基于机器学习的沟谷地貌识别模型对比——以黄土高原典型流域为例

探索沟谷地貌空间分布与环境控制特征之间的联系并构建沟谷地貌准确提取模型,对大尺度范围沟谷提取具有重要意义。基于人工提取黄土高原典型流域沟谷地貌样本,结合不同时期的Landsat8 OLI影像数据和DEM数据,建立随机森林模型确定黄土高原沟谷地貌提取最佳影像时期和最佳组合特征,基于最优模型参数,对比其与支持向量机和人工神经网络沟谷提取模型效果,验证模型泛化能力。结果表明:(1)黄土高原沟谷提取的最佳影像时期为12月,最佳组合特征集为Red、Blue、H、SWIR1、PNT、Coastal、GLCM4和NIR;(2)3种方法提取测试区域的沟谷空间分布一致,从定性和定量角度进行比较,随机森林模型提取效果最好,验证样区平均总体精度为80.48%,相较于支持向量机模型和人工神经网络模型分别提高4.00和8.63个百分比;(3)测试区域中,沟谷地貌面积约占总面积的56.91%,且呈现西北至东南方向逐渐集中的特点。研究表明随机森林模型在黄土高原地区高精度沟谷地貌识别研究中综合表现最佳,可大范围推广。

澜沧江流域典型案例区地形地貌对比分析研究

澜沧江流域云南段所特有的地形地貌自然条件 ,是形成该地区生态景观格局的根本基础 .本文通过在澜沧江流域云南段上中下游地区分别选取具有典型代表意义的案例区 ,就直接反映地形地貌状况的坡度分布与分级、坡向分布与分级 ,以及沟谷分布数量结构等进行对比分析研究 ,揭示流域在不同区位中地形地貌的自然特点与分布规律 ,以期为流域景观格局形成原因剖析、景观功能设计和景观动态研究提供空间基础研究 .