【摘 要】
：
坡度频率分布是定量化研究地形坡度分布的一种常用方法,以全球陆地为研究区计算坡度频率分布,能够为进一步了解地球表面地形坡度分布特征提供信息,并为相关地学研究提供一个标准统一的参照系。本研究首先从空间分布和频率分布两个方面对比了现下主流30m分辨率DEM数据集:ASTER GDEM v3.0和SRTMGL1 v3.0,对坡度表达的稳定性,并最终证明了30m分辨率下SRTMGL1 v3.0数据产品更适用
论文部分内容阅读
坡度频率分布是定量化研究地形坡度分布的一种常用方法,以全球陆地为研究区计算坡度频率分布,能够为进一步了解地球表面地形坡度分布特征提供信息,并为相关地学研究提供一个标准统一的参照系。本研究首先从空间分布和频率分布两个方面对比了现下主流30m分辨率DEM数据集:ASTER GDEM v3.0和SRTMGL1 v3.0,对坡度表达的稳定性,并最终证明了30m分辨率下SRTMGL1 v3.0数据产品更适用于坡度相关研究。随后基于SRTMGL1计算得到了全球（60°N-56°S）范围内的地面面积频率分布。然后借助Globe Land30 2010年的数据获得除永久积雪和冰川外的8种地类数据,最后获得各地类面积坡度频率分布数据。分析全球陆地地面面积坡度频率分布数据和地类面积坡度频率分布数据,得到以下结论:（1）基于不同统计单元的地面面积坡度频率分布,呈现出了相似的分布形态。无论全球、分大洲还是分瓦片统计所得地面坡度频率分布均为右偏单尖峰分布,且频率值随坡度增加先增后减。（2）全球地面坡度分布具有明显的低值集聚性,且多集中于地形坡度低于5°的区段。（3）全球范围内地物（除水体和冰雪外）的坡度频率分布特征一致,且与地面坡谱重叠度高,均为右偏单尖峰分布,频率值随坡度值升高呈现先增后减的变化趋势。（4）分大洲统计人造地表、耕地和森林的坡度频率分布,发现人造地表和耕地具有显著的趋平性,森林分布的坡度范围更广。
其他文献
在线社交网络（OSN,Online Social Net）拥有庞大的用户群,吸引来自不同行业和年龄段的用户。尽管大多数OSN主要用于各种良性用途,但其自身的开放性、庞大的用户群和实时消息扩散使其成为网络罪犯有利可图的目标。OSN已被证明是一种新的具有复杂攻击和威胁的孵化器,例如网络欺凌、传播谣言,网络诈骗和其他非法活动。新浪微博被认为是非常受欢迎的在线社交网络,它已经成为人们社会生活中重要的信息传
随着计算机技术的不断发展、图像处理理论的不断丰富,实现视觉目标的特征点实时检测愈发成为计算机视觉领域的研究热点。图像特征点算法较常用于测绘地理信息领域遥感影像的配准与融合,实现特征点的实时提取有着现实意义。国内外图像处理领域的学者针对实际中所遇到的常见问题,提出了许多相应的解决办法,重点集中在如何提高算法的鲁棒性和实时性。近年来,随着许多处理器平台的出现和快速发展,尤其是以可重复配置性、高频率、并
初中作为小学与高中的“桥梁”发挥着承上启下的作用。但就英语这门学科而言，颠覆了学生以往的语言习惯，而学生之间又有差异性，所以学生的英语学习情况存在较大差异。部分教师在进行英语作业布置的时候忽略了这些差异，导致学生之间呈现出两极分化的现象。因此，文章从价值、对策两个方面入手，陈述了分层布置初中英语作业的方法。
脑机接口（Brain-Computer Interface,BCI）是一种前沿的人机交互技术,可实现大脑与外部设备的直接信息交流。近年来,功能性近红外光谱（Functional Near-infrared Spectroscopy,fNIRS）技术凭借诸多的优点脱颖而出,成为发展BCI的重要新兴方案。基于运动想象（Motor Imagery,MI）的BCI在军事、康复医学、娱乐和智能机器人的控制等
人口作为社会经济发展的基础条件,其活动与城镇经济、交通、环境、医疗、教育等密切相关。在空间规划机构改革、指导思想、编制审批体系、法规政策体系以及实施监管体系调整等新形势与新要求下,国土空间规划的发展模式转变为以人为本、增存并重的高质量全面可持续发展。因此,优化新时期国土空间规划的重要方法之一即构建以人为本的规划原则与应用体系。结合人群活动研究的主要应用领域,包括GIS、城市地理学、人文地理学与时间
图像中的最大像素值与最小像素值之比被称为图像的动态范围,现实生活中的场景具有丰富的色彩信息和照明信息,而且动态范围较大。由于受普通摄像机的硬件结构的限制,真实场景的动态范围远远超过了普通摄像机可以捕获的范围。使用相机拍摄时,即使调整相机的曝光度,都会导致拍摄的图像出现过曝光或曝光不足的区域,而高动态范围（High Dynamic Range,HDR）图像就是通过扩大动态范围来同时展示更多自然场景亮
随着三维激光扫描技术的发展,三维点云重建技术逐渐在航天航空、计算机视觉、医疗行业和城市规划等领域得到广泛的应用,点云数据处理技术是其应用前提的核心部分。三维激光扫描技术获取到的点云是海量的和离散的,必须经过一系列的处理才能在实际的场景实现应用,而点云数据的处理技术成为制约其在各行业发展的关键因素,因此对其开展相关研究一直是国外内学者在进行的科研工作。本文在点云数据滤波、特征点提取和点云数据精简三个
城市地下管廊是城市地下空间的重要组成部分,对其实现三维模型重建是当下难点。传统的基于二维平面数据完成的建模已很难直观和精确地表现出地下空间场景,随着三维激光扫描技术的发展,基于激光点云数据完成的三维模型更加美观和精确,而要实现模型的快速重构,对点云进行语义分割是模型重建的关键技术之一。PointNet网络是直接将点云作为输入进行语义分割的开山之作,本文针对原网络在局部特征提取不足的缺点,对其网络结
复杂网络作为近几十年科学领域的新兴研究领域之一,受到了国内外广大科研工作者的广泛关注。总体而言,有关复杂网络的研究大致可以分成从微观角度和宏观角度两个研究方向:从微观角度的研究主要是从个体特性出发,研究复杂网络中的各个节点与网络特性的动态关系;从宏观角度的研究则主要从全局出发,利用图论、概率论与统计学的思想分析全局网络的动态和稳态特征。在近半个世纪的研究中,科研人员们结合代数图论、概率论、控制理论
机器视觉检测技术因不易受环境条件影响,生产成本低,安装灵活,只用在相机里安装对应的检测模块即可等优势,被应用于越来越多的领域。图像内容表示模型是机器视觉检测过程的重要环节,图像内容表示模型的不同构建方式影响机器视觉检测的应用场景。本文从应用于工业领域产品缺陷检测的角度出发,提出一种基于混合高斯的表示模型。现有的图像表示模型较多直接以检测目标为整体建模或需要大量的矩阵运算,存在对检测目标较小的细节变