基于数字高程模型和坡度成本距离的河谷平原提取方法

1.本发明属于自然地貌和土地资源自动分类领域，涉及河谷平原提取技术，具体涉及一种基于数字高程模型和坡度成本距离的河谷平原提取方法。


背景技术：

2.地貌极其明显地控制着地球表层物质与热量的地域再分配，制约着地表景观及生态系统的演替与发展，也在影响着人类活动的形式与规模。河谷平原，作为一种重要的地貌类型，是土地类型调查、土地利用规划、地貌研究中重要的组成部分，具有重要研究价值。其通常分布在丘陵、山脉中，河谷平原区域内地势较平坦，涵盖河道、河床、河漫滩、江心洲以及河流阶地等类型。河谷平原作为丘陵和山地区域中少有的平坦区域，在合理规划土地利用类型、居民生产生活、山地灾害防控等方面均占据着重要地位。
3.数字高程模型(dem)作为数字化表达地表形态的重要数据源，已被广泛用于各类地球科学研究中，且随着数据采集技术的发展，可以实现大范围可靠的dem数据的采集和处理，基于dem的地貌分类与提取也成为了目前热门的研究方向之一。
4.然而，由于河谷平原通常位于丘陵和山地区域，周围地形较为复杂，传统方法较难通过基础地形因子实现河谷平原的有效提取；同时，河谷平原除了非常平坦的河道、河床外，还有微起伏的河漫滩、江心洲以及河流阶地，这也给完整河谷平原的提取造成了困难。传统以人工勾画为主的提取方法已经很难适应国家土地资源普查等一系列大工程的要求。基于地形数据，通过计算地形因子(如坡度、起伏度、曲率等)来提取河谷平原的方法虽然可以提高效率。但是，普遍存在提取不完整、不连续、细碎图斑较多、地形适应性差等问题。此外，由于丘陵和山区地形较为多样，在非河谷平原区域也会出现河谷平原的典型地形特征(如平地和陡坎的组合)，这使得难以通过基础地形因子实现河谷平原的有效提取。因此，如何同时保证河谷平原提取精度和提升算法效率成为急需解决的问题。


