-
地表高程数据是研究地貌形态、地表过程和全球环境变化的基础。目前通过遥感平台采集地表高程数据逐渐成为主流[1]。航天飞机雷达地形测绘任务(Shuttle Radar Topography Mision，SRTM) C波段地表高程数据覆盖全球大部分地区，分辨率有1″和3″两种。虽然SRTM 1″于2014年9月发布，但3″数据发布时间更早(2003年)，已广泛用于全球范围地球科学相关研究[2]。然而，一方面受遥感设备特性、地表和雷达信号相互作用，以及数据生产等因素影响，SRTM 3″数据在地形表达上存在很多问题。另一方面，在缺少大尺度高精度DEM的情况下，很多研究将SRTM作为数字高程模型(digital elevation model, DEM)使用[2]，由于包含各类地物信息，SRTM应该称作数字表面模型(digital surface model, DSM)[1]。因此，评估SRTM高程与真实地表高程的差异非常重要。
虽然中国地区SRTM数据得到广泛使用，同时也有局部质量研究[3-4]，但不同区域地形起伏差异明显，水文、植被、沙漠覆盖变化多样，目前还缺少整个中国地区SRTM数据质量的系统评价。本文旨在分析中国地区不同地表特征环境下SRTM数据的误差变化，为使用者提供SRTM 3″数据不确定性与适用性背景。
-
本文使用的中国地区SRTM 3″数据从CGIAR-CSI获取，为最新的第4版[5]，采用WGS84地理坐标以及“EGM96”高程基准。参考DEM数据是基于国家基础地理信息中心1:5万地形图[6]生成的水文关系正确DEM(Hc-DEM)，分辨率为25 m，采用Xi’an 80地理坐标6°分带的高斯投影以及1985国家高程基准，通过ANUDEM软件[7]生成。软件采用的Hutchinson算法是国际流行的DEM插值算法[8]，生成的DEM地形特征线(流水线，山脊线等)和地形属性参数(坡度，坡向等)的精度高[9-10]。覆盖整个中国地区的高程数据集中，1:5万比例尺地形图的精度最高，其垂直误差在平原地区控制在3 m内，丘陵5 m，山地8 m，陡坡山地14 m[11]。
为探究SRTM高程误差与不同地表特征的关系，本文引入其他辅助数据，其中地形参数包括坡度坡向两个指标，由Hc-DEM和SRTM数据生成。从马里兰大学全球土地利用数据库获取2000年MODIS年复合森林覆盖数据[12]，较为准确地反映了中国地区植被类型和植被覆盖度的分布情况。以谷歌地球影像为参考，获取中国城镇建筑密集广泛分布的区域范围。从中国科学院寒区旱区科学数据中心获取中国地区冰川分布数据[13]、沙漠分布数据[14]和湿地分布数据[15]。各地表覆盖类型分布见图 1。
图 1 中国地区各类地表类型区分布
Figure 1. Different Land Cover Types in China
-
SRTM与Hc-DEM采用的高程基准之间存在偏差，自东向西、自南向北逐渐变大，平均0.357 m[16]，根据不同经纬度区间两高程基准差异对照表[16]，首先对其进行纠正。消除位置误差是分析高程误差的前提，本文依据SRTM像元的位置对Hc-DEM做分区空间配准，此过程分为初步配准和精确配准。配准前将SRTM和Hc-DEM数据分成1.5°×1°的图幅，并将Hc-DEM重采样到1″分辨率。初步配准参照文献[17]的方法，将Hc-DEM沿横向纵向每次平移1″，计算平移后Hc-DEM与SRTM的高程均方根误差(root mean square error, RMSE)，取RMSE最小的方案作为初步匹配结果。精确配准参照文献[18]的方法，寻找SRTM数据像元位置的Hc-DEM 3×3窗口内与SRTM像元值差异最小的像元，若此像元非中心像元，将其作为配准结果的前提是它与SRTM像元值之差比中心像元至少小1 m。本文中SRTM误差统计采用大尺度研究常用的抽样调查法[19]。为确保样本点数量满足不同分区分级系统的统计需求，同时数据冗余尽可能小，共获取518 587个独立样本点。样本点等距分布于中国陆地范围，间隔0.042 5°(51个像元距离)。本文中将同一位置SRTM与Hc-DEM高程差作为SRTM高程误差，不过此偏差称作SRTM与Hc-DEM的相对误差更合适，但Hc-DEM的精度足以描述SRTM数据的误差特征。先根据各影响因素划分不同区级的样本子集，确保高程误差只受单个因素影响，然后采用单因子方差法和多重比较的统计分析法分析SRTM误差在复杂地表的特征，此方法能处理不同方差样本间的均值比较问题[19]。
