东北川岗地形区SRTM数据质量评价*

doi:10.7523/j.issn.2095-6134.2008.1.006

中国科学院大学学报 ›› 2008, Vol. 25 ›› Issue (1): 41-46.DOI: 10.7523/j.issn.2095-6134.2008.1.006

东北川岗地形区SRTM数据质量评价*

闫业超1,2, 张树文1, 岳书平1,2

1．中国科学院东北地理与农业生态研究所，长春 130012; 2．中国科学院研究生院，北京 100039

收稿日期:1900-01-01 修回日期:1900-01-01 发布日期:2008-01-15

Evaluation of SRTM Data Quality in Area of undulating hills
of Northeast China

YAN Ye-Chao1，2, ZHANG Shu-Wen1, YUE Shu-Ping1，2

1．Northeast Institute of Geography and Agricultural Ecology, Chinese Academy of Science, Changchun 130012, China;
2．Graduate School of Chinese Academy of Science, Beijing, 100049, China

Received:1900-01-01 Revised:1900-01-01 Published:2008-01-15

摘要/Abstract

摘要： 数字高程模型是支撑全球变化和区域可持续发展研究的重要基础数据。本文针对东北川岗地形特点，选取典型试验区，在ARCVIEW软件的支持下，对SRTM数据与1：5万、1：10万地形图建立的DEM进行了对比分析。认为SRTM数据能够较好地反映出缓坡地区的坡度变化和细小沟谷的形态特征，利用SRTM数据提取的地形指数能较好地体现水系的自然弯曲，展示谷地串珠状的沼泽洼地形态，与实际地貌形态更为接近，其数据描述精度略高于1：5万地形图DEM。

关键词: SRTM, DEM, 数据质量, 川岗地形, 评价

Abstract: Digital Elevation Model (DEM) is essential data for research on global environment change and regional sustainable development. Aiming at the topographic characteristics of undulating hills,　using ARCVIEW software, the author selects typical test area and compares SRTM data with the DEM generated from 1:50000 and 1:100000 topographic maps. The result shows that SRTM data can present more detail in gentle slope area and lay out the shape of small channels. Topographic Index extracted by SRTM data is more similar with the actual land surface by giving the natural winding stream and low-lying marshes. Consequently, SRTM data contain more detail than 1:50000 topographically derived DEM.

中图分类号:

P208

闫业超, 张树文, 岳书平. 东北川岗地形区SRTM数据质量评价*[J]. 中国科学院大学学报, 2008, 25(1): 41-46.

YAN Ye-Chao, ZHANG Shu-Wen, YUE Shu-Ping. Evaluation of SRTM Data Quality in Area of undulating hills
of Northeast China
[J]. Journal of University of Chinese Academy of Sciences, 2008, 25(1): 41-46.

[1]	范留飞, 于洋, 他志杰, 皮原月, 孙凌霄, 于瑞德. 吐鲁番地区参考作物蒸散发模型适用性评价[J]. 中国科学院大学学报, 2021, 38(1): 94-102.
[2]	唐永杰, 夏婧业, 陈雅娟, 代政, 蔡树伯, 刘春光. 独流减河水体及沉积物质量评价[J]. 中国科学院大学学报, 2019, 36(4): 537-544.
[3]	桑博, 魏凤霞. 济南市区大气中VOCs的浓度、来源及健康风险评价[J]. 中国科学院大学学报, 2019, 36(2): 169-177.
[4]	蒋莎, 仇晓兰, 韩冰, 胡文龙, 卢晓军. 一种基于普通分布目标的极化SAR幅相不平衡快速评价方法[J]. 中国科学院大学学报, 2019, 36(2): 280-288.
[5]	宋洋, 张华, 侯西勇. 20世纪40年代初以来渤海形态变化特征[J]. 中国科学院大学学报, 2018, 35(6): 761-770.
[6]	舒持恺, 候星甫, 王建金, 杨侃. 考虑随机观测误差影响的改进集对分析模型在水质模糊评价中的应用[J]. 中国科学院大学学报, 2018, 35(5): 627-634.
[7]	王春峰, 苏荔, 黄庆明. 基于卷积神经网络的时空融合的无参考视频质量评价方法[J]. 中国科学院大学学报, 2018, 35(4): 544-549.
[8]	陈立福, 王思雨, 袁志辉, 王静, 邢学敏, 武鸿. 非线性ECS自配准成像算法中相位保持精度分析[J]. 中国科学院大学学报, 2017, 34(5): 640-646.
[9]	李国庆, 朱百明, 齐洪钢, 黄鑫, 尹洪胜. 基于Gaussian-Hermite矩和HVS的图像质量评价[J]. 中国科学院大学学报, 2017, 34(3): 389-394.
[10]	丁剑, 许厚泽, 章传银. 基于大地水准面经典定义的地球重力场模型评价[J]. 中国科学院大学学报, 2016, 33(4): 528-536.
[11]	马晓蕾, 马延吉. 基于DEA模型的东北老工业基地装备制造业效率评价[J]. 中国科学院大学学报, 2015, 32(5): 627-634.
[12]	陈亚伟, 王明玉, 李玮, 王慧芳, 王淑平. 煤炭地下气化地下水质量影响评价及其趋势分析[J]. 中国科学院大学学报, 2015, 32(3): 309-316.
[13]	杨小林, 李义玲. 基于客观赋权法的长江流域环境风险时空动态综合评价[J]. 中国科学院大学学报, 2015, 32(3): 349-355.
[14]	于良, 杨德刚, 尹晶晶, 张豫芳. 基于乌鲁木齐不同工业化阶段的工业发展要素环境支撑力分析[J]. 中国科学院大学学报, 2014, 31(5): 654-661.
[15]	陈立福, 林月冠, 彭曙蓉, 李红英. 一种用于机载双天线InSAR系统的实时DEM生成方法及实现[J]. 中国科学院大学学报, 2014, 31(5): 678-684.

东北川岗地形区SRTM数据质量评价*

Evaluation of SRTM Data Quality in Area of undulating hills
of Northeast China

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

东北川岗地形区SRTM数据质量评价*

Evaluation of SRTM Data Quality in Area of undulating hills of Northeast China

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

Evaluation of SRTM Data Quality in Area of undulating hills
of Northeast China