技术领域
[0001] 本
发明涉及地理信息技术应用领域，尤其涉及一种基于数字地质图，通过空间结构模式匹配，自动化识别单斜岩层构造地貌的方法。
背景技术
[0002]
水平的岩层受
地壳变动影响发生倾斜，与水平面形成一定的夹
角，岩层向同一方向倾斜，称之为单斜构造。常见的单斜岩层构造地貌包括猪背山、单面山等。单斜可能出现在被破坏的背斜翼部，或出现在已被破坏的穹窿构造的四周、盆地的外围、掀斜的水平岩层或
断层的掀斜等处。单斜岩层主要表现为三种形式：一为褶曲构造的一翼；二为断层构造的一盘；三区域内的不均匀抬升或下降运动形成的。
[0003] 传统的构造识别主要为人工操作，其工作量大，历时长，且受限于制图人员的技术和认识水平。单斜岩层构造地貌的识别主要依赖于地质资料或野外勘察的结果，在地质图上查找单斜主要是查找在褶皱或断层一侧的系列倾斜
地层。陈楹等(陈楹,李安波,姚蒙蒙,等.基于空间结构模式匹配的褶皱地貌类型自动识别[J].地球信息科学学报,2016,18(11))通过空间结构模式匹配的方法，实现了基于数字地质体面数据对背斜、向斜构造地貌进行自动化识别的方法。但该结构模式仅考虑了对称、重复的结构，对于单斜岩层构造地貌则没有很好的进行识别。
[0004] 单斜岩层构造地貌的形成与周围的地貌变迁和构造演化有密切联系，研究单斜岩层构造地貌可为地质图认知、构造演化推理提供有效支持，是构造解析、参数化
三维建模等工作的前提。
发明内容
[0005] 发明目的：本发明针对
现有技术存在的问题，提供一种单斜岩层构造地貌的自动识别方法。该方法采用数字地质图，针对单斜地层倾向一致的规律，以结构模式匹配的方法，基本实现了在基岩山地地区，对单斜岩层构造地貌的自动化识别。相比传统的人工识别方法，实现了基于地质图的自动化识别，也为非专业人员的地质图读图识图提供了帮助。
[0006] 技术方案：本发明所述的单斜岩层构造地貌的自动识别方法包括以下步骤：
[0007] (1)提取基岩地层对象(不包括
侵入岩体)，依据邻接、倾斜和倾向一致性的规则，对提取得到的邻接对象建立关系，绘制邻接ARG图(属性关系图，attributed relational graph)；
[0008] (2)基于邻接ARG图，依据邻接关系构建场景模型，并对场景模型进行简化；
[0009] (3)按照褶皱筛选规则对简化后的场景模型进行筛选，保留非完整褶皱结构的模型，即为单斜岩层构造。
[0010] 其中，步骤(1)具体包括：
[0011] (1-1)设置角度
阈值α作为判断两个方位角度或走向角度差值是否在可接受范围内的依据，一般取值[22.5，90)；设置倾角阈值β作为判断岩层是否达到倾斜标准的依据，一般取值[15，90)，具体可根据用户需求自行确定；
[0012] (1-2)加载矢量格式的地层面要素图层，得到所有面要素集合Stra＝{si|i＝1,2,3,…,n}；其中，si表示第i个面要素，面要素包含编号属性Id、地层年代属性Age、产状倾向属性OccT和产状倾角属性OccA，n为面要素的数量；
[0013] (1-3)分别计算面要素的质心点，得到地层面要素质心点要素集合OriGrav＝{ogi(xogi,yogi)|i＝1,2,3,…,n}；其中，ogi表示第i个面要素的质心点要素，(xogi,yogi)为ogi的坐标，质心点要素继承面要素的编号属性Id、地层年代属性Age、产状倾向属性OccT和产状倾角属性OccA；
[0014] (1-4)质心点要素筛选：对集合OriGrav，根据地层年代属性Age，选取非第四纪、非侵入岩体的地层的质心点要素，创建质心点要素集合Grav＝{gi(xgi,ygi)|i＝1,2,3,…,c}；其中，gi为保留的第i个质心点要素象，(xgi,ygi)为gi的坐标，c为保留的质心点要素的数量；
[0015] (1-5)创建地层对象间关系：对于质心点要素集合Grav，取质心点要素gi和gj，j＝1,2,3,…,c，j>i，判断是否满足以下条件：
[0016] a)质心点要素gi和gj的产状倾角属性OccA大于等于倾角阈值β；
