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。     

坡面微地形DEM最佳分辨率的选择方法

【目的】研究坡面微地形DEM最佳分辨率的选择方法。【方法】以2种不同复杂程度的坡面微地形(微地形简单的裸坡小区、微地形复杂的翻耕小区)DEM作为研究对象,分析不同微地形DEM分辨率下坡度中误差(mS)、地表糙度(Cr)和微地形DEM生成时间3个参数的变化,从而确定坡面微地形DEM的最佳分辨率。【结果】采用坡度中误差法可以快速缩小分辨率的选择范围,增强了后续研究的目的性;随着分辨率的变化,2种微地形DEM地表糙度的变化趋势相似,并与分辨率呈幂函数关系;综合考量地表糙度和DEM生成时间,可以确定2种微地形DEM的最佳分辨率,且在源数据相同的情况下,最佳分辨率与微地形复杂程度并不相关。【结论】裸坡小区和翻耕小区DEM的最佳分辨率均为4mm,运用所建立方法选择微地形DEM的最佳分辨率是可行的。     

梯田对土壤侵蚀地形因子扰动特征研究

地形因子是影响土壤侵蚀的重要因素,包括坡度、坡长等,通常基于DEM来提取,但目前构建的DEM总是局限于反映连续光滑的自然坡面,无法表现出梯田等人工地形的信息。在黄土高原地区,通过多年的治理,修筑了大面积梯田,极大地改变了地表微形态,影响了坡度和坡长,进而影响土壤侵蚀定量分析。以安塞县的梯田为实验对象,采用基于真实田坎的方法,构建嵌入梯田信息的DEM(梯田DEM),并对原始DEM与梯田DEM提取的坡度、坡长等地形因子以及计算得到的坡度坡长因子进行对比分析。结果表明:(1)基于真实田坎方法构建的梯田DEM,能较好地反映田坎位置及形态;(2)与样区原始DEM相比,加入梯田信息后,地形因子的栅格数大幅度增加且基于梯田DEM提取的坡度、坡长、LS因子明显减小,对土壤侵蚀定量分析有一定影响。该研究对地形因子提取和土壤侵蚀评价具有重要意义。     

SRTM DEM提取坡谱转换模型研究——以陕西省为例

地面坡度是反映地表斜面对水平面的倾斜程度的量值,是地表形态的重要示量之一。而坡谱作为坡度因子的统计模型,能够较好地反映地面的起伏变化特征,刻画地貌形态空间变异规律。研究基于直方图匹配的方法,以1∶5万DEM提取的坡谱为待匹配坡谱,对SRTM DEM提取坡谱并进行转换,建立了不同研究样区的坡谱转换模型。但该转换模型在不同样区的转换精度不同。当1∶5万DEM坡谱曲线为双峰曲线时,SRTM DEM坡谱转换模型当坡度大于3°时有较高的转换精度,而坡度为0°-3°时精度较差;当1∶5万DEM坡谱曲线为单峰曲线时,该模型具有较高的转换精度。     

基于DEM和坡面特征的坡位生成方法

坡位是描述地貌的重要因子,基于DEM自动生成坡位对于自然生境分析与地理生态过程模拟具有重要意义。本文以DEM数字地形分析技术为基础,提出一种以坡面汇水小区为单元综合考虑坡面特征的坡位划分方法,并设计算法实现了该方法。结合林业调查对坡位的划分要求,以北京1∶25万DEM数据为基础对西部山区进行坡位划分,取得合理一致的结果。结果表明,本文提出的方法可以实现相对位置计算与坡面剖面分割的本地化,使坡位划分更加客观一致。      

