DEM分辨率对地形纹理特征提取的影响

地形纹理是区分不同地貌形态的重要依据,DEM是地形纹理分析的重要数据。然而,DEM分辨率使地形纹理特征提取存在着不确定性问题。本文以具有显著地貌多样性与差异性的陕西省为例,选择6个不同地貌类型区为研究区,以25 m分辨率DEM数据作为信息源,构建了多尺度的地面坡度、光照模拟和粗糙度数据序列。在此基础上,引入空间灰度共生矩阵（GLCM）对地形表面纹理特征进行量化分析,以揭示数据分辨率对地形纹理特征提取的影响。研究表明：对于单一样区,在DEM及其3个派生数据中,原始高程数据和粗糙度数据的纹理参数特征值,对分辨率的变化较为敏感。对于不同的地貌类型区,二阶角矩和对比度这2个纹理参数具有最大的变异系数,表明它们对于区分不同地貌类型的能力最强;二阶角矩具有较大的尺度依赖性,随着分辨率的降低,其区分能力急剧降低,而对比度对于地貌的区分能力,则随着分辨率的降低而增强,并保持在一个较大的范围内。DEM数据的对比度对于不同地貌的区分能力,在所选4个参数中最为稳定,而粗糙度数据的二阶角矩区分不同地貌的能力,随着数据分辨率的变化而最不稳定。以上结果对于根据不同的研究对象选择适宜的DEM分辨率及地形纹理参数具有一定的指导意义。     

基于DEM纹理特征的月貌自动识别方法探究

月海和月陆是两种最主要的月貌单元,对于月海及月陆快速准确地识别是进行各项月球研究的重要基础。目前,月海和月陆的识别大多采用DEM结合其派生地形因子建立指标体系的方法。这种方法虽然可在宏观尺度对月海和月陆进行识别和提取,但仍存在2个问题：（1）可扩展性差,不同地区难以共用同一套地形因子构建指标体系;（2）指标体系中各因子权重设置具有较大的主观性。针对以上问题,本文以“嫦娥一号”探测器获取的全月球DEM数据,从月表地形纹理特征的角度出发,提出一种以月表DEM数据识别月海、月陆的自动快速的方法。首先,利用灰度共生矩阵模型,以DEM数据为基础,实现对典型月海、月陆地形纹理特征的量化,然后,对量化指标的筛选,构建能有效区分两类月表形貌单元的特征向量。在此基础上,选用离差平方和作为识别器,最终实现对月海和月陆的自动识别。本文识别方法的整体识别率达到85.7%;综上可知,该方法既能克服原有方法中因子权重设置的主观性,又具有较好的通用性。     

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.     

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栅格单元异质性对地形湿度指数提取的影响分析

 地形湿度指数可定量模拟流域内土壤水分的干湿状况,是静态土壤含水量的最常用指标,具有明确的物理意义。但是,由于DEM本身的结构特点,其提取的地形湿度指数具有尺度依赖性。本文主要探讨因DEM水平分辨率不同而导致的DEM栅格单元异质性,对地形湿度指数提取的影响。以厦门市地貌类型比较复杂的西源溪流域为实验区,使用1 ∶1万等高线生成的2.5m和20m分辨率DEM数据,分别提取地形湿度指数并计算栅格单元地形异质性指数,分析DEM栅格单元异质性指数与地形湿度指数之间的关系。研究表明,基于高程标准差、地势起伏度、景观破碎度和多样性的栅格单元异质性指数与地形湿度指数偏差之间均存在显著的负相关性,这4个异质性指数对地形湿度指数差值的对数回归模拟效果良好且显著有效。这对低分辨率DEM提取地形湿度指数的误差纠正,以及描述区域土壤含水量等地形湿度指数的应用研究具有积极意义。     

