ICESat卫星数据垂直精度分析

以山西省吕梁市水峪贯地区为研究区域,基于大比例尺地形图对ICESat/GLA14数据的垂直精度进行了分析。首先,对ICESat/GLA14数据下载和处理,以1:5万地形图为基础数据,生成DEM,提取地形因子;然后,提取ICESat/GLA14数据对应的高程值、坡度、坡向、起伏度等信息;最后,对ICESat/GLA14数据与地形图数据的高程差以及高程差随这些分类后的影响因子的变化规律进行了统计分析、研究结果表明:ICESat/GLA14数据在水峪贯地区平均误差为-5.66m,绝对误差均值为21.92m,标准偏差为27.40m,均方根误差为27.98m;ICESat/GLA14数据的垂直精度随坡度和地形起伏度的增加而降低,受坡向因子影响不大,平均误差在NS轴左边为负值,NS轴右边为正值。     

定南县岭北矿区植被覆盖与地形因子关系分析

以岭北稀土矿区植被退化的环境为研究背景,数据选择1990、1999、2008、2013四年30 m分辨率LandsatTM数据,利用像元二分模型估算研究区植被覆盖度;利用DEM数据获取研究区的坡度及坡向地形因子,并对不同地形因子进行定量评价。分析定南县岭北矿区植被覆盖度与不同地形因子条件的相关性,及不同地形因子条件下植被覆盖的分布特点。研究结果表明:植被覆盖度受高程、坡度影响较大,其中在高程400 m到500 m,坡度6°~15°区域内植被覆盖度较其他区域高,坡向影响主要表现在阳坡阴坡上,阴坡植被覆盖度普遍比阳坡高。研究结果能够快速、客观地反映稀土矿区植被的状况,为南方稀土矿区环境的治理和监测提供有效科学依据。     

不同空间分辨率DEM提取地形因子的不确定性研究——以福建省泉州市环湾规划区为例

文章以福建省泉州市环湾规划区1∶1万比例尺DEM数据为信息源,研究不同DEM分辨率对坡度、坡向信息的不确定性影响。通过对不同空间分辨率DEM坡度、坡向数据进行比较分析,获得不同空间分辨率DEM对地形因子的影响情况。结果表明,DEM的数值越大,分辨率越低,对地形的概括作用越明显,地形越趋近于平坦化。     

中国大陆地区TanDEM-X 90 m DEM误差空间分布特征

TanDEM-X 90 m 数字高程模型（DEM）在其原始雷达影像的采集与DEM产品生产过程中,坡度、坡向和地表覆盖物等 因素都会对误差产生一定的影响。为了便于该数据更好地为各领域的研究提供服务,本文以整个中国大陆为研究区域,运用ICESat/GLA14数据对该区域的TanDEM-X 90 m DEM对应位置的高程数据进行提取统计,对比分析了我国陆地区域 TanDEM-X DEM数据与GLA14高程点数据的整体误差精度,并提取坡度、坡向地形因子,研究TanDEM-X 90 m DEM误差在不同坡度、不同坡向以及不同地表覆盖物影响下的分布规律。结果表明：① TanDEM-X 90 m DEM在中国区域整体的绝对误差均值为3.89 m,中误差为9.03 m,标准差为8.85 m; ② 受地形因子的影响,在坡度<3°时,绝对误差均值仅为1.29 m,标准差为2.84 m; 在坡度>25°时,绝对误差均值20 m以上,标准差也达到30 m左右,即误差随着坡度的上升逐渐增大;③ 坡向对误差也有一定影响,在南北方向的绝对误差均值明显比东西方向小;④ 受地表覆盖物影响较大,在荒地误差最小,绝对误差均值仅为 1.85 m,但在冰川积雪区绝对误差均值达到12.68 m。通过与无人机获取的等高线及剖面图对比分析发现,TanDEM-X 90 m DEM能较好地反映真实地形情况。最后,根据不同影响因素的权值,绘制全国范围的TanDEM-X 90 m DEM误差绝对值分布图,且验证了可靠性。     

川地区地震灾害的地形因子分析

选取极灾区北川县为研究区，利用数字高程模型（DEM）提取地形因子进行地形信息的定量分析。研究结果显示：坡度40&#176;～50&#176;、坡度变率在18&#176;-30&#176;、地形起伏度为50-70m，甚至更大的地区极易发生地震灾害。     

