DEM水平分辨率对流域特征提取的影响分析

在基于数字高程模型（DEM）的流域地形分析中,栅格DEM的分辨率对分析结果具有很大的影响。以舒城县内面积为7.9 km²的龙潭小流域作为研究区域,分别对分辨率为5 m×;5 m～50 m×;50 m的10幅DEM数据进行流域特征提取和分析,计算地形指数并分析其分布特征。研究表明:在小流域尺度上,DEM分辨率的变化对流域面积、最长河道长度等参数影响不大,对河道总长度、河网密度及平均坡度等参数有较大影响,对流域特征的提取影响规律为DEM分辨率越低,提取的流域特征越粗糙;且分辨率低于15 m的DEM计算出的地形指数值较为离散、概率分布曲线形状较之5 m分辨率DEM的地形指数概率分布曲线有明显不同,表明分辨率低于15 m的DEM对小流域水文地形信息的反映较差,为小流域尺度水文模型DEM数据适宜分辨率选取提供一定的理论依据。     

基于中尺度的滥泥河流域1990-2005年沟道变化研究

利用3S技术和传统技术研究沟道侵蚀变化已成为国内外研究的热点。研究以1990年和2005年两期Landsat/TM影像及1∶5万地形图为基础分析数据,以宁夏回族自治区西吉县滥泥河流域为研究区,在GIS、RS等分析软件的支持下,基于DEM自动提取两期沟道网络,同时利用DEM提取与沟道相关的因子:坡度、坡向、沟道长度、沟道深度、沟壑密度、纵比降等,并通过两期TM影像提取出沟道宽度。根据研究的需要,选取沟道长度、沟道宽度、沟壑密度和纵比降作为分析沟道变化的判别指标。最后通过选取的4个判别指标,分析滥泥河流域近20a沟道变化情况。     

基于GIS的黄土高塬沟壑区砚瓦川流域地形特征提取与分析

以GIS技术为依托,研究了典型高塬沟壑区砚瓦川流域的地形分布特征.以1:5万地形图作为信息源,矢量化等高线,并用Hutchinson方法建立DEM(ANUDEM).从DEM中提取了坡度、剖面曲率和坡长三个地形因子,并对其特征进行了分析,同时与丘陵沟壑区相应地形因子特征进行了对比.结果显示:流域50%的面积坡度在9°以下、剖面曲率小于7,这反映出高塬沟壑区地面比较平坦的地形特点.坡长分布主要集中在10～150 m,其中10 m坡长分布最广.这些地形特征信息为砚瓦川流域及同类地区的生态建设与农业生产提供了有力的技术和基础数据支撑.     

复杂地形中机载LiDAR点云构建DEM的插值算法对比

机载激光雷达（Light Detection and Ranging,LiDAR）可快速、高效的获取大范围地形信息,已成为高精度地形建模的重要数据获取手段。然而,针对复杂地形的机载LiDAR点云构建数字高程模型（Digital Elevation Model,DEM）的插值误差研究缺乏,严重限制了其在土壤侵蚀、开采沉陷等地表过程研究中的应用。该研究基于黄土高塬沟壑区典型地形的机载LiDAR数据,对比了反距离加权（Inverse Distance Weighted,IDW）、克里金（Kriging）、样条函数（Spline）、自然邻域（Natural Neighbor,NN）、趋势面（Trend）、不规则三角网（Triangulated Irregular Network,TIN）等插值算法的插值误差。首先优选了IDW、Kriging、Spline、Trend等4种算法的关键参数,其次分析了不同点云密度和地形下IDW、Kriging、Spline、NN、TIN等5种算法的插值误差及其空间分布。结果表明：1）IDW最优插值参数为权指数1和搜索点数12,Kriging为无方向、高斯函数和搜索点数12,Spline为规则样条函数和搜索点数32,Trend误差达米级,不适用于地形复杂区域。2）当点云密度较小时（≤19点/m2）,IDW、Kriging、NN、TIN4种插值方法较为准确地描述地形。当点云密度较大时（≥39点/m2）,各个插值方法的DEM空间分布差异不大。3）针对黄土高塬沟壑区复杂地形区域,点云密度越大,DEM的误差越小。陡坡区域DEM的平均绝对误差明显高于缓坡区域,随着点云密度增大,陡坡区域误差明显减小,而缓坡区域变化较小。当点云密度较小时（≤19点/m2）,缓坡和陡坡最优插值插值方法分别为NN和TIN;当点云密度较大时（≥39点/m2）,缓坡和陡坡最优插值插值方法均为Spline。研究结果可为机载LiDAR用于地形复杂区域的高精度地形建模与地表过程研究提供依据。     

