基于DEM的黄土崾岘提取及其地形特征分析

崾岘是将要被切穿的鞍部,是正负地形矛盾斗争的结果,也是重要的地形控制点。典型的崾岘多位于黄土高原黄土地貌区,又称黄土崾岘,其对识别沟间地与沟谷的斗争程度有一定的指示作用。本文以黄土高原样区为例,基于1:1万DEM（5 m分辨率）和影像分辨率为0.95 m的遥感影像,利用流域边界算法和缓冲区标定,分析窗口选择5×5,实现了崾岘点位的半自动化提取。并对各崾岘点位求取坡度等地形因子,总结崾岘的空间格局和地形特征。结果显示,崾岘多分布在主流域边界和垂直于主沟道的最宽部分,地形控制作用明显。崾岘的坡度、起伏度、切割深度等值均大于鞍部值,同时,高级流域区的崾岘值大于低级流域区的崾岘值,反映出崾岘具有侵蚀程度强、表层完整性低、地表破碎度高的特点。总体而言,崾岘受沟道蚕食度高,从侧面反映了黄土地貌的发育阶段,是黄土地貌发育到中期的标志性产物。     

采样密度对大气稳定度频率的影响

分别以每日２４次、１２次、８次、４次采样密度统计了成都、重庆两地的各类大气稳定度频率分布。结果指出：对年平均而言，采样密度对两地各类稳定度频率统计无影响，每日４次采样已足够。采样密度对冬季稳定度频率影响较大，应加密为每８８次采样即可满足精度要求。在精细研究稳定度频率的日变化时，应以每日２４次采样为宜。为保证稳定度频率统计的正确和环境评价的精度，确定合宜的污染物排放时间，对不同的研究问题，应取不同的采样密度。     

DEM栅格单元异质性对地形湿度指数提取的影响分析

 地形湿度指数可定量模拟流域内土壤水分的干湿状况,是静态土壤含水量的最常用指标,具有明确的物理意义。但是,由于DEM本身的结构特点,其提取的地形湿度指数具有尺度依赖性。本文主要探讨因DEM水平分辨率不同而导致的DEM栅格单元异质性,对地形湿度指数提取的影响。以厦门市地貌类型比较复杂的西源溪流域为实验区,使用1 ∶1万等高线生成的2.5m和20m分辨率DEM数据,分别提取地形湿度指数并计算栅格单元地形异质性指数,分析DEM栅格单元异质性指数与地形湿度指数之间的关系。研究表明,基于高程标准差、地势起伏度、景观破碎度和多样性的栅格单元异质性指数与地形湿度指数偏差之间均存在显著的负相关性,这4个异质性指数对地形湿度指数差值的对数回归模拟效果良好且显著有效。这对低分辨率DEM提取地形湿度指数的误差纠正,以及描述区域土壤含水量等地形湿度指数的应用研究具有积极意义。     

DEM分辨率对地形纹理特征提取的影响

地形纹理是区分不同地貌形态的重要依据,DEM是地形纹理分析的重要数据。然而,DEM分辨率使地形纹理特征提取存在着不确定性问题。本文以具有显著地貌多样性与差异性的陕西省为例,选择6个不同地貌类型区为研究区,以25 m分辨率DEM数据作为信息源,构建了多尺度的地面坡度、光照模拟和粗糙度数据序列。在此基础上,引入空间灰度共生矩阵（GLCM）对地形表面纹理特征进行量化分析,以揭示数据分辨率对地形纹理特征提取的影响。研究表明：对于单一样区,在DEM及其3个派生数据中,原始高程数据和粗糙度数据的纹理参数特征值,对分辨率的变化较为敏感。对于不同的地貌类型区,二阶角矩和对比度这2个纹理参数具有最大的变异系数,表明它们对于区分不同地貌类型的能力最强;二阶角矩具有较大的尺度依赖性,随着分辨率的降低,其区分能力急剧降低,而对比度对于地貌的区分能力,则随着分辨率的降低而增强,并保持在一个较大的范围内。DEM数据的对比度对于不同地貌的区分能力,在所选4个参数中最为稳定,而粗糙度数据的二阶角矩区分不同地貌的能力,随着数据分辨率的变化而最不稳定。以上结果对于根据不同的研究对象选择适宜的DEM分辨率及地形纹理参数具有一定的指导意义。     

