基于SAR影像的干旱區沖/洪積扇地貌面定量分期研究-以河西走廊西部沙漠區的疏勒河洪積扇為例

楊勇忠， 任俊杰， 李東臣

1.中國科學院大學應急管理科學與工程學院，北京 100049；

2.應急管理部國家自然災害防治研究院，北京 100085

0 引言

河流地貌是陸表系統最廣泛的地貌類型之一，廢棄的河流地貌為過去構造活動、氣候變化和景觀演變過程提供了重要的記錄載體（Bull，1977，1991；Lubetkin and Clark，1988；徐錫偉等，2003；Matmon et al.，2005；Guralnik et al.，2010；黃飛鵬等，2021）。洪積扇是由山地河流帶來的大量礫石和泥沙在山前堆積形成的扇形地貌，是河流系統中短暫存儲沉積物的基本地貌單元（Huggett et al.，2016），洪積扇地貌單元的期次劃分對于理解地貌演化、構造隆升和地表過程研究至關重要。

常用的洪積扇地貌面分期方法主要有3類：定性分析方法（鄭榮章，2005；Regmi et al.，2014）、高分辨率地形數據法（Frankel and Dolan，2007；韓龍飛等，2019）和 遙 感 影 像 法（D’Arcy et al.，2018；蘇 強 等，2020）。定性方法易受研究者經驗和主觀認識的影響，為地貌面的劃分帶來了諸多不確定性；高分辨率的數字高程模型（DEM）對數據的質量要求高，大范圍數據獲取的費用昂貴（Frankel and Dolan，2007；Fan and Atkinson，2018；Wu et al.，2018）；光學影像的參數易受到植被、大氣條件等外界因素的影響，在定量描述地貌面時存在諸多不確定性。在大尺度干旱—半干旱地區洪積扇地貌面期次劃分中，微波遙感方法由于其全天候、穿透性強、不易受環境變化影響等特點，成為近年來最理想的分期工具（Hetz et al.，2016；Sadeh et al.，2018）。

早在20世紀70年代，合成孔徑雷達（SAR）技術就被用于地表參數（地表含水量和地表粗糙度）的測量（Ulaby et al.，1979）。近年來，遙感技術的蓬勃發展為干旱沙漠地形中的地貌地層沖積單元的測量提供了更好的數據源。利用RADARSAT-2影像數據，林國青等（2013）提出了更加適合干旱區地表粗糙度反演的新方法。Zhang and Guo（2013）通過研究SAR特征參數與地貌面年齡的直接相關性，表明C波段SAR數據（RADARSAT-2）在干旱地區地貌面分期中具有潛力。最新研究表明，L波段SAR數據對地表粗糙度最敏感，更適用于洪積扇地貌面分期（蘇強等，2020；Ayari et al.，2021）。相關學者利用地貌面年齡、地表粗糙度和后向散射系數之間的相關關系，使用ALOS-SAR衛星數據完成了對地貌面的定量分期，并建立了后向散射系數值（R）和原位年齡（T）之間的穩定的冪律關系（Hetz et al.，2016；Su et al.，2023）。然而，由于大氣條件的變化，同一地區不同時相的SAR數據反演的后向散射系數存在明顯差異，使得反演結果容易受到數據質量的影響。以往的研究往往根據定性分析選擇較好的數據源，并直接使用后向散射系數作為地表粗糙度的替代參數，缺乏對數據選取的評價方法。

文章以地貌面發育較好的疏勒河洪積扇為研究區，該洪積扇地形起伏小，各級洪積扇單元尺度大，全年氣候干燥，植被稀少，適用于使用遙感方法開展洪積扇分期的研究。鄭榮章（2005）通過衛星影像解譯和野外調查認為該區域主要存在2期地貌面；Zhang and Guo（2013）利 用C波段RADARSAT-2雷達影像對洪積扇的部分區域進行了定量劃分，共劃分為4期地貌面。在已有研究成果的基礎上，筆者嘗試提出一種評估SAR數據源質量的方法，建立一套使用SAR數據進行洪積扇地貌單元定量分期的方案。該研究為更好地利用微波遙感數據開展地貌面分期提供了新思路。

