基于DWT的DEM重点区域多分辨率伪装技术

在数据共享中,保护重要高程数据的信息安全十分重要,提出了一种针对DEM重点区域进行多分辨率伪装和分权限还原的信息保护方法。结合传统信息保护技术的特点,分析DEM数据重点区域多分辨率伪装的流程和特点,介绍了重点区域数据置乱以及原始数据高程漏洞填充等进行信息伪装的数据准备和预处理方法。结合DWT算法能够进行多分辨率分解的特点,实现了DEM重点区域的多分辨率信息伪装与还原。通过实验分析,证明了该方法的可行性,可以为不同权限的用户提供适当精度的高程数据,能够保证DEM数据特别是重点区域在存储和传输中的信息安全。     

基于置乱-代换机制的TIN DEM信息伪装

重点地区的TIN DEM数据具有重要的保护价值。根据数据的组织方式,结合密码学中的经典理论,提出一种基于置乱-代换机制的TIN DEM信息伪装方法。首先在频率域上利用Tent混沌映射生成的混沌序列对原始数据进行置乱;然后再利用中国剩余定理将置乱结果在空间域上进行数值代换处理,得到最终的伪装数据,并讨论了信息还原的方法;实验分析表明该方法的伪装效果良好,安全性能较高,能够满足TIN DEM数据的信息伪装要求,保障其安全存储和传输。     

席尔宾斯基垫片在格网DEM信息伪装中的应用

DEM具有十分重要的军事经济价值,格网DEM是其最常见的一种表现方式。本文通过探讨席尔宾斯基垫片的一些性质,结合数字高程模型的数据特点,给出了席尔宾斯基垫片应用于DEM数据信息伪装的方法并进行了安全性分析,实现了n维席尔宾斯基垫片情况下的DEM信息伪装。通过实验分析了伪装效果与各种影响要素之间的关系。所提出的DEM伪装算法迷惑性强、安全性能良好,可以为DEM数据的存储和传输提供有力的技术保障。     

席尔宾斯基垫片在格网DEM信息伪装中的应用

DEM具有十分重要的军事经济价值,格网DEM是其最常见的一种表现方式。本文通过探讨席尔宾斯基垫片的一些性质,结合数字高程模型的数据特点,给出了席尔宾斯基垫片应用于DEM数据信息伪装的方法并进行了安全性分析,实现了n维席尔宾斯基垫片情况下的DEM信息伪装。通过实验分析了伪装效果与各种影响要素之间的关系。所提出的DEM伪装算法迷惑性强、安全性能良好,可以为DEM数据的存储和传输提供有力的技术保障。     

利用哈尔变换和高斯随机数进行矢量空间数据坐标加密

基于安全保密的考虑,需要对矢量空间数据进行加密,现有做法是对数据文件整体进行加密,会破坏矢量空间数据结构并影响属性数据的查看。提出了一种不改变矢量空间数据结构,仅对坐标数据加密的方法,能够保护数据的安全且矢量数据结构依然保持不变。运用SHA-512加密用户密钥得到哈希密钥,用高斯随机数置乱哈希密钥生成用来加密坐标数据的密钥。首先读取矢量空间数据的顶点序列,并对矢量数据的顶点坐标序列进行哈尔变换,使用上述密钥对哈尔变换后的均值系数和差值系数进行加密,再实施逆哈尔变换得到加密后坐标,使用高斯随机数置乱顶点序列得到加密后的矢量空间数据。实验结果表明,矢量空间数据的坐标被加密,但文件结构及属性数据完全保持不变,且运行效率高;拥有密钥的用户还可以解密坐标,还原出原始矢量空间数据,安全性高。     

基于高差分块的河流区域DEM自动赋值方法

DEM生成中面状河流区域DEM格网点高程应与所在水域面高程保持一致,这一问题目前尚没有一个好的解决方法。根据地形图中等高线与河流水域面特殊空间关系特性,提出了基于高差分块的河流区域DEM格网点高程自动赋值方法。该方法采用河流水域面裁剪等高线,然后对分块多边形自动构面,自动提取分块区域高程,最后对分块区域DEM格网点高程自动赋值。实践表明该方法处理后的DEM数据比未经处理的DEM更符合河流水域面地表形态,精度更高,具有良好的实用性和可靠性。     

基于JPEG2000无损压缩的DEM网络渐进传输方法

针对网络GIS海量DEM数据与有限带宽之间的矛盾,根据DEM数据特点和网络多分辨率渐进的应用需求,提出了一种在DEM各级分辨率具有良好精度性能、基于改进的JPEG2000高效无损压缩的DEM网络渐进传输方法.选用2/6整数小波分解DEM数据,利用辖区渐进压缩方法、压缩码流的索引文件检索码流实现了DEM的渐进传输.实验证明,2/6小波比标准中的5/3小波能够更好地在每级分辨率保持原始地形精度,相比传统方法,网络渐进传输时每级分辨率传榆的数据量平均减少了90.29%.     

