（精品）基于DEM的梯田自动提取模型研究 - 图文

本 科 生 毕 业 论 文（或设计）

（申请学士学位）

注意：1、所有表格必须用word中的表格做，不能抓屏 2、表格、图不能出页码，一般居中 3、留好电子版的论文及相关材料

4、章节号的标题不能在独立页的最末行，前四页没有页眉 5、页面设置，纸张大小AA，页边距左3厘米，上、下、右页边

距2.5厘米，对称页边距。 6、该论文模板禁止任何修改

论文题目 基于DEM的梯田自动提取模型研究 作者姓名 程彩霞 所学专业名称 地理信息系统 指导教师 王 春

（注意整体居中，题目等横线上要填的居中，论文模版格式不要随便改动，题目为小三、楷体_GB2312）

2009年6月6日

学 号：

论文答辩日期：2009年 6 月 6 日

指 导 教 师： （签字）

滁州学院本科毕业设计（论文）原创性声明

本人郑重声明：所呈交的设计（论文）是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果。本人完全意识到本声明的法律后果由本人承担。

作者签名： 年 月 日

目 录（目录自动生成，四号、黑体）

摘要 ........................................................................... 1 Abstract ....................................................................... 1 1 引言 ......................................................................... 1

1.1 选题背景与依据 ......................................................... 1 1.2 国内外研究进展 ......................................................... 1 1.3 研究内容与技术方案 ..................................................... 2 1.4 论文组织 ............................................................... 3 2 梯田形态特征分析 ............................................................. 3

2.1 梯田的自然形态特征 ..................................................... 3 2.2 梯田的数字化表达 ....................................................... 5

2.2.1 梯田的不规则三角网表达 ............................................ 5 2.2.2 梯田的规则格网DEM表达 ............................................ 5 2.3 小结 ................................................................... 6 3.基于DEM的梯田自动提取模型 ................................................... 6

3.1 模型总体结构 ........................................................... 6 3.2 模型关键技术 ........................................................... 6

3.2.1 地表法向量计算模型 ................................................ 6 3.2.2 梯田内部格网点的识别 .............................................. 8 3.2.3 梯田边界线的提取 ................................................. 8 3.3 小结 .................................................................. 10 4.DEM梯田自动提取原型系统实现 ................................................. 10

4.1 原型系统概述 .......................................................... 10

4.1.1 原型系统主要功能 ................................................ 10 4.1.2 原型系统开发平台 ................................................ 12 4.2原型系统测试 ........................................................... 12

4.2.1 实验样区概述 .................................................... 12 4.2.2 实验结果分析 .................................................... 14 4.4小结 ................................................................... 15 5.结论与讨论 .................................................................. 16

5.1 主要成果 .............................................................. 16 5.2 研究展望 .............................................................. 16 参考文献 ...................................................................... 17 附 录：关键程序代码 ........................................................ 18 致 谢 ...................................................................... 23 （目录内容五号、宋体）

基于DEM的梯田自动提取模型研究（小二、黑体）

摘要：（四号、黑体）DEM蕴含了丰富的地形信息，论文通过分析不同地区梯田的形态特征及

其在DEM的表现形式，构建基于DEM提取梯田的数学模型，开发具有开放性和实用性的基于DEM提取梯田的原型系统，并以黄土高原的DEM数据为样本，完成原型系统的检测，为估算和检核农业用地面积，改进DEM地形建模精度等提供了很好的是理论与实践参考。（五号、宋体，行间距为固定值20磅）

关键词：（四号、黑体）数字高程模型；梯田；数学模型；原型系统

A New Model of Derived Terraces Based on Grid DEM

（三号、Times New Roman）

Abstract：（四号、Times New Roman）Digital Elevation Models(DEM) contains plenty of

information , the papers transit the analysis of morphological characteristics in different regions and its performance in the form of DEM , then build the mathematical methods of extraction of terraced fields based on DEM and develop the prototype system with open and practical function, complete the test of the prototype system with the DEM data of Loess Plateau. It provides a good theory and practice reference to estimate the area of agricultural land, at the same time; it improves the accuracy of DEM in terrain modeling. （五号、Times New Roman，，行间距为固定值20磅）

