基于DEM生成等高线的方法

关于地理信息系统的一些阐述,及DEM数据格式的读取及展现

２００９年８月第７卷第４期

地理空间信息

ＧＥＯＳＰＡＴｌＡＬ

ＩＮＦＯＲＭＡＴＩＯＮ

Ａｕｇ．，２００９、，０１．７．Ｎｏ．４

基于ＤＥＭ生成等高线的方法

聂

欣１，李鑫慧２，吴良林１

（１．广西师范学院．广西南宁５３０００１；２．南京信息工程大学，江苏南京２１００４４）

摘要：绘制等高线算法，分为等高线确定，等高线短线构成和等高线短线连接。首先确定每条等高线具体高程和等高线

条数，根据等高线高程．划分各点所在地势级，找出地势变化处的点，在这些点的附近找出等高线经过处，内插出等高点，再将同一等高线上的两点连接成短线，短线连接是根据同一等高线上的点，高程相等又相互连接，在等高线短线中，找出高程相等，由相同坐标点的短线。将其逐个连接起来，便形成了完整的等高线。关键词：数字高程模型；规则格网；等高线；等高线追踪

中图分类号：Ｐ２０８

文献标志码：Ｂ

文章编号：１６７２．４６２３（２００９）０４—００８５—０３

ＣｏｎｔｏｕｒｓＧｅｎｅｒａｔｉｏｎｆｒｏｍＲｅｇｕｌａｒ

ＮＩＥＸｉｎｌ，ＬＩ

ＤＥＭ

Ｘｉｎｈｕｉ２，ＷＵ

Ｌｉａｎｇｌｉｎｌ

（１．ＧｕａｎｇｘｉＴｅａｃｈｅｒｓＥｄｕｃａｔｉｏｎＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ５３０００１，Ｃｈｉｎａ；

２．ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｎ锄ｊｉｎｇ２１００４４，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｃｏｎｔｏｕｒｓｔｒａｃｉｎｇａｌｇｏｒｉｔｈｍｉｎｔｈｉｓａｒｔｉｃｌｅｉｓｍａｉｎｌｙｄｉｖｉｄｅｄｉｎｔｏｔｈｒｅｅｐａｒｔｓ：ｔｈｅｃｏｎｆｉｒｍａｔｉｏｎｏｆｃｏｎｔｏｕｒｌｉｎｅｉｎｍａｐｓ，ｔｈｅｆｏｒｍａｔｉｏｎｏｆｓｈｏｒｔｌｉｎｅｏｆｃｏｎｔｏｕｒｌｉｎｅ，ａｎｄｔｈｅ

ｓｕｒｅ

ｊｕｎｃｔｉｏｎ

ｏｆ

ｃｏｎｔｏｕｒ

ｌｉｎｅ．Ｆｉｒｓｔｗｅｎｅｅｄｔｏｍａｋｅ

ｅａｃｈｃｏｎｃｒｅｔｅａｎｄｈｉｇｈ

ｄｉｓｔａｎｃｅｏｆｔｈｅ

ｃｏｎｔｏｕｒ

ｌｉｎｅｉｎｍａｐｓａｎｄｔｈｅｎｕｍｂｅｒｏｆｔｈｅｃｏｎｔｏｕｒｌｉｎｅｉｎｍａｐｓ，ｄｉｖｉｄｅ

ｔｈｅｌｉｎｅａｔａｌｌｐｏｉｎｔｐｌａｃｅｇｅｏｇｒａｐｈｙｃｌａｓｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｏｎｔｏｕｒｌｉｎｅｉｎｍａｐｓｈｉｇｈｄｉｓｔａｎｃｅ，ｆｉｎｄｏｕｔｇｅｏｇｒａｐｈｙｖａｒｉｅｔｙａｎｄｏｒｄｅｒ，ｔｈｅｃｏｎｔｏｕｒｌｉｎｅｉｎｍａｐｓａｐｐｅａｒｓｂｙａｌｌｍｅａｎｓｉｎｔｈｅｇｅｏｇｒａｐｈｙｖａｒｉｅｔｙ，ａｔｔｈｅｓｅｏｆｎｅｉｇｈｂｏｒｈｏｏｄｆｉｎｄｏｕｔｏｆｃｏｎｔｏｕｒｌｉｎｅｉｎｍａｐｓｔｈｒｏｕｇｈｐｌａｃｅ，ｉｎｓｉｄｅｐｕｔａｎｄｗａｉｔｏｆｃｏｎｔｏｕｒｌｉｎｅｉｎｍａｐｓｂｅｃｏｍｅｓｈｏｒｔｌｉｎｅ，ｓｈｏｒｔｌｉｎｅｏｆ

ａ

ｌｉｔｔｌｅｂｉｔｈｉｇｈ，ａｇａｉｎｓａｍｅｔｗｏｐｏｉｎｔｃｏｎｊｕｎｃｔｉｏｎ

ｃｏｎｊｕｎｃｔｉｏｎａｃｃｏｒｄｉｎｇｔｏｓａｍｅｏｒｄｅｒｉｎｇｏｆｃｏｎｔｏｕｒｌｉｎｅｉｎ

ａ

ｍａｐｓ，ｈｉｇｈｄｉｓｔａｎｃｅｅｑｕａｌ，ｔｈｉｓｋｉｎｄｏｆｓｈｏｒｔｌｉｎｅａｇａｉｎｉｓｍｕｔｕａｌｌｙｌｉｎｋ，ｆｉｎｄｏｕｔｈｉｇｈｄｉｓｔａｎｃｅｉｎｔｈｅｓｈｏｒｔｌｉｎｅ

ｏｆｍｅｓｓｙｃｏｎｔｏｕｒｌｉｎｅｉｎｍａｐｓｅｑｕａｌ，ｈａｖｅｈｏｍｏｌｏｇｙｓｉｔｔｈｅｓｈｏｒｔｌｉｎｅｏｆｔｈｅｐｕｎｃｔｕａｔｉｏｎ，ｉｔｐｕｒｓｕｅｔｈｅ

ｇｅｔ

ｃｏｎｊｕｎｃｔｉｏｎ

ｕｐ，ｂｅｃｏｍｉｎｇｔｈｅｎｃｏｍｐｌｅｔｅｏｆｃｏｎｔｏｕｒｌｉｎｅｉｎｍａｐｓ．

Ｋｅｙ

ｗｏｒｄｓ：ＤＥＭ；ｒｅｇｕｌａｒ—ｄ；ｃｏｎｔｏｕｒｓ；ＣＯＮｔＯＵｒｔｒａｃｉｎｇ

小高程值。再根据最大最小高程值自行确定（输入各级等高线高程）或自动确定等高线条数和各条的高程值（输入最低等高线高程和各级高程差）。记录下各条等高线值和等高线条数。１．２等高线短线的构成

等高线短线为一个完整等高线的一个线段，该线段处于图２所示５个点范围内（虚线为等高线短线）。

依次代入高程数据，计算各高程值对应的

横

纵坐标，再按高程值与等高线的关系，给其附加值赋值，例如：小于第一条等高线赋予为０，小于第二条等高线赋予为２，以此类推（不用于计算的高程赋．２），按已确定的等高线将数据点划分为不同的地势，以上值标明数据点所在的不同地势（以下称地势级）。

等高线是地面上高程相等的各相邻点所连成的曲线。用以表示地面高低和形状。高程在二维地理空间上的连续曲面函数模型用计算机来表达时，称为数字高程模型。ＤＥＭ生成等高线是利用数字高程模型数据，通过计算机直接生成等高线数据。实现等高线数据的自动生成，制作时间短，花费少，效率高。可根据需要，在数字高程模型数据上快速生成不同精度的等高线数据，实现数据充分、高效的利用。

１

实现过程与算法思路

整个算法的流程图如图１所示。

１．１等高线的确定

首先依次遍历数据找出高程点的总数目和最大最

收稿日期：２００８ １１－１７

项目来源：国家自然科学基金资助项目（４０４６１００１）；广西科学研究与技术开发计划资助项目（０５１１２００１—８Ｃ）。

万方数据　

关于地理信息系统的一些阐述,及DEM数据格式的读取及展现

８６

地理空间信息第７卷第４期

确定ＤＥ瞰据中最高点、最低点

选择等高线确定方式

自行确立自动确立

确立等高线条数和各级高程值

将ＤＥＭ点划分到不同的地势级中

找出等高线相关的ＤＥＭ点

内插等高点，构成等高线短线

连接等高线短线，构成等高线

生成等高线数据文件

图ｌ算法流程图

右上点

一，７

，●，

，一７

该点

右点

（有关点）

／／卜＼＼、

一一一一；一一一

＼

ｊ

，，，，’

下点

＼

ｊ／

右下点

围２短线连援示薏图

依次读出各点相应数据，判断其附加值与其右点或其下点（图２）的附加值是否不同（即判断某点的右点和下点与该点是否同在一个地势级中），如果不同，则其附加值加ｌ，就找出了其右边或下边有等高线经过的点，即与等高线有关的点（以下称有关点）。

再找出与有关点的右点或下点间可内插的等高线，内插出相应高程点，再寻找出与右点、右下点、下点、右上点（图２）中可内插同一高程的点，内插出高程点，连成等高线的短线．（图３小写字母为高程数据点，大写字母为等高线，ａ为正在做判断的点，数字为内插

点，下同）

万　

方数据Ａ

【ｄ）

（ｃ）

（Ｏ

图３简单情况下的等高线短线（ａ，ｂ，ｃ与右点有关，

也ｅ与下点有关．ｆ与右上点有关）

当有关点不止与一条等高线有关，须多次判断以

上过程，多次内插（有关点与右点或下点的地势级的差值可确定与多少条等高线有关）。（如图４）

图４复杂情况下的等高线短线（举例）

判断时要分为有关点大于对应等高线和有关点不大于对应等高线的情况分别判断。

在本算法判断中对悬崖处会形成一排并列的等高线，紧密但不重合（如图５）。

图５悬崖处短线情况

以下举一例说明：

如等高线按０ｍ启始，５ｍ间距计算（如图６）。

ｅ

６ｍ

？５

ｊ

－，

ａ１６ｍ

，

ｂ４ｍ

／

ｉ

、

？、ｓ｛

、、’．

ｊｌＯ

ｊ

Ｃ

１２ｍｊ

ｄ８ｍ

图６０

ｍ启始。５ｍ间距计算等高线

判断ａ点的地势级值为８（第４级），其右点ｂ地

关于地理信息系统的一些阐述,及DEM数据格式的读取及展现

第７卷第４期

万　

方数据

关于地理信息系统的一些阐述,及DEM数据格式的读取及展现

２００９年８月

地理空间信息

ＧＥＯＳＰＡＴＩＡＬ

ＩＮＦＯＲＭＡＴＩＯＮ

第７卷第４期

Ａｕｇ．，２００９Ｖ０１．７．Ｎｏ．４

基于光谱相关性的ＳＶＭ高光谱遥感影像分类

沈照庆１，王建宾２，陶建斌１

（１武汉大学遥感信息工程学院，湖北武汉４３００７９；

２．山东科技职业学院。山东潍坊２６１０５３）

摘要：根据高光谱遥感影像数据特点，首先利用光谱相关性进行特征选择，然后引进ＳＶＭ进行高光谱遥感影像分析解译，最后利用ＡＶＩＲＩＳ影像进行试验，结果显示分类精度和时间比常规方法都有很大改善。

