Please wait a minute...
 
自然资源遥感  2022, Vol. 34 Issue (1): 34-42    DOI: 10.6046/zrzyyg.2022005
     海岸带空间资源及生态健康遥感监测专栏 ｜ 本期目录 | 过刊浏览 | 高级检索 |
海岸带地类统计模型中DEM空间尺度优选方法
江娜1(), 陈超2(), 韩海丰1
1.山东省国土测绘院,济南 250013
2.浙江海洋大学海洋科学与技术学院,舟山 316022
An optimization method of DEM resolution for land type statistical model of coastal zones
JIANG Na1(), CHEN Chao2(), HAN Haifeng1
1. Shandong Provincial Institute of Land Surveying and Mapping, Ji’nan 250013, China;
2. Marine Science and Technology College, Zhejiang Ocean University, Zhoushan 316022, China
全文: PDF(3547 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

精确翔实、三维立体、尺度适宜的地类统计数据对于海岸带自然资源监测监管和生态保护具有重要意义,地类统计模型需要数字高程模型(digital elevation model,DEM)的支撑,然而当前鲜有DEM空间尺度与统计模型的适配性方面的研究。针对于此,该文提出了一种海岸带地类统计模型中DEM空间尺度优选方法,系统探讨了DEM空间尺度对地类统计模型的影响,从统计准确性、概括性、信息量和计算效率4个角度选取指标并构建评价模型,基于熵权法确定指标权重并加权计算得到DEM最优空间尺度。研究结果表明: ①DEM采样间隔越大,对统计准确性和信息量的负向影响越明显,对信息概括性正向影响越显著; ②准确性因子对DEM精细度要求高,为满足统计精度DEM分辨率不应超过30 m,而地貌概括则要求空间分辨率不能低于10 m; ③空间操作计算时间与DEM格网数量呈线性正相关; ④基于熵权法计算权重后综合评价,最优DEM空间尺度为10 m。该文形成的DEM空间尺度优选方法在海岸带自然资源及其他调查监测地类统计中具有通用性和可扩展性。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
江娜
陈超
韩海丰
关键词 ： 海岸带,  地类统计,  DEM空间尺度,  信息熵,  熵权法    
Abstract：

Accurate, detailed, and three-dimensional land type statistical data with an appropriate resolution is greatly significant for the natural resources monitoring, supervision, and ecological protection in coastal zones. A land type statistical model needs the support of DEM. However, there is little studies on the adaptability between the DEM resolution and the statistical model. Given this, this study proposed an optimization method of DEM resolution for land type statistical model of coastal zones. Specifically, this study systematically explored the impacts of DEM resolution on land type statistical model, selected indices and constructed an assessment model from four aspects, namely statistical accuracy, generality, information amount, and calculation efficiency. Then, this study determined the index weight using the entropy weight method and obtained the optimal DEM resolution through weighted calculation. The results are as follows. ①An increase in the DEM resolution led to the increasingly apparent negative impacts on the statistical accuracy and information amount and the increasingly significant positive effects on the generalization of the model. ②To meet the requirements of statistical accuracy, the DEM resolution should not exceed 30 m. Meanwhile, as required by the landform generalization, the DEM resolution should not be less than 10 m. ③There is a linear positive correlation between the calculation time of spatial operations and the number of DEM grids. ④Based on the comprehensive assessment using the weights calculated by the entropy weight method, the optimal DEM resolution was 10 m. The method of DEM resolution developed in this paper is universal and can be expanded in the natural resource statistics of coastal zones and in the land type statistics of other surveys and monitoring.
Key words： coastal zone    land type statistics    DEM resolution    information entropy    entropy weight method
收稿日期: 2022-01-04      出版日期: 2022-03-14
ZTFLH:  TP79  
基金资助:山东省重点研发计划项目“省级自然资源监测监管大数据云平台建设项目”编号(2019JZZY020103);国家自然科学基金项目“人类活动影响下的群岛区域海岸线时空演变机制分析”共同资助编号(42171311)
通讯作者: 陈超
作者简介: 江娜(1983-),女,硕士,高级工程师,主要从事自然资源调查监测与数据挖掘。Email: jiangna123321@163.com。
引用本文:   
江娜, 陈超, 韩海丰. 海岸带地类统计模型中DEM空间尺度优选方法[J]. 自然资源遥感, 2022, 34(1): 34-42.
