第十届全国数字山地学术研讨会

地貌认知与分类是地貌学研究的基础，对理解山地环境演变与灾害风险具有重要意义。当前大尺度地貌分类多依赖遥感数据与数字高程模型（DEM），侧重于形态特征的提取与识别，然而地貌的形成过程与成因机制同样关键，亟需实现形态与成因的协同表达。现有方法在融合多源遥感数据与地质信息时，常面临数据尺度不匹配与形态-成因语义鸿沟等挑战。为此，本研究提出一种融合多源遥感与地质数据的地貌信息融合框架。首先，构建基于遥感与地质先验知识的成因属性降尺度模型，实现成因信息的空间精细化重建；其次，设计知识引导下的形态-成因融合规则，有效解决地形特征与成因属性之间的空间异质性与匹配冲突。本研究以青藏高原典型地貌为研究兑现，实现了高精度的地貌分类制图，显著提升了成因类别的识别准确率。结果表明，该方法能够有效支持复杂环境中地表过程的解译与潜在灾害单元的识别，为山地环境遥感监测、地貌演化分析及灾害风险评估提供了新的技术路径与数据支撑。
 

多源数据,环境信息,青藏高原