子LiDAR點云密度約為6個／m2，因此可以構(gòu)建網(wǎng)格為0.5m的DEM。通過模擬發(fā)現(xiàn)，如果想獲得更高分辨率的DEM，需要大大提高點云密度，如15個／m2點云密度可以獲得0.25m網(wǎng)格的DEM。Lin等（2013）根據(jù)經(jīng)驗利用點密度為6.2個／m2和12.0個／m2的地面點可分別生成網(wǎng)格為0.5m和0.25m的DEM，與本文獲得結(jié)果一致。

一些學(xué)者根據(jù)長度-面積關(guān)系得到點云密度與DEM網(wǎng)格尺寸的經(jīng)驗關(guān)系（Hu，2003），

公式中s為DEM網(wǎng)格大?。▎挝唬簃），d為點云密度（單位：個／m2）。Langridge等（2013）利用該公式確定點云密度低于2個／m2時DEM網(wǎng)格尺寸（圖8），發(fā)現(xiàn)該公式適合于地勢平坦的區(qū)域，對于植被復(fù)雜、地形多變的區(qū)域，該公式往往高估DEM分辨率。通過對比，在低密度條件（＜3個／m2）下本文方法與經(jīng)驗公式（1）存在較大差別，但是在高密度（＞5個／m2）下2種方法確定的DEM網(wǎng)格尺寸相似。

3.3.2 創(chuàng)建DEM

本研究的目的是基于LiDAR數(shù)據(jù)，通過準(zhǔn)確識別構(gòu)造地貌特征來確定活動斷層位置及其活動特征，以此完成活動斷裂填圖。因此需要所選用的插值方法能夠保留和凸顯地形上的微小變化，這些微小變化可能指示著斷層的最新活動；同時，要抑制插值過程所產(chǎn)生的線性特征，避免將這些人為線性特征解譯成構(gòu)造地貌特征。為了平衡微小地貌和人為特征，應(yīng)根據(jù)點云數(shù)據(jù)選取恰當(dāng)?shù)牟逯捣椒ㄒ约皡?shù)，甚至反復(fù)實驗、比較不同方法和參數(shù)（Arrowsm ith et al．，2009）。

由于地形特征依賴于近距離的測量點，而與遠(yuǎn)距離的測量點相關(guān)性低。El-Sheimy等（2005）提出了局部面元方法，該方法利用一定范圍內(nèi)的測量點來估計網(wǎng)格節(jié)點的高程值，既可提高計算效率，又可避免遠(yuǎn)距離測量點對網(wǎng)格節(jié)點的影響（圖9d）。在這些面元上，DEM節(jié)點上的高程值是特定搜索半徑（r）內(nèi)測量點的函數(shù)。提高查找半徑（r）可以確保面元內(nèi)存在測量點（否則就會給網(wǎng)格節(jié)點分配一個空值null），但是該點的值實際上代表了一個更大范圍的平均值。反距離權(quán)重（IDW）方法通過賦予近點比遠(yuǎn)點更高的權(quán)重而在一定程度上解決了這種問題（El-Sheimy等，2005）。Kim等（2006）給出了反距離權(quán)重（IDW）的最佳搜索半徑（r）與DEM網(wǎng)格尺寸（s）的經(jīng)驗關(guān)系：

圖8 地面點云密度與DEM網(wǎng)格尺寸關(guān)系圖Fig.8 Relationship between the density of point-cloud and DEM grid size.方塊及標(biāo)注代表數(shù)據(jù)來源：1 Langridge等（2013）；2 Adams等（2011）：3 Arrowsmith等（2009）；4 Lin等（2013）：5 Begg等（2009）；6本文結(jié)果

圖9 使用反距離權(quán)重局部面元方法獲得不同網(wǎng)格尺寸和搜索半徑的DEM的陰影圖Fig.9 DEM shadow maps with differentmesh sizes and different radius of search window using the method of IDW local surface element.a局部面元方法生成DEM示意圖；b、c和d為網(wǎng)格尺寸分別為0.25m、0.5m和1m的DEM陰影圖，依據(jù)公式（2）設(shè)置搜索半徑

