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。     

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。     

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%。     

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。     

一种以等差分级的DEM填洼算法

DEM的填洼是水系提取中最耗时的过程。真实的地表低高程点通常在空间上相邻,在对低高程栅格进行填洼时,少数栅格的高程值更新会导致级内大量栅格的循环迭代,从而消耗大量运算时间。为了提高DEM的填洼效率,在分级填洼的基础上,提出一种等差分级填洼算法,该算法顾及DEM各级填洼时间呈幂函数逐级递减这一地形规律。算法首先创建一系列数组,数组大小随等差数列递增;然后依次将排序后的DEM数据存放至数组中,由于定义的数组大小逐渐增大,因此,低高程区域被“分割”得很细;最后,当填洼运算从级内转至数组内时,低高程区域细致的划分极大缩短了栅格循环迭代时间,从而使得算法获得了较高的效率。新算法既能有效缩短填洼过程中的迭代时间,又能保证所提取水系的完整性与连贯性。为验证算法的有效性,选用四川省不同地区的SRTM 90 m分辨率DEM作为实验数据,并与已有的DEM分级填洼算法进行对比分析。实验结果显示：当研究区域栅格总数达到两千万个时,本文算法填洼效率提升了50%左右,且随着DEM数据量的增大,算法效率的提升更为明显,与此同时,利用新方法进行填洼后,DEM水文线连续性较强,表明了新方法的有效性。     

资源三号卫星DEM数据与全球开放DEM数据的误差对比

全球开放DEM数据为数字地形分析提供了重要数据源。与已有的全球开放DEM数据相比,资源三号卫星具有更高的空间分辨率、更大的覆盖范围和更好的现势性。将资源三号卫星生成的DEM数据与全球开放DEM数据进行误差对比则为基于资源三号卫星的全球DEM数据研制提供科学依据。本文以山西省中部太原市为研究区,基于高精度激光点云数据生成DEM为参考数据,对资源三号卫星影像生成的DEM数据与全球典型的开放DEM数据(AW3D30、SRTM1和ASTER GDEM)的误差进行了对比分析,并获得了其在不同坡度等级下绝对误差与相对误差的平均值、平均绝对值、均方根值和标准偏差值。研究结果表明:①4种DEM数据的误差分布均具有较好的对称性。同时,平均误差接近于0 m,SRTM1和ASTER GDEM数据更是如此。因此均方根误差值与标准偏差值近似一致;②资源三号DEM具有最高的精度,误差最小(均方根误差4.6 m)。其次为AW3D30数据(均方根误差5.6 m)和SRTM1数据(均方根误差8.8 m)。ASTER GDEM数据误差最大(均方根误差12.6 m),精度最差;③资源三号DEM、SRTM1和ASTER GDEM数据的误差均随坡度的变大而增大,而AW3D30数据误差随着坡度增加呈现先减小后增大的趋势。总体上,与其他3种DEM数据相比,资源三号DEM在所有坡度范围均具有最小的误差值。     

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。     

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。     

一种新的DEM填洼处理算法

原利用DEM对洼地填充的算法处理,往往存在时效率低、计算耗时长等问题,本文拟介绍一种新的算法: 首先用一极大高程水面数据将原始地面DEM数据表面淹没,然后移除DEM上多余的水,最后得到的高程就是填洼处理的高程数据。通过时间复杂度和不同分辨率DEM数据洼地处理执行效率的度量和比较,结果发现这种新算法易于理解和实现,而且比原来的方法更快、更通用。     

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。     

适于大规模地形分析的计算格网应用

摘总结前人在GIS领域应用格网的理论和实验基础上,使用GlobusToolkit3构建DEM计算地形因子的格网服务(CSED),适用于大洲规模的DEM地形分析,并能够通过Web发布计算结果。基于此格网系统,进行了ShuttleRadarTopographyMission(SRTM)数据在地形因子自动化提取方面的计算实验。这些计算由于依赖的计算环境的重大变化,所体现出来的效率性能等方面有了很大的变化。本文选取中国青藏地区的地形数据进行了详细试验,并对实验区数据和GTOPO30的计算结果进行了对比分析。     

遥感数据的高斯金字塔尺度上推方法研究

尺度转换是遥感信息科学领域的研究热点,其传统研究方法大多局限于统计模型,对数据的空间结构信息考虑较少,很难满足遥感数据的多尺度表达要求。基于此,针对遥感数据的尺度不一致问题,本文提出了一种利用高斯金字塔的图像模糊特性进行遥感数据尺度上推的方法,在对金字塔每一层的数据高斯模糊的基础上,通过多次连续的降采样,得到一系列不同尺度的数据,从而满足实际应用的空间分辨率要求。为了验证本文所提方法的有效性,本文选择Landsat7 ETM影像和ASTER GDEM为研究数据进行尺度上推,并与传统的最邻近、双线性以及立方卷积等方法进行了实验对比,采用均值、方差、均方根误差、平均绝对误差等评价指标,以及相同分辨率的ASTER GDEM和SRTM DEM的等高线套合结果来衡量高斯金字塔方法的性能。实验结果表明,本文使用的高斯金字塔尺度上推方法能够有效地实现连续遥感数据的尺度转换,在保持遥感数据局部细节特征的基础上,较好地保持了原始遥感数据的信息量以及空间结构特征。