基于ASTER GDEM数据喀斯特区域地貌类型划分与分析

doi:10.13249/j.cnki.sgs.2012.03.368

地理科学 ›› 2012, Vol. 32 ›› Issue (3): 368-373.doi: 10.13249/j.cnki.sgs.2012.03.368

基于ASTER GDEM数据喀斯特区域地貌类型划分与分析

马士彬¹(), 安裕伦²()

1. 贵州省六盘水师范学院生物与地理科学系, 贵州六盘水 553004
2. 贵州师范大学地理与环境科学学院, 贵州贵阳 550001

收稿日期:2010-11-10 修回日期:2011-01-18 出版日期:2012-03-25 发布日期:2012-03-25
作者简介:
作者简介：马士彬（1982-）,男,黑龙江齐齐哈尔人,讲师,研究方向为环境遥感与信息系统。E-mail:msb88.com@163.com
基金资助:
贵州省科技攻关项目[黔科合GY字（2008)3022]、国家重点基础研究发展973计划项目（2006CB403200）、贵州省教育厅自然科学项目（黔教科2010098）资助

Auto-classification of Landform in Karst Region Based on ASTER GDEM

Shi-bin MA¹(), Yu-lun AN²()

1.Department of Biology and Geography, Liupanshui Normal University, Liupanshui, Guizhou 553004, China
2. School of Geography and Environment, Guizhou Normal University, Guiyang, Guizhou 550001, China

Received:2010-11-10 Revised:2011-01-18 Online:2012-03-25 Published:2012-03-25

摘要/Abstract

摘要：

以30 m分辨率ASTER GDEM数据为基础,通过GIS空间分析和非监督分类的方法进行地貌基本类型的自动划分。研究结果表明：① ASTERGDEM数据能够满足1:10万比例尺下喀斯特区域的地表形态表达; ② 以流域为单位提取地形因子符合地貌发育的基本规律,提取的地形因子能客观的反应地表真实形态; ③ 采用非监督分类法能够有效的实现1:10万比例尺下地貌基本形态的定量化、自动化分类。

关键词: 地貌类型, ASTER GDEM, 空间分析, 自动划分

Abstract:

Geomorphology is one of the most important parts which constitute the elements of physical geography. Based on the GDEM of 1:100000 ASTER, the optimum analysis window was verified and topographic factors were extracted in the unit of drainage area. With GIS spatial analysis and unsupervised classification, the general geomorphologic types in Karst Region were auto-classified. The study results indicate: (1) DEM at the scale of 1:100000 can fill the requirements to express the configuration of earth surface on meso-scale. (2) It confirms the basic regulation to select the analysis window and extract topographic factors taking the drainage area as a unit. Topographic factors extracted can reflect the actual configuration of earth surface more impersonally. (3) Multi-spectral image is combined with topographic factors. With the method of ISODATA unsupervised classification, it can implement the quantification of the general geomorphologic types and automatic classification effectively on meso-scale. The precision of the data extracted can meet the demands of computer automatic classification. These experimental results improve the application of ISODATA unsupervised classification in the automatic classification of geomorphology.

Key words: geomorphic type, ASTER GDEM, spatial analysis, auto-classification

中图分类号:

P931/TP75

马士彬, 安裕伦. 基于ASTER GDEM数据喀斯特区域地貌类型划分与分析[J]. 地理科学, 2012, 32(3): 368-373.

Shi-bin MA, Yu-lun AN. Auto-classification of Landform in Karst Region Based on ASTER GDEM[J]. SCIENTIA GEOGRAPHICA SINICA, 2012, 32(3): 368-373.

