土地利用数据尺度转换的精度损失分析

由于栅格数据便于空间分析,因而通常将矢量数据转化成栅格数据来进行空间分析.在转化过程中,选用不同的栅格大小,其面积和精度损失是不同的.针对这个问题,以重庆市110万的土地利用矢量数据为例,探讨了不同栅格大小下,各种土地利用类型在转化过程的面积和精度损失.研究表明(1)栅格大小＜100m时,其精度损失均＜3.3%.(2)在1000m时,其精度损失达到50%以上的地类有湖泊、水库坑塘、滩地、农村居民点用地、工交建设用地、戈壁、裸岩石地、平原区旱地和坡度＞25°的旱地,这些地类的平均图斑大小均在＜51hm2.(3)在30m～1000m间,平均图斑大小＜82hm2的地类随着栅格的由小变大,其面积变得比实际面积小;平均图斑大小＞101hm2的地类中除高盖度的草地和河渠之外,却与此相反.     

矢量数据向栅格数据转换的一种改进算法

地理信息系统的发展与空间数据结构的优化密不可分,栅格数据与矢量数据之间的高效转换是GIS的关键技术之一。由于栅格数据十分有利于空间分析中的叠置分析,因而通常需要将矢量数据转换成栅格数据。该文分析对比了地理信息系统的两种基本数据结构,在总结已往矢量数据转换为栅格数据方法的基础上,依据边界代数多边形填充算法的基本原理,结合绘图作业时采用的正负法,提出了一种改进的折线边界(数据串)跟踪方法。该算法原理简单,不需进行复杂的距离比较运算,运算速度快,并且通过简单的角度判断保证了填充的精度。     

土壤碳库研究中土壤数据从矢量到栅格的等精度转换

矢量数据转换成栅格数据是多数区域土壤碳库研究中数据准备的关键步骤。本研究以太湖地区1:5万、1:50万、1:400万3个比例尺土壤矢量数据库为基础,分别转成不同分辨率的栅格数据;基于不同比例尺和栅格分辨率数据,研究水稻土表层(0～20cm)的土壤类型数量、面积、有机碳储量以及有机碳密度变化,并以矢量数据获得的这4个指标为基准,用相对变异百分数(VIV)来判别不同栅格数据与其对应比例尺土壤矢量数据之间的精度差异。结果表明,在4个指标的|VIV|<1%前提下,3个比例尺矢量数据分别转换成0.2km×0.2km、1km×1km、9km×9km的栅格数据,既保证数据转换过程中精度要求,又避免了数据冗余。土壤数据比例尺与栅格分辨率等精度转换对应关系可描述为y=0.0225x-0.01233(R²=0.999),对区域土壤碳循环研究具有重要参考价值。     

栅格化属性精度损失的评估方法及其尺度效应分析——以四川省1:25 万土地覆被数据为例

选择在600 m~30 km 16 个尺度上,在ArcGIS 中利用常用的面积最大值法(Rule ofMaximum Area,RMA) 对2005 年四川省1:25 万土地覆被矢量数据进行栅格化,并采用两种属性精度损失评估方法：传统的常规分析方法和一种新的基于栅格单元分析方法,来对比分析在这两种评估方法下RMA栅格化的属性(这里是指面积) 精度损失随尺度的变化特征。结果表明：(1) 在同一尺度下采用基于栅格单元方法分析所得的研究区平均属性精度损失大于常规分析方法分析得到的平均属性精度损失,且二者之间的差异在1~10 km内很明显,当栅格单元大于10km时,两种方法得到的平均属性精度损失的差值稳定,且其随尺度的变化曲线趋于平行;(2) 基于栅格单元分析方法不仅能够准确地定量估计RMA栅格化的属性精度损失,而且能客观地反映属性精度损失的空间分布规律;(3) 对四川省1:25 万土地覆被数据进行面积最大值法(RMA)栅格化的适宜尺度域最好不要超过800 m,在该尺度域内数据工作量适宜,且RMA栅格化属性精度损失小于2.5%。     

