基于灰度共生矩阵的DEM地形纹理特征量化研究

 DEM的地形纹理以其表达地形表面的纯粹性与分析数据的可派生性受到越来越多关注。本文选取陕西省10个不同地貌类型区的25m分辨率DEM数据,引入空间灰度共生矩阵(GLCM)对地形表面纹理特征进行定量分析。研究表明,25m分辨率DEM数据的GLCM模型适宜分析间距是大于等于3个栅格大小。各纹理参数中,相关度可用于地形纹理的方向性量化;方差、差的方差、对比度可用于对地形纹理的周期性分析;熵、二阶角矩、逆差矩可用于对地形纹理的复杂性分析。在DEM及其派生数据中,光照模拟数据计算的各纹理参数的平均变异系数最高,表明光照模拟数据最适合于地形纹理特征的量化研究。同时本文提出了一种多参数综合的地形纹理量化方法,通过运用综合周期性和综合复杂性两个指标对不同地形区量化分析,结果表明,这两个指标对不同地形形态响应显著,可用于地形形态分类与识别研究。     

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.     

DEM起伏纹理的视觉认知内涵与多变量消隐方法

地形是在内外营力的共同作用之下综合形成的,不同类型的地形具有不同的起伏形态特征,从全局或宏观的观测视角,可以视觉感知到这种地形起伏及其特征规律。纹理是众多物体表面呈现的有规律的线条组合,DEM作为地形的数据表达,不同地形类型区域的起伏形态具有纹理的显著表征。目前,对于DEM纹理研究主要是从DEM影像认知的角度出发,利用图像纹理的计算方法进行地形纹理对象描述和指标的提取,并基于获取的纹理对象进行区域地形特征分析和地貌类型的分类,在视觉上的反映存在不足。DEM起伏纹理作为一种基于某种观测视角和尺度的地形要素组合对象,首先需要对其进行系统的视觉认知,明确基于视觉认知的DEM起伏纹理构成要素和不同视觉变量控制的纹理要素组合结构,通过实现DEM起伏纹理的多维可视化建模,达到DEM数字地形建模的抽象与简化。基于此,本文以DEM地形起伏纹理为研究对象,对DEM起伏纹理进行视觉认知,明确DEM起伏纹理的涵义并建立提取方法,使用建立的方法实现了DEM起伏纹理的提取,取得了较好的提取效果。从视觉感知的机制出发,确定了决定视觉感知结果的视觉变量组合。确定了包含景深、长度和邻域等用于视觉综合的参数,设计建立了多变量的DEM起伏纹理消隐方法。最后设置视觉变量并使用该方法实现了DEM起伏纹理的消隐,消隐后DEM起伏纹理的数量分别降低了45.2%和53.2%,视觉上也取得了较理想的结果,具有一定的应用价值。     

DEM栅格单元异质性对地形湿度指数提取的影响分析

 地形湿度指数可定量模拟流域内土壤水分的干湿状况,是静态土壤含水量的最常用指标,具有明确的物理意义。但是,由于DEM本身的结构特点,其提取的地形湿度指数具有尺度依赖性。本文主要探讨因DEM水平分辨率不同而导致的DEM栅格单元异质性,对地形湿度指数提取的影响。以厦门市地貌类型比较复杂的西源溪流域为实验区,使用1 ∶1万等高线生成的2.5m和20m分辨率DEM数据,分别提取地形湿度指数并计算栅格单元地形异质性指数,分析DEM栅格单元异质性指数与地形湿度指数之间的关系。研究表明,基于高程标准差、地势起伏度、景观破碎度和多样性的栅格单元异质性指数与地形湿度指数偏差之间均存在显著的负相关性,这4个异质性指数对地形湿度指数差值的对数回归模拟效果良好且显著有效。这对低分辨率DEM提取地形湿度指数的误差纠正,以及描述区域土壤含水量等地形湿度指数的应用研究具有积极意义。     

