积分商城

最新搜索： 可靠性设计 快速充电 传感器应用指南 grbl stm32 电路 HD-TVI
您现在的位置是：首页 > 技术资料 > Python辅助下的坡度提取不确定性分析
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

Python辅助下的坡度提取不确定性分析

更新时间：2019-12-20 21:36:45 大小：2M 上传用户：songhuahua查看TA发布的资源 标签：python 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

以30 m空间分辨率的DEM为试验数据源,借助Python地理建模技术深入研究坡度提取的不确定性。以平均坡度来代表坡度的一般水平,将研究区划分为7种地貌类型,将30 m分辨率的DEM数据重采样成30~120 m分辨率的10组DEM数据,使用以Arc GIS平台和Python开发语言为基础的地理建模技术,定量分析平均坡度与DEM空间分辨率、区域地貌特征的关系,研究坡度提取的不确定性。结果表明:研究区内不同地貌区域提取的平均坡度都随DEM分辨率的减小而减小,衰减速率基本不变;其回归方程的常数项与所在地貌单元的沟壑密度呈二次函数变化特征;坡度提取的精度与DEM的分辨率呈正相关的关系;基于Python的地理建模技术有效地整合了坡度提取分析方法,极大地提高了分析效率;研究结果进一步验证了现有坡度提取方法的不确定性。


