共查询到18条相似文献，搜索用时 109 毫秒
1.
针对地势平坦且空间范围较大的流域水系自动提取任务中,采用常规的洼地填充算法难以提取出完整水系,形成大量"断头河"的问题,提出了一种能够导出整个数字高程模型(DEM)所有像元被淹没的次序表的方法,由该次序表构成的矩阵代替原有DEM来实现流向的计算,进而提取出累积流向及分级河道。经用覆盖中心流域的高精度DEM以及覆盖黄河和长江等大型流域的DEM来测试,结果表明:用其他算法提取结果均发生了"断头河"错误,而该方法则能提取出完整的水系。这种方法能正确实施洼地填充和像元填平处理,可以适应于任意规模和精度的DEM填洼问题,具有较强的鲁棒性,克服了以往算法难以处理大河流域DEM洼地填充的不足。 相似文献
2.
3.
4.
5.
6.
7.
流域栅格河网提取是数字地形分析的一个重要应用。为减少数字高程模型(DEM)预处理而产生的伪河道及平行河道,提出基于并行化多流向策略的栅格河网提取算法。通过水流传输矩阵模拟水量的自然流动过程,可直接应用于原始DEM。从河网空间形态和算法运行效率两方面与串行MFD算法、R&N算法及D8算法进行对比,结果表明,多流向策略得到的河网与实际地形形态更加吻合,使用并行策略后,算法的效率比也较其他算法有明显提升。 相似文献
8.
9.
东北黑土区沟蚀严重且分布面积广,目前对其进行监测大多基于目视解译,自动化程度低,急需一种快速提取方法。本文选取沟蚀严重的黑龙江省宾县马蛇子河流域,基于高分七号影像,以目视解译结果为参照,比较流向边缘检测、机器学习、深度学习3种方法自动提取侵蚀沟的精度。结果表明：(1)流向边缘检测方法依赖高精度地形数据,高分七号立体像对生成的地形数据垂直精度低,侵蚀沟整体提取精度仅为6.7%,无法用于切沟和浅沟的自动提取;(2)机器学习方法需要人为设置分割参数并设计分类特征,自动化程度较低,侵蚀沟整体提取精度可达50.7%,对切沟识别精度可达83.1%,但对浅沟识别精度仅为9.2%;(3)深度学习方法采用端对端的模式,无须人为设计特征提取器,自动化程度高,整体提取精度可达60.8%,对切沟识别精度可达68.1%,对浅沟识别精度可达69.7%。 相似文献
10.
为了提高从高分辨率遥感图像(high-resolution remote sensing image,HRI)中提取道路信息的自动化程度和准确性,发展了一种HRI道路分割算法,主要包括光谱合并、边界合并和基于形状特征的道路区域提取等3个步骤。其中,前2个步骤是基于区域生长的图像分割算法。光谱合并综合考虑了区域的均值、方差等统计特征量,以提高分割精度;边界合并采用了基于矢量梯度的边界计算方法,以准确提取多光谱HRI中的边界强度;结合全局最优合并算法实现光谱和边界合并,以得到最优化的分割结果。在道路区域被完整分割出来的基础上,利用形状特征提取道路,采用圆形度特征区分道路和非道路。利用2景Orb View3多光谱图像进行道路提取实验的结果表明,该方法的道路提取结果总精度和Kappa系数分别在97%和0.8以上,明显优于SVM监督分类方法。 相似文献
11.
在地图水系自动综合中河流选取需要建立对不同河流重要性程度的有效判别。由于河流汇水区域直接反映河流的作用空间,因而其面积大小成为关键性的量化指标。目前基于河流的汇水区域自动提取方法主要从河流单一要素出发,按“空间均衡竞争”思想平分河流之间的区域,由于未考虑地形因素使得提取的汇水区域往往存在偏差,而传统基于DEM的汇水区域提取虽然考虑了地形,但没有与河流目标建立显性的对应关系。河流是一种天然的沟谷地性线,与山脊线具有对生互补的空间耦合关系,本文提出了一种等高线簇与河网双要素协同的河流汇水区域提取方法,该方法对河流与等高线的目标集合构建约束Delaunay三角网(CD-TIN)并将三角形分类,对不同类型的三角形分别采用骨架线提取规则与梯度向量引导的分水线搜索规则提取分水线段,连接形成网络结构并依此计算各河段的汇水区域。实验结果表明,本算法能更准确地提取河流汇水区域,从而为河流综合选取提供有效支持。 相似文献
12.
13.