虽然Hc-DEM是中国地区目前最好的高程数据集，但在某些地区还存在问题，主要分布在塔克拉玛干沙漠和西藏东南部。SRTM和Hc-DEM数据内陆水域的高程由特殊算法求得，与雷达信号无直接关系。因此水域与Hc-DEM问题区域在分析时被排除。此外，长江中下游和青藏高原地区的水域与湿地有重叠，分析涉及中的湿地主要分布于中国东北部和西北部。
-
中国地区SRTM高程误差的空间分布如图 2。较大误差主要分布于地形复杂的山区，较小误差主要分布于地势平缓的区域。正误差集中分布区主要位于华北平原以及长江中下游平原(图 2中a区)，这里地势平坦，城镇分布密集，高程误差主要源于建筑物的高度。负误差集中分布区主要位于东北三江平原(图 2中b区)、松嫩平原(图 2中c区)和科尔沁地区(图 2中d区)、新疆准格尔盆地(图 2中e区)、塔里木盆地(图 2中f区)。这些区域以沙漠和湿地为主，其中湿地在二月(SRTM数据采集期)结冰，地表由冰覆盖，误差来源是雷达信号对地表的穿透作用。在其他分布广泛的山地区域，SRTM误差变化幅度很大。
图 2 中国地区SRTM数据误差的空间分布
Figure 2. Spatial Distribution of SRTM Error in China
整个样本SRTM高程误差变化范围为-1 224.0~1 195.2 m，误差绝对值超过16 m的样本点仅占1.75%。图 3为90%样本集的高程误差频率分布，范围为-7.4~7.4 m，可见误差集中在0 m附近呈对称分布。90%样本集的平均误差为-0.023 m。SRTM数据误差设计指标为90%地区的高程误差小于16 m[2]，中国地区的SRTM误差优于这一标准。
图 3 SRTM误差频率分布(90%样本点)
Figure 3. Frequency Distribution of SRTM Error (90% Sample Points)
雷达信号异常造成SRTM数据中出现一些异常区，其纹理特征明显异于周围正常区，像元值不仅与真实高程差异巨大，而且不能正确表达地形结构。图 4显示了青海、新疆交界处(90°42′ E，36°54′ N)的一个异常实例。经统计所有明显异常的样本点数量为4 646，占整个样本的0.90%，其中最大正负误差分别为1 195.22 m和-1 223.99 m，异常区域的误差均值为-35.52 m，标准差为141.08。
图 4 明显异常类型示例
Figure 4. An Example of Obvious Abnormality
图 5为这些数据异常的空间分布，它们主要位在中国西部和东北部的山地、冰川以及沙漠地区。虽然异常区的样本比例很小，但是其中超过50 m的大误差样本数占整个中国样本集大误差样本数的比例达68.59%。为避免对不同地表特征因素的影响，随后的高程误差分析排除这些异常的样本点。
图 5 中国地区SRTM高程异常与条带问题分布
Figure 5. Spatial Distribution of Obvious Abnormalities and Stripe in China
遥感平台轨道方向对SRTM数据也会造成影响，具体表现为平坦地区东北到西南方向和西北到东南方向上的条带现象(图 5)，这使得从SRTM数据求的坡向出现严重问题。图 6显示了0~5°坡度的平坦地区SRTM与Hc-DEM坡向频率分布，可以看到SRTM数据坡向在4个主方向(北、东、南、西)和4个次方向(东北、东南、西南、西北)上集中分布，与Hc-DEM有明显区别。而对坡度大于5°的丘陵山地区，这一现象基本可以忽略。
图 6 SRTM与Hc-DEM 0~5°坡度区间坡向频率分布
Figure 6. Frequency Distribution of Aspect of SRTM Data and Hc-DEM in 0~5° Slope Range
-
影响SRTM高程误差的地形因素包括坡度和坡向。排除位于城镇建筑、沙漠、冰川、湿地的样本点，再选择植被覆盖度小于5%的样本点，并假设植被覆盖度小于5%的地区植被对SRTM高程误差的影响可忽略。最终得到的地形因素分析样本主要分布在中国西部和中北部地区(图 1)，样本数为237 083，占除去SRTM异常总样本的46.13%，平均误差0.18 m，误差标准差5.48。
