基于不同分辨率DEM的南江县坡度提取分析

坡度是影响土壤侵蚀的一个重要因子。该文以ASTER GDEM_30m为基础数据,结合全国1∶400万矢量数据,进行重采样获取分辨率为40m、50m、60m、70m、80m的DEM数据,通过坡度提取与重分类获取数据来对比不同分辨率下南江县坡度的变化趋势。结果显示:南江县北部坡度大,南部坡度小,与其北高南低的地势相吻合,坡度主要集中在8~35°;分辨率越低,对地形的概括程度越高,坡度不断变缓,向中等分级集中;南江县超过30%的坡度高于临界坡度,加之其复杂的地质环境,土壤结构疏松,水土流失严重。基于DEM对南江县坡度进行提取对比分析,以期为该区水土流失的研究提供有效的依据。     

利用中低分辨率DEM提取坡耕地坡度信息的误差分析(英文)

利用数字高程模型(DEM)实现坡耕地数据的自动提取和侵蚀状况调查,并与实地勘察及相关研究结果进行对比,分析利用中低分辨率DEM提取坡耕地坡度信息误差的来源及其对水土流失调查结果的影响。结果表明:利用忠县1∶50000地形图生成分辨率为25m的DEM,基于该分辨率DEM自动提取的坡耕地信息在评价其水土流失现状时与实地勘察和相关研究结果存在一定差异,其主要原因为:①该地区地貌特殊,平行岭谷地貌和出露的侏罗纪紫色泥(页)岩与砂岩互层结构共同作用形成的地形较为复杂,造成该区土地利用多以小地块为主的镶嵌结构,而分辨率较低的DEM对地形起伏的描述误差较大;②人为修建的梯田(水田)、坎田以及垄沟整地措施对坡耕地微观地形改变的影响较大。因此,在坡耕地水土流失现状评价中,单从中低分辨率DEM获取坡度信息来判断水土流失程度,将会产生较大误差。DEM分辨率越高,对与坡度有关的地貌和水文参数的描述越精确,提取的坡度信息越准确。中低分辨率坡度可以通过变换,使其接近较高分辨率坡度对地形起伏的反映能力。此外,还应加强实地勘察力度,并与计算机自动提取技术相结合,才是正确评价坡耕地水土流失的方法。     

不同比例尺DEM提取地形信息的比较分析——以重庆市为例

以重庆市1∶10万DEM为基准,比较分析1∶10万与1∶25万不同比例尺的DEM在地形信息容量与精度方面的差异特征.分析得出:相对与1∶10万比例尺的DEM,1∶25万的DEM所提取的地面坡度、坡向、剖面曲率及平面曲率4个地形因子在不同范围内都存在一定的误差,应用1 ∶ 25万的DEM提取地形因子会导致一些地形信息的损失.其研究成果为了解DEM的质量及适应性提供了参考标准与依据,为进一步研究控制与消除误差都具有重要的意义.     

基于不同精度DEM的黄土丘陵沟壑区地形指标提取误差分析

在宁夏盐池县南部黄土丘陵沟壑区以1∶5万和1∶10万地形图制作的DEM为研究对象,以ARC/INFO地理信息系统软件为基本技术平台,分别提取了地面坡度及坡向、平面曲率、剖面曲率4个地形指标,并进行了对比分析。结果表明,2种精度DEM在黄土丘陵沟壑区地形指标的提取上均存在不同程度的误差。最后提出了运用负地形法从DEM提取平面曲率的方法。     

不同比例尺DEM提取地形信息的比较分析——以重庆市为例

以重庆市1：10万DEM为基准,比较分析1：10万与1：25万不同比例尺的DEM在地形信息容量与精度方面的差异特征.分析得出：相对与1：10万比例尺的DEM,1：25万的DEM所提取的地面坡度、坡向、剖面曲率及平面曲率4个地形因子在不同范围内都存在一定的误差,应用1：25万的DEM提取地形因子会导致一些地形信息的损失.其研究成果为了解DEM的质量及适应性提供了参考标准与依据.为进一步研究控制与消除误差都具有重要的意义.     

基于DEM的数字地形分析

该文在对数字高程模型（DEM）数据来源及结构、数字地形分析及其应用、基于DEM的地形分析中的不确定性和误差分析的基础上,以日本东北地区岩手县早池峰山为研究对象,美国MicroImage公司开发的TNTmips地理信息系统为工具,日本国土地理院发行的“数字地图25000”为基础数据,研究基于DEM的数字地形特征提取与分析方法,以及DEM精度对地形特征的影响. 研究结果表明:①以DEM为基础可提取多种地形特征,如坡度、坡向、坡面形态、流域边界、水流路径等,这些特征在地理信息系统的支持下均可用图形和属性数据来表示;②DEM水平精度对基于DEM提取的数字地形特征影响表现为:低精度的DEM将导致研究区平均坡度变小、坡度标准差变大;同时,DEM精度对不同坡度区域表现为不同的影响,其结果按坡度大致可划分为3种不同类型,即0°～10°、10°～35°以及大于35°; DEM精度对坡向的影响除平坡外变化较小,其中平坡面积随DEM精度的降低而增大;低精度的DEM将导致水文地形信息受损,这将严重影响流域水文模型参数的确立及水文过程模拟分析的精度.      

