CN115937676A - 一种基于dem的大尺度沙丘地貌精细分类方法 - Google Patents
一种基于dem的大尺度沙丘地貌精细分类方法 Download PDFInfo
- Publication number
- CN115937676A CN115937676A CN202211534564.4A CN202211534564A CN115937676A CN 115937676 A CN115937676 A CN 115937676A CN 202211534564 A CN202211534564 A CN 202211534564A CN 115937676 A CN115937676 A CN 115937676A
- Authority
- CN
- China
- Prior art keywords
- landform
- dem
- sand dune
- sand
- area
- 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
- 239000004576 sand Substances 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000009499 grossing Methods 0.000 claims abstract description 10
- 230000001788 irregular Effects 0.000 claims description 9
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 7
- 239000000758 substrate Substances 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 10
- 239000013589 supplement Substances 0.000 abstract description 2
- 238000013507 mapping Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 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
- Image Analysis (AREA)
Abstract
本发明公开了一种基于DEM的大尺度沙丘地貌精细分类方法，包括：利用沙漠地区DEM的反地形，结合优先漫水算法生成的流量数据，建立小流量阈值的沙丘地貌计算单元；提取沙丘地貌计算单元边界节点对应的高程值，构建沙漠地区的基底地形；计算原始DEM与基底地形的差值，得到沙丘地区的局部相对高差；根据设定的阈值对沙丘地区进行重分类，得到沙丘地貌的初始分类结果；根据设定的面积阈值，消除初始分类结果中的碎斑，并根据容差阈值平滑边界，得到最终精细的分类结果。本发明能够实现对多种形态、不同尺度的沙丘地貌类型进行自动、快速、连续、完整地分类，从而为全球地貌分类制图提供一个重要的数据补充，为相关研究提供数据支持。
Description
技术领域
本发明属于地貌分类领域，涉及沙丘地貌分类，具体涉及一种基于DEM的大尺度沙丘地貌精细分类方法。
背景技术
地貌分类一直是地貌学研究的重要基础理论问题，是地貌学服务社会的主要途径，也是当前数字地貌领域中一个前沿性研究课题。
沙丘作为风力侵蚀、搬运、堆积作用下地表松散的沙物质生成的独特地貌，在全球地貌分类中具有极高的研究价值。例如，通过分析非洲纳米布沙漠的沙丘地貌形态和物质组成，可以获得上千万年来的非洲西部沿海的气候与地表物质变化信息，对大气科学、地球科学、考古学等学科都具有十足的价值。
传统的风沙地貌的分类提取多以定性研究为主，大多利用人工小尺度的测量结果或结合遥感图像进行人工判读沙丘地貌类型。这些方式，虽然在一定范围内具有较高的准确性，但存在很大的主观性和局限性，并且无法快速地、自动化地划分大范围沙丘地貌类型信息。而DEM作为一种地表形态和高程信息的数字化表达方式，已经被广泛应用于数字地形地貌分析领域，并为全球地貌分类提供了支撑。目前，主流的DEM数据已经覆盖了地球上绝大多数的沙漠区域，可以作为大尺度的沙丘地貌分类的数据源。
现有的基于DEM的沙丘地貌分类方法大多局限于小区域的特定沙丘类型，无法拓展至不同沙丘地貌类型的区域。这些方法一般利用坡度、起伏度等地貌因子进行划分。但这些因子都是基于像元计算而得，极易受到设定的卷积核大小影响，并且没有考虑到地貌是以一个个独立的地貌对象单元组成的。这些方法的结果中存在大量的碎小图斑，且边界效应明显，精细化程度低，使得最终分类结果无法被大规模应用。
发明内容
