DEM超分辨率重构对梯田坡度提取的影响研究

坡度对地表水文、土壤侵蚀、土地利用规划有着重要的影响,区域尺度上的坡度通常基于数字高程模型(DEM)提取。区域尺度上,高分辨率坡度数据由于DEM获取途径、方式等原因,较难获得,通常通过超分辨率重构(又称降尺度变换)得到。以黄土高原地区水平梯田地形为研究对象,基于无人机摄影测量技术,生成不同分辨率的DEM数据并提取坡度,设计并给出了基于稀疏混合估计对DEM数据进行超分辨率重构的方法及流程,并与最近邻法、双线性插值法、三次卷积插值法比较,结果表明所提方法在空间分布和误差方面上均优于其他方法。     

数字流域提取方法对流域特征参数的影响研究

DEM空间分辨率和重取样方式对流域特征参数的提取会产生重要影响.以SRTM3s分辨率的DEM数据为基础,采用ZB算法、最小标高法、网格平均法3种取样方法,分别生成5种不同空间分辨卒的DEM,并对提取的数字流域特征参数进行统计分析,引入墒的概念度量取样方法和DEM空间分辨率所包含的信息量.结果表明:DEM数据中的信息随着分辨率的降低逐渐有所损失,ZB算法较其他两种方法能减缓地形信息量的衰减速率.     

数字流域提取方法对流域特征参数

DEM空间分辨率和重取样方式对流域特征参数的提取会产生重要影响。以SRTM3s分辨率的DEM数据为基础,采用ZB算法、最小标高法、网格平均法三种取样方法,分别生成5种不同空间分辨率的DEM,并对提取的数字流域特征参数进行统计分析,引入墒的概念度量取样方法和DEM空间分辨率所包含的信息量。结果表明：DEM数据中的信息随着分辨率的降低逐渐有所损失,ZB算法较其它两种方法能减缓地形信息量的衰减速率。     

DEM分辨率对SWAT模型水文模拟的影响研究

以灞河流域为研究区,以DEM的分辨率(30~500 m)作为变量,进行了DEM空间分辨率对SWAT模型水文模拟的敏感性研究。首先,不同分辨率DEM作为输入数据构建SWAT模型并进行模拟,其后将模拟结果与灞河流域马渡王、罗李村水文站的实测流量比对进行相对偏差计算,最终采用均值变点统计方法,以模拟结果的相对偏差为研究对象,探讨分析了DEM尺度效应的最佳尺度拐点。结果表明,DEM分辨率的变化深刻影响着水文模型流域特征的提取,其分辨率的降低会导致流域的最大坡度、平均坡度、河道长度均发生衰减,同时流域形状、子流域数量也会发生不同程度的改变;随着DEM分辨率的逐渐降低(30~150 m),径流模拟的结果与实际流量的相对偏差逐渐增大,但增长幅度不超过11%。当DEM空间分辨率低于150 m时,相对偏差变化并不显著。均值变点法能够很好地识别拟合曲线发生明显变化的拐点,通过统计分析发现DEM分辨率为150 m时即为模拟结果相对偏差变化趋势逐渐由陡变缓的变化最佳拐点。     

DEM分辨率对数字河网水系提取的影响趋势分析

基于栅格型DEM数据的数字河网水系提取技术为分布式水文模型的建立并应用提供了保障和基础.DEM水平分辨率不仅影响数字河网水系提取的结果,而且直接关系到水文模型计算单元的尺度.采用具有自主知识产权的数字河网水系提取软件DigitalHydro,以淮河史灌河流域黄泥庄站以上为研究对象,分析不同分辨率DEM数据对提取的流域特征的影响的变化趋势.研究表明,随着DEM分辨率的降低,流域地形被坦化,径流汇水长度变小,流域面积有增大的趋势.     