[0017] b)质心点要素gi和gj的地层年代属性Age不相同；
[0018] c)质心点要素gi和gj对应的地层面要素si和sj邻接；
[0019] d)质心点要素gi和gj的产状倾向属性OccT的差值不超过角度阈值α；
[0020] e)质心点要素gi和gj所在直线的走向与质心点要素gi或gj的产状倾向属性OccT的差值不超过角度阈值α；
[0021] 对于满足以上所有条件的质心点要素gi和gj创建关系rk，并存储关系rk中左
[0022] 对象gi和右对象gj的编号属性Id；
[0023] (1-6)完成所有质心点要素间的关系创建，得到关系集合Rel＝{rk|k＝1,2,3,…,m}，m为创建的关系的数量；
[0024] (1-7)根据质心点要素绘制
顶点集合，根据要素间的关系绘制边，则基于质心点要素集合Grav与关系集合Rel完成邻接ARG图。
[0025] 其中，步骤(2)具体包括：
[0026] (2-1)基于邻接ARG图，以邻接关系为条件对所有连接边创建场景模型，得到场景模型集合OriM＝{OMi|i＝1,2,3,…,p}，OMi表示第i个场景模型，p为场景模型的数量，场景模型OMi包括顶点集合和边集合。例如对有邻接关系的边ru与rv(u≠v)构建场景模型OM，场景模型OM包括顶点集合OMGrav＝{gi，g,gk}，以及边集合OMRel＝{ru,rv}，并计算且记录过顶点gi，g,gk的边的数量分别为2，1，1；
[0027] (2-2)查找端点：在场景模型的顶点集合中，存在简化端点与普通端点两种类型的端点，按以下步骤依次查找简化端点和普通端点：
[0028] 1)查找满足以下所有条件的顶点作为简化端点：
[0029] a)过该顶点的边的数量大于等于2；
[0030] b)与该顶点连接的端点集合中存在地层年代属性相同的情况；
[0031] c)与该顶点连接的边集合中存在至少一对夹角小于90°的边；
[0032] 2)查找满足连接的边的数量等于1的条件的顶点作为普通端点；
[0033] (2-3)递归重建模型：依次将所有简化端点和未标记的普通端点作为起始端点按照以下步骤进行递归，不存在简化端点的场景模型直接将普通端点作为起始端点按照以下步骤进行递归；
[0034] 1)将起始端点gi加入顶点链集合Link，将与其连接的其他顶点gij视为gi的孩子，j＝1,2,3,…,ti，ti为与端点gi有连接的顶点数量：
[0035] 2)若Link长度<2，则将顶点gij加入Link，对其进行步骤4)的判断；若Link长度>＝2，则对其进行步骤3)判断；
[0036] 3)对顶点gij进行规则判断,j＝1,2,3,…,ti：若顶点gij同时满足条件①为简化端点或未被标记；②在Link中不存在；③Link中最后两个顶点组成的边的方位角度与Link中最后一个顶点指向gij的方位角度差值小于预设角度阈值α，则将顶点gij加入Link，标记顶点gij，继续步骤4)判断；反之，则继续对下一个孩子顶点gi(j+1)进行本步判断，直到gi的所有孩子判断完毕，跳到步骤5)；
[0037] 4)对顶点gij进行端点判断：若顶点gij为简化端点或普通端点，则该Link结束，根据当前Link集合重建模型M，将当前顶点gij从Link中移除；反之，则将顶点gij视为gi，对其孩子gij重复步骤2)判断；
[0038] 5)当前父级顶点gi的所有孩子遍历完毕，将顶点gi从Link中移除，继续对下一个顶点g(i+1)或下一个起始端点重复步骤2)判断，直到最后一个端点判断完毕，递归结束；
[0039] (2-4)按以下规则对递归得到的场景模型进行筛选：
[0040] 1)剔除模型内仅包含两个顶点和一个边的场景模型；
[0041] 2)对于同一简化端点为起点或终点重建的多个场景模型，按以下原则进行剔除：
[0042] a)若模型的顶点集合元素数量相同，集合内顶点对应的地层年代属性Age分别相同，则保留对应的地层面面积大的场景模型；
