基于DEM的坡度精度研究
基于DEM的云南省区域土壤侵蚀坡度坡长因子提取与分析
基于DEM的云南省区域土壤侵蚀坡度坡长因子提取与分析[摘要]土壤侵蚀与地形关系研究由来已久，国内外学者在流域尺度针对土壤侵蚀调查制图的地形因子提取方法也有较多的研究[1]。
本文阐述了在云南省2015年土壤侵蚀调查中，利用全省1:1万或1:5万DEM数据，借助ARCGIS等软件整合生成全省DEM数据，通过北京师范大学研发的“土壤侵蚀模型地形因子计算工具”，提取和分析了全省坡度坡长因子，该套数据为云南省区域范围内的土壤侵蚀影响因素提供一定的基础数据，为区域水土保持措施规划、综合治理提供指导依据。
[关键词] DEM；坡度；坡长1 研究区概况云南位于我国西南边陲，位于东经97°31′39″～106°11′47″、北纬21°08′32″～29°15′08″之间，地质构造复杂，切割剧烈，山高坡陡谷深，坡耕地分布广泛，气候条件变化多样，生态环境敏感脆弱，是全国水土流失最为严重的省份之一。
云南属青藏高原南延部分，地形一般以元江谷地和云岭山脉南段的宽谷为界，分为东西两大地形区。
东部为滇东、滇中高原，称云南高原，系云贵高原的组成部分，平均海拔2000m左右，地形表现为波状起伏和缓的低山和浑圆丘陵，发育着各种类型的岩溶地形。
西部为横断山脉纵谷区，高山深谷相间，相对高差较大，地势险峻；南部海拔一般在1500～2200m；北部在3000～4000m；西南部边境地区地势渐趋和缓，河谷开阔，一般海拔在800～1000m，个别地区下降至500m以下，是全省主要的热带、亚热带地区。
全省整体地势从西北向东南倾斜，海拔相差较大，最高点为滇藏交界的德钦县怒山山脉梅里雪山主峰卡格博峰，海拔6740m；最低点在与越南交界的河口县境内南溪河与元江汇合处，海拔仅76.4m。
最高、最低两地直线距离约900km，高低相差达6000多米[2]。
2 数据来源DEM数据来源于云南省范围内已入库的数字化成果1：1万DEM数据和云南省范围内由国家基础地理信息中心下发的1：5万精细化DEM数据。
基于dem的坡度提取原理
基于dem的坡度提取原理基于DEM的坡度提取原理概述：数字高程模型（DEM）是一种用于描述地表地形高程信息的数字化模型。
基于DEM的坡度提取是利用DEM数据计算出地表坡度信息的过程。
坡度是地表高程变化的一种度量，它对地形特征的描述具有重要意义。
本文将介绍基于DEM的坡度提取原理及其应用。
一、DEM数据DEM数据是通过测量或遥感技术获取地表高程信息，并以数字化方式表示的数据。
DEM数据以栅格的形式存储，栅格单元中的数值表示该位置的地表高程。
DEM数据通常包含高程、行列号和地理坐标等信息。
二、坡度的定义坡度是地表高程变化的一种度量，是指地表在水平方向上单位距离上升或下降的高度差。
坡度的计算可以描述地表地形的陡峭程度和变化趋势。
三、坡度计算方法1. 三点法三点法是一种常用的坡度计算方法。
对于DEM数据中的每个栅格单元，以其为中心，选取周围的3×3个栅格单元，计算这9个栅格单元的高程差值，并根据高程差值和栅格单元之间的距离，计算出坡度值。
2. 四邻域法四邻域法是一种简化的坡度计算方法。
对于DEM数据中的每个栅格单元，以其为中心，选取周围的上、下、左、右四个栅格单元，计算这四个栅格单元的高程差值，并根据高程差值和栅格单元之间的距离，计算出坡度值。
3. 八邻域法八邻域法是一种更精确的坡度计算方法。
对于DEM数据中的每个栅格单元，以其为中心，选取周围的上、下、左、右以及四个对角线方向上的八个栅格单元，计算这八个栅格单元的高程差值，并根据高程差值和栅格单元之间的距离，计算出坡度值。
四、坡度的应用坡度是地表地形的重要特征之一，它在多个领域具有广泛的应用价值。
1. 地质研究坡度可以用于地质研究中的地貌分析和地质灾害评估。
通过提取DEM数据中的坡度信息，可以揭示地区的地形特征、地表演化过程以及地质灾害潜在风险等。
