基于dem影像的黄土区域地形自动分割及沟头识别-朱红春.pdf

《基于dem影像的黄土区域地形自动分割及沟头识别-朱红春.pdf》由会员分享，可在线阅读，更多相关《基于dem影像的黄土区域地形自动分割及沟头识别-朱红春.pdf（5页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第33卷第4期2017年7月地理与地理信息科学Geography and Geo-Information ScienceV0133 No4July 2017Oai：103969jissn16720504201704013基于DEM影像的黄土区域地形自动分割及沟头识别朱红春，黄伟，赵翼鹏，许晓斌(山东科技大学测绘科学与工程学院，山东青岛266590)摘要：进行区域地形的自动分割和地理对象的识别提取，对于现代地理分析具有重要意义。该文运用影像分析方法，以中国黄土高原的典型地貌区为实验区，提出了基于DEM影像的地形自动分割和沟头识别方法。在黄土区域地形分割中，以沟谷分支点为种子点，以地表剖面曲率特征

2、分析结果为生长准则，实现了沟间地、沟坡地、沟底地的区域自动分割；在沟坡地形自动分割的基础上，运用面向对象的目标分类识别思路，结合对象的地形和水文特征，进行了沟头对象的自动识别。实验结果表明：地形自动分割结果精度均大于90，沟头对象的识别准确度为8827，验证了该文方法的有效性和可靠性。关键词：DEM；剖面曲率；地形分割；图像处理；沟头识别中图分类号：P931；P208 文献标识码：A 文章编号：1672一0504(2017)04一0074一050引言在自然界中，地形是地表物质迁移和能量转换的重要决定因素，不同地貌区域具有不同的地形结构和特征，按照地形的结构、形态及发育特征进行区域的自动分割，对

3、于进行区域地貌分类和格局分析以及地表物质迁移的动态过程与机理探究等均具有重要的意义。近10年来，随着GIS和数字高程模型(DEM)地形分析技术的快速发展与广泛应用，基于DEM进行区域地貌分类与地形分割的研究取得了丰硕的成果。例如，闾国年等基于DEM进行了黄土地貌区地形要素的自动识别与地形区域分割方法研究13；周成虎等基于遥感影像和DEM，提出了中国陆地1：100万数字地貌三等六级七层的数值分类方法23；周毅尝试使用子流域分割思想，实现了对陕西耀州地区中尺度范围黄土地貌的分类3。中国黄土高原发育有世界上最为典型的黄土地貌，该地区的地形区域划分为沟问地、沟坡地和沟底地43；其中，沟间地为黄土地貌区

4、的正地形区，而沟坡地和沟底地组成了负地形区E 56|。目前，对于黄土地貌区的地形分割主要是利用地表坡度的组合特征，分割方法仍以传统的阈值分割和特征线(如沟沿线、塬边线)分割为主7哪，而分割阈值的确定又是以人工经验为主10。此外，国外学者也对沟谷系统发育演化及地貌分类进行了研究，为黄土地形区域的分割提供了重要的方法和应用参考1卜13。沟头是一种位于分水线以下、负地形沟坡地范围内的空间区域，该区域是尚未形成沟谷的山谷或凹地E14,15。在我国黄土高原地区，沟头随处可见且形态各异，已有学者对黄土地区沟头的位置、类型、成因和侵蚀演变规律等做了一定程度的研究，并取得了重要的研究成果15_2 0|。综合分

5、析现有关于黄土高原地区的研究成果，基于DEM等现有空间数据类型的地形自动分割和沟头对象自动识别方法仍需深入研究。本文首先利用图像分析的区域生长方法，研究基于DEM影像的黄土高原典型地貌区的地形区域自动分割方法；其次，结合DEM影像数据所包含的水文特征和地形信息，建立沟头对象识别的方法模型，以实现沟头对象的识别。1材料与方法11研究区选择的实验区域(图1)位于陕西省宜君县，属于中国黄土高原地区的黄土残塬地貌类型。研究区面积约为1031 km2，海拔高程为7611 158 m，地面平均坡度为19。，沟壑密度为244 kmkm2；该地区沟谷溯源侵蚀强烈，重力侵蚀活跃，相对切割深度为100-200 m