地形横向密度扰动对于区域大地水准面建模的影响

分别利用Helmert和KTH法模拟试算了不同地形起伏区域内横向密度扰动对于大地水准面的影响。结果表明,在地形起伏较小的平原或丘陵地带,横向密度扰动的影响一般不会超过cm级,在精度允许的范围内可以忽略其影响;在地形起伏较大的山区,横向密度扰动的影响可达cm甚至dm级,对于cm级大地水准面精化而言,需要考虑其影响。此外,基于Helmert与KTH法解算的结果在地形起伏剧烈的山区差异较大,由于Helmert法计算地形效应时忽略了外区地形质量的影响,其解算结果可能存在偏差。总体而言,在地形起伏剧烈的山区建模时,需利用多种计算方法基于实测数据分别进行试算,通过计算的变密度大地水准面与实测的GPS水准数据进行比较分析,得到适合该区域的大地水准面建模方法。     

一种基于点云提取微地形对象的方法

在分析微地形特点以及现有网格DEM在表述微地形中存在的不足的基础上,提出了面向对象的数字高程模型,给出了该模型的形式化描述和以点云为数据源构建面向对象数字高程模型过程中采用的对象边界的识别、特征保持的点云疏化、基于属性近似的网格约化及对象识别等关键步骤的方法.并以实例证明了此过程的可行性.     

机载LiDAR点云密度和插值方法对DEM及地表粗糙度精度影响分析

机载LiDAR点云是获取高质量数字高程模型(Digital Elevation Model, DEM)的主要数据源,而地表粗糙度作为DEM的主要派生产品,在地学研究中发挥了重要作用,但点云密度和插值方法对DEM及地表粗糙度精度影响程度并没有明确结论。为此,本文利用不同地形条件下的林区机载LiDAR点云为实验对象,将原始点云随机缩减为不同的采样密度,利用5种常用插值方法(克里金(Ordinary Kriging, OK),径向基函数(Radial Basis Function, RBF),不规则三角网(Triangulated Irregular Network, TIN),自然邻域(Natural Neighbor, NN)和反距离加权(Inverse Distance Weighting, IDW))构建各个测区不同采样密度条件下的DEM,并通过空间特征和统计特征两方面对DEM及其地表粗糙度精度分析。结果表明:(1) DEM插值算法的精度随点云密度缩减而降低,且数据量缩减至原始数据量的30%后,不同算法精度区别较为明显,其中,RBF和OK精度最优,IDW精度最低;(2) DEM误差与...     

三维激光扫描点密度不均匀性对地形建模精度的影响研究

三维激光扫描技术获取的扫描点由于密度的不均匀性可能导致所建立的模型不能准确地反映实体的形态变化。本文通过建立严格的数学曲面模型,由曲面模型生成原始采样数据,在生成的原始数据上进行重采样作为实验数据,通过Delaunay三角形建立格网模型,定量分析密度对建模精度的影响。     

