面向城市DEM构建的地形要素分类及表达

地形要素是对地形在地表的空间分布特征具有控制作用的点、线或面状要素,其合理划分可为城市地形建模提供数据基础。本文在解析城市地形特征和分析现有地形图分类在城市DEM建模中不足的基础上,基于面向对象思想,以城市地形被城市道路网分割为基本原则,构建了城市地形要素分类及表达方法,并以南京市某区1:500地形图为实验数据,进行了相关验证实验与分析。实验结果表明,本文提出的地形要素分类和表达方法能够整体控制并有效表达集几何和语义信息为一体的复杂城市地形,在全局和局部地形上均有较好的建模效果。本文提出的城市地形要素分类及表达方法不但可为地形要素的分析和应用提供基础,也可为城市地形构建模拟、建设规划和分析决策等提供技术支撑。     

面向对象的航空高光谱图像混合分类方法

传统的高光谱分类通常仅考虑单一像元的光谱或纹理特征,分类后容易出现地物破碎的现象。鉴于此,本文提出了一种面向对象的混合分类方法,将面向对象的分割结果与传统的像元级分类结果进行有机融合,充分利用对象的光谱特征和空间结构特征。在此基础上,引入了2种具体的混合分类方法,即多尺度分割的SVM分类和多波段分水岭分割的SVM分类。前者将地物光谱的可变性进行弱化处理,转化为多尺度均质对象单元进行分类;后者融入了地物的空间信息和形态学特征,对分割得到的同质区域进行分类。将这2种分类方法应用于航空高光谱数据,实验结果表明：面向对象的混合分类方法的总体精度分别为92.63%和96.13%,与传统的像元级分类法相比,分别提高了10.14%和13.64%,有效地解决了分类后地物的破碎现象。     

面向地形特征的DEM与影像纹理差异分析

纹理分析方法在宏观地形特征分析方面具有较大的优势与潜力,但当前缺少对DEM与影像数据纹理特征差异的系统分析研究.本文采用灰度共生矩阵为纹理量化模型,选取了8个不同地貌单元的样本数据,对DEM和遥感影像2类数据的纹理进行了特征值对比分析,纹理特征稳定性分析,纹理特征组间差异性分析.实验结果表明,在所测试的二阶角矩,对比度,方差,熵4个纹理指标中,DEM和影像的对比度特征值间具有显著的相关性;通过不同地貌样区纹理特征值对比分析发现,DEM数据在地形起伏较大区域纹理特征更为明显,遥感影像数据则受地表覆盖物影响较大;从地形特征的稳定性角度分析,DEM数据在丘陵和山地分析有优势,影像数据则在平原和台地分析表现更好;从地形特征差异性角度分析,DEM数据要优于影像数据.进一步采用光照模拟和坡度数据以增加DEM纹理信息,研究结果表明,DEM派生的2类数据在地形量化差异性方面改进明显,并大大优于影像数据.     

面向点云数据的黄土丘陵沟壑区沟沿线自动提取方法

基于点云数据地表建模中,沟沿线既是点云去噪的重要分割线,又是黄土丘陵沟壑区最典型的地形特征线。因此,本文提出了面向点云数据的基于多尺度格网采样和坡度分割的沟沿线自动提取方法,即在适宜格网尺度采样的基础上构建地表模型,利用沟沿线周围坡度陡变的特性提取缓坡面与陡坡面的分界线,从而生成沟沿线。通过对8个样区反复实验,确定了各自的最佳格网尺度,并发现格网尺度随点密度的增大而迅速减小,而后趋近平稳的幂函数关系,同时随机选取了另外5个样区验证了该关系的适用性。最后,通过全域分块计算得到了该地区的完整沟沿线。相比于人工识别的沟沿线,本文方法提取沟沿线的精度在0.5 m缓冲范围内为85%,效果较好,且位置更为精确。产生差异的原因主要是面向点云数据的沟沿线有更多的细节,沟沿线曲率更大,造成了其长度明显大于手动提取结果。该方法有助于提高丘陵沟壑区点云数据去植被处理和地形表面重建精度。     

