基于全数字摄影测量数据建立DEM时分辨率的确定

分辨率是栅格DEM的基本参数之一,其大小直接影响到DEM的数据质量和地形分析的精度。采用多大的分辨率是建立和应用DEM时需解决的基本问题。利用全数字航空摄影测量方法,获取了位于陕北丘陵沟壑区的实验样区的高精度地形特征点、线数据,在此基础上,生成了9种不同数据密度的点数据集。然后利用ANUDEM和TIN方法,建立具有不同格网尺寸的2种DEM数据系列,并提取坡度均方差,平均坡度和高程中误差。根据坡度均方差、平均坡度和高程中误差随格网尺寸变化的规律,确定了建立DEM时合适的分辨率大小。研究结果表明,在利用全数字摄影测量方法建立1:10000比例尺的DEM时,应采用的分辨率约为2.5m。     

青藏高原地区3种全球DEM精度对不同地形因子的响应

[目的]探究青藏高原地区3种全球DEM精度对不同地形因子的响应,以便对全球DEM在各领域应用研究提供支撑。[方法]以青藏高原地区作为研究区,以ICESAT/GLAS的GLAH14高程数据作为高程参考数据,研究SRTM DEM,ASTER GDEM和HydroSHEDS DEM的精度对坡度、坡向以及地形粗糙度等地形因子的响应规律。[结果]总体上,SRTM DEM精度最高,HydroSHEDS DEM精度最低。不同地形因子对3种DEM精度均有不同影响。DEM误差随着坡向分布呈不同的态势。其中SRTM DEM正负测量偏离值点分别集中在南坡向和西北坡方向;ASTER GDEM正负测量偏离值点分别集中西北坡向和东南坡向;HydroSHEDS DEM正负测量偏离值点分别集中在东坡向和西南坡向。3种DEM精度与地形粗糙度均呈现较为明显的二次多项式关系。[结论]在青藏高原地区,3种DEM精度均与地形要素有着不同程度相关性,SRTM DEM精度最优且受地形要素影响程度小,HydroSHEDS DEM精度最差,受到地形要素的影响程度最大。     

三种重采样方法对冲沟坡度坡长因子的影响

为探索不同重采样方法对形态差异明显的冲沟坡度坡长(Slope length and slope steepness,LS)因子的影响,以元谋县干热河谷1∶5 000比例尺的等高线矢量数据为基础,在Arc GIS平台下构建六条典型冲沟2 m分辨率的数字高程模型(Digital elevation model,DEM),采用最邻近(Nearest,Near)、双线性(Bilinear,Bil)、三次卷积(Cubic,Cub)重采样的DEM计算LS,通过相对差系数、LS因子分级面积比例、XY散点图对比分析三种重采样方法计算冲沟LS的差异性。结果表明:Near重采样计算的LS值与Bil、Cub重采样计算的LS值差异较大,相关程度低,Bil与Cub重采样计算的LS值差异较小,相关程度高;冲沟刚发育时,Cub重采样要优于Near和Bil,冲沟侵蚀强烈时,Near重采样要优于Bil和Cub,冲沟形态稳定时,Bil重采样要优于Cub和Near。     

DEM地形综合方法对水文结构信息提取精度的影响

以巢湖流域1∶5万DEM为基础数据,采用3种指标(应用河网套合差、子流域套合差、沟壑密度)对5种DEM地形综合方法(稀疏采样法、样条函数插值法、三次卷积插值法、二次曲面拟合法、结构化综合法)所构建的粗分辨率DEM所提取的水文结构信息的精度进行了分析评价。结果表明,5种地形综合方法构建的粗分辨率DEM提取的水文结构信息精度由高到低的顺序为:二次曲面拟合法>结构化综合法>三次卷积插值法>样条函数插值法>稀疏采样法,但其精度总体上差异不大。     

