CN115908910A - 一种基于局部基准底面的地形地貌自动分类方法 - Google Patents
一种基于局部基准底面的地形地貌自动分类方法 Download PDFInfo
- Publication number
- CN115908910A CN115908910A CN202211428810.8A CN202211428810A CN115908910A CN 115908910 A CN115908910 A CN 115908910A CN 202211428810 A CN202211428810 A CN 202211428810A CN 115908910 A CN115908910 A CN 115908910A
- Authority
- CN
- China
- Prior art keywords
- classification
- elevation
- classification result
- data
- mountain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000011160 research Methods 0.000 claims abstract description 87
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims abstract description 16
- 238000009825 accumulation Methods 0.000 claims description 18
- 230000001788 irregular Effects 0.000 claims description 17
- 230000008030 elimination Effects 0.000 claims description 13
- 238000003379 elimination reaction Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 239000007787 solid Substances 0.000 abstract description 2
- 238000012805 post-processing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种基于局部基准底面的地形地貌自动分类方法，步骤如下：基于研究区域原始DEM数据生成汇流累积量数据；基于汇流累积量构建河网，以河网点作为基底地形的高程控制点，构建局部基准底面DEM；用原始DEM数据减去局部基准底面DEM，得到研究区域的表面起伏度，根据起伏度大小划分山地平原的范围，按起伏度对山地进一步划分；以高程为分类基准对研究区域进行全域高程分类，综合起伏度分类结果和高程分类结果，得到最终分类结果；分类结果后处理。本发明通过使用TIN构建局部基准底面有效提升了地形地貌分类的精度与区域完整性，能够实现在仅以DEM为本源数据的情况下，全球地形地貌类别的高精度自动划分，为全球地貌研究提供了坚实的数据基础。
Description
技术领域
本发明属于自然地貌自动分类技术领域，具体涉及一种基于局部基准底面的地形地貌自动分类方法，更详细地为一种基于不规则三角网的地形地貌自动分类方法。
背景技术
地貌指的是地表高低起伏的几何形态特征，是内外地质营力相互作用的结果。地球表面上任意一个地理区内的地貌，都是由多次重复、彼此互相交替的地貌形态所组成，如何合理地划分地貌类型是研究地貌形态组合的基础。
地貌分类，是对地球表面形态单元的形态、成因、物质组成、年龄等属性，按照内在逻辑关系进行划分。由于分类原则和方法的不同，形成了多种地貌分类体系，但随着地貌分类理论的发展，现代地貌学逐渐确定了以成因和形态为核心的分类体系的主导地位。在此体系下，全球陆地地貌可被分为三等六级，即地貌纲、地貌类和地貌型三种等级，以这三等为基础又进一步细分为地貌纲、地貌亚纲、地貌类、地貌亚类、地貌型和地貌亚型六型。其中，对于地貌纲和地貌亚纲的分类被称为基本地貌形态分类，也即地形地貌分类；在此基础上进一步细分的地貌类和地貌亚类被称为地貌成因分类；地貌型通过对地貌类的形态进一步细分得到；对于地貌亚型的划分则是涉及物质组成的地貌类型分类。
地形地貌分类，是根据地貌的宏观形态特征和海拔高度对地貌进行分类。普遍采用的地形地貌分类方法将地表形态划分为平原、台地、丘陵、小起伏山地、中起伏山地、大起伏山地和极大起伏山地等7个具体的地貌纲，再按海拔高度将地貌纲进一步细分为低海拔、中海拔、高海拔、极高海拔四级的地貌亚纲，进而构成了24个基本的地貌类型。
