DEM隨機噪聲誤差去除方法研究--以黃土溝沿線地形剖面為例.docx

1、地理與地理信息科學(xué)GeographyandGeo-InformationSciencedoi：10.3969/j.issn.1672-0504.2017.02.003DEM隨機噪聲誤差去除方法研究以黃土溝沿線地形剖面為例曹建軍",那嘉明】，湯國安七楊昕】（1.南京師范大學(xué)地理科學(xué)學(xué)院，虛擬地理環(huán)境教育部重點實驗室，江蘇南京210023；2.南京曉莊學(xué)院環(huán)境科學(xué)學(xué)院，江蘇南京211171）摘要:在黃土高原數(shù)字地形分析中，基于DEM提取的地形參數(shù)和地貌對象是研究黃土地形地貌特征的基礎(chǔ)。但在使用這些對象和參數(shù)進行小流域尺度的數(shù)字地形分析時,DEM數(shù)據(jù)中隱含的噪聲在一定程度上會影響分析結(jié)果的

2、可靠性。該文以分別位于陜北黃土丘陵溝壑區(qū)（綏德）和黃土堀區(qū)（淳化）的兩個小流域為試驗區(qū)，以國家基礎(chǔ)地理數(shù)據(jù)庫5m分辨率DEM為實驗數(shù)據(jù),以黃土地貌中最具典型特征的溝沿線為研究對象，對其地形剖面所隱含噪聲的特征、提取及去除方法進行了研究。實驗中采用EMI>MFDFA和EEMI>MFDFA兩種組合方法對上述兩個小流域黃土溝沿線地形剖面數(shù)據(jù)進行了分析。實驗結(jié)果顯示，溝沿線地形剖面數(shù)據(jù)噪聲與地形復(fù)雜程度有很大關(guān)系洞EMD-MFDFA方法相比,EEMDMFDFA對去除噪聲成分具有更好的效果；EEMDMFDFA方法在上述兩個樣區(qū)的溝沿線原始剖面與降噪后重構(gòu)地形剖面的RMSE分別為2.053m和

3、3.188m0關(guān)鍵詞:DEM；溝沿線；噪聲；EEMD；MF-DFA中圖分類號:P931文獻標(biāo)識碼：A文章編號：1672-0504（2017）02-0012-070引言在基于DEM進行黃土高原地貌形態(tài)的分析與研究中,DEM誤差與不確定性極大地影響分析結(jié)果的可信性。DEM誤差類型可分為人為誤差、系統(tǒng)誤差、隨機誤差等。對于前兩種誤差，很多學(xué)者從誤差的來源、分布規(guī)律2F和解決方法等做了深入的研究和分析。但對于DEM隨機噪聲的來源、影響因素和去除方法的研究還很有限。通常，地表可通過公式表達，其中Z表示點危以）的高程值,從信息論的角度考慮，地表可被認定為一個二維的非線性、非平穩(wěn)的信號。這些信號中的細節(jié)信號

4、越多，與局部初始地形就越接近，但加入過多的細節(jié)信號可能會帶來隨機噪聲問題。由于在信號數(shù)據(jù)中噪聲普遍存在，因此在很多研究領(lǐng)域，如GPS坐標(biāo)時間序列數(shù)據(jù)、反映地表地物變化的遙感數(shù)據(jù)、水文時間序列數(shù)據(jù)等分析中，均需要先去除噪聲。在基于要素采樣的地形分析中，地形隨機噪聲信號通常與地形分析的尺度有關(guān)9】。在大尺度的地形分析中，這種隨機噪聲可以被忽略，但在小尺度（如小流域）的地形分析中，這種影響局部地形細節(jié)變化的隨機噪聲就不能忽略，否則地形的局部細節(jié)就不能反映真實的地形變化，對揭示流域的宏觀地形變化趨勢造成困難。對于如何消除或減小數(shù)據(jù)噪聲，前人提出了很多方法，如小波變換皿、集合經(jīng)驗?zāi)B(tài)分解、希爾伯特一黃變

