地形地貌的形成是内、外力协同作用于地壳的结果,而地形地貌的差异表现在地形纹理的复杂多样,所以地形纹理的综合分析和量化提取对探索地壳运动以及地貌演变过程有重要的意义。当前有关地形形态的研究大多是通过对各种微观地形因子的计算,从而间接挖掘地形的数学规律,在表达局部特征方面比较有效,然而在区域范围内对地形特征的宏观把握能力不足。鉴于目前在宏观地形的有效分析研究上缺乏突破性的进展,本文从计算机视觉领域的纹理分析技术出发,将基于灰度共生矩阵的纹理分析技术、计算机图像处理技术理论与地貌学研究思想相结合,并应用于数字地形分析领域。用基于灰度共生矩阵的纹理分析方法进行地形纹理的量化提取,可有效地阐明地貌形态的宏观形态,有望实现地貌形态量化与地貌识别等研究领域的新突破。本文的主要内容和结论如下:(1)本文综合分析了灰度共生矩阵模型的构造因子选取对纹理特征参数值的影响,以数字高程模型(Digital Elevation Model,DEM)为例,测试11个参数随点对距离变化的的影响以及对角度变化的响应:获得较为适宜的距离为4个栅格,在四个角度方向上取均值。(2)地形纹理特征的量化必然会受到数据分辨率差异的影响,所以本文对样区的各类数据构建了不同分辨率的多尺度序列,分别计算各尺度的DEM数据、光照模拟数据、坡度、曲率数据的8个参数纹理特征,测试各纹理参数随分辨率改变产生的响应规律:光照模拟数据的各参数特征对DEM分辨率的响应最为敏感,而在所有参数中方差的波动最为明显。(3)对8个样区的DEM数据、光照模拟数据、坡度数据和曲率数据作参数特征的逐一分析,分析各参数对地形区分的能力,综合取舍保留了 8个参数特征:角二阶矩、对比度、相关度、逆差矩、熵、方差、均值和、差的方差,由于参数特征存在着冗余和重复描述,本文选用主成分析进行参数的合理归类:相关度参数可用来探测地形纹理方向性,熵、角二阶矩、逆差矩三参数用来量化周期性,方差、对比度、差的方差则用来量化复杂性,最后提出综合性量化指标进行分析,认为灰度共生矩阵纹理分析方法具有一定区分地貌类型的能力。