基于矢量数据的土地利用类型分维数计算程序设计及其应用

当前用来计算分形维数的原始数据通常是栅格图像,但是现有的土地利用数据大多以矢量形式存放,若将其转为栅格形式后计算分维数,则将面临基于栅格图像所得到的分形维数的计算精度与像元尺寸以及图像自身大小有较大关系,并且在对栅格图像进行不规则形状提取时容易造成数据丢失等问题。鉴于此,本文利用Visual C#完成了基于Windows平台的矢量数据分形维数计算程序设计,并利用该程序对20世纪90年代三个时期的秦岭中段和鄂东南地区土地利用类型的分维数进行了求算。结果表明该程序是一种方便、实用而且精确的分维数计算方法。此外,从三期各类土地利用类型的稳定性指数来看,在秦岭中段地区表现为：居民点及工矿用地>未利用土地>水田>旱地>草地>林地>水域,而鄂东南地区则表现为：水田>未利用土地>居民点及工矿用地>旱地>林地>草地>水域,这说明在上述两个地区,林地、水域、草地的稳定性都相对较差,它们的潜在变化趋势也较大。     

栅格化属性精度损失的评估方法及其尺度效应(英文)

Rasterization is a conversion process accompanied with information loss, which includes the loss of features’ shape, structure, position, attribute and so on. Two chief factors that affect estimating attribute accuracy loss in rasterization are grid cell size and evaluating method. That is, attribute accuracy loss in rasterization has a close relationship with grid cell size; besides, it is also influenced by evaluating methods. Therefore, it is significant to analyze these two influencing factors comprehensively. Taking land cover data of Sichuan at the scale of 1:250,000 in 2005 as a case, in view of data volume and its processing time of the study region, this study selects 16 spatial scales from 600 m to 30 km, uses rasterizing method based on the Rule of Maximum Area (RMA) in ArcGIS and two evaluating methods of attribute accuracy loss, which are Normal Analysis Method (NAM) and a new Method Based on Grid Cell (MBGC), respectively, and analyzes the scale effect of attribute (it is area here) accuracy loss at 16 different scales by these two evaluating methods comparatively. The results show that: (1) At the same scale, average area accuracy loss of the entire study region evaluated by MBGC is significantly larger than the one estimated using NAM. Moreover, this discrepancy between the two is obvious in the range of 1 km to 10 km. When the grid cell is larger than 10 km, average area accuracy losses calculated by the two evaluating methods are stable, even tended to parallel. (2) MBGC can not only estimate RMA rasterization attribute accuracy loss accurately, but can express the spatial distribution of the loss objectively. (3) The suitable scale domain for RMA rasterization of land cover data of Sichuan at the scale of 1:250,000 in 2005 is better equal to or less than 800 m, in which the data volume is favorable and the processing time is not too long, as well as the area accuracy loss is less than 2.5%.     

流域水文模型对土壤数据响应的多尺度分析

流域水文模拟对输入数据空间详细程度的要求受流域面积大小的影响,而流域面积影响作用的定量描述有助于模拟时的数据选取.本文以美国Brewery Creek流域(约19.5 k㎡)为例,在逐级连续的汇流面积上,分析了SWAT模型基于1:2.4万的SSURGO和10m分辨率的SoLIM土壤数据模拟的径流量的差别随汇流面积的变化...     

基于球面剖分格网的矢量数据组织模型研究

针对球面剖分格网系统的优势和目前矢量数据存储方式存在的缺陷,提出基于球面剖分格网系统的矢量数据组织模型,以期更有效地存储和管理大范围多模式的矢量数据.主要讨论了矢量对象在不同格网层次下的剖分组织方法及其重构表达问题,并创新性地提出了球面矢量交换文件格式(SVE).同时,基于球面剖分格网系统设计了矢量数据的空间拓扑关系构建模式及多层次表达方式,为球面的矢量对象空间分析奠定了理论基础.     

