数字高程模型在分布式水文建模中的应用--以三峡库区晏家河小流域为例

以三峡库区晏家河小流域为例,论述了在数字高程模型的基础上,进行流域河网的生成、子流域的划分以及流域边界的确定等工作的理论与方法,并进行了与地形相关、具有水文学意义的部分参数的提取.结果表明,数字高程模型在分布式水文建模中的应用主要体现在通过DEM不仅可以实现流域离散化,而且还可以从中提取分布式水文模型所需的地形参数.     

基于全数字摄影测量的林分立木高度量测

树高是森林资源调查中的主要测树因子之一,快速准确地量测树高具有现实意义和应用价值。该文收集了东北林业大学哈尔滨市试验林场的16张航片和相应的外方位元素,建立了一个测区,通过模型的内定向、相对定向和绝对定向构建测区的立体像对模型;在立体像对模型的基础上,利用专业的数字摄影测量平台,量测研究区域内的32棵样木的高度;同时使用超声波测高器在准同步状态下实地测量32棵样木的实际高度,并将实地测量结果与数字摄影测量结果进行对比分析。结果表明,两组数据的差异不显著,基于数字摄影测量的立木高度量测的实际精度为90.92％,使用数字摄影测量量测立木高度的方法精度较高。      

基于遥感和GIS的区域生态环境分类研究

本文以石羊河流域为例,研究了基于卫星遥感数据与数字高程模型的区域生态环境分类方法.其研究机理是:利用遥感技术获取相关生态环境专题信息,运用GIS空间分析技术自动生成流域范围的生态环境边界,形成了一种科学的区域生态环境分类方法.     

基于指数的决策树土地利用分类算法研究

以湖北省松滋市部分区域为研究对象,基于2011年Landsat 5TM、2017年Landsat-8遥感影像和ASTGTM2的DEM数字高程数据,深入探讨研究区两种影像数据的多特征提取,设计基于指数的土地分类试验。结果表明,EBSI、MNDWI、MSAVI、MNDBI等遥感指数的分类精度较高;依据上述遥感指数和DEM特征,生成决策树规则,构建决策树分类模型,得到研究区的土地利用分类结果,决策树分类精度明显高于SVM法和最大似然法,Landsat-8影像分类精度高于Landsat 5TM;2011—2017年部分裸土得到了利用,主要转化为居民用地和生态用地。     

基于数字摄影测量的森林蓄积量估算

利用收集到的东北林业大学哈尔滨市城市林业基地的16张航片和相应的外方位元素,建立了一个测区,通过模型的内定向、相对定向和绝对定向构建了测区的立体像对模型,选择了有代表性的8个小班.在立体像对模型的基础之上,利用专业的数字摄影测量平台估测了8个小班的蓄积量.同时用样地法实地测量了8个小班的蓄积量,并将实地估算结果与数字摄影测量估算结果进行了对比分析.分析发现:两组数据的差异不显著,基于数字摄影测量的蓄积量估算平均精度为85.3%,最高精度为98.7%.研究结论说明,使用数字摄影测量方法估测其蓄积量,其精度比较高,该方法可以在一定条件下接近或满足森林资源调查的精度要求.     

数字高程模型在分布式水文建模中的应用--以三峡库区晏家河小流域为例

以三峡库区晏家河小流域为例,论述了在数字高程模型的基础上,进行流域河网的生成、子流域的划分以及流域边界的确定等工作的理论与方法,并进行了与地形相关、具有水文学意义的部分参数的提取。结果表明,数字高程模型在分布式水文建模中的应用主要体现在通过DEM不仅可以实现流域离散化,而且还可以从中提取分布式水文模型所需的地形参数。     

基于DEM的水位～容积关系计算及误差分析

通过理论推导,提出基于数字高程模型计算水位～容积关系的方法,并进行初步误差分析.通过实例验算,表明在地形测量数据允许的条件下,基于数字高程模型计算水位～容积关系的方法对高差明显的地区和地势平坦的平原地区均适用.     

