黄土丘陵沟壑区1∶1万及1∶5万比例尺DEM地形信息容量对比

黄土丘陵沟壑区地形变化异常复杂 ,1∶5万地形图对原始 1∶1万地形图等高线形态综合、取舍程度很大 ,这些都在不同程度上影响了地形分析结果的准确性。以高精度的 1∶1万比例尺DEM为校准值 ,运用 1∶1万及 1∶5万比例尺DEM叠合比较分析的方法 ,研究 1∶5万DEM的地形信息容量及提取不同地形要素的精度。试验结果表明 ,在黄土丘陵区 ,与 1∶1万DEM相比 ,1∶5万DEM在所提取的地面坡度、地面曲率、沟壑量等地形定量指标方面均都存在着较大的误差。     

不同栅格分辨率数字坡度模型转换图谱研究

以陕北绥德县韭园沟流域为试验样区，采用1：1万比例尺、5m分辨率DEM所提取的坡度为准值，研究该地区在同一比例尺、不同水平分辨率条件下DEM提取坡度因子的精度特征。该研究获得不同栅格分辨率DEM所提取地面坡度统计值的转换图谱。该成果对于正确估算DEM提取坡度等地形因子的精度与应用适用性，对于其它若干应用标准的制定，提供了重要的依据。     

基于GIS的不同精度DEM提取地形指标误差分析——以盐池县南部山区为例

以1∶5万和1∶10万地形图制作的DEM为研究对象,分别提取地面坡度及坡向、地表粗糙度、沟壑密度、坡长5种地形指标,并进行对比分析。实验样区为盐池县南部山区,基本技术平台为ARC/INFO地理信息系统软件。研究结果表明,两种精度DEM在提取地面坡度与地表粗糙度不同程度存在着误差,提取沟壑密度与坡长存在误差较小。提出了运用地理信息系统软件结合DEM提取沟壑密度与坡长的方法。研究成果对于DEM精度估算与误差纠正有一定的指导意义。     

基于不同分辨率DEM的永寿县地形信息差异分析

高分辨率的DEM往往可以囊括更多更详细的地形信息,但过于详细的数据可能会造成数据冗余给计算带来不便。为了研究不同分辨率的数字高程模型(DEM)在对地形信息表达的现实意义,基于不同比例尺、不同栅格空间分辨率的DEM进行了地形特征的提取与分析,结果表明:(1)地面整体坡度随着分辨率降低逐渐减小,对地形的描述越来越粗糙,概括性越来越高,地形整体趋于平坦化。(2)基于较小分辨率DEM提取的坡向更具有宏观意义,而高分辨率DEM提取的坡向可反映地形的细部朝向。(3)随着DEM分辨率下降,地面平面曲率能更加概括区域地形,使山谷线和山脊线更明显,但会导致大量细部信息的丢失。(4)DEM所提取的地面剖面曲率值随着DEM分辨率的下降显著减小,即地面坡度的变化减小,地面的转折棱角逐渐趋于平滑,地形起伏变化特征精度降低。     

基于计曲线的DEM生成与地形分析——以在黄土高原的试验为例

数字高程模型(DEM)是水土流失监测与水土保持中地形分析不可缺少的空间数据，但是，目前国家测绘部门1：1万比例尺DEM的完成尚待时日。提出了利用计曲线快速生成DEM的技术方法，并以黄土丘陵区为试验样区，评定其精度特征与应用适宜性。实验结果表明，该方法生成的DEM同首曲线数字化生成的DEM相比，建立的效率大为提高，精度有保证，能够满足黄土高原地区一般地形分析的需要，不失为一种快速、简洁、有效的技术方法。     

区域水土流失地形因子的地图学分析

地形是影响区域水土流失的主要因子,基于中小栅格DEM提取的坡度是区域水土流失地形因子的主要指标之一。根据地貌学和地图制图学论文分析和对地形图及其DEM图形分析表明,在一定比例尺范围内（1∶1万~1∶25万）,多种比例尺的地形图均能表现区域地形的宏观结构特征;随着DEM分辨率的降低,在DEM上量算得到的坡度不断趋于平缓;由于制图综合不直接影响高程的数值,所以中小栅格DEM表现地面起伏的能力是存在的,只是发生了一定的变形而已。     

SRTM与地形图生成DEM的地形表达能力对比

数字高程模型是进行地学研究的重要基础数据,SRTM数据是公众可以免费获取的精度达90 m的DEM数据.在ARCGIS软件的支持下,选取典型试验样区,利用1:5万和1:10万地形图建立的DEM和1:25万TINDEM与SRTM数据进行分析,提取坡度和坡长等地形因子,得出SRTM对地形的表达能力.结果认为,SRTM数据在地形表述能力上仍远不如1:5万的地形图,甚至还不如1:10万地形图的地形表达能力,但是明显优于1:25万TINDEM的地形表达能力.     

