榆神矿区是我国重要的煤炭生产基地,采煤引起的大范围地表沉陷损害日益严重。常规大地测量和InSAR等遥感手段在矿区地表沉陷监测中均存在一定的局限性。无人机LiDAR作为采集大范围、连续分布的三维地理空间信息的重要技术手段,通过多期数据的叠加即可快速获取矿区地表沉陷特征。然而,按现有的主流点云滤波及插值算法所构建的沉陷模型往往包含显著噪声,限制了该技术在矿区的实际应用。本文选取榆神矿区某工作面地表为研究区,针对其地形起伏而植被覆盖度较低的地理环境,利用无人机LiDAR获取两期共四组点云数据,在点云滤波、插值、叠加、沉陷建模等环节进行误差分析和模型改进。主要研究内容及结果如下:(1)对比分析了多种主流的点云插值算法在榆神矿区地理环境下的适用性。通过插值DEM的样本点验证,结合误差统计结果,从插值精度及效率两方面分析不同算法的插值效果。结果表明:专业化数字高程模型插值精度最高,处理速度较快。(2)研究了多种点云滤波算法在榆神矿区地理环境下的地形建模效果。将各算法滤波结果采用上述最优插值算法构建DEM,结合模型误差、算法运行效率及算法原理分析不同算法在研究区地理环境下的适用性。结果表明:基于不同滤波算法生成的DEM精度差异明显,以三角网渐进加密滤波算法的建模效果最优。(3)系统分析了矿区初始沉陷模型的误差来源及特性。将由上述最优滤波及插值算法所生成的DEM进行叠加,得到矿区初始沉陷模型并进行误差分析,结果表明:初始沉陷模型的误差主要来源于各期点云数据较小的空间偏移、沉陷区水域等扫描条件引起的误差、滤波后非地面点引入的噪声误差以及点云插值误差。(4)结合矿区地表沉陷模型的形态及其误差特性,提出了参考沉陷盆地边界特征的小波阈值去噪方法。从去噪结果的可视化、与实测数据的对比、沉陷主断面分析三方面展开验证,结果表明:经去噪,沉陷模型的平滑性得到显著改善;剔除各类粗差点后,去噪结果各检验点的高程均方根误差均小于0.05m,误差在10mm以内的检验点占比提升至15%。(5)根据沉陷模型的分布特征,采用双曲线函数模型对沉陷模型主断面及三维形态进行拟合,结果表明:该模型拟合相关系数均高于0.99,拟合结果可靠。结合沉陷模型边缘区域的倾斜变形和稳定区误差分析,基于沉陷模型坡度特征提出了沉陷边界确定方法,并用于沉陷区面积和体积计算。基于走向、倾向主断面下沉曲线求取了对应地表倾斜、曲率变化特征。本文研究结果将为无人机载LiDAR技术用于西部矿区采煤地表沉陷的高效监测及精细建模提供可行的技术途径。