基于BP网络的复合地形因子提取研究

针对复合地形因子现有提取方法过程叠加繁琐、计算量大等问题,利用BP神经网络自适应性好、泛化能力强的优势创建了复合地形因子提取的BP神经网络法。以黄土高原DEM为数据源,选取复合地形复杂度指标为研究对象,采用控制变量法优选网络结构,结合Levenberg-Marquardt算法改进网络收敛速度与精度,优化样本库以克服过拟合问题,获取了综合性能最优泛化模型。实验结果表明,BP神经网络法较传统方法功效显著,拟合优度达到0.99,命中率达到99.98%,均方差为2.91×10^-5,残差最大绝对值为0.16,平均绝对百分比误差为2.95%,模型提取10次结果标准差最大值为0.14;BP网络用于复合地形因子提取有效可行,为快速提取复合地形因子提供了新途径。     

基于GIS平台的地形信息提取方案设计——以榆林市绥德县为例

人们很早就开始研究地形信息提取的技术,而传统的地形分析是基于二维平面地图进行的,从基于纸质地图到基于数字地图的地形分析,是地形分析手段和功能的一次重大突破。随着科学的发展,三维虚拟现实环境中的地形分析,使分析结构以可视化的状态更准确、更立体地表现出来,这又成为GIS历史上一个质的飞跃。地形信息的提取与分析,在水文学、地貌土壤学、生态学、工程学等领域都是有广泛应用的,所以,地形因子的提取成为本课题的重要研究方向。     

黄土丘陵沟壑区地形复杂度分析

针对黄土丘陵沟壑区地形复杂度难以准确量化的问题,该文提出了基于区统计的评价方法,采用地形分析方法提取坡度、地势起伏度、地表切割深度,沟壑密度等地形因子,应用区统计法、变异系数法对研究区地形复杂度进分析评价。结果表明:彭阳县地形复杂度的空间分布特征与坡度、地势起伏度、地表切割深度的变化规律相似,中复杂区域和高复杂区域所占面积较大,且存在明显的分异规律;基于1:50 000数字高程模型数据的地形复杂度提取与分析方法能够快速有效地获取研究区地形地貌信息,为黄土丘陵沟壑区流域治理、土地规划、地形及景观格局的分区和尺度推绎等研究提供依据。     

不同空间尺度DEM地形信息容量综合对比研究

DEM包含了大量地形信息,是进行地形分析的基本数据。由于DEM数据的多尺度因素,加之地形、地貌特征具有宏观性与区域分异性的特点,不同尺度下的DEM地形信息容量具有较大的差异。本研究选取黄土高原地区的绥德、佳县、富县和宜君县四个实验样区,以Arc view/GIS软件为技术平台,提取了基于DEM数据的地形因子,并运用比较分析与数理统计的方法,对地形因子的提取结果进行了分析,获取了单一值因子的量化表达模型,确定了DEM地形信息容量与分辨率、地域及比例尺之间的量化相关关系,并在此基础上分析了DEM地形信息容量在不同空间尺度上的分异规律。     

输电线路的数字微地形自动提取方法

微地形是输电线路工程安全运行、电线积冰风险区划和线路建设期能耗计算等工作的重要基础,实现输电线路微地形的合理提取是复杂地形条件下电网工程建设的前提与保证。针对传统输电线路微地形提取存在决策知识模糊、主观因素影响大和缺少定量提取指标等问题,依据规程中微地形分类体系,提出了以地形位置指数、坡度、相对高程和水体距离为特征因子的组合表达输电线路微地形提取决策方案,利用数字地形分析技术建立了输电线路微地形自动提取方法。以2012—2018年某电网公司9条输电线路域栅格数字高程模型数据进行提取实验,实验结果与分析表明,所提方法能够有效提取垭口地形、高山地形、抬升地形、峡谷地形和水汽地形5类典型输电线路微地形,且揭示了微地形分布与线路灾害发生的相关性,可为电网建设可行性论证、线路精细化设计等提供技术支持。     

基于地形特征的采煤沉陷盆地构建与水平移动信息智能提取方法

在西部黄土高原复杂地形地貌下构建采煤沉陷盆地和提取水平位移的难度较大,传统地表沉降监测手段只能获取线状数据,效率低,而重复轨道合成孔径雷达干涉测量技术在大梯度形变区域易出现失相干现象,难以达到矿区地表沉降监测精度要求。提出了一种基于无人机载激光雷达点云数据构建沉陷盆地和提取水平位移的方法。结合多地形因子构建深度神经网络（deep neural network,DNN）模型,提取沉陷盆地构建过程中受地形影响较小的特征稳定区,利用较优插值算法对稳定区进行拟合,得到完整沉陷盆地。为了提取采煤地表水平移动信息,将二进制形状上下文特征描述算子与多地形因子融合起来,以改进特征匹配算法。基于此设计地表水平移动提取方案,提取主断面水平移动信息,同时对水平移动提取误差与点云密度、地形因子进行定量分析。榆神矿区结果表明,利用结合地形因子的DNN模型能有效提取特征稳定区,在复杂地貌下减小了沉陷建模误差,为构建采煤沉陷盆地提供了一种新方法;利用融合地形特征的改进特征匹配算法提取的水平移动曲线符合采煤沉陷水平移动基本规律,与水平移动偏差相关性较强的地形因子可用于衡量改进特征匹配算法对水平移动提取误差的大小。     

