EN中文

地球信息科学学报 >

2014 , Vol. 16 >Issue 6: 882 - 889

DOI: https://doi.org/10.3724/SP.J.1047.2014.00882

不同尺度DEM的河流裂点提取及其效应分析

  • 王婷婷 ,
  • 杨昕 , * ,
  • 叶娟娟 ,
  • 王琛智
展开
  • 南京师范大学虚拟地理环境教育部重点实验室,南京 210023
*通讯作者：杨昕(1976-),女,陕西西安人,副教授,主要从事地形分析研究。E-mail:

作者简介：王婷婷(1989-),女,山东临沂人,硕士生,主要从事DEM与数字地形分析研究。E-mail:

收稿日期: 2014-01-06

  要求修回日期: 2014-03-19

  网络出版日期: 2014-11-01

基金资助

国家自然科学基金项目“基于DEM的黄土沟壑种群特征及空间异质性研究”(41271438)

“基于DEM的黄土地貌沟沿线研究”(41171299)

收起

Identification of Fluvial Knickpoints and Analysis of Its Scale Effect Based on DEMs

  • WANG Tingting ,
  • YANG Xin , * ,
  • YE Juanjuan ,
  • WANG Chenzhi
Expand
  • Key Laboratory of Virtual Geographical Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, China
*Corresponding author: YANG Xin, E-mail:

Received date: 2014-01-06

  Request revised date: 2014-03-19

  Online published: 2014-11-01

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

以不同尺度DEM数据提取裂点及其效应存在较大差异。本文以1：1万DEM为基础数据,通过小波分析生成多尺度DEM数据。以庐山地区16条河流为例,实现了多尺度DEM数据的河流裂点提取,探讨了河流裂点的变化规律,并构建了裂点个数的尺度预测模型。实验结果表明：(1)采用河道纵剖面与点坡降相结合的方法可快速准确地判断裂点;(2)在庐山地区,1:1万DEM数据可准确判断高差不小于5 m的裂点,对于高差小于5 m的裂点由于DEM表达精度和数据误差,而无法准确判定;(3)DEM尺度对裂点提取影响显著,裂点个数随着DEM分辨率降低逐渐减少,符合幂函数递减规律;(4)通过与ASTER GDEM和SRTM DEM对比验证,本文所构建的裂点个数与DEM尺度的拟合模型具有一定的预测精度。

关键词： 裂点; 多尺度DEM; 尺度效应; 庐山地区; 幂函数模型

本文引用格式

王婷婷 , 杨昕 , 叶娟娟 , 王琛智 . 不同尺度DEM的河流裂点提取及其效应分析[J]. 地球信息科学学报, 2014 , 16(6) : 882 -889 . DOI: 10.3724/SP.J.1047.2014.00882

Abstract

Knickpoints are fundamental for understanding local erosion basis and the evolution of fluvial landforms. To extract the knickpoints, Digital Elevation Model (DEM) is widely adopted as the basic data in literatures. However, the accuracy of the extraction is greatly influenced by the DEM resolution. In this paper, to explore the influence of DEM resolution on the extraction of knickpoints, we analyzed the gradient of the fluvial longitudinal profiles to extract the knickpoints in Mount Lu area based on DEM and Digital Line Graphic (DLG). Firstly, the longitudinal profiles of the 16 streams with elevations are derived from 5 m DEM, from which the potential knickpoints are extracted from an empirical gradient domain. Secondly, to find a suitable gradient domain, a field investigation of four typical rivers, including Three-Step Spring and Crane Ravine, is carried out to collect the spatial positions of 30 knickpoints with GPS. Thirdly, multiple resolutions of DEM data are generated by wavelet transformation based on the 5 m DEM. The knickpoints in each scale are extracted in the same way from the corresponding DEM. Finally, the influence of the DEM resolution on the accuracy of knickpoints is discussed. The experiment results reveal that the suitable threshold of gradient domain for 5 m DEM is 0.6, by which the knickpoints’ altitude differences are greater than 5 m. The number of knickpoints is subject to a power function of the DEM resolution. As the DEM resolution coarsens, the number of knickpoints decreases. To verify this power function, the ASTER GDEM and SRTM DEM data are used, which reveals the consistency between the extracted knickpoints from the DEMs and the predicted ones from the function.

