地形起伏度最佳分析区域预测模型

地形起伏度指分析区域内最高点和最低点之差,反映宏观区域内地形的起伏特征,是描述地貌形态的定量指标。确定最佳分析区域是地形起伏度提取算法的核心步骤,以及决定地形起伏度提取结果有效性的关键。本文以全国范围内随机选取的78个实验区域、三种不同尺度的DEM数据作为实验对象,分别进行系列分析区域尺度的地形起伏度计算,建立了基于微观地形特征因子的地形起伏度最佳分析区域预测模型。实验表明：相同区域、不同尺度的DEM数据提取的地形起伏度存在差异,DEM尺度相差较小时,地形起伏度的差异也较小;地形起伏度和实验区域的最大高程、区域高差、平均坡度和平均坡度变率等地形特征因子存在强相关关系;当置信水平为0.05时,预测模型拟合参数的准确率达到95%以上,证明预测模型可以有效地确定最佳分析区域的取值范围。     

自1:10000比例尺DEM提取地形起伏度--以陕北黄土高原的实验为例

地形的起伏是反映地形起伏的宏观地形因子,是比较适合区域水土流失评价的地形指标,在区域性研究中,利用DEM数据提取地形起伏度能够快速、直观的反映地形的起伏特征。1∶10000比例尺DEM具有越来越广泛、重要的应用,系统探讨基于其提取地形起伏度的方法具有重要的理论和实践意义。本研究以陕北黄土高原不同地貌区的DEM数据为实验数据,依据地貌发育的基本理论,GIS的窗口递增分析方法结合自然地理单元———小流域划分方法,通过对比分析,确定不同地貌区的地形起伏度。通过对实验结果的对比分析证明,该方法是一种比较通用、有效的方法。     

地形起伏度最佳分析区域研究

地形起伏庹是指定分析区域内最大相对高程差,反映地面相对高差,描述地貌形态的定量指标.确定实验样区的最佳分析区域是地形起伏度提取算法中的核心步骤和决定区域地形起伏度提取效果与有效性的关键.基于64幅实验样区数据进行多尺度地形起伏度计算,试图确定地形起伏度的最佳分析区域.实验结果表明:实验样区的地貌特征和最佳分析区域并不存...     

2017年“8.8”九寨沟地震滑坡自动识别与空间分布特征

2017年8月8日发生的7.0级九寨沟地震诱发九寨沟熊猫海附近产生大量的滑坡体,造成道路阻塞,严重影响地震应急救援进度。为快速准确地识别滑坡分布范围,本文在深入分析滑坡遥感影像特征的基础上,引入面向对象分析方法,实现了基于无人机影像的震后滑坡体的自动识别。通过多尺度分割算法获取滑坡多层次影像对象,利用SEaTH算法自动构建每一层次特征规则集,实现基于不同层次分析的滑坡体自动识别。分析滑坡体在地形、活动断层等因子中的空间分布特征,为地震滑坡预测与危险性评价奠定基础。与人工目视解译结果相比较,基于面向对象的滑坡自动识别方法提取精度可达94.8%,Kappa系数为0.827,在电脑配置相同的情况下,自动识别方法的效率是人工目视解译效率的一倍。空间分布特征分析表明,地震滑坡的空间分布与斜坡坡度、地形起伏度呈正相关关系,与地表粗糙度存在负相关关系,研究区滑坡体分布存在明显的断层效应。     

基于高差显著性变化分析方法的地形起伏度研究

地形起伏度也称为地势起伏度,是区域地貌分析研究和地貌类型划分的重要参考指标。本文利用广东省第一次全国地理国情普查生产的DEM数据成果,以乐昌市为例,对广东省区域地貌形态进行研究分析。通过动态调整圆形分析模板窗口,利用高差显著性变化分析方法,求得乐昌市地形起伏度的最佳统计单元,统计单元面积为0.75km~2。在综合考虑乐昌市的最大地形起伏的情况下,采用统一的地貌分类标准将乐昌市的地形起伏度划分为5级,在此基础上,制作生成了乐昌市的地形起伏度分级图,并对乐昌市的地貌形态进行了简单划分。论文采用了大比例尺数字高程模型,对区域地貌形态的划分也更为细致,将为地形起伏度在地理国情普查统计分析中的应用提供参考。     

基于GIS的西南地区地形起伏度与人口分布研究

以西南地区为例,采用数学建模方法,结合空间分析方法,基于栅格高程模型提取研究区域地形起伏度,采用相关性分析方法获得了地形起伏度与人口分布的关系。模拟分析结果与实际情况对比得出,地形起伏度是影响人口密度的重要因素,说明研究能够正确反映出地形起伏度和人口分布的相关性,为研究以县域为尺度的人口密度空间分布提供一定的参考。     

