点群簡略化は、大量の航空LiDAR地上点群の効率的な伝送と多尺度応用の前提条件である。現在の地上点群簡略化手法は複雑な環境への適応性が低く、地形の詳細特徴が失われる問題があることから、本稿では地形特徴と境界の縮小防止を考慮した航空LiDAR点群クラスタリング簡略化アルゴリズムを提案する。まず、K-meansアルゴリズムを用いて点群を初期の点群クラスタに分割し、次に各クラスタの地形の複雑度に基づいて再細分割し、点群の法線ベクトル情報および隣接クラスタ間のエッジ点の標高差を利用して地形特徴点を識別する。最後に、対象領域の境界特徴点を保持することで元の点群境界の縮小を防ぐ。また、高密度の航空LiDAR点群6セットをデータソースとして選択し、本手法を7つの代表的な点群簡略化手法（ランダム法、ボクセルグリッド法、曲率に基づく方法、最大Z許容法、グラフベースの方法、多指標重み付け法、反復簡略化法）と比較分析した。結果は、本手法が生成するデジタル標高モデル（DEM）の平均RMSEが少なくとも12.1％低減し、平均MAEも少なくとも9.6％低減、派生物（平均傾斜と地形粗さを含む）も参照値に近く、地形特徴情報を良好に保持していることを示した。

リモートセンシング; 航空LiDAR; 点群簡略化; K-means; 地形特徴; デジタル標高モデル