2. 水资源管理坡度对水资源管理具有重要意义。
坡度的大小直接影响水流速度和径流量。
通过提取DEM数据中的坡度信息，可以研究流域的水文特征、水资源分布和径流方向，为水资源管理和水文模型建立提供重要依据。
基于DEM的土地坡度计算研究
０ 引 言
迄今 为 止 ，坡度 的计 算 方法 可归 纳为 五种 ：四块 法 、空 间矢 量分 析法 、拟 合 曲面 法 、直接 解法 ，其 中
自２ 世 纪 ５ 年 代末 期 Ｄ Ｍ被 提 出后 ，数 字 高程 前 三种 方法 是 为解 求地 面平 均坡 度而 设计 的 ，后 两种 ０ ０ Ｅ 模 型 的 应 用 便 得 到 了越 来 越 多 的重 视 ，发 展 非 常 迅 方 法是 为解 求地 面最 大坡 度 而设计 的。 目前 ，一 般都
表 １ 矢量数据的属性 结构表
图 １ ３ ３ 窗 口计 算 坡 度 ｘ的
Ｆ ｇ １Ａｔ ｉ ｕ ｅ ｓｒ ｃ ｕ ｅ ｏ ｅ ｔ ｒｄ ｔ ｆｓ ｐ ｌｓ ｉ ｃ ｔ ｎ ｉ． ｔ ｂ ｔ ｔｕ ｔ ｒ ｆｖ ｃｏ ａａ ｏ ｌ ｅ ｃａ ｓｆ ａｉ ｒ ｏ ｉ ｏ
拟 合 曲 面法 一 般 采 用 二 次 曲面 ，即 ３ ３的 窗 口 ×
ｅ ５
ｅｌ ｅ８
ｅ２
ｅ ６
６３ ，
ｅ４
ｅ７
所 谓 数 字 高 程 模 型 （ ｉｔ ｌｖｔ ｎ Ｍｏｅ， Ｄｇ ａ Ｅｅａｏ ｄｌ ｉｌ ｉ Ｄ Ｍ） Ｅ ，就 是 在 高斯 投 影 平 面上 规 则格 网点 平 面坐 标 （， ｘＹ）及 其 高 程 （ ）的数 据集 。Ｄ Ｍ的水 平 间 隔可 ｚ Ｅ 为不 同等 级产 品… 。
式 中 ，ｃｌ ｉ 为 Ｄ Ｍ的格 网间 隔。 ｅｌ ｚ ｓｅ Ｅ
这样 ，对 一 幅 图进 行计 算 ，得 到 了本 幅 图的坡 度
值或我们生活中常说 的坡度。其方 向等于在该切平面 数据 。 对 坡 度数 据 ，根据 耕地 坡度 分级 标 准 ，对坡 度 数 上 沿 最 大 倾 斜 方 向 的某 一 矢 量 在水 平 面 上 的 投 影 方 据进行 分 级提 取 ，利用 三角 网线 性 空 间插值 方 法 ，进 向 ，即坡 向。
DEM精度评估方法的探讨
DEM精度评估方法的探讨一、前言DEM就是将高过程模型进行数字化处理，它是GIS里面最为重要的有关于空间的数据资料，它也是进行地形等各方面地质勘探等分析处理需要的核心数据。
就现在看来，我国的DEM发展情况主要是1∶6万和1∶26万的DEM处理方式，并且可以在多个方面进行分析和利用，例如可以在测绘、资源勘探、污染环境方面、以及防治灾害方面起到了很大的作用，是当前中国有关科研单位和政府防治部门必备的一项技术。
它具有简单易操作的特点，给工作带来很大的方便。
但是，DEM现在存在一个很大的问题，就是现在社会快速发展，人们对物质需求也随之增加，对物质的勘探就要求准确且快速。
现在的DEM数字高程模型的精度已经完全不能满足现代人的追求，国外等各类DEM已经开始不断的开发和提升，对DEM误差的存在控制也获得了一些进展。
通过一系列的加强和规范标准，对DEM的数据精度采集并研究，现在已经可以为GIS等用具分析各类的地形及产品提供可靠带来可用价值和理论上的意义。
比如现在常用的就是数据离散化，从而构建成一个T型模式，这种方式直接明了，很让大多数用户喜欢。
但是，使用这种方式的话，就会出现原始的数据离散化以后就会丢失一部分，只有那些等高线图形和数字化的等高线数据保存了下来，这就造成了二次误差的产生，使最终结果不太可信。
这里的等高线指的是数据离散化以后，对采样点的插值处理，使它的曲线更加完美好看的一种方法。
它最后表达的是一种非常抽象的曲线形势，虽然有了坐标体现，但是它始终是一种老式制图方式，没有创新性和可视性。
唯一的好处就是它对地面高程和地形变化可以直接的表达。
特别是在地貌的形态表现上可以呈现出高质量的画面，简称TIN方式。
这是GIS中关键所在。
