基于DEM坡度因子算法改进

合集下载

基于DEM的云南省区域土壤侵蚀坡度坡长因子提取与分析

基于DEM的云南省区域土壤侵蚀坡度坡长因子提取与分析[摘要]土壤侵蚀与地形关系研究由来已久，国内外学者在流域尺度针对土壤侵蚀调查制图的地形因子提取方法也有较多的研究[1]。

本文阐述了在云南省2015年土壤侵蚀调查中，利用全省1:1万或1:5万DEM数据，借助ARCGIS等软件整合生成全省DEM数据，通过北京师范大学研发的“土壤侵蚀模型地形因子计算工具”，提取和分析了全省坡度坡长因子，该套数据为云南省区域范围内的土壤侵蚀影响因素提供一定的基础数据，为区域水土保持措施规划、综合治理提供指导依据。

[关键词] DEM；坡度；坡长1 研究区概况云南位于我国西南边陲，位于东经97°31′39″～106°11′47″、北纬21°08′32″～29°15′08″之间，地质构造复杂，切割剧烈，山高坡陡谷深，坡耕地分布广泛，气候条件变化多样，生态环境敏感脆弱，是全国水土流失最为严重的省份之一。

云南属青藏高原南延部分，地形一般以元江谷地和云岭山脉南段的宽谷为界，分为东西两大地形区。

东部为滇东、滇中高原，称云南高原，系云贵高原的组成部分，平均海拔2000m左右，地形表现为波状起伏和缓的低山和浑圆丘陵，发育着各种类型的岩溶地形。

西部为横断山脉纵谷区，高山深谷相间，相对高差较大，地势险峻；南部海拔一般在1500～2200m；北部在3000～4000m；西南部边境地区地势渐趋和缓，河谷开阔，一般海拔在800～1000m，个别地区下降至500m以下，是全省主要的热带、亚热带地区。

全省整体地势从西北向东南倾斜，海拔相差较大，最高点为滇藏交界的德钦县怒山山脉梅里雪山主峰卡格博峰，海拔6740m；最低点在与越南交界的河口县境内南溪河与元江汇合处，海拔仅76.4m。