Key words：（四号、Times New Roman）digital elevation models；terraces；mathematical

methods；prototype system（五号、Times New Roman） （以上单独成页，单独成页的没有页眉）

1 引言（段前12磅，段后6磅，小三、黑体）

1.1 选题背景与依据（段前6磅，段后6磅，四号、黑体）

梯田是人类长久以来对原生黄土地貌形态进行人工改造而形成的独特地形，不仅包含复杂的自然微地貌特征（如切割梯田的各种沟壑等），而且包含丰富的人工改造工程特征，具有重要的科学研究价值。它具有拦蓄暴雨、地表径流,保土保肥、方便耕作等作用，是治理坡耕地水土流失的有效措施，而且它的通风透光条件较好，有利于作物生长和营养物质的积累，增强了抵御自然灾害的能力，同时也使土地利用结构得到合理的调整，因此梯田的建设是夯实农业基础,改变农业生产条件,实现经济可持续发展的必经之路。

数字高程模型（Digital Elevation Model，DEM）是国家基础空间数据的重要组成部分，它表示地表区域上地形的三维向量的有限序列，即地表单元上高程的集合。通过高程信息来记录地形的起伏，当中蕴含着各种地形地貌的结构信息，其中包括梯田、等高线、山谷线、山脊线坡度、坡向、地表粗糙度、地形起伏度、剖面曲率和平面曲率等。这些信息是进行各种地学分析所必须的信息。研究国家已经建立的各种比例尺DEM蕴含了怎样的梯田信息，如何快速、准确的提取它们，对小流域梯田改造、水文分析、水土保持及生态恢复、环境保护、估算和检核农业用地面积、改进DEM地形建模精度等具有重要的指导和应用价值。（五号、宋体，行间距为固定值20磅）

1.2 国内外研究进展

自数字高程模型（DEM）概念的提出，DEM的诸多理论问题得到了深入的研究，DEM的及基于DEM数字地形分析的理论与技术方法体系正在形成。随着全国多尺度的DEM的相继建立，它的应用遍及地球科学、资源、环境、测绘与遥感、军事、土木工程等领域，并发挥着越来越重要的作用。在理论研究方面，DEM的不确定性、DEM的尺度效应、DEM的地学分析、基于DEM的数据挖掘都取得了较大的突破。在应用方面，也从一般的地形因子提取、支持三维漫游等简单应用向更多的样式、更广泛的领域发展。可以说，DEM所代表的已经不仅仅是一般的记录海拔高程的空间数据，还包括一些空间分析的思路、一种地学处理的方法。而对DEM精度的研究，一直是摄影测量界的重要研究议题，随着科技的发展，DEM的精度也在逐渐提高，同时提出了DEM精度描述指标和评定方法，建立了DEM精度评价体系和精度模型，使得DEM的应用越来越广泛。

近年来，国内外众多学者对DEM应用展开了一系列的研究，并取得了重要成果。中科院水土保持研究所李锐等在数字黄土高原及区域水土流失评价研究中取得重要的进展；刘昌明等在利用DEM进行流域水文过程模拟等方面已有诸多成果；傅伯杰等在基于RS、GIS的黄土高原景观及基于DEM的土壤侵蚀规律研究了令人瞩目的研究成果

[5-6]

[3-4]

[2]

[1]

，闾国年等在基于DEM的黄土地形自动识别与分割，取得

。此外，南京师范大学虚拟地理环境教育部重点实验室的汤国安、刘

学军等多年来一直致力于基于DEM的黄土高原数字地形分析研究，在基于DEM的黄土高原地貌形态特征分析、黄土高原资源环境研究、黄土高原DEM及数字地形分析的不确定性、黄土高原DEM的破谱研究、黄土高原的高保真DEM、基于DEM的沟壑特征分析、基于DEM的山地气候特征分析、基于DEM 的植被空间分异分析等领域进行了全面而深入的研究，并取得了一系列令人瞩目的研究成果

[7-8]