局部型地形因子并行计算方法研究

 随着分析区域的扩展及需求精度的提高,数据-计算密集型地形分析亟需通过并行化来满足用户的时间响应需求。局部型地形因子是以一定半径的分析窗口(通常为3×3)计算且具有单元计算结果独立性的地形信息,是数字地形分析的基本参数。本文在分析局部型地形因子串行算法特征的基础上,以坡度算法为样本,对局部型地形因子的并行计算方法进行了深入研究。从数据并行的角度,对并行计算环境下的数据划分粒度、方式及结果融合策略进行了分析,构建了局部型地形因子的并行计算方法。利用SRTM陆地表面地形DEM数据,设计了坡度并行计算的实验以验证其方法的正确性和实用性。实验结果表明,本文提出的并行计算方法顾及了任务、数据及计算环境,可快速对局部型地形因子串行算法进行并行化改造,提高算法的执行效率,具有较好的并行性能。     

基于DEM的5节点二阶差分坡度算法模型与实验分析

 坡度作为最基本的地形因子,是构建地学分析模型的基础数据,基于格网DEM的坡度计算模型的精度分析一直是地学分析的重要研究内容。本文通过分析计算坡度的 差分模型误差来源及特征,提出了一种新的模型——5节点二阶差分模型。其基本思想是顾及多距离邻近点高程信息,采用5×5分析窗口,建立单倍格网和两倍格网的差分计算线性组合模型。并通过数学分析的理论推导证明该模型可以显著提高计算精度。实验选取典型数学曲面并对其采用不同的分辨率(1m和5m)进行离散化精度验证。计算结果表明,与现有的差分模型相比,5节点二阶差分模型可以显著提高坡度的精度,对应于两种分辨率的DEM,该模型计算坡度的精度可以分别提高7×10⁴倍、3×10³倍以上,表明该模型对于高分辨率DEM数据更为适用。本研究不仅丰富了数字地形分析的方法体系,为相关地学模型分析提供更精确的坡度数据,而且为将来改进地形曲率因子等计算模型提供了一定的参 考和借鉴。     

基于DEM的沟谷特征点提取与分析

沟谷特征点是反映沟谷地貌空间形态分布的重要点位,也是研究沟谷地貌演化过程与机理的关键要素。因此,对不同沟谷特征点的有效提取,是沟谷形态研究的重要基础。本文采用DEM及其在水文分析中的多种衍生数据,通过流向追踪、邻域特征判断等一系列方法,实现对径流节点、径流源点、汇流源点、潜在裂点与流域出口点的快速、准确提取。同时,对沟谷特征点进行有效分级,本文基于Strahler河流分级法建立了相应的分类标准,对沟谷特征点进行了自动分类。通过使用陕西省宜君典型样区5m分辨率的DEM数据进行实验,发现新算法计算效率高,结果准确,对潜在裂点也进行了有效探测,验证了算法的有效性。最后,对特征点提取的数据影响进行了详细分析。     

AMMI模型的DEM内插方法不确定性研究

 内插模型的精度评价问题一直是DEM内插研究中的热点问题。以往较多的研究关注插值模型本身的精度评价,却忽略了插值模型与应用环境之间的交互作用,例如,普通克里金方法作DEM内插一般精度较差,但是当插值区域平坦时,该方法的插值精度却很高,这表明该方法对平坦地形的插值问题具有较好的适应性。为了分析不同插值模型在不同地形环境下的适用性,本文选取陕北黄土高原地区不同地貌类型的实验样区,应用AMMI模型对不同内插模型的精度,以及对不同地貌类型的适用性进行评价,该模型最大的特点是很好地结合了方差分析与回归分析的特点,特别适合于不同影响因素之间交互作用的分析。实验结果表明,AMMI模型可以有效地分析内插方法与地貌环境对内插精度的交互作用,不同的内插方法对不同的地貌类型区的适用性存在差异。以本文的研究为例,在陕北黄土高原地区最稳定的DEM内插方法是样条函数法,而反距离加权法与Top to Raster方法精度会更高。最后,通过对环境指数与若干地形因子的相关性分析,表明地貌类型区的坡度可以粗略地代表第一环境指数。     

基于1∶10000地形数据更新1∶50000 DEM的研究试验

对1:50 000 DEM数据库的现状进行了分析,提出了利用1:10 000地形数据更新1:50 000 DEM的主要内容和两种方法,简要介绍了地形变化检测方法。通过对试验区规则格网DEM成果的精度检查验证了方法的可行性。客观分析了本次试验的特点和不足,为以后大比例尺地形数据更新小比例尺DEM等相关工作提供了技术参考。     

