基于遗传神经网络的DEM空间内插法研究

在总结传统ＤＥＭ空间内插方法的基础上,提出了基于遗传神经网的空间内插新方法,并结合实例详细讨论了整体遗传神经网络内涵法,剖分遗传内捭组合遗传神经网络内插法,最后指出了三种方法的优缺点及适用条件。     

DEM地形表面B样条小波多尺度建模

将非均匀B样条曲面拟合和准均匀B样条小波多尺度分解合理地结合起来,实现了DEM地形表面的多分辨率快速自动建模.实验结果表明,其形状造型效果逼真,分辨率明显,是一种高效实用的建模方法.     

不同空间尺度DEM坡度转换图谱分析

从地理学的宏观与实际需求的角度出发,选择代表黄土高原典型地貌类型(黄土丘陵沟壑区、破碎塬区、梁峁区)的3个样区作为试验区．试验以1：10000高精度地形图的5m空间分辨率DEM(数字高程模型)所提取的地面坡度为准值,运用GIS、数理统计和比较分析等方法,研究基于1：50000地形图的25m空间分辨率DEM所提取地面坡度的误差特征与纠正方法．文中应用地学信息图谱的理论和方法．经过反复实验、分析,找到一个精度较理想的,可适用于黄土高原不同地貌类型的坡度转换图谱．同时．利用它实现对基于1：50000地形图的25m空间分辨率DEM提取地面坡度统计值的误差纠正,为其应用精度提供参考标准和依据．此外,它也可以为各类DEM的适用性、应用精度的科学估算．以及有关标准的制定,提供科学依据。     

基于ArcGIS的流域水文特征分析

水文模型始终是水文科学研究的重要手段与方法之一。数字高程模型(DEM)是构成GIS的基础数据,利用DEM可以提取流域的许多重要水文特征参数。通过对DEM流域水文特征信息提取的基本原理与实现手段的研究,应用地理信息系统软件ArcGIS 9.3所提供的水文分析工具箱实现了流域水文特征信息的提取。通过提取结果与原始区域影像图的对比,证实通过DEM数据提取的流域水文特征信息与实际河流水系特征基本吻合。因此,应用DEM提取流域水文特征信息的方法是可行且有效的。     

基于DEM电子地图的三维量算模型

针对普通电子地图中很难对地图要素进行三维量测的问题，提出了基于DEM的电子地图的概念。它实现了三维的DEM和二维的电子地图的垂直集成。两者优势互补，不仅极大地提高了电子地图的空间表现能力和量算水平，还大大地扩展了对DEM的应用潜力。探讨了用格网DEM与电子地图的集成方法，重点探讨了在基于格网DEM的电子地图上进行三维量算的数学模型。     

输电塔-线耦合体系参数振动的离散元模拟与分析

分析了塔-线体系的研究现状及存在的问题,建立了塔-线耦合振动问题的简化力学模型来描述塔与线之间的作用机理,利用Hamilton原理推导了塔-线组合结构的非线性运动方程,最后应用离散元数值模拟方法验证了其在分析输电塔线体系参数振动中的有效性,并揭示了该体系耦合振动中存在的参数振动的规律.     

喀斯特地形对DEM精度的响应——以清镇王家寨地区为例

以高精度的1∶1万DEM为准值,通过对1∶5万和1∶1万DEM提取定量地形要素的叠合、比较与统计分析,探讨岩溶高原面上喀斯特地形对DEM精度的响应。结果表明,地面平均高程、等高线长度和地表表面积存在一定的差异,但1∶1万与1∶5万地形图所反映的地面坡度差异不是很明显,在喀斯特地区应用1∶5万DEM信息源仍有较高的精度。     

基于WCF架构的DEM数据并行绘制

在计算机集群上,采用Windows通信基础(WCF)架构,实现大范围DEM数据的并行绘制.根据控制节点的任务分配策略对集群中各服务器进行任务分配;服务端采用WCF的任务并发模式,对控制节点分配的任务直接分发给服务实例,无需放到消息队列中进行等待,以此提高集群对DEM数据的并行绘制效率.通过对不同数据量的DEM数据进行集群的并行绘制测试,得出绘制加速比随着数据量的增加而增加的结论,这对于大数据量的DEM数据的并行处理具有重要意义.     

江汉平原洪涝灾害遥感监测方法

用遥感数据及常规气水文数据获取涝灾信息,用ＤＥＭ（数字高程模型）或微等高距地形图及其导出的高程－面积－容积模型作涝灾淹没损失估算的基本技术手段,用植被指数作主要方法对江汉平原“１９９１．０７”暴雨涝灾作了灾情评价及减产估算。     

DGPS和SPOT-5异轨立体像对在岷江源构造地貌研究中的应用

以川西岷江源一带为研究区,利用DGPS方法获取野外校正点和验证点,应用SPOT-5异轨立体像对数据生成分辨率为2.5 m的DEM数据和相应的正射影像。获取野外测量校正点22个,验证点15个,实测剖面1条。使用检查点法和剖面检查法进行数据质量评价,进一步获取岷江断裂带沿线的岷江河谷横剖面形态及河流阶地等详细的构造地貌信息。研究表明,利用DGPS在获取少量野外校正点的基础上,可生成用于活动构造及构造地貌详细研究的高质量DEM和正射影像。