简介：Thehorizontalaccuracyoftopographicdatarepresentedbydigitalelevationmodel(DEM)resolutionbringsaboutuncertaintiesinlandscapeprocessmodelingwithrasterGIS.Thispaperpresentsastudyontheeffectoftopographicvariabilityoncell-basedempiricalestimationofsoillossandsedimenttransport.AnoriginalDEMof10mresolutionforacasewatershedwasre-sampledtothreerealizationsofhighergridsizesforacomparativeexamination.EquationsbasedontheUSLEareappliedtothewatershedtocalculatesoillossfromeachcellandtotalsedimenttransporttostreams.ThestudyfoundthatthecalculatedtotalsoillossfromthewatersheddecreaseswiththeincreasingDEMresolutionwithalinearcorrelationasspatialvariabilityisreducedbycellaggregation.TheUSLEtopographicfactors(LS)extractedfromappliedDEMsrepresentspatialvariability,anddeterminetheestimationsasshowninthemodelingresults.ThecommonlyusedUSGS30mDEMappearstobeabletoreflectessentialspatialvariabilityandsuitablefortheempiricalestimation.TheappropriatenessofaDEMresolutionisdependentuponspecificlandscapecharacteristics,appliedmodelanditsparameterization.ThisworkattemptstoprovideageneralframeworkfortheresearchintheDEM-basedempiricalmodeling.

简介：这研究被进行为一个脱落森林分类水侵蚀风险并且从森林道路网络预言沉积产量的数量。在有AHP的联合的GIS被用于决定森林的土壤侵蚀风险度。在旁边，来自有石子并且asphalted出现的森林道路的沉积产量用SEDMODL被估计。降雨模拟器在刻度和模型的确认过程被使用。结果证明47.9%森林土壤被分类从对很高的危险中等。32.3%道路位于土壤侵蚀风险班很高。这个班通常在森林的东方区域被发现，当有很低的风险的区域在向南西方的部分被发现时。14.6%森林道路作为有很低的沉积产量被评价。仅仅从森林道路网络的339个片断的61个片断把沉积送到沟壑网络。由SEDMODL和降雨模拟器的道路节的为所有的估计的年度沉积收益分别地是10,935.45和10,509.29gm-2。刻度和确认过程的结果证明变化说明了因为在由有在降雨下面的观察价值的SEDMODL的预言的价值模拟是3.90%。最好的管理惯例(BMP)必须与侵蚀风险的高度为区域被考虑。

简介：传统上,时间域航空电磁数据通过拟合迭代反演计算得到大地模型,然而,由于航空电磁数据道间的较强相关性,导致病态反演,并引起超定问题;同时电磁数据的相关性使其与模型参数的映射关系复杂,增加了反演的复杂度。采用主成分分析法将航空电磁数据变换为正交的较少数量的主成分,不仅降低了数据道间的相关性,减小了数据量,同时压制了数据的不相关噪声。本文利用人工神经网络(ANN)逼近主成分与大地模型参数间的映射关系,避免了传统反演算法中雅克比矩阵的复杂计算。层状模型的主成分神经网络与数据神经网络的反演结果对比显示,主成分神经网络反演方法网络结构简单,训练步数少,反演结果好,特别是对于含噪数据。准二维模型的主成分ANN、数据ANN以及Zhody方法的反演结果显示了主成分神经网络具有更接近真实模型的反演效果,进一步证明了主成分神经网络反演方法适合海量航空电磁探测数据反演。