本文详细的讨论了在等高线基础上来研究DEM的构建和其精度的分析，如何评估和实现。
针对TIN的DEM构造中出现的“平三角形”，主张一些可以减少其存在的方法，这就包含了增加特征点和拉格朗日插值多线式的算法。
基于dem成果探讨耕地坡度分级数据的生产方式
第４２卷第１２期２０１９年１２月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ.４２ꎬＮｏ.１２Ｄｅｃ.ꎬ２０１９收稿日期:２０１９－０６－１７作者简介:王明宇(１９９２－)ꎬ男ꎬ黑龙江哈尔滨人ꎬ助理工程师ꎬ学士ꎬ主要从事遥感数据的获取㊁处理与应用方面的工作ꎮ基于ＤＥＭ成果探讨耕地坡度分级数据的生产方式王明宇ꎬ于洪雨ꎬ武海英(黑龙江省第五测绘地理信息工程院ꎬ黑龙江哈尔滨１５００８１)摘要:坡度是反映耕地水土保持能力的重要指标ꎬ本文提出了一种基于ＤＥＭ成果的耕地坡度分级数据生产方式ꎬ并对该方式进行阐述ꎮ关键词:ＤＥＭ数据ꎻ坡度ꎻ耕地坡度分级中图分类号:Ｐ２８５.２＋３㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１６７２－５８６７(２０１９)１２－０２３４－０２ＤｉｓｃｕｓｓｉｎｇｔｈｅＰｒｏｄｕｃｔｉｏｎＭｏｄｅｏｆＧｒａｄｉｎｇＤａｔａｏｆＣｕｌｔｉｖａｔｅｄＬａｎｄＳｌｏｐｅＢａｓｅｄｏｎＤＥＭＲｅｓｕｌｔｓＷＡＮＧＭｉｎｇｙｕꎬＹＵＨｏｎｇｙｕꎬＷＵＨａｉｙｉｎｇ(ＴｈｅＦｉｆｔｈＳｕｒｖｅｙｉｎｇꎬＭａｐｐｉｎｇａｎｄＧｅｏｇｒａｐｈｉｃＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅｏｆＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅꎬＨａｒｂｉｎ１５００８１ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｓｌｏｐｅｉｓａｎｉｍｐｏｒｔａｎｔｉｎｄｅｘｒｅｆｌｅｃｔｉｎｇｔｈｅａｂｉｌｉｔｙｏｆｓｏｉｌａｎｄｗａｔｅｒｃｏｎｓｅｒｖａｔｉｏｎｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄ.ＩｎｔｈｉｓｐａｐｅｒꎬａｇｒａｄｅｄｐｒｏｄｕｃｔｉｏｎｍｏｄｅｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄｓｌｏｐｅｂａｓｅｄｏｎＤＥＭｄａｔａｉｓｐｒｏｐｏｓｅｄａｎｄｅｘｐｏｕｎｄｅｄ.Ｋｅｙｗｏｒｄｓ:ＤＥＭｄａｔａꎻｓｌｏｐｅꎻｇｒａｄａｔｉｏｎｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄｓｌｏｐｅ０㊀引㊀言坡度表示地表单元陡缓的程度ꎬ通常把坡面的垂直高度和水平距离的比值称为坡度ꎮ耕地坡度的差异直接影响其水土的保持能力ꎬ因此研究并确定耕地的坡度等级对耕地资源的利用与管理具有重要意义ꎮ本文将结合具体生产实例并基于ＤＥＭ成果ꎬ探讨耕地坡度分级数据的生产方式ꎮ１㊀耕地坡度分级的技术指标１.１㊀分级标准根据中国农业区划委员会颁发的«土地利用现状调查技术规程»与国土三调坡度分级图制作的相应指标ꎬ耕地坡度共分为五级ꎬ具体见表１ꎮ１.２㊀坡度计算模型在基于ＤＥＭ数据制作坡度图时ꎬ可使用ＡｒｃＧＩＳ软件中的坡度计算功能ꎬ该功能计算坡度值时的计算公式与计算模型如图１所示ꎮ坡度计算公式:ｔｇ(Ｐ)＝(ƏｚƏｘ)２＋(ƏｚƏｙ)２(１)式中ꎬ∂ｚ∂ｘ㊁∂ｚ∂ｙ分别表示ｘ㊁ｙ方向的偏导数ꎬＰ为坡度ꎮ表１㊀坡度分级情况表Ｔａｂ.