扰动地表下不同长度坡面土壤物理性质及水分入渗特征

【目的】研究扰动地表下不同长度坡面土壤物理性质及水分入渗特征,为合理开发利用土地资源提供科学依据。【方法】通过野外调查与室内分析相结合的方法,于2013年选择具有代表性的坡度为15°的地块,设置6个处理:长度20m人工扰动地表坡面、长度20m自然坡面、长度40m人工扰动地表坡面、长度40m自然坡面、长度60m人工扰动地表坡面、长度60m长自然坡面,测定不同处理土壤的物理性质及水分入渗过程,采用常用的4种入渗模型(Kostiakov模型、Horton模型、Philip模型、通用经验公式模型)对土壤入渗过程进行拟合,并分析土壤水分入渗特征指标(初始入渗速率、平均入渗速率、稳定入渗速率、90min累计入渗速率)与理化性质的相关性。【结果】相同措施处理下,坡长越长,土壤体积质量越小。在扰动地表和自然坡面下,总孔隙度和非毛管孔隙度的差异不显著,扰动地表坡面土壤初始含水率表现为60m坡长40m坡长20m坡长。采用常用入渗模型进行拟合时,Kostiakov模型的拟合精度在0.646~0.963,平均值为0.886;Horton模型的拟合精度在0.878~0.981,平均值为0.953,Philip模型的拟合精度在0.317~0.709,平均值0.592,通用经验公式模型的拟合精度在0.765~0.970,平均值为0.920,可知Horton模型拟合精度最大。不同坡长下,自然坡面的土壤入渗特征指标大于扰动地表坡面。相关性分析结果显示,土壤水分入渗特征指标与土壤体积质量呈显著或极显著负相关,与非毛管孔隙度呈正相关,与土壤通气度呈极显著正相关;而毛管孔隙度、总孔隙度、自然含水率、有机质与土壤水分入渗特征指标相关性不显著。【结论】20m坡长下,扰动地表不利于改善土壤渗透性,扰动地表处理措施下的土壤水分入渗能力弱于自然坡面;60m坡长下,土壤通气性和透水性较好,土壤水分入渗能力强。Horton模型是分析和预测扰动地表下不同坡长土壤水分入渗的最优模型。     

DEM重采样坡度衰减分析

通过数字高程模型(DEM)重采样发现,随着水平分辨率的降低,地形也随着趋向平缓,坡度信息不断丢失,地面表达能力逐步下降.利用1∶10 000数字地形图生成5m水平分辨率DEM,以此为基准重采样生成10、20、40m水平分辨率的DEM,提取各水平分辨率DEM的坡度.对提取的5m水平分辨率DEM的坡度进行邻域分析,提取10、20、40m水平分辨率DEM的最大坡度,以此求取其与直接由相对应水平分辨率DEM提取的坡度的差值,并对坡度差值进行频率统计分析,同时分析了剖面曲率在重采样过程中的变化.结果表明,随着DEM水平分辨率的降低,坡度平均值不断降低,较小坡度的频率逐渐增大,较大坡度的频率逐渐减小.DEM水平分辨率较高时,坡度差值分布集中于较小坡度差值处,且范围集中;DEM水平分辨率越低,坡度差值分布曲线愈加分散,且集中于较大坡度差值处.DEM水平分辨率越高,剖面曲率曲线分布越广,DEM水平分辨率越低,曲线分布越窄,且变得集中,其中剖面曲率较高部分损失严重.     

基于DEM导出的水文地形参数对比研究——在ArcGIS和Rivertools环境下

对比分析了在Rivertools和ArcGIS 2种软件环境下基于DEM提取水文地形参数的差别。结果表明:Rivertools在计算DEM填洼时较ArcGIS软件好,并可自动生成多项其他的水文地形参数,使用也更为方便,但Rivertools的河网分级方法单一,河道的裁剪只能在同一河流级别下进行;而ArcGIS的河网分级方法不唯一,且河道的裁剪不受河流级别的限制,但是要求用户对研究区域的河网有相当的了解,否则在河网的自动提取中容易与实际产生较大的偏差。鉴于2种软件各自的特点,在实际应用中应将两者结合起来,充分发挥每个软件的优点。同时,本文对基于不同精度(5m×5m、10m×10m、25m×25m、50m×50m和100m×100m)DEM导出的水文地形参数(河网长度、河网密度、高程、流域面积)进行了对比分析。结果表明:在一定的DEM精度范围内,用Rivertools软件基于DEM导出的河网总长、流域面积等水文地形特征参数与实际情况吻合得更好,但DEM精度对以此导出的水文地形特征参数更为敏感,而ArcGIS环境下DEM精度对地形特征参数的影响较小。     

地形因子在芦山县水土流失评价中的应用研究

地形因子是重要的水土流失影响参数,分析地形因子对区域水土流失评价具有重要意义.该研究以芦山县空间分辨率30m的DEM数据为基础数源,在ArcGIS10.3中利用空间分析模块计算芦山县坡度、坡长、LS因子、地形起伏度、地表切割深度和地表粗糙度,并结合芦山县水土流失现状,分析地形因子对芦山县水土流失的影响,为该区域水土保持工作提供参考.     