早期，地貌分类与制图主要依赖于人工对地形图的目视判读和野外调查，这种方法不仅成本高、效率低，还存在部分区域无法分类的情况。随着地理信息科学技术的发展，数字高程模型(Digital Elevation Model,DEM)因其兼备地表细节层次丰富和计算迅速的优势，逐渐成为地貌自动分类领域的数据基础，进而衍生出了一系列以数字高程模型为主要数据源的地形地貌自动分类方法。现有的基于数字高程模型的地形地貌自动分类方法主要有基于聚类的方法、专家知识规则化的方法和基于机器学习的方法。基于聚类的分类方法对于对单一地貌类型提取效果显著，但由于其以数据为驱动，不具有明显的地理意义，难以体现实际的地貌空间分布规律；专家知识规则化的分类方法将专家知识转化为规则，具有明确的地理意义，但是专家知识的规则化过程具有一定的难度，且该方法的普适性较差；基于机器学习的方法通常将典型地貌样区与机器学习方法相结合，通过机器学习的方法挖掘样区中隐含的信息，该方法考虑了数据的空间位置关系与专家知识，但分类结果受制于选取的样区中地貌丰富度。
本发明提出的基于局部基准底面的地形地貌自动分类方法隶属于专家知识规则化的分类方法，在周成虎提出的中国陆地1：100万数字地貌分类体系的基础上，以地形起伏度和海拔高度为主要分类指标，将全球地貌按照形态分为23类(低海拔平原、中海拔平原、高海拔平原、极高海拔平原、低海拔丘陵、中海拔丘陵、高海拔丘陵、极高海拔丘陵、小起伏低山、小起伏中山、小起伏高山、小起伏极高山、中起伏低山、中起伏中山、中起伏高山、中起伏极高山、大起伏低山、大起伏中山、大起伏高山、大起伏极高山、极大起伏中山、极大起伏高山、极大起伏极高山)。区别于以像元为基本单元的地形地貌自动分类方法，本发明加入了对宏观地形地貌整体性的考虑，提升了分类结果的一致性。
发明内容
发明目的：考虑到传统地形地貌自动分类方法的局限，本发明提出了一种基于局部基准底面的地形地貌自动分类方法，仅使用DEM作为数据源，融合局部基准面的思想，是一种能够同时兼顾地貌整体性和分类准确性的全球地形地貌自动分类方法。
技术方案：一种基于局部基准底面的地形地貌自动分类方法，步骤如下：
(1)基于研究区域原始DEM数据生成研究区域汇流累积量数据；
(2)基于汇流累积量数据，自适应确定汇流阈值构建河网，从河网生成研究区域局部基准底面的高程控制点，进而构建不规则三角网，将不规则三角网转为栅格生成局部基准底面DEM，本方法提出的局部基准底面，是由研究区域中相对低的地面点模拟而成的局部地形的基底面，是研究区域起伏度计算的基准；
(3)用原始DEM数据减去局部基准底面DEM，得到研究区域的表面起伏度，设定一定的起伏度分类阈值，划分平原和山地；针对山地部分，依据起伏度大小进行二次分类；
(4)以高程为分类标准对研究区域原始DEM进行全域高程分类，得到综合高程和起伏度的地形地貌自动分类结果；
(5)对步骤(4)的结果进行细碎图斑消除和错分图斑的修正，平滑不合理的类型边界，得到最终的地形地貌分类结果。
作为优选，所述步骤(1)中基于研究区域原始DEM数据生成研究区域汇流累积量数据具体步骤如下：
(101)根据研究区域的范围，对区域范围内的DEM数据进行裁剪和拼接，仅保留研究区域的陆地部分得到研究区域原始DEM数据；
(102)以研究区域原始DEM数据为基础，基于优先漫水算法，计算研究区域内的地表流向数据；
(103)基于研究区域原始DEM数据和计算生成的地表流向数据，计算研究区域的汇流累积量数据。
作为优选，所述步骤(2)中局部基准底面DEM的生成步骤具体如下：
(201)基于步骤(1)生成的汇流累积量数据，根据研究区域原始DEM数据生成自适应的汇流阈值，大于该阈值的汇流栅格被提取为河网，小于阈值的栅格设置为空值；
(202)基于步骤(201)生成的河网数据为基准底面的控制点，将原始DEM数据中对应位置处的高程值提取至河网栅格；
(203)对于步骤(202)生成局部基准底面控制点由栅格转换为离散的矢量点，作为构建局部基准底面的高程控制点；
(204)以步骤(203)生成的局部基准底面高程控制点为输入，构建符合Delaunay三角测量的TIN，即研究区域的局部基准底面；
(205)基于步骤(204)生成的TIN，将TIN转为与原始DEM栅格大小和范围一致的局部基准底面DEM。
作为优选，所述步骤(3)使用的GIS软件包括ArcGIS Pro。
作为优选，所述步骤(3)中起伏度分类阈值为30。
作为优选，所述步骤(3)中平原和山地以及山地部分的二次分类方法具体如下：
(301)将原始DEM数据与局部基准底面DEM数据相减，得到研究区域的起伏度栅格；
(302)根据30米的起伏度分类阈值对步骤(301)生成的结果进行分类，大于阈值的栅格被分类为山地，小于起伏度阈值的被分类为平原，生成只包含0和1的山地平原类别结果数据，其中0代表山地，1代表平原；
(303)基于步骤(302)生成的山地平原范围，将山地和平原两个类别分离为两个独立的栅格数据；
(304)基于步骤(303)生成的山地栅格，取其与(301)生成的起伏度栅格的并集，根据起伏度分类标准，对山地进行进一步分类，其中，起伏度分类标准为200、500、1000和2500，分别将研究区域的山地分为丘陵、小起伏山地、中起伏山地、大起伏山地和极大起伏山地五类。
