DEM分辨率变化对坡度误差的影响

分析了坡度提取算法的数学模型,并结合实际数据进行了分析和验证,提出了对误差进行敏感性程度分析的方法,得到了根据DEM分辨率或平均坡度计算坡度误差的公式。     

自DEM由不同算法提取坡度的对比分析

以陕北韭园沟流域1:10 000水平分辨率为5 m的DEM为研究对象,运用方差分析、回归分析、排序分析等分析方法,采用6种不同算法分别提取坡度。通过比较不同算法所提取坡度的平均值、最大值、标准差、坡度的中误差,定量分析中误差与地形变化的关系后,提出在黄土丘陵沟壑区提取坡度时选用三阶反距离平方权差分算法和三阶反距离权差分较为合理。     

顾及DEM误差自相关的坡度计算模型精度分析

基于DEM的坡度计算,其误差来源于DEM误差、DEM结构和坡度计算模型。在顾及DEM误差自相关的前提下,对四种DEM坡度计算模型进行了分析和评价。研究表明,三阶不带权差分能给出较高的坡度计算精度;在局部窗口中,格网点数量越多,坡度计算越准确;等权比不等权的坡度计算模型更准确;DEM误差自相关结构形式对坡度计算无影响。进一步的理论分析和试验分析还表明：DEM误差自相关性的存在,不仅能够改善地形分析的精度,也能改善DEM自身精度。     

基于DEM坡度坡向算法精度的分析研究

坡度坡向是两个最基本的地形因子,目前对DEM坡度坡向计算模型和精度存在一些不同的甚至矛盾的观点,其原因在于没有区分误差来源和分析评价方法的不同.本文对DEM坡度坡向误差进行了理论分析,并通过实验数据对相关结论进行了验证.旨在澄清目前关于坡度坡向计算模型上的矛盾结论.     

栅格DEM的水平分辨率对地形信息的影响分析

数字高程模型（DEM）是当前用于地形分析的主要数据源,可以从DEM提取不同的地形因子得到地形信息为各种地学分析提供基础服务。对三峡库区应用6种不同网格分辨率进行地形因子数据的提取和分析。研究表明,DEM的水平分辨率对地形信息的精确性有影响,网格的增大增加了DEM对地形信息的概括．应根据不同的需要选择不同分辨率的DEM。     

基于DEM的坡度坡向误差空间分布特征研究

研究DEM误差和坡度坡向误差的关系,澄清目前关于坡度坡向误差空间分布的矛盾观点,明确指出基于DEM提取的坡度坡向误差主要分布在平坦地区,并通过实验对结论进行验证,所得结论对实际工作有一定的指导意义.     

基于DEM量算耕地坡度的误差分析

坡度是最基本的地形因子之一。本文介绍了基于DEM的坡度计算方法,对坡度分级统计中的误差来源分类进行分析,并实验分析其DEM精度,以及各误差因素对坡度统计计算的影响。     

栅格DEM坡度因子提取的BP神经网络法

针对传统的地形因子提取过程存在叠加分析过程烦琐、复杂地形因子提取困难、无法满足当下自动化与精细化生产需求的问题,引入非线性映射能力强的反向传播（BP）神经网络对地形因子进行提取与分析。选定坡度作为研究对象,采取双隐含层提高网络泛化能力,利用正交实验法获取最优化结构,提升模型拟合度至99%,平均绝对误差为0.561 6°,均方根误差为0.782 7°。本研究创新性地将神经网络迁移到数字地形分析领域,为地形因子的获取提供了一种便捷高效的思路。     

DEM地形信息提取对比研究——以坡度为例

由于DEM数据本身多尺度因素,加之地形、地貌特征具有宏观性与区域分异性的特点,直接的信息提取往往很难达到预期的目的。利用DEM制作坡度图高效、省力,但其精度有很大的不确定性,同时DEM制作过程中的误差传播、转移对坡度信息的影响缺少系统的判断依据。选取位于陕北黄土高原上的两个不同地区作为实验样区,在不同DEM生产的基础上,以高精度的1∶10 000DEM为准值,通过对1∶5万和1∶1万DEM提取定量地形要素的叠合、比较与统计分析,探讨具有不同地貌类型的区域1∶5万DEM提取地形信息的精度及其统计意义上的数量百分比关系。     

不同精度DEM流域地形特征提取分析及坡度误差控制研究

以北京密云水库牤牛河流域为试验区,对该流域4种精度DEM提取的流域地形值进行分析,并基于此对不同精度DEM所提取的坡度值进行了误差量化控制,运用曲线回归方法,建立了坡度损失拟合方程系.试验证明,该方法对坡度误差控制较好,具有较大的应用价值.     

