歐陽淑冰，陳偉濤，李顯巨，董玉森，王力哲

中國地質(zhì)大學(武漢) 計算機學院,武漢 430074

1 引 言

地貌是指地表高低起伏的幾何形態(tài)特征，是內(nèi)外地質(zhì)營力相互作用的結(jié)果。開展地貌分類研究對全球或區(qū)域氣候變化研究、區(qū)域地質(zhì)研究、環(huán)境保護與災害監(jiān)測、農(nóng)業(yè)、林業(yè)、水資源規(guī)劃、工程建設、國防建設等具有重要意義（曹伯勛，1995；Cheng 等，2011）。長期以來，地貌制圖范式主要基于地形圖、航拍照片的目視判讀與野外調(diào)查相結(jié)合，效率低，客觀性強，對地貌學專業(yè)技能要求高。特別地，在人力不可達或者缺少基礎資料的地區(qū)難以開展地貌分類與制圖工作。隨著高分辨率新型遙感數(shù)據(jù)采集和分析方法的發(fā)展，開展地貌自動分類成為地理學研究的重要方向之一。當前，基于遙感技術開展地貌分類研究主要有以下3類方法：（1）設定語義分類值法，主要包括設定地形屬性閾值、模糊分類屬性隸屬度等。例如，周成虎等（2009）利用地形起伏度、海拔的屬性閾值自動將中國陸地地貌分成25 個基本類型。此方法目前主要適用于對基本地貌形態(tài)的分類，易忽略個別面積較小的精細地貌分類類型（顧文亞等，2020；王彥文和秦承志，2017）；此外，該類方法主觀性強；（2）基于概率聚類的算法。例如面向?qū)ο蠓指畹姆椒ǎ―r?gu?和Blaschke，2006），其結(jié)合高程、剖面曲率、高程標準差、坡度等地形因子利用靈活的模糊隸屬度函數(shù)將地形分為9類。該方法能比較精準快速地對基本地貌類型進行劃分，但仍需確定地形因子集的選取，包括適宜分割窗口的選取，易受人為主觀的影響（仲偉敬等，2018）；（3）基于監(jiān)督的算法。如利用典型的數(shù)據(jù)標記樣本結(jié)合機器學習算法進行分類。Bue 和Stepinski（2007）在對火星地形地貌分類研究中發(fā)現(xiàn)支持向量機算法優(yōu)于傳統(tǒng)地貌分類算法。雖然機器學習算法在一定程度上提升了地貌分類的自動化程度，但其屬于淺層學習，只能針對當前地貌樣本設計，且訓練前人工特征提取較為繁瑣，泛化能力較差。

近年來，隨著計算能力的飛速發(fā)展，深度學習技術以其強大的特征抽取能力在遙感解譯領域取得了較大的進展，以深度學習為框架的智能遙感解譯成為新的研究范式（Zhang等，2016；張兵，2018）。例如，Huang等（2018）采用Deeplab 網(wǎng)絡對數(shù)字正射影像DOM（Digital Orthophoto Map）中的熱溶地貌進行自動分類。

然而，不管是機器學習還是深度學習范式，在區(qū)域尺度上進行地貌制圖，均需要大量可信的地形地貌數(shù)據(jù)集。盡管前人已經(jīng)將部分專家解譯小比例尺的地形地貌數(shù)據(jù)數(shù)字化，形成矢量數(shù)據(jù)，如中國1∶400 萬數(shù)字地貌數(shù)據(jù)集、中國西部1∶100 萬數(shù)字地貌數(shù)據(jù)集、塔克拉瑪干1∶150 萬風沙地貌圖地貌等，但是相對于遙感目標檢測、土地利用與土地覆蓋遙感場景分類等其他可用于深度學習的數(shù)據(jù)集來說，當前地貌遙感數(shù)據(jù)集仍是較為缺乏。部分學者嘗試通過形態(tài)學上的解譯或數(shù)字化由專家解譯的地貌成因成果制作地形地貌數(shù)據(jù)集，并進行深度學習自動化分類。從形態(tài)學角度上，Li 等（2020）通過影像凹凸表現(xiàn)將黃土地貌圈畫為3 類：黃土高原、黃土山丘和黃土梁。Shumack 等（2020）通過對沙丘地貌凸起部位標記沙丘脊線。此類地貌形態(tài)在遙感圖像上較為直觀，多利用地貌數(shù)據(jù)的遙感影像色差及形態(tài)學的區(qū)別對數(shù)據(jù)集進行標記，標記難度較小。相較于地貌形態(tài)而言，地貌成因解譯多依靠地質(zhì)資料、專家解譯結(jié)合現(xiàn)場踏勘得到最終解譯成果，這也增加了遙感自動解譯的難度。Du 等（2019）利用前人的1∶100 萬數(shù)字地形地貌分類圖制作了中國地貌多成因數(shù)據(jù)集，分類為風成地貌、干旱地貌、黃土地貌、巖溶地貌、河流地貌和冰磧地貌。數(shù)據(jù)集包含高程數(shù)據(jù)及其所提取的山體陰影、坡度、曲率等地貌形態(tài)參數(shù)。單張樣本圖為600 像素×600 像素（30 km×30 km）?？傮w上，當前地貌成因遙感場景數(shù)據(jù)集極少，粒度較粗，類型不齊全，不能滿足國民經(jīng)濟發(fā)展與國防建設對大區(qū)域尺度乃至全球尺度地貌智能制圖的需求。

