基于无人机航摄数据的侵蚀沟识别及其对地形特征的响应.pdf
摘要
摘要
侵蚀沟作为地貌发育的产物，也是土壤侵蚀的直接结果，一直以来都是土壤
侵蚀以及侵蚀地貌等领域的重点研究对象，而冲沟是山地和丘陵地区最常见的地
貌类型，其发育与形成会导致大量水土流失。因此，本文基于无人机航摄系统获
取高精度DOM影像和DEM数据，以凉山州干旱河谷地区典型冲沟为研究对象，
建立侵蚀沟地形指标体系，深度融合地形数据和影像数据，使用面向对象和机器
学习方法实现对侵蚀沟的识别，并进一步分析地形因素与侵蚀沟特征之间的关系，
探究侵蚀沟对地形特征的响应。以期为凉山州的沟蚀生态修复，干旱河谷地区数
字地形分析方法提供技术支撑和科学依据。得到以下主要结论：
（1）基于地貌计量学，结合数字地形分析相关研究，对无人机获取的研究
样区DEM数据进行平滑处理后，从连续地形因子、离散地形因子和复合型地形
因子三个方面，分析并整理了侵蚀沟相关地形指标及其提取算法，主要包括坡度
（Slope）、剖面曲率（SOS）、平面曲率（SOA）、表面曲率（Curvature）、地形起
伏度（TR）、地表切割深度（D）、高程变异系数（ECV）；坡向（Aspect）、流水
线（Vally_line）；地表粗糙度（R）、坡度坡长因子（LS）以及山体阴影（HS）共
计12个地形指标。为避免地形因子数量过多或过少，带来相应的冗余数据过多或
地形数据信息不够等影响，进而造成后续侵蚀沟提取的效率和精度等问题，基于
侵蚀沟相关地形指标，通过斯皮尔曼秩相关系数方法检验指标间的相关性系数，
结果表明，Slope、D、EVC和R与其他地形因子相关性系数较高，剔除高相关性
地形指标后筛选出SOS、SOA、Curvature、D、Aspect、Vally_line、LS以及HS，
共计8个核心地形因子，构建了侵蚀沟地形指标体系。
（2）基于无人机航摄的高精度影像数据和核心侵蚀地形指标体系，采用多
尺度影像分割算法对影像数据和地形数据加影像数据两种类型数据集进行分割，
通过采用固定单一参数因子法确定形状因子和紧致度因子，根据ESP工具使用局
部方差变化的变率值（ROC-LV）获得最优分割尺度，最终确定研究样区最优分
割尺度参数组合：样区一的影像数据为（238，0.3，0.6），影像数据加地形数据
为（140，0.5，0.5）；研究样区二的影像数据为（126，0.3，0.7），影像数据加地
形数据为（184，0.3，0.6）。在最优分割尺度参数的分割对象的基础上，从光谱
特征、纹理特征和几何特征三个方面构建特征空间，使用RFE算法完成最优特征
变量的选择，最终确定研究样区一的影像数据特征变量为28个，地形数据加影像
数据特征变量个数为76个，研究样区二两个数据集的最优特征变量个数分别为17
个和16个。通过K最邻近（KNN）、支持向量机（SVM）和随机森林（RF）三种
机器学习方法实现侵蚀沟分类提取，结果表明，三种分类方法中RF模型的分类
IV
摘要
效果最好。总体上，加入地形数据后平均整体精度提升了2.11%，平均Kappa系
数提升了0.092，平均AUC值提升了0.062。这表明地形数据的融入，有效弥补了
影像数据可见光波段所提供的额外特征信息，地形数据中所蕴含的特征信息，可
以优化分类模型在侵蚀沟分类提取的结果，其中HS、D和Curvature对沟道提取
的影响程度较大。
（3）基于坡度、坡向、地形湿度指数（TWI）典型地形因素，分析了与研究
样区侵蚀沟之间的关系以及变化规律，结果表明，两个研究样区在坡度地形因子
影响下，差异并不明显，二者主要侵蚀沟均分布在30°~50°坡度较大的范围区间
内，这些坡度较大的地区更易增大地表径流汇集和径流流速，从而形成更严重的
侵蚀情况；侵蚀沟沟道在坡向的分布中，研究样区侵蚀沟区域主要发生在阳坡和
半阳坡，样区一两者占比高达67.18%，样区二为58.36%，这是因为阳坡所受太
阳辐射更高，其土壤含水量相对较低，植被生长状况不如阴坡茂盛，更容易发生
土壤侵蚀；在TWI地形因子的影响下，研究样区一和二的侵蚀沟都主要集中分布
在TWI值小于5的区域范围内，且均在TWI值为1~