Arrowsmith等（2009）使用反距離權(quán)重局部面元方法獲得0.25～0.5m分辨率、0.8m或者更大搜索半徑的數(shù)字高程模型（DEM），并討論了搜索半徑對DEM分辨率的影響。Langridge等（2013）使用反距離權(quán)重方法，利用多植被、低密度地面點LiDAR數(shù)據(jù)仍然獲得較好分辨率的DEM，能夠識別m級的地表破裂特征。本文也采用反距離權(quán)重方法生成獨山子LiDAR數(shù)據(jù)的DEM模型。DEM的網(wǎng)格尺寸分別為0.25m、0.5m和1m，依據(jù)公式（2）設(shè)置搜索半徑。圖9顯示不同網(wǎng)格尺寸和搜索半徑的DEM的陰影圖。結(jié)果顯示：1）當(dāng)網(wǎng)格尺寸為0.25m時，許多網(wǎng)格因在查找半徑內(nèi)找不到測量點而返回空值（圖9a中白色）；2）網(wǎng)格尺寸為0.5m時，DEM模型中空值網(wǎng)格數(shù)迅速降低，并能清晰顯示地表斷層陡坎及沖溝特征（圖9c）；3）網(wǎng)格尺寸為1m時，DEM模型中不存在空值網(wǎng)格，并顯示較為平滑的陡坎和沖溝特征（圖9d）。但是在考慮分辨率的情況下，0.5m的DEM模型是最理想的DEM。

4 基于DEM的解譯

4.1 DEM可視化方法

LiDAR數(shù)據(jù)處理的最終成果之一是數(shù)字高程模型（DEM），為利用3維數(shù)據(jù)可視化方法解譯地貌單元和確定斷層位置提供基礎(chǔ)數(shù)據(jù)。目前，3維數(shù)據(jù)的可視化方法很多，需要篩選出適合于構(gòu)造地貌解譯的可視化方法。通過比較，暈渲圖（Hill-Shading Map）（圖10a）和坡度圖（Slope Map）（圖10b）適合于表現(xiàn)陡坎地貌。暈渲圖通過模擬太陽光對地面照射所產(chǎn)生的明暗程度表現(xiàn)地形起伏，符合人眼觀察實際地形的習(xí)慣。由于地面的陰影取決于太陽光的入射角和高度角，因此需要不斷地調(diào)整入射光方向和高度角才能有效地識別微小地貌現(xiàn)象。坡度圖盡管在表現(xiàn)坎狀地貌（斷層坎、階地坎）方面效果較好，但是缺乏立體感。

圖10 DEM數(shù)據(jù)的不同可視化方法效果圖Fig.10 Different visualization renderings of DEM derived from the LiDAR data. a暈渲圖；b坡度圖；c彩色暈渲圖；d赤色圖

為了增強3維數(shù)據(jù)可視化的直觀性和立體感，在地貌解譯過程中將不同地形參數(shù)疊加在一起增強圖形的可讀性。因此，文中也使用了彩色暈渲圖（Colored Hill-shading Map）（圖10c）和赤色圖（Red Relief Image Map）（圖10d）。彩色暈渲圖是暈渲圖疊加高程設(shè)色圖而成的，該圖除了具有暈渲圖的優(yōu)勢外，還能表現(xiàn)3維數(shù)據(jù)的高程等信息。赤色圖是地形坡度、正openness、負(fù)openness 3個地形參數(shù)疊加融合的平面圖，利用彩色和灰度的漸變來表現(xiàn)立體感（Chiba et al．，2008；張玲等，2014）。正、負(fù)openness通過計算一定范圍內(nèi)的最大天頂角（zen-ith）和天底角（nadir）來表現(xiàn)不規(guī)則表面的凹凸程度，即突顯正負(fù)地形。正openness代表凸?fàn)畋砻?，值越大，凸度越大；而?fù)openness代表凹狀表面，值越大，凹度越大（Chiba et al．，2008；張玲等，2014）。赤色圖最大的優(yōu)勢在于可以突顯地貌上的微小構(gòu)造特征，如小沖溝、地表破裂帶，同時也能準(zhǔn)確地勾勒出面狀構(gòu)造的邊界，如洪積扇、階地面等。Lin等（2013）在對日本中部植被覆蓋嚴(yán)重的區(qū)域進(jìn)行微小構(gòu)造地貌識別中，利用赤色圖解譯出了以前未知的斷層陡坎和其他隱伏的地貌現(xiàn)象。