表 1是对不同坡度级SRTM高程误差的统计。从标准差看，误差变化幅度整体随坡度增加而变大，但在坡度为2°~5°时误差变化幅度最小，标准差变化范围为3.98~17.51 m。由于各坡度级标准差的差异较大，利用单因素方差和多重比较法对不同坡度级样本均值作差异性检验，发现不同坡度级的高程误差均值差异明显，可以反映误差随坡度变化的整体情况。除25°~35°坡度级的误差均值在数值上稍大于15°~25°外，误差均值整体随坡度的增加由正变负、数值由大变小。0~2°坡度级平均误差为正，其余坡度级为负。最小的误差均值出现在0~2°区间，为0.05 m，最大的误差均值出现在>35°区间，为-0.86 m。虽然最大正负误差均较大，达到百数量级，但大误差比例很小，仅有>35°坡度级的90%误差超出16 m的设计范围。
表 1 不同坡度区间样本高程误差变化的统计特征
Table 1. Statistical Characteristics of Elevation Error in Different Slope Levels
坡度级/(°) 最小值/m 最大值m 平均值/m 标准差/m 90%误差/m 样本大小 0~2 -220.38 153.71 0.05 4.29 5.9 98 603 2~5 -174.51 283.48 -0.19 3.98 4.5 45 082 5~15 -232.15 315.64 -0.36 4.13 5.0 50 940 15~25 -464.12 287.72 -0.48 7.48 8.5 24 670 25~35 -208.62 174.36 -0.45 9.29 12.9 14 137 >35 -201.92 406.30 -0.86 17.51 18.6 3 651 表 2是对不同坡向SRTM数据高程误差的统计。各方向误差标准差和90%误差的变化相对稳定，分别为(5.5±1) m和(6.8±0.2) m，说明各方向误差变化幅度差异不大。从误差均值看，西南方向误差绝对值比东北方向大；大部分方向上误差为负，正误差仅分布在0~45°和315°~360°的偏北方向。最大负误差为-0.44 m，位于225°~270°方向。最大正误差为0.08 m，位于0~45°方向。
表 2 不同坡向区间样本高程误差变化的统计特征
Table 2. Statistical Characteristics of Elevation Error in Different Aspects
坡向/(°) 最小值/m 最大值/m 平均值/m 标准差/m 90%误差/m 样本大小 0~45 -177.86 315.64 0.08 5.16 6.6 35 498 45~90 -464.12 182.41 -0.03 6.17 6.7 26 064 90~135 -174.51 188.94 -0.13 5.37 6.8 23 915 135~180 -166.77 130.04 -0.37 4.98 6.8 34 975 180~225 -284.23 287.72 -0.43 6.04 7.0 35 868 225~270 -208.62 119.21 -0.44 5.41 6.9 24 689 270~315 -106.45 119.45 -0.21 5.03 6.8 22 001 315~360 -162.90 406.30 0.04 5.65 6.7 33 439 进一步统计表明，不同坡度级内各坡向的高程误差也呈西南方向误差均值比东北方小的规律，同时坡度级越大正误差比例越小；大部分坡向上各坡度级的高程误差随坡度增加在数值上整体减小。误差均值在各坡度级的变化范围为-0.86~0.05 m, 相差0.91 m，标准差变化范围为3.98~17.51 m；而误差均值在各坡向上的变化范围为-0.44~0.08 m，相差0.52 m，标准差集中在5 m附近。因此坡度对SRTM高程误差的影响大于坡向。
-
同样先排除沙漠、冰川、城镇建筑和湿地样本点，剩余样本中使用植被覆盖度大于5%的部分，其主要分布在中国东北部、中部与南部大部分地区，如图 1所示。样本点数为213 449，占除去SRTM数据异常后样本的41.53%，误差均值为0.02 m，误差标准差为10.46 m。由于地形起伏的存在，这些地区SRTM高程误差同时受植被覆盖与地形特征的双重影响。地形因素中坡度对误差的影响较大，因此本文同时考虑坡度的影响。
