[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

摘要

本发明涉及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，首先利用无人机获取高精度影像提取的高精度数字高程模型数据，提取目标地形中各个地形因子参数，然后根据研究提供的分类方法和阈值，首先将DEM地图分为山脊与非山脊，构建矢量图层，并对两个不同的地形进行赋值，同理可以分出阴坡与阳坡、沙甸与沙平地，并分别进行不同的赋值，生成三幅不同分类的地图，然后将这三幅图进行联合分析，利用属性信息在字段计算器里进行计算，计算结果保存在新的属性字段中；最后根据本文的分类规则，生成了地形分类结果的面状栅格图。本发明通过高精度的数字高程模型数据，准确提取小尺度微地形的分布情况，及时有效反映地形的起伏和变化情况。

主权项

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，其特征在于，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；(12)利用Spatial Analyst中的坡向工具提取DEM的坡向图，然后利用3D Analyst工具中的重分类对坡向进行了重新分类，将生成的坡向图分成两类，90‑270°分为阳坡，其他的为阴坡，将分类信息提取成矢量图层D，对属性字段进行重新的赋值；阴坡和阳坡分别赋予值；(13)在ArcGIS中利用Spatial Analyst工具中的坡度工具提取DEM的坡度图，利用Spatial Analyst工具逻辑运算中的小于等于将坡度图按小于等于6°提取出坡度二值化的地形，将二值化图层转换为矢量文件E，平缓区和非平缓区分别赋予值；(14)同理，利用Spatial Analyst工具逻辑运算中的小于等于将DEM图层按小于等于平均海拔提取海拔二值化图层，将二值化图层转换为矢量文件F，对满足小于等于和不满足小于等于平均海拔的地区分别赋予低海拔和高海拔不同的值；(15)利用Analysis Tools中联合工具将四个矢量图C,D,E,F进行联合，生成一个新的矢量图，在新的矢量图中建立新的字段，根据C，D，E，F不同图层的属性字段进行计算归类，并依据以下的分类规则，赋值新的分类属性字段，将地形分为5类：山脊，阴坡、阳坡、沙平地、沙甸。