DEM分辨率对地形因子提取影响,本文关于因子论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
因子论文参考文献：
摘 要：
以大兴安岭漠河地区1∶5万比例尺的等高线数据为研究对象,生成不同分辨率的数字高程模型（DEM）数据,分析在不同分辩率条件下,由DEM提取的坡度、坡向及剖面曲率随分辨率的变化情况,并利用信息熵公式进行不同分辨率DEM高程熵分析,得到高程熵随分辨率的变化趋势.结果表明,当DEM分辨率达到25 m左右时,各地形因子的变化情况趋于稳定,分辨率达到50 m以后变化明显加剧.高程熵在分辨率增大到25 m时变化减慢,据此判断,漠河地区1∶5万比例尺等高线在生成DEM时最合适的分辨率应该是25 m.
关键词：
数字高程模型（DEM）；地形因子；分辨率
中图分类号：P217 文献标识码：A 文章编号：1001-005X（2016）06-0057-04
Study on the Effect of DEM Resolutions Extracting on the Landform Factors
Liu Na,Yang Binbin,Fang Jingnan,Hao Yi,Yang Haicheng,Wang Weifang
（College of Forestry,Northeast Forestry University,Harbin 150000）
Abstract：
The 1：50000 contours data of Mohe area Daxingan Mountains was used as the objective to generate different resolution Digital Elevation Model （DEM） and analyze the changes of slope,aspect and profile curvature under condition of the different resolution DEM.The change trend of DEM height-entropy with different resolution was also analyzed.The results showed that the changes of each topography factor became stable when the DEM resolution came to around 25 meters and the change became apparently intensive when the resolution came to over 50 meters.Height-entropy changed slowly when the resolution enlarged to 25 meters.It was concluded from above results that the most appropriate resolution should be 25 meters in the Mohe area when 1：50,000 contours was used to generate DEM.
Keywords：
Digital Elevation Model（DEM）；landform factors；resolutions
0 引 言
数字高程模型（DEM）的概念于1958年由Miller首次提出,是用一组有序数值阵列形式表示地面高程的一种实体地面模型[1].近年来用DEM提取地形因子（如高程、坡度、坡向、剖面曲率等）并对这些地形因子进行分析已经成为分析地形因子的主流方法,而通过数字高程模型提取的地形因子在水文模型建立、土壤侵蚀分析、水土流失监测、地貌形态模拟和生态环境研究等地学分析领域有着广泛的应用[2].DEM分辨率不同,所提取的地形因子的数值也会发生改变,从而对地形因子分析造成一定的影响.因此,对不同DEM分辨率下地形因子提取状况的研究有着重要的意义.对DEM精度的研究自20世纪80年始取得突破,Brasington、Richards研究了各种模型及参数与DTM尺度的关系[3],Brabb、Bolstad and Stower、Florinsky在探讨DEM误差对应用的影响时探讨过DEM 误差对坡度的影响[4-7],Kienzle研究了DEM栅格分辨率对一阶、二阶及复合地形因子的影响[8],Erskine 探讨了DEM高程精度和栅格分辨率对地形属性的影响[9],汤国安提出了DEM 地形描述误差的概念[10],张磊等以应用目标、计算方法和尺度特征等为依据对地形因子进行了系统整合,为提高地形因子分析与应用的有效性提供了依据[11],经过几十年的发展,基于DEM的数字地形分析理论与技术方法正逐步走向成熟.本文以大兴安岭漠河地区作为研究区域.以该地区的高程、坡度、坡向和剖面曲率作为研究对象,研究不同分辨率DEM对提取地形因子的影响,确定最佳分辨率.
1 研究区域概况与研究方法
1.1 研究区域概况
漠河位于中国最北端,黑龙江省西北部,地理坐标为东经121°07′～124°20′,北纬52°10′～53°33′.东与塔河县接壤,西与内蒙古额尔古纳右旗交界,南与内蒙的额尔古纳左旗为邻,北与俄罗斯隔江相望.总面积18 233 km2,占大兴安岭地区总面积的21.6%,占全省总面积的3.9%.地势南高北低,最大高差为1 350 m.
1.2 数据与方法
以大兴安岭漠河地区1∶5万等高线为研究的基础数据,通过ARCGIS10.2软件将等高线生成不同分辨率的DEM,分辨率分别为5、10、15、20、25、50、75、100、150、200、250、300 m,分析由不同分辨率DEM生成的坡度,坡向以及剖面曲率图的变化情况,并对各地形因子随DEM分辨率变化的情况进行统计分析.
结论：关于本文可作为相关专业因子论文写作研究的大学硕士与本科毕业论文因子论文开题报告范文和职称论文参考文献资料。
高层次人才集聚影响因子
摘 要：高层次人才是最具有价值的人力资源，也是最富有活力和最富增值效益的资本。本文在界定高层次人才集聚概念的基础上，构建高层次人才集聚因子EIR。
基于因子分析的我国房地产影响因素
近年来，房地产行业发展迅速，从一定程度上推动了经济的发展，但是房地产行业发展过程中带来的问题也逐渐凸显出来。本文利用Sta ta14 o，通过因。
普惠金融视角下发放高质量小额贷款关键因子影响
摘 要：近年来，小额贷款公司的快速发展对中小微企业解决融资问题、活跃金融市场发挥了重要作用。然而，在当前经济下行压力下，小额贷款公司面临信用风险。
基于机器学习股市收益影响因子实证
[摘 要]本文通过对机器学习中AdaBoost算法的使用，分别对上证指数不同阶段的收益率中的财务数据进行特征学习，进而研究其不同阶段下的财务因子。