DEM数据

DEM数据（共11篇）

DEM数据 篇1

可视性分析也叫通视性分析,可视性分析有两个基本问题,一个是两点间的可视性,即一点能不能看到另外一点;另一个是可视域,即对于给定观察点所覆盖的区域。可视域在各类GIS系统中应用广泛,例如雷达站选址、安防点分析、城市天际线分析、通信线路铺设等。计算可视域的简单方法是沿着各个视线方向,从视点开始到目标位置,逐段计算视线是否被地面阻隔,从而确定是否可见。这种方法对于计算两点间通视性简单易行,但对于计算可视域存在大量的插值计算,效率较低。

规则网格DEM数据是以离散的高程点形式表示的,相邻高程点之间的距离间隔固定。现有的很多的DEM数据都以这种形式发布。针对这种规则的数据可以设计一种快速的可视域计算的方法。

1 算法基本原理

假设观察点在O点,视线方向有一障碍物,其离散的两个最高点为A、B。那么从O点看,被阻挡的范围显然为面OAB以下的部分,在这个面以上的部分可视。那么对于AB后面的一个点D,O是否可视,只需计算D点到水平面的垂线与面OAB的交点E,比较D和E的高度即可。

下面我们描述怎样把可视域问题通过可视面来解决。

2 具体算法

规则DEM数据可表示为一个二维矩阵,可视域的问题就转变为指定一个观察点,确定矩阵中其他点是否可视。为计算可视性,我们借助一个临时的矩阵来记录可视面在每一个点遮挡高度,利用这个矩阵我们可以计算出任意位置的可视面。假设要计算O点的可视域,O点周围的八个网格点可定是可视的。

假设观察点为O,那么可以把其他网格分为下图的A、B、C3类,C为O周围的八个网格;A为O沿着8个方向延伸出去的所有网格;B为余下的网格。

对于C类点,肯定可见。该点的最遮挡高度为该点地面高度。

对于A类点,O与A网格的连线会通过所经过的网格的中心点,可视面的退化为视线算法。假设OA连线中靠近A的第一个网格A’的遮挡高度为Z’,A点地形高度为Z则改点的遮挡高度为

如果z大于等于ZS,则该点可视,否则该点不可视。

对于B类点,O与B的连线不一定通过网格的中心,则需要线连线两边的点来确定出可视面。假设,B点坐标为(x,y,z),O为(x1y1,z1),连线两边两点为(x2,y2,z2)和(x3,y3,z3)则可视面方程为:

该点遮挡高度为:

如果z大于等于ZS,则该点可视,否则该点不可视。

3 算法实现及应用

如上述描述,A、B、C三类点是否可视都只与内侧的点有关,因此通过一次宽度优先遍历即可得到可视域。算法的伪代码如下:

可以知道算法的复杂度有O(N),在实际应用中计算速度也比基于视线的计算可视域算法要快。下面是应用90M精度的DEM数据进行实验的结果。

4 结束语

本文的可视域计算针对规则DEM数据改进沿视线计算可视域算法,利用可视面的概念,减少了冗余的插值运算,算法复杂度下降为,对于计算大数据量的规则数据可视域问题有很强的实用意义。

参考文献

[1]张宏,温永宁,刘爱利.地理信息系统算法基础[M].北京:科学出版社,2006.

[2]叶蔚,张佳瑜,张世柏.关于DEM地形可视性分析统一模型的探讨[J].测绘与空间地理信息,2007,30(5):70-74.

[3]Wang jianjun,Robir G J,White L K.Generating Viewsheds without Using Sightines[J].Photogrametric Enginneering&Remote Sensing,2000,66(1):87-90.

DEM数据 篇2

评述了利用机载激光扫描数据进行DEM提取的4类典型算法,分析了各自的优缺点.在此基础上,提出了利用双重策略进行数据滤波的`方法,即分层稳健线性估计法.该算子同时利用小波分层滤波法和稳健线性估计法,以克服两种算法单独使用时的不足,即小波分层滤波算子没有有效策略保证参考面的精度;稳健线性估计法不能有效过滤数据中的粗差.利用该算法策略对德国Nahrodde地区的数据进行了实验,并将实验结果与用TerraScan软件获取的真实值进行了比较,结果表明分层稳健线性估计法不仅具备小波分层滤波算法和稳健线性估计法这两种滤波算法的优点,而且还可以克服这两种算法固有的缺点,从而实现了直接从原始数据中有效获取地面点的目的.

作 者：王刃 徐青 朱新慧 张爽 WANG Ren XU Qing ZHU Xin-hui ZHANG Shuang  作者单位：王刃,WANG Ren(信息工程大学,测绘学院,河南,郑州,450052;西安测绘研究所,陕西,西安,710054)

徐青,朱新慧,XU Qing,ZHU Xin-hui(信息工程大学,测绘学院,河南,郑州,450052)

张爽,ZHANG Shuang(65015部队,辽宁,大连,116023)

DEM数据 篇3

关键词:DEM;高速公路;公路勘测设计

中图分类号:TP352 文献标识码:A文章编号:1007-9599 (2010) 03-0000-02

DEM Accuracy Assessment on Different Terrain

Wu Yunfeng

(Xinjiang Geology and Mineral Resources Bureau GeophysicalExploration Team,Changji831100,China)

Abstract:DEM digital terrain model is the use of an arbitrary coordinate field a large selection of known X, Y, Z coordinates of points on the ground in a simple continuous statistics that, in a short, DTM is simple math of surface topography.

Keywords:DEM;Highway;Highway Survey and Design

一、数字高程模型(DEM)概述

(一)数字高程模型(DEM)的特点

1.容易以多种形式显示地形信息。

地形数据经过计算机软件处理后,产生多种比例尺的地形图、纵横断面图和立体图,而常规形图一经制作完成后,比例尺不容易改变,如要改变比例尺或者要绘制其他形式的地形图,则需要人工处理。

2.精度不会损失。

常规地图随着时间的推移,图纸将会变形,失掉原有的精度,而DEM采用数字媒介因而能保持精度不变。另外,人工方法由常规的地图制作其他种类的地图,精度会受到损失。而由DEM直接输出,精度可得到控制且不会损失。

3.容易实现自动化、实时化。

常规地图要增加和修改都必须重复相同的工序,劳动强度大而且周期长,不利于地图的实时更新,而DEM由于是数字形式的,所以增加或改变地形信息只需将修改信息直接输入到计算机,经软件处理后立即可实时化地产生各种地形图。

(二)数字高程模型(DEM)的应用

DEM作为地形表面的一种数字表达形式所具有的特点决定了DEM在勘测、摄影测量与遥感、地球科学、制图、土木工程、地质、矿业工程、地理形态、军事工程、城市规划、通讯等领域的应用日益增多,而且不断开拓新的领域。

数字高程模型在公路勘测设计中的应用潜力巨大。传统的公路设计不仅需要大量费时费力的野外勘测工作,而且所设计出的公路还不可避免地具有以下几个方面地缺陷:设计的方案不一定是经济、技术上的最优的;方案受人的主观影响较大;工作强度大,设计工作繁琐。在数字高程模型建立以后,不仅可以用于路线的优化,还可以用于路线设计、二维可视化、公路仿真等领域。

二、不同地形区域的野外地形测量

野外地形测量数据是建立数字高程模型的重要数据源,它包括平面位置数据和高程数据,笔者结合公路勘测设计的实际需要,选择几段沿公路走向的带状范围作为测量区域,这几段范围分别包含山岭、平原和丘陵这三种地貌,以便研究不同地貌条件下对数据采集和DEM精度的影响。

(一)首级控制测量

在测量范围内布设四等GPS—E级网作为测量的首级控制,四等控制点至少应有两个通视方向,GPS作业时应采用静态模式(常规静态或快速静态)观测。

首级控制测量时最好联测已有的首级网点(四等点或者GPS—E级点),以备检核。由于公路的线路较长,在数据处理时,如果遇到控制点不在同一投影带,必须先进行坐标的投影换带计算,最后求得控制点的平面坐标。