最高、最低两地直线距离约900km，高低相差达6000多米[2]。

2 数据来源DEM数据来源于云南省范围内已入库的数字化成果1：1万DEM数据和云南省范围内由国家基础地理信息中心下发的1：5万精细化DEM数据。

基于ＤＥＭ_数据分析黔西北自然保护地森林空间分布特征与地形因子关系——以贵州毕节国家森林公园为例

基于ＤＥＭ数据分析黔西北自然保护地森林空间分布特征与地形因子关系以贵州毕节国家森林公园为例王宇翔１㊀单绍朋２(１.毕节市七星关区林业局ꎬ贵州毕节５５１７００ꎻ２.毕节市林业局ꎬ贵州毕节５５１７００)[摘㊀要]㊀以２０２１年林草生态综合监测的小班数据为基准提取贵州毕节国家森林公园范围内森林区划小班作为研究区ꎬ结合数字高程模型(ＤＥＭ)通过ＡｒｃＭａｐ１０.８获取高程㊁坡度和坡向ꎬ对研究区不同高程级㊁坡度级及坡向级的森林类型进行分析ꎬ探讨以研究区为代表的黔西北自然保护地森林空间分布特征与地形因子之间的关系ꎬ对自然保护地的保护利用规划具有重要意义ꎮ结果表明:研究区森林总面积３６９０.５５ｈｍ２ꎬ在１５０１~２１００ｍ密集分布ꎬ占整体的９６.６６％ꎻ而在６ʎ~２５ʎ地段占７２.７０％ꎻ在半阳坡㊁半阴坡占５３.５９％ꎬ分别超过了２５％ꎮ[关键词]㊀ＤＥＭꎻ自然保护地ꎻ森林类型ꎻ地形因子中图分类号:Ｓ７１８.５㊀㊀㊀㊀㊀㊀文献标识码:Ａ㊀㊀㊀㊀㊀㊀文章编号:１００９－３３０３(２０２４)０２－００３７－０４ＡｎａｌｙｓｉｓｏｆｔｈｅＲｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＦｏｒｅｓｔＳｐａｔｉａｌＤｉｓｔｒｉｂｕｔｉｏｎＣｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄＴｏｐｏｇｒａｐｈｉｃＦａｃｔｏｒｓｉｎＮｏｒｔｈｗｅｓｔＧｕｉｚｈｏｕＮａｔｕｒｅＲｅｓｅｒｖｅＢａｓｅｄｏｎＤＥＭＤａｔａＴａｋｉｎｇＢｉｊｉｅＮａｔｉｏｎａｌＦｏｒｅｓｔＰａｒｋｉｎＧｕｉｚｈｏｕａｓａｎＥｘａｍｐｌｅＷａｎｇＹｕｘｉａｎｇ１㊀ＳｈａｎＳｈａｏｐｅｎｇ２(１.ＱｉｘｉｎｇｇｕａｎＤｉｓｔｒｉｃｔＦｏｒｅｓｔｒｙＢｕｒｅａｕꎬＢｉｊｉｅ５５１７００ꎬＧｕｉｚｈｏｕꎬＣｈｉｎａꎻ２.ＢｉｊｉｅＦｏｒｅｓｔｒｙＢｕｒｅａｕꎬＢｉｊｉｅ５５１７００ꎬＧｕｉｚｈｏｕꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｂａｓｅｄｏｎｔｈｅｓｕｂｃｌａｓｓｄａｔａｏｆｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｍｏｎｉｔｏｒｉｎｇｏｆｆｏｒｅｓｔａｎｄｇｒａｓｓｅｃｏｌｏｇｙｉｎ２０２１ꎬｓｕｂｃｌａｓｓｅｓｏｆｆｏｒｅｓｔｚｏｎｉｎｇｉｎＢｉｊｉｅＮａｔｉｏｎａｌＦｏｒｅｓｔＰａｒｋｉｎＧｕｉｚｈｏｕＰｒｏｖｉｎｃｅｗｅｒｅｅｘｔｒａｃｔｅｄａｓｔｈｅｓｔｕｄｙａｒｅａ.Ｔｈｅｅｌｅｖａｔｉｏｎꎬｓｌｏｐｅａｎｄｓｌｏｐｅｄｉｒｅｃｔｉｏｎｗｅｒｅｏｂ￣ｔａｉｎｅｄｂｙＡｒｃＭａｐ１０.８ｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌ(ＤＥＭ)ꎬａｎｄｔｈｅｆｏｒｅｓｔｔｙｐｅｓｏｆｄｉｆｆｅｒｅｎｔｅｌｅｖａｔｉｏｎꎬｓｌｏｐｅａｎｄｓｌｏｐｅｌｅｖｅｌｓｉｎｔｈｅｓｔｕｄｙａｒｅａｗｅｒｅａｎａｌｙｚｅｄ.Ｉｔｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｔｏｓｔｕｄｙｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｆｏｒｅｓｔｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓ￣ｔｉｃｓａｎｄｔｏｐｏｇｒａｐｈｉｃｆａｃｔｏｒｓｉｎｔｈｅｐｒｏｔｅｃｔｅｄａｒｅａｓｏｆｎｏｒｔｈｗｅｓｔＧｕｉｚｈｏｕ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｔｏｔａｌｆｏｒｅｓｔａｒｅａｏｆｔｈｅｓｔｕｄｙａｒｅａｗａｓ３６９０.５５ｈｍ２ꎬｗｈｉｃｈｗａｓｄｅｎｓｅｌｙｄｉｓｔｒｉｂｕｔｅｄｉｎ１５０１~２１００ｍꎬａｃｃｏｕｎｔｉｎｇｆｏｒ９６.６６％ｏｆｔｈｅｗｈｏｌｅ.Ｉｎｔｈｅ６ʎ~２５ʎｓｅｃｔｉｏｎꎬ７２.７０％ꎻＩｎｔｈｅｓｅｍｉ－ｐｏｓｉｔｉｖｅｓｌｏｐｅꎬｓｅｍｉ－ｎｅｇａｔｉｖｅｓｌｏｐｅａｃｃｏｕｎｔｅｄｆｏｒ５３.５９％ꎬｒｅｓｐｅｃｔｉｖｅｌｙｍｏｒｅｔｈａｎ２５％.Ｋｅｙｗｏｒｄｓ:ＤＥＭꎻｎａｔｕｒａｌｒｅｓｅｒｖｅｓꎻｆｏｒｅｓｔｔｙｐｅｓꎻｔｏｐｏｇｒａｐｈｉｃｆａｃｔｏｒｓ.自然保护地对重要的自然生态系统㊁自然遗迹㊁自然景观及其所承载的自然资源㊁生态功能和文化价值实施长期保护[１]ꎬ守护着自然生态㊁保育自然资源ꎬ保护生物多样性及景观多样性ꎬ承载着建设美丽中国的重要使命ꎬ自然保护地建设对于提升生态系统多样性㊁稳定性持续性具有极其重大意义ꎮ有关研究[２－８]通过数字高程模型(ＤＥＭ)从群落[５－６]㊁种群[７]㊁小班或树种等不同尺度对地形因子驱动森林资源分布特征进行分析ꎬ表明地形因子对森林分布特征的关联性和研究方法的可行性ꎮ该文以贵州毕节国家森林公园范围内森林区划小班为研究区ꎬ选取高程㊁坡度和坡向等地形因子ꎬ探讨以研究区为代表的黔西北自然保护地森林空间分布特征与地形因子之间的关系ꎬ以期为自然保护地保护利用规划提供参考ꎮ１㊀研究区概况贵州毕节国家森林公园是黔西北最重要的自然保护地ꎬ始建于２００５年ꎬ总面积４１３３ｈｍ２ꎬ海拔范围约为１４００~２２００ｍꎬ由拱拢坪(１０４ʎ５８ᶄ３８ᵡ~１０５ʎ２３ᶄ４６ᵡＥꎬ２７ʎ０５ᶄ０３ᵡ~２７ʎ２１ᶄ１４ᵡＮ)㊁白马山(１０５ʎ２３ᶄ４６ᵡ~１０５ʎ２６ᶄ４８ᵡＥꎬ２７ʎ１７ᶄ５３ᵡ~２７ʎ２１ᶄ１４ᵡＮ)和乌箐岭(１０５ʎ１７ᶄ３３ᵡ~１０５ʎ２０ᶄ２４ᵡＥꎬ２７ʎ０５ᶄ０３ᵡ~２７ʎ０８ᶄ２５ᵡＮ)三个景区组成ꎬ位于长江上游ꎬ乌江干流云冲河流域ꎬ贵州高原斜坡过渡地带ꎬ属中亚热带季风湿润气候区ꎬ森林风景资源丰富多样ꎬ是典型的山地自然公园ꎮ收稿日期:２０２３－０３－２８２㊀材料与方法２.１㊀材料及其来源ＤＥＭ(高程数字模型)源于地理空间数据云官网(ｈｔｔｐｓ://ｗｗｗ.ｇｓｃｌｏｕｄ.ｃｎ/)ＧＤＥＭＶ３版数据ꎬ分辨率３０ｍꎬ该数据可通过ＡｒｃＧＩＳ１０.８特定工具获取高程㊁坡度和坡向信息[４]ꎮ林草生态综合监测是按照«自然资源调查监测体系构建总方案»以第三次全国国土调查数据为统一的基础数据ꎬ融合林草湿地以及国家公园为主体的自然保护地体系等监测数据ꎬ构建涵盖各类林草生态系统状况信息的综合监测评价体系ꎬ旨在掌握林草资源的种类㊁数量㊁质量㊁结构和动态ꎮ该文选取２０２１年林草生态综合监测成果数据库中针叶林㊁阔叶林㊁针阔混交林㊁竹林和灌木林的区划小班数据作为本案例研究区范围ꎬ如图２所示ꎮ２.