基于TM影像属性和形态特征的土地覆被制图方法

本文以浙江省中南部地区不同时相30m分辨率的2景TM影像为基本数据,采用面向对象的方法实现了研究区的土地覆被制图。首先,在eCognition软件中采用多尺度分割算法,以光谱信息、纹理特征、几何特征等实现研究区的对象分割,使分割后的对象边界与实际地物边界尽量保持一致,通过建立多层次地物特征规则,进行最优分割尺度下的遥感多层次识别分类;然后,分析可用于分类的属性特征和形态特征,通过对这些特征的统计值对比分析,选取了对象的紧致度、长宽比、MNDWI、LBV等特征构建了决策树模型,实现了研究区1：25万的土地覆被分类;最后,采用目视解译和野外样本2种方式对分类结果进行精度验证,其中,目测随机样点评价得到的总体精度为87.66%,野外样本点评价得到的总体精度为83.38%。研究表明：面向对象的分类方法不仅具有较高的精度,而且图斑与实际地物边界能较好地吻合,很好地避免了混合像元误分的现象,同时能消除像元分类的“椒盐现象”。     

高空间分辨率遥感影像多尺度分割优化组合算法

高空间分辨率遥感影像能够充分地描述地表覆盖空间异质性,可用于提取地面目标物。然而高空间分辨率在像元尺度的目标提取时易产生"椒盐效应"问题,面向对象的小尺度影像分割也受此效应影响;而大尺度的影像分割造成较小目标的遗漏。本文提出了一种针对高空间分辨率遥感影像的多尺度分割优化组合算法MOCA(Multi-scale-segmentation Optimal Composition Algorithm),基于后验概率信息熵指标选择影像中每个地面目标的最优分割尺度并集成组合,获得高空间分辨率遥感影像的多尺度分割优化组合结果。本文使用F指标和BCI(Bidirectional Consistency Index)两种指标评估地面目标物提取精度,并将MOCA与同类多尺度分割方法进行比较。实验结果表明,本文提出的MOCA算法可实现多个分割尺度的最优组合,并获得较高的地面目标物提取精度。     

基于ASTER图像和地形因子的岩性单元分类——以新疆木垒地区为例

利用遥感图像进行岩性分类,是遥感地质应用的重要方面之一.本文运用ASTER DEM提取地形因子,并与原始的光谱图像相结合用于遥感图像的岩性单元分类.文章分析了不同尺度的地形因子对岩性单元分类的作用,并进一步分析和比较各种地形因子对岩性单元分类的作用.结果表明,在岩性单元分类过程中加入不同的地形因子可不同程度地提高岩性单...     

基于谱空间统计特征的高分辨率影像分割尺度估计

多尺度分割是面向对象遥感影像分析的关键性基础步骤,影像分割过程中尺度参数的选择直接关系到面向对象影像分析的质量和精度。本文首先从理论层面将遥感影像分割的尺度界定为基于统计的原始影像全局或局部特征的一种定量化估计,并在算法层面上将多尺度分割算法的尺度参数概括为空间尺度分割参数（类别或斑块间的空间距离）、属性尺度分割参数（类别或斑块间的属性距离）和合并阈值参数（斑块大小或斑块像元数目）;接着,提出了基于谱空间统计的高分辨率影像分割尺度估计方法;最后,以均值漂移多尺度分割算法为例,采用高空间分辨率的Ikonos、Quickbird和航空影像数据,对本文提出的基于谱空间统计的高分辨率影像分割尺度估计方法进行了验证。结果表明,该方法在一定程度上不仅避免了高分辨率遥感影像分割尺度参数选择的主观性和盲目性,还提高了面向对象影像分析的自动化程度,具有可行性和有效性。     