１㊀Ｇｒａｄｉｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｔａｂｌｅ分类坡度范围耕地水土保持情况一级坡度ɤ２ʎ无水土流失现象二级２ʎ<坡度ɤ６ʎ可发生轻度土壤侵蚀ꎬ需注意水土保持三级６ʎ<坡度ɤ１５ʎ可发生中度水土流失ꎬ应采取修筑梯田㊁等高种植等措施ꎬ加强水土保持四级１５ʎ<坡度ɤ２５ʎ水土流失严重ꎬ必须采取工程㊁生物等综合措施防治水土流失五级坡度>２５ʎ为«中华人民共和国水土保持法»规定的开荒限制坡度ꎬ即不准开荒种植农作物ꎬ已经开垦为耕地的ꎬ要逐步退耕还林还草图１中Ｇ表示格网尺寸ꎮｅｉ(ｉ＝１ꎬ２ꎬ ꎬ８)分别表示中心点ｅ周围格网点的高程ꎮ利用坡度计算公式计算出每个格网的坡度值ꎬ生成坡度栅格数据图ꎬ计算时采用３ˑ３窗口的计算模型ꎮ图１㊀ＤＥＭ３ˑ３局部移动窗口Ｆｉｇ.１㊀ＤＥＭ３ˑ３ｌｏｃａｌｍｏｖｉｎｇｗｉｎｄｏｗ１.３㊀技术路线耕地坡度分级的主要技术流程分为数据准备㊁ＤＥＭ数据预处理㊁坡度分级图制作㊁坡度分级矢量化㊁耕地图斑分级等技术环节ꎬ如图２所示ꎮ图２㊀技术流程图Ｆｉｇ.２㊀Ｔｅｃｈｎｉｃａｌｆｌｏｗｃｈａｒｔ１)数据准备数据准备阶段的主要工作是搜集和整理任务区范围内的可用ＤＥＭ数据ꎬ优先使用格网尺寸小㊁时效性强㊁成果质量高的ＤＥＭ数据ꎮ２)ＤＥＭ数据预处理ＤＥＭ数据预处理主要是对任务区内的ＤＥＭ数据进行投影转换㊁高程改正㊁局部修补替换与接边等工作ꎮ３)坡度分级图制作使用ＡｒｃＧＩＳ软件ꎬ在ＤＥＭ成果数据基础上进行坡度计算ꎬ生成坡度分级图ꎮ４)坡度分级矢量化将生成的坡度分级图由栅格数据转为矢量数据ꎬ为矢量数据的 ＰＤＪＢ 属性字段赋值ꎬ并进行矢量拓扑验证㊁边线平滑等工作ꎮ５)耕地图斑分级使用矢量化的坡度分级图ꎬ为国土调查数据库中的耕地图斑进行坡度分级ꎬ分级原则为耕地图斑中所占面积最大的坡度等级为该耕地图斑的坡度等级ꎮ６)数据检查与质量控制为保证成果质量ꎬ数据的检查环节是贯穿整个生产流程的ꎬ主要体现在数据准备阶段的检查㊁ＤＥＭ数据预处理阶段的检查㊁坡度分级矢量化阶段的检查等ꎮ２㊀案例分析在黑龙江省现有ＤＥＭ基础上ꎬ根据上述生产方式ꎬ完成了黑龙江省的耕地坡度分级工作ꎮ现以黑龙江省某县为例ꎬ对整个生产环节做简要的说明与介绍ꎮ首先对现有的ＤＥＭ数据进行预处理ꎬ得到的最终ＤＥＭ数据如图３所示ꎬ并在此基础上计算该区域的坡度值ꎬ生成初期的坡度分级图ꎮ图３㊀黑龙江省某县ＤＥＭ数据Ｆｉｇ.３㊀ＤＥＭｄａｔａｏｆａｃｏｕｎｔｙｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ在此基础上ꎬ将生成的坡度分级图叠加到卫星影像上进行判读ꎬ检查坡度分级的合理性ꎬ修正异常区域ꎬ从而生成如图４所示的坡度分级图ꎮ最后将坡度分级图进行矢量化处理ꎬ为其坡度等级属性字段赋值ꎬ并进行矢量数据的拓扑检验㊁微小面融合等相关处理工作ꎮ图４㊀黑龙江省某县坡度分级渲染图Ｆｉｇ.４㊀Ｇｒａｄｅｄｒｅｎｄｅｒｉｎｇｍａｐｏｆａｃｉｔｙｉｎ㊀㊀㊀㊀ＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ３㊀结束语本文探讨了一种基于ＤＥＭ成果的耕地坡度分级数据生产方式ꎬ并根据该生产方式完成了黑龙江省耕地坡㊀㊀(下转第２３８页)５３２第１２期王明宇等:基于ＤＥＭ成果探讨耕地坡度分级数据的生产方式表１㊀两种模型预测结果对比(ｍｍ)Ｔａｂ.１㊀Ｃｏｍｐａｒｉｓｏｎｏｆｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｔｗｏｍｏｄｅｌｓ(ｍｍ)监测期数实测值灰色神经网络残差相对误差模糊神经网络残差相对误差８０.４７０.４８３５－０.０１３５２.８７％０.３８３２０.０８６８１８.４７％９０.６２０.６１５７０.００４３０.６９％０.５５５６０.０６４４１０.３９％１００.７９０.８０４４－０.０１４４１.８２％０.７５４０.０３６４.５６％１１０.８９０.９８５７－０.０９５７０.７５％０.８５６６０.０３３４３.７５％１２１.２３１.３７０７－０.１４０７１１.４４％１.２０２７０.０２７３２.２２％图１㊀预测模型与实测值的对比Ｆｉｇ.