均值变点分析法在最佳集水面积阈值确定中的应用

利用DEM数据提取河流地貌参数在地貌学和水文学研究中具有重要意义,其中集水面积阈值的准确确定是关键环节,然而,目前对集水面积阈值的确定存在随意性和主观性.为了探讨如何确定提取河网的最佳集水面积阈值,本文以青藏高原东缘杂谷脑河流域为例,基于SRTM-DEM数据,在利用ArcGIS水文分析模块计算不同集水面积阈值条件下河网密度参数的基础上,通过均值变点分析法获取河网密度值变化的拐点,并计算最佳集水面积阈值.研究表明:随着集水面积阈值的改变,河网密度逐渐降低,利用均值变点分析法所确定的最佳集水面积阈值为8.1 km2,该结果与1∶50万水系图相比,主干上吻合,支流上更具真实性.该方法可以较好地确定最佳集水面积阈值,可为其它地区水系提取提供参考.     

基于Arc Hydro Tools的祁连山国家公园小流域划分

以祁连山国家公园为研究区,基于30 m分辨率数字高程模型数据,利用Arc Hydro Tools水文数据模型与河网密度法,在确定最佳集水面积阈值的基础上提取河网并划分小流域,统计小流域的部分特征参数.结果表明,集水面积阈值与河网密度呈幂函数关系,祁连山国家公园最佳集水面积阈值为6 000栅格数;河网提取结果与全国1:250 000三级水系流域数据集的河网套合差为2.62%,叠加至遥感图像对比,发现提取结果相较于全国1:250 000三级水系流域数据集更接近真实水系;共划分祁连山国家公园小流域5 717个,约80%的小流域面积在3～50 km².从提取效率和结果精度来看, Arc Hydro Tools模型与河网密度法相结合可较准确提取山地区域河网及小流域.     

应用30 m ASTER GDEM数据估算贵州县域地表河网密度的适应性

数字高程模型(DEM)是快速获取河网密度的常用数据源。分析DEM用于估算特定区域河网密度的适应性,是拓展DEM应用范围的重要基础工作。应用Arc GIS的水文分析工具,以空间分辨率为30 m的ASTER GDEM为数据源,估算贵州省各县域单元不同集水面积阈值下的河网密度。结果发现:运用30 m ASTER GDEM数据估算贵州县域地表河网密度时,若全省范围只使用同一个集水面积阈值,估算出的县域地表河网密度与实测值偏差较大,纳西效率系数(NSE)为负值,表明适应性较差。在未来研究中,有必要根据贵州地貌分区、岩层分组和水文气象条件对集水面积阈值分别设定,从而提高30 m ASTER GDEM估算贵州县域地表河网密度的适应性。     

基于DEM的汾河流域水系提取试验研究

以山西省汾河流域为水系提取实验研究区域,采用该区域的DEM数据,依托地表径流模型,并利用ArcGIS10.0中的水文处理工具包对河流流域进行水系特征提取,通过对水流方向的计算,对集水积累量进行分析,最终生成基于不同阈值的河网。     

基于Hydrology的山区1:1万DEM水系提取研究

利用重庆市万州区4幅比例尺为1∶1万,地面分辨率为5 m的DEM数据,根据地表径流模型原理,通过ArcGIS中的HydrologyTools模块进行D8算法提取流域水系,计算汇流累积量,并最终生成河网。结果表明:对1∶1万DEM进行水系提取,最小水道集水面积阈值设定为50 000个栅格较合理;对于山地地形,基于1∶1万DEM数据,利用ArcGIS Hydrology模块提取河网的方法,从提取的效率和结果的精度两方面看来都是切实可行的。     

基于DEM的南流江流域水系分维数计算及其影响因素分析

以南流江流域DEM数据为基础数据,使用ArcGIS 10.1中的水文分析工具和均值变点分析法选取合理的集水面积阈值,并结合地形要素数据提取了结果河网。设计了35种不同盒子尺度区间分别计算了对应的分维数值,分析盒子尺度对分维数值的影响。尝试利用比较lgr和lgN(r)的拟合系数R~2取得合理区间,并讨论了分维数值的其他影响因素。结果表明,区间范围对分维数的影响较大,即使比较lgr和lgN(r)的拟合系数R~2,也难以确定合理的区间;南流江流域35个分维数值中存在2个略大于1.6,其余均小于1.6,说明该流域地貌处于侵蚀发育的幼年期或壮年期初期。     

基于DEM流域河网水系提取研究——以晋江流域为例

文章简单介绍了基于DEM流域水系的提取原理、方法及过程,并在RiverTools2．4支持下,选择晋江流域作为提取实例．研究表明,同一流域选取不同集水面积阀值将得到不同的河网,通过分析河源密度与集水面积阈值之间的关系来确定合适的集水面积阈值．平均地形坡度大于3°的区域,所生成河网的可靠性比较高,而小于3°的平坦区域会产生了平行河流的问题．     

