基于均值变点分析法的资源三号测绘卫星DSM水系自动提取研究——以云南省高海拔山区为例

水系自动提取是保证基础地理数据现势性的关键,而获得最佳集水面积阈值是提高水系提取精度的前提条件。集水面积阈值一般依靠定性分析的方法获取,采用均值变点分析法定量确定水系的集水面积阈值,可以满足基础地理数据精确性的要求。以云南省龙川江流域为研究区域,基于资源三号测绘卫星ZY-3 DSM和SRTM DEM两种数据,利用GIS工具分别提取该流域水系,再由均值变点分析法确定最佳集水面积阈值,并比较分析这两种水系的提取精度。研究结果表明:1随着集水面积阈值的增加,提取的水系密度减小且趋缓。ZY-3 DSM和SRTM DEM的最佳集水面积阈值分别是6.0 km~2和2.75 km~2;2在最佳集水面积阈值下,ZY-3 DSM提取的河流数比SRTM DEM多20.6倍,河流等级多2级,各级支流数为SRTM DEM的4.7~9.5倍不等,水系密度达到SRTM DEM的4.5倍;3与1:250 000水系数据相比,ZY-3 DSM和SRTM提取的河流点位平均相差395.23 m,RMSE为391.83 m。由此可见,利用均值变点分析法基于ZY-3 DSM提取的水系精度更高,完全满足测绘地理数据更新的现势性、准确性要求。     

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。     

基于SWAT模型和多源DEM数据的流域水系提取精度分析

流域水系是研究水文水资源、地貌演化和生态环境及水土治理等的基础数据,高精度的水系提取对流域研究十分重要。本文以空间分辨率均为30 m的 AW3D30 DSM、SRTM1 DEM和ASTER GDEM2数字高程模型作为基本的地形数据,基于SWAT模型提取犟河流域水系,通过河网“套合差”、水系相对误差、Google Map水文数据及蓝线河网对提取结果进行误差分析与综合评价,探讨河道剖面和地形特征对水系提取精度的影响。结果表明：① 集水面积阈值是决定河网水系提取精度的关键参数,阈值越大,提取的河网密度越小,反之提取的河网密度越大;② 基于河网密度与集水阈值二阶导数的幂函数与直线相切的数学求值方法确定流域最佳集水面积阈值,能避免最佳集水阈值取值的主观性,提取的河网水系与实际河道相符;③ AW3D30 DSM数据提取的流域河网水系与Google Map高分辨率影像的水系偏差最小,且AW3D30 DSM数据提取的水系与蓝线河网的河网“套合差”和水系相对误差值均最低,能真实反映中低山丘陵山区流域水系发育的疏密程度,吻合度最好;④ 多源DEM数据提取结果均显示为河床比降大和横剖面曲线为窄深式的“V”形河谷提取的水系精度高于河床比降小和横剖面曲线为 “碟”形河谷的提取精度;⑤ AW3D30 DSM数据的地形起伏和坡度标准差最大,有利于山区河网水系的提取。因此,基于SWAT模型和AW3D30 DSM数据提取的山区流域水系可最大限度反映流域水系的真实情况,精度最高,此方法和数据源可应用于中低山丘陵山区流域的水系提取研究。     

基于不同DEM数据源的胶东半岛流域特征提取对比与分析

基于SRTM和ASTER GDEM两种DEM数据源,以胶东半岛为研究区,应用ArcMap水文分析(Arc HydroTools)扩展模块和"burn in"算法,提取河网及流域范围。结果显示,集水面积阈值变化直接影响数字河网密集度。对胶东半岛而言,采用分辨率为90m×90m的SRTM数据可较好地提取河网水系及划分流域;提取的11个主要流域,充分体现了胶东半岛地区的流域特征。     

