基于高分7号卫星DEM的坡度坡长计算精度评价

[目的] 坡度和坡长作为重要的地形因子,其计算的准确性直接影响坡面土壤侵蚀模型的评价精度。高分7号卫星的高精度高程测量能力在地形因子的准确提取上具有较大潜力,期望能将其利用到坡度和坡长提取之中,实现对地形的准确表达。这需要对利用高分7号卫星DEM提取坡度坡长的结果进行精度评价。[方法] 利用地形因子(LS)计算工具,对陕西省吴堡县4个小流域高分7号卫星、1∶10 000地形图、激光雷达影像生成的DEM进行坡度、坡长的提取。采用相关系数(r)、相对偏差和绝对偏差作为评价指标,评价高分7号提取地形因子的精度。[结果] 与激光雷达和1∶10 000地形图的坡度和坡长相比,高分7号提取的流域平均坡度偏低7.50%~9.02%,坡长偏大1.83%~19.35%,但坡长和坡度分级的面积比例并不存在显著差异;高分7号提取的坡度结果偏差(16.46%~44.26%)明显小于坡长的偏差(75.25%~140.87%);高分7号所提取的坡度坡长在沟间地上的相对偏差(坡度15.48%~56.63%,坡长50.02%~130.79%)明显低于沟谷地(坡度21.28%~63.61%,坡长93.01%~192.51%)。[结论] 利用高分7号DEM提取坡度坡长时,对于获取坡长坡度面积分级和对指定点的坡度提取时是可行的,而对于指定点的坡长提取时则结果不够可靠,在研究流域中坡长坡度的空间分布上具有较大优势,而提取具体某一位置处的坡长坡度时的优势则不明显。     

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。     

基于DEM的无人驾驶拖拉机前馈稳速控制

针对农田坡度变化影响无人驾驶农机行驶速度稳定性,进而降低播种均匀性和肥药施用精度等问题,该研究设计了一种基于农田数字高程模型（digital elevation model,DEM）和前馈控制策略的拖拉机稳速控制方法。首先建立坡地干扰补偿模型,基于拖拉机实时位置从农田DEM中提取前方作业路径的坡度信息,计算拖拉机前方目标速度补偿量,实现拖拉机行驶的稳速控制。以DF1204无级变速拖拉机为试验平台,在中国农业大学烟台研究院开展3组不同目标速度的上坡、平地和下坡行驶对比试验。试验结果表明,拖拉机以目标速度4.0、6.0和8.0 km/h行驶时,上坡行驶的实测速度均值分别为4.03、5.94和7.85 km/h,平地行驶的实测速度均值分别为4.04、6.02和8.03 km/h,下坡行驶的实测速度均值分别为4.00、6.10和8.19 km/h,与对照组相比,在上坡、平地和下坡行驶时的速度均方根误差分别降低了46.63%、21.92%和37.15%,试验组上坡和下坡行驶的实测速度均值更接近目标速度。所提方法可有效提高无人驾驶拖拉机在起伏农田的稳速控制精度,有助于提高农机作业质量。     

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。     

Effects of DEM horizontal resolution and methods on calculating the slope length factor in gently rolling landscapes

The USLE is used world-wide to predict soil loss on the field scale from sheet and rill erosion. The slope length (L) factor is derived as its topographical factor. The accuracy of L factor determines the precision of soil loss estimation with USLE. Uncertainties on L factor are caused by DEM resolution and the choice of the processing algorithm. In the present study we made two comparisons to evaluate the effects of DEM horizontal resolution and processing algorithm on the accuracy of the L factor in gently sloped landscapes: one is between the grid cumulating method (GC) and the contributing area method (CA) using D8 flow-routing algorithm, the other is among single (D8, Rho8) and multiple (FD8, FRho8 and DEMON) flow-routing algorithms for processing the contributing area method. In two comparisons, 5 m, 10 m, 25 m, 50 m and 100 m DEM of a 0.88 km² catchment in the lowland of Northern Germany were applied. The results indicate that L factor calculated with any of the six methods is sensitive to horizontal resolution, which strongly affects the accuracy. With decreasing resolution, correlations of L_{CA_Rho8} and L_{CA_D8}, L_{CA_FD8} and L_{CA_D8}, L_{CA_FD8} and L_{CA_Rho8} increase while those between DEMON and the other flow-routing algorithms do not change significantly. With decreasing resolution, the difference between L_{GC_D8} and L_{CA_D8} is enlarged, while differences between any two flow algorithms using CA did not change significantly. The L factor variation between any two methods is larger on the upslope than the flat valley for the 5 m and 10 m DEM while terrain characteristics are not visible on the 25 m, 50 m and 100 m DEM. The L factor also depends on the computation method. L_{GC_D8} is approximately half of L_CA. It is concluded that DEM horizontal resolution is very important for L factor calculation. The most suitable calculation method is L_{GC_D8} for gently rolling landscapes. This study can be used for selecting a suitable method and DEM resolution for accurate calculation of L factor and soil loss in gently rolling landscapes.     

