ساخت و تحلیل اسکلت زمین در فلات لس شمال شانشی

یک اسکلت زمین، ساختار کلی و ویژگی های زمین را تعیین می کند و نشان دهنده وجود ویژگی های زمینی قابل توجه، مانند پشته ها و دره ها است. نقش مهمی در بازنمایی و بازسازی زمین، تحلیل هیدرولوژیکی حوضه های آبخیز و سایر مطالعات علمی و کاربردهای مهندسی ایفا می کند. مطالعات قبلی در مورد اسکلت زمین عمدتاً بر استخراج اسکلت های زمین متمرکز شده است و تأثیر مهم آنها بر تجزیه و تحلیل زمین را نادیده می گیرد. بنابراین، این کار یک اسکلت زمین جدید را پیشنهاد می‌کند که شامل سه نوع نقطه اسکلت زمین و دو نوع خطوط اسکلت زمین است. نقاط کنترل زمین گره های قله، زین و دره هستند، در حالی که خطوط اسکلت زمین، خطوط اتصال قله ها و زین ها و خطوط اتصال زین ها و گره های دره هستند. اسکلت زمین نقاط کنترل زمین جدا شده را به یکدیگر متصل می کند. ساختار داده طراحی شده است و سه شاخص تجزیه و تحلیل، یعنی شاخص نزدیکترین همسایه، شاخص اتصال توپولوژیکی و شاخص شکل منظر انتخاب شده است. نتایج نشان می دهد که سه شاخص انتخاب شده می توانند ساختار فضایی اسکلت زمین را منعکس کنند و توسعه شکل زمین را تا حد معینی توصیف کنند. مناطق مختلف از یک شکل زمین، مانند دو منطقه نمونه در شهرستان شنمو، تغییراتی را نشان می دهند. نتایج نشان می دهد که سه شاخص انتخاب شده می توانند ساختار فضایی اسکلت زمین را منعکس کنند و توسعه شکل زمین را تا حد معینی توصیف کنند. مناطق مختلف از یک شکل زمین، مانند دو منطقه نمونه در شهرستان شنمو، تغییراتی را نشان می دهند. نتایج نشان می دهد که سه شاخص انتخاب شده می توانند ساختار فضایی اسکلت زمین را منعکس کنند و توسعه شکل زمین را تا حد معینی توصیف کنند. مناطق مختلف از یک شکل زمین، مانند دو منطقه نمونه در شهرستان شنمو، تغییراتی را نشان می دهند.

کلید واژه ها:

اسکلت زمین ; مدل دیجیتال ارتفاع ; فلات لس ؛ شاخص نزدیکترین همسایه ; شاخص اتصال توپولوژیکی ; شاخص شکل منظره

۱٫ مقدمه

شکل گیری اسکلت زمین بر ساختار کلی و ویژگی های زمین تأثیر می گذارد و حلقه کنترل کننده در توصیف ساختار مورفولوژیکی و شکل گیری زمین است [ ۱ ، ۲ ، ۳ ]. یک اسکلت زمین نشان‌دهنده وجود ویژگی‌های زمینی قابل‌توجهی است، مانند پشته‌ها و دره‌ها [ ۴ ، ۵ ] که خطوط جداکننده توپوگرافی کوه‌ها هستند. اسکلت زمین نقش مهمی در بازنمایی و بازسازی زمین [ ۶ ، ۷ ]، شناسایی و طبقه بندی انواع شکل زمین، و توپوگرافی و تحلیل ژئومورفولوژی [ ۸ ] ایفا می کند.

اسکلت زمین شامل ویژگی های توپوگرافی مختلف مانند قله ها، زین ها، پشته ها و دره ها است. مطالعات زیادی در مورد استخراج نقاط کنترل زمین [ ۹ ] انجام شده است، از جمله روش مقایسه ارتفاع-تفاوت موضعی [ ۱۰ ، ۱۱ ]، روش ریاضی برازش سطح [ ۱۲ ] و روش شبیه سازی رواناب [ ۱۳ ، ۱۴ ]. استخراج پشته ها و دره ها، که به عنوان دو خط ویژگی مهم زمین، نگرانی های گسترده ای را برانگیخته است. تانگ این روش ها را بر اساس منابع داده و اصول الگوریتم طبقه بندی کرد [ ۱۵ ]. روش ها را می توان به روش های مبتنی بر کانتور تقسیم کرد [ ۴ ، ۱۶ ،۱۷ ]، روش‌های مبتنی بر مثلث‌سازی نامنظم [ ۱۸ ، ۱۹ ]، روش‌های مبتنی بر شبکه منظم [ ۲۰ ، ۲۱ ، ۲۲ ، ۲۳ ]، و روش‌های مبتنی بر ابر نقطه لیزری [ ۲۴ ] بر اساس منابع داده‌های مختلف. در همین حال، روش‌هایی مبتنی بر تحلیل جهت جریان سطح زمین [ ۲۵ ]، فناوری پردازش تصویر [ ۲۲ ، ۲۶ ]، تجزیه و تحلیل هندسه سطح [ ۲۰ ، ۲۷ ] و ترکیبی از تجزیه و تحلیل هندسه سطح زمین و تحلیل شبیه‌سازی فیزیکی جریان وجود دارد. اصول مختلف الگوریتم [ ۲۸ ، ۲۹].

اگرچه انواع مختلفی از ویژگی های اسکلت زمین را می توان با روش های مختلف موجود استخراج کرد، بازسازی رابطه فضایی بین ویژگی ها هنوز چالش برانگیز است. ویژگی های توپوگرافی افراد مستقل نیستند، بلکه یک کلیت در یک لندفرم مشخص هستند. یک اسکلت زمین نه تنها از ویژگی های توپوگرافی، بلکه از رابطه فضایی بین آنها نیز تشکیل شده است. اسکلت زمین تلاش می کند تا ویژگی های تکامل شکل زمین را بدون رابطه فضایی نشان دهد. برخی از تحقیقات خط الراس و دره را به عنوان یکی برای تحقیق و استخراج در نظر می گیرند و تجزیه و تحلیل نتایج را غیرممکن می کنند [ ۴ ، ۲۳ ، ۳۰ ، ۳۱ ].]. چن و همکاران تجزیه و تحلیل اسکلت را با استفاده از درجه بندی خط برآمدگی بر اساس مدل ساختار درختی گسترش داد، که می تواند به درستی ویژگی توپوگرافی را منعکس کند [ ۳۲ ]. با این حال، تنها خطوط برآمدگی در اسکلت زمین گنجانده شد و تحلیل عمیق‌تری از اسکلت زمین در این کار وجود نداشت.