在上述背景下，本文面向地貌遙感自動解譯對高分辨率遙感數(shù)據(jù)集的迫切需求，制作了高植被覆蓋區(qū)地貌成因遙感場景數(shù)據(jù)集（GOS10m），為計算機視覺及地貌遙感智能解譯研究群體提供基礎數(shù)據(jù)支撐，進而提升地貌制圖的信息化、智能化程度。主要思路如下：采用地質(zhì)圖、遙感影像、數(shù)字高程模型DEM（Digital Elevation Model）結(jié)合現(xiàn)場踏勘，對地貌進行人機交互目視解譯，成因分為構造地貌、流水地貌和火山熔巖地貌；數(shù)據(jù)集囊括可見光遙感影像、DEM 及基于DEM 提取的7個地貌形態(tài)參數(shù)；最后采用多模態(tài)深度學習神經(jīng)網(wǎng)絡對數(shù)據(jù)集進行評價。相較于前人地貌成因工作（表1），本數(shù)據(jù)集精細尺度更高，數(shù)據(jù)集多模態(tài)屬性更強，且每張數(shù)據(jù)都含空間位置信息。

表1 地貌成因場景數(shù)據(jù)集對比表Table 1 Comparison among the datasets of geomorphologic origin for scene classification

2 數(shù)據(jù)集制作區(qū)域基本情況

2.1 自然地理概況

選擇吉林省、黑龍江省交界處為研究區(qū)，總面積約5000 km2（圖1）。研究區(qū)地勢整體上西高東低，西部屬于低山丘陵地貌，地勢向四周逐漸上升。東部部分地勢較低，屬于低山、丘陵及平原地貌（圖2）。研究區(qū)內(nèi)區(qū)域植被類型豐富，覆蓋度高（張海鳳，2019），人為擾動對地形改造作用較小。

圖1 研究區(qū)影像圖Fig.1 Image of the study area

圖2 研究區(qū)地形地貌示意圖Fig.2 A geomorphology sketch map of the study area

2.2 區(qū)域地質(zhì)概況

研究區(qū)位于天山—興蒙造山帶佳木斯—興凱地塊，具體位于張廣才嶺—太平嶺邊緣隆起帶，太平嶺隆起與老黑山斷陷結(jié)合部位。該構造帶南側(cè)為華北板塊，北側(cè)為西伯利亞板塊，其形成與古亞洲洋向北俯沖西伯利亞板塊有關，古生代時期形成了一套海底火山—沉積巖，其后經(jīng)歷了漫長的地質(zhì)演化過程，到早三疊世佳木斯地塊與華北板塊最終碰撞對接成功，形成了統(tǒng)一的大陸。晚三疊世，西太平洋域大洋板塊沿西北方向俯沖亞洲板塊。在中侏羅世到早白堊世期間，燕山期構造運動繼承印支晚期，東西、北西、北東和南北向斷裂發(fā)生活化，至此本地區(qū)大規(guī)模的構造運動基本結(jié)束，區(qū)內(nèi)構造格架基本形成，并控制著構造地貌的空間形態(tài)與分布規(guī)律，期內(nèi)形成的地質(zhì)體是構造地貌的主要物質(zhì)成分，同時奠定了新生代地貌演化的物質(zhì)和形態(tài)基礎。新生代以來，俯沖碰撞構造運動較弱，早期主要以火山噴發(fā)作用為主，形成的火山熔巖疊加于構造地貌之上，表現(xiàn)為熔巖臺地、熔巖丘陵為主的地貌特征；晚期主要以河流侵蝕作用為主，疊加于兩種地貌之上，表現(xiàn)為河谷、殘坡積為主河流地貌特征。

研究區(qū)出露的地層有太古界、古生界、中生界和新生界。太古界分布范圍較小，僅位于春化鎮(zhèn)東南方向1 km處，主要巖性為片麻巖、變粒巖。古生界以二疊系在區(qū)域上較為發(fā)育。巖性主要粗碎屑巖、板巖、砂巖、粉砂巖夾灰?guī)r、板巖夾灰?guī)r等。中生界以三疊系為主，區(qū)域內(nèi)發(fā)育面積較小，巖性主要為安山巖、英安巖、英安質(zhì)凝灰角礫巖。新生界新近系由土門子組（N1t）、船底山組（N2ch）和草帽組（N2c）組成。土門子組和船底山組分布在研究區(qū)的中部及北部大部分地區(qū)，主要由橄欖、輝石玄武巖和氣孔狀玄武巖組成。草帽組分布于玄武巖之上，巖性主要為灰色、灰黃色砂巖、礫巖、粘土夾煤層；第四系主要由階地和河漫灘組成、主要巖性為砂土、砂、礫石。