顾及DEM误差空间自相关的地形变化检测方法

传统的地形变化检测方法忽略了DEM误差的空间自相关性,针对此问题,本文提出了顾及DEM误差空间自相关的地形变化检测方法。首先,通过2期DEM相减得到差值DEM(DoD),并通过蒙特卡罗方法评估DEM的误差空间分布;其次,基于DEM误差空间分布图,通过误差传播公式计算DoD误差,并使用半变异函数分析其空间自相关程度;最后,在误差空间自相关分析和显著性检测的基础上计算地形变化量（体积）和对应的误差限。本文在4个黄土小流域进行了实验,结果表明：无人机摄影测量DEM的高程误差存在一定程度的空间自相关,通过光束平差蒙特卡罗方法可以模拟无人机摄影测量DEM的误差空间分布;在进行地形变化检测时,使用误差空间分布代替中误差进行地形变化检测有效降低了检测结果对显著性阈值的敏感性;显著性阈值从68%提高到95%时,使用误差空间分布的检测结果损失的观测值比使用中误差低5.39%～6.75%。顾及空间自相关的地形变化检测方法能够更加科学、精确地量化地形变化特征,也可有效地应用于地表变形监测、流域侵蚀监测、输沙量评估等领域。     

地形扫描数据TIN模型生成DEM的误差计算方法

由地表三维空间数据生产的数字高程模型(DEM)的误差包括从数据误差传递来的误差和因数据数量不足以反映地形起伏造成的信息损失误差。本文给出了由三维空间数据的不规则三角网(TIN)模型栅格化为DEM过程中,通过线性插值将数据随机误差传递到DEM栅格上的随机误差的解析解,同时利用地基激光扫描仪测量的冲沟地形数据点云,分析得出因信息损失产生的DEM系统和随机误差的估算方法。结果显示信息损失产生的DEM平均高程系统误差和随机误差都与有效测点密度有关,其中有效测点由TIN中包含DEM栅格中心点的所有三角面的3个顶点组成;信息损失产生的DEM平均高程系统误差和随机误差除与有效测点密度相关外,还与地形特征有关,平均高程系统误差与地形整体凹度参数有关,随机误差与地形整体起伏程度参数有关。建立了分辨率为0.1 m×0.1 m的DEM误差估算模型。     

���ָ߳�ģ�͹�����Coons����Ƭ��

????Coons?????????????DEM?????????????????????????????IDW??SPLINE??KRIGING???б??????????θ????????????Coons?????????????????θ??????????????????????????????????????У?IDW????????KRIGING??SPLINE?????Coons?????????????Coons????????Ч??????????????DEM??????     

基于DEM的黄土高原地形纹理概念模型

黄土高原"千沟万壑"的地貌形态,在多尺度空间下表现出显著自相似性,具有"局部无规则,宏观有规律"的纹理特征.目前,黄土高原地形纹理的提取方法及应用已经得到初步发展,但依然缺乏在理论层面的框架体系.本文在已有学者研究成果的基础上,限定黄土高原为研究范围,明确提出黄土高原地形纹理的概念模型,即内涵、特征、分类及表达.将内涵...     

局部型地形因子并行计算方法研究

 随着分析区域的扩展及需求精度的提高,数据-计算密集型地形分析亟需通过并行化来满足用户的时间响应需求。局部型地形因子是以一定半径的分析窗口(通常为3×3)计算且具有单元计算结果独立性的地形信息,是数字地形分析的基本参数。本文在分析局部型地形因子串行算法特征的基础上,以坡度算法为样本,对局部型地形因子的并行计算方法进行了深入研究。从数据并行的角度,对并行计算环境下的数据划分粒度、方式及结果融合策略进行了分析,构建了局部型地形因子的并行计算方法。利用SRTM陆地表面地形DEM数据,设计了坡度并行计算的实验以验证其方法的正确性和实用性。实验结果表明,本文提出的并行计算方法顾及了任务、数据及计算环境,可快速对局部型地形因子串行算法进行并行化改造,提高算法的执行效率,具有较好的并行性能。     