Key words： knickpoints; multi-scale DEM; scale effect; Mount Lu region; power function model

1 引言

流水地貌中,沟谷的下切侵蚀深度受侵蚀基准面的控制,侵蚀基准面的下降,导致沟谷从侵蚀基准面附近发生溯源下切侵蚀,在溯源下切侵蚀到达的地方,沟床纵剖面出现的坡折,称为裂点[1]。目前,关于裂点的研究主要集中在裂点溯源迁移[2-3]、裂点后退速率与断层活动的关系[1,4-5]、裂点的后退速率与集水面积的关系[6-7],以及基于裂点对古地震序列的判断[8]等方面。可见,裂点是反映沟谷水系发育、侵蚀速率、断层活动的重要地貌指标之一。因此,快速、准确获得裂点形态、大小、等级及分布等信息是相关地貌研究的重要基础。
长期以来,对于裂点的研究多依赖于野外考察,由于受地形条件和人力资源的限制,野外考察只能局限于一定规模的小流域尺度,难以进行大范围的详尽调研,更无法获得不同级别裂点的空间分布特征。随着空间数据采集方式的进步,高精度大区域DEM数据越来越丰富。尤其是对地形特征点与特征线的提取与分析,已形成了一套数字地形分析方法[9],为基于DEM提取河流沟谷裂点提供了依据。关于裂点的提取方法前人已进行了多方面的探讨[7-12],然而这些方法的准确性和应用效率仍未明确。此外,各学者进行裂点研究时所采用的DEM分辨率各不相同,从分辨率较高的1 m[13]、5 m[6,12]到分辨率较粗的30 m[14],50 m[11],90 m[15]等,涉及多种尺度的DEM数据。大量研究显示不同尺度DEM计算的地表参数具有很大的不确定性[16]。一定尺度的DEM由于受其水平分辨率与垂直分辨率限制,只能表达一定规模的裂点,因此DEM尺度必然对裂点的提取产生影响。1:1万DEM(5 m分辨率)是裂点研究的主要数据源,但该数据能够提取多大规模的裂点、这些裂点与DEM尺度存在怎样的关系等问题仍有待解决。因此,本文以庐山地区1:1万DEM为例,首先,对比分析了现有裂点提取方法,在实测裂点的基础上,确定了1:1万DEM数据提取裂点的适宜性,然后,利用生成的多尺度DEM数据探讨裂点的尺度变化规律,期望为利用DEM数据进行裂点研究提供一定参考依据。

2 实验样区与数据

2.1 实验区域

庐山位于江西省北部,山体呈椭圆形,是典型的地垒式断块山,具有河流、湖泊、坡地、山峰等多种地貌。地处中国亚热带东部季风区域,其山高谷深,具有鲜明的山地气候特征。庐山宽谷之下,即为峡谷,河床溪流落差很大,沿途多急流瀑布、壶穴深潭和岩槛裂点,主要是第四纪地壳上升,河流强烈下切,溯源侵蚀的产物,是裂点存在较多的区域。
本文选取了庐山地区16条主要河道,位于剪刀峡、如琴湖、芦林湖、三叠泉、含鄱口等区域,涵盖了庐山地区最为典型的多个裂点,分别用R1-R16表示(图1)。
Fig. 1 Spatial distribution map of rivers in test areas