作为优选，所述步骤(4)中得到综合高程分类结果和起伏度分类结果，得到地形地貌自动分类结果的具体步骤如下：
(401)根据高程分类标准对研究区域原始DEM数据进行分类，依据1000、3500和5000三个分类阈值将研究区域分为低海拔、中海拔、高海拔和极高海拔四类，生成高程分类结果栅格；
(402)基于步骤(303)生成的平原栅格数据，使用栅格计算器取平原栅格与(401)中高程分类结果的并集得到平原高程分类结果，生成的平原高程分类结果仅为分类编码中代表高程的个位数，依分类编码标准，将平原高程分类结果加上代表平原类别的数值100，得到平原分类结果栅格，具体公式如下：
("％高程分类结果％"*"％平原栅格％")+100；
(403)基于步骤(303)生成的山地栅格数据，将其与高程分类结果相乘，得到山地范围的高程分类数据，依据分类编码标准，将步骤(304)生成的山地起伏度分类结果对应的编码乘10，加上山地范围内的高程分类结果和代表山地类别的数值200，得到山地的分类结果编码，具体公式如下：
("％高程分类结果％"*"％山地栅格％")+(％山地起伏度分类％*10)+200；
(404)基于(402)生成的平原分类结果栅格和(403)生成的山地分类结果栅格，合并得到研究区域的地形地貌分类结果，具体编码采用十进制三位数类别编码表示，其含义如下：百位数代表该区域属于平原或山地，平原代码为1，山地代码为2；十位数代表山地和平原内部的进一步细分，平原区域均为0；在山地区域，1代表丘陵，2代表小起伏山地，3代表中起伏山地，4代表大起伏山地，5代表极大起伏山地；个位数代表高程分类结果，1代表低海拔，2代表中海拔，3代表高海拔，4代表极高海拔。
作为优选，所述步骤(5)中对步骤(4)的结果进行细碎图斑消除和错分图斑的修正，平滑不合理的类型边界具体步骤如下：
步骤(501)以步骤(404)生成的分类结果为基础，将生成的栅格分类结果转为矢量，保留栅格数据中的分类编码；
步骤(502)基于步骤(501)生成的矢量分类结果，按照0.16平方千米的阈值消除分类结果中的不合理细碎图斑，再对消除结果进行平滑容差为7个栅格大小的共享边界平滑。
作为优选，所述步骤(2)中自适应确定汇流阈值具体为研究区域原始DEM数据的实际栅格数目与标准图幅DEM栅格数目比乘以预定义的标准图幅汇流累积量，预定义的标准图幅汇流累积量为该标准图幅的最佳汇流累积量。
有益效果：
1.本发明以河网和不规则三角网(Triangular Irregular Network,TIN)构筑近似反映实际地形起伏度的局部基准底面，有效解决了分类指标中地形起伏度的计算问题。与传统的地形地貌自动分类方法相比，极大地削弱了分类结果的破碎程度，同时显著提升了分类结果的区域一致性，使得分类结果更贴近地球表面真实的地貌分布情况。
2.本发明提出的方法实现了仅以DEM为原始数据的全自动地形地貌分类，在不借助其他数据源的情况实现了快速、高精度的全球地形地貌自动分类，加速了全球地貌分类进程，为全球地貌研究提供了坚实的数据基础，也为实现全球地貌自动分类提供了新的思路。
3.本发明使用自适应阈值减少了人为因素的干扰，减少了不同类别之间的不合理跨越，提升了类别过渡的平滑性。
综上，本发明通过使用TIN，构建了以河网为基本脉络的局部基准底面，使得地形起伏度的计算更加合理和准确，分类结果更精确，且具有更强的完整性；其次，以河网为基底基准构建的地貌分类结果，更符合地貌形成的自然规律，具有更强的语义信息。
附图说明
图1是本发明基于局部基准底面的地形地貌自动分类方法的流程图；
图2是本发明实施例2中实验样区DEM数据图；
图3是本发明实施例2中样区流向图；
图4是本发明实施例2中样区汇流累积量图；
图5是本发明实施例2中样区河网矢量点图；
图6是本发明实施例2中样区局部基准底面TIN图；
图7是本发明实施例2中样区局部基准底面栅格图；
图8是本发明地形地貌分类编码图；
图9是本发明实施例2中样区山地平原范围图；
图10是本发明实施例2中样区地形地貌分类结果图。
具体实施方式
下面结合附图对本发明作进一步详细说明，本发明的保护范围不局限于所述实施例。
本发明提出一种基于局部基准底面的地形地貌自动分类方法，如图1所示，具体包括以下步骤：
(1)基于研究区域原始DEM生成研究区域汇流累积量数据；
(2)基于汇流累积量数据，自适应确定汇流阈值构建河网，从河网生成研究区域局部基准底面的高程控制点，进而构建不规则三角网，将不规则三角网转为栅格生成局部基准底面DEM；
(3)用原始DEM数据减去局部基准底面DEM，得到研究区域的表面起伏度，设定一定的起伏度分类阈值，划分平原和山地；针对山地部分，依据起伏度大小进行二次分类；
(4)以高程为分类标准对研究区域原始DEM进行全域高程分类，综合高程分类结果和起伏度分类结果，得到地形地貌自动分类结果；
(5)对步骤(4)的结果进行细碎图斑消除和错分图斑的修正，平滑不合理的类型边界，得到最终的地形地貌分类结果。
