我正在进行选址投影，无法进行任何现场观察。选择过程的关键要素是基础地形的坚固性。
我计划使用GDALdem创建派生的耐用性贴图。我已经读过威尔逊等人。2007年论文和GDALdem文档。虽然两者都提供了用于生成索引的算法的见解，但只有Wilson论文提供了对索引适用性的评估。
至关重要的是，由于无法进行原位观察，因此选择的指数会过高估计表面粗糙度。
根据您的经验，您使用了哪个索引，用于什么应用程序，为什么？
我正在进行选址投影，无法进行任何现场观察。选择过程的关键要素是基础地形的坚固性。
我计划使用GDALdem创建派生的耐用性贴图。我已经读过威尔逊等人。2007年论文和GDALdem文档。虽然两者都提供了用于生成索引的算法的见解，但只有Wilson论文提供了对索引适用性的评估。
至关重要的是，由于无法进行原位观察，因此选择的指数会过高估计表面粗糙度。
根据您的经验，您使用了哪个索引，用于什么应用程序，为什么？
Answers:
我实际上喜欢使用Lundblad等人的Rugosity索引。 http://dusk.geo.orst.edu/esri04/p1208_cc.html http://proceedings.esri.com/library/userconf/proc04/docs/pap1208.pdf
（我认为这只是作为纸质论文发表，但它是海洋学中被引用最多的海报之一。）
Grohmann等人在2011年发表的论文“苏格兰中部山谷的地形表面粗糙度的多尺度分析”描述了从2D数字地形计算表面粗糙度测量值的六种方法之间的差异。他的论文很有帮助，因为他使用单个测试区域以各种空间分辨率和窗口大小提供了每种方法的定量比较。他在论文的最后指出：
由于计算的简单性，细尺度/区域起伏的检测以及各种尺度下的性能，斜率的标准偏差仍然是表面粗糙度的最有效的单一度量。
他还建议根据向量散布和轮廓曲率的标准偏差来描述地形特征。他否决了面积比方法，因为它“无法区分低浮雕地区的地貌”。面积比方法类似于Lundblad等人的Rugosity指数，但是计算上可能有一些细微的差别（我没有看过Grohmann等人使用的Rugosity Index vs. Area Ratio方法的代码）。 。
我选择了两种方法：斜率的标准差和矢量分散。简化/准确度和矢量分散的斜率标准偏差，因为它对局部高程变化敏感，因此适合我的研究区域。