。

随着地理信息系统技术的广泛应用，数字地形分析的研究也越来越受到人们的重视。DEM的数字地形分析研究的主要内容是地形因子的提取和地形特征的提取。地形因子有很多，分为微观因字和宏观因子，常用的有微观因子主要有坡度、坡向、坡度变率、坡向变率、平面曲率、剖面曲率、坡长，常用的宏观因子主要有破形因子、地形粗糙读、地形起伏度、高程变异系数、地表切割深度。这些地形因子具有明确的数学表达式和物理定义，可以在DEM上直接量算，计算的结果均具有实际的物理意义和量纲的量，可以通过实地或地形图的量测而直接检验。

地形特征是地表形态和特征的定性表达，主要有山顶点、凹陷点、脊点、谷点、鞍点、平地点、山脊线、山谷线、等高线、沟沿线、水系、梯田等，可以在DEM上直接提取，特点是定义明确，但边界具有一定的模糊性，难以用数学表达式表达，地形特征的提取通常根据对高程点的空间分布关系的分析、或对地表物质运动机理的简化建模，通过某种模拟算法而实现，如确定水文要素的流水路径算法，提取结果通常以分类的形式表达，并可利用常用的统计学方法进行分类检验。地形特征的自动提取技术已经有丰富的研究，如基于图像处理技术的算法提取山谷线和山脊线、基于地形表面流水物理模拟分析方法提取山谷线和山脊线、利用沟间地和沟坡地在形态和成因上的差异进行沟沿线的提取、基于地表径流漫流模型提取水系等。

梯田作为一种特殊的地形特征，到目前为止还没有人对DEM中梯田的自动提取技术进行系统的研究过。因此，本文通过分析不同地区梯田的形态特征及其在DEM的表现形式，构建基于DEM提取梯田的数学模型，开发具有开放性和实用性的基于DEM提取梯田的原型系统，并以黄土高原的DEM数据为样本，完成原型系统的检测，为估算和检核农业用地面积，改进DEM地形建模精度等提供理论与实践参考。

1.3 研究内容与技术方案

查阅文献资料，分析不同区域梯田的形态特征及其在DEM中的表现形式，根据分析结果，构建描述梯田特征的数学模型和数学表达约束条件，基于ArcGIS Engine组件，开发具有开放性和实用性的基于DEM的梯田自动提取原型系统，并以黄土高原梯田地形为检验样区，完成原型系统的实例测试。

依据论文研究内容，构建了如下的技术流程：

（表格的表名在表上方，图的图名在下方，图表名用小五黑体，图表中文字用小五宋体。插图与其图题为一个整体，不得拆开排写于两页。图题由图号和图名组成。图号按章编排，如第1章第一图图号为“图1-1”等。）

1.4 论文组织

本文共有四个章节，

第一章是总体概述，主要论述论文的选题背景、依据、国内外的研究进展、研究内容和大致的一个技术方案。

第二章主要分析梯田的形态特征，通过分析梯田的自然形态特征和它在矢量地形图、不规则三角网和规则格网DEM中的表现形式，总结出梯田的形态特征。

第三章是构建基于格网DEM的梯田自动提取模型，主要介绍构建模型的算法和关键技术。 第四章是原型系统的实现，主要介绍原型系统的功能和开发平台，论述算法是如何实现的以及最终测试的结果。

第五章是论文的主要成果以及研究展望。

2 梯田形态特征分析

2.1 梯田的自然形态特征

我国幅员辽阔，梯田遍布全国各地，特别是水土流失比较严重的地方，因为可有效地防止

水土流失，创造良好的水、土生态环境，有利于耕作，提高作物产量。例如，黄土高原、东北、龙脊、云南元阳等地区都是大面积梯田覆盖地区。

我国黄土高原受特殊的地貌结构、环境条件和人类社会经济活动等因素的综合作用使之成为全球水土流失最严重的地区，而梯田是一种防止水土流失的有效方式，因此它是黄土高原基本农田的重要组成部分。从图2-1黄土梯田的野外实景图，可以观察到它大致的形态，它呈阶梯状，坡度比较陡，修筑的梯田一般为水平梯田，梯田表面有局部的起伏，但起伏度很小，总体趋势是以平直坡面为主。