(二)图根控制测量

图根点是直接提供地形图的依据,也是修测、补测地形图的依据。所以在上一等级的控制点基础上加密布设,以满足测图的需要。分别在平坦地区、山地和丘陵地带三种地形条件下所选择的实验区范围内布设图根点,在山地和丘陵地区可以适当增加图根点的密度。采用以下步骤和方法进行图根控制测量:

(三)碎部测量

地形测量采用数字化测图,测图软件是清华三维公司的电子平板测绘系统(EPSW电子平板)。清华三维电子平板测绘系统是集扫描矢量化、数字化测绘作业、计算机成图等多种功能于一体的软件,运用该系统具有成果规范化、功效高、使用保存方便等特点,适合复杂多变地形的测绘。

(四)检查点的布设与测量

分别在平坦地区、山地和丘陵的实验地形条件下各布设大约63个检查点(这些点为非地形特征点,在整个实验区均匀布置),然后用全站仪和水准仪分别按较高的精度要求进行测量,用来检核DRM内插时的误差,同日寸也用来对RTK测量的三维坐标和全站仪三角高程进行精度评定。检查点使用比原始数据精度更高的数据,其对精度评定的影响可以不考虑。

三、不同地形区域DEM精度评定

(一)平原地区DEM精度评定

由实际测量数据统计分析结果可得到以下图表:

在平原地区,采样间隔以20米为单位,测量结果表明,20米—100米范围内,DEM内插的采样点高程中误差随着采样间距的增大而不断增加,即表明在平原地区20米、100米范围内,DEM精度随采样间隔的增加而不断降低。

(二)丘陵地区精度评定

由测量统计分析结果可得到在丘陵地区,采样间隔以10米为单位,10米—100米范围内,试验结果表明,DEM内插的采样点高程中误差随着采样间距的增大而不断增加,即表明在丘陵地区10米—100米范围内,DEM精度随采样间隔的增加而不断降低。

(三)山岭地区精度评定

由测量统计分析结果可得到在山岭地区,采样间隔以10米为单位,10米、100米范围内,试验结果表明,在10米—50米范围内,DEM内插的采样点高程中误差随着采样间隔的增大而增大,而50米、100米范围内,DEM内插的采样点高程中误差浮动范围不定,呈随机分布,不再有10米、50米范围内采样点高程中误差与采样间隔呈线性分布的规律性。

四、小结

在野外测量时包含特征点能显著提高DEM精度,尤其是在地形起伏较大的地区,所以测量时特征点必须测量;采样间距增加时平原地区的DEM的精度随着采样间隔的增加精度降低,但降低的幅度较慢;丘陵地区的DEM的精度随着采样间隔的增加精度相应降低;山岭地区DEM的精度随着采样间隔的增加精度逐渐降低,当达到一定程度后,DEM的精度降低的幅度就比较缓慢。总而言之,同样的采样间隔条件下,随着地形起伏的加剧,DEM的精度会相应降低。

参考文献:

[1]徐其福.数字高程模型在公路勘测设计中的应用.山西科技,2002

DEM数据 篇4

地形起伏度作为水土流失分析的一个重要参数,以DEM为基础,关于黄土高原[10]、青藏高原[11]、元谋干热河谷[12]、西秦岭[13]等大尺度地区的研究较多,而小尺度地区较少。祁县降雨集中,旱期较长,土壤松散,水土流失严重[14],鉴此,本文基于ASTER GDEM数据,运用窗口分析法提取祁县地形起伏度,确定最佳分析窗口并进行分级,初步分析祁县的地形起伏度,为祁县地质地貌形态的进一步研究提供基础,也为祁县防治与治理水土流失提供重要的理论依据。

1 研究区概况

祁县(112°13′~112°41′E,37°4′~37°29′N)位于山西省晋中市,地处晋中盆地的中部、太原盆地南端的汾河中游的东岸,古称“昭馀”,因“昭馀祁泽薮”而得名,呈东南——西北哑铃形,东南高西北低,面积853 km2。祁县四季分明,属暖温带大陆性气候,降水分配不均匀,从东南向西北递减,降雨集中在6—9月,且暴雨形式居多,土壤主要为黄土状堆积物和冲淤积物,境内河流共有6条季节性河流,昌源河为境内第一大河,昌源河国家湿地公园是山西省第三个国家湿地公园。由于断裂构造以及剥蚀侵蚀的影响,境内水土流失面积达387 km2,占总面积的45.32%。

2 数据与方法

2.1 数据来源

本文数字高程模型为ASTER GDEM,分辨率为30 m×30 m,该数据来源于美国航空航天管理局(NASA)和日本经贸及工业部(METI)于2009年7月2日共同发布的最新栅格型数字地形数据,全球空间分辨率为30 m,覆盖83°N至83°S之间的所有陆地范围,对小尺度精细地形特征提取具有明显的优势[15];本文矢量数据来源于全国1∶400万矢量数据。在Arc GIS 10.2中定义矢量坐标为D_WGS_1984,与DEM坐标相同,再对现有的DEM栅格数据进行裁剪(clip)处理得到祁县DEM数据。

2.2 数据分析

2.2.1 邻域分析方法

在Arc GIS中对地形起伏度的提取采用邻域分析方法。邻域分析又称为窗口分析,根据中心单元和环绕单元的栅格数值为中心单元位置生成一个新的邻域统计值[15]。地形起伏度也称为地势起伏度,是单位面积内最高点与最低点的高差,可反映宏观区域内的地表起伏特征,是定量描述与划分地貌形态的重要指标[10]。邻域统计计算过程中的分析窗口有矩形、圆形、环形和扇形4种[16],本文选取矩形分析窗口,窗口大小为n×n像元,分别用n=3,5,7,…,31,…,75的移动窗口对研究区DEM进行邻域计算。其表达式如下:

式中,Δh表示地形起伏度,hmax表示单位面积内最大高程值,hmin表示单位面积内最小高程值。

2.2.2 均值变点分析法

最佳统计单元是研究地形起伏度的关键,地形起伏度随面积的变化呈现逻辑斯蒂克(logarithmic)曲线,该曲线由陡变缓处即为最佳统计单元的大小[17]。由于人工判别法主观性因素较大,会直接影响数据的准确性,故本研究采用均值变点分析方法来进行最佳统计单元的计算,其数学表达推算如下[18]。

数据序列为{xi},i=1,2,3,…,36,以xi为界,将序列分为两段,分别计算两段数据的算术平均值xi1和xi2、样本均值以及统计量:

公式(1)是两段样本的离差平方和之和,公式(2)是离差平方和。

3 结果与分析

3.1 邻域分析与均值变点分析

在Arc GIS 10.2中对祁县进行窗口为矩形,在窗口大小分别为n=3,5,7,…,31,…,75,的情况下计算地形起伏度,研究区窗口大小与平均起伏度的关系如表1所示。

从图1可以看出,拟合方程为y=30.38ln(x)-11.58,拟合系数为R2=0.965,经过统计学检验,拟合度满意。图中平均地形起伏度随着窗口面积的增大不断地增大,平均地形起伏度趋势呈由陡变缓处即为最佳统计单元面积。

根据表1中数据计算得到各分析窗口下的平均地形起伏度,然后将其取对数,构建数据序列为{xi},i=1,2,3,…,36,运用公式(1)和公式(2)求出S=37.56,Si(表2)与S-Si(图2)。

通过图2可以看出,点数为11时,S-Si达到最大,则23×23的窗口大小即为由陡变缓的点,23×23为最佳统计单元,此时窗口面积为:

3.2 地形起伏度分级

根据数字地貌制图规范,地形起伏度可以划分为平原(<30 m),台地(30~70 m),丘陵(70~200 m),小起伏山地(200~500 m),中起伏山地(500~1000 m),大起伏山地(1000~2500m),极大起伏山地(>2500 m)共7级[11]。本文在最佳统计单元为23×23,该窗口下的地形起伏度范围为0~325 m,按照数字地貌制图规范对研究区进行起伏度分级如图3所示。

图3表明,祁县地势东南高,西北低,地形起伏度亦呈现东南高,西北低的趋势,全县以平原和丘陵为主,无中起伏山地和大起伏山地。西北部主要为平原,台地密集分布于平原与丘陵接壤处,起伏度<30 m的平原区占29.82%,30~70 m的台地区占19.81%,该区河流(如:昌源河、滹溪河、乌马河)的水流作用明显,中部台地地区为土壤堆积的古洪积扇,坡度较大,包括城赵镇、贾令镇、昭馀镇、东观镇、西六支乡的全部,以及古县镇与裕口乡的北部,占全县总面积的49.62%;东南部丘陵分布范围广,小起伏山地呈零散分布,70~200 m的丘陵区占40.87%,200~500 m的小起伏山地区占9.51%,该区属于太岳山系,沟谷发育显著,地形较破碎,土壤结构松散,抗冲性弱,降雨多于西北部,包括来远镇的全部和古县镇、峪口乡的南部,占全县面积的50.37%。图中起伏度最大为325 m,位于古县镇白寺岭,海拔为1152 m;白寺岭邻近子洪水库,下游为昌源河,地形直接从丘陵过渡为平原。

4 结论与讨论

本文基于分辨率为30 m×30 m的ASTER GDEM数据,运用均值变点分析方法,对祁县的地形起伏度进行研究,得出如下结果。

(1)祁县地形起伏度的最佳统计单元面积为47.61×104m2,地形起伏度可分为4级,东南部以丘陵(70~200 m)和小起伏山地(200~500 m)为主,占全县总面积的50.38%;西北部以台地(30~70 m)和平原(<30 m)为主,占49.62%;西北部地形起伏度小于东南部。

(2)均值变点分析法在计算最佳统计单元面积方面具有其科学性与实用性,运用该方法对研究区地形起伏度进行计算,能客观地反映研究区的地形起伏情况。

(3)DEM在最佳统计窗口(23×23)下,研究区的最大起伏度为325 m,起伏度>70 m的区域较大,加之断裂构造与剥蚀侵蚀作用,以及土壤性质与降雨的影响,必然导致水土流失严重。祁县的水土流失治理应积极建设小型水利工程,加强水土保持监管制度,在丘陵和小起伏山地实行退耕还草还林,发展林业生产基地或者水果种植基地,不断恢复生态平衡。

基于DEM生成等高线的方法 篇5

基于DEM生成等高线的方法

绘制等高线算法,分为等高线确定,等高线短线构成和等高线短线连接.首先确定每条等高线具体高程和等高线条数,根据等高线高程,划分各点所在地势级,找出地势变化处的点,在这些点的`附近找出等高线经过处,内插出等高点,再将同一等高线上的两点连接成短线,短线连接是根据同一等高线上的点,高程相等又相互连接,在等高线短线中,找出高程相等,由相同坐标点的短线,将其逐个连接起来,便形成了完整的等高线.

作 者：聂欣 李鑫慧 吴良林 NIE Xin LI Xinhui WU Lianglin  作者单位：聂欣,吴良林,NIE Xin,WU Lianglin(广西师范学院,广西,南宁,530001)

李鑫慧,LI Xinhui(南京信息工程大学,江苏,南京,210044)

刊 名：地理空间信息 英文刊名：GEOSPATIAL INFORMATION 年，卷(期)： 7(4) 分类号：P208 关键词：数字高程模型   规则格网   等高线   等高线追踪  

DEM数据 篇6

关键词：DEM精细化生产技术；地理国情普查；数据信息；应用

地理国情普查工作中，DEM是主要构成部分。由DEM派生而成的坡向与坡度等数据，可以用来统计与分析我国各区域的地形地貌。原有的数据成果格网的尺寸，已经难以适应现代地理国情普查的需要，因此常使用1：10000DLG数据以及相关数据源，对数据成果生生成格网进行细化，使其尺寸由原有的5m细化为2m，生成DEM数据。

1 DEM概述

DEM即数字高程模型，该模型主要是以数字的形式，根据结构组织，将数据信息整合起来，用来表示实际地理区域的的地形特征的空间分布。用数字来描述地理区域的地形形状与起伏情况。该模型将实际地形数据，以离散数字形式，展现在计算机设备中，将地形地貌等信息，进行数据计量化处理，使其更加的清晰与直观。基于地理国情普查需求，DEM精细化利用实际地理数据信息，比如等高线、高程点等，来构建DEM精细化成果，进而反映地理国情。

2 DEM精细化生产技术指标

数学基础指标包括：1）平面坐标系统，即2000国家大地表系。2）高程基准指标是1985国家高程基准；3）投影指标是高斯-克吕格投影，按3度分带；4）比例尺为1：10000，空间单元格网是2m，等高距是5m或者10m。

精度指标（以平地为例）：平地基本等高距是1m；地面坡度<2°；高差<20m；格网点高程中误差是0.7m；DEM内插点高程中误差是0.7×1.2m。隐蔽地区高程中误差，则可以以在对应地形高程中误差的1.5倍数计算。隐蔽地区DEM内插点高程中误差，则可以按照规定的1.2倍数计算。高程中误差的最大误差限为采样点数据值的2倍，高程数值保留1位小数[1]。

3 DEM精细化生产技术应用流程

3.1 DEM制作过程

3.1.1 DEM制作方法

基于数据源可以将DEM制作方法划分为：航空摄影测量影像法；DIG数据生成法；DEM数据生成法等。航空摄影测量影像法的制作效率高，但是数据质量较差。若利用地形图内插DEM方法，则对地形图的时效性有着较高的要求。DEM生产软件主要包括：ArcGIS、MapMatrix等。

3.1.2 数据预处理

在数据源中提取要素信息，比如高程点与水系等，检查数据的质量，尤其是高程点与等高线的高程值，检查其是否正确。提取1：10000DLG高程点，以及等高线数据，作为地形图内插DEM方法应用的基础数据。提取1：10000DLG水系层数据，水系层的面积要>400m2，而且是静止水域，即湖泊、池塘等，利用CAD制作成图。

3.1.3 采集地形特征-以流动水域特征采集为例

在进行水域特征采集时，对于点与线特征采集，则需要确保特征线之间不存在交叉情况，同时特征点与线、地貌层数据之间不能存在相互矛盾问题。在采集流动水域特征时，基于由上到下的选择，采集特征线，即高程梯度下降情况，因为河流沿着等值线的走向存在高差，因此横向存在等值线穿越的情况。

3.1.4 DEM内插

因为地理区域不同，则地貌也存在差异，因此DEM精细化生产所选择的内插方法不同。若地理区域内的山地地形完整度较高，而且等高线信息较为丰富，则可以采用TIN内插算法，若等高线信息较少，而地形较为平坦或者较为破碎，则可以灵活运用内插算法，比如以地形特征为依据的栅格插值法，或者以距离变换为依据的栅格插值法。在使用TIN内插算法时，则需要使用地理区域周边图幅数据，作为内插数据进行处理，经过接边后的DEM数据，其同名格网点内的高程值则要相同[2]。