微地形DEM的最佳点云密度选取

[目的]通过对微地形DEM的最佳点云密度进行分析研究,从中选取出最佳点云密度,以实现高效、快速获取地表微地形观测结果的目的,既可降低计算成本,又能够保证观测精度。[方法]通过对多个扫描测次的点云数据进行深入的研究,确定出针对该数据最佳DEM水平分辨率为4mm,对原数据进行7种等级的压缩生成对应的DEM。采用平均误差、中误差、标准差3种最常见的DEM精度指标对生成的DEM进行精度评价分析。[结果](1)在点云压缩程度15%时,随着点云密度的减小,平均误差基本没有变化,维持在极低的数值上;点云压缩程度15%时,平均误差随着点云密度的减小而迅速的增大。(2)在点云压缩程度10%时,随着点云密度的减小,标准差基本没有变化;点云压缩程度10%时,标准差随着点云密度的减小而迅速增大。(3)在点云压缩程度20%时,随着点云密度的减小,中误差基本没有变化,维持在极低的数值上;点云压缩程度20%时,中误差随着点云密度的减小而迅速的增大。[结论]对比验证分析结果表明,20%的点云压缩密度为生成微地形DEM最佳的点云密度。     

基于梯田信息的地形湿度指数表达研究

[目的]研究基于梯田DEM的地形湿度指数,为深化黄土高原地区土壤水分的研究提供依据。[方法]以黄土高原地区梯田为研究对象,选择5mDEM、基于真实田坎方法构建的1m梯田DEM和基于激光点云数据构建的高精度1 m DEM数据分别对研究样区的地形湿度指数进行表达并作对比分析。[结果]3种不同梯田DEM数据对地形湿度指数的表达有显著差异。(1)5m DEM数据仅能表现出地形湿度指数的宏观分布特征,不具备梯田地形特征信息;(2)基于真实田坎方法构建的1m梯田DEM能较准确细致地实现对梯田样区地形湿度指数的表达,梯田田面和田坎特征分布明显。但与高精度1 m DEM相比,在单个田面和田坎内部地形湿度指数定量表达有所偏差。[结论]基于真实田坎方法构建出的梯田DEM可以更加准确地表达出梯田区域的地形湿度指数分布特征,但与真实地形相比,在田面和田坎内部的表达上仍然有所偏差,其构建方法需要进一步改进。     

基于无人机影像快速估算矿山排土场边坡土壤侵蚀速率的方法

[目的]探究无人机高清影像快速估算矿山排土场边坡土壤侵蚀速率的方法,为无长期地形监测地区的土壤侵蚀强度估算提供了新方法。[方法]通过无人机和RTK-GPS分别获取研究区影像及地面控制点坐标,利用Agisoft PhotoScan Professional 1.1.2软件生成研究区空间点云,利用ArcGIS 10.3生成高精度DEM,通过目视遥感解译和现场调查,快速估算研究区土壤侵蚀速率。[结果]本研究区排土场边坡土壤流失面积11 052.53m2,土壤侵蚀总体积835.41m3,土壤侵蚀速率为4 043.82t/(km2·a)。使用普通克里金法插值生成DEM数据精度为0.26m。[结论]通过本研究方法计算出的排土场土壤侵蚀强度属于中度侵蚀,土壤侵蚀速率较为符合实际情况,精度也满足了本研究的需要,同时,在高密度点存在的情况下,各种插值方法生成DEM数据误差相差不大,使用普通克里金法能够使结果最优。     

梯田DEM构建方法精度比较研究

在黄土高原地区,梯田作为重要水土保持措施之一,在减缓土壤侵蚀的同时也改变了局地范围的地表形态。顾及梯田地形DEM构建方法的提出极大地弥补了传统中低分辨率DEM不能表达梯田突变地形的缺陷,对于地表微形态分析、土壤侵蚀等地表过程评价等具有重要意义。从基于高程、坡度、坡长等地形属性特征分析、测量误差及地形描述误差评价三方面出发,以高精度激光点云数据为基准,深入探究不同梯田DEM构建方法对梯田地形的表达差异,并对其进行了精度评价。结果表明:（1）从测量误差和地形描述误差的描述结果来看,基于真实田坎法构建结果在各种地形因子的表达上整体误差更小,更接近梯田真实地表形态;（2）从地形特征因子分析结果可知,基于真实田坎法的DEM整体精度较高,对各种地形因子的描述更准确。（3）基于真实田坎法构建出的梯田DEM能够精确描述原始地表形态,但需要较多人力工作,适用于精度较高的梯田地形研究。     