不同比例尺DEM地形信息容量的探讨

本文以福建省11个地区作为实验样区,利用Python脚本进行批量提取地形因子,从中选取坡度、粗糙度两个地形因子,并引入信息论中的信息熵、自信息相关理论进行研究。以1∶10 000比例尺DEM提取的地形因子为真值,与1∶50 000比例尺DEM所提取的地形因子信息容量进行对比分析,研究两种比例尺DEM所提取的地形因子引起的信息容量的损失和纠正方法,以及通过线性回归分析寻找两种比例尺DEM的相同地形因子面积定量信息对应的转换公式。     

不同比例尺DEM地形信息容量的探讨

本文以福建省11个地区作为实验样区,利用Python脚本进行批量提取地形因子,从中选取坡度、粗糙度两个地形因子,并引入信息论中的信息熵、自信息相关理论进行研究。以1∶10 000比例尺DEM提取的地形因子为真值,与1∶50 000比例尺DEM所提取的地形因子信息容量进行对比分析,研究两种比例尺DEM所提取的地形因子引起的信息容量的损失和纠正方法,以及通过线性回归分析寻找两种比例尺DEM的相同地形因子面积定量信息对应的转换公式。     

DEM分辨率对小流域地形水文特征提取的影响

基于ArcGIS水文分析工具研究DEM分辨率对提取流域地形和水文参数的影响,选择黄土丘陵沟壑区典型小流域—韭园沟流域为实验区,该流域地形复杂,沟壑纵横,DEM分辨率变化对其地形表达有很大影响。研究表明,DEM分辨率对小流域面积、流域高程、坡向的表达或提取精度影响较小,而对坡度、河道长度、河网密度和河道分级等因子提取有较大影响。     

栅格DEM坡体因子融合方法北大核心CSCD

坡体是自然地形实体的基本组成单元,利用综合性坡体因子分析和挖掘地形隐含信息,有助于区域地形地貌分析及规划利用。本文针对当前坡体综合表达因子(LS)未顾及坡宽因子的缺陷,采用归一化几何运算法将坡长(L)、坡度(S)、坡宽(W)进行融合,获取了一种新的坡体融合因子LSW。以DEM为数据源、黄土高原某小流域局部范围为典型研究区,在提取L、S、W及LS因子的基础上,分别以L×S×W、L+S+W、LS×W及LS+W共4种方式进行融合试验。结果表明,L+S+W融合方式获取的坡体LSW因子标准差矩阵均值最小,为0.234 4,有效平衡了各单地形因子对融合坡体因子LSW的贡献度,信息熵值计算分析也实证了L+S+W融合方式具有最优性。     

基于RS与GIS技术的泸定县植被空间分布分析

以四川省泸定县为分析研究区域,综合运用遥感图像处理技术与GIS空间分析技术,用ETM+遥感影像获取归一化植被指数(NDVI)信息并反演植被覆盖度,用地形图等高线生成数字高程模型(DEM)并提取地形因子。借助叠合分析法,讨论植被覆盖度与海拔高度、坡度、坡度变率、坡向、坡向变率5种地形因子的空间关系,得到泸定县关于地形因子的各等级植被空间分布特征。分析对地植物学中高山峡谷地区植被的地形格局分布规律研究与生态环境的评价与改良都具有重要的参考价值。     

雪线时空分布及与地形因子相关性分析

采用青海玉珠峰1998、2010、2013、2015年7月份四期SPOT5及QuickBird遥感影像(1998年为航片),解译冰雪范围线,对冰雪覆盖区域的时空变化特征进行分析。获取2013年雪线高程,利用30 m分辨率的SRTM-DEM提取坡度、地形曲率、地形起伏度等地形因子。在气温、降水条件基本相同的情况下,对不同的海拔范围采用回归分析推算雪线高程与地形因子的相关关系。结果表明,随着海拔的升高,雪线高程与地形因子的相关性有逐步增强的趋势。当海拔达到约5 500 m时,雪线高程与坡度、地形起伏度、剖面曲率、平面曲率的相关系数分别为0.509、0.517、0.141、0.221,地形起伏度与坡度是对雪线分布影响相对较大的地形因子。     

