CN108288284B - 一种基于地形模型阈值提取冲沟网络的方法 - Google Patents
一种基于地形模型阈值提取冲沟网络的方法 Download PDFInfo
- Publication number
- CN108288284B CN108288284B CN201810176340.8A CN201810176340A CN108288284B CN 108288284 B CN108288284 B CN 108288284B CN 201810176340 A CN201810176340 A CN 201810176340A CN 108288284 B CN108288284 B CN 108288284B
- Authority
- CN
- China
- Prior art keywords
- gully
- data
- terrain
- model
- head
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/30—Polynomial surface description
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20068—Projection on vertical or horizontal image axis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于地形模型阈值提取冲沟网络的方法，其特点是，由DEM数据计算获得地形坡度数据S和汇水面积数据A并进行乘积运算获得SA模型数据；获得样本冲沟沟头点的位置，并确定样本冲沟沟头点的SA阈值，然后以此阈值，对SA模型数据进行阈值处理提取冲沟沟头；根据样本冲沟沟头点的位置，确定冲沟沟底线汇水面积A阈值，并以此阈值，对汇水面积A进行阈值处理，提取冲沟沟底线；最后对冲沟沟头和沟底线数据进行空间合并、编辑及线网平滑等处理，获得冲沟网络；同传统的提取冲沟网络方法相比较，本发明既能高精度提取冲沟沟头，又能获得准确的冲沟沟底线网络，具有工作量小、耗时短、精度高的优点。
Description
技术领域：
本发明涉及地质地貌、水文分析技术领域，具体地讲是一种基于地形模型阈值提取冲沟网络的方法，将数字地形技术应用于冲沟沟头和冲沟网络的提取；可用于基于DEM数据，进行冲沟解译、沟蚀研究及制图场合。
背景技术：
沟蚀是指汇集在一起的地表径流冲刷破坏土壤及其母质，形成切入地表以下沟壑的土壤侵蚀形式（唐克丽, 2004）。沟蚀作为一种常见的土壤侵蚀类型，虽不如面蚀涉及面广，但因其侵蚀量大，速度快，且把完整的坡面切割成沟壑密布、面积零散的小块坡地，使耕地面积减少，对农业生产的危害十分严重，已成为江河泥沙的一个主要来源（Poesen etal., 2003）。冲沟沟头和冲沟沟底网络是沟蚀研究中了解和掌握沟壑侵蚀发生发展变化规律的两个重要参数。冲沟沟头是朔源侵蚀、切割地表的最活跃部位；冲沟沟道是水土流失物质迁移的通道，相对沟头来讲比较稳定，但却是估算水土流失量的重要参数。冲沟沟头朔源侵蚀的启动是地形、气候（降雨）、地表覆被等因素综合作用的结果。有效提取冲沟沟头和冲沟沟底线网络，一直是众多学者研究的重点和难点。
目前，冲沟沟头提取方法主要有野外观测、地形测量、遥感、立体摄影测量、地形图像融合法和模型法。野外观测和地形测量法主要是利用近地面测量技术，测量浅沟的形态特征，通过在沟头及沟身附近地面打桩（Ionita et al.，2006）、应用GPS 或三维激光扫描仪跟踪监测、估算沟蚀体积和侵蚀量（Casali et al.，2006；Whitford et al. 2010; Zhu，2012；Cheng et al. 2006；张鹏等, 2008；Eustace et al., 2009；Baruch and Filin2011；Su et al., 2014）。该方法具有定位冲沟沟头精度高的优势，但难以实施、成本高，费时费力，仅适用于空间小尺度的冲沟系统的提取和研究。
兴起于20世纪60年代的已经成为采集空间信息的重要技术的遥感技术，因其具有多时相、低成本的优势，在解译沟蚀二维参数（沟长、沟面积、沟缘线等），得到广泛的应用（Ries and Marzolff, 2003；Marzolff and Poesen, 2009；Wang et al., 2014）。虽然遥感图像二维数据具有多时相、低成本的优势，可以为地貌研究提供了丰富的、长时间序列上的地表光谱信息、纹理信息，但遥感图像所能提供的用于解译地形地貌的地表三维信息却很少，难于精确解译冲沟沟头和沟底线。
立体摄影测量利用机载或星载光学或激光等仪器，通过多角度成像或激光测距，实现冲沟沟谷三维场景的重构。该方法成本高，费时费力，较难实现冲沟沟头高精度定位，且不适用于小尺度冲沟系统的提取。
地形图像融合法是采用诸如HSV色彩空间变换等数据融合算法实现地形信息和遥感图像光谱信息的融合，并基于融合后的图像，通过地形坡度阈值和目视解译提取冲沟沟头及冲沟沟沿线（王涛等2014）。该方法的优点是提取冲沟沟沿线精度明显高于单纯基于遥感图像提取法，但仍存在通过坡度阈值提取冲沟沟头的精度较差，难于高精度提取冲沟沟底线的缺点。