基于BP神经网络自动提取沟谷研究

 提出将提取沟谷的过程转化为根据地形因子综合判定地貌类型的思路。以陕西绥德黄土丘陵沟壑区域1∶1万地形图制作的分辨率为5 m的DEM为研究对象,运用BP神经网络分析6种地形因子与沟谷地形的相互关联关系,认为降水累积量是判定沟谷地形的最重要因子。在试验样区建立BP神经网络,利用4种地形因子自动提取沟谷,并在检验样区通过了检验。     

DEM地形复杂度指数及提取方法研究

在充分阐述各种地形信息表达方式的基础上,提出了基于栅格DEM的地形复杂度指数的概念与计算方法。研究结果认为,DEM的地形复杂度指数是描述地形变化程度的综合指标。可以在一个3×3窗口中,通过提取栅格中心点与其邻域栅格所组成的相邻的空间平面之间的夹角来表示。根据在陕北黄土丘陵沟壑区1∶5万DEM的试验结果显示,该方法所提取的地形复杂度指数,可有效地描述该类DEM信息源的地面形态变化情况。该研究结果为进一步深入探讨DEM地形信息量的概念体系,以及地形信息量的空间分异规律及其随空间尺度(比例尺、栅格分辨率)变化的规律创造了重要的条件。     

不同地貌类型区1∶25万比例尺DEM的建立方法

以在3个不同地貌类型区的试验为例证，研究探讨建立栅格化DEM的技术要点和技术方法，并对所建立DEM的精度进行评价。研究结果表明，在平原区可以直接利用Terlk层及水系要素建立DEM；在山区，则首先需要进行构造地形结构线的预处理，而在黄土丘陵沟壑区，不仅需要构造地形结构线，而且需借用大比例尺的高程数据进行高程加密处理，以最大限度地减少地貌特征信息的损失，为区域水土流失的动态监测基础地理数据库的建立提供重要的技术方法。     

黄土丘陵沟壑区不同数据结构DEM转换精度研究

栅格DEM与TIN是DEM表面建模主要的2种方法。应用DEM进行地形分析时,栅格DEM与TIN的相互转换非常必要,但在转换中所产生的误差直接或间接地影响到分析结果的准确性。以陕北黄土丘陵沟壑区的绥德县韭园沟流域为实验区,采用高精度的1:1万DEM为基准数据,探讨不同转换参数对转换精度的影响。实验结果表明,所建立的栅格DEM表面高程误差随着TIN的转换阈值的增大而增大、所提取的地面坡度、沟壑密度的精度随之降低。TIN的转换阈值以5 m为较为理想的指标。     

Proximal sensor-enhanced soil mapping in complex soil-landscape areas of Brazil

Portable X-ray fluorescence (pXRF) spectrometry and magnetic susceptibility (MS) via magnetometer have been increasingly used with terrain variables for digital soil mapping. However, this methodology is still emerging in many countries with tropical soils. The objective of this study was to use proximal soil sensor data associated with terrain variables at varying spatial resolutions to predict soil classes using the Random Forest (RF) algorithm. The study was conducted on a 316-ha area featuring highly variable soil classes and complex soil-landscape relationships in Minas Gerais State, Brazil. The overall accuracy and Kappa index were evaluated using soils that were classified at 118 sites, with 90 being used for modeling and 28 for validation. Digital elevation models (DEMs) were created at 5-, 10-, 20-, and 30-m resolutions using contour lines from two sources. The resulting DEMs were processed to generate 12 terrain variables. Total Fe, Ti, and SiO₂ contents were obtained using pXRF, with MS determined via a magnetometer. Soil class prediction was performed using the RF algorithm. The quality of the soil maps improved when using only the five most important covariates and combining proximal sensor data with terrain variables at different spatial resolutions. The finest spatial resolution did not always provide the most accurate maps. The high soil complexity in the area prevented highly accurate predictions. The most important variables influencing the soil mapping were MS, Fe, and Ti. Proximal sensor data associated with terrain information were successfully used to map Brazilian soils at variable spatial resolutions.     

基于元胞自动机的黄土小流域地形演变模拟

黄土高原以沟沿线为基准分为正地形和负地形2种基本的地貌形态,黄土小流域正负地形演变是黄土高原地貌形态发育的缩影。该文采用元胞自动机建模方法,对人工降雨条件下室内黄土小流域正负地形的动态演变过程进行建模与模拟。试验使用近景摄影测量方法监测小流域发育过程,处理获得10mm分辨率的数字高程模型。模拟迭代过程逼真地刻画了黄土负地形区向正地形区不断蚕食的动态演化过程,并能反映出非常重要的黄土陷穴现象的发生。模拟结果在数量上和空间分布上都取得了较好的模拟效果。研究认为元胞自动机建模方法可以用来模拟黄土小流域的正负地形演变,有助于揭示黄土地形演化机制。     

基于GF-1遥感数据预测区域森林土壤有机质含量

为探索国产卫星GF-1预测土壤有机质(SOM)的能力,本研究以广东省云浮市的罗定市为研究区,以GF-1多光谱遥感影像衍生的9个遥感变量和DEM提取的9个地形水文变量为预测因子,建立2种人工神经网络模型(A模型:地形水文;B模型:地形水文+遥感),对5个土壤深度(L1:0～20 cm,L2:20～40 cm,L3:40～...     