基于GIS的漓江流域水文特征空间分析

流域水文特征的提取与分析不仅为水文过程模拟提供重要参数,而且是流域水生态系统健康监测与评价的基础依据.本文基于30 m空间分辨率DEM提取漓江流域水系、确定流域范围、划分子流域,并计算流域内河流长度、河网密度、水系分维等水系形态特征;根据流域内多年平均降雨量与径流资料,对流域及其子流域的径流系数进行计算.结果表明:①根据集水区面积域值与河网密度关系曲线,最终确定以网密度为0.53 km·km-2提取水系;②根据流域内各主河道特征,以及流域水生态系统健康监测与评价尺度,最终将流域划分为15个子流域;③降雨量与径流深度空间分布趋势基本一致,但降雨量与径流系数趋势有差异,各子流域的径流系数为0.637～0.800,引起径流系数差异的主要原因有植被覆盖、地层岩性、人类活动等.     

堵河子流域划分及其NDVI特征分析

堵河流域是南水北调中线工程的重要水源区,对堵河流域的水文单元划分和植被覆盖特征分析,对识别流域生态环境具有重要的实际意义.文章基于SWAT分布式水文模型和ArcGIS软件,运用适度指数法和均值统计法,对堵河流域的边界提取、子流域划分及其植被盖度分布特征进行了分析.结果显示:①集水面积阈值是控制子流域提取的重要参数,通过适度指数法计算堵河流域水系提取的最佳集水面积阈值为10 000 hm~2.②堵河流域年均NDVI值约为0.636,为中高植被覆盖度,空间上表现出南岸比北岸高;中游最低,向上游和下游逐渐升高的分布特征;年均NDVI最高值在黄龙河流域,最低值在竹溪河流域,存在明显的空间异质性.③堵河流域NDVI值随海拔的上升先变快后减缓,原因是高海拔山区植被覆盖度高.④在2001—2016年间,堵河流域的12个子流域年均NDVI值表现出相似的波浪式上升趋势,体现了整个流域的植被覆盖度上升,生态环境转好.年内堵河流域各子流域的NDVI月均值变化趋势特征趋于一致,8月达到最高峰值,2月达到最低峰值.     

三峡库区地势起伏度研究

以三峡库区30 m分辨率的ASTER GDEM数据为基础,在GIS系统的支持下,采用邻域分析方法提取地势起伏度,运用均值变点分析法对其进行了最佳统计单元的计算.研究结果表明,三峡库区地势起伏度最佳分析窗口为44×44网格(1.74 km2).同时,完成了三峡库区地势起伏度分级图的绘制.     

采用不确定性度量的粗糙模糊C均值聚类参数获取方法

针对粗糙模糊C均值聚类的阈值、权重选取问题,提出了一种基于不确定性度量的参数自适应获取方法.该方法将阈值选取归结为一个最优划分寻找问题,给出一种基于方差的划分优劣评价方法;利用信息熵来度量样本归属的模糊性,基于该模糊性度量和类簇的粗糙度,提出了一种权重参数自适应计算方法.将所提方法应用于粗糙模糊C均值聚类,并将分别基于所提方法与典型参数选取方法的粗糙模糊C均值聚类算法在人工数据集和真实数据集上进行实验比较.结果表明,基于所提参数确定方法的粗糙模糊C均值聚类能获得更好的聚类有效性和准确性.     

基于DEM的横断山县域山区类型划分

科学界定山地和山区类型可为山区因地制宜施策提供参考。运用均值变点法,确定最佳统计单元面积,利用ArcGIS的空间分析工具处理DEM数据,提取横断山各类山地面积,以县级行政单元对横断山山区类型进行划分。研究表明:使用均值变点法确定移动窗口面积14.98km~2为横断山地地形起伏度最佳统计单元面积;横断山山地面积占比大,山地与非山地面积之比约为94∶6,山地省际空间分异明显,四川省的山地类型以次高山、高山为主,西藏自治区的山地类型以高山、极高山为主,云南省的山地类型以中山和次高山为主;横断山县级行政单元多数是山区县,其中有16个半山区县,6个准山区县,11个显山区县,65个整山区县,只有1个非山区县。整山区县的数量最多,主要分布于横断山地的中部及其以北地区。     

岷江上游流域地貌发育阶段

对岷江上游流域地貌发育阶段及成因进行分析,有助于揭示研究区地貌演化规律及青藏高原东缘晚新生代以来新构造活动的差异性.基于数字高程模型(DEM)数据,利用Arc GIS水文分析模块,通过均值变点法获取岷江上游流域水系网络最佳提取阈值,运用起伏比法计算岷江干流东西两侧各亚流域盆地发育期次.结果表明,岷江断裂和汶川—茂县断裂所围合川西高原地区的大型亚流域盆地均处于早壮年期发育阶段,其发育期次比断裂外侧岷山断块和龙门山冲断带地区亚流域盆地发育期次相对年轻.究其原因,主要是断裂活动驱动的逆冲作用导致断裂上盘块体沿断层面垂直隆升,位于其上的亚流域盆地处于不均衡发育状态.     

