编辑推荐：
当前谷底划定方法存在依赖人工、适用性窄、参数选择主观等问题。研究人员开展多场景自适应谷底划定框架研究，实验表明该方法适用于多种景观类型，精度高，为谷底演化等研究提供新视角。
在神秘的地球景观中，河谷底部区域就像隐藏着无数秘密的宝藏之地。它作为河流地貌中的关键区域，是高地与地下水之间物质交换和循环的重要通道，对维持河流生态系统的稳定、分析谷底沉积物的分布以及理解河流形态都有着至关重要的作用。然而，想要精准地划定谷底范围，却困难重重。
传统的谷底划定方法，有的依赖实地考察，这就好比让科研人员在广袤的大地上一寸一寸地寻找线索，不仅耗时费力，还受限于地形和研究人员的专业水平，成本极高。随着科技发展，基于图像和数字高程模型（DEM）的方法出现了。基于图像的方法会受到植被和云层的干扰，就像给研究蒙上了一层迷雾；而基于 DEM 的方法，无论是 “洪水法” 还是 “地形因子法”，都存在各自的弊端。“洪水法” 设置单一的阈值，无法兼顾不同区域的地形差异，在一些地方会高估或低估谷底范围；“地形因子法” 虽然能提取平坦区域，但对地形变化过于敏感，微小的地形起伏和植被等干扰因素，都会让提取结果变得破碎不堪。并且，现有的方法大多局限于特定区域，缺乏广泛的适用性，阈值选择还依赖主观判断，难以建立统一的标准。
为了突破这些困境，国内研究人员踏上了探索之路。他们开展了一项关于多场景自适应框架划定谷底范围的研究，试图为这个难题找到完美的解决方案。这项研究成果发表在《CATENA》上，引起了广泛关注。
研究人员运用了多种关键技术方法。首先，借助灰度共生矩阵（GLCM）获取地貌纹理特征，以此设定排水阈值，提取初始排水网络。接着，通过计算平均河流梯度并设置自适应参数，对初步生成的排水网络进行过滤，去除位于陡峭山谷的部分。最后，提出坡度累积及其变化等地形因子，自适应地提取谷底范围。
在研究结果部分：
- 不同场景下谷底提取结果：研究人员将该方法应用于代表三种景观类型的五个研究区域，通过自适应生成的阈值完成整个流程。与高分辨率谷歌地球图像手动解译结果对比发现，在坡度变化剧烈的陡峭区域，如 GC 和 LP 地区，该方法表现出色。这表明该方法在复杂地形条件下也能精准划定谷底范围。
- 与其他方法的比较：为验证新方法的优越性，研究人员将其与基于不同核心概念的三种方法（“洪水法”、“坡度法” 和 “坡度累积法”）进行对比。考虑到阈值选择对结果影响较大，针对这三种方法计算了不同阈值。结果显示，新方法在不同场景下展现出更强的适应性，克服了其他方法的局限性。
从研究结论和讨论来看，这项研究提出的多场景自适应框架意义非凡。它成功地解决了传统谷底划定方法存在的阈值选择主观、场景通用性差、数据依赖等问题，能够广泛应用于各种景观类型的谷底提取，精度极高。这一成果为谷底演化、河流修复以及水资源可持续管理等研究领域提供了全新的视角和有力的数据支持，为后续的科研工作开辟了新的道路，让我们对水文河谷景观有了更深入的理解，有望推动相关领域取得更多突破性进展。
