CN108829742B - 一种坡面形态类型划分方法 - Google Patents
一种坡面形态类型划分方法 Download PDFInfo
- Publication number
- CN108829742B CN108829742B CN201810506109.0A CN201810506109A CN108829742B CN 108829742 B CN108829742 B CN 108829742B CN 201810506109 A CN201810506109 A CN 201810506109A CN 108829742 B CN108829742 B CN 108829742B
- Authority
- CN
- China
- Prior art keywords
- point
- slope
- calculating
- section line
- structured
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Generation (AREA)
- Footwear And Its Accessory, Manufacturing Method And Apparatuses (AREA)
Abstract
本发明公开了一种坡面形态类型划分方法,该方法包括:(1)读取山谷或山坡的剖面线数据,并进行结构化处理,得到每一剖面线的结构化点集;(2)根据所述结构化点集计算每一剖面线的总偏差;(3)根据所述结构化点集计算每一剖面线的弯曲度;(4)根据总偏差和弯曲度以及预设阈值,划分山谷或山坡的坡面形态类型。本发明方法简洁,支持类型多,且执行效率与自动化程度相对较高,能够满足大范围内坡面形态类型的划分需要。
Description
技术领域
本发明属于地理信息技术应用领域,具体涉及一种山谷/坡坡面形态类型的自动划分方法。
背景技术
山谷和山坡是地表分布最广泛的地貌基本形态,其坡面形态一般呈直线形、凸形、凹形和凸凹形等。坡面形态一定程度上反映了坡地的演化阶段和新构造的性质,其类型划分对工矿、交通、水利和地质灾害等研究有重要的理论意义和应用价值。
目前,坡面形态类型的划分研究主要涉及两类方法:一是,采用野外定位观测的方式;二是,基于DEM的地表曲率计算(刘金涛,冯德锃,陈喜,等,2011.山坡地形曲率分布特征及其水文效应分析—真实流域的野外实验及相关分析研究.水科学进展,22(4): 1-6)。前者费时费力;后者仅对凸形和凹形加以区分,且计算原理较为复杂。
发明内容
发明目的:本发明针对现有技术存在的问题,提供一种坡面形态类型划分方法,本发明为山谷/坡的稳定性、形成成因和发育过程等奠定了研究基础。
技术方案:本发明所述的坡面形态类型划分方法包括:
(1)读取山谷或山坡的剖面线数据,并进行结构化处理,得到每一剖面线的结构化点集;
(2)根据所述结构化点集计算每一剖面线的总偏差;
(3)根据所述结构化点集计算每一剖面线的弯曲度;
(4)根据总偏差和弯曲度以及预设阈值,划分山谷或山坡的坡面形态类型。
进一步的,步骤(1)具体包括:
(1-1)加载山谷或山坡的剖面位置图层和DEM图层,得到剖面的线要素集合 SL={sli|i=1,2,…,m},其中,sli表示第i个剖面线线要素,m为剖面的线要素个数;
(1-2)针对每一剖面线线要素sli,读取构成该线要素的点集Pi={pij|j=1,2,…,n},其中,pij表示sli的第j个点元素,n为sli的点要素个数;
(1-3)依次获取点要素pij,并根据DEM图层分别计算pij对应的高程Elevation、以及pij与pi1的距离Distance,再分别以Distance、Elevation为横、纵坐标存储于结构化点集Ti={tij{xij=Distance,yij=Elevation}|j=1,2,…,n}中,i=1,2,…,m。
进一步的,步骤(2)具体包括:
(2-1)将结构化点集Ti中的首点ti1和尾点tin连线为一条直线l,并计算结构化点集Ti中每个点tij到直线l的垂距vij;
(2-2)根据式(1)计算首点ti1、尾点tin、点tij三点构成的面积量Sij(ti1,tin,tij):
Sij(ti1,tin,tij)=(xi1–xij)*(yin–yij)-(yi1-yij)*(xin-xij) 式(1)
式中,(xi1,yi1)为首点ti1坐标,(xin,yin)为尾点tin坐标,(xij,yij)为点tij坐标;
(2-3)按照式(2)修改垂距vij的值,得到垂距集合Vi={vij|j=1,2,…,q},其中,q为垂距的个数,且q=n-2;
(2-4)计算垂距集合Vi中所有的垂距累加值,作为剖面线线要素sli的总偏差Di, i=1,2,…,m。
进一步的,步骤(3)具体包括:
(3-1)计算结构化点集Ti中的首点ti1和尾点tin间的距离li;
(3-2)计算结构化点集Ti中任意相邻两点间的距离的累加值,作为剖面线线要素sli的长度Li;
(3-3)按照公式(3)计算剖面线线要素sli的弯曲度Ci:
Ci=Li/li,i=1,2,…,m 式(3)。
进一步的,步骤(4)具体包括:
(4-1)根据已计算的总偏差Di和弯曲度Ci,以及预设的总偏差阈值DT和弯曲度阈值CT,按照公式(4)判别对应剖面线线要素sli所在坡面的坡面形态VWForm;
(4-2)将所有剖面线线要素所在坡面的坡面形态类型信息,写入相应山谷或山坡的坡面单元的图层属性中。
有益效果:本发明与现有技术相比,其显著优点是:本发明方法算法简洁,支持坡面类型多,且执行效率与自动化程度相对较高,能够满足大范围内坡面形态类型的划分需要。
附图说明
图1为本发明的流程图;
图2为实施例实验数据((a)剖面线数据,(b)DEM数据);
图3为总偏差计算方法的示意图;
图4为实施例中坡面形态类型的自动划分结果;
图5为实施例中坡面形态类型的人工划分结果。
具体实施方式
本实施例提供了一种坡面形态类型划分方法,下面以庐山基岩山区的主要谷地为实验对象,对本发明实施例方法进行介绍,本发明方法如图1所示,包括:
(1)读取山谷或山坡的剖面线数据,并进行结构化处理,得到每一剖面线的结构化点集。
步骤(1)具体包括:
(1-1)加载山谷或山坡的剖面位置图层和DEM图层,得到剖面的线要素集合 SL={sli|i=1,2,…,m}。例如,剖面位置图层为图2中的 (a),DEM图层为图2中的 (b),可以得到 SL={sli|i=1,2,…,30}。
(1-2)针对每一剖面线线要素sli,读取构成该线要素的点集Pi={pij|j=1,2,…,n},其中,pij表示sli的第j个点元素,n为sli的点要素个数。例如,以线要素sl1为例,可以读取到构成该线要素的点集P1={pij|j=1,2,…,18};
(1-3)依次获取点要素pij,并根据DEM图层分别计算pij对应的高程Elevation、以及pij与pi1的距离Distance,再分别以Distance、Elevation为横、纵坐标存储于结构化点集Ti={tij{xij=Distance,yij=Elevation}|j=1,2,…,n}中,i=1,2,…,m。例如,根据点集 P1最后得到点集T1={(0.0,1133.8),(53.393,1140.9),…,(907.685,764.5)},共18个。
(2)根据所述结构化点集计算每一剖面线的总偏差。
步骤(2)具体包括:
(2-1)将结构化点集Ti中的首点ti1和尾点tin连线为一条直线l,并计算结构化点集Ti中每个点tij到直线l的垂距vij。以点集T1为例,将首点t11和尾点t118连线为一条直线l,如图3所示,并计算结构化点集T1中每个点t1j到直线l的垂距vij,该例子中点 t12到直线l的垂距v12=26.698。
(2-2)根据式(1)计算首点ti1、尾点tin、点tij三点构成的面积量Sij(ti1,tin,tij):
Sij(ti1,tin,tij)=(xi1–xij)*(yin–yij)-(yi1-yij)*(xin-xij) 式(1)
式中,(xi1,yi1)为首点ti1坐标,(xin,yin)为尾点tin坐标,(xij,yij)为点tij坐标;
例如,接上例,t11、t118与点t12这三点的面积量S12(t11,t118,t12)=26162.665>0。
(2-3)按照式(2)修改垂距vij的值,得到垂距集合Vi={vij|j=1,2,…,q},其中,q为垂距的个数,且q=n-2;
例如,接上例,按照公式(2)可知,v12的值不变;待t117处理完毕,得到垂距集合V2={26.698,25.145,…,-17.436}。
(2-4)计算垂距集合Vi中所有的垂距累加值,作为剖面线线要素sli的总偏差Di, i=1,2,…,m。
例如,接上例,可计算得到点集T1的总偏差D1=366.895。其他剖面线线要素同样按照此步骤计算,得到D1,…,D18。
(3)根据所述结构化点集计算每一剖面线的弯曲度。
步骤(3)具体包括:
(3-1)计算结构化点集Ti中的首点ti1和尾点tin间的距离li。
例如,接上例,可以计算得到首点t11和尾点t118间的距离l1=979.936。
(3-2)计算结构化点集Ti中任意相邻两点间的距离的累加值,作为剖面线线要素sli的长度Li。
例如,接上例,可以计算得到sl1的长度L1=1042.702。
(3-3)按照公式(3)计算剖面线线要素sli的弯曲度Ci:
Ci=Li/li,i=1,2,…,m 式(3)。
例如,接上例,可以计算得到C1=L1/l1=1.064。其他剖面线线要素同样按照此步骤计算,得到C1,…,C18。
(4)根据总偏差和弯曲度以及预设阈值,划分山谷或山坡的坡面形态类型。
步骤(4)具体包括:
(4-1)根据已计算的总偏差Di和弯曲度Ci,以及预设的总偏差阈值DT和弯曲度阈值CT,按照公式(4)判别对应剖面线线要素sli所在坡面的坡面形态VWForm;
例如,接上例,分别设置总偏差阈值DT、弯曲度阈值CT的值为30、1.05,按照公式(4)判别sl1的坡面形态VWForm=“凸形”。再按照此步骤计算,得到所有剖面线线要素所在坡面的坡面形态类型。
(4-2)将所有剖面线线要素所在坡面的坡面形态类型信息,写入相应山谷或山坡的坡面单元的图层属性中。
其中,上例中计算得到的总偏差、弯曲度和坡面形态类型汇总至下表1:
表1
下面以目视解译的坡面形态类型与本实施例判别的类型作对比,结果如下表所示:
表2
通过两种方法划分结果的对比可知,30个待判别坡面中,虚判的坡面有3个,漏判的坡面有3个,总体判别正确率为90.0%。
以上所揭露的仅为本发明一种较佳实施例而已,不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (3)
1.一种坡面形态类型划分方法,其特征在于该方法包括:
(1)读取山谷或山坡的剖面线数据,并进行结构化处理,得到每一剖面线的结构化点集;具体包括:
(1-1)加载山谷或山坡的剖面位置图层和DEM图层,得到剖面的线要素集合SL={sli|i=1,2,…,m},其中,sli表示第i个剖面的线要素,m为剖面的线要素个数;
(1-2)针对每一剖面线线要素sli,读取构成该线要素的点集Pi={pij|j=1,2,…,n},其中,pij表示sli的第j个点元素,n为sli的点要素个数;
(1-3)依次获取点要素pij,并根据DEM图层分别计算pij对应的高程Elevation、以及pij与pi1的距离Distance,再分别以Distance、Elevation为横、纵坐标存储于结构化点集Ti={tij{xij=Distance,yij=Elevation}|j=1,2,…,n}中,i=1,2,…,m,tij表示第j个结构化点;
(2)根据所述结构化点集计算每一剖面线的总偏差;
(3)根据所述结构化点集计算每一剖面线的弯曲度;
(4)根据总偏差和弯曲度以及预设阈值,划分山谷或山坡的坡面形态类型;具体包括:
(4-1)根据已计算的总偏差Di和弯曲度Ci,以及预设的总偏差阈值DT和弯曲度阈值CT,按照公式(4)判别对应剖面线线要素sli所在坡面的坡面形态VWForm;
(4-2)将所有剖面线线要素所在坡面的坡面形态类型信息,写入相应山谷或山坡的坡面单元的图层属性中。
2.根据权利要求1所述的坡面形态类型划分方法,其特征在于:步骤(2)具体包括:
(2-1)将结构化点集Ti中的首点ti1和尾点tin连线为一条直线l,并计算结构化点集Ti中每个点tij到直线l的垂距vij;
(2-2)根据式(1)计算首点ti1、尾点tin、点tij三点构成的面积量Sij(ti1,tin,tij):
Sij(ti1,tin,tij)=(xi1–xij)*(yin–yij)-(yi1-yij)*(xin-xij) 式(1)
式中,(xi1,yi1)为首点ti1坐标,(xin,yin)为尾点tin坐标,(xij,yij)为点tij坐标;
(2-3)按照式(2)修改垂距vij的值,得到垂距集合Vi={vij|j=1,2,…,q},其中,q为垂距的个数,且q=n-2;
(2-4)计算垂距集合Vi中所有的垂距累加值,作为剖面线线要素sli的总偏差Di,i=1,2,…,m。
3.根据权利要求1所述的坡面形态类型划分方法,其特征在于:步骤(3)具体包括:
(3-1)计算结构化点集Ti中的首点ti1和尾点tin间的距离li;
(3-2)计算结构化点集Ti中任意相邻两点间的距离的累加值,作为剖面线线要素sli的长度Li;
(3-3)按照公式(3)计算剖面线线要素sli的弯曲度Ci:
Ci=Li/li,i=1,2,…,m 式(3)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810506109.0A CN108829742B (zh) | 2018-05-24 | 2018-05-24 | 一种坡面形态类型划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810506109.0A CN108829742B (zh) | 2018-05-24 | 2018-05-24 | 一种坡面形态类型划分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108829742A CN108829742A (zh) | 2018-11-16 |
CN108829742B true CN108829742B (zh) | 2021-12-17 |
Family
ID=64149081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810506109.0A Expired - Fee Related CN108829742B (zh) | 2018-05-24 | 2018-05-24 | 一种坡面形态类型划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108829742B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740464A (zh) * | 2016-03-03 | 2016-07-06 | 中国国土资源航空物探遥感中心 | 一种基于dem的河谷形态参数自动提取方法 |
CN105956066A (zh) * | 2016-04-28 | 2016-09-21 | 南京师范大学 | 一种褶皱地貌类型的自动化识别方法 |