发明目的：为了克服现有技术中存在的沙丘地貌由于气候、地表物质组成、地形等形成的条件的不同，具有形态多样和规模大小不一致等特点，原有的方法大多基于坡度、起伏度等地形因子，受到卷积核大小和计算方式的限制，无法满足全球地貌分类需要的问题，提供一种基于DEM的大尺度沙丘地貌精细分类方法，能够实现对多种形态、不同尺度的沙丘地貌类型进行自动、快速、连续、完整地分类，从而为全球地貌分类制图提供一个重要的数据补充，为沙漠形态纹理、沙漠动力学等相关研究提供数据支持。
技术方案：为实现上述目的，本发明提供一种基于DEM的大尺度沙丘地貌精细分类方法，包括如下步骤：
S1：利用沙漠地区DEM的反地形，结合优先漫水算法生成的流量数据，建立小流量阈值的沙丘地貌计算单元；
S2：提取沙丘地貌计算单元边界节点对应的高程值，并利用TIN构建沙漠地区的基底地形；
S3：计算原始DEM与基底地形的差值，得到沙丘地区的局部相对高差；
依据获得的局部相对高差，根据设定的阈值对沙丘地区进行重分类，得到沙丘地貌的初始分类结果；
S4：根据设定的面积阈值，消除初始分类结果中的碎斑，并根据容差阈值平滑边界，得到最终精细的分类结果。
进一步地，所述步骤S1具体为：
A1：对原始DEM取反，得到反地形DEM数据；
A2：利用优先漫水算法，得到反地形DEM的汇水流向数据；
A3：基于汇水流向数据计算汇流累积量，并设定流量阈值，计算沙丘区的流域分界线，并将其作为沙丘地貌的计算单元。
进一步地，所述步骤S2具体为：
B1：基于原始的DEM数据，提取步骤S1中得到的沙丘地貌计算单元的边界节点对应的高程值；
B2：设定沙丘地貌计算单元的节点作为构建不规则三角网表面的要素，并将其对应位置的DEM中高程值作为构建不规则三角网的高程源，构建沙丘区的不规则三角网表面；
B3：将生成的不规则三角网转化为栅格数据格式，构建连续完整的沙丘区的基底地形高程数据源。
进一步地，所述步骤S3具体为：
C1：利用原始DEM减去步骤B3处理后的沙丘区基底地形高程数据，得到沙丘区局部的相对高差数据；
C2：利用得到的局部相对高差数据，根据阈值进行二分类，划分沙丘和丘间平原区域。
进一步地，所述步骤S4具体为：
D1：将步骤C2得到的沙丘和丘间平原结果转换为矢量图层的面要素，并不简化面；
D2：以设定的面积阈值，消除多余的碎小图斑；
D3：以设定的容差阈值，平滑沙丘分类的边界，得到最终精细的分类结果。
进一步地，所述步骤A3中针对一个经度10°乘以纬度10°的方形区域，较小的流量阈值范围为6000～12000。
进一步地，所述步骤C2中进行二分类的阈值范围为2～10。
本发明中使用的GIS软件包括ArcGIS及ArcGISPro。
进一步地，步骤B2中构建沙丘地貌基底地形的采样点为其计算单元面的各个节点。
进一步地，步骤D2中消除多余碎小图斑的面积阈值为0.01～0.03平方千米。
进一步地，步骤D3中平滑边界的容差为120～180米。
有益效果：本发明与现有技术相比，主要针对规模和尺度较大的沙丘地貌区，能够通过现有的DEM数据中获得全球大部分沙漠区的分类结果，填补了沙丘地貌分类领域在大尺度研究上的缺失。本发明利用DEM反地形，基于优先漫水算法，构建连续的沙丘地貌计算单元，然后拟合沙丘地貌的局部基底地形，计算沙丘地貌区的相对高差，并根据阈值进行二分类，获得沙丘和丘间地区域，最后平滑边界和消除碎斑，得到最终的分类结果。本发明的分类单元从以往的像元尺度转换为地貌单元对象尺度，突破了原有方法邻域窗口大小阈值的限制，使沙丘地貌分类方法减少了“近视眼”效应，能够应用于更多形态、更大尺度的沙丘地貌分类研究。并且，原有的方法极易受DEM数据中噪音的影响，而本发明提出的基于地貌单元的沙丘地貌分类方法大大减少了噪音对整体结果的影响，并且本发明中加入了去除碎斑和平滑边界等制图综合步骤，修正了分类结果。所以本发明针对多形态、大尺度的沙丘地貌，实现了自动化沙丘地貌分类工作，并保证了整体结果的连续性和精细化程度，使最终的分类结果的精度较高，为沙丘形态、沙丘成因等相关研究提供了数据支撑，能够在沙漠纹理、沙漠动力学等相关研究中发挥重要的作用。
附图说明
图1是基于DEM的大尺度沙丘地貌精细分类方法流程图；
图2是实施例中待分类区域的DEM数据示意图；
图3是实施例中生成的沙丘地貌分类计算单元的示意图；
图4是实施例中利用TIN构建的沙丘地貌区基底地形示意图；
图5是实施例中计算得到的局部相对高差数据示意图；
图6是实施例中二分类得到的初始沙丘地貌区域分类结果图；
图7是实施例中本发明最终得到的沙丘地貌区域分类结果图；
图8为实施例中采用现有方法最终得到的沙丘地貌区域分类结果图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于DEM的大尺度沙丘地貌精细分类方法，如图1所示，其包括如下步骤：
S1：利用沙漠地区DEM的反地形，结合优先漫水算法生成的流量数据，建立小流量阈值的沙丘地貌计算单元；