实施例1
本实施例一种基于局部基准底面的地形地貌自动分类方法，步骤如下：
步骤(1)、基于研究区域原始DEM数据生成研究区域汇流累积量数据，具体步骤如下：
(101)根据研究区域的范围，对区域范围内的DEM数据进行裁剪和拼接，仅保留研究区域的陆地部分得到研究区域原始DEM数据；
(102)以研究区域原始DEM数据为基础，基于优先漫水算法，计算研究区域内的地表流向数据；
(103)基于研究区域原始DEM数据和计算生成的地表流向数据，计算研究区域的汇流累积量数据。
步骤(2)、基于汇流累积量数据，自适应确定汇流阈值构建河网，从河网生成研究区域局部基准底面的高程控制点，进而构建不规则三角网，将不规则三角网转为栅格生成局部基准底面DEM，所述自适应确定汇流阈值具体为研究区域原始DEM数据的实际栅格数目与标准图幅DEM栅格数目比乘以预定义的标准图幅汇流累积量，预定义的标准图幅汇流累积量为该标准图幅的最佳汇流累积量。
局部基准底面DEM的生成步骤具体如下：
(201)基于步骤(1)生成的汇流累积量数据，根据研究区域原始DEM数据的实际栅格数目与标准图幅DEM栅格数目比乘以预定义的标准图幅汇流累积量，生成自适应的汇流阈值，大于该阈值的汇流栅格被提取为河网，小于阈值的栅格设置为空值；
(202)基于步骤(201)生成的河网数据和原始DEM数据，通过栅格计算器中的SetNull函数将小于汇流阈值的栅格设置为空，大于等于汇流阈值的栅格设置为对应位置处原始DEM的高程值，SetNull函数具体公式如下：
SetNull("％汇流累积量％"<float("％汇流阈值％"),"％原始DEM％")；
(203)对于步骤(202)生成的局部基准底面控制点由栅格转换为离散的矢量点，作为构建局部基准底面的高程控制点；
(204)以步骤(203)生成的局部基准底面高程控制点为输入，构建符合Delaunay三角测量的TIN，即研究区域的局部基准底面；
(205)基于步骤(204)生成的TIN，将TIN转为与原始DEM栅格大小和范围一致的局部基准底面DEM。
步骤(3)、用原始DEM数据减去局部基准底面DEM，得到研究区域的表面起伏度，设定一定的起伏度分类阈值，划分平原和山地；针对山地部分，依据起伏度大小进行二次分类，使用的GIS软件包括ArcGIS Pro。
平原和山地以及山地部分的二次分类方法具体如下：
(301)将原始DEM数据与步骤(2)生成地局部基准底面DEM数据相减，得到研究区域的起伏度栅格；
(302)根据30米的起伏度分类阈值对步骤(301)生成的结果进行分类，大于阈值的栅格被分类为山地，小于起伏度阈值的被分类为平原，生成只包含0和1的山地平原类别结果数据，其中0代表山地，1代表平原；
(303)基于步骤(302)生成的山地平原范围，将山地和平原两个类别分离为两个独立的栅格数据；
(304)基于步骤(303)生成的山地栅格，取其与(301)生成的起伏度栅格的并集，根据起伏度分类标准，对山地进行进一步分类，其中，起伏度分类标准为200、500、1000和2500，分别将研究区域的山地分为丘陵、小起伏山地、中起伏山地、大起伏山地和极大起伏山地五类。
步骤(4)、以高程为分类标准对研究区域原始DEM进行全域高程分类，综合高程分类结果和起伏度分类结果，得到地形地貌自动分类结果。
综合高程分类结果和起伏度分类结果，得到地形地貌自动分类结果的具
体步骤如下：
(401)根据高程分类标准对研究区域原始DEM数据进行分类，依据1000、3500和5000三个分类阈值将研究区域分为低海拔、中海拔、高海拔和极高海拔四类，生成高程分类结果栅格；
(402)基于步骤(303)生成的平原栅格数据，使用栅格计算器取平原栅格与(401)中高程分类结果的并集得到平原高程分类结果，生成的平原高程分类结果仅为分类编码中代表高程的个位数，依分类编码标准，将平原高程分类结果加上代表平原类别的数值100，得到平原分类结果栅格，具体公式如下：
("％高程分类结果％"*"％平原栅格％")+100；
(403)基于步骤(303)生成的山地栅格数据，将其与高程分类结果相乘，得到山地范围的高程分类数据，依据分类编码标准，将步骤(304)生成的山地起伏度分类结果对应的编码乘10，加上山地范围内的高程分类结果和代表山地类别的数值200，得到山地的分类结果编码，具体公式如下：
("％高程分类结果％"*"％山地栅格％")+(％山地起伏度分类％*10)+200；
(404)基于(402)生成的平原分类结果栅格和(403)生成的山地分类结果栅格，合并得到研究区域的地形地貌分类结果，具体编码采用十进制三位数类别编码表示，其含义如下：百位数代表该区域属于平原或山地，平原代码为1，山地代码为2；十位数代表山地和平原内部的进一步细分，平原地区均为0；在山地区域，1代表丘陵，2代表小起伏山地，3代表中起伏山地，4代表大起伏山地，5代表极大起伏山地；个位数代表高程分类结果，1代表低海拔，2代表中海拔，3代表高海拔，4代表极高海拔。