２㊀研究方法及ＡｒｃＧＩＳ１０.８操作流程图根据«国家林草生态综合监测评价技术规程»(国家林业和草原局２０２１.６)ꎬ研究区以高山地貌(１４４４~２２０５ｍ)为主ꎬ本文结合研究区实际将高程细分为<１５００ｍ㊁１５０１~１７００ｍ㊁１７０１~１９００ｍ㊁１９０１~２１００ｍ㊁>２１００ｍꎻ并采用该规程的坡度㊁坡向分级方式ꎬ将坡度划分为ɤ５ʎ㊁６ʎ~１５ʎ㊁１６ʎ~２５ʎ㊁２６ʎ~３５ʎ和>３５ʎꎬ坡向划分为无坡向㊁阳坡(南坡㊁西南坡)㊁半阳坡(西坡㊁东南坡)㊁阴坡(北坡㊁东北坡)和半阴坡(东坡㊁西北坡)等四个主坡向和九个方向[２－３]ꎬ综合有关文献[２－８]的方法运用ＡｒｃＧＩＳ１０.８工具按流程操作(图１)ꎬ提取高程㊁坡度和坡向并进行分级ꎬ逐项统计㊁分析讨论不同森林分布与地形因子关系ꎮ㊀㊀㊀图１㊀ＡｒｃＧＩＳ１０.８操作流程图㊀㊀㊀图２㊀研究区位置范围及森林分布图３㊀结果３.１㊀不同高程级森林空间分布拱拢坪㊁乌箐景区高程值较大ꎬ最高处出现在乌箐岭景区(图ａ１㊁图ａ３)ꎬ白马山景区相对较低(图ａ２)ꎻ各森林类型在不同高程均有分布ꎬ１５０１~２１００ｍ内森林分布密集ꎬ占整体的９６.６６％ꎬ其中针叶林占４７.５１％㊁阔叶林占３５.９１％㊁针阔混交林占１.７８％㊁灌丛林占１１.４４％㊁竹林占０.０２％ꎮ(表１)ꎮ表１㊀不同森林类型高程分级统计森林类型高程分级ɤ１５００ｍ１５０１~１７００ｍ１７０１~１９００ｍ１９０１~２１００ｍ>２１００ｍ针叶林面积/ｈｍ２２３.６８５６９.５５１７.７２６６６.３２１９.３７占比％０.６４１５.４３１４.０３１８.０５０.５２阔叶林面积/ｈｍ２２０.９１５５６.８１２９１.２６４７７.１２４６.４３占比％０.５７１５.０９７.８９１２.９３１.２６针阔混交林面积/ｈｍ２４.４９１０.７３３５.２３２０.０３０占比％０.１２０.２９０.９５０.５４０竹林面积/ｈｍ２００.１５００.７９０占比％００００.０２０灌丛林面积/ｈｍ２７.５７５７.３８１８３.５４１８１.４９０.０３占比％０.２１１.５５４.９７４.９２０３.２㊀不同坡度级森林空间分布白马山㊁乌箐景区(图ｂ２㊁图ｂ３)坡度起伏大ꎻ拱拢坪景区整体较为缓和ꎬ仅北部坡度较大且以灌丛为主(图２㊁图ｂ１)ꎻ各森林类型在不同坡度级均有分布ꎬ６ʎ~２５ʎ地段占整体的７２.７０％ꎬ从大到小依次为:针叶林>阔叶林>灌丛林>针阔混交林>竹林(表２)ꎮ表２㊀不同森林类型坡度分级统计森林类型坡度分级ɤ５ʎ６ʎ~１５ʎ１６ʎ~２５ʎ２６ʎ~３５ʎ>３５ʎ针叶林面积/ｈｍ２１５０.９１５０１.８３９３２.７６１７５.８２３５.２７占比％４.０９１３.６２５.２７４.７６０.９６阔叶林面积/ｈｍ２４４.１５３８６.２５５５３.５５３１３.２７９５.３１占比％１.２１０.４７１５８.４９２.５８针阔混交林面积/ｈｍ２３.７７３１.６４２４.３８.８１.９７占比％０.１０.８６０.６６０.２４０.０５竹林面积/ｈｍ２０.０７０.８２０.０５００占比％００.０２０００灌丛林面积/ｈｍ２１５.５８１３３.２１１５５.４３８２.７２４３.０７占比％０.４２３.６１４.２１２.２４１.１７３.３㊀不同坡向级森林空间分布各坡向均有森林分布(图ｃ１㊁图ｃ２㊁图ｃ３)ꎬ其占比从大到小依次为:半阳坡>半阴坡>阳坡>阴坡ꎬ在半阳坡㊁半阴坡的森林分布占比均分别超过２５％ꎬ阳坡次之㊁阴坡最少(表３)ꎮ表３㊀不同森林类型主坡向分级统计森林类型坡向分级无坡向阳坡半阳坡阴坡半阴坡针叶林面积/ｈｍ２０５７１.５２５４２.４２２８１.９２４００.７３占比％０１５.４９１４.７７.６４１０.８６阔叶林面积/ｈｍ２０２３６.８９３３９.１３４１２.３２４０４.１９占比％０６.４２９.１９１１.１７１０.９５针阔混交林面积/ｈｍ２０１９.９２４.５８１０.２３１５.７７占比％００.５４０.６７０.２８０.４３竹林面积/ｈｍ２００.１２０.１３０.６７０.０２占比％００００.０２０灌丛林面积/ｈｍ２０８１.１５１０８.０５９８.２５１４２.５６占比％０２.２２.９３２.６６３.８６４㊀分析与结论该文对研究区不同高程级㊁坡度级和坡向级的森林空间分布情况进行了系统分析ꎮ研究发现:研究区森林总面积３６９０.５５ｈｍ２ꎬ在１５０１~２１００ｍ高程区间森林密集分布ꎬ面积占整体的９６.６６％ꎬ乌箐岭景区南端高程最大ꎬ此处阔叶林主干一般较为粗短ꎬ或与冬季常受低温和凝冻抑制树木的垂直生长有关ꎮ在６ʎ~２５ʎ地段森林面积占整体的７２.７０％ꎬ坡度较大地段多分布灌丛ꎬ可能与土壤厚度和水分条件有关ꎮ在半阳坡㊁半阴坡占５３.５９％ꎬ分别超过了２５％ꎬ高于阴坡和阳坡ꎬ更有利于森林生长ꎬ表明森林分布模式或与水分蒸发和养分流动相对平衡有关ꎮ研究还发现ꎬ研究区针阔混交林分布较少ꎬ削弱了自然保护地的生物多样性和森林生态系统稳定性ꎮ在自然环境中ꎬ森林空间分布由其生物学特性㊁种内外关系以及环境因子等多方面因素共同决定的ꎮ地形因子作为重要的生态因子之一ꎬ往往通过影响光照㊁水分㊁温度㊁风力㊁土壤和生物等其他环境因子ꎬ进而综合作用于森林分布ꎮ此外ꎬ人为干预因素也能影响和决定森林空间分布ꎬ比如ꎬ研究区针叶林起源于早期ꎬ为解决木料紧缺而进行飞播造林ꎬ并在设立国有林场和自然保护地后采取严格的保护措施ꎬ为针叶林生长和分布创造了条件ꎮ综上ꎬ科学分析自然保护地内包括地形在内的多个生态因素ꎬ以明确主导自然保护地森林生长分布的因素ꎬ对于评估自然保护地森林立地质量㊁生态系统稳定性ꎬ持续发挥生态系统各项功能至关重要ꎬ可作为自然保护地优化整合㊁保护规划参考依据ꎮ参考文献[１]陈绾月.对自然保护地功能区划制度的反思与重构[Ｃ]//中国法学会环境资源法学研究会ꎬ海南大学.新时代环境资源法新发展自然保护地法律问题研究:中国法学会环境资源法学研究会２０１９年年会论文集(中).西安:西安建筑科技大学ꎬ２０１９:１４. [２]吴胜义ꎬ张方圆ꎬ王飞ꎬ等.基于ＤＥＭ数据分析川西云杉林与高山柏林空间分布特征以石渠县为例[Ｊ].西北林学院学报ꎬ２０２２ꎬ３７(３):１３３－１３８.[３]陈贤干.福建省森林公园落界一张图与景观空间格局分析[Ｊ].林业勘察设计ꎬ２０１７ꎬ３７(２):１４－１９ꎬ２３. [４]陈晨ꎬ陈永刚ꎬ徐文兵ꎬ等.基于ＤＥＭ的小班坡度自动提取算法及其验证[Ｊ].西南林业大学学报ꎬ２０１９ꎬ３９(４):８３－８８. [５]刘玉平ꎬ刘贵峰ꎬ达福白乙拉ꎬ等.地形因子对大青沟自然保护区不同森林群落叶性状的影响[Ｊ].林业科学ꎬ２０１７ꎬ５３(３):１５４－１６２.[６]秦随涛ꎬ龙翠玲ꎬ吴邦利.地形部位对贵州茂兰喀斯特森林群落结构及物种多样性的影响[Ｊ].北京林业大学学报ꎬ２０１８ꎬ４０(７):１８－２６.[７]赵阳ꎬ杨萌萌ꎬ刘锦乾ꎬ等.冶力关林区紫果云杉天然林种群结构特征[Ｊ].西北林学院学报ꎬ２０２０ꎬ３５(４):３７－４４. [８]张坤ꎬ肖燕ꎬ何振芳ꎬ等.基于ＳＲＴＭＤＥＭ的祁连山自然保护区地形特征研究[Ｊ].干旱区地理ꎬ２０２０ꎬ４３(６):１５５９－１５６６.。