6、。12实验数据采用的数据为1：10 000比例尺、5 1TI空间分辨率的规则格网型DEM数据，由国家测绘局2001年生产的1：10 000比例尺地形图采集得到。研究中收稿日期：2017_。4珈8； 修回日期：2017_。6f29基金项目：国家自然科学基金项目(41601408、41471331)作者简介：朱红春(1977一)，男，博士后，副教授，研究方向为DEM数字地形分析、遥感数据处理与系统开发。Ermil：sdny_xa163com万方数据第4期 朱红春，黄伟，赵翼鹏，等：基于DEM影像的黄土区域地形自动分割及沟头识别 第75页选择一个完整的小流域(图1)进行实验分析，其面积为1573 k

7、m：约占实验区总面积的1j3二107 d“E I啉吖J“E loaf 0“E 110。0盯E IIlll 0盯E图1研究区及实验数据Fig1 Study area and experimental data13方法模型131 地形区域自动分割方法 首先基于DEM计算地形剖面曲率，其次，建立基于剖面曲率的3种黄土地形区域(沟间地、沟坡地、沟底地)的分割准则，最后应用种子区域生长的方法进行地形区域的自动分割。该方法的基本原理是从一组种子点开始，将与每个种子性质相似的邻域像素附加到该种子上，形成该种子的生长区域(如特定范围的灰度或颜色)。当不再有像素满足加入某个区域的准则时，区域生长就会停止21I。

8、具体的地形分割方法模型如图2所示。该方法的关键技术主要包括：1)种子点的选取。利用DEM提取栅格型的水系线，在水系线中选取汇流线中所有符合骨架分支点条件的点作为种子点。2)生长准则的确立。沟底线分割区域生长准则：对基于DEM得到的地形剖面曲率进行二值化与空间滤波平滑处理，计算得到处理图像值的统计直方图；选择直方图最小间隔的12倍为区域生长的阈值。塬边线分割区域生长准则：对基于DEM得到的地形剖面曲率进行绝对值与空间滤波平滑处理，计算得到处理图像值的统计直方图；观察直方图最小间隔为1，此时设计步长为1的区域生长阈值序列，并计算序列的区域生长结果，选取最佳生长阈值。3)分图!地形区域自动分割方法模

9、型不意图I?ig： ，、Iutomatic segmentation model of I(”ss ternain re2ions割区域的孔洞填充与边界平滑处理。采用形态学图像处理方法进行分割区域的孔洞填充和边界平滑处理，目的是消除分割区域内部存在的孑L洞，并实现分割区域边缘的连续化。132面向对象的沟头提取方法(1)分析数据。如前所述，沟头位于负地形的沟坡区域范围内，因此，分析数据之一为地形分割得到的沟坡地；另外，通过分析DEM数据及其衍生得到的坡度、坡向、综合曲率、剖面曲率和平面曲率的相关性，选取了DEM影像数据、坡度图像数据、剖面曲率图像数据进行多波段合成，进而对合成的影像结果进行多尺度

10、分割和沟头对象的识别。(2)面向对象的沟坡地形区域多尺度分割。面向对象的多尺度分割是一种自下而上的分割方式，所需的分割参数包括：分割尺度、波段权重、形状因子、紧致度因子。在面向对象分割中，需要确定一个最优的分割尺度，该尺度参数是相对的，需要通过多次实验比较结果确定。本研究在对实验区域沟头对象进行人工目视解译时，选取了30处沟头样本，计算了其像元个数的基本统计量(表1)。根据多尺度分割的算法原理，尺度参数设置为分割图斑的最小值，因此本研究设定的多尺度分割参数为27。表1 沟头样本像元个数的基本统计量Table 1 Statistics of the number of pixels in the

