疏勒河上游流域地面坡谱特征

坡谱是以某项坡面因子为自变量,其对应的地面面积为因变量所构成的统计图表或模型。坡谱用微观的地形因子反映宏观的地貌特征的空间分异。以ASTER GDEM V002作为基础数据,利用Arc GIS中数字地形分析工具,提取了疏勒河上游流域的地面坡度、坡向、坡度变率、坡向变率,并分别进行了面积统计,绘制了坡谱曲线。结果显示:研究区以陡坡、斜坡为主,二者占总面积的74.16%,陡坡主要分布在疏勒南山、托来南山,斜坡则主要分布在山脉与盆地的过渡地带。在疏勒河盆地和昌马盆地,坡度变率较小,而坡向变率则较大。疏勒河上游流域地面坡谱反映出研究区地面起伏大,地形破碎。坡度变率、坡向变率对山脊线、疏勒河沟沿线具有重要的指示作用。     

基于神经网络的地面坡度与其他地形定量因子关联性分析--以黄土高原丘陵沟壑区实验为例

不同的地形因子从不同侧面反映地面的起伏特征或空间变异，各因子之间所存在的相互关联、相互制约、相互影响的程度与特征，在很大程度上揭示了地形发育与空间变异的内在本质，因而是地形学研究的重要内容。他以黄土高原丘陵沟壑区的16个样本地区为实验样区，以高分辨率、高精度的1：1万比例尺DEM为基准数据，应用BP神经网络模型，探讨地面坡度与其他地形因子之间的关联性特征。实验结果表明，利用神经网络分析方法可以有效评价地形因子对地面平均坡度的关联性。该研究方法为进行地貌多定量指标的的选择和多因子之间关联性的量化提供了一种新的方法。     

DEM数据可视化在地震应急中的应用

数字高程模型(Digital Elevation Model简称DEM)是通过一组有序数值阵列对地面海拔高度数字描述的实体地面模型,是数字地形模型(Digital Terrain Model,简称DTM)的一个子集。并可通过对DTM数字处理得到其他各种地形特征值。DTM是描述包括高程在内的各种地貌因子,如坡度、坡向、坡度变化率等因子在内的线性和非线性组合的空间分布,其中DEM是单一的数字地貌模型,通过对DEM数据处理可派生出坡度、坡向及坡度变化率等地貌特性。基于ARCGIS技术平台,对DEM数据进行处理建模,可以得到地形真实情景再现,为震后应急指挥人员、工作人员了解震区的地貌、地形提供直接的数据支撑。     

基于DEM的任意方向坡度计算方法

坡度是数字地形分析中重要的地形因子,在水文分析、土壤侵蚀模拟、地貌类型划分等地学分析及工程上均有广泛的应用。由于地形的各向异性,坡度在各个方向上并不相同。目前,基于DEM所提取的坡度,均是位于最陡方向上的坡度,而任意给定方向坡度计算是地学分析和工程应用中较为常见的问题。在对目前DEM坡度提取算法研究的基础上,通过数学分析,给出了格网DEM上任意方向格网点的坡度计算模型和计算流程,并给出了相应的计算实例,从而将坡度计算模型从特定方向推向任意方向,使DEM坡度计算更具普适性。     

DEM提取黄土高原地面坡度的不确定性

选择陕北黄土高原6个典型地貌类型区为试验样区,采用野外实测及高精度的1:1万比例尺DEM为基准数据,研究栅格分辨率及地形粗糙度对DEM所提取地面平均坡度精度的影响。结果显示,对于1:1万比例尺DEM,5 m是保证该地区地形描述精度的理想分辨率尺度;多要素逐步回归模拟的方法进一步揭示了DEM所提取的地面平均坡度误差E与栅格分辨率X以及地形起伏的代表性因子-沟壑密度S之间存在的量化关系为E = (0.0015S2+0.031S-0.0325)X-0.0045S2-0.155S+0.1625,该结果也为确定适用的DEM分辨率提供了理论依据。     