在地貌解譯過程中，需綜合使用各種DEM可視化工具從不同虛擬的視角、不同色度或其他處理方式來識別微構(gòu)造地貌、地貌面劃分和確定斷層位置等（Arrowsm ith et al．，2008）。圖10展示了上述4種可視化方法的結(jié)果，暈渲圖和坡度圖清楚顯示斷層陡坎位置、陡坎坡度和傾向；彩色暈渲圖顯示地形總體向NE傾，斷層坎為逆斷層坎；赤色圖突出顯示各類線性邊界和小型階地面，有助于識別和研究最新的地表變形。

4.2 斷層解譯結(jié)果

基于LiDAR數(shù)據(jù)生成的高精度、高分辨率的DEM及其陰影圖，嘗試進(jìn)行獨山子背斜-逆沖斷裂地質(zhì)填圖。這是一種完全數(shù)字化、以GIS為基礎(chǔ)、無野外驗證的方法，通過尋找斷層坎、錯斷沖溝，以及其他現(xiàn)象來確定斷層位置。獨山子逆斷裂發(fā)育了非常清晰的構(gòu)造地貌現(xiàn)象，包括清晰的斷層坎、沖溝位錯和廢棄溝等，利用DEM暈渲圖可以識別大部分?jǐn)鄬涌埠蜎_溝位錯。圖11對比了基于傳統(tǒng)填圖技術(shù)的獨山子背斜-逆沖斷裂地質(zhì)圖（鄧起東等，2013）和基于LiDAR-DEM解譯的獨山子背斜-逆沖斷裂的分布及主要地貌面的劃分。盡管傳統(tǒng)方法和基于LiDAR數(shù)據(jù)解譯的結(jié)果都顯示，獨山子背斜-逆沖斷裂由西向東逐漸分為2條分支斷層，可以分為獨山子背斜北翼山前逆斷裂帶（F1）、背斜東側(cè)剪切斷裂帶（F2）和后沖逆斷裂帶（F3）三部分，但是對斷層識別的精細(xì)程度上后者要遠(yuǎn)高于前者。

4.2.1 背斜北翼山前逆斷裂帶（F1）

背斜北翼山前逆斷裂帶總體走向近EW，空間上構(gòu)成獨山子背斜的北邊界。該斷裂帶在地貌上主要表現(xiàn)為北傾斷層崖，并被沖溝切割或被沖積扇覆蓋而不連續(xù)。在奎屯河?xùn)|、西兩岸Ⅱ級階地，該斷裂均形成斷層坎（圖12）。在西岸Ⅱ級低階地上，斷層由2條分支斷層構(gòu)成，向西延伸至西岸Ⅱ級階地上。由于山前沖洪積扇覆蓋和人類活動的影響，西岸Ⅱ級階地上斷層陡坎向西逐漸消失。在奎屯河?xùn)|岸的Ⅱ級階地面上也發(fā)育2條近EW向的北傾斷層坎，但延伸至石河子市南側(cè)山前便消失，推測該斷裂被沖洪積層覆蓋。

4.2.2 背斜東側(cè)剪切斷裂帶（F2）

背斜東側(cè)剪切斷裂帶從獨山子背斜東端向SE延伸，總體走向NW，地貌表現(xiàn)為多條不連續(xù)、NE傾斷層崖。根據(jù)解譯結(jié)果，該剪切斷裂帶在幾何結(jié)構(gòu)上由1條較長斷層崖和3條較短斷層崖呈左階排列而成，其中每條較短斷層崖又由若干次級破裂構(gòu)成，形成帚狀斷層崖帶（圖13）。該剪切帶上發(fā)育一系列大小不等的沖溝橫跨斷層崖，一些較大沖溝邊界和階地存在右旋位錯（圖10），一些小型沖溝因斷層活動而廢棄或改道。

4.2.3 后沖逆斷裂帶（F3）

圖12 奎屯河?xùn)|、西兩岸Ⅱ級階地上山前逆斷裂帶（a）及主要地貌面（b）的解譯Fig.12 Interpretation of the piedmont reverse fault zone（a）and main geomorphological surface（b）on the terraceⅡalong the western and eastern banks of the Kuitun River.

圖13 背斜東側(cè)剪切斷層及主要地貌面的解譯結(jié)果Fig.13 Interpretation of strike-slip faults and main geomorphological surfaces on the eastern wing of the Dushanzi anticline.

