黄土地貌类型的坡谱自动识别分析
地貌形态特征识别与分类,对生态环境、水文研究及地质构造分析等地学研究具有重要意义,已成为现代地貌学的一个研究热点.传统的统计模式识别方法精度较低,难以解决线性不可分的模式分类问题.人工方法虽然识别精度高,但因各人认知偏差导致的识别误差难以控制.人工神经网络作为一种动态信息处理系统,能有效解决线性不可分的地貌类型识别问题.坡谱是利用微观地形定量指标来反映宏观地形特征的有效方法,在地貌学研究中正受到广泛的关注.本文以陕北黄土高原8个不同地貌类型区的数字高程模型(DEM)为实验数据,以流域为分析单元,提取坡谱及其特征指标作为描述地形特征的定量因子,并通过BP神经网络的构建与学习,进行黄土地貌类型自动识别.实验结果表明,在8种地貌类型的样本数据中,第1次实验正确识别率平均值达70％;第2次和第3次实验中,去除相似度较高的峁状丘陵沟壑或峁梁状丘陵沟壑任一种地貌类型后,正确识别率平均提升为80％和85％.经Kappa系数验证,该方法能以DEM数据有效识别不同类型的黄土地貌.
地貌类型识别、坡谱、DEM、黄土地貌、神经网络
17
国家自然科学基金项目“基于DEM的黄土地貌沟沿线研究”41171299、“基于DEM的黄土沟壑种群特征及空间异质性研究”41271438.
2016-03-18（万方平台首次上网日期，不代表论文的发表时间）
1234-1242
