数字地形模型分析

前言
介绍
- 1.数字高程模型
- - 1.1 规则格网模型
  - 1.2 等高线模型
  - 1.3 不规则三角网模型
- 2.地形因子的提取
- - 2.1 坡度
  - 2.2 坡向
  - 2.3 曲率
- 3.可视性分析
操作过程

前言

使用软件：ArcMap10.4.1中文版
如果出现侵权，请在评论留言，我会及时删除，谢谢。

介绍

1.数字高程模型

数字高程模型（digital terrain model，DTM），是在空间数据库中存储并管理的空间地形数据集合的统称，是对目标空间位置特征和地形属性特征的数字描述。DTM中属性为高程的要素叫数字高程模型（digital elevation model，DEM）。高程是地理空间的第三维坐标，在目前的GIS中，数据结构通常只具有二维意义，因此数字高程模型的建立是一个必要的补充。
DEM与传统地形图相比有如下特点：①可以以多种形式展示地形信息，DEM数据经计算机处理后能快速方便地产生纵横断面图与立体图，而常规地图一旦制作形成，比例尺不容易改变，再制作其他产品需要耗费大量时间和精力；②精度不会损失，不存在载体变形的问题；③形象逼真，能够进行三维显示。
DEM的数据模型主要有规格格网模型、等高线模型和不规则三角网模型。

1.1 规则格网模型

规则格网（通常是正方形）将区域空间切分为规则的网格单元，每个网格单元对应一个高程值。规则格网的高程矩阵，可以很容易地利用计算机进行处理，目前许多国家提供的DEM数据都是规则格网的数据矩阵形式。

1.2 等高线模型

等高线模型中每一条等高线对应一个已知的高程值，这样一系列等高线集合和它们的高程值就构成了一种地面高程模型。

1.3 不规则三角网模型

不规则三角网模型是ArcGIS支持的另一种地理数据类型，它是一种用不规则三角网来表示连续表面的数据模型。

2.地形因子的提取

2.1 坡度

坡度是地表单元陡缓的度，通常把坡面的铅直高度和水平宽度的比称为坡（或坡比）。坡度是地形描述中常用的参数。

2.2 坡向

坡向是指地形坡面的朝向，为坡面法线在水平面上的投影的方向。坡向也是地形描述中常用的参数，规划厂房、居民建筑、植物通常需要考虑坡向。坡向不但影响地面对太阳辐射的再分配，影响地面径流的流向，也是坡向变率以至山脊、山谷线的提取的信息基础。

2.3 曲率

地面曲率是对地形表面一点在微小范围内坡向变化程度的度量。地面率在垂直和水平两个方向上分量分别称为平面曲率和剖面曲率。平面曲率描述的是地表曲面沿水平方向的弯曲程度；剖面曲率是地面坡度沿最大坡降方向地面高程变化率的度量。

3.可视性分析

可视性分析又称为通视性分析，它可以分析出某区域内两点之间的通视情况。它根据指定的观测点、最远视距和距地表高度来分析地形遮挡，计算出在该点向四周瞭望，所能够看到的最大范围。可视性分析经常用于基站选址、景观设计等方面。

操作过程

1.建立TIN和DEM
（1）建立TIN
在ArcMap中，加载contour.shp：

点击3D Analyst的工具条上的ArcToolbox \3D Analyst工具\TIN\create TIN创建三角网,打开创建三角网的对话框。在创建三角网窗口中设置生成的TIN文件的名称及存储路径，如下图所示，然后点击确定键。

创建成功提示：

效果图：

2.建立DEM
按照如下红色框选择，打开TIN转栅格对话框，并设置参数，如下图所示，然后点击确定按钮，完成转换。

转换成功提示：

效果图：

3.DEM应用之地形指标的提取
（1）计算坡度
在ArcMap中，加载文件，并按照下图红色框内选择，设置参数

成功提示：

效果图：

（2）计算坡向
在ArcMap中，加载文件，并按照下图红色框内选择，设置参数

成功提示：

效果图：

（3）计算地形曲率
导入数据，如下图

按照下图红色框内选择，设置参数

成功提示：

效果图：

4.DEM应用之可视性分析
（1）通视性分析
加载图像

鼠标右键点击ArcMap空白处，添加工具

点击创建视线，有下图窗口弹出：

在视图窗口中，在起始点（观察者所在点）点击一下，拖向目标点（决定视线方向及视线长度）在在目标点出点击一下。在观察点到目标点之间将会出现一条视线，其中可视的部分显示为绿色，不可视的部分显示为红色，如下图所示：

（2）可视区分析
加载文件，如下图

按照下图，选择参数

成功提示：

效果图：

5.DEM应用之剖面线的绘制
加载数据，如下图：

点击插入线，然后再图上绘制一条直线，如下图：

然后点击下图红色方框，则会绘制出剖面图。

有点长，嘤嘤嘤。
如有错误，请批评指正。

ArcMap学习笔记（十一）数字地形模型分析相关推荐

Apache Nutch 1.3 学习笔记十一（页面评分机制 OPIC）
1. Nutch 1.3 的页面评分机制 Nutch1.3目前默认还是使用OPIC作为其网页分数算法,但其之后,已经引入了PageRank-like算法,以弥补OPIC算法的不足,目前OPIC算法还是 ...
吴恩达《机器学习》学习笔记十一——神经网络代码
吴恩达<机器学习>学习笔记十一--神经网络代码数据准备神经网络结构与代价函数· 初始化设置反向传播算法训练网络与验证课程链接:https://www.bilibili.com/v ...
Apache Nutch 1.3 学习笔记十一（页面评分机制 LinkRank 介绍）
下面是Google翻译的http://wiki.apache.org/nutch/NewScoring内容,是关于Nutch 新的链接分数算法的说明,有点类似于Google的PageRank,这里有其 ...
Vue学习笔记(十一)
1.Vue学习笔记(十一) 文章目录 1.Vue学习笔记(十一) 1.1Vue_配置代理_方式 1.1.0演示问题 1.1.1运行node server1 1.1.2运行node server2 1. ...
Hadoop学习笔记—20.网站日志分析项目案例（一）项目介绍
Hadoop学习笔记-20.网站日志分析项目案例(一)项目介绍网站日志分析项目案例(一)项目介绍:当前页面网站日志分析项目案例(二)数据清洗:http://www.cnblogs.com/edis ...
吴恩达《机器学习》学习笔记十一——应用机器学习的建议
吴恩达<机器学习>学习笔记十一--应用机器学习的建议一.训练完模型后下一步要做什么二.评估算法与模型选择 1.训练集与测试集 2.训练/测试步骤 3.模型选择 4.数据集新的划分--验 ...
ROS学习笔记十一：ROS中数据的记录与重放
ROS学习笔记十一:ROS中数据的记录与重放本节主要介绍如何记录一个正在运行的ROS系统中的数据,然后在一个运行的系统中根据记录文件重新产生和记录时类似的运动情况.本例子还是以小海龟例程为例. 记录 ...
go-pitaya学习笔记(9)-rate_limiting demo分析
学习笔记: 我家别墅靠大海/pitaya-learn 尝试集成功能:我家别墅靠大海/pitaya-game 如果你正在看此笔记,请你左边放笔记,右边放chatdemo的代码!! 我是按代码的顺序记的笔 ...
motan学习笔记二 motan架构分析
motan学习笔记一微博轻量级RPC框架Motan motan学习笔记二 motan架构分析 motan学习笔记三 motan Demo 分析 motan学习笔记四 motan Demo 之 ...

ArcMap学习笔记（十一）数字地形模型分析