基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例

doi:10.13474/j.cnki.11-2246.2022.0063

测绘通报 ›› 2022, Vol. 0 ›› Issue (2): 159-163.doi: 10.13474/j.cnki.11-2246.2022.0063

基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例

宁婷, 崔伟, 马晓勇

山西省生态环境监测和应急保障中心(山西省生态环境科学研究院), 山西太原 030027

收稿日期:2021-01-11 修回日期:2021-11-07 发布日期:2022-03-11
通讯作者: 马晓勇。E-mail:hkyshtygs@sohu.com
作者简介:宁婷(1990-),女,硕士,高级工程师,主要从事生态遥感研究。E-mail:ningting1990@126.com
基金资助:
山西省省属科研条件质量提升专项（山西能源基地生态环境遥感实验室）

Analysis of factors affecting the extraction of relief amplitude by mean change- point method:taking the Yellow River Basin in Shanxi as an example

NING Ting, CUI Wei, MA Xiaoyong

Shanxi Eco-Environmental Monitoring and Emergency Support Center (Shanxi Academy of Eco-Environmental Sciences), Taiyuan 030027, China

Received:2021-01-11 Revised:2021-11-07 Published:2022-03-11

摘要/Abstract

摘要： 地形起伏度因子在宏观尺度生态评估中具有重要作用。均值变点法是确定地形起伏度最佳分析窗口的常用方法，但其影响因素尚缺乏研究。本文以黄河流域（山西段）为例，基于DEM数据和均值变点法提取了研究区地形起伏度，并探讨了分析窗口样本数量、DEM分辨率和地貌类型3种因素的影响。结果表明：①分析窗口样本数量对最佳分析窗口取值有明显影响。随着样本数量的增加，变点所在的最佳分析窗口面积也不断增加。②DEM分辨率对最佳分析窗口取值有一定影响。分析窗口面积取值范围一致时，基于30 m ASTER GDEM计算得到的最佳分析窗口面积小于基于90 m SRTM DEM的最佳分析窗口面积。③地貌类型对最佳分析窗口取值的影响不大。当分析窗口样本数量一致时，不同地貌类型区及整个研究区最佳分析窗口相同或接近。总体而言，分析窗口样本数量是最关键的影响因素。

关键词: DEM, 最佳分析窗口, 分析窗口样本数量, 空间分辨率, 地貌类型

Abstract: Relief amplitude factor plays an important role in macro-scale ecological assessments. The mean change-point method is the mainstream method for determining the best fit window (BFW) of relief amplitude, but its influencing factors are still lacking in research. Taking the Yellow River Basin in Shanxi as an example, this paper extracts its relief amplitude based on DEM data and the mean change-point method, and explores the effects of three factors, namely number of analysis window samples, DEM resolution and landform type, respectively. The results show that: ① Number of analysis window samples has an important effect on the value of the best fit window. As the number of samples increases, the area of the best fit window where the change-point located also increases. ② DEM resolution has a certain effect on the best fit window value. When the analysis window area has the same value range, the best fit window area calculated based on 30 m ASTER GDEM is always smaller than the best fit window area based on 90 m SRTM DEM. ③ Landform type has little effect on the value of the best fit window. When the number of analysis window samples is the same, the best fit window for different landform areas and the entire study area is always same or similar. In short, number of analysis window samples is the key influencing factor.

Key words: digital elevation model, best fit window, number of analysis window samples, spatial resolution, landform type

中图分类号:

P237

宁婷, 崔伟, 马晓勇. 基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例[J]. 测绘通报, 2022, 0(2): 159-163.

NING Ting, CUI Wei, MA Xiaoyong. Analysis of factors affecting the extraction of relief amplitude by mean change- point method:taking the Yellow River Basin in Shanxi as an example[J]. Bulletin of Surveying and Mapping, 2022, 0(2): 159-163.