基于dem成果探讨耕地坡度分级数据的生产方式

第４２卷第１２期２０１９年１２月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ.４２ꎬＮｏ.１２Ｄｅｃ.ꎬ２０１９收稿日期:２０１９－０６－１７作者简介:王明宇(１９９２－)ꎬ男ꎬ黑龙江哈尔滨人ꎬ助理工程师ꎬ学士ꎬ主要从事遥感数据的获取㊁处理与应用方面的工作ꎮ基于ＤＥＭ成果探讨耕地坡度分级数据的生产方式王明宇ꎬ于洪雨ꎬ武海英(黑龙江省第五测绘地理信息工程院ꎬ黑龙江哈尔滨１５００８１)摘要:坡度是反映耕地水土保持能力的重要指标ꎬ本文提出了一种基于ＤＥＭ成果的耕地坡度分级数据生产方式ꎬ并对该方式进行阐述ꎮ关键词:ＤＥＭ数据ꎻ坡度ꎻ耕地坡度分级中图分类号:Ｐ２８５.２＋３㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１６７２－５８６７(２０１９)１２－０２３４－０２ＤｉｓｃｕｓｓｉｎｇｔｈｅＰｒｏｄｕｃｔｉｏｎＭｏｄｅｏｆＧｒａｄｉｎｇＤａｔａｏｆＣｕｌｔｉｖａｔｅｄＬａｎｄＳｌｏｐｅＢａｓｅｄｏｎＤＥＭＲｅｓｕｌｔｓＷＡＮＧＭｉｎｇｙｕꎬＹＵＨｏｎｇｙｕꎬＷＵＨａｉｙｉｎｇ(ＴｈｅＦｉｆｔｈＳｕｒｖｅｙｉｎｇꎬＭａｐｐｉｎｇａｎｄＧｅｏｇｒａｐｈｉｃＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅｏｆＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅꎬＨａｒｂｉｎ１５００８１ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｓｌｏｐｅｉｓａｎｉｍｐｏｒｔａｎｔｉｎｄｅｘｒｅｆｌｅｃｔｉｎｇｔｈｅａｂｉｌｉｔｙｏｆｓｏｉｌａｎｄｗａｔｅｒｃｏｎｓｅｒｖａｔｉｏｎｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄ.ＩｎｔｈｉｓｐａｐｅｒꎬａｇｒａｄｅｄｐｒｏｄｕｃｔｉｏｎｍｏｄｅｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄｓｌｏｐｅｂａｓｅｄｏｎＤＥＭｄａｔａｉｓｐｒｏｐｏｓｅｄａｎｄｅｘｐｏｕｎｄｅｄ.Ｋｅｙｗｏｒｄｓ:ＤＥＭｄａｔａꎻｓｌｏｐｅꎻｇｒａｄａｔｉｏｎｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄｓｌｏｐｅ０㊀引㊀言坡度表示地表单元陡缓的程度ꎬ通常把坡面的垂直高度和水平距离的比值称为坡度ꎮ耕地坡度的差异直接影响其水土的保持能力ꎬ因此研究并确定耕地的坡度等级对耕地资源的利用与管理具有重要意义ꎮ本文将结合具体生产实例并基于ＤＥＭ成果ꎬ探讨耕地坡度分级数据的生产方式ꎮ１㊀耕地坡度分级的技术指标１.１㊀分级标准根据中国农业区划委员会颁发的«土地利用现状调查技术规程»与国土三调坡度分级图制作的相应指标ꎬ耕地坡度共分为五级ꎬ具体见表１ꎮ１.２㊀坡度计算模型在基于ＤＥＭ数据制作坡度图时ꎬ可使用ＡｒｃＧＩＳ软件中的坡度计算功能ꎬ该功能计算坡度值时的计算公式与计算模型如图１所示ꎮ坡度计算公式:ｔｇ(Ｐ)＝(ƏｚƏｘ)２＋(ƏｚƏｙ)２(１)式中ꎬ∂ｚ∂ｘ㊁∂ｚ∂ｙ分别表示ｘ㊁ｙ方向的偏导数ꎬＰ为坡度ꎮ表１㊀坡度分级情况表Ｔａｂ.１㊀Ｇｒａｄｉｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｔａｂｌｅ分类坡度范围耕地水土保持情况一级坡度ɤ２ʎ无水土流失现象二级２ʎ<坡度ɤ６ʎ可发生轻度土壤侵蚀ꎬ需注意水土保持三级６ʎ<坡度ɤ１５ʎ可发生中度水土流失ꎬ应采取修筑梯田㊁等高种植等措施ꎬ加强水土保持四级１５ʎ<坡度ɤ２５ʎ水土流失严重ꎬ必须采取工程㊁生物等综合措施防治水土流失五级坡度>２５ʎ为«中华人民共和国水土保持法»规定的开荒限制坡度ꎬ即不准开荒种植农作物ꎬ已经开垦为耕地的ꎬ要逐步退耕还林还草图１中Ｇ表示格网尺寸ꎮｅｉ(ｉ＝１ꎬ２ꎬ ꎬ８)分别表示中心点ｅ周围格网点的高程ꎮ利用坡度计算公式计算出每个格网的坡度值ꎬ生成坡度栅格数据图ꎬ计算时采用３ˑ３窗口的计算模型ꎮ图１㊀ＤＥＭ３ˑ３局部移动窗口Ｆｉｇ.１㊀ＤＥＭ３ˑ３ｌｏｃａｌｍｏｖｉｎｇｗｉｎｄｏｗ１.３㊀技术路线耕地坡度分级的主要技术流程分为数据准备㊁ＤＥＭ数据预处理㊁坡度分级图制作㊁坡度分级矢量化㊁耕地图斑分级等技术环节ꎬ如图２所示ꎮ图２㊀技术流程图Ｆｉｇ.２㊀Ｔｅｃｈｎｉｃａｌｆｌｏｗｃｈａｒｔ１)数据准备数据准备阶段的主要工作是搜集和整理任务区范围内的可用ＤＥＭ数据ꎬ优先使用格网尺寸小㊁时效性强㊁成果质量高的ＤＥＭ数据ꎮ２)ＤＥＭ数据预处理ＤＥＭ数据预处理主要是对任务区内的ＤＥＭ数据进行投影转换㊁高程改正㊁局部修补替换与接边等工作ꎮ３)坡度分级图制作使用ＡｒｃＧＩＳ软件ꎬ在ＤＥＭ成果数据基础上进行坡度计算ꎬ生成坡度分级图ꎮ４)坡度分级矢量化将生成的坡度分级图由栅格数据转为矢量数据ꎬ为矢量数据的ＰＤＪＢ属性字段赋值ꎬ并进行矢量拓扑验证㊁边线平滑等工作ꎮ５)耕地图斑分级使用矢量化的坡度分级图ꎬ为国土调查数据库中的耕地图斑进行坡度分级ꎬ分级原则为耕地图斑中所占面积最大的坡度等级为该耕地图斑的坡度等级ꎮ６)数据检查与质量控制为保证成果质量ꎬ数据的检查环节是贯穿整个生产流程的ꎬ主要体现在数据准备阶段的检查㊁ＤＥＭ数据预处理阶段的检查㊁坡度分级矢量化阶段的检查等ꎮ２㊀案例分析在黑龙江省现有ＤＥＭ基础上ꎬ根据上述生产方式ꎬ完成了黑龙江省的耕地坡度分级工作ꎮ现以黑龙江省某县为例ꎬ对整个生产环节做简要的说明与介绍ꎮ首先对现有的ＤＥＭ数据进行预处理ꎬ得到的最终ＤＥＭ数据如图３所示ꎬ并在此基础上计算该区域的坡度值ꎬ生成初期的坡度分级图ꎮ图３㊀黑龙江省某县ＤＥＭ数据Ｆｉｇ.３㊀ＤＥＭｄａｔａｏｆａｃｏｕｎｔｙｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ在此基础上ꎬ将生成的坡度分级图叠加到卫星影像上进行判读ꎬ检查坡度分级的合理性ꎬ修正异常区域ꎬ从而生成如图４所示的坡度分级图ꎮ最后将坡度分级图进行矢量化处理ꎬ为其坡度等级属性字段赋值ꎬ并进行矢量数据的拓扑检验㊁微小面融合等相关处理工作ꎮ图４㊀黑龙江省某县坡度分级渲染图Ｆｉｇ.４㊀Ｇｒａｄｅｄｒｅｎｄｅｒｉｎｇｍａｐｏｆａｃｉｔｙｉｎ㊀㊀㊀㊀ＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ３㊀结束语本文探讨了一种基于ＤＥＭ成果的耕地坡度分级数据生产方式ꎬ并根据该生产方式完成了黑龙江省耕地坡㊀㊀(下转第２３８页)５３２第１２期王明宇等:基于ＤＥＭ成果探讨耕地坡度分级数据的生产方式表１㊀两种模型预测结果对比(ｍｍ)Ｔａｂ.１㊀Ｃｏｍｐａｒｉｓｏｎｏｆｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｏｆｔｗｏｍｏｄｅｌｓ(ｍｍ)监测期数实测值灰色神经网络残差相对误差模糊神经网络残差相对误差８０.４７０.４８３５－０.０１３５２.８７％０.３８３２０.０８６８１８.４７％９０.６２０.６１５７０.００４３０.６９％０.５５５６０.０６４４１０.３９％１００.７９０.８０４４－０.０１４４１.８２％０.７５４０.０３６４.５６％１１０.８９０.９８５７－０.０９５７０.７５％０.８５６６０.０３３４３.７５％１２１.２３１.３７０７－０.１４０７１１.４４％１.２０２７０.０２７３２.２２％图１㊀预测模型与实测值的对比Ｆｉｇ.１㊀Ｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｐｒｅｄｉｃｔｅｄｍｏｄｅｌａｎｄ㊀㊀㊀㊀ｍｅａｓｕｒｅｄｖａｌｕｅ㊀㊀从表１和图１可以看出ꎬ灰色神经网络模型和模糊神经网络模型的预测值都和实测值拟合得较好ꎬ灰色神经网络模型的平均相对误差为４.４６％ꎬ而模糊神经网络模型的平均相对误差为５.２４％ꎮ利用两个神经模型预测结果的残差值分析其残差偏差范围ꎬ可以看到ꎬ灰色神经网络的残差偏差范围为０.１４４ｍｍꎬ而模糊神经网络的残差偏差范围为０.０５９５ｍｍꎮ通过图１可以看出ꎬ随着预测周期的增加ꎬ灰色神经网络的预测精度在不断下降ꎬ而模糊神经网络较为稳定ꎮ４㊀结束语本文将灰色理论和模糊理论分别与神经网络结合ꎬ㊀㊀通过工程实例ꎬ对比分析了灰色神经网络和模糊神经网络的预测能力ꎮ实验结果发现ꎬ虽然利用神经网络结合灰色模型组成了灰色神经网络模型ꎬ具有较高的预测精度ꎬ但依然有灰色模型的缺点ꎬ只适用于短周期的预测ꎮ随着预测周期的增加ꎬ灰色神经网络模型预测的精度不断下降ꎬ而模糊神经网络的稳定性比灰色神经网络要好ꎬ适于长周期的预测工作ꎮ参考文献:[１]㊀岳仁宾ꎬ滕德贵ꎬ胡波ꎬ等.灰色模型在深基坑变形监测中的应用研究[Ｊ].测绘通报ꎬ２０１４(Ｓ２):８５－８７.[２]㊀卢祥ꎬ马友利ꎬ王芳洁ꎬ等.模糊神经网络在变形监测预报中的应用研究[Ｊ].测绘科学ꎬ２０１０ꎬ３５(Ｓ１):１１３－１１４.㊀[３]㊀张正禄ꎬ王小敏ꎬ邓勇ꎬ等.模糊神经网络在变形分析与预报中的应用研究[Ｊ].武汉大学学报:信息科学版ꎬ２０１０ꎬ３５(１):６－８.[４]㊀何君ꎬ杨国东.灰色预测理论在建筑物沉降中的应用研究[Ｊ].测绘通报ꎬ２０１２(３):６３－６４.[５]㊀王江荣ꎬ梁永平.灰色人工神经网络模型在路基沉降预测中的应用[Ｊ].矿山测量ꎬ２０１６ꎬ４４(６):４０－４３.[６]㊀方毅ꎬ花向红ꎬ李海英ꎬ等.灰色神经网络模型在建筑物变形预报中的应用[Ｊ].测绘工程ꎬ２００８ꎬ１７(２):５１－５３.[７]㊀王新洲ꎬ邓兴升.大坝变形预报的模糊神经网络模型[Ｊ].武汉大学学报:信息科学版ꎬ２００５ꎬ３０(７):５８８－５９１.[编辑:刘莉鑫](上接第２３５页)度的分级工作ꎮ受条件限制ꎬ该生产方式可能会存在不足ꎬ希望批评指正ꎮ参考文献:[１]㊀中国农业区划委员会.土地利用现状调查技术规程[Ｚ].北京:中国农业区划委员会ꎬ１９８４.[２]㊀国家测绘局.基础地理信息数字产品１ʒ１００００１ʒ５００００生产技术规程第２部分:数字高程模型(ＤＥＭ)[Ｚ].北京:国家测绘局ꎬ２００７.[３]㊀国土资源部.第二次全国土地调查利用ＤＥＭ确定耕地坡度分级技术规定(试行)[Ｚ].北京:国土资源部ꎬ２００８.[编辑:任亚茹]８３２㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０１９年。