不同地貌下国产资源三号测绘卫星DSM数据质量评价——以云南省高海拔山区为例

为了评价不同地貌下国产资源三号测绘卫星DSM数据精度,以云南省高海拔山区为研究案例,并以1:10 000实测地形图DEM为假定真值,以90 m分辨率SRTM DEM为评价参考,从高程精度和地形描述精度两个指标对15 m分辨率的ZY-3 DSM进行精度评价。结果表明:在不同地貌下ZY-3 DSM的高程精度和地形描述精度都优于SRTM DEM。从高程中误差分析来看,台地地貌精度最高,ZY-3 DSM高程中误差仅为SRTM DEM的1/6,平原地貌精度最低,该比值为1/2;就地形描述评价而言,四种地貌下ZY-3 DSM的Et均方根误差实际值与理论值均非常接近,实际值与理论值的比在0.975 2~1.594 3之间,而SRTM DEM在5.310 1~8.749 4之间。由此看来,不同地貌下ZY-3 DSM数据精度整体高于SRTM DEM。     

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。     

不同尺度DEM的河流裂点提取及其效应分析

以不同尺度DEM数据提取裂点及其效应存在较大差异。本文以1：1万DEM为基础数据,通过小波分析生成多尺度DEM数据。以庐山地区16条河流为例,实现了多尺度DEM数据的河流裂点提取,探讨了河流裂点的变化规律,并构建了裂点个数的尺度预测模型。实验结果表明：(1)采用河道纵剖面与点坡降相结合的方法可快速准确地判断裂点;(2)在庐山地区,1:1万DEM数据可准确判断高差不小于5 m的裂点,对于高差小于5 m的裂点由于DEM表达精度和数据误差,而无法准确判定;(3)DEM尺度对裂点提取影响显著,裂点个数随着DEM分辨率降低逐渐减少,符合幂函数递减规律;(4)通过与ASTER GDEM和SRTM DEM对比验证,本文所构建的裂点个数与DEM尺度的拟合模型具有一定的预测精度。     

基于DEM的黄土高原地形纹理概念模型

黄土高原“千沟万壑”的地貌形态,在多尺度空间下表现出显著自相似性,具有“局部无规则,宏观有规律”的纹理特征。目前,黄土高原地形纹理的提取方法及应用已经得到初步发展,但依然缺乏在理论层面的框架体系。本文在已有学者研究成果的基础上,限定黄土高原为研究范围,明确提出黄土高原地形纹理的概念模型,即内涵、特征、分类及表达。将内涵进行扩展,除已有的宏观形态地形纹理外,提出黄土典型地貌单元（黄土塬、梁、峁等）特征组合形成的地形纹理,以及黄土坡面坡度特征形成的地形纹理;指出以数字高程模型为主的数据表达将更有利于地形纹理的量化,特别是基于DEM派生的坡面地形因子能够扩展地形纹理的特征空间,丰富地形纹理分析的数据源;明确地形纹理的基本特征,分别是区域差异性、成因复杂性和尺度依赖性;构建划分体系,以地形纹理的基元显著性、纹理成因以及可视化形态进行类别划分。本文以期构建面向黄土高原的地形纹理概念模型,推动纹理分析方法在黄土高原的应用和发展。     

DEM分辨率对黄土侵蚀沟形态特征表达的不确定性分析

黄土侵蚀沟的地形表达是开展黄土沟谷侵蚀研究的基础工作,利用数字高程模型(DEM)定量描述侵蚀沟特征有助于研究侵蚀沟的形态变化和发育过程。基于DEM数据计算多种指标对黄土侵蚀沟特征进行描述是目前侵蚀沟研究中最为常用的方法。但是,受到格网DEM数据结构的限制,其计算结果会存在一定的不确定性。在侵蚀沟地形表达时,对形态特征的表达会受到DEM数据分辨率的影响,进而造成表达结果的不确定性。尤其在黄土高原地区,地形特征更为破碎,地形要素更为复杂,其表达结果受DEM分辨率的影响更为明显。本文以黄土高原典型样区为例,基于点云数据建立不同分辨率的DEM数据集,通过不同地形因子对侵蚀沟特征进行表达,分析DEM分辨率在黄土侵蚀沟形态特征表达时的不确定性。结果显示,分辨率的降低对主沟支沟比和纵比降等侵蚀沟形态特征因子产生了较大影响,且指标与分辨率多呈现线性变化关系。但是,随着侵蚀沟的横向扩张,DEM分辨率对其特征表达的影响逐渐被削弱。此外,在使用固定分析窗口进行侵蚀沟特征计算时,由于分辨率的降低,格网尺寸增大,其实际分析半径随之增大,使得计算范围内地表形态变化增加,导致沟谷切割深度随着分辨率的降低反而增加。同时,侵蚀沟主沟道区域受分辨率影响较小,沟头区域指标与分辨率的关系较弱。     

