数字水深模型(Digital Bathymetric Models,简称“DBMs”),是近海工程建设、资源开发、环境保护等领域的重要基础地理信息数据。现有全球公开DBMs产品如GEBCO(The General Bathymetric Chart of the Oceans)、SRTM(The Shuttle Radar To...数字水深模型(Digital Bathymetric Models,简称“DBMs”),是近海工程建设、资源开发、环境保护等领域的重要基础地理信息数据。现有全球公开DBMs产品如GEBCO(The General Bathymetric Chart of the Oceans)、SRTM(The Shuttle Radar Topography Mission)、ETOPO(Earth Topography)等在不同海域的数据类型、数据来源和产品精度均存在差异。为利用全球测深数据和DBMs产品重建中国近海水深模型,本文提出一种基于水深分区的加权融合重建框架。首先,从5个维度(整体精度、不同水深、航线剖面、地理分区、局部细节)对比分析6种常用DBMs产品的可靠性和适用性;然后,顾及水深和地形特征对研究区进行分割和分区,并选取分区内最优DBMs产品,以最小误差为约束进行最优加权融合;最后,对融合结果进行实测值恢复、平滑滤波等后处理,形成中国海岸线周边近海海域15″分辨率高精度无缝水深模型。结果表明,融合结果相比SRTM30_PLUS、GEBCO_2022、SRTM15_V2.5.5和ETOPO_2022均方根误差降低了27%、14%、14%和13%,地形细节也得到保留,证明了该融合框架的可行性,可为多数据集大规模海底地形的融合重建和及时更新提供参考。展开更多
500米口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST)——“中国天眼”举世瞩目,是世界上最大的单口径射电望远镜。如果再建造几个FAST型大射电望远镜,开展联合观测,那么不仅可以进一步提高探测的灵...500米口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST)——“中国天眼”举世瞩目,是世界上最大的单口径射电望远镜。如果再建造几个FAST型大射电望远镜,开展联合观测,那么不仅可以进一步提高探测的灵敏度,也可以提高分辨率,从而拓展射电天文研究领域,这正是当前中国射电天文科学家的期盼,FAST型大射电望远镜选址洼地地形搜寻就是为实现这一期盼而开展的前期研究。当前,可以共享的地形数据数字高程模型(digital elevation model,DEM)资源已经实现洲际覆盖,且有不同的地面分辨率供选择;计算机技术发展带来了地形数据DEM处理分析能力大大增强,处理技术不断创新,分析表达实现了可仿真。为此,通过比较分析阿雷西博射电望远镜(Arecibo radio telescope,Arecibo)和FAST望远镜工程结构尺度、台址岩溶洼地地形的形态特点,提出500 m口径望远镜的理想洼地地形条件;在评价分析网络共享DEM地形数据的分辨率和数据质量的基础上,总结认为省级区域大射电望远镜选址以30 m分辨率的ASTER_GDEMV3数据为宜;在贵州全省大型洼地地形搜寻研究中,开发了基于ArcGIS平台提取洼地地形特征参数和拟合填挖方、叠合剖面等定量分析专题模块,归纳了应用ArcGIS主要工具搭建专题模块的关键步骤。研究结果解决了省级区域大型岩溶洼地地形搜寻中的关键技术,并提出了在实际工作中需要注意的几个问题。展开更多
文摘数字水深模型(Digital Bathymetric Models,简称“DBMs”),是近海工程建设、资源开发、环境保护等领域的重要基础地理信息数据。现有全球公开DBMs产品如GEBCO(The General Bathymetric Chart of the Oceans)、SRTM(The Shuttle Radar Topography Mission)、ETOPO(Earth Topography)等在不同海域的数据类型、数据来源和产品精度均存在差异。为利用全球测深数据和DBMs产品重建中国近海水深模型,本文提出一种基于水深分区的加权融合重建框架。首先,从5个维度(整体精度、不同水深、航线剖面、地理分区、局部细节)对比分析6种常用DBMs产品的可靠性和适用性;然后,顾及水深和地形特征对研究区进行分割和分区,并选取分区内最优DBMs产品,以最小误差为约束进行最优加权融合;最后,对融合结果进行实测值恢复、平滑滤波等后处理,形成中国海岸线周边近海海域15″分辨率高精度无缝水深模型。结果表明,融合结果相比SRTM30_PLUS、GEBCO_2022、SRTM15_V2.5.5和ETOPO_2022均方根误差降低了27%、14%、14%和13%,地形细节也得到保留,证明了该融合框架的可行性,可为多数据集大规模海底地形的融合重建和及时更新提供参考。