11、 gully head re,on!：!i!i!：i ! 塑!：! ：! ! i!通过计算DEM高程数据、坡度数据和剖面曲率数据的标准差，可知其对应的数据变异程度，最后确定了在多尺度分割中，DEM高程数据、坡度数据、剖面曲率数据的权重比为05：l：08。均质因子主要包括光谱因子、形状因子、光滑度、紧致度，其中光谱万方数据第76页 地理与地理信息科学 第33卷因子和形状因子之和为1。在本研究中，依据沟头样本的形状特征，设定的形状因子和紧致度因子分别为08和05。(3)沟头对象特征分析与提取。沟头区域位于沟底区域纵向延伸切人至沟坡地形区域；从水文学上分析，沟头起始点位于实际径流起点处，沟头区域即是

12、径流起点所控制的流域边界与塬边线相交的内部负地形区域。因此，基于步骤(2)得到的面向对象的沟坡区域分割结果，叠加定义01最大汇流值的水流线，包含汇流线的对象即分类识别为沟头区域。2黄土区域地形分割与结果检验21地形分割由黄土高原地区地形分类1(图3)可知，沟底地形的边缘为剖面曲率的局部极大值，即沟底线所在位置，这是由于沟底坡度小，地势较为平坦，剖面曲率值在0值上下浮动，沟底的边缘处于坡面和沟底交汇处，坡度突变增大致使剖面曲率取得极大值；与沟底区域相反，沟坡地形区域和沟问地形区域交汇处，即塬边线位置，该位置坡度突然减小，致使剖面曲率取得极小值。域边界塬边线沟底线汇水线值处图3黄土地形分类示意图F

13、ig3 Sketch map of loess topograph)，classification沟底区域的地形为下凹或平地，因此通过设定剖 成的区域，沟底地则是沟底线包围的区域(图4b)。面曲率数值大于等于0，可以初步筛选属于沟底区域 经统计，本研究提取的沟底、沟坡和沟间地形区域的的像素；然后，将初步筛选的沟底区域像素值处理为8 面积分别为234 km2、622 km2、717 km2，分别占bit，并采用5*5窗口模板进行均值平滑去噪；再次， 该流域总面积的149、395、456。对平滑处理后的图像，以沟底区域内的种子像素进行区域生长，并设定20为区域生长的阈值；最后，进行生长区域的孔洞填

14、充与边界平滑，得到沟底地形区域，并通过边缘提取得到沟底线结果。对于沟间地形区域和塬边线，考虑到塬边线为曲率负值的极小值像素位置，本研究通过对曲率图像灰度取绝对值消除正负极值之间的干扰，以保证区域生长的范围达到最外层塬边线位置；然后，采用7*7的均值滤波器进行平滑去噪，经实验设定灰度生长阈值为6进行区域生长，并通过空洞填充处理，得出塬边线内部区域，即沟坡地形区域和沟底地形区域综合结果。在本研究中，地形剖面曲率的计算使用ArcGISl02软件的表面分析工具进行；使用ArcGISIO2软件的水文分析工具，并设置flow accumulation最大值的1为汇水阈值参数，提取streamnetwork

15、，并提取得到试验数据的种子点。研究区地形区域由流域边界线、塬边线、沟底线分割生成(图4a)。其中，沟间地形区域为塬边线与流域边界线所围成的区域，沟坡地形区域为沟底线与塬边线所围f a分割界线提取结果 f11)地彤分割结果图-l区域地形分割结果Fig4 Segmentation results of the terrain region22地形分割结果检验为检验地形自动分割的结果，本研究基于高精度DOM正射影像数据，采用人工目视解译的方法，分别提取了沟间地形、沟坡地形和沟底地形区域；以DOM目视解译分割的结果为参考标准，计算了自动分割结果的相关数量统计值(表2)。由表2可知，采用本研究提出的地形