１㊀Ｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｐｒｅｄｉｃｔｅｄｍｏｄｅｌａｎｄ㊀㊀㊀㊀ｍｅａｓｕｒｅｄｖａｌｕｅ㊀㊀从表１和图１可以看出ꎬ灰色神经网络模型和模糊神经网络模型的预测值都和实测值拟合得较好ꎬ灰色神经网络模型的平均相对误差为４.４６％ꎬ而模糊神经网络模型的平均相对误差为５.２４％ꎮ利用两个神经模型预测结果的残差值分析其残差偏差范围ꎬ可以看到ꎬ灰色神经网络的残差偏差范围为０.１４４ｍｍꎬ而模糊神经网络的残差偏差范围为０.０５９５ｍｍꎮ通过图１可以看出ꎬ随着预测周期的增加ꎬ灰色神经网络的预测精度在不断下降ꎬ而模糊神经网络较为稳定ꎮ４㊀结束语本文将灰色理论和模糊理论分别与神经网络结合ꎬ㊀㊀通过工程实例ꎬ对比分析了灰色神经网络和模糊神经网络的预测能力ꎮ实验结果发现ꎬ虽然利用神经网络结合灰色模型组成了灰色神经网络模型ꎬ具有较高的预测精度ꎬ但依然有灰色模型的缺点ꎬ只适用于短周期的预测ꎮ随着预测周期的增加ꎬ灰色神经网络模型预测的精度不断下降ꎬ而模糊神经网络的稳定性比灰色神经网络要好ꎬ适于长周期的预测工作ꎮ参考文献:[１]㊀岳仁宾ꎬ滕德贵ꎬ胡波ꎬ等.灰色模型在深基坑变形监测中的应用研究[Ｊ].测绘通报ꎬ２０１４(Ｓ２):８５－８７.[２]㊀卢祥ꎬ马友利ꎬ王芳洁ꎬ等.模糊神经网络在变形监测预报中的应用研究[Ｊ].测绘科学ꎬ２０１０ꎬ３５(Ｓ１):１１３－１１４.㊀[３]㊀张正禄ꎬ王小敏ꎬ邓勇ꎬ等.模糊神经网络在变形分析与预报中的应用研究[Ｊ].武汉大学学报:信息科学版ꎬ２０１０ꎬ３５(１):６－８.[４]㊀何君ꎬ杨国东.灰色预测理论在建筑物沉降中的应用研究[Ｊ].测绘通报ꎬ２０１２(３):６３－６４.[５]㊀王江荣ꎬ梁永平.灰色人工神经网络模型在路基沉降预测中的应用[Ｊ].矿山测量ꎬ２０１６ꎬ４４(６):４０－４３.[６]㊀方毅ꎬ花向红ꎬ李海英ꎬ等.灰色神经网络模型在建筑物变形预报中的应用[Ｊ].测绘工程ꎬ２００８ꎬ１７(２):５１－５３.[７]㊀王新洲ꎬ邓兴升.大坝变形预报的模糊神经网络模型[Ｊ].武汉大学学报:信息科学版ꎬ２００５ꎬ３０(７):５８８－５９１.[编辑:刘莉鑫](上接第２３５页)度的分级工作ꎮ受条件限制ꎬ该生产方式可能会存在不足ꎬ希望批评指正ꎮ参考文献:[１]㊀中国农业区划委员会.土地利用现状调查技术规程[Ｚ].北京:中国农业区划委员会ꎬ１９８４.[２]㊀国家测绘局.基础地理信息数字产品１ʒ１００００１ʒ５００００生产技术规程第２部分:数字高程模型(ＤＥＭ)[Ｚ].北京:国家测绘局ꎬ２００７.[３]㊀国土资源部.第二次全国土地调查利用ＤＥＭ确定耕地坡度分级技术规定(试行)[Ｚ].北京:国土资源部ꎬ２００８.[编辑:任亚茹]８３２㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０１９年。
基于DEM的岸坡稳定性的精度研究
（７一 ｚ ｚ ９＋２ ｚ ｚ）＋ｚ （４一 ６ ｌ—ｚ）（ｇ ３／８ ） （７一 ｚ ＋２ ｚ ｚ ｌ （８一ｚ）＋ ｚ ２ ９一ｚ）（ｇ ３／８ ）
Ｓ ＝ ａｃ ａ ｒ ｔｎ
＝
本文以某段 河岸 为研 究 区域 ， 采用高精 度原始测量数 据分 别建立不 同空间分辨率的 Ｄ Ｍ， Ｅ 并派 生出坡度 图。以岸坡 稳定
位间隔约 ５ｍ， 相邻测线间隔约 １ 。采用 Ａ ｃ Ｉ ０ｍ ｒ Ｓ软件平 台 ， （ 利
生。所以有必要针对崩岸段 的具体情 况 ， 研究 出更合理 的护岸
形式。
用研究 区域 的高程点生成水 平分辨 率分别 为 ５ １、５ ２ 、５ｍ 、０ １、０ ２ 的 Ｄ Ｍ数据 ， Ｅ 采用 ２ ８点法对 生成 的 Ｄ Ｍ精度 进行 评定 ， Ｅ 见表 １从 表 中可 以看出 ， ， 对于 同样 的原 始数据 ，５ｍ分辨率 的 Ｄ Ｍ ２ Ｅ
异。
ｎ １ 中误差
２８ ．２
中误差
０． ０ ４ ቤተ መጻሕፍቲ ባይዱ
