[发明专利]一种基于高精度数字高程模型对半干旱地区进行微地形分类的方法

说明书

技术领域

本发明属于数字高程模型数据和微地形分类，尤其是利用数字高程模型对半干旱小尺度范围的为地形分类。

背景技术

地球表面高低起伏，这些地面上平坦的、凸起的或者凹下的形体，总称为地貌或地形。作为活跃的地理环境组成要素，地貌对其他要素与地理环境整体特征有着广泛深刻的影响。主要表现在：影响地表热量分配和地面温度变化，影响地下水和降水分布，不同的地形也会影响到植被的分布。在小尺度范围内，微地貌与其它地理要素,如气候、水文、植被、土壤等相互关系密切，地形条件往往发挥着很关键的作用。

地形分类的指标主要包括影像的光谱和纹理特征、土壤和景观关系、地物类型的物候特征和光谱差异、地形因子等指标。分类方法主要包括面向对象的方法、建立决策树模型、分层信息提取。如使用光谱和纹理特征相结合的方法进行山区高分辨率遥感影像分类。采用面向对象的分类方法进行森林植被类型的提取。利用不同地物类型的物候特征和光谱差异，对流域土地覆盖类型分类。

目前，利用DEM为基本数据源，利用GIS先进技术及其他学科的支持，有些人进行了相关方面的研究。这对地貌学的地量研究、DEM地形信息的充分挖掘具有很重要的意义。现在主要的研究方法有如下几种：野外调查法，地表形态自动分类法、监督分类法、模糊数学法、神经网络法、地貌分形、地学信息图谱法等。

地形分类的有关研究主要集中在大尺度方面，而且所依据的数据类型大多为遥感影像，基于小尺度的微地形分类少有研究。而且现行方法存在规则不够明确，可移植性不强等问题。而本发明有效的解决了这些问题，可以快速高效地实现地形的分类。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种基于数字高程模型对半干旱地区进行微地形分类的方法，采用的是高精度的无人机影像，利用无人机具有的机动快速的响应能力、高分辨率和高精度地位数据获取能力，经济高效，可承担高风险任务的能力，可以为微地形的研究提供有力的数据支持。利用无人机影像高精度的优势，提取出对半干旱地区进行了微地形的分类结果，为相关政府部门及时制定地形规划和生态恢复提供数据参考和决策依据。

本发明技术解决方案：一种基于数字高程模型对半干旱地区进行微地形分类的方法，包括以下步骤：

(1)通过无人机获取样区数字影像图，通过矫正、拼接、提取精度为0.1m数字高程模型数据DEM

(2)在ArcGIS中激活DEM数据，在Spatial Analysis下使用surface菜单下的Derive Aspect命令，提取DEM坡向层面，记为A；

(3)激活A层面，在Spatial Analysis下使用surface菜单下的Derive Slope命令，提取A层面的坡度信息，记为SOA1；

(4)求取数组高程模型DEM的最大高程值，记为H；通过Spatial Analysis下的栅格计算器Calculator，公式为(H－[DEM])，[]代表图层。得到与原来地形相反的DEM数据层，即反地形DEM栅格数据图层；

(5)基于反地形DEM数据，重复第(2)步骤求算坡向值；

(6)利用SOA方法重复第(3)步骤求算反地形的坡向变率，记为SOA2；

(7)在Spatial Analysis下使用栅格计算器Calculator，公式为SOA＝(([SOA1]+[SOA2])-Abs([SOA1]-[SOA2]))/2，即可求出没有误差的DEM的坡向变率栅格图层SOA；

(8)激活原始DEM数据，在Spatial Analysis下使用栅格邻域计算工具Neighborhood Statistics；设置Statistic type为平均值，栅格邻域的类型为矩形或圆形，平均值栅格层面，记为B；

(9)在Spatial Analysis下使用栅格计算器Calculator，公式为C＝[DEM]-[B]，即可求出正负地形分布区域的栅格图层C。

(10)在Spatial Analysis下使用栅格计算器Calculator，公式为[C]＝[DEM]-[B]，即求出正负地形分布区域，由[C]>0&[SOA]>80(“&”表示逻辑运算“并”)，即求出山脊。

(11)利用转换工具中的栅格转面，将山脊栅格提取成矢量图层保存，对矢量图层建立属性字段并对山脊和非山脊分别赋值。