这篇发表在《云南大学学报(自然科学版)》上的学术研究文章题为《新地貌指标及山地地貌自动区划方法研究》,作者包括肖丽琼、周汝良、陈永刚、蔡志勇和黄彦。第一作者与通信作者均来自西南林业大学地理与生态旅游学院,其他作者隶属于中航通飞研究院有限公司等机构。这项研究发表于2022年第44卷第2期,重点探讨了山地地貌的自动区划方法,并提出了一套具有创新性的新地貌指标及其分类方法。
地貌区划与制图是地球科学研究中的重要基础工作,其应用广泛,涵盖国土空间规划、资源开发、灾害防控、生态修复等领域。传统的地貌制图大多依赖于定性或半定量分析方法,难以实现高度自动化、精细化的研究需求。现有方法基于数字高程模型(DEM, Digital Elevation Model)数据,通常采用聚类分析、规则知识或典型样点方法划分地貌类别,但受到语义不明、多尺度处理困难和空间信息难量化等挑战的制约,无法生成统一、科学的地貌类型分类结果。
中国地貌由于复杂性和区域差异显著,仅利用海拔和地势起伏度等传统指标难以全面反映地表形态特征。因此,如何通过创新地貌特征指标构建科学的分类体系,是地貌区划研究亟需解决的重要问题。本文结合传统分类方法和地学理论,提出了包括“地形隆起高度与切割深度”、“皱褶多度”和“地表破碎度”在内的全新地貌特征指标,并通过创新算法实现山地地貌区域的计算机自动区划和精细化制图研究。
研究以覆盖中国大陆范围的数字高程模型(DEM)数据为基础,选用90米分辨率的SRTM3数据,获取方式为NASA数据平台。数据处理主要包括文件拼接、边缘滤波、异常填补及降尺度处理。考虑到地貌区域广阔及细粒度分辨率数据量的限制,最终选择1000米的栅格分辨率为研究计算尺度,以平衡数据精度与应用需求。
地形隆起高度与切割深度
通过流域平均海拔创建地表趋势面计算隆起和切割幅度,反映山体的垂向特征。基于此方法生成的指标可表征大区域间的构造状态与变化趋势,量化出地貌的核心构造特征。
皱褶多度
结合滑动窗口法与坡度特征改进传统地貌皱褶计算模型,使用具体坡度数值反映面形态差异性,进一步量化地貌类型与空间分布。
地表破碎度
从水平与垂直方向联合刻画地貌破碎程度,水平破碎可以用河流切割密度表示,垂直破碎则结合隆起高度与切割深度以及窗口海拔变化实现定量化表达。
为确保指标系统的科学性,作者对多个地形因子进行相关性分析,并综合保留最具辨别意义的五个指标:地形隆起高度与切割深度、皱褶多度、地表破碎度、海拔高度及地表起伏度,构成完整的分类体系。
初始聚类
应用ArcGIS提供的ISO聚类方法对地貌特征指标进行聚类分析。初始聚类将地貌划分为多个小碎片单元,由于一些小面积的“椒盐”和分布随机的小斑块干扰,使分类结果显得碎片化、不完整。
“核颗粒”定义与处理
作者引入“核颗粒”概念,将面积小于50平方公里的碎片定义为核颗粒,并依据类序号相近性合并相邻碎片。通过不断扩大面积界限,利用递归算法最终形成清晰片区。
“纹理指标”描述与生成
在区域存在多类碎片分布但面积相当的特殊情况下,研究者进一步定义“纹理指标”,通过斑块大小、拓扑关系等规则实现区域拼接与合并,以此得到新的地貌类。
自动聚合迭代运算
利用“核颗粒”和“纹理指标”的迭代聚合,持续优化聚类结果,最终形成具有地理学意义的地貌类别分区。实验发现当联通面积达到9×10³平方公里时,二级地貌区初步显现;扩展至1.2×10⁵平方公里时,形成清晰的一级地貌大区。
实验最终实现了以计算机为基础的全域地貌自动划分,得到六个一级地貌区和三十三个二级地貌区。具体结果为: - 一级地貌区框架建立在中国的“三级阶梯”地形分布基础之上,涵括青藏高原、北方高原与盆地、中部山区等具有代表性的地貌单元。 - 二级地貌区域划分依据自然边界与纹理特征进一步细化,突出区域性地形特征。例如,高原的边界以等高线为指导,平原的边界则主要参考地表破碎程度的变化。
研究将最终分类结果与已有研究及地形实际数据进行比对,发现分类边界与传统方法具有较高的一致性,表明新方法在科学性和应用意义上均有所创新。
该研究提出的基于“核颗粒”(core particle)和“纹理指标”(texture index)的两次聚合分类算法,解决了过去地貌分类中図斑碎片化与破碎度不统一的问题,实现了中国陆域范围内地貌的自动精准划分。研究意义在于: 1. 实现了山地地貌的高度自动化制图,节约传统人工制图的大量时间与成本; 2. 提供了新指标体系,为未来的土壤制图、植被分析和遥感分类等研究领域提供参考; 3. 为生态保护、灾害治理等实际应用提供科学决策支撑。
创新性地貌指标设计
提出的“地形隆起高度与切割深度”、“皱褶多度”和“地表破碎度”三大新指标填补了传统指标在复杂地表类型量化表达上的不足。
二次聚合的新算法
通过“核颗粒”与“纹理指标”概念,实现了计算机在地貌分类中的深度应用,大幅提升了分类精度与连续性。
应用价值广泛
该方法适用于地学中自然空间结构复杂、综合性强的研究领域,为多尺度地理划分提供可靠解决方案。
这篇文章不但增强了学界对自动化地貌区划的理解,还为未来的地理信息科学研究提供了重要参考模板。