(5)对步骤(4)的结果进行细碎图斑消除和错分图斑的修正，平滑不合理的类型边界，具体步骤如下：
步骤(501)以步骤(404)生成的分类结果为基础，将生成的栅格分类结果转为矢量，保留栅格数据中的分类编码；
步骤(502)基于步骤(501)生成的矢量分类结果，按照0.16平方千米的阈值消除分类结果中的不合理细碎图斑，再对消除结果进行平滑容差为7个栅格大小的共享边界平滑，得到最终的地形地貌分类结果。
实施例2
本实施例一种基于局部基准底面的地形地貌自动分类方法，步骤如下：
步骤1、基于研究区域原始DEM数据生成研究区域汇流累积量数据。
DEM(Digital Elevation Model)是数字高程模型的简称，是对地形表面的数字化表达，由于其包含了丰富的地形地貌信息，成为各种地理信息的载体以及国家地理信息的基础数据之一。本实施例中使用的实验样区位于喜马拉雅山脉南麓南迦巴瓦峰一带，样区范围如图2所示。实验样区数据为FAB DEM(Forest And Buildings removed CopernicusDEM)，空间分辨率为1弧秒，图中某一点的灰度值代表该点在地表上对应位置处的高程值，随着灰度值的增加，高程值也随之增大，图上像素也逐渐变亮。
基于研究区域原始DEM数据生成研究区域汇流累积量数据具体步骤如下：
1)根据研究区域的范围，对区域范围内的DEM数据进行裁剪和拼接，仅保留研究区域的陆地部分得到研究区域原始DEM数据；
2)以研究区域原始DEM数据为输入，基于优先漫水算法，计算得到研究区域内的地表流向数据；
3)生成的流向数据不包含任何坐标系，在ArcGIS Pro中为流向数据定义地理坐标，其结果如图3所示，本实施例中该地理坐标系统为WGS84；
4)基于流向数据和研究区域原始DEM数据，计算研究区域的汇流累积量数据，其结果如图4所示。
步骤2、基于汇流累积量数据，自适应确定汇流阈值构建河网，从河网生成研究区域局部基准底面的高程控制点，进而构建不规则三角网，将不规则三角网转为栅格生成局部基准底面DEM，所述自适应确定汇流阈值具体为研究区域原始DEM数据的实际栅格数目与标准图幅DEM栅格数目比乘以预定义的标准图幅汇流累积量，预定义的标准图幅汇流累积量为该标准图幅的最佳汇流累积量。
不规则三角网(Triangulated Irregular Network，TIN)是一种用于地理信息系统中描述表面模型的数据结构，这种结构以互不交叉、重叠的三角形连接而成，能比规则格网更准确地反应地形地貌的细节特征。不规则三角网的原始数据通常来自测区内野外实测的地形特征点。
局部基准底面DEM生成的步骤为：
1)基于地表汇流累积量数据，根据研究区域原始DEM数据的实际栅格数目与标准图幅DEM栅格数目比乘以预定义的标准图幅汇流累计量，生成自适应的汇流阈值，大于该阈值的汇流栅格被提取为河网，小于阈值的栅格设置为空值，本例中以青藏高原区域10°×10°大小栅格为本例的标准图幅范围，以该图幅的最佳汇流累积量为标准汇流累积量；
2)根据确定的汇流阈值，将小于汇流阈值的栅格设置为空，大于等于汇流阈值的栅格设置为对应位置处原始DEM的高程值，生成的河网如图5所示，在本例中通过栅格计算器中的SetNull函数实现，具体公式如下：
SetNull("％汇流累积量％"<float("％汇流阈值％"),"％原始DEM％")
3)通过栅格转点，将2)提取出的河网栅格数据转为河网矢量点数据，输出矢量数据的赋值字段为Value，此时栅格数据的Value字段中含有DEM的高程值，因而生成的河网矢量点带有DEM高程值，即局部基准底面的高程控制点。
4)以局部基准底面高程控制点为输入，构建符合Delaunay三角测量的TIN，如图6所示；
5)获取原始DEM栅格单元大小，以其为基准，将TIN转换为与原始DEM栅格大小一致的局部基准底面DEM，如图7所示。
步骤3：用原始DEM数据减去局部基准底面DEM，得到研究区域的表面起伏度，设定一定的起伏度阈值，划分平原和山地；针对山地部分，依据起伏度大小进行二次分类。使用的GIS软件包括ArcGIS Pro。
平原和山地以及山地部分的二次分类方法具体如下：
1)将研究区域原始DEM数据与步骤2生成的局部基准底面DEM数据相减，得到研究区域的起伏度栅格；
2)在大部分情况下，30米的起伏度阈值能够较好地区分出平原和山地，因此，本实施例选取30米作为起伏度分类阈值，大于阈值的栅格被分类为山地，小于起伏度阈值的被分类为平原，生成只包含0和1的山地平原类别结果栅格数据，其中0代表山地，1代表平原，分类结果如图9所示。
3)基于2)生成的山地平原范围，将山地和平原两个类别分离为两个独立的栅格数据；
4)基于3)生成的山地栅格，取其与1)生成的起伏度栅格的并集，根据起伏度分类标准，对山地进行进一步分类，其中，起伏度分类标准为200、500、1000和2500，分别将研究区域的山地分为丘陵、小起伏山地、中起伏山地、大起伏山地和极大起伏山地五类，生成山地起伏度编码，小于200为丘陵，编码为1；大于等于200且小于500为小起伏山地，编码为2；大于等于500且小于1000为中起伏山地，编码为3；大于等于1000且小于2500为大起伏山地，编码为4；大于等于2500为极大起伏山地，编码为5，得到山地的起伏度分类栅格；