5、換方、馬爾科夫變換14、低秩矩陣重建口刃等方法，且均取得了很好的效果。其中，集合經(jīng)驗?zāi)B(tài)分解（EnsembleEmpiricalModeDecomposition,EEMD）方法作為經(jīng)驗?zāi)B(tài)分解（EmpiricalModeDecomposition,EMD）方法算的改進，在數(shù)據(jù)噪聲分解中具有局部細節(jié)自適應(yīng)性的優(yōu)勢，在地震信號17,、SAR信號、電磁信號2。等方面的噪聲分解中均可取得很好的效果，但無法實現(xiàn)對噪聲的識別。而多重分形消除趨勢分析（MultifractalDtrendedFluctuationAnalysis,MF-DFA）方法提出的廣義Hurst指數(shù)對細節(jié)隨機信號噪聲具有很好的量化識

6、別能力，將其與EEMD方法相結(jié)合，可有效解決噪聲去除問題2習(xí)。但以上方法在復(fù)雜地形地貌的DEM噪聲去除中的應(yīng)用尚待探索。剖面分析是基于DEM的數(shù)字地形分析方法的重要方法S,前人已對地形剖面25、流域邊界剖面等進行了研究。溝沿線是黃土地貌正負地形的分界線，地形在溝沿線處存在較大的高程變化和坡收稿日期：2016-09-08；修回日期：2017-02-07基金項目：國家自然科學(xué)基金項目（41671389.41471316.41401441）作者簡介：曹建軍（1976）,男，博士后，副教授，研究方向為黃土高原數(shù)字地形分析。*通訊作者E-mail：tangguoan度轉(zhuǎn)折27.28,以溝沿線處的地形高程

7、采樣數(shù)據(jù)所形成的地形剖面為對象進行分析，對研究黃土高原小流域局部地形變化規(guī)律具有指示意義。但這種溝沿線采樣數(shù)據(jù)往往包含噪聲，因此在分析時必須考慮噪聲去除問題。本文使用EEMD和MF-DFA、EMD與MF-DFA相結(jié)合的方法，基于黃土溝沿線5mDEM高程采樣數(shù)據(jù)，對采樣數(shù)據(jù)噪聲進行分析，得到數(shù)據(jù)噪聲成分的識別和去除方法，并對比兩種方法的分析結(jié)果和準(zhǔn)確程度。1方法與原理1.1研究區(qū)和數(shù)據(jù)本文選擇分別位于地形極為破碎的黃土丘陵溝壑區(qū)（綏德）和相對平緩的黃土堀區(qū)（淳化）的兩個典型小流域為研究樣區(qū)（表1）,采用國家基礎(chǔ)地理數(shù)據(jù)庫5m分辨率DEM為實驗數(shù)據(jù)，對于已提取的經(jīng)過校正的兩個小流域的溝沿線數(shù)據(jù)（圖

8、1）,從流域的出口開始，基于DEM沿溝沿線順時針走向?qū)Ω叱虜?shù)據(jù)進行依次采樣，得到高程隨采樣距離變化的二維信號數(shù)據(jù)，即溝沿線地形剖面。其中，綏德樣區(qū)的采樣點有16000多個,淳化樣區(qū)的采樣點有7000多個。1.2研究方法經(jīng)驗?zāi)B(tài)分解（EMD）方法K依據(jù)數(shù)據(jù)自身的時間尺度特征進行信號分解，無須預(yù)先設(shè)定任何基函數(shù)，與傳統(tǒng)的建立在先驗性的諧波基函數(shù)和小波基函數(shù)上的傅里葉分解與小波分解方法具有本質(zhì)性的差別。所以，EMD方法在理論上可以應(yīng)用于任何類型信號的分解，在處理非平穩(wěn)及非線性數(shù)據(jù)上具有明顯優(yōu)勢，適合于分析非線性、非平穩(wěn)信號序列,具有很高的信噪比2刃。（b）淳化樣區(qū)表1研究區(qū)描述Table1Geogr

9、aphicdescriptionofstudyareas地貌類型地理位置描述黃土弗狀丘陵溝壑黃士墟110°15'00"110°22'30"E37°32'30"37°37'30"N108°22'30"108°30'00"E34°50'00”34°55'OO"N位于綏德.海拔814-1188m,平均坡度約29°溝壑密度9.39km/km2；該區(qū)域土壤侵蝕嚴重，溝壑縱橫各部分與整