图1 实验区河流的分布图

2.2 实验数据

实验数据来自国家测绘部门生产的1:1万比例尺DEM(分辨率为5 m)和DLG数据。DEM数据用于裂点的提取,DLG数据辅助确定河流位置。为了对比分析不同尺度DEM对提取裂点的影响,需要生成多尺度DEM数据[17]。目前,生成多尺度DEM的方法有重采样方法[18-20]、三维道格拉斯方法[21-22],以及小波分析方法[17,23-24]等。由于受采样间隔的影响,重采样值有较大的随机性,而三维道格拉斯方法因受到起始基准面和搜索方向不同而产生一定的不确定性。因此,本文采用小波分析的方法生成多尺度DEM数据。利用二进制小波变换生成了4个尺度DEM数据,分辨率分别为10、20、40和80 m。表1列出了基于DB二进制小波的多尺度DEM的参数统计,其中以5 m分辨率DEM为基准数据。
Tab. 1 Statistics of DEM data parameters with different resolutions

表1 各分辨率DEM数据参数统计

分辨率(m) 最小值(m) 最大值(m) 标准差 平均值(m) 中误差(m)
5 13.5 1470.00 386.98 435.11 0
10 13.5 1470.00 386.96 434.96 2.45
20 13.7 1470.00 386.91 434.65 6.72
40 13.7 1469.83 386.84 434.24 8.38
80 14.3 1461.24 386.66 433.43 12.68
依据我国DEM精度标准,1:5万DEM(25 m分辨率)在山区的中误差(一级)为8 m。表1显示,小波分析生成的40 m分辨率的格网点高程中误差为8.38 m,接近5万DEM(25 m分辨率)精度标准。而小波生成的山区80 m分辨率的中误差12.68 m,远小于国家1:25万DEM(100 m分辨率)数据中误差(35 m)。由此可见,小波分析方法生成的多尺度DEM,均高于同样尺度下国家精度标准,可以满足本文的多尺度分析。

3 基于DEM提取河流裂点的方法

目前,河流裂点的提取方法主要有纵剖面高程陡降法、点坡度法和S-A双对数法3类。其中,S-A双对数曲线法由河流水力侵蚀模型的数学表达式经过一系列变换得到,该方法涉及河道纵坡面的下凹程度指数和陡峭指数[2,25-26],需要计算坡度、流域面积,制作双对数曲线图,并通过曲线拟合判断裂点位置。这个实现过程不仅复杂,而且由于进行了对数变换,缩小了潜在裂点的差异,尤其不适合小规模裂点的提取。因此,本文重点分析了纵剖面高程陡降法和点坡度法。
(1)纵剖面高程陡降法
河流纵剖面指从河源到河口,河床最低点与水面最高点之间的截面,表示河流沿水流方向的几何形态。裂点在河流纵剖面上(由河流下游至上游方向)表现为上凸异常部位,而相应地裂点上下河道坡度则表现为快速的由小变大[27-28]。纵剖面高程陡降法是指通过目视解译河流纵剖面图,判断裂点(纵剖面的高程值陡降点)所在位置的方法。图2是依据河流纵剖面上的上凸异常部位提取河流裂点示意图。这种方法直观、易于理解,但是其主观性过强,对于不明显的裂点存在误判的情况,仅适合提取规模较大的裂点,如瀑布或多级阶地等。
Fig. 2 R10 longitudinal profile

图2 R10河流纵剖面图

(2)点坡度法
Hayakawa,Oguchi等提出了点坡度计算公式,如式(1)所示。
S = ∆ H / ∆ L (1)
式中,S为河流纵剖面上任一点的坡度,在规则格网DEM上为2个相邻栅格单元表示的微分河段的坡度;∆H为河段的高程落差;∆L为该微分河段的长度。由于河道是蜿蜒展布在栅格上的,为了尽可能减少坡度计算时高程取值落在栅格边缘而造成的不确定性,∆L的取值要满足既大于 2 倍分辨率,又小于2倍分辨率,如∆L=8 m时,可以极大地减小点落在栅格边缘的概率。由图3的点坡度图可直观判断出A、D两处为裂点,对于点坡度值相对较小的B、C两处则难以直观确定。由此可见,点坡度法判断裂点仍存在不确定性,阈值的选取直接决定了提取裂点的质量。如果阈值选取较大,将导致忽略小规模裂点;若阈值选取较小的话,则可能出现多个非裂点误判的情况。
Fig. 3 The stream gradient of R10