０． ４ ５
分辨率
ｌ ５
２ ０
中误差
Ｏ． ２ ６
０． ９ ７
分辨率
２ ５
对于 Ｄ Ｍ提取坡度 的精度和适用性的研究 ， Ｅ 国内外均有很
多。Ｈ ｔ ｉ ｏ （９６ 提 出基于坡 度 中误 差的 Ｄ Ｍ分辨 率确定 ｕｃ ｎ ｎ １９ ） ｈｓ Ｅ 方法 ，ｏｄｈ ｄ １９ ） 出通过 Ｄ Ｍ 中误 差 、 Ｅ ＪＧ ｏｃｉ （９ １ 提 ｌ Ｅ Ｄ Ｍ分辨 率 和 Ｄ Ｍ误差相关系数计算坡度 中误差 的公式 ， Ｅ 刘学军 曾推 出坡 度中误差与 Ｄ Ｍ中误差 、 Ｅ Ｅ Ｄ Ｍ分辨率 与坡度之 间的关系 （ 不考 虑 Ｄ Ｍ计算坡度 的模 型误差 ） 』汤 国安等通 过对黄 土丘 陵沟 Ｅ ，
基于DEM的土壤侵蚀坡长因子值提取方法研究
基于DEM的土壤侵蚀坡长因子值提取方法研究摘要：目前在修正通用土壤流失方程式（RUSLE）的应用研究方面，坡长的获取始终未能解决。
本文以黄土高原柳沟小流域和吴旗县小流域为例，借助GIS 和VB，对基于DEM的坡长提取方法进行研究。
首先，求得适合进行坡长计算的分辨率临界值；然后选用10m*10m的分辨率对平均坡长进行验证；最后应用该方法提取柳沟流域和吴旗县小流域的坡长分布图并分别对坡长分布规律进行了比较分析。
研究结果表明该方法能够比较精确地利用DEM提取坡长，为RUSLE的应用提供获取坡长的方法。
关键词：坡长；DEM；修正通用土壤流失方程式；流向1、前言通用土壤流失方程（USLE）是美国自20世纪50年代起在多年实验研究的基础上建立的，主要用于预报降雨侵蚀力作用下农耕坡地的年土壤流失量。
期间于70年代和90年代进行了两次修改，因为它摆脱了早期模型中所有的地区及气候的限制，并且随着资料的积累，参数被不断修正，应用的范围更大，包括了其他国家的一些地区。
通用土壤流失方程表达式：A=RKLSCP，其中R是降雨侵蚀力因子；K是土壤可蚀性因子；L是坡长因子；S坡度因子；C是作物经营管理因子；P土壤侵蚀控制措施因子[1]。
随着地理信息系统的发展，地理信息系统被越来越多地与通用土壤流失方程相结合。
目前，GIS被广泛应用于通用土壤流失方程中各个因子值的计算。
如降雨侵蚀力因子、坡度因子，植被覆盖因子等，但坡长因子L的计算始终未能在GIS下得到很好的解决，原因在于还没有适当的方法根据DEM对坡长进行提取。
坡长因子L是指其他条件相同的情况下，任意坡长的单位面积土壤流失量与标准小区单位面积土壤流失量之比值。
方程式为：L=（λ/22.13）m。
其中λ为任意坡长距离，22.13为标准小区坡长，m为坡长指数。
关于任意坡长λ，ULSE中把他定义为从地表径流的起点到坡度降低到足以发生沉淀的位置或径流进入一个规定渠道的入口处的距离[2]。
DEM数据处理与分析
DEM数据处理与分析DEM数据处理与分析一、DEM数据获取在进行DEM数据处理与分析之前，首先需要获取相关的DEM数据。
DEM数据是通过激光雷达或者卫星遥感技术获取的数字高程模型数据，可以提供地形高度信息。
获取DEM数据的方式有很多种，可以通过互联网下载或者购买商业软件进行获取。
二、DEM数据处理一）初步预处理在进行DEM数据处理之前，需要对数据进行初步预处理。
这一步骤包括数据格式转换、数据质量检查、数据筛选和数据去噪等。
其中，数据质量检查是非常重要的一步，可以保证后续的数据处理和分析的准确性。
二）其他处理除了初步预处理之外，还有一些其他处理方法可以对DEM数据进行优化。
比如，可以进行数据插值、数据平滑、数据过滤等操作，可以提高DEM数据的精度和可靠性。
三）坐标转换（计算坡度之前的预处理）在进行坡度计算之前，需要对DEM数据进行坐标转换。
坐标转换是将数据从一个坐标系转换到另一个坐标系的过程，可以保证DEM数据的准确性和一致性。
三、DEM数据拼接一）获取在进行DEM数据拼接之前，需要先获取需要拼接的DEM数据。
可以通过互联网下载或者购买商业软件进行获取。