基于栅格DEM与水流路径的黄土区沟缘线自动提取技术研究

基于数字高程模型(DEM)进行沟缘线的自动提取是黄土丘陵沟壑区进行分布式水文计算与土壤侵蚀建模的关键技术.该文以基于栅格数字高程模型进行河网提取与流域划分技术为基础,基于栅格单元间八流向算法构建水流路径,提出一种基于汇流路径坡度变化特征确定沟坡段,进一步形成封闭沟缘线的新方法,并编程实现了该方法.通过对蔡家川流域1∶10 000等高线生成2 m数字高程模型,依据35°作为判断沟坡单元的标准,自动生成沟缘线分布图,并与原始坡度分布图比较,取得满意的结果.      

辅助地形形态模式的数字遥感地貌制图方法研究

随着遥感和地理信息系统等技术的飞速发展,以手工和野外调查为主的传统地貌制图方法已不能满足信息时代的要求.鉴于此,该研究选择安徽省黄山市潜口镇为研究区,以资源三号卫星影像和1∶2.5万地形图为数据源,联合采用遥感和地理信息系统技术,分别提取等高线和高程点等地形信息,生成DEM,计算海拔高度、起伏度、坡度等地形形态矢量特征,然后按照地貌形态分类体系标准,结合地形图和遥感影像色调、纹理等特征,建立地貌遥感判读标志,在ArcGIS软件支持下,快速生成1∶2.5万数字地貌特征图.该方法在地形形态辅助下,使数字地貌制图工作更加高效便捷,为实际生产大幅节省了成本和时间.     

杉木人工林冠层高度无人机遥感估测

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机（UAV）的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型（DSM）,利用1:10 000地形图生成数字高程模型（DEM）;基于DSM和DEM叠加相减得到树冠高度模型（CHM）,实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数（R2）分别是0.97,0.84和0.78,标准误差分别是0.67,1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。     

基于无人机影像的棉花株高预测

【目的】 利用无人机遥感技术,快速、无损和高通量地获取田间株高表型信息,预测棉花品种(系)的长势监测及产量。【方法】 以无人机(UAV)搭载高清数码相机构成低空遥感平台,获取110份处于花铃期棉花品种(系)影像,测定地面实际株高;利用拼接软件与高清数码影像,生成研究区数字表面模型(DSM)和高清正射影像(DOM);基于高清的DOM和DSM,利用克里金插值法生成研究区离散地面高程值(DEM),经作差提取棉花株高(CHM),利用不同棉花品种(系)实测株高(H)与提取的棉花株高(CHM)作回归分析。【结果】 通过DOM可快速无损地监测花铃期各棉花品种(系)长势、叶色性状差异及分布状况,经DSM和克里金插值法提取的DEM和棉花株高分布图得出,研究区整体地势较平坦,高低落差仅0.5 m。所建株高模型R²达到0.846 9,验证模型R²也达到0.758 1。【结论】 利用无人机影像生成的DOM、DSM和克里金插值法生成的DEM,提取的棉花花铃期株高(CHM)精度较高,无人机搭载数码相机进行棉花株高测定具有较好的适用性。为大范围的棉花田间株高观测提供一种新的研究方法是可行的。     

基于LIDAR数据的林冠层三维信息模型的提取与应用

该文应用机载激光雷达数据,获得了高精度的树冠底部地形信息及树高信息,提取了包含植被冠层高度的数字表面模型,即林冠层三维信息模型(DCM),结合研究区的数字高程模型(DEM)可以获得用常规方法很难准确获取的森林植被参数,如冠层垂直结构、森林高度、郁闭度等.在此基础上,制作了研究区的林木高度图,具有直观、形象等特点,有助于林业部门及时、准确地掌握森林资源相关信息,并可利用DCM获得森林密度、胸高断面积、蓄积量(生物量)及单木参数等森林植被参数.     

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.      