تعداد معینی از نقاط ویژگی توپوگرافی، گره اسکلت کلی زمین را تعیین می کند، و خط ویژگی توپوگرافی، خط کنترل ساختار مورفولوژی توپوگرافی را تشکیل می دهد. این دو با هم تعامل دارند و به طور مشترک ساختار کلی زمین را کنترل می کنند و در نتیجه یک شکل توپوگرافی منحصر به فرد ایجاد می کنند. این مطالعه با هدف: (۱) توسعه روشی برای بازسازی یک اسکلت زمین با در نظر گرفتن روابط ویژگی‌های اسکلت. و (۲) تجزیه و تحلیل ویژگی های اسکلت زمین در فلات لس شمالی استان شانشی، چین.

۲٫ مواد و روشها

۲٫۱٫ منطقه مطالعه

منطقه مورد مطالعه در فلات Loess در شمال و میانی استان Shaanxi در چین قرار دارد که یک ژئومورفولوژی پیچیده است که توسط فرسایش شدید آبی و بادی تشکیل شده است. این منطقه مرکزی فلات لس با مساحت ۹۲۵۰۰ کیلومتر مربع ^است که با لس های ضخیم پوشانده شده و خندق ها و شیب های تند زیادی در سطح ایجاد می کند. دامنه ارتفاع از ۳۱۸ تا ۳۴۱۰ متر است. ضخامت پوشش لس به تدریج از شمال به جنوب با دامنه تقریباً ۵۰-۲۰۰ متر افزایش می یابد [ ۳۳ ]. شکل ۱ زمین فلات لس در شمال شانشی را نشان می دهد که در شمال غربی مرتفع و در جنوب شرقی پست است.

۲٫۲٫ داده های DEM مناطق نمونه

به دلیل دشواری به دست آوردن داده های DEM با وضوح بالا که کل منطقه مورد مطالعه را پوشش می دهد، انتخاب مناطق نمونه معمولی برای تجزیه و تحلیل ضروری است. بنابراین، لندفرم های معمولی باید انتخاب شوند. لی و همکاران شکل زمین این منطقه را بر اساس پروفیل های مرزی حوضه و روش طبقه بندی بدون نظارت (که از این پس به عنوان روش تقسیم مبتنی بر CBP نامیده می شود) طبقه بندی کرد [ ۳۴ ]. لندفرم ها با مساحت بزرگ و ویژگی های اسکلت توپولوژیکی متمایز انتخاب شدند. سپس DEM ها برای تجزیه و تحلیل تفاوت ها در داخل و بین شکل های زمین انتخاب شدند.

این مطالعه از DEM (مدل ارتفاعی دیجیتال) با وضوح ۵ متر و دقت عمودی ۳٫۳ متر از ۱۳ منطقه نمونه ( شکل ۲ ) استفاده کرد که با درون یابی خطوط نقشه های توپوگرافی ۱:۱۰۰۰۰ و نقاط ارتفاع از تصویر هوایی از طریق فتوگرامتری [ ۳۵ ] . خطوط خطوط و نقاط ارتفاعی ابتدا برای تولید یک داده TIN استفاده شد. سپس TIN با درونیابی به DEM شبکه تبدیل شد. داده های DEM از اداره ملی نقشه برداری، نقشه برداری و اطلاعات جغرافیایی چین بود. یک کوه نسبتا کامل تا حد امکان به عنوان داده های آزمایشی برای هر منطقه نمونه انتخاب شد، با خطوط دره به عنوان مرز. اطلاعات خاص مناطق در جدول ۱ ارائه شده است. در هر منطقه نمونه، نقاط کنترل زمین، و خطوط اسکلت زمین استخراج خواهد شد، یک اسکلت زمین ساخته خواهد شد، و نتایج شاخص کمی محاسبه خواهد شد.

۲٫۳٫ روش

۲٫۳٫۱٫ استخراج نقاط کنترل زمین

اوج

قله کوه به بالاترین نقطه ارتفاع در منطقه محلی اشاره دارد [ ۳۶ ]. سطح مقطع آن در تمام جهات محدب است [ ۳۷ ]. روش های متداول استخراج عبارتند از روش مقدار شدید ارتفاع سطح مقطع [ ۳۸ ] و روش مقایسه اختلاف ارتفاع محلی [ ۱۰ ]. با این حال، نتیجه استخراج به دلیل تأثیر خطای زمین و دامنه ناراضی است. چن و همکاران خطوط کانتور بسته ترکیبی بر اساس تحلیل پنجره برای شناسایی و جداسازی شبه پیک در روش بهبود یافته خود [ ۳۹ ]. روش‌های استخراج قله‌های موجود در مناطق کوهستانی و تپه‌ای کاربرد خوبی دارند، اما در برخی از مناطق پیچیده نه.

در جغرافیا، کوه به ارتفاعات با شیب تند اطلاق می شود که ارتفاع آن بیشتر از ۵۰۰ متر و دامنه نسبی آن بیش از ۲۰۰ متر است [ ۴۰ ]. گو یک مدل استخراج قله را بر اساس حداکثر آستانه نوسان مطابق با ویژگی مورفولوژیکی زمین بر اساس مفهوم کوه ایجاد کرد [ ۴۱ ]. ارزش کاربرد بالایی دارد زیرا نتایج استخراج شده از پیک ها مطابق با امداد واقعی است. بنابراین از روش گو برای تکمیل استخراج دقیق پیک استفاده شده است.

۲٫: زین اسب

زین ناحیه زمینی ملایم با شکل زین بین دو کوه مجاور و محل تلاقی خطوط خط الراس و دره است. بین دو قله کوه واقع شده است و توسط روندهای زمین محدود شده است [ ۳۷ ، ۴۲ ]. متداول ترین روش برای استخراج نقاط زین، تنظیم یک پنجره تحلیل متحرک بر اساس DEM است [ ۴۳ ، ۴۴ ، ۴۵ ]. این روش با اندازه پنجره تجزیه و تحلیل محدود است و تخمین تغییرات کلی زمین را دشوار می کند و نویز زیاد و دقت نتیجه ضعیفی دارد.

موقعیت ناحیه زینی را می توان با کمک رابطه فضایی توپولوژیکی خطوط کانتور به وضوح شناخت. وو و همکاران از رابطه توپولوژیکی فضایی خطوط کانتور برای یافتن سطح کانتوری که توسط دو خط کانتور مجاور تشکیل شده است در جایی که نقطه زینی قرار دارد و برای به دست آوردن نقطه زینی که نقطه تلاقی یا نقطه میانی خط متقاطع محور مرکزی است استفاده کرد. سطح کانتور [ ۴۶ ]. این روش تأثیر اندازه پنجره تحلیل را حذف می کند. بر این اساس، نتایج استخراج شده از دقت بالایی برخوردار است. بنابراین از روش وو برای استخراج زین در این کار استفاده شده است.