dem坡度计算

dem坡度计算DEM坡度计算是地理信息系统中常见的一种分析操作，通过计算数字高程模型（DEM）中的坡度值，可以更好地理解地貌特征，辅助土地规划和生态环境保护。

下面将分步骤介绍如何进行DEM坡度计算。

第一步，获取数字高程模型（DEM）。

数字高程模型是由光学遥感、激光雷达等技术获取的地表表面高程数据。

可以通过云平台或者各种GIS软件进行下载，例如QGIS、ArcGIS等。

在下载时需要注意数据的分辨率，一般分辨率越高，计算结果越精确，但所需运算资源也越大，时间也越长。

第二步，在GIS软件中打开DEM。

打开后可以进行可视化展现，并进行图层的添加和删除。

一些常见的DEM数据文件格式有.tif、.asc、SRTM等，可以通过图层中的属性信息获得。

第三步，计算坡度。

在ArcGIS软件中，可以通过Spatial Analyst工具箱中的Slope工具进行计算。

该工具计算坡度时，通常默认将所得到的坡度值转化为角度或者百分比。

在计算坡度时，用户可以设置内插方法和八邻域方式，以此影响坡度值的计算结果。

在计算完成后，还可以对所得到的坡度值进行可视化展现，以更好地理解其意义。

第四步，坡度分析。

通过坡度值的比较，可以区分出斜坡、平坦区域、陡坡等地势特征。

可以使用GIS软件的分类工具，对不同坡度范围进行分类，将结果输出为栅格图层或矢量图层。

在坡度分析中，还可以结合其他数据，例如土地利用类型等进行综合分析，推进土地规划、资源管理等领域。

总的来说，DEM坡度计算具有广泛的应用和重要性，可以为土地规划和环境保护提供可靠的数据支撑，同时也促进了GIS技术在地理信息科学领域的发展。

基于DEM的土壤侵蚀坡长因子值提取方法研究

基于DEM的土壤侵蚀坡长因子值提取方法研究摘要：目前在修正通用土壤流失方程式（RUSLE）的应用研究方面，坡长的获取始终未能解决。

本文以黄土高原柳沟小流域和吴旗县小流域为例，借助GIS 和VB，对基于DEM的坡长提取方法进行研究。

首先，求得适合进行坡长计算的分辨率临界值；然后选用10m*10m的分辨率对平均坡长进行验证；最后应用该方法提取柳沟流域和吴旗县小流域的坡长分布图并分别对坡长分布规律进行了比较分析。

研究结果表明该方法能够比较精确地利用DEM提取坡长，为RUSLE的应用提供获取坡长的方法。

关键词：坡长；DEM；修正通用土壤流失方程式；流向1、前言通用土壤流失方程（USLE）是美国自20世纪50年代起在多年实验研究的基础上建立的，主要用于预报降雨侵蚀力作用下农耕坡地的年土壤流失量。

期间于70年代和90年代进行了两次修改，因为它摆脱了早期模型中所有的地区及气候的限制，并且随着资料的积累，参数被不断修正，应用的范围更大，包括了其他国家的一些地区。

通用土壤流失方程表达式：A=RKLSCP，其中R是降雨侵蚀力因子；K是土壤可蚀性因子；L是坡长因子；S坡度因子；C是作物经营管理因子；P土壤侵蚀控制措施因子[1]。

随着地理信息系统的发展，地理信息系统被越来越多地与通用土壤流失方程相结合。

目前，GIS被广泛应用于通用土壤流失方程中各个因子值的计算。

如降雨侵蚀力因子、坡度因子，植被覆盖因子等，但坡长因子L的计算始终未能在GIS下得到很好的解决，原因在于还没有适当的方法根据DEM对坡长进行提取。

坡长因子L是指其他条件相同的情况下，任意坡长的单位面积土壤流失量与标准小区单位面积土壤流失量之比值。

方程式为：L=（λ/22.13）m。

其中λ为任意坡长距离，22.13为标准小区坡长，m为坡长指数。

关于任意坡长λ，ULSE中把他定义为从地表径流的起点到坡度降低到足以发生沉淀的位置或径流进入一个规定渠道的入口处的距离[2]。

基于GIS的区域坡度坡长因子提取算法

基于GIS的区域坡度坡长因子提取算法一、本文概述随着地理信息系统（GIS）技术的快速发展和广泛应用，其在地形分析、水土保持、洪水模拟等领域中发挥着越来越重要的作用。

其中，坡度坡长因子是这些领域中的关键参数，对于地表水流路径、侵蚀潜力以及洪水流向的模拟具有重要的指导意义。

本文旨在探讨基于GIS的区域坡度坡长因子提取算法，以期提高地形分析的精度和效率。

文章首先将对坡度坡长因子的概念及其在地学分析中的重要性进行简要介绍，为后续算法的研究和应用奠定基础。

随后，文章将详细介绍几种常用的基于GIS的坡度坡长因子提取方法，包括基于数字高程模型（DEM）的坡度坡长计算、流域分析技术等。

通过对这些方法的比较和分析，文章将探讨各自的优缺点以及适用场景。

在此基础上，文章将重点研究一种基于GIS的区域坡度坡长因子提取算法。

该算法将结合地形高程数据、流域划分结果以及空间分析技术，实现自动化、高精度的坡度坡长因子提取。

文章将详细介绍算法的设计思路、实现步骤以及关键技术的处理方法，并通过实验验证算法的有效性和可靠性。

文章将对基于GIS的区域坡度坡长因子提取算法的应用前景进行展望，探讨其在水土保持、洪水模拟、地形分析等领域中的潜在应用价值。

文章还将指出当前研究中存在的问题和不足，为后续研究提供参考和借鉴。

二、理论背景与相关知识地理信息系统（GIS）作为一种强大的空间分析工具，已广泛应用于地表形态分析、流域管理、环境评估等众多领域。

在GIS中，坡度坡长因子提取是评估地形稳定性和水土流失风险的关键步骤。

本部分将介绍与区域坡度坡长因子提取算法相关的理论基础和背景知识，为后续算法设计和实现提供支撑。

坡度坡长因子，通常用于描述地表某点的倾斜程度和地形表面的长度特征，是评估地表形态稳定性的重要指标。

坡度因子反映了地表的倾斜程度，通常用百分比或度数表示；坡长因子则描述了地形表面的长度，对于水流路径、土壤侵蚀等分析具有重要意义。

在GIS中，坡度坡长因子的提取通常基于数字高程模型（DEM）数据。

DEM论文：基于GIS的小流域坡度坡长因子计算方法研究

DEM论文：基于GIS的小流域坡度坡长因子计算方法研究【中文摘要】坡度坡长因子是影响土壤侵蚀的主要地形因子。

在经验土壤侵蚀模型中,地形对侵蚀的影响用坡度坡长因子来表征。

坡度的提取算法已经很成熟,坡长的提取仍然存在很多问题。

因此,本研究重点分析和总结前人关于坡长的定义框架,构建坡长的理论体系和分析不同坡长提取方法的优缺点,建立小流域坡长的提取模型和方法,分析坡长在小流域的空间分异规律以及坡长与其他地形因子的关系。

最后,用经过改进的坡长算法和D8算法计算的坡度,得到小流域的坡度坡长因子值。

主要研究结果如下:(1)基于累积流量算法,通过对流向算法的改进,提取的流域坡长与实际非常吻合,符合坡长分布的格局特征,做作为流域分布式坡长提取的基本方法。

累计流量的单位汇水面积的坡长提取算法由于受到多种因素如坡长指数m、多流向算法的选择、等高线长度系数等的影响和制约,故而误差较大,所以如何选择合适的坡长指数、多流向算法、计算精确的等高线长度系数,均需要大量实验来进行验证;(2)不同的径流算法,得到的坡长和LS差异非常大,为了取得更为真实的地学模拟结果,在LS因子的计算过程中必须充分考虑径流算法的特点。