模型法被广泛应用于冲沟沟头的提取和预测研究中。半经验物理模型、回归模型和地形阈值模型是三类主要的模型法。Physically based Ephemeral Gully ErosionModel (EGEM) 是应用较广泛的半经验物理模型，但诸如EGEM等半经验物理模型需要输入大量的物理参数，仅适用于小尺度冲沟沟头提取。回归模型法是一种基于冲沟沟长同沟道携沙量（容积）之间的幂函数统计关系，来估算沟道携沙量（容积）的方法，无法精准提取冲沟沟头和沟底线网络。地形阈值模型是被广泛应用于冲沟沟头提取及沟蚀过程研究的一种便捷方法。冲沟沟头的启动是地形、气候（降雨）、地表覆被等因素综合作用的结果，其中，地形因素起到至关重要的作用。Horton（1945）首次指出当地形阈值超过某一范围，冲沟沟头就会启动朔源侵蚀。Patton和Schumm（1975）首次将这一概念应用于地貌学研究，考察了流域和坡度之间关系的稳定和不稳定的通道系统。诸多学者先后提出了诸如地形指数模型（Slope Area, SA）、坡度面积乘幂模型（Slope Area Power，SAP）、湿润地形指数模型（Wetness Topographic Index，WTI）及Compound Topographic Index（CTI）等地形阈值模型。研究结果表明，SA模型预测沟头的精度高于其他地形阈值模型。虽然地形阈值模型在定位冲沟沟头具有精度高的优势，但在解译冲沟沟道，无法构建冲沟网络。冲沟沟道是沟头朔源侵蚀泥沙输送的通道，其长度是一个同冲沟水土流失量密切相关的参数。汇水面积指的是雨水流向同一山谷地面的受雨面积，是一个反应河流水流量的一个物理量，被广泛应用于河流网络的提取。冲沟沟道及沟底线是冲沟沟道泥沙输送的通道。汇水面积也可以作为衡量冲沟沟道水土流失量的一个重要物理量，因此，可以被用于精准提取冲沟沟底线。基于汇水面积阈值法提取冲沟底线网络，受阈值影响明显，因而，该方法难以精准定位冲沟沟头。
发明内容：
本发明的目的是克服上述已有技术的不足，而提供一种基于地形模型阈值提取冲沟网络的方法；运用SA模型阈值处理提取冲沟沟头，运用汇水面积阈值处理提取冲沟沟底线，通过对两者合并编辑、空间分析及平滑处理处理，最终达到精准提取冲沟网络；主要解决现有的技术不能精准提取冲沟网络的问题。
本发明的技术方案是：一种基于地形模型阈值提取冲沟网络的方法，其特殊之处在于，包括以下步骤：
a 将覆盖范围相同的高空间分辨率遥感图像和DEM数据进行几何配准，并将坐标系统一为相同的投影坐标系，得到配准后高空间分辨率遥感图像和配准后DEM数据；
b 采用对配准后高空间分辨率遥感图像目视解译的方法或者采用野外实测方法，构建样本冲沟沟头点数据集；
c 对配准后DEM数据进行填洼处理，得到填洼后DEM数据；
d 基于填洼后DEM数据计算研究区每个像素的坡度，由式（1）计算获得地形坡度数据
：
S = 100*tanθ （1）
式中，θ为每个像素的坡度角，以弧度为单位；
e 基于填洼后DEM数据，计算研究区每个像素的水汇流累积量，获得地形汇水面积数据A；
f 基于SA模型，通过对地形坡度数据
和地形汇水面积数据A进行乘积运算，得到研究区的SA模型数据t，如式（2）：
t=S*A =100*tanθ * A （2）
式中，t为SA模型数据，单位为m2；S为每个像素的地形坡度数据，由式（1）计算获得；A为每个像素的地形汇水面积，单位为m2；θ同式（1）；
g 基于SA模型数据t，结合b步骤构建的样本冲沟沟头点数据集所记录的样本冲沟沟头点的坐标，构成样本冲沟沟头的 t 值范围；
h 以样本冲沟沟头的 t 值范围的最大值为阈值，对研究区的SA模型数据t进行阈值处理，获得研究区所有冲沟沟头数据；
i 基于地形汇水面积A数据，结合b步骤构建的样本冲沟沟头点数据集所记录的样本冲沟沟头点的坐标，确定冲沟沟底线的汇水面积阈值范围；
j 根据 i步骤获得的汇水面积阈值范围的最大值，对地形汇水面积数据A进行阈值处理获得研究区冲沟沟底线数据；
k 对 j步骤获得的研究区冲沟沟底线数据和h步骤获得的研究区冲沟沟头数据，进行合并操作和空间编辑操作，使两者成为相互联通的矢量线网，再对矢量线网进行平滑处理，即可获得研究区冲沟网络。
进一步的，所述的配准后高空间分辨率遥感图像和配准后DEM数据及样本冲沟沟头点数据集的坐标系相同，均为同种类投影坐标系。
进一步的，所述的样本冲沟沟头点数据集是基于高空间分辨率遥感图像目视解译或野外实测获得的典型冲沟沟头点的坐标数据集。
进一步的，所述的地形坡度数据是基于配准后DEM数据，由式（1）计算获得。
进一步的，所述的冲沟沟头数据的获得是基于地形指数模型SA的模型数据t，通过阈值法由式（2）计算获得。
进一步的，所述的冲沟沟底线数据的获得是基于DEM数据通过计算每个像素流向上累计汇水量，再进行阈值处理而得到的。
本发明的一种基于地形模型阈值提取冲沟网络的方法与已有技术相比具有突出的实质性特点和显著改进：1、将地形指数模型（SA）应用于冲沟沟头的提取，使得冲沟沟头的提取更加自动化、精准化；2、将汇水面积阈值化处理应用于冲沟沟底线的提取，克服了其他方法提取冲沟沟底线费时费力，且精度低的缺点；3、基于本发明提取冲沟网络，具有精度更高、省时省力的有点；在地貌分析、沟蚀分析、地质构造分析及水土流失制图应用中，本发明具有重要意义。