图3 R10点坡度图

为了提高河流裂点提取的准确性,本文采取河道纵剖面与点坡降相结合的方法。首先,计算河道的点坡度值,选取大于一定阈值的点作为潜在裂点,然后,对比纵剖面图,如果该点为上凸异常点则为裂点,否则仅是点坡度值较大的点,而非裂点。图4是河流R10的纵剖面和点坡度图,使用阈值为0.6,得到39个潜在裂点,再对比纵剖面图判断是否为上凸点,最终确定为11个。
Fig. 4 The stream gradients with longitudinal profile of R10

图4 R10点坡降与河流纵剖面复合图

4 不同尺度DEM提取河流裂点结果及其效应分析

4.1 DEM提取河流裂点

为了验证1:1万DEM提取裂点的准确性,对庐山地区进行了实地考察,采集了三叠泉段、白鹤涧段、乌龙潭段、剪刀峡段4段河流的裂点空间位置信息。
经对比发现,许多野外观测到的高差较小的裂点无法在1:1万DEM上提取出来。这是由于受DEM数据分辨率、高程误差和河谷剖面坡度阈值的制约,某些小裂点在数据采样中被忽略,而某些疑似小裂点却是数据误差造成。我国1:1万DEM数据在山区的中误差约为3.3 m,因此,当一裂点的高差较小时,在与数据误差混合作用下,难以判断该点是否为裂点。实验显示当点坡度阈值为0.6时,提取出的裂点与实测裂点最为吻合。图5为实测裂点与5 m DEM提取裂点空间分布图,其中实测的大规模裂点是指高差不小于5 m的裂点,而小规模裂点则表示高差小于5 m的裂点。表2为提取裂点与实测裂点的个数对比,由图5和表2可看出,当点坡降阈值大于0.6时,裂点提取的准确率明显提高。通过大量数据统计得到5 m分辨率的DEM数据,能较准确地提取高差不小于5 m的裂点。
Fig. 5 The measured knickpoints and results distribution map

图5 实测与提取裂点空间分布图

Tab. 2 The measured and the extracted knickpoints

表2 DEM提取裂点与实测裂点对比

河流名称 实测裂点个数 5 m DEM提取裂点个数 整体准确率 点坡降阈值>0.6的准确率
点坡降
阈值<0.6		 点坡降阈值>0.6
三叠泉段 11 2 2 0.14 1
白鹤涧段 1 1 2 1 0.50
乌龙潭段 4 7 6 0.50 0.85
剪刀峡段 0 4 4 1 1

4.2 不同DEM提取河流裂点尺度效应分析

(1)裂点的尺度变化规律
利用DEM提取河流裂点的准确性,在很大程度上受限于DEM分辨率。本文以5 m分辨率DEM提取的河流裂点为真值,采用上述纵剖面结合点坡度图法分别提取10、20、40和80 m DEM分辨率下的裂点,并统计各分辨率提取的河道裂点个数,结果如表3所示,可总结为3个特征：(1)随着DEM栅格分辨率降低,大多数河道的裂点个数呈现减少趋势。随着栅格采样单元增大,地形表面不断被平滑[12],裂点的高差减小(图6),点坡度值也逐渐减小,当采样间隔达到一定程度,某些高差较小的裂点将被完全平滑,因此,提取的河流裂点个数也逐渐减少。可见,DEM尺度对河道裂点的提取结果影响明显。(2)对于不同河道,裂点的尺度变化具有一定的差异性(表3),表现为有些河流裂点的尺度变化较大,而有些河流裂点的尺度变化较小甚至不变。如河道R8所提取的裂点个数在不同分辨率DEM下保持不变;野外踏勘证实此两处裂点为三叠泉大瀑布和一个小型瀑布,高差均较大,即使DEM分辨率降低为80 m,采样结果也无法平滑掉此处的地形变化,仍能提出这两处裂点。(3)大多数河道呈现出随分辨率降低,裂点个数先急剧减少,后逐渐保持稳定的现象(表3)。除R8外,其余河流裂点的变化率普遍存在由大到小的情况。其中栅格分辨率在40 m以内,河道裂点的个数降低速率较快;超过40 m以后,降低速率趋于平稳。
Fig. 6 Changes of the terrain longitudinal profile in different sampling scales