3.2 精细化DEM数据核查

地理国情普查中，应用DEM精细化生产技术，完成数据生产后，则需要对数据进行检查。主要核查以下内容：1）检查空间参考系。對于DEM精细化生产数据的空间参考系检查，主要检查的是平面坐标系统是否规范，同时检查高程基准的规范性，除此之外还需要检查各类地图投影参数的准确性。2）检查位置数据精度。主要检查高程中误差以及接边误差，同时还需要检查套合差。3）检查数据逻辑的一致性。主要是检查数据文件的组织与存储的规范性，是否做好归档工作。检查DEM精细化数据生产中，所用到的各项资料的实时性，检查其是否符合规范化要求。4）附件检查。主要是检查原数据文件组织以及命名等，检查其是否规范正确，填写是否完整，不存在错漏问题，同时检查基础资料的准确性与权威性，除此之外还需要检查技术设计与技术总结等资料，检查其齐全性与规整性。5）检查内插生成的DEM质量，可以采取套合差的检测发方法，将DEM数据法所生产出来的等高线图，以及原始的DLG进行套合，将套合差作为检查指标，以此确保生产数据成果，能够符合技术指标规定[3]。

结束语：地理国情普查作业中，利用DEM精细化在生产技术，则需要根据其技术指标，遵循技术应用流程，构建DEM，进行数据生产。并且检查DEM生产数据的质量。在各个应用环节内，均需要加强数据管理，确保数据的精准性。DEM精细化在生产技术的应用，极大程度上提高了地理国情普查作业的效率，但是还存在着需要改进的问题，还需要加强技术研究。

参考文献

[1]杨玉冰，秦晓莉.地理国情普查DEM精细化生产技术及应用浅析[J].国土资源导刊，2015（04）：85-89.

[2]凌晓春，刘石栋，钟全宝.地理国情普查的关键技术及实现策略[J].地理空间信息，2016（03）：36-39+7-8.

[3]容茜，沈佳洁.基于DLG的地理国情普查DEM精细化生产方法探索[J].地理空间信息，2016（11）：39-40+51.

DEM数据 篇7

1 DEM的格式

数字高程模型 (Digital Elevation Model, DEM) 是用一组有序数值阵列形式表示地面高程的一种实体地面模型, 主要有三种表现形式:等高线、规则格网以及不规则三角网 (TIN) 。三种表现形式各有其优缺点, 并根据实际需要, 应用于不同的范围。

(1) 等高线:通常所说的等高线数据通常包含等高线、特征线、特征点。运用等高线数据能准确地表现地表形状, 并且易于编辑、修改。其缺点是不直观, 无法与影像数据一起真实地展示地形, 因此, 在三维场景展示中, 不直接使用等高线, 而是将其转换成其他的格式。

(2) 规则格网:规则格网的优点是数据量小, 便于使用, 容易管理, 因而是目前使用比较广泛的一种格式。其缺点是不能准确的表示地形的结构和细部。

(3) 不规则三角网 (TIN) :不规则三角网是将采集到的地形特征点按照一定的规则连接成覆盖整个区域的且互不重叠的三角形集合。TIN能较好地顾及地形地貌特征点、线, 在表示复杂地形表面时, TIN比规则格网更精确, 但是TIN具有数据量大、数据结构复杂、使用管理复杂等缺点。

2 FME中DEM转换模块

2.1 FME介绍

FME (Feature Manipulate Engineering) 是加拿大Safe Software推出的空间数据转换处理系统。该系统通过提供在转换过程中重新构造数据的功能, 实现了不同空间数据格式之间的转换, 为快速、高质量、多需求的数据转换应用提供了高效、可靠的手段。FME在数据转换过程中具有以下优势。

(1) 数据格式多样化。FME作为强大的GIS数据转换平台, 能实现150多种数据格式的相互转换, 同时也可以实现不同坐标系之间的转换。

(2) 流线型处理过程。通过在FME数据输入的阶段执行多个任务, 提供了一套可以以不同方式进行组合的构建模块。

(3) 数据整合。在单个数据转换过程中合并多个数据集, 所输入的数据可以是一个或者多个不同的输入格式。

2.2 FME的DEM生成模块

FME的SurfaceModeller模块能实现三维地形数据以及不同格式DEM数据的相互转换, 为不同的工程应用提供不同格式的DEM数据。

(1) 数据输入。任何形式的DEM数据, 作为数据源时, 均作为高程点和线元素输入, 其中线素分为等高线和特征线。将源数据分成三类, 可同时导入到SurfaceModeller中, 多种源数据也可以同时导入共同参与计算, 并实现格式的转换。

(2) 数据转换。SurfaceModeller模块是一个封装的数据数据转换模块, 只需要根据实际需要设置相关的参数, 如DEM格网间距、等高线维数等。

(3) 数据输出。SurfaceModeller模块提供多种输出DEM数据格式, 并且可以同时输出多种格式。

3 应用实例

以重庆市北部新区某大型开挖区域的土石方动态监测项目为例, 介绍FME在DEM数据转换中的应用。

3.1 项目概况

为了动态监测该项目的开挖进度以及土石方量的挖填平衡情况, 采用无人机对开挖区域 (约8平方公里) 及周边区域 (约6平方公里) 进行航空摄影, 并用GPS测量方法进行像片控制测量, 通过无人机数据处理软件MAP-AT可以获取该区域的数字正射影像图 (DOM) 以及数字高程模型 (DEM) 。由于篇幅有限, 无人机数据处理的具体方法就不做详细描述。运用所获得的DOM以及DEM数据, 运用Skyline的TerraBuilder可以生成真实的三维场景, 即可进行三维浏览以及土石方量的相关分析, 为工程的挖填平衡提供科学的依据和动态监测, 保证项目的后期的正常推进。

3.2 DEM数据转换及修正

由于目前无人机数据处理软件MAP-AT不是特别完善, 支持的DEM数据格式比较单一, 同时无法对生产的DEM数据中的错误点进行修正以及对DEM的精度做客观的评价, 因此通过无人机数据处理软件直接获得的DEM数据不能满足后期的应用需要对DEM数据错误点进行修正以及格式转换。

(1) DEM数据初始转换。

通过MAP-AT软件可以获取其专有文本格式的DEM数据, 需使用ArcMap软件的转换工具将DEM数据转换成通用的文本格式数据, 并进行Flip变换, 最后转换成Arc grid格式的DEM数据。

(2) 数据格式转换。

根据获取的DEM数据的缺点, 需要将其格式进行转换并同时生成三种格式DEM数据:等高线 (*.dgn格式) 、不规则三角网 (*.dgn格式) 以及栅格格式 (*.img格式) 。等高线数据主要用于与周边未开挖区域的已有地形数据进行比较, 以总体评价DEM的精度。不规则三角网用于对错误点进行修正, 栅格格式的DEM用于生成真实的三维场景。格式转换的过程如图1。

(3) 总体精度评价。

由于在开挖的区域无法获取其它正确的DEM数据, 因此只有将转换得到的等高线数据与未开挖的地形数据进行比较分析, 总体评价DEM的精度质量。在总体精度满足要求之后, 才能进行后续处理。

(4) 粗略三维场景生成。

首先运用转换好的DEM数据 (*.img) 与数字正射影像图, 运用skyline的TerrBuilder生成一个粗略的三维地形场景。在生成的三维场景中, 我们可以很容易的找到DEM数据中错误点位并进行标记, 为DEM的修正提供准确的定位 (如图2) 。

(5) DEM数据修正。

通过转换得到的TIN (*.dgn格式) 数据, 根据 (3) 中的错误标记, 将错误点及周边的TIN切割出来, 导入到专门的建模软件 (如3ds max、MultiGen Creator等) , 可以很方便的对错误点进行修正, 修正结果如图3。

(6) DEM数据整合。

将修正正确的TIN数据转换成*.img格式的DEM数据, 并替换初始错误的区域, 即可得到完整的正确的DEM数据。

3.3 三维场景的生成及挖填方分析

将修正过的DEM数据与数字正射影像, 运用TerrBuilder可以生成正确的真实三维场景。按照初始设计平常标高, 可以计算出当前的挖填状况, 为工程的后续工作提供科学的依据。土石方量挖填的计算结果如图4。

4 结语

根据实际工作经验, 本文介绍的DEM数据转换与修正的方法是可行的, 能满足工作要求, 并能运用到实际的工程项目中。但是, 整个数据处理的过程繁琐, 涉及的软件较多, 生产效率相对低下。因此, 在无人机数据处理软件或者三维场景生成软件的基础上, 开发出有效的DEM修正工具, 支持多种DEM数据格式, 一次性生产出合格可用的DEM数据势在必行。

摘要：以重庆市北部新区某土石方动态监测项目为例, 介绍了运用FME转换无人机数据处理软件制作的DEM数据以及对DEM数据错误点的修正方法, 同时生成真实的三维场景, 在skyline环境下实现土石方量的分析。

关键词：FME,DEM,三维场景

参考文献

[1]张祖勋, 张剑清.数字摄影测量学[M].武汉:武汉大学出版社, 1997.