10、體的形態(tài)自相似性特征較強位于淳化,海拔768-1188m,地面平均坡度12°.溝糧密度1.79km/km2面地形平緩侵蝕作用較弱，周圍往往被溝谷環(huán)繞圖1研究樣區(qū)數(shù)據(jù)及溝沿線地形剖面Fig,1Iliedataofstudyareaandprofileofshoulderline而集合經(jīng)驗?zāi)B(tài)分解（EEMD）方法是Wu等針對EMD方法混頻的不足，提出的一種局部自適應(yīng)的時間序列分析技術(shù)，其本質(zhì)是一種噪聲輔助數(shù)據(jù)分析方法。該方法通過將白噪聲加入待分解信號,將信號和噪聲的組合看成一個總體，進而得到模態(tài)一致的內(nèi)稟函數(shù)（IntrinsicModeFunctions,IMFs）分量。當(dāng)把信號加在整個

11、時頻空間分布一致的白噪聲背景上時，由于白噪聲頻譜均勻分布，不同尺度的信號會自動分布到合適的參考尺度上。由于噪聲的零均值特性，經(jīng)過多次平均運算處理后，噪聲會相互抵消，集成均值的結(jié)果就可直接作為最終分解結(jié)果。多重分形消除趨勢分析(MF-DFA)方法是一種十分有效的非平穩(wěn)信號序列多重分形特征分析方法，該方法首先通過去趨勢過程去除信號序列中的非平穩(wěn)因素影響，再使用不同階數(shù)的波動函數(shù)計算信號序列不同尺度層次上的標(biāo)度行為，通過對各信號序列的多重分形譜參數(shù)特征的分析和對比，最后選擇多重分形譜參數(shù)作為噪聲信號的量化特征，可以充分揭示隱藏在非平穩(wěn)信號序列中的噪聲信號。本文分別使用兩種不同的方法組合進行去噪對比實

12、驗。首先對溝沿線地形剖面進行EMD和EEMD分解，獲得高程信號數(shù)據(jù)的分解分量;然后使用MF-DFA方法對分解結(jié)果分量進行判定，以區(qū)分哪些分量為噪聲，哪些分量為具有物理意義的高程信號數(shù)據(jù);最后,選取具有物理意義的高程信號數(shù)據(jù)對溝沿線地形進行重構(gòu)，得到去噪后的溝沿線地形剖面，對于溝沿線地形剖面中隱含噪聲大小的判定，通過原始數(shù)據(jù)與重構(gòu)數(shù)據(jù)的均方根誤差(RMSE)來表征。2結(jié)果與討論2.1數(shù)據(jù)分解與Hurst指數(shù)計算圖2、圖3依次為綏德樣區(qū)、淳化樣區(qū)溝沿線地形剖面的EMD和EEMD分解結(jié)果。受樣本點數(shù)影響,綏德樣區(qū)分解結(jié)果有13個IMFs,其中IMF13是一個殘差趨勢項(RES),而淳化樣區(qū)分解結(jié)果有

13、12個IMFs,其中IMF12是一個殘差趨勢項(RES)0從兩個樣區(qū)的分解結(jié)果看，隨著分解分量周期的增大,頻率越來越低，因此最后的殘差項應(yīng)視為研究樣區(qū)的地形變化總趨勢。此外，由于EMD分解存在分解模式混疊的缺陷5,對于同一樣區(qū)的EMD和EEMD分解結(jié)果具有一定差異。為了對兩個研究樣區(qū)溝沿線地形剖面數(shù)據(jù)IMFs分量中的噪聲成分進行識別，本文采用了MF-DFA方法對所有IMFs分量進行分析，計算每個IMFs的Hurst指數(shù)(Hq)。將IMFs劃分成不重疊的數(shù)據(jù)單元，并計算其多重分形消除趨勢指數(shù)F(q)。5005050t.sol二1050fal000土950200040006000800010000