基于深度置信网络的多源DEM点面融合模型

融合多源数字高程模型(digital elevation model, DEM)数据能有效利用数据间的互补优势,提升单一源数据的质量。提出一种基于深度置信网络(deep belief networks, DBN)的点面融合模型,在DBN的框架下考虑地形坡度、地表覆盖和空间位置信息等因素对DEM高程误差空间分布的影响,建立DEM高程值与高精度激光雷达测高数据之间的回归关系,从而实现多源栅格DEM与激光雷达测高点数据的空间融合,提升栅格DEM的垂直精度。对于空洞数据,根据空洞和非空洞区域的范围建立相应的输入数据集,分别进行融合,再利用不规则三角网差分曲面方法实现融合结果的无缝拼接。实验结果表明,相比原始DEM数据和两两融合的结果,所提出的多源DEM点面融合模型能够大幅度提升数据精度,有效解决原始数据中存在的空洞、噪声和异常值等问题。     

多源DEM融合的高差拟合神经网络方法

本文侧重于介绍智能化摄影测量机器学习的高差拟合神经网络方法。观测手段和处理方式等限制导致全球高质量无缝DEM数据的缺乏,进而制约了它在水文、地质、气象及军事等领域的应用。本文提出了一种基于高差拟合神经网络的多源DEM融合方法,尝试融合全球DEM产品SRTM1、ASTER GDEM v2和激光雷达测高数据ICESat GLAS。首先,根据ICESat GLAS的相关参数及与DEM数据的高程差值,结合坡度自适应的思想设置高差阈值对ICESat GLAS进行滤波,剔除异常数据点。然后,以ICESat GLAS数据为控制点,利用神经网络模型拟合ASTER GDEM v2的误差分布。以地形坡度信息和经纬度坐标作为网络输入,ICESat GLAS和ASTER GDEM v2的高程差值作为目标输出,训练得到预测高差,将其与ASTER GDEM v2高程值相加即可获得校正结果。最后,引入TIN差分曲面的方法,利用校正后的ASTER GDEM v2高程值对SRTM1的数据空洞进行填充,融合生成空间无缝DEM。本文通过随机选取数据进行真实试验,对模型进行了精度验证,并给出了处理结果的定量评价和目视效果。结果表明,不论是空洞还是整体区域,本文方法相比其他DEM数据集和其他方法的处理结果都能够在RMSE上表现出优势,同时,本文提出的方法能够有效克服ASTER GDEM中异常值的影响,得到空间无缝DEM。     

基于经验模式分解的数字高程模型数据伪装方法

提出了一种基于经验模态分解(EMD)的数字高程模型数据伪装技术.首先利用SHA-256单向Hash函数产生由种子控制的伪随机序列,扩充序列后再用经验模态分解生成用于伪装的DEM数据,伪装后的DEM数据具有较高的视觉欺骗性.针对DEM数据提出了直方图的概念,通过修改直方图,在伪装的DEM数据中可逆地嵌入水印.本文方法可在提取水印后完全恢复伪装DEM数据,以及使用种子可完全还原秘密DEM数据,算法安全性高.     

基于LiDAR点云数据索引的DEM快速提取

DEM应用日趋广泛,从LiDAR点云数据中提取DEM是一种满足应用需求的简单有效方法。由于Li-DAR点云数据的庞大性,直接提取DEM效率不高。为了提高对点云数据处理的效率,本文探索应用索引技术来优化LiDAR点云数据的处理,生成高精度DEM。该方法首先对LiDAR原始数据点建立网格分块索引;然后再利用形态学的方法对LiDAR原始数据进行滤波处理;最后用逐点内插方法生成DEM。实验结果表明应用空间数据索引技术极大地提高了点云数据滤波与DEM生成的效率。     

EarthEnv-DEM90: A nearly-global,void-free,multi-scale smoothed, 90m digital elevation model from fused ASTER and SRTM data

A variety of DEM products are available to the public at no cost, though all are characterized by trade-offs in spatial coverage, data resolution, and quality. The absence of a high-resolution, high-quality, well-described and vetted, free, global consensus product was the impetus for the creation of a new DEM product described here, ‘EarthEnv-DEM90’. This new DEM is a compilation dataset constructed via rigorous techniques by which ASTER GDEM2 and CGIAR-CSI v4.1 products were fused into a quality-enhanced, consistent grid of elevation estimates that spans ∼91% of the globe. EarthEnv-DEM90 was assembled using methods for seamlessly merging input datasets, thoroughly filling voids, and smoothing data irregularities (e.g. those caused by DEM noise) from the approximated surface. The result is a DEM product in which elevational artifacts are strongly mitigated from the input data fusion zone, substantial voids are filled in the northern-most regions of the globe, and the entire DEM exhibits reduced terrain noise. As important as the final product is a well defined methodology, along with new processing techniques and careful attention to final outputs, that extends the value and usability of the work beyond just this single product. Finally, we outline EarthEnv-DEM90 acquisition instructions and metadata availability, so that researchers can obtain this high-resolution, high-quality, nearly-global new DEM product for the study of wide-ranging global phenomena.     