區(qū)域內(nèi)巖漿侵入較為強烈，分布面積較廣。主要以中深成中酸性花崗巖類為主，其巖性主要為花崗巖、石英閃長巖、閃長巖、花崗閃長巖，其次為閃長巖、輝石閃長巖等，主要呈巖基、巖株狀產(chǎn)出，零星呈脈巖產(chǎn)出。二疊紀、三疊紀為花崗質(zhì)巖漿活動的主要時期。

3 數(shù)據(jù)集地貌成因標簽解譯流程

3.1 地貌成因分類標準及遙感解譯

地貌形成是內(nèi)外營力共同作用的結(jié)果，主營力作用決定了地貌的成因類型。但是，在漫長的地質(zhì)演化過程中會發(fā)生疊加改造地質(zhì)作用，原有地貌的主營力作用被替代，導致地貌主成因發(fā)生改變，此種情況在研究區(qū)內(nèi)廣泛發(fā)育。但一般來說，成因是本質(zhì)，而形態(tài)是成因的反應。對區(qū)域地貌進行分類需要確定地形要素形態(tài)（陳志明，1988）。此外，物質(zhì)組成分異也是地貌分類的指標之一，物質(zhì)成分的不同也會導致地貌形態(tài)上的不同（周成虎等，2009）。綜上所述，本研究區(qū)成因類型主要按照物質(zhì)形態(tài)的指標進行劃分。

對區(qū)域進行地貌成因解譯，并將解譯結(jié)果形成場景數(shù)據(jù)集的真值標簽。過程如下：（1）資料收集。收集區(qū)域內(nèi)1∶25 萬、1∶20 萬基礎地質(zhì)圖、高程DEM 數(shù)據(jù)、中國1∶100 萬數(shù)字地貌圖（周成虎等，2009），以及哨兵2 號多光譜影像。（2）確定分類標準。在資料整理分析的基礎上，進行野外基礎地質(zhì)踏勘，最終確定本研究區(qū)地形地貌物質(zhì)形態(tài)分類標準（表2），將地貌分為構造地貌、火山熔巖地貌、流水地貌3類。（3）人機交互目視遙感解譯。根據(jù)收集的資料結(jié)合哨兵2號遙感影像色調(diào)（色彩）、地形地貌、水系、影紋圖案及其組合特征，建立基礎地質(zhì)與遙感影像間的相互對應關系，解譯出1∶5 萬地形地貌物質(zhì)形態(tài)分類圖。（4）實地踏勘驗證。通過剖面測量、照片采集、標本采集、構造分析、巖礦鑒定等手段對解譯成果進行修正，得到最終解譯成果（圖3）。（5）在分塊裁剪好場景圖后，利用某一單張場景范圍內(nèi)占比最大的解譯成因類型作為這張場景數(shù)據(jù)的標簽。

圖3 基于遙感解譯的地貌成因真值標簽圖Fig.3 The label distribution of geomorphic genesis types based on remote sensing interpretation data

表2 地貌成因解譯分類標準表Table 2 Classification criteria table for the interpretation of geomorphic genesis types

3.2 地貌實地調(diào)查

地貌野外調(diào)查是研究地貌的基本方法，是驗證地貌類型劃分和遙感影像解譯成果的基本手段。本次野外驗證路線約長110 km（圖4），其中驗證點共49 個，共取樣58 個，拍攝照片148 張，穿越了主要的3 種地貌類型。地貌類型解譯正確的有46個，占比93.88%，錯誤3個，占比6.12%，主要是部分零散的第四紀沉積物解譯成構造或火山熔巖地貌。

圖4 野外調(diào)查路線圖Fig.4 The roadmap of field survey

3.3.1 構造地貌

通過地質(zhì)資料及野外調(diào)查，對區(qū)域構造地貌進行綜合分析。區(qū)內(nèi)造貌的構造運動主要發(fā)生在新生代之前，集中于燕山晚期，以北北東向褶皺作用為主，其次為北東向斷裂作用。具體來看，北北東向褶皺主要分布在工作區(qū)的南部和東北部，翼間角中等，巖性主要為花崗巖，以脆—韌性變形為主，受后期火山和流水作用，兩翼保留往往不夠完整（圖5（a）），形成范圍較大的褶皺侵蝕山；北東向斷裂（圖5（b））整體與褶皺分布存在共生關系，以韌—脆性變形為主，但是其成貌作用相對有限。整體來看，構造地貌時空分布存在明顯的規(guī)律：空間主要受北北東向褶皺控制，時間上主要形成于新生代之前。