GS环境下基于DEM的流域分析

随着流域数字化进程中空间基础数据库的建设，应用地理信息系统平台有效地分析流域和水库的基本水文信息成为可能。结合在长江一级支流黄柏河流域分布水文模型建立过程中对DEM数据的应用，重点论述了从栅格DEM数据中提取水文信息的基本方法、研究进展、河网提取过程中临界支撑面积的确定方法、DEM数据分辨率对于水文要素提取的影响及其最小分辨率的确定方法。     

TOPMODEL在水阳江流域的应用及模型对DEM的敏感性检验

将TOPMODEL模型应用到安徽水阳江流域,检验其在湿润地区的径流模拟能力,得到了较好的模拟结果。同时,利用安徽水阳江流域不同分辨率的DEM数据,进行了DEM分辨率对TOPMODEL模型的模拟结果的敏感性实验分析,结果表明,随着流域DEM数据分辨率的降低,模型的确定性系数也随之降低,模型对流域的DEM数据是敏感的。     

TOPMODEL在水阳江流域的应用及模

将TOPMODEL模型应用到安徽水阳江流域，检验其在湿润地区的径流模拟能力，得到了较好的模拟结果。同时，利用安徽水阳江流域不同分辨率的DEM数据，进行了DEM分辨率对TOPMODEL模型的模拟结果的敏感性实验分析，结果表明，随着流域DEM数据分辨率的降低，模型的确定性系数也随之降低，模型对流域的DEM数据是敏感的。     

TOPMODEL在水阳江流域的应用及模型对DEM昀敏感性检验

将TOPMODEL模型应用到安徽水阳江流域，检验其在湿润地区的径流模拟能力，得到了较好的模拟结果。同时，利用安徽水阳江流域不同分辨率的DEM数据，进行了DEM分辨率对TOPMODEL模型的模拟结果的敏感性实验分析，结果袁明，随着流域DEM数据分辨率的降低，模型的确定性系数也随之降低，模型对流域的DEM数据是敏感的。     

基于无人机高光谱的荒漠草原地物精简学习分类模型

荒漠草原植被稀疏、裸土细碎化分布对遥感数据空间分辨率和光谱分辨率的指标精度提出更高要求,目前应用于遥感场景的深度学习模型隐藏层较多、模型结构复杂,且采用经典深度学习模型未考虑遥感数据内在特点,导致模型训练普遍存在计算过度、耗时增加等问题。本文利用低空无人机（Unmanned aerial vehicle,UAV）遥感平台搭载高光谱成像光谱仪采集荒漠草原地物高光谱数据,发挥高空间分辨率与高光谱分辨率相结合的优势,并基于三维卷积神经网络（Three-dimensional convolutional network,3D-CNN）方法提出一种适合荒漠草原地物植被、裸土、标记物识别的精简学习分类模型,进行参数组合调优,在调整学习率、批量规模、卷积核尺寸及数量后,最高总体分类精度（Overall accuracy,OA）可达到99.746%。研究结果表明,精简学习分类模型的优化建立在超参数选择基础上,为获得精度高、耗时短、性能稳定的最优模型,需不断调整超参数并对比不同组合分类效果。基于无人机高光谱技术的精简学习分类模型在荒漠草原地物的分类识别应用中具有较大优势。     

GEDI与Tandem-X DEM估测密林林下地形性能评价

针对密林情况下，GEDI数据与现有的Tandem-X DEM数字地面模型估测林下地形精度没有进行整体评价问题，拟以密林情况作为主要分析场景，通过提取GEDI L2A数据产品对应光斑的经纬度、林下地形信息与数据质量筛选参数，开展数据质量筛选，用以估测基于GEDI数据的林下地形数据，与Tandem-X DEM数据估测密林情况下研究区林下地形开展比较，并进一步探究冠层高度、森林覆盖度与植被类型对估测精度的影响。GEDI与Tandem-X DEM的R²分别为0.99和0.98,GEDI估测林下地形结果的RMSE、Average与STD分别6.49、-1.92、4.42 m, Tandem-X DEM估测林下地形结果的RMSE、Average与STD分别为18.15、14.63、7.35 m。GEDI数据在混交林和稀疏草原情况下RMSE与Average分别变化8.05 m和6.04 m, Tandem-X DEM数据在常绿针叶林与农田/天然植被情况下，RMSE与Average变化幅度为21.63、26.43 m。实验结果表明，GEDI与Tandem-X DEM数据与机载验证...     

