基于HEC-GEOHMS的青山河子流域划分研究

以青山河流域作为研究区域,通过采用ArcGIS结合地理空间水文模型扩展(HEC-GeoHMS)模块,对青山河流域数字高程模型(DEM)数据进行分析,生成数字水系,划分提取子流域。运用AutoCAD根据划分边界在万分之一地形图上量测流域特征值,计算提取成果与量测值相对误差,结果表明,相对误差值在模型计算允许范围以内,结果基本可靠,符合模型计算要求。同时通过统计分析,得出相对误差与流域地形坡度存在一定相关性的结论。通过研究可以确定,相比传统的手工量测,采用HEC-GeoHMS模块,可以使子流域提取与数字水系生成在保证精度的前提下变得更加高效与便捷,并可以为HEC-HMS模型的计算提供数据基础。     

基于机载LiDAR 技术的典型水库水量变化估算

针对传统外业测量水库库容估算方法易受地形、气象条件影响,存在危险性高、效率低等问题,以仑山水库为研究对象,采用机载 LiDAR 技术估算水库面积及水量变化。通过实地数据采集,利用 KD- 树算法剔除点云中的粗差点,并采用渐进加密不规则三角网(PTIND)滤波分离出地面点,完成 LiDAR 点云数据的预处理;根据点云数据建立精细化数字高程模型(DEM),提取不同水位的水库水面面积;最终利用积分和传统棱台体积估算方法对比分析不同水位水量差值变化。结果表明：与高程实测值相比,DEM 高程反演值满足高程精度要求,基于机载 LiDAR 的水量估算受库底坡度变化的影响,估算值低于传统估算方法的估算值,估算结果更为精确,可为监测水库水量变化提供科学依据。     

低山丘陵区多源数字高程模型误差分析北大核心CSCD

作为多学科交叉与渗透产物的数字高程模型(DEM)已在诸多学科和领域及实际应用中发挥了重要作用,但目前能够免费获取的高分辨全球DEM在不同区域仍存在很大的不确定性,应用之前进行质量评估至关重要。以烟台市为实验区,以大比例尺地形图(1∶10 000)生成的DEM为参照,结合坡度、坡向和土地覆被类型等地学因子,定量分析了目前广泛应用的两个版本ASTER GDEM(先进星载热辐射和反射辐射计全球数字高程模型)ASTETR 1和ASTER 2及不同空间分辨率SRTM DEM(航天飞机雷达地形测绘任务)(SRTM 1:～30m和SRTM 3:～90m)在低山丘陵区高程、坡度及坡向误差。结果表明:在研究区域内,ASTER 1、ASTER 2、SRTM 3、SRTM 1总体高程均方根误差分别为8.7m、6.3m、3.7m和2.9m。ASTER与SRTM的高程精度不同程度地受坡度、坡向以及土地覆被类型等地学因子的影响,DEM误差随坡度增加而增大,其中SRTM 3精度对该因子最敏感。尽管坡向对DEM精度影响不明显(4种DEM在不同坡向上的均方根误差波动范围均不超过2m),但是不同土地覆被类型下这4种DEM精度差异显著。此外,分析4种DEM提取的坡度可知,SRTM 1的均方根坡度误差最低(2.5°)、ASTER 1与ASTER 2的坡度的均方根误差大致相同(3.6°、3.9°)、SRTM 3的坡度均方根误差最高(4.3°)。坡向的精度SRTM 1最高,ASTER 1与ASTER 2次之,SRTM 3最低。研究结果对我国低山丘陵区ASTER GDEM与SRTM DEM的应用与精度评估具有一定的借鉴作用。     

基于DEM的龙口市林地表面积调查

以龙口市2004年1∶10000土地利用现状更新调查结果和等高线等地形资料为基础数据,借助于Arc-view软件,首先利用矢量化的等高线生成DEM数据并自动提取坡度信息,然后计算坡度的正割值,再与龙口市的林地栅格数据结合,完成研究区内几种林地在不同坡度级上表面积的统计。最后将该方法获得的林地面积与利用土地类型栅格数据求算的林地投影面积作比较分析。     

低山丘陵区多源数字高程模型误差分析

作为多学科交叉与渗透产物的数字高程模型(DEM)已在诸多学科和领域及实际应用中发挥了重要作用,但目前能够免费获取的高分辨全球DEM在不同区域仍存在很大的不确定性,应用之前进行质量评估至关重要。以烟台市为实验区,以大比例尺地形图(1∶10 000)生成的DEM为参照,结合坡度、坡向和土地覆被类型等地学因子,定量分析了目前广泛应用的两个版本ASTER GDEM(先进星载热辐射和反射辐射计全球数字高程模型)ASTETR 1和ASTER 2及不同空间分辨率SRTM DEM(航天飞机雷达地形测绘任务)(SRTM 1:～30m和SRTM 3:～90m)在低山丘陵区高程、坡度及坡向误差。结果表明:在研究区域内,ASTER 1、ASTER 2、SRTM 3、SRTM 1总体高程均方根误差分别为8.7m、6.3m、3.7m和2.9m。ASTER与SRTM的高程精度不同程度地受坡度、坡向以及土地覆被类型等地学因子的影响,DEM误差随坡度增加而增大,其中SRTM 3精度对该因子最敏感。尽管坡向对DEM精度影响不明显(4种DEM在不同坡向上的均方根误差波动范围均不超过2m),但是不同土地覆被类型下这4种DEM精度差异显著。此外,分析4种DEM提取的坡度可知,SRTM 1的均方根坡度误差最低(2.5°)、ASTER 1与ASTER 2的坡度的均方根误差大致相同(3.6°、3.9°)、SRTM 3的坡度均方根误差最高(4.3°)。坡向的精度SRTM 1最高,ASTER 1与ASTER 2次之,SRTM 3最低。研究结果对我国低山丘陵区ASTER GDEM与SRTM DEM的应用与精度评估具有一定的借鉴作用。     