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。     

典型山区SRTM3与ASTER GDEM数据精度对比分析——以青藏高原东麓深切河谷区为例

目前广泛应用的数字高程模型(DEM)包括SRTM和ASTER GDEM,但在地形影响下,两类数据的误差分布并不均匀。本文选用1:5万地形图DEM及河流要素作为参照,在青藏高原东麓山区开展实验,分别采用"河流-河谷"位置偏移量与高程中误差来评价两类数据的平面精度与垂直精度,结果表明:(1)实验区内SRTM3存在向西南方向的水平位置偏移,平均偏移量为127.8 m,ASTER GDEM则以正西方向偏移为主,平均偏移量为104.1 m,该区域ASTER GDEM的总体平面精度较好;(2)SRTM3数据样本的绝对误差分布相对集中,高程中误差为35.3 m,小于ASTER GDEM样本的高程中误差50.2 m,总体垂直精度优于ASTER GDEM;(3)在平均高程大于4500 m的高海拔区域,两类数据的中误差与高程值正相关,SRTM3中误差随高程增速较慢,垂直精度较ASTER GDEM高;(4)两组数据垂直精度对坡度有较大依赖性,中误差随坡度近似指数曲线增长,在平缓区域SRTM3中误差小于ASTER GDEM。本研究为该类数据在山区的选用及误差修正提供依据。     

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。     

面向多分辨率DEM的河网相似性测度与分析

河网是地形结构的核心要素,能够有效地反映DEM对地表形态的刻画能力。实现不同分辨率条件下DEM河网相似性测度对DEM地形综合、DEM质量评估及DEM不确定性分析等研究具有重要意义。基于此,本文以黄土高原典型样区为研究区,基于5 m高精度DEM建立的多分辨率DEM数据集,构建了地形特征自适应的DEM河网自动提取方法,建立了综合拓扑关系、方位关系、距离关系及属性特征四维信息的河网相似性度量模型,并分析了河网相似性变化特征及其与地形参数的相关性。实验结果显示,河网自动提取方法的制图精度和用户精度均在90%以上,总体精度优于Passalacqua等提出的GeoNet方法,能够有效实现不同分辨率下河网较高精度提取;河网相似性度能综合反映河网空间分布特征的差异性,河网相似度与分辨率变化率之间的幂函数关系R²达0.978,且河网相似度与高程、坡度中误差分别表现为幂函数和对数函数关系,后者对数关系显著性优于前者幂函数关系。研究表明,在以河网作为DEM构建重要数据源的背景下,本文的研究成果可为DEM质量及其应用适宜性的定量评价提供基础。     

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。     

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%。     

Arc Hydro Tools及多源DEM提取河网与精度分析——以洮儿河流域为例

本文简要分析了HYDRO1K、SRTM3-2、ASTER GDEM 3种数据源基本特征,对数据的水平空间分辨率、现势性、覆盖范围、误差来源进行了比较;阐述了Arc Hydro Tools提取数字河网、划分流域及子流域方法的关键步骤;并以洮儿河流域为研究对象,分析了有(无)河网辅助条件下,3种初始DEM在不同地貌类型中数...     

基于地表校正和河道烧录方法的河网提取

 针对现有的数字高程模型(DEMs)在自动提取虚拟河网过程中易受洼地、平原地区影响,产生不连续的或平行的错误河网的问题,本文基于Arc Hydro Tools,阐述了地表校正(Agree算法)和河道烧录(Stream burning)方法提取虚拟河网的关键步骤和基本思路,并以环渤海地区为例,分析了有(无)河网辅助信息下,河网提取结果的准确度。研究结果表明,增加辅助信息更有助于提高虚拟河网的精度和准确性,且河道烧录方法在虚拟河网的提取上比Agree算法更有优势。由于环渤海研究区平原面积广大,对提取结果有较大的影响,提取结果的精确度不高。针对这一问题,本文综合河道烧录和地表校正(Agree 算法)的特点,提出一种河网提取的改进思路,并选取滦河流域作为验证区。通过对比,改进后的河网提取结果与中国实际河网分布较为吻合,说明该改进思路是较为合理、可信的。     

基于深度神经网络的蒙古国色楞格河流域水体信息提取

蒙古高原地处干旱半干旱地区,河流水系对该区域的资源环境格局及其生态环境影响重大。发源于蒙古国的色楞格河是蒙古高原最主要的水资源来源,准确掌握该流域的水体信息对东北亚地区生态环境问题及资源保护具有重要意义。本文以蒙古高原色楞格河流域为研究对象,基于谷歌地球引擎（Google Earth Engine,GEE）云平台,使用 Sentinel-2 多光谱卫星遥感影像,利用深度神经网络（Deep Neural Network, DNN）方法对色楞格河流域的水体信息进行提取,并与支持向量机方法进行对比;利用全球30 m SRTM数据生成水系分布矢量图,通过空间分析形成河流提取目标区,结合深度神经网络分类结果,绘制蒙古国色楞格河流域2019年河流分布图。研究结果表明：① 该方法能够准确地完成大流域范围内的水体制图,提取结果能够体现色楞格河流域河流的空间分布,且能够减少河流断流、空洞现象;② 深度神经网络模型中批量大小设置为8时,在处理数据速度与精度中达到最优,而神经网络结构中隐含层数达到4层时,在精度评价指标测试数据集上达到0.9666,保证了模型特征挖掘能力;③ 经样本点的验证,结果总体精度达到97.65%,可以满足实际应用需求。本研究预期可以为蒙古高原的水体提取提供方法支持和相关数据支持。     

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...     