步骤4：以高程为分类标准对研究区域原始DEM进行全域高程分类，得到综合高程分类结果和起伏度分类结果，得到地形地貌自动分类结果，具体步骤如下：
1)根据高程分类标准对研究区域原始DEM数据进行分类，依据1000、3500和5000三个分类阈值将研究区域分为低海拔、中海拔、高海拔和极高海拔四类，其中小于1000为低海拔，编码为1；大于等于1000且小于3500为中海拔，编码为2；大于等于3500且小于5000为高海拔，编码为3；大于等于5000为极高海拔，编码为4，生成高程分类结果栅格。
2)基于生成的平原栅格数据，使用栅格计算器取平原栅格与高程分类结果的并集得到平原高程分类结果，生成的平原高程分类结果仅为分类编码中代表高程的个位数，依分类编码标准，将平原高程分类结果加上代表平原类别的数值100，得到平原分类结果栅格，具体公式如下：
("％高程分类结果％"*"％平原栅格％")+100
3)基于生成的山地栅格数据，将其与高程分类结果相乘，得到山地范围的高程分类数据，依据分类编码标准，将步骤3生成的山地起伏度分类结果对应的编码乘10，加上山地范围内的高程分类结果和代表山地类别的数值200，得到山地的分类结果编码，具体公式如下：
("％高程分类结果％"*"％山地栅格％")+(％山地起伏度分类％*10)+200
4)将2)生成的平原分类结果栅格和3)生成的山地分类结果栅格综合，得到研究区域的地形地貌分类结果，具体编码如下：低海拔平原101、中海拔平原102、高海拔平原103、极高海拔平原104、低海拔丘陵211、中海拔丘陵212、高海拔丘陵213、极高海拔丘陵214、小起伏低山221、小起伏中山222、小起伏高山223、小起伏极高山224、中起伏低山231、中起伏中山232、中起伏高山233、中起伏极高山234、大起伏低山241、大起伏中山242、大起伏高山243、大起伏极高山244、极大起伏中山252、极大起伏高山253和极大起伏极高山254共23类，其中十进制三位数类别编码代表的含义如下：百位数代表该区域属于平原或山地，平原代码为1，山地代码为2；十位数代表山地和平原内部的进一步细分，平原区域均为0；在山地区域，1代表丘陵，2代表小起伏山地，3代表中起伏山地，4代表大起伏山地，5代表极大起伏山地；个位数代表高程分类结果，1代表低海拔，2代表中海拔，3代表高海拔，4代表极高海拔，分类表如图8所示。
步骤5：对步骤4的结果进行细碎图斑消除和错分图斑的修正，平滑不合理的类型边界，得到最终的地形地貌分类结果，具体步骤如下：
1)以步骤4生成的分类结果为基础，将生成的栅格分类结果转换为矢量面数据，保留栅格数据中的分类编码；
2)对生成的矢量分类结果，按照消除碎屑阈值对结果中不合理的细碎图斑进行消除，在本例中，消除碎屑阈值为0.16平方千米；
3)再对消除结果按照平滑阈值平滑矢量结果的边界，在本例中平滑阈值设置为210米，即7个栅格单元大小，得到最终的地形地貌分类结果，生成的基本分类结果如图10所示。
Claims (9)
1.一种基于局部基准底面的地形地貌自动分类方法，其特征在于，步骤如下：
(1)基于研究区域原始DEM数据生成研究区域汇流累积量数据；
(2)基于汇流累积量数据，自适应确定汇流阈值构建河网，从河网生成研究区域局部基准底面的高程控制点，进而构建不规则三角网，将不规则三角网转为栅格生成局部基准底面DEM；
(3)用原始DEM数据减去局部基准底面DEM，得到研究区域的表面起伏度，设定一定的起伏度分类阈值，划分平原和山地；针对山地部分，依据起伏度大小进行二次分类；
(4)以高程为分类标准对研究区域原始DEM进行全域高程分类，综合高程分类结果和起伏度分类结果，得到地形地貌自动分类结果；
(5)对步骤(4)的结果进行细碎图斑消除和错分图斑的修正，平滑不合理的类型边界，得到最终的地形地貌分类结果。
2.根据权利要求1所述的一种基于局部基准底面的地形地貌自动分类方法，其特征在于，所述步骤(1)中基于研究区域原始DEM数据生成研究区域汇流累积量数据具体步骤如下：
(101)根据研究区域的范围，对范围内的DEM数据进行裁剪和拼接，仅保留研究区域的陆地部分，得到研究区域原始DEM数据；
(102)以研究区域原始DEM数据为基础，基于优先漫水算法，计算研究区域内的地表流向数据；
(103)基于研究区域原始DEM数据和计算生成的地表流向数据，计算研究区域的汇流累积量数据。
3.根据权利要求1所述的一种基于局部基准底面的地形地貌自动分类方法，其特征在于，所述步骤(2)中局部基准底面DEM的生成步骤具体如下：
(201)基于步骤(1)生成的汇流累积量数据，根据研究区域原始DEM数据生成自适应的汇流阈值，大于该阈值的汇流栅格被提取为河网，小于阈值的栅格设置为空值；
