地球信息科学学报 ›› 2015, Vol. 17 ›› Issue (7): 822-.doi: 10.3724/SP.J.1047.2015.00822
黄骁力, 汤国安*, 刘凯
收稿日期:
2014-11-04
修回日期:
2015-01-13
出版日期:
2015-12-10
发布日期:
2015-07-08
通讯作者:
汤国安
作者简介:
作者简介:黄骁力(1990-),男,浙江宁波人,硕士生,主要从事DEM数字地形分析研究。E-mail:
基金资助:
HUANG Xiaoli, TANG Guo'an*, LIU Kai
Received:
2014-11-04
Revised:
2015-01-13
Online:
2015-12-10
Published:
2015-07-08
Contact:
TANG Guo'an
About author:
*The author: SHEN Jingwei, E-mail:
摘要:
地形纹理是区分不同地貌形态的重要依据,DEM是地形纹理分析的重要数据。然而,DEM分辨率使地形纹理特征提取存在着不确定性问题。本文以具有显著地貌多样性与差异性的陕西省为例,选择6个不同地貌类型区为研究区,以25 m分辨率DEM数据作为信息源,构建了多尺度的地面坡度、光照模拟和粗糙度数据序列。在此基础上,引入空间灰度共生矩阵(GLCM)对地形表面纹理特征进行量化分析,以揭示数据分辨率对地形纹理特征提取的影响。研究表明:对于单一样区,在DEM及其3个派生数据中,原始高程数据和粗糙度数据的纹理参数特征值,对分辨率的变化较为敏感。对于不同的地貌类型区,二阶角矩和对比度这2个纹理参数具有最大的变异系数,表明它们对于区分不同地貌类型的能力最强;二阶角矩具有较大的尺度依赖性,随着分辨率的降低,其区分能力急剧降低,而对比度对于地貌的区分能力,则随着分辨率的降低而增强,并保持在一个较大的范围内。DEM数据的对比度对于不同地貌的区分能力,在所选4个参数中最为稳定,而粗糙度数据的二阶角矩区分不同地貌的能力,随着数据分辨率的变化而最不稳定。以上结果对于根据不同的研究对象选择适宜的DEM分辨率及地形纹理参数具有一定的指导意义。
黄骁力, 汤国安, 刘凯. DEM分辨率对地形纹理特征提取的影响[J]. 地球信息科学学报, 2015, 17(7): 822-.DOI:10.3724/SP.J.1047.2015.00822
HUANG Xiaoli,TANG Guo'an,LIU Kai. Influence of DEM Resolution on the Extraction of Terrain Texture Feature[J]. Journal of Geo-information Science, 2015, 17(7): 822-.DOI:10.3724/SP.J.1047.2015.00822
表2
地形纹理参数随分辨率变化统计"
DEM(m) | 二阶角矩 | 对比度 | 方差 | 逆差矩 | 熵 | 差的方差 | 总平均值 |
---|---|---|---|---|---|---|---|
S1 | 0.220 | 1.185 | 0.001 | 0.079 | 0.135 | 0.268 | |
S2 | 0.143 | 0.441 | 0.002 | 0.057 | 0.063 | 0.153 | |
S3 | 0.100 | 0.314 | 0.003 | 0.047 | 0.043 | 0.106 | |
S4 | 0.109 | 0.256 | 0.028 | 0.042 | 0.042 | 0.085 | |
S5 | 0.062 | 0.194 | 0.008 | 0.037 | 0.023 | 0.066 | |
S6 | 0.023 | 0.150 | 0.004 | 0.028 | 0.015 | 0.058 | |
平均值 | 0.109 | 0.423 | 0.008 | 0.048 | 0.053 | 0.123 | 0.128 |
坡度(m) | 二阶角矩 | 对比度 | 方差 | 逆差矩 | 熵 | 差的方差 | 总平均值 |
S1 | 0.149 | 0.172 | 0.044 | 0.055 | 0.033 | 0.073 | |
S2 | 0.187 | 0.227 | 0.084 | 0.057 | 0.063 | 0.110 | |
S3 | 0.086 | 0.115 | 0.0004 | 0.038 | 0.027 | 0.050 | |
S4 | 0.013 | 0.010 | 0.033 | 0.005 | 0.003 | 0.012 | |
S5 | 0.029 | 0.039 | 0.016 | 0.014 | 0.008 | 0.020 | |
S6 | 0.062 | 0.039 | 0.035 | 0.004 | 0.016 | 0.041 | |
平均值 | 0.088 | 0.100 | 0.036 | 0.029 | 0.025 | 0.051 | 0.055 |
光照模拟(m) | 二阶角矩 | 对比度 | 方差 | 逆差矩 | 熵 | 差的方差 | 总平均值 |
S1 | 0.105 | 0.014 | 0.024 | 0.057 | 0.035 | 0.079 | |
S2 | 0.237 | 0.176 | 0.015 | 0.04 | 0.059 | 0.150 | |
