黃 琪，張宗毅

(1.中國科學(xué)院南京地理與湖泊研究所，江蘇南京210008;2.中國科學(xué)院大學(xué)，北京100049;3.農(nóng)業(yè)部南京農(nóng)業(yè)機(jī)械化研究所，江蘇南京210014)

一、引 言

數(shù)字高程模型(DEM)是基礎(chǔ)地理信息系統(tǒng)數(shù)據(jù)庫的重要組成部分，是進(jìn)行空間地形分析的基礎(chǔ)。對農(nóng)地區(qū)域進(jìn)行地形分析對于土地綜合整治和農(nóng)業(yè)機(jī)械化都有十分重要的意義。傳統(tǒng)大比例尺地面測繪方法雖然精度高，但在大規(guī)模應(yīng)用時成本較高，時效較低，因此專門針對農(nóng)地區(qū)域的大比例尺和高分辨率測繪成果并不豐富。與傳統(tǒng)大比例尺測繪相比，高分遙感和雷達(dá)技術(shù)可以快速高效地獲取農(nóng)地地形邊界和特征點位高程。

Google Maps(谷歌地圖)提供網(wǎng)絡(luò)電子地圖服務(wù)，包括矢量地圖、衛(wèi)星照片、地形圖3種視圖;而Google Earth將航拍照片、衛(wèi)星影像、遙感影像和GIS數(shù)據(jù)進(jìn)行了有效整合，可以提供全球不同分辨率的遙感影像，空間分辨率范圍為 0.1～15 m［1］。目前，Google Earth已經(jīng)廣泛應(yīng)用于GPS控制網(wǎng)布設(shè)［2-3］、鐵路工程選線［4］、專題地圖制圖和大比例尺地形輔助測繪［5-6］等領(lǐng)域。此外，Google提供了以KML為模型設(shè)計的Google Earth API，用戶可以通過結(jié)合專業(yè)開發(fā)語言開發(fā)應(yīng)用［7］。

為探索和實現(xiàn)獲取農(nóng)地地形信息，本研究通過在ArcGIS軟件中加載谷歌地圖遙感影像，以數(shù)字化方式獲得農(nóng)地邊界和特征點位信息;再根據(jù)Google Earth API開發(fā)相應(yīng)程序批量獲取地形邊界節(jié)點和特征點高程，并進(jìn)行高程精度分析，以期為區(qū)域土地綜合整治和農(nóng)業(yè)機(jī)械化提供決策參考。

二、材料與方法

1.研究區(qū)概況

研究區(qū)域位于安徽省含山縣仙蹤鎮(zhèn)北部，選取分辨率最高的GeoEye-1影像覆蓋區(qū)域與地形圖相重疊的區(qū)域作為最終研究區(qū)，如圖1所示，影像拍攝日期為2010年4月23日，影像云不影響本文研究結(jié)果。研究區(qū)坐標(biāo)范圍為 117.93°E—118.02°E，31.85°N—31.91°N。

圖1 研究區(qū)域與驗證點位

2.數(shù)據(jù)來源

本研究驗證數(shù)據(jù)為國家1∶1萬數(shù)字地形圖，控制點數(shù)據(jù)通過手持 GPS采集，共42個。SRTM3數(shù)據(jù)來源于國際農(nóng)業(yè)研究磋商組織(CGIAR)網(wǎng)站［8］，版本號SRTM3 v4.1，是目前可以免費使用的數(shù)據(jù)質(zhì)量最高的版本［9］;ASTER數(shù)據(jù)來自日本產(chǎn)經(jīng)省官方網(wǎng)站［10］，于2011年10月17日公布，圖符號為ASTGTM2_N31E117和ASTGTM2_N31E118。

3.研究方法

(1)確定研究區(qū)范圍

在ArcGIS中加載谷歌地圖服務(wù)后，添加地形圖邊界，使用疊加功能確定研究區(qū)范圍。本研究采用GeoEye-1影像與地形圖相互重疊的區(qū)域作為最終研究區(qū)范圍。

(2)基于Google Earth獲取點位高程

基于Google Earth API開發(fā)獲取高程的程序基本思路為:通過StreamReader()函數(shù)依次順序地讀取存放在Excel中的農(nóng)地邊界特征點經(jīng)緯度數(shù)據(jù)，然后將讀取的點位經(jīng)緯度數(shù)據(jù)輸入SetCamera-Params()函數(shù)，使點位顯示在Google Earth客戶端視圖中心點位置，接著用 GetPointOn Terrain From-Screen Coords(0.0，0.0)函數(shù)獲取 Google Earth 客戶端視圖中心點位置的IPointOn TerrainGE類型返回值，最后通過返回值的Altitude屬性讀取指定地塊邊界點的絕對高程信息。