基于DEM的福建省土质滑坡敏感性评价

已有滑坡敏感性研究中对评价指标的选取可以归结为气象、水文、地形、地质、植被、人类活动等方面,这些因子指标来源不一,在缺少数据资料地区难以完整收集。针对这个问题,考虑到目前DEM数据的广泛可获得性及其对滑坡评价的重要性,本文仅利用DEM数据及其派生因子,研究土质滑坡敏感性评价的可行性。研究中把评价因子分为2组：第1组数据仅由DEM派生,包括高程、坡度、坡向、地形起伏度、曲率、水流强度指数（Stream Power Index, SPI）、沉积运输指数（Sediment Transport Index, STI）、地形湿度指数（Topographic Wetness Index, TWI）;第2组数据作为对照组,除了包括上述DEM派生的8个因子外,同时加入植被覆盖度、土地利用、土壤类型、年均降雨量因子。本文分别选取逻辑回归模型和证据权法,基于上述2组评价因子,以德化县为例对比2组因子评价结果,利用第1组和第2组数据进行滑坡敏感性评价,结果精度分别为73%和83%。结果表明,仅利用DEM数据进行土质滑坡敏感性评价方法可行,可以为缺乏资料区滑坡敏感性评价提供借鉴。     

DEM数据误差与地形描述误差对坡度精度的影响

数字高程模型(Digital Elevation Model,DEM)的数据误差和地形描述误差是两种不同性质的误差.本文以模拟实验获得的高精度DEM为数据源,分析坡度计算精度与DEM数据误差和地形描述误差的耦合关系.研究表明:DEM数据误差和地形描述误差对坡度精度影响是一个反向作用的过程.随着DEM格网的增大,数据误差的影响逐渐减小,地形描述误差的影响逐渐增大;在起伏变化地形区域,坡度误差先减小后增大,且存在一个最佳大小的格网,此时坡度误差最小.最佳格网的大小与DEM数据误差大小和地形起伏变化的复杂程度密切相关.研究结果表明,基于DEM提取坡度的误差来源与误差性质,对正确估算坡度精度具有很好的实际意义.     

多尺度DEM提取地势起伏度的对比分析——以福建低山丘陵区为例

坡度和起伏度是地形描述中最常用的参数,它们能快速、直观地反映地势起伏特征;坡度是划分平原和非平原的重要依据之一,地势起伏度可进一步划分台地、丘陵、小起伏山地、中起伏山地和大起伏山地等类型,基本地貌类型就是由海拔和起伏度两个指标确定的形态类型,它是遥感解译划分更详细地貌类型的基础。本研究以福建省1∶25万和1∶10万的DEM为实验数据,计算坡度划分平原和山地大区,其临界坡度值约为3°;利用ArcG IS空间分析中栅格窗口递增方法,对应不同尺度的DEM,计算地势起伏度,确定研究区的最佳分析窗口面积为4.41km²,得出中国低山丘陵区计算基本地貌形态类型的最佳尺度DEM为1∶25万比例尺,而1∶10万比例尺DEM适用于没有连绵起伏的更小范围的低山丘陵区;利用已有研究成果得出不同尺度DEM计算地势起伏度与最佳格网单元之间的函数关系。该研究对提取我国低山丘陵区基本地貌形态类型具有一定的借鉴作用。     

基于无人机成像点云的禄丰恐龙谷南缘环状地貌空间特征探测实验分析

为了定量获取复杂地貌构造的特征参数,需要获取高精度、高分辨率的地形地貌数据。在复杂地貌特征探测中,基于无人机航测结合成像点云,可以快速、高效、安全、准确地完成复杂地貌空间探测任务。针对禄丰恐龙谷南缘环状地貌的典型局地场景,采用无人机测量技术获取测区高分辨率的地貌影像数据,构建实景三维场景模型并对其地貌特征进行探测分析研究。试验结果表明:①基于无人机成像点云构建0.2 m分辨率DEM数据能够精准表达研究区真实地貌特征。②通过构建环状场景"内-中-外"7条典型高程剖面线,对比分析证实了研究区地形呈现环形"盆缘"形态特征,内外两侧高程逐渐递减,并且"盆缘"外部剖面高程起伏变化剧烈,地形相较于内部地貌更加复杂。③为进一步探测提取微形地貌特征信息,利用无人机成像原理构建的精准DEM数据结合测区实景三维模型,定量提取了该区坡度、坡向、相对高差、等值线、山脊线、山谷线等相关参数进行精准定量测量及分析探讨。④利用立体三维模型的多视角目视解译与典型场景分析,可清楚辨别出测区冲沟发育以及地质体的节理层理面等微地貌特征。通过以上对地貌三维场景探测试验研究表明,利用实景三维模型能够快速准确呈现测区地貌形态特征,并且成像点云数据综合分析,能够量化、半量化揭示区域构造地质信息。总体而言,无人机测量技术与成像点云3D产品在地质调查中的应用具有实用意义,并具备独特的技术优势。      