技术实现要素：

5.发明目的：针对河谷平原通常位于坡地和平地的交界处，由于地貌的渐变性，其边界难以确定；传统基于坡度或其他简单地形因子的方法易被局部突变干扰，造成较大提取误差或错误的情况，提供一种基于数字高程模型和坡度成本距离的河谷平原提取方法，其通过使用数字地形分析方法，实现了自动化河谷平原分类与提取，具有提取结果完整性好、准确性高、地形自适应性强且计算效率高的特点，填补了地貌制图工作中河谷平原提取方法的空白。
6.技术方案：为实现上述目的，本发明提供一种基于数字高程模型和坡度成本距离的河谷平原提取方法，包括如下步骤：
7.s1：基于dem数据，分别计算地表流向和地表坡度；
8.s2：根据地表流向计算获得地表汇流累积量，基于地表汇流累积量数据，设置阈值，设定大于阈值的区域为地表汇流网络；
9.s3：基于地表汇流网络和地表坡度，计算区域内其他位置到地表汇流网络的坡度成本距离；
10.s4：基于坡度成本距离结果，设置阈值，对结果进行二分类，小于阈值的区域为河谷平原。
11.进一步地，所述步骤s1中使用水文计算方法计算地表流向。
12.进一步地，所述步骤s1中使用二阶差分法计算地表坡度。
13.进一步地，所述步骤s2中设置的阈值为大于阈值的像元会被统计为汇流网络。
14.进一步地，所述步骤s3中坡度成本距离的计算包括如下步骤：
15.a1：设置源位置与成本矩阵：源位置为得到的地表汇流网络，即输出像元位置在搜索过程中需要到达的潜在位置；成本矩阵为得到的地表坡度，其表示经过某一位置时移动每单位距离所需的坡度；
16.a2：在首次迭代中，标识出源像元并分配0值，查找与源像元相邻的所有像元，计算其坡度累积成本，坡度累积成本即每个成本矩阵的像元值乘以像元分辨率，按由最低到最高坡度累积成本的顺序排列于列表中，从列表中选择具有最低坡度累积成本的像元，将该值写入输出结果中此位置，并重新计算其他所有位置坡度累积成本，取最小坡度累计成本写入列表；
17.a3：重复步骤a2，直至所有输出结果中所有像元均获得值，结束迭代。
18.进一步地，所述步骤s4中设置的阈值为0.5*坡度成本距离的下四分位数，其中，下四分位数指将所有数值由小到大排列后，处在25％位置上的数值。
19.进一步地，所述步骤s4中通过合并无效值来获取到河谷平原范围，具体为：对结果进行二分类，将小于阈值的位置像素值设为1，反之为0，通过重分类工具，将坡度成本距离计算中产生的位于极其平坦区域的无效值(在步骤s3的坡度成本距离的计算中，极其平坦的区域会被统计为无效值)的位置像素值设置为1，将二分类后的位置像素值1的区域和包含无效值的位置像素值1的区域进行合并，组成最终的河谷平原范围。
20.河谷平原是一类较为特殊的地貌单元，通常位于坡地和平地的交界处，由于地貌交界处具有极强的形态特征相似性，因此传统方法难以准确提取出出河谷平原边界和范围。本发明提出了一种基于坡度成本距离的河谷平原提取方法。坡度成本距离可以被理解为在某一方向上的累积，基于这一指标，通过有效的阈值，可以实现对较小地形突变的忽略，并保证较为明显陡坎的保留，反映了地形从量变到质变的属性转换，还可以保证河谷平原的范围均位于汇流网络或河网周围，使提取结果符合地貌学关于河谷平原的基本定义。
21.有益效果：本发明与现有技术相比，首先，基于dem和坡度成本距离提取出的河谷平原范围更完整，边界更合理，具有较强的地貌学语义；其次，相较于传统目视解译，本发明通过计算汇流网络及坡度成本距离，在减少计算量和工作量的基础上，还实现了计算效率的提升；最后，提取结果均为数字化存储数据，较容易与其他水文、资源数据进行结合使用。所以，本发明实现了自动化河谷平原分类与提取，具有提取结果完整性好、准确性高、地形自适应性强且计算效率高的特点，填补了地貌制图工作中河谷平原提取方法的空白，能够为国土资源普查和山区资源利用等工程提供基础数据和决策支持。
附图说明
22.图1是本发明的流程图；
23.图2是实施例样区dem数据图；
24.图3是实施例样区地表流向结果图；
25.图4是实施例样区地表汇流累积量结果图；
26.图5是实施例样区地表汇流网络提取结果图；
27.图6是实施例样区地表坡度计算结果图；
28.图7是实施例样区坡度成本距离计算结果图；
29.图8是实施例样区河谷平原提取结果图，其中a为本发明提取结果，b为基于坡度的分类结果。
具体实施方式
30.下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本技术所附权利要求所限定的范围。
31.本发明提供一种基于数字高程模型和坡度成本距离的河谷平原提取方法，如图1所示，包括如下步骤：
32.s1：基于dem数据，使用水文计算方法计算地表流向，使用二阶差分法计算地表坡度地表坡度；
33.s2：根据地表流向计算获得地表汇流累积量，基于地表汇流累积量数据，设置阈值设定大于阈值的区域为地表汇流网络；
34.s3：基于地表汇流网络和地表坡度，计算区域内其他位置到地表汇流网络的坡度成本距离；
35.坡度成本距离的计算包括如下步骤：