不同DEM分辨率下的泸州市粗糙度分析

以30m分辨率的ASTER GDEM为基础数据源,通过Arc GIS软件进行重采样,得到分辨率为60m,90m,120m的泸州市DEM数据。计算不同分辨率下的地表粗糙度,并依据地表粗糙度分析泸州市地形地貌特征。结果表明:泸州市北部地区地形较为平坦、完整,地表粗糙度处于较低水平,水土流失情况较弱;泸州市中部和南部地区多中山丘陵,坡度变化较大,地表较为破碎,土壤侵蚀作用较强;随着分辨率降低,地表粗糙度处于低值的区域范围不断扩大。通过对泸州市地表粗糙度的分析,可以宏观认识区域水土流失状况,为区域水土流失的保护与治理提供可靠的现实依据。     

DEM分辨率对大兴安岭林区水土流失评价结果的影响

为揭示数字化高程模型(DEM)分辨率对水土流失评价结果的影响,基于地理信息系统(GIS)和遥感技术(RS),利用不同分辨率(10、20、30、40、50、60、70、80、90、100 m)DEM,提取坡度因子(S)和坡长因子(L),并复合成地形因子(L_S),将L_S因子、降雨侵蚀力、土壤可侵蚀性、植被覆盖和管理与水土保持措施5个主要影响水土流失的因子,带入修正的通用土壤流失方程,得到不同分辨率下的土壤侵蚀量。分析不同DEM分辨率下,地形因子及水土流失评价结果的变化规律。结果表明:在研究区域内,土壤流失量对分辨率变化最为敏感,对L_S因子的敏感度大于S因子和L因子;DEM分辨率小于40 m时,土壤侵蚀量变化较小;当分辨率为50 m时,发生剧变,当分辨率超过60 m后逐渐趋于平稳。随着DEM分辨率的降低,其对水土流失评价结果影响也越来越小,因此可以认为最适宜水土流失评价的DEM分辨率应为50~60 m。利用50 m分辨率DEM计算的研究区域水土流失主要以微度和轻度侵蚀为主,占研究区域总面积的90%以上,水土流失较严重情况主要位于山脊和人类干扰较强烈地区。     

基于分形的中低分辨率坡度降尺度变换方法研究

【目的】针对中低分辨率数字高程模型(DEM)提取坡度的尺度效应问题,建立一种能够对中低分辨率坡度进行降尺度变换的方法。【方法】利用地形分形特性和半变异函数理论,可知坡度是分辨率和分维数的函数,从而对县南沟流域设立的建模区和检验区的坡度进行降尺度变换,并对变换结果进行精度评价。【结果】在0.2～1.0倍的原始分辨率坡度范围内,100,50和25m分辨率坡度分形变换后,与目标较高分辨率坡度在统计意义上相似,并且空间分布格局基本一致,其中0.2～0.25倍的原始分辨率坡度为最佳变换范围。【结论】分形变换可以为坡度的降尺度变换问题提供理论支持,对坡度变换方法的完善有重要意义。     

溧水县DEM的建立及坡面土地面积的提取

介绍了利用生成的1∶5万3、0 m分辨率溧水县DEM数据和土地利用类型栅格数据,借助于GIS软件,首先对DEM数据提取坡度信息,然后将坡度信息与土地利用类型栅格数据结合进行空间叠加分析,研究了溧水县不同土地利用类型在各个坡度级内的面积大小。     

基于DEM与太阳辐射的北京市山地坡向提取方法研究

目的坡向是描述地形的重要因子,基于DEM提取坡向对于自然生境分析与地理生态过程模拟具有重要意义。同时,由于山地地形复杂,坡面太阳辐射受地形遮挡影响很大。本文基于DEM与太阳辐射研究山地坡向提取方法,既保持了DEM计算山地坡向的客观性,又能和坡面阴阳属性保持良好的一致性,为山地气象、土壤分布、立地条件、适宜性分析等有关研究奠定基础。方法以DEM数字地形分析技术为基础,应用基于DEM的太阳辐射分析模型,探究太阳辐射量与坡向、坡度和海拔之间的关系,建立北京地区太阳辐射参考模型,并计算样地点标准太阳辐射;依据样地点DEM计算太阳辐射与标准太阳辐射推导出太阳辐射等效坡向。结果以北京市一类清查数据山区的2 000个样地点为测试数据,将30、60、90、120、150、200 m空间分辨率的DEM计算坡向作为评判标准,建立太阳辐射参考模型,其中1 398个样地点的DEM计算太阳辐射与标准太阳辐射差异小于5%,太阳辐射等效坡向与30 m空间分辨率DEM计算坡向保持一致,占全部样地点69.9%;602个样地点受地形遮挡较大,依据太阳辐射参考模型计算进行调整,调整后其中583个样地点的太阳辐射等效坡向与评判标准一致。结论与一类清查人工测量坡向的比较表明:测试数据中样地点的太阳辐射等效坡向与评判标准一致性达到99.05%,而测试数据中样地点的人工测量坡向与评判标准一致性为72.05%。因此,依据本文方法推导出的太阳辐射等效坡向能反映出实际太阳辐射的信息,推导的坡向科学实用,为森林资源调查、立地分析等研究与生产提供了坡向获取的新方法。      