為了避免程序使用過程中緩存資源占用越來越大導(dǎo)致數(shù)據(jù)采集速度快速下降和數(shù)據(jù)采集失真的問題，程序設(shè)置了間隔50 ms后重采集一次，若前后數(shù)據(jù)相等則進(jìn)入下一點采集，若不等則再間隔50 ms后采集;若循環(huán)執(zhí)行500 ms后仍無法得到穩(wěn)定數(shù)據(jù)，則程序自動重啟釋放緩存，從斷點開始運(yùn)行程序，延遲10 000 ms待緩沖完成后繼續(xù)采集。該措施保證了軟件的魯棒性和效率，該程序通過了連續(xù)運(yùn)轉(zhuǎn)2天采集數(shù)百萬個點的測試，效果良好。

(3)高程精度分析

高程精度包括高程中誤差分析［11］、數(shù)據(jù)統(tǒng)計分析兩部分，在SPSS 19和ArcGIS 9.3軟件中完成。中誤差分析可以從整體上反映采樣點高程值與真實值的離散程度。中誤差模型假設(shè)檢驗點的高程為Hc(c=1，2，…，n)，對應(yīng)待檢驗點的高程為 Hd(d=1，2，…，n)，則中誤差公式表示為

為保證精度、控制成本，本研究采用1∶10 000數(shù)字地形圖中已有的高程點位作為高程精度驗證點。

(4)基于STRM3和ASTER GDEM數(shù)據(jù)獲取點位高程

在ArcGIS9.3軟件中，首先分別添加區(qū)域STRM3和ASTER GDEM數(shù)據(jù)(必要時完成多幅影像數(shù)據(jù)拼接)，再運(yùn)用工具箱中Spatial Analyst tools中Extract Values to Points工具通過空間插值方法分別提取基于STRM3和ASTER GDEM數(shù)據(jù)的點位高程，作為與基于Google軟件方法進(jìn)行比較的數(shù)據(jù)。

4.技術(shù)路線

數(shù)據(jù)處理和分析主要在ArcGIS 9.3軟件中完成，主要包括:①在ArcGIS 9.3軟件Web Map Service(WMS)服務(wù)中添加Google Maps地圖服務(wù)，加載遙感影像地圖;②在ArcGIS 9.3軟件中新建圖層，根據(jù)研究區(qū)影像進(jìn)行農(nóng)地邊界和特征點位數(shù)字化;③根據(jù)控制點進(jìn)行坐標(biāo)變換，將數(shù)字化的矢量文件轉(zhuǎn)換成節(jié)點文件，并計算節(jié)點文件的經(jīng)緯度信息;④通過自主開發(fā)的軟件，通過輸入點位經(jīng)緯度坐標(biāo)獲取點位高程值;⑤對獲取的高程值進(jìn)行精度評價，主要通過與相同點位在STRM3和ASTER GDEM數(shù)字高程模型上獲取的高程值進(jìn)行精度評估和對比。如圖2所示。

圖2 技術(shù)路線

三、結(jié)果與分析

1.提取的高程

根據(jù)以上描述，采用3種方法提取相同點位的高程，并與驗證數(shù)據(jù)進(jìn)行比較，擬合得到的數(shù)據(jù)結(jié)果如圖3所示。

圖3 3種方法獲取地面高程與實測高程擬合圖

3種方法獲取的點位高程與驗證點位擬合圖結(jié)果顯示，基于Google Earth方法和直接基于SRTM3數(shù)據(jù)插值方法精度接近，基于ASTER GDEM數(shù)據(jù)插值方法精度相對較差。擬合方差和相關(guān)系數(shù)顯示，基于Google Earth和SRTM3方法的擬合方差R2分別為0.96和0.95，基于ASTER方法的擬合方差為0.73;同時前兩種方法的系數(shù)分別為 1.03 和1.01，而后一種方法的擬合系數(shù)為0.79。此外，擬合方程截距結(jié)果顯示，基于Google Earth與SRTM3方法截距分別為-1.78和-1.42，表明在該區(qū)域以上兩種方法獲取的高程點位整體偏高，而采用ASTER GDEM數(shù)據(jù)獲取的地面高程點位整體偏低7.34，該方法對于實際地面10 m左右的高程無法準(zhǔn)確表達(dá)，獲取的數(shù)值分布范圍從-5～20 m，存在較大誤差。

