DEM数据误差与地形描述误差对坡度精度的影响

数字高程模型(Digital Elevation Model,DEM)的数据误差和地形描述误差是两种不同性质的误差.本文以模拟实验获得的高精度DEM为数据源,分析坡度计算精度与DEM数据误差和地形描述误差的耦合关系.研究表明:DEM数据误差和地形描述误差对坡度精度影响是一个反向作用的过程.随着DEM格网的增大,数据误差的影响逐渐减小,地形描述误差的影响逐渐增大;在起伏变化地形区域,坡度误差先减小后增大,且存在一个最佳大小的格网,此时坡度误差最小.最佳格网的大小与DEM数据误差大小和地形起伏变化的复杂程度密切相关.研究结果表明,基于DEM提取坡度的误差来源与误差性质,对正确估算坡度精度具有很好的实际意义.     

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。     

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。     

DEM分辨率对黄土侵蚀沟形态特征表达的不确定性分析

黄土侵蚀沟的地形表达是开展黄土沟谷侵蚀研究的基础工作,利用数字高程模型(DEM)定量描述侵蚀沟特征有助于研究侵蚀沟的形态变化和发育过程。基于DEM数据计算多种指标对黄土侵蚀沟特征进行描述是目前侵蚀沟研究中最为常用的方法。但是,受到格网DEM数据结构的限制,其计算结果会存在一定的不确定性。在侵蚀沟地形表达时,对形态特征的表达会受到DEM数据分辨率的影响,进而造成表达结果的不确定性。尤其在黄土高原地区,地形特征更为破碎,地形要素更为复杂,其表达结果受DEM分辨率的影响更为明显。本文以黄土高原典型样区为例,基于点云数据建立不同分辨率的DEM数据集,通过不同地形因子对侵蚀沟特征进行表达,分析DEM分辨率在黄土侵蚀沟形态特征表达时的不确定性。结果显示,分辨率的降低对主沟支沟比和纵比降等侵蚀沟形态特征因子产生了较大影响,且指标与分辨率多呈现线性变化关系。但是,随着侵蚀沟的横向扩张,DEM分辨率对其特征表达的影响逐渐被削弱。此外,在使用固定分析窗口进行侵蚀沟特征计算时,由于分辨率的降低,格网尺寸增大,其实际分析半径随之增大,使得计算范围内地表形态变化增加,导致沟谷切割深度随着分辨率的降低反而增加。同时,侵蚀沟主沟道区域受分辨率影响较小,沟头区域指标与分辨率的关系较弱。     

DEM起伏纹理的视觉认知内涵与多变量消隐方法

地形是在内外营力的共同作用之下综合形成的,不同类型的地形具有不同的起伏形态特征,从全局或宏观的观测视角,可以视觉感知到这种地形起伏及其特征规律。纹理是众多物体表面呈现的有规律的线条组合,DEM作为地形的数据表达,不同地形类型区域的起伏形态具有纹理的显著表征。目前,对于DEM纹理研究主要是从DEM影像认知的角度出发,利用图像纹理的计算方法进行地形纹理对象描述和指标的提取,并基于获取的纹理对象进行区域地形特征分析和地貌类型的分类,在视觉上的反映存在不足。DEM起伏纹理作为一种基于某种观测视角和尺度的地形要素组合对象,首先需要对其进行系统的视觉认知,明确基于视觉认知的DEM起伏纹理构成要素和不同视觉变量控制的纹理要素组合结构,通过实现DEM起伏纹理的多维可视化建模,达到DEM数字地形建模的抽象与简化。基于此,本文以DEM地形起伏纹理为研究对象,对DEM起伏纹理进行视觉认知,明确DEM起伏纹理的涵义并建立提取方法,使用建立的方法实现了DEM起伏纹理的提取,取得了较好的提取效果。从视觉感知的机制出发,确定了决定视觉感知结果的视觉变量组合。确定了包含景深、长度和邻域等用于视觉综合的参数,设计建立了多变量的DEM起伏纹理消隐方法。最后设置视觉变量并使用该方法实现了DEM起伏纹理的消隐,消隐后DEM起伏纹理的数量分别降低了45.2%和53.2%,视觉上也取得了较理想的结果,具有一定的应用价值。     

