基于双尺度TPI优化的复杂山地地貌智能分类方法及系统

本发明涉及地貌分类技术领域，公开了一种基于双尺度TPI优化的复杂山地地貌智能分类方法及系统，该方法包括：先获取研究区ASTER GDEM数据，划分地形分析单元并提取初始地形因子(大/小尺度地形位置指数、坡度、高程)，经标准化处理后计算Pearson相关系数和方差膨胀因子以诊断因子共线性，再通过筛选标定确定最优地形因子组合；随后将其与研究区历史地貌分类数据匹配，判断是否调整机器学习模型输入参数，若需调整则确定模型初级及目标影响系数，进而据此优化随机森林、极端梯度提升和深度神经网络的超参数，最终利用优化后的模型完成研究区地貌分类并输出结果。本发明通过优化地形因子组合与机器学习模型参数，提升了研究区地貌分类的准确性和效率。