CN107146283A (zh) * | 2017-05-10 | 2017-09-08 | 南京师范大学 | 一种层状岩质边坡类型的自动划分方法 |
CN107180450A (zh) * | 2017-06-06 | 2017-09-19 | 广西师范学院 | 一种基于dem的河谷横断面形态的算法 |
-
2018
- 2018-05-24 CN CN201810506109.0A patent/CN108829742B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740464A (zh) * | 2016-03-03 | 2016-07-06 | 中国国土资源航空物探遥感中心 | 一种基于dem的河谷形态参数自动提取方法 |
CN105956066A (zh) * | 2016-04-28 | 2016-09-21 | 南京师范大学 | 一种褶皱地貌类型的自动化识别方法 |
CN107146283A (zh) * | 2017-05-10 | 2017-09-08 | 南京师范大学 | 一种层状岩质边坡类型的自动划分方法 |
CN107180450A (zh) * | 2017-06-06 | 2017-09-19 | 广西师范学院 | 一种基于dem的河谷横断面形态的算法 |
Non-Patent Citations (2)
Title |
---|
基于DEM和坡面特征的坡位生成方法;刘鹏举 等;《北京林业大学学报》;20160229;第68-73页 * |
基于DEM的黄土高原坡面景观研究;赵明伟;《中国优秀硕士学位论文全文数据库》;20130315;第1-83页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108829742A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Adham et al. | A methodology to assess and evaluate rainwater harvesting techniques in (semi-) arid regions | |
CN109035364B (zh) | 一种基于cad地形图快速绘制剖面图的方法 | |
CN105118090A (zh) | 一种自适应复杂地形结构的点云滤波方法 | |
CN108416468B (zh) | 一种洪水超前预警预报方法 | |
CN103236086A (zh) | 一种顾及地表水文上下文的多尺度dem建模方法 | |
CN112862069B (zh) | 基于svr-lstm混合深度学习的滑坡位移预测方法 | |
CN112765562B (zh) | 一种基于动态网格划分的时序数据趋势特征提取方法 | |
CN102169581A (zh) | 一种基于特征向量的快速高精度鲁棒性匹配方法 | |
CN101877063A (zh) | 一种基于亚像素级特征点检测的图像匹配方法 | |
CN115077540A (zh) | 一种地图构建方法及装置 | |
Jana et al. | An enhanced technique in construction of the discrete drainage network from low-resolution spatial database | |
CN108829742B (zh) | 一种坡面形态类型划分方法 | |
CN113779113B (zh) | 基于雨洪时空过程相似性挖掘的洪水动态预估方法及*** | |
CN113409332A (zh) | 一种基于三维点云的建筑物平面分割方法 | |
CN107784690A (zh) | 一种基于三维点云的竣工平面图自动绘制方法 | |
CN109740421A (zh) | 一种基于形状的零件分类方法 | |
CN116128119A (zh) | 一种赤泥透水砖制备工艺优化方法及*** | |
CN112687008B (zh) | 基于地质构造散点数据自动求取含烃面积的方法 | |
CN112269951B (zh) | 面向矢量线数据的直线形状空间检索方法 | |
CN115309805A (zh) | 一种基于极值点划分和l-k模式距离的降雨过程相似性搜索方法及*** | |
KR100764870B1 (ko) | 수치지도의 등고선 자동입력장치와 그 입력방법 | |
CN111125805B (zh) | 一种基于数字高程模型和河流流向的无资料地区河道断面信息识别方法 | |
CN111275790B (zh) | 一种河流χ图的自动生成方法 | |
CN104063614A (zh) | 一种基于odp的海底沙波特征自动识别方法 | |
CN110659823B (zh) | 相似流域分析方法、模型、***和计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211217 |