图 7是不同坡度级SRTM数据高程误差均值随植被覆盖的变化情况。所有坡度级误差都随植被覆盖度的增大而增加，但仅0~2°坡度级的误差在所有植被覆盖度区间为正。受坡度的影响，其他坡度级不同植被覆盖度区间的误差均值在数值上都偏小，在低植被覆盖度区间甚至出现了负值，最大的负误差出现在>35°坡度级，为-0.32 m。由此可见，坡度变化对高程误差的影响程度要大于植被覆盖度变化带来的影响。
图 7 不同坡度级SRTM误差与植被覆盖的关系
Figure 7. Relationship of SRTM Error and Vegetation Coverage in Different Slope Levels
从图 7中的误差变化来看，0~2°坡度级高程误差受坡度影响最小，能够反映误差随植被变化的一般规律，其基本统计见表 3, 误差标准差和90%误差呈现小幅上升趋势。利用单因素方差和多重比较法对不同植被覆盖度区间误差样本作均值差异性检验，发现不同级别的高程误差均值差异较大，不同植被覆盖度区间的误差均值变化可以反映误差随植被覆盖度变化的整体情况，即高程误差均值随植被覆盖度的增加上升，变化范围为0.15~1.67 m。
表 3 0~2°坡度区间SRTM高程误差与植被覆盖度关系的统计特征
Table 3. Statistical Characteristics of SRTM Error in Different Vegetation Coverage Levels in Slope Range of 0~2°
植被覆盖度/% 最小值/m 最大值/m 平均值/m 标准差/m 90%误差/m 样本大小 5~20 -43.91 88.72 0.15 3.54 4.8 29 353 20~40 -31.60 67.94 0.22 3.55 4.9 6 423 40~60 -19.80 35.20 0.52 3.76 5.5 1 613 60~100 -13.01 17.57 1.67 4.39 8.1 341 -
冰川覆盖区主要集中在起伏较大的山地，这些地区存在大面积明显的数据问题，导致最大正负误差分别达到了524.91 m和-1223.99 m；同样沙漠地区也存在大面积数据问题，最大正负误差较大，分别为58.81 m和-95.47 m；湿地区域的最大正负误差相对较小，仅有1个样本点误差超出设计误差，为-19.40 m；在城镇建筑集中分布区，虽然地势平坦，但由于较高的建筑物以及较深的露天矿的存在，最大正负误差达到了±17 m。
表 4是排除数据明显异常后冰川、沙漠、湿地和城镇建筑区的误差统计。结果表明：冰川、沙漠、湿地地区的误差均值为负，分别为-2.19 m、-2.39 m、-2.43 m；建筑物覆盖区误差均值为正1.06m。此现象验证了雷达信号对冰川、沙漠、湿地(结冰期)的穿透性导致SRTM低估地表高程，在城镇建筑区受遮挡高估地表高程的性质。从标准差看，湿地和城镇建筑区的误差变化幅度最小，沙漠区居中，冰川区最大。湿地和城镇建筑区主要分布在地势平坦区域，冰川主要分布在地势陡峭的山地，沙漠表面的起伏居中，可见高程误差的幅度主要受地形因素的影响。
表 4 冰川、沙漠、城镇建筑区、湿地误差特征统计特征
Table 4. Statistical Characteristics of SRTM Errors in Glaciers, Deserts, Urban Built-up Areas and Wetlands
样本类型 最小值/m 最大值/m 平均值/m 标准差/m 90%误差/m 样本大小 冰川 -346.71 275.50 -1.05 19.97 19.6 4 335 沙漠 -95.47 42.12 -2.03 5.16 9.3 37 804 湿地 -14.10 8.87 -2.43 2.30 5.0 5 598 城镇建筑 -11.02 17.17 1.05 2.23 4.0 17 697 -
本文分析了中国地区SRTM高程误差特征及其与各因素的关系，主要结论如下：