(202)以步骤(201)生成的河网数据为基准底面的控制点，将原始DEM数据中对应位置处的高程值提取至河网栅格；
(203)对于步骤(202)生成的局部基准底面控制点由栅格转换为离散的矢量点，作为构建局部基准底面的高程控制点；
(204)以步骤(203)生成的局部基准底面高程控制点为输入，构建符合Delaunay三角测量的TIN，即研究区域的局部基准底面；
(205)基于步骤(204)生成的TIN，将TIN转为与原始DEM栅格大小和范围一致的局部基准底面DEM。
4.根据权利要求1所述的一种基于局部基准底面的地形地貌自动分类方法，其特征在于，所述步骤(3)使用的GIS软件包括ArcGIS Pro。
5.根据权利要求1所述的一种基于局部基准底面的地形地貌自动分类方法，其特征在于，所述步骤(3)中起伏度分类阈值为30。
6.根据权利要求1所述的一种基于局部基准底面的地形地貌自动分类方法，其特征在于，所述步骤(3)中平原和山地以及山地部分的二次分类方法具体如下：
(301)计算原始DEM与局部基准底面DEM的差值，得到研究区域的起伏度栅格；
(302)根据30米的起伏度分类阈值对步骤(301)生成的结果进行分类，大于阈值的栅格被分类为山地，小于起伏度阈值的被分类为平原，生成只包含0和1的山地平原类别结果数据，其中0代表山地，1代表平原；
(303)基于步骤(302)生成的山地平原范围，将山地和平原两个类别分离为两个独立的栅格数据；
(304)基于步骤(303)生成的山地栅格，取其与步骤(301)生成的起伏度栅格的并集，根据起伏度分类标准，对山地进行进一步分类，其中，起伏度分类标准为200、500、1000和2500，分别将研究区域的山地分为丘陵、小起伏山地、中起伏山地、大起伏山地和极大起伏山地五类。
7.根据权利要求6所述的一种基于局部基准底面的地形地貌自动分类方法，其特征在于，所述步骤(4)中得到综合高程分类结果和起伏度分类结果，得到地形地貌自动分类结果的具体步骤如下：
(401)根据高程分类标准对研究区域原始DEM数据进行分类，依据1000、3500和5000三个分类阈值将研究区域分为低海拔、中海拔、高海拔和极高海拔四类，生成高程分类结果栅格；
(402)基于步骤(303)生成的平原栅格数据，使用栅格计算器取平原栅格与(401)中高程分类结果的并集得到平原高程分类结果，生成的平原高程分类结果仅为分类编码中代表高程的个位数，依分类编码标准，将平原高程分类结果加上代表平原类别的数值100，得到平原分类结果栅格，具体公式如下：
("％高程分类结果％"*"％平原栅格％")+100；
(403)基于步骤(303)生成的山地栅格数据，将其与高程分类结果相乘，得到山地范围的高程分类数据，依据分类编码标准，将步骤(304)生成的山地起伏度分类结果对应的编码乘10，加上山地范围内的高程分类结果和代表山地类别的数值200，得到山地的分类结果编码，具体公式如下：
("％高程分类结果％"*"％山地栅格％")+(％山地起伏度分类％*10)+200；
(404)基于(402)生成的平原分类结果栅格和(403)生成的山地分类结果栅格，合并得到研究区域的地形地貌分类结果，具体编码采用十进制三位数类别编码表示，其含义如下：百位数代表该区域属于平原或山地，平原代码为1，山地代码为2；十位数代表山地和平原内部的进一步细分，平原地区均为0；在山地区域，1代表丘陵，2代表小起伏山地，3代表中起伏山地，4代表大起伏山地，5代表极大起伏山地；个位数代表高程分类结果，1代表低海拔，2代表中海拔，3代表高海拔，4代表极高海拔。
8.根据权利要求7所述的一种基于局部基准底面的地形地貌自动分类方法，其特征在于，所述步骤(5)中对步骤(4)的结果进行细碎图斑消除和错分图斑的修正，平滑不合理的类型边界具体步骤如下：
步骤(501)以步骤(404)生成的分类结果为基础，将生成的栅格分类结果转为矢量，保留栅格数据中的分类编码；
步骤(502)基于步骤(501)生成的矢量分类结果，按照0.16平方千米的阈值消除分类结果中的不合理细碎图斑，再对消除结果进行平滑容差为7个栅格大小的共享边界平滑。
9.根据权利要求1所述的一种基于局部基准底面的地形地貌自动分类方法，其特征在于，所述步骤(2)中自适应确定汇流阈值具体为研究区域原始DEM数据的实际栅格数目与标准图幅DEM栅格数目比乘以预定义的标准图幅汇流累积量，预定义的标准图幅汇流累积量为该标准图幅的最佳汇流累积量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211428810.8A CN115908910A (zh) | 2022-11-15 | 2022-11-15 | 一种基于局部基准底面的地形地貌自动分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211428810.8A CN115908910A (zh) | 2022-11-15 | 2022-11-15 | 一种基于局部基准底面的地形地貌自动分类方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115908910A true CN115908910A (zh) | 2023-04-04 |