利用ASTER数据估算肃南山地植被结构特征参数

利用ASTER数据估算了2000年8月26日祁连山区一子流域-肃南山地的植被结构特征参数,包括地表覆被类型LULC以及植被覆盖度fc、叶面积指数LAI、植被高度hc,匹配DEM定量分析了植被分布与高程、坡向的关系,简要分析了其影响因素。研究表明:(1)ASTER遥感数据在祁连山区有较好的适用性,所选参数能较好地从水平和垂直三维空间精细反映该地的植被分布及结构特性;(2)肃南山地的植被重心位于区域西南部沟谷地带,且植被生长类型、结构和地形密切相关,特别是表征植被水平密度的植被覆盖度fc和高程关系明显,指示出植被发育最好的地带位于海拔3300～3500m,fc与坡向也有相关关系,坡向NW325°至NE40°的范围内植被长势最好;(3)水-热-地形三者综合驱动植被空间结构。     

三维技术在林业方面的应用初探

以抚顺市为例,提取该市地形图中的高程点和等高线信息构建DEM,与相应区域的SPOT 5融合影像和森林资源调查小班数据进行叠加,制作三维影像,并实现简单的查询、定位、统计等功能.     

DEM在低山丘陵区综合治理中的应用

随着低山丘陵区水土流失日益严重,基于多角度、新方法的综合治理迫在眉睫。DEM模型能准确快速地反映区域的地形地貌特征,在低丘的治理中有着多层次的应用。笔者提出了应用DEM模型进行低山丘陵区气温和降水的空间模拟方法,划分区域作物优生区、适宜区的操作流程以及土地利用分区的确定,并把理论应用到小流域的具体实践中,数字化地形图建立样区的DEM模型,根据DEM数据监测样区内各种土地利用类型的坡度等级分布,提取坡度>25°的耕地,为小流域进一步的退耕还林做数据支持。实验结果表明:应用DEM模型能形象地表达区域的地形因子及流域特征,在低山丘陵区的综合治理中有广泛的应用前景。     

黄土丘陵沟壑区不同坡度分级系统及地面坡谱对比

地面坡度是最重要的地形定量指标 ,建立科学合理的地面坡度分级体系是对坡度进行科学研究与坡度图制图必不可少的重要环节。总结了近年来在坡度分级研究方面的已有成果 ,将坡度分级方法归并为临界坡度分级、等差坡度分级、模糊坡度分级 3种方法。在说明了各种分类方法特点的基础上 ,探讨了其应用的适用性。以黄土丘陵沟壑区的韭园沟流域为实验样区 ,利用高精度 1∶ 1万比例尺的 DEM数据为信息源 ,建立了栅格数字坡度模型。利用分级统计的结果 ,对各种坡度分类方法所得到的地面坡谱进行了对比和分析     

晋西黄土丘陵沟壑区流域特征研究

以山西省方山县黄土丘陵沟壑区为研究区域,应用ArcGIS的空间分析功能和水文分析工具,以DEM为基础数据对流域地形地貌特征进行了提取。研究表明:研究地区的地势起伏度在0～265.5m间,地面粗糙度为1～2.72。通过探讨汇流阈值与沟壑密度的关系,得到汇流阈值为80～150的栅格范围内的沟壑密度为6.93～4.24km/km2。对研究区流域进行提取,得到流域形状系数的最小值为0.01,最大值为0.93,狭长流域面积为647.95km2,占研究区总面积的90.87%,其中土石山区狭长流域面积为531.88km2;卵状流域仅65.05m2,占9.56%。     

采用BP神经网络和Burgers模型的细观参数标定

PFC软件作为一款成熟的离散元分析软件,由于在处理连续与非连续介质方面的出色表现,得到了广泛的应用。但是PFC软件所需要的细观参数均需要采用室内试验数据通过试错法反复调试才能获得,效率低、盲目性高,严重影响后续试验数据,因此急需一种新的细观参数校准方法。本文以玉米秸秆颗粒的单轴蠕变试验为基础,结合离散元软件PFC 2D,通过正交试验多因素方差分析方法分析了Burgers模型宏细观参数之间的影响关系,从而证明宏细观参数之间存在着复杂关系,不宜采用通过回归分析获得宏细观参数之间的关系式的方式标定细观参数,适合利用BP神经网络进行参数标定,利用创建的BP神经网络对细观参数进行标定,根据测试组的标定结果分析得出Burgers模型各细观参数的标定精度均在92%以上,且误差较为稳定,而且训练好的神经网络相关系数R>0.96,从而证明BP神经网络的细观参数标定性能较为可靠。将玉米秸秆单轴蠕变试验的宏观参数带入训练好的BP神经网络中进行细观参数标定,比对模拟蠕变试验与物理蠕变试验发现,两者的蠕变曲线基本一致,应变量的最大误差为2%,证明了BP神经网络具有良好的参数标定能力,可为PFC参数标定提供一定的参考价值。