共查询到20条相似文献,搜索用时 312 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
DEM提取坡度信息的不确定性分析 总被引:5,自引:2,他引:3
以陕西省671幅1∶50000比例尺,25m分辨率的DEM数据为信息源,分析DEM分辨率对提取坡度信息的不确定性影响。研究表明:平均坡度随DEM分辨率的减小呈显著递减型二次曲线变化,但当DEM分辨率减小到一定程度时,平均坡度将趋于稳定;并且,随DEM分辨率变化,坡度的不确定性呈现明显的空间结构性分布,DEM栅格单元内部地形的复杂性和变异性越大,坡度提取不确定性越大,如沟坡地坡度提取误差明显大于沟间地。因此,实际应用中要充分考虑研究区域DEM地形描述的尺度效应和不确定性问题,选择合适尺度的DEM提取坡度信息,保证提取结果的科学有效。 相似文献
9.
10.
黄土高原地形因子间关联性的神经网络分析 总被引:4,自引:2,他引:2
不同的地形因子从不同侧面反映地面的起伏特征或空间变异,各因子之间所存在的相互关联、相互制约、相互影响的特征,在很大程度上揭示了地形发育与空间变异的内在本质。本文以黄土高原丘陵沟壑区的1∶10000和1∶50000两种比例尺的15个实验样区为样本,应用BP神经网络模型,探讨不同比例尺的地形定量因子与地面坡度之间的关联特征及其变化规律。实验结果表明:①利用神经网络分析方法可以有效定量评价地形因子间的关联性;②该研究方法有助于地学分析中DEM尺度的选择,地形因子的确定及其相关关系的量化。 相似文献
11.
12.
国家1∶25万地形数据库的更新是一项十分复杂的系统工程,本文就如何利用3S技术更新山东1∶25万地形数据库的作业方法和技术流程进行了简要论述。其目的是采用3S技术快速有效地更新1∶25万地形数据库。通过对1∶25万地形数据库的要素更新需求和数据源更新分析,提出利用卫星影像既可以保证现势性、又能保证精度。如果选用地面分辨率更高的卫星影像,就可以采用此方法更新1∶5万、1∶1万地形图。随着GPS的应用普及和精度的提高,动态GPS和手持GPS将广泛应用于各种比例尺地形图的更新。事实证明广泛的利用3S技术挖掘地理信息发展的成果,能以更快的速度和更高的精度保证各种比例尺地形图的现势性,满足经济发展的需要。 相似文献
13.
14.
15.
16.
17.
多尺度DEM提取地势起伏度的对比分析——以福建低山丘陵区为例 总被引:4,自引:0,他引:4
坡度和起伏度是地形描述中最常用的参数,它们能快速、直观地反映地势起伏特征;坡度是划分平原和非平原的重要依据之一,地势起伏度可进一步划分台地、丘陵、小起伏山地、中起伏山地和大起伏山地等类型,基本地貌类型就是由海拔和起伏度两个指标确定的形态类型,它是遥感解译划分更详细地貌类型的基础。本研究以福建省1∶25万和1∶10万的DEM为实验数据,计算坡度划分平原和山地大区,其临界坡度值约为3°;利用ArcG IS空间分析中栅格窗口递增方法,对应不同尺度的DEM,计算地势起伏度,确定研究区的最佳分析窗口面积为4.41km2,得出中国低山丘陵区计算基本地貌形态类型的最佳尺度DEM为1∶25万比例尺,而1∶10万比例尺DEM适用于没有连绵起伏的更小范围的低山丘陵区;利用已有研究成果得出不同尺度DEM计算地势起伏度与最佳格网单元之间的函数关系。该研究对提取我国低山丘陵区基本地貌形态类型具有一定的借鉴作用。 相似文献
18.
19.
本文以山西省为实验区,基于ICESat/GLA14测高数据对SRTM1 DEM和ASTER GDEM V2数据的垂直精度进行了对比,分析了其在坡度、土地利用类型和地貌类型中的误差分布情况,并基于地形剖面方法分析了2种DEM数据在地形表达上的差异。研究结果表明:① 在垂直精度上,SRTM1 DEM数据要明显高于ASTER GDEM V2数据,其绝对误差均值分别为4.0 m和7.8 m,标准偏差分别为6.0 m和10.7 m,均方根误差分别为6.1 m和10.7 m。② 这2种DEM数据的精度受坡度影响严重,随坡度值的升高误差增大;SRTM1 DEM的绝对误差均值、标准偏差和均方根误差在水田最小,在林地最大,而ASTER GDEM V2的这3种误差在居民用地最小,在林地最大;SRTM1 DEM 和ASTER GDEM V2的绝对误差均值、标准偏差和均方根误差在平原地区最小,在大起伏山地最大。③ 在平原和台地地区,ASTER GDEM V2数据高程值有异常波动,SRTM1 DEM在起伏山地存在对山谷过高估计。总体上,SRTM1 DEM比ASTER GDEM V2对地形的表达准确,与ICESat/GLA14对地形的描述基本相一致。 相似文献
20.
中国地貌基本形态DEM的自动划分研究 总被引:6,自引:1,他引:5
我国1∶100万的数字高程模型,是在1∶5万及1∶10万基本地形图上,高精度采集方里网交点高程所构建的1km分辨率地面高程数字矩阵。本文利用该DEM数据及其所派生的多种地貌信息进行地貌形态类型自动划分的技术方法。实验提取地形起伏度、地表切割度、地表粗糙度、高程变异系数、平均坡度、平均高程6个地形因子,并将各因子置于不同的信息层面中,通过主成分分析,ISODATA非监督分类法与Bayesian最大似然监督分类法相结合,对中国地貌的基本形态进行了多维信息综合分类。研究结果表明:①我国1∶100万比例尺DEM在宏观地貌分类方面具有重要的价值和应用潜力;②所提取的地形因子能宏观地反映我国地形的起伏特征,为地貌形态分类提供重要的依据;③采用ISODATA非监督分类法与Bayesian最大似然监督分类法,能有效地实现我国地貌基本形态类型的定量化、自动化划分;④依据数据的统计特征进行分类,较合理地解决了类型模糊的形态实体的归类问题。实验结果不仅揭示了此项技术在地貌形态分类中的巨大潜力,同时对于完善DEM数字地形分析的理论与方法也具有重要的意义。 相似文献