[0043] b)若模型的顶点集合不完全相同，则保留集合元素较多的场景模型；
[0044] (2-5)对筛选后的场景模型进行重新编号，得到模型集合AllM＝{M1,M2,M3,…,Mq}，q为场景模型数量。
[0045] 其中，步骤(3)具体包括：
[0046] (3-1)模型Vonoroi单元剖分：根据步骤(2)得到的场景模型进行Voronoi单元剖分(王新生,刘纪远,庄大方,等.基于GIS的任意发生元Voronoi图逼近方法[J].地理科学进展,2004,23(4))，剖分后的Voronoi多边形单元继承模型编号属性；
[0047] (3-2)对模型进行褶皱筛选：对于相互邻接的Voronoi多边形单元中的场景模型Mi与Mj进行比较，若同时满足以下条件则判定两个场景模型组成完整褶皱，剔除这两个模型：
[0048] a)场景模型Mi与Mj的顶点集合一致；
[0049] b)按照一致的顶点顺序，两个场景模型的走向相反；
[0050] (3-3)完成褶皱筛选后保留的场景模型视为单斜模型，全图筛选后得到单斜模型集合FinM＝{FMh|h＝1,2,3,…,w}，w为单斜模型数量，FMh表示第h个单斜模型，FMh包括顶点集合FMGravh和边集合FMRelh；
[0051] (3-4)对筛选后的模型集合FinM中每一个场景模型，进行地层面要素合并，得到对应的单斜面要素，形成单斜面要素集合Poly＝{pr|r＝1,2,3,…,w}，pr为场景模型FMr的单斜面要素。
[0052] 有益效果：本发明与现有技术相比，其显著优点是：本发明采用数字地质图，针对单斜地层倾向一致的规律，以结构模式匹配的方法，实现了在基岩山地地区，对单斜岩层构造地貌的自动化识别。相比传统的人工识别方法，实现了基于地质图的自动化识别，也为非专业人员的地质图读图识图提供了帮助。单斜岩层构造地貌的形成与周围的地貌变迁和构造演化有密切联系，研究单斜岩层构造地貌可为地质图认知、构造演化推理提供有效支持，是构造解析、参数化三维建模等工作的前提。
附图说明
[0054] 图2为
实施例地质体面图层数据示意图；
[0055] 图3为实施例质心点要素图层数据示意图；
[0056] 图4为实施例筛选质心点要素构建关系示意图；
[0057] 图5为示例(a)场景模型图层(b)顶点集合属性(c)边集合属性示意图；
[0058] 图6为复杂情况下的场景模型示例图
[0059] 图7为简化筛选后模型数据示意图；
[0060] 图8为模型数据Voronoi剖分示意图；
[0061] 图9为完整褶皱模型示意图；
[0062] 图10为识别的单斜面图层数据示意图。
具体实施方式
[0063] 下面结合附图并通过描述一个自动识别单斜岩层构造地貌的实例，来进一步说明本发明的效果。本发明的方法流程图如图1所示，包括以下步骤：
[0064] (一)邻接ARG图生成
[0065] 步骤11：设置角度阈值α为45°，设置倾角阈值β为15°；
[0066] 步骤12：本实施例选择南京紫金山的地质体面图层的shp格式数据为示例，如图2所示，加载矢量格式的该图地层面要素图层，得到所有面要素集合Stra＝{si|i＝1,2,3,…,78}。存储面要素的编号属性Id、地层年代属性Age、产状倾向属性OccT和产状倾角属性OccA。数据采用十六方位模型表示产状倾向，将其转换成数值，在此，以方位区间的中心方位角度来替代；
[0067] 步骤13：分别计算面要素的质心点，得到地层面要素质心点要素集合OriGrav＝{ogi(xogi,yogi)|i＝1,2,3,…,78}。质心点要素继承面要素的编号属性Id、地层年代属性Age、产状倾向属性OccT和产状倾角属性OccA；
[0068] 步骤14：筛选质心点，根据地层年代属性Age，选取非第四纪、非侵入岩体的地层的质心点要素，得到质心点对象集合Grav＝{gi(xgi,ygi)|i＝1,2,3,…,62}，筛选得到的质心点对象图层如图3所示；
[0069] 步骤15：创建地层对象间关系。对于质心点对象集合Grav，取质心点对象gi和gj(j＝1,2,3,…,62，j>i)判断是否满足以下条件：
