不同地貌类型区DEM空间内插算法精度评价

数字高程模型(DEM)是数字地貌形态表达最为常用的基础数据,在工程建设规划设计、地貌定量分析、流域水文和土壤侵蚀模拟分析、土地利用、数字地质、遥感图像辅助分类等方面具有重要的用途.通过数字化等高线空间内插生成DEM是当前的主要技术手段之一,不同的空间内插算法和不同的地貌区域应用对DEM生成的质量和精度有重要的影响.本文选择了丘陵、山地和高山地3种地貌类型区,利用国际上流行的DEM专业化插值ANUDEM方法及另外5种典型常用的空间插值方法生成DEM,然后通过任意点法、等高线回放法及三维可视化叠加分析方法对生成的DEM进行了精度对比分析.结果表明,3种地貌区ANUDEM算法生成的DEM精度最高,IDW算法其次,THIESSEN算法、Kriging算法和自然邻域法精度相似,样条函数法精度最低.同一种空间插值方法,在地形起伏越大的地区,生成的DEM精度越低.     

浅谈在ERDAS中生成等高线的方法

通过研究由DEM、雷达激光点云las数据经过ERDAS拼接处理用线性插值法生成等高线,证明了利用ER-DAS软件生成的等高线不仅能够满足生产部门的精度要求,而且提高了生产效率.     

基于等高线的数字高程模型带状区域建模法

为简化传统方法用等高线地形图建立数字高程模型(DEM)时需先提取离散点数据、构建大量不规则三角形网(TIN)的繁琐过程,提出简便的带状区域法.首先对等高线进行完整性处理并按多边形编号存储,利用既有的等高线及其单边邻接关系将整个地形图划分为相互独立的带状区域,形成DEM模型;通过搜索查询点所在的带状区域及对应的等高线高程值,采用距离加权平均法计算查询点的高程.该方法建立的DEM模型明显减少了网格数量和存储空间,高程插值计算精度不低于TIN法,建模效率提高,适合于建立基于等高线的大型DEM.     

基于数字化等高线的DEM提取及精度评估

本研究首先利用地理信息系统软件ArcGIS从地形图中提取数字高程模型,生成东风镇DEM;再用DEM内插法生成检查用等高线与原等高线套合,检查吻合度在可接受范围内;并将DEM生成的三维晕渲图与等高线叠加检查,实现DEM精度的评定。实验表明,利用数字化等高线生成DEM和评价精度的方法成本低、效率高、可行性强。     

一种基于网格数据的等高线生成算法

等高线在地理空间信息表达中占据着重要的地位,与数字高程模型(DEM)都是用来表示地形信息的,从格网DEM中快速提取等高线数据并绘制出精确的等高线是十分有必要的。在格网生成等高线的传统算法基础上,提出一种针对数据量少、数据分布大致呈网格分布的网格等高线生成方法,在网格的横边和纵边上快速扫描跟踪各个等值线的点并绘制出地形图的等高线和水利大坝的温度等值线。试验结果显示算法具有较高的精度和实用性。     

利用等高线套合差评定DEM质量的应用研究

DEM再生等高线与原始矢量等高线的套合检查,是目前基于等高线生产DEM中质量检查的主要方法.本文阐述了套合差的自动计算与分析方法,并以较为复杂多样的地形作为实验,研究等高线套合差在评价DEM质量上的应用方法和效果.对于进一步完善DEM质量评价具有理论上的指导意义和实际应用价值.     

基于Strahler积分的DEM精度评价模型

提出了一种新的基于规则格网DEM的Strahler积分算法,并在此基础上提出了DEM的Strahler积分精度评价模型.该模型利用Strahler积分值表达规则格网DEM的整体误差,同时在一定程度上体现了DEM误差的空间分布,避免了常用DEM中误差模型的不唯一性以及等高线套合难以定量化的缺点.     

基于DLG的洪泽湖蓄滞洪区DEM构建及精度评定

以洪泽湖地区格网DEM生产为实例,研究基于江苏省地理信息中心编制的1∶10000DLG地形图,提取高程点、等高线等高程数据为源数据,构建DEM并利用检核高程点和等高线回放进行精度评定的技术,阐述基于ARCGIS 10.2下的解决方案。     

基于B样条小波多尺度分解的DEM模型研究

将B样条小波多尺度分解的思想应用于数字高程模型(DEM)建模中,可以较好的简化数据并提高造型逼真效果。数字高程模型(DEM)建模中可以利用矢量化等高线的高程数据和B样条曲面拟合的方法,研究了B样条小波在矢量化等高线和B样条曲面中的数据压缩处理,并给出具体等高线和曲面的小波分解算法和实现结果,有效减少了等高线和B样条曲面存储所需的空间并提高了曲线曲面的光顺程度。     

基于VC++的移动曲面拟合等高线生成算法

对现有空间插值算法进行了分析,探讨了基于移动曲面拟合等高线生成算法,优化了等高线线性内插和平滑输出的算法,编写了基于VC 的拟合等高线程序,通过模拟数据生成等高线实验,分析了算法的优缺点,探讨了生成等高线的精度.获取的精度表明该算法是可行和有效性的.     