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。     

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。     

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。     

规则格网DEM局地坡面凸凹性精度分析

DEM地表形态精度分析理论与方法的建立,对DEM数据的生产和广泛应用具有重要意义。本文从局地坡面形态的凸凹性角度,剖析规则格网DEM格网点位置、格网分辨率对DEM局地坡面凸凹性的影响,以期进一步完善和发展DEM质量分析的理论与方法。论文首先阐述了DEM局地坡面凸凹性的基本概念,研究建立了规则格网DEM的局地坡面凸凹性量化分析方法,并以黄土丘陵5、10、15、25、……、155 m DEM为例,采用比较分析方法研究了局地坡面凸凹性随DEM格网点位置和格网分辨率的变化特征。研究表明:对于本研究中的1:5万DEM,10 m(跃变率≤0.3%)是其最佳的格网分辨率阈值,当DEM实际格网分辨率高于该阈值时,实际DEM与最佳格网分辨率DEM具有近乎相同的局地坡面凸凹性,主要在正地形与负地形的过渡区域会发生不同程度的坡面凸凹性变化;当DEM实际格网分辨率低于该阈值时,实际DEM的局地坡面凸凹性,会随着DEM格网点布设位置和DEM格网分辨率发生较大的不确定性变化。     

基于等高线空间关系的鞍部点提取方法

鞍部点是反映地表形态起伏变化的重要地形特征点之一,准确地提取鞍部点有利于地形的空间关系和结构特征分析。现有的鞍部点提取方法通常是直接基于规则格网DEM数据,无法顾及鞍部点与周围地形的空间拓扑关系和复杂地形对其的影响,不仅产生大量的伪鞍部点,而且忽略一些关键地区的鞍部点。本文根据鞍部点的地形形态特征,设计了一种基于等高线数据的鞍部点提取算法。该算法利用等高线闭合的特征,将等高线按照一定规则转成等高面数据,再利用等高面之间的相邻拓扑关系实现递归查找并自动提取鞍部点。实验结果显示:①鞍部点的数量和位置与等高距的大小显著相关,在一定尺度范围内,等高距越小,提取出鞍部点越多,位置精度也逐渐提高;②与基于规则格网DEM数据提取方法相比,该方法能更有效的过滤大量伪鞍部点,提高了鞍部点的提取精度,同时也降低了鞍部点提取算法的复杂度;与基于等高线的增量缓冲方法(Incremental Buffering Algorithm)相比,本文的方法能有效提高鞍部点提取的完整性,更适用于本文DEM的尺度即5 m DEM数据。     

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。     

EXPLORATION ON METHOD OF AUTO-CLASSIFICATION FOR MAIN GROUND OBJECTS OF THREE GORGES RESERVOIR AREA

1IN TR O DU C TIO N With thedevelopmentof remotesensingtechnolog,y thestudyandapplicatioonftheautomaticclassifitciaon method usingcomputerhad achievedsatisfyi ndgevel- opment. From spectrumstatisticcallassificatitoonthe neural network classificatimoenthod…     

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。     

Automatic recognition of loess landforms using Random Forest method

The automatic recognition of landforms is regarded as one of the most important procedures to classify landforms and deepen the understanding on the morphology of the earth. However, landform types are rather complex and gradual changes often occur in these landforms, thus increasing the difficulty in automatically recognizing and classifying landforms. In this study, small-scale watersheds, which are regarded as natural geomorphological elements, were extracted and selected as basic analysis and recognition units based on the data of SRTM DEM. In addition, datasets integrated with terrain derivatives(e.g., average slope gradient, and elevation range) and texture derivatives(e.g., slope gradient contrast and elevation variance) were constructed to quantify the topographical characteristics of watersheds. Finally, Random Forest(RF) method was employed to automatically select features and classify landforms based on their topographical characteristics. The proposed method was applied and validated in seven case areas in the Northern Shaanxi Loess Plateau for its complex andgradual changed landforms. Experimental results show that the highest recognition accuracy based on the selected derivations is 92.06%. During the recognition procedure, the contributions of terrain derivations were higher than that of texture derivations within selected derivative datasets. Loess terrace and loess mid-mountain obtained the highest accuracy among the seven typical loess landforms. However, the recognition precision of loess hill, loess hill–ridge, and loess sloping ridge is relatively low. The experiment also shows that watershed-based strategy could achieve better results than object-based strategy, and the method of RF could effectively extract and recognize the feature of landforms.     