S3 | 0.193 | 0.162 | 0.013 | 0.037 | 0.054 | 0.131 | |
S4 | 0.053 | 0.055 | 0.020 | 0.004 | 0.022 | 0.049 | |
S5 | 0.107 | 0.075 | 0.007 | 0.023 | 0.029 | 0.075 | |
S6 | 0.004 | 0.005 | 0.006 | 0.002 | 0.001 | 0.003 | |
平均值 | 0.116 | 0.081 | 0.014 | 0.027 | 0.033 | 0.081 | 0.060 |
粗糙度(m) | 二阶角矩 | 对比度 | 方差 | 逆差矩 | 熵 | 差的方差 | 总平均值 |
S1 | 0.318 | 0.408 | 0.287 | 0.056 | 0.249 | 0.151 | |
S2 | 0.373 | 0.746 | 0.480 | 0.096 | 0.331 | 0.201 | |
S3 | 0.109 | 0.240 | 0.125 | 0.037 | 0.078 | 0.087 | |
S4 | 0.019 | 0.031 | 0.009 | 0.002 | 0.0006 | 0.010 | |
S5 | 0.013 | 0.087 | 0.032 | 0.009 | 0.0206 | 0.037 | |
S6 | 0.059 | 0.030 | 0.045 | 0.009 | 0.022 | 0.018 | |
平均值 | 0.148 | 0.257 | 0.163 | 0.035 | 0.117 | 0.084 | 0.134 |
表3
地形纹理参数变异系数随分辨率变化统计"
DEM(m) | 二阶角矩 | 对比度 | 方差 | 逆差矩 | 熵 | 差的方差 |
---|---|---|---|---|---|---|
25 | 0.249 | 0.485 | 0.183 | 0.077 | 0.079 | 0.231 |
75 | 0.268 | 0.414 | 0.202 | 0.094 | 0.066 | 0.185 |
125 | 0.240 | 0.337 | 0.205 | 0.086 | 0.052 | 0.148 |
175 | 0.216 | 0.281 | 0.206 | 0.076 | 0.046 | 0.124 |
225 | 0.182 | 0.242 | 0.205 | 0.068 | 0.039 | 0.110 |
275 | 0.182 | 0.226 | 0.209 | 0.065 | 0.038 | 0.109 |
325 | 0.171 | 0.199 | 0.208 | 0.060 | 0.032 | 0.099 |
平均值 | 0.216 | 0.312 | 0.203 | 0.075 | 0.050 | 0.144 |
粗糙度(m) | 二阶角矩 | 对比度 | 方差 | 逆差矩 | 熵 | 差的方差 |
25 | 0.431 | 0.464 | 0.274 | 0.103 | 0.220 | 0.234 |
75 | 0.483 | 0.514 | 0.328 | 0.148 | 0.205 | 0.308 |
125 | 0.401 | 0.328 | 0.561 | 0.123 | 0.142 | 0.255 |
175 | 0.302 | 0.369 | 0.244 | 0.115 | 0.114 | 0.213 |
225 | 0.310 | 0.327 | 0.233 | 0.115 | 0.108 | 0.211 |
275 | 0.300 | 0.315 | 0.231 | 0.111 | 0.102 | 0.191 |
325 | 0.334 | 0.417 | 0.314 | 0.123 | 0.136 | 0.222 |
平均值 | 0.366 | 0.391 | 0.312 | 0.120 | 0.147 | 0.234 |
[1] | Ilea D E, Whelan P F.Image segmentation based on the integration of color-texture descriptors—A review[J]. Pattern Recognition, 2011,44(10-11):2479-2501. |
[2] | Haralick R M, Shanmugam K, Dinstein I H.Textural features for image classification[J]. IEEE Transactions on SMC, 1973,3(6):610-621. |
[3] | 郑肇葆. 马尔柯夫场在影像纹理模拟中的应用[J].测绘学报,1993,22(4):255-262. |
[4] | 吴高洪,章毓晋,林行刚.利用小波变换和特征加权进行纹理分割[J].中国图象图形学报,2001,6(4):333-337. |
[5] | 刘明霞,侯迎坤,郭小春,等.新的纹理图像特征提取方法[J].计算机应用,2009,(12):3434-3436. |
[6] | 陶旸. 基于纹理分析方法的DEM地形特征研究[D].南京:南京师范大学,2011. |
[7] | 刘凯,汤国安,陶旸,等.基于灰度共生矩阵的DEM地形纹理特征量化研究[J].地球信息科学学报,2012,14(6):751-760. |