关键词：ＳＶＭ；高光谱；光谱相关；遥感影像中图分类号：Ｐ２３７

文献标志码：Ｂ

文章编号：１６７２－４６２３（２００９）０４－００８８—０４

ＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆＨｙｐｅｒｓｐｅｃｔｒａｌＲＳＩｍａｇｅＢａｓｅｄ

ｏｎ

ＳＶＭ

ＳＨＥＮ

ａｎｄＳｐｅｃｔｒａｌＲｅｌｅｖａｎｃｅ

Ｊｉａｎｂｉｎｌ

Ｚｈａｏｑｉｎ９１，ＷＡＮＧＪｉａｎｂｉｎ２，ＴＡＯ

（１．ＳｃｈｏｏｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７９，Ｃｈｉｎａ；

２．ＳｈａｎｄｏｎｇＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｅｉｆａｎｇ２６１０５３，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｉｎｔｈｉｓｐａｐｅｒ，ａｃｃｏｒｄｉｎｇｔｏｈｙｐｅｒｓｐｅｃｔｒａｌＲＳｉｍａｇｅｄａｔａｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｉｔｉｓｃａｒｒｉｅｄ

ｏｎ

ｔｏｓｅｌｅｃｔｆｅａｔｕｒｅ

ｂｙｓｐｅｃｔｒａｌｒｅｌｅｖａｎｃｅ，ａｎｄｔｈｅｎｔｈｅＳＶＭｉｓｕｓｅｄｆｏｒａｎａｌｙｓｉｓａｎｄｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｈｙｐｅｒｓｐｅｃｔｒａｌＲＳｉｍａｇｅ，ｆｉｎａｌｌｙ，

ｔｅｓｔ

ｉｓｄｏｎｅ

ｏｎ

ｔｈｅＡＶＩＲＩＳｉｍａｇｅａｎｄｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｉｓｂｅｔｔｅｒｔｈａｎｃｏｎｖｅｎｔｉｏｎａｌ

ｍｅｔｈｏｄｓ．

Ｋｅｙｗｏｒｄｓ：ＳＶＭ；ｈｙｐｅｒｓｐｅｃｔｒａｌ；ｓｐｅｃｔｒａｌｒｅｌｅｖａｎｃｅ；ＲＳｉｍａｇｅ

从分类的角度来说，ＳＶＭ是一种广义的线性分类器，它是在线性分类器的基础上，引入结构风险最小化原则、最优化理论和核函数演化而成的。对线形和非线性可分数据集，ＳＶＭ的分类效果较好。对于线性

非线性特征进行线性分析成为可能；它基于结构风险最小化理论之上在特征空间中建构最优分割超平面，使得学习器得到全局最优化。

１

不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的

收稿日期：２００９．０２．０５

１．１

ＳＶＭ机器学习原理

基本原理

ＳＶＭ的理论基础是基于结构风险最小化的统计学

项目来源：国家９７３计划资助项目（２００６ＣＢ７０１３０３）。

、，已、，已、，巴、，ｃ—ｊ巳—，ｃ—，巳—冀．一Ｊ巳—，ｃ＾，己、，已—Ｋ—，巳—，ｃ—Ｊ巳、，已、必—ｊ巳—×Ｌ见ｊ乞＾，已—Ｘ—见乩Ｊ巳．ｊ巴—Ｘ—ｊ巳—＇已∞Ｊ屯＾绺．，已一．，已、，已、，已ｊ己，ｊ己．’，已、，已～，ｅ—、，已ｊｏ舅．一，ｏ咒短线，再连接成完整的等高线。

４）对悬崖处，如有等高线会形成一排紧密并列的线，而不重合。

５）本算法认为等高线，必然出现在地势变化处，以确定等高线线段；同一等高线高程相同且各短线首尾相连，以连接等高线线段．

本算法中，当ＤＥＭ数据精度相对所需生成等高线精度不足时，且地形情况复杂时，运算结果可能会出错，须增加数据点提高数据精度。

【３】［４】【２】

参考文献

【ｌ】

汤国安．数字高程模型及地学分析的原理与方法［Ｍ】北京：科学出版社。２００５

张祖勋．数字摄影测量学【Ｍ】．武汉：武汉测绘科技大学出版

社．１９９７

李志林数字高程模型【Ｍ】．武汉：武汉大学出版社，２００３吴立新，史文中．地理信息系统原理与算法ＩＭ】．北京：科学出

版社．２００３

【５】谭浩强．Ｃ程序设计【Ｍ】．北京：清华大学出版社，２００５第一作者简介：聂欣．硕士研究生．研究方向为资源与环境信

息系统．

万方数据　

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