低空林地航拍图像拼接的改进缝合线算法

目的图像拼接效果的优劣主要取决于图像配准和图像融合两个步骤。图像配准误差导致的错切以及图像序列间的视差导致的鬼影、重影问题可通过图像融合算法减小或消除。目前图像融合算法中最佳缝合线算法的综合效果较好, 但没有考虑到拼接图的正射效果, 并且无人机低空飞行时树高相对飞行高度比值较大, 这在获取正射影像时是不可忽略的干扰因素。传统的数字正射影像(DOM)是基于数字高程模型(DEM)对单张影像进行数字微分纠正进而拼接成整个区域的正射影像图。但是, 地形高程数据和植物的高度数据获取困难, 而恢复出来的地形和植物高度与实际数据存在误差, 造成DOM在局部边缘出现扭曲、模糊问题。本文提出一种不需要DEM数据, 仅用图像信息使拼接结果图保留正射投影的改进缝合线算法。方法首先对SURF特征检测、匹配与筛选, 用RANSAC算法求得的单应性矩阵确定相邻图像重叠区域; 然后基于重叠区中像素点位置与相邻两图像中心点位置的距离差可以反映正射效果的思想, 将距离差引入能量函数, 同时设计了动态权值参数用来平衡颜色、结构和距离三者的重要程度, 利用动态规划思想搜索得到最佳缝合线; 最后在缝合线两侧进行多频带融合生成类似正射影像的无缝拼接图。结果实验图像来源于不同样地、不同飞行高度, 在相邻两幅图像以及同一条带航线图像上将本文的改进缝合线算法与其他3种缝合线算法以及Pix4D生成的数字正射影像进行对比。实验结果表明, 本文提出的缝合线改进算法能保留正射投影, 视觉效果优于现有的缝合线算法, 在城镇建筑图像的实验中局部效果优于Pix4D。结论本文针对无人机低空林地航拍图像拼接重影问题和拼接结果由于视角不同而产生非正射影像区域的问题, 实现了一种不需要DEM数据进行数字微分纠正但能生成类似正射影像效果的改进缝合线算法。实验结果显示, 本文算法优于目前的最佳缝合线算法, 能够保留正射投影, 效果类似DOM, 并且在保证物体边缘清晰方面优于目前商用软件生成的DOM。这有利于更准确地计算林地的郁闭度, 估算林地植被覆盖面积, 对跟踪识别地表动植物也具有一定的帮助。除林地图像之外, 本方法也可以推广到其他需要保留正射投影的低空航拍拼接应用领域, 如城镇航拍图像等。      

集群式影像处理系统的技术研究

随着经济社会的快速发展,国家基础建设对基础地理信息的需求量越来越大,需要一种能够在少量人工干预的条件下,经过一系列自动化处理,快速输出包括数字表面模型(DSM)、数字高程模型(DEM)、正射影像(DOM)等产品,并能生成一系列其他中间产品的系统设备.该系统采用多种先进算法,包括原始图像增强、快速自动生成和滤除连接点、自动提取密集DSM、传统几何校正、由DTM自动生成等高线、自动生成镶嵌影像等.通过对系统的多次测试,能够高质量地完成基于POS数据的无地面控制点空三加密、自动DEM匹配、自动DOM生产以及影像地图自动切片等任务.     

基于无人机影像匹配点云数据的喀斯特峡谷区火龙果单株提取研究

针对无人机可见光影像对背景与目标地物混淆时提取识别难的问题,利用四旋翼无人机采集喀斯特峡谷区的火龙果影像匹配点云数据,对原始点云数据进行去噪、滤波和归一化等处理,通过建立高精度的数字高程模型(DEM)、数字表面模型(DSM),进而建立高精度的冠层高度模型(CHM),并以目视解译的火龙果株数为参照,对火龙果株数进行识别提取验证。结果表明,运用无人机影像匹配点云数据,通过冠层高度模型在一定程度上可以消除植株下方杂草的影响;当样地内的基础设施或存在地物高度与火龙果冠层接近,导致误提,错提率最高为8.55%,漏提率最高为12.28%;在各样区中,运用种子点进行火龙果株数提取的精度均在92.38%以上;运用植被冠层进行火龙果株数提取的精度均在90.68%以上。由此表明,运用无人机影像匹配点云数据提取火龙果具有快速、简单有效、成本低、精度可靠的特点,适用于喀斯特山区作物株数的快速提取,可以与基于颜色指数的提取方法互为补充。     

基于无人机航摄技术在土地整治项目中的应用研究

针对传统土地整治项目施工监管、后期监测效率不高的问题,本文通过低空无人机航摄和PhotoScan软件后期处理,对比生成的正射影像图和Google earth卫星图的分辨率和位置,发现该影像图能精准、高效的表征项目区影像数据变化,从而得到一种可用于土地整治项目各阶段动态观测的简单、快捷方法。     