单基线PolInSAR森林高度反演方法研究

极化干涉SAR(Polarimetric SAR interferometry,PolInSAR)森林高度反演是当前雷达遥感领域的研究热点,近年来出现了多种单基线PolInSAR森林高度反演方法。为了给单基线PolInSAR反演森林高度的算法提供基础,并探索和发展效果更优的反演方法,使用Pol SARpro软件模拟森林平均高度为18 m的L波段(L=23 cm)全极化干涉SAR数据,研究了森林高度反演算法中的DEM差分法、RVoG法、复相干幅度反演法、混合反演法,并基于相干优化法对混合反演法进行了改进;为了更准确地对算法的性能进行比较,给出方位向为48 bin时各算法的距离向剖面的对比图,并选取图像的中间区域,对森林高度位于3~30 m的1 104个样本点,应用均值和均方根误差RSME对5种方法模拟的18 m森林高度进行比较。结果表明:森林高度平均值反演结果由大到小依次为:复相干幅度反演法、混合反演法、改进的混合反演法、RVoG法、DEM差分法,分别为19.40、18.31、18.12、10.55、10.05 m,均方根误差(RMSE)由小到大依次为:改进的混合反演法、混合反演法、复相干幅度反演法、RVoG法、DEM差分法,分别为1.06、1.48、3.49、7.51、8.04 m;说明DEM差分法与RVoG法反演的森林高度存在明显低估,复相干反演法出现明显高估且其离散程度最大,混合反演法和改进的混合反演法与真实值的误差分别为0.31、0.12 m,改进的混合反演法与真实值的相差最小,离散程度最小,均方根误差最小,反演结果最优。改进的混合反演法综合了混合反演法与相干优化法的优点,使其估计的地形相位的均方根误差最小(0.045 rad),森林高度与真实值的误差最小,均方根误差最小,并且具有一定的鲁棒性。     

阶梯坝面坡度对阶梯面掺气特性及负压影响试验研究

为探求高水头、大单宽流量下阶梯坝面坡度对宽尾墩—阶梯溢流坝—消力池一体化联合消能方式的阶梯面掺气特性及负压的影响,以阿海水电站为原型,采用速度比尺和长度比尺分别建立运输方程,引入水气两相流VOF和三维RNG紊流模型.利用几何重建格式来迭代生成自由水面,对51.34°,53.13°,56.98°这3种阶梯面坡度进行数值模...     

云南蔗区多样性地形发展甘蔗全程机械化潜力研究

研究调查了云南蔗区38个县不同坡度(≤2°,2°~6°,6°~15°,15°~25°,>25°)甘蔗耕地的面积,并调查了不同坡度(2°~6°,6°~15°,15°~25°)耕地发展甘蔗种植的潜力面积。调查数据表明,云南省坡度在0°~15°之间的甘蔗耕地面积最大,占全省甘蔗总面积的62.6%;坡度≤2°甘蔗耕面积地占全省甘蔗总面积的14.6%,坡度2°~6°甘蔗耕面积地占全省甘蔗总面积的15.9%,6°~15°甘蔗耕地占全省甘蔗耕地面积的32.1%;云南蔗区有大面积甘蔗耕地适宜发展甘蔗全程机械化,大部分蔗区优先发展中小型甘蔗实用机械,0°~6°坡度面积较大的蔗区可考虑发展中大型甘蔗机械。     

梯田区侵蚀地形因子随DEM分辨率变化的特征分析

通过无人机航空摄影测量,获取高精度DEM,分析提取的坡度、坡长和LS因子,同时通过分辨率的变化,计算并分析了这些参数的变化情况。研究表明:基于无人机获取的DEM能够较好地表达梯田地形特征,梯田地形因子分布特征与地形特征吻合,大值集中于梯田过渡的陡坡处,小值集中于田面。随着分辨率的降低,非梯田区坡度整体呈现衰减趋势,坡长呈现增长趋势,LS先小幅增加,后由于坡度衰减明显,LS呈现衰减趋势,但变化幅度不大;而梯田区随着分辨率的降低,小坡度和超大坡度所占比例均减小,平均坡度降低,但坡长增加显著,因此导致LS增长较显著,在20 m分辨率下,LS因子被高估约1/3。梯田通常作为水保措施因子单独来考虑,由于分辨率对地形因子影响较大,因此梯田区的地形因子估算需要考虑分辨率的影响。     