滇东南石漠化地区地形起伏度对水土流失的影响

分析石漠化地区的水土流失地理分布格局，探究地形起伏度对其分布规律的影响，为滇东南石漠化地区水土流失的防治措施提供合理且全面的依据。以滇东南石漠化地区马关县、西畴县和麻栗坡县为研究区，基于30 m空间分辨率的DEM数据计算地形起伏度，利用10 m空间分辨率的Sentinel-2数据提取土地利用类型。研究表明，根据均值变点法确定研究区地形起伏度最佳像元分析窗口为24×24，地形起伏度在0~2.41；水土流失强度主要为极强烈等级，占研究区总面积的26.85%；水土流失强度区域多集中在0.05~0.35等级范围内，地形起伏度在0.15~0.25等级范围达到水土流失强度峰值。研究区的地形起伏度与水土流失强度等级分布具有高度相关性，充分说明地形起伏度是石漠化地区水土流失的主导因素之一。     

不同插值方法的栅格DEM质量分析与最佳分辨率的选取

以鄱阳湖自然保护区为例,利用不同内插算法生成DEM,并选取高程差绝对值、中误差以及单点最大误差三大指标分析了DEM的精度,结果发现利用反距离加权(IDW)算法的精度较好。利用坡度中误差的大小判定了不同网格分辨率下的DEM精度,试图选取DEM的最佳分辨率,结果显示:当分辨率达到20时,坡度中误差的变化明显减缓,因此确定最佳分辨率为20。     

不同DEM分辨率下的坡面土壤侵蚀模型的坡长因子提取对比研究

采用基于GIS的非累计流量的坡长直接提取算法(NCSL)和空间分析提取法(SAC)对陕北省安塞县10个样区的坡长进行提取,并计算相应的坡长因子。对不同DEM分辨率下的坡长提取结果对比,结果表明:NCSL对坡长的提取精度明显好于SAC的提取结果,其中DEM在5、10 m分辨率下的提取精度最好,且二者计算的坡长因子值差异不大,因此,可采用10 m分辨率NCSL方法提取坡长。     

遥感影像的空间分辨率对提取崩岗精度的影响

从0.6 m Quick Bird、2.5 m ALOS、10.0 m ALOS遥感影像中分别提取崩岗的特征数据,分析遥感影像的分辨率对崩岗数据精度的影响。结果表明:从0.6 m Quick Bird能容易地提取崩岗数据,且重现性较好,从2.5 m ALOS能提取崩岗数据,但重现性不强,从10.0 m ALOS无法提取崩岗。从0.6 m Quick Bird和2.5 m ALOS提取的崩岗,数量基本一致,但位置不一致、边界不重合、形状差别很大,从2.5m ALOS提取的崩岗周长平均减少20.83%,占58.33%的崩岗面积减少了,平均减少19.78%。因此,可断定0.6 m Quick Bird能反映崩岗的实际情况,2.5 m ALOS能较好地反映崩岗的实际情况,10.0 m ALOS完全不能提取崩岗数据。但高精度遥感影像的获取比较困难,且价格较贵。     

Spatial Variability of Irrigated Corn Yield in Relation to Field Topography and Soil Chemical Characteristics

Corn yield, topography and soil characteristics were sampled on a 26 ha area of a centre pivot irrigated cropland. The aim of the study was to determine relationships between corn yield, field topography and soil characteristics. The study was carried out in the Alentejo region of Portugal. Corn yield was measured with a combine harvester fitted with a grain-flow sensor and positioned by means of the Global Positioning System (GPS). A grid-based digital elevation model (DEM) with 1-m resolution was constructed and several topographic attributes were calculated from the DEM: the local slope gradient (S), profile curvature (Curv), specific catchments area (SCa), and a steady-state wetness index (W). Yield and topographical attributes were computed for areas of radius 5, 10, 25 and 50 m, being considered its maximum, minimum, range and average values. The soil was systematically sampled with a mechanical probe for a total of 109 soil profiles used for analysis of the following soil superficial (<0.30 m) characteristics: extractable phosphorous (P₂O₅) and extractable potassium (K₂O), soil pH, cation exchange capacity (CEC) and exchangeable bases. With centre pivot irrigation systems, the Wave₅₀ index was shown to be useful for the identification of field areas in which low corn yields may be due to lack of water. At the same time, SCa was found to be useful for the identification of field areas in which low yields are due to excess water and drainage problems. Higher positive correlation between pH, Ca and Curv were observed; calcium concentration was found on the transition areas between flat surfaces to concave ones, while lower values were detected in convex and concave areas. Topographical indexes, namely Wave₅₀, SCa and Curv, can be especially helpful in site-specific management for delineating areas where crop yields are more sensitive to extreme water conditions.