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。     

基于地貌特征的数字高程模型融合方法

数字高程模型（Digital Elevation Model, DEM）是一种至关重要的空间信息,广泛应用于各行各业。其中,ASTER GDEM与SRTM几乎覆盖了全球陆域,为地学研究提供了非常实用的高程数据支撑,但是由于二者传感器采集数据原理的不同,使得高程数据在不同地貌条件下的高程精度亦存在程度不一的误差。本文提出了一种新型的基于地貌特征的DEM融合方法,使得融合GDEM与SRTM后的DEM数据,消除了地貌特征的影响、显著地提高了DEM质量。该方法主要分为地理配准和高程融合2个步骤：①基于河流线对等线性地貌特征的位置数据,构建了GDEM与SRTM的水平偏移相关的误差评价函数,采用多级网格搜索法求得DEM间的水平偏移距离,实现对DEM的配准;②按照DEM高程值在不同地貌单元及边界线附近的高程变化特征,建立地貌分区的高程融合模型来融合两种地理配准后的DEM高程,尤其是实现了地貌单元边界线附近的高程平滑过渡。本文以怀柔北部地区为实验区,以1:5万地形图为参考,对2种DEM数据进行融合,统计结果表明：① 融合DEM在各地貌单元的误差均显著下降,地形表达较之融合前更加精确;② 高程差呈现正态分布,明显区别于融合前DEM不对称的多峰分布形态,说明地貌影响被有效地剔除;③ GDEM和SRTM数据的精度对坡度有较大依赖性,融合后DEM的精度在不同坡度范围下均优于GDEM和SRTM,显著降低了融合前DEM对坡度的依赖程度;④ 在不同坡向下,GDEM和SRTM的RMSE取值波动较大,融合DEM的RMSE取值在各方向表现稳定,高程精度较GDEM和SRTM有显著提高。     

DEM分辨率与平均坡度的关系分析

由DEM提取坡度时,DEM分辨率的变化会造成局部栅格提取的坡度数值的变化,其变化规律对于深刻理解平均坡度,随DEM分辨率的变化而变化的规律具有现实意义。在黄土高原的研究中,选择了8个典型地貌类型的样区,获得了以1:10 000比例尺地形图为数据源的DEM(分辨率为5 m)。从DEM分辨率对栅格坡度影响规律的分析中,得到如下结论:(1)随着DEM分辨率粗略化,所提取的坡度平均值有可能升高;(2)在所有样区,随DEM分辨率粗略化,负误差的栅格均是正误差的栅格数量的1.13倍以上,保持负误差的栅格是保持正误差的栅格数量的1.81-4.04倍,同时坡度的负误差均值是正误差均值变化幅度的3.1倍以上;(3)结合结论(2)和本文提出的指标,可准确地解释8个样区中坡度平均值随DEM分辨率变化而变化的规律;(4)DEM的分辨率对正负误差的栅格数量没有明显影响,正误差(或负误差)栅格均集中于个别坡度的分级区间,而DEM分辨率对此集中的区间没有明显影响;(5)坡度总体误差可根据本研究所提出的经验公式由DEM分辨率和分辨率为5 m的DEM所提取坡度的平均值计算出来。     

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.     

基于信息损失量的坡度精度分析

从DEM中可获取众多地形因子。其中,坡度作为基本的地形因子,其精度对于退耕还林、水土流失评估等研究具有重要影响。但是,由于DEM只能是真实地表形态的近似表达。如何模拟坡度误差的规律成为研究的热点。本文在黄土高原地区选取代表不同地貌类型的神木、绥德、延川、富县和宜君5个研究样区,以1:1万地形图为基本数据源,建立不同分辨率的DEM,用以分析坡度信息损失量随DEM分辨率变化的规律。故此,提出了基于单个栅格方式的坡度信息量损失指标,并在每一样区随机选取的20个子实验样区得到了其与DEM分辨率的函数关系,以及相关的经验公式,据此求得所需的最适宜DEM分辨率,并在每一样区随机地选取16个子样区进行了检验。     

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.     