单流向算法水流仅流向单一的最陡下坡方向,无法真实反映地形变化情况。

多流向算法比单流向算法更加适合模拟坡面漫流。

用多流向算法计算的坡长,其结果表面连续、光滑,格局特征优于单流向算法的坡长。

(3)不同坡度段上坡长的差异很大,坡面较为平缓时的坡长较大,尤其是在0-3度时坡长非常大,而坡面较陡时坡长较小;不同坡向,坡长的分布也不一致。

南坡和北坡坡长均值远大于其他坡向;凹形坡的坡长均值最大而凸形坡上坡长均值最小,直型坡的坡长均值介于凹形坡和凸形坡之间。

(4)基于两种流向算法计算的LS因子差异较大。

从频率分布看,多流向LS因子值明显大于单流向LS因子。

总体而言,多流向LS因子相对单流向LS因子较好。

【英文摘要】Gradient slope and slope length factor (LS Factor) is a mainly topographical factor which influences soil erosion. In empirical Soil erosion models, LS factor can characterize the impact that terrain influences the soil erosion. Extraction algorithm of slope has already been very mature while there are many problems in extraction of slope length. As a result, this research mainly analyses and concludes the definition framework of slope length by predecessor, construct the theory system of slope length, analyze the advantages and disadvantages of different slope length extraction methods, build slope length extraction model and method of small watershed and analyze the space differentiation rules of slope length in small watershed and the relations between slope length and other terrain factors. At last, this essay uses the modified slope length algorithm and the slope extracted from ARCGIS to get the values of slope factor and slope length factor of small watershed. The mainresearch results are as follows:(1) Slope length method based runoff accumulation can calculate slope length quickly. By improving the flow algorithm; we can get more realistic slope length. And the slope length has a good relationship with terrain features. Total flow catchment area of the unit slope length method, is influenced by the slope length factor index m, the choice of multiple flow direction algorithm, coefficient contour length of the impact and constraints, so the error is larger.(2) Different runoff algorithms can get the significantly different slope length. In order to get more real geological simulation results, the LS factor calculation process must fully consider the characteristics of runoff algorithm. Single flow algorithm water flow single the steepest only, can’t really reflect downhill direction terrain. The results of different algorithms on extracting slope length have great difference. Multiple flow direction algorithms are more suitable than the single flow direction algorithms for simulating overland flow. The surfaces of multiple flow direction algorithms on extracting slope length are continuous and smooth. The spatial pattern of multiple flow direction algorithms is better than single flow direction algorithms.(3) There are many differences in the two algorithms. When the slopeis more gentle, slope length is lager. Especially in 0-3 degrees, slope lengths are very large. When slope is steep, slope lengthis less. The maximum and minimum values of slope length in different aspect are similar, but the mean value and standard deviation of slope length in southern slope and northern slopeare the largest. The mean value of slope length in concave slopeis the largest, but in convex slope is the smallest. The meanvalue of plan areas is between concave slope and convexslope.(4)Through single flow and multiple flow LS frequency and spatial pattern analysis,there are many differences between LSfactor of two different algorithms. LS factor was significantlymore than the flow of a single flow of LS factor. Overall, the multiple flow LS factor was relatively good.【关键词】DEM 坡度坡长因子坡长流向【英文关键词】DEM Gradient and Slope Length Factor Slope Length Flow Directions【目录】基于GIS的小流域坡度坡长因子计算方法研究摘要6-7ABSTRACT7-8第一章绪论11-181.1 研究的目的和意义11-121.2国内外研究现状概况12-161.2.1 侵蚀地形的表达与 DEM 各种坡长方法的分析比较29-30第四章小流域坡长分析30-434.1 坡长合理性分析30-334.1.1 单流向坡长统计31-324.1.2 多流向坡长统计32-334.2 坡长与面状地形属性的关系33-404.2.1 坡长与坡度的关系33-354.2.2 坡长与坡向的关系35-364.2.3 坡长与曲率的关系36-404.3 坡长专题层与等高线套合观察404.4 坡长与地形特征线长度的关系40-434.4.1 坡长与分水线的关系40-414.4.2 坡长与流水线的关系41-424.4.3 坡长与沟沿线的关系42-43第五章坡度坡长因子（LS 因子）的计算43-475.1 流域LS 计算原理与方法435.2 LS 因子提取应用研究43-445.3 LS 因子合理性分析44-475.3.1 LS 统计值445.3.2 LS 频率和累积频率曲线44-465.3.3 LS 与等高线套合46-47第六章结论与讨论47-496.1 结论476.2 讨论47-49参考文献49-54致谢54-55作者简介55。

DEM重采样坡度衰减分析

ＤＥＭ重采样坡度衰减分析摘要：通过数字高程模型（ＤＥＭ）重采样发现，随着水平分辨率的降低，地形也随着趋向平缓，坡度信息不断丢失，地面表达能力逐步下降。

利用１∶１００００数字地形图生成５ｍ水平分辨率ＤＥＭ，以此为基准重采样生成１０、２０、４０ｍ水平分辨率的ＤＥＭ，提取各水平分辨率ＤＥＭ的坡度。

对提取的５ｍ水平分辨率ＤＥＭ的坡度进行邻域分析，提取１０、２０、４０ｍ水平分辨率DEM的最大坡度，以此求取其与直接由相对应水平分辨率ＤＥＭ提取的坡度的差值，并对坡度差值进行频率统计分析，同时分析了剖面曲率在重采样过程中的变化。

结果表明，随着ＤＥＭ水平分辨率的降低，坡度平均值不断降低，较小坡度的频率逐渐增大，较大坡度的频率逐渐减小。

ＤＥＭ水平分辨率较高时，坡度差值分布集中于较小坡度差值处，且范围集中；DEM水平分辨率越低，坡度差值分布曲线愈加分散，且集中于较大坡度差值处。

DEM水平分辨率越高，剖面曲率曲线分布越广，DEM水平分辨率越低，曲线分布越窄，且变得集中，其中剖面曲率较高部分损失严重。

关键词：重采样；坡度衰减；频率统计；剖面曲率Ａｂｓｔｒａｃｔ：Ｕｓｉｎｇ１∶１００００ｄｉｇｉｔａｌｔｏｐｏｇｒａｐｈｉｃｍａｐｓ，ｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌ（ＤＥＭ）ｗｉｔｈｒｅｓｏｌｕｔｉｏｎｏｆ５ｍＤＥＭｗａｓｇｅｎｅｒａｔｅｄ，ｂａｓｅｄｏｎｗｈｉｃｈＤＥＭｗｉｔｈｒｅｓｏｌｕｔｉｏｎｏｆ１０，２０ａｎｄ４０ｍｗａｓｒｅ－ｓａｍｐｌｅｄ．ＴｈｅｓｌｏｐｅｓｏｆｔｈｅｓｅＤＥＭｗａｓｃａｌｃｕｌａｔｅｄ．ＮｅｉｇｈｂｏｒｉｎｇｒｅｇｉｏｎａｎａｌｙｓｉｓｗａｓｃｏｎｄｕｃｔｅｄｏｎＤＥＭｗｉｔｈｒｅｓｏｌｕｔｉｏｎｏｆ５ｍ；ａｎｄｔｈｅｍａｘｉｍｕｍｖａｌｕｅｏｎｔｈｅ１０，２０ａｎｄ４０ｍｒｅｓｏｌｕｔｉｏｎｗａｓｅｘｔｒａｃｔｅｄｓｏｔｈａｔｉｔｓｄｉｆｆｅｒｅｎｃｅｆｒｏｍｔｈｅｓｌｏｐｅｄｉｒｅｃｔｌｙｅｘｔｒａｃｔｅｄｆｒｏｍＤＥＭｗｉｔｈｃｏｒｒｅｓｐｏｎｄｉｎｇｒｅｓｏｌｕｔｉｏｎｃｏｕｌｄｂｅｃａｌｃｕｌａｔｅｄｆｏｒｆｒｅｑｕｅｎｃｙｓｔａｔｉｓｔｉｃｓ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅａｖｅｒａｇｅｏｆｓｌｏｐｅｄｅｃｒｅａｓｅｄａｓｔｈｅｒｅｓｏｌｕｔｉｏｎｏｆＤＥＭｄｅｃｒｅａｓｅｄ；ａｎｄｔｈｅｆｒｅｑｕｅｎｃｙｏｆｓｍａｌｌｓｌｏｐｅｉｎｃｒｅａｓｅｄｗｈｉｌｅｏｆｌａｒｇｅｓｌｏｐｅｄｅｃｒｅａｓｅｄ．ＷｈｅｎＤＥＭｒｅｓｏｌｕｔｉｏｎｗａｓｈｉｇｈ，ｔｈｅｄｉｆｆｅｒｅｎｃｅｃｏｎｃｅｎｔｒａｔｅｄｉｎｔｈｅｓｍａｌｌｓｌｏｐｅｓ．ＴｈｅｌｏｗｅｒＤＥＭｒｅｓｏｌｕｔｉｏｎ，ｔｈｅｍｏｒｅｄｉｓｐｅｒｓｅｔｈｅｄｉｆｆｅｒｅｎｃｅｄｉｓｔｒｉｂｕｔｉｏｎｃｕｒｖｅｓ，ａｎｄｃｏｎｃｅｎｔｒａｔｅｄｉｎｔｈｅｌａｒｇｅｓｌｏｐｅ．ＴｈｅｈｉｇｈｅｒＤＥＭｒｅｓｏｌｕｔｉｏｎ，ｔｈｅｗｉｄｅｒｔｈｅｐｒｏｆｉｌｅｃｕｒｖａｔｕｒｅｃｕｒｖｅｓｗａｓ，ａｎｄｖｉｃｅｖｅｒｓａ；ｍｏｒｅｏｖｅｒ，ｔｈｅｃｕｒｖｅｓｗａｓｍｏｒｅｃｏｎｃｅｎｔｒａｔｅｄａｎｄｔｈｅｓｅｃｔｉｏｎｗｉｔｈｈｉｇｈｅｒｐｒｏｆｉｌｅｃｕｒｖａｔｕｒｅｗａｓｓｅｒｉｏｕｓｌｙｌｏｓｔ．Ｋｅｙｗｏｒｄｓ：ｒｅ-ｓａｍｐｌing；ｓｌｏｐｅａｔｔｅｎｕａｔｉｏｎ；ｆｒｅｑｕｅｎｃｙｓｔａｔｉｓｔｉｃｓ；ｐｒｏｆｉｌｅｃｕｒｖａｔｕｒｅ坡度是描述地形特征信息的重要指标，不但可表达地形起伏的形态和结构，而且是水文模型、滑坡监测与分析、土壤侵蚀和土地利用规划等地学分析模型的基础数据。

基于 ArcGIS 10.2.2 生成DEM及坡向、坡度分析

基于 ArcGIS 10.2.2 生成DEM及坡向、坡度分析摘要：本文基于地理信息系统软件 ArcGIS10.2.2软件,以等高线图层为基础材料，对生成的DEM进行了坡度和坡向分析。

