面向复杂地形的坡位K-means聚类划分研究

• 作者: 张杰 肖胜昌 葛莹 陈科 高海峰
• 来源期刊: 地球信息科学学报
• 关键词: 坡位 聚类划分 K-means方法 复杂地形 云南省姚安县
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: “数字地形分析”专栏
• 页码范围: 474-481
• 页数: 8页
• 语种: 中文

摘要

土壤植被研究建立在精准坡位划分的基础上.但现有的坡位大多采用手工划分的方式,存在着自动化程度低、划分精度不高且耗时较长等问题.本文提出一种顾及复杂地形的坡位自动划分算法,尝试采用机器学习K-means方法解决高海拔山区坡位划分的问题,并在山峰区域提取、聚类数确定、以及初始聚类中心选取等关键技术进行了算法的优化.为了验证算法的有效性,以云南省姚安县为研究区,运用提出的算法对研究区坡位进行自动划分,再采用Calinski-Harabasz聚类评价指标、调整兰德系数ARI和误差平方和SSE等一系列方法对坡位K-means聚类划分实验进行分析和评价.研究结果表明,利用该算法所生成的复杂地形坡位与研究区实测等高线相匹配.其次,再从姚安县规划风电场任选4个场址,比较13×13、25×25、37×37三种适宜窗口下坡位自动划分结果,结果表明选取25×25适宜窗口进行坡位划分可靠性最强.再者,计算的规划风电场内山脊、坡肩及背坡比例高达57.13％,也从一个侧面证实了利用该算法划分的坡位结果良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛莹	河海大学地球科学与工程学院	45	164	6.0	10.0
2	张杰		11	7	2.0	2.0
3	陈科		8	12	2.0	3.0
4	肖胜昌		5	6	1.0	2.0
5	高海峰	河海大学地球科学与工程学院	1	0	0.0	0.0