3.3.2 火山熔巖地貌

區(qū)內(nèi)熔巖地貌主要集中于研究區(qū)的中部及北部。地貌內(nèi)巖性以火山熔巖為主，形成于新生代，由氣孔狀玄武巖、氣孔狀安山巖等組成，多呈層狀（圖5（c））、丘狀分布，局部風化明顯，出現(xiàn)巖體表層破碎現(xiàn)象。熔巖內(nèi)氣孔構造發(fā)育廣泛，由于氣孔狀構造（圖5（d））是原始巖漿噴溢至地表冷凝時的揮發(fā)分逸散后留下的空洞形成的，主要分布于熔巖流的頂部，代表了原始熔巖地貌最表層的信息，所以該構造現(xiàn)象能夠完整保存下來證明了新生代火山巖形成以后該區(qū)地殼相對比較穩(wěn)定，未經(jīng)受大規(guī)模的隆升剝蝕作用。

圖5 地貌實地調(diào)查現(xiàn)場照片F(xiàn)ig.5 The photos of geomorphological field survey

3.3.3 流水地貌

野外調(diào)查結(jié)合區(qū)域河流分布圖顯示，區(qū)內(nèi)流水地貌（圖5（e）—（f））廣泛發(fā)育，主要分布于研究區(qū)的南部臺地平原地帶及北部山地丘陵地帶，流走向以南北向和東西向為主，以樹枝狀水系為主，河流以琿春河為主，屬圖們江水系，是圖們江下游琿春市境內(nèi)的主要支流。

4 數(shù)據(jù)集制作方法

GOS10m 數(shù)據(jù)集制作主要分為3 個階段。首先對遙感影像數(shù)據(jù)源預處理后裁剪得到遙感場景數(shù)據(jù)集。其次，對獲取的DEM 進行成分提取和預處理操作。最后，以遙感場景數(shù)據(jù)集為空間基準，對預處理后的DEM 及其提取成分、解譯結(jié)果矢量圖進行空間上裁剪，得到DEM 及其成分數(shù)據(jù)集及解譯標簽。

4.1 遙感數(shù)據(jù)源及預處理

在歐洲空間局網(wǎng)站上選擇2020-10-26 兩景云量<1%的哨兵2 號（表3）的L1C 級可見光數(shù)據(jù)作為遙感數(shù)據(jù)源。L1C 級數(shù)據(jù)是經(jīng)過幾何精校正的正射影像，其參考橢球為WGS84，空間分辨率為10 m。利用插件Sen2cor，生產(chǎn)出經(jīng)過輻射定標和大氣校正的大氣底層反射率數(shù)據(jù)。由于兩景影像之間色差較小，所以直接對兩景影像進行鑲嵌處理，得到研究區(qū)遙感鑲嵌影像。在此基礎上，對選取影像進行場景數(shù)據(jù)集制作，由于不同成因地貌類型在空間上相互交錯，為了最大程度完整體現(xiàn)出地貌成因分類，設定單張場景尺寸為64×64像素（640 m×640 m）。

表3 哨兵2號衛(wèi)星主要性能參數(shù)表Table 3 The main parameters of Sentinel-2 satellite

4.2 DEM數(shù)據(jù)獲取及成分提取

DEM 由復雜的高程值模式組成，描述了地表形態(tài)特征，在遙感地形地貌等地表分類中有廣泛的應用（Jasiewicz 和Stepinski，2013）。本文使用SRTM 1 Arc-Second Global DEM 數(shù)據(jù)（下載網(wǎng)址：https：//earthexplorer.usgs.gov［2021-06-10］），該數(shù)據(jù)由美國奮進號航天飛機于2000年左右基于雷達干涉影像生成，參考橢球為WGS84，高程基準是基于EGM96，空間分辨率約30 m 的格網(wǎng)高程數(shù)據(jù)。對下載的研究區(qū)范圍DEM 數(shù)據(jù)進行預處理，并提取山體暈渲圖、坡度、DEM 局部平均中值、標準偏差、坡向—向北方向偏移量、坡向—向東方向偏移量和相對偏離平均值7 個地貌形態(tài)參數(shù)。這些參數(shù)的提取方法及對地貌遙感解譯的支撐作用見表4。參數(shù)提取后利用立方卷積方法在Arcgis 10.6軟件中將各地貌形態(tài)參數(shù)重采樣到10 m。重采樣后，投影到相同坐標系后，對重采樣后的各地貌形態(tài)參數(shù)圖進行裁剪，裁剪單張空間范圍以哨兵2號影像數(shù)據(jù)集為標準。

表4 地形參數(shù)獲取方法及及其對地貌遙感解譯的支撐作用描述Table 4 Methods of obtaining geomorphological variables and their role in geomorphic remote sensing interpretation

4.3 數(shù)據(jù)集標簽生成處理

各標簽范圍以哨兵2號影像數(shù)據(jù)集為標準進行裁剪，并計算裁剪后單張場景圖片中3種地貌成因類型面積占比，最后將面積占比最大的地貌成因類型定為其地貌類型標簽，如圖6所示。

圖6 場景尺度下的地貌成因解譯標簽結(jié)果圖Fig.6 The label distribution of geomorphic genesis types based on the scale of the scene