S2：提取沙丘地貌计算单元边界节点对应的高程值，并利用TIN构建沙漠地区的基底地形；
S3：计算原始DEM与基底地形的差值，得到沙丘地区的局部相对高差；
依据获得的局部相对高差，根据设定的阈值对沙丘地区进行重分类，得到沙丘地貌的初始分类结果；
S4：根据设定的面积阈值，消除初始分类结果中的碎斑，并根据容差阈值平滑边界，得到最终精细的分类结果。
本实施例中将上述本发明提供的方法进行实例应用，本次实验选取了非洲撒哈拉沙漠中一块区域作为实验区域(如图2所示)。撒哈拉沙漠形成于约250万年前，是世界最大的沙漠区，其沙丘的规模和范围都是世界上规模最大的。该实验样区的沙漠具有多种形态、不同规模的沙丘地貌，包括新月型沙丘、金字塔型沙丘、复合型横向沙丘等。并且该实验样区面积接近120万平方千米，满足本发明针对大尺度沙丘地貌分类的目标，所以该沙丘地貌区域非常适合作为案例示范区，可以验证该方法的效果。
具体的过程如下：
步骤1、建立小流量阈值的沙丘地貌计算单元：
(11)选取沙丘地区的DEM，使用ArcGIS的【栅格计算器】工具求反地形DEM，其中具体设置为9999与原DEM相减；
(12)使用优先漫水算法，输入为反地形DEM，计算结果为反地形的汇水流向；
(13)利用【流量】工具计算反地形的汇水累积量，输入数据为反地形的汇水流向，得到结果为反地形流量数据，即该地貌区域的山脊线；
(14)利用【栅格计算器】工具，根据流量二分类的阈值为12000，对该地貌区域的流量数据进行二值划分；
(15)利用【河流链接】工具该地貌区域的汇流累积量的各部分分配唯一值，标记汇流网络的出水口和交汇点，输入数据为先前进行二值划分后的数据；
(16)利用【集水区】工具得到反地形的流域分界线，即步骤(1)的目标结果——小流量阈值的沙丘地貌计算单元，如图3所示，输入数据为步骤(15)得到的数据。
步骤2、构建连续完整的沙丘区的基底地形高程数据源：
(21)利用【栅格转面】工具，将步骤(1)中最终生成的沙丘地貌计算单元矢量化，并不简化折点；
(22)利用【线转点】工具，提取沙丘地貌计算单元的折点；
(23)利用【值提取到点】工具，将原始DEM上的值赋予步骤(22)中提取到的点数据，字段名为dem；
(24)利用【创建TIN】工具，将步骤(23)处理后的数据转换为不规则三角网结构，输入要素为步骤(22)的结果，其中高程字段为dem，要素类型为多点，并使用符合Delaunay的三角测量选项；
(25)利用【TIN转栅格】工具，将步骤(24)处理后的TIN转换为栅格格式，方式为线性，即通过向TIN三角形应用线性插值法来计算像元值，结果分辨率设置为30m，其结果为沙丘地貌区的局部基底地形数据，如图4所示。
步骤3、计算沙丘地貌区域的局部相对高差：
(31)利用【重采样】工具，将步骤(2)的最终结果重采样到与原始DEM一样的分辨率和范围；
(32)利用【栅格计算器】工具，利用原始DEM减去步骤(31)得到的结果，获得沙丘地貌区域局部的相对高差示意图，具体如图5所示；
(33)利用【重分类】工具，根据设定的阈值，对沙丘地貌类型进行二分类操作，得到初始的沙丘地貌分类结果。其中大于阈值的区域设值为0，表示沙丘区域，小于阈值的区域设值为1，表示丘间平原区域，具体如图6所示。
步骤4、生成精细化沙丘地貌分类结果：
(41)利用【栅格转面】工具，将步骤(41)生成的二分类结果转换为矢量图格式，并选择不简化面；
(42)利用【依靠属性选择要素】工具，根据设定的面积阈值0.01平方千米，选中需要消除的碎小图斑；
(43)利用【消除】工具，消除步骤(42)结果中存在的碎小图斑，并勾选“通过边界消除面”选项，减少原始结果中噪音的数量；
(44)利用【平滑共享边】工具，根据120m作为平滑容差，选择指数核的多项式近似平滑方法，平滑步骤(44)结果中的边界，使结果更加精细化，得到最终的精细化的沙丘地貌分类结果，具体如图7所示。
为了体现本发明方法的效果，采用现有方法得到如图8所示的沙丘地貌分类结果，通过图7和图8的对比，可见本发明方法明显具有较好的连续性和更精确的分类结果。
Claims (9)
1.一种基于DEM的大尺度沙丘地貌精细分类方法，其特征在于，包括如下步骤：
S1：利用沙漠地区DEM的反地形，结合优先漫水算法生成的流量数据，建立小流量阈值的沙丘地貌计算单元；
S2：提取沙丘地貌计算单元边界节点对应的高程值，并利用TIN构建沙漠地区的基底地形；
S3：计算原始DEM与基底地形的差值，得到沙丘地区的局部相对高差；
依据获得的局部相对高差，根据设定的阈值对沙丘地区进行重分类，得到沙丘地貌的初始分类结果；
S4：根据设定的面积阈值，消除初始分类结果中的碎斑，并根据容差阈值平滑边界，得到最终精细的分类结果。
2.根据权利要求1所述的一种基于DEM的大尺度沙丘地貌精细分类方法，其特征在于，所述步骤S1具体为：
A1：对原始DEM取反，得到反地形DEM数据；
