Automated object-based classification of topography from SRTM data

doi:10.1016/j.geomorph.2011.12.001

.2012年3月1日；141-142(4):21-33.

doi:10.1016/j.geomorph.2011.12.001。

基于SRTM数据的地形自动对象分类

卢西安·阿古博士¹, 克莱门斯·艾申克

附属公司

PMID： 22485060
预防性维修识别码： PMC3312788项目
内政部： 10.1016/j.geomorph.2011.12.001

基于SRTM数据的地形自动对象分类

卢西安·阿古博士等人。地貌（Amst）. 2012.

.2012年3月1日；141-142(4):21-33.

doi:10.1016/j.geomorph.2011.12.001。

作者

卢西安·阿古博士¹, 克莱门斯·艾申克

附属

¹奥地利萨尔茨堡5020，Hellbrunnerstraße 34，萨尔茨堡大学地理与地质系。

PMID： 22485060
预防性维修识别码： PMC3312788项目
内政部： 10.1016/j.geomorph.2011.12.001

摘要

我们介绍了一种基于对象的方法，从SRTM数据中自动分类地形。新方法基于将陆地表面复杂性分解为更均匀区域的概念。通过使用自适应的数据驱动技术，高程层在代表复杂领域的三个尺度级别上自动分割和分类。对于每个域，借助局部方差检测数据中的尺度，并在这些适当的尺度上执行分割。根据高程平均值和高程标准差给出的阈值，将分割后的对象划分为子域。结果与现有的全球和区域分类模式相当相似，显示的详细程度接近手动绘制的地图。统计评估表明，大多数类别满足了最大化内部同质性和最小化外部同质性的区域化要求。大多数物体的边界与区域层面的自然间断相匹配。该方法简单且完全自动化。输入数据仅由一层组成，不需要任何预处理。分割和分类都只依赖于两个参数：高程和高程的标准差。该方法作为eCognition®软件的定制流程实施，可在线下载。结果嵌入到具有可视化和下载功能的web应用程序中。

PubMed免责声明

数字

图1
自动化陆面分割比例参数优化的工作流。通过从可能的最小值开始重复分割感兴趣的领域*服务提供商*(*最小SP*)通过不断增加*服务提供商*按用户指定的时间间隔(我). 当实际水平的局部方差值(低压_n个)等于或低于上一级别的值(低压_n个 − 1). 水平n个然后选择−1作为分割的最佳尺度。

图2
陆地表面复杂性的多尺度分解为越来越均匀的领域。将嵌套平均方法应用于优化地形分割尺度，得到了三个层次的层次结构。整个系统具有自适应性，可以方便地用于分辨率较高的DEM。

图3
平滑低压通过将迭代自底向上分段的增量从1（C）增加到10（B）和100（A）来绘制图形。当图上的小变化从C到A依次平滑时窗台（以垂直虚线显示）出现在增加值*服务提供商*（C为80，B为181，A为901）。等价物窗台在平滑图（B和A）中，如两个箭头所示，以1（C）的增量获得的图上的近似显著峰值。

图4
根据哈蒙德（1954）的简化版本，将全球数据集划分为八类的分类方案。高程和标准差的平均值(*标准偏差*)定义阈值以将后续域分割为两个，最后将八个地理类分配给L3对象。

图6
评估3级地形数据集的准确性。用户对对象（左）和类区域（中）的空间准确性以及主题准确性（右）的看法。结果是通过在线调查获得的。

图7
在3级评估自然地理数据集的多功能性和成果性。用户对潜在应用领域的看法（左）和对适应的看法（右）。结果是通过在线调查获得的。

图9
Iwahashi和Pike的比较（A）和基于对象的分类（B）。这两种分类都与芬尼曼（Fenneman）和约翰逊（Johnson）（1946）描述的相邻美国剖面的多边形进行了比较。（A）的图例表示岩桥和派克（2007）的16个地形类别，根据它们的坡度陡峭程度来表示（从1到16较为平缓）。（B）中的红色方块表示图10的范围。