一种有效地形区域的获取方法

针对在耕地、建筑物选址时需要考虑地形变化来提取可用区域,该文设计了一种有效区域的提取方法。本方法以DEM为数据源,通过解析计算得到各格网点的坡度值,并应用数学形态学处理,最终得到有效区域。仿真实验证实,该方法能够快速提取可用区域,提高了处理效率。     

基于信息论的不同比例尺DEM地形信息比较分析

运用信息论与数理统计及对比分析的方法，以1：1万DEM为基准，探讨在黄土丘陵沟壑区1：5万DEM所建立的数字高程模型信息特征和对地形描述的精度特征。样区为陕北绥德县韭园沟流域，基本技术平台为ARC／VIEW地理信息系统软件。研究结果表明，在该地区内，利用1：5万DEM手提取的地面坡度、剖面曲率2种地形因子及其熵值都不同程度地存在着差异，熵值变化率分别为6．275％和0．182％，并且提出了信息损失量的计算公式和因子特征的纠正公式，同时从信息论的角度分析了这种差异的本质特征是微观每个栅格地形因子取值的不确定性变化。     

DEM地形描述精度的幂函数定量模型

针对现有模型未考虑当DEM空间分辨率R和平均剖面曲率V各自趋向于0时,地形描述误差E_t亦趋向于0的缺陷,提出了DEM地形描述精度的幂函数定量模型。通过对地形描述误差与DEM空间分辨率和平均剖面曲率之间定量关系的研究,采用非线性最小二乘拟合方法,得到DEM地形描述精度的定量模型为:RMS E_t=0.005 713R~(1.056)V~(0.943 1)。实验和对比分析表明,所提出的定量模型具有较好的拟合精度,同时对高分辨率的DEM地形描述误差估算具有更好的泛化精度,在生产实践中具有更好的实用性。     

基于DEM的西北干旱区典型地貌类型坡度提取分析

由于DEM数据本身的多尺度因素,加之地形、地貌特征具有宏观性与区域分异性的特点,直接的信息提取往往很难达到预期的目的,同时,利用DEM进行坡度提取,精度具有很大的不确定性。选取西北干旱区典型地貌类型的平原和丘陵地作为试验区,利用1∶1万和1∶5万DEM,对不同比例尺及不同空间分辨率DEM的坡度提取结果进行对比,分析变化规律,并对坡度提取误差进行量化模拟,成果对西北干旱区进行生态环境建设具有一定的参考价值。     

基于人工神经网络和AMSR2多频微波亮温的北疆地区雪深反演

被动微波遥感数据是进行积雪深度反演的重要资料,不同频率微波信号对积雪响应不同。利用人工神经网络(Artificial Neural Network,ANN)方法结合新疆北部地区积雪观测资料建立AMSR2(Advanced Microwave Scanning Radiometer 2)微波亮温(Brightness Temperature,TB)、地理位置、地形因子与雪深的隐含关系,以实现通过亮温、地理位置、地形因子估算北疆地区积雪深度,并分析微波极化方式、位置以及地形的不同组合方式对雪深反演效果的影响。实验结果表明:水平极化对雪深反演的影响大于垂直极化,纬度对雪深的影响大于经度,地表粗糙度和坡向对雪深的影响大于高程和坡度,并且位置和地形因子对雪深影响作用相当。最终通过4种优选模型的误差空间分布对比发现,综合亮温、经纬度、坡度、坡向的ANN输入模型能够较好的反映北疆地区积雪分布状况,训练集的站点平均误差在-7~6cm之间,该组合模型作为神经网络的输入能够较为合理地获取北疆地区雪深模拟值。     

基于遥感的祖厉河流域土地分类及其分布空间分析

以陇西黄土高原的祖厉河流域为研究区,利用1993和2007年两期TM影像数据对研究区土地利用类型进行分类,在此基础上结合数字高程模型(Digital Elevation Model,DEM)、多年平均降水量的空间分布数据,利用地理信息系统(GIS)空间分析方法,重点分析坡耕地、林地和草地的气候特征空间与地形特征空间,研究得出：①14 a内研究区大约有 214.82 km²坡耕地被治理,但2007年仍有145.08 km²处于临界坡度以上。②林地大致分布在降水量386~517 mm之间,14 a内人工林地有所增多。③在人为活动的干扰下,草地的覆盖度普遍降低。植被的恢复和重建是流域治理的切入点,该项研究目的为退耕还林还草提供科学支撑,服务于建立祖厉河流域生态系统的良性循环。     