۳٫: گره دره

نقطه دره به منطقه تقاطع رودخانه های مختلف در یک حوضه اشاره دارد که می تواند منعکس کننده خصوصیات مورفولوژیکی و اطلاعات داخلی واحد حوضه باشد. این نقطه شامل نقاط سر خندق و نقاط ملاقات رودخانه است. در این کار، نقاط سر خندق برداشته شده و نقاط ملاقات رودخانه برای ساختن اسکلت زمین رها شده است.

روش استخراج گره های دره، تجزیه و تحلیل هیدرولوژیکی را مطابق با الگوریتم تک جریانی D8 بر اساس داده های DEM، که از مقبولیت عمومی بالایی برخوردار است، تطبیق می دهد [ ۴۷ ، ۴۸ ، ۴۹ ].

۲٫۳٫۲٫ استخراج خطوط اسکلت زمین

اتصال قله ها و زین ها

الگوریتم D8 قابل اجرا نیست زیرا نقطه زین نقطه ای در مسیر جریان نیست که از نقطه اوج شروع می شود. ما از یک الگوریتم anti-D8 استفاده می کنیم، که روشی برای یافتن نقطه اوج از نقطه زین به بالا برای اتصال نقاط زین و پیک است ( شکل ۳). ردیف و ستون شطرنجی نقطه اوج و زین بردار ثبت شد. یک پنجره ۳ × ۳ با مرکز یک نقطه زینی عرضی بود، حداکثر مقدار در پنجره انتخاب شد، و شبکه ای که حداکثر مقدار در آن قرار دارد به عنوان شبکه کانتر برای پیمایش خالص انتخاب شد. با رسیدن به شبکه با نقطه اوج، پیمایش متوقف شد و الگوریتم خاتمه یافت. نتیجه اتصال یک شطرنجی است که به عملیات خاصی مانند نمایش مقدار منحصر به فرد، طبقه بندی مجدد و تبدیل شبکه به چند خط و قبل از به دست آوردن خطوط اتصال برداری نیاز دارد.

برجستگی ها و فرورفتگی های محلی را می توان در داده های زمین به دلیل کیفیت داده های DEM مشاهده کرد. بر این اساس، مثلث‌های مسطح بیشتر در پشته‌ها، دره‌ها و نواحی بالای کوه ظاهر می‌شوند و باعث می‌شوند که الگوریتم بازگشتی از کار بیفتد زیرا نمی‌تواند مقداری بزرگ‌تر از شبکه مرکزی در پنجره ۳×۳ پیدا کند ( شکل ۴ a). بنابراین، ما باید قبل از اجرای الگوریتم ضد D8 فوق، مثلث های مسطح را حذف کنیم ( شکل ۴ ب، [ ۵۰ ]).

۲٫: اتصال زین ها و نقاط دره

ارتباط بین نقطه زین و گره دره با استفاده از الگوریتم D8 قابل تحقق است. نزدیکترین نقطه خندق در حوضه حوضه در امتداد جهت جریان آب تعیین شده و با نقطه زینی به عنوان کانتر متصل می شود و گره دره پایین دست با توجه به مسیر جریان آب استخراجی متصل می شود. با این حال، یک نقطه زین در خط مرزی حوضه است که دارای دو حوضه در دو طرف است ( شکل ۵ ). یک نقطه زینی باید گره های دره را در هر دو طرف به طور همزمان به هم متصل کند.

یک حائل برای نقطه زینی تنظیم شد تا نقاط زینی و دره در حوضه های آبریز در دو طرف مشخص شود و ارتباط فضایی بین نقطه زینی و حوضه های مجاور با رابطه همپوشانی بین آنها به دست آید. سپس، یک شبکه در هر یک از مناطق بافر در دو طرف انتخاب می شود و به عنوان شبکه مرکزی برای یافتن حداقل مقدار در پنجره ۳ × ۳ طبق الگوریتم D8 در نظر گرفته می شود. ما به تراورس با حداقل شبکه به عنوان مرکز ادامه می دهیم تا یک نقطه خندق با جهت جریان آب پیدا کنیم و در نهایت گره دره پایین دست را به هم وصل کنیم. این روش برای اتصال همان نقطه زینی به گره دره در حوضه آبریز در طرف دیگر استفاده می شود. نتیجه اتصال یک شطرنجی است که نیاز به عملیات دارد و مانند نتایج اتصال پیک و زین است.

۲٫۳٫۳٫ بازسازی اسکلت زمین

پس از تکمیل استخراج نقاط کنترل زمین و اتصال خطوط اسکلت زمین، یک ساختار داده برای نشان دادن اسکلت کامل زمین به شرح زیر طراحی می شود:

نقطه: ID (شماره شاخص)، Z_value (ارتفاع نقطه)، موج (ارتفاع نقطه)، نوع (نوع نقطه).

Connect_line: شناسه (شماره شاخص)، نوع (نوع چند خط)، Strat_node (گره شروع چند خط اتصال)، End_node (گره انتهایی چند خط اتصال)، طول (طول چند خط).

انواع نقطه شامل گره قله، زین و دره است. اگر نوع نقطه اوج باشد، فیلد ارتفاع باید مقدار داشته باشد، در غیر این صورت مقدار ۹۹۹۹- است. انواع پلی لاین شامل خط اتصال نقاط قله و زین و خط اتصال نقاط زین و دره می باشد. این ساختار داده برای ذخیره نقاط کنترل زمین استخراج شده و خطوط ویژگی زمین برای تکمیل تجزیه و تحلیل اسکلت زمین بعداً استفاده شد.

۲٫۳٫۴٫ شاخص های تجزیه و تحلیل اسکلت زمین

اسکلت زمین یک ابزار مهم برای تقسیم انواع لندفرم در تجزیه و تحلیل کمی است. تحلیل فضایی شامل هفت جهت است: توزیع فضایی، فرم فضایی، فضایی، مکان، شباهت فضایی، توپولوژی فضایی، فاصله مکانی و همبستگی فضایی. این جنبه ها باید هنگام انتخاب شاخص های تجزیه و تحلیل در نظر گرفته شوند تا از منطقی بودن تجزیه و تحلیل نتیجه اطمینان حاصل شود [ ۲۵ ].

تجزیه و تحلیل اسکلت زمین از سه جنبه مورد توجه قرار گرفت: نقطه، چند خط و چند ضلعی، که می تواند به طور دقیق ویژگی های لندفرم های مختلف را توصیف کند. به طور خاص، آنها ویژگی های توزیع فضایی ویژگی های نقطه، رابطه توپولوژیکی فضایی بین نقاط کنترل زمین و خطوط اسکلت زمین، و شکل فضایی الگوی مسیر چشم انداز تشکیل شده توسط حوضه ای هستند که اسکلت توپوگرافی در آن قرار دارد. بنابراین، شاخص نزدیکترین همسایه (NNI)، شاخص اتصال توپولوژیکی (TCI)، و شاخص شکل منظر (LSI) انتخاب شدند.