**图10**
多边形（黑色）被归类为“低平原”，与区域地形不连续性相对应，例如密西西比河冲积平原的接触面。该区域的位置如图9B所示。为了进行比较，红线表示Fenneman和Johnson（1946）划定的密西西比冲积平原的一段。

请参阅PMC中的此图像和版权信息

类似文章

多层多尺度图像分割的自动参数化。
Le guţL博士、Csillik O、Eisund C、Tiede D。 Le guţL博士等。 ISPRS J Photogram Remote Sens.2014年2月；88(100):119-127. doi:10.1016/j.isprsjprs.2013.11.018。 ISPRS J Photogram Remote Sens.2014年。 PMID：24748723 免费PMC文章。
叶酸补充与流行地区服用抗叶酸抗疟药物人群的疟疾易感性和严重性。
Crider K、Williams J、Qi YP、Gutman J、Yeung L、Mai C、Finkelstain J、Mehta S、Pons-Duran C、Menéndez C、Moraleda C、Rogers L、Daniels K、Green P。 Crider K等人。 Cochrane数据库系统修订版2022年2月1日；2（2022）：CD014217。doi:10.1002/14651858.CD014217。 Cochrane数据库系统修订版2022。 PMID：36321557 免费PMC文章。
哺乳动物嗅觉系统计算模型的性能。
本杰明森·S、赫尔曼·P、兰斯纳·A。 Benjaminsson S等人。作者：Persaud KC、Marco S、Gutiérrez-Gálvez A，编辑。神经形态嗅觉。博卡拉顿（佛罗里达州）：CRC Press/Taylor&Francis；2013年第6章。作者：Persaud KC、Marco S、Gutiérrez-Gálvez A，编辑。神经形态嗅觉。博卡拉顿（佛罗里达州）：CRC Press/Taylor&Francis；2013年第6章。 PMID：26042330 免费书籍和文件。审查。
嗅觉的工程方面。
Persaud KC公司。 Persaud KC公司。作者：Persaud KC、Marco S、Gutiérrez-Gálvez A，编辑。神经形态嗅觉。博卡拉顿（佛罗里达州）：CRC Press/Taylor&Francis；2013年第1章。作者：Persaud KC、Marco S、Gutiérrez-Gálvez A，编辑。神经形态嗅觉。博卡拉顿（佛罗里达州）：CRC Press/Taylor&Francis；2013年第1章。 PMID：26042329 免费书籍和文件。审查。
高分子拥挤：化学和物理与生物学相遇（2012年6月10日至14日，瑞士阿斯科纳）。
Foffi G，Pastore A，Piazza F，Temussi PA。 Foffi G等人。物理生物学。2013年8月；10(4):040301. doi:10.1088/1478-3975/10/4/040301。Epub 2013年8月2日。物理生物学。2013 PMID：23912807

查看所有类似文章

引用人

解释地貌变量对基于波兰选定地区的地貌分类的影响。
迪巴·K。迪巴·K。科学报告，2024年3月5日；14(1):5447. doi:10.1038/s41598-024-56066-6。科学报告2024。 PMID：38443550 免费PMC文章。
评估多传感器技术捕获地形复杂性的能力。
Cooper HM、Wasklewicz T、Zhu Z、Lewis W、LeCompte K、Heffentrager M、Smaby R、Brady J、Howard R。 Cooper HM等人。传感器（巴塞尔）。2021年3月17日；21(6):2105. doi:10.3390/s21062105。传感器（巴塞尔）。2021 PMID：33802744 免费PMC文章。
使用预测模型和实地调查，在亚洲内陆山区走廊发现溶洞和岩穴。
Cuthbertson P、Ullmann T、Büdel C、Varis A、Namen A、Seltmann R、Reed D、Taimagambetov Z、Iovta R。 Cuthbertson P等人。《公共科学图书馆·综合》。2021年1月20日；16（1）：e0245170。doi:10.1371/journal.pone.0245170。2021年电子采集。《公共科学图书馆·综合》。2021 PMID：33471843 免费PMC文章。
数字高程模型中用于划定鼓点的多分辨率分割评估。
Eisund C、Smith M、Hillier J。 Eisank C等人。地貌（Amst）。2014年6月1日；214(100):452-464. doi:10.1016/j.geomorph.2014.02.028。地貌（Amst）。2014 PMID：24895471 免费PMC文章。
多层多尺度图像分割的自动参数化。
Le guţL博士、Csillik O、Eisund C、Tiede D。 Le guţL博士等。 ISPRS J Photogram Remote Sens.2014年2月；88(100):119-127. doi:10.1016/j.isprsjprs.2013.11.018。 ISPRS J Photogram Remote Sens.2014年。 PMID：24748723 免费PMC文章。