黄土高原丘坡信息DEM提取算法的应用

选择代表黄土地貌类型(丘陵沟壑区、梁峁区、高原丘陵过渡区)的75个样区(每个样区约4km²),以1∶1万水平分辨率为5m的DEM为研究对象,研究不同算法对提取地面坡度精度的影响。采用6种不同算法分别提取坡度。运用方差分析,对比分析,排序分析等方法,通过比较不同算法所提取坡度矩阵的平均值、最大值、标准差,以及坡度中误差等指标,认为在黄土丘陵沟壑区3类地貌类型区域如果整体考虑坡度的以上指标时选用三阶反距离平方权差分算法较为合理。在黄土高原沟壑区与丘陵沟壑区交错过渡地带也可以选用算法4提取坡度。同时,根据水土保持工作实际生产部门需要,提出并实现了对坡度信息评价时须分级别进行的思路。研究认为,在黄土丘陵沟壑区域相同的地貌类型区,算法对所获得的相同的坡度级别面积影响是不同的,并且规律不相同。在前述三种地貌类型区域,如果需要获得坡度分级面积信息,使用三阶反距离平方权差分算法和三阶反距离权差分最为理想。由于简单差分算法小于其他算法提取坡度所涉及的区域单元大小,不适宜在本区域使用。     

DEM提取坡度信息的不确定性分析

以陕西省671幅1∶50000比例尺,25m分辨率的DEM数据为信息源,分析DEM分辨率对提取坡度信息的不确定性影响。研究表明:平均坡度随DEM分辨率的减小呈显著递减型二次曲线变化,但当DEM分辨率减小到一定程度时,平均坡度将趋于稳定;并且,随DEM分辨率变化,坡度的不确定性呈现明显的空间结构性分布,DEM栅格单元内部地形的复杂性和变异性越大,坡度提取不确定性越大,如沟坡地坡度提取误差明显大于沟间地。因此,实际应用中要充分考虑研究区域DEM地形描述的尺度效应和不确定性问题,选择合适尺度的DEM提取坡度信息,保证提取结果的科学有效。     

DEM分辨率对地形纹理特征提取的影响

地形纹理是区分不同地貌形态的重要依据,DEM是地形纹理分析的重要数据。然而,DEM分辨率使地形纹理特征提取存在着不确定性问题。本文以具有显著地貌多样性与差异性的陕西省为例,选择6个不同地貌类型区为研究区,以25 m分辨率DEM数据作为信息源,构建了多尺度的地面坡度、光照模拟和粗糙度数据序列。在此基础上,引入空间灰度共生矩阵（GLCM）对地形表面纹理特征进行量化分析,以揭示数据分辨率对地形纹理特征提取的影响。研究表明：对于单一样区,在DEM及其3个派生数据中,原始高程数据和粗糙度数据的纹理参数特征值,对分辨率的变化较为敏感。对于不同的地貌类型区,二阶角矩和对比度这2个纹理参数具有最大的变异系数,表明它们对于区分不同地貌类型的能力最强;二阶角矩具有较大的尺度依赖性,随着分辨率的降低,其区分能力急剧降低,而对比度对于地貌的区分能力,则随着分辨率的降低而增强,并保持在一个较大的范围内。DEM数据的对比度对于不同地貌的区分能力,在所选4个参数中最为稳定,而粗糙度数据的二阶角矩区分不同地貌的能力,随着数据分辨率的变化而最不稳定。以上结果对于根据不同的研究对象选择适宜的DEM分辨率及地形纹理参数具有一定的指导意义。     

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。     

Topographic characteristics for the geomorphologic zones in the northwestern edge of the Qinghai-Tibet Plateau

Based on geomorphologic and digital elevation model （DEM） data, the topographic characteristics of the northwestern edge of the Qinghai-Tibet Plateau are analyzed. Five representative peaks are first determined according to the topographic profile maps for the ridge and piedmont lines, and then the topographic gradient characteristics are analyzed according to the representative topographic profile acquisition method. Based on the geomorphologic database data, the regions between the ridge and the piedmont lines are divided into four geomorphologic zones; and the topographic characteristics are finally analyzed for the different geomorphologic zones regions using the DEM data. The research results show that from the piedmont to the ridge, there exist four geomorphologic zones： arid, fluvial, periglacial and glacial. The arid has the lowest elevation, topographic gradient, relief and slope characteristics. The fluvial has lower elevation and the highest topographic gradient, but with lower relief and slope characteristics. With higher elevation, the periglcial has lower topographic gradient, but the highest relief and slope characteristics. The glacial has the highest elevation with higher topographic gradient, relief and slope characteristics.     