参考文献

[1] RENARD K G, FOSTER G R, WEESIES G A, et al. Predicting soil erosion by water:a guide to conservation planning with the revised universal soil loss equation (RUSLE)[M].Washington:US Department of Agriculture, 1997:404-407.
[2] WANG T. Land use and sandy desertification in the North China[J]. Journal of Desert Research, 2000, 20(2):103-107.
[3] 刘新华,杨勤科,汤国安.中国地形起伏度的提取及在水土流失定量评价中的应用[J].水土保持通报, 2001, 21(1):57-59, 62.
[4] 舒天竹,王晓红.基于3S技术的地形起伏度与区域土壤侵蚀的相关性研究[J].水土保持研究, 2017, 24(4):127-132.
[5] 李该霞,宋蒙亚,谢丽芳,等.江苏省水土保持功能的重要性评价[J].水土保持通报, 2016, 36(1):236-241.
[6] 封志明,李文君,李鹏,等.青藏高原地形起伏度及其地理意义[J].地理学报, 2020, 75(7):1359-1372.
[7] 王让虎,张树文,蒲罗曼,等.基于ASTER GDEM和均值变点分析的中国东北地形起伏度研究[J].干旱区资源与环境, 2016, 30(6):49-54.
[8] 王志恒,胡卓玮,赵文吉,等.应用累积和分析算法的地形起伏度最佳统计单元确定[J].测绘科学, 2014, 39(6):59-64.
[9] 钟静,卢涛.中国西南地区地形起伏度的最佳分析尺度确定[J].水土保持通报, 2018, 38(1):175-181.
[10] 贺晓娟,韩锦涛.山西省水土流失空间分布和现状[J].江西农业学报, 2007, 19(3):97-98, 105.
[11] 陈学兄,毕如田,刘正春,等.基于ASTER GDEM数据的山西地形起伏度分析研究[J].山西农业大学学报(自然科学版), 2016, 36(6):417-421.
[12] 王宁,刘万青,姚志宏,等.多源DEM数据地形因子表达准确性分析[J].测绘通报, 2018(9):39-44.
[13] 张伟,李爱农.基于DEM的中国地形起伏度适宜计算尺度研究[J].地理与地理信息科学, 2012, 28(4):8-12.
[14] 张竞,杜东,白耀楠,等.基于DEM的京津冀地区地形起伏度分析[J].中国水土保持, 2018(9):33-37.
[15] 涂汉明,刘振东.中国地势起伏度最佳统计单元的求证[J].湖北大学学报(自然科学版), 1990, 12(3):266-271.
[16] 南希,李爱农,景金城.中国山地起伏度计算中地形自适应滑动窗口获取与验证[J].地理与地理信息科学, 2017, 33(4):34-39.
[17] 张锦明,游雄.地形起伏度最佳分析区域预测模型[J].遥感学报, 2013, 17(4):728-741.
[18] 郑鑫鑫.基于DEM的山西省地貌信息与土地利用分形特征研究[D].晋中:山西农业大学, 2014.
[19] 康立,王国梁.基于GIS的山西省地形起伏度及其与人口分布相关性的研究[J].山西师范大学学报(自然科学版), 2016, 30(4):98-102.

基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例

Analysis of factors affecting the extraction of relief amplitude by mean change- point method:taking the Yellow River Basin in Shanxi as an example

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘卓, 李佳, 张翔, 郭磊, 刘艳阳, 徐浩栋, 顾云杨, 陈重华. 利用TanDEM-X影像和ICESat-2高程数据获取南极高精度数字高程模型[J]. 测绘通报, 2022, 0(4): 72-76.
[2]	马顶, 赵尚民, 程维明. 基于LROC NAC影像的高分辨率连续DEM数据制作[J]. 测绘通报, 2021, 0(9): 93-97.
[3]	罗为东, 甘淑, 袁希平, 高莎. 恐龙谷南缘微地貌地形特征要素提取及分析[J]. 测绘通报, 2021, 0(8): 48-54.
[4]	王岩, 范子贤, 李成名, 戴昭鑫, 吴政. 大尺度平原城市精细汇水区分级划分研究[J]. 测绘通报, 2021, 0(7): 117-120,125.
[5]	毛涛敏, 范业稳, 职爽, 张煜辉. 排水管线点和道路曲率协同下的道路表面模型获取[J]. 测绘通报, 2021, 0(7): 144-149.
[6]	王学文, 赵庆展, 田文忠, 龙翔, 江萍. U-Net模型对不同空间分辨率防护林提取精度的影响[J]. 测绘通报, 2021, 0(6): 39-43.
[7]	杜青松, 李国玉, 彭万林, 周宇, 柴明堂, 李金明. 利用InSAR技术获取高寒高海拔地区高精度DEM[J]. 测绘通报, 2021, 0(3): 44-49.
[8]	付翔翔, 邓运员, 郑文武, 周邵宁, 周佳露. 基于无人机影像密集匹配点云的传统村落地面点提取及DEM生成——以湘西德夯村为例[J]. 测绘通报, 2021, 0(12): 1-5.
[9]	王艳军, 王孟杰, 李少春, 林云浩. 由NPP-VIIRS影像估算广东省碳排放的尺度效应分析[J]. 测绘通报, 2021, 0(11): 25-30.
[10]	耿笛, 梁亮, 黄婷, 严娟, 王家慧, 邱思怡, 王李娟. 利用改进的CASA模型估算城市尺度NPP——以徐州城区为例[J]. 测绘通报, 2021, 0(1): 78-83,89.
[11]	李国华. 基于2 m格网点云数据的高精度DEM制作第三次国土调查坡度图[J]. 测绘通报, 2020, 0(8): 117-121.
[12]	田海波, 陈利军, 张宏伟, 杜晓. 全球4D数据产品研制[J]. 测绘通报, 2020, 0(7): 1-4,21.
[13]	陈利军, 张瑞, 郭旭东, 洪凯瑞, 涂晋升. 多源星载SAR地形干涉测量精度分析[J]. 测绘通报, 2020, 0(7): 13-17.
[14]	马海政, 强德霞. 免像控无人机航摄系统在大比例尺地形图测量中的应用[J]. 测绘通报, 2020, 0(7): 159-161.
[15]	兰进京, 于海洋, 陈琳, 马慧慧, 张慧勇. 机载LiDAR DEM在流域水文分析与模拟中的尺度效应[J]. 测绘通报, 2020, 0(4): 40-46.