基于汇水盆地的化探异常识别与评价: 以东昆仑乌拉斯太地区1∶5万水系沉积物地球化学测量为例

水系沉积物地球化学测量是卓有成效的找矿技术方法, 基于汇水盆地的水系沉积物地球化学异常提取有助于追溯异常源头、指明找矿方向。基于SCB法提出了汇水盆地法, 该方法以自然汇水盆地为预测单元, 将各样品点的地球化学属性特征赋予各自所在区域, 预测结果较为符合地形地貌特征, 且对于采样密度较高的1∶5万水系沉积物地球化学测量数据有较好的应用效果。以东昆仑乌拉斯太地区为研究区, 使用高精度DEM划分汇水盆地, 利用该方法对1∶5万水系沉积物Au、Ag、Pb因子得分进行了异常信息提取, 在提取过程中利用多种地貌参数(干流坡度、地形起伏比、汇水盆地面积)作为泥沙输移比进行残差校正计算, 并在此基础上, 利用C-A分形法分离了地球化学背景与异常。异常提取结果表明, 汇水盆地面积参数最适合用作乌拉斯太地区的泥沙输移比参与顺流衰减校正, 使用汇水盆地法可以有效识别和提取该地区地球化学异常信息。使用汇水盆地法提取的化探异常范围与矿床空间位置吻合度高, 可以为进一步找矿工作提供有利的信息。      

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。     

基于ICESat/GLAS的山东省SRTM与ASTER GDEM高程精度评价与修正

SRTM3和ASTER GDEM V2数据具有较高的空间分辨率和广泛的覆盖范围,对于地学研究具有重要意义;但在不同地形复杂度和地面覆盖物区域,两类数据的误差分布并不均匀。SRTM3和ASTER GDEM V2数据自公布以来,其精度修正一直是研究热点。然而大范围区域精度验证缺乏有效手段,传统方法可靠性差且数据获取成本较高。自ICESat-1数据公开以来,它们已成为SRTM3和ASTER GDEM V2精度评定的主要检核点。为此,本文以山东省为研究区域,借助ICESat-1评估了SRTM3和ASTER GDEM V2的高程精度,并根据插值误差曲面对两种DEM进行了修正。分析表明,原始SRTM和ASTER高程中误差分别为5.57 m和7.20 m,均高于标称精度;随着坡度的增大,高程精度呈降低的趋势。通过分析土地覆盖类型与误差分布关系表明:农田、灌丛土地类型精度较高;森林、湿地精度较低。分别采用反距离加权、普通克里金、地形转栅格和自然邻域插值方法构建误差曲面。结果表明:不同的插值方法构建的误差曲面的特征和精度也不同。其中,反距离加权修正的效果最佳,其次是地形转栅格和自然邻域,而普通克里金修正的效果最差。     

机载LIDAR数据的树高识别算法与应用分析

利用机载激光雷达数据提取天然次生林的树高,旨在探索影响树高提取精度的主要因素。首先,采用高精度曲面建模平差算法(Adjustment Computation of High-accuracy Surface Modeling,HASM-AD)生成研究区不同空间分辨率的数字高程模型(Digital Elevation Model,DEM)、数字地表模型(Digital Surface Model,DSM)和冠层高度模型(Canopy Height Model,CHM);其次,用树顶点识别算法提取林木树高,设置不同树高识别范围,对比分析不同CHM分辨率和不同树高识别范围对树高提取精度的影响;最后,以天涝池流域30个实测样地数据为样本,对提取精度进行检验。结果显示：提取的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.694;树高识别范围是影响树高提取精度的重要因素,CHM分辨率对其影响较小。研究表明,采用高采样密度的雷达点云数据、正确选择CHM生成方法和改进树顶点识别算法是提高天然次生林树高提取精度的有效途径。     

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。     

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。