[2]李莉, 李建榕, 魏福银.FME在数据加工项目中的应用[J].测绘信息与工程, 2003 (4) .

DEM数据 篇8

关键词：LiDAR,测高,DEM,激光

1 机载激光扫描获得地形高程原理

机载激光扫描测高获得地形高程的原理是将激光脉冲测距仪安置在妞行器上通过记录激光脉冲从发射机发射到地面后经地面目标物反射后的时间延迟, 然后再乘以光速c, 以此来精确测定发射点到地面反射点 (激光脚点) 的斜距。同时机载的惯性测量系统 (IMU) 测定飞行器在空问的姿态参数 (侧滚角、仰俯角和航向角) , 而GPS提供飞行器精确的位胃信息, 在后续内业处理中, 在提供的IMU确定的姿态信息, GPS测定的飞机飞行航迹数据以及激光脉冲测定的倾斜距离基础上, 可求出个激光点精确的三维空间直角坐标 (X, 丫Z) 。通过一定宽度的扫描, 就可获得具有大量地面点的三维坐标。本次使用的是ALTM3100系统, ALTM系统同步采集激光地形数据和航空影像数据, 可以生成DEM、DOM、DSM, 极大地丰富了航摄成果的类型。

2 选用LIDAR获取较高精度的地形数据的优势

Li DAR激光扫描技术是一种主动式遥感手段, 利用激光脉冲对目标地物进行扫描, 接收回波信息以测定地物。Li DAR激光扫描系统可以同时接收地面四次回波信息, 这样, 激光点就可以穿透植被, 准确的获取植被覆盖区域的地形信息。即使是测区山区面积广, 植被覆盖密度大, 利用激光数据可以获得高质量的地形数据。

3 DEM技术要求

(1) DEM采样间隔。

1∶10000比例尺DEM采样间隔为5m。

(2) DEM格网点精度。

高程数据取位至0.1m。1:10 000比例尺DEM格网点高程中误差不大于表1之规定。

(3) DEM接边差。

同名点高程较差不得超过一个等高距。

(4) DEM分幅裁切。

DEM按内图廓外接矩形裁切。

4 激光数据处理流程

针对激光数据处理, 遵循以下原则。

(1) 解算原则、方法:实际解算, 采用多边形范围输出, 以单条航线存储为一个激光点文件;采用WGS84椭球, UTM投影坐标系。

(2) POS处理说明:处理基站数据时, 由观测手簿获得基站坐标及天线高;使用基站时, 尽可能多的使用离测区范围最近的所有基站, 并且加载静态初始化数据。

(3) 航带重叠处理:航线与航线之间重叠的部分, 根据航线, 需将重叠部分的冗余数据剔除出去, 以减小数据量。

激光数据处理的技术流程如下: (1) 原始数据解码:利用地面预处理系统对采集的原始激光数据与POS数据进行解码, 从而获得G PS文件, IMU文件, 激光点文件等。 (2) POS数据处理:机载PO S与地面基站G PS进行差分和融合, 获得精确坐标。 (3) 激光数据处理:处理后的PO S数据与激光点数据融合, 获得地面坐标;输出激光点文件。

5 DEM、DSM生产

5.1 激光点滤波

根据地形情况, 首先剔除噪声点, 包括云、折射等造成的高程异常点;然后设定适合的参数, Terra Scan软件自动提取地面点。

5.2 航线接边处理

将POS数据生成的航迹成果信息, 加载到激光点文件中, 给激光点指定航线号, 根据激光点的位置及姿态, 对重叠区域进行自动裁切及拼接。

5.3 激光点编辑

将分类后的数据打开, 单独察看ground层, 如果发现地形有明显错误或分类效果没有达到标准, 则需要将这部分数据重新进行分类计算。

5.4 DEM输出

Ground点编辑完成之后, 以规定的标准格式, 输出DEM。

5.5 利用编辑好的DEM数据生成DSM

(1) 利用PCI公司开发的LIDAR数据处理模块Lidar Engine软件, 导入激光点云数据 (*.las格式) 。生成DSM为了直观检查DEM的错误 (见图1) 。

(2) 使用LIDAR处理算法, 生成激光数据DSM影像。 (见图2) 。

检查DSM数据, 地形高程异常或产生漏洞区域, 需要重新修改原始LAS数据和DEM数据, 再次生成新的DSM检查。

5.6 成果精度

激光LIDAR获取的DEM高程精度应满足30 cm, 平面精度应小于1 m。

5.7 精度超限解决方案

当成果精度经过实际检测, 不能满足项目要求时, 需要对激光数据进行精度超限改正。有两种方法。

(1) 通过外业控制测量, 对激光点进行纠正处理, 使其精度提高。 (2) 在测区内, 垂直航线方向补飞两条 (一个架次内) , 以垂直补飞数据与原有数据进行匹配 (Match) , 得出改正参数。

5.8 成图输出

格式转换之后的数据按照1∶10000标准图廓进行分幅, 作为成果提供使用。 (见图3)

6 结语

机载激光扫描测高涉及的实际应用很多, 是一个典型的3S集成系统, 随着机载激光扫描测高技术的不断成熟和数据处理算法的不断完善, 机载激光扫描测高技术的应用领域会越来越广, 特别是对于机载激光扫描测高技术。目前的发展趋势表现在以下几个方面, 利用机载激光扫描测高数据建立大范围高精度数字地面模型;利用机载激光扫描测高数据建立3D城市模型;紧急如滑坡测绘等灾害事件的快速反应及变化监测;进行森林资源的管理和评估;海岸地带测绘等。

参考文献

[1]程效军, 朱鲤, 刘俊领.基于数字摄影测量技术的三维建模[J].同济大学学报, 2005 (1) .

[2]A ckermann F.Structural changes in photogrammetry[C]//In:The Proc.of 43th Photog.Week, 1991.

[3]WehrA, LohrU.A irbornelaser scanning[J].PE&RS, 1999 (1) :68-82.

[4]刘沛.多源数据辅助机载激光雷达数据处理的关键技术研究[D].北京:中国测绘科学研究院, 2008.

[5]肖乐斌, 钟耳顺, 刘纪元, 等.三维GIS的基本问题探讨[J].中国图象图形学报, 2001 (6) .