1) 中国地区SRTM高程误差的空间分布与变化复杂，与不同地区的地形和地表覆盖密切相关。沙漠、湿地、城镇建筑等集中分布的地区误差变化幅度小，正负特征明显；山地区域高程误差变化幅度大，无明显正负误差集中现象。中国地区SRTM误差集中在0 m附近呈对称分布。90%误差为7.4 m，绝对值超过16 m的误差比例为1.75%。SRTM数据在冰川、沙漠和山地等区域存在高程异常，平坦地区存在条带噪音，虽然这些问题区域所占比例较小，但影响局部SRTM数据的应用。
2) 从各因素统计的误差均值变化看, 坡度增加高程误差由正变负，范围为0.05~-0.86 m；不同坡向上正误差集中在偏北方向，负误差集中在西南方向。坡度为0~2°的植被覆盖区，高程误差随植被覆盖度增加而增加，误差均值范围为0.15~1.67 m。从误差标准差看，误差变化幅度随坡度和植被增加均有上升，而在不同坡向的变化不明显。不同因素对误差的贡献不同，其中坡度影响最大，同时也作用于其他因素。从空间分布看，平坦区域误差普遍较小，山区误差普遍较大；城镇建筑区正误差集中分布，误差均值1.05 m，沙漠和湿地负误差集中分布，误差均值低于-2 m。冰川分布区受坡度影响正负误差没有集中分布，冰川分布区的平均误差为-1.05 m。
从高程误差角度来评价SRTM数据质量非常重要，但SRTM数据表达连续地表形态的准确性也是其质量的重要评价指标，目前在SRTM数据生成河网的准确性[20]，SRTM对土壤侵蚀预报的影响[21]等领域已有一些研究，但大部分局限于局地尺度，还没大范围SRTM数据表达连续地表形态的质量评估报告(包括中国地区)，这需要进一步的深入研究。
-
摘要: 系统评估了中国地区航天飞机雷达地形测绘任务（Shuttle Radar Topography Mision，SRTM）3″高程误差的分布及其与地形和地表覆盖因素的关系。通过单因子分析法，使用从50多万个样本点中提取的地表特征属性确定误差的变化规律。结果显示：SRTM高程误差与不同地形和地表覆盖类型关系密切；坡度增大误差由正变负，误差绝对值增大；正误差集中在偏北坡向，负误差集中在西南坡向；误差随植被覆盖增加而增大；冰川、沙漠、湿地区域误差整体为负，城镇建筑区的误差整体为正；坡度作为主导因素，同时影响其他因素对高程误差的作用。数据在某些区域存在明显高程异常，在平坦地区存在条带现象。整体上SRTM高程误差在中国地区呈现复杂的变化规律。Abstract: The 3" SRTM elevation error in China were methodically evaluated by using sample survey at more than five hundred thousand sites. The characteristics of SRTM errors was identified according to the landscape attributes. The results showed that SRTM error is closely related to different topography and land cover types. The error changes from positive to negative with its absolute value getting bigger with increasing slope; Positive error concentrate in north facing aspect, while negative error in southwest facing aspect; The error increases with increasing vegetation cover fraction; In the regions of glacier, desert and wetland, the mean errors are negative, while in building areas the mean error is positive. Among different factors, slope plays the pivotal role affecting SRTM errors. Additionally, SRTM data has significant abnormity in some areas such as desert and steep mountain, and arise stripes in flat areas.