[0070] a)质心点要素gi和gj的产状倾角属性OccA大于等于倾角阈值β；
[0071] b)质心点要素gi和gj的地层年代属性Age不相同；
[0072] c)质心点要素gi和gj对应的地层面要素si和sj邻接；
[0073] d)质心点要素gi和gj的产状倾向属性OccT的差值不超过角度阈值α；
[0074] e)质心点要素gi和gj所在直线的走向与质心点要素gi或gj的产状倾向属性OccT的差值不超过角度阈值α；
[0075] 对于满足以上所有条件的质心点要素gi和gj创建关系rk，并存储关系rk中左
[0076] 对象gi和右对象gj的编号属性Id，得到集合Rel＝{rk|k＝1,2,3,…,21}，根据质
[0077] 心点对象和关系集合绘制顶点和边，完成ARG图，如图4所示。
[0078] (二)场景模型构建与简化
[0079] 步骤21：基于ARG图，以相邻关系为条件创建场景模型。以模型OM5为例(如图5(a)所示)，其顶点集合OMGrav5包括8个对象OMGrav5＝{g23，g24，g27，g28，g30，g31，g32，g33}，属性如图5(b)所示，其边集合OMRel5包括7个边OMRel5＝{r9，r10，r11，r12，r13，r14，r15}，属性如图5(c)所示。在模型中顶点连接的边的数量分别为4、1、2、2、1、2、1、1；
[0080] 步骤22：全图进行场景模型构建，得到场景模型集合OriM＝{OMi|i＝1,2,3,…,8}；
[0081] 步骤23：对场景模型进行简化。可能存在受后期断层影响而造成场景模型结构复杂的情况(如图6所示)，需要对场景模型进行简化，以场景模型OM5为例，场景模型的简化过程阐述如步骤24～26所示。
[0082] 步骤24：查找端点。
[0083] 1)在场景模型OM5的顶点集合OMGrav5中，顶点g23满足以下条件，则顶点g23为简化端点：
[0084] a)过顶点g23的边的数量为4，大于2；
[0085] b)与顶点g23连接的顶点集合中，g31和g33的地层年代属性一致
[0086] c)包含顶点g23的所有边集合中存在夹角小于90°的边；
[0087] 2)其次，根据经过的边的数量等于1的条件寻找普通端点，则顶点g24，g30，g32，g33为普通端点；
[0088] 步骤25：递归重建模型。创建一个顶点链集合Link，对于场景模型的简化端点g23进行递归。首先将简化端点g23加入Link，其通过边连接的其他顶点g23j(j＝1,2,3,…,4)分别为g28、g30、g31、g33，则进行递归如下：
[0089] 1)此时Link中仅包含g23，长度小于2，则将顶点g28加入Link，标记g28；
[0090] 2)对顶点g28进行端点判断，g28既不是简化端点也不是普通端点，则找到其通过边连接的其他顶点g28j(j＝1,2)分别为g23，g27；
[0091] 3)此时Link中包含g23、g28，长度等于2，则对顶点g23进行规则判断。若顶点gij同时满足条件①为简化端点或未被标记；②在Link中不存在；③Link中最后两个顶点组成的边的方位角度与Link中最后一个顶点指向gij的方位角度差值小于预设角度阈值α，则将顶点gij加入Link，标记顶点gij。对于顶点g23，其为简化端点，已存在于Link，因此不满足条件②，则跳过该点，进而对g27进行规则判断；
[0092] 4)对于顶点g27，其未标记，且在Link中不存在，计算g23指向g28的角度为341.3°，g28指向g27的角度为90.3°，两个角度相差大于45°，不满足条件③，则跳过该点，此时g28的孩子判断完毕；
[0093] 5)将顶点g28从Link中移除，此时Link中仅包含g23，长度小于2，则将顶点g30加入Link，标记g30；
