УДК: 
DOI: 
10.22389/0016-7126-2022-980-2-12-25
1 Харченко С.В.
Год: 
№: 
980
Страницы: 
12-25

Московский государственный университет имени М.В. Ломоносова (МГУ)

1, 
Аннотация:
Цель работы – апробация алгоритма автоматического создания геоморфологической карты Кольского полуострова на основе классификации методом случайного леса, предназначенным для предсказания номинативных данных по числовым или категориальным входным данным. Разработка подобных алгоритмов для различных территорий и разного иерархического уровня анализа рельефа способствует развитию техник быстрого автоматизированного картографирования. В качестве входных переменных используются исключительно морфометрические величины, как базовые (высота, крутизна, кривизна и др.), так и относительно редкие, в том числе спектральные характеристики рельефа. По обучающей выборке проведена реконструкция геоморфологических границ, автоматически построена геоморфологическая карта. Точность ее создания 81 %. Наибольшую репрезентативность в отношении выделения типов рельефа Кольского полуострова имеют абсолютная высота и серия фокальных морфометрических характеристик и индексов, определяющих рисунок расчленения рельефа, наименьшую – базовые локальные величины (кроме высоты). Результаты работы можно использовать при разработке систем автоматизированного картографирования рельефа на уровне его генетических типов.
Работа выполнена по гранту Российского научного фонда № 19-77-10036.

Список литературы: 
1.   Бронгулеев В. В. Современные экзогеодинамические режимы Русской равнины // Геоморфология. – 2000. – № 4. – С. 11–23.
2.   Геоморфологическая карта / Сост. М. К. Граве, Л. М. Граве // Атлас Мурманской области. – М.: ГУГК, – 1971. – С. 8.
3.   Тимофеев Д. А. О полиморфизме как общем свойстве земной поверхности // Геоморфология. – 2006. – № 2. – С. 3–6.
4.   Уфимцев Г. Ф. Геоморфологическая конвергенция // Геоморфология. – 2009. – № 4. – С. 16–28.
5.   Харченко С. В. К вопросу о применении гармонического анализа при количественной характеристике рельефа // Геоморфология. – 2017. – № 2. – С. 14–24. DOI: 10.15356/0435-4281-2017-2-14-24.
6.   Харченко С. В. Новые задачи морфометрии рельефа и автоматизированные морфологические классификации в геоморфологии // Геоморфология. – 2020. – № 1. – С. 3–21. DOI: 10.31857/S043542812001006X.
7.   Чурсин И.Н., Алешина А.Р., Горохова И.Н. Картографирование по изображениям со спутников Landsat-8 и «Канопус-В» орошаемых почв Волгоградской области на участке Светлоярской оросительной системы // Геодезия и картография. – 2019. – № 12. – С. 31-41. DOI: 10.22389/0016-7126-2019-954-12-31-41.
8.   Ямашкин С.А., Радованович М.М., Ямашкин А.А., Вукович Д.В., Фролов А.Н. Использование ансамбль-систем для картографирования ландшафтов // Геодезия и картография. – 2016. – № 7. – С. 42-49. DOI: 10.22389/0016-7126-2016-913-7-42-49.
9.   Boehner J., Selige T. (2006) Spatial prediction of soil attributes using terrain analysis and climate regionalization. In SAGA – Analysis and Modelling Applications // Goettingen: Goettinger Geographische Abhandlungen. pp. 13–28. URL: downloads.sourceforge.net/saga-gis/gga115_02.pdf (дата обращения: 12.03.2019).
10.   Breiman L. (2001) Random forests // Machine learning. 45, 1, pp. 5–32.
11.   Florinsky I. V. (2016) Digital Terrain Analysis in Soil Science and Geology. 2nd ed. Amsterdam: Elsevier Academic Press 486 p.
12.   Gallant J. C., Dowling T. I. (2003) A multiresolution index of valley bottom flatness for mapping depositional areas // Water resources research. 39 (12), pp. 4–13.
13.   GMTED 2010 URL: clck.ru/apDWY (дата обращения: 15.11.2020).
14.   González-Díez A., Barreda-Argüeso J. A., Rodríguez-Rodríguez L., Fernández-Lozano J. (2021) The use of filters based on the Fast Fourier Transform applied to DEMs for the objective mapping of karstic features // Geomorphology. 385, 107724, DOI: 10.1016/j.geomorph.2021.107724.
15.   Han H., Guo X., Yu H. (2016) Variable selection using mean decrease accuracy and mean decrease Gini based on random forest. 7th IEEE International Conference on Software Engineering and Service Science (ICSESS) pp. 219–224. DOI: 10.1109/ICSESS.2016.7883053.
16.   Iwahashi J., Pike R. J. (2007) Automated classifications of topography from DEMs by an unsupervised nested-means algorithm and a three-part geometric signature // Geomorphology. 86, pp. 409-440.
17.   Longadge R., Dongre S. (2013) Class imbalance problem in data mining: review // International Journal of Computer Science and Network. 2, 1, URL: clck.ru/apDxG (дата обращения: 15.11.2020).
18.   MacMillan R. A., Pettapiece W. W., Nolan S. C., Goddard T. W. (2000) A generic procedure for automatically segmenting landforms into landform elements using DEMs, heuristic rules and fuzzy logic // Fuzzy Sets and Systems. 113, 1, pp. 81–109.
19.   Miska L., Jan H. (2005) Evaluation of current statistical approaches for predictive geomorphological mapping // Geomorphology. 67, pp. 3–4.
Образец цитирования:
Харченко С.В., 
Автоматизированное распознавание генетических типов рельефа Кольского полуострова по морфометрическим данным // Геодезия и картография. – 2022. – № 2. – С. 12-25. DOI: 10.22389/0016-7126-2022-980-2-12-25
СТАТЬЯ
Поступила в редакцию: 23.02.2021
Принята к публикации: 26.01.2022
Опубликована: 20.03.2022

Содержание номера

2022 февраль DOI:
10.22389/0016-7126-2022-980-2

QR-код страницы

QR-код страницы