二）镶嵌将多个DEM数据镶嵌在一起，形成一个完整的DEM数据集。
在进行镶嵌之前，需要对数据进行预处理，包括格式转换、数据质量检查、数据筛选和数据去噪等。
三）裁剪在进行DEM数据裁剪之前，需要明确裁剪的范围和目的。
裁剪可以将DEM数据集中的某一部分提取出来，可以用于特定的分析和应用。
四、地形属性提取在进行DEM数据分析之前，需要先进行地形属性提取。
地形属性包括坡度、坡向、高程等信息，可以用于地形分析和地形建模。
提取地形属性的方法有很多种，可以通过GIS软件和编程语言进行实现。
一、提取坡度在地形分析中，坡度是一个十分重要的参数。
我们可以使用GIS软件来提取地形的坡度信息。
坡度的计算方式是通过对高程数据进行数学处理得到的。
在提取坡度时，我们需要先选择合适的高程数据，并设置合适的参数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２ ． Ｋ ｅ ｙ Ｌ ａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｙ ｏ ｆ Ｓ ｐ ａ ｔ ｉ ｌ ａ Ｄ ａ ｔ ａ Ｍｉ ｎ ｉ ｎ ｇ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｓ ｈ ａ ｒ ｉ ｎ ｇ ，Ｍ ｉ ｎ ｉ ｓ ｔ ｒ ｙ ｏ ｆ Ｅ ｄ ｕ ｃ ａ ｔ ｉ ｏ ｎ， Ｆ ｕ ｚ ｈ ｏ ｕ ３ ５ ０ ０ ０ ２， Ｃ ｈ ｉ ｎ ａ ）
人
民
黄
ቤተ መጻሕፍቲ ባይዱ
河
ＶＯ １ ． ３ ５． ＮＯ． ２ Ｆ ｅ ｂ ．， ２ ０１ ３
ＹＥＩ ０Ｗ ＲＩ ＶＥＲ
【 水 利 水 电工 程 】
基于 Ｄ Ｅ Ｍ 的坡 度 精 度 研 究
刘欣 欣 ， 陈 楠 ， 朱 海金
（ １ ． 福州大 学 福建 省空间信息工程研 究中心 ， 福建 福州 ３ ５ ０ ０ ０ ２ ；
ａ ｔ ｉ ｏ ｎ ｗｅ ｒ ｅ ｕｓ ｅ ｄ ａ ｓ ｔ ｈ ｅ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｏ ｒ ｓ ｏ ｆ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ａ ｎ ｄ ｒ ａ ｎ ｄ ｏ ｍ ｎ ｏ ｉ ｓ ｅ ｓ ｗ ｅ ｒ ｅ ｕ ｓ ｅ ｄ ｔ ｏ ｓ ｉ ｍｕ ｌ ａ ｔ ｅ ＤＥＭ ｅ ｒ ｒ ｏ ｒ ．Ｔｈ ｅ ｍａ ｉ ｎ ｃ ｏ ｎ ｔ ｅ ｎ ｔ ｓ ａ ｒ ｅ ｓ ｕ ｍｍａ ｒ ｉ ｚ ｅ ｄ ａ ｓ ｆ ｏ ｌ ｌ ｏ ｗｓ ：ｔ ｈ ｅ
２ ． 空 间 数据 挖 掘 与 信 息 共 享 教 育 部 重 点 实验 室 ， 福 建 福州 ３ ５ ０ ０ ０ ２ ）
摘
要： 在黄 土高原 、 福建省选取 ２ ０个样 区为研 究 区域 ， 以样 区１ ： １ 万地形 图所建 立的 ５ ｍ分辨 率 Ｄ Ｅ Ｍ 为研 究对 象 ， 分
析 Ｄ Ｅ Ｍ 高程误 差、 提取坡度 的不 同算 法、 不 同地形对坡度精度 的影响。将 中误差 、 互信 息、 均值和标 准差作为分析 指标 ， 采用随机噪声模拟 Ｄ Ｅ Ｍ 的误差 。研 究结果表 明： 互信息可 以作 为衡 量原 始坡度 与加噪 Ｄ Ｅ Ｍ提取 坡度之 间 关联 程度 的 指标 ； ６种算法提取的坡度精度 由高到低依 次为三阶不 带权差 分算 法、 三阶反距 离权 差分算 法、 三阶反距 离平 方权差 分 算法、 Ｆ ｒ ａ ｍ ｅ差分算 法、 二 阶差分算 法、 简单差分算 法 ； 坡度 均值较 小的 区域 ， 其坡 度误差 较 大， 坡度均值 较大 的区域 ， 其 坡 度误 差则稍小 ， 若坡度标 准差较 大 ， 则需要进 一步考虑。