陕北黄土区SRTMDEM精度对不同地形因子的响应

以陕北黄土沟壑区域作为研究区,以1弧秒SRTM DEM数据作为研究对象,以ICESat/GLAS的GLA14高程数据作为高程参考数据,利用地理探测器的空间分异性研究方法,来研究高程、坡度、坡向、总曲率、剖面曲率以及平面曲率等地形因子对SRTM DEM数据精度的影响,并结合其影响研究了地表粗糙度与SRTM DEM精度之间的相关关系。结果表明:源数据SRTM DEM在研究区范围内系统误差为(0.470±9.520) m,精度为9.531 m。单地形因子对SRTM DEM精度的影响要比不同因子两两综合的影响小,其中坡度因子和曲率因子对精度的影响程度较大,高程、坡向因子对精度的影响程度较小。分形维数较常见的几种地形因子对数据精度的影响程度更大,分形维数与数据中误差呈现二次多项式的关系,并且随着分形维数的增加,SRTM DEM中误差逐渐增大,增长率逐渐减小,直到峰值。     

陕西省地形起伏度最佳计算单元研究

[目的]确定陕西省地形起伏度最佳计算单元,分析地形起伏度的空间分布规律,为地貌类型划分提供基础数据。[方法]以陕西省90 m×90 m的航天飞机雷达地形测绘使命(SRTM)数字高程模型(DEM)数据为基础,首先利用邻域统计分析法〔矩形邻域选取2×2,3×3,4×4,…,35×35共34个不同大小的邻域窗口,圆形邻域窗口选取20个(邻域半径R为2~21)〕对陕西省地形起伏度进行提取,然后统计不同矩形窗口和圆形窗口下的各种地形起伏度类型所占面积比例,接着运用均值变点分析法计算最佳计算单元,最后完成陕西省地形起伏度分级图的绘制,并对地形起伏度特征进行分析。[结果]不同地形起伏度类型所占面积比例的变化各有不同。按矩形邻域计算的地形起伏度最佳计算单元为12×12,对应面积为898 704m2,按圆形邻域计算的地形起伏度最佳计算单元为R=8,对应面积为1 254 191.4m2,这说明在使用邻域分析法提取地形起伏度时,采用圆形邻域有别于采用矩形邻域。陕西省地形总体较平缓,主要以小起伏、中起伏为主。[结论]简单实用的均值变点分析法,是确定最佳计算单元的一种较为理想的方法。     

复杂地形中机载LiDAR点云构建DEM的插值算法对比

机载激光雷达（Light Detection and Ranging,LiDAR）可快速、高效的获取大范围地形信息,已成为高精度地形建模的重要数据获取手段。然而,针对复杂地形的机载LiDAR点云构建数字高程模型（Digital Elevation Model,DEM）的插值误差研究缺乏,严重限制了其在土壤侵蚀、开采沉陷等地表过程研究中的应用。该研究基于黄土高塬沟壑区典型地形的机载LiDAR数据,对比了反距离加权（Inverse Distance Weighted,IDW）、克里金（Kriging）、样条函数（Spline）、自然邻域（Natural Neighbor,NN）、趋势面（Trend）、不规则三角网（Triangulated Irregular Network,TIN）等插值算法的插值误差。首先优选了IDW、Kriging、Spline、Trend等4种算法的关键参数,其次分析了不同点云密度和地形下IDW、Kriging、Spline、NN、TIN等5种算法的插值误差及其空间分布。结果表明：1）IDW最优插值参数为权指数1和搜索点数12,Kriging为无方向、高斯函数和搜索点数12,Spline为规则样条函数和搜索点数32,Trend误差达米级,不适用于地形复杂区域。2）当点云密度较小时（≤19点/m2）,IDW、Kriging、NN、TIN4种插值方法较为准确地描述地形。当点云密度较大时（≥39点/m2）,各个插值方法的DEM空间分布差异不大。3）针对黄土高塬沟壑区复杂地形区域,点云密度越大,DEM的误差越小。陡坡区域DEM的平均绝对误差明显高于缓坡区域,随着点云密度增大,陡坡区域误差明显减小,而缓坡区域变化较小。当点云密度较小时（≤19点/m2）,缓坡和陡坡最优插值插值方法分别为NN和TIN;当点云密度较大时（≥39点/m2）,缓坡和陡坡最优插值插值方法均为Spline。研究结果可为机载LiDAR用于地形复杂区域的高精度地形建模与地表过程研究提供依据。     

