一种基于数字高程模型的坡形提取与识别方法
【技术领域】
[0001]本发明涉及地理信息领域。
【背景技术】
[0002]坡形是一种重要的地形特征，也是影响滑坡发育的决定性因素，因此无论是在滑坡预测还是在土地评价中，都会涉及到坡形的提取。而如今最常用的地形信息获取数据源就是数字高程模型(以下简称DEM)，它是地表形态高程属性的数字化表达。
[0003]目前，随着GIS技术的飞速发展，利用DEM作为信息源，提取各种地形定量因子，例如坡度、坡向、地表曲率、地形起伏度、地表粗糙度等，已经成为十分成熟的技术。然而，坡形的提取却由于其无法准确定量化计算且存在大量不确定性因素等原因一直被研宄者所回避。
【发明内容】
[0004]本发明的目的是提供一种利用DEM作为数据源提取各种坡形分类信息的方法。
[0005]为实现本发明目的，其具体的技术方案为:
[0006]一种基于数字高程模型的坡形提取与识别方法，包括如下步骤:
[0007]步骤1.将所测区域的DEM利用地表水文分析提取出的汇水线与分水线(即山谷和山脊线)所形成的集水流域，划分为若干个斜坡单元；
[0008]步骤2.对于每一个斜坡单元，从单元内所有高程数据点中找出高程最大的一个点，当高程最大的点不止一个时可任取一个；
[0009]步骤3.在每一个斜坡单元内，利用单元内所有数据点的高程值做出斜坡在单元范围内的所有等高线，数据点不足时需要进行插值处理，等高线越密最终所得到的坡形结果越准确；
[0010]步骤4.以步骤2中得出的高程最大点为起点，从高到低依次找出下一条等高线上的一个点，使之与找出的上一点距离最近，所有找到点的连线可称为斜坡的一条最陡路径；
[0011]步骤5.将步骤4中找到的每个点放置于直角坐标系中，以每个点的高程值作为纵坐标，每两个相邻点的横坐标间隔为它们之间的水平距离差。连接直角坐标系中各点即可得到可以合理表达坡形的斜坡纵剖面曲线；
[0012]步骤6.将步骤5中直角坐标系内的所有点拟合成一个三次函数曲线的一部分，并找出这个三次函数的极值点与拐点；
[0013]步骤7.如果步骤6所拟合出的曲线上靠近两端点的某一指定范围内存在极值点，则舍去极值点与端点之间所有的点；
[0014]步骤8.经步骤7处理后的曲线上，靠近中点的某一指定范围内如果存在拐点，则以拐点为分界点，判断:(1)如果拐点以上部分的两个端点纵坐标平均值与中点纵坐标值之差大于某一特定参数R(R为正)，拐点以下部分的中点纵坐标值与两个端点纵坐标平均值之差大于参数R，则识别结果为上凹下凸形坡；(2)如果拐点以上部分的两个端点纵坐标平均值与中点纵坐标值之差大于参数R，拐点以下部分的中点纵坐标值与两个端点纵坐标平均值之差不大于参数R，则识别结果为凹形坡；(3)如果拐点以上部分的中点纵坐标值与两个端点纵坐标平均值之差大于参数R，拐点以下部分的两个端点纵坐标平均值与中点纵坐标值之差大于参数R，则识别结果为上凸下凹形坡；(4)如果拐点以上部分的中点纵坐标值与两个端点纵坐标平均值之差大于参数R，拐点以下部分的两个端点纵坐标平均值与中点纵坐标值之差不大于参数R，则识别结果为凸形坡；(5)如果拐点以上部分的中点纵坐标值与两个端点纵坐标平均值之差的绝对值不大于参数R，拐点以下部分的两个端点纵坐标平均值与中点纵坐标值之差大于参数R，则识别结果为凹形坡；(6)如果拐点以上部分的中点纵坐标值与两个端点纵坐标平均值之差的绝对值不大于参数R，拐点以下部分的中点纵坐标值与两个端点纵坐标平均值之差大于参数R，则识别结果为凸形坡；(7)如果拐点以上部分的中点纵坐标值与两个端点纵坐标平均值之差的绝对值不大于参数R，拐点以下部分的中点纵坐标值与两个端点纵坐标平均值之差的绝对值也不大于参数R，则识别结果为平坡；
[0015]步骤9.经步骤7处理后的曲线上，靠近中点的某一指定范围内如果不存在拐点，则判断:(1)如果两个端点纵坐标平均值与中点纵坐标值之差大于某一特定参数Hr为正)，则识别结果为凹形坡；(2)如果中点纵坐标值与两个端点纵坐标平均值之差大于参数r，则识别结果为凸形坡；(3)如果中点纵坐标值与两个端点纵坐标平均值之差的绝对值不大于参数r，则识别结果为平坡。
[0016]本发明的有益效果在于:
[0017](I)在划分了斜坡单元的基础上提取坡形，而非网格单元，使得最终得出的坡形分布结果更加准确，避免了一个单元内包含多个斜坡的情况；
[0018](2)利用等高线的原理找到斜坡的最陡路径，以此获得纵剖面曲线，而非以直线路径获得纵剖面曲线，这样可以比较合理的反映出斜坡的真实坡形；
[0019](3)运用三次函数拟合的方法识别坡形，可以在保证贴近真实情况的同时，较好地将主观过程转化为数学计算，并且可以较好的把握住斜坡的整体坡形，而不被小范围内的坡形变化所影响；
[0020](4)本发明可以完整地识别出出各种坡形情况，无论简单的凹凸平坡还是复杂的“S”形坡。还可以根据需要设定参数来主观控制识别过程，这些都使得最终识别结果更加准确。
【附图说明】
[0021]图1为本发明的流程图。
[0022]图2为本发明的计算机操作流程图。
[0023]图3为本发明提供的方法对某斜坡生成的最陡路径示意图。
[0024]图4为本发明提供的方法对某斜坡生成的纵剖面线及坡形识别结果示意图。
[0025]图5为本发明提供的方法在某村镇提取的坡形分类示意图。
【具体实施方式】
[0026]下面结合附图和实施例对本发明的具体实施方法作进一步说明，但不应该理解为本发明范围仅限于下述实施例。在不脱离本发明上述方法的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。
[0027]如图2所示，为利用本发明的实施方法编织出的计算机程序流程图，具体实施步骤包括:
[0028](I)利用GIS软件中的水文分析工具，分别提取出正地形和反地形的汇水线与分水线，然后把生成的集水流域与反向集水流域融合，再经后期修改不合理的单元，最终得到所测区域的斜坡单元划分结果；
[0029](2)将GIS软件中DEM的高程值与xy坐标值均提取至鱼网点，同时将每个鱼网点所处斜坡单元的编号一并提取至鱼网点，最后将鱼网点数据导出；
[0030](3)由于GIS软件无法处理较为复杂的计算过程，因此需要借助二次开发编程实现，可以选择Python、C等各种计算机语言。本实施例选择应用Matlab计算软件。将导出的数据通过read函数导入至Matlab ；
[0031](4)应用循环语句依次提取出每个单元编号下所有的鱼网点数据，之后的步骤5到12均是以一个单元内的点为操作对象进行的；
[0032](5)找出单元内所有点中