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。     

利用质心Voronoi图对地形自适应简化的算法

地形简化算法利用少量有效的地形信息表达整体地形,能很好地解决海量地形数据与计算机硬件之间的矛盾,同时满足多尺度地形应用需求。针对现有地形简化算法难以兼顾局部地形起伏与地形整体特征的问题,提出一种基于质心Voronoi图的地形自适应简化算法。首先,利用质心Voronoi图的特点,以地形起伏度作为密度函数生成质心Voronoi图;然后,利用分布在地形起伏较大区域的质心Voronoi图种子点及大多分布在地形特征线上的Voronoi区域顶点重构地形;最后,通过原始地形与重构地形的特征线验证地形简化的效果,并与三维道格拉斯-普克（3D DouglasPeucker,3D DP）算法进行精度对比。实验结果表明,从简化地形中提取的山脊线、山谷线、等高线等地形特征线与原始地形的重叠度均较高,算法能较好地保持地形整体特征;且在相同的简化级别下,算法的简化误差小于3D DP算法,具有较高的地形简化精度。     

基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例

地形起伏度因子在宏观尺度生态评估中具有重要作用。均值变点法是确定地形起伏度最佳分析窗口的常用方法,但其影响因素尚缺乏研究。本文以黄河流域(山西段)为例,基于DEM数据和均值变点法提取了研究区地形起伏度,并探讨了分析窗口样本数量、DEM分辨率和地貌类型3种因素的影响。结果表明：(1)分析窗口样本数量对最佳分析窗口取值有明显影响。随着样本数量的增加,变点所在的最佳分析窗口面积也不断增加。(2)DEM分辨率对最佳分析窗口取值有一定影响。分析窗口面积取值范围一致时,基于30 m ASTER GDEM计算得到的最佳分析窗口面积小于基于90 m SRTM DEM的最佳分析窗口面积。(3)地貌类型对最佳分析窗口取值的影响不大。当分析窗口样本数量一致时,不同地貌类型区及整个研究区最佳分析窗口相同或接近。总体而言,分析窗口样本数量是最关键的影响因素。     

基于机载LiDAR数据的城市建筑物高度分级方法研究

传统的基于不规则的三角网和形态学点云滤波处理方法提取的DEM,由于在滤波过程中没有顾及不同区域地形起伏度差异,使得滤波过程中产生大量粗差,导致DEM 与实际地形偏差太大.准确提取建筑物轮廓和高程的前提是要提取高精度的DEM,因此必须在DSM转化为DEM的过程中改进DEM提取方法.本文针对地形起伏度不大的城市区域,采取格网值替换、设置高程和面积阈值进行过滤处理的方法提取建筑物轮廓及高程值,验证表明该提取方法的精度优于传统滤波方法.     

地形起伏度与GPS多路径误差的相关性分析

为研究地形起伏度与全球定位系统(GPS)多路径误差的相关性,该文采用邻域统计、均值变点分析、相关性分析等方法,以ArcGIS为平台,基于某校区1m分辨率的数字高程模型(DEM)数据,运用均值变点分析确定最佳分析区域,并提取地形起伏度,再通过SPSS相关分析,获得地形起伏度与多路径误差M_(p1)、M_(p2)的Spearman秩相关系数。结果表明:最佳分析区域为11m×11m,对应的地形起伏度与多路径误差M_(p1)、M_(p2)在P<0.01下显著相关;测站周围5.5m范围内的地形起伏度对多路径误差有直接影响,尤其在地形起伏度大于3 m时,与多路径误差M_(p2)显著相关。     

基于径向泰勒级数展开的月球表面磁场快速球谐解算方法

在利用球谐模型解算月球起伏表面的磁场时,传统算法计算效率较低且存在不稳定性,因此提出一种基于球谐分析的径向泰勒级数展开法.首先采用450阶次的月球内源磁场球谐模型在月表地形起伏剧烈的背面区域进行不同泰勒级数展开次数范围以及不同平均半径的解算精度实验,验证了所提方法的有效性,并且通过与传统算法的对比证明了所提方法具有更高...     

基于地形画像的相似区域推荐

在开展滑坡危险性分析、山区公路规划以及工业园区选址等工作时,研究区域的地形都是首要考虑的因素,为研究区域推荐几个与之地形相似的区域作为参考对象能够使得研究工作快速展开.本文提取了研究区的宏观地形特征与直方图统计特征,对研究区域的地形进行精细刻画;而后基于随机森林搭建区域分类模型,根据分类结果进行粗略推荐;最后基于粗略推...     

