DEM地形描述误差(Et)计算模型研究

论文依据DEM地形描述误差（简称Et）的产生机理,在分析现有Et计算模型的基础上,研究建立了顾及DEM格网布设位置的新型Et计算模型,同时以1:5万黄土丘陵地形为例,采用对比分析法揭示了DEM高程插值模型对Et计算结果准确性的影响。实验测试表明：（1）模型能有效地解算出Et的标准差、平均值、最大值、最小值等指标,准确展示出Et的空间分布特征,有助于实现DEM地形描述质量与应用不确定性的分区评价;（2）与双线性、三次卷积、局部二次多项式等常用DEM插值模型相比,以4×4 DEM格网单元为搜索圆的完全规则样条函数插值模型所重构的DEM地表形态,能更为理想地反映Et的量值大小和空间分布。     

基岩露头采样密度对黄土古地形重建的影响

下伏古地形对黄土地貌的形成、演化与发育具有重要的控制作用。基于下伏地层露头的采样数据,通过空间插值方法进行古地形数字模型(DEM)重建是研究黄土地貌的重要方法。其中,采样点密度是下伏地形DEM重建精度的主要影响因子。本文以1:20万绥德幅地质图所涉及区域为实验样区,研究采样点密度及样条函数方法对下伏古地形重建精度的影响。实验结果表明,在高密度样本条件下,采用规则样条插值方法进行古地形重建时,插值结果呈现显著的“龙格现象”,即多项式插值结果出现剧烈波动现象,且随着样本密度增加,样条插值结果的误差呈逐步趋缓的降低趋势,并逐步趋于稳定。同时,基于古地形DEM提取的特征点,其局部最高点和局部最低点的数目呈直线上升趋势,说明在一定程度上基于有限数据采用样条函数进行地下三维建模并不一定能获得平滑曲面。研究结果对如何选择合理的空间采样密度进行古地形DEM重建具有重要的指导意义。     

机载LiDAR点云密度和插值方法对DEM及地表粗糙度精度影响分析

机载LiDAR点云是获取高质量数字高程模型(Digital Elevation Model, DEM)的主要数据源,而地表粗糙度作为DEM的主要派生产品,在地学研究中发挥了重要作用,但点云密度和插值方法对DEM及地表粗糙度精度影响程度并没有明确结论。为此,本文利用不同地形条件下的林区机载LiDAR点云为实验对象,将原始点云随机缩减为不同的采样密度,利用5种常用插值方法(克里金(Ordinary Kriging, OK),径向基函数(Radial Basis Function, RBF),不规则三角网(Triangulated Irregular Network, TIN),自然邻域(Natural Neighbor, NN)和反距离加权(Inverse Distance Weighting, IDW))构建各个测区不同采样密度条件下的DEM,并通过空间特征和统计特征两方面对DEM及其地表粗糙度精度分析。结果表明:(1) DEM插值算法的精度随点云密度缩减而降低,且数据量缩减至原始数据量的30%后,不同算法精度区别较为明显,其中,RBF和OK精度最优,IDW精度最低;(2) DEM误差与...     

多模型协同下的城郊地区DEM构建方法研究

人类活动对地表的改造使其呈现形态多样化、不连续等特征,此时传统的DEM构建方法难以满足这些区域DEM精度要求。为此,本文提出了一种多模型协同构建DEM的思路,首先按照形态特征和语义信息对地形进行分类,然后对不同类型的地形区域,选择、设计适宜的方法分别进行DEM构建,最后将不同区域构建DEM结果融合拼接形成区域完整的DEM结果。本文选择江苏省南京市城市郊区某区域为实验区,以1:500比例尺地形图为基本数据源进行DEM构建实验。实验结果表明,与传统经典DEM构建方法相比,本文提出的多模型协同的DEM构建方法能够有效表达实验区域不同的地形特征,特别是对于人工改造的地形(如道路、边坡等区域),本文方法构建的DEM其形态精度优势显著;同时,基于验证点法的高程精度分析结果表明,本文方法构建DEM的高程精度亦优于传统DEM构建方法,特别是对于一些形态规则而高程信息相对稀少的区域,以边坡区域为例,经典DEM构建法平均误差均超过5 m,而本文构建结果平均误差为0.26 m,精度优势非常明显。研究表明本文提出的多模型协同的DEM构建方法适用于人类活动改造或显著影响的区域的DEM构建。     

