论文部分内容阅读
崩岗作为我国南方特殊的侵蚀地貌,国内外学者在崩岗地貌发展规律、影响因素和治理措施等方面都取得较好的成果,但对于崩岗地貌类型的划分研究还处在定性描述阶段。为了探究典型花岗岩崩岗地貌的定量分类特征,本文通过SFM-MVS(运动恢复结构-多视点匹配)倾斜摄影测量技术野外获取地形数据的最佳飞行高度,快速获取研究区内200个典型花岗岩崩岗地形数据;通过分析各个地形因子之间的关系,遴选能有效体现崩岗地貌空间形态分异的核心地形因子;最后,通过分析各核心地形因子的空间可行性,划分各个核心地形因子的区间,构建花岗岩崩岗地貌决策树模型并实现崩岗地貌的定量分类。主要结论如下:
(1)通过对无人机不同飞行高度的测量精度和效率进行分析,发现当飞行高度大于200m时,地面控制点的误差出现增加;随着飞行高度的增加,密集点云数量和平均点云密度逐渐减少,且崩岗区域点云数量的占比情况也由12.91%降至2.03%;DSM分辨率的数值与无人机飞行高度呈现良好的线性相关关系,当飞行高度为150-200m之间时,累积体积的差异变化最不明显,仅为0.01m3;当飞行高度小于200m时内外业总处理时间减少较为明显,之后总处理时间变化趋于平缓。因此,将200m的飞行高度作为野外获取地形数据的最佳飞行高度。
(2)利用变异系数作为区分主要指标,并结合地形因子之间的相关性,提出花岗岩崩岗核心地形因子的遴选标准。通过对13个高程高差类地形因子的遴选,最终选择崩岗地形起伏度、分水岭高差、侵蚀基准点高差和崩岗排水深度这4个指标作为高程高差类的核心地形因子。通过对13个长度面积类地形因子的遴选,选择平均崩岗宽度、崩岗形态指数、崩岗流域地面割裂度、集水流域面积不对称率和崩岗面积不对称率这5个指标作为长度面积类的核心地形因子。通过对10个坡度坡向类地形因子进行遴选,最终确定集水流域平均坡度、崩岗平均坡度、集水流域平均坡向和崩岗坡度不对称率这4个指标作为坡度坡向类的核心地形因子。
(3)通过对核心地形因子空间表达差异性分析,发现13个核心地形因子之间有着较强相关性,显著性水平小于0.05,并将崩岗排水深度、崩岗流域地面割裂度和崩岗平均坡度作为主要核心地形因子。将坡度坡向类核心地形因子作为第一级,高程高差类核心地形因子作为第二级,长度面积类核心地形因子作为第三级,进行决策树模型构建。通过构造花岗岩崩岗地貌分类决策树,共形成12种不同类型的崩岗地貌。
(1)通过对无人机不同飞行高度的测量精度和效率进行分析,发现当飞行高度大于200m时,地面控制点的误差出现增加;随着飞行高度的增加,密集点云数量和平均点云密度逐渐减少,且崩岗区域点云数量的占比情况也由12.91%降至2.03%;DSM分辨率的数值与无人机飞行高度呈现良好的线性相关关系,当飞行高度为150-200m之间时,累积体积的差异变化最不明显,仅为0.01m3;当飞行高度小于200m时内外业总处理时间减少较为明显,之后总处理时间变化趋于平缓。因此,将200m的飞行高度作为野外获取地形数据的最佳飞行高度。
(2)利用变异系数作为区分主要指标,并结合地形因子之间的相关性,提出花岗岩崩岗核心地形因子的遴选标准。通过对13个高程高差类地形因子的遴选,最终选择崩岗地形起伏度、分水岭高差、侵蚀基准点高差和崩岗排水深度这4个指标作为高程高差类的核心地形因子。通过对13个长度面积类地形因子的遴选,选择平均崩岗宽度、崩岗形态指数、崩岗流域地面割裂度、集水流域面积不对称率和崩岗面积不对称率这5个指标作为长度面积类的核心地形因子。通过对10个坡度坡向类地形因子进行遴选,最终确定集水流域平均坡度、崩岗平均坡度、集水流域平均坡向和崩岗坡度不对称率这4个指标作为坡度坡向类的核心地形因子。
(3)通过对核心地形因子空间表达差异性分析,发现13个核心地形因子之间有着较强相关性,显著性水平小于0.05,并将崩岗排水深度、崩岗流域地面割裂度和崩岗平均坡度作为主要核心地形因子。将坡度坡向类核心地形因子作为第一级,高程高差类核心地形因子作为第二级,长度面积类核心地形因子作为第三级,进行决策树模型构建。通过构造花岗岩崩岗地貌分类决策树,共形成12种不同类型的崩岗地貌。