部分文件列表

文件名 大小
Python辅助下的坡度提取不确定性分析.pdf 2M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
2018  
5
， : Python  
馁 等 辅助下的坡度提取不确定性分析  
41  
年
第
期
吴
: ， ， ， ．Python  
引文格式 吴馁 李朝奎 方军 等  
［J］．  
辅助下的坡度提取不确定性分析  
，2018( 5) : 41-47．DOI: 10．13474/j．cnki．11-2246．2018．  
测绘通报  
0141．  
Python  
辅助下的坡度提取不确定性分析  
1，2  
1，2  
1，2  
1，2  
1，2  
， ， ， ，  
吴 馁 李朝奎 方 军 褚 楠 吴柏燕  
( 1．  
，
湖南科技大学地理空间信息技术国家地方联合工程实验室 湖南 湘潭  
411201;  
2．  
，
湖南科技大学地理空间信息湖南省工程实验室 湖南 湘潭  
411201)  
:
摘要 以  
30 m  
DEM  
，
为试验数据源 借助  
Python 。  
地理建模技术深入研究坡度提取的不确定性 以平均坡度来代表坡  
空间分辨率的  
， 7 ，  
度的一般水平 将研究区划分为 种地貌类型 将  
30 m  
DEM  
30～120 m  
10  
DEM ，  
数据 使用以  
分辨率的  
数据重采样成  
DEM 、 ，  
空间分辨率 区域地貌特征的关系 研究坡度提  
分辨率的  
组
ArcGIS Python  
平台和  
，
开发语言为基础的地理建模技术 定量分析平均坡度与  
。 :  
取的不确定性 结果表明 研究区内不同地貌区域提取的平均坡度都随  
DEM  
， ;  
分辨率的减小而减小 衰减速率基本不变 其回归  
;
方程的常数项与所在地貌单元的沟壑密度呈二次函数变化特征 坡度提取的精度与  
DEM  
;
的分辨率呈正相关的关系 基于  
Python  
， ;  
的地理建模技术有效地整合了坡度提取分析方法 极大地提高了分析效率 研究结果进一步验证了现有坡度提取方法的  
。
不确定性  
:
DEM;  
;
坡度提取 不确定性  
; Python  
关键词  
: P237  
: A  
: 0494-0911( 2018) 05-0041-07  
文章编号  
中图分类号  
文献标识码  
Uncertainty Analysis for Slope Extraction Based on Python  
1，2 1，2 1，2 1，2  
WU Nei ，LI Chaokui ，FANG Jun ，CHU Nan ，WU Baiyan  
1，2  
( 1． National-Local Joint Engineering Laboratory of Geo-Spatial Information Technology，Hunan University of Science and Technology，Xiangtan 411201，  
China; 2． Hunan Province Engineering Laboratory of Geospatial Information，Hunan University of Science and Technology，Xiangtan 411201，China)  
Abstract: Taking DEM with spatial resolution of 30 meters as experimental data source，the uncertainty of slope extraction is deeply  
studied by using Python geographic modeling technology．The general level of slope is to be represented by the average slope，and the  
study area is divided into 7 landscape types，the 30 m resolution of DEM data is resampled into 10 groups DEM data of 30 ～ 120 m  
resolution．Using ArcGIS platform and Python development language based geographic modeling technology，quantitative analysize DEM  
spatial resolution，mean slope and area geomorphic features，the uncertainty of slope extraction is studied．The research results show that  
the average slope region in different geomorphic regions are extracted with decreasing resolution of DEM decreases，the decay rate is  
basically unchanged．The regression equation of the constant term and the geomorphic unit is characteristic of the two gully density  
curve．  
Key words: DEM; slope extraction; uncertainty; Python  
，
滑坡和泥石流是主要的地质灾害形式 其基本  
DEM  
国内许多学者在基于  
提取坡度的不确定  
［1-2］  
，
。
性分析中作了大量的研究 赵牡丹等选取陕北黄土  
形成条件离不开地形地貌  
而坡度是地貌学中  
［3］  
，
、 、  
丘陵沟壑区 黄土梁峁丘陵区 黄土低丘区及黄土破  
描述地貌形态的两个重要因子之一  
对地表过程  
［4］  
4
，
，
有强烈影响 具有重要的地理学意义  
。
碎塬区 种地貌类型区作为试验样区 采用高精度  
1 ∶ 1 5 m DEM ，  
为基准数据 应  
，
在区域尺度的研究中 坡度通常基于  
DEM  
提
万比例尺  
分辨率的  
用比较分析 回归分析和相关分析等方法研究黄土  