NNI می تواند درجه نزدیکی بین ویژگی های نقطه ای در فضای جغرافیایی را منعکس کند [ ۵۱ ]. پس از محاسبه فاصله از نقطه تا نزدیکترین نقطه، مقدار میانگین فاصله با مقدار نظری در توزیع تصادفی مقایسه می شود تا توزیع نقاط با توجه به محدوده NNI [ ۵۲ ] توصیف شود. فرمول به شرح زیر است:

(۱)

(۲)

(۳)

مقدار میانگین فاصله از نقطه تا نزدیکترین نقطه است.

میانگین نزدیکترین فاصله نقاط در توزیع تصادفی است. n تعداد نقاط است.

فاصله نقطه j تا نزدیکترین نقطه است. A مساحتی است که توسط نقاط پوشانده شده است (مساحت کوچکترین مستطیل محصور در اطراف ویژگی ها زمانی قابل استفاده است که ناحیه مشخص نشده باشد).

وقتی مقدار R برابر با یک باشد، توزیع مکانی نقاط تصادفی است. هنگامی که مقدار R بزرگتر از یک باشد، توزیع مکانی نقاط واگرا یا رقابتی است. وقتی مقدار R کمتر از یک باشد، توزیع مکانی نقاط خوشه ای است.

۲٫: TCI

TCI یک معیار مهم در مطالعه نظریه گراف است. این تفاوت در ویژگی‌های مورفولوژیکی واحدهای مختلف زمین را با محاسبه تفاوت‌های اتصالات فضایی نقاط منعکس می‌کند. TCI همچنین به طور گسترده در تجزیه و تحلیل شبکه جاده های منطقه ای استفاده می شود [ ۵۳ ، ۵۴ ]. از مفهوم اتصال شبکه جاده ترافیک [ ۵۵ ]، فرمول محاسبه TCI اسکلت زمین به شرح زیر است:

(۴)

M تعداد یال های گراف شبکه است. N تعداد نقاط موجود در اسکلت زمین است. هرچه TCI بزرگتر باشد، اتصال شبکه بهتر است. این شاخص منعکس کننده تکه تکه شدن زمین و توسعه خندق است. بر اساس اصل TCI، هر چه زمین بالغ‌تر باشد، برآمدگی‌ها و دره‌ها بیشتر و مقادیر TCI کوچک‌تر می‌شود.

۳٫: LSI

LSI مشابه شاخص شکل پچ است، اما یک شاخص تک تک نمی تواند روند تغییر الگوی چشم انداز را اندازه گیری کند [ ۵۶ ، ۵۷ ]. به مجموعه وصله نیاز دارد، یعنی چشم انداز کلی، تا به درستی به شاخص شکل منظره منعکس شود. بنابراین، LSI مورد نیاز است. LSI به طور کلی به یک دایره و یک مربع به عنوان مرجع تقسیم می شود [ ۵۸ ، ۵۹ ]. در این مطالعه از مربع به عنوان مرجع برای محاسبه تفاوت بین پچ و مربع استفاده شده است. فرمول به شرح زیر است:

(۵)

E مجموع طول خط مرزی همه تکه های منطقه است. و A مساحت کل تمام وصله ها است. هر چه مقدار LSI بزرگتر باشد شکل پیچیده تر خواهد بود.

مقدار LSI بزرگتر یا مساوی یک است. هر چه مقدار LSI به یک نزدیکتر باشد، شکل پچ بیشتر به مربع شباهت دارد. هنگامی که مقدار LSI به تدریج افزایش می یابد، شکل خطوط آن از مربع منحرف می شود و پیچیده تر می شود. می تواند منعکس کننده تکه تکه شدن واحدهای مختلف زمین و پیچیدگی ساختار فضایی باشد. هرچه پیچیده تر باشد، تکامل زمین بالغ تر است.

۳٫ نتایج و بحث

۳٫۱٫ نتایج ساخت اسکلت زمین

نقاط کنترل زمین و خطوط اسکلت زمین ۱۳ منطقه نمونه بر اساس روش ساخت اسکلت زمین پیشنهادی در بخش سوم استخراج شد و اسکلت زمین با توجه به ساختار داده ها ساخته شد. نتیجه در شکل ۶ ، شکل ۷ ، شکل ۸ ، شکل ۹ و شکل ۱۰ نشان داده شده است. بر اساس شکل اسکلت های زمین ساخته شده، تفاوت های آشکاری در ویژگی های اسکلت زمین در فرم های مختلف زمین وجود دارد.

خطوط اسکلت زمین در جنوب منطقه مورد مطالعه پراکنده و در شمال متراکم است. هر چه ناحیه نمونه شمالی تر باشد، اسکلت زمین پیچیده تر می شود. خطوط اتصال در تپه لس کوتاه تر از خط الراس لس است. شکل تپه لس، به ویژه شهرستان زیچانگ، پیچیده ترین شکل است، با بیشترین تعداد نقاط کنترل زمین. اسکلت‌های زمین شهر Yanan و شهرستان Ganquan منظم هستند و دره‌ها و برآمدگی‌های مستقیم را نشان می‌دهند.

۳٫۲٫ تجزیه و تحلیل نتایج اسکلت زمین

جدول ۲نتایج NNI سه نوع نقطه و همه نقاط را با هم نشان می دهد. انواع مختلف نقاط دارای قوانین تجمع متفاوت در این لندفرم ها هستند. تپه‌های ماسه‌ای بادی به تپه لس و خط الراس لس در جنوب شهرستان شنمو دارای بالاترین NNI قله‌ها و زین‌ها هستند، در حالی که کوه‌های میانی پوشیده از LL و لس بین‌کوهی در شهرستان لانگ شیان کمترین میزان را دارند. شهر Yanan واقع در محل اتصال تپه لس و کوه میانی پوشیده از لس دارای بالاترین NNI گره های دره است. شهرستان Wuqi و شهرستان Dingbian، که دارای شکل زمین خط الراس لس هستند، دارای حداقل NNI گره های دره هستند. وقتی همه امتیازها با هم محاسبه شوند، شهر Yanan دارای بالاترین NNI و Long County کمترین است. NNI های نقطه ای در همان ناحیه شکل زمین متفاوت هستند، مانند NNI های مشابه تپه لس، و مقادیر مختلف NNI خط الراس لس. در کل منطقه مطالعه،شکل ۱۱ ). این یافته نشان می دهد که لندفرم لس در شمال شرق منطقه مورد مطالعه بالغ تر است.

