于DEM光照晕渲模拟的梯田自动提取方法

梯田作为黄土高原最为典型的人工地貌之一,有重要的农业生产和水土保持价值。传统的梯田自动提取仅限于梯田所在区域的范围划定,未能对梯田田坎线实现有效的自动化提取。鉴于此,本文提出了一种基于光照晕渲模拟的梯田快速提取方法。首先,对无人机航测生成的1 m分辨率的数字高程模型（DEM）进行4个方向的光照晕渲模拟,并相加取平均值;然后,通过适当的阈值对均值图像进行二值化,并掩膜掉沟谷等非梯田区域;最后,基于二值化图像自动矢量化得到梯田田坎线,并通过适当的长度阈值进行碎线过滤提高提取精度。本文以陕西省长武县王东沟流域为实验样区进行了实验,结果表明,该方法提取结果的准确率为89.09%,具有较好的提取精度。此外,对该方法涉及到的参数进行了讨论,表明光照模拟的方向角采用2个正交的对称方向对、高度角采用田坎坡度的反正切值、二值化阈值采用t=180-σ的经验公式,可以满足黄土高原的梯田自动快速提取。     

基于DEM的黄土小流域侵蚀监测与输沙过程模拟研究EI北大核心CSCD

黄土高原是地表物质交换最频繁、形态变化最剧烈的区域之一。小流域既是天然的地理单元,又是流域管理的基本单元,更是水沙治理等工程措施的重点试验单元。前人在黄土小流域侵蚀产沙机制与建模方面开展了一系列研究,但是受研究数据和方法的限制,目前仍没有提出一套从小流域侵蚀监测到反演输沙过程的方法体系。     

基于无人机摄影测量的地形变化检测方法与小流域输沙模型研究

流域输沙过程是地貌学和地表动力学的重要研究内容,但传统的输沙过程监测方法仅能得到某个区域的总输沙率,无法推算其空间分布。论文以黄土高原绥德县窑家湾小流域为例,利用无人机摄影测量技术得到其2006年和2019年2期数字高程模型(DEM)并计算地形变化量;然后,根据质量守恒原理和多流向算法建立泥沙在空间上的输送模型,进而计算小流域输沙率的空间分布。实验结果表明,该模型能有效模拟泥沙在空间上的输送情况,输沙率出现质量不守恒的区域面积占比小于4%,且不守恒区域多为人类活动影响区。同时,论文讨论了DEM的选择和不同地形变化检测水平对模型结果的影响。当使用第一期DEM进行泥沙搬运路径推算时,质量不守恒区域的面积显著降低。使用误差空间分布图进行地形变化检测得到的输沙率结果鲁棒性更强。使用中误差进行地形检测得到的结果在不同置信度下变化较大。基于无人机地形变化检测的空间输沙模型能方便、快捷地提供详尽的输沙率空间分布,为地表过程研究带来了新的机遇。     

顾及DEM误差空间自相关的地形变化检测方法

传统的地形变化检测方法忽略了DEM误差的空间自相关性,针对此问题,本文提出了顾及DEM误差空间自相关的地形变化检测方法。首先,通过2期DEM相减得到差值DEM（DoD）,并通过蒙特卡罗方法评估DEM的误差空间分布;其次,基于DEM误差空间分布图,通过误差传播公式计算DoD误差,并使用半变异函数分析其空间自相关程度;最后,在误差空间自相关分析和显著性检测的基础上计算地形变化量（体积）和对应的误差限。本文在4个黄土小流域进行了实验,结果表明：无人机摄影测量DEM的高程误差存在一定程度的空间自相关,通过光束平差蒙特卡罗方法可以模拟无人机摄影测量DEM的误差空间分布;在进行地形变化检测时,使用误差空间分布代替中误差进行地形变化检测有效降低了检测结果对显著性阈值的敏感性;显著性阈值从68%提高到95%时,使用误差空间分布的检测结果损失的观测值比使用中误差低5.39%~6.75%。顾及空间自相关的地形变化检测方法能够更加科学、精确地量化地形变化特征,也可有效地应用于地表变形监测、流域侵蚀监测、输沙量评估等领域。     

DEM分辨率对黄土侵蚀沟形态特征表达的不确定性分析

黄土侵蚀沟的地形表达是开展黄土沟谷侵蚀研究的基础工作,利用数字高程模型(DEM)定量描述侵蚀沟特征有助于研究侵蚀沟的形态变化和发育过程。基于DEM数据计算多种指标对黄土侵蚀沟特征进行描述是目前侵蚀沟研究中最为常用的方法。但是,受到格网DEM数据结构的限制,其计算结果会存在一定的不确定性。在侵蚀沟地形表达时,对形态特征的表达会受到DEM数据分辨率的影响,进而造成表达结果的不确定性。尤其在黄土高原地区,地形特征更为破碎,地形要素更为复杂,其表达结果受DEM分辨率的影响更为明显。本文以黄土高原典型样区为例,基于点云数据建立不同分辨率的DEM数据集,通过不同地形因子对侵蚀沟特征进行表达,分析DEM分辨率在黄土侵蚀沟形态特征表达时的不确定性。结果显示,分辨率的降低对主沟支沟比和纵比降等侵蚀沟形态特征因子产生了较大影响,且指标与分辨率多呈现线性变化关系。但是,随着侵蚀沟的横向扩张,DEM分辨率对其特征表达的影响逐渐被削弱。此外,在使用固定分析窗口进行侵蚀沟特征计算时,由于分辨率的降低,格网尺寸增大,其实际分析半径随之增大,使得计算范围内地表形态变化增加,导致沟谷切割深度随着分辨率的降低反而增加。同时,侵蚀沟主沟道区域受分辨率影响较小,沟头区域指标与分辨率的关系较弱。     

基于开源数据和条件生成对抗网络的地形重建方法

如何使用少量的地形特征复原地形地貌一直为地学领域的难题。本文使用开源数据集提取地形特征要素，使用地形特征要素作为约束条件构建了用于生成DEM的条件生成对抗网络(Conditional Generative Adversarial Networks, CGAN)，设计了基于开源DEM、开源DEM与遥感影像组合、以及5m高精度DEM提取地形特征要素生成DEM的对比实验，并对结果进行视觉效果、相关性分析以及地形因子的对比与评价。结果表明：① 在视觉效果上，3种不同方式生成的DEM在视觉效果上均十分逼近原始5 m DEM，都远好于传统插值方法生成DEM，基于开源12.5m DEM提取要素和1m遥感影像的重建效果最接近于原始5 m DEM；② 在相关性上，三种不同方式生成的DEM与原始5m DEM相关性均能达到0.75以上，组合开源数据提取要素重建DEM与原始5 m DEM相关性可达到0.85以上；③ 在地形因子方面，基于开源12.5 m DEM和1 m遥感影像提取要素重建DEM的坡度和坡向的分布趋势与原始5 m DEM最为一致。本文为高精度DEM建模提供了新的思路，在高精度DEM难以获取的区域，可以利用开源数据集和条件生成对抗网络进行高精度地形建模，从而进行地学分析和地理模拟等。