基于SCResNeSt的低分辨率水稻害虫图像识别方法

针对稻田自然环境下害虫移动,难以近距离拍摄高质量图像,导致在现有识别模型检测时无法达到满意识别精度的问题,提出了一种基于SCResNeSt的低分辨率水稻害虫图像识别方法。首先,使用增强型超分辨率生成对抗网络（ESRGAN）对低分辨率图像进行数据增强,解决低分辨率水稻害虫有效信息少的问题;其次构建了SCResNeSt网络,使用3个连续的3×3卷积层替换ResNet50中第1个7×7卷积,以减少计算量;使用自校准卷积替代第2层卷积层中的3×3卷积,通过内部通信显式地扩展每个卷积层的视场,获取害虫图像的部分背景信息,从而丰富输出特征;在主干网络中使用ResNeSt block（Split-attention network block）进一步提升图像中害虫信息获取的准确性。最终,将优选模型移植到手机端,开发了轻量化的移动端水稻害虫识别系统。实验结果表明,与现有方法对比,ESRGAN数据增强方法可以恢复真实的作物害虫信息,SCResNeSt模型有效提高了水稻害虫的识别性能,识别精度达到91.20%,比原始ResNet50网络提高3.2个百分点,满足野外实际场景下的应用需求。本研究为水稻害虫智能化识别和防治提供了技术基础。     

基于超分辨率重建与机器学习的油菜苗情监测方法

为优化养分管理和确保植株正常生长,以无人机遥感技术高效且非破坏采集田间作物苗情信息,监测油菜苗期的叶面积指数（LAI）与叶绿素相对含量（SPAD）。针对无人机因飞行高度与图像分辨率相互制约,监测效率与监测精度难以兼顾的问题,采用超分辨率重建方法,融合较低飞行高度拍摄高分辨率影像,重建较高飞行高度拍摄影像,建模完成后可通过拍摄飞行影像监测LAI和SPAD。试验设置3个氮肥梯度、3个播期、3个种植密度处理,在苗期利用无人机分别采集20m及40m 2个飞行高度的油菜苗影像,采用SRRestnet方法,对40m影像进行超分辨率重建。基于20m、40m及40m重建影像中提取的3种特征组合,利用偏最小二乘回归（PLSR）、随机森林（RF）、支持向量回归（SVR）3种机器学习方法对LAI和SPAD进行监测。结果表明,超分辨率重建后的图像在表型苗情监测中表现出良好效果,PLSR监测LAI、RF监测SPAD的监测精度最高,且40m重建图像的作业效率相比于20m图像提高48.6%。     

基于AGREE算法与BURN-IN算法的平原灌区DEM河网提取问题剖析

基于数字高程模型(DEM)的区域水系提取应用较为广泛,当提取对象为平原灌区时存在突出问题,如河道断裂、平行河道的出现以及末端支流的提取未果等造成的子流域划分结果与实际轨迹不符等现象,数字化河网的精确程度直接影响后续的区域水文分析,故该问题值得关注。【目的】优化DEM河网提取结果。【方法】基于Agree算法和Burn-in算法下的提取河网,并从浅表、DEM因子与河网提取的相关关系等方面进行原因分析,进一步提出解决方法。【结果】2种算法下平原灌区河网提取问题的主要原因是DEM离散误差、栅格像元值的真实程度、栅格像元的精度以及地表的无渗漏假设;提出的解决方法为栅格像元水平分辨率的提高与主河道断裂部分的栅格重计算。对于坡度范围为0°～10°的平原灌区,坡度对地表水流方向的形成影响较小,不具备影响河网提取问题的能力;栅格像元水平分辨率提高10 m×10 m时,平原灌区2种算法下数字河道提取首要问题成功解决;主河道断裂部分的栅格重计算虽成功提取原断裂部分河道,但有新的断裂部分生成,未从根本解决。【结论】Agree算法和Burn-in算法下的基于DEM的平原灌区河网提取问题,经一系列原因剖析和解决方法的提出与应用,提取结果较为满意,提倡学者能够结合2种方法思路作为解决类似平原灌区的提取数字河网出现的问题。     

高含沙水泵站前池扩散角试验与分析

泵站正向进水前池扩散角大小是影响正向进水前池水流流态及池长的主要因素,通过盐环定扬黄工程三泵站水工模型试验,观测正向进流前池不同水沙条件、不同工况下泵站进口流态、流速分布、前池的淤积形态。在前池进口扩散角20°、25°、30°、35°4种工况下,结果表现为:主流带流速值随着扩散角增加而增大;前池两侧淤积厚度大于中部,含沙量越大,前池淤积厚度越大;相同水沙条件、运行相同时间,扩散角越小淤积量越大;泵站前池前池扩散角25°和30°的布置较合理,水流、淤积等综合表现较好。