XiaoMi-AI文件搜索系统
World File Search Systemelevation
使用高分辨率数字高程模型上的监督学习检测沟渠
排干的湿地是温室气体排放的主要来源，但这些湿地的排水网络大部分都未绘制地图，需要更好的地图来帮助森林生产并更好地了解气候后果。我们开发了一种在基于 LiDAR 扫描的高分辨率数字高程模型中检测沟渠的方法。使用数字地形指数的阈值方法可用于检测沟渠。但是，单一阈值通常无法捕捉景观的变化，并且会产生许多假阳性和假阴性。我们假设，通过使用监督学习结合数字地形指数，我们可以在景观尺度上改善沟渠检测。除了数字地形指数外，还可以通过转换数据以包含相邻单元来生成其他特征，以便更好地预测沟渠。随机森林分类器用于定位沟渠，并处理其概率输出以消除噪声，并进行二值化以产生最终的沟渠预测。评估图之间的 Cohen's Kappa 指数的置信区间为 [0.655 , 0.781]，置信度为 95%。研究表明，使用机器学习结合一系列数字地形指数的信息，可以提供一种有效的景观尺度自动沟渠检测技术，有助于实际的森林管理和应对气候变化。
使用高分辨率数字高程模型上的监督学习检测沟渠
排干的湿地可能成为温室气体排放的主要来源，但这些湿地的排水网络大部分都未绘制地图，需要更好的地图来帮助森林生产并更好地了解气候后果。我们开发了一种在基于 LiDAR 扫描的高分辨率数字高程模型中检测沟渠的方法。使用数字地形指数的阈值方法可用于检测沟渠。但是，单个阈值通常无法捕捉景观的变化，并且会产生许多误报和漏报。我们假设，通过使用监督学习结合数字地形指数，我们可以在景观尺度上改善沟渠检测。除了数字地形指数之外，还可以通过转换数据以包含相邻单元来生成其他特征，以便更好地预测沟渠。使用随机森林分类器来定位沟渠，并对其概率输出进行处理以消除噪音，然后进行二值化以产生最终的沟渠预测。评估图之间的 Cohen's Kappa 指数的置信区间范围为 [0.655 , 0.781]，置信度为 95%。研究表明，使用机器学习结合一系列数字地形指数的信息，可以提供一种有效的景观尺度自动沟渠检测技术，有助于实际的森林管理和应对气候变化。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用较粗的数据集来优化洪水模拟和测绘工作的预算。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用更粗略的数据集来优化洪水模拟和测绘工作的预算。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用较粗的数据集来优化洪水模拟和测绘工作的预算。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景与目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用光检测和测距以及干涉合成孔径雷达系统的不同分辨率数字高程数据集开发的洪水模型的精度统计数据。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量值和均方根误差统计数据测试了模型的有效性和精度。结果：结果表明，使用光检测和测距数据集，模型的精度为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，模型的精度分别为 76%、f 测量值和均方根误差。结论：使用光探测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型精度更高。然而，考虑到模型实施成本和较小的精度残差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用较粗的数据集来优化洪水模拟和测绘工作的预算。
基于 ICESat 的格陵兰岛数字高程模型 ...
摘要。格陵兰数字高程模型 (DEM) 对于实地考察、冰速计算和质量变化估计必不可少。以前的 DEM 为整个格陵兰岛提供了合理的估计，但应用源数据的时间跨度可能会导致质量变化估计偏差。为了提供具有特定时间戳的 DEM，我们应用了大约 5 。从 2018 年 11 月到 2019 年 11 月的 8 × 10 8 ICESat-2 观测来生成新的 DEM，包括格陵兰岛外围的冰盖和冰川。分别在 500 m、1 km、2 km 和 5 km 网格单元进行时空模型拟合过程，并以 500 m 的模态分辨率发布最终 DEM。总共有 98% 的网格由模型拟合获得，其余的 DEM 间隙通过普通克里金插值法估算。与机载地形测绘仪 (ATM) 激光雷达系统获取的 IceBridge 任务数据相比，ICESat-2 DEM 估计最大中值差异为 − 0 。48 米。通过模型拟合和插值获得的网格性能相似，均与 IceBridge 数据高度一致。在低纬度和高坡度或粗糙度地区，DEM 不确定性会增加。此外，与其他高度计得出的 DEM 相比，ICESat-2 DEM 显示出显着的精度改进，并且其精度与立体摄影测量和干涉测量得出的精度相当。格陵兰 DEM 及其不确定性可在 https://doi.org/10.11888/Geogra.tpdc.271336 (Fan 等人，2021 年) 上找到。总体而言，ICESat-2 DEM 在各种地形条件下都表现出了出色的精度稳定性，可以提供具有特定时间戳的高精度 DEM，这将有助于研究格陵兰岛海拔和质量平衡变化。