5 數(shù)據(jù)集描述

地貌GOS10m數(shù)據(jù)集為場景數(shù)據(jù)集，分為構造地貌成因、火山熔巖地貌成因和流水地貌成因3 類，共有9 個主要成分，分別為哨兵2 號遙感影像、DEM，以及基于DEM 提取的山體暈渲圖、坡度、DEM局部平均中值、標準偏差、坡向—向北方向偏移量、坡向—向東方向偏移量和相對偏離平均值7個地貌形態(tài)參數(shù)，每個成分共有11896張樣本，所有成分分辨率為10 m。其中流水地貌為897 張、火山熔巖地貌為4048 張、構造地貌為6951 張。單個樣本為64 像素×64 像素（640 m×640 m），所有樣本之間無重疊區(qū)域。

數(shù)據(jù)集內(nèi)容（圖7）主要包括（1）研究區(qū)范圍哨兵2 號遙感多光譜影像圖及DEM 高程影像圖，存儲為tiff 格式；（2）11896 張×9 個數(shù)據(jù)集主要成分樣本圖（圖8），存儲為tiff 格式；（3）樣本解譯標簽及標簽介紹，存儲為txt 格式；壓縮后數(shù)據(jù)量約為1.62 GB。

圖7 GOS10m數(shù)據(jù)集內(nèi)容描述圖Fig.7 Introduction of GOS10m dataset

圖8 GOS10m數(shù)據(jù)集各成分展示圖Fig.8 Example of geomorphological variables data of different landform types in the GOS10m dataset

6 數(shù)據(jù)分類網(wǎng)絡結(jié)構及結(jié)果

利用多模態(tài)深度學習神經(jīng)網(wǎng)絡對制作的數(shù)據(jù)進行訓練。本文在Du 等（2019）提出的“多通道特征提取網(wǎng)絡—多通道特征融合網(wǎng)絡—地貌識別網(wǎng)絡”的地貌分類網(wǎng)絡結(jié)構的基礎上進行修改，本文具體地貌分類算法框架如圖9所示。

圖9 地貌分類算法框架圖（改自Du 等，2019）Fig.9 The framework of geomorphological classification（Revised from Du et al.，2019）

其中多通道特征提取網(wǎng)絡修改如下：（1）網(wǎng)絡結(jié)構Conv_block 分別更換成經(jīng)典網(wǎng)絡Vgg16、Resnet18、Densenet121 和Inceptionv3，由于不同于經(jīng)典網(wǎng)絡的原始輸入，本文輸入的數(shù)據(jù)分辨率較小，此外為了保持幾個網(wǎng)絡結(jié)構的對比性，固定輸出的特征圖尺寸為8像素×8像素，所以要對每個經(jīng)典網(wǎng)絡做一定的修改。具體修改如下：1）Vgg16（Simonyan和Zisserman，2015）：僅保留前面7個Con3卷積層和3個最大池化層，去掉后6 個Con3-512 卷積層、2 個最大池化層、3個全連接層和softmax層。2）Resnet18（He 等，2016）：為了最大程度保留Resnet18 網(wǎng)絡結(jié)構，同時考慮大卷積核替換成3×3小卷積核的優(yōu)勢，即：大卷積核被多個3×3小卷積核進行疊加替代后，感受野的大小保持不變，所在卷積層表現(xiàn)出更多的非線性（更多的非線性函數(shù)層），且網(wǎng)絡參數(shù)量更小。故將第一層（Conv1）7×7卷積核大小改為3×3，填充參數(shù)、步長均為1。去掉第二層開始Conv2_x 的最大池化層、最后一層的平均池化層、全連接層和softmax 層。3）Densenet121（Huang 等，2017）：同Resnet18 類似，將第一層Convolution 層，卷積核大小改為3×3，填充參數(shù)、步長均為1。去掉第二層Pooling 的最大池化層、最后一層的平均池化層、全連接層和softmax 層。4）Inceptionv3 （Szegedy 等，2016）：直接采用Inceptionv3 中小分辨率輸入的79 像素×79 像素網(wǎng)絡結(jié)構，故開始要將輸入圖像重采樣到79 像素×79像素。

（2）將特征提取通道從3 個變成4 個，多出的一個通道為山體暈渲圖、DEM 及RGB 共3 種數(shù)據(jù)按維數(shù)1 拼接而成（后簡稱多模態(tài)聯(lián)合通道）；通道個數(shù)對識別精度的影響將討論于7.1節(jié)。

（3）去掉所有經(jīng)典網(wǎng)絡的BatchNorm2d層（Ioffe和Szegedy，2015）（后簡稱Bn 層）。Bn 層對識別精度的影響將討論于7.2節(jié)。

