数字地貌模型概述

中国西北地区很多地方沟壑纵横，农林牧相互混杂分布，大牙交错,地形阴影对遥感影像的影响又十分明显,因而导致邻近像元数值间变差大、聚类困难等问题，为主要基于地物光谱数值差异的计算机自动识别分类造成了困难和误差。

图像分类实际上就是把遥感影像的每个像元划分为与地表特征相对应的类型。而对于每一种地物，它都应包含光谱和空间位置两方面的属性信息。因此，随着地理信息系统(GIS)的发展，国内外许多学者把空间属性信息引入了遥感图像分类过程，以提高分类效果,最常见的就是数字地形模型(digitalterrainmodel,DTM)的使用。不过，以往人们只将DTM作为遥感影像分类的辅助数据，而且由于DTM数据精度和处理手段的局限，往往仅限于对DTM中的高程、坡度、坡向等单个地形因子的运用。

数字地貌模型(digital geomorphology model, DGM)是以数字点阵形式存储的地貌单元分类。数字地形模型和数字地貌模型都是在对区域地貌特点有所了解的基础上 ，通过对多因子高精度的DEM共同采用计算机运算和人工逻辑分析完成的。本节使用较大比例尺的地形图扫描数据，直接生成可实用的数字地税模型，提高坡度精度并以此模型参与遥感影像专题分类，来提高遥感形像的土地利用分类精度。这就使得DTM数据更加深入、全面地用于图像分类过程，也使对DTM的应用水平前进了一步。

土地利用现状是人们长期利用和改造自然、发展农业生产的结果,它反映了土地利用的规律性特点及其合理性程度。它除受人类的影响外， 更多地受水分和坡度条件的限制。在一定的复杂地形区域内，地势地貌特点成为土地利用分异的主导因素。因此，地貌类型的差异就构成土被的空间构型及面积结构的差别，地貌条件最终成为土被结构的骨架。利用土地利用与地貌条件的这种密切联系，试图用高精度DGM来提高高光谱土地利用分类精度,本节的工作就是基于这个基本的研究思路出发的。工作流程可分为三部分:①基于区域数字高程模型(digital elevation model,DEM)数据建立区域的数字地貌模型(DGM)，以它作为图像分类的地貌限制性因素。②DGM支持下的像元光谱分解与重定位。③在模糊数学理论基础上，数字地貌模型与高光谱数据分析相结合进行复杂地形下的高精度图像分类。