JIANG Na, CHEN Chao, HAN Haifeng. An optimization method of DEM resolution for land type statistical model of coastal zones. Remote Sensing for Natural Resources, 2022, 34(1): 34-42.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/zrzyyg.2022005      或      https://www.gtzyyg.com/CN/Y2022/V34/I1/34
Fig.1  DEM空间尺度评价模型
Fig.2  技术流程
Fig.3  研究区地形
Fig.4  2 m, 5 m, 10 m,20 m,30 m和50 m空间尺度下DEM地形表现能力
DEM空间
尺度/m		 地表平
整系数		 最小值/m 最大值/m 均值/m
2 0.977 6 -79.0 1 130.7 49.563 6
5 0.981 5 -79.0 1 129.6 49.563 6
10 0.985 1 -78.9 1 129.9 49.563 6
15 0.986 7 -79.0 1 127.7 49.563 6
20 0.987 9 -79.0 1 127.5 49.563 7
30 0.989 4 -78.8 1 126.2 49.563 6
40 0.990 5 -78.8 1 111.1 49.564 1
50 0.991 3 -78.8 1 123.3 49.563 5
60 0.992 0 -78.8 1 103.8 49.563 8
70 0.992 6 -78.7 1 109.2 49.561 1
80 0.993 1 -78.7 1 092.1 49.564 5
90 0.993 5 -78.7 1 111.1 49.562 3
100 0.993 9 -78.7 1 098.6 49.566 4
Tab.1  地形统计特征与DEM空间尺度的关系
Fig.5  地表平整系数和最大值偏差率随DEM空间尺度变化
DEM空
间尺度/m		 耕地 园地 林地 草地 房屋
建筑区		 铁路与
道路		 构筑物 人工
堆掘地		 荒漠与
裸露地表		 水域 整体
偏差		 偏差率
均方根
2 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
5 0.34 0.23 0.28 0.43 0.05 0.84 1.01 0.47 1.77 1.58 0.20 0.89
10 0.54 0.19 0.28 0.03 0.38 3.61 0.69 0.33 8.56 0.34 0.15 2.96
15 0.64 0.64 0.39 0.07 0.94 3.33 0.75 2.50 4.34 0.56 0.18 1.97
20 0.44 1.10 1.21 0.17 3.06 7.58 1.93 0.93 5.37 0.68 0.02 3.22
30 0.66 0.42 1.62 0.06 3.43 8.34 3.43 2.73 8.35 2.54 0.12 4.24
40 1.50 2.83 3.27 3.51 0.99 8.35 10.99 4.46 2.19 2.00 0.08 5.03
50 4.30 7.01 2.81 2.68 4.25 7.52 14.10 3.99 16.26 6.39 0.07 8.23
60 6.17 3.79 1.76 3.58 6.13 3.30 1.36 2.17 6.58 2.52 0.04 4.16
70 7.21 6.98 3.64 0.15 17.34 14.98 2.16 9.98 14.13 5.00 0.03 9.84
80 1.53 9.25 2.71 14.39 11.08 39.75 4.29 2.99 52.30 0.85 0.11 21.84
90 1.64 10.47 2.96 1.75 0.98 22.68 7.02 10.30 31.67 15.14 0.24 14.24
100 4.66 16.06 5.37 14.51 1.09 73.81 14.25 2.34 1.37 16.89 0.08 25.42
Tab.2  DEM空间尺度与地类统计精度关系
Fig.6  线状地物示例
Fig.7  小目标地物统计偏差率与DEM尺度的关系
DEM空间尺度/m 0° (0,2]° (2,3]° (3,5]° (5,6]° (6,8]° (8,10]° (10,15]°
2 5.29 71.85 13.19 8.02 0.96 0.52 0.11 0.05
5 0.59 86.83 8.65 3.62 0.25 0.06 0 0
10 0.17 95.73 3.89 0.21 0 0 0 0
