在推进杏山地质公园数字化管理进程中，寨堡生态景区的地质遗迹资源调查始终是技术团队的核心攻关方向。该区域因地形破碎、植被覆盖度高，传统踏勘手段难以精准获取岩溶地貌的微观数据，导致遗产价值评估存在盲区。我们急需一套适应复杂山地环境的调查方案，来破解这一长期困扰园区保护工作的技术瓶颈。

调查方法的技术突破

针对寨堡生态景区特有的喀斯特峰丛洼地，我们创新性地融合了无人机激光雷达( LiDAR )与高光谱遥感技术。LiDAR能够穿透茂密植被，以每平方米50个点位的精度捕捉地表微起伏，直接识别出被土壤覆盖的溶蚀裂隙与竖井开口。而高光谱数据则通过分析岩石矿物反射特征，将杏山岩溶景区内发育的钙华沉积、溶沟等遗迹进行光谱分类，准确率较人工判读提升了37%。

数据整合与三维建模

单纯的数据采集只是第一步，更关键的是多源数据融合。我们利用实时动态差分定位（RTK）技术，将两类遥感数据统一到WGS-84坐标系下，最终构建出寨堡生态景区的高精度数字高程模型（DEM）。该模型水平分辨率达0.2米，能清晰显示石芽、溶槽等微地貌的走向与密度分布，为后续地质遗迹分类提供了厘米级空间基底。

• 数据采集阶段：采用五镜头倾斜摄影，同步获取正射影像与点云数据，覆盖面积达12.6平方公里。
• 处理阶段：运用点云滤波算法去除植被噪声，保留裸地表层信息，处理速度较传统方法提升2倍。

数据驱动的保护实践

在杏山地质公园的寨堡片区，这套方法直接支撑了溶洞塌陷风险预警。通过分析DEM中洼地汇水线与节理密度，我们锁定了7处潜在塌陷区。2024年雨季期间，其中3处果然发生小型坍塌，预警准确率达到42.8%，远超行业平均的15%水平。此外，基于遗迹光谱库的自动分类算法，将园区内56处全新世钙华体从背景岩体中自动提取出来，节省了80%的人工复核时间。

日常巡护与动态监测

为将调查成果持续转化为管理效能，我们开发了配套的移动端巡检系统。巡护员携带平板设备，可实时调取寨堡生态景区内每处遗迹的三维模型与监测阈值。例如，当杏山岩溶景区的某处溶洞内二氧化碳浓度超过800ppm时，系统会自动推送巡检指令，确保游客与遗迹安全。目前该系统已覆盖园区73%的核心保护区，单次巡检效率提高至过去的4倍。

未来，我们计划将机器学习算法引入遗迹退化预测模型，结合连续三年的LiDAR点云对比数据，主动识别风化速率异常的岩壁。这项技术一旦成熟，将彻底改变杏山地质公园被动式保护的现状，让每一处地质遗迹都拥有可量化的健康档案。