经实验证明该方法具有设备简单，投入成本低，速度快，数据容易更新等特点。

由 DEM 得知，地势总体东南低西北高，自东南向西北呈阶梯状地势逐渐升高；由坡度分析得知：该地 15°以下土地主要分布于东部地区，15°～25°土地占比最高，分布广泛，但零星散布；由坡向分析得知：各类坡向均布，且多为阳坡坡向。

因此该地适宜于开发为林业用地的潜力较大。

关键词：ArcGIS10.2.2；坡度；坡向一、引言随着计算机技术、数字处理技术、数字媒体平台发展，传统的以图形和标注表示地理信息的方式，已经无法满足各种工程设计自动化的要求，不能适应现代化地理学的研究和应用。

因此,地图的数字化产品逐步得到开发应用。

本文将DEM应用于地形分析，在传统采用人工量取，逐个图斑获取的坡度、坡向数据的技术手段，数据不准，直接影响数据的真实性和客观性，工作效率低下不足上,完善了数据精度,提高工作效率。

二、DEM制作的原理、基本思路和流程2.1DEM的制作DEM制作的基本思路是:依靠等高线模型生成DEM，建立不规则三角网 ,将正确的不规则三角网转化为栅格图像;最后对栅格结构的DEM进行坡度分析、坡向分析。

具体操作步骤（1）生成TIN，利用Arcmap模块中 3DAnalyst生成不规则三角网（TIN），设置参数空间参考系：与已知的等高线数据的坐标系一致，输入要素类：height“contour”、SF_type “soft_line”。

（2）生成DEM，利用3D analyst Tin to raster 工具：采样距离选择Cellsize,栅格大小“100”。

2.2 坡度、坡向图制作坡度、坡向是反映地形的两个重要因子。

坡度是地形描述中常用的参数，是一个具有方向与大小的矢量。

阐述DEM坡度坡向算法精度

阐述DEM坡度坡向算法精度前言坡度和坡向是描述地形特征信息的两个重要指标。

在地理信息系统中一般在数字调和模型（DEM）上通过一定的数学模型计算坡度和坡向。

目前DEM坡度和坡向的研究存在重点不明确，量化环境不统一等问题，研究者在DEM误差和数学模型两方面容易出现侧重点不同。

为保证坡度坡向算法精度在客观公正的量化的环境中进行分析，本文基于误差独立性和分析可比性出发，提出四种DEM 坡度坡向精度分析的方法（二阶差分法、三阶反距离权差分法、三阶不带权差分法、简单差分法），并对这几种坡度坡向算法精度进行对比分析。

1、坡度坡向数学模型地表上某点的坡度S、坡向A是地形曲面z=f（x，y）在东西向（Y轴）和南北向（X轴）上调和变化率的函数。

由坡度坡向函数可知，求解地面坡度坡向的关键是求取fx和fy。

在格网DEM 上一般是在3×3移动窗口中通过数值微分方法或局部曲线拟合方法求解fx和fy。

综合考虑算法的实用性和应用范围，本文选择二阶差分法、三阶反距离权差分法、三阶不带权差分法、简单差分法进行对比分析研究。

2、误差结构分析坡度坡向是一个关于地形曲面的一阶偏导函数，因此从该误差分析着手，以二阶差分方法为例，进行误差结构分析。

2.1fx和fy误差分析fx和fy的估计误差dfx和dfy公式如下：（1）式中，Mx和My是按最差情况估计的误差限。

Mx和My结果一般比实际误差大，因此不能真实反映实际的累计误差，但考虑到该误差存在某种随机性，服从分布的随机变量特性，因此可以用于误差分析。

2.2二阶差分法坡度坡向误差结构分析坡度坡向中误差公式如下：（2）由（2）式可知，坡度和坡向的误差主要包括三个方面，一是DEM采集误差，主要包括数据采样存在误差、数据输入误差等；二是DEM格网分辨率存在误差，或精度不够；三是由DEM对地形曲面离散化表示和公式截断引起的数学模型误差。

2.3坡度坡向误差结构分析仿照以上分析，其余算法的坡度坡向中误差见表1。

基于不同尺度DEM提取坡度坡向研究

施退耕还林区域的方法和过程。
关键词：生态建设；退耕还林；生态立省
林业是生态建设的主体，是一项重要的公益事业和基又础产业，在促进社会经济可持续发展中起着十分重要的作用。耕还林政策的制定和实施，在当时的时代背景下，退是根据我国的相关国情和当前所面临的一些亟待解决的环境问题所制定的，到了广大林农的积极响应和拥护。受
镇２比例尺地形图生成ＤＭ提取坡度坡向两个地形因种Ｅ
子，而其它地形因子会出现什么变化，结论是否适用于更该
大区域，否适合不同地形复杂度的坡度坡向分析有待进一是
步深入研究。
参考文献
３结果与分析
３１不同ＤＥ分辨率与坡度关系分析．Ｍ
尺。１ｌ比例尺下，大坡度从ＤＭ分辨率为１ｍ时的在：万最Ｅ０
８．３ｏ急剧下降到ＤＭ分辨率为１０３Ｅ０ｍ时的５．揭示了８。，０
低分辨率的ＤＭ会削弱地表详细程度［本研究仅针对柳江Ｅ５１。
变化等各个方面。本文采用１１和１５万２种尺度地形图：万：生成不同分辨率ＤＭ对坡度坡向的提取进行研究分析，Ｅ以
上升到８．。变化幅度超过２。，化显著。由此可以推断３３５变

不同分辨率DEM对提取坡度精度的影响研究

Research on the Influence of DEM Resolution on the Pre-cision of Extracted SlopesHao WANG , Shuzheng WANGSpatial Information Research Center of Fujian, Key Lab of Spatial Data Mining & Information Sharing, Ministry of Education ，FuzhouUniversity, FuZhou, ChinaAbstract: Based on the DEMs of different resolution extracted from 1:1 million terrain maps, 6 typical land-scape area was chosen as the test plots to study the effects of different resolution on the accuracy of the slope extracted from the selected DEMs. To quantitatively explore the relationship between DEM resolution and the error of the slope, 19 different evaluation indicator of the error was selected for the domain of information theory and statistics, and then those indicators were used to find a corresponding empirical formula and the most appropriate table of resolution. From the table, the most appropriate resolution can be easily identified by the error already known. Our study demonstrates that when the information of slope accuracy was given, the criteria to select the most appropriate resolution can be obtained. This result can be used to provide a basis for selecting the appropriate horizontal resolution in practice.Keywords:Digital Elevation Model, Resolution, Slope不同分辨率DEM对提取坡度精度的影响研究王昊, 王书征福州大学福建省空间信息工程研究中心空间数据挖掘与信息共享教育部重点实验室, 福州, 中国, 350002【摘要】研究选择黄土高原6个典型地貌类型区为试验样区，以1：1万地形图建立的不同分辨率DEM 为研究对象，研究分辨率对DEM所提取坡度精度的影响。

基于DEM的土地利用与地形因子关系研究——以商州区张地沟小流域为例

了解该流域土地利用的基本特征。以ＥＶ．ＮＩ７软４件为平台，取明显地物对遥感影像图进行土地分选
图２张地沟小流域土地利用图
Ｆｉ２ＬｎｓｆＺａｇｉｏｍａｌｗａｅｓｅｇ．ａｄｕｅｏｈｎｄｇｕｓｌｔｒｈｄ
ｔｔＬｎ．、茅草（Ｉｐｒｔｙｉｒａ（Ｌｎ．ｔａｉ）ａｎｍｅａｌｄｉａｃｎｃｉ）ｎ
越
ｉ
Ｂａｖ）ｅｕ．等杂草以及黄姜（ｈｏａｃｒｍｅｌｎａ）Ｒｉｍｕｃａｏｇｅｚｕ
等部分中药材；济作物主要为核桃（ｕｌｎｇａ经Ｊｇａｓｒｉｅ
，
２数据的获取及处理
２１数据来源及处理．
图Ｉ张地沟小流域ＤＭ图Ｅ
Ｆｇ．ＤＥＭｆＺａｇｉｏｍＭ１ｗａｅｓｅｉ１ｏｈｎｄｇｕｓｔｒｈｄ
本研究数据主要来源于张地沟小流域１１０：０００
一以商州区张地沟小流域为例
贺敬滢张桐艳李光录周茂玲，，，
（．农林科技大学资源环境学院，陕西杨凌７２０；．县水土保持工作站，陕西洋县７３０）１西北１１０２洋２３０
摘
要：据遥感影像和ＤＭ数据，过｝入地形分布指数和土地利用程度综合指数，行Ｋｎａ双参数相依Ｅ通ｌ进ｅｄｌｌ

基于dem的等高线自动生成方法研究

第35卷第4期2019年12月测绘标准化Standardization of Surveying and MappingVol.35No.4Dec.2019基于DEM的等高线自动生成方法研究殷小庆1严竞新1冉隆思2王西萍彳（1•自然资源部测绘标准化研究所陕西西安710054；2,自然资源部第一航测遥感院陕西西安710054）On Automatic Generation of Contour Lines Based on DEMYIN Xiaoqing YAN Jingxin RAN Longsi WANG Xiping摘要:等高线是数字线划图中的重要要素内容，可以反映地形地貌的起伏变化，在各行各业中应用广泛，是不可或缺的基础地理信息要素。