16、自动分割方法提取的3种地形区域的精度都在90以上；沟底和沟坡地形的错分比例均大于漏分比例，这是由于在区域生长分割过程中，进行了均值滤波处理，拉伸了对曲率变化较明万方数据第4期 朱红春，黄伟，赵翼鹏，等：基于DEM影像的黄土区域地形自动分割及沟头识别 第77页显的像素，导致地表剖面曲率值的近似程度增大，使本不该属于生长的区域也满足了区域生长阈值的条件，从而产生较大的错分误差。表2地形分割精度指标统计Table 2 Topographic segmentation accuracy index漏分面积漏分错分面积错分重合面积重合(m2) 比例(m2) 比例 (m2) 比例沟底地形112 990 4

17、86231 336 9882 110 333 9012沟坡地形159 410 253414 593 6585 886 216 9342沟闻地形562 301 784216 305 3026 955 935 96983沟头的提取与结果检验运用前文所述的面向对象的沟头提取方法，对地形区域分割得到的沟坡地形区域进行沟头的提取，具体操作在eCoginition平台软件中进行，得到部分区域的提取结果如图5a所示。4结论一沟问地区域疆豳沟坡地分割斑块l沟底地区域l沟头区域识别斑块将本研究得到的沟头对象识别结果(图5a)与利用水文分析法得到的沟头识别结果(图5b)进行对比。经计算，基于水文分析得到的沟头提取

18、面积为3378 km2，基于本文方法提取的沟头面积为3255km2，两种结果的重叠区域面积为2982 km2，重合比率为8827。该结果表明利用面向对象的沟头识别结果可靠性较高，但也存在大于10的提取误差，其原因主要有：1)沟坡地形的提取精度误差影响了实际的沟头识别区域；2)汇流线所穿越的对象被直接判定为沟头区域，若汇流线延伸过短，将导致穿越对象的数目减少，使得沟头区域并不能充满沟坡，与塬边线发生隔离现象。3)分割参数的设定同样影响生成对象的位置和形状，不同的尺度参数还会影响生成对象的大小及其空间分布。(b)水文分析法图5沟头识别结果Fig5 Gully head recognition re

19、sults本研究运用影像分析的方法，进行了基于DEM的黄土高原地区地形区域分割和沟头对象识别与提取，取得的主要研究成果和结论有：1)在分析不同黄土地形区域地表剖面曲率变化特征的基础上，提出了基于区域生长的黄土地形区域分割方法。该方法充分利用了DEM表面分析中的数据资源，并结合了不同区域的地形特征，使得分割方法具有实际理论涵义，并保证了方法应用的有效性；其中，不同地形类型边界处的地表剖面曲率变化与分布特征是分割方法的基础，位置明确的区域生长种子点选取则是该方法有效实施的前提。2)本研究在分析黄土沟头对象位置、地形和水文特征的基础上，基于面向对象的影像分析方法，提出了基于DEM影像的沟头对象识别和

20、提取方法。在该方法中，沟坡地形区域的分割是前提，基于地形信息量分析的多波段影像合成是基础，面向对象影像分割参数获取是关键。3)利用所提出的地形分割和沟头对象识别方法，实现了沟谷源点沟底线塬边线沟头区实验区的地形分割和沟头对象提取，实验结果分别与DOM影像的目视分类结果以及DEM水文分析得到的沟头识别结果进行对比，验证了实验结果的可靠性和有效性。参考文献：1阊国年，钱亚东，陈钟明流域地形自动分割研究J遥感学报，1998，2(4)：298-3042周成虎，程维明，钱金凯，等中国陆地1：100万数字地貌分类体系研究J地球信息科学学报，2009，11(6)：7077243周毅基于DEM的黄土高原正负地