新型格网DEM等高线生成技术与方法

以格网DEM数据为基础,生成具有良好保凸性、光滑性、平顺性特征的高质量等高线,已逐渐成为制作等高线图的重点。鉴于现有技术方法在沟道、山脊等地形变化部位生成的等高线中存在生硬、相交、异常闭合等问题,本文以黄土丘陵1:5万不同格网分辨率DEM为例,采用对比分析方法,建立了基于DEM格网加密技术的高质量等高线生成方法。实验表明：（1）采用以4×4 DEM格网单元为搜索圆的完全规则样条函数插值法,以可视化时图面0.1 mm的实际距离为加密DEM的格网分辨率值,对DEM格网进行加密处理后生成的等高线具有更为理想的保凸性、光滑性和平顺性特征;（2）对于已知综合尺度的地形,存在最优DEM格网分辨率阈值,若要高质量地再现原始等高线,则实际DEM格网分辨率不得低于最优DEM格网分辨率阈值。     

Spatial structure characteristics detecting of landform based on improved 3D Lacunarity model

The spatial structure characteristics of landform are the foundation of geomorphologic classification and recognition.This paper proposed a new method on quantifying spatial structure characteristics of terrain surface based on improved 3D Lacunarity model.Lacunarity curve and its numerical integration are used in this model to improve traditional classification result that different morphological types may share the close value of indexes based on global statistical analysis.Experiments at four test areas with different landform types show that improved 3D Lacunarity model can effectively distinguish different morphological types per texture analysis.Higher sensitivity in distinguishing the tiny differences of texture characteristics of terrain surface shows that the quantification method by 3D Lacu-narity model and its numerical integration presented in this paper could contribute to improving the accuracy of land-form classifications and relative studies.     

基于DEM纹理特征的月貌自动识别方法探究

月海和月陆是两种最主要的月貌单元,对于月海及月陆快速准确地识别是进行各项月球研究的重要基础。目前,月海和月陆的识别大多采用DEM结合其派生地形因子建立指标体系的方法。这种方法虽然可在宏观尺度对月海和月陆进行识别和提取,但仍存在2个问题：（1）可扩展性差,不同地区难以共用同一套地形因子构建指标体系;（2）指标体系中各因子权重设置具有较大的主观性。针对以上问题,本文以“嫦娥一号”探测器获取的全月球DEM数据,从月表地形纹理特征的角度出发,提出一种以月表DEM数据识别月海、月陆的自动快速的方法。首先,利用灰度共生矩阵模型,以DEM数据为基础,实现对典型月海、月陆地形纹理特征的量化,然后,对量化指标的筛选,构建能有效区分两类月表形貌单元的特征向量。在此基础上,选用离差平方和作为识别器,最终实现对月海和月陆的自动识别。本文识别方法的整体识别率达到85.7%;综上可知,该方法既能克服原有方法中因子权重设置的主观性,又具有较好的通用性。     

基于开源数据和条件生成对抗网络的地形重建方法

如何使用少量的地形特征复原地形地貌一直为地学领域的难题。本文使用开源数据集提取地形特征要素,使用地形特征要素作为约束条件构建了用于生成DEM的条件生成对抗网络(Conditional Generative Adversarial Networks, CGAN),设计了基于开源DEM、开源DEM与遥感影像组合、以及5m高精度DEM提取地形特征要素生成DEM的对比实验,并对结果进行视觉效果、相关性分析以及地形因子的对比与评价。结果表明:(1)在视觉效果上,3种不同方式生成的DEM在视觉效果上均十分逼近原始5 m DEM,都远好于传统插值方法生成DEM,基于开源12.5m DEM提取要素和1m遥感影像的重建效果最接近于原始5 m DEM;(2)在相关性上,三种不同方式生成的DEM与原始5m DEM相关性均能达到0.75以上,组合开源数据提取要素重建DEM与原始5 m DEM相关性可达到0.85以上;(3)在地形因子方面,基于开源12.5 m DEM和1 m遥感影像提取要素重建DEM的坡度和坡向的分布趋势与原始5 m DEM最为一致。本文为高精度DEM建模提供了新的思路,在高精度DEM难以获取...     