利用不同数字高程模型的水系提取对比分析

水系提取是研究流域水文的基础,基于单流向算法(D8),选取SRTM DEM与ASTER GDEM两种高程数据提取水系,试验得出SRTM的汇流累积量阈值为10 000(栅格),GDEM的汇流累积量阈值设定为90 000(栅格).分别用两种DEM合适阈值提取的水系结果对比分析,并利用实际河网和遥感影像进行验证,结果表明:利用SRTM DEM提取大范围水系的精度和效率较高.相对于平坦地区,地形起伏大的地区精度更高.可用于指导水系提取时数据源的选取.     

Digital Elevation Modeling不确定性对地形参数影响的空间分布特征分析

Digital elevation modeling(DEM)是基础地理数据之一,从其中可以提取多种地形参数,DEM不确定性对提取的地形参数具有一定的影响.选择坡度、上坡集水面积和地形指数作为研究对象,在DEM不确定性模拟的基础上,研究DEM不确定性对地形参数影响的空间分布特征.研究发现:DEM不确定性对坡度的影响没有明显的空间分布特征,对上坡集水面积和地形指数具有明显的空间分布特征.DEM不确定性对上坡集水面积影响的空间分布特征为:总体上分布均匀,在河道及附近、水库区域影响大于其它地区;DEM不确定性对地形指数影响的空间分布特征为:总体上分布均匀,在河道及附近、水库、平地地区影响大于其它地区.不同DEM不确定性程度对地形参数影响的空间分布特征相似.     

一种用于激光雷达识别车道标线算法

利用点云数据空间分布特征和回波强度信息,结合局部均值变点统计方法,提出了一种用于激光雷达数据帧的车道标线识别算法。该算法首先基于车载激光雷达采集的道路周围环境点云数据中高程信息进行滤波,确定可行驶区域。然后利用局部均值变点统计对可行驶区域点云数据中的回波强度值进行标记提取,即车道标线点云数据粗提取。最后基于EM(最大期望)方法聚类,从而完整、准确地识别车道标线。实验结果表明,该算法不仅能够准确定位可行驶区域,进而可以实现车道标线的自动提取;而且有效抑制了道路周围环境对车道标线识别的干扰,验证了算法的有效性。     

基于ASTER GDEM的皖南低山丘陵区地貌类型划分研究

针对皖南低山丘陵区,以ASTER GDEM为基础数据,利用Python脚本调用Arc GIS领域分析功能和栅格计算器分别提取3×3、5×5、…、65×65窗口的地势起伏度,采用均值变点法计算得出皖南低山丘陵区地势起伏度最佳提取窗口为23×23(0.48 km2)。依据地形起伏度和海拔高度将皖南低山丘陵区划分为8种地貌类型。结果表明:研究区地貌类型以丘陵和低山为主,分别占全区面积的41.88%和35.23%;平原和台地占全区面积的21.78%,主要分布在北部区域和屯溪盆地。     

一种非均匀光照度图像字符二值化小波分析法

图像字符二值化小波分析法,是通过对图像行(或列)进行小波分析,在最佳分解尺度上寻找出行(或列)上的图像字符边缘点,根据边缘点的灰度值的均值确定出每行(或列)局部二值化的阈值.该方法特别针对多噪声光照不均的图像,能很好地保持图像字符的细节,具有良好的二值化效果.     

阈值取值对CT影像边缘提取的效果研究

阈值选取是图像边缘提取过程中必不可少的步骤,适当的阈值取值使得CT影像边缘部分准确明显地表示出来,可为医学影像的后续处理分析提供好的素材.本实验从二值化图像函数入手,通过计算医学影像均值、标准差、显示灰度直方图,求取影像前景面积和图像逻辑运算分析不同阈值对医学影像边缘提取效果的影响,并使用通用的边缘提取算法对不同阈值影像提取边缘,实验结果发现值为0.2时边缘效果最佳.     

基于3D激光雷达点云的道路边界识别算法

针对结构化道路环境中道路边界存在不连续、被遮挡及易受路内障碍物干扰情况下的识别问题,利用车载激光雷达获取的结构化道路环境三维点云数据的高程信息,结合局部均值变点统计方法,提出了一种用于激光雷达帧数据的道路边界识别算法。该算法首先利用局部均值变点统计对结构化道路环境三维点数据中突变的z坐标值进行标记并提取其对应的(x,y)数据点,即道路边界点数据粗提取;然后基于分段双阈值对粗提取的道路边界点数据滤波处理;最后利用最小二乘法拟合道路边界点数据。基于实车实验分别采集的不同道路环境条件下结构化直道1 450帧、弯道935帧数据,算法识别准确率均高于80%,且识别道路宽度误差小于0.14 m。实验结果表明,该算法不仅能够自动识别结构化道路边界,而且有效抑制了路面障碍物的干扰,验证了算法的有效性。