1 研究區及影像概況

1.1 區域概況

疏勒河洪積扇位于中國西北部河西走廊中西部沙漠地區，南鄰祁連山，北接北山，扇體總面積約為2100 km2（圖1；王萍，2003；Guo et al.，2017）。疏勒河洪積扇的地貌面主要由第四紀洪積物組成，以晚更新世的戈壁礫石地層為主，全新世砂礫沉積也廣泛分布。疏勒河發源于祁連山，向北流經研究區，區域內第四紀活動斷層十分發育，南面山前為規模巨大的左旋走滑的阿爾金斷裂（王萍，2003；王萍等，2004；Zhang and Guo，2013；云龍等，2021）。研究區的年平均氣溫為6.95～9.42 ℃，1月份溫度最低，7月溫度最高，年均降水量為39.6～63.4 mm，雨季發生在6—8月；年均蒸發量為2469～2869 mm，蒸發強度最高的時段在5—9月（毛洪亮等，2007；Guo et al.，2017）。

圖1 疏勒河洪積扇地區地質構造圖（引自《1︰50萬中國地質圖》公開版（http://www.ngac.org.cn）；斷裂分布據Zelenin et al.，2022修改）Fig.1 Tectonic map of the diluvial fan area of Shule River (The geological map is quoted from the public version of the 1:500000 Geological Map of China at http://www.ngac.org.cn; Fracture distribution is modified after Zelenin et al.,2022)

1.2 影像數據

SAR系統存在入射波波長不同的工作波段——X波段（3.1 cm）、C波段（5.6 cm）、L波段（23.5 cm），以及4種常用的極化方式（HH、HV、VV、VH）。波段越長，穿透性越好；而不同的極化方式對不同目標的敏感性存在差異（Freeman，1992）。以往研究表明，當入射波為L波段、HH極化并且入射角大于30°時，雷達的后向散射系數強度值對地表粗糙度的差 異 性 最 為 敏 感（Beaudoin et al.，1990；Coppo et al.，1995；Ayari et al.，2021）。依據微波的物理特性和研究需求，研究選用ALOS PALSAR影像的Level 1.1 HH極化數據作為河流地貌分期研究影像數據（表1）。數據在NASA下屬的數據開發平臺EarthData（https://disc.gsfc.nasa.gov）上獲取，可獲取研究區域附近共計10個時相的相同分辨率數據，時間跨度為2007年7月—2009年10月。每個時相選取位于同軌道的兩景影像，覆蓋了疏勒河洪積扇地區的大部分區域。

表1 選取的SAR影像數據信息Table 1 Information of selected SAR images

2 地貌面分期原理

2.1 洪積扇地貌面分期原理

洪積扇是在干旱—半干旱地區暫時性山地水流出山口堆積形成的扇形地貌，廣泛發育于河流出山口地帶。由于復雜的氣候變化和構造作用，河流經歷多期堆積和下切過程，在山口地帶表現為海拔高度不同的洪積扇地貌面（Blair and McPherson，1994）。地貌面形成后，會受到后期的侵蝕和風化作用，地貌面形成時代越老，遭受侵蝕的時間越長，地貌面上的礫石粒徑逐漸變小，地貌面的粗糙度隨之 減 ?。▓D2；Ulaby et al.，1979；Evans et al.，1992；Sadeh et al.，2018）?；谶@一自然過程，可以通過地表粗糙度來區分不同期次的洪積扇地貌單元。

圖2 洪積扇演化示意圖（據Blair and McPherson，1994修改）Fig.2 Schematic diagram of the evolution of alluvial fans (modified after Blair and McPherson,1994)

雷達后向散射系數是反映輻射能量與入射能量比值的參數，而粗糙的地表會導致雷達入射波的多次反射，形成漫反射場（圖3）。隨著地表粗糙度的增加，SAR接收到的回波能量增強。由此，可通過后向散射系數反演地表粗糙度（Greeley et al.，1988；Mattia et al.，1997；Zribi et al.，2005；李 森，2007）?；诘孛裁婺挲g、粗糙度和后向散射系數三者之間的相關關系，可近似地將雷達后向散射系數作為地貌面粗糙度的替代參數，進而對地貌面進行分期（Hetz et al.，2016）。

圖3 雷達波后向散射模式圖Fig.3 Radar wave backscatter pattern diagram

2.2 SAR后向散射系數反演

使用ENVI SARscape軟件對獲取的Level 1.1單視復數數據進行處理后，得到SAR后向散射系數。首先，需要導入影像并進行多視處理和濾波；然后進行輻射定標和地理編碼，以實現后向散射系數反演（Holecz et al.，2000）。在多視處理中，根據計算選擇距離向視數為1、方位向視數為4，這樣可以使方位向分辨率與距離向分辨率接近，以達到抑制噪聲的目的。經過測試，使用Gamma濾波和Frost濾波的組合可以有效地抑制斑點噪聲。