等高线区域内插值算法研究

在DEM的建模中,已有的可视化方法都是从等高线数据开始,把它转换到另一种高程模型。本文主要针对规则格网和不规则三角形往的数据结构,提出一种用于地图编辑的等高线区域内插值算法。文章介绍了算法的原理、实现,充分利用了等高线的相关知识,计算速度快、操作简单,内插出的等高线质量较高,有广泛的实际应用范围。     

1：1万DEM数据生产和建库主要问题探讨

讨论了DEM的矢量数据类型,即等高线下的DEM数据生产与建库的基本问题,阐述了DEM数据生产方面的问题及其解决办法和建库中的问题及处理方法,并介绍了其简单的应用。     

利用DWG格式地形图建立城市DEM

采用VBA语言编程,提取离散高程点及其高程注记,并将高程点与高程注记匹配存储;对等高线进行有效的离散化,提取等高线的高程信息.而后将提取的高程数据在ArcGIS以三维可视化的人机交互的方式剔除粗差,最后生成DEM.实践证明,用此方法生成DEM速度快、精度高,是建立城市DEM的一种理想的方法.     

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.     

传统生成DEM方法与自动匹配生成DEM方法的比较研究

为了验证自动匹配生成DEM的方法在实际生产过程中优于传统方法,文中对传统生成DEM的方法与基于PixelGrid系统的DEM自动匹配方法进行了比较。通过实验分析和数据比对,结果表明:自动匹配生成DEM的方法相对于传统方法在工艺流程、工期、工效上有着明显优势;虽然少部分数据在精度上没有传统方法高,但全部生产成果都能满足精度要求。总体上自动匹配生成DEM方法适合自动化程度日益提高的生产模式,能满足生产改革的需求。     

喀斯特地形对DEM精度的响应——以清镇王家寨地区为例

以高精度的1∶1万DEM为准值,通过对1∶5万和1∶1万DEM提取定量地形要素的叠合、比较与统计分析,探讨岩溶高原面上喀斯特地形对DEM精度的响应。结果表明,地面平均高程、等高线长度和地表表面积存在一定的差异,但1∶1万与1∶5万地形图所反映的地面坡度差异不是很明显,在喀斯特地区应用1∶5万DEM信息源仍有较高的精度。     

基于Delaunay三角网与Voronoi图联合提取等高线骨架的地形重建算法研究

提出一种基于Delaunay三角网与Voronoi图联合提取等高线特征骨架的地形重建算法,该算法利用各Delaunay三角形与其对偶Voronoi多边形之间的关系,能一步高效的提取骨架,再通过分析骨架点与主要地貌特征的对应关系,对骨架点进行插值,最后由提取的骨架及原有等高线共同建立新的TIN,完成整个数字高程模型(DEM)的生成。实验结果表明,该算法对修正TIN 中不真实的平坦区域有良好的效果,使得生成的TIN 能更准确地描述地形特征。     

基于遥感影像的DEM地形信息增强表达研究——以梯田DEM构建为例

将遥感影像信息应用于梯田DEM构建是实现DEM地形信息增强表达的有效方式.通过RTK测量方法获取梯田实验样区实测点高程数据,构建了0.5 m分辨率Hc-DEM作为对“真实地表面”的模拟.根据1∶10000国家基本比例尺地形图精度标准,基于Hc-DEM提取等高距5 m等高线并插值生成5 m分辨率DEM,以该数据作为基础数据分别使用快速构建方法与基于田面边界的梯田DEM构建方法进行梯田DEM构建,实现梯田信息在DEM数据上的信息强化表达.对比分析上述4种DEM数据的高程频率特征,并以Hc-DEM数据作为参照求取高程中误差,结果表明从遥感影像上获取相关梯田信息进而辅助梯田DEM表达具有可行性,基于田面边界的梯田DEM构建方法对梯田地形强化效果相对较优,该研究将为构建其他有遥感信息加入的地形信息增强DEM提供一定参考.     

关于DEM与等高线的三维一体化生成分析和研究

以三维虚拟环境中的DEM与等高线一体化生成的方法,分析了基于移动拟合和移动加权平均两种计算法快速生成DEM的实现过程,分析在三维可视化环境下,DEM与等高线一体化显示的原理和方法等。     

保持特征的变尺度DEM泊松重构算法

提出一种保持特征的变尺度DEM泊松重构算法.该算法提取DEM特征,改变特征的尺度,利用泊松偏微分方程重构尺度变化后的DEM,并把所提方法应用于南小河沟流域,对重构的不同尺度DEM提取坡度、坡向等地形因子特征进行对比分析研究.实验结果表明,以原始DEM为基础,该算法能够重构出精度明显改善的多尺度DEM.