附图说明：
图1是本发明的计算流程图。
具体实施方式：
为了更好的理解与实施，下面结合附图给出具体实施例详细说明本发明一种基于地形模型阈值提取冲沟网络的方法；所举实施例仅用于解释本发明，并非用于限制本发明的范围。
实施例1，参见图1，基于地形模型阈值提取冲沟网络的方法，包括如下步骤：
第一步，首先，将覆盖范围相同的高空间分辨率遥感图像和DEM数据进行几何配准，并进行投影坐标系的转换，使两者具有共同的投影坐标系，得到配准后高空间分辨率遥感图像和配准后DEM数据；
第二步，采用对配准后高空间分辨率遥感图像目视解译的方法或者采用野外实测方法，识别出样本冲沟沟头的位置（投影坐标），构建样本冲沟沟头点数据集；
第三步，对配准后DEM数据进行填洼处理处理，使得DEM数据中每个像素（栅格）的水流都能流到其所属流域的出口，便得到填洼后DEM数据；
第四步，基于填洼后DEM数据，由式（1）计算研究区每个像素的坡度，获得地形坡度数据
；
S = 100*tanθ （1）
式中，θ为每个像素的坡度角，以弧度为单位；
第五步，基于填洼后DEM数据，计算研究区内每个像素（栅格）的水汇流累积量，获得地形汇水面积数据A；
第六步，通过对地形坡度数据
和地形汇水面积数据A进行乘积运算，构建SA模型，从而得到研究区的SA模型数据t；其中SA模型表达式如式（2）：
t=S*A=A*100*tanθ （2）
式中，t，为SA模型数据（m2），S为地形坡度（m/m），由式（1）计算获得；A为汇水面积（m2）；θ同式（1）；
第七步，基于研究区SA模型数据t，结合第二步构建的样本冲沟沟头点数据集所记录的样本冲沟沟头点的坐标和SA值，构成样本冲沟沟头的 t 值范围；
第八步，以样本冲沟沟头的 t 值范围的上限值（最大值）为阈值，对研究区的SA模型数据t进行阈值处理，获得研究区所有冲沟沟头数据；
第九步，基于地形汇水面积数据A，结合第二步构建的样本冲沟沟头点数据集所记录的样本沟头点的坐标，确定冲沟沟底线的汇水面积阈值范围；
第十步，根据第九步获得的汇水面积阈值范围上限值（最大值），对地形汇水面积数据A进行阈值处理获得研究区冲沟沟底线数据；
第十一步，对第十步获得的研究区冲沟沟底线线数据和第八步提取的研究区冲沟沟头数据，进行合并操作和空间编辑操作，使两者联通形成矢量线网；然后对矢量线网进行平滑处理，即可获得研究区冲沟网络。
上述实施例，SA的阈值是由样本冲沟沟头点数据集的SA模型t值范围中的上限，即最大值来确定；汇水面积计算主要分下列步骤：a将DEM数据进行填洼（fill）处理；b以填洼后的数据为基础，计算出数据的水流方向（flow direction）；c以水流方向数据为依据计算分析得到水汇流累积量（flow accumulation）数据（地形汇水面积）；d由样本冲沟沟头点数据集的地形汇水面积值范围中的上限，即最大值来确定阈值；e对地形汇水面积数据进行阈值处理，提取出冲沟沟底线数据。
Claims (6)
1.一种基于地形模型阈值提取冲沟网络的方法，其特征在于，包括以下步骤：
a 将覆盖范围相同的高空间分辨率遥感图像和DEM数据进行几何配准，并将坐标系统一为相同的投影坐标系，得到配准后高空间分辨率遥感图像和配准后DEM数据；
b 采用对配准后高空间分辨率遥感图像目视解译的方法或者采用野外实测方法，构建样本冲沟沟头点数据集；
c 对配准后DEM数据进行填洼处理，得到填洼后DEM数据；
d基于填洼后DEM数据计算研究区每个像素的坡度，由式（1）计算获得地形坡度数据
：
S = 100*tanθ （1）
式中，θ为每个像素的坡度角，以弧度为单位；
e 基于填洼后DEM数据，计算研究区每个像素的累计汇水量，获得地形汇水面积数据A；
f 基于SA模型，通过对地形坡度数据
和地形汇水面积数据A进行乘积运算，得到研究区的SA模型数据t，如式（2）：
t=S*A =100*tanθ * A （2）
式中，t为SA模型数据，单位为m2；S为每个像素的地形坡度数据，由式（1）计算获得；A为每个像素的地形汇水面积，单位为m2；θ同式（1）；
g 基于SA模型数据t，结合b步骤构建的样本冲沟沟头点数据集所记录的样本冲沟沟头点的坐标，构成样本冲沟沟头的 t 值范围；
h 以样本冲沟沟头的 t 值范围的最大值为阈值，对研究区的SA模型数据t进行阈值处理，获得研究区所有冲沟沟头数据；
i 基于地形汇水面积A数据，结合b步骤构建的样本冲沟沟头点数据集所记录的样本冲沟沟头点的坐标，确定冲沟沟底线的汇水面积阈值范围；
j 根据 i步骤获得的汇水面积阈值范围的最大值，对地形汇水面积数据A进行阈值处理获得研究区冲沟沟底线数据；
k 对 j步骤获得的研究区冲沟沟底线数据和h步骤获得的研究区冲沟沟头数据，进行合并操作和空间编辑操作，使两者成为相互联通的矢量线网，再对矢量线网进行平滑处理，即可获得研究区冲沟网络。
2.根据权利要求1所述的一种基于地形模型阈值提取冲沟网络的方法，其特征在于，所述的配准后高空间分辨率遥感图像和配准后DEM数据及样本冲沟沟头点数据集的坐标系相同，均为同种类投影坐标系。
3.根据权利要求1所述的一种基于地形模型阈值提取冲沟网络的方法，其特征在于，所述的样本冲沟沟头点数据集是基于高空间分辨率遥感图像目视解译或野外实测获得的典型冲沟沟头点的坐标数据集。
