鄒 皓 劉 欣 張?zhí)鹛?/p>

（1.四川省特種設(shè)備檢驗(yàn)研究院 成都 610061）（2.電子科技大學(xué)公共管理學(xué)院 成都 611731）

1 引言

DEM是數(shù)字高程模型的簡(jiǎn)稱(chēng)，它廣泛應(yīng)用于當(dāng)今的地理學(xué)，氣象學(xué)，計(jì)算機(jī)等各個(gè)學(xué)科和行業(yè)［1］。DEM是表示某一區(qū)域地形D上的三維向量有限序列，用函數(shù)的形式表示為

規(guī)則格網(wǎng)（GRID）和不規(guī)則三角網(wǎng)（TIN）是數(shù)字高程模型的兩種重要要表現(xiàn)形式。

在黏土中,甘薯地上部和地下部生物量隨著生育期的增加而增加(圖1a)．從地上部生物量變化趨勢(shì)來(lái)看,從移栽到DAP30,3個(gè)處理間沒(méi)有顯著差異,到了DAP60,T3最高,其次為T(mén)2,而到了DAP118,T2最高,其次為T(mén)3．甘薯地下部生物量的變化趨勢(shì)與地上部分有一定差異．地下生物量從移栽到DAP30,3個(gè)處理間地下部生物量沒(méi)有顯著差異．從DAP30到DAP118,甘薯地下部生物量均呈現(xiàn)出一致增加的趨勢(shì),T2最高,其次為T(mén)3．在生長(zhǎng)后期,T2與T1相比,甘薯地下生物量增加了61.2%,在P<0.05水平上差異顯著,因此,T2處理的黏土最適宜于甘薯根系生長(zhǎng)．

本文針對(duì)企業(yè)性質(zhì)深入探討上述假設(shè)，見(jiàn)表5。基于企業(yè)性質(zhì)分組，得到非國(guó)企和國(guó)企兩組非平衡面板數(shù)據(jù)，仍借鑒楊洋等（2015）［21］的做法利用面板Tobit隨機(jī)效應(yīng)對(duì)其進(jìn)行分析。

2 GRID與TIN比較

一般情況下，采樣得到的高程數(shù)據(jù)是離散隨機(jī)分布的，無(wú)法利用其直接生成DEM模型，因此，需要將采樣數(shù)據(jù)進(jìn)行網(wǎng)格化［2］。網(wǎng)格化的通常做法是：根據(jù)需要達(dá)到的精度要求，對(duì)地形區(qū)域進(jìn)行網(wǎng)格劃分，利用采樣得到的離散數(shù)據(jù)，按照一定的空間插值方法，求出各個(gè)網(wǎng)格交點(diǎn)的高程值，進(jìn)而生成GRID模型。GRID中的網(wǎng)格交點(diǎn)高程數(shù)據(jù)表示為

其中X0,Y0表示DEM起始點(diǎn)橫縱坐標(biāo)，Dx，Dy表示在x方向和y方向上的間隔，Nx-1，Ny-1表示DEM網(wǎng)格的行列數(shù)?？梢钥闯?，GRID在存儲(chǔ)數(shù)據(jù)時(shí)，只需要存儲(chǔ)初始點(diǎn)坐標(biāo)，網(wǎng)格的間距，網(wǎng)格點(diǎn)的高程以及行列數(shù)就可以得到當(dāng)前任何地形區(qū)域的高程信息［3］。因此，GRID模型具有數(shù)據(jù)存儲(chǔ)量小，易于管理和使用，效率較高的優(yōu)點(diǎn)。但其在平坦地區(qū)數(shù)據(jù)冗余現(xiàn)象比較嚴(yán)重，而且不能準(zhǔn)確地表達(dá)起伏較大地區(qū)的結(jié)構(gòu)和細(xì)部特征。

媒體報(bào)道顯示，西王集團(tuán)下屬的淀粉二廠(chǎng)剛剛動(dòng)工時(shí),王棣與工人們一起,每天清掃建筑垃圾,輔助拆卸、安裝機(jī)器。在車(chē)間里工作,王棣跟其他工人做一樣的工,并沒(méi)有受到什么特殊照顧。數(shù)月后,他又被調(diào)入集團(tuán)進(jìn)出口公司實(shí)習(xí),學(xué)習(xí)進(jìn)出口貿(mào)易相關(guān)知識(shí)。為了不斷充電和提高自己,他在其間曾赴紐約大學(xué)進(jìn)修金融專(zhuān)業(yè)。