A2：利用优先漫水算法，得到反地形DEM的汇水流向数据；
A3：基于汇水流向数据计算汇流累积量，并设定流量阈值，计算沙丘区的流域分界线，并将其作为沙丘地貌的计算单元。
3.根据权利要求1所述的一种基于DEM的大尺度沙丘地貌精细分类方法，其特征在于，所述步骤S2具体为：
B1：基于原始的DEM数据，提取步骤S1中得到的沙丘地貌计算单元的边界节点对应的高程值；
B2：设定沙丘地貌计算单元的节点作为构建不规则三角网表面的要素，并将其对应位置的DEM中高程值作为构建不规则三角网的高程源，构建沙丘区的不规则三角网表面；
B3：将生成的不规则三角网转化为栅格数据格式，构建连续完整的沙丘区的基底地形高程数据源。
4.根据权利要求3所述的一种基于DEM的大尺度沙丘地貌精细分类方法，其特征在于，所述步骤S3具体为：
C1：利用原始DEM减去步骤B3处理后的沙丘区基底地形高程数据，得到沙丘区局部的相对高差数据；
C2：利用得到的局部相对高差数据，根据阈值进行二分类，划分沙丘和丘间平原区域。
5.根据权利要求4所述的一种基于DEM的大尺度沙丘地貌精细分类方法，其特征在于，所述步骤S4具体为：
D1：将步骤C2得到的沙丘和丘间平原结果转换为矢量图层的面要素，并不简化面；
D2：以设定的面积阈值，消除多余的碎小图斑；
D3：以设定的容差阈值，平滑沙丘分类的边界，得到最终精细的分类结果。
6.根据权利要求2所述的一种基于DEM的大尺度沙丘地貌精细分类方法，其特征在于，所述步骤A3中流量阈值为6000～12000。
7.根据权利要求4所述的一种基于DEM的大尺度沙丘地貌精细分类方法，其特征在于，所述步骤C2中进行二分类的阈值范围为2～10。
8.根据权利要求3所述的一种基于DEM的大尺度沙丘地貌精细分类方法，其特征在于，所述步骤B2中构建沙丘地貌基底地形的采样点为其计算单元面的各个节点。
9.根据权利要求5所述的一种基于DEM的大尺度沙丘地貌精细分类方法，其特征在于，所述步骤D2中消除多余碎小图斑的面积阈值为0.01～0.03平方千米。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211534564.4A CN115937676A (zh) | 2022-12-02 | 2022-12-02 | 一种基于dem的大尺度沙丘地貌精细分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211534564.4A CN115937676A (zh) | 2022-12-02 | 2022-12-02 | 一种基于dem的大尺度沙丘地貌精细分类方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115937676A true CN115937676A (zh) | 2023-04-07 |
Family
ID=86653738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211534564.4A Pending CN115937676A (zh) | 2022-12-02 | 2022-12-02 | 一种基于dem的大尺度沙丘地貌精细分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115937676A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117576485A (zh) * | 2024-01-15 | 2024-02-20 | 南京信息工程大学 | 融合正负地形和光照晕渲的沙丘提取方法 |
-
2022
- 2022-12-02 CN CN202211534564.4A patent/CN115937676A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117576485A (zh) * | 2024-01-15 | 2024-02-20 | 南京信息工程大学 | 融合正负地形和光照晕渲的沙丘提取方法 |
| CN117576485B (zh) * | 2024-01-15 | 2024-04-02 | 南京信息工程大学 | 融合正负地形和光照晕渲的沙丘提取方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schumann et al. | The utility of spaceborne radar to render flood inundation maps based on multialgorithm ensembles | |
| Robinson | The accuracy of digital elevation models derived from digitised contour data | |