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.     

Automatic recognition of loess landforms using Random Forest method

The automatic recognition of landforms is regarded as one of the most important procedures to classify landforms and deepen the understanding on the morphology of the earth. However, landform types are rather complex and gradual changes often occur in these landforms, thus increasing the difficulty in automatically recognizing and classifying landforms. In this study, small-scale watersheds, which are regarded as natural geomorphological elements, were extracted and selected as basic analysis and recognition units based on the data of SRTM DEM. In addition, datasets integrated with terrain derivatives(e.g., average slope gradient, and elevation range) and texture derivatives(e.g., slope gradient contrast and elevation variance) were constructed to quantify the topographical characteristics of watersheds. Finally, Random Forest(RF) method was employed to automatically select features and classify landforms based on their topographical characteristics. The proposed method was applied and validated in seven case areas in the Northern Shaanxi Loess Plateau for its complex andgradual changed landforms. Experimental results show that the highest recognition accuracy based on the selected derivations is 92.06%. During the recognition procedure, the contributions of terrain derivations were higher than that of texture derivations within selected derivative datasets. Loess terrace and loess mid-mountain obtained the highest accuracy among the seven typical loess landforms. However, the recognition precision of loess hill, loess hill–ridge, and loess sloping ridge is relatively low. The experiment also shows that watershed-based strategy could achieve better results than object-based strategy, and the method of RF could effectively extract and recognize the feature of landforms.     

基于随机森林的黄土地貌分类研究

地貌分类在指导人类建设活动的规模与布局中有着重要的意义。然而,传统的基于数字高程模型(DEM)的地貌分类方法使用的地形因子和考虑到的地貌特征往往比较单一。本文提出了一种基于流域单元的地貌分类方法,该方法考虑了流域单元的多方面特征,包括基本地形因子统计量、地形特征点线统计量、小流域特征和纹理特征。本研究首先基于DEM进行水文分析将研究区域划分成不同的小流域。然后利用数字地形分析提取29个不同方面的特征来表征流域的形态,并基于随机森林(RF)算法进行了特征选择和参数标定。RF是一种基于决策树算法的集成分类器,能有效地处理高维数据,分类精度高。最后选择训练集小流域对RF分类器进行训练,使用训练完成的分类器对整个研究区域的地貌进行分类,研究地貌分异的规律。该实验在我国陕北黄土高原典型黄土地貌区域的地貌分类中取得了较好的结果,结果表明不同的地貌之间存在明显的区域界线,特定的地貌类型在空间上表现出明显的聚集性。通过人工判读进行验证的分类精度达到了85%,Kappa系数为0.83。     

顾及多分析尺度的地形部位面向对象分类方法

地形部位是地表形态的基本单元,其分类和提取在地貌发育、数字土壤制图、景观生态制图等领域有着重要的应用。康鑫等提出的多尺度Geomorphons地形部位分类法（简称多尺度Geomorphons法）利用高程相对差异信息和地形部位多尺度特征,可避免受地形属性计算及单一分析尺度约束而误分类,然而其存在分类破碎及分析尺度域难以确定的问题。基于此,本文以多尺度Geomorphons法为基础,提出了其适宜分析尺度域确定方法,建立了以初始地形部位数据层组合的对象多尺度分割和分类方法,进而构建了顾及多分析尺度的地形部位面向对象分类方法。以陕北黄土高原区域5 m分辨率DEM为实验数据,对面向对象分类方法进行了验证与评价。实验结果表明：①均值变点法可有效解决分析尺度域难以确定的问题,实验样区适宜分析尺度域为[5×5, 33×33]栅格单元;②以0,255为二值化的地形部位数据层组合适用于多尺度分割,尺度、形状及紧致度参数组合影响分割结果,且对于实验样区存在最优分割参数;③与多尺度Geomorphons法相比,本文方法得到的地形部位分类结果完整性较好,在地表形态对应和地理认知等方面更具合理性。