基于DEM和高分辨率遥感影像的“膨胀-融合”式地表沟壑提取

发布时间：2021-07-26 10:42

　　地表沟壑的精细化提取是地形地貌特征的重要内容.针对现有沟壑提取结果中存在断裂区域和伪沟壑区域的情况,提出一种基于DEM和高分辨率遥感影像的地表沟壑"膨胀-融合"式提取方法 .该方法综合了D8算法、坡向变率算法和面向对象分类方法的提取结果,首先引入距离制图算法对初始沟壑进行方向性膨胀,然后通过栅格重分类和代数运算进行沟壑融合,剔除伪沟壑区域,最终实现研究区域内沟壑的精细化提取.以GDEM v2数据和高分二号影像数据为数据源,精细化提取了湖北省神农架林区举黑沟至麻湾村一带的地表沟壑.采用随机点验证法对实验区域内的沟壑提取结果进行了精度评价,结果表明该方法的总体精度为92%,能有效弥合数据中的断裂区域,同时剔除伪沟壑区域,达到提高沟壑提取精度的目的 . 

【文章来源】：地球科学. 2020,45(06)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

膨胀后的沟谷线

沟壑提取结果

坡向变率是反映地形在水平方向上变化特征的关键指标（谢轶群等，2013）.坡向变率算法提取沟谷网络的原理是通过找出低于平均高程的地形（也称负地形）表面上坡向在水平方向上变化率高于某一阈值的点，这些点即组成地形表面上的沟谷线（汤国安等，2010）.该方法在计算坡向时，由于无法平滑的表示正北方向上从360度到0度的变化情况.因此本文采用正负地形相减的方法消除坡度数据中存在的正北方向误差，算法公式（1）如下.(1）式中，SOA是无误差DEM数据的坡向变率值，SOA1是正地形下的坡度，SOA2是负地形下的坡度.

【参考文献】：
期刊论文
[1]面向高空间分辨率遥感影像的山区地形校正方法[J]. 柳潇,吕新彪,吴春明,刘洪,黄瀚霄,李俊,李敏敏,毛晨,周文孝.  地球科学. 2020(02)
[2]滇西北程海-宾川断裂带第四纪分段活动性的构造地貌表现与限定[J]. 黄小巾,吴中海,黄小龙,罗睿洁.  地球科学. 2018(12)
[3]基于多元回归的栅格水系阈值计算模型[J]. 张唯,伍霞,卢灿炯,苏仁忠,王玉着.  农业机械学报. 2016(10)
[4]基于灰度共生矩阵的彩色遥感图像纹理特征提取[J]. 侯群群,王飞,严丽.  国土资源遥感. 2013(04)
[5]高分辨率遥感影像信息提取方法综述[J]. 王伟超,邹维宝.  北京测绘. 2013(04)
[6]基于面向对象技术的黄土丘陵沟壑区切沟遥感提取方法研究[J]. 李斌兵,黄磊.  水土保持研究. 2013(03)
[7]DEM辅助下的河道细小线性水体自适应迭代提取[J]. 朱长明,骆剑承,沈占锋,李均力.  测绘学报. 2013(02)
[8]DEM提取坡向变率中的误差特征与消除方法[J]. 谢轶群,汤国安,江岭.  地理与地理信息科学. 2013(02)
[9]基于DEM的2种提取地形特征线算法对比研究[J]. 陈婷,周汝良,朱大运,黄钰.  林业调查规划. 2011(06)
[10]基于不规则三角网的河网提取算法[J]. 刘学军,王永君,任政,卢华兴.  水利学报. 2008(01)

博士论文
[1]基于纹理特征的遥感影像居民地提取技术研究[D]. 金飞.解放军信息工程大学 2013

硕士论文
[1]基于DEM的黄土高原沟壑特征及其空间分异规律研究[D]. 吴良超.西北大学 2005



本文编号：3303412