多源DEM提取水文因子精度分析 篇9

栅格DEM是目前用于水文分析的主要数据形式[1,2,3]。水文因子的提取往往是水文分析的第一步, 水文因子的精度直接关系到水文分析结果的准确性[4,5]。针对栅格DEM的分辨率对汇流网络、河道长度、流域边界等水文因子提取的影响, 国内外学者进行了大量研究[6,7,8,9,10]。但这些研究通常是通过数字化大比例尺地形图得到高分辨率栅格DEM, 而后将高分辨率DEM重新采样获得低分辨率的DEM, 由此对比不同分辨率DEM对水文因子的提取和水文分析的影响。

DEM有不同的获取来源, 其质量和分辨率不尽相同[11]。目前, DEM数据获取源有基于我国不同比例尺地形图生成的1∶1万DEM、1∶5万DEM、1∶25万DEM, 其水平分辨率分别为5m、25m、100m;有可免费下载覆盖全球大部分区域的DEM包括HYDRO1K、90m SRTM3-2、30m ASTER GDEM等, 其水平分辨率分别为1000m、90m、30m。本文选取实验样区内的1∶1万DEM、1∶5万DEM、1∶25万DEM、90m SRTM3-2、30m ASTER GDEM五种DEM, 以1∶1万DEM提取的水文因子为基准, 其他四类DEM通过与1∶1万DEM对比, 显示这些不同源DEM提取水文因子的精度差异, 对合理地选取DEM数据源提供参考。

2 数据与方法

2.1 样区选取与数据预处理

实验样区选在皖东地区滁州市清流河流域的琅琊山及周边地区 (图1) , 位于118°34′6″—118°22′30″E、32°12′30″—32°27′32″N, 平均海拔高度62.1m, 最大高度357.8m, 最低高度6m, 总面积815km2。本区域属于典型的平原微丘与低山丘陵相间分布的地区, 是江淮分水岭的南缘。本文对五种DEM数据进行了投影转换、水平校正和垂直校正, 减小数据之间的地理位置和高程测量值系统性偏差。同时, 以1∶1万DEM数据的区域范围为基准, 对其他四种DEM进行裁切, 使五种DEM研究区域的范围保持一致。

2.2 水文因子提取与精度对比方法

水文因子提取过程:现在我国市场上已经有了较多的成熟软件来完成流向、汇流、流域及子流域等信息的提取工作, 如在WMS、Arc GIS中内置水文模块Hydrology、SWAT、TOPZA分布式水文模型、River Tools等[2,3,4,12,13,14,15,16,17,18,19]。Hydrology提供了强大的水文信息提取功能, 可方便快捷地完成河网提取、流域划分等任务。国内外科研工作者应用其开展了大量工作[20,21], 水文分析过程已成熟。图2为应用Hydrology从DEM中提取部分水文因子的流程。

河网套合差:河网套合差是定量描述河网吻合程度的量化指标[22,23,24]。对整个研究区域, 河网套合差 (D) 的计算公式为:D=΢Ai/S。式中, Ai表示两条河网叠加产生的细碎多边形的面积;S为流域总面积。河网套合差越小, 表明河网吻合程度越高。

子流域精度对比:子流域精度的表达是通过计算样区不同源DEM与1∶1万DEM的子流域面积差和子流域边界周长差, 其方法为:随机选取n个集水点, 提取出这n个点在各类DEM上分别所属的子流域, 计算这些子流域的面积和边界周长;将1∶5万、1∶25万DEM、90mS RTM DEM、30mA STER GDEM的n个子流域的面积和边界周长分别与1∶1万DEM相对应的n个子流域面积和边界周长相减, 并求其均值。

3 样区水文因子提取与对比

汇流累积阈值决定着所提取河网的沟壑密度和河流级别特征。通过实验, 对1∶1万DEM选取阈值为2500, 即上游汇流面积达到0.0625km2。根据汇流累积面积对等的换算关系, 分别设定1∶5万DEM、1∶25万DEM、90m SRTM3-2、30m ASTER GDEM的汇流累积阈值为100、6、8、70进行河网提取;然后分别将基于1∶5万、1∶25万DEM、90m SRTM DEM、30m ASTER GDEM提取的河网与1∶1万DEM提取河网叠合, 进行套合差分析, 其中的流域总面积值均采用1∶1万DEM提取的basin值, 最终统计结果见表1。

通过河网套合差汇总结果得到1∶5万DEM与1∶1万DEM提取的河网吻合程度最高, 30m ASTER GDEM次之, 90m SRTM3-2稍差, 1∶25万DEM的最差。在现有的相关研究中, 对河网套合差指标的解析有:詹蕾[22,24]通过实验得出, 当河网套合差小于0.02时, 河网吻合程度很高;小于0.03时, 吻合程度一般;大于0.03时, 吻合程度较差。如果通过这个标准来判断, 以上四种DEM提取的河网与1∶1万DEM相比均较差。造成这种结果的原因主要有三方面:一是对比的数据不同, 詹蕾在实验中是以1∶5万DEM提取的河网为基准, 用SRTM、1∶25万DEM与其进行比较得出的结果, 而本次是以1∶1万DEM提取的河网为基准。二是提取河网设定阈值的差异, 本次实验中上游汇流面积阈值设定为0.625km2, 而詹蕾在实验中设定的阈值为12.5km2。作者认为, 提取河网中不同阈值的设定会产生不同河网套合差结果值, 一般阈值设定越小, 导致的河网套合差的结果值越大。三是数据的区域差异, 在本研究中选取的样区多为低山丘陵和平原微丘区, 山脊沟壑的刻画相对较难, 容易造成误差。

在子流域精度对比中, 随机选取共了73个集水点, 得出基于1∶1万DEM、1∶5万DEM、1∶25万DEM、90m SRTM DEM、30m ASTERGDEM提取的73个子流域;分别将基于1∶5万DEM、1∶25万DEM、90m SRTM DEM、30m ASTER GDEM提取的子流域面积、子流域周长与1∶1万DEM提取的子流域面积、子流域周长进行对比分析, 统计结果见表2。由表2得出在子流域精度的对比中, 基于1∶5万DEM与1∶1万DEM所提取子流域的吻合度最好, 90m SRTM3-2次之, 30m ASTER GDEM稍次, 1∶25万DEM最差。

4 结论与讨论

本研究以1∶1万DEM、1∶5万DEM、1∶25万DEM、90m SRTM3-2、30m ASTER GDEM五种DEM为数据源, 运用ArcGIS中内置水文模块Hydrology对清流河流域的琅琊山及周边地范围内的5种DEM数据提取了河网和子流域, 并进行了河网套合差、子流域周长差、子流域面积差分析。

结果表明:①在较大尺度范围的非平原区内进行水文分析时, 1∶5万DEM、90m SRTM3-2、30m ASTER GDEM三种DEM提取水文因子均可获得较理想的结果。整体而言, 其中1∶5万DEM精度较高, 90m SRTM3-2次之, 30m ASTER GDEM稍差, 且90m SRTM3-2在进行较大区域范围的水文分析的效率上高于1∶5万DEM和30m ASTER GDEM。②通过对比发现, 1∶5万DEM、1∶25万DEM 90m SRTM3-2、30m ASTER GDEM四种DEM所提取的河网, 在处于平原微丘区较丘陵区域与1∶1万DEM所提取河网的吻合度均比较差, 因此对平原及平原微丘区进行水文分析的数据源仍然需要比较高精度的DEM。而在数据源的获取上, 90m SRTM3-2和30m ASTER GDEM多数区域可免费下载, 这两种DEM可运用于地表起伏度较大且研究尺度也较大的区域进行水文模拟、水土流失、生态保护等诸多研究中。③本研究中并未针对不同地貌类型将研究区分成山地、丘陵、平原区进行分别对比验证, 一定程度上造成了河网套合差较大, 但由于在水文分析时针对区域而选择不同精度或类型的DEM数据源相对不易操作, 因此这样的对比结果更符合实际应用。④在应用多源DEM进行水文因子提取过程中并未应用真实的河流水系进行辅助, 因此基于各种DEM经过河网与流域边界校正后的精度对比有待进一步研究。

摘要：以清流河流域琅琊山周边815km2的区域为研究样区, 通过预处理后的1∶1万DEM、1∶5万DEM、1∶25万DEM、90mSRTM3-2、30mASTERGDEM五种DEM数据和ArcGIS中内置水文模块Hydrology提取了河网和子流域等水文因子, 并以1∶1万DEM提取的水文因子为基准, 得到基于其余四种DEM数据的河网套合差、子流域周长差、子流域面积差, 分析了四种不同源DEM数据在提取水文因子中的精度差异。实验表明, 在较大尺度范围的非平原区内进行水文分析, 且上游汇流面积达到0.625km2时, 1∶5万DEM、90mSRTM3-2、30mASTERGDEM三种DEM提取水文因子均可获得较理想的结果。就提取水文因子的整体精度而言, 其中1∶5万DEM较高, 90mSRTM3-2次之, 30mASTERGDEM稍差, 1∶25万DEM较前三者差距较大。