丹江口水库流域地形及建库后对降水的影响

地形对降水的影响是多种多样的,有大地形的影响,也有中小地形的影响。有高度的影响,也有坡向、坡度的影响。有时以一种影响为主,有时是多种影响共同起作用。因此,研究地形对降水的影响,必须根据服务的对象,因时因地而有所不同。关于地形对降水的影响,在一般气候学中已有较多的论述。所讨论的范围是;海拔高度、地形的形状、山脉走向、坡度、坡向、最大降水高度以及下垫面(土壤、植被、水体)性质等对降水的影响。     

古尔班通古特沙漠人工林土壤水分及其影响因素

通过2004年2～12月对古尔班通古特沙漠南缘2年生人工梭梭和沙拐枣混交林内3条典型坡面土壤水分进行了系统监测与研究。结果表明:人工林土壤水分状况受季节性降水、人工林种植密度、地形因子的影响而出现明显的时空分异。在空间上将土壤水分变化划分为三层,0～30cm为活跃层,30～60 cm为次活跃层,60～120 cm为相对稳定层。通过主成分分析,得出地形因子、种植密度对0～30 cm土层土壤水分的影响次序为坡度>坡向>种植密度>高程,30～60 cm土层为坡向>种植密度>坡度>高程,60～120 cm土层为种植密度>高程>坡度>坡向。     

基于XGBoost的多源降水数据融合方法研究

气象站点观测降水难以精确反映降水时空分布与变化,而雷达降水存在复杂地形区域精度不高等问题。为了最大限度发挥两者的优势,文章以广东省北部山区为研究区域,选择2018-08-26—30一次暴雨过程为研究对象,结合地形、与海岸线距离、植被指数、经纬度等地表辅助参量,分析地面站点降水与地表辅助参量、雷达降水的相关关系,利用XGBoost算法与克里金插值方法,构建地面-雷达日降水数据融合模型,得到了空间分辨率为1 km的日降水融合数据集。此外,采用多元线性回归（LM）与克里金插值方法,实现了地面-雷达日降水数据的融合,并利用地面降水数据分别对XGBoost与LM日降水融合性能进行精度验证。结果表明：1）地面降水与雷达降水存在显著的正相关,地面降水与地表辅助参量之间的相关性随时间变化;2）XGBoost预测精度整体上高于LM预测结果;经模型残差校正后,XGBoost融合模型的精度整体上优于LM融合模型,这是因为XGBoost方法在捕捉地面降水与地表辅助参量、雷达降水之间关系性能上优于LM方法。     

地形和海拔高度对降水的影响

本文提出了一个表示降水与地形、海拔高度及地区气候条件关系的数学模式。通过计算和分析表明:地形对降水的最大影响是发生在盛行风向与向风坡坡向的交角σ接近于0°而向风面地形坡度α=45°左右时。σ愈小,地形对降水的增幅作用愈大。当α<45°时,α愈大,地形对降水的增幅作用愈大,背风面的降水比向风面减小愈少。当α>45°时,则正好相反。但是,当σ<45°和α在30°和60°之间时,地形对降水增幅作用随σ和α的变化并不很明显。在地形坡度均一的情况下,向风面降水的高度分布一般是先增后减,有一最大降水高度h_M出现,且气候愈干燥,h_M愈高。在气候很潮湿时,h_m→0,即最大降水高度出现在山麓。当向风面的地形呈阶梯形时,也可出现两个或两个以上最大降水高度。     

DEM不同分辨率对地形因子提取的不确定性

地形因子的提取对水土流失、土地利用、土地资源评价、城市规划等方面的研究起着重要的作用,通过对地形因子计算和分析,为以上研究提供一定的参考。基于DEM(数字高程模型)的ASTER GDEM V2_30m数据,以云南省保山市隆阳区为研究区,提取该区的坡度与坡向等地形指标,分析不同分辨率(30 m、60 m、90m、120 m)下的地形因子的差异性。结果表明:随着分辨率降低,隆阳区坡度向中等级坡度集中,陡坡区域缩小,即坡度从集中在35°~45°区域向≤5°和15°~25°区域集中;不同空间分辨率对坡向提取也有不确定性的变化,但影响程度没有坡度大。因此在土壤侵蚀等模型中对地形因子进行估算时,需要充分考虑分辨率的影响。