数字高程模型的建立与分析应用

为了用数字高程模型实现区域地形表面的数字化表达,通过对比分析的方法,研究了不规则格网(TIN)和规则格网生成的几种算法,对几种算法进行了比较,同时对数字高程模型的应用进行了分析,结果表明,逐点内插法十分灵活,内插效率较高,精度较高,计算方法简单又不需很大的计算机内存,因此逐点内插法是目前DEM生产中常用的内插方法;随着算法的不断改进和完善,DEM生成效率和精度的提高,其应用前景将十分广阔。

PSO-RBF神经网络在历史滑坡发育地区滑坡危险性预测中的应用

如何行之有效地利用多源遥感资料对历史滑坡发育显著地区进行滑坡危险性预测,对于地质动力活跃的高山地区的滑坡灾害研究具有现实意义。该文以云南永胜、宾川县的滑坡危险性预测为案例,基于多源高分影像获取了615个滑坡,通过RapidEye立体像对提取了5m精度的DEM,并结合研究区地质资料获取了9个滑坡影响因子(断层、水系、岩性、NDVI、坡度、坡向、地形起伏度、地表粗糙度、高程),然后利用TIN格网对滑坡及其影响因子数据进行空间属性集成,形成了可供模型预测的训练样本集。在考虑研究区滑坡发育特点的基础上,采用粒子群(PSO)优化RBF神经网络的学习算法,开发了以PSO-RBF神经网络为核心的滑坡危险性预测程序。在预测过程中,首先对各滑坡影响因子进行灰色关联分析(GRA),舍弃关联度较低的NDVI数据;然后分别利用PSO-RBF和BP神经网络对TIN训练样本集进行计算,获得研究区滑坡危险性预测结果。结果对比和ROC曲线评价显示,PSO-RBF神经网络预测效果良好,有效揭示了金沙江和断裂带对永胜、宾川地区滑坡发育的显著影响。