基于DEM的陕北黄土高原典型地貌分形特征研究

应用分形理论与方法,结合陕北黄土高原1∶5万DEM数据,通过河网分形维数和稳定性系数计算,研究了陕北黄土地貌空间分布特征。结果表明:(1)陕北黄土高原不同地貌类型分形结构复杂程度各异,表现出不同大小的水系分维值和稳定性系数,其中,黄土峁状、梁状丘陵沟壑区地貌结构最为复杂,分维值最大,稳定性系数最小。黄土残塬、黄土塬区分维值次之。黄土—风沙过渡区地形结构简单,地势相对平坦,分维值最低,稳定性程度最高。(2)以分形参数作为定量化指标进行黄土地貌特征研究是可行的,DEM数据集是研究过程中的核心和基础。分形值所描述的分形特征与地貌类型、地质结构等有一定的相关性。此外,对分形几何的地学机理还需要进一步分析。     

结合统计和数字地形数据的可视化方法预测土壤深度

Information about the spatial distribution of soil attributes is indispensable for many land resource management applications; however, the ability of soil maps to supply such information for modern modeling tools is questionable. The objectives of this study were to investigate the possibility of predicting soil depth using some terrain attributes derived from digital elevation models (DEMs) with geographic information systems (GIS) and to suggest an approach to predict other soil attributes. Soil depth was determined at 652 field observations over the Al-Muwaqqar Watershed (70 km²) in Jordan. Terrain attributes derived from 30-m resolution DEMs were utilized to predict soil depth. The results indicated that the use of multiple linear regression models within small watershed subdivisions enabled the prediction of soil depth with a difference of 50 cm for 77% of the field observations. The spatial distribution of the predicted soil depth was visually coincided and had good correlations with the spatial distribution of the classes amalgamating three terrain attributes, slope steepness, slope shape, and compound topographic index. These suggested that the modeling of soil-landscape relationships within small watershed subdivisions using the three terrain attributes was a promising approach to predict other soil attributes.     

黄河粗泥沙集中来源区区域地形因子比较研究

在黄河粗泥沙集中来源区的清水川流域,以1∶10 000比例尺地形图上的小流域为基本单元,在1∶250 000比例尺DEM上提取地表起伏度、高程变异系数和等高线密度等区域土壤侵蚀地形因子,以1∶10 000比例尺计算的地形因子为真值,拟合各区域土壤侵蚀地形因子的计算方法。结果表明,等高线密度是合适的区域土壤侵蚀地形因子计算指标。应用该方法在皇甫川下游进行检验,模拟结果误差小于10%,效果良好,可作为土壤侵蚀区域地形因子计算时指标选择的参考。     

基于深度学习与融合地形特征的黄土陷穴面向对象提取方法

黄土陷穴作为黄土高原地区一种特殊的地貌类型及地质灾害,其研究对指导黄土地区水土保持与工程建设工作具有重要意义。现阶段对陷穴的研究多基于传统野外调查,该方式成本高、效率低。为此,该研究开展面向对象与卷积神经网络（Convolutional Neural Networks,CNN）相结合的黄土陷穴自动化提取方法研究,并讨论融合地形特征对CNN模型提取精度的影响。研究选取黄土陷穴发育的典型区域,基于WorldView3遥感数据与ALOS高程数据,通过莫兰指数与灰度共生矩阵熵值确定影像的分割尺度,以面向对象的方式提取黄土陷穴的光谱、形状、纹理以及地形特征,制作融合地形特征与未融合地形特征的两类训练样本,进而训练两种CNN模型对同一区域内黄土陷穴进行提取,根据精确率、召回率以及F1分数评价模型的提取精度、分析对比两种CNN模型的提取结果,并建立支持向量机（Support Vector Machine,SVM）模型与CNN模型进行比较。研究结果表明,融合地形特征进行训练的CNN模型精确率达94.62%,召回率达86.27%、F1分数达90.26%,综合提取性能最好,相较于未融合地形特征训练的CNN模型,黄土陷穴的错分量大大减少,精确率提升18.10个百分点,F1分数提升9.15个百分点;两种CNN模型F1分数均达80%以上,比SVM模型分别高出6.94个百分点,16.09个百分点,提取结果均优于SVM模型;综上,融合地形特征的CNN模型可快速、精确地提取黄土陷穴,从而为黄土地区陷穴防治工作提供支持。