4.根据权利要求1所述的一种基于地形模型阈值提取冲沟网络的方法，其特征在于，所述的地形坡度数据是基于配准后DEM数据，由式（1）计算获得。
5.根据权利要求1所述的一种基于地形模型阈值提取冲沟网络的方法，其特征在于，所述的冲沟沟头数据的获得是基于地形指数模型SA的模型数据t，通过阈值法由式（2）计算获得。
6.根据权利要求1所述的一种基于地形模型阈值提取冲沟网络的方法，其特征在于，所述的冲沟沟底线数据的获得是基于DEM数据通过计算每个像素的累计汇水量，再进行阈值处理而得到的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810176340.8A CN108288284B (zh) | 2018-03-03 | 2018-03-03 | 一种基于地形模型阈值提取冲沟网络的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810176340.8A CN108288284B (zh) | 2018-03-03 | 2018-03-03 | 一种基于地形模型阈值提取冲沟网络的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108288284A CN108288284A (zh) | 2018-07-17 |
| CN108288284B true CN108288284B (zh) | 2021-07-27 |
Family
ID=62833402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810176340.8A Active CN108288284B (zh) | 2018-03-03 | 2018-03-03 | 一种基于地形模型阈值提取冲沟网络的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108288284B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111126304B (zh) * | 2019-12-25 | 2023-07-07 | 鲁东大学 | 一种基于室内自然场景图像深度学习的增强现实导航方法 |
| CN115688247A (zh) * | 2022-11-10 | 2023-02-03 | 陕西地建土地工程技术研究院有限责任公司 | 一种黄土高原沟道面积提取及计算方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102146665A (zh) * | 2010-12-20 | 2011-08-10 | 云南省农业科学院热区生态农业研究所 | 一种减缓冲沟侵蚀的治理方法 |
| CN102565303A (zh) * | 2011-12-28 | 2012-07-11 | 中国科学院水利部成都山地灾害与环境研究所 | 一种冲沟沟头溯源侵蚀速率的快速监测方法 |
| CN102968470A (zh) * | 2012-11-12 | 2013-03-13 | 中国科学院水利部成都山地灾害与环境研究所 | 一种准确计算具有水涮窝的冲沟沟头沟壁形态变化的方法 |
| CN103940407A (zh) * | 2014-02-13 | 2014-07-23 | 鲁东大学 | 一种基于地形和遥感影像融合技术提取冲沟方法 |
| CN106372362A (zh) * | 2016-09-27 | 2017-02-01 | 铁道第三勘察设计院集团有限公司 | 基于遥感技术的黄土冲沟溯源侵蚀范围预测方法 |
| CN107657618A (zh) * | 2017-10-10 | 2018-02-02 | 中国科学院南京地理与湖泊研究所 | 基于遥感影像和地形数据的区域尺度侵蚀沟自动提取方法 |
-
2018
- 2018-03-03 CN CN201810176340.8A patent/CN108288284B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102146665A (zh) * | 2010-12-20 | 2011-08-10 | 云南省农业科学院热区生态农业研究所 | 一种减缓冲沟侵蚀的治理方法 |
| CN102565303A (zh) * | 2011-12-28 | 2012-07-11 | 中国科学院水利部成都山地灾害与环境研究所 | 一种冲沟沟头溯源侵蚀速率的快速监测方法 |
| CN102968470A (zh) * | 2012-11-12 | 2013-03-13 | 中国科学院水利部成都山地灾害与环境研究所 | 一种准确计算具有水涮窝的冲沟沟头沟壁形态变化的方法 |
| CN103940407A (zh) * | 2014-02-13 | 2014-07-23 | 鲁东大学 | 一种基于地形和遥感影像融合技术提取冲沟方法 |