在多通道特征融合網(wǎng)絡上，去掉Du等（2019）提出的殘差單元。殘差單元主要用于深層網(wǎng)絡，保證網(wǎng)絡在深層位置的效果，不會出現(xiàn)退化現(xiàn)象（He等，2016），但是本文特征融合網(wǎng)絡深度僅3個卷積層，深度較淺，本身網(wǎng)絡退化現(xiàn)象的可能性??；此外，本文粒度較小且圖像有可能存在一定的噪聲，在淺層網(wǎng)絡的情況下提取的圖像特征再加上殘差單元可能會導致提取的特征不明顯，或者帶上原來的噪聲的影響，導致地貌網(wǎng)絡分類效果不佳。具體網(wǎng)絡設計見圖9和表5。

表5 多通道特征融合網(wǎng)絡具體參數(shù)表Table 5 The detailed parameter configuration of multi-channel geomorphological feature fusion network

具體訓練過程如下：首先，輸入山體暈渲圖、DEM、多光譜影像RGB 及三者融合樣本（多模態(tài)聯(lián)合通道），利用基于相同網(wǎng)絡結(jié)構的四通道特征提取網(wǎng)絡生成DEM 的物理特征、山體陰影、影像數(shù)據(jù)的視覺特征及融合互補語義特征。其次，利用特征融合網(wǎng)絡融合上述特征，構建聯(lián)合表示。最后，利用平均池化層、全連接層及Softmax 分類器輸出每個類的得分。訓練時利用交叉熵損失函數(shù)（CrossEntropy）來衡量模型是否學習到類間的分布和真實分布的差異。在測試和驗證數(shù)據(jù)集時，利用argmax 函數(shù)來得到預測的結(jié)果。本次數(shù)據(jù)訓練在centos7 系統(tǒng)下，采用Pytorch 來實現(xiàn)地貌分類算法。其中GOS10m 數(shù)據(jù)集分為3 部分，訓練集、驗證集和測試集。與Du 等（2019）驗證數(shù)據(jù)時最少采用45%訓練驗證數(shù)據(jù)相比，本文采用少量樣本驗證方式，即是每個類隨機選擇15%的樣本作為訓練集，5%的作為驗證集，其余80%用于測試。由于GOS10m 數(shù)據(jù)集存在類間不平衡的問題，采用權重采樣的方式，同時采用3種特征成分同時隨機旋轉(zhuǎn)（0°，90°，180°，270°）、水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、對稱翻轉(zhuǎn)（45°對稱和-45°對稱）的數(shù)據(jù)增強策略，并訓練迭代1000 次。實驗初始，對圖像進行通道均值和標準差歸一化處理，初始學習率設置為0.0001，每間隔30 次，學習率為原學習率的0.1 倍，每一批訓練樣本數(shù)量為20。隨機取樣3 次，不同網(wǎng)絡的3 次平均分類精度如表6。此外，采用最高驗證精度的模型為最優(yōu)模型，計算最終各模型的平均測試精度、平均測試F1-Score。結(jié)果表明，Vgg16 網(wǎng)絡模型的平均測試精度及Resnet18網(wǎng)絡模型的F1-Score最高分別為82.63%、79.76%。采用單次最高測試精度（83.00%）及最高測試F1-Score（80.32%）的Vgg16 模型生成分類結(jié)果和混淆矩陣如圖10 和圖11 所示。從地貌成因解譯測試結(jié)果圖來看，當一張樣本場景圖中包含多個地貌類別時，往往會出現(xiàn)錯分，這可能是因為這些樣本中不同種類的地貌相互混雜，地貌特征不明顯。事實上，對這些復雜的地貌樣本，地貌專家也不容易區(qū)分地貌類別。此外，結(jié)合混淆矩陣和分類結(jié)果圖上來看，首先，錯分最多的是構造地貌錯分成火山熔巖地貌，可能是因為構造運動是區(qū)域運動，并不是所有在640 m×640 m 范圍內(nèi)的地塊都受到強烈的構造運動改造，并在圖像上表達出足夠的構造紋理讓模型識別。其次，將火山熔巖地貌錯分成構造地貌，其主要為熔巖丘陵地貌中的堰塞湖地貌錯分為構造地貌，可能是熔巖堰塞湖后期流水侵蝕和堆積作用較熔巖臺地強，形成的地貌的圖像紋理與構造地貌在640 m×640 m范圍內(nèi)具有一定相似性，較難區(qū)分。

圖10 地貌成因解譯測試結(jié)果圖Fig.10 The test result map of landform classification

圖11 混淆矩陣圖Fig.11 The confusion matrix figure

表6 分類精度結(jié)果表Table 6 The classification accuracies

7 討 論

7.1 四通道、三通道與單通道輸入的實驗對比

為了驗證四通道輸入對識別地貌數(shù)據(jù)集的優(yōu)勢性，在Conv_block為Vgg16的基礎上，對比三通道、單通道（少量參數(shù)）和單通道（等量參數(shù)）輸入。

（1）三通道輸入的網(wǎng)絡為：將四通道輸入去掉多模態(tài)聯(lián)合通道后，多通道特征融合網(wǎng)絡中特征合并后的通道數(shù)減小到原來的3/4，其余網(wǎng)絡參數(shù)不變。