輻射定標是將SAR影像的亮度灰度值轉換為絕對的輻射亮度，定標過程如公式（1）所示：

式中，DN為SAR影像預處理后像元亮度值，CF為SAR影像后向散射系數校正值；σ0為輻射亮度。

2.3 反演結果統計分析

首先，需要獲取各期地貌面統計特征值作為原始樣本。參考光學影像和反演結果，在同一期地貌面區域內，手動選取多邊形范圍來確定訓練樣本的統計范圍。在選取過程中要避開人為建筑，并確保在后向散射系數影像和光學影像上都可以明顯區分。通過統計各樣本的均值和方差，獲得各期地貌面后向散射系數值分布曲線（圖4）。同一期地貌面的后向散射系數符合正態分布，而地貌面的后向散射系數值越低，則其形成年齡越老（Hetz et al.，2016；蘇強等，2020）。

F1—F4對應不同期地貌面；AC為現今河床區域；μ為均值，σ為標準差；S為重疊面積圖4 各期地貌面后向散射強度值正態分布概率密度曲線離散程度與區分程度Fig.4 Calculation method of dispersion degree and discrimination degree of normal distribution probability density curve of backscatter intensity values of various geomorphic surfacesF1 to F4 correspond to different stages of landforms; AC represents the current riverbed area; μ denotes the mean, σ is the standard deviation; S stands for the overlapping area.

已有研究將后向散射系數作為粗糙度替代參數（Hetz et al.，2016），但實際上后向散射系數受到多種因素的影響，包括雷達系統參數（入射角、極化方式、天線增益和脈沖頻率等）、地表參數（粗糙度、土壤含水量和土壤表面溫度等）以及表面植被的覆蓋 情況（Ulaby et al.，1979；Fung et al.，1992；Mattia et al.，1997；邵蕓等，2002；Escorihuela et al.，2007）。盡管文中選取的研究區域地表干旱裸露，但由于雷達成像時的氣候條件不同，仍然會導致影響后向散射系數的環境因子存在較大差異。蘇強等（2020）通過經驗認為，蒸發量最大的高溫夏季時期進行成像反演可以獲得最佳效果，但這種方式依賴于主觀判斷、缺乏定量的驗證分析。因此，需要一種更準確的方法來選取以粗糙度為主并且受環境因素影響更小的數據源。

后向散射系數與各個因子存在耦合關系（Mattia et al.，1997；Aubert et al.，2011.），如果無法精確量化各個因素，就無法精確地確定粗糙度。因此，需要盡可能使得其他因子相對于粗糙度對后向散射系數的影響最小化。文中擬通過樣本統計分析，初步判斷所選影像統計指標與地貌分期結果的關聯性，并結合相關氣象數據產品協助選出最佳數據源。

樣本統計分析主要包含各期地貌分布離散程度和重疊度分析。同一期地貌面對應后向散射系數分布越集中，表明該數據越能反應真實的地貌面年齡，而相鄰分布間的高重疊程度會使得重疊范圍的歸屬類錯分概率增大，不利于分類（Zhou，2021；Su et al.，2023）。文中離散程度采用分布曲線標準差表征，重疊度采用相鄰分布概率密度函數曲線重疊面積表征，曲線重疊面積使用黎曼求和方法計算。

2.4 反演結果監督分類

基于選取的最佳數據，文中采用最大似然分類法對影像反演結果進行分類（楊鑫，2008；Mather and Tso，2016）。最大似然分類是常用的遙感圖像監督分類方法，其基本原理為計算屬于預定義類別集合的每一個給定像素的歸屬概率，然后將該像素歸為概率最大的類別。該準則計算過程為：

式中P(ωi|X)表示屬于第i類的后驗概率，X為觀測樣本，S表示類別總數。

當樣本分布為正態分布時，判別函數為：

式中P(ωi)表示屬于第i類的先驗概率，∑i表 示樣本方差，Ei表示樣本均值。此時分類準則為：

3 地貌分期結果

3.1 后向散射系數反演結果

在獲得10個時相后向散射系數反演結果后，經過平衡對比度增強拉伸處理,可獲得較為直觀的、反映后向散射系數強度的圖像（圖5）。根據每一時相反演結果，并參考光學影像和相關研究(王萍，2003；鄭榮章，2005；Zhang and Guo，2013)，在確定為同一期地貌面的范圍內，手動選取多邊形范圍作為統計樣本以表征地貌面的分期情況（圖5a）。具有相同顏色區域統計結果在分布（均值方差）上十分接近，被認為是同一期地貌面（圖5b）。

a—樣本選取區域（彩色多邊形為樣本區域范圍，不同顏色區域代表不同期地貌面樣本）；b—藍色多邊形范圍對應的后向散射系數統計結果圖5 地貌面樣本選取Fig.5 Selection of geomorphic surface samples(a) Sample selection area (Colored polygons represent the sample area range, different colored areas represent samples of different stages of landforms); (b) Statistical results of the backscatter coefficients corresponding to the blue polygon range