图6 不同采样尺度的地形纵剖面变化

Tab. 3 The number of extracted knickpoints in different scales of DEM

表3 不同尺度DEM提取河道裂点个数

分辨率(m) R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13 R14 R15 R16
5 12 9 4 15 14 6 7 2 14 11 16 17 12 14 8 14
10 10 7 2 6 11 5 2 2 12 8 9 10 8 11 8 11
20 6 5 1 5 9 5 2 2 8 6 6 4 5 4 6 8
40 4 3 1 3 6 3 1 2 7 3 2 3 3 3 5 4
80 3 3 1 3 3 3 1 2 4 2 2 2 3 2 4 3
实验结果显示：在粗分辨率DEM条件下,规模较小的裂点被平滑,而规模较大、特征明显的裂点得以保留。
(2)裂点的尺度变化模型
为了定量分析裂点的尺度变化规律,绘制了各个河道(R8除外)裂点个数的尺度变化趋势图(图7)。从图7可看出,裂点个数随着DEM分辨率的降低而逐渐减小的规律,且表现为先急剧减少后趋于平稳的态势。其中,有个别河流裂点在DEM 40 m分辨率之内存在先降低后平稳再降低的趋势,这是由于在DEM数据采样过程中,该DEM尺度未对某些较大规模的裂点产生影响而得以保存的结果。从宏观上看,各河流裂点的尺度变化表现为类似幂函数的递减趋势,图8为河道R1的裂点随DEM尺度变化的拟合函数,相关性很强。
Fig. 7 Trend of extracted knickpoints with different grid resolutions

图7 不同栅格分辨率河流裂点变化趋势

Fig. 8 The number of knickpoints and its fitting curve about R1 in multi-scale DEM

图8 R1裂点个数的尺度变化及其拟合曲线

由表4中的各个河道裂点尺度变化的拟合函数可看出,其均符合幂函数递减趋势,且相关性较高。因此,可总结出裂点个数的尺度变化具有以下统一模型：
β = α r b (2)
Tab. 4 The fitting model of 15 rivers

表4 15条河道的拟合模型

河道编号 拟合模型 R2 河道编号 拟合模型 R2
R1 y = 2.5149x-0.592 0.98 R10 y = 3.0397x-0.633 0.98
R2 y = 1.6777x-0.356 0.80 R11 y = 3.6858x-0.817 0.94
R3 y = 1.6946x-0.5 0.78 R12 y = 3.3193x-0.791 0.97
R4 y = 1.9041x-0.564 0.88 R13 y = 2.2513x-0.542 0.95
R5 y = 2.6627x-0.532 0.93 R14 y = 3.5117x-0.787 0.96
R6 y = 1.5996x-0.274 0.87 R15 y = 1.6688x-0.268 0.95
R7 y = 2.018x-0.661 0.83 R16 y = 2.8575x-0.59 0.97
R9 y = 2.2521x-0.459 0.96
式(2)中, β 为河道裂点个数; r 为DEM分辨率;b、α为拟合系数。为了进一步简化模型,对系数α和b之间的关系进行了拟合(图9)。系数α随系数b的升高而降低,它们之间的相关性较高,R2为0.84,因此,系数 b 可由系数α代替。
Fig. 9 The relationship of model coefficients