基于DEM的河网水系生成研究 篇10

近年来, 随着计算机功能的日益强大以及GIS的普及和应用, DEM数据已能精确方便地获取, 直接从DEM中提取河网水系的方法也渐渐成熟, 并且已经成为当前研究流域地貌信息的一种重要手段。

DEM是描述地面高程值空间分布的一组有序数组, 能够反映一定分辨率的局部地形特征, 通常有格网 (GRID) 、不规则三角网 (TINs) 、矢量 (数字线划) (DLGs) 3种形式, 其中最为普遍的是采用栅格DEM格式。

1 研究区概况

蓝田县位于陕西省中部秦岭北麓, 关中平原东南部, 属西安市, 是古城西安的东南门户, 因境内盛产美玉而得名。县境东西长64km, 南北宽55km, 总面积1 969km2。蓝田县地形地貌复杂, 南部和东部为秦岭山地, 中西部蓝川、白鹿塬相间, 北部为横岭, 海拔800～2 000m, 最高峰王顺山海拔2 311m。河流有辋、灞、焦、汤、青河汇入渭河。属暖温带半湿润大陆性季风气候, 年均气温13.1℃, 年降水量720mm。

2 河网水系的生成

基于DEM提取河网水系的方法有很多, 主要概括有两种基本方法:第一种方法是用一个矩形窗口扫描DEM矩阵来确定洼地, 位于洼地内的栅格单元标记为水系的组成部分, 该方法的缺陷在于生成的水系不连续;另一种方法是O’Callaghan和Mark (1984) 提出的坡面流模拟方法, 模拟地表径流在地表的流动来产生水系。此算法依据水总是沿斜坡最陡方向流动的原理, 确定DEM中每个栅格单元的水流方向, 然后根据栅格单元的水流方向计算每个栅格单元的上游给水区, 再选择合适的水道给养面积阈值来确定河网。经研究证明, 该方法简单易行, 可直接生成相互连接的河网, 被认为是一种比较好的方法。

本文提取水系的具体流程如图1所示。

2.1 DEM数据的生成

本文底图采用水利部门的蓝田县1∶50 000地形图。通过扫描将地形图输入ArcGIS9.3软件中进行数字化形成电子地图, 再在ArcGIS9.3软件中进行3D分析, 最后转变为栅格DEM数据, 其分辨率为30m×30m, 作为以下的基础数据。

2.2 DEM数据的预处理

一般都要对DEM数据进行预处理, 预处理包括填洼、削峰以及平坦格网的处理。DEM被认为是比较光滑的地形表面的模拟, 但是由于内插的原因以及一些真实地形 (如喀斯特地貌) 的存在, 使得DEM表面存在着一些凹陷的区域, 所以一般都要对其进行填洼处理;对于平坦格网的处理一般是采用高程增量迭加算法来设定流向。

在Arc Map中加载DEM数据, 通过Arc toolbox, 执行Spatial Analyst Tools/Hydrology/Fill进行填洼处理。

(a) 填充处理前的DEM (b) 填充处理后的DEM

2.3 流向分析

水流方向的确定是运用DEM进行水文分析模拟过程的基础。经过预处理的DEM就可以用来计算格网内部的水流方向了。水流方向的确定采用D8算法, 即首先计算DEM每一栅格单元与其相邻的8个单元之间的坡度, 然后按最陡坡度的原则设定该单元的水流方向。

在上一步的基础上, 执行Spatial Analyst Tools/Hydrology/Flow Direction进行流向分析, 得到水流方向图。

2.4 集水区划分

集水能力强的栅格所在的区域称为集水区, 集水能力特征值为零的则代表着区内的高地, 据此可划分研究区域内分水岭的空间分布和集水区的边界。

通过水流方向图我们可以计算出流经哪些栅格单元的水流量高于其他栅格, 对水流方向进行逆向跟踪, 可以计算出能够注入该栅格的所有栅格的数目, 并将其标注为该栅格的汇流特征值, 因此, 输出栅格图的每一个栅格单元的值就代表着注入该栅格单元的所有栅格单元的数目, 其值越高, 注入水流越多。

在上一步的基础上, 执行Spatial Analyst Tools/Hydrology/Flow Accumulation进行汇流累积量的计算, 即生成集水能力图。

2.5 研究区河网水系生成

(1) 阈值的确定。阈值决定了河流的源头并直接决定生成的河网形态。阈值越大, 提取的河网越稀疏, 相反则河网密集。阈值为提取河网中的关键参数。在设定阈值时, 应对研究区域和研究对象进行充分分析, 通过实验和利用现有地形图等一些其它数据辅助检验的方法来确定能满足研究需要并且符合研究区地形地貌条件的合适的阈值。

在集水能力图中, 每一个栅格的集水能力特征值代表着能够注入该栅格的所有栅格的数量。当栅格的特征值大于给定的阈值时, 认为该栅格位于水道之上, 将这些栅格的值赋为1, 小于该阈值的栅格则作为产流区, 其栅格的值赋为0。将各水道按有效水流方向连接产生流域河网, 划分出河流网络系统。

(2) 提取河流网络栅格。打开Arc toolbox, 执行Spatial Analyst Tools/ Map Algebra (地图代数) /Single Output Map Algebra (单输出地图代数) , 得到河流网络栅格。

(3) 栅格河网矢量化。执行Spatial Analyst Tools/Hydrology/Stream to Feature, 从而得到矢量化的河网图。

(4) 平滑处理河流网络。打开“Editor”工具栏, 执行Editor/More Editing Tools/Advanced Editing, 点击其上的“Smooth”按钮, 对河网图进行平滑处理。

3 结语

通过生成的水系图与水利部门提供的蓝田县河流水系图比较对照, 基本吻合, 表明此方法精确度较高, 比较实用。

摘要：介绍了在ArcGIS9.3环境下从DEM中生成水系的一种实用方法。首先进行DEM的生成以及预处理, 其次判断流向和划分集水区, 最后提取河流网络, 生成需要的水系图件。以蓝田县为例, 进行河网生成的操作, 最后和实际水系比较基本吻合。此方法快速简单、成本低, 具有很高的应用价值。

关键词：ArcGIS,DEM,蓝田县,水系

参考文献

[1]MOOR I D, TURNER A K, WILSON J P, et al.GIS and land-sur-face-subsurface process modeling[C].New York:Oxford Universi-ty Press, 1993.

[2]O'CALLAGHAN J F, MARK D M.The exaction of drainage net-works from digital elevation data[J].Computer Vision, Graphicsand Image Processing, 1984 (1) .

[3]DAVID R MAIDMENT.ArcGIS hydro data model[M].USA, Cen-ter for Research in Water Resources, The University of Texas atAustin, 2001.

[4]熊立华, 郭生练.分布式流域水文模型[M].北京:中国水利水电出版社, 2004.

[5]孙艳玲, 刘洪斌, 谢德体.基于DEM流域河网水系的提取研究[J].资源调查与环境, 2004 (6) .

[6]原立峰, 周启刚.基于DEM的流域水文特征提取方法研究[J].人民黄河, 2006 (8) .

[7]孙鹏翔, 胡昱玲.ArcGIS9.0在水文分析中的应用[J].安徽水利水电职业技术学院学报, 2010 (5) .

[8]韩丽荣, 梅荣.基于DEM提取流域自然水系的研究[J].内蒙古科技与经济, 2010 (10) .

[9]汪东川, 卢玉东.基于Arc GIS的数字河网模拟[J].科技资讯, 2006 (5) .