使用不同分辨率的数字高程模型进行洪水灾害模拟和绘图
背景和目标：精细地形信息是详细洪水模拟和制图的关键输入参数。本研究旨在比较使用不同分辨率的数字高程数据集开发的洪水模型的精度统计数据，这些模型来自光检测和测距以及干涉合成孔径雷达系统。方法：本研究应用地理信息系统中可用的水文工程中心-水文建模系统和水文工程中心-河流分析系统模型来模拟和绘制 Maapag 流域的洪水灾害。使用混淆误差矩阵、f 测量和均方根误差统计测试了模型的有效性和准确性。发现：结果表明，使用光检测和测距数据集，该模型的准确率分别为 88%、0.61 和 0.41；而使用干涉合成孔径雷达数据集，该模型的误差矩阵、f 测量和均方根误差的准确度分别为 76%、0.34、0.53。结论：使用光检测和测距数据集开发的模型比使用干涉合成孔径雷达开发的模型具有更高的准确度。尽管如此，考虑到模型实施成本和较小的精度残差误差，后者可以作为前者的替代方案用于洪水模拟和测绘。因此，洪水建模者，特别是来自地方当局的洪水建模者更喜欢使用更粗的数据集来优化洪水模拟和测绘工作的预算。
平面图准备手册，第 2 章，第 2.5 节 布局、剖面图和超高图
当一条路线显示在多张图纸上时，应放置匹配线。匹配线断点应位于车站刻度线的中间（即 +50），并与对齐线垂直。匹配线不应放置在完整的车站处，因为匹配线会遮挡车站注释和车站刻度线。当图纸连续或没有多条匹配线时，无需标注“匹配线”。对相邻图纸的引用（例如“匹配线 (L-5)”）是可选的，但当一张图纸上显示多条匹配线时（例如显示交换区、高速公路到高速公路连接线等的图纸），这可能是可取的。对匹配线“匹配线 +35”处的加号车站的引用也是一个选项，并且仅应在匹配线不在“+50”时使用。
数字高程模型的空间形态分析...
简介。空间分析是任何 GIS 研究的顶峰。空间分析有四种传统类型：表面分析、空间叠加和邻接分析、线性分析和栅格分析。数字高程模型 (DEM) 的空间分析是一项复杂的科学任务。DEM 是相对于任何参考基准的陆地表面高程的数字表示。DEM 经常用于指代地形表面的任何数字表示。DEM 是地形数字表示的最简单形式。DEM 用于确定地形属性，例如任意点的高程、坡度、坡向。DEM 广泛用于水文和地质分析。DEM 的水文应用包括地下水建模、确定滑坡概率、洪水易发区制图。DEM 是土壤状态、景观和栖息地建模的基础。DEM 的空间结构形态分析可以看作是景观及其地质生态状态信息清单的一种方法。该技术能够综合有关侵蚀-积累过程强度不同的景观位置的信息。此类信息对于组织区域平衡的自然管理系统至关重要。调查方法。许多 GIS 软件应用程序既有商业来源也有开源来源。有两个流行的应用程序：ArcGIS 和 QGIS。本研究使用 ArcGIS 工具和 Topo to Raster 方法进行了研究，以创建特定的 DEM 模型。地形转栅格是一种专门的工具，用于从地形组件（例如高程点、等高线、河流线、湖泊多边形、汇点和研究区域边界多边形）的矢量数据创建符合水文要求的栅格表面。此工具应用于本地级研究。应用 TIN 建模为数据不足的区域生成附加数据，以进行正确的地形转栅格插值。ArcGIS Spatial Analyst Extension Toolkit 中的水文建模工具可以描述表面的物理组成部分。水文工具使我们能够确定流向、计算流量累积、描绘流域并创建河流网络。DEM 的空间分析用于形态景观组织的建模，与 Philosofov (1960) 提出的地形形态研究方法有关。其本质是由对由 DEM 创建的划定流域和流积表面应用数学运算决定的。调查结果。地形地貌测量在过去几十年中得到了广泛的发展，在方法论和研究主题领域取得了重要成果。针对最常见的地形参数 - 测高、坡度、坡向、带状剖面、线纹和排水密度、表面粗糙度、等基线和水力梯度，提出了一种将 GIS 和统计学整合到地形分析中的方法。地貌分析的有效方法是结构地形学和地形测量学，它们以前基于地形图分析，现在基于可靠的 DEM。DEM 是地形的网格化数字表示，每个像素值对应于基准面以上的高度。自 Miller 和 Laflamme (1958) 的开创性工作以来，DEM 已发展成为许多科学应用不可或缺的一部分。DEM 可以通过地面调查、数字化现有硬拷贝地形图或通过遥感技术创建。DEM 现在主要使用遥感技术创建。遥感技术包括摄影测量 (Uysal et al., 2015; Coveney and Roberts, 2017)、机载和星载干涉合成孔径雷达 (InSAR) 和光检测和测距 (LiDAR)。星载 InSAR 是创建全球 DEM 的最常用技术，也是最广泛使用的开放获取全球 DEM 背后的技术；航天飞机雷达地形测绘任务 (SRTM)。与其他全球 DEM 相比，SRTM 具有可访问性、特征分辨率、垂直精度以及更少的伪影和噪声，因此仍然是最受欢迎的全球 DEM（Rexer 和 Hirt，2014；Jarihani 等人，2015；Sampson 等人，2016；Hu 等人，2017）。评估 SRTM 数据的准确性（Farr，T. G.，P. A. Rosen 等人。(2007)，Rodriguez，E.，C. S. Morris 等人。(2005) 允许将其用于区域研究。SRTM 数据被定义为不足以在本地研究中生成可靠的 DEM。