黄土高原被誉为全球最具有地学研究价值的独特地理区域之一。在黄土高原200多万年的发育过程中,复杂的地形地貌特征、易蚀的黄土、集中的暴雨等,使黄土高原地区成为我国土壤侵蚀最严重的地区。千沟万壑、丘陵起伏、梁峁逶迤、沟蚀严重是黄土地貌的重要特征。由塑造黄土地貌的侵蚀作用所主导的黄土沟谷,一直是黄土地貌侵蚀发育的重要研究对象,可分为水蚀沟谷与继承性沟谷两种基本类型。由于黄土高原现代侵蚀各种沟蚀的活跃性,内外营力的动态性,黄土地貌发育演化的复杂性及影响因素的多变性,存在着继承性沟谷和水蚀沟谷混合发育的融合体。剥离继承性沟谷的水蚀沟谷是黄土地貌本质特征研究的核心与关键。本文以黄土高原水蚀沟谷为主要研究目标,按黄土地貌演化序列次序,选取位于陕北黄土高原地区不同类型区水蚀主导的侵蚀沟的典型小流域作为实验单元,在充分考虑地形与地貌形态特征的基础上,以高数据精度DEM和高分辨率遥感影像数据为基本信息源,引入了深度学习方法,并结合GIS数字地形分析理论与方法,旨在实现对于典型地貌类型区水蚀沟谷的自动提取与识别。基于多源数据及组合对深度卷积神经网络进行训练,使其能够从遥感影像、DEM及地形特征因子中学习黄土水蚀沟谷的典型地貌特征。此外,在黄土高原区域存在大量继承性沟谷与水蚀沟谷混合体的宁夏、陇中黄土高原地区遴选了两个典型实验样区,利用U-Net神经网络对两种类型沟谷进行区分,进而实现混合型沟谷区域中水蚀沟谷的有效提取。本研究主要内容和结论如下:1.基于高分辨率卫星遥感影像数据,设计了沟沿线约束下提取水蚀沟谷的卷积神经网络方法,实现了对宜君洛河中下游地区研究样区的水蚀沟谷提取。U-Net网络模型训练的结果表明,验证集总体分类精度达到92.82%,其中,水蚀沟谷的提取精度为89.09%。利用训练最优模型在宜君整体重点研究样区进行水蚀沟谷的提取,识别度较高。2.基于高精度地形数据与高分影像数据,构建了多波段输入的U-Net完全卷积神经网络模型,在黄陵县南台子、延安市西南和绥德县无定河流域中游重点样区的典型流域实现了水蚀沟谷提取,在验证集对水蚀沟谷的识别精度达到了94.1%。影像特征结合地形因子可以使水蚀沟谷的提取结果更加精准。3.针对继承性沟谷与水蚀沟谷混合发育的融合性沟谷数量较多的地区,基于高精度遥感影像数据,从黄土地貌形态入手,以沟沿线对水蚀沟谷区域具有标识作用为前提,设计了利用深度神经网络方法对两种沟谷的分类。在验证集对水蚀沟谷提取精度较高,达到93.05%;继承性沟谷的提取精度为76.86%。4.U-Net卷积神经网络因其特征自动学习的特点,在现代流水侵蚀沟自动提取中具备一定优势,整体分类效果较好。在训练深度卷积神经网络模型时,通过将地形知识转化为机器可接受的控制条件,可以对训练模型加以限制。本文以黄土高原水蚀沟谷为研究切入点,提出基于深度卷积神经网络的沟谷提取及分类方法,可以实现水蚀沟谷区自动快速的提取,是黄土高原典型地形信息识别到深层次地学内蕴的有益探索,对于现代黄土地貌侵蚀发育程度具有一定的指示作用。