15 0 99.63 0.37 0 0 0 0 0
20 0 99.72 0.28 0 0 0 0 0
30 0 100.00 0 0 0 0 0 0
Tab.3  房屋建筑区在不同DEM尺度下各坡度带分布情况统计
Fig.8  坡度带和高程带信息熵随DEM尺度变化
Fig.9  植被坡度带信息熵与信息熵丢失率随DEM尺度变化
Fig.10  格网数量、计算时间与DEM尺度关系
一级指标 二级指标 指标性质/
尺度影响		 熵权
准确性 地表平整系数偏离度 负向/负向 0.070 6
最小值偏差 负向/负向 0.043 0
最大值偏差 负向/负向 0.050 1
地类面积偏差 负向/负向 0.058 6
小目标地形统计偏差 负向/负向 0.072 2
线状地物地形统计偏差 负向/负向 0.081 9
信息量 坡度信息熵 正向/负向 0.069 0
高度带信息熵 正向/负向 0.074 4
地类信息熵 正向/负向 0.055 8
林地坡度信息熵 正向/负向 0.068 4
概括性 微地形概括 负向/正向 0.198 8
计算效率 DEM格网数据量 负向/正向 0.157 1
Tab.4  熵权法确定指标权重
[1] 李清泉, 卢艺, 胡水波, 等. 海岸带地理环境遥感监测综述[J]. 遥感学报, 2016, 20(5):1216-1229.
Li Q Q, Lu Y, Hu S B, et al. Review of remotely sensed geo-environmental monitoring of coastal zones[J]. Journal of Remote Sensing, 2016, 20(5):1216-1229.
[2] 陈超, 陈慧欣, 陈东, 等. 舟山群岛海岸线遥感信息提取及时空演变分析[J]. 自然资源遥感, 2021, 33(2):141-152.doi: 10.6046/gtzyyg.2020248.
doi: 10.6046/gtzyyg.2020248
Chen C, Chen H X, Chen D, et al. Coastline extraction and spatial-temporal variations using remote sensing technology in Zhoushan islands[J]. Remote Sensing for Land and Resources, 2021, 33(2):141-152.doi: 10.6046/gtzyyg.2020248.
doi: 10.6046/gtzyyg.2020248
[3] 杨长坤, 刘召芹, 王崇倡, 等. 2001—2013年辽东湾海岸带空间变化分析[J]. 自然资源遥感, 2015, 27(4):150-157.doi: 10.6046/gtzyyg.2015.04.23.
doi: 10.6046/gtzyyg.2015.04.23
Yang C K, Liu Z Q, Wang C C, et al. Spatial change analysis of the coastal zone of Liaodong Bay from 2001 to 2013[J]. Remote Sensing for Land and Resources, 2015, 27(4):150-157.doi: 10.6046/gtzyyg.2015.04.23.
doi: 10.6046/gtzyyg.2015.04.23
[4] 李秀梅, 袁承志, 李月洋. 渤海湾海岸带遥感监测及时空变化[J]. 自然资源遥感, 2013, 25(2):156-163.doi: 10.6046 /gtzyyg.2013.02.26.
doi: 10.6046 /gtzyyg.2013.02.26
Li X M, Yuan C Z, Li Y Y. Remote sensing monitoring and spatial-temporal variation of Bohai Bay coastal zone[J]. Remote Sensing for Land and Resources, 2013, 25(2):156-163.doi: 10.6046 /gtzyyg.2013.02.26.
doi: 10.6046 /gtzyyg.2013.02.26
[5] 董春, 张继贤, 刘纪平, 等. 高精度地理数据空间统计分析模型与方法[J]. 遥感信息, 2016, 31(1):13-19.
Dong C, Zhang J X, Liu J P, et al. Models and methods of spatial statistics and analysis based on high-precision data[J]. Remote Sensing Information, 2016, 31(1):13-19.