规则网格数字高程模型中基于距离与坡度的路径规划算法

针对A^*算法在数字高程模型（DEM）路径规划中的低效问题,提出一种基于距离与坡度的改进A^*寻路算法。该算法面向规则网格DEM,以距离和坡度作为路径搜索评估指标,设计新的评价函数,并以地表障碍评判路径的可通行性。在寻路过程中,根据实际场景DEM数据计算相匹配的参数,使得改进算法能自适应不同场景下DEM数据分辨率的变化;采用动态权值调整完备性函数和启发性函数对评价结果的影响,优化路径选择。仿真测试结果表明,改进算法能够通过参数调整适应DEM分辨率的变化,搜索出优化的路径,降低搜索时间,提高搜索效率。     

基于纹理分水岭的斜坡单元提取算法

斜坡单元在以滑坡为主的地质灾害预防和评价中有着广泛的应用，其提取和划分是滑坡灾害风险评估的首要工作和重要基础。针对传统地理信息系统（GIS）方法提取的斜坡单元存在平行边界和误分割问题，提出了基于纹理分水岭的斜坡单元提取方法，通过分割地形图像划分斜坡单元。首先通过预处理地形数据得到数字高程模型（DEM）图像，利用灰度共生矩阵提取DEM纹理特征；然后计算融合灰度和纹理特征的梯度图像，对梯度图像进行基于标记的分水岭分割，使其能够准确获取山体和流域边界；最后，结合正负地形，对山体对象进行分水岭分割以实现斜坡单元的提取。实验结果表明，所提方法对不同地貌类型和分辨率的DEM图像都有良好的划分效果；相较于传统的GIS方法，该方法能够正确分割水平面和倾斜面，有效避免因洼地填平处理而产生的平行边界问题。     

Digital Elevation Model generation for historical landscape analysis based on LiDAR data,a case study in Flanders (Belgium)

This paper discusses the generation of a high precision DEM (Digital Elevation Model) based on high density airborne LiDAR (Light Detection and Ranging) data for an interdisciplinary landscape archaeological study concerning the settlement history and environment in Sandy Flanders, a region to the north of Ghent (Belgium). The objective was to create a detailed topographical surface free of artificial features and topographical artefacts, in the form of a DEM, visualizing the natural and current topography through the implementation of true ground points only. The semi-automatical removal of these features and artefacts was based on topographical vector data, visual interpretations and slope analysis. Ultimately two DEM’s were constructed (1) a TIN (Triangulated Irregular Network) model, whereby the inherent large file format restricts the usability to large scale and (2) a grid model which can be used for small-, medium- and large-scale applications. Both datasets were used as an image that is interpreted using ancillary data from historical sources. Its usefulness is illustrated in a case of field pattern and microfield topography. Starting from this DEM, the approach of this landscape historical study is mainly retrogressive, i.e. starting from the landscape structures and elements that are still present in the contemporary landscape and moving into the past.     

DEM生成算法并行化研究

数字高程模型DEM（Digital Dlevation Model），是一种表示三维空间连续起伏状态的数学模型，如今在各行业应用十分广泛。针对DEM生成过程中计算复杂、数据量大的特点，在分析几种常用的DEM生成算法的基础上，以线性内插算法为样本，对DEM生成算法的并行化处理问题进行了深入研究。研究中，分别从数据并行和算法并行的角度，对DEM生成算法并行化进行了分析，并在网络分布式机群下进行了数据处理实验，取得了较好的并行处理效果。最后，进一步根据实验结果，讨论了责任发解方法的并行效率，提出了DEM生成算法并行化的有效途径。     

基于数字高程模型数据的坡面稳定性三维分析方法

针对大范围区域内坡面稳定性分析的应用需求和目前边坡稳定性计算方法的缺陷,提出了一种基于数字高程模型（DEM）数据的三维分析方法。该方法采用球面代替椭球面进行滑面的搜索,并通过对二维分析结果的积分运算来计算三维条件下的边坡安全系数,最后根据安全系数确定可能的滑坡位置和形状。实际的应用结果表明,该方法简化了滑体搜索算法,能够保证边坡稳定性分析的精度,并提高了分析计算的效率。     

从DEM中自动提取自然水系

为了从数字高程数据中自动提取区域水资源信息，以提高基于GIS的区域水资源勘查评价工作的效率，提出了一种从DEM中自动提取自然水系的实用方法，该方法通过DEM数据预处理，首先将其中的洼地和小平原改造成斜坡；然后依据水总是沿斜坡最陡方向流动的原理，确定DEM中每一个栅格点的水流方向，再根据各点的水流方向数据，计算出每一个栅格点的上游给水区；接着，根据栅格点上游给水区数值，用阈值法确定水系栅格点，并对水系栅格点进行筛选；最后，根据水系栅格点的水流方向，将整个水系追索出来，另外，还用该方法对试验区的DEM数据进行了自动提取自然水系的试验，其结果与用手工方法提取的水系基本一致，证明该方法是有效的。