21、形及空间分异研究D1南京：南京师范大学，20114朱红春，张友顺，汤国安，等基于DEM的黄土地貌类型提取与制图I-J地球信息科学，2003，5(4)：110113Is张宗祜，张之一，王芸生论中国黄土的基本地质问题刀地质学报，i987，61(4)2 3623741-61罗来兴划分晋西，陕北，陇东黄土区域沟间地与沟谷的地貌类型口地理学报，1956(3)：201-2227晏实江，汤国安，李发源，等利用DEM边缘检测进行黄土地貌沟沿线自动提取J武汉大学学报(信息科学版)，2011，36(3)：363367万方数据第78页 地理与地理信息科学 第33卷8JIANG S，TANG G，LIU KA new

22、 extraction method of loessshouldePline based on marr-hildreth operator and terrain maskI-jPloS One，2015，10(4)：e01238049宋效东，汤国安，周毅，等基于并行GVFSnake模型的黄土地貌沟沿线提取口中国矿业大学学报，2013(1)：13414010朱红春，汤国安，张友顺，等基于DEM提取黄土丘陵区沟沿线口水土保持通报，2003，23(5)：43451 1 MARTINEZ-CASASNoVAS JA spatial information technology approach

23、for the mapping and quantification of gully erosionEJCatena，2003，50(2)：293308E12DEROSE R，GOMEZ B，MARDEN M，et a1Gully erosion inMangatu Forest，New Zealand，estimated from digital elevationmodelsJEarth Surface Processes and Landforms，1998，23(11)：10451053E13KIRKBY M，BRACHEN IGully processes and gully dy

24、namicsEJEarth Surface Processes and Landforms，2009，34(14)：1841185114DAVID R，WILLIAM E Where do channels begin?JNa一1516-17181920E21ture，1988，336(6196)：232234ZHU H，删G G，QIAN K，et a1Extraction and analysis of gullyhead of Loess Plateau in China based on Digital Elevation ModelJChinese Geographical Scie

25、nce，2014，24(3)：328-338江岭，汤国安，赵明伟，等顾及地貌结构特征的黄土沟头提取及分析口地理研究，2013，32(11)：2153-2162马玉凤，严平，李双权，等龙羊峡库区威连滩冲沟沟头侵蚀的动态监测口干旱区研究，2012，29(2)：238-244陈绍宇，许建民，王文龙，等黄土高塬沟壑区董志塬沟头溯源侵蚀特征及其防治途径J水土保持通报，2009，29(4)：3741伍永秋，刘宝元切沟、切沟侵蚀与预报J应用基础与工程科学学报，2000，8(2)：134141CHEN L，ZHU A，QIN C，et a1Effectiveness assessment ofsoil ero

26、sion critical source areas for soil and water conservation口Journal ofResources andEcology，2012，3(2)：139143GONZALEZ R，W00DS RDigital Image Processing(3rd ed)MUpper Saddle River：Prentice Hall，2008231253The Lo嘟Terrain Automatic Segmentation and Gully Head RecognitionMethod Based on DEM Image AnalysisZH

27、U Hongchun，HUANG Wei，ZHAO Yi-peng，XU Xiaobin(Geometrics College，Shandong University of Science and Technology，Qingdao 266590，China)Abstract：In this paper，by using the image analysis method and taking the Chinese Loess Plateau typical landscape area as theexperimental area，the terrain automatic segme

28、ntation and gully head recognition methods based on DEM image analysis are proposedIn the loess regions segmentation process，the valleys branch points and profile curvature were used as growing seeds andrules of growth respectively to implement region growingAdditionally，the automatic segmentation o

29、f three types of terrainwhich include gully interfluve land，gully slope land and gully groove land were achievedBesides，on the basis of gully slope landautomatic segmentation，the gully heads were identified according to the terrain and hydrological characteristics of the objects byusing the object-o

30、riented ideaThe results show that the precision of terrain automatic segmentation and gully head recognitionresults are higher than 90V0 and 8827respectively，which prove that the proposed methods are scientific and effectiveKey words：D耳M；profile curvature；terrain segmentation；image processing；gully head recognition万方数据