太阳辐射模拟的DEM尺度影响因素分析

利用DEM分析方法为起伏地形下太阳辐射模拟提供了条件。然而DEM的尺度效应对太阳辐射模拟产生很大的影响。本文以黄土丘陵和秦岭高山为实验样区,以一系列不同分辨率的DEM,模拟日、月及年总天文辐射,比较其误差大小及地形分析的差异。实验结果显示,随着DEM栅格分辨率的降低,天文辐射逐渐增大;当栅格分辨率大于地面相对高差时,模拟的天文辐射基本稳定,坡向、坡度等地形因子对辐射的再分配作用已不显著。黄土丘陵区,当DEM分辨率接近1000m时,天文辐射年总量的相对误差为22%,超过该区域一个冬季的天文辐射量。秦岭山区地表起伏大,误差较黄土丘陵地区小,最大相对误差为17.8%。总之,地表起伏越小,DEM栅格分辨率对太阳辐射模拟的影响越大。     

结合ICESat-2和GEDI的中国东南丘陵地区ASTERGDEM高程精度评价与修正

星载激光雷达ICESat-2和GEDI可以为数字高程模型产品的精度评价与修正提供全球覆盖的、可靠的高精度参考数据源。然而,现有的DEM修正方法主要是针对DEM误差中的植被高信号且多采用线性回归模型。为此,本文分析了ASTER GDEM v3精度与土地覆盖类型、高程、坡度、起伏度及植被覆盖率的关系。在此基础上,提出了一种考虑上述多种精度影响因素并结合XGBoost和空间插值的DEM误差修正方法。结果分析表明:原始ASTER GDEM的误差整体呈正态分布,平均误差为-3.463 m,存在较大负偏差,高程精度随着高程、坡度、起伏度及植被覆盖率VCF的增大呈降低趋势;经过修正后,ASTER GDEM平均误差降低到了-0.233 m,负偏差得到有效改善,整体平均绝对误差降低了26.04%,整体均方差降低了23.56%,耕地、林地、草地、湿地、水域及人造地表的DEM平均绝对误差和均方差都有不同程度的降低;本文提出的方法对多种特征要素与地形误差间的非线性关系进行拟合建模,在研究区取得了较好的修正效果。     

一种采用SRTM DEM重构河床数字地形的方法

数字高程模型（DEM）包含的信息常作为重要的水文水动力研究基础数据,但是由于公共源DEM数据精度不能完整表达河床地形,所以无法应用于河流泛洪分析等研究工作。因此,本研究开展了基于DEM数据构建数字河床的工作,首先对提取的纵向河网高程数据引入了强局部加权回归算法进行平滑处理以消除畸点;然后以河面要素文件为掩膜,采用反距离加权方法进行横向的空间插值得到3D数字化河面;最后结合河面高程与河深数据完成河床的整体构建。本研究以SRTM DEM为数据地形基础,以位于我国吉林省永吉县境内的温德河为研究实例,对其下游局部区域内的河段重构了矩形、梯形和V型 3种河床断面数字地形。为评价重构数据的合理性,分别对所得到的数字河面进行等值线分析;对河床构建前后DEM水文分析提取的河网进行河道偏移量计算;对构建的地形数据进行河流水动力模拟应用分析,结果表明：① 应用反距离加权插值可以很好地实现河网高程向河面高程的横向延展;② 基于河床重构DEM数据的水文分析误差得到了很好地消除;③ 本研究的重构数据在河流分析中具有较好地应用性和可靠性。     

