摘要
黄土高原是我国四大高原之一，该地区沟谷纵横、地表破碎，土壤侵蚀和水土流失现象严重，是我国典型的生态脆弱区之一。沟谷地貌作为黄土高原地区地貌格局的主体，既是造成该地区土壤侵蚀和水土流失等灾害的主要诱因，在一定程度上也是土壤侵蚀等诸多灾害的产物。因此，在黄土高原地区展开沟谷地貌空间分析和特征研究对当地水土保持、环境改善、生态平衡等方面具有重要的意义。 目前，关于黄土高原沟谷地貌提取研究，大尺度范围的相关研究较少且提取精度不高。为研究黄土高原沟谷地貌空间分布特征，探索沟谷地貌空间分布与环境特征之间的联系并构建大尺度范围的沟谷地貌提取模型，本文以黄土高原延河流域为研究区域，借助GoogleEarthPro平台人工提取黄土高原沟谷、坡面样本，开展基于遥感影像和机器学习的黄土高原沟谷地貌提取研究，建立对应提取模型，并对比模型精度与提取结果。取得的主要研究成果和结论如下： （1）分析了基于逻辑回归模型的延河流域大尺度沟谷地貌预测和空间分布规律，结果表明：模型预测相关环境特征中光谱特征的亮度（Brightness）、绿度（Greenness）、湿度（Wetness）、第一主成分（PCA1）、第三主成分（PCA3）以及地貌特征的坡度（slope）为提取沟谷的最优特征组合；最优逻辑回归模型的沟谷地貌空间分布预测准确率为73.73%，AUC值为0.805；延河流域沟谷地貌约占整个流域面积的52.05%，其空间分布呈现从西北区域至东南区域逐渐集中的特点。 （2）建立了基于随机森林、支持向量机和神经网络机器学习的沟谷地貌提取模型，结果表明：在模型特征方面，由12月份遥感影像和DEM数据确定的海岸波段（Coastal）、蓝波段（Blue）、红波段（Red）、近红外波段(NIR)、短波红外1（SWIR1）、纹理第四主成分（GLCM4）、高程（elevation）和正负地形（PNT）特征组合构建的随机森林模型沟谷提取效果最好，模型准确率为88.33%，AUC值为0.952；3种模型在子流域预测的沟谷空间分布基本一致，均呈现西北至东南逐渐集中的特征。 （3）基于测试区域内均匀分布的6个1km2×1km2的验证样本对比不同机器学习模型的沟谷地貌预测精度和差异，结果显示：相较于其他3种模型，随机森林模型在子流域中预测的沟谷空间分布最为准确，提取的沟谷轮廓与人工识别沟谷地貌一致性最高；基于随机森林模型提取结果的6个验证样本平均总体精度为80.48％，高于SVM模型的76.48％、LR模型的75.87％和ANN模型的71.85％。
NETL