你可以尝试构建一个使用全球数字高程模型。有几个免费的图像中,SRTM,或ASTER GDEM。你要寻找的所有像素包含一个负值。邻-像素会给你连接地区低于海平面,你可以很容易地估计他们仅仅通过区域的像素的数量乘以一个像素的面积。
我不是说这很容易。一些地区的主要挑战可能会将跨越几个瓷砖。
一个更新。我花了几个小时在这作为练习。我下载三个瓷砖从ASTER全球DEM围绕Badwater盆地(美国死亡谷),维基百科的一个地区列表。我写了一个小(~ 20行)Matlab脚本如下:
- 二值化的图像,每个像素海拔高度设置为0(黑色)和每个像素低于海平面设置为1(白色)。
- 连接的三个数组以只有一个图像下一步(我手动添加了第四个,黑色数组的维度之间的一致性的)。
- 二进制图像,Matlab具有一个有用的功能
regionprops发现所有的连接区域并返回它们的属性,比如他们的面积(像素的数量)。
这里是结果:
我很满意,因为它看起来非常类似于黄区,被称为“海平面以下”美国地质调查局的地图美国地质调查局的地图。
现在,它是怎么翻译的?根据Matlab,白色区域面积1 236 989像素。每个像素大约30 x30米,收益率低于海平面面积1 113公里$ ^ 2美元。我唯一能找到的图在线1 425公里$ ^ 2美元从大英百科全书,没有来源。但对我来说这是足够接近我的估计有信心!
一些缺点:
- 我知道哪些块包含这一特定地区低于海平面。如果你经历所有瓷砖(近23 000 !),你不得不图来检测当地区跨越多个瓦片以重建该地区的连接。似乎不那么难,但不是微不足道的。
- 我没有考虑到这一事实之间有一个像素重叠相邻瓷砖(它不应该改变改变结果)。
- 我没有考虑到这一事实实际上像素大小不同(该决议是一个弧秒,在赤道~ 30米,但随着纬度变化)。