基于DEM修正的MODIS地表温度产品空间插值

地表温度是资源环境、气候变化、陆地生态系统等科学研究的重要参数之一。MODIS LST（Land Surface Temperature, LST）产品是地表温度相关研究的重要数据源。而现有MODIS LST产品均存在云覆盖区域,因此云覆盖区域地表温度估计已成为热红外遥感的前沿性研究难题。为解决MODIS LST产品云遮挡区域地表温度信息缺失,以秦岭地区为研究区,选用2001-2017年的MOD11A2数据,在传统的反距离权重（IDW）、规则样条函数（SPLINE）、普通克里金（OK）、趋势面（TREND）空间插值方法中引入高程因子,通过反复试验形成基于DEM修正的MODIS LST空间插值方法。分析空间插值结果表明： ① 空间插值精度由高到低为：OK>SPLINE>IDW>TREND,基于DEM修正后精度分别提高了约0.38、0.31、0.32和0.78℃; ② 空间插值结果的精度呈现季节差异,夏季6、7、8月的精度较高,1月的精度最低;③ 插值精度与云区的范围存在一定的关系,当云覆盖区域<1.1 km²时,DEM+OK方法的插值误差<0.55 ℃,当云覆盖区域<3.1 km²,插值误差<1 ℃;DEM+SPLINE方法在云覆盖区域<2.7 km²时,插值误差<0.55 ℃,云覆盖区域<10.4 km²,插值误差<1℃;当云覆盖为1.1~2.7 km²时,DEM+SPLINE方法的插值精度高于DEM+OK方法。     

基于机载点云数据的高精度水域DEM快速生成方法

由于水域内机载点云数据稀疏或缺失,在生产高精度DEM时需要对水域区域进行分别处理,人工操作工作量大,且难以保持水域内DEM高程的自然平缓过渡。目前将水域和其他区域分开处理的DEM数据生产方法,不仅增加了数据处理的难度和工作量,也会引入水域和其他区域的DEM接边误差,影响数据质量。为此,提出一种基于机载点云数据的高精度水域DEM快速生成方法。该方法首先利用水域边界与原始机载点云数据,通过分段插值拟合生成水域内点云数据;进而,将插值生成的水域点云数据与原始点云数据进行合并获得完整点云数据;最后,利用合并后的完整点云数据生产高精度DEM数据。通过实验分析发现,该方法能够实现水域与其他区域的DEM一体化生产,提升DEM数据处理自动化水平,且能保证水域DEM的高程精度与自然平滑过渡要求。     

基于先验HMRF的MAP分块超分重建方法

针对高光谱图像应用最大后验概率（Maximum A Posteriori, MAP）超分重建后细节信息丢失严重问题,本文提出一种基于先验Huber马尔科夫随机场（Huber Markov Random Field, HMRF）模型的MAP分块超分辨率重建算法,以期提高图像超分重建质量。首先,利用主成分变换获取图像域的主要成分,在此基础上采用样条插值得到初始迭代图像;而后将初始图像域分为若干子块,在每个子块图像域上建立具有自适应阈值的HMRF模型,并结合子块图像域的保真项构建目标函数,采用梯度最快下降法求解此函数得到超分子块图像,将其重组,进而与插值后的次要成分图像相结合,最后应用主成分逆变换方法得到最终的高分辨率图像。为了验证本文算法的有效性与优越性,分别对模拟和真实图像采用本文方法和具有代表性的Tikhonov、总变分及传统HMRF模型超分重建方法进行实验对比,其中本文方法重建结果在峰值信噪比和结构相似性定量评价方面明显优于其他方法重建结果,在定性评价方面边缘结构及细节信息也更加明显,表明本文算法较为突出。     