[6] 秦承志, 呼雪梅. 栅格数字地形分析中的尺度问题研究方法[J]. 地理研究, 2014, 33(2):270-283.
doi: 10.11821/dlyj201402007
Qin C Z, Hu X M. Review on scale-related researches in grid-based digital terrain analysis[J]. Geographical Research, 2014, 33(2):270-283.
[7] 陈楠, 林宗坚, 李成名, 等. 1:10 000及1:50 000比例尺DEM信息容量的比较——以陕北韭园沟流域为例[J]. 测绘科学, 2004, 29(3):39-41.
Chen N, Lin Z J, Li C M, et al. A comparison on DEM of different scale in loess hill and gully area[J]. Science of Surveying and Mapping, 2004, 29(3):39-41.
[8] 邓仕虎, 杨勤科. DEM采样间隔对地形描述精度的影响研究[J]. 地理与地理信息科学, 2010, 26(2):23-26.
Deng S H, Yang Q K. Study on the influence of sampling interval on DEM representation accuracy[J]. Geography and Geo-Information Science, 2010, 26(2):23-26.
[9] 汤国安, 刘学军, 房亮, 等. DEM及数字地形分析中尺度问题研究综述[J]. 武汉大学学报(信息科学版), 2006, 31(12):1059-1066.
Tang G A, Liu X J, Fang L, et al. A review on the scale issue in DEMs and digital terrain analysis[J]. Geomatics and Information Science of Wuhan University, 2006, 31(12):1059-1066.
[10] 李发源, 汤国安, 贾旖旎, 等. 坡谱信息熵尺度效应及空间分异[J]. 地球信息科学, 2007, 9(4):13-18.
Li F Y, Tang G A, Jia Y N, et al. Scale effect and spatial distribution of slope spectrum’s information entropy[J]. Geo-Information Science, 2007, 9(4):13-18.
[11] 潘换换, 吴树荣, 姬倩倩, 等. 山西煤田生态系统服务时空格局及驱动力[J]. 应用生态学报, 2021, 32(11):3923-3932.
Pan H H, Wu S R, Ji Q Q, et al. Spatio-temporal pattern and driving forces of ecosystem services in coalfields of Shanxi Province,China[J]. Chinese Journal of Applied Ecology, 2021, 32(11):3923-3932.
[12] 毋亭, 吴启航, 曹文琦, 等. DEM分辨率对苏北地区耕地土壤有机碳制图精度的影响研究[J/OL]. 中国农业资源与区划,(2021-0901)[2021-11-28].http://kns.cnki.net/kcms/detail/11.3513.S.20210831.1715.016.html.
Wu T, Wu Q H, Cao W Q, et al. Research about what effect DEM resolution has on the digital soil organic carbon mapping for cultivated area in the north of Jiangsu Province[J/OL]. Chinese Journal of Agricultural Resources and Regional Planning,(2021 -09-01)[2021-11-28].https://kns.cnki.net/kcms/detail/11.3513.S.20210831.1715.016.html.
[13] 郭春香, 梁音, 曹龙熹. 基于四种分辨率DEM的侵蚀模型地形因子差异分析[J]. 土壤学报, 2014, 51(3):482-489.
Guo C X, Liang Y, Cao L X. Geomorphic factors in DEM-based soil erosion models as affected by resolution[J]. Acta Pedologica Sinica, 2014, 51(3):482-489.
[14] 高玉芳, 陈耀登, 蒋义芳, 等. DEM 数据源及分辨率对HEC-HMS水文模拟的影响[J]. 水科学进展, 2015, 26(5):624-630.
Gao Y F, Chen Y D, Jiang Y F, et al. Effects of DEM source and resolution on the HEC-HMS hydrological simulation[J]. Advances in Water Science, 2015, 26(5):624-630.
[15] 沈定涛, 王结臣, 张煜, 等. 一种面向海量数字高程模型数据的洪水淹没区快速生成算法[J]. 测绘学报, 2014, 43(6):645-652.