| CN106372362A (zh) * | 2016-09-27 | 2017-02-01 | 铁道第三勘察设计院集团有限公司 | 基于遥感技术的黄土冲沟溯源侵蚀范围预测方法 |
| CN107657618A (zh) * | 2017-10-10 | 2018-02-02 | 中国科学院南京地理与湖泊研究所 | 基于遥感影像和地形数据的区域尺度侵蚀沟自动提取方法 |
Non-Patent Citations (4)
| Title |
|---|
| Soil and bedrock distribution estimated from gully form and frequency: A GIS-based decision-tree model for Lebanon;Rania Bou Kheir等;《ScienceDirect》;20070401;第482-492页 * |
| 土坝漫顶后冲沟网形成模拟;张强 等;《长江科学院院报》;20160229;第33卷(第2期);第33-37页 * |
| 基于DEM 的鄱阳湖区沟谷网络提取及沟壑密度分析;张秀平 等;《江西水利科技》;20110630;第37卷(第2期);第83-86页 * |
| 胶东半岛丘陵区冲沟沟长曲折度分形研究;王涛 等;《水土保持研究》;20170831;第24卷(第4期);第27-31页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108288284A (zh) | 2018-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cucchiaro et al. | Monitoring topographic changes through 4D-structure-from-motion photogrammetry: application to a debris-flow channel | |
| Shruthi et al. | Quantifying temporal changes in gully erosion areas with object oriented analysis | |
| Guan et al. | Monitoring long-term gully erosion and topographic thresholds in the marginal zone of the Chinese Loess Plateau | |
| Perroy et al. | Comparison of gully erosion estimates using airborne and ground-based LiDAR on Santa Cruz Island, California | |
| James et al. | Using LiDAR data to map gullies and headwater streams under forest canopy: South Carolina, USA | |
| Garbrecht et al. | Digital elevation model issues in water resources modeling | |
| Yang et al. | Determining the influence of catchment area on intensity of gully erosion using high-resolution aerial imagery: A 40-year case study from the Loess Plateau, northern China | |
| Xu et al. | Evaluation of gully head retreat and fill rates based on high-resolution satellite images in the loess region of China | |
| Cao et al. | Study of unpaved road surface erosion based on terrestrial laser scanning | |
| Zeng et al. | Estimation of the volume of sediment deposited behind check dams based on UAV remote sensing | |
| Yu et al. | The effects of topographic depressions on multiscale overland flow connectivity: A high‐resolution spatiotemporal pattern analysis approach based on connectivity statistics | |
| CN108288284B (zh) | 一种基于地形模型阈值提取冲沟网络的方法 | |