无人机遥感数据处理与滑坡信息提取

高分辨率的DEM和DOM数据是对地形地貌信息的准确描述,也是滑坡信息提取的重要数据源。首先,针对滑坡信息提取的要求,本文采用无人搭载微型单反相机的影像获取平台,结合野外测量的GPS数据,弥补了无人机POS信息精度低的劣势;针对无人机影像的特点,运用摄影测量基本原理与计算机视觉算法,获取高精度、高分辨率的DEM与DOM影像,保留了丰富的光谱与纹理信息。其次,借助ESP辅助工具获取了DOM影像的最佳分割尺度,并结合研究区地物特征构建了基于模糊分类与SVM算法相结合的决策树,运用面向对象的分类方法实现了对研究区内植被、道路、疑似滑坡区域的信息提取。最后,依照研究区地物分布的空间特征确定了高风险等级区域,并对该区域进行滑坡的形态与纹理分析以及精度评价,其中提取的疑似滑坡区域用户精度为91.44%、生产者精度为84.65%,结果表明无人机遥感在滑坡信息提取领域具有较高的应用价值。     

基于随机森林的黄土地貌分类研究

地貌分类在指导人类建设活动的规模与布局中有着重要的意义。然而,传统的基于数字高程模型(DEM)的地貌分类方法使用的地形因子和考虑到的地貌特征往往比较单一。本文提出了一种基于流域单元的地貌分类方法,该方法考虑了流域单元的多方面特征,包括基本地形因子统计量、地形特征点线统计量、小流域特征和纹理特征。本研究首先基于DEM进行水文分析将研究区域划分成不同的小流域。然后利用数字地形分析提取29个不同方面的特征来表征流域的形态,并基于随机森林(RF)算法进行了特征选择和参数标定。RF是一种基于决策树算法的集成分类器,能有效地处理高维数据,分类精度高。最后选择训练集小流域对RF分类器进行训练,使用训练完成的分类器对整个研究区域的地貌进行分类,研究地貌分异的规律。该实验在我国陕北黄土高原典型黄土地貌区域的地貌分类中取得了较好的结果,结果表明不同的地貌之间存在明显的区域界线,特定的地貌类型在空间上表现出明显的聚集性。通过人工判读进行验证的分类精度达到了85%,Kappa系数为0.83。     

基于DEM小流域复杂网络的黄土高原地貌自动识别研究

地貌识别,对于人类建设,地质构造研究,环境治理等相关领域都有着重要意义。传统的基于像素单元或面向对象的地貌识别方法存在局限性。由于流域小单元具有表面形态的完整性,在地貌演化中具有明确的地理意义,基于流域小单元的地貌识别成为了该领域的一个新热点。然而,基于传统地形因子的地貌识别方法使用的因子往往较为单一或者在地学描述上存在重复性,目前尚无针对流域小单元进行空间结构描述和拓扑关系特征量化的地貌识别研究。基于此,本文基于DEM进行水文分析并通过坡谱方法解决了小流域稳定面积难以确定的问题,在黄土高原样区提取了181个稳定小流域。根据复杂网络理论和地貌学原理提出了流域加权复杂网络的概念和相应的8个定量指标用于流域空间结构的模拟和量化描述。最后采用了基于决策树的XGBoost机器学习算法进行地貌识别,实验对于黄土高原主要地貌类型的识别显现出较好的效果,Kappa系数为86.00%,总体精度达到了88.33%。对于地貌形态特征明显的地貌,复杂网络方法其顾及空间结构和拓扑特征的特性导致了其较高的识别性能,精度和召回率都在90%~100%之间。通过与前人的研究进行对比,其识别结果亦呈现出较高的精度,这些都验证了流域加权复杂网络是一种基于流域小单元地貌识别的高精度且有效的方法。