基于规则格网DEM谷地线提取受格网的几何形态、空间剖分和网格布局影响较大。传统的四边形格网D8算法中，四边形网格的角邻域与边邻域存在的距离度量差异，影响了其计算结果对于地形变化的表达在两方向上的均衡性，从而影响了谷地线提取结果。六边形格网具有邻域一致、各向同性、紧凑、采样率高等优点，在空间场建模中越来越得到重用。本文旨在探求六边形格网结构在DEM谷地线提取中的性能特征，发现其与四边形格网比较的突出优势。基于六邻域处理单元，对六边形格网DEM谷地线提取过程中填洼、流向计算及平地区域流向判定作预处理，然后对流向线作拓扑连通组织，从而实现基于六边形DEM的谷地线提取。本文比较发现六边形方法在谷地线形状特征保持方面能力强，随着分辨率减小，六边形DEM所提取的谷地线与实测数据吻合程度高，弯曲特征继承性强。同时，在相同数据存储量条件下，六边形DEM数据精度更高，且其提取的谷地线网络的形状特征更为精细。 相似文献
14.
15.
In this study, we present a newly developed method for the estimation of surface flow paths on a digital elevation model (DEM). The objective is to use a form‐based algorithm, analyzing flow over single cells by dividing them into eight triangular facets and to estimate the surface flow paths on a raster DEM. For each cell on a gridded DEM, the triangular form‐based multiple flow algorithm (TFM) was used to distribute flow to one or more of the eight neighbor cells, which determined the flow paths over the DEM. Because each of the eight facets covering a cell has a constant slope and aspect, the estimations of – for example – flow direction and divergence/convergence are more intuitive and less complicated than many traditional raster‐based solutions. Experiments were undertaken by estimating the specific catchment area (SCA) over a number of mathematical surfaces, as well as on a real‐world DEM. Comparisons were made between the derived SCA by the TFM algorithm with eight other algorithms reported in the literature. The results show that the TFM algorithm produced the closest outcomes to the theoretical values of the SCA compared with other algorithms, derived more consistent outcomes, and was less influenced by surface shapes. The real‐world DEM test shows that the TFM was capable of modeling flow distribution without noticeable ‘artefacts’, and its ability to track flow paths makes it an appropriate platform for dynamic surface flow simulation. 相似文献
16.
基于数字高程模型的混合流向算法 总被引：1，自引：1，他引：0
从数字高程模型提取的汇水网络和汇水区等信息是分布式水文模型及应用分析的基础参数,基于地表汇水模拟的算法是提取该类信息的主要方法,其中,水流方向的确定对提取结果有着直接的影响。单流向算法因其易于实现、易于确定上游汇水区等特性,得到了广泛应用,然而单流向算法在坡度平缓区域会产生不自然的平行径流,能模拟地表水流分散径流特点的多流向算法可以在一定程度上避免此问题,但多流向算法使得不同区域的汇水单元可能存在交叉。本文结合两类流向算法各自的优点和适用性,设计实现了一种混合流向算法,以期在不同的地形条件下模拟得到更加合理的水流分配。首先,使用基于模板的形态检测方法,在给定阈值的基础上,对数字地形进行了分类,DEM被划分为山谷、山脊、鞍部、缓坡和陡坡5类。对陡坡、山谷和山脊区域运用单流向算法;对缓坡和鞍部区域采用多流向算法确定径流方向并进行水量分配。本文选取了黄土地貌和中低山丘陵的两个流域作为研究区,利用并采用了30 m和90 m两个分辨率的DEM。本文研究将混合流向算法与现有其他算法的结果进行比较。相比于多流向算法,该算法结果中的分散效应受到明显的抑制,相比于单流向算法,非自然的平行径流也大幅减少。同时,混合流向算法在较大分辨率DEM上（30 m）改进效果更加明显。 相似文献
17.
18.
The automatic extraction of valley lines (VLs) from digital elevation models (DEMs) has had a long history in the GIS and hydrology fields. The quality of the extracted results relies on the geometrical shape, spatial tessellation, and placement of the grids in the DEM structure. The traditional DEM structure consists of square grids with an eight‐neighborhood relationship, where there is an inconsistent distance measurement between orthogonal neighborhoods and diagonal neighborhoods. The directional difference results in the extracted VLs by the D8 algorithm not guaranteeing isotropy characteristics. Alternatively, hexagonal grids have been proved to be advantageous over square grids due to their consistent connectivity, isotropy of local neighborhoods, higher symmetry, increased compactness, and more. Considering the merits above, this study develops an approach to VL extraction from DEMs based on hexagonal grids. First, the pre‐process phase contains the depression filling, flow direction calculation, and flow accumulation calculation based on the six‐neighborhood relationship. Then, the flow arcs are connected, followed by estimating the flow direction. Finally, the connected paths are organized into a tree structure. To explore the effectiveness of hexagonal grids, comparative experiments are implemented against traditional DEMs with square grids using three sample regions. By analyzing the results between these two grid structures via visual and quantitative comparison, we conclude that the hexagonal grid structure has an outstanding ability in maintaining the location accuracy and bending characteristics of extracted valley networks. That is to say, the DEM‐derived VLs based on hexagonal grids have better spatial agreement with mapped river systems and lower shape diversion under the same resolution representation. Therefore, the DEMs with hexagonal grids can extract finer valley networks with the same data volume relative to traditional DEM. 相似文献