工具书类

1. 安塞林·L·空间综合社会科学中心；伊利诺伊州乌尔班纳·香槟：2005年。使用GeoDa探索空间数据：手册。
1. Baatz M.，Schäpe A.多分辨率分割-高质量多尺度图像分割的优化方法。作者：Strobl J.、Blaschke T.、Griesbner G.，编辑。Angewandte地理信息。Wichmann-Verlag；海德堡：2000年。第12-23页。
1. Bittner T.模糊性和地理区域分类和描绘之间的权衡——本体论分析。国际地理信息科学杂志。2011;25:825–850.
1. Blaschke T.遥感的基于对象的图像分析。ISPRS摄影测量和遥感杂志。2010;65:2–16.-项目管理咨询公司-公共医学
1. DráguţL.，Blaschke T.使用基于对象的图像分析对地形要素进行自动分类。地貌。2006;81:330–344.

LinkOut-更多资源

全文源
- 欧洲PubMed Central
- 公共医学中心

[1] 安塞林·L·空间综合社会科学中心；伊利诺伊州乌尔班纳·香槟：2005年。使用GeoDa探索空间数据：手册。

[2] 安塞林·L·空间综合社会科学中心；伊利诺伊州乌尔班纳·香槟：2005年。使用GeoDa探索空间数据：手册。

[3] Baatz M.，Schäpe A.多分辨率分割-高质量多尺度图像分割的优化方法。作者：Strobl J.、Blaschke T.、Griesbner G.，编辑。Angewandte地理信息。Wichmann-Verlag；海德堡：2000年。第12-23页。

[4] Baatz M.，Schäpe A.多分辨率分割-高质量多尺度图像分割的优化方法。作者：Strobl J.、Blaschke T.、Griesbner G.，编辑。Angewandte地理信息。Wichmann-Verlag；海德堡：2000年。第12-23页。

[5] Bittner T.模糊性和地理区域分类和描绘之间的权衡——本体论分析。国际地理信息科学杂志。2011;25:825–850.

[6] Bittner T.模糊性和地理区域分类和描绘之间的权衡——本体论分析。国际地理信息科学杂志。2011;25:825–850.

[7] Blaschke T.遥感的基于对象的图像分析。ISPRS摄影测量和遥感杂志。2010;65:2–16.-项目管理咨询公司-公共医学

[8] Blaschke T.遥感的基于对象的图像分析。ISPRS摄影测量和遥感杂志。2010;65:2–16.-项目管理咨询公司-公共医学

[9] DráguţL.，Blaschke T.使用基于对象的图像分析对地形要素进行自动分类。地貌。2006;81:330–344.

[10] DráguţL.，Blaschke T.使用基于对象的图像分析对地形要素进行自动分类。地貌。2006;81:330–344.

将引文保存到文件

电子邮件引文

添加到集合

添加到我的书目

您保存的搜索

为外部引文管理软件创建文件

您的RSS源

基于SRTM数据的地形自动对象分类

附属

基于SRTM数据的地形自动对象分类

作者

附属

摘要

数字

类似文章

引用人

工具书类

LinkOut-更多资源

全文源

摘要

数字

类似文章

引用人

工具书类

相关信息

LinkOut-更多资源

全文源