۲٫: TCI

جدول ۳ تعداد لبه ها، تعداد نقاط و مقادیر TCI 13 منطقه نمونه را نشان می دهد. حداکثر تعداد لبه ها و نقاط تپه لس مانند شهرستان زیچانگ، شهر یانان و شهرستان هنگشان است. مناطق نمونه با شکل زمین یکسان، تعداد یال ها و گره های متفاوتی را نشان می دهند. بر این اساس، اتصال تقریباً مشابه نیست و فاصله عددی ناسازگار است. شکل ۱۲ توزیع نتایج TCI را در نقشه نشان می دهد که نشان دهنده تفاوت آشکار TCI بین مناطق و روند مشابه NNI در کل منطقه مورد مطالعه است.

۳٫: LSI

جدول ۴ نتایج مقادیر LSI را در ۱۳ ناحیه نمونه نشان می دهد. این مقدار در دشت میانی ملایم پوشیده از لس، کوه میانی برجستگی معتدل پوشیده از لس، و کوه میانی پوشیده از لس و لس میان کوهی که در جنوب منطقه مورد مطالعه قرار دارند، کمترین مقدار است. سه منطقه نمونه از تپه لس دارای حداکثر LSI هستند. LSIهای دو منطقه نمونه، جنوب شهرستان شنمو و جنوب شرقی شهرستان شنمو، در تپه های شنی بادی تا تپه لس و خط الراس لس متفاوت است. در همان لندفرم خط الراس لس، مقدار LSI شهرستان دینگبیان نسبتاً کوچکتر است. شکل پچ با افزایش LSI پیچیده تر می شود. به طور خاص، توسعه تپه لس پیچیده ترین است، پس از آن خط الراس لس، کوه میانی و دشت در جنوب کمترین رشد را دارد. شکل ۱۳توزیع فضایی نتایج LSI را نشان می دهد.

نتایج سه شاخص تفاوت‌های منطقه‌ای آشکار در توپوگرافی فلات لس در شمال شانشی را نشان می‌دهد. با این حال، هنوز تفاوت هایی در مناطق مختلف از یک لندفرم در انواع لندفرم طبقه بندی شده توسط Li وجود دارد. ارزش دو منطقه نمونه در شهرستان شنمو مشابه نیست، که متعلق به تپه های شنی بادی به تپه لس و لندفرم پشته لس است. ارزش NNI شهرستان ژیدان کاملاً با شهرستان ووکی و شهرستان دینگبیان متفاوت است. ارزش TCI شهرستان Qingjian بسیار کوچکتر از دو منطقه نمونه دیگر در شکل زمین تپه Loess است.

۴٫ نتیجه گیری

اسکلت زمین نشان دهنده وجود ویژگی های زمین قابل توجه است. این کار روش جدیدی را برای ساخت اسکلت زمین محقق می کند. نقاط کنترل زمین مورد نیاز در روش استخراج را با توجه به روش های موجود تکمیل می کند. قله ها و زین ها توسط الگوریتم anti-D8 و زین ها و گره های دره توسط الگوریتم D8 به هم متصل می شوند. بر این اساس، اتصال موثر نقاط کنترل زمین به دست می آید. در نهایت، یک ساختار داده برای اسکلت زمین این کار برای تجزیه و تحلیل بهتر اسکلت زمین طراحی شده است. سه شاخص مربوط به سه نوع هندسه نقطه، خط و سطح برای توصیف تفاوت‌های مناطق نمونه با شکل‌های زمین متفاوت انتخاب شدند. نتایج نشان می‌دهد که سه شاخص انتخاب‌شده می‌توانند ساختار فضایی خوشه نقاط را منعکس کنند و توسعه شکل زمین را تا حد معینی توصیف کنند. نزدیک‌ترین شاخص مجاورت می‌تواند تفاوت در تجمع نقاط در شکل‌های زمین مختلف را به طور ضعیف منعکس کند. شاخص TCI و شکل منظره منعکس کننده ویژگی های بین اشکال مختلف زمین است.

مرز نوع لندفرم فرآیندی از تغییر کمی به تغییر کیفی است [ ۶۰]. انواع مختلف لندفرم مراحل مختلف توسعه لندفرم را مشخص می کند. مناطق در هم تنیده شباهت ها و تفاوت ها را می توان در هر دو طرف مرز یافت. تشابه منجر به پیچیدگی مرز انواع ژئومورفیک می شود. اگرچه بیان کمی ریاضیات، مبنای نظری مهمی برای تقسیم انواع لندفرم فراهم می‌کند، اما هنوز یک مشکل علمی پیچیده است. روش تقسیم مبتنی بر CPB از خود داده ها شروع می شود و بر اساس انطباق با شناخت جغرافیایی دارای کارایی و دقت تقسیم پایدار است. با این حال، این روش تقسیم مبتنی بر CPB به پارامترهای اولیه وارد شده به صورت دستی نیاز دارد و فرآیند تقسیم یک جعبه سیاه است. شکل فضایی، ویژگی های ساختاری، و شاخص های کمی اسکلت زمین به طور ذاتی با مرحله تکامل شکل زمین در نتیجه تکامل طولانی مدت مرتبط است. این کار بر اساس تحقیقات انجام شده توسط این قانون طبیعی است. داده‌های زمین سری زمانی را می‌توان در آینده برای ساخت اسکلت زمین متغیر با زمان، ایجاد رابطه متناظر بین شاخص‌های کمی اسکلت زمین و مرحله توسعه شکل زمین، و درک کالیبراسیون مرحله توسعه شکل زمین مورد استفاده قرار داد.