4）在要進(jìn)行分割的cell中選擇關(guān)鍵點(diǎn)（VIPS）：首先將每個(gè)cell的對(duì)角線(xiàn)相連，形成兩個(gè)三角形面，然后在其對(duì)應(yīng)的初始GRID格網(wǎng)中選擇離這兩個(gè)平面最遠(yuǎn)的兩個(gè)點(diǎn)，將每一個(gè)點(diǎn)都和其外包的三角形的三個(gè)點(diǎn)相連形成3個(gè)三角形，最后，重復(fù)以上操作，直到達(dá)到所需精度。

圖1 GRID模型

TIN模型即不規(guī)則三角網(wǎng)模型，在構(gòu)建TIN模型時(shí)，可以根據(jù)地形的起伏度，陡峭程度等進(jìn)行數(shù)據(jù)采樣，在地形起伏較大的地區(qū)，可以增加采樣點(diǎn)的數(shù)目，在地形平坦的地區(qū)，可以適當(dāng)減少采樣數(shù)目，這樣既避免了在平坦地區(qū)產(chǎn)生數(shù)據(jù)冗余，又可以很好地兼顧地形地貌特征。構(gòu)成TIN模型的三角網(wǎng)的要求是嚴(yán)格的，需要滿(mǎn)足三個(gè)基本原則［4］：1）TIN是互不重疊的且具有唯一性；2）力求最佳三角形幾何形狀，每一個(gè)三角形都盡量接近正三角形；3）保證最鄰近點(diǎn)構(gòu)成三角形，即三角形邊長(zhǎng)之和最小。因此，構(gòu)建三角網(wǎng)的算法是比較復(fù)雜的，而且時(shí)間復(fù)雜度也是較高的［5］。以最常用的逐點(diǎn)插入算法為例，在最差情況下其時(shí)間復(fù)雜度達(dá)到了O(N2)，在最優(yōu)的情況下時(shí)間復(fù)雜度為O(N log N)。由于TIN模型在表達(dá)地形時(shí)巨大的靈活性，因此，在存儲(chǔ)其數(shù)據(jù)時(shí)，不能像存儲(chǔ)GRID數(shù)據(jù)時(shí)那樣簡(jiǎn)單，它既需要存儲(chǔ)三角形各個(gè)頂點(diǎn)的高程信息，又需要存儲(chǔ)各個(gè)頂點(diǎn)之間的拓?fù)潢P(guān)系［6］。如表1，2，圖2所示。圖2為一個(gè)不規(guī)則三角網(wǎng)，其各個(gè)頂點(diǎn)的高程信息存儲(chǔ)在表1，各個(gè)頂點(diǎn)之間的拓?fù)潢P(guān)系存儲(chǔ)在表2。

表1 各個(gè)點(diǎn)的高程信息

表2 三角網(wǎng)拓?fù)潢P(guān)系

圖2 不規(guī)則三角網(wǎng)

3 GRID和TIN的混合建模

基于上述的理論研究成果，本文運(yùn)用OpenGL技術(shù)在Windows 7系統(tǒng)和Visual C++6.0平臺(tái)上實(shí)現(xiàn)GRID和TIN的三維地形混合建模。使用OpenGL進(jìn)行混合建模的基本思想是：根據(jù)采樣得到的離散的隨機(jī)分布的三維空間高程數(shù)據(jù)，進(jìn)行地形數(shù)據(jù)預(yù)處理，然后根據(jù)精度要求［7］，對(duì)離散數(shù)據(jù)進(jìn)行網(wǎng)格化，將形成的GRID格網(wǎng)作為基礎(chǔ)數(shù)據(jù)，接著在GRID格網(wǎng)中搜索出地形復(fù)雜度較大的地方，對(duì)其進(jìn)行TIN建模，進(jìn)而形成DEM模型。

3.1 混合建模構(gòu)建流程

現(xiàn)代陶藝家在進(jìn)行青花藝術(shù)創(chuàng)作時(shí)，既是表達(dá)自身感受也是對(duì)傳統(tǒng)青花的文化傳承，也就是說(shuō)既要發(fā)揮自身的創(chuàng)造力也要能提高藝術(shù)修養(yǎng)以求更好的文化傳承。

其中AP代表水平投影面積。

3）將地形復(fù)雜度d與閾值進(jìn)行比較，如果地形復(fù)雜度d值小于閾值，則此cell被保留不用進(jìn)一步分割，選擇下一cell進(jìn)行操作3），否則對(duì)此cell進(jìn)行分割［8］。

由于只考慮到頂菱覆膜對(duì)春雨的保墑效果好，而忽略了可降解地膜在太陽(yáng)的直射作用下會(huì)加快降解速度，從而減少了可降解地膜的使用壽命，使可降解地膜的使用效果大打折扣，沒(méi)有充分起到保水保墑及保溫效果。鑒于此，建議來(lái)年適當(dāng)延遲鋪膜時(shí)間，推遲可降解地膜的降解時(shí)間，充分發(fā)揮可降解地膜的保溫保墑作用。