14、120001400016000樣本點數(shù)(b)EEMD分解結(jié)果020004000600080001000()12000!400016000樣本點數(shù)(a)EMD分解結(jié)果0500009502宜圖2綏德樣區(qū)溝沿線地形剖面分解結(jié)果對比Fig.2ResultcomparisonofEMDandEEMDmethodsinSuide200-20+'一，1AdAVJ人50j.,p-r11-T)f.i>yi,£SI2SI&W10-JWJ-5011*-ZJWl6U.N2U.ZXI樣本點數(shù)(a)EMD分解結(jié)果樣本點數(shù)(b)EEMD分解結(jié)果圖3淳化樣區(qū)溝沿線地形剖面分解結(jié)果對比Fig.3

15、ResultcomparisonofEMDandEEMDmethodsinChunhua在具體計算過程中，輸入的參數(shù)(如數(shù)據(jù)單元的大小、波動階數(shù)q和趨勢階數(shù)玖等)均采用了文獻21關(guān)于MF-DFA算法的最優(yōu)化結(jié)果。.圖4、圖5(彩圖見封3)為兩個樣區(qū)兩種分解方法結(jié)果的IMFs分量Hurst指數(shù)計算結(jié)果。從中可以看出，對于每個IMFs,Hurst指數(shù)(Hq)總體呈現(xiàn)隨波動階數(shù)q的增大而減小的趨勢。當(dāng)q=5時，所有IMFs分量的Hq均達到最小，因此在對各分量進行噪聲判別時，可選取9=5作為Hq計算的統(tǒng)一標(biāo)準(zhǔn)。(a)EMD分解的Hurstlt數(shù)(b)EEMD分解的Hurst指數(shù)圖4綏德樣區(qū)Hurst指

16、數(shù)計算結(jié)果對比Fig.4HurstexponentresultsoftwodecompositionmethodsinSuide(a)EMD分解的Hurst指數(shù)£23450(b)EEMD分解的Hurst指數(shù)圖5淳化樣區(qū)Hurst指數(shù)計算結(jié)果對比Fig.5HurstexponentresultsoftwodecompositionmethodsinChunhua2.2溝沿線地形剖面噪聲去除形數(shù)據(jù)變化的復(fù)雜性、非線性和非平穩(wěn)性等特征。當(dāng)Hq>0.5時,數(shù)據(jù)序列具有強的長程相關(guān)性,所以Hq<o.5的IMFs分量都可認為是噪聲成分。因此在本研究中，對于EEMD分解結(jié)果,g=5時=

17、0.5可作為判斷是否為噪聲成分的閾值;但山于EMD分解時存在模式混疊i3。,在噪聲判別時Hq閾值范圍應(yīng)取稍大一些，這里參考文獻22取值為0.7。圖6為q=5時兩種分解結(jié)果的】MFs的Hurst指數(shù)變化趨勢。從圖6可以看出，對于兩個樣區(qū)的EMT)分解內(nèi)稟函數(shù)中,IMF1.1MF2的Hq均小于0.7,可視為噪聲成分;而對EEMD分解的內(nèi)稟函數(shù),IMF1JMF2JMF3和IMF4的他均小于0.5,可視為噪聲成分。IMFsIMFs(a)綏德樣區(qū)(b)淳化樣區(qū)圖6波動階數(shù)q=5時EMD和EEMD分解的內(nèi)稟函數(shù)(IMFs)的Hurst指數(shù)變化Fig.6ThevarietyofHurstexponentof

18、IMFsfromEMDandEEMDdecompositionatfluctuationorderq=5基于此，對綏德和淳化兩個研究樣區(qū)溝沿線地形剖面的噪聲成分進行了提取(圖7)0從圖7中可以看出，對于兩個研究樣區(qū),EMT>MFDFA方法提取的噪聲成分的振幅較大，周期也較長，頻率較低;而EEMI>MFDFA方法提取結(jié)果的振幅較小，周期短,但頻率較高。這兩種方法所提取的地形噪聲具有完全不同的形態(tài)特征和物理含義，體現(xiàn)了黃土高原地樣本點數(shù)(a)綏德樣區(qū)20r樣本點數(shù)(b)淳化樣區(qū)圖7EMD-MFDFA與EEMD-MFDFA消除地形數(shù)據(jù)的噪聲.對比Fig.7Thenoiseremovalo

