Kurzfassung
Airborne Laser Scanning (ALS), auch bekannt als LiDAR (Light Detection And Ranging), liefert Daten der Erdoberfläche in einer hohen Genauigkeit und Punktdichte. Seit den 1990er Jahren entwickelte sich ALS zum Standardverfahren zur Erfassung von Objekten sowie deren Veränderungen, wie beispielsweise Gebäuden, Vegetation oder Straßen. Für Anwendungen in der Hydrologie oder der Geomorphologie wird die Lage der Wasseroberfläche benötigt, die zur Überwachungvon Braided-River-Strukturen, der Überflutungskartierung oderfür die Berechnung von Erosionsraten vonFlüssen herangezogen werden kann.In diesemArtikel wird eine auf der 3D Punktwolke basierende Methode vorgestellt, mit der es möglich ist anhand der geometrischen und radiometrischen Informationen der ALS Daten mit Hilfe von fehlenden Punkten(dropouts), Wasserpunkte zu identifizieren und diese zu klassifizieren. Diese Klassifikationsergebnisse können herangezogen werden um Wasserflächen zu kartieren, bestehende Filteralgorithmen zur Geländemodellerstellung zu verbessern oder um Wasserpunkte aus der Punktwolke zu entfernen und diese durch berechnete Flusssohlenpunkte zu ersetzen. Die Methode bestehtauseiner schwellenwertbasierten Klassifikation der Höheninformation und der Radiometriedaten der 3D Punktwolke. Die Methode ist in fünf Hauptschritte aufgeteilt. Als erstes werden die Radiometriedaten (Amplituden) korrigiert, um diese von atmosphärischen und geometrischen Einflüssen zu bereinigen. Anschließend werden diese korrigierten Amplituden verschiedener ALS-Flüge zueider radiometrisch angepasst, um die Vergleichbarkeit der Datensätze herzustellen. Der zweite Schritt ist die Modellierung von dropouts, welche für die AbleitungvonWasserflächen essentiell sind. Als drittes und viertes wird die Standardabweichung der Höhenwerte und das Amplitudendichteverhältnis für jede Reflexion und jeden dropout berechnet. Diese werden bei Schritt fünf zur UnterscheidungvonWasser-und Nicht-Wasserpunkten herangezogen. Zur Ableitung der Schwellenwerte für die Klassifikation wird ein terrestrisches Orthophoto und mit dGPS gemessene Linien verwendet, welche zeitgleich zur ALS Kampagne erhoben wurden. Ein wichtiger Schritt dieser Methode ist das Einbeziehen der berechneten dropouts in die Klassifikation, durch die eine Unterscheidung von Wasser und Nicht-Wasserpunkten ermöglicht wird. Mit der vorgestellten Methode ist auch eine Ableitung von vegetationsüberdeckten Wasserflächen möglich, was bei Sensoren die Vegetation nicht penetrieren können nicht möglich ist. Die Genauigkeit der Klassifikation liegt bei ca. 95% richtig klassifizierten Wasserpunkten. Durch die Korrektur und die Anpassung der Amplitudenwerte wird eine Berechnung der Flusslaufveränderung zwischen den verschiedenen Flügen ermöglicht.

Abstract
Airborne laser scanning (ALS), also referred to as airborne LiDAR (Light Detection And Ranging), provides highly accurate measurements of the Earth surface. In the last twenty years, ALS has been established as a standard technique for delineating objects (e.g. buildings, trees, roads) and mapping changes. Studies on hydrology or geomorphology such as monitoring of braided river structures, calculation of erosion and accumulation potential in watercourses, or floodplain mapping require all the precise location of the water surface. This paper shows a 3D point cloud based method, which allows an automaticwater surface classificationby using geometric and radiometric ALS information and the location of modeled lost reflections, which are called laser shot dropouts. The classification result can be used to map the watercourse, to improve DTM filtering routines or to replace water points with river bed heights for hydraulic modeling etc. The method reliesonathreshold based classificationusing geometryand radiometricinformationofthe3Dpoint cloud. The method is divided into five major steps. First, we correct the amplitude values by reducing the atmospheric and geometric influencestothe laser shots.Aradiometric adjustment was appliedtothe amplitudevaluesofthe data sets, which allows multi-temporal analysisof the amplitudevalues. The second stepis the interpolationof the coordinatesof the laser shot dropouts, which are the most important input to delineate water surfaces. In step three and four the two attributes(standard deviation of height values and the amplitude density ratio value) are calculated at a fixed distance to each reflection and dropout. These are used in step five to distinguish water and dry land points. The exploration of the attributes for the classification and the evaluation of the classification results are done by comparing the results to a terrestrial orthophoto mosaic an dGPS measurements, which were taken simultaneously to the ALS campaign. One of the major tasks is the use of modeled laser shot dropouts within a threshold based classification method to distinguish water and non-water echoes. The method is also suited to detect water under riverine vegetation, which is problematic by using data from sensors, that are notable to penetrate vegetation. The classification accuracy is about 95%. The achieved amplitude correction and the radiometric adjustment make the data sets comparable and allow to calculate changes in the channel flow paths within the different flights.