图/表 9

图1

图2

表 1

表2

表3

图3

图4

表4

表5

参考文献 25

[1]	苏时雨,李钜章.地貌制图[M].北京:测绘出版社,1999.
[2]	P A Burrough, P F M van Gaans, R A Mac Millan. High resolution landform classification using fuzzy k-means[J].Fuzzy Sets and Systems, 2000, (1l3):37-52.
[3]	刘爱利,汤国安.中国地貌基本形态DEM 的自动划分研究[J].地球信息科学,2006,8(4):8~14.
[4]	R A Mac Millan, R Keith Jones,David H.Mc Nabb.Defining a hierarchy of spatial entities for environmental anasis and modeling using digital elevation models[J].DEM Computers,Environment and Urban Systems,2004,(28):175-200.
[5]	汤国安,杨玮莹,杨昕,等.对 DEM 地形定量因子挖掘中若干问题的探讨[J].测绘科学,2003,28(1):28~32.
[6]	朱红春,陈楠,刘海英,等.自 1:10000比例尺 DEM 提取地形起伏度——以陕北黄土高原的实验为例[J].测绘科学,2005,30(4):86~88.
[7]	龙恩,程维明,周成虎,等.基于Srtm-DEM与遥感的长白山基本地貌类型提取方法[J].山地学报,2007,25(5):557~565.
[8]	肖飞,张百平,凌峰,等.基于DEM 的地貌实体单元自动提取方法[J].地理研究,2008,27(2):459~466.
[9]	赵洪壮,李有利,杨景春,等.基于DEM数据的北天山地貌形态分析[J].地理科学,2009,29(3):445~449.
[10]	贵州省农业区划办编.贵州省农业地貌区划[M].贵阳:贵州人民出版社,1989.
[11]	周启明,刘学军.数字地形分析[M].北京:科学出版社,2006:29~200.
[12]	俞雷,刘洪斌,武伟.基于DEM 的重庆三峡库区水系提取试验研究[J].地理科学,2006,26(5):616~621.
[13]	周德民,程进强,熊立华.基于DEM的洪泛平原湿地数字水系提取研究[J].地理科学,2008,28(6):776~781
[14]	汤国安,刘学军,闾国年.数字高程模型及地学分析的原理与方法[M].北京:科学出版社,2005:207~231.
[15]	陶旸,汤国安,王春,等. DEM地形信息量计算的不确定性研究[J].地理科学,2010,30(2):398~402.
[16]	汤国安,杨昕. ARCGIS地理信息系统空间分析实验教程[M].北京:科学出版社,2006.
[17]	徐汉明,刘振东.中国地势起伏度最佳统计单元的求证[J].湖北大学学报(自然科学版),1990,12(3):266~271.
[18]	徐汉明,刘振东.中国地势起伏度研究[J].测绘科学,1991,20(4):311~319.
[19]	李阳兵,王世杰,程安云,等.基于网格单元的喀斯特石漠化评价研究[J].地理科学,2010,30(1): 98~102.
[20]	高玄彧. 地貌基本形态的主客分类法[J].山地学报,2004,33(3):261~266.
[21]	周毅,汤国安,王春.基于高分辨率DEM的黄土地貌正负地形自动分割技术研究[J].地理科学,2010,30(3):261~266.
[22]	徐建华. 现代地理学中的数学方法(第二版)[M].北京:高等教育出版社,2002.
[23]	方红亮,黄绚.地学应用中的遥感图像处理若干问题的分析[J].地理研究,1997,16(2):96~104.
[24]	党安荣,王晓栋,陈晓峰,等. ERDAS IMAGINE 遥感图像处理方法[M].北京:清华大学出版社,2003
[25]	赵英时. 遥感应用分析原理与方法[M].北京:科学出版社,2003.

流域号	最佳分析窗口大小（栅格数）	DEM标准差
1	50×50	277.99
2	40×40	223.77
3	40×40	208.61
4	46×46	238.59
5	46×46	241.91
6	40×40	208.72
7	46×46	241.29
8	50×50	260.8

地貌分类	次级地貌分类	分类指标		注释
地貌分类	次级地貌分类	相对高度（m）		绝对高度（m）
盆（坝）地	低盆（坝）地		0~900	盆底坡度<5°
	中盆（坝）地	<30	900~1900
	高盆（坝）地		>1900
丘陵	低丘		>900
	中丘	30~200	900~1900
	高丘		>1900
低山	-	>200	0~900
中山	低中山		900~1400
	中中山	>200	1400~1900
	高中山		>1900

	高程	坡度	全累计变率	坡度变率	DEM晕渲图	地形起伏度	地表切割深度	地表粗糙度	高程变异系数
高程	1.000
坡度	-0.136	1.000
全累计变率	0.207	0.088	1.000
坡度变率	-0.203	0.247	-0.012	1.000
DEM晕渲图	0.048	0.005	-0.013	-0.108	1.000
地形起伏度	-0.385	0.476	0.011	0.180	-0.110	1.000
地表切割深度	-0.202	0.329	0.019	0.244	-0.079	0.901	1.000
地表粗糙度	-0.273	0.931	0.057	0.490	-0.194	0.417	0.296	1.000
高程变异系数	-0.557	0.374	-0.001	0.311	-0.124	0.885	0.640	0.320	1.000