منابع

پیژی، ح. لای، پی.-سی. اشتقاق خطوط اسکلت برای ویژگی های زمین. ژئو اسپات. Inf. علمی ۲۰۰۲ ، ۵ ، ۶۸-۷۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
شیونگ، ال. تانگ، جی. یانگ، ایکس. لی، ف. تجزیه و تحلیل زمین دیجیتال مبتنی بر ژئومورفولوژی: پیشرفت و چشم اندازها. جی. جئوگ. علمی ۲۰۲۱ ، ۳۱ ، ۴۵۶-۴۷۶٫ [ Google Scholar ] [ CrossRef ]
لی، اس. در آغوش گرفتن.؛ چنگ، ایکس. شیونگ، ال. تانگ، جی. Strobl, J. ادغام دانش توپوگرافی در یادگیری عمیق برای پر کردن فضای خالی مدل های ارتفاعی دیجیتال. سنسور از راه دور محیط. ۲۰۲۲ ، ۲۶۹ ، ۱۱۲۸۱۸٫ [ Google Scholar ] [ CrossRef ]
اومان، جی. ابنر، اچ. Tang, L. استخراج خودکار خطوط اسکلت از خطوط دیجیتالی شده. ISPRS J. Photogramm. Remote Sens. ۱۹۹۱ , ۴۶ , ۲۵۹-۲۶۸٫ [ Google Scholar ] [ CrossRef ]
Podobnikar, T. تولید مدل زمین یکپارچه از مجموعه داده های متعدد با کیفیت های مختلف. بین المللی جی. جئوگر. Inf. علمی ۲۰۰۵ ، ۱۹ ، ۶۸-۸۹٫ [ Google Scholar ] [ CrossRef ]
تیبو، دی. طلا، CM بازسازی زمین از خطوط با ساخت اسکلت. GeoInformatica ۲۰۰۰ ، ۴ ، ۳۴۹-۳۷۳٫ [ Google Scholar ] [ CrossRef ]
طلا، CM؛ داکوویچ، ام. پوسته و اسکلت – کاربردها در GIS. در مجموعه مقالات دومین سمپوزیوم بین المللی در مورد نمودارهای ورونوی در علم و مهندسی، سئول، کره، ۲۵ مارس ۲۰۰۵; صص ۳۳-۴۲٫ [ Google Scholar ]
هاچینسون، MF; گالانت، JC نمایندگی زمین. Geogr. Inf. سیستم ۱۹۹۹ ، ۱ ، ۱۰۵-۱۲۴٫ [ Google Scholar ]
Lv، G. شیونگ، ال. چن، ام. تانگ، جی. شنگ، ی. لیو، ایکس. آهنگ، ز. لو، ی. یو، ز. ژانگ، ک. پیشرفت چینی در ژئومورفومتری. جی. جئوگ. علمی ۲۰۱۷ ، ۲۷ ، ۱۳۸۹–۱۴۱۲٫ [ Google Scholar ] [ CrossRef ]
بولونگارو-کرونا، آ. تورس رودریگز، وی. سورانی، وی. قاب، دی. Ortiz، MA تجزیه و تحلیل ژئومورفومتریک برای توصیف لندفرم ها در ایالت مورلوس، مکزیک. ژئومورفولوژی ۲۰۰۵ ، ۶۷ ، ۴۰۷-۴۲۲٫ [ Google Scholar ] [ CrossRef ]
Xiong، LY; تانگ، GA; Yan, SJ روش استخراج درجه بندی زین ها بر اساس DEM. علمی Surv. نقشه برداری. ۲۰۱۳ ، ۳۸ ، ۱۸۱-۱۸۳٫ [ Google Scholar ]
لیو، ز. یانگ، آ. سو، دی. Liu, P. Terrain دارای قابلیت استخراج سریع LiDAR در هوا است. جی. جئود. ژئودین. ۲۰۱۸ ، ۳۸ ، ۱۱۸۶-۱۱۹۰٫ [ Google Scholar ]
ژونگ، تی. تانگ، GA; ژو، ی. لی، آر. Zhang, W. روش استخراج قله های سطحی بر اساس DEM های معکوس. گاو نر Surv. نقشه ۲۰۰۹ ، ۴ ، ۳۵-۳۷٫ [ Google Scholar ]
ژانگ، دبلیو. تانگ، GA; تائو، ی. Luo، ML یک روش بهبود یافته برای استخراج زین بر اساس شبیه‌سازی غلظت رواناب در DEM. علمی Surv. نقشه ۲۰۱۱ ، ۳۶ ، ۱۵۸-۱۵۹٫ [ Google Scholar ]
Guoan، T. پیشرفت DEM و تجزیه و تحلیل زمین دیجیتال در چین. Acta Geogr. گناه ۲۰۱۴ ، ۶۹ ، ۱۳۰۵-۱۳۲۵٫ [ Google Scholar ]
ژانگ، ی. فن، اچ. Li, Y. روشی برای استخراج ویژگی های زمین بر اساس کانتور. Acta Geod. کارتوگر. گناه ۲۰۱۳ ، ۴۲ ، ۵۷۴-۵۸۰٫ [ Google Scholar ]
جین، اچ. Jingxiang، G. تحقیق در مورد الگوریتم استخراج خطوط برآمدگی و دره با استفاده از داده های کانتور. ویرایشگر. برد Geomat. Inf. علمی دانشگاه ووهان ۲۰۰۵ ، ۸ ، ۲۸۲-۲۸۶٫ [ Google Scholar ]
Ai, TH; زو، GR; Zhang، GS استخراج ویژگی‌های لندفرم و سازماندهی ساختار درخت دره بر اساس مدل مثلث‌سازی Delaunay. J. Remote Sens. ۲۰۰۳ ، ۷ ، ۲۹۲-۲۹۸٫ [ Google Scholar ]
لو، جی. وانگ، F.-Q. الگوریتم استخراج اسکلت بر اساس مثلث بندی خطوط کانتور Delaunay. مهندس Surv. نقشه ۲۰۱۰ ، ۱۹ ، ۱۳-۱۶٫ [ Google Scholar ]
چن، ییل. Liu, DY یک روش جدید برای استخراج خودکار محورهای ریج و دره از DEM. J. نمودار تصویر. ۲۰۰۱ ، ۶ ، ۱۲۳۰-۱۲۳۴٫ [ Google Scholar ]
کنگ، ی. نیش، ال. جیانگ، ی. ژانگ، ی. روش جدید استخراج خطوط مشخصه زمین توسط مورفولوژی. Geomat. Inf. علمی دانشگاه ووهان ۲۰۱۲ ، ۳۷ ، ۹۹۶-۹۹۹٫ [ Google Scholar ] [ CrossRef ]
ژو، ی. تانگ، G.-a. ژانگ، تی. وانگ، سی. روشی جدید برای استخراج خطوط اسکلت زمین بر اساس پنجره تحلیل سیم مانند در DEM های شبکه. گاو نر Surv. نقشه ۲۰۰۷ ، ۱۰ ، ۶۷-۶۹٫ [ Google Scholar ]
گلگن، اف. Gökgöz, T. استخراج خودکار خطوط اسکلت زمین از مدل‌های ارتفاعی دیجیتال. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی ۲۰۰۴ ، ۳۵ ، ۳۷۲-۳۷۷٫ [ Google Scholar ]
لی، ی. یانگ، بی. یانگ، ز. استخراج خطوط خط الراس و خطوط دره از ابر نقطه پشتی لیدار کوهستانی. جی. جئود. ژئودین. ۲۰۱۳ ، ۳۳ ، ۱۱۱-۱۱۵٫ [ Google Scholar ] [ CrossRef ]
Mingliang، L. تحقیق در مورد خوشه نقطه ویژگی زمین بر اساس DEMs . آکادمی علوم چین: چنگدو، چین، ۲۰۰۸٫ [ Google Scholar ]
جنچو، م. پاکینا، جی. شاری، اسکلت زمین PA و متغیرهای مورفومتریک محلی: علوم زمین و تکنیک بینایی کامپیوتر. Adv. Geoinf. تکنولوژی ۲۰۰۹ ، ۵۷-۷۶٫ [ Google Scholar ]
ژانگ، اچ جی. لیو، YX; Ma، ZQ; او، XT; Bao، N. روش استخراج ویژگی اسکلت زمین بر اساس رمزگذاری مورفولوژیکی. جی. کامپیوتر. Res. توسعه دهنده ۲۰۱۵ ، ۵۲ ، ۱۴۰۹٫ [ Google Scholar ]
Huang, P. روشی جدید برای استخراج خطوط ویژگی زمین از داده های زمین دیجیتالی شده. اد. برد Geomat. Inf. علمی دانشگاه ووهان ۲۰۰۱ ، ۲۶ ، ۲۴۷-۲۵۲٫ [ Google Scholar ]
ژانگ، اچ. ما، ز. لیو، ی. او، X. Ma، Y. یک روش جدید استخراج ویژگی اسکلت برای مدل زمین با استفاده از تشخیص مشخصات و ساده‌سازی مورفولوژیکی. ریاضی. پروب مهندس ۲۰۱۳ ، ۲۰۱۳ ، ۵۲۳۷۲۹٫ [ Google Scholar ] [ CrossRef ]
Hsu, S. استخراج خودکار محورهای خط الراس و دره با استفاده از الگوریتم تشخیص پروفیل و شکستن چند ضلعی. محاسبه کنید. Geosci. ۱۹۹۸ ، ۲۴ ، ۸۳-۹۳٫ [ Google Scholar ]
