项目名称: 基于DEM的地形自相似性区域分异特征研究

项目编号: No.41301422

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 晏实江

作者单位: 安徽大学

项目金额: 25万元

中文摘要: 自相似性是复杂地表形态特征量化与分析的重要指标,也是地貌形态本质的体现,大量的研究已经发现并证明了这种自相似规律。然而,进一步的研究发现,地形自相似性随区域自然地理的条件不同而呈现出不同的区域分异规律。本课题在深入分析地表形态自相似特征及度量方法问题的基础上,利用数字高程模型作为基本数据源,采用频率域多尺度数字地形分析方法,研究地表形态自相似性的量化指标及其计算方法,分析地表形态自相似性的量化指标的计算条件、不确定性及其影响因子。课题以陕西省DEM为例,构建陕西省地表形态自相似性空间变异图,分析地表形态自相似规律的区域差异性及其主导影响因子,探究陕西省地表形态自相似性区域差异性的形成原因和内在机制。本课题是运用地学区域分析方法研究复杂地表形态自相似性及其空间变异规律的一次创新探索,可望进一步充实和完善复杂地表形态自组织规律研究的理论与方法,也是基于频率域数字地形分析方法的一次新的尝试。

中文关键词: 数字高程模型;数字地形分析;地形自相似性;GIS空间分析;

英文摘要: Self-similarity of terrain landscape is a key parameter in morphology Quantifying and analysis. It is a representation of natural regularity of terrain morphology. Increasing researches have found and proven this regularity. However, further investigations find that there exists apparent zonal differentiation law of terrain self-similarity due to variations of the physical environmental parameters. This project proposes a new framework of characterizing and analyzing self-similarity property of terrain morphology based on a thorough investigation of spatial pattern of landform morphology. A framework of Fourier domain based multi-scale digital terrain self-similarity characterizing method is proposed using the Digital Elevation Model (DEM) as source data. The method firstly investigates conditions, uncertainty and effect factors in the process of self-similarity characterizing. A representative test area is carefully chosen concerning with the diversity of landform morphologies in Northern China-namely Shannxi province. The method developed in this project is adopted to form a map of self-similarity in the test area. The the essential characteristics and machanism of spatial distributtion of terrain morphology self-similarity are explored by critical facters derived from correlation analysis between the terrain

英文关键词: Digital Elevation Model;digital terrain analysis;morphological self-similarity;GIS spatial analysis;

成为VIP会员查看完整内容
0

相关内容

数据科学平台:特征、技术及趋势
专知会员服务
45+阅读 · 2022年4月17日
智能交通管理系统发展趋势
专知会员服务
19+阅读 · 2022年3月21日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
10+阅读 · 2021年10月14日
中国数字经济就业发展研究报告2021,43页pdf
专知会员服务
71+阅读 · 2021年3月27日
专知会员服务
28+阅读 · 2020年12月16日
多源数据行人重识别研究综述
专知会员服务
40+阅读 · 2020年11月2日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
数据科学平台:特征、技术及趋势
专知
1+阅读 · 2022年4月17日
事件知识图谱构建技术与应用综述
专知
23+阅读 · 2020年8月6日
机器学习计算距离和相似度的方法
极市平台
10+阅读 · 2019年9月20日
北京市通勤出行特征与典型区域分析
智能交通技术
28+阅读 · 2019年7月19日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
17+阅读 · 2018年4月2日
小贴士
相关VIP内容
数据科学平台:特征、技术及趋势
专知会员服务
45+阅读 · 2022年4月17日
智能交通管理系统发展趋势
专知会员服务
19+阅读 · 2022年3月21日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
10+阅读 · 2021年10月14日
中国数字经济就业发展研究报告2021,43页pdf
专知会员服务
71+阅读 · 2021年3月27日
专知会员服务
28+阅读 · 2020年12月16日
多源数据行人重识别研究综述
专知会员服务
40+阅读 · 2020年11月2日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关资讯
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员