1dem高程误差对坡度精度的影响研究发现随着dem施加噪声的不断增大6种算法所提取的坡度具有相同的变化趋势即坡度的中误差不断增大而原始dem提取坡度与加噪dem提取坡度之间的互信息减小三阶不带权差分算法计算得到坡度的中误差以及原始dem提取坡度和加噪dem提取坡度的互信息见表1
第３ ５卷第 ２期
２ ０ １ ３年 ２月
Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｔ ｈ ｉ ｓ ｓ ｔ ｕ ｄ ｙ ｈ ａ ｄ ｂ ｅ ｅ ｎ ｃ ａ ｒ ｒ ｉ ｅ ｄ ｏ ｕ ｔ ｉ ｎ ｔ ｈ ｅ ２ ０ ｓ ａ ｍ ｐ ｌ ｅ ａ ｒ ｅ ａ ｓ ｓ ｅ ｌ ｅ ｃ ｔ ｅ ｄ ｆ ｒ ｏ ｍ Ｌ ｏ ｅ ｓ ｓ Ｐ ｌ ａ ｔ ｅ ａ ｕ ａ ｎ ｄ Ｆ ｕ ｊ ｉ ａ ｎ Ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ．ｕ ｓ ｉ ｎ ｇ ＤＥ Ｍ ｗ ｉ ｔ ｈ ａ ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｏ ｆ
５ ｍ ｗｈ ｉ ｃ ｈ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｆ ｒ ｏ ｍ ｔ ｈ ｅ ｔ ｏ ｐ ｏ ｇ ｒ ａ ｐ ｈ ｉ ｃ ａ ｌ ｍａ ｐ ｗｉ ｔ ｈ １ ： １ ０ ０ ０ ０ ｓ ｃ ａ ｌ ｅ，ａ ｎ ｄ ｔ ｈ ｅ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｗａ ｓ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｏ ｆ ｓ ｌ ｏ ｐ ｅ ｗｈ ｉ ｃ ｈ ｗａ ｓ ｃ ａ ｕ ｓ ｅ ｄ ｂ ｙ ＤＥＭ ｅ ｌ ｅ ｖ ａ ｔ ｉ ｏ ｎ ｅ ｒｏ ｒ ．ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍｓ ｔ ｏ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｓ ｌ ｏ ｐ ｅ ａ ｎ ｄ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｔ ｅ ｒ ｒ ａ ｉ ｎ ｓ ．Ｔｈ ｅ ｍｅ ｄ ｉ ｎ ａ ｅ ｒ ｒ ｏ ｒ ，ｍｕ ｔ ｕ ａ ｌ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ，ｍｅ ａ ｎ ａ ｎ ｄ ｓ ｔ ａ ｎ ｄ ａ ｒ ｄ ｄ ｅ ｖ ｉ －
Ｌ Ｉ Ｕ Ｘ ｉ ｎ — ｘ ｉ ｎ ， Ｃ Ｈ Ｅ Ｎ Ｎ ａ ｎ ， Ｚ Ｈ Ｕ Ｈａ ｉ － ｊ ｉ ｎ ’
（ １ ． Ｓ ｐ ａ ｔ ｉ ｌ ａ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ Ｃ ｅ ｎ ｔ ｒ ｅ ，Ｆ ｕ ｚ ｈ ｏ ｕ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｆ ｕ ｚ ｈ ｏ ｕ ３ ５ ０ ０ ０ ２， Ｃ ｈ ｉ ｎ ａ ；
关 键 词： 坡 度 ；误 差 ； 互信 息 ；Ｄ Ｅ Ｍ 文献标志码 ： Ａ ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — １ ３ ７ ９ ． ２ ０ １ ３ ． ０ ２ ． ０ ４ ８ 中 图 分 类 号 ：Ｐ ２ ０ ８
Ｓ ｔ ｕ ｄ ｙ ｏ ｆ ｔ ｈ ｅ Ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｏ ｆ Ｓ ｌ ｏ ｐ ｅ Ｂ ａ ｓ ｅ ｄ ｏ ｎ Ｇｒ ｉ ｄ Ｄｉ ｇ ｉ ｔ ａ ｌ Ｅ ｌ ｅ ｖ ａ ｔ ｉ ｏ ｎ Ｍｏ ｄ ｅ ｌ（ Ｄ Ｅ Ｍ）