顾及数据配准的江西省SRTM DEM精度评价和修正

目前,ICESat/GLAS是大尺度SRTM DEM精度评价的主要数据源。然而,现有的精度评价方法均忽略了2组数据的有效配准。为此,本文分析了数据配准前、后SRTM DEM整体精度差异,以及不同地形因子和土地利用类型对SRTM DEM影响程度。在此基础上,充分考虑SRTM DEM精度影响因素,分别借助多元线性回归（MLR）、后向传播神经网络（BPNN）、广义回归神经网络（GRNN）以及随机森林（RF）对SRTM DEM修正。结果分析表明：配准前,ICESat/GLAS与SRTM DEM沿x、y方向的平均水平位移分别为-17.588 m、-29.343 m,高程方向系统偏差为-2.107 m;配准后,SRTM DEM的系统误差基本消除,而且中误差降低了14.4%。配准前,坡向与SRTM DEM误差呈正弦函数关系,配准后这种关系基本消失。SRTM DEM误差均随地形起伏度、坡度、高程的增加呈增大趋势; 6种土地利用类型中,SRTM DEM在林地误差最大,未利用土地误差最小。对配准后SRTM DEM修正表明,RF效果最优,其中误差分别比MLR、BPNN、GRNN降低了3.1%、2.7%、11.3%。     

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。     

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。     

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。     

�������������ֺ��ĵ������ӷ���

????????????????о??????????????????(DEM)?????????????е??????????????????о????????????40??~50??????????18??~30????????????50~70 m??????????????????????????????     

基于DCT域数字水印技术的DEM版权保护研究

探索适用于DEM的近无损自适应数字水印算法,以期为DEM版权保护提供有效的解决方案。首先,将水印嵌入在DEM地性线位置,以增强水印鲁棒性,实现水印嵌入位置的自适应。其次,从理论上研究在DCT域内,采用加性水印嵌入规则时,如何根据给定的DEM精度,并结合Watson视觉模型确定水印嵌入强度的问题,避免以往研究中或者通过反复实验确定嵌入强度,费时费力,或者由视觉模型确定而不能满足DEM精度要求的缺点,同时实现水印嵌入强度对地貌类型的自适应。结果表明,该算法既能满足水印的不可见性,又能实现DEM精度的近无损和提取等高线的近无损性要求,且具有良好的抗JPEG压缩、JPEG2000压缩和几何裁剪的能力。     

ArcGIS环境下DEM的坡长计算与误差分析

坡长是水土保持、土壤侵蚀和环境评价等研究中的基本因子。在GIS环境下,坡长的提取是基于格网DEM进行的,其结果受到DEM精度、DEM结构、流向提取算法和栅格距离计算方式的影响。在确定分辨率和精度的DEM下,坡长计算误差主要来自流向提取算法和栅格距离计算方式。本文对这两种DEM坡长计算误差源进行了详细的分析,指出集成到ArcGIS软件中的坡长计算模型D8存在较大缺陷,尽管栅格距离计算方式对坡长影响最大误差为8.9%,并可通过统计方式实现整体坡长的修正,但D8算法的单流向特性使得水流方向变得确定和不连续,进而导致坡面单元坡长产生较大误差,因此,利用D8算法进行数值模拟计算需要考虑其精度问题。同时应提高坡长计算的准确性,需要发展更为完善的流向计算方法和坡长计算模型。     

基于DEM的黄土崾岘提取及其地形特征分析

崾岘是将要被切穿的鞍部,是正负地形矛盾斗争的结果,也是重要的地形控制点。典型的崾岘多位于黄土高原黄土地貌区,又称黄土崾岘,其对识别沟间地与沟谷的斗争程度有一定的指示作用。本文以黄土高原样区为例,基于1:1万DEM（5 m分辨率）和影像分辨率为0.95 m的遥感影像,利用流域边界算法和缓冲区标定,分析窗口选择5×5,实现了崾岘点位的半自动化提取。并对各崾岘点位求取坡度等地形因子,总结崾岘的空间格局和地形特征。结果显示,崾岘多分布在主流域边界和垂直于主沟道的最宽部分,地形控制作用明显。崾岘的坡度、起伏度、切割深度等值均大于鞍部值,同时,高级流域区的崾岘值大于低级流域区的崾岘值,反映出崾岘具有侵蚀程度强、表层完整性低、地表破碎度高的特点。总体而言,崾岘受沟道蚕食度高,从侧面反映了黄土地貌的发育阶段,是黄土地貌发育到中期的标志性产物。