后沖逆斷裂帶從獨山子背斜東端哈里排特他烏溝口附近開始發(fā)育，然后向東延伸至依什克他烏溝。相對于其他2條斷裂帶，該斷裂帶構(gòu)造幾何形態(tài)簡單，由14條EW向、相互平行的南傾斷層崖組成，在平面上構(gòu)成一向南突出弧形斷層崖帶。該構(gòu)造在微地貌上形成一種形似搓板的棱狀地形，朱海之等（1990）稱之為搓板地形。該斷裂帶內(nèi)各分支斷層長短不一，并被近垂直的沖溝切割，但沖溝沒有明顯水平位錯現(xiàn)象（圖14）。在哈里排特他烏溝口附近，后沖逆斷裂帶與背斜山前逆斷裂帶存在重疊段落，后沖逆斷裂發(fā)育在山前逆斷裂上盤而形成南傾的斷層崖地貌。

圖14 后沖逆斷裂帶的斷層及主要地貌面的解譯結(jié)果Fig.14 Interpretation of back-thrust reverse fault zone and main geomorphological surfaces.

文中僅使用DEM可視化工具從不同虛擬的視角、不同色度來識別微構(gòu)造地貌、劃分地貌面和確定斷層位置等。與前人通過航片解譯和野外考察獲得的斷層填圖成果（鄧起東等，1991；Deng et al.，2000）比較，本文的LiDAR-DEM解譯結(jié)果宏觀上獲得基本相同的斷裂分布特征，但微觀上較前者具有更高的精細(xì)程度，而且在地貌面劃分上更加豐富。更為重要的是，基于LiDAR生成的DEM提供了一個具有準(zhǔn)確地理參考系的數(shù)據(jù)庫，因此任何以LiDAR數(shù)據(jù)為底圖的解譯成果都是具有可靠的坐標(biāo)的數(shù)字化成果，便于數(shù)據(jù)共享。

基于LiDAR的高精度DEM的斷層解譯，是獲得詳細(xì)獨山子逆沖斷裂的幾何展布和地形地貌分類的必要方法。盡管本文的結(jié)果是通過目視解譯完成的，但是該結(jié)果是對構(gòu)造地貌特征客觀分析和評價獲得的，結(jié)合DEM的可靠地理坐標(biāo)系和高分辨率，這些構(gòu)造地貌識別和斷層解譯結(jié)果是可靠的，可以指導(dǎo)野外調(diào)查工作。同時，DEM還可以提供構(gòu)造地貌的垂直量信息，如陡坎高度、階地面高差等，這些信息是無法從2維的航片上獲取的。因此，利用高精度DEM進(jìn)行活動斷層識別和地貌面劃分是地質(zhì)填圖中不可或缺的重要技術(shù)手段。除了基于DEM的活斷層解譯，作為數(shù)字化的基礎(chǔ)3維數(shù)據(jù)，DEM在地形地貌量化分析方面也存在優(yōu)勢。今后工作應(yīng)該利用GIS空間分析方法完成地貌特征分析獲得斷層幾何分布，還可以進(jìn)行地貌形態(tài)量化分析獲得斷層活動歷史和特征。

5 結(jié)束語

利用機載LiDAR技術(shù)獲得高精度、高分辨率的DEM數(shù)據(jù)，為研究和理解活動構(gòu)造相關(guān)構(gòu)造地質(zhì)情況、地貌和最新的形變歷史提供更精確的基礎(chǔ)數(shù)據(jù)。如何將LiDAR新技術(shù)、新數(shù)據(jù)應(yīng)用于活動構(gòu)造填圖工作和活動斷層地震危險性評價等方面，無疑是今后活動構(gòu)造研究領(lǐng)域的一個重要的發(fā)展方向。