لیو، Z.-H. هوانگ، P.-Z. استخراج خط اسکلت از نقشه توپوگرافی با داده های DEM. علمی Surv. نقشه ۲۰۰۳ ، ۲۸ ، ۳۳-۳۶٫ [ Google Scholar ]
چن، ی. یانگ، سی. چن، ایکس. سان، ی. Lin, C. روش درجه بندی خط اسکلت بر اساس ساختار درختی. دانشگاه جی چین حداقل تکنولوژی ۲۰۱۵ ، ۴۴ ، ۱۱۱۹-۱۱۲۵٫ [ Google Scholar ]
ژو، ی. تانگ، جی. یانگ، ایکس. Xiao، C. مناطق مثبت و منفی در شمال فلات Shaanxi Loess. جی. جئوگ. علمی ۲۰۱۰ ، ۲۰ ، ۶۴-۷۶٫ [ Google Scholar ] [ CrossRef ]
لی، ام. یانگ، ایکس. نا، ج. لیو، ک. جیا، ی. Xiong، L. طبقه‌بندی توپوگرافی منطقه‌ای در فلات شمالی Shaanxi Loess بر اساس پروفایل‌های مرزی حوضه آبریز. Prog. فیزیک Geogr. ۲۰۱۷ ، ۴۱ ، ۳۰۲-۳۲۴٫ [ Google Scholar ] [ CrossRef ]
موسسه نقشه برداری و نقشه برداری اداره دولتی نقشه برداری و نقشه برداری. قوانین فنی برای تولید محصولات دیجیتالی ۱:۱۰۰۰۰ ۱:۵۰۰۰۰ اطلاعات جغرافیایی بنیادی قسمت ۲: مدل های ارتفاعی دیجیتال ; اداره دولتی نقشه برداری و نقشه برداری: پکن، چین، ۲۰۰۷٫ [ Google Scholar ]
تانگ، جی. لی، اف. Liu, X. آموزش مدل ارتفاعی دیجیتال ; انتشارات علمی: نانجینگ، چین، ۲۰۱۰٫ [ Google Scholar ]
ژونگ، ی. وی، دبلیو. Li, ZY تحقیقی در مورد تعریف ریاضی شکل اصلی زمین. علمی Surv. نقشه ۲۰۰۲ ، ۲۷ ، ۳٫ [ Google Scholar ]
Fukumura، TT استخراج اطلاعات ساختاری از تصاویر خاکستری. محاسبه کنید. نمودار پردازش تصویر ۱۹۷۸ ، ۷ ، ۳۰-۵۱٫ [ Google Scholar ]
چن، پی. لو، پی. لیو، دبلیو. Song, L. روش استخراج خودکار نقطه اوج بر اساس سطح countour خود آب بندی. ژئوسپات. Inf. ۲۰۲۰ ، ۱۸ ، ۴٫ [ Google Scholar ]
گو، ال. وانگ، سی. لی، پی. وانگ، جی. Wang, Z. تحقیق در مورد دقت استخراج بالای کوه بر اساس DEM. Geomat. Inf. علمی دانشگاه ووهان ۲۰۱۶ ، ۴۱ ، ۱۳۱-۱۳۵٫ [ Google Scholar ]
گو، ال. وانگ، سی. لیو، ام. Yang, Z. مدلی از استخراج دقت ارتفاع قله سطح بر اساس DEM. Enineering Surv. نقشه ۲۰۱۳ ، ۲۲ ، ۳٫ [ Google Scholar ]
Wood, JW مشخصات ژئومورفولوژیکی مدل‌های ارتفاعی دیجیتال. دکتری پایان نامه، دانشگاه لستر، لستر، انگلستان، ۱۹۹۶٫ [ Google Scholar ]
Peucker، TK; داگلاس، تشخیص DH نقاط خاص سطح با پردازش موازی محلی داده‌های گسسته ارتفاع زمین. محاسبه کنید. نمودار پردازش تصویر ۱۹۷۵ ، ۴ ، ۳۷۵-۳۸۷٫ [ Google Scholar ] [ CrossRef ]
کنگ، ی. یی، دبلیو. Zhang، Y. استخراج سریع نقطه زین بر اساس رابطه توپولوژیکی. محاسبه کنید. مهندس Appl. ۲۰۱۳ ، ۴۹ ، ۱۶۵-۱۶۷٫ [ Google Scholar ]
هوانگ، ن. یانگ، ایکس. لیو، اچ. روش استخراج نقطه زینی بر اساس رابطه فضایی شمارش. J. Geo-Inf. علمی ۲۰۲۰ ، ۲۲ ، ۱۲٫ [ Google Scholar ]
وو، تی. وانگ، سی. لی، ام. آهنگ، اچ. Xu، Y. روش استخراج نقطه زینی زمین با ویژگی های مورفولوژیکی محدود شده است. J. Chuzhou Univ. ۲۰۲۱ ، ۲۳ ، ۵٫ [ Google Scholar ]
یی، اچ. تانگ، جی. لیو، ی. یانگ، ایکس. زو، H. گره های رواناب جریان و مشتق آنها بر اساس DEM. J. حفظ آب خاک. ۲۰۰۳ ، ۱۷ ، ۵٫ [ Google Scholar ]
زو، اچ. تانگ، جی. وو، ال. کیان، ک. استخراج و تجزیه و تحلیل گره های خندقی بر اساس ساختار ژئومورفولوژیکی و ویژگی های حوضه: مطالعه موردی در فلات لس در شمال استان شانشی. Adv. علوم آب ۲۰۱۲ ، ۲۳ ، ۷٫ [ Google Scholar ]
لی، جی. لی، تی. چن، ز. لیو، ایکس. Tang, G. تحقیق در مورد گره های شبکه کانال بر اساس DEM در منطقه تپه و خندق فلات لس. سرزمین خشک Geogr. ۲۰۰۵ ، ۲۸ ، ۶٫ [ Google Scholar ]
جیانگ، ال. وانگ، سی. Li, F. تحقیق در مورد روش حذف مثلث مسطح بر اساس ArcGIS. در مجموعه مقالات سمینار آکادمیک کمیته حرفه ای نظریه و روش انجمن سیستم اطلاعات جغرافیایی چین، شانگهای، چین، ۲۸ تا ۲۹ سپتامبر ۲۰۱۰٫ [ Google Scholar ]
گونگ، ایکس. شی، اچ. Qi، Z. تحقیق در مورد تکامل الگوی فضایی جاذبه‌های گردشگری درجه A در استان گانسو. منبع. توسعه دهنده علامت. ۲۰۱۷ ، ۳۳ ، ۲۱۹٫ [ Google Scholar ]
ریپلی، الگوهای فضایی مدلسازی BD. JR Stat. Soc. ۱۹۷۷ ، ۳۹ ، ۱۷۲-۲۱۲٫ [ Google Scholar ] [ CrossRef ]
Yu, L. اتصال چشم انداز در تحقیقات فرسایش خاک: مفاهیم، مفاهیم و کمی سازی. Geogr. Res. ۲۰۱۶ ، ۳۵ ، ۸٫ [ Google Scholar ]
یانگ، ی. وانگ، ی. چنگ، ایکس. لی، دبلیو. گائو، ام. وانگ، جی. فو، ال. ژانگ، آر. ایجاد یک الگوی امنیت زیست محیطی بر اساس شاخص اتصال: موردی از منطقه مخزن سه دره در چونگ کینگ. Acta Ecol. گناه ۲۰۲۰ ، ۴۰ ، ۱۳٫ [ Google Scholar ]
جی، جی. تجزیه و تحلیل شاخص ارزیابی اتصال شبکه حمل و نقل. J. Transp. مهندس Inf. ۲۰۱۰ ، ۱ ، ۳۵-۳۸٫ [ Google Scholar ]
Xiao, D. سیستم شاخص و روش‌های تحقیق ساختار فضایی منظر . خانه انتشارات جنگلداری چین: پکن، چین، ۱۹۹۱٫ [ Google Scholar ]
یان، م. لی، جی. Xiaoyan، K. تجزیه و تحلیل اثر میزان همبستگی شاخص های چشم انداز بر اساس داده های سری طولانی مدت: مطالعه موردی شهر Shijiazhuang. Geogr. Geo-Inf. علمی ۲۰۲۱ ، ۳۱ ، ۷۹-۸۵٫ [ Google Scholar ]
بین، ال. Jintun، Z. شاخص های شکل و تجزیه و تحلیل فراکتال مقیاس چشم انداز درختچه ای در فلات لس. چانه. کشاورزی علمی گاو نر ۲۰۰۹ ، ۵ . [ Google Scholar ]
کانران، ال. Lingzhi، C. تجزیه و تحلیل شکل لکه با شاخص های شکل برای چشم انداز پوشش گیاهی در پکن. Acta Ecol. گناه ۲۰۰۰ ، ۲۰ ، ۵۵۹-۵۶۷٫ [ Google Scholar ]
لی، اس. شیونگ، ال. تانگ، جی. استروبل، جی. رویکرد مبتنی بر یادگیری عمیق برای طبقه‌بندی شکل زمین از منابع داده یکپارچه مدل ارتفاعی دیجیتال و تصاویر. ژئومورفولوژی ۲۰۲۰ ، ۳۵۴ ، ۱۰۷۰۴۵٫ [ Google Scholar ] [ CrossRef ]