| CN104574512A (zh) | 一种顾及地形语义信息的多尺度dem构建方法 | |
| CN108257142A (zh) | Dem中斜坡单元提取方法 | |
| Hosseinzadeh | Drainage network analysis, comparis of digitalelevation model (dem) from aster with highresolution satellite image and areal photographs | |
| CN114648617A (zh) | 一种基于数字高程模型dem的水系提取方法 | |
| Rasooli et al. | Assessment of potential dam sites in the Kabul river basin using GIS | |
| CN110688756B (zh) | 一种采集和制图一体化的竣工图制作方法 | |
| CN105354832A (zh) | 一种山区卫星影像自动配准到地理底图上的方法 | |
| CN115937676A (zh) | 一种基于dem的大尺度沙丘地貌精细分类方法 | |
| CN115272866A (zh) | 一种基于正负地貌的山区地貌形态分类的方法与应用 | |
| Pandey et al. | Urban built-up area assessment of Ranchi township using Cartosat-I stereopairs satellite images | |
| Mayorga et al. | Estimating cell-to-cell land surface drainage paths from digital channel networks, with an application to the Amazon basin | |
| WO2024099290A1 (zh) | 一种黄土高原沟道面积提取及计算方法 | |
| US11954895B1 (en) | Method for automatically identifying south troughs by improved Laplace | |
| CN114565657B (zh) | 基于边缘梯度和方向纹理提取遥感影像中河宽方法 | |
| Mohammed et al. | Using Remote Sensing and GIS to Study Morphological Analysis of Kirkuk Province | |
| CN114372354A (zh) | 一种河网水系提取方法、装置、电子设备及存储介质 | |
| Novák et al. | The Potential and Implications of Automated Pre-Processing of LiDAR-Based Digital Elevation Models for Large-Scale Archaeological Landscape Analysis | |
| CN108597013B (zh) | 一种特定区域气象水文资料抽点填图方法 | |
| Nkeki et al. | Mapping and Geovisualizing Topographical Data Using Geographic Information System (GIS) | |
| Shaikh et al. | Comparison of Watershed Delineation and Drainage Network Using ASTER and CARTOSAT DEM of Surat City, Gujarat | |
| Davies et al. | Accelerating glacier volume loss on Juneau Icefield driven by hypsometry and melt-accelerating feedbacks | |
| Udo et al. | Terrain Modeling and Analysis Using Earth Observation System Based Data: A Case Study of Anambra State, Nigeria | |
| Carpanese et al. | Automated estimation of building height through image processing |
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 |