Shen D T, Wang J C, Zhang Y, et al. A quick flood inundation algorithm based on massive DEM data[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(6):645-652.
[16] 王婷, 潘军, 蒋立军, 等. 基于DEM的地形因子分析与岩性分类[J]. 自然资源遥感, 2018, 30(2):231-237.doi: 10.6046/gtzyyg.2018.02.31.
doi: 10.6046/gtzyyg.2018.02.31
Wang T, Pan J, Jiang L J, et al. Topographic variable analysis and lithologic classification based on DEM[J]. Remote Sensing for Land and Resources, 2018, 30(2):231-237.doi: 10.6046/gtzyyg.2018.02.31.
doi: 10.6046/gtzyyg.2018.02.31
[17] 杨荣凤, 杨昆, 洪亮, 等. 基于不同空间分辨率DEM的地形因子分析比较[J]. 云南师范大学学报(自然科学版), 2018, 38(5):75-78.
Yang R F, Yang K, Hong L, et al. Comparison of terrain factor analysis based on DEM with different spatial resolution[J]. Journal of Yunnan Normal University(Natural Science Edition), 2018, 38(5):75-78.
[18] 国务院第一次全国地理国情普查领导小组办公室编著. 地理国情普查基本统计[M]. 北京: 测绘出版社, 2013:3-8.
Office of the Leading Group for the First National Geographic Survey of China. Basic statistics of the National Geographic Survey[M]. Beijing: Surveying and Mapping Press, 2013:3-8.
[19] 国家测绘局测绘标准化研究所. CH/T 9009.2—2010 基础地理信息数字成果1:5 000, 1:10 000,1:25 000,1:50 000,1:100 000数字高程模型[S]. 北京: 测绘出版社, 2010.
Institute of Surveying and Mapping Standardization of the State Bureau of Surveying and Mapping. CH/T 9009.2—2010 Digital products of fundamental geographic information 1:5 000,1:10 000,1:25 000,1:50 000,1:100 000 digital elevation models[S]. Beijing: Surveying and Mapping Press, 2010.
[20] 袁卫平. 地理统计空间计算效率优化模型研究[D]. 阜新:辽宁工程技术大学, 2015.
Yuan W P. Research on the optimization model of the spatial computation of geographical statistics[D]. Fuxin:Liaoning University of Engineering and Technology, 2015.
[21] 江娜. 山东省地理国情信息综合统计分析技术与实现[J]. 山东国土资源, 2018, 34(6):65-69.
Jiang N. Technology and realization of comprehensive statistical analysis of China geography information in Shandong Province[J]. Shandong Land and Resources, 2018, 34(6):65-69.
[22] 朱伟, 王东华, 周晓光. 基于信息熵的DEM最佳分辨率确定方法研究[J]. 遥感信息, 2008(5):79-82.
Zhu W, Wang D H, Zhou X G. The research of optimizing DEM resolution based on information entropy[J]. Remote Sensing Information, 2008(5):79-82.
[23] 陶旸, 汤国安, 王春, 等. DEM地形信息量计算的不确定性研究[J]. 地理科学, 2010, 30(3):398-402.
Tao Y, Tang G A, Wang C, et al. Uncertainty of terrain information content based on grid DEM[J]. Scientia Geographica Sinica, 2010, 30(3):398-402.
[24] 陈楠, 林宗坚, 汤国安, 等. 数字高程模型的空间信息不确定性分析[J]. 测绘通报, 2005(11):14-17.
Chen N, Lin Z J, Tang G A, et al. Analysis of spatial information uncertainty from DEM[J]. Bulletin of Surveying and Mapping, 2005(11):14-17.
[25] 周程明. 基于熵权TOPSIS法的城市旅游高质量发展评价研究——以广东省21个城市为例[J]. 西南师范大学学报(自然科学版), 2021, 46(7):58-66.
Zhou C M. Evaluation of high quality development of urban tourism based on entropy weight and TOPSIS method:A case study of 21 cities in Guangdong Province[J]. Journal of Southwest China Normal University(Natural Science Edition), 2021, 46(7):58-66.