提出一种基于规则格网DEM自动生成等高线的方法,重点研究等高线化简算法，将坡度和坡向因子引入等高线化简过程，实现基于DEM的等高线自动生成。

通过试验测试，效果较好。

关键词：等高线;地形因子;等高线化简；等高线平滑;规则格网中图法分类号:P231.5开放科学（资源服务）标识码（OSID）近几年，数字摄影测量与遥感技术得到迅速发展，尤其是新型数字航摄仪、GPS/IMU等新设备的发展,使得数字摄影测量在数据获取、外业测量以及空三测量等环节的工作量大大减少，在保证精度的同时也大幅度地提高了生产效率。

然而在内业采集环节,效率的提高主要依赖软件功能的改善,并未发生生产技术流程及效率质的变化，大量的人工采集工作仍然无法被计算机自动处理所替代。

在基础地理信息八大类要素（定位基础、水系、居民地及设施、交通、管线、境界与政区、地貌、植被与土质）中,地貌要素中的等高线数据较为特殊，它带有高程信息，在采集时必须配备专业的三维眼镜和输入设备,几乎完全依赖于立体视觉环境中的人工目视判断和手工绘制，难以用计算机自动化来辅助数据的采集。

特别是在丘陵地、山地和高山地等地形变化剧烈处,等高线采集费时费力，是制约内业生产效率提高的重要因素之一。

基于GIS与层次-熵灰色模糊的高铁线路地形条件综合评价分析——以北京至西安东西两线为例

通过余热锅炉吹灰器改造，进一步优化了装置平稳节能运行：（1）降低了余热锅炉排烟温度，提高了锅炉效率，通过改造前后排烟温度对比，每年产生可观经济效益，做好提质增效工作；（2）使锅炉各段炉温接近设计值，避免因吹灰器吹灰效果不好导致锅炉各段炉温超温，使炉温稳定，保证余热锅炉安全平稳运行。
参考文献： [1] 梁凤印等 . 流化催化裂化 . 北京：中国石化出版社 ,2005.
图 1 线路地形评价体系示意图
1.3 基于 GIS 空间分析的地形评价指标计算 1.3.1 地表基本形态
（1）高程。高程 (Elevation) 反映出铁路附近的海拔高度情况。一般来说，海拔高度越低则线路建设更容易，行驶过程中产生的成本较低；海拔高度越高行驶成本相对增加，乘坐的舒适性也会有所降低。线路 500m 范围内高程可由 DEM 重分类后直接获取。
其中，L 为待求坡长因子，常数 22.13m 为一个标准小区的水平投影坡长，F 为 DEM 的累计流量，可由 ArcGIS 中水文分析工具进行 DEM 填洼后计算流向得到。 θ 为地表坡度，需要进行弧度制转化，由 θ 可以计算细沟侵蚀与面蚀的比值 n 及坡长因子指数 m。
（5）坡位。坡位 (Slope position) 是指一个地形坡纵剖面的上下位置，上坡位是靠近坡顶的位置，下坡位是靠近坡脚的位置，中坡位为坡面的中间位置。可通过 ArcGIS 将坡向栅格数据转为矢量得到研究区所有的坡面小区，结合 DEM 利用分区统计得到各个坡面内高程的最大值与最小值，通过栅格计算器计算出中下坡位的临界值与中上坡位的临界值：
口温度 501℃ 196℃ 78000Nm3/h
2 2020 年 7 月 8 日 15：00 500℃ 197℃ 78000Nm3/h

基于DEM的黄土高原坡长的自动提取和分析

ｏｆｌａｎｄｆｏｒｍａｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｗｉｔｈｏｔｈｅｒｔｅｒｒａｉｎｆａｃｔｏｍｗｅｒｅａｌｓｏｓｔｕｄｉｅｄ．Ｔｈｉｓｒｅｓｅａｒｃｈ
ａｎｄｓｏｍ＠ｃｏｒｒｅｓｐｏｎｄｉｎｇｒｅｓｕｌｔｓｐｒｏｖｉｄｅａｃｏｎｃｒｅｔｅｆｏｕｎｄａｔｉｏｎａｎｄｔｅｃｈｎｉｃａｌｓｕｐｐｏｒｔｆｏｒｗａｔｅｒｃｏｎｓｅｒｖａｔｉｏｎｐｒｏｊｅｃｔ，ｅｒｏｓｉｏｎｓｔｕｄｙａｎｄｅｔｃ．ｉｎＬｏｃｓｓＰｌａｔｅａｕ．
路为止．这些席路不一定是侵蚀或切割的渠道。如果没有渠道，就比较难确定坡长的边线的方法，是在有可能出现侵蚀渠道或切沟的地方川．
目前对坡长的研究并不深入和广泛，例如在土壤侵蚀的研究中，几乎所有关
于坡长的研究都是基于通用土壤侵蚀方程（ＵＳＬＥ）的，准确地说是针对其中的
ＬＳ因子，Ｂ｛ｌ（ｓｌｏｐｅｌｅＩｌｇｔｌｌａｎｄｓｃｅ印∽ｓｓ）．坡长的计算有多种计算的方式，在这类研究当中早期的坡长的计算是通过现场测量，或根据等高线间的垂线来估算；现
ｔｈｅｏｒｉｅｓａｎｄｗａｙｓｏｆｅｘｔｒａｃｔｉｎｇｓｌｏｐｅｌｅｎｇｔｈｆｒｏｍＤＥＭ，ａｎｄｉｔａｔｔｅｍｐｔｅｄｔｏｒｅｖｅａｌｔｈｅ
ｓｐａｔｉａｌｖａｒｉａｔｉｏｎｏｆｓｌｏｐｅｌｅｎｇｔｈｉｎＮｏｒｔｈＳｌｍａｎｘｉｐａｒｔｏｆＬｏｅｓｓＰｌａｔｅａｕ，ｔｈｅｉｎｆｌｕｅｎｃｅｏｆ
学位论文作者签名：霉使
功ｐ７年ｅ月ｌ，日
西北大学硕士学位论文
基于ＤＥＭ的黄土高原坡长的自动提取和分析
第一章绪论
１．１问题的提出
目前，±壤侵蚀导致土地资源的减少和退化，危害严重，要有效地防治，必须对水土流失作出合理、精确的预报。建立土壤侵蚀过程的研究，是建立过程模型的基础和前提。坡长是影响侵蚀的重要地貌因素之一．坡长也是决定坡面水流能量沿程变化、影响坡面径流与水流产沙过程的重要地貌因素之一，要开展土壤侵蚀的定量研究、建立土壤侵蚀模型就必须开展对坡长的深入研究。尤其是在黄土高原地区，如何合理地确定一个地区的坡长对于研究该区域的水土流失、坡面水流、泥沙运移、侵蚀形态的演化规律以及不同坡长下的侵蚀形态特征等各个方

dem 地形因子计算公式

dem 地形因子计算公式地形因子是描述地表地形特征的数值指标，可以反映地势的陡峭程度、坡度、坡向等信息。

在地理科学中，地形因子的计算对于土地利用规划、水文模拟、生态研究等领域具有重要意义。

下面我们将介绍几个常用的DEM地形因子计算公式。

1. 坡度（slope）：坡度是地表在某一点上的陡峭程度，常用角度或百分比来表示。

坡度的计算公式为：坡度 = arctan(sqrt((dz/dx)^2 + (dz/dy)^2))其中，dz表示高程差，dx和dy表示在水平方向上的水平距离。

坡度的计算结果可以反映地表的陡峭程度，对于土地利用规划、泥石流预警等具有重要意义。

2. 坡向（aspect）：坡向是地表在某一点上的方向，通常使用角度来表示。

坡向的计算公式为：坡向 = arctan(dz/dy) / arctan(dz/dx)其中，dz表示高程差，dx和dy表示在水平方向上的水平距离。

坡向的计算结果可以反映地表的方向特征，对于太阳辐射、水文模拟等具有重要意义。

3. 山体阴影（hillshade）：山体阴影是根据地形的坡度和坡向，模拟太阳光照射地表产生的阴影效果。

山体阴影的计算公式为：阴影值 = cos(坡度) * cos(太阳高度角) + sin(坡度) * sin(太阳高度角) * cos(太阳方位角 - 坡向)其中，坡度和坡向是通过上述公式计算得到的。

山体阴影可以帮助我们直观地了解地表地形特征，对于可视化地理数据和地形分析有很大的帮助。

除了上述常用的DEM地形因子，还有其他一些因子，如曲率、流向、流量等，都是通过DEM数据计算得到的。

这些地形因子可以帮助我们深入了解地表地形特征，揭示地理现象的规律和影响因素。

DEM地形因子的计算可以使用地理信息系统（GIS）软件来实现，如ArcGIS、QGIS等。

这些软件提供了丰富的工具和函数，可以方便地进行DEM地形因子的计算和分析。

在地理研究中，DEM地形因子的应用非常广泛。