基于DEM的陕北黄土高原水文相关地形因子的分析研究

水文要素是研究黄土高原水土流失的重要因子,为揭示陕北黄土高原水文地形要素之间的相关规律。基于90 m航天飞机雷达地形测绘使命(Shuttle Radar Topography Mission, SRTM)数字高程模型(Digital Elevation Model, DEM)数据,提取陕北黄土高原相关水文地形因子,包括坡度坡长因子(slope length and slope gradient factor, LS)、地形湿度指数(Topographic Wetness Index, TWI)及沟壑密度,并对三类水文因子进行了相关性分析。地形湿度指数与坡度值采用指数拟效果最好,R²值为0.8168,坡度坡长因子与坡度值采用线性拟合效果最好,R²值为0.993,沟壑密度与坡度值采用多项式拟合效果最好,R²值为0.0604。地形湿度指数与坡度坡长因子采用指数拟效果最好,R²值为0.8385,坡度坡长因子与沟壑密度采用二次多项式拟合效果最好,R²值为0.2077,地形湿度指数与沟壑密度采用多项式拟合效果最好,R²值为0.2801。坡度坡长因子、地形湿度指数、沟壑密度均在一定程度反映了出实际地貌。坡度坡长指数与坡度存在线性显著相关关系。坡度越大地形湿度指数越小。沟壑密度随汇流阈值设置的增大而减小。     

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。      

DEM提取坡度·坡向算法的对比研究

以1∶1万地形图数字化所生成的DEM为研究对象,采用6种算法分别提取坡度、坡向。通过比较不同算法所提取坡度的平均值、最大值、标准差、中误差以及坡向的标准差、变异系数、坡向余弦中误差及标准差、不同坡向面积数据,定量地分析中误差与地形变化的关系,找到研究区较合理的坡度、坡向的提取算法,进一步分析不同水平分辨率DEM所提取的坡度、坡向的面积误差变化规律。运用面积百分比加权总体误差和面积百分比平均总体误差的指标,获取2项指标与水平分辨率的线性函数关系,为实际工作选取适宜的水平分辨率提供依据。     

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。     

基于机载LiDAR数据的林下地形提取算法比较与组合分析

激光雷达(LiDAR)克服了传统测量技术的缺点, 成为了获取DEM的新型手段。针对不同地形林区,选择合理的点云滤波算法,是提取林下地形的关键步骤。本研究在黑龙江省凉水自然保护区内选择了3块具有代表性的区域,分别为平缓山地林区、陡峭山地林区和复杂地区。以1:10 000地形图矢量化生成的高精度DEM为参考,评价了迭代线性最小二乘法、基于坡度法、不规则三角网法(TIN)点云滤波算法在3种地形的适应性。结果表明:不同算法有不同的适应区域。3种方法在平缓山地林区都具有良好的效果,决定系数(R2)均达到了0.98,均方根误差(RMSE)均低于0.21 m。迭代线性最小二乘法在复杂地区滤波效果最好,R2为0.94,RMSE为0.21 m;不规则三角网法在陡峭山地林区效果最好,R2为0.99,RMSE为1.43 m。但是,单一的方法在复杂区域情况下、陡峭山地林区,有明显的分类误差,会将植被分为地面点。为提高林下地形提取精度,本文提出不同滤波方法的组合双重滤波,结果表明,迭代线性最小二乘法和不规则三角网方法组合可以在减少参数调整情况下得到良好滤波效果,对复杂地区、陡峭山地林区滤波效果大大改善。      

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。     

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ICESat-GLAS的坡地最大树高估测模型比较研究

地形坡度对星载LiDAR(lightdetection and ranging)估测最大树高具有较大的影响。为了提高坡度条件下树高的反演精度,通过建立坡地条件下5种不同的最大树高估测模型,前3个模型分别使用不同DEM(digital elevation model)数据的地形指数来量化地形坡度的Xing模型,第4个模型使用波形参数-未改进边缘长度来量化地形坡度,第5个模型与第4个模型类似,用改进边缘长度来替换未改进边缘长度。结果可知,波形参数模型的精度要高于使用DEM数据的地形指数的Xing模型的精度,第5个模型的精度要高于第4个模型的精度。表明波形参数量化地形坡度的能力要优于DEM数据的地形指数,而改进边缘长度模型更适合估测坡地的最大树高。