-
Key words:
- SRTM /
- elevation errors /
- Hc-DEM /
- topography /
- land cover
-
图 3 SRTM误差频率分布(90%样本点)
Figure 3. Frequency Distribution of SRTM Error (90% Sample Points)
图 5 中国地区SRTM高程异常与条带问题分布
Figure 5. Spatial Distribution of Obvious Abnormalities and Stripe in China
图 6 SRTM与Hc-DEM 0~5°坡度区间坡向频率分布
Figure 6. Frequency Distribution of Aspect of SRTM Data and Hc-DEM in 0~5° Slope Range
图 7 不同坡度级SRTM误差与植被覆盖的关系
Figure 7. Relationship of SRTM Error and Vegetation Coverage in Different Slope Levels
表 1 不同坡度区间样本高程误差变化的统计特征
Table 1. Statistical Characteristics of Elevation Error in Different Slope Levels
坡度级/(°) 最小值/m 最大值m 平均值/m 标准差/m 90%误差/m 样本大小 0~2 -220.38 153.71 0.05 4.29 5.9 98 603 2~5 -174.51 283.48 -0.19 3.98 4.5 45 082 5~15 -232.15 315.64 -0.36 4.13 5.0 50 940 15~25 -464.12 287.72 -0.48 7.48 8.5 24 670 25~35 -208.62 174.36 -0.45 9.29 12.9 14 137 >35 -201.92 406.30 -0.86 17.51 18.6 3 651 
下载: 导出CSV
表 2 不同坡向区间样本高程误差变化的统计特征
Table 2. Statistical Characteristics of Elevation Error in Different Aspects
坡向/(°) 最小值/m 最大值/m 平均值/m 标准差/m 90%误差/m 样本大小 0~45 -177.86 315.64 0.08 5.16 6.6 35 498 45~90 -464.12 182.41 -0.03 6.17 6.7 26 064 90~135 -174.51 188.94 -0.13 5.37 6.8 23 915 135~180 -166.77 130.04 -0.37 4.98 6.8 34 975 180~225 -284.23 287.72 -0.43 6.04 7.0 35 868 225~270 -208.62 119.21 -0.44 5.41 6.9 24 689 270~315 -106.45 119.45 -0.21 5.03 6.8 22 001 315~360 -162.90 406.30 0.04 5.65 6.7 33 439
下载: 导出CSV
表 3 0~2°坡度区间SRTM高程误差与植被覆盖度关系的统计特征
Table 3. Statistical Characteristics of SRTM Error in Different Vegetation Coverage Levels in Slope Range of 0~2°
植被覆盖度/% 最小值/m 最大值/m 平均值/m 标准差/m 90%误差/m 样本大小 5~20 -43.91 88.72 0.15 3.54 4.8 29 353 20~40 -31.60 67.94 0.22 3.55 4.9 6 423 40~60 -19.80 35.20 0.52 3.76 5.5 1 613 60~100 -13.01 17.57 1.67 4.39 8.1 341
下载: 导出CSV
表 4 冰川、沙漠、城镇建筑区、湿地误差特征统计特征
Table 4. Statistical Characteristics of SRTM Errors in Glaciers, Deserts, Urban Built-up Areas and Wetlands
样本类型 最小值/m 最大值/m 平均值/m 标准差/m 90%误差/m 样本大小 冰川 -346.71 275.50 -1.05 19.97 19.6 4 335 沙漠 -95.47 42.12 -2.03 5.16 9.3 37 804 湿地 -14.10 8.87 -2.43 2.30 5.0 5 598 城镇建筑 -11.02 17.17 1.05 2.23 4.0 17 697
下载: 导出CSV
-
[1] Nelson A, Reuter H I, Gessler P. DEM Production Methods and Sources[M]//Tomislav H, Hannes I R. Developments in Soil Science. New York: Elsevier, 2009 [2] Yang L, Meng X, Zhang X. SRTM DEM and its Application Advances[J]. International Journal of Remote Sensing, 2011, 32(14):3875-3896 doi: 10.1080/01431161003786016 [3] 詹蕾, 汤国安, 杨昕. SRTM DEM高程精度评价[J].