Family
ID=86496673
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211428810.8A Pending CN115908910A (zh) | 2022-11-15 | 2022-11-15 | 一种基于局部基准底面的地形地貌自动分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115908910A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117291915A (zh) * | 2023-11-24 | 2023-12-26 | 云南大学 | 一种大尺度复杂地形山系范围的确定方法 |
-
2022
- 2022-11-15 CN CN202211428810.8A patent/CN115908910A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117291915A (zh) * | 2023-11-24 | 2023-12-26 | 云南大学 | 一种大尺度复杂地形山系范围的确定方法 |
| CN117291915B (zh) * | 2023-11-24 | 2024-05-10 | 云南大学 | 一种大尺度复杂地形山系范围的确定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marks et al. | Automated basin delineation from digital terrain data | |
| CN110334384B (zh) | 一种基于数字高程模型构建河道数据的方法 | |
| CN102607569B (zh) | 导航中大比例尺水系自动生成多重小比例尺数据的方法 | |
| CN116310192A (zh) | 一种基于点云的城市级建筑物三维模型单体重建方法 | |
| CN109636904B (zh) | 一种基于uav航测地形数据的噪声处理技术 | |
| CN104835202A (zh) | 一种三维虚拟场景快速构建方法 | |
| CN114926602B (zh) | 基于三维点云的建筑物单体化方法及系统 | |
| CN112396128A (zh) | 一种铁路外部环境风险源样本自动标注方法 | |
| CN101739887A (zh) | 一种获取三维古地形图的方法及装置 | |
| CN114117702A (zh) | 基于点云的输电线路自动化逆向建模方法 | |
| CN115690286B (zh) | 三维地形生成方法、终端设备及计算机可读存储介质 | |
| CN115908910A (zh) | 一种基于局部基准底面的地形地貌自动分类方法 | |
| Khayyal et al. | Creation and spatial analysis of 3D city modeling based on GIS data | |
| CN113010620A (zh) | 基于地理多级网格的自然资源数据索引统计方法及系统 | |
| CN115471634A (zh) | 一种城市绿植孪生的建模方法及装置 | |
| CN112257496A (zh) | 一种基于深度学习的输电通道周围环境分类方法及系统 | |
| CN110688756A (zh) | 一种采集和制图一体化的竣工图制作方法 | |
| CN117557681B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及装置 | |
| CN114238384A (zh) | 区域定位方法、装置、设备和存储介质 | |
| CN110660027A (zh) | 一种针对复杂地形的激光点云连续剖面地面滤波方法 | |
| CN116483938B (zh) | 一种无级化地图表达方法及系统 | |
| CN114882191B (zh) | 数字高程模型生成方法、电子设备及计算机可读存储装置 | |
| CN114842356B (zh) | 一种高分辨率地表类型样本自动生成方法、系统及设备 | |
| CN115964599A (zh) | 一种大规模土地利用/覆被变化转移矩阵装置及使用方法 | |
| CN115346119A (zh) | 一种基于数字高程模型的数字河网提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |