论文总字数：22481字

摘 要

本文以局部空间自相关系数Moran’s I指数为研究对象，选择了山地，平原，丘陵和混合地形为实验样区，从窗口大小，数据读取方向以及分辨率三个因子去探究他们对DEM空间自相关系数的影响。通过分析栅格数目比和地形特征点分布的趋势和差异，从中发现适用于不同地形DEM空间自相关系数计算的因子。结果表明，这三种因子都会影响DEM地形的空间自相关系数，尤其是窗口大小和数据读取方向。窗口大小越大呈现出空间自相关性越高的趋势，小窗口更加适合地形简化。数据按照横向和纵向方向读取的空间自相关性比对角方向高，用户研究需要根据实际地形的走势情况选择不同的读取方向。分辨率大小则对空间自相关性影响较小，宜用3m和4m进行研究较合适。本文的研究结果可以为用于地形分析前基本参数的选择作参考。

关键词：DEM 空间自相关 局部Moran’s I 窗口大小 读取方向 分辨率

The Research to identify the factors are how to influence spatial autocorrelation of Grid DEMs

Abstract

The paper calculates the local spatial autocorrelation values by altering window sizes, reading data rules and spatial pixel sizes. Four different physiognomies are selected, such as hills, plain, mountain and mixed. We tried to find the trends which those three factor are how influence the spatial autocorrelation values of DEM. Firstly, four physiognomies was used to get various spatial autocorrelation values with different input parameters. Then we analyst the common trends and differences according to the number of grids and the spatial distribution of terrain feature points. It is very clearly to conclude that these three factors have quite effects on calculating the spatial autocorrelation coefficients. In particularly, the window size and reading data rules are very important. The larger the window size, the higher the spatial autocorrelation, the smaller window is more suitable for terrain simplification. The spatial autocorrelation of data with longitudinal and transverse are higher than diagonal direction. The resolution influence of the spatial autocorrelation is small, appropriate to use 3m and 4m for research. Noted that the researchers should be selected reasonable parameters to analysis the DEM according to actual areas.

Key words: DEM; Spatial autocorrelation; Local Moran’s I; Window size;

Reading data rules; Resolution

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 研究背景和意义 1

1.2 国内外研究现状 2

1.2.1国外研究现状 2

1.2.2国内研究现状 3

1.3 研究目标与内容 5

1.4论文结构 5

第二章 研究基础 7

2.1 实验样区及数据 7

2.2 研究方法与技术路线 8

2.2.1 基本研究方法 8

2.2.2 主要技术路线 9

2.3 数据预处理 9

第三章 空间自相关原理与分析 11

3.1 空间自相关概述 11

3.1.1 空间自相关的研究与发展 11

3.1.2空间自相关指数原理 11

3.1.3局部Moran’s I指数原理 12

3.2空间自相关指数提取 13

第四章 影响因素分析 14

4.1 窗口大小对空间自相关的影响 14

4.1.1 窗口概述 14

4.1.2 窗口分析 15

4.2 数据读取方向 19

4.2.1 读取方向概述 19

4.2.2 不同方向分析比较 19

4.3 分辨率对DEM空间自相关指数的影响 23

4.3.1 分辨率概述 23

4.3.2 分辨率分析 23

第五章 结论 27

参考文献 28

致谢 29

第一章 绪论

1.1 研究背景和意义

数字高程模型（Digital Elevation Model, DEM）是对地面形态的数字化抽象，作为地形信息的数字化载体，作为“数字化的地形图”，数字高程模型中蕴含了大量的各种各样的地形结构和特征信息，是描述地貌结构、水文过程、生物分布等空间变化的基础数据^[1]。因此，针对数字高程的研究成为众多地理学，生态学问题中的重要基础。不仅如此，数字高程模型还在公路和铁路施工、军事、水利工程建设、城市规划建设、医疗保健等方面发挥着重要的作用。传统DEM的产生，主要依赖于野外实测数据和在室内绘制成图的方式，随着遥感技术的兴起，多种分辨率的传感器获取的数据以及雷达的使用，DEM的获取已经非常简单。当前，世界上许多国家基于采集的数据，基本建立了覆盖本国、洲际以及世界的多种尺度DEM，如美国地质调查局(USGS) 提供的分辨率为30 m、90 m的DEM，澳大利亚、日本、英国提供的50 m分辨率的DEM，我国则建立了1:100 万、1:25 万、1:5 万和1:1 万比例尺的系列DEM 数据。目前SRTM DEM、ASTER GDEM 等覆盖全球范围的高精度DEM 数据已免费提供。与此同时，各国也开始推进高精度、高分辨率DEM数据存储于分发系统的建设，DEM已经成为国家经济发展、全球战略实施的核心支持系统。

DEM数据本质上是由离散的高程数据内插得到的连续数据,每个数据本身并不能完全反映实际地表的几何细节特征,这就需要针对DEM进行分析，提取出有用的信息辅助进行分析，这类在DEM上进行地形分析称之为数字地形分析(DigitalTerrainAnalysiS,DTA)。数字地形分析是在数字高程模型DEM上进行地形属性计算和特征提取的数字地形信息处理技术,其中用于进行地形属性计算的数学模型、地形特征提取算法称为DEM解译算法。杨昕(2009)曾将数字地形分析的各种分析方法总结为四类，即坡面地形因子分析、特征地形要素分析、地形统计分析以及基于DEM 的地学模型分析^[2]。然后在进行数字地形分析之前，需要对DEM的地形信息有充分的了解的基础上，方能够进行后期合理的研究，并且结合地形分析的结果进行更好的解释。DEM 地形信息作为一种特殊的图解信息， DEM 所表达的自然地表形态和结构特征与实际自然地形状况、信道中地形信息获取方式和传递方式、以及信宿端地形信息表达方式（数据格式、数据结构和数据尺度）的差异，都会使得DEM 地形信息表现出不同结构和特点^[3]。

请支付后下载全文，论文总字数：22481字