شکل ۱٫ توزیع فضایی مناطق نمونه در فلات لس شمال شانشی. (I) تپه لس و خط الراس لس. (II) تپه های شنی بادی به تپه لس و خط الراس لس. (III) تپه های شنی بادی. (IV) تپه‌های شنی بادی به دشت لس. (V) بادی رسوبی و پلوویال پیشانی کوه لوس مسطح. (VI) تپه لس؛ (VII) خط الراس لس; (VIII) کوه میانی پوشیده از لس. (IX) دشت تکه تکه شده لس ارتفاع متوسط. (X) دشت لس; (XI) کوه میانی برجستگی متوسط پوشیده از لس; (XII) کوه میانی پوشیده از لس و زمین مسطح بین کوهستانی لس. (XIII) کوه میانی ملایم پوشیده از لس و دشت لس. (XIV) دشت تکه تکه شده لس با ارتفاع کم. (XV) دشت دره آبرفتی و تراس کم لس.

شکل ۲٫ داده های DEM از ۱۳ منطقه نمونه. ( الف ) DEM شهرستان دینگبیان با شکل زمین خط الراس لس. ( ب ) DEM شمارش گانکوان با شکل زمین میانی کوهستانی پوشیده از لس. ( ج ) DEM شهرستان Hengshan با شکل زمین تپه Loess. ( د ) DEM شهرستان Longxian با کوه میانی پوشیده از لس و شکل زمین مسطح بین کوهستانی Loess. ( ه ) DEM شهرستان Qingjian با شکل زمین تپه Loess. ( f ) DEM جنوب شرقی شهرستان شنمو با تپه های شنی بادی تا تپه لس و شکل زمین خط الراس لس. ( g ) DEM شهرستان Wuqi با لندفرم خط الراس Loess; ( ح ) DEM شهر یانان با تپه لس و کوه میانی پوشیده از لس. ( من) DEM شهرستان ژیدان با لندفرم خط الراس لس; ( j ) DEM شهرستان Zichang با شکل زمین تپه Loess. K _ _ ( l ) DEM شهرستان Huanglong با لندفرم کوه میانی برجستگی متوسط پوشیده شده از لس. ( متر ) DEM جنوب شهرستان شنمو با تپه های شنی بادی تا تپه لس و شکل زمین خط الراس لس.