地理与地理信息科学, 2010, 26(1):34-36 http://www.doc88.com/p-803573913125.html Zhan Lei, Tang Guoan, Yang Xin. Evaluation of SRTM DEMs' Elevation Accuracy:A Case Study in Shaanxi Province[J].Geography and Geo-Information Science, 2010, 26(1):34-36 http://www.doc88.com/p-803573913125.html [4] 张朝忙, 刘庆生, 刘高焕, 等.太湖地区SRTM DEM高程精度质量评价[J].测绘科学, 2014, 29(3):139-142 http://d.old.wanfangdata.com.cn/Periodical/chkx201403033 Zhang Chaomang, Liu Qingsheng, Liu Gaohuan, et al. Evaluation of SRTM Data Elevation Quality in Taihu Drainage Basin[J].Science of Surveying and Mapping, 2014, 29(3):139-142 http://d.old.wanfangdata.com.cn/Periodical/chkx201403033 [5] Jarvis A, Reuter H I, Nelson A, et al. Hole-filled SRTM for the Globe Version 4[EB/OL]. http://srtm.csi.cgiar.org,2008 [6] 国家测绘地理信息局. 中华人民共和国行业标准CH/T1008-2001, 基础地理信息数字产品1: 10000、1: 50000数字高程模型[S]. 北京: 标准出版社, 2002 National Adminstraction of Surverting, Mapping and Geoinformation. Industry Standard of the People's Republic of China CH/T1008-2001, Foundational Digital Geographic Information Products: 1: 10000 and 1: 50000 Digital Elevation Model[S]. Beijing: Standards Press of China, 2002 [7] Hutchinson M F. ANUDEM Version 5. 1 User Guide[R]. The Australian National University, Centre for Resource and Environmental Studies, Canberra, Australia, 2004 [8] Hutchinson M F. A New Procedure for Gridding Elevation and Stream Line Data with Automatic Removal of Spurious Pits[J]. Journal of Hydrology, 1989, 106:211-232 doi: 10.1016/0022-1694(89)90073-5 [9] 杨勤科, 师维娟, Mcvicar T R, 等.水文地貌关系正确的DEM建立方法的初步研究[J].中国水土保持科学, 2007, 5(4):1-6 http://www.irgrid.ac.cn/handle/1471x/141913?mode=full&submit_simple=Show+full+item+record Yang Qinke, Shi Weijuan, Mcvicar T R, et al. On Constructing Methods of Hydrologically correct DEMs[J]. Science of Soil and Water Conservaiton, 2007, 5(4):1-6 http://www.irgrid.ac.cn/handle/1471x/141913?mode=full&submit_simple=Show+full+item+record [10] Yang Q, Mcvicar T R, van Niel T G, et al. Improving a Digital Elevation Model by Reducing Source Data Errors and Optimising Interpolation Algorithm Parameters:An Example in the Loess Plateau, China[J]. International Journal of Applied Earth Observation and Geoinformation (JAG), 2007, 9(3):235-246 doi: 10.1016/j.jag.2006.08.004 [11] 国家测绘地理信息局. 中华人民共和国国家标准GB/18316-2008, 数字测绘产品检验验收规定与研究[S]. 北京: 标准出版社, 2008 National Adminstraction of Surverting, Mapping and Geoinformation. The National Standard of the People's Republic of China GB/18316-2008, The Examination Rules and Acceptance of Digital Surveying and Mapping Product[S]. Beijing: Standards Press of China, 2008 [12] Hansen M, Defries R S, Townshend J R, et al. Vegetation Continuous Fields MOD44B, 2000 Percent Tree Cover[R]. College Park, Maryland, USA, 2001 http://www.mendeley.com/catalog/vegetation-continuous-fields-mod44b-2010-percent-tree-cover/ [13] 吴立宗, 李新. 