基于栅格面积成分数据的土地利用格局解释模型稳健估计

针对最小二乘估计不能应用于栅格尺度以面积成分表征的土地利用格局驱动机理分析的难题,本文提出了一种利用偏最小二乘回归法稳健估计该类土地利用格局解释模型的方法。利用该方法能在解释变量间存在多重共线性的情况下,获得基于栅格面积成分数据的土地利用格局解释模型的稳健估计。本文推导了应用偏最小二乘回归分析的数据处理和建模估计过程,并运用该方法开展了针对黄淮海地区耕地、建设用地分布格局及其驱动因子的建模分析,得到了拟合优度高的估计结果。研究表明,偏最小二乘回归分析方法在开展栅格尺度以面积成分表征的土地利用格局驱动机理分析时具备高效与稳健的特征,适宜在类似研究中推广应用。     

遥感及多源地理数据分类中的人工神经网络模型

人工神经网络模型为包括遥感数据在内的多源高维空间数据提供了有效的分类方法。从理论上介绍了后向散射误差传导模型和横块化模型，并在应用上对上述模型进行评价。     

中国高分辨率温度和降水模拟数据的验证

PRISM模型是一种基于地理特征和回归统计方法生成气候图的模型。基于中国及其周边国家地区2450多个气象台站观测数据,以PRISM模型模拟生成了中国2.5′×2.5′(≈4～5km)逐月温度和降水数据。利用独立于模拟数据的中国生态系统研究网络18个野外观测站的长年气候观测数据,检验了PRISM模型的模拟结果,表明PRISM模型较好地模拟了我国温度和降水的空间分布及季节变化,除了在高山和亚热带地区由于地表覆盖和局部地形的差异影响模拟结果,其模拟值与实测值之间的趋势线同1∶1线基本一致,具有显著相关关系,其中降水效果略差     

递归算法在改进基态修正时空数据模型多级历史回溯中的应用

在对基态修正时空数据模型研究现状和存在问题分析的基础上,以单个GIS空间对象的全生命周期管理为主线,解决其多级历史回溯过程中的效率和展现问题.提出一种改进基态修正时空数据模型的表述方式,并设计双向递归算法,实现空间数据在频繁变化下历史关系的高效检索.使用GIS时态播放器,以动画形式描述变更过程,直观展示空间对象的历史演变关系.最后,以地籍管理中的宗地变更为典型实例,建立应用系统,实现了宗地数据历史关系的有效管理.     

Conflation and aggregation of spatial data improve predictive models for species with limited habitats: A case of the threatened yellow-billed cuckoo in Arizona,USA

Riparian vegetation provides important wildlife habitat in the southwestern United States, but limited distributions and spatial complexity often leads to inaccurate representation in maps used to guide conservation. We test the use of data conflation and aggregation on multiple vegetation/land-cover maps to improve the accuracy of habitat models for the threatened western yellow-billed cuckoo (Coccyzus americanus occidentalis). We used species observations (n = 479) from a state-wide survey to develop habitat models from 1) three vegetation/land-cover maps produced at different geographic scales ranging from state to national, and 2) new aggregate maps defined by the spatial agreement of cover types, which were defined as high (agreement = all data sets), moderate (agreement ≥ 2), and low (no agreement required). Model accuracies, predicted habitat locations, and total area of predicted habitat varied considerably, illustrating the effects of input data quality on habitat predictions and resulting potential impacts on conservation planning. Habitat models based on aggregated and conflated data were more accurate and had higher model sensitivity than original vegetation/land-cover, but this accuracy came at the cost of reduced geographic extent of predicted habitat. Using the highest performing models, we assessed cuckoo habitat preference and distribution in Arizona and found that major watersheds containing high-probably habitat are fragmented by a wide swath of low-probability habitat. Focus on riparian restoration in these areas could provide more breeding habitat for the threatened cuckoo, offset potential future habitat losses in adjacent watershed, and increase regional connectivity for other threatened vertebrates that also use riparian corridors.