（2）單通道（少量參數(shù)）的網(wǎng)絡：多通道特征提取網(wǎng)絡為多模態(tài)聯(lián)合通道，輸入特征融合網(wǎng)絡的通道數(shù)減小到原來的1/4，其余網(wǎng)絡參數(shù)不變。

（3）此外考慮到單通道輸入?yún)?shù)量較四通道少很多，為了對比的公平性，加寬卷積通道數(shù)。即單通道（等量參數(shù)）網(wǎng)絡設計為：將Conv_block中所有卷積通道數(shù)×4 倍，故特征合并通道的數(shù)量與原四通道相同。

對上述3 次取樣各訓練一次，對比結(jié)果如表7所示。結(jié)果表明四通道與三通道相比，平均驗證精、平均測試精度、平均測試F1-Score 分別上升0.06%、0.71%、0.75%。與單通道（少量參數(shù)）相比分別上升0.62%、1.51%、1.57%。與單通道（等量參數(shù)）相比分別上升1.75%、3.43%、3.15%。區(qū)別于單通道輸入（前融合）和三通道輸入（后融合），四通道輸入（混合融合）雖然加大了訓練復雜度，但能更好地關注特征層面的模態(tài)相關性和數(shù)據(jù)的異步性特點（劉建偉等，2020）。

表7 基于輸入不同數(shù)量通道的分類精度結(jié)果表Table 7 The classification accuracies based on a different number of incoming channels

7.2 多通道特征提取網(wǎng)絡中的Bn層

（1）為了體現(xiàn)Bn 層對多通道特征提取網(wǎng)絡的影響。在Conv_block 補上Resnet18、Densenet121、Inceptionv3 原網(wǎng)絡設計的Bn 層，與去掉Bn 層的網(wǎng)絡做對比。對上述3次取樣中取第一次，且訓練一次，以四通道輸入的網(wǎng)絡為基準進行比對。結(jié)果如表8，從表8中可觀察出，多通道特征提取網(wǎng)絡中帶Bn 層的分類精度明顯低于不帶Bn 層的精度，平均測試精度、平均測試F1-Score 相差最小的（Resnet18）也分別低出了19.77%、30.47%。

（2）在上述實驗中，表明了多通道特征提取網(wǎng)絡的Bn 層會對網(wǎng)絡精度造成一定不良影響。為了判斷是否是因為多個通道輸入原因，補充一組單通道特征提取網(wǎng)絡帶Bn 層的試驗，特征提取網(wǎng)絡輸入為帶Bn 層的多模態(tài)聯(lián)合通道，輸入特征融合網(wǎng)絡的通道數(shù)減小到原來的1/4，其余網(wǎng)絡參數(shù)不變。訓練時對上述3次取樣中取第一次，且各訓練一次。

實驗結(jié)果可見表8，可見帶有Bn 層的單通道輸入網(wǎng)絡的測試集精度結(jié)果雖然低于不帶有Bn 層的四通道輸入網(wǎng)絡結(jié)果，但均較為接近，均大大高于帶有Bn 層的四通道輸入網(wǎng)絡精度結(jié)果。上述結(jié)果可能原因是：不同于自然圖像，地貌遙感數(shù)據(jù)集各不同輸入通道間，在空間上是存在一一對應關系，而含有Bn 層的四通道輸入網(wǎng)絡在各自不同通道中不斷對分布不同的輸入數(shù)據(jù)進行計算后又通過Bn 層對數(shù)據(jù)的不斷縮放，造成在特征融合時候空間上難以對齊各模態(tài)的數(shù)據(jù)，最終造成識別精度的降低；相比較單通道輸入，對不同數(shù)據(jù)的統(tǒng)一計算，就算存在Bn 層的不斷縮放，也可以在空間上對齊各部分的數(shù)據(jù)。

表8 基于Bn層消融實驗的分類精度結(jié)果表Table 8 The classification accuracies based on ablation experiment of Bn layer

7.3 不同季節(jié)的遙感影像對識別精度的影響

選擇2021-01-24、2021-04-04各兩景云量<1%的哨兵2號（S2）的L1C 級可見光數(shù)據(jù)作為遙感數(shù)據(jù)源，采用與解譯影像同樣的圖像預處理方式（圖12），形成新的影像數(shù)據(jù)集。其中01-24 遙感圖像中可以明顯看出受到大雪天氣的影響，而04-04 也可以看出同原解譯用影像色差較大。在Conv_block 為Vgg16 的基礎上，訓練集、驗證集和測試集取樣，同上述3 次取樣一致并各訓練一次，所有實驗參數(shù)不變。對兩個數(shù)據(jù)集進行訓練，結(jié)果如表9所示。04-04 的結(jié)果甚至比同原解譯用影像（10-26）的驗證測試精度在平均驗證精、平均測試精度、平均測試F1-Score 結(jié)果上分別高出2.36%、0.19%、0.16%。相比較由01-24 的大雪天氣所制作的數(shù)據(jù)集測試得到的平均測試精度、F1-Score 比10-26 的分別低0.6%、2.05%，表明影像色差對數(shù)據(jù)集影響較小，但大雪覆蓋會改變影像上的部分地貌紋理，對網(wǎng)絡識別地貌產(chǎn)生一定影響。兩個季節(jié)的數(shù)據(jù)同樣公開在“different_season”文件夾中。