中国第一次冰川编目数据集[R]. 寒区旱区科学数据中心, 兰州, 2004 Wu Lizong, Li Xin. Dataset of the First Glacier Inventory in China[R]. Cold and Arid Regions Science Data Center, Lanzhou, 2004 [14] 王一谋, 王建华, 祁元, 等. 中国1: 10万沙漠(沙地)分布数据集[R]. 寒区旱区科学数据中心, 兰州, 2005 Wang Y, Wang J, Qi Y, et al. The Map of Desert Distribution in 1: 100000 in China, Cold and Arid Regions Science Data Center, Lanzhou, 2005 [15] 东北地理与农业生态研究所. 中国1: 100万湿地数据[R]. 东北地理与农业生态研究所, 长春, 吉林, 2000 Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences. Dataset of wetlands in China at 1: 1000000 Scale[R]. Northeast Institute of Geography and Agroecology, Changchun, Jilin, 2000 [16] 郭海荣, 焦文海, 杨元喜. 1985国家高程基准与全球似大地水准面之间的系统差及其分布规律[J].测绘学报, 2004, 33(2):100-104 http://www.cqvip.com/QK/90069X/2004002/9768686.html Guo Hairong, Jiao Wenhai, Yang Yuanxi. The Systematic Difference and Its Distribution Between the 1985 National Height Datum and the Global Quasigeoid[J]. Acta Geodaetica et Cartographica Sinica, 2004, 33(2):100-104 http://www.cqvip.com/QK/90069X/2004002/9768686.html [17] van Niel T G, Mcvicar T R, Li L, et al. The Impact of Misregistration on SRTM and DEM Image Differences[J]. Remote Sensing of Environment, 2008, 112:2430-2442 doi: 10.1016/j.rse.2007.11.003 [18] Shortridge A, Messina J. Spatial Structure and Landscape Associations of SRTM Error[J].Remote sensing of Environment, 2011, 115(6):1576-1587 doi: 10.1016/j.rse.2011.02.017 [19] Bernstein S, Bernstein R. Schaum's Outline of Theory and Problems of Elements of Statistics Ⅱ:Inferential Statistics[M]. New York:McGraw-Hill, 1999 [20] 刘远, 周买春, 陈芷菁, 等.基于不同DEM数据源的数字河网提取对比分析:以韩江流域为例[J].地理科学, 2012, 32(9):1112-1118 http://geoscien.neigae.ac.cn/article/2012/1000-0690/1000-0690-32-9-1112.shtml Liu Yuan, Zhou Maichun, Chen Zhijing, et al. Comparison of Drainage Network Extraction from Different DEM Data Sources:A Case Study of Hanjiang River Basin[J].Scientia Geographical Sinica, 2012, 32(9):1112-1118 http://geoscien.neigae.ac.cn/article/2012/1000-0690/1000-0690-32-9-1112.shtml [21] 王春梅. 坡度尺度效应与转换及其对土壤侵蚀评价影响研究[D]. 杨凌: 中国科学院教育部水土保持与生态环境研究中心, 2012 http://cdmd.cnki.com.cn/Article/CDMD-80129-1012032176.htm Wang Chunmei. Slope Scaling Effect, Transformation and its Influence to Soil Erosion Assessment[D]. Yangling: Research Center of Soil and Water Conservaion and Ecological Environment, Chinese Academy of Sciences and Ministry of Education, 2002 http://cdmd.cnki.com.cn/Article/CDMD-80129-1012032176.htm -
点击查看大图
计量
- 文章访问数: 1062
- HTML全文浏览量: 358
- PDF下载量: 350
- 被引次数: 0