[26] 倪九派, 李萍, 魏朝富, 等. 基于AHP和熵权法赋权的区域土地开发整理潜力评价[J]. 农业工程学报, 2009, 25(5):202-209.
Ni J P, Li P, Wei C F, et al. Potentialities evaluation of regional land consolidation based on AHP and entropy weight method[J]. Transactions of the CSAE, 2009, 25(5):202-209.
[27] 祁于娜, 王磊. 层次分析-熵值定权法应用于山区城镇地质灾害易发性评价[J]. 测绘通报, 2021(6):112-116.
Qi Y N, Wang L. Application of AHP-entropy weight method in hazards susceptibility assessment in mountain town[J]. Bulletin of Surveying and Mapping, 2021(6):112-116.
[1] 王静, 王佳, 徐江琪, 黄邵东, 刘东云. 改进遥感生态指数的典型海岸带城市生态环境质量评价——以湛江市为例[J]. 自然资源遥感, 2023, 35(3): 43-52.
[2] 闫柏琨, 甘甫平, 印萍, 葛晓立, 郭艺, 白娟. 1989—2021年中国大陆海岸带潮滩、海岸线、养殖水体遥感观测[J]. 自然资源遥感, 2023, 35(3): 53-63.
[3] 史姝姝, 窦银银, 陈永强, 匡文慧. 中国海岸带区域城市扩展遥感监测与内部地表覆盖时空分异特征分析[J]. 自然资源遥感, 2022, 34(4): 76-86.
[4] 吴芳, 金鼎坚, 张宗贵, 冀欣阳, 李天祺, 高宇. 基于CZMIL测深技术的海陆一体地形测量初探[J]. 自然资源遥感, 2021, 33(4): 173-180.
[5] 苗苗, 谢小平. 基于GIS和RS的山东日照海岸带1988—2018年间演化分析[J]. 国土资源遥感, 2021, 33(2): 237-247.
[6] 韩亚超, 李奇, 张永军, 高子弘, 杨达昌, 陈洁. 机载高光谱仪几何检校方法及其在海岸带航空遥感调查中的示范应用[J]. 国土资源遥感, 2020, 32(1): 60-65.
[7] 金鼎坚, 王建超, 吴芳, 高子弘, 韩亚超, 李奇. 航空遥感技术及其在地质调查中的应用[J]. 国土资源遥感, 2019, 31(4): 1-10.
[8] 毛宁, 刘慧平, 刘湘平, 张洋华. 基于RMNE方法的多尺度分割最优分割尺度选取[J]. 国土资源遥感, 2019, 31(2): 10-16.
[9] 詹雅婷, 朱叶飞, 苏一鸣, 崔艳梅. 基于国土资源卫星的盐城海岸带生态环境变化调查[J]. 国土资源遥感, 2017, 29(s1): 160-165.
[10] 贺一楠, 耿娟, 秦军, 刘晨, 杨辉. 结合Forstner与NCC约束的UAV图像配准研究[J]. 国土资源遥感, 2015, 27(1): 48-54.
[11] 刘荣杰, 张杰, 李晓敏, 马毅. ZY-3影像在我国海岸带区域的定位精度评价[J]. 国土资源遥感, 2014, 26(3): 141-145.
[12] 冯永玖, 韩震. 基于遥感和GIS的海岸带水域生态景观格局演变研究——以杭州湾北岸上海市段为例[J]. 国土资源遥感, 2011, 23(1): 123-127.
[13] 李振, 黄海军. 胶州湾海岸带土地利用/覆被变化研究[J]. 国土资源遥感, 2010, 22(4): 71-76.
[14] 吴均平, 毛志华, 陈建裕, 白雁, 陈晓东, 潘德炉. 一种加入空间关系的海岸带遥感图像分类方法[J]. 国土资源遥感, 2006, 18(3): 10-14.
[15] 姜义, 李建芬, 康慧, 钟新宝. 渤海湾西岸近百年来海岸线变迁遥感分析[J]. 国土资源遥感, 2003, 15(4): 54-58.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发