基于傅里叶变换的谷间距特征信息提取及其影响因素研究

谷间距(Valley Spacing)是描述相邻沟谷距离的特征参数,它能较好地反映沟谷的次序等级和空间分布特征。本研究以黑河正义峡和兰州大岭岘2个样区为例,利用ArcGIS软件,将无人机测绘获取的0.12 m分辨率地表高程数据通过重采样生成不同分辨率的数字地表模型。通过MATLAB软件,将不同分辨率、不同空间域的数字地表模型作为二维空间域信号进行傅里叶变换。通过傅里叶变换及频谱分析研究地形的频谱特征与地表谷间距之间的转换关系。分析结果显示:①当区域内只有一级沟谷时,频谱中谷间距特征信号的有效提取要求地形分辨率至少优于1/5谷间距,分辨率的粗略化则直接影响着地形频谱中谷间距特征信号的识别,但是分析空间域对频谱谷间距特征信号的捕获影响较小;②当区域内有多级沟谷时,分辨率优于1/3谷间距时即可有效提取到该级沟谷的谷间距特征信号,分辨率的粗略化和空间域的增大都会使得频谱中较低序次等级沟谷的谷间距特征信号减弱,而较高序次等级沟谷的谷间距特征信号增强。     

多模型协同下的城郊地区DEM构建方法研究

人类活动对地表的改造使其呈现形态多样化、不连续等特征,此时传统的DEM构建方法难以满足这些区域DEM精度要求。为此,本文提出了一种多模型协同构建DEM的思路,首先按照形态特征和语义信息对地形进行分类,然后对不同类型的地形区域,选择、设计适宜的方法分别进行DEM构建,最后将不同区域构建DEM结果融合拼接形成区域完整的DEM结果。本文选择江苏省南京市城市郊区某区域为实验区,以1:500比例尺地形图为基本数据源进行DEM构建实验。实验结果表明,与传统经典DEM构建方法相比,本文提出的多模型协同的DEM构建方法能够有效表达实验区域不同的地形特征,特别是对于人工改造的地形(如道路、边坡等区域),本文方法构建的DEM其形态精度优势显著;同时,基于验证点法的高程精度分析结果表明,本文方法构建DEM的高程精度亦优于传统DEM构建方法,特别是对于一些形态规则而高程信息相对稀少的区域,以边坡区域为例,经典DEM构建法平均误差均超过5 m,而本文构建结果平均误差为0.26 m,精度优势非常明显。研究表明本文提出的多模型协同的DEM构建方法适用于人类活动改造或显著影响的区域的DEM构建。     

基于光谱和形状的遥感图像分割质量评估方法

针对多尺度遥感图像的分割质量评估问题,提出了一种光谱和形状相结合的分割质量评估方法。首先,采用超像元方法对图像进行初始分割,将图像过分割为若干区域;其次,根据合并准则迭代合并相邻区域来生成各尺度图像,其中,使用尺度集结构来索引各尺度的区域,使用邻接图来记录各尺度下区域间关系;然后给出各尺度图像形状紧凑性和平滑性的计算公式,并结合各尺度图像光谱特征计算出各尺度图像的同质性和异质性;最后根据贝叶斯风险最小准则选择最优分割尺度。实验结果表明,该方法可以适应不同图像内对象特质,使得最优分割尺度的选择更合理,图像分割效果更佳。     

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...     

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。     

�����������ŷָ�߶ȼ���ģ��

???????????????????????????????????????????????????????????????????????????????????????????????????ж????????????????????????????????????顣????????????????????????????????????     

基于DEM的江苏省平原/丘陵分区与制图

在平原微丘区,丘陵、平原界限的确定是地貌图制作的难点.本文首先指出,地貌的多样性和地区差异性决定了地貌分类的量化指标差异性,通过对比实验,制定一套合理、有效的丘陵、平原量化分类标准.在此基础上,以江苏省1:50 000比例尺25 m分辨率DEM为基本数据源,对全省平原、丘陵进行了划分.通过自动制图综合,完成了江苏省地貌类型图制作.实验结果显示,所提出的分类指标简单、实用,该方法大大提高了丘陵岗地划分效率与精度.     