An analysis of cropland mask choice and ancillary data for annual corn yield forecasting using MODIS data

The Midwestern United States is one of the world’s most important corn-producing regions. Monitoring and forecasting of corn yields in this intensive agricultural region are important activities to support food security, commodity markets, bioenergy industries, and formation of national policies. This study aims to develop forecasting models that have the capability to provide mid-season prediction of county-level corn yields for the entire Midwestern United States. We used multi-temporal MODIS NDVI (normalized difference vegetation index) 16-day composite data as the primary input, with digital elevation model (DEM) and parameter-elevation relationships on independent slopes model (PRISM) climate data as additional inputs. The DEM and PRISM data, along with three types of cropland masks were tested and compared to evaluate their impacts on model predictive accuracy. Our results suggested that the use of general cropland masks (e.g., summer crop or cultivated crops) generated similar results compared with use of an annual corn-specific mask. Leave-one-year-out cross-validation resulted in an average R² of 0.75 and RMSE value of 1.10 t/ha. Using a DEM as an additional model input slightly improved performance, while inclusion of PRISM climate data appeared not to be important for our regional corn-yield model. Furthermore, our model has potential for real-time/early prediction. Our corn yield esitmates are available as early as late July, which is an improvement upon previous corn-yield prediction models. In addition to annual corn yield forecasting, we examined model uncertainties through spatial and temporal analysis of the model's predictive error distribution. The magnitude of predictive error (by county) appears to be associated with the spatial patterns of corn fields in the study area.     

露天矿区多源数字高程模型数据对比分析

针对数字高程模型数据源不同会带来一定的不确定性和差异性的问题,选取德国某露天矿为实验区,以高精度DEM数据TanDEM-X为参照,对比了SRTM、AW3D30、ASTER GDEM与TanDEM-X数据的高程精度,分析了DEM数据的差异.结果表明:(1)露天矿区的开采和复垦活动明显地体现在了不同时期获取的DEM高程变化...     

最佳DEM分辨率的确定及其验证分析

在玛尔挡地区格网DEM的数据上选择实验样区,以不同分辨率情况下DEM数据对地表模拟表达的逼近程度为研究对象,最优逼近时的栅格单元大小的临界值就是所求的最佳分辨率。在分析坡度中误差法和公式法等常见方法的基础上,借鉴坡度中误差的思想,选取区域地形粗糙度K、剖面线长度SL两个定量指标来综合分析确定该地区格网DEM的最佳分辨率。在ArcGIS平台上对方法进行了实验验证,得出分别以2m和8m作为玛尔挡地区1∶10 000和1∶50 000 DEM生产时是最佳分辨率的结论。研究表明这种解决办法不仅可以克服GIS空间分析中DEM分辨率确定的盲目性和随意性,而且能确保基于DEM的各种空间分析的精度,为相关研究提供重要的参考价值。     

基于立体像对提取DEM的方法研究与实践

DEM作为重要的基础空间数据,在城市规划、建设方面发挥着重要作用。本文利用INPHO数字摄影测量系统,结合高分航空立体像对,探索山地大面积区域DEM数据获取的技术方法,同时对其精度进行了验证评价,为地理国情普查等项目的 DEM生产提供参考。     

中国地区SRTM3 DEM高程精度质量评价

为揭示我国SRTM3DEM数据高程精度质量,结合已开展过SRTM3DEM高程精度质量评价工作的局部地区的研究,考虑空间分布情况,选取新疆、辽宁、山东、浙江、海南5个地区的平原、丘陵、盆地、山地等地形区域作为典型研究区,并以1∶5万DEM为假定真值、以1∶25万DEM为参照,通过DEM面误差可视化分析、DEM面误差信息熵模型、中误差模型等方法对SRTM3DEM数据高程精度质量做了分析。计算结果表明我国SRTM3DEM数据高程精度质量受地形影响并存在一定的空间差异性,同时我国范围内SRTM3DEM数据高程精度质量整体上要高于1∶25万DEM。     

机载LiDAR点云生成多尺度DEM方法

为了利用机载激光雷达点云生成高保真、多尺度的数字高程模型(DEM),提出了一种基于综合生成策略的方法:首先,利用点云数据中的地面点生成高分辨率、高保真的DEM作为基础DEM;然后,通过迭代的方式对上一层较高分辨的DEM进行综合获取较低分辨率、高保真的DEM。实验表明,本文方法不仅具有可行性,而且生成的多尺度DEM具有高保真的特性。