图9 模型系数关系图

由此可见,DEM分辨率对裂点提取存在很大的影响,当使用的DEM数据分辨率较粗时,为了获得较为准确的结果,可使用该模型进行高分辨率DEM提取裂点个数的推测。
在建立裂点个数随DEM分辨率变化模型时,仍存在系数α值如何确定的问题。初步研究发现系数 α 受河流裂点个数控制,当河流裂点个数较大时,α值也较大,相关系数为0.76。河流纵剖面形态能够直接反映河流裂点。河流纵剖面形态的特征一般用纵比降(J)和下凹度(c)2个指标来表示。河流纵比降是一个河段内河流平均高程的落差与水平距离之比值,而下凹度是指河流纵剖面向下凹的程度[28]。通常c值的确定即把河流纵剖面图绘出之后,通过上下两端点作矩形,而纵剖面线将矩形分成上下两半,用上下两个面积之比,代表该河段纵剖面形态的下凹度指标[29]。为了进一步分析系数α的地学涵义,本文统计了各河流的下凹度(c)和比降( J)(表5)。通过相关分析,数α与河流下凹度存在一定的相关性,相关系数为-0.49,而与河流的比降关系不大,其相关系数为-0.16。
Tab. 5 Parameter statistics of each river

表5 各河流的参数统计表

河道编号 R1 R2 R3 R4 R5 R6 R7 R9 R10 R11 R12 R13 R14 R15 R16
裂点个数 12 9 4 15 14 6 7 14 11 16 17 12 14 8 14
α 2.51 1.68 1.69 1.90 2.66 1.60 1.91 2.25 3.04 3.69 3.32 2.25 3.51 1.67 2.86
J 0.64 0.85 0.83 0.78 0.52 0.70 0.71 0.85 1.13 0.49 0.63 0.79 0.35 0.81 0.63
c 0.32 0.13 0.22 0.12 0.22 0.15 0.16 0.31 0.23 0.15 0.20 0.32 0.10 0.32 0.22
当河流裂点个数较多时,受栅格分辨率影响的裂点也相应增多,而且系数α值越大,模拟曲线的下凹程度就越大,说明随着分辨率的降低,裂点个数减少得较快,这些减少的裂点一般都为高差较小的裂点。故存在河道裂点个数越多,系数α值变大的可能性越大。河流裂点个数较多时,河流纵剖面的下凹程度也相应增大,所以,系数α与河流下凹度c存在一定的相关关系;而河流纵比降J是河流的总体坡度,受河流长度的影响,因此,系数 α 与河流纵比降J之间不存在强相关。
(3)模型验证
为了验证上述裂点预测模型的有效性,试通过对比多尺度DEM数据提取裂点与模型的预测结果进行验证。由于Gonga-Saholiariliva等和张会平等各自用ASTER GDEM和SRTM DEM数据研究过河流裂点[14-15],且该数据容易获取,因此,本文采用此数据进行验证,其分辨率分别为30 m和90 m。表6为ASTER GDEM和SRTM DEM数据提取结果与裂点模型预测值的对比,总体上预测值和实际提取结果相似。其中,30 m分辨率尺度有5条河流裂点与ASTER GDEM提取结果完全一致,90 m分辨率尺度有11条河流裂点与SRTM DEM提取结果完全一致;预测值与实际值不相同的只有2条河流裂点个数相差2个,其余河流裂点个数均相差1个,可见,该模型具有相对较高的预测精度。
Tab. 6 The predictions of the power function model compared with the extracted results of the corresponding grid resolution