在新疆天山北麓的獨山子背斜-逆沖斷裂帶進(jìn)行機載LiDAR數(shù)據(jù)采集，并從數(shù)據(jù)采集、數(shù)據(jù)質(zhì)量檢驗、數(shù)據(jù)處理及數(shù)據(jù)應(yīng)用等方面介紹基于LiDAR數(shù)據(jù)進(jìn)行活動構(gòu)造填圖的方法和流程。通過數(shù)據(jù)質(zhì)量檢驗，LiDAR原始數(shù)據(jù)的點云密度為6.6個／m2，平均點間距為0.39m，測量精度可達(dá)0.12m。通過對地面點云數(shù)據(jù)進(jìn)行最佳分辨率評估，利用反距離權(quán)重算法可以獲得0.5m分辨率的數(shù)據(jù)高程模型（DEM）。該分辨率的DEM數(shù)據(jù)足夠精細(xì)到確定獨山子逆沖斷裂帶的構(gòu)造地貌特征并對它們進(jìn)行解析。僅使用DEM可視化工具從不同虛擬的視角、不同色度或其他處理方式來識別微構(gòu)造地貌、劃分地貌面和確定斷層位置等。由于LiDAR DEM具有可靠的地理坐標(biāo)系和高分辨率，獲得與前人通過航片解譯和野外調(diào)查一致的斷裂分布特征，但微觀上較前者具有更高的精細(xì)程度，而且在地貌面劃分上更加豐富。作為數(shù)字化的基礎(chǔ)3維數(shù)據(jù)，今后工作還應(yīng)該在地形地貌量化分析方面發(fā)揮DEM的優(yōu)勢。

陳桂華，徐錫偉，聞學(xué)澤，等.2006.數(shù)字航空攝影測量學(xué)方法在活動構(gòu)造中的應(yīng)用［J］.地球科學(xué)-中國地質(zhì)大學(xué)學(xué)報，31（2）：405—410.

CHEN Gui-hua，XU Xi-wei，WEN Xue-ze，et al．2006.Application of digital aerophotogrammetry in active tectonics［J］.Earth Science-Journal of China University of Geoscience，31（2）：405—410（in Chinese）.

鄧起東，馮先岳，尤惠川，等.1991.新疆獨山子-安集?；顒幽鏀嗔?褶皺帶的變形特征及其形成機制［A］.見：國家地震局地質(zhì)研究所編.活動斷裂研究（1）.17—36.

DENG Qi-dong，F(xiàn)ENG Xian-yue，YOU Hui-chuan，et al．1991.Characteristics and mechanism of deformation along the Dushanzi-Anjihai active reverse fault and fold zone，Xinjiang［A］.In：Institute of Geology，SSB（ed）. Research of Active Fault（1）.17—36（in Chinese）.

鄧起東，馮先岳，張培震，等.2013.北天山山前和吐魯番盆地中央隆起帶活動逆斷裂-褶皺帶地質(zhì)圖（1∶50，000）［Z］.北京：地震出版社.

DENG Qi-dong，F(xiàn)ENG Xian-yue，ZHANG Pei-zhen，et al．2013.Geologic Map of Active Reverse Fault-Fold Zones in the Northern Piedmont of Tianshan and the Central Uplift Zone in the Turpan Basin［Z］.Seismological Press，Beijing（in Chinese）.

HE Hong-lin.2011.Some problems of aerial photo interpretation in active faultmapping［J］.Seismology and Geology，33（4）：938—950（in Chinese）.

靳克強，龔志輝，湯志強，等.2011.機載LiDAR技術(shù)原理及其幾點應(yīng)用分析［J］.測繪與空間地理信息，34（1）：144—147.

JIN Ke-qiang，GONG Zhi-hui，TANG Zhi-qiang，et al．2011.Key principles and its applications of airborne LiDAR［J］.Geomatics and Spatial Information Technology，34（1）：144—147（in Chinese）.

劉經(jīng)南，許曉東，張小紅，等.2008.機載激光掃描測高數(shù)據(jù)分層迭代選權(quán)濾波方法及其質(zhì)量評價［J］.武漢大學(xué)學(xué)報-信息科學(xué)版，33（6）：551—555.

LIU Jing-nan，XU Xiao-dong，ZHANG Xiao-hong，et al．2008.Adaptive hierarchical and weighted iterative filtering of airborne LiDAR data and its quality assessment［J］.Geomatics and Information Science ofWuhan University，33（6）：551—555（in Chinese）.

隋立春，張熠斌，柳艷，等.2010.基于改進(jìn)的數(shù)學(xué)形態(tài)學(xué)算法的LiDAR點云數(shù)據(jù)濾波［J］.測繪學(xué)報，39（4）：390—396.