图2-1 陕西黄土梯田 图2-2 广西龙脊梯田

图2-3 云南元阳梯田

龙脊梯田位于广西境内，它是壮族文化保存得最为完整的地区之一。龙脊地区山岭绵延，地势高低不平，并不适宜开展稻作农业生产，因此发展出了独具特色的梯田稻作形式。但由于山地生态环境的限制，梯田大都比较狭窄。龙脊梯田地处海拔1916米的崇山峻岭深处，梯田海拔最高处1180米，最低380米，垂直落差800米，坡度大多在26至35度之间，最大坡度达50度，它是因山就势、因地制宜而开辟的修筑的梯田一般是复式梯田。图2-2是龙脊梯田的野外实景图，我们可以从实景图中可以看出它大致的形态，它呈阶梯状，沿着陡峭的山坡层层向上分布，梯田表面是一个平直坡面。

元阳梯田位于云南省元阳县的哀牢山南部，是哈尼族人世世代代留下的杰作。元阳哈尼族开垦的梯田随山势地形变化，因地制宜，坡缓地大则开垦大田，坡陡地小则开垦小田，甚至沟边坎下石隙也开田，因而梯田大者有数亩、小者仅有簸箕大，往往一坡就有成千上万亩。元阳梯田规模宏大，气势磅礴，绵延整个红河南岸的红河、元阳、绿春及金平等县，仅元阳县境内就有17万亩梯田，是红河哈尼梯田的核心区。元阳县境内全是崇山峻岭，所有的梯田都修筑在山坡上，梯田坡度在15度至75度之间。以一座山坡而论，梯田最高级数达3000级，这在中外梯田景观中是罕见的。图2-3是元阳梯田的野外实景图，它和其他的梯田一样。都是它呈阶梯状，沿着陡峭的山坡层层向上分布，梯田的表面有局部的起伏，但起伏度很小，总体上是一个平直坡面。

总体上，梯田是呈条带状阶梯式分布的，梯田的表面有局部起伏，但起伏度很小，可以近似为平直的坡面。

2.2 梯田的数字化表达

2.2.1 梯田的不规则三角网表达

不规则三角网是用一系列互不交叉、互不重叠的连接在一起的三角形来表示地形表面。它主要通过节点（地形采样点）、三角形边和三角形面之间的关系来显式或隐式的表达地形散点的拓扑关系。图2-4是1:10000比例尺的黄土梯田在不规则三角网中的一个三维模拟图，线状要素为原始采样数据，红色线是梯田边沿线，蓝色线是山脊山谷线，黑色线为计曲线，灰色线是首曲线。从图中可以看出，梯田在不规则三角网中通常都是以平直面的形式存在的

2.2.2 梯田的规则格网DEM表达

规则格网DEM是由一系列规则分布的正方形格网连接在一起来表示地形表面。由于格网的规则性，格网点的平面位置隐含在格网的行列号中而不记录，此时的DEM就相当于一个n行m列的高程矩阵。图2-5是梯田在规则格网DEM中模拟效果图，从图中可以看出，梯田区域图像的灰度值是一致的，这也就说明了梯田在规则格网DEM中也是以平直面的形式存在的。值得注意的是，在格网DEM中，梯田的必须大于一定的区域面积才能被有所识别。

2.3 小结

从野外梯田的自然形态和梯田在不规则三角网、规则格网DEM中的表现形式中，可以发现，梯田的主要形态特征表现为：自然梯田表面虽有起伏，但在DEM中通常以平直面存在，此外，梯田的边界到梯田内部格网点的距离与提前边坡的陡峭程度相关，边坡越陡，梯田边界离梯田内部格网点越近，可以根据这些特征，构建基于DEM的梯田自动提取模型。