利用地形、土壤和作物信息辅助提高东北漫岗地数字高程模型精度的新方法

【目的】SRTM DEM是可免费访问公开可用的数字高程模型,但是当前SRTM DEM的垂直精度不能满足精细农业对地形数据的需求,提高其垂直精度,为精准农业等领域提供数据基础。【方法】以黑龙江省海伦东兴农机合作社为研究区,采集实际地面高程数据,获取SPOT-6、Sentinel-2A遥感影像和SRTM DEM。提取归一化湿度指数（NDMI）、归一化植被指数（NDVI）、土壤亮度（TCB）、潜在太阳辐射（PSR）等变量分析地形对其影响关系。利用极限学习机（ELM）和反向传播神经网络（BPNN）提高SRTM DEM水平空间分辨率和垂直精度。使用实际地面高程点进行精度验证,与基于无人机和光学立体像对（ZY-3）生成的DEM进行对比。【结果】SRTM、NDVI、NDMI、TCB与改进后高程的灰色关联度在90%以上,是改进SRTM DEM的重要辅助信息。在整个研究区,BPNN方法的RMSE_P为0.98,R²_P为0.98,ELM的RMSE_P为1.00,R²_P为0.90。在平坦区,BPNN方法的RMSE_P为0.84,ELM的RMSE_P为1.00;在起伏区,BPNN方法的RMSE_P为0.99,ELM的RMSE_P为0.94。该方法获得的DEM的垂直精度高于ZY-3光学立体像对生成的 DEM的垂直精度,为提高SRTM的水平空间分辨率和垂直精度提供了新思路。【结论】引入SRTM、NDVI、NDMI、TCB辅助信息有利于提高SRTM DEM的空间分辨率和垂直精度,获得高精度的DEM。BPNN方法获得的数字高程模型的精度整体上高于ELM方法, BPNN方法更加适用于平坦区高精度DEM的获取,ELM方法更加适用于起伏区。     

多旋翼无人机载高光谱成像系统几何和辐射校正方法研究

针对农林环保等行业应用,结合成像光谱仪与无人机(unmanned aerial vehicle, UAV)技术,有效地解决了高光谱遥感数据不足和空间分辨率低等问题.但UAV高光谱成像系统面临的设备昂贵、数据质量差和效率低等一系列问题,致使低成本高效便捷的UAV高光谱成像系统成为了研究的关键.介绍了将室内成像光谱仪搭载在多旋翼UAV上采集数据的高光谱成像系统,在试验区布设控制点和标准灰布,用GPS-RTK测量控制点的三维坐标和ASD地物光谱仪测量标准灰布的反射率以验证系统的成像精度.从辐射和几何两个方面进行分析评价.在辐射方面,经过辐射定标和MODTRAN模型大气校正的高光谱数据中校准灰布的反射率与ASD地物光谱仪测量的结果十分吻合;在几何方面,用GPS-IMU数据进行初始几何校正的图像与地面控制点坐标以分析图像处理后的几何误差,并提出通过改正姿态偏转角的方法提高图像的地理位置精度.     

Investigation on pistachio distribution in the mountain regions of northeast Iran by ALOS

Iran supports five different vegetation zones. One of those is the Irano-Touranian zone that is located in the northeast of Iran. This vegetation zone includes arid and semi-arid lands, and its area is about 3.5 million hm². It supports growth of pistachio (Pistacia vera), a deciduous-broadleaved species, which is one of the ecologically and economically most important native species. In this study, we analyzed three images acquired by ALOS satellite, including 10m resolution multispectral band (AVNIR-2), 2.5 m resolution “Backward” PRISM image, and 2.5 m resolution “Nadir” PRISM image, based on a provided rational polynomial coefficient (RPC). Using the “Backward” and “Nadir” images, a 2.5 m resolution digital elevation model (DEM) was produced. Four methods with AVNIR-2 and PRISM data were used to produce pan-sharpening images and conduct an object-based feature extraction process. Normalized Difference Vegetation Index (NDVI) was used to determine the maximum distribution of pistachio in related elevation. The accuracy of the DEM was tested on 28 ground control points in the pair image as tie points, with the value of parallax error of 0.9027 m. The created elevation map indicated that pistachio trees grow up at 650m above sea level (a.s.l.). The result from NDVI in the related elevation showed the maximum density of pistachio at 800m a.s.l. In addition, the result of feature extraction in the forest showed the area of each target element calculated. The results of this research will improve decision-making and lead to sustainable management in general.