XiaoMi-AI文件搜索系统
World File Search System高程
通过稳定地形的空间推断对数字高程模型进行不确定性分析
摘要 — 随着数字高程模型 (DEM) 的可用性和分辨率不断提高，对地球和行星表面高程的更大和更精细尺度的监测正在迅速发展。表面高程观测正被用于越来越多的领域，以研究地形属性及其随时间的变化，特别是在冰川学、水文学、火山学、地震学、林业和地貌学中。然而，DEM 通常包含大规模仪器噪声和不同的垂直精度，从而导致复杂的错误模式。在这里，我们提出了一个经过验证的统计工作流程来估计、建模和传播 DEM 中的不确定性。我们回顾了 DEM 准确度和精度分析的最新进展，并定义了一个概念框架来一致地解决这些问题。我们展示了如何通过量化高程测量的异方差来表征 DEM 精度，即随地形或传感器相关变量而变化的垂直精度，以及可能在多个空间尺度上发生的误差的空间相关性。随着高精度观测的日益普及，我们基于在稳定地形上获取的独立高程数据的工作流程几乎可以应用于地球上的任何地方。我们以地形坡度和冰川体积变化为例，说明了如何传播像素尺度和空间高程导数的不确定性。我们发现文献中大大低估了 DEM 中的不确定性，并主张新的 DEM 精度指标对于确保未来陆地高程评估的可靠性至关重要。
住宅现场计划和高程示例
区域批次区域6,250 S.F.50英尺宽的区域批次主要结构足迹= 1,392 S.F.独立的车库足迹= 216 S.F.*每DZC总建筑物足迹= 1,608 S.F. 50％降低。总建筑物覆盖范围= 26％1,608 / 6,250 = .259 = .259或26％最大允许的建筑物覆盖= 37.5％2停车位提供了前基平均平均水平= 93.2'（93.5+91.5） / 2 = 93.2 = 93.2 = 93.2'后基本平面平均平均水平= 91.9+91.9+91..9+91.0.0.5 = 91.5 = 91.45'<<<<<91.5'<<<<<<91.45''
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。
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。