基于等高线空间关系的鞍部点提取方法

鞍部点是反映地表形态起伏变化的重要地形特征点之一,准确地提取鞍部点有利于地形的空间关系和结构特征分析。现有的鞍部点提取方法通常是直接基于规则格网DEM数据,无法顾及鞍部点与周围地形的空间拓扑关系和复杂地形对其的影响,不仅产生大量的伪鞍部点,而且忽略一些关键地区的鞍部点。本文根据鞍部点的地形形态特征,设计了一种基于等高线数据的鞍部点提取算法。该算法利用等高线闭合的特征,将等高线按照一定规则转成等高面数据,再利用等高面之间的相邻拓扑关系实现递归查找并自动提取鞍部点。实验结果显示:①鞍部点的数量和位置与等高距的大小显著相关,在一定尺度范围内,等高距越小,提取出鞍部点越多,位置精度也逐渐提高;②与基于规则格网DEM数据提取方法相比,该方法能更有效的过滤大量伪鞍部点,提高了鞍部点的提取精度,同时也降低了鞍部点提取算法的复杂度;与基于等高线的增量缓冲方法(Incremental Buffering Algorithm)相比,本文的方法能有效提高鞍部点提取的完整性,更适用于本文DEM的尺度即5 m DEM数据。     

An object-based approach for two-level gully feature mapping using high-resolution DEM and imagery: a case study on hilly loess plateau region,China

Gully feature mapping is an indispensable prerequisite for the motioning and control of gully erosion which is a widespread natural hazard. The increasing availability of high-resolution Digital Elevation Model (DEM) and remote sensing imagery, combined with developed object-based methods enables automatic gully feature mapping. But still few studies have specifically focused on gully feature mapping on different scales. In this study, an object-based approach to two-level gully feature mapping, including gully-affected areas and bank gullies, was developed and tested on 1-m DEM and Worldview-3 imagery of a catchment in the Chinese Loess Plateau. The methodology includes a sequence of data preparation, image segmentation, metric calculation, and random forest based classification. The results of the two-level mapping were based on a random forest model after investigating the effects of feature selection and class-imbalance problem. Results show that the segmentation strategy adopted in this paper which considers the topographic information and optimal parameter combination can improve the segmentation results. The distribution of the gully-affected area is closely related to topographic information, however, the spectral features are more dominant for bank gully mapping. The highest overall accuracy of the gully-affected area mapping was 93.06% with four topographic features. The highest overall accuracy of bank gully mapping is 78.5% when all features are adopted. The proposed approach is a creditable option for hierarchical mapping of gully feature information, which is suitable for the application in hily Loess Plateau region.     

DEM起伏纹理的视觉认知内涵与多变量消隐方法

地形是在内外营力的共同作用之下综合形成的,不同类型的地形具有不同的起伏形态特征,从全局或宏观的观测视角,可以视觉感知到这种地形起伏及其特征规律。纹理是众多物体表面呈现的有规律的线条组合,DEM作为地形的数据表达,不同地形类型区域的起伏形态具有纹理的显著表征。目前,对于DEM纹理研究主要是从DEM影像认知的角度出发,利用图像纹理的计算方法进行地形纹理对象描述和指标的提取,并基于获取的纹理对象进行区域地形特征分析和地貌类型的分类,在视觉上的反映存在不足。DEM起伏纹理作为一种基于某种观测视角和尺度的地形要素组合对象,首先需要对其进行系统的视觉认知,明确基于视觉认知的DEM起伏纹理构成要素和不同视觉变量控制的纹理要素组合结构,通过实现DEM起伏纹理的多维可视化建模,达到DEM数字地形建模的抽象与简化。基于此,本文以DEM地形起伏纹理为研究对象,对DEM起伏纹理进行视觉认知,明确DEM起伏纹理的涵义并建立提取方法,使用建立的方法实现了DEM起伏纹理的提取,取得了较好的提取效果。从视觉感知的机制出发,确定了决定视觉感知结果的视觉变量组合。确定了包含景深、长度和邻域等用于视觉综合的参数,设计建立了多变量的DEM起伏纹理消隐方法。最后设置视觉变量并使用该方法实现了DEM起伏纹理的消隐,消隐后DEM起伏纹理的数量分别降低了45.2%和53.2%,视觉上也取得了较理想的结果,具有一定的应用价值。