| Cucchiaro et al. | Volume estimation of soil stored in agricultural terrace systems: A geomorphometric approach | |
| Sun et al. | Characterizing erosion processes on a convex slope based on 3D reconstruction method | |
| Krenz et al. | Assessing badland sediment sources using unmanned aerial vehicles | |
| Broersen et al. | Automatic identification of watercourses in flat and engineered landscapes by computing the skeleton of a LiDAR point cloud | |
| Piermattei et al. | Evolution of an Alpine proglacial river during 7 decades of deglaciation | |
| Meneses et al. | Identification and Quantification of Surface Depressions on Grassy Land Surfaces of Different Topographic Attributes Using High-Resolution Terrestrial Laser Scanning Point Cloud and Triangulated Irregular Network | |
| Brema et al. | Estimation of the soil erosion in cauvery watershed (Tamil Nadu and Karnataka) using USLE | |
| Cucchiaro et al. | Multi-temporal geomorphometric analysis to assess soil erosion under different tillage practices: A methodological case study | |
| Barneveld et al. | Estimating Ephemeral Gully Erosion Rates in a Norwegian Agricultural Catchment Using Low-Altitude Uav Imagery | |
| Jiang et al. | A digital close range photogrammetric observation system for measuring soil surface morphology during ongoing rainfall | |
| Dhorde et al. | Population calibrated land cover impervious surface coefficients for Upper Bhima basin | |
| Piermattei et al. | Evolution of an Alpine proglacial river during seven decades of deglaciation quantified from photogrammetric and LiDAR digital elevation models | |
| Kim et al. | Feasibility of Terrestrial Laser Scanning System for Detecting and Monitoring Surface Displacement of Artificial Slopes on Forest Roads. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method of extracting gully network based on terrain model threshold Effective date of registration: 20211216 Granted publication date: 20210727 Pledgee: Yantai financing guarantee Group Co.,Ltd. Pledgor: LUDONG University Registration number: Y2021980015152 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20220317 Granted publication date: 20210727 Pledgee: Yantai financing guarantee Group Co.,Ltd. Pledgor: LUDONG University Registration number: Y2021980015152 |