基于多方位DEM地形晕渲的黄土地貌正负地形提取

doi:10.13249/j.cnki.sgs.2012.01.105

地理科学 ›› 2012, Vol. 32 ›› Issue (1): 105-109.doi: 10.13249/j.cnki.sgs.2012.01.105

基于多方位DEM地形晕渲的黄土地貌正负地形提取

陈永刚^1,²(), 汤国安¹, 周毅¹, 李发源¹, 宴实江¹, 张磊¹

1.南京师范大学虚拟地理环境教育部重点实验室, 江苏南京 210046
2.浙江农林大学浙江省森林生态系统碳循环与固碳减排重点实验室, 浙江临安 311300

收稿日期:2011-02-20 修回日期:2011-04-11 出版日期:2012-01-20 发布日期:2012-01-20
作者简介:
作者简介: 陈永刚(1980-),男,内蒙兴和人,博士研究生,从事DEM信息提取研究及GIS在林业中应用开发工作。E-mail：cyg_gis@163.com
基金资助:
国家自然科学基金项目（40930531、40801148）、浙江省教育厅项目(Y201017891)资助

The Positive and Negative Terrain of Loess Plateau Extraction Based on the Multi-azimuth DEM Shaded Relief

Yong-gang CHEN^1,²(), Guo-an TANG¹, Yi ZHOU¹, Fa-yuan LI¹, Shi-jiang YAN¹, Lei ZHANG¹

1.Key Laboratory of Virtual Geogrpahic Environment of Ministry of Education,Nanjing Normal University,Nanjing, Jiangsu 210046,China
2. Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration, Zhejiang Agriculture and Forestry University, Lin’an, Zhejiang 311300, China

Received:2011-02-20 Revised:2011-04-11 Online:2012-01-20 Published:2012-01-20

摘要/Abstract

摘要：

以陕北绥德县韭园沟流域5 m分辨率DEM数据为基础,在数字地形分析、多元统计和数据挖掘方法的基础上,提出利用多方位DEM地形晕渲、坡度等多元指标,以主成分分析消除多重共线性和约减维数,并以Logistic回归模型提取黄土高原正、负地形的方法。研究结果表明：模型提取精度为82.1%,Kappa统计量为0.629;模型在6个不同流域测试样本上正、负地形的平均精度分别为77.6%,84.9%,加权平均精度为81.3%,模型具有较好的一致性和泛化能力,正、负地形提取效果良好。

关键词: 正负地形, 黄土高原, 主成分分析, Logistic回归

Abstract:

Based on the DEM data of Jiuyuangou wateshed in Suide County, Shaanxi of China, with a spatial resolution of 5 m, employing the digital terrain analysis, multivariate statistics and data mining methods, multiple indexes of multi-azimuth DEM shaded relief and slope are established. The solutions of extraction positive and negative terrain of loess plateau by Principle Components Analysis, and Logistic regression model is proposed. The result indicates that: the extracting model has better consistency and accuracy, of which the accuracy is 82.1% and Kappa statistics is 0.6298. Tested on 6 samples of different valley by this model, the mean accuracy of positive and negative terrain are at 77.6% and 84.9%, and weighed mean accuracy is 81.3%. It is suitable to extract positive and negative terrain of loess plateau by PCA and Logistic regression model.

Key words: positive and negative terrain, Loess Plateau, Principle Components Analysis, Logistic regression

中图分类号:

P931.7/TP311.132

陈永刚, 汤国安, 周毅, 李发源, 宴实江, 张磊. 基于多方位DEM地形晕渲的黄土地貌正负地形提取[J]. 地理科学, 2012, 32(1): 105-109.

Yong-gang CHEN, Guo-an TANG, Yi ZHOU, Fa-yuan LI, Shi-jiang YAN, Lei ZHANG. The Positive and Negative Terrain of Loess Plateau Extraction Based on the Multi-azimuth DEM Shaded Relief[J]. SCIENTIA GEOGRAPHICA SINICA, 2012, 32(1): 105-109.

图/表 7

图1

图2

表1

表2

表3

表4

图3

参考文献 16

[1]	周毅,汤国安,王春,等.基于高分辨率DEM的黄土地貌正负地形自动分割技术研究[J].地理科学,2010,30(2): 261~266.
[2]	闾国年,钱亚东,陈钟明.基于栅格数字高程模型自动提取黄土地貌沟沿线技术研究[J].地理科学,1998,18(6): 567~573.
[3]	杨勤科. 小流域土壤侵蚀评价与水土保持规划研究[D].西北农林科技大学,2001.
[4]	朱红春,汤国安,张友顺,等.基于DEM提取黄土丘陵区沟沿线[J].水土保持通报,2003,23(5): 43~45.
[5]	刘鹏举,朱清科,吴东亮,等.基于栅格DEM与水流路径的黄土区沟缘线自动提取技术研究[J].北京林业大学学报,2006,28(4):72~76.
[6]	Zhou Y,Tang G,Yang X,et al.Positive and negative terrains on northern Shaanxi Loess Plateau[J].Journal of Geographical Sciences,2010,20(1):64-76.
[7]	罗来兴. 划分晋西、陕北、陇东黄土区域沟间地与沟谷的地貌类型[J].地理学报,1956,22(3):201~222.
[8]	郭庆胜,王晓延.地貌晕渲中光源使用方法与用色规则的研究[J].武汉大学学报(信息科学版),2004,29(1):20~23.
[9]	Yoeli P.The mechanisation of analytical hill shading[J].Cartographic Journal,1967,4(2):82~88.
[10]	姜文亮,李霖,应申.计算机地貌晕渲效果增强方法研究[J].武汉大学学报(信息科学版),2007,32(12):1176~1179.
[11]	周启鸣,刘学军.数字地形分析[M].北京:科学出版社,2006.
[12]	Moore B.Principal component analysis in linear systems: Controllability, observability, and model reduction[J]. Automatic Control,IEEE Transactions on,2002,26(1):17-32.
[13]	王富喜,孙海燕,孙峰华.山东省城乡发展协调性空间差异分析[J].地理科学,2009,29(3): 323~328.
[14]	陆汝成,黄贤金,左天惠,等.基于CLUE—S 和 Markov 复合模型的土地利用情景模拟研究——以江苏省环太湖地区为例[J].地理科学,2009,29(4):577~581.
[15]	邵一希,李满春,陈振杰,等.地理加权回归在区域土地利用格局模拟中的应用——以常州市孟河镇为例[J].地理科学,2010,30(1):92~97.
[16]	马岩,陈利顶,虎陈霞.黄土高原地区退耕还林工程的农户响应与影响因素——以甘肃定西大牛流域为例[J].地理科学,2008,28(1):34~39.