3.基于DEM的梯田自动提取模型

3.1 模型总体结构

依据梯田的自然特征及其在DEM中的表现形式，构建基于DEM自动提取梯田的数学模型。该模型通过判断格网DEM的法向量是否平行来确定梯田区域。模型的结构可以分为四部分，第一，提取格网DEM的法向量；第二，判断法向量是否平行，确定潜在的梯田格网点；第三，构建梯田平面方程，提取完整梯田格网点；第四，依据梯田边坡陡峭程度，加权确定梯田边界位置。

提取格网法向量的方法很多，文章中采用的是三阶反距离平方权差分模型来提取，它有比较好的计算精度。在判断法向量是否平行时，先取任意相邻不共线三个格网点，判别其法向量是否平行，如果平行则为可能的梯田内部表面；然后采用外扩法依次判别其他格网点是否是梯田表面点；梯田内部表面点确定后，再利用向量的夹角确定梯田的边界；最后，整理完成整个梯田的提取。

[8]

3.2 模型关键技术

3.2.1 地表法向量计算模型

梯田内部格网点的识别，首先要做的是计算地表法向量。刘学军（2002，2006）研究指出，在DEM地形数字解析分析中，三阶反距离平方权差分具有相对较好计算精度，因此本文也采用该模型提取DEM地形表面法向量。

在DEM中，具有空间矢量特征的地形因子的自动提取，通常采用基于空间矢量分析原理的差分计算方法完成，图3.2.1.A，是3*3DEM格网的一个标准矢量，令矢量的基本矢量为（与XOZ面平行，与YOZ面平行）。的计算公式如下：

px?pi??x,j?pi??x,j?{2?x,0,2?xfx} py?pi,j??y?pi,j??y?{0,2?y,2?yfy}

式中：是X方向的高程变化率；是Y方向的高程变化率。基本向量完全确定了微分单元在空间的特征，由可得地表微分单元法向量：

i ni,j= px?py =2?x0j0k2?xfx2?y2?yfy?{?4?x?yfx,?4?x?yfy,4?x?y} ?{fx,fy,?1} 根据法向量就可以完成地形因子的自动提取，而，的得计算可以通过三阶反距离平方权差分来求得，公式如下：

fx?(zi?1,j?1?2zi?1,j?zi?1,j?1?zi?1,j?1?2zi?1,j?zi?1,j?1)8d(zi?1,j?1?2zi,j?1?zi?1,j?1?zi?1,j?1?2zi,j?1?zi?1,j?1)8d

fy?式中d为DEM格网大小。

3.2.2 梯田内部格网点的识别

取去任意不共线的三个格网点的法向量进行混合积运算，如果运算结果为0，则三个法向量平行，格网点可能为梯田的内部表面。

假设a、b、c为任意的不共线的三个格网点的法向量，，，，它们的混合积记为：

?

??????ayabc?a?b?c?by???azacx?xbzbxaaazcy?bxbzaycbyz

ax?bxcxaybycyazbzcz通过三个向量的混合积，可以确定一部分的梯田表面点，还有一部分会遗漏，如图3-2所示：A、B、C三个点的法向量混合积不为0，但是A、B两点还是梯田内部点，这就需要对其进行补充，补充的第一步是构建梯田建平面方程：

再将A、B两点的坐标带入平面方程内，得到，如果（为给定的阈值），则该点就为梯田内部点。

图3-2 梯田内部点的补充

3.2.3 梯田边界线的提取

梯田的边界到梯田内部格网点的距离与提前边坡的陡峭程度相关，边坡越陡，梯田边界离梯田内部格网点越近，依据这一特征可利用两向量的夹角来确定梯田的边界。图3-3中，ni与nj为格网的法向量，θ为两向量的夹角：

图3-3 梯田边界与向量夹角

cos?????ni?nj??ninjxixj?yiyj?zizj22xi2?yi2?zi2x2j?yj?zj

ni与nj的夹角越大，梯田的边界线越靠内，越小越靠外。依据这已特征可以构建加权距离算法确定梯田边的具体位置。图3-4是梯田边界计算的示意图，L为格网的大小，A、B是格网的顶点，C为梯田边界与格网连线的交点, D为梯田边界与格网对角连线的交点：

图3-4 梯田边界计算示意图

（简单线划图必须在word中做）

设一个以 为函数的权重P， C到A的距离为： D到A的距离为：

此时，可以计算出C、D两点的坐标。计算公式为： 式中为A、C两点的方位角。

同理可得D点的坐标公式： 式中为A、E两点的方位角。

依次将梯田边界线与格网连线的交点坐标计算出来，并将这些做标串连接在一起就是梯田的边界线了。

3.3 小结

这一章主要介绍的是梯田提取模型构建的一些关键技术。识别和提取梯田的基本流程是：计算地表法向量，识别梯田格网点，确定梯田边界线，整合形成梯田分布图。

法向量的计算方法有很多，有简单差分、二阶差分、三阶不带权差分边框差分等等，这一章主要介绍了利用三阶反距离平方权差分模型来计算地表的法向量，它考虑了不同距离上的点对中心格网点偏导数计算的影响，因此它的计算精度比较好。

通过计算法向量的混合积来识别梯田内部格网点，并利用平面方程的方法对遗漏的内部点进行补充。

边界线的确定是利用两个法向量间的夹角来实现的。通过引入一个以夹角为函数的权重，来计算梯田边界与格网连线的交点坐标。

4.DEM梯田自动提取原型系统实现

4.1 原型系统概述

4.1.1 原型系统主要功能

基于DEM的梯田自动提取原型系统包括如下功能模块，数据的读入、数据的保存、数据操作、、梯田自动识别、地图的基本功能有放大、缩小、漫游、平移、全屏显示等，核心功能就是快速、准确的从DEM中提取梯田。图4-1是原型系统核心功能及其界面，图4-2是原型系统主界面。

4.1.2 原型系统开发平台

DEM的梯田自动提取原型系统是基于ArcGIS Engine平台、VS 2005.NET框架开发的。ArcGIS Engine是一个创建定制的GIS桌面应用程序的开发产品。ArcGIS Engine包括构建ArcGIS产品ArcView、ArcEditor、ArcInfo和 ArcGIS Server的所有核心组件。使用ArcGIS Engine可以创建独立界面版本(Stand-Alone)的应用程序，或者对现有的应用程序进行扩展，为GIS和非GIS用户提供专门的空间解决方案。ArcGIS Engine 提供了COM、.NET和C++的应用程序编程接口(API)。这些编程接口不仅包括了详细的文档，还包括一系列高层次的组件，使得临时的编程人员也能够轻易的创建ArcGIS应用程序。C#是一种面向对象的编程语言，他作为visual studio中的一部分推出的。c#既保持了c++中熟悉的语法，并且还包含了大量的高效代码和面向对象特性，用 C# 设计的组件可以很容易的转换成 Web 服务，可以以任意操作系统的任意语言从 Internet 上调用。开发人员可以定义特定域的属性，并将它们应用于任何语言元素如类，接口等。

4.2原型系统测试

4.2.1 实验样区概述

考虑到数据的可获取性，实验样区选在陕北黄土高原，实验数据为1:10000地形图，在其基础上修改编辑制作了梯田信息，据此依据国家1:10000 DEM标准生产模式构建了1:10000 DEM数据，格网分辨率5m。图4-3是实验样区的原始采样数据，比例尺为1:10000，图4-4是黄土梯田在TIN模型中的三维效果图，图4-5是在常规格网DEM中的三维线框图。

……

4.2.2 实验结果分析

图4-6是在TIN中的原始梯田分布图，图4-7至图4-9是分别基于5m、15m和25m DEM识别和提取的梯田分布图。从图中可以看出，凡是存在过梯田内部点，且最小宽度大于等于15米，即大于等于3倍DEM格网大小的梯田点都被准确识别和提取，而对于小于3倍DEM格网大小的梯田的识别具有不确定性，能否识别与DEM格网的具体布设位置有关。

图4-6 在TIN模型中的原始梯田分布图

4.4小结

这一章主要阐述了基于DEM提取梯田原型系统的设计与实现，以及原型系统运行测试。研究表明，基于AE开发GIS专题体统，简洁方便，适宜于非专业初学人员。论文设计开发的原型系统包含了GIS地图操作的基本功能，重点实现和验证了梯田识别与提取模型的有效性。

通过套合叠加分析显示，论文构建的基于空间向量变化识别与提取梯田的模型，能够有效识

别和提取最小宽度大于等于3倍DEM格网大小的梯田点都被准确识别和提取，具有很好的实用价值。同时，该实验也证实DEM能够真实描述最小宽度大于等于3倍DEM格网大小的梯田信息，对于小于3倍DEM格网大小的梯田的描述具有不确定性，能否识别与提取与DEM格网的具体布设位置有关。

5.结论与讨论

5.1 主要成果

1、依据梯田的实景图和在格网DEM中的表现形式，论文凝练提出了DEM梯田描述的基本特征：自然梯田表面虽有起伏，但在DEM中通常以平直面存在，此外，梯田的边界到梯田内部格网点的距离与提前边坡的陡峭程度相关，边坡越陡，梯田边界离梯田内部格网点越近。

2、依据DEM梯田描述的基本特征，论文构建了基于地表空间向量变化的梯田识别与提取模型，主要技术环节为地表法向量场的建立、依据法向量是否平行识别梯田内部格网点、基于点是否共面标识别梯田边缘梯田点、依据依据法向量夹角加权确定梯田边界。

3、基于ArcGIS的AE GIS系统开发模板及技术，设计开发了基于DEM的梯田识别与提取原型系统，并以黄土高原1:10000 DEM为测试数据，测试验证了论文构建的梯田识别与提取模型的有效性。测试结果显示，论文构建的基于空间向量变化识别与提取梯田的模型，能够有效识别和提取最小宽度大于等于3倍DEM格网大小的梯田点都被准确识别和提取，具有很好的实用价值。

5.2 研究展望

1、梯田是人类长久以来对黄土地貌形态进行人工改造而形成的独特地形，不仅包含复杂的微地貌特征，而且包含丰富的人工改造工程特征，具有重要的科学研究价值。专门针对梯田进行DEM研究的在国内外还不多见。随着科技的日新月异，DEM数据的精度将会大大提高，DEM的理论将更加完善，为针对梯田进行DEM研究提供了理论基础，反过来，通过基于DEM对梯田的快速、准确的提取以及更深入的研究，可以建立梯田DEM特有的理论和方法体系，使其成为传统DEM的理论与方法的重要完善和补充，同时也为高精度梯田DEM在小流域改造、水文分析、水土保持以及生态恢复和环境保护等领域的广泛应用提供科学依据。

2、论文研究主要识别和提取的是理想的平直面梯田，实际DEM数据中还存在少量的依山而建的圆弧状梯田，如何识别和提取它们需要进一步深入研究。同时，如何实现依据梯田的基本形态特征，实现基于DEM的梯田动态模拟分析，对农业规划、水土保持等具有重要的意义，这一方面的研究具有很好应用价值。

参考文献（小三、黑体，段前6磅，段后6磅）

[1] 胡良军，杨勤科，李锐.基于GIS的区域水土流失评价研究.土壤学报，2001，38(2)： [2] 刘昌明，李道峰，田英等.基于DEM的分布式水文模型在大尺度流域应用研究.地理科学进展，

2003，22(5)：

[3] 付博杰，汪西林.DEM在研究黄土丘壑区土壤侵蚀类型和过程中的应用. 水土保持通报,1994，

8(3):17-21

[4] Fu Bbojie，Yang Zzhijian and Wang Yyanglin et al .A mathematical of soil moisture spatial

distribution on the china (D) (5):

[5] 闾国年, 钱亚东, 陈钟明. 流域地形自动分割研究. 遥感学报，1998，2（4）：

[6] 闾国年, 钱亚东, 陈钟明. 基于栅格数字高程模型提取特征地貌技术研究. 地理学报，

1998，53(6)：

[7] 周启鸣,刘学军.数字地形分析.科学出版社，2006.