SUI Li-chun，ZHANG Yi-bin，LIU Yan，et al．2010.Filtering of airborne LiDAR point cloud data based on the adaptive mathematical morphology［J］.Acta Geodaetica et Cartographica Sinica，39（4）：390—396（in Chinese）.

王明華，張小紅，曾濤，等.2010.機載LiDAR數(shù)據(jù)濾波預(yù)處理方法研究［J］.武漢大學(xué)學(xué)報，35（2）：224—227.

WANG M ing-hua，ZHANG Xiao-hong，ZENG Tao，et al．2010.Preprocessing algorithms for filtering airborne LiDAR data［J］.Geomatics and Information Science ofWuhan University，35（2）：224—227（in Chinese）.

王曉輝，胡伍生，劉行波.2007.LiDAR系統(tǒng)測量成果精度檢測［J］.測繪工程，16（3）：67—70.

WANG Xiao-hui，HUWu-sheng，LIU Xing-bo.2007.Precision tests of LiDAR products［J］.Engineering of Surveying and Mapping，16（3）：67—70（in Chinese）.

張玲，楊曉平，魏占玉，等.2014.三維數(shù)據(jù)的二維可視化方法綜述［J］.地震地質(zhì)，36（1）：275—284.doi：10.3969／j.issn.0253-4967.2014.02.023.

ZHANG Ling，YANG Xiao-ping，WEI Zhan-yu，et al．2014.Overview of visualization methods of three dimensional topographic data［J］.Seismology and Geology，36（1）：275—284（in Chinese）.

趙禮劍，程新文，李英成，等.2009.記載LIDAR點云高程數(shù)據(jù)精度檢核及誤差來源分析［J］.地理空間信息，7（1）：58—60.

ZHAO Li-jian，CHENG Xin-wen，LIYing-cheng，et al．2009.Accuracy check and analysis of LiDAR elevation data［J］.Geospatial Information，7（1）：58—60（in Chinese）.

Adams T，Brack C，F(xiàn)arrier T，et al．2011.So you want to use LiDAR？An guide on how to use LiDAR in forestry［J］.New Zeal J For，55：19—23.

Arrowsmith JR，Zielke O.2008.Slip along the San Andreas Fault associated with the great 1857 earthquake derived from“B4”LiDAR high resolution topographic data［J］.Eos Transactions AGU 89（53）：Fall Meet Suppl，Abstract T44B-03.

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，113：70—81.http：∥dx.doi.org／10.101 6／j.geomorph.2009.01.002.

Axelsson P.1999.DEM generation from laser scanner data using adaptive TIN model［J］.International Archives of the Photoframmetry，Remote Sensing and Spatial Information Sciences，33（B4／1）：110—117.

Begg J G，Mouslopoulou V.2009.Analysis of late Holocene faulting within an active rift using LiDAR，Taupo Rift［J］.New Zeal J Volcanol Geotherm Res，190：152—167.http：∥dx.doi.org／10.101 6／j.jvolgeores. 2009.06.001.

Chiba T，Kaneda S，Suzuki Y.2008.Red Relief Image Map：New visualization method for three dimeasional data［J］. The International Archives of the Photogrammetry，Remote Sensing and Spatial Information Science，2008，Beijing：ISPRS Vol.XXXVII.Part B2，1071—1076.

Crosby C J，Arrowsmith JR.2007.App lication of LiDAR data to constraining a late Pleistocene slip rate and vertical deformation of the Northern San Andreas Fault，F(xiàn)ort Ross to Mendocino，California［D］.US，Arizona State University.

Cunningham D，Grebby S，Tansey K，et al．2006.Application of airborne LiDAR to mapping seismogenic faults in forested mountainous terrain，southeastern Alps，Slovenia［J］.Geophysical Research Letter，33：L20308.http：∥dx.doi.org／10.1029／2006GL027014.

Hu Y.2003.Automated extraction of digital terrain models，roads and buildings using airborne LiDAR Data［D］. Department of Geomatics Engineering，The University of Calgary，Calgary，Alberta，Canada.

Kim H，Arrowsmith JR，Crosby C J，et al．2006.An efficient implementation of a local binning algorithm for digital elevation model generation of LiDAR／ALSM dataset［J］.Eos Trans，AGU，87（52）：Fall Meet Suppl，Abstract G53C-0921.