	中盆(坝）地	高盆（坝）地	中丘	高丘	低中山	中山	高中山	总和
中盆（坝）地	16	0	13	0	4	0	0	33
高盆（坝）地	0	25	0	6	0	0	0	31
中丘	3	0	28	0	6	6	0	43
高丘	4	6	0	24	2	1	5	42
低中山	1	0	0	0	41	3	2	47
中山	3	1	3	2	2	73	3	87
高中山	0	1	1	0	2	5	48	57
总精度=75%

	制图精度		漏分误差		用户精度		错分误差
	ASTERGDEM	srtm-DEM	ASTERGDEM	srtm-DEM	ASTERGDEM	srtm-DEM	ASTERGDEM	srtm-DEM
中盆（坝）地	39.39	37.5	60.61	62.5	54.17	30	45.83	70
高盆（坝）地	48.39	80	51.61	20	65.22	40	34.78	60
中丘	65.12	65.12	34.88	34.88	59.57	70	40.43	30
高丘	57.14	45.24	42.86	54.76	61.54	82.61	38.46	17.39
低中山	87.23	82.98	12.77	17.02	71.93	76.47	28.07	30.77
中山	83.91	80.46	16.09	19.54	80.22	76.92	19.78	23.08
高中山	84.21	78.95	15.79	21.05	82.76	70.31	17.24	29.69

基于ASTER GDEM数据喀斯特区域地貌类型划分与分析

Auto-classification of Landform in Karst Region Based on ASTER GDEM

RichHTML

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 25

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	王波, 甄峰, 孙鸿鹄. 基于社交媒体签到数据的城市居民暴雨洪涝响应时空分析[J]. 地理科学, 2020, 40(9): 1543-1552.
[2]	王怡菲, 姚顺波, 邓元杰. 渭河流域水土流失治理效率的时空格局演化与影响因素[J]. 地理科学, 2019, 39(5): 836-846.
[3]	钟业喜, 傅钰, 郭卫东, 邱静. 中国上市公司总部空间格局演变及其驱动因素研究[J]. 地理科学, 2018, 38(4): 485-494.
[4]	李鹏, 虞虎, 王英杰. 中国3A级以上旅游景区空间集聚特征研究[J]. 地理科学, 2018, 38(11): 1883-1891.
[5]	赵国梁, 郑新奇, 刘飞, 刘东亚. 基于路网分割的京津冀城乡空间识别及特征分析[J]. 地理科学, 2017, 37(8): 1159-1169.
[6]	高更和, 罗庆, 樊新生, 李二玲, 李小建. 中国农村人口省际流动研究——基于第六次人口普查数据[J]. 地理科学, 2015, 35(12): 1511-1517.
[7]	张莉, 陆玉麒. 基于可达性的中心地体系的空间分析[J]. 地理科学, 2013, 33(6): 649-658.
[8]	陈培阳, 朱喜钢. 中国区域经济趋同：基于县级尺度的空间马尔可夫链分析[J]. 地理科学, 2013, 33(11): 1302-1308.
[9]	程乾, 凌素培. 中国非物质文化遗产的空间分布特征及影响因素分析[J]. 地理科学, 2013, 33(10): 1166-1172.
[10]	周素红, 郑重, 柳林. 城市交通消散期事故高峰现象及成因[J]. 地理科学, 2012, 32(6): 649-657.
[11]	刘霄泉, 孙铁山, 李国平. 基于局部空间统计的产业集群空间分析——以北京市制造业集群为例[J]. 地理科学, 2012, 32(5): 530-535.
[12]	王丽, 曹有挥, 刘可文, 王聪. 高铁站区产业空间分布及集聚特征——以沪宁城际高铁南京站为例[J]. 地理科学, 2012, 32(3): 301-307.
[13]	赵永, 孔云峰. 地理学“空间分析导论”课程设置研究[J]. 地理科学, 2011, 31(9): 1090-1096.
[14]	宋志军, 刘黎明. 北京市城郊农业区多功能演变的空间特征[J]. 地理科学, 2011, 31(4): 427-433.
[15]	胡珂, 莫多闻, 毛龙江, 李水城, 王辉, 曹炜, 张翼飞. 无定河流域全新世中期人类聚落选址的空间分析及地貌环境意义[J]. 地理科学, 2011, 31(4): 415-420.