表6 幂函数模型预测与相应栅格分辨率提取结果对比

河道编号 R1 R2 R3 R4 R5 R6 R7 R9 R10 R11 R12 R13 R14 R15 R16
30 m预测值 5 4 1 4 6 4 1 7 4 4 4 4 4 5 5
ASTER 6 4 2 4 6 4 2 8 5 6 6 5 5 6 5
90 m预测值 3 3 1 3 3 3 1 4 2 1 2 2 2 4 3
SRTM 4 3 1 3 3 3 1 4 2 2 2 3 3 4 3
此外,90 m尺度预测结果普遍优于30 m尺度,这是由于90 m尺度能识别的裂点多为高差非常大的裂点,其受DEM分辨率影响较小;而相应的小规模裂点受DEM分辨率的影响较大,因而30 m尺度预测结果普遍存在误差偏大的情况。表6显示,2种尺度的预测结果普遍比实际数据提取结果偏小,这是由于小波生成多尺度DEM数据与ASTER GDEM与SRTM DEM数据对地形表面表达的精细程度存在一定的差异,由于生产方式的不同,ASTER GDEM与SRTM DEM数据较为真实地保留地表信息,因此,提取裂点的结果普遍比预测值要略多一点。这也说明相同尺度下,这2种数据对裂点的表达比用小波分析表达的更为精确。

5 结论

本文通过多尺度DEM提取河流裂点的特征分析,旨在评价DEM提取河流裂点的适宜性问题,主要结论如下：
(1)河道纵剖面与点坡度相结合的方法是一种既准确又快捷的方法。
(2)结合野外实地调查和实验分析,1:1万DEM数据提取河流裂点,受DEM数据分辨率和高程误差制约,对于庐山地区,只有当高差不小于5 m时,裂点的提取结果才是可信的。
(3)通过多尺度DEM提取裂点分析,发现DEM尺度对裂点提取影响显著。在庐山地区,除河道R8外,普遍存在裂点个数随DEM分辨率的降低而减少的规律,且符合幂函数递减模型。以ASTER GDEM和SRTM DEM数据提取裂点与模型预测结果进行对比,验证了该模型的有效性。运用该模型可预测庐山地区其他分辨率DEM能识别的裂点个数。
关于栅格分辨率与提取裂点个数的模型中系数 α 和 b 所表示的地学含义,本研究未能给出明确的定义。但是,通过分析模型可知,河流点个数与系数 α 呈正相关,与系数 b 呈负相关。进一步研究发现 α 与裂点个数和河流下凹度存在一定的相关性,当河流存在较多小规模裂点时,DEM分辨率对裂点的提取影响显著,裂点的个数会随分辨率的降低急剧减少。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
杨景春,郭正堂,曹家栋.用地貌学方法研究贺兰山山前断层全新世活动状况[J].地震地质,1985,7(4):23-31.

[2]
张会平,张培震,樊祺诚.河流裂点的发育及其溯源迁移:以鸭绿江-望天鹅火山区为例[J].中国科学(地球科学),2011,41(11):1627-1635.

[3]
崔黎明,王萍,潘祖寿,等.贺兰山东麓冲沟裂点溯源迁移速率及其形成年龄的讨论[J]. 地震地质,1990,12(1)87-95.

[4]
张会平,张培震,吴庆龙,等.循化-贵德地区黄河水系河流纵剖面形态特征及其构造意义[J].第四纪研究,2008,28(2):299-309.

[5]
孙昌斌,谢新生,江娃利.河流冲沟裂点展布对全新世断层活动事件的响应——以山西交城断裂为例[J].地震地质,2012,34(2):254-268.

[6]
Castillo M, Bishop P, Jansen J D.Knickpoint retreat and transient bedrock channel morphology triggered by base-level fall in small bedrock river catchments: The case of the Isle of Jura, Scotland[J]. Geomorphology, 2013,180: 1-9.

[7]
Bishop P, Hoey T B, Jansen J D, et al.Knickpoint recession rate and catchment area: The case of uplifted rivers in Eastern Scotland[J]. Earth Surface Processes and Landforms, 2005,30(6):767-778.