基于python数字高程模型地形数据批量提取

首先介绍了python与ArcGIS的特点;然后阐述了基于python提取单个地形因子的方法 ;最后利用python遍历数据文件对所有地形因子进行批量提取,并建立了可视化界面,极大地提高工作效率,同时又避免了人为因素引起的错误。     

全(半)自动地形因子智能提取方法研究与设计实现

结合工作流思想,采用XML建模语言实现支撑全(半)自动地形因子智能提取模型的设计与过程描述。结合地形因子提取算子体系与模型,建立全(半)自动地形因子智能提取系统,并以地面起伏度提取为实验样例,通过流程组合、因子模型建立、参数配置、程序驱动执行等环节实现地形因子流程化、全(半)自动智能提取。系统解耦流程、算法以及专业软件对传统地形因子提取模式的捆绑,通过订制提取模型,灵活提取专题地形因子,提取效率、精度与扩展性较为理想。     

基于空间景观格局的耕地图斑地形因子自动化提取工艺

耕地图斑地形因子提取采用人机交互的方式,但是提取过程复杂,需要较高的技术要求与操作经验。面对大型数据库建设与分析,半自动化处理方式不能满足效率与质量的要求。本文基于空间景观格局的耕地图斑地形因子自动化提取工艺,立足于空间景观格局原理,利用Python和GDAL开发建立耕地图斑地形因子自动化提取技术。实践表明,该方法效率高,能为建设土地利用综合数据库提供技术支持。     

数字高程模型的空间信息不确定性分析

运用信息论与数理统计及对比分析的方法,以1:1万DEM为基准,探讨在黄土丘陵沟壑区1:5万DEM所建立的数字高程模型信息特征和对地形描述精度特征.研究表明,利用1:5万DEM所提取的地面坡向、平面曲率、降水累计量3种地形因子及其熵值变化分别为1:1万DEM的1.005,1.062和1.232倍,并且提出因子特征的纠正公式,同时提出这种差异的本质特征是微观每个栅格地形因子取值的不确定性变化.     

利用DEM进行SAR图像模拟及地形辐射校正

在山区获取地面控制点比较困难,运用模拟SAR进行配准、校正,具有较大的优势。本文在分析SAR成像几何结构及ALOS PALSAR卫星轨道参数特征的基础上,运用RD定位模型对DEM的每个网格点进行雷达成像点的位置计算,模拟SAR图像,并提取当地入射角、投影角及规则化因子等;模拟出的SAR图像与真实SAR图像纹理吻合,有利于控制点的自动配准。在此基础上对ALOS PALSAR进行编码,构建基于规则化因子及入射角的地形辐射校正模型,消除面积效应及地形起伏造成的畸变问题,从结果中分析,校正后的图像明暗差异明显减少,这对雷达定量反演研究具有一定的现实意义。     

我国区域地貌数字地形分析研究进展

区域地貌研究是区域地理研究不可分割的重要组成部分。传统的基于DEM的数字地形分析方法,虽能较好提取各种地形定量因子,但由于分析算法的局限,很难实现对一个特定区域地貌的宏观形态特征与成因机理进行定量的分析。为此,近年来我国学者在该领域进行了系统的探索与创新实践,基于国家基础地形数据库多尺度、高精度的DEM数据,开展了基于DEM的区域地貌形态特征、地貌发育演化特征的研究。通过宏观形态指标分析法、地形特征要素分析法、地形信息图谱分析法等一系列方法,实现了对区域的地貌形态特征提取与分类、分区制图,取得了一批有重要国际影响的研究成果。在全国尺度以及黄土高原、青藏高原、西南喀斯特地区和月表月貌的区域数字地形分析方面,更彰显出研究的特色和优势。     

基于DEM的水土流失分析

数字高程模型（DEM）是地理信息系统地理数据库中最为重要的空间信息资料和赖以进行地形分析的核心数据。数字地形模型从已知3维坐标的散乱点和已知高程的等高线出发,构筑地形表面,以数字的形式表示实际地形特征的空间分布,从而建立起相关区域内任一点的地形情况。利用数字高程模型进行宏观地形因子和微观地形因子的分析,直观地显示研究区域的地貌形态,为水土流失监测、分析、治理提供了重要的科学依据。     

对DEM地形定量因子挖掘中若干问题的探讨

在地学研究中 ,地形结构信息的提取具有重要意义 ,而如何利用数字高程模型进行提取一直是地学工作者所面临的重要课题。在总结前人研究成果的基础上 ,从地形特征分析和水系特征分析两方面 ,比较了利用数字高程模型自动提取地形定量因子的基本原理、方法以及优缺点 ,并对其中存在的诸多理论与技术问题进行了系统的分析与探讨