基于DEM小流域复杂网络的黄土高原地貌自动识别研究

地貌识别,对于人类建设,地质构造研究,环境治理等相关领域都有着重要意义。传统的基于像素单元或面向对象的地貌识别方法存在局限性。由于流域小单元具有表面形态的完整性,在地貌演化中具有明确的地理意义,基于流域小单元的地貌识别成为了该领域的一个新热点。然而,基于传统地形因子的地貌识别方法使用的因子往往较为单一或者在地学描述上存在重复性,目前尚无针对流域小单元进行空间结构描述和拓扑关系特征量化的地貌识别研究。基于此,本文基于DEM进行水文分析并通过坡谱方法解决了小流域稳定面积难以确定的问题,在黄土高原样区提取了181个稳定小流域。根据复杂网络理论和地貌学原理提出了流域加权复杂网络的概念和相应的8个定量指标用于流域空间结构的模拟和量化描述。最后采用了基于决策树的XGBoost机器学习算法进行地貌识别,实验对于黄土高原主要地貌类型的识别显现出较好的效果,Kappa系数为86.00%,总体精度达到了88.33%。对于地貌形态特征明显的地貌,复杂网络方法其顾及空间结构和拓扑特征的特性导致了其较高的识别性能,精度和召回率都在90%~100%之间。通过与前人的研究进行对比,其识别结果亦呈现出较高的精度,这些都验证了流域加权复杂网络是一种基于流域小单元地貌识别的高精度且有效的方法。     

复杂网络理论在黄土高原沟谷地貌特征研究中的应用

沟谷侵蚀是塑造黄土地表侵蚀形态的主要动力,沟谷的发育过程深刻地影响着黄土地貌的发育及演化。本文在黄土高原选择6个典型地貌样区,以样区的数字高程模型为基本数据源提取沟谷系统。将沟谷系统中的沟谷节点、沟谷源点和流域出水口点作为网络节点,网络节点之间的空间拓扑关系为边,高程差为权值,构建黄土高原沟谷加权复杂网络模型。对黄土沟谷地貌的节点特征和空间结构进行定量刻画和分析,得到黄土高原不同地貌类型网络特征的空间格局及其变化,并进一步映射地貌的发育过程及演化机理。研究结果表明：① 黄土高原沟谷加权网络的点强度累积概率分布呈指数分布,相关性系数皆达到0.80以上,该网络正处于向无标度网络转化的过渡期;② 样区从南到北,沟谷特征点的点强度值呈现逐渐减小的态势,且点强度的分布具有不对称性,沟谷右侧侵蚀强度较高,点强度分布较多;③ 平均路径长度和网络结构熵值在绥德一带最大,分别为30.94、6.31,并向南北两侧呈减少的趋势,网络密度值的变化与之相反;3个指标分别从网络结构的连通性、稳定性和紧密性反映了不同沟谷地貌类型的侵蚀程度以及地貌系统的演化机理;④ 网络指标与传统地貌指标的相关性系数均超过0.85,其可以科学、准确地表达地貌形态的复杂性及地貌的发育阶段,有望作为沟谷地貌地学特征研究的参数。该方法考虑了沟谷地貌的空间拓扑关系以及系统的整体性,为复杂表面形态的地貌研究提出了一种新的思路和方法。