19、fterraindatabyusingEMD-MFDFAandEEMD-MFDFA圖8為采用MF-DFA方法分別對EMD.EEMD分解結(jié)果噪聲進行去除后，重構(gòu)剖面與原始剖面的比較。對于綏德樣區(qū)，兩種方法去除噪聲后的地形與原始地形的總體變化趨勢一致，但在局部變化上具有差異，說明原始地形數(shù)據(jù)在局部變化尺度上存在噪聲。而EMD-MFDFA和EEMI>MFDFA對局部噪聲的去除效果也有不同，兩種方法得到的重構(gòu)地形與原始地形之間的均方根誤差(RMSE)分別為3.704m和2.053mo對于淳化樣區(qū)，原始地形與經(jīng)過噪聲去除后的地形之間的差別要比綏德樣區(qū)大,說明淳化樣區(qū)地形數(shù)據(jù)中所隱含的噪聲成分更多,

20、其RMSE分別為7.686m和3.188mo3結(jié)論由于多種原因，DEM及基于DEM提取的溝沿線地形剖面均存在一定的數(shù)據(jù)噪聲。對于不同類型EMD-MFDFA去噪地形，EMD-MFDFA去噪地形，0200040006000800010000120001400016000EEMD-MFDFA去噪地形1000OQA,二，q4.一0200040006000800010000120001400016000樣本點數(shù)(a)綏德樣區(qū)圖8EMD-MFDFA和EEMD-MFDFA去除噪聲的地形與原始地形比較ComparisonoftheterrainafternoiseremovalusingEMI>MFDF

21、AandEEMD-MFDFAwiththeoriginalterrainFig.8的地形地貌而言，其溝沿線地形剖面的數(shù)據(jù)噪聲特征是不同的，地形變化復(fù)雜的黃土昴溝沿線數(shù)據(jù)噪聲以低頻噪聲為主，地形變化相對單一的黃土堀溝沿線以高頻噪聲為主，因此基于一定的科學(xué)方法對數(shù)據(jù)噪聲的去除是必要的。鑒于EMD、EEMD在噪聲信號分解中具有局部自適應(yīng)性，以及MF-DFA在局部噪聲識別中具有很好的量化能力，兩者相結(jié)合的方法對于溝沿線地形剖面噪聲去除是有效的。實驗結(jié)果表明，同EMD-MFDFA方法相比，EEMDMFDFA方法能夠分離和去除更多的數(shù)據(jù)噪聲成分，其溝沿線原始剖面與降噪后重構(gòu)地形剖面的均方根更小，對溝沿線地

22、形剖面數(shù)據(jù)噪聲去除具有更好的效果。實驗結(jié)果顯示，溝沿線地形剖面數(shù)據(jù)的噪聲與地貌類型、地形復(fù)雜程度具有很大關(guān)系。對于黃土地貌數(shù)字地形分析，數(shù)據(jù)噪聲與地貌類型、地形復(fù)雜度之間到底存在怎樣的內(nèi)在機理與規(guī)律，有待下一步進行深入的探索。參考文獻：1 湯國安，趙牡丹,李天文，等.DEM提取黃土高原地面坡度的不確定性J.地理學(xué)報，2003,58(6)：824-830.2 楊燦燦，王春，江嶺，等.DEM地形描述誤差的概率分布特征研究口.測繪工程,2016,25(8):19-23.3 張勇，湯國安，彭酎.數(shù)字高程模型地形描述誤差的量化模擬以黃土丘陵溝壑區(qū)的實驗為例J.山地學(xué)報，2003,21(2):252-25