[8] 汤国安,刘学军,闾国年.数字高程模型及地学分析的原理与方法.科学出版社，2005. [9] 朱红春,汤国安,张友顺, 等.DEM提取黄土丘陵区沟沿线.水土保持通报,2003 [10] 刘泽慧,黄培之. DEM数据辅助的山脊线和山谷线提取方法的研究.测绘科学，2003.

（五号、宋体，行间距为固定值20磅，悬挂缩进2.06 字符）

附 录：关键程序代码（小三、黑体，段前6磅，段后6磅）

差分计算主程序：（五号、宋体）

public float[,] Difference(float[,] DEM, int nCols, int nRows, int Step, float[,] JuanjiMatrix, float JuanjiCoef) {

float[,] mDifferenceValue = new float[nCols, nRows]; for (int ColNo = 1; ColNo < nCols - 1; ColNo++) {

for (int RowNo = 1; RowNo < nRows - 1; RowNo++) {

float mDifference = 0; for (int i = -1; i <= 1; i++) {

for (int j = -1; j <= 1; j++) {

mDifference = mDifference + DEM[ColNo + i * Step, RowNo + j

* Step] * JuanjiMatrix[i + 1, j + 1];

} }

mDifferenceValue[ColNo, RowNo] = mDifference JuanjiCoef; } }

return mDifferenceValue; }（五号、Times New Roman） 向量混合积的解算：

private float VectorMixedProduct(sVector a, sVector b, sVector c) {

return a.x * b.y * c.z + a.y * b.z * c.x + a.z * b.x * c.y - a.x * b.z * c.y - a.y * b.x * c.z - a.z * b.y * c.x; }

夹角向量的解算：…….

致 谢（小三、黑体，段前6磅，段后6磅）

终于到了这个环节了，在毕业前的这段时间，回想起自己大学四年的经历，确实是有太多太多的树叶，一片一片，记录着太多太多的怀念。大学四年，每个人都拥有自己的那么几片树叶，树叶的脉络可能永远都无法重现，但是对于脉络的形状、树叶的根，永远无法忘怀。

毕业论文是毕业前的标志性事件，而致谢这部分相对于其他正文的内容来说，更让人思量。上来大学后，跟各位老师、师兄师姐、师弟师妹都有很多的接触；他们在很多方面都给以我很大的帮助和启发。在这里，很难一一罗列出来，只能是挑选其中的几片树叶来映射出我的那堆已经变黄的叶子；很多人说树叶变黄是因为缺少养分；但是对我的那几片树叶来说，它的黄意味着我就要离开，意味着我对学校的一切一切的珍惜；我会把它们做成标本，然后把它们夹在《人生》这本书中，让树叶的脉络和那乏陈的文字相映成辉，与时间交叉成一道亮丽的风景，就好像校道的秋叶那样，揪心。

首先，第一片叶子是老师。人生最幸运的事情莫过于有良师的指点，衷心的感谢我毕业设计指导老师王春老师，他无论是在室内资料整理还是在论文的撰写等各个方面都给予了大量的指导和帮助，令我不但完成了论文，也学到了许多书本上学不到的知识，受益匪浅，特致以深深的感谢。除了王春老师，我还要感谢我们的班主任王岩和徐建辉老师，还有几位专业课老师，不管是在学习上还是在生活上，他们给了我很大的帮助。在这里我想对你们说一声辛苦了，谢谢！

其次，第二片叶子是陪伴我走过了大学四年的各位同学。是他们让我感受到班的温暖班的荣誉和班的凝聚；在我遇到困难的时候，是你们无私的给与帮助；在我犯错的时候，是你们宽容的给与原谅；在我情绪低落的时候，也是你们给与我一个真实的后背，让我有所依靠。大学毕业后，很多同学都可能永远见不到面了，但是我永远感激你们，永远不会忘记你们。

再次，第三片叶子是我的师兄姐师弟妹们。我上来大学第一片拥有的叶子就是你们；是你们让我很快的融入到学校的学习和生活中，我真诚的感谢你们。

叶子很多，情怀更多。在这里，我只能说一句：谢谢!（五号、宋体）

本文来源：https://www.bwwdw.com/article/lj18.html