2.中誤差分析

據(jù)式(1)，試驗區(qū)1597個點3種方法的中誤差分別為:Google Earth方法 1.91，SRTM3插值法2.07，ASTER GDEM 插值法 6.44，該分析結(jié)果與文獻(xiàn)［12］對巢湖流域的分析結(jié)果相近。并且基于Google Earth與基于SRTM3插值法精度接近，兩者均優(yōu)于ASTER GDEM插值法。根據(jù)我國平地區(qū)域1︰1萬和1︰5萬DEM精度標(biāo)準(zhǔn)(見表1)，本文方法和SRTM3法獲取的高程點中誤差低于1︰1萬地形圖，高于1︰5萬地形圖，而ASTER GDEM法獲取的高程點中誤差約為1︰5萬三級水平。

表1 我國平地區(qū)DEM精度標(biāo)準(zhǔn)［13］

3.數(shù)據(jù)統(tǒng)計分析

研究進(jìn)一步統(tǒng)計和分析了3種方法的極小值、極大值、均值、中位數(shù)、標(biāo)準(zhǔn)差、方差、偏度、峰度數(shù)據(jù)，結(jié)果見表2。

表2 3種點位高程獲取方法與測量值描述統(tǒng)計分析

結(jié)果表明，基于Google Earth法與SRTM3插值法的極小值、極大值、均值、中位數(shù)、標(biāo)準(zhǔn)差、峰度評估結(jié)果均優(yōu)于ASTER GDEM插值法，其中基于Google Earth法的極小值、極大值、標(biāo)準(zhǔn)差和峰度略優(yōu)于SRTM3插值法。

四、結(jié)束語

本研究提出了一種整合應(yīng)用Google軟件，開發(fā)程序獲取農(nóng)地邊界特征點坐標(biāo)和高程的方法，并對獲取的高程進(jìn)行了評估，從而可以為土地整理和農(nóng)地區(qū)數(shù)字地形分析提供輔助決策分析。

文中Google Earth、STRM3和ASTER GDEM 都采用EGM96高程系統(tǒng)，而驗證數(shù)據(jù)采用1985國家高程系統(tǒng)，因此存在一定的系統(tǒng)誤差。據(jù)文獻(xiàn)［14—15］采用分布全國大陸范圍的水準(zhǔn)數(shù)據(jù)(共949個GPS控制點)和地球重力場模型 EGM96、DQM99A，求出全國范圍內(nèi)1985國家高程基準(zhǔn)比WGS-84定義的似大地水準(zhǔn)面(即EGM96高程系統(tǒng))平均高約 0.355～0.357 m。本研究計算結(jié)果表明，研究區(qū)內(nèi)基于Google Earth法和基于STRM3數(shù)據(jù)插值法與驗證數(shù)據(jù)中誤差分別為1.91和-2.07，而采用兩個高程系統(tǒng)之間的差值對獲取高程的結(jié)果平差后，中誤差精度分別擴(kuò)大到2.15和2.19，仍優(yōu)于1∶5萬地形圖。本研究發(fā)現(xiàn)，研究區(qū)內(nèi)采用STRM DEM法獲取的點位高程平均值比采用ASTER GDEM法獲取的點位高程高6.14 m，主要原因是研究區(qū)內(nèi)ASTER GDEM數(shù)據(jù)對于10 m左右的高程描述極不穩(wěn)定，出現(xiàn)了一些負(fù)值。而據(jù)文獻(xiàn)［16—17］對中國及周邊地區(qū)的STRM3數(shù)據(jù)和ASTER GDEM數(shù)據(jù)的統(tǒng)計分析結(jié)果，雖然兩者均采用EGM96坐標(biāo)系統(tǒng)，但 STRM DEM高程比 ASTER GDEM高程平均高4.9 m，本研究結(jié)果與之接近。