23、6.4 趙尚民，何維燦，王莉.DEM數(shù)據(jù)在黃土高原典型地貌區(qū)的誤差分布J.測繪科學(xué)，2016,41(2)：67705J王春,顧留碗，陶昉，等.DEM地形描述誤差(Et)計算模型研究EJ1地球信息科學(xué)學(xué)報,2014,18(5):699-706.6姜衛(wèi)平，周曉慧.澳大利亞GPS坐標(biāo)時間序列跨度對噪聲模型建立的影響分析J.中國科學(xué)(地球科學(xué))，2014,44(11):2461-2478.7J李喜佳，肖志強,王錦地，等.雙集合卡爾曼濾波估算時間序列LAIEJ1遙感學(xué)報,2014,18(1):27-44.8 桑秀麗，蘇俞真，肖漢杰，等.基于01測試方法的含噪聲降雨一徑流時間序列混沌特征分析口.云南大學(xué)學(xué)

24、報(自然科學(xué)版)，2014,36(2)：233240.9 孫嘉駿，黃天勇，陳科基于DEM地形要素提取方法的實驗JJ.地理空間信息,2014,12(2):136-138.10 秦承志，呼雪梅柵格數(shù)字地形分析中的尺度問題研究方法EJ1地理研究,2014,33(2):270283.口1李耀恩，吳小平.小波變換在雙頻激電數(shù)據(jù)處理中的應(yīng)用J.地球物理學(xué)進展,2015,30(1)：460465.12 WUZHfHUANGNE.Ensembleempiricalmodedecomposition：Anoiseassisteddataanalysismethod-J.AdvancesinAdaptiveDat

25、aAnalysis,2009,1(1)：141.13 時丕旭，楊志強,計國鋒.希爾伯特一黃變換下的磁懸浮陀螺儀數(shù)據(jù)處理方法研究J.測繪通報,2015(Sl)：119-123.14 許春冬，戰(zhàn)鴿，應(yīng)冬文，等.基于隱馬爾可夫模型的非監(jiān)督噪聲功率譜估計J.數(shù)據(jù)采集與處理,2015,30(2)：359364.口5孟樊，楊曉梅,周成虎.一種以低秩矩陣重建的圖像混合噪聲去除算法J.地球信息科學(xué)學(xué)報,2015,17(3)：344-352.16 HUANGNE,SHENZ,LONGSR,etaLTheEmpiricalModeDecompositionandtheHilbertSpectrumforNonli

26、nearandNonStationaryTimeSeriesAnalysisR.TheRoyalSociety,1998.903-995.17 顏中輝，王贊，李攀峰，等.基于希爾伯特一黃變換的多分量地震去麟物理學(xué)版,2015,30(6):28462854.口8賈瑞生，趙同彬,孫紅梅，等.基于經(jīng)驗?zāi)B(tài)分解及獨立成分分析的微震信號降噪方法口.地球物理學(xué)報，2015,58(3)：1013-1023.19郭際明，黃長軍，喻小東，等.一種改進的二維經(jīng)驗?zāi)B(tài)分解SAR圖像噪聲抑制方法口.武漢大學(xué)學(xué)報(信息科學(xué)版)，2013,38(12):1445-1450.20J李成武，黃利輝,王啟飛，等.煤巖微弱電磁信

27、號的噪聲源識別及去噪方法J.煤炭學(xué)報,2016,41(8):1933-1940.21 KANTELHARDTJW,ZSCHIEGNERSA,KOSCIELNY-BUNDEE,etal.MultifractaldetrendedfluctuationanalysisofnonstationarytimeseriesJ.PhysicaA：StatisticalMechanicsandItsApplications,2002,316(1):87114.22 MIRIYALAS,KOPPIREDDIPR,CHANAMALLUSR.Robustdetectionofionosphericscintill

28、ationsusingMF-DFAtechnique.EarthsPlanetsandSpace,2015(67)：15.23 楊昕，湯國安,劉學(xué)軍，等.數(shù)字地形分析的理論、方法與應(yīng)用J.地理學(xué)報，2009,64(9)：10581070.24 湯國安.我國數(shù)字高程模型與數(shù)字地形分析研究進展J.地理學(xué)報，2014,69(9)：13051325.25 吳瑞，王蘭輝，湯國安.中國陸地邊界地形剖面譜研究初探口.地理與地理信息科學(xué)，2012,28(5)：5154.26 賈旖旎，基于DEM的黃土高原流域邊界剖面譜研究D.南京:南京師范大學(xué),2010.27 劉瑋，李發(fā)源,熊禮陽，等.基于區(qū)域生K的黃土地貌溝

