一种采用SRTM DEM重构河床数字地形的方法

来源 :地球信息科学学报 | 被引量 : 1次 | 上传用户:my_owenlin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
数字高程模型(DEM)包含的信息常作为重要的水文水动力研究基础数据,但是由于公共源DEM数据精度不能完整表达河床地形,所以无法应用于河流泛洪分析等研究工作。因此,本研究开展了基于DEM数据构建数字河床的工作,首先对提取的纵向河网高程数据引入了强局部加权回归算法进行平滑处理以消除畸点;然后以河面要素文件为掩膜,采用反距离加权方法进行横向的空间插值得到3D数字化河面;最后结合河面高程与河深数据完成河床的整体构建。本研究以SRTM DEM为数据地形基础,以位于我国吉林省永吉县境内的温德河为研究实例,对其下
其他文献
气候变化与大气二氧化碳浓度息息相关.大陆岩石圈风化是影响大气二氧化碳浓度的重要过程.通过还原陆壳古风化信息,我们可以有效地了解地球气候条件的演化历史.传统方法上,前
我国人口老龄化增速势头不减,存在养老服务业发展不平衡、老龄服务供给不足的矛盾。北京是较早进入老龄化的城市,提出了以居家为主的"9064"养老模式以解决养老资源缺口问题。为促进社区养老服务供给的便利化,提高老年群体对养老服务的"获得感",本文以北京市海淀区老年人口密度较大的17个街道为研究区,采用百度POI、小区户数、高德地图和遥感影像等多源数据,对老年人口统计数据进行空间网格化,比较国家、省(市)
建筑物的自动提取对城市发展与规划、防灾预警等意义重大。当前的建筑物提取研究取得了很好的成果,但现有研究多把建筑提取当成语义分割问题来处理,不能区分不同的建筑个体,且在提取精度方面仍然存在提升的空间。近年来,基于多任务学习的深度学习方法已在计算机视觉领域得到广泛应用,但其在高分辨率遥感影像自动解译任务上的应用还有待进一步发展。本研究借鉴经典的实例分割算法Mask R-CNN和语义分割算法U-Net的
为揭示生态环境脆弱性的时空分异和驱动因子,本研究在山江海视角下,以桂西南喀斯特-北部湾海岸带为典型研究区,运用空间主成分分析法,地理探测器模型,结合生态环境脆弱性综合指数,系统分析桂西南喀斯特-北部湾海岸带生态环境脆弱性的时空分异特征及驱动机制。结果表明:(1)研究区2008、2013、2018年脆弱性指数分别为0.54、0.61、0.69,多年平均值为0.61,整体处于中度脆弱,在空间上,由城市
人为热一定程度上影响着城市的局地环境和微气候。以2016年中国地级市为研究对象,首先采用了能源消耗清单法结合Suomi-NPP(National Polar-orbiting Partnership)VIIRS(Visible Infrared Imaging Radiometer Suite)夜间灯光数据的方法估算了格网尺度的人为热通量;其次,分别使用最小二乘法和地理加权回归法模型在全局和局部尺