DEM  
［5］  
［6］  
，DEM  
，
而不  
、
取
只是真实地表形态的近似表达  
DEM ，  
同分辨率 数据提取的坡度精度存在差异 地形  
起伏等因素导致差异增大 因此 了解坡度提取误  
高原不同分辨率  
提取地面平均坡度精度的量  
［7］  
;
6
汤国安等选择陕北黄土高原 个典  
。
，
化估算方法  
型地貌类型区为试验样区 采用野外实测及高精度  
1 ∶ 1 DEM ，  
为基准数据 研究栅格分辨  
、
差的成因 大小和空间分布规律有利于改进坡度提  
，
，
取方法 提高坡度提取的精度  
。
的
万比例尺  
: 2017-11-30  
收稿日期  
:
基金项目 国家自然科学基金  
( 41271390) ;  
( 16A070) ;  
( 2017JJ4037) ;  
特殊环境  
湖南省教育厅重点项目  
( kfj150502)  
湖南省自然科学基金湘潭联合基金  
道路工程湖南省重点实验室开放基金  
:
( 1993—) ， ， ，  
男 硕士生 主要从事  
GIS  
理论方法与应用研究  
。E-mail: wunei2016@ 163．com  
作者简介  
吴
馁
:
通信作者 李朝奎  
。E-mail: chkl_hn@ 163．com  
42  
2018  
5
第 期  
测
绘
通
报
年
×
3 3  
未知 故坡度的提取通常是在 的栅格分  
DEM  
f( x，y)  
，
率及地形粗糙度对  
所提取地面平均坡度精度  
671 1 ∶ 5  
［8］  
;
，
( 2 ) ，  
析窗口中 如图 所示 采用几何平面来拟合或差  
的影响  
刘敏等以陕西省  
幅
万比例尺  
25 m  
DEM  
，
DEM  
。
分计算的方法进行  
分辨率的  
率对提取坡度信息的不确定性影响  
上述研究多从理论层面研究坡度提取的不确定  
数据为信息源 分析  
分辨  
［9］  
。
， ，  
性 但很少考虑整个计算过程的方法误差 以及可能  
。 ，  
存在的人为误差 本文针对现有坡度提取方法 运  
Python  
，
为开发语言的地理建模技术 从实践层  
用以  
面研究  
2
图
三阶差分  
DEM  
，
分辨率对坡度提取的影响 整合分析过  
， ， 。  
程 提高分析效率 减少人为误差 研究结论对完善  
DEM  
f 、f 3  
可以有以下 种不同  
y
基于  
格网计算  
x
。
现有坡度提取理论具有显著的理论意义  
的计算方法  
－
Z
Z
1
1
3
坡度计算及不确定性分析方法  
=
f
x
2d  
( 3)  
1．1  
DEM  
的坡度计算  
基于  
－
Z
Z
4
2
=
f
地表面上任一点的坡度是指过该点的切平面与  
y
2d  
［10］  
，
水平地面的夹角  
表示地表面在该点的倾斜程  
+
+ － + +  
Z ) ( Z 2Z Z )  
7
( Z  
Z
8
1
5
3
6
=
。
， ，  
因此 坡度是一个既有大小又有方向的量 即矢  
f
度
x
8d  
( 4)  
。
量
在数值上等于过该点的地表微分单元的法矢量  
+
+
－
Z ) ( Z  
5
+
+
Z )  
6
( Z  
Z
Z
8
2
7
3
n
Z ， 1 。  
与地表曲面函数 轴的夹角 如图 所示 用公  
=
f
y
8d  
式表示为  
+ + － + +  
( Z 2Z Z ) ( Z 2Z Z )  
7
8
1
5
3
6
=
f
x
8d  
( 5)  
+ + － + +  
( Z 2Z Z ) ( Z 2Z Z )  
6
7
4
8
2
5
=
f
y
8d  
，d  
式中 表示  
DEM  
，
的分辨率 即栅格格网的距离大  
; f  
f
( 2)  
。
( 3) — ( 5)  
从式 式 中  
小
与
的含义与式  
y
同
x
，f  
f
d
的值主要受格网大小 的影响  
，
可以看出  
与
x
y
因此坡度的提取精度也将明显受到格网分辨率的限  
。
， ( 5)  
为了提高坡度计算精度 式  
制
常被用于求解  
f
f 。  
y
与
x
1．2  
坡度计算的不确定性分析方法  
Python  
，
作为一种通用的开源编程语言 易于学  
1
图
地表单元坡度示意图  
， ArcGIS  
习和使用 在  
。
而
地理处理中用作脚本语言  
Python  
ArcGIS  
Arcpy  
站点包给  
中的  
处理地理数据  
［11-12］  
z·n  
z · n  
。
Arcpy  
提供 了 基 础  
本 文 基 于  
站 点 包 编 写  
=
slope arccos  
( 1)  
(
)
z 。  
分别为各自方向的模 地面上每一  
Python  
DEM  
、
脚本程序对  
坡度提取及批量掩膜提取 利用  
，scipy  
数据进行批量重采样 批量  
，n  
; z  
Z
为 轴  
式中 为地面一点的微分单元的法矢量  
。
numpy  
包对数据  
; n  
分量  
与
，
包对数据进行科学计算并分析  
进行整理  
， ，  
点都有坡度 它是一个点上的微分概念 是地表曲面  
matplotlib  
。
包将数据分析结果制成图表  
Model Builder  
=
z f( x，y)  
、
在东西 南北方向上的高程变化率的  
函数  
。 Model  
在
中 构 建 模 型 工 具  
。 ，  
函数 因此 进行坡度提取常采用简化差分公式计算  
Builder  
，
也叫模型构建器 是  
ArcGIS  
提供的一种通  
2
2
=
slope arctan  
+
f
f
槡
( 2)  
方向的高  
的求解是获取坡  
y
。
过构造工作流与处理脚本的图形化建模工具 利用  
x
y
，f  
X
; f  
Y
，
模型构建器将需要用到的工具连接 前一个工具的  
式中  
为
方向的高程变化率  
为
y
x
。
程变化率 由式  
( 2) ，f  
可知  
DEM  
f
， ，  
输出作为后一个工具的输入 形成工作流 从而不用  
与
x
。
度值的关键 由于  
，
数据是离散的 曲面函数  
。
频繁调用工具 本文使用  
Model Builder  
构建栅格  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号