浅谈DEM的边缘精度对土石方工程计算的影响

本文介绍利用数字地面高程模型（Digital Elevation Model,简称DEM）计算土石方的方法，重点分析DEM的边缘精度对其计算结果的影响。     

数字高程模型（DEM）的误差问题

从数字高程模型（DEM）误差组成、误差分析的理论、方法及精度评估模型等几个方面分析了当前DEM误差研究的主要现状和问题。     

数字高程模型误差及其评价的问题综述

从数字高程模型(DEM)传递误差、基于中误差的DEM误差模型及其主要问题、DEM误差分布实验和DEM内插误差新认识几个方面分析了当前DEM误差研究的主要进展,用"中误差"讨论DEM传递误差是建立在测量误差传递理论基础之上的,但沿用"中误差"来讨论DEM内插模型逼近误差和DEM整体误差却缺乏理论依据。DEM误差分布的空间相关性实验对DEM中误差评价法所应具备的随机误差性提出质疑,却可以用基于逼近理论的DEM内插模型来解释,说明用逼近误差理论研究DEM内插误差的途径是正确、可行的。     

基于条件模拟的DEM误差曲面实现研究

为了克服DEM全局误差指标描述DEM精度的缺陷,基于条件模拟(CS)实现了DEM误差曲面的构建。构建了甘肃省董志塬某测区DEM误差曲面,并与普通Kriging(OK)插值结果进行了比较。结果表明,OK具有明显的平滑效应,而CS能准确反映DEM误差的空间波动性。DEM误差对坡度精度的影响分析表明,相比地形复杂的区域,DEM误差严重影响平坦区域的坡度精度;对测区水土流失等级划分结果的分析表明,约有70.2%的网格点的等级划分受DEM误差的影响。     

以Doris进行雷达干涉研究生成数字高程模型(DEM)

雷达干涉测量技术(InSAR)被认为是生成或更新DEM的有效方法,通过实地测量得到DEM精度虽高但成本高也费时,近年来,InSAR以其全天候、全天时、快速得到DEM而引起全世界地学人员的关注。但是由于处理过程复杂及条件要求严格,目前除购买高价的商业软件外,一般的研究人员很难投入到该项技术的研究与应用中去。本研究利用以荷兰Delft大学为主所研发的开源软件Doris来进行雷达影像生成DEM的研究。该软件是一套功能强大的干涉影像生成软件,作者详细介绍用Doris进行干涉处理过程并提取库赛湖区域DEM,最后对DEM精度做了对比分析。     

数字高程模型地形描述精度的研究

对数字高程模型(DEM)的地形描述误差(Et)与空间分辨率(R)和平均剖面曲率(V)的关系进行研究,得到地形描述误差的均方差值与R、V的函数关系公式:RMSEt=(0.006 1 V 0.002 7)R 0.001 0 V2-0.0649 V 0.569 5.进一步,还得到地形描述误差的均方差值与R、坡度W的函数关系公式:RMSEt=(0.000 1W2 0.003 1W 0.030 1)R 0.000 8W2-0.050 8W 0.355 9.分析结果表明,所得公式具有好的效果.     

DEM Fusion using a modified k-means clustering algorithm

Digital elevation models (DEMs) are a necessary dataset for modelling the Earth’s surface; however, all DEMs contain error. Researchers can reduce this error using DEM fusion techniques since numerous DEMs can be available for a region. However, the use of a clustering algorithm in DEM fusion has not been previously reported. In this study a new DEM fusion algorithm based on a clustering approach that works on multiple DEMs to exploit consistency in the estimates as indicators of accuracy and precision is presented. The fusion approach includes slope and elevation thresholding, k-means clustering of the elevation estimates at each cell location, as well as filtering and smoothing of the fusion product. Corroboration of the input DEMs, and the products of each step of the fusion algorithm, with a higher accuracy reference DEM enabled a detailed analysis of the effectiveness of the DEM fusion algorithm. The main findings of the research were: the k-means clustering of the elevations reduced the precision which also impacted the overall accuracy of the estimates; the number of final cluster members and the standard deviation of elevations before clustering both had a strong relationship to the error in the k-means estimates.