基于DEM分形特征的坡度尺度变换模型

利用DEM提取坡度具有明显的尺度依赖性,探求DEM在不同尺度下表现出的规律关系,建立多尺度变换模型,以实现不同尺度间的转换是地形分析研究的热点和难点。本文阐释了DEM表面与地表粗糙度分形维数值的地学意义及内在关系,并利用分形对象的自相似性原理,建立了一种基于DEM分形特征的坡度尺度变换模型。选取四川丘陵地区某小流域为研究区,进行坡度尺度变换实验和误差分析,结果表明该模型能有效实现坡度尺度变换:在非平坦地区(坡度>1°)一般重采样方法变换得到的坡度误差为该方法的1.86倍;从信息熵理论分析,经该方法转换后的坡度信息得到了显著恢复。对于无1︰1万及以上精度地形数据的西南山区,利用该方法获取高精度坡度数据具有重要的理论价值和现实意义。     

The effect of terrain factors on rice production: A case study in Hunan Province

Journal of Geographical Sciences - Rice (Oryza sativa L.) is the most important staple crop of China, and its production is related to both natural condition and human activities. It is fundamental...     

SNOW WETNESS ESTIMATES OF VEGETATED TERRAIN FROM SATELLITE PASSIVE MICROWAVE DATA

The Special Sensor Microwave/Imager (SSM/I) radiometer is a useful tool for monitoring snow wetness on a large scale because water content has a significant effect on the microwave emissions at the snowpack surface. To date, SSM/I snow wetness algorithms, based on statistical regression analysis, have been developed only for specific regions. Inadequate ground-based snow wetness measurements and the non-linearity between SSM/I brightness temperatures (T_Bs) and snow wetness over varied vegetation covered terrain has impeded the development of a general model. In this study, we used a previously developed linear relationship between snowpack surface wetness (% by volume) and concurrent air temperature (°C) to estimate the snow wetness at ground weather stations. The snow condition (snow free, dry, wet or refrozen snow) of each SSM/I pixel (a 37 × 29 km area at 37.0 GHz) was determined from ground-measured weather data and the T_B signature. SSM/I T_Bs of wet snow were then linked with the snow wetness estimates as an input/output relationship. A single-hidden-layer back-propagation (backprop) artificial neural network (ANN) was designed to learn the relationships. After training, the snow wetness values estimated by the ANN were compared with those derived by regression models. Results show that the ANN performed better than the existing regression models in estimating snow wetness from SSM/I data over terrain with different amounts of vegetation cover.     

青岛海陆风三维结构的数值模拟

本文采用 1个陡地形影响修正的三维中尺度流体静力的气象学模式 ,对青岛地区海陆风的日变化规律和三维结构进行了较细致的分析。结果显示 ,青岛有多支海陆风存在 ,且每支海陆风出现的时间、强度和向内陆伸展的距离有很大的不同。这其中沿岸山地的机械和热力作用扮演着重要的角色。在观测站 ,模拟结果和实测资料等方面有较好的一致性。     

多种数字海洋地理环境信息的融合与可视化的局部实现

以潮汐、潮流和海浪数值的计算技术和数字海底地形模型的构造方法为基础,应用层次细节模型和三维渲染技术,完成了近岸海洋环境保障的多种数字海洋地理环境信息的融合与可视化的局部实现,为今后此领域的研究提供了理论和经验基础。     

基于海图数据的水下岸坡插值精度分析对比研究

数字高程模型是研究水下岸坡冲淤变化的一种重要手段。不同的插值方法和像元大小都会对数字高程模型的精度产生影响,从而导致冲淤分析结果的变化。本研究使用了六种常用的插值方法 (ANUDEM、反距离函数法、克里金法、自然邻域法、样条函数法、不规则三角网转栅格法)对莱州湾和烟台港不同年份和尺度的水深数据进行了插值,计算了均方根预测误差、源数据残差均方根误差、残差均值、残差最大值和残差最小值等精度计算指标。结果表明ANUDEM和自然邻域法的均方根预测误差和源数据残差均方根误差均小于1 m。ANUDEM和自然邻域法对不同尺度的水下岸坡数据插值有着较好的适用性。     

湍流度随高度的变化及其对城市宏观地形的依赖

分别构建广州主建成区垂直比例尺为1﹕2 000、1﹕1 000和1﹕500的3个建筑物模型,利用大型边界层风洞,在西北和东南两风向下,基于中性流模拟分析了复杂城市地形下湍流度随高度的变化及其对宏观地形的依赖。结果表明：风廓线指数α与不同高度的湍流度之间的关系密切,利用现有模型,根据4类粗糙度边界层和不同垂直比例尺,可确定相应的湍流度随高度变化模型的主要系数,预测精度高。城市地形下最大湍流度面发育在0~0.2 h之间狭窄的范围内。用湍流度形态指数β来表征湍流度随高度的变化,无论城市屋脊还是平坦地形,随着风程区的延伸,廓线的指数α升高,湍流度形态指数β降低。表明同一高度湍流度值具有由迎风区、丘顶区向背风区增高,沿风程逐渐增大的规律,对地形部位和风程的依赖性强,与来流翻越简单地形时的特征一致。     

福建省复杂地形下旬平均气温分布式模拟

为建立高时空分辨率的福建省复杂地形下气温栅格数据集,利用福建省及其周边33个常规气象站观测资料,基于数字高程模型（DEM）数据,综合考虑海拔、太阳总辐射、地表长波有效辐射对旬平均气温的影响,模拟了福建省复杂地形下旬均温的空间分布。结果表明：1）常规站验证结果显示：各旬气温绝对误差平均值（MAE）最小为0.46℃,最大为2.3℃,全年平均为0.87℃;加密站验证结果显示,MAE最大为2.3℃,最小0.5℃,全年平均为0.96℃。2）模拟结果能反映旬均温的宏观分布规律与局地细节特征。宏观范围内,旬均温受纬度影响较大,由北至南气温逐渐升高,沿海地区旬均温整体高于内陆,山区旬均温明显较低;局地范围内,各坡向上气温差异显著,海拔越高、坡度越大,差异越明显;地形因子对旬平均温的影响具有季节差异,具体表现为冬季时地形因子对旬均温的影响最大,秋季次之,春夏季节中地形因子对旬均温的影响最弱。     

青藏高原北缘公格尔山地区地形梯度的剖析

本文以青藏高原北缘西昆仑山脉的公格尔山地区为试验区域,基于SRTM-DEM数据,采用线状地形剖面和带状地形剖面的研究方法,对试验区从公格尔山顶到塔里木盆地的地形梯度进行了研究,并探讨了地形梯度与隆升过程之间的关系。研究结果表明:(1)线状地形剖面清晰直观,操作简单;带状剖面法能较好地反映区域的地形起伏状况。若将两种方法联合起来共同进行区域地形研究,则会获得更好效果。(2)从塔里木盆地到公格尔山顶,地形抬升共分3个梯度:分别是从海拔高度2 000m左右上升到约4 500m,从约4 500m上升到将近6 000m,从将近6000m上升到约7500m。地形抬升的不同梯度可能对应着公格尔山晚新生代地貌形成过程的不同隆升过程;而每个抬升梯度的拐点,则对应着不同隆升过程形成海拔高度的分界点。