Überwachung der Deformation von Deichen zur städtischen Hochwasserrisikomanagement unter Verwendung von luftgestützten 3D-Punktwolken

Im tiefgelegenen, flussreichen Perleflussdelta in Südchina spielt ein umfangreiches Netzwerk von Hochwasserschutzdeichen von über 4400 km eine entscheidende Rolle im städtischen Hochwassermanagement. Diese Deiche sind so konzipiert, dass sie Überschwemmungen und Sturmfluten standhalten, doch ihr Versagen kann zu erheblichen menschlichen und wirtschaftlichen Verlusten führen, was die Notwendigkeit robuster städtischer Hochwasserschutzstrategien unterstreicht. Dies erfordert die Entwicklung eines ausgeklügelten geografischen Informationssystems für das Deichnetzwerk und rasche, genaue Bewertungsmethoden für den Zustand der Deiche zur Unterstützung des Wassermanagements und von Hochwasserminderungsmaßnahmen. Diese Studie konzentriert sich auf die Deiche entlang der Hengmen-Wasserstraße im Perleflussdelta und nutzt die luftgestützte Lichtdetektion und -reichweite (LiDAR), um 3D-räumliche Daten der Deiche zu erfassen. Mittels des Cloth Simulation Filter (CSF) Algorithmus wurden Punktwolken-Daten, die nicht am Boden lagen, extrahiert. Die Studie verbesserte den Region-Wachstumsalgorithmus, indem ein Ansätze mit Samenpunkten für die automatische Extraktion von Deichpunktwolken-Daten verwendet wurde. Die Genauigkeit und Vollständigkeit der Deichextraktion wurde mithilfe des Qualitätsindex bewertet. Diese Methode erzielte eine effektive Extraktion von vier Deichtypen und zeigte signifikante Verbesserungen gegenüber traditionellen Algorithmen, wobei die Extraktionsqualität zwischen 72 % und 83 % variierte. Zu den wesentlichen Forschungsergebnissen gehört die Entwicklung einer neuartigen Methode zur Erkennung lokalisierter Deichdepressionen basierend auf der Berechnung der Varianz der Winkel zwischen Normalenvektoren in einphasigen Deichpunktwolken-Daten. Ein adaptiver optimaler Nachbarschaftsansatz wurde verwendet, um die Normalenvektoren genau zu bestimmen und die lokale Morphologie der Deichpunktwolken effektiv darzustellen. In drei Experimenten zur Erkennung von Deichdepressionen erwies sich diese Methode als effektiv und demonstrierte die Fähigkeit einphasiger Daten, Regionen der Deichdeformationsdepression zu identifizieren. Dieser Fortschritt in der Deichüberwachungstechnologie stellt einen bedeutenden Schritt nach vorn dar, um die Fähigkeiten des städtischen Hochwasserschutzes in Regionen wie den Städten des Perleflussdeltas in China zu verbessern.