(English below)

Giới thiệu

Lidar là một gói Python để mô tả hệ thống phân cấp lồng nhau của các vết lõm bề mặt trong các mô hình độ cao kỹ thuật số (DEM). Trong mô hình thủy văn truyền thống, các chỗ trũng bề mặt trong DEM thường được coi là hiện vật và do đó được lấp đầy và loại bỏ để tạo ra một DEM không trũng, sau đó có thể được sử dụng để tạo ra các mạng lưới dòng liên tục. Tuy nhiên, trên thực tế, hiện tượng lõm bề mặt trong DEM thường là sự kết hợp của các đặc điểm địa hình giả và thực tế. Các DEM có độ phân giải tốt lấy từ dữ liệu Phát hiện và đo khoảng cách ánh sáng (LiDAR) có thể ghi lại và thể hiện các vết lõm trên bề mặt thực tế, đặc biệt là trong các cảnh quan có băng và karst.

Trong suốt nhiều thập kỷ qua, nhiều thuật toán khác nhau đã được phát triển để xác định và phác họa các chỗ lõm trên bề mặt, chẳng hạn như lấp đầy chỗ lõm, khoét chỗ lõm, lấp đầy vết lõm lai và phương pháp cây đường đồng mức.

Gần đây hơn, một phương pháp thiết lập mức dựa trên lý thuyết đồ thị đã được đề xuất để xác định hệ thống phân cấp lồng nhau của các vết lõm bề mặt. Gói lidar Python thực hiện phương thức thiết lập mức và giúp nó có thể phân định hệ thống phân cấp lồng nhau của các chỗ lõm bề mặt cũng như các đối tượng địa hình cao. Nó cũng cung cấp Giao diện người dùng đồ họa tương tác (GUI) cho phép người dùng chạy chương trình với mã hóa tối thiểu.

Nhu cầu ứng dụng Lidar
Gói lidar dành cho các nhà khoa học và nhà nghiên cứu muốn tích hợp vùng trũng bề mặt vào mô hình thủy văn. Nó cũng có thể tạo điều kiện thuận lợi cho việc xác định và phân định các đặc điểm trũng, chẳng hạn như hố sụt, lưu vực tích trữ và vùng đất ngập nước nông. Các đặc tính hình học và cấu trúc liên kết chi tiết của vùng trũng bề mặt có thể hữu ích cho việc phân tích địa hình và mô hình thủy văn, bao gồm kích thước, khối lượng, độ sâu trung bình, độ sâu tối đa, độ cao thấp nhất, độ cao tràn, chu vi, chiều dài trục chính, chiều dài trục nhỏ, độ giãn dài.

Trạng thái của trường
Hiện tại, có một số gói Python mã nguồn mở có thể thực hiện lấp đầy chỗ lõm trên dữ liệu độ cao kỹ thuật số, chẳng hạn như RichDEM và hộp trắng, giao diện người dùng Python cho WhiteboxTools. Tuy nhiên, không có gói Python nào cung cấp các công cụ để phân định thứ bậc lồng vào nhau của các vùng trũng bề mặt và lưu vực cũng như mô phỏng động lực ngập lụt. Gói Python lidar được thiết kế để lấp đầy khoảng trống này.

Các tính năng chính

• Làm mịn DEM bằng cách sử dụng các bộ lọc trung bình, trung vị và Gauss.

• Trích xuất vùng lõm từ DEM.

• Lọc ra các chỗ lõm giả nhỏ dựa trên kích thước chỗ lõm tối thiểu do người dùng chỉ định.

• Tạo ra các DEM tinh chế với các chỗ lõm nhỏ được lấp đầy nhưng chỗ lõm lớn hơn được giữ nguyên.

• Xác định hệ thống phân cấp lồng vào trầm cảm bằng cách sử dụng phương pháp thiết lập mức độ.

• Xác định cấu trúc phân cấp lồng nhau gắn kết bằng cách sử dụng phương pháp thiết lập mức.

• Tính toán các đặc tính hình học và tô pô của chỗ trũng, bao gồm kích thước, thể tích, độ sâu trung bình, độ sâu tối đa, độ cao thấp nhất, độ cao tràn, chu vi, độ dài trục chính, độ dài trục nhỏ, độ giãn dài, độ lệch tâm, định hướng và tỷ lệ diện tích-bbox.

• Xuất thuộc tính trầm cảm dưới dạng tệp csv.

------

Delineating nested surface depressions, catchments, and flow paths from digital elevation data (DEM) - LiDAR application in hydrological

Introduction

Lidar is a Python package for delineating the nested hierarchy of surface depressions in digital elevation models (DEMs). In traditional hydrological modeling, surface depressions in a DEM are commonly treated as artifacts and thus filled and removed to create a depressionless DEM, which can then be used to generate continuous stream networks. In reality, however, surface depressions in DEMs are commonly a combination of spurious and actual terrain features. Fine-resolution DEMs derived from Light Detection and Ranging (LiDAR) data can capture and represent actual surface depressions, especially in glaciated and karst landscapes.

During the past decades, various algorithms have been developed to identify and delineate surface depressions, such as depression filling, depression breaching, hybrid breaching-filling, and contour tree method.

More recently, a level-set method based on graph theory was proposed to delineate the nested hierarchy of surface depressions. The lidar Python package implements the level-set method and makes it possible for delineating the nested hierarchy of surface depressions as well as elevated terrain features. It also provides an interactive Graphical User Interface (GUI) that allows users to run the program with minimal coding.

Statement of Need

The lidar package is intended for scientists and researchers who would like to integrate surface depressions into hydrological modeling. It can also facilitate the identification and delineation of depressional features, such as sinkholes, detention basins, and prairie potholes. The detailed topological and geometric properties of surface depressions can be useful for terrain analysis and hydrological modeling, including the size, volume, mean depth, maximum depth, lowest elevation, spill elevation, perimeter, major axis length, minor axis length, elongatedness.

State of the Field

Currently, there are a few open-source Python packages that can perform depression filling on digital elevation data, such as RichDEM and whitebox, the Python frontend for WhiteboxTools. However, there are no Python packages offering tools for delineating the nested hierarchy of surface depressions and catchments as well as simulating inundation dynamics. The lidar Python package is intended for filling this gap.

Key Features

• Smoothing DEMs using mean, median, and Gaussian filters.

• Extracting depressions from DEMs.

• Filtering out small artifact depressions based on user-specified minimum depression size.

• Generating refined DEMs with small depressions filled but larger depressions kept intact.

• Delineating depression nested hierarchy using the level-set method.

• Delineating mount nested hierarchy using the level-set method.

• Computing topological and geometric properties of depressions, including size, volume, mean depth, maximum depth, lowest elevation, spill elevation, perimeter, major axis length, minor axis length, elongatedness, eccentricity, orientation, and area-bbox-ratio.

• Exporting depression properties as a csv file.