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。     

基于似大地水准面格网的插值方法及精度分析

影响由似大地水准面模型进行GPS高程转换的因素有两个：GPS点大地高的测量精度和该点内插高程异常的精度。利用模拟以及某一区域似大地水准面模型比较了反距离加权插值、线性插值、谢别德插值以及切比雪夫插值方法用于GPS点高程异常内插的精度,结果表明：对于分辨率较高的似大地水准面,切比雪夫插值具有很好的内插效果。     

DEM建模视角下的城市道路分类与表达

城市数字高程模型（Digital Elevation Model,DEM）是城市最重要的基础地理信息数据之一。城市道路DEM建模是城市DEM构建的重要组成部分,而道路分类是城市道路DEM建模的重要基础和前提。由于现有的城市道路分类方法在城市道路形态表达上有一定程度的失真,无法准确反映道路平面形态特征,导致其难以满足未来的地表过程模拟的需求。针对这一问题,本文从DEM建模视角出发,通过解析城市道路的构成,分析城市道路形态特征,针对现有的道路分类方法的不足,提出了一种顾及道路形态的城市道路分类方法。并在此基础上,探讨了城市道路的DEM表达方式,同时选取南京市局部区域为实验区,以DLG数据为数据源,对本文提出的城市道路分类方法与表达进行了相关的实验与分析。结果表明：与现有的方法相比,基于本文所提出的城市道路分类方法构建的道路DEM所表达的道路形态更符合实际实验区的道路形态,未出现局部路面不正常的突变情况且城市道路要素框架结构明显,所表达的城市道路地形更为精细,可以为雨洪模拟和水文分析等提供重要基础。因此,本文的道路分类方法能够清晰有效地辅助城市道路DEM建模,为高精度城市道路DEM的构建提供基础和参考。     

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.     

数字高程模型精度评定的基本理论

在剖析随机误差与逼近误差区别的基础上 ,指出数字高程模型 (DEM)内插误差属于逼近误差 ,精度评价方法不应继续延用“中误差”概念 ,而应采用“逼近误差”,给出了常用 DEM内插方法的误差评定模型 ,分析了等高线间距对 DEM内插精度影响的作用机制 ,最后解释了 DEM精度分析中用“中误差”概念无法解释的几个问题。     

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。     

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。     

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。     

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%。     

基于ICESat-2数据的高程控制点提取和精度验证

ICESat-2(Ice, Cloud and land Elevation Satellite-2)数据的平面定位精度达到米级,高程定位精度达到亚米级,但受各种外界因素的影响,部分激光足印点的高程精度较差,不能用作高程控制点。针对上述问题,本文提出一种适用于ICESat-2数据的多参数联合的高程控制点提取方法。该方法首先利用内置参数辅助检查激光足印点数据质量,滤除异常激光足印点,然后参考内置DEM（Digital Elevation Model）数据进行高程粗差剔除,最后结合云量标记、坡度参数以及时间标记属性参数设置阈值精细筛选,保留满足质量检查、坡度小、云量少的激光足印点作为最终高程控制点,并利用高精度参考高程数据进行精度验证。为验证本文方法的有效性,选取郑州西部、北科达他州西南部、印第安纳州北部地区的ICESat-2激光数据（高程平均绝对误差分别为3.711、0.582、0.333 m）进行高程控制点提取实验,实验结果表明,筛选后的激光足印点平均绝对误差分别达到0.827、0.393、0.131 m,该提取方法在多种地形场景下均能够提取出一定数量且精度较高的高程控制点,不仅能为1：50 000以及1：10 000立体测图提供数据支撑,还能为全国甚至是全球高程控制点提取和高程控制点库建设提供参考。