神农架林区植被分布与地形的关系研究

神农架林区是我国物种多样性最为丰富的地区之一,地形地貌复杂,对植被分布影响巨大。本文利用该地区2007年数字高程数据、2007年植被分布图以及2017年野外实地调查数据,基于最大熵模型和空间分析理论,从植被类型和种群两个角度研究该地区不同尺度植被空间分布的地形特征,分别量化植被类型和种群空间分布的地形范围,得到植被类型与地形因子关系模型、植被种群与地形因子关系模型。结果表明:①神农架林区影响植被空间分布的地形因子不同,其中影响针叶林分布的最重要的地形因子是高程和高程变异系数,影响阔叶林分布的是高程和坡向,影响灌丛分布的是坡向变率和坡向,影响草丛分布的较为分散;②典型植被种群分布的地形范围和植被类型的基本一致,其中90%针叶林分布在高程1600~2600 m间,典型种群巴山冷杉和华山松主要分布在高程1700~3200 m和1700~2200 m;85%的阔叶林分布在高程1000~2000 m间,典型种群青冈类和鹅耳枥主要分布在高程1200~2200 m间;95%的灌丛分布在坡向变率0~40°间,典型种群杜鹃和蔷薇主要分布在坡向变率小于40°的范围,但相应的关系模型存在差异,植被类型与地形因子为高斯模型,典型种群与地形因子关系模型相对复杂,不同种群的分布模式不同;③虽然坡度常作为数字地形的重要因子,但本文研究发现该地区坡度对植被类型和种群分布的影响不明显。研究结果可为神农架林区植被保护和恢复,以及植被规划和管理提供基础参考。     

南方山地丘陵土地利用类型的地形影响GIS分析——以江西省为例

分布广泛的山地丘陵,地形复杂多样,生态环境脆弱,不合理的土地利用方式会造成生态环境的破坏,导致严重的水土流失。分析山地丘陵区土地利用的地形控制机制,对于山地丘陵区土地利用开发与水土保持等生态保护之间权衡提供科学依据而具有重要现实意义。因此,本文以南方山地丘陵分布较广泛的江西省为例,在SRTM数字高程模型(DEM)的支持下,利用中国资源环境数据中心基于Landsat遥感解译的2000年土地利用数据,分析了江西省土地利用结构与高程、坡度和坡向等地形因子的关系。结果表明地形因子是影响江西省土地利用方式的一个重要因素,具体表现在:(1)随着高程和坡度的增加,耕地面积及占土地总面积的比例都呈下降趋势,南坡耕地面积和比例都大于北坡的耕地面积和比例;(2)在低海拔区,林地面积占土地总面积比例随着海拔高程的增加而增加,当海拔高于400米时,基本稳定;(3)居民点和工矿用地受高程和坡度的影响较大,受坡向影响较小;(4)草地的面积随着海拔的增加呈下降趋势,但其面积比随着高程增加呈缓慢增加,受坡度和坡向的影响较小。     

面向地形特征的DEM与影像纹理差异分析

纹理分析方法在宏观地形特征分析方面具有较大的优势与潜力,但当前缺少对DEM与影像数据纹理特征差异的系统分析研究.本文采用灰度共生矩阵为纹理量化模型,选取了8个不同地貌单元的样本数据,对DEM和遥感影像2类数据的纹理进行了特征值对比分析,纹理特征稳定性分析,纹理特征组间差异性分析.实验结果表明,在所测试的二阶角矩,对比度,方差,熵4个纹理指标中,DEM和影像的对比度特征值间具有显著的相关性;通过不同地貌样区纹理特征值对比分析发现,DEM数据在地形起伏较大区域纹理特征更为明显,遥感影像数据则受地表覆盖物影响较大;从地形特征的稳定性角度分析,DEM数据在丘陵和山地分析有优势,影像数据则在平原和台地分析表现更好;从地形特征差异性角度分析,DEM数据要优于影像数据.进一步采用光照模拟和坡度数据以增加DEM纹理信息,研究结果表明,DEM派生的2类数据在地形量化差异性方面改进明显,并大大优于影像数据.     

中国地貌基本形态DEM的自动划分研究

我国1∶100万的数字高程模型,是在1∶5万及1∶10万基本地形图上,高精度采集方里网交点高程所构建的1km分辨率地面高程数字矩阵。本文利用该DEM数据及其所派生的多种地貌信息进行地貌形态类型自动划分的技术方法。实验提取地形起伏度、地表切割度、地表粗糙度、高程变异系数、平均坡度、平均高程6个地形因子,并将各因子置于不同的信息层面中,通过主成分分析,ISODATA非监督分类法与Bayesian最大似然监督分类法相结合,对中国地貌的基本形态进行了多维信息综合分类。研究结果表明:①我国1∶100万比例尺DEM在宏观地貌分类方面具有重要的价值和应用潜力;②所提取的地形因子能宏观地反映我国地形的起伏特征,为地貌形态分类提供重要的依据;③采用ISODATA非监督分类法与Bayesian最大似然监督分类法,能有效地实现我国地貌基本形态类型的定量化、自动化划分;④依据数据的统计特征进行分类,较合理地解决了类型模糊的形态实体的归类问题。实验结果不仅揭示了此项技术在地貌形态分类中的巨大潜力,同时对于完善DEM数字地形分析的理论与方法也具有重要的意义。     