基于环境变量的渭干河-库车河绿洲土壤盐分空间分布

土壤属性的数字制图对精准农业生产和环境保护治理至关重要。为了在大尺度上尽可能精确的监测土壤盐分空间变异性,该文使用普通克里格(ordinary kriging,OK)、地理加权回归(geographically weighted regression,GWR)和随机森林(random forest,RF)方法,结合地形、土壤理化性质和遥感影像数据等16个环境辅助变量,绘制渭干河-库车河绿洲表层土壤盐分分布图。基于决定系数(R^2)、均方根误差(RMSE)和平均绝对误差(MAE)验证模型精度。结果表明:不同方法预测的盐分分布趋势没有显著差异,大体上从研究区的西北向东南部方向增加;结合辅助变量的不同预测方法中,RF方法预测精度最高,R^2为0.74,RMSE和MAE分别为9.07和7.90 mS/cm,说明该模型可以有效地对区域尺度的土壤盐分进行定量估算;RF方法对电导率(electric conductivity,EC)低于2 mS/cm时预测精度最高,RMSE为3.96 mS/cm,很好的削弱了植被覆盖对电导率EC的影响。     

藏北高原区DEM高程与坡度值提取的误差分析

高程是数字高程模型（DEM）的基本信息,坡度是DEM进行地形分析的重要描述性因子之一。选取藏北高原区为研究区域,在实测GPS高程值和实测坡度数据的基础上,对SRTM与ASTER GDEM高程值和提取的坡度进行了误差分析。研究表明：（1）SRTM和ASTER GDEM在采集高程值时误差较小,二者与实测值之间的Pearson相关系数分别为0.975和0.994,中误差（RMSE）为57.381和31.106,精度比率（AR）为2.089和1.976,相对平均误差（R_ME）为1.1%和0.7%;（2）SRTM提取坡度的误差较大,而ASTER GDEM提取的坡度误差较小,二者与实测值之间的Pearson相关系数分别为0.878和0.946,中误差（RMSE）为4.014和2.395,精度比率（AR）为1.238和1.034,相对平均误差（R_ME）为21.5%和5.5%;（3）频率累计坡谱能直观地表现DEM提取坡度的误差大小。     

县域土壤质量数字制图方法比较

土壤质量研究几乎涵盖土壤研究的所有领域,土壤质量制图理论与方法是土壤质量研究的一项重要研究内容。该研究以北京市密云县为研究区,基于土壤质量评价最小数据集和指数和法计算的土壤质量指数,探究了在地学模型支持下区域土壤质量数字制图方法。研究设计了5种区域土壤质量数字制图方法,并比较了不同方法的空间数字制图精度。结果显示,目前广泛使用的基于参评指标空间插值结果的土壤质量数字制图方法精度最低、工序较繁琐,且无法反映研究区景观高度异质的特点;而基于计算后的土壤质量指数（soil quality index,SQI）,借助于地统计学方法的土壤质量数字制图方法相对比较科学合理,其中又以基于计算后的SQI和回归克里格法预测效果最好,均方根误差最小,仅为0.01897,相对于基于参评指标空间插值结果的土壤质量数字制图方法,精度相对提高率最大,达到50%以上。综合考虑空间制图精度、工序的繁简程度,在该研究设计的5种方法中基于计算的SQI和回归克里格法最佳,该法避免了地统计插值在景观高度异质区的应用局限性,预测结果与实际最为相符。     

基于轮廓不同的DEM对宁波市姚江流域平原河网的提取研究

[目的]针对目前基于DEM提取平原河网所遇到的困境,采用新的视角提取平原河网,为完善水系自动化提取方法研究提供依据。[方法]采用Acr Hydro Tools和SWAT工具在轮廓不同的DEM下,对宁波姚江流域进行河网提取和流域确定。再以提取后的流域总面积与河流总长度为定量分析的主要指标,用相对误差公式、河网套合差公式和Visual Similarity Duplicate Image Finder软件进行综合评价与误差分析。[结果]在真实河网辅助下,Acr Hydro Tools与SWAT均是在规整型DEM基础上的提取效果很差。在临近型DEM上所提取的河网、流域和流域总出口与实际相符且精度、相似度都很高。[结论]用Acr Hydro Tools和SWAT两种工具提取流域水系都是可取的,但SWAT更加便捷;不同轮廓的DEM以及其是否与流域总出口相切会极大地影响河网提取的质量。     

