基于DEM的内蒙古狼山地貌参数提取及其构造抬升的差异性分析

基于30 m分辨率DEM数据, 利用ArcGIS10.0对内蒙古狼山东南坡河流流域地貌参数进行提取, 精确计算了其中15条规模较大的北西—南东向河流的面积-高程积分值(HI), 并据此对河流发育阶段以及构造运动进行分析。研究结果显示有8条河流的HI值处于0.3~0.6之间, 属于河流发展的壮年阶段; 7条河流的HI值大于0.6, 为幼年期, 未出现老年期河流。狼山西南部河流河谷V1—V14的HI值变化平缓, 波动幅度不大, 构造运动呈现出先增强后减弱的态势; 中北部河流V14—V22的HI值变化较剧烈, 尤其是V14—V19, 呈明显上升趋势, 河流受侵蚀后残存体积增多, 构造运动活跃性下降; V19以北HI值持续下降, 其构造运动的活跃性增加。由此认为狼山从西南到东北总体呈现增强—减弱—增强的差异性运动状态, 该结论与前人所做山前构造地貌研究结果较为一致。      

基于等高线的DEM生成算法研究和实现

数字高程模型是近年来发展起来的为地理信息系统提供空间分析和辅助决策的数据基础。随着科学技术特别是计算机技术的迅速发展，DEM在数据获取方法、数据存储和数据处理速度等方面已经取得突破性进展。通过系统介绍生成DTM过程中等高线的离散化方法，DELAUNAY三角网的特性和基于等高线数据的TIN的建立，以及对产生的问题的一些解决方法。     

1:50000 数字高程模型(DEM)的质量控制

通过 1:5 0 0 0 0数字高程模型生产实践 ,对生产过程中容易出现问题的环节提出了相应的质量控制方法     

UAV-DEM支持下的土方快速测算方法

土地平整工程是土地整治项目中最重要部分之一,而工程平整土方量的快速准确计算则又关系着土地整治规划设计成功与否、项目资金使用是否合理。本文以山西省晋城市泽州县长河流域为例,引入无人机技术（UAV）采集土地平整工程基础数据,并生成待平整土地的DEM数据,进而借助ArcGIS 10.1软件的高程统计功能获得适合研究区的理想设计标高,在此基础上获得田块的挖、填土方量。经验证,该方法能够大幅度减少土方计算的重复工作量且计算结果准确,可在土地平整工程中进行推广。     

基于DEM数据的月表撞击坑自动提取研究

提出一种基于地形与形态学的撞击坑自动提取算法,该算法主要利用撞击坑的形态特征进行提取,利用形态学方法提高提取结果的连续性并去除提取结果中的噪声,使提取的撞击坑边界线更为简单,定位更加准确,易于存储与计算。该算法使用月球勘测轨道器照相机(LROC)提供的100 m分辨率DEM数据进行测试,测试结果显示该算法对于形态较为完整的简单撞击坑提取效果较好,提取的边界线较为准确且能够反映撞击坑的真实形态。     

基于GIS平台三维可视化方案设计——以水污染、旅游为例

二维地理信息系统源于20世纪60年代,起源于机助制图,由于二维系统自身因素的限制,它也可以被称为是三维空间平面化的符号表示系统,所以在表达上不如拥有现实感的三维更加直观。当今科技飞速发展,传统的2D系统已经很难满足现代人更直观的视觉需求,而三维系统的建立恰好弥补了二维的不足。本文主要通过建立三维模型,分别研究水井位置、工业设施和地下水体污染轻重的空间关系,景区的三维模型建立,三维场景中表面及矢量要素的立体显示以及DEM、TIN在三维建模的特点。     

嫦娥三号导航相机测图能力分析及地形重建

基于立体相机成像模型并结合相机参数对嫦娥三号导航相机3维测图能力进行分析,利用摄影测量原理和误差传播定律对巡视器30 m范围内的DEM精度进行了理论分析,推导出导航相机立体影像获得的采样点精度公式,并绘制了DEM的平面精度图和高程精度图;同时使用多线程技术开发了基于导航相机立体影像的地形快速重建算法,利用多线程技术完成影像的特征匹配和密集匹配,并通过分块内插生成DEM。该技术应用于嫦娥三号任务中,有力地支持了嫦娥三号遥操作路径规划相关任务。     

构建城市地表产流和汇流模型探讨

本文基于空间离散化理论与方法和DEM技术,将城市地表划分成一系列网格单元,从水平方向和垂直方向研究城市地表空间位置和综合因素的空间离散化描述、表达以及参数模型化处理机制,创新构建出一个特定的以DEM空间离散化解析函数式表达的、综合顾及城市地表地形特征、下垫面物质形态和人工建筑物等因素的地表产流和汇流模型,实施城市地表产流和汇流的路径以及水流累积量的分析计算。     

水文时间序列周期识别的新思路与两种新方法

针对水文序列周期识别的困难,提出首先对原序列处理,再识别周期的新思路,同时提出两种新方法:一种是模拟延长序列法,即通过建模延长原序列,再应用最大熵谱分析法(MESA)对延长序列识别周期;另一种方法是构建主频序列法,应用小波重构法重构原序列主频部分,然后应用MESA对重构序列进行周期识别。结合实例,运用多种方法对同一序列进行周期识别。分析结果表明:由于受序列长度偏短、偏态性、复杂随机成分等因素的影响,传统单一处理方法(周期图法、FFT、MESA、小波分析)周期识别效果并不理想,而使用两种新方法可以有效地减小或消除上述因素的影响,周期识别效果有明显改善。