由于Google Earth軟件采用了SRTM3數(shù)據(jù)源，因此本研究方法與基于SRTM3數(shù)據(jù)直接插值方法得到的高程和精度評估結(jié)果十分接近，但是相較于直接采用SRTM3數(shù)據(jù)獲取地面點位的方法，綜合運(yùn)用Google軟件仍具有兩個方面的優(yōu)勢:①可通過加載高分辨率遙感影像，對農(nóng)地區(qū)地形邊界和地物特征點位進(jìn)行精確數(shù)字化，并通過控制點位進(jìn)行幾何校正，減小系統(tǒng)誤差，而SRTM3數(shù)據(jù)幾何分辨率較低，難以尋找地物特征點位進(jìn)行幾何校正，可能因此導(dǎo)致較大水平誤差。②通過開發(fā)程序，不僅實現(xiàn)了大批量快速獲取高程點位，而且該方法還可以對獲取的高程點位結(jié)合高分辨遙感影像進(jìn)行人工核對和確認(rèn)，便于數(shù)據(jù)檢查，而采用SRTM3數(shù)據(jù)進(jìn)行插值幾乎無法檢查數(shù)據(jù)。因此，該方法有較好的應(yīng)用潛力。鑒于驗證數(shù)據(jù)獲取的難度，本研究方法還需要在不同地貌區(qū)域(如山地、丘陵)進(jìn)行高程精度研究，并且評估Google Maps相似地貌不同遙感數(shù)據(jù)源的區(qū)域高程精度差異的研究，以便為相關(guān)地區(qū)的土地綜合整治、農(nóng)業(yè)機(jī)械化等研究提供決策分析和參考的技術(shù)依據(jù)。

［1］Wikipedia.Google Earth［EB/OL］.(2012-12-18)［2014-05-27］.http:∥en.wikipedia.org/wiki/Google_Earth.

［2］劉瑞敏，李華，王思鍇，等.基于Google Earth的地鐵亦莊線GPS控制網(wǎng)布設(shè)［J］.測繪通報，2008(11):47-49.

［3］唐東躍，熊助國，王金麗.Google Earth及其應(yīng)用展望［J］.地理空間信息，2008，6(4):110-113.

［4］耿長良.Google Earth在城市軌道交通工程控制網(wǎng)布設(shè)中的應(yīng)用［J］.測繪通報，2011(7):54-56.

［5］陳建平，常慶瑞，陶文芳，等.基于Google Earth的GIS專題制圖技術(shù)研究與應(yīng)用——以陜西省土壤分類信息系統(tǒng)開發(fā)為例［J］.水土保持通報，2008，28(6):63-67.

［6］劉東，施昆.利用 Google Earth影像輔助大比例尺地形圖測量的方法［J］.測繪通報，2013(1):68-69.

［7］Google Developers.What is the Google Earth API?［EB/OL］.(2012-02-24)［2014-05-27］.https:∥developers.Google.com/earth/?hl=en.

［8］The CGIAR Consortium for Spatial Information.SRTM 90m Digital Elevation Data［EB/OL］.(2008-08-19)［2014-05-27］.http:∥srtm.csi.cgiar.org.

［9］JARVIS A，RUBIANO J，NELSON A，et al.Practical Use of SRTM Data in the Tropics-Comparisons with Digital Elevation Models Generated from Cartographic Data［EB/OL］.［2014-05-27］.http:∥srtm.csi.cgiar.org/PDF/Jarvis4.pdf.

［10］METI/NASA.ASTER Global Digital Elevation Model［EB/OL］.(2011-10-17)［2014-05-27］.http:∥gdem.ersdac.jspacesystems.or.jp.

［11］詹蕾，湯國安，楊昕.SRTM DEM 高程精度評價［J］.地理與地理信息科學(xué)，2010，26(1):34-36.

［12］李偉濤，王春，李鵬.巢湖流域 SRTM高程誤差的空間分異研究［J］.資源開發(fā)與市場，2012，27(12):1062-1064.

［13］國家測繪局.基礎(chǔ)地理信息數(shù)字成果 1∶5000、1 ∶10 000、1 ∶25 000、1 ∶50 000、1 ∶100 000 數(shù)字高程模型［S］.北京:測繪出版社，2010.

［14］焦文海，魏子卿.1985國家高程基準(zhǔn)相對于大地水準(zhǔn)面的垂直偏差［J］.測繪學(xué)報，2002，31(3):196-200.

［15］郭海榮，焦文海，楊元喜.1985國家高程基準(zhǔn)與全球似大地水準(zhǔn)面之間的系統(tǒng)差及其分布規(guī)律［J］.測繪學(xué)報，2004，33(2):100-104.

［16］趙國松，杜耘，凌峰，等.ASTER GDEM與SRTM3高程差異影響因素分析［J］.測繪科學(xué)，2011，36(4):167-170.

［17］趙海濤，張兵，左正立，等.中國及周邊區(qū)域 ASTER GDEM與 SRTM DEM高程對比分析及互補(bǔ)修復(fù)［J］.測繪科學(xué)，2012，37(1):8-11.