29、沿線提取方法與實驗J.地球信息科學(xué)學(xué)報,2016,18(2)：220226.28 張磊，湯國安,李發(fā)源，等.黃土地貌溝沿線研究綜述J,地理與地理信息科學(xué),2012,28(6):44-48.29 戴吾蛟，丁曉利,朱建軍，等.基于經(jīng)驗?zāi)Ｊ椒纸獾臑V波去噪法及其在GPS多路徑效應(yīng)中的應(yīng)用J.測繪學(xué)報,2006,35(4)：321-327.30 AHMETM,AYDINA.DetrendedfluctuationthresholdingforempiricalmodedecompositionbaseddenoisingJ,DigitalSignalProcessing,2014(32)：4856.Me

30、thodforNoiseRemovalofDEMs：ACaseStudyonTerrainProfileofLoessShoulderLineCAOJianjun1*2,NAJiaming1,TANGGuoan1,YANGXin1(1.SchoolofGeographyScience,KeyLaboratoryofVirtualGeographicEnvironmentofMinistryofEducation,NanjingNormalUniversity9Nanjing210023;2.SchoolofEnvironmentScience»NanjingXiaozhuangUni

31、versityNanjing211171,China)Abstract：TerrainparametersandobjectsderivedfromtheDEMsarethebasisofgeomorphologicstudied,especiallyinloessplateauofChina.However,whenanalyzinginthescaleofwatershedthetopographicnoisesofDEMsareoftenignored.Inthispaper,takingSuideandChunhuaasthestudyareas,andtheloessshoulder

32、-linesasresearchobjects,thecharacteristics,extraction,andremovalmethodofthetopographicnoisesarestudied.Firstly»terrainelevationissampledbyloessshouldeilineextractedbyDEMs.Then,EMDandEEMDisperformedtoobtainthecomponentsofthesamplingdata.Finally,theHurstindex(Hq)inMF-DFAisanalyzedforthespatialdis

33、tributionofthetopographicnoises.Theresultsshowthat：1)thenoiseoftheterrainprofilealongtheshoulder-linehasagreatrelationshipwiththeterraincomplexity；2)comparedtotheEMD-MFDFAmethod,theEEMT>MFDFAmethcxlhasabettereffectinmitigatingthetopographicnoiseofloessshoulder-line；3)theRMSEbetweentheoriginalterr

34、ainandtheterrainafternoiseremovalusingtheEEMI>MFDFAmethodis2.053minSuideand3.188minChunhua.Keywords：DEM；shouldcilinc；noise；EEMD；MFDFA(上接第11頁)ResearchonaTwo-LevelRetrievalMethodofDistributedSpatialDataServiceLIANGQi-yang1,WUBao-guo1,ZHAOChun-jiang2，ha。Xing-yao2*3*4,PANYu-chun2-3*4(1SchoolofJnforma

35、tionBeijingForestryUniversity»Beijing100083;2.NationalEngineeringResearchCenterforInformationTechnologyinAgricultureBeijing100097；3.KeyLaboratoryofAgri-informaticsMinistryofAgriculture,Beijing100097；4.BeijingEngineeringResearchCenterofAgriculturalInternetofThingsBeijing1000979China)Abstract：Atp

36、resent,theorganizationmethodofspatialdataservicebasedonserviceregistryandmetadatamanagementisoflowefficiencytoretrievedistributedmulti-scalespatialdataservice,whichcan'tmeetthedemandofintegratedapplicatiorxTosolvethisproblem,adistributedmulti-scalespatialdataindexingmethodbasedontwo-levelspatial

37、indexstructureisproposed.Basedonspatialgridindex,combinedwithspatialdataservicemetadatamanagement,indexingandretrievalofspatialdataserviceanditsspatialobjectarerealized.Inthedataretrievalprocess>accordingtothedatacontent,scopeandotherinformation,firstly,thefirstlevelindexisretrievedtofindouttargetspatialdataservice,thenthesecondlevelindexisusedtoretrievetargetdataobjectintheservice.Inourexperiments,theapplicationofindexconstructionandretrievali