DEM地形可视性分析的统一模型构建与应用

地形可视性也称为地形通视性,主要包括通视性分析、可视域计算等方面,在国民经济、国防建设等领域具有重要的作用.基于DEM的地形可视性自动分析与制图方法的出现,开辟了地形可视性分析的新阶段.本文针对目前可视性分析研究大多着眼于具体问题的计算方法及效率研究,分析模型间的相关研究较少的缺憾,在分析可视性问题共性的基础上,根据可视性分析的视点集合、视线、目标点集合三个要素对可视性分析进行归类总结,构建了DEM地形可视性统一分析模型以及基于该模型的模式化可视性分析方法,并对该模型进行了应用实证研究.     

顾及多分析尺度的地形部位面向对象分类方法

地形部位是地表形态的基本单元,其分类和提取在地貌发育、数字土壤制图、景观生态制图等领域有着重要的应用。康鑫等提出的多尺度Geomorphons地形部位分类法（简称多尺度Geomorphons法）利用高程相对差异信息和地形部位多尺度特征,可避免受地形属性计算及单一分析尺度约束而误分类,然而其存在分类破碎及分析尺度域难以确定的问题。基于此,本文以多尺度Geomorphons法为基础,提出了其适宜分析尺度域确定方法,建立了以初始地形部位数据层组合的对象多尺度分割和分类方法,进而构建了顾及多分析尺度的地形部位面向对象分类方法。以陕北黄土高原区域5 m分辨率DEM为实验数据,对面向对象分类方法进行了验证与评价。实验结果表明：①均值变点法可有效解决分析尺度域难以确定的问题,实验样区适宜分析尺度域为[5×5, 33×33]栅格单元;②以0,255为二值化的地形部位数据层组合适用于多尺度分割,尺度、形状及紧致度参数组合影响分割结果,且对于实验样区存在最优分割参数;③与多尺度Geomorphons法相比,本文方法得到的地形部位分类结果完整性较好,在地表形态对应和地理认知等方面更具合理性。     

基于DEM中国地势三大阶梯定量划分

"三大阶梯"是对我国地势起伏的总体描述,准确且形象地刻画了中国地势变化的总体特征,然而对于三大阶梯的具体分界线只是有大致描述,一直比较模糊.本文基于我国1:1 000 000DEM数据,利用GIS空间分析方法,实现了对三大阶梯的划分,确定了具体的分界线.实验结果显示利用DEM数据进行三大阶梯的划分可得到确定的分界线,在位置上与传统的三大阶梯基本一致,在细节上更为精细、合理.该研究是对我国小比例尺DEM数据的知识挖掘,同时也丰富了数字地形分析方法的应用.     

黄土高原地形因子间关联性的神经网络分析

不同的地形因子从不同侧面反映地面的起伏特征或空间变异,各因子之间所存在的相互关联、相互制约、相互影响的特征,在很大程度上揭示了地形发育与空间变异的内在本质。本文以黄土高原丘陵沟壑区的1∶10000和1∶50000两种比例尺的15个实验样区为样本,应用BP神经网络模型,探讨不同比例尺的地形定量因子与地面坡度之间的关联特征及其变化规律。实验结果表明:①利用神经网络分析方法可以有效定量评价地形因子间的关联性;②该研究方法有助于地学分析中DEM尺度的选择,地形因子的确定及其相关关系的量化。     

DEM提取坡度信息的不确定性分析

以陕西省671幅1∶50000比例尺,25m分辨率的DEM数据为信息源,分析DEM分辨率对提取坡度信息的不确定性影响。研究表明:平均坡度随DEM分辨率的减小呈显著递减型二次曲线变化,但当DEM分辨率减小到一定程度时,平均坡度将趋于稳定;并且,随DEM分辨率变化,坡度的不确定性呈现明显的空间结构性分布,DEM栅格单元内部地形的复杂性和变异性越大,坡度提取不确定性越大,如沟坡地坡度提取误差明显大于沟间地。因此,实际应用中要充分考虑研究区域DEM地形描述的尺度效应和不确定性问题,选择合适尺度的DEM提取坡度信息,保证提取结果的科学有效。