基于DEM的西北干旱区典型地貌类型坡度提取分析

由于DEM数据本身的多尺度因素,加之地形、地貌特征具有宏观性与区域分异性的特点,直接的信息提取往往很难达到预期的目的,同时,利用DEM进行坡度提取,精度具有很大的不确定性。选取西北干旱区典型地貌类型的平原和丘陵地作为试验区,利用1∶1万和1∶5万DEM,对、不同比例尺及不同空间分辨率DEM的坡度提取结果进行对比,分析变化规律,并对坡度提取误差进行量化模拟,成果对西北干旱区进行生态环境建设具有一定的参考价值。

基于MEMS传感器的道面坡度提取方法

道面坡度测量对于精细化导航系统及场面运行模拟系统的开发具有重要的意义。采用微机械电子系统MEMS(Micro-Electro-Mechanical System)传感器进行加速度估计的方法提取道面坡度通常需要增加额外的传感器,同时还会受到累积误差的困扰。仅利用智能手机的传感器,通过零加速状态检测的方法对旋转四元数进行重置,实现了累积误差的修正,并提出了一种新的坡度提取方法,在不需要额外传感器提供辅助参数的情况下,利用重力加速度方向不变性,通过载体坐标系中的重力加速度矢量方向的变化间接地实现了道面坡度信息提取。实验结果表明,本文算法可以准确地提取道面坡度信息并实现对道面坡度信息的定位。

基于DEM的西北干旱区坡度提取分析

简要介绍了DEM及其获取方法以及坡度计算方法,通过选取西北干旱区具有代表性的丘陵地和平地作为试验区,建立数字坡度模型,研究了不同分辨率的DEM提取坡度的变化规律,并对坡度提取误差进行了分析,对西北干旱区进行与坡度有关的生态环境建设具有一定的参考价值。

基于机载激光雷达点云的雪道坡度提取算法

滑雪场的雪道坡度信息不仅是雪场规划和建设所需的必要内容,也是滑雪运动员提高成绩、减少运动损伤的重要数据。传统的手动测量方式费时费力,且雪场的低温环境不利于测量人员长时间作业。为了解决滑雪场的雪道坡度计算问题,提出了一种基于激光雷达点云的雪道坡度自动提取算法。使用投影高程差滤波、聚类分割等算法对雪场点云进行预处理,获取雪道边缘特征数据。提出了一种自适应阈值的拟合算法,用于雪道中线的提取,该算法可根据点云数量信息及坐标信息,自动选择阈值拟合雪道中线,消除了实际应用中部分点云数据稀疏或缺失对中线拟合带来的不利影响。数据处理结果表明,该方法计算所得坡度值与多次手动测量平均值之间的相对误差为2.2%。这一方法对激光雷达在雪场目标上的应用、雪场测绘中雪道坡度计算等具有参考意义。

Python辅助下的坡度提取不确定性分析

以30 m空间分辨率的DEM为试验数据源,借助Python地理建模技术深入研究坡度提取的不确定性。以平均坡度来代表坡度的一般水平,将研究区划分为7种地貌类型,将30 m分辨率的DEM数据重采样成30~120 m分辨率的10组DEM数据,使用以Arc GIS平台和Python开发语言为基础的地理建模技术,定量分析平均坡度与DEM空间分辨率、区域地貌特征的关系,研究坡度提取的不确定性。结果表明:研究区内不同地貌区域提取的平均坡度都随DEM分辨率的减小而减小,衰减速率基本不变;其回归方程的常数项与所在地貌单元的沟壑密度呈二次函数变化特征;坡度提取的精度与DEM的分辨率呈正相关的关系;基于Python的地理建模技术有效地整合了坡度提取分析方法,极大地提高了分析效率;研究结果进一步验证了现有坡度提取方法的不确定性。

基于DEM的6种坡度提取算法的比较分析——以山东省青岛市为例

坡度是描述地形特征信息的一个重要指标,对于制订土地利用规划和防御地质灾害具有重要意义。本文基于山东省青岛市的ASTER GDEM数据,利用MATLAB进行矩阵运算,采用6种坡度提取算法分别获取坡度矩阵、最大值和中误差等统计指标,对比分析6种算法的提取精度。结果表明:简单差分算法出现极端和偏差情况的概率较高,可信度不高;三阶不带权差分和三阶反距离平方权差分算法比较稳定,偏差较小且精度较高,对沿海地区坡度提取具有借鉴意义。

江西省相山铀多金属矿田重磁坡度异常提取与成矿预测

运用ERDAS IMAGINE 9.1和MAPGIS 6.7软件提取剩余重力坡度和磁坡度,根据已知矿床(点)与剩余重力坡度和磁坡度的关系得出:相山矿田内重力坡度在62°～73°(剩余重力值扩大15倍)且剩余重力值在-3～1 m/s2的区域为成矿有利区;北部成矿区磁坡度在40°～50°和61°～70°的两个区间为成矿有利区,西部成矿区磁坡度小于30°且磁异常值为-40～-45 nT的区域为成矿有利区,整个矿田磁坡度为71°～80°且磁异常值小于零的区域为成矿有利区。提取的剩余重力坡度异常和磁坡度异常能够反映矿田深部有利成矿部位,对深部找矿具有指导作用。