基于GIS的梅城林场地形分析及其应用

以国产软件Geoway为数据加工平台,对安徽省东至县梅城林场1∶10 000地形图等高线进行矢量化采集,然后以Shp格式导入ArcGis,生成数字高程模型(DEM)。利用ArcGis的空间分析功能,对梅城林场坡度、坡向和地面粗糙度等地形因子进行分析。结果表明:极端和非常脆弱的林地面积占林场总面积的28.65%,比较脆弱和一般的林地面积占林场总面积的71.35%,总体生态脆弱度较小;不同坡向面积比例依次是南坡>东南坡>平坡>西坡>东坡>北坡>西南坡>西北坡;地面粗糙度总体在1～1.45之间,但1～1.15之间的面积最大,占梅城林场总面积的78.18%,说明梅城林场总体地形起伏不大,土壤侵蚀程度较小,生态安全性较高。同时,也反映梅城林场总体营造林作业施工难度较低。     

DEM模型生成效率分析

对建立DEM模型的一般原理和影响DEM生成效率的因素进行了分析，指出改进DEM生成算法效率的关键在于改进离散数据存储结构和在其中的查找算法。     

晋西黄土区切沟断面特征及体积估算模型

断面特征不仅能反映切沟发育环境因子,亦有助于揭示切沟侵蚀规律;体积是表征切沟侵蚀量的关键参数,建立体积估算模型对大空间尺度切沟侵蚀定量研究有重要意义。该文选取晋西黄土区蔡家川流域为研究区,利用三维激光扫描全站仪获取31条切沟地形数据,构建切沟高精度地面高程模型(DEM),分析切沟断面特征,建立体积估算模型。研究结果表明:(1)切沟顶宽、底宽、沟深和断面面积的均值分别为9.0 m、3.8 m、6.2 m和41.8 m2,切沟断面参数值从沟头、沟中到沟口均逐渐增大,仅沟深差异不显著;断面顶宽与沟深之比的均值为1.55,说明切沟横向侵蚀速率大于沟底下切速率;与沟中、沟口相比,沟头宽深比最小。(2)回归分析显示,晋西黄土区切沟体积(V)与沟长(L)及面积(A)之间均具有显著的幂函数关系,方程的决定系数分别为0.68和0.85;平均相对误差和纳什系数显示,与V–L模型相比,V–A在预测切沟体积上更具优势。因此,建议将回归方程V=1.7097A1.1356作为晋西黄土区切沟体积估算的模型。该研究结果可为大空间尺度切沟侵蚀定量模拟、空间分布制图等提供方法和依据。     

基于DEM的山区土地利用变化分析

地形因子直接影响土地利用方式并在一定程度上决定着土地利用类型。以西南地区典型山区重庆市忠县为研究区,基于DEM和遥感影像,通过遥感解译建立土地利用数据库,运用GIS技术提取高程、坡度、坡向,并与土地利用图进行叠加,分析研究区2000—2010年间基于不同地形因子的土地利用变化情况。研究结果表明:地形因子对研究区土地利用变化有着重要的影响,土地利用变化随着高程的增加、坡度的增大而减缓,阳坡大于阴坡,并主要集中在高程为300～600 m,坡度 < 25°的半阳坡地区,其中以耕地与林地之间的转化最为剧烈;在海拔为0～300 m,坡度 < 25°的长江及其支流沿岸地区有一定面积的耕地和林地转化为水域。通过对土地利用变化与各地形因子之间关系的分析,有助于实现区域土地利用结构的优化和不同地形上土地利用类型的合理布局,促进区域土地资源的可持续发展。     

用交互数字高程模型分析计算坡面土壤侵蚀量

 通常用以某试验区实验数据为基础建立的纯经验土壤流失预报方程来计算土壤流失量。这种方程的建立必须有长期、系统的土壤侵蚀观测数据。笔者提出一种基于不同时相实测数据建立交互数字高程模型研究坡面土壤沉积与搬运间的量化关系的方法,进而获得小流域坡面不同时相间的土壤侵蚀量。利用GPS数据进行宏观控制分析,全站仪坐标测量功能精确实测的大比例尺数字化地形图,通过GIS进行空间数据处理与研究成果的三维显示,较好地计算特定地理单元的土壤侵蚀量。