[8] | Quattrochi D A, Goodchild M F.Scale in remote sensingand GIS[M]. Boca Raton, FL: Lewis Publishers, 1997. |
[9] | 汤国安,刘学军,房亮,等.DEM及数字地形分析中尺度问题研究综述[J].武汉大学学报(信息科学版),2006,31(12):1059-1066. |
[10] | 刘学军,卢华兴,仁政,等.论DEM地形分析中的尺度问题[J].地理研究,2007,26(3):433-442. |
[11] | 秦承志,呼雪梅.栅格数字地形分析中的尺度问题研究方法[J].地理研究,2014,33(2):270-283. |
[12] | 周成虎,程维明,钱金凯,等.中国陆地1:100万数字地貌分类体系研究[J].地球信息科学学报,2009,11(6):707-724. |
[13] | 程维明,周成虎,柴慧霞,等.中国陆地地貌基本形态类型定量提取与分析[J].地球信息科学学报,2009,11(6):725-736. |
[14] | 刘丽,匡纲要.图像纹理特征提取方法综述[J].中国图象图形学报,2009,14(4):622-635 |
[15] | 于海鹏,刘一星,张斌,等.应用空间灰度共生矩阵定量分析木材表面纹理特征[J].林业科学,2004(6):121-129. |
[16] | 王晗,白雪冰,王辉.基于空间灰度共生矩阵木材纹理分类识别的研究[J].森林工程,2007,23(1):32-36. |
[17] | Haralick R M.Statistical and structural approaches to texture[J]. Proceedings of the IEEE, 1979,67(5):786-804. |
[18] | 于海鹏. 基于数字图像处理学的木材纹理定量化研究[D].哈尔滨:东北林业大学,2005. |
[19] | Ulaby F T, Kouyate F, Brisco B, et al.Textural infornation in SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing, 1986,24(2):235-245. |
[20] | 薄华,马缚龙,焦李成.图像纹理的灰度共生矩阵计算问题的分析[J].电子学报,2006,34(1):155-158. |
[1] | 蒲东川, 王桂周, 张兆明, 牛雪峰, 何国金, 龙腾飞, 尹然宇, 江威, 孙嘉悦. 基于独立成分分析和随机森林算法的城镇用地提取研究[J]. 地球信息科学学报, 2020, 22(8): 1597-1606. |
[2] | 罗竹, 刘凯, 张春亢, 邓心远, 马荣华, 宋春桥. DEM在湖泊水文变化研究中的应用进展[J]. 地球信息科学学报, 2020, 22(7): 1510-1521. |
[3] | 王春, 徐燕, 江岭, 赵明伟. 规则格网DEM局地坡面凸凹性精度分析[J]. 地球信息科学学报, 2020, 22(3): 361-369. |
[4] | 赵尚民, 程维明, 蒋经天, 沙文娟. 资源三号卫星DEM数据与全球开放DEM数据的误差对比[J]. 地球信息科学学报, 2020, 22(3): 370-378. |
[5] | 张鑫港, 闫浩文, 张黎明. 一种用于DEM数据认证与篡改定位的感知哈希算法[J]. 地球信息科学学报, 2020, 22(3): 379-388. |
[6] | 赵明伟, 金永林, 江岭, 王春, 杨灿灿, 徐燕. 多模型协同下的城郊地区DEM构建方法研究[J]. 地球信息科学学报, 2020, 22(3): 389-398. |
[7] | 黄楠, 杨昕, 刘海龙. 基于等高线空间关系的鞍部点提取方法[J]. 地球信息科学学报, 2020, 22(3): 410-421. |
[8] | 胡金龙, 唐梦鸽, 罗明良, 魏兰, 晏自红, 秦子晗. 基于DEM的一体化山地特征要素提取[J]. 地球信息科学学报, 2020, 22(3): 422-430. |
[9] | 雷雪, 周毅, 李阳, 王泽涛. 基于DEM的黄土地貌逼近度因子构建及特征分析[J]. 地球信息科学学报, 2020, 22(3): 431-441. |
[10] | 曹泽涛, 方子东, 姚瑾, 熊礼阳. 基于随机森林的黄土地貌分类研究[J]. 地球信息科学学报, 2020, 22(3): 452-463. |
[11] | 顾文亚, 孟祥瑞, 朱晓晨, 邱新法. 基于BEMD分解的地貌分类研究[J]. 地球信息科学学报, 2020, 22(3): 464-473. |
[12] | 吴钱娇, 陈玉敏. 基于CUDA的地表水动态模拟并行方法[J]. 地球信息科学学报, 2020, 22(3): 505-515. |
[13] | 李思进, 代文, 熊礼阳, 汤国安. DEM分辨率对黄土侵蚀沟形态特征表达的不确定性分析[J]. 地球信息科学学报, 2020, 22(3): 338-350. |
[14] | 李文梁, 汪驰升, 朱武. 中国大陆地区TanDEM-X 90 m DEM误差空间分布特征[J]. 地球信息科学学报, 2020, 22(12): 2277-2288. |
[15] | 孙思奥,任宇飞,张蔷. 多尺度视角下的青藏高原水资源短缺估算及空间格局[J]. 地球信息科学学报, 2019, 21(9): 1308-1317. |
|