项目	1	2	3	4	5	…	17	18	19
特征值	7.6459	6.5736	3.8480	0.8922	0.0395	…	0.0000	0.0000	0.0000
贡献率	0.4020	0.3460	0.2030	0.0470	0.0020	…	0.0000	0.0000	0.0000
累计贡献率	0.4020	0.7480	0.9510	0.9980	1.0000	…	1.0000	1.0000	1.0000

变量名	系数	标准差	Z值
常数项	0.5471	0.0136	40.240
Y₁	0.5950	0.0063	94.300
Y₂	0.0802	0.0051	15.680
Y₃	0.0842	0.0066	12.680
Y₄	1.6539	0.0178	92.920

项目	TP	FP	Precision	Recall	F-Measure	ROC
正地形	0.868	0.244	0.832	0.868	0.85	0.897
负地形	0.756	0.132	0.805	0.756	0.78	0.897
加权平均值	0.821	0.197	0.821	0.821	0.82	0.897

测试样区	正地形精度	负地形精度	加权平均精度
1	0.788	0.855	0.820
2	0.809	0.809	0.809
3	0.703	0.725	0.713
4	0.748	0.951	0.862
5	0.819	0.882	0.848
6	0.787	0.872	0.826
平均值	0.776	0.849	0.813

基于多方位DEM地形晕渲的黄土地貌正负地形提取

The Positive and Negative Terrain of Loess Plateau Extraction Based on the Multi-azimuth DEM Shaded Relief

RichHTML

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 16

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	林琳, 郝珊, 杨莹, 钟志平, 蒙美昀, 田嘉铄. 老年人自评健康的能力-压力模型研究——以广州社区为例[J]. 地理科学, 2018, 38(4): 548-556.
[2]	白景锋, 张海军. 中国水-能源-粮食压力时空变动及驱动力分析[J]. 地理科学, 2018, 38(10): 1653-1660.
[3]	傅辰昊, 周素红, 闫小培, 柳林. 广州市零售商业中心消费活动时变模式及其影响因素[J]. 地理科学, 2018, 38(1): 20-30.
[4]	韩娟, 金晓斌, 张志宏, 孙伟, 徐心茹, 周寅康. 中国住宅出让地价发育特征及其影响因素分析[J]. 地理科学, 2017, 37(4): 573-584.
[5]	刘原峰, 朱国锋, 赵军, 李倩, 胡鹏飞, 王凯, 潘汉雄. 黄土高原区不同降水相态的时空变化[J]. 地理科学, 2016, 36(8): 1227-1233.
[6]	段小薇, 李璐璐, 苗长虹, 胡志强. 中部六大城市群产业转移综合承接能力评价研究[J]. 地理科学, 2016, 36(5): 681-690.
[7]	谢余初, 张影, 钱大文, 巩杰, 颉耀文, 常根应. 基于参与式调查与主成分分析的金塔绿洲变化驱动力分析[J]. 地理科学, 2016, 36(2): 312-320.
[8]	杨林, 韩科技, 陈子扬. 沿海地区经济增长与海洋灾害损失的动态关系研究：1989~2011年[J]. 地理科学, 2015, 35(8): 969-975.
[9]	徐涵秋, 张好. 海岛型城市扩展的生态效应分析——以厦门岛为例[J]. 地理科学, 2015, 35(7): 867-872.
[10]	赵一飞, 邹欣庆, 张勃, 张多勇, 许鑫王豪. 黄土高原甘肃区降水变化与气候指数关系[J]. 地理科学, 2015, 35(10): 1325-1332.
[11]	刘于琪, 刘晔, 李志刚. 中国城市新移民的定居意愿及其影响机制[J]. 地理科学, 2014, 34(7): 780-787.
[12]	梁辰, 王诺. 基于Logistic回归的沿海经济区建设用地演变驱动因素研究——以大连市新市区为例[J]. 地理科学, 2014, 34(5): 556-562.
[13]	张子龙, 鹿晨昱, 陈兴鹏, 薛冰. 陇东黄土高原农业生态效率的时空演变分析——以庆阳市为例[J]. 地理科学, 2014, 34(4): 472-478.
[14]	帅红, 李景保. 典型年洞庭湖系统健康综合评价[J]. 地理科学, 2014, 34(2): 170-177.
[15]	李小燕. 黄土高原植被对水热状况的响应研究[J]. 地理科学, 2013, 33(7): 865-872.