一种基于神经网络的DEM数据中盆地的自动标识方法和系统

本发明属于数字地形分析与人工智能交叉技术领域，具体公开了一种基于神经网络的DEM数据中盆地的自动标识方法和系统。所述方法包括：基于均值变点法自适应确定地形起伏度分析窗口，结合高程、坡度及地形起伏度提取初始平原区域；通过形态学优化(孔洞填充、边缘平滑)剔除噪声并构建缓冲区，筛选高程、坡度变率等关键地形因子生成多通道特征数据；利用ISODATA动态聚类划分地貌类型，输出二值化盆地数据；采用改进的ResUNet++网络(集成多编码器、空洞空间金字塔及通道注意力机制)进行端到端训练，实现复杂边界的精细化分割。本发明支持跨区域泛化测试，在干旱与湿润地貌场景下均能实现高精度盆地标识，可广泛应用于资源勘探、生态保护及灾害防控领域。