以特征线和高程范围为约束的DEM-cGAN框架

目前大规模地形生成方法依赖传统数学方法,缺乏用户控制,实现难度较大.尽管深度学习技术已介入地形生成工作中,但缺少相关的训练数据集,且未对经典生成网络的固有缺陷作出改进.为了获得真实感更强的地形数据,构建了一个由地形特征草图、地形灰度图像、高程分割图像和高程模型组成的数据集,并提出以特征线和高程范围为约束的DEM-cGAN框架,设计了一个双尺度并行生成网络ParallelGen.用户通过输入地形特征草图及高程范围,利用DEM-cGAN获得完整的高程数据.对生成结果从视觉效果、数值分析和地理学层面进行多项实验的结果表明,DEM-cGAN框架能正确地生成最大栅格尺寸为512×512像素的高程数据,并还原特征草图中的起伏走势,符合现实中的地理学规律.

基于云计算的DEM生成技术

本文针对海量DEM串行化生成处理效率低、数据准备过程繁杂等技术问题，充分利用云计算技术的虚拟存储、跨平台应用、计算和存储资源高效调度、软件架构和服务可重组共享等特点，提出了基于云计算的DEM生成算法模型，设计了基于云计算的DEM生成处理模型，并对软件进行改化。通过实验分析，基于云计算的DEM生成技术处理效率提高显著。

基于AE的泥石流DEM数据自定义生成方法

针对实地考察获取泥石流数字高程模型(DEM)数据往往费时费力,难以满足对泥石流运动研究对泥石流DEM数据需求的问题,以香港大屿山地形图为例,基于Arc GIS Engine开发组件,提出了一种调用Arc GIS Engine所提供的图形绘制功能,以手动方式绘制泥石流堆积体,并通过插值获取泥石流DEM数据的方法,从而实现了泥石流DEM数据自定义生成,满足了泥石流模型研究对DEM数据的需求,也提高了泥石流运动研究的灵活性。

一种海陆部水域面DEM自动填平方法研究

本文针对海陆部水域面区域格网点高程填平对数字高程模型（DEM）生成的影响，分析归纳了海陆部水域面DEM高程填平应遵循的相关规则，提出了一种海陆部水域面DEM自动填平方法。介绍了该方法的总体思路，并利用该方法进行海陆部水域面自动选取、水域面高程自动核查和水域面格网点高程值自动赋值填平实验。实验结果表明，该方法简洁实用，生成的DEM符合实际地表形态。