3种坡面流水深测量方法比较

[目的]为坡面流水深的快速、准确测量提供技术支撑。[方法]采用超声波系统测量变坡试验水槽不同坡度和流量条件下坡面流水深,同时用测针法和染色法对其进行平行测量,利用平均绝对误差(MAE),平均相对误差(MRE),相对均方差误差(RRMSE)和Nash—Sultcliffe系数(NSE)4个指标比较超声波法和染色法或测针法测量数据的接近程度。[结果]通过对3种方法测量结果的比较分析发现,不管以测针法还是以染色法的测量值为参照,超声波法测量的水深值与参照值更接近且相关程度更高。[结论]超声波法能快速有效地测量坡面流水深,用于侵蚀静床坡面流水动力学、土壤侵蚀机理等相关的研究工作。     

基于地形属性使用回归, 克里格和人工神经网络方法估算饱和导水率空间分布

Several methods,including stepwise regression,ordinary kriging,cokriging,kriging with external drift,kriging with varying local means,regression-kriging,ordinary artificial neural networks,and kriging combined with artificial neural networks,were compared to predict spatial variation of saturated hydraulic conductivity from environmental covariates.All methods except ordinary kriging allow for inclusion of secondary variables.The secondary spatial information used was terrain attributes including elevation,slope gradient,slope aspect,profile curvature and contour curvature.A multiple jackknifing procedure was used as a validation method.Root mean square error (RMSE) and mean absolute error (MAE) were used as the validation indices,with the mean RMSE and mean MAE used to judge the prediction quality.Prediction performance by ordinary kriging was poor,indicating that prediction of saturated hydraulic conductivity can be improved by incorporating ancillary data such as terrain variables.Kriging combined with artificial neural networks performed best.These prediction models made better use of ancillary information in predicting saturated hydraulic conductivity compared with the competing models.The combination of geostatistical predictors with neural computing techniques offers more capability for incorporating ancillary information in predictive soil mapping.There is great potential for further research and development of hybrid methods for digital soil mapping.     

基于无人机数码影像的冬小麦氮含量反演

准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用。利用无人机(unmannedaerialvehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测。该研究利用2015年北京市小汤山冬小麦无人机数码影像,采用3种阈值分割方法,将田间植株作物与土壤背景分离。对比影像分割方法的时效性与准确性,最终确定可见光波段差异植被指数VDVI(visible-band difference vegetation index)提取植被信息。按照试验方案要求,在不同的氮肥与水分胁迫管理下,将冬小麦3次重复试验分成48个试验小区,依据小区边界提取小区的红、绿和蓝通道的平均DN(digitalnumber)值,选取25个植被指数,同时与各个试验小区冬小麦不同器官氮含量进行相关性分析,筛选数码影像变量。由于植被指数之间耦合度较高,因此采用主成分分析对原始数据进行成分提取,提取特征向量参与建模,最后利用多元线性回归分析建立氮素反演模型,通过决定系数(R2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标筛选出最佳模型,探究各器官氮素含量与数码变量的相关性。结果表明,实验室实测氮素含量与UAV数码影像氮素反演结果及基本一致。在反演模型构建精度方面,3种数据处理结果整体部分植被指数,反演效果叶氮植株氮茎氮。以冬小麦挑旗期为例,叶片氮含量整体信息提取验证模型的R2、RMSE和nRMSE分别为0.85、0.235和6.10%,比部分信息提取验证模型的R2高0.14,RMSE和nRMSE分别降低0.068和1.77个百分点;比植被指数信息提取验证模型的R2高0.43,RMSE和nRMSE分别降低0.141和3.67个百分点。研究表明,基于UAV数码影像利用多元线性回归构建冬小麦氮素含量反演模型,对试验小区整体提取作物信息的方式反演冬小麦叶氮含量效果最好,相比传统反演方法,模型稳定性更高,可为冬小麦田间水肥决策管理提供参考。