[8]
毕丽思,何宏林,徐岳仁,等.基于高分辨率DEM的裂点序列提取和古地震序列的识别——以霍山山前断裂为实验区[J].地震地质. 2011,33(4):963-977.

[9]
杨昕,汤国安,刘学军,等.数字地形分析的理论、方法与应用[J].地理学报,2009,64(9):1058-1070.

[10]
Gardner T W.Experimental study of knickpoint and longitudinal profile evolution in cohesive, homogeneous material[J]. Geological Society of America Bulletin, 1983,94(5):664-672.

[11]
Hayakawa Y S, Oguchi T.DEM-based identification of fluvial knickzones and its application to Japanese mountain rivers[J]. Geomorphology, 2006,78(1):90-106.

[12]
谢轶群,朱红春,汤国安,等.基于DEM的沟谷特征点提取与分析[J].地球信息科学学报,2013,15(1):61-67.

[13]
Foster M A, Kelsey H M.Knickpoint and knickzone formation and propagation, South Fork Eel River, northern California[J]. Geosphere, 2012,8(2):403-416.

[14]
Gonga-Saholiariliva N, Gunnell Y, Harbor D, et al.An automated method for producing synoptic regional maps of river gradient variation: Procedure, accuracy tests, and comparison with other knickpoint mapping methods[J]. Geomorphology, 2011,134(3):394-407.

[15]
Zhang H P, Zhang P Z, Fan Q C.Initiation and recession of the fluvial knickpoints: A case study from the Yalu River-Wangtian'e volcanic region, northeastern China[J]. Science China Earth Sciences, 2011,54(11):1627-1635.

[16]
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.

[17]
于浩,杨勤科,张晓萍,等.基于小波多尺度分析的DEM数据综合研究[J].测绘科学,2008,33(3):93-95.

[18]
杨昕,汤国安,肖晨超.太阳辐射模拟的DEM尺度影响因素分析[J].地球信息科学,2007,9(2):14-19.

[19]
陈永刚,汤国安,祝士杰. DEM重采样误差空间分布格局及差异性分析[J].中国矿业大学学报,2011,40(4):653-659.

[20]
王宇,白天路. 重采样方法对DEM地形表达的影响分析[J]. 工程勘测,2013(3):67-70.

[21]
费立凡,何津,马晨燕,等. 3维Douglas-Peucker算法及其在DEM自动综合中的应用研究[J].测绘学报,2006,35(3):278-284.

[22]
何津,费立凡.再论三维Douglas-Peucker算法及其在DEM综合中的应用[J].武汉大学学报(自然科学版),2008,33(2):160-163.

[23]
杨族桥,郭庆胜,牛冀平,等.DEM多尺度表达与地形结构线提取研究[J].测绘学报,2005,34(2):134-137.

[24]
万刚,朱长青.多进制小波及其在DEM数据有损压缩中的应用[J].测绘学报,1999,28(1):36-40.

[25]
Whipple K X. Bedrock rivers and the geomorphology of active orogens[J]. Annu. Rev. Earth Planet. Sci., 2004(32):151-185.

[26]
Whipple K X, Tucker G E.Dynamics of the stream power river incision model: Implications for height limits of mountain ranges, landscape response time scales and research needs[J]. Journal of Geophysical Research: Solid Earth, 1999,104(B8):17661-17674.

[27]
Whipple K X.Fluvial landscape response time: How plausible is steady-state denudation[J]. American Journal of Science, 2001,301(4-5):313-325.

[28]
夏军强,吴保生,王艳平.近期黄河下游河床调整过程及特点[J].水科学进展,2008,19(3):301-308.

[29]
陆中臣,李忠艳,陈浩,等. 黄河下游河流下凹形纵剖面成因分析[J].泥沙研究,2003(5):15-20.

Options
文章导航

/

〈 〉