現(xiàn)有某一地區(qū)三維空間離散點(diǎn)數(shù)據(jù)，基于此高程數(shù)據(jù)，采用反距離權(quán)重插值法在OpenGl中對(duì)高程數(shù)據(jù)進(jìn)行網(wǎng)格化得到DEM模型。

1）GRID基礎(chǔ)格網(wǎng)的構(gòu)建。根據(jù)精度要求，對(duì)地形區(qū)域進(jìn)行網(wǎng)格劃分，然后基于采樣得到的三維高程數(shù)據(jù)，使用空間插值的方法計(jì)算出各個(gè)網(wǎng)格交點(diǎn)，進(jìn)而形成GRID格網(wǎng)。每一個(gè)網(wǎng)格稱(chēng)為cell。

6）數(shù)據(jù)按照GRID和TIN給出的方法進(jìn)行存儲(chǔ)。

3.2 地形復(fù)雜度的計(jì)算方法

經(jīng)過(guò)文獻(xiàn)調(diào)研，本文選用局部褶皺度指標(biāo)［10］來(lái)評(píng)價(jià)地形的復(fù)雜度。局部褶皺度即局部地形的三維地形表面積與投影到平面的面積之比，它在一定程度上反映了地形的起伏程度。

具體計(jì)算過(guò)程如下：

圖3 地形復(fù)雜度計(jì)算示意圖

如圖3所示，采用移動(dòng)窗口法計(jì)算局部褶皺度。1～9代表9個(gè)像元，g代表像元寬度，H表示各個(gè)像元的高程。將9個(gè)像0元的中心點(diǎn)相連可以構(gòu)成8個(gè)三角形，這8個(gè)三角形的面積總和代表了表面積，則褶皺度計(jì)算公式為

2）地形復(fù)雜度的計(jì)算。計(jì)算各個(gè)cell的局部褶皺度，綜合考慮兩地形因子后得到此cell的地形復(fù)雜度d。

4 實(shí)例

5）采用逐點(diǎn)插入法為步驟4）中分割后的cell構(gòu)建Delaunay三角網(wǎng)。Delaunay三角網(wǎng)具有空?qǐng)A特性和最大最小角特性，這就避免了生成“瘦長(zhǎng)”三角形［9］，構(gòu)建的三角網(wǎng)更加合理和準(zhǔn)確。

在Windows 7系統(tǒng)和Visual C++6.0平臺(tái)上，分別建立GRID，TIN以及混合建模模型。

在全省生態(tài)“坡地村鎮(zhèn)”建設(shè)現(xiàn)場(chǎng)推進(jìn)會(huì)上的講話(huà)（陳鐵雄） ........................................................................9-9

本文選用建模時(shí)間和消耗內(nèi)存作為對(duì)三種模型的優(yōu)劣進(jìn)行評(píng)價(jià)的指標(biāo)。

圖4 GRID模型

圖5 TIN建模模型

圖6 混合建模

通過(guò)VS2016的性能探查器，得出繪制TIN，GRID以及混合建模模型的三維網(wǎng)格地形所耗費(fèi)的時(shí)間和內(nèi)存開(kāi)銷(xiāo)。

圖7 離散點(diǎn)數(shù)與不同模型時(shí)間關(guān)系

圖8 離散點(diǎn)數(shù)與不同模型內(nèi)存開(kāi)銷(xiāo)關(guān)系

表3 GRID模型耗費(fèi)建模時(shí)間（ms）

表4 TIN建模耗費(fèi)建模時(shí)間

表5 混合建模模型耗費(fèi)建模時(shí)間

由模擬實(shí)驗(yàn)結(jié)果可以看出，在建模時(shí)間方面，GRID模型所耗費(fèi)的時(shí)間最短，混合建模模型次之，TIN建模耗費(fèi)的時(shí)間最長(zhǎng)。在內(nèi)存占用方面，GRID占用內(nèi)存最少，混合建模次之，TIN建模占用的內(nèi)存最多。

5 結(jié)語(yǔ)

本文基于OpenGL提出了TIN和GRID的混合建模方法，以時(shí)間復(fù)雜度和內(nèi)存開(kāi)銷(xiāo)為指標(biāo)，對(duì)三種建模方法進(jìn)行了比較。模擬實(shí)驗(yàn)結(jié)果表明，在建模時(shí)間方面，GRID模型所耗費(fèi)的時(shí)間最短，混合建模模型次之，TIN建模耗費(fèi)的時(shí)間最長(zhǎng)。在內(nèi)存占用方面，GRID占用內(nèi)存最少，混合建模次之TIN建模占用的內(nèi)存最多。綜合兩方面因素可以看出，混合建模方法要優(yōu)于TIN和GRID的建模法。