圖12 不同季節(jié)的遙感影像圖Fig.12 Images from different seasons

表9 基于不同季節(jié)的影像分類精度結(jié)果表Table 9 The classification accuracies based on images of different seasons

7.4 多光譜遙感影像對識別精度的影響

為了體現(xiàn)多光譜遙感影像在地貌識別中的重要性，設計兩個對比網(wǎng)絡，以四通道輸入的網(wǎng)絡為基準進行比對。

（1）不含RGB 三通道輸入網(wǎng)絡：多通道特征提取網(wǎng)絡均去除遙感影像的RGB 樣本輸入，僅保留山體暈渲圖、DEM、及二者的聯(lián)合通道共3個輸入通道。多通道特征融合網(wǎng)絡中的特征合并后的通道數(shù)減小到原來的3/4，其余網(wǎng)絡參數(shù)不變。

（2）RGB 單通道輸入網(wǎng)絡：輸入通道僅為多光譜遙感影像的RGB 通道，輸入特征融合網(wǎng)絡的通道數(shù)減小到原來的1/4，其余網(wǎng)絡參數(shù)不變。

在Conv_block 為Vgg16 的基礎上，同上述3 次取樣一致并各訓練一次，所有實驗參數(shù)不變，對比四通道結(jié)果如表10 所示。不含RGB 三通道輸入的網(wǎng)絡結(jié)果比含RGB 四通道輸入的網(wǎng)絡結(jié)果在平均測試精度和F1-Score 分別低3.77%、4.72%。但單僅有RGB 單通道輸入的時候，平均測試精度和F1-Score 也僅比不含RGB 三通道輸入網(wǎng)絡結(jié)果分別低1.98%、0.48%。結(jié)果表明多光譜遙感影像RGB要素對提高地貌識別精度起到一定作用。

表10 基于多光譜遙感影像消融實驗的分類精度結(jié)果表Table 10 The classification accuracies based on ablation experiment of remote sensing image

8 結(jié) 論

地貌數(shù)據(jù)集是實現(xiàn)地貌自動分類和加深對地貌形態(tài)學認識的重要數(shù)據(jù)之一。然而，目前缺乏高精度地貌成因類數(shù)據(jù)集，阻礙了地貌遙感自動解譯領域的向前發(fā)展。本文基于哨兵2號可見光影像和DEM，結(jié)合野外實地調(diào)研，構建了3大類地貌成因遙感場景數(shù)據(jù)集（GOS10m）。該數(shù)據(jù)集共9個成分，分別為哨兵2 號可見光影像，DEM 影像，以及基于DEM提取的7個地形參數(shù)。每種成分中各樣本大小為64 像素×64 像素，空間分辨率為10 m，勾繪標注有構造地貌成因、火山熔巖地貌成因和流水地貌等成因地貌3 類?；谏诒? 號可見光影像、DEM 影像和山體暈渲圖，利用多模態(tài)深度學習神經(jīng)網(wǎng)絡對該數(shù)據(jù)集進行了分類驗證，測試分類精度可達82.63%。結(jié)果表明，相較于前人工作，構建的地貌成因場景分類數(shù)據(jù)集精度較高，成分更多，驗證了其能夠在區(qū)域尺度上自動分類不同成因地貌，能夠為地貌成因精細自動分類提供數(shù)據(jù)支撐。

本次研究雖然僅用20%的樣本作為訓練和驗證樣本，所得出的測試樣本精度就可達到較高的結(jié)果。然而，還可以采取一些改進策略來進一步提升精度。例如，可以嘗試采用更高精度的DEM數(shù)據(jù)，以及其他DEM 特征成分作為輸入數(shù)據(jù)，來驗證其他高精度DEM 數(shù)據(jù)及特征成分是否能更好地區(qū)分不同成因地貌特征；或可嘗試更多通道輸入，來拓寬輸入數(shù)據(jù)信息覆蓋度，提升信息互補程度；或可以嘗試加大場景分割尺度，對比是否更大的場景范圍下，不同成因的地貌特征區(qū)別度更高。特別地，本次研究沒有對分類結(jié)果進行后處理，如果采用鄰域合并等策略對分類結(jié)果形成的孤立的場景進行合并的話，將能進一步提升基于場景分類的遙感地貌制圖的應用能力。后續(xù)我們將繼續(xù)針對地貌形態(tài)分類制作多類型高分辨率數(shù)據(jù)集，并開展質(zhì)量評價和區(qū)域分類研究。

志 謝感謝吳朝明在數(shù)據(jù)集制作過程中的相關工作。