顾及多分析尺度的地形部位面向对象分类方法

地形部位是地表形态的基本单元,其分类和提取在地貌发育、数字土壤制图、景观生态制图等领域有着重要的应用。康鑫等提出的多尺度Geomorphons地形部位分类法（简称多尺度Geomorphons法）利用高程相对差异信息和地形部位多尺度特征,可避免受地形属性计算及单一分析尺度约束而误分类,然而其存在分类破碎及分析尺度域难以确定的问题。基于此,本文以多尺度Geomorphons法为基础,提出了其适宜分析尺度域确定方法,建立了以初始地形部位数据层组合的对象多尺度分割和分类方法,进而构建了顾及多分析尺度的地形部位面向对象分类方法。以陕北黄土高原区域5 m分辨率DEM为实验数据,对面向对象分类方法进行了验证与评价。实验结果表明：①均值变点法可有效解决分析尺度域难以确定的问题,实验样区适宜分析尺度域为[5×5, 33×33]栅格单元;②以0,255为二值化的地形部位数据层组合适用于多尺度分割,尺度、形状及紧致度参数组合影响分割结果,且对于实验样区存在最优分割参数;③与多尺度Geomorphons法相比,本文方法得到的地形部位分类结果完整性较好,在地表形态对应和地理认知等方面更具合理性。     

适用于移动平台的快速生成地形剖面线方法

本文针对移动平台内外存储容量小,处理器相对较弱的特点,通过数字高程模型（DEM,包括不规则三角网和规则格网）,提出一种适用于移动平台的等高线直接生成剖面线的方法。与其他2种数字高程模型的剖面线生成方法的对比表明,本方法计算简单、运算量小、操作方便、成果图精度适宜,非常适合用于移动GIS。另外,针对在等高线生成剖面线过程中,路线处于2条等高线之间（即与等高线没有交点）,无法求得路线高程值的情况,提出了通过作路线上任意点的水平和垂直方向直线,求得该直线与最邻近等高线的交点,利用4个交点的高程值求出路线上该点的高程值的方法。通过该方法,求出足够多高程点,进而生成剖面线。将本文提出的移动平台快速生成地形剖面线算法,应用于区域地质调查,较好地解决了实际应用中遇到的问题,取得了良好的效果。     

基于灰度共生矩阵的DEM地形纹理特征量化研究

 DEM的地形纹理以其表达地形表面的纯粹性与分析数据的可派生性受到越来越多关注。本文选取陕西省10个不同地貌类型区的25m分辨率DEM数据,引入空间灰度共生矩阵(GLCM)对地形表面纹理特征进行定量分析。研究表明,25m分辨率DEM数据的GLCM模型适宜分析间距是大于等于3个栅格大小。各纹理参数中,相关度可用于地形纹理的方向性量化;方差、差的方差、对比度可用于对地形纹理的周期性分析;熵、二阶角矩、逆差矩可用于对地形纹理的复杂性分析。在DEM及其派生数据中,光照模拟数据计算的各纹理参数的平均变异系数最高,表明光照模拟数据最适合于地形纹理特征的量化研究。同时本文提出了一种多参数综合的地形纹理量化方法,通过运用综合周期性和综合复杂性两个指标对不同地形区量化分析,结果表明,这两个指标对不同地形形态响应显著,可用于地形形态分类与识别研究。     

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...     

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。     

Uncertainty of slope length derived from digital elevation models of the Loess Plateau,China

Although many studies have investigated slope gradient uncertainty derived from Digital Elevation Models（DEMs）, the research concerning slope length uncertainty is far from mature. This discrepancy affects the availability and accuracy of soil erosion as well as hydrological modeling. This study investigates the formation and distribution of existing errors and uncertainties in slope length derivation based on 5-m resolution DEMs of the Loess Plateau in the middle of China. The slope length accuracy in three different landform areas is examined to analyse algorithm effects. The experiments indicate that the accuracy of the flat test area is lower than that of the rougher areas. The value from the specific contributing area（SCA） method is greater than the cumulative slope length（CSL）, and the differences between these two methods arise from the shape of the upslope area. The variation of mean slope length derived from various DEM resolutions and landforms. The slope length accuracy decreases with increasing grid size and terrain complexity at the six test sites. A regression model is built to express the relationship of mean slope length with DEM resolution less than 85 m and terrain complexity represented by gully density. The results support the understanding of the slope length accuracy, thereby aiding in the effective evaluation of the modeling effect of surface process.