[0094] 6)对顶点g30进行端点判断，g30为普通端点，则该Link结束，新建模型M，MGrav＝{g23，g30}，MRel＝{r10}。将g30从Link中移除，此时Link中仅包含g23，长度小于2，则将顶点g31加入Link，标记g31；
[0095] 7)对顶点g31进行端点判断，g31既不是简化端点，也不是普通端点，则找到其通过边连接的其他顶点g31j(j＝1,2)分别为g23，g32；
[0096] 8)此时Link中包含g23、g31，长度等于2，则对顶点g23进行规则判断。对于顶点g23，其为简化端点，在Link中存在不满足条件②，则跳过该点，进而对g32进行规则判断；
[0097] 9)对于顶点g32，其未标记，且在Link中不存在，计算g23指向g31的角度为251.4°，g31指向g32的角度为256.0°，两个角度相差小于阈值45°，则将顶点g32加入Link，标记g32；
[0098] 10)对顶点g32进行端点判断，g32是普通端点，则该Link结束，新建模型M，MGrav＝{g23，g31，g32}，MRel＝{r11，r14}。将g32从Link中移除，此时，g31的孩子判断结束；
[0099] 11)将顶点g31从Link中移除，此时Link中仅包含g23，长度小于2，则将顶点g33加入Link，标记g33；
[0100] 12)对顶点g33进行端点判断，g33是普通端点，则该Link结束，新建模型M，MGrav＝{g23，g33}，MRel＝{r12}。将g33从Link中移除，此时，g23的孩子判断结束；
[0101] 13)对未标记的普通端点进行遍历。依据判断规则与流程，对未被标记的普通端点为g24的孩子进行判断，得到模型M，其中包括顶点集合MGrav＝{g24，g27、g28}，边集合MRel＝{r13，r15}；
[0102] 14)普通端点g30、g32、g33都被标记，不再遍历，当前场景模型递归结束。示例场景模型OriM5简化完成得到4个模型如下：
[0103] M1＝{MGrav1，MRel1}，MGrav1＝{g23，g30}，MRel1＝{r10}
[0104] M2＝{MGrav2，MRel2}，MGrav2＝{g23，g31，g32}，MRel2＝{r11，r14}[0105] M3＝{MGrav3，MRel3}，MGrav3＝{g23，g33}，MRel3＝{r12}
[0106] M4＝{MGrav4，MRel4}，MGrav4＝{g24，g27，g28}，MRel4＝{r13，r15}[0107] 步骤26：按规则对场景模型OM5简化的4个模型进行筛选，其中，模型M1与M3只包含两个顶点与一条边，则剔除模型M1与M3，最终保留M2与M4两个模型；
[0108] 步骤27：全图简化筛选后得到5个模型，重新编号后标注如图7所示。
[0109] (三)单斜模式匹配与筛选
[0110] 步骤31：根据梳理后的模型进行Voronoi单元剖分，剖分后的多边形继承模型编号属性，生成的Voronoi多边形要素如图8所示；
[0111] 步骤32：对Voronoi图中相互邻接的模型进行筛选。对于相互邻接的Voronoi多边形单元中的场景模型Mi与Mj进行比较，若同时满足以下条件则判定两个场景模型组成完整褶皱，剔除这两个模型：
[0112] a)场景模型Mi与Mj的顶点集合一致；
[0113] b)按照一致的顶点顺序，两个场景模型的走向相反(如图9所示)；
[0114] 示例中不存在完整褶皱，无需要剔除的单斜对象，因此，得到最终的模型集合FinM＝{FMh|h＝1,2,3,…,5}，与模型M的数量一致；
[0115] 步骤33：对满足单斜结构的模型FMh，将顶点集合对应的地层面要素对象合并，新建一个单斜面要素ph。对筛选后的模型集合FinM进行地层面要素合并，得到单斜面要素集合Poly＝{ph|h＝1,2,3,…,5}，如图10所示。
[0116] 以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明
权利要求所作的等同变化，仍属本发明所涵盖的范围。