Kondo H，Toda S，Okamura 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，101：731—739.

Kraus K.1998.Determination of terrain models in wooded areaswith airborne laser scanner data［J］.ISPRS Journal of Photogrammetry and Remote Sensing，53：193—203.

Langridge R M，Ries W F，F(xiàn)arrier T，et al．2013.Developing sub 5-m LiDAR DEMs for forested sections of the Alpine and Hope Faults，South Island，New Zealand：Implications for structural interpretations［J］.Journal of Structural Geology，1—14.

Lin Z，Kaneda H，Mukoyama S，et al．2013.Detection of subtle tectonic geomorphic features in densely forested mountains by very high-resolution airborne LiDAR survey［J］.Geomorphology，2013：104—115.

Molnar P，Brown E T，Buchfie B C，et al．1994.Quaternary climate change and the formation of river terraces across growing anticlines on the north flank of the Tian Shan，China［J］.The JGeology，102：583—602.

Perron J T，Kirchner JW，Dietrich W E.2008.Spectral signatures of characteristic spatial scales and nonfractal structure in landscapes［J］.Journal of Geophysical Research：Earth Surface，113（F4）.

Zhang K，Chen S，Whitman D，et al．2003.A progressive morphological filter for removing non-ground measurements from airborne LiDAR data［J］.IEEE Transactions on Geoscience and Remote Sensing，41（4）：872—882.

EXPERIMENTAL STUDY ON GEOLOGIC MAPPING OF ACTIVE TECTONICS BASED ON LIDAR DATA—A CASE OF DUSHANZI
ANTICLINE-REVERSE FAULT ZONE IN XINJIANG

WEIZhan-yu HE Hong-lin GAO Wei XU Xi-wei GAN Wei-jun WEI Lei-hua

（Key Laboratory of Active Tectonics and Volcano，Institute of Geology，China Earthquake Adm inistration，Beijing 100029，China）

Airborne LiDAR（Light Detection And Ranging）provides a more advanced technique and more accurate basic data to describe geomorphological features and the latest surface deformation associated with active tectonics.How to app ly this new technique and dataset to mapping of active fault and seismic hazard assessment is an important trend in the field of active tectonics.Taking the Dushanzi anticline-reverse fault zone in Xinjiang as test area，we made an experimental study on geologic mapping of active tectonics based on the LiDAR data.Firstly，we collected raw data using the airborne LiDAR technique，and obtained a raw point-cloud with a point density of 6.6 points／m2and an average space of 0.39m between any two points.Secondly，using twelve ground control points（GCP）which is acquired by static GPSmeasurementwith accuracy up tom illimeter，we evaluated the vertical error of the ground point-cloud data with density of 6.4 points／m2，and the result shows a vertical error of 0.12m，mean square value 0.078m.Finally，using the inverse distance weighting algorithm，we obtained the digital elevation model（DEM）of 0.5m-resolution.The resolution of the DEM is high enough to describe and analyze spatially the fine feature of tectonic landform of the Dushanzi anticline-reverse fault zone.In this paper，we identify the fine tectonic landforms using merely the DEM visualization tools based on different virtual perspectives，different shades or different treatmentmethods.The active tectonics and their distribution identified based on the high resolution DEM derived from LiDAR are not only consistent with previous results identified from airinterpretation and field investigation，but also finer and more precise than the latter.In addition，these methods of data acquisition，quality inspection and data processing introduced in this paper are also applied to other active fault researches in which LiDAR data have been acquired.

LiDAR，Dushanzi anticline-reverse fault zone，mapping of active fault

P315.2

A

0253-4967（2014）03-0794-20

林.2011.活動斷層填圖中的航片解譯問題［J］.地震地質(zhì)，33（4）：938—950.

10.3969／j.issn.0253-4967.2011.04.017.

魏占玉，男，1981年生，2010年在中國地震局地質(zhì)研究所獲得構(gòu)造地質(zhì)學(xué)博士學(xué)位，現(xiàn)主要研究方向為活動構(gòu)造與構(gòu)造地貌，電話：010-62009031，E-mail：weizhanyu＠gmail.com。

doi：10.3969／j.issn.0253-4967.2014.03.019

2014-03-10收稿，2014-07-17改回。

我國地震重點監(jiān)視防御區(qū)活動斷層地震危險性評價項目（201308001）資助。