地形地貌对半山区土地利用动态变化影响分析——以天津市蓟县为例

以2001年和2011年2期TM图像为数据源,采用分类后比较法提取了10 a间天津市蓟县土地利用动态变化信息;利用空间分析算法生成地形起伏度和坡度2个地形因子,分析了不同地形特征上的土地利用类型分布及变化特征;从类型转换和动态度2个方面定量分析土地利用变化情况,并分析土地利用变化与地形起伏度和坡度的相关关系以及土地利用变化的影响因素。结果表明:地形地貌对土地利用的动态变化有显著的影响,在微缓起伏地形上,居民地增加最多,其次是水域,而林地减少最多;在低起伏和中起伏地形上,居民地增加最多;在山地起伏地形上,居民地有所增加;在高山起伏地形上,只有林地和未利用地有少量变化。该结果可以为天津市蓟县的生态保护以及半山区县土地利用规划提供科学依据。     

基于无人机遥感的湖南金童山保护区滑坡监测

以湖南金童山国家级自然保护区内某条山区公路为例,利用无人机飞行获取高分辨率影像与高精度数字地形模型,使用基于面向对象的方法对滑坡信息进行提取,对无人机数据进行多尺度分割与光谱差异分割,选取了研究区内植被、道路、滑坡三类感兴趣地物的影像特征建立了规则集,充分利用了影像对象的光谱特征、几何特征、地形特征、空间关系,使用了阈值分类,隶属度函数与决策树分类方法.利用实地验证与基于无人机影像的目视解译对提取结果进行了精度评价,总体提取精度为94.75％,滑坡提取精度超过80％.该研究为快速监测山区内滑坡信息提供了借鉴.     

利用DEM提取山顶点精度研究

山顶点是重要的地形特征点之一,针对现有的基于DEM的山顶点提取算法存在的缺陷,本文首先依据山顶点的地表形态特征,建立了基于最大起伏度阈值的山顶点提取模型;然后,以黄土丘陵1∶5万不同格网属性DEM为基础,分析了DEM格网属性对山顶点提取精度的影响特征;最后,基于1∶100万DEM提取了中国内陆山顶点数量及分布情况。研究结果表明:1基于最大起伏度阈值的山顶点提取模型提取的山顶点符合实际地形意义,具有很好的应用价值。2对于已知综合尺度的地形,存在最佳DEM格网分辨率阈值,当实际DEM格网分辨率不低于该阈值时,提取的山顶点具有很好精度,否则提取的山顶点数量及空间位置均存在不确定性偏差;3在我国的1∶100万DEM中,中国内陆满足海拔高度500 m以上、相对起伏大于200m的山顶点共有40 038个。     

GIS支持下应用PSO-SVM模型预测滑坡易发性

滑坡灾害易发性预测是滑坡监测、预警与评估的关键技术。如何有效地选取评价因子和构建预测模型是滑坡灾害定量预测研究中的难题。本文以三峡库区长江干流岸坡作为研究区,通过地形、地质和遥感等多源数据融合,提取滑坡孕灾环境和诱发因素的信息作为评价因子。在此基础上,针对滑坡灾害的非线性和不确定性特征,采用粒子群算法对支持向量机模型参数进行全局寻优,构建粒子群算法(particle swarm optimization,PSO)-支持向量机(support vector machine,SVM)模型,定量预测滑坡易发性。最后通过分类精度比较分析基于格网单元和对象单元的滑坡易发性预测精度,结果表明,基于对象单元的PSO-SVM预测精度较高,其曲线下面积为0.841 5,Kappa系数为0.849 0,预测结果与野外实际调查情况较为一致,可为三峡库区滑坡防灾减灾工作提供参考。     

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GIS的彭州市崩塌滑坡地质灾害地形因素分析

基于ArcGIS平台,利用DEM数据资料,选择位于四川西北部的彭州市作为研究区域,提取了区内高程、地形起伏等地形因子;统计了5.12震后区内39个滑坡点,58个崩塌点,建立了地形地貌与崩塌滑坡地质灾害之间的关系:这类地区对应的地貌类型主要是海拔高程较高的山坡地带。实验证明,利用GIS技术,结合数字地面模型,进行崩塌、滑坡等地质灾害的地形因子相关性分析,结果可靠,对防灾减灾具有重要的借鉴意义。     

旋转森林模型在滑坡易发性评价中的应用研究

以三峡库区万州段为研究区,从多源空间数据中提取29个致灾因子作为区域滑坡易发性分析的评价指标,在数字高程模型基础上采用集水区重叠法划分斜坡单元,构建旋转森林集成学习模型,定量预测滑坡空间易发性,并生成滑坡易发性分区图。在易发性分区图中,高易发区占11.6%,主要分布在万州主城区和长江及支流两岸;不易发区占45.6%,主要分布在人类工程活动低、植被覆盖度高的区域。采用受访者工作特征曲线和曲线下面积对旋转森林模型的滑坡易发性进行评价,结果显示该模型的预测精度为90.7%,其预测能力优于C4.5决策树。研究表明,应用旋转森林进行滑坡易发性评价具有预测能力强、精度高等优点。