36.a1：设置源位置与成本矩阵：源位置为得到的地表汇流网络，即输出像元位置在搜索过程中需要到达的潜在位置；成本矩阵为得到的地表坡度，其表示经过某一位置时移动每单位距离所需的坡度；
37.a2：在首次迭代中，标识出源像元并分配0值，查找与源像元相邻的所有像元，计算其坡度累积成本，坡度累积成本即每个成本矩阵的像元值乘以像元分辨率，按由最低到最高坡度累积成本的顺序排列于列表中，从列表中选择具有最低坡度累积成本的像元，将该值写入输出结果中此位置，并重新计算其他所有位置坡度累积成本，取最小坡度累计成本写入列表；
38.a3：重复步骤a2，直至所有输出结果中所有像元均获得值，结束迭代。
39.s4：基于坡度成本距离结果，设置阈值(0.5*坡度成本距离的下四分位数，其中，下四分位数指将所有数值由小到大排列后，处在25％位置上的数值)，对结果进行二分类，小于阈值的区域为河谷平原。
40.对结果进行二分类，将小于阈值的位置像素值设为1，反之为0，通过重分类工具，将坡度成本距离计算中产生的位于极其平坦区域的无效值(在步骤s3的坡度成本距离的计
算中，极其平坦的区域会被统计为无效值)的位置像素值设置为1，将二分类后的位置像素值1的区域和包含无效值的位置像素值1的区域进行合并，组成最终的河谷平原范围。
41.基于上述方案，为了验证本发明方法的实际效果，将上述方案进行实例应用，具体的过程如下：
42.针对如图2所示的样区dem数据，采用以下步骤：
43.步骤一，获取开源dem数据，并利用已有研究范围进行裁剪，本发明不局限于此例中的dem类型，其他dem数据均可使用。本实施例位于南美洲巴西地区，使用的dem数据为aw3d30 dem数据，空间分辨率为1弧秒(约30m)，裁剪后的dem如图2所示。
44.步骤二，对dem进行填洼，计算样区内地表流向，本实施例使用的地表流向算法为d8单流向算法，地表流向结果如图3所示。当使用其他流向算法，如优先漫水算法时，不需进行填洼操作。
45.步骤三，基于地表流向结果，计算地表汇流累积量，即流入目标栅格的所有上游栅格数量，其结果如图4所示。
46.步骤四，基于地表汇流累积量结果，本实施例中阈值为13596，对汇流累积量结果进行二分类，大于此阈值的为所需要的地表汇流网络。
47.步骤五，将步骤四的地表汇流网络转为矢量线数据，其余区域设置为无效值，如图5所示。
48.步骤六，基于dem数据，计算地表坡度，本实施例中使用的计算坡度方法为二阶差分法，坡度结果如图6所示。
49.步骤七，基于步骤五的汇流网络和步骤六的坡度结果，计算区域内每一位置到汇流网络的最近坡度成本距离。具体流程为：
50.(1)设置源位置与成本矩阵。源位置为步骤五得到的汇流网络，即输出像元位置在搜索过程中需要到达的潜在未知；成本矩阵为步骤六得到的坡度，其表示经过某一位置时移动每单位距离所需的坡度成本；
51.(2)在首次迭代中，标识出源像元并分配0值；
52.(3)查找与源像元相邻的所有像元，计算其坡度累积成本距离。此步骤中，坡度累积成本距离值为每个成本矩阵的像元值乘以像元分辨率，例如，如果成本栅格的一个像元大小为30，某特定像元的成本值为10，则该像元的最终成本是300。同时，算法也会补偿对角线移动来获取经过像元的总成本，即当连接位置位于斜线方向时，移动所需成本不再等于该像元值，而等于原成本*此步骤结果将按由最低到最高累积成本的顺序排列于成本列表中；
53.(4)从列表中选择具有最低坡度累积成本的像元，将该值写入输出结果中此位置。当成本列表上具有最低值的像元被分配到输出结果对应位置时，需要重新计算其他所有位置累积成本。如果成本列表上的某一位置的新累积成本大于更新前的累积成本，则忽略该值；反之，则使用新值替换掉成本列表上该位置的原有累积成本。
54.(5)以上一步选中像元为操作对象，搜索与其相邻的全部像元，再次计算新增像元的累积成本，并写入列表。
55.(6)重复步骤(4)和(5)，直至所有输出结果中所有像元均获得值，结束迭代。
56.最终计算结果如图7所示。
57.步骤八，设置阈值ts＝0.5*坡度成本距离的下四分位数(下四分位数指将所有数值由小到大排列后，处在25％位置上的数值)，本实施例中阈值为2190。基于此阈值将步骤七的结果进行二分类，小于此阈值的位置像素值为1，反之为0。
58.步骤九，基于步骤八，通过重分类工具，将区域内包含无效值(nodata)的位置像素值设置为1，与步骤八中像素值为1的区域合并，组成最终的河谷平原范围，如图8所示，即河谷平原区域＝(坡度成本距离《ts或坡度成本距离＝nodata)。
59.为了体现本发明的实际效果，本实施例中将本发明方法和现有方法进行实例对比。选择基于坡度的方法进行河谷平原分类作为对比，此方法过程为(1)基于dem计算坡度；(2)按照地貌分类标准，以3度为阈值，小于3度的认定为平原。由图8对比可知，首先，本发明提取结果(a)更为完整，而基于坡度的提取结果(b)更为破碎；其次，本发明提取的结果均位于河道区域，符合河谷平原定义，而基于坡度的提取结果会出现在坡地上，不满足河谷平原的定义。