地形扫描数据TIN模型生成DEM的误差计算方法

由地表三维空间数据生产的数字高程模型(DEM)的误差包括从数据误差传递来的误差和因数据数量不足以反映地形起伏造成的信息损失误差。本文给出了由三维空间数据的不规则三角网(TIN)模型栅格化为DEM过程中,通过线性插值将数据随机误差传递到DEM栅格上的随机误差的解析解,同时利用地基激光扫描仪测量的冲沟地形数据点云,分析得出因信息损失产生的DEM系统和随机误差的估算方法。结果显示信息损失产生的DEM平均高程系统误差和随机误差都与有效测点密度有关,其中有效测点由TIN中包含DEM栅格中心点的所有三角面的3个顶点组成;信息损失产生的DEM平均高程系统误差和随机误差除与有效测点密度相关外,还与地形特征有关,平均高程系统误差与地形整体凹度参数有关,随机误差与地形整体起伏程度参数有关。建立了分辨率为0.1 m×0.1 m的DEM误差估算模型。     

高程内插方法对DEM所提取坡度、坡向精度的影响

DEM及数字地形分析的精度无疑受到包括高程数据空间内插方法在内的多种因素的影响,本研究利用模拟高斯曲面为基准数据,通过四种不同插值方法结果的对比,分析说明每种插值方法在某一标度范围内插值精度的优劣,从而在应用中针对不同条件采用相应优选的插值方法.在此基础上,对于四种插值方法生成相应的坡度、坡向值,通过与真值的比较探讨插值方法对用DEM提取坡度、坡向的影响.实验结果确定了不同内插方法对坡度和坡向因子提取精度的大小,发现在坡度方面,SPLINE方法内插出来的坡度最精确,其他依次为KRIGING,IDW,TIN;在坡向方面,SPLINE内插出来的坡向最接近真值,是最精确的插值方法,其他依次为KRIGING,TIN,IDW.以上结果为空间插值方法的选择提供了参考.     

SRTM1 DEM与ASTER GDEM V2数据的对比分析

本文以山西省为实验区,基于ICESat/GLA14测高数据对SRTM1 DEM和ASTER GDEM V2数据的垂直精度进行了对比,分析了其在坡度、土地利用类型和地貌类型中的误差分布情况,并基于地形剖面方法分析了2种DEM数据在地形表达上的差异。研究结果表明：① 在垂直精度上,SRTM1 DEM数据要明显高于ASTER GDEM V2数据,其绝对误差均值分别为4.0 m和7.8 m,标准偏差分别为6.0 m和10.7 m,均方根误差分别为6.1 m和10.7 m。② 这2种DEM数据的精度受坡度影响严重,随坡度值的升高误差增大;SRTM1 DEM的绝对误差均值、标准偏差和均方根误差在水田最小,在林地最大,而ASTER GDEM V2的这3种误差在居民用地最小,在林地最大;SRTM1 DEM 和ASTER GDEM V2的绝对误差均值、标准偏差和均方根误差在平原地区最小,在大起伏山地最大。③ 在平原和台地地区,ASTER GDEM V2数据高程值有异常波动,SRTM1 DEM在起伏山地存在对山谷过高估计。总体上,SRTM1 DEM比ASTER GDEM V2对地形的表达准确,与ICESat/GLA14对地形的描述基本相一致。     

基于DEM的火山口地貌识别方法探讨

本文以吉林省靖宇县西南部的龙湾火山群为例,进行了火山口地貌图像识别方法探讨。在提取过程中,根据研究区内火山口均位于熔岩台地上的特点:首先,将研究区划分为平原和山地等地貌类型;然后,将生成的坡度数据与DEM高程数据相乘,实现对DEM数据按照地形高低起伏的加权,以突显火山口在高程数据上的表现。根据火山口"中间低,四周高"的形态特点及在DEM上的表现,建立了火山口识别模板,对火山口进行识别。最后,参照研究区内的遥感影像,对提取的结果进行验证和修改。