DEM数据 篇11

近年以来, 基于数字高程模型 (Digital Elevation Model, DEM) , 将水动力模型与地理信息系统技术相结合, 来计算、 显示洪水淹没范围是水利应用领域的研究热点之一。如刘仁义等人提出了“有源淹没”和“无源淹没”两种淹没区计算方法[1];许多学者采用递归的方法来计算洪水有源淹没范围[2], 但是递归方法却具有计算效率低和稳定性不高的缺点;对此, 本文基于“栈”数据结构的特点, 提出了一种基于淹没区缓冲堆栈的有源洪水淹没分析种子蔓延算法, 实现了更为高效的有源洪水淹没分析, 最后在江西省遂川县洪水淹没分析与显示系统中进行了实践与验证。

1 基于DEM的洪水淹没分析算法

(1) 数字高程模型 (DEM)

数字高程模型 (Digital Elevation Model, DEM) 描述了地表形态的时空分布, 是地学分析和过程模拟的基础数据, 已广泛应用于全球变化、环境保护、自然灾害等科学领域。随着对地观测技术的发展, 各种全球尺度DEM数据 (如SRTM DEM、ASTER DEM等) 已向公众开放, 为全球范围和区域规模的地学分析模拟提供了可靠的数据来源。 DEM是由一系列的地面坐标点 (x, y) 以及对应的高程值z, 对地表进行连续的描述表达, 其数学函数式表达如下式所示:

(2) 基于DEM的洪水淹没分析计算模型

近年以来, 基于数字高程模型 (Digital Elevation Model, DEM) , 将水动力模型与地理信息系统技术相结合, 来计算、 显示洪水淹没范围是水利应用领域的研究热点之一。 针对DEM进行的淹没分析可以分为“无源淹没”与“有源淹没”两种。

无源淹没适用于大面积的地形平坦区域均匀降水的情况下计算洪水淹没区, 无源淹没仅仅将区域降水量的大小作为影响因素, 并没有考虑地形连通性的影响, 处理过程相对简单。它的原理是遍历数字高程模型上每个点的高程值, 只要该点的高程值小于给定洪水水位, 即将其加入至淹没区域, 从而计算出最终洪水淹没区域。

有源淹没不仅仅考虑区域降水量的大小, 还考虑到了地域连通性与水动力模型的影响, 在洪水流动过程中, 由于地形的阻挡, 即使数字高程模型上某点的高程小于给定洪水水位, 该点也不一定会淹没, 例如环形山地形, 对于无源淹没, 环形山内外可能都会被淹没, 而对于有源淹没, 如果山外的洪水并没有淹没山顶, 那么在环形山内部不能形成淹没区。因此, 有源淹没更加符合实际的情况, 但也更加复杂, 考虑的因素要多于无源淹没。

本文研究的种子蔓延算法属于有源淹没算法, 它的基本原理是:从指定的种子点开始, 向其相邻的各个方向的网格进行搜索, 逐个网格进行处理, 直到遇到边界。向不同方向进行搜索的方法包括“4-联通算法”和“8-联通算法”。从区域内任意一点出发, 如果只是通过上、下、左、右四个方向搜索到达区域内的任意像素, 则用这种方法填充的区域就称为四连通域, 这种填充方法就称为“4-联通算法”。 如果从区域内任意一点出发, 通过上、下、左、右、左上、左下、右上和右下全部八个方向到达区域内的任意像素, 则这种方法填充的区域就称为八连通域, 这种填充方法就称为“8-联通算法”。 在扫描过程中, 如果网格属性值为1, 则做标记不再向外扩散, 如果在扫描过程中, 网格属性值为0, 则把该点作为新的种子点, 并继续向其相邻的各个方向的网格进行遍历、处理。

2 种子点蔓延算法的改进与实现

(1) 数据结构“栈”的定义

栈 (stack) 又名堆栈, 是在程序设计中一类非常重要的数据结构。 栈是一种只能在一端进行插入或删除操作的线性表, 其中, 允许进行插入或删除操作的一端称为栈顶, 它是动态变化的, 相应的, 表头端称为栈底, 栈底是固定不变的。

由栈的定义可以看出栈的特点, 即“后进先出”, 因此, 栈也被称为“后进先出”的线性表。 假设栈S= (a1, a2, a3, …, an) , 则称a1 为栈底元素, an为栈顶元素。 栈中元素按a1, a2, a3, … , an的次序进栈, 则其退栈顺序应该为:an, …, a3, a2, a1。

(2) 种子蔓延模型算法— ——基于“栈”的种子遍历算法的设计与实现

假设给定洪水水位为Flood Level, 洪水的淹没原点为Raster Point (x, y) , 其周围的八个邻域点为Raster Point (i, j) , 其中, x-1≤i≤x+1;y-1≤j≤y+1。

基于“栈”的种子遍历的种子蔓延模型算法原理是:首先, 初始化淹没区缓冲堆栈, 从淹没原点开始, 判断淹没原点Raster Point (x, y) 是否小于给定洪水水位Flood Level, 若Raster Point (x, y) ≤Flood Level, 则将其标记为可淹没的栅格, 并将其加入到淹没区缓冲堆栈中, 然后搜索其周围的八个邻域栅格点, 将小于给定洪水水位为Flood Level, 即满足条件Raster Point (i, j) ≤Flood Level的栅格加入到淹没区缓冲堆栈中, 同时标记为可淹没的栅格, 此时, 弹出缓冲堆栈中的第一个元素, 即Raster Point (x, y) , 这时候, 缓冲堆栈中的第一个元素应该为Raster Point (x, y) 邻域栅格中的一个, 假设为Raster Point (x+1, y+1) , 这样, 第二次循环计算时候的淹没原点就是Raster Point (x+1, y+1) , 这样重复第一次的计算即可。 循环遍历淹没区缓冲堆栈中的所有栅格点, 直至淹没区缓冲堆栈为空, 运算结束, 从而可以得到淹没区域的范围。 图1 为算法流程图。

(3) 实例应用— ——江西省遂川县洪水淹没模拟系统

“江西省遂川县洪水淹没模拟系统”是利用C# 语言, 借助于ESRI的Arc GIS Engine平台, 基于“栈”的种子遍历算法而开发出来的用于抗洪分析的决策系统。通过输入种子点坐标与淹没水位, 获得淹没栅格单元并将其转化为矢量面从而计算出洪水淹没范围。 并且借助Arc Engine中ax Globe Control控件以30 米分辨率DEM作为高程数据源, 以高分辨率卫星影像图作为叠加影像, 生成全景三维地形场景, 最终将淹没结果与三维场景叠加, 生成三维场景下的山洪淹没结果。 使得淹没模拟更加的逼真, 可视性更强, 为山洪决策提供更加良好的支持。 图2为假设淹没原点在遂川县烟头村, 预测洪水水位高程为20m时的淹没范围分析结果图。

3 结语

本文研究的基于“栈”的种子遍历算法, 可以较为准确地计算出给定洪水水位条件下洪水淹没范围, 相比以往研究中的递归算法, 本文提出的改进算法可以极大提高程序的计算效率, 节约系统资源, 从而实现了更为高效的有源洪水淹没分析。 但是, 在实际的洪水淹没分析中, 仍然需要考虑地形因素、气候因素、水动力模型的影响等等, 因此, 在未来的研究中, 算法仍有很多条件需要考虑并改进, 为科学的防灾救灾提供更加科学的决策依据。

参考文献

[1]刘仁义, 刘南.基于GIS的复杂地形洪水淹没区计算方法[J].地理学报, 2001, 01:1-6.

[2]周品, 李勇, 谭建军, 孙芹芹.基于DEM的洪水淹没计算机算法优化研究[J].微计算机信息, 2007, 03:196-198.

[3]汤国安.数字高程模型教程[M].科学出版社, 2010.