3.2 數據質量評定

研究基于MATLAB編程實現統計分析和監督分類過程。在統計分析中，選擇的影像成像時間分布在5月、7月、8月和10月，不同時相的后散射系數分布差異明顯（圖6）。由于氣候環境因素導致河流現今河床區域不斷發生變化，固定的統計區域范圍無法適用于所有時相數據。因此，在統計過程中，不考慮現今河床區域的后向散射系數。按照2.3節所述方法，對各時相分布進行統計分析。結果顯示，成像時間為2008年5月22日的影像具有最高的區分度（重疊面積為0.5653）和較低的離散程度（方差和為2.9039）。而成像時間為2008年7月7日的影像具有最低的離散程度（方差和為2.8590）和較高的區分度（重疊面積為0.6144；表2，表3）。這兩幅數據都是后續分期可選擇的潛在理想數據源。

表2 不同時相各期地貌面后向散射系數分布方差Table 2 Variance of numerical distribution of backscatter coefficients on different levels of landforms at different time periods

表3 不同時相相鄰地貌面后向散射系數分布重疊面積Table 3 Overlapping area of numerical distribution of backscatter coefficients on adjacent geomorphic surfaces at different time periods

F1—F4對應不同期地貌面；AC為現今河床區域圖6 不同時相各期地貌面后向散射系數分布概率密度曲線Fig.6 PDF (Probability density function) of backscatter coefficient distribution on different stages of geomorphic surface at different time periodsF1 to F4 correspond to different stages of landforms; AC represents the current riverbed area

研究區域常年干燥、降水量稀少，文中僅考慮地表參數的變化對后向散射系數的影響。但是，從統計結果可以觀察到不同時相后向散射系數的反演結果之間存在巨大差距。因此有必要進一步分析各成像時間內的具體氣象數據，以探究造成分期差異的原因。

基于NASA官網提供的氣象數據（https://disc.gsfc.nasa.gov）和歷史天氣記錄網站（https://rp5.ru）提供的信息，文中對各個成像時期的相關氣象條件進行了分析。氣象信息包含降水量與地表土壤含水量數據（De Jeu and Owe，2012；Huffman et al.，2019），文中分別計算了目標區域內成像時間當天的平均地表土壤含水量和成像時間前5天內每日的累積降水量，分析成像近日是否有降水發生，作為土壤地表含水量結果的交叉驗證。研究區域為干旱沙漠地表，蒸發強度高。研究表明，發生常規降水后4天內，地面表層水持續高速率蒸發，常規降水3～5天后，地面表層5 cm深度內的含水量恢復到降水前水平（孫朋，2017）。此外，文中還獲取了成像時間前5天內的最高溫度數據，因為氣溫是影響地表水分蒸發強度的主要因素。

對比分析統計數據（表征區分度的重疊面積和表征離散程度的方差之和）與氣象數據后發現，土壤水分、方差和、重疊面積和三者之間存在一定相關性，特別是2008年5月22日之后的數據。文中選擇2008年7月7日時相為最佳數據源，該時相具有較好的統計指標，同時地表土壤含水量低，降水量低，溫度高。相比之下，2007年10月5日數據源指標最差，其重疊度最高（重疊面積為0.8512），離散程度也最高（方差和為3.2782），同時在該時相成像時地表含水量最高（圖7）。

為便于對比趨勢，對部分數據進行了平移和縮放，其中方差和×10；重疊面積和×10+30，地表含水量+30kg/m2圖7 統計指標與大氣條件分析Fig.7 Statistical indicators and atmospheric condition analysisFor ease of trend comparison, partial data has been shifted and scaled, where variance is multiplied by 10; overlapping area is multiplied by 10 plus 30, and surface soil moisture is increased by 30 kg/m2.

3.3 數據分期結果

根據公式（4）中的分類準則，當d1(x)=d2(x)時，屬于這兩類中任一類的概率相等。通過代入具體數據，可計算分類決策面（一維情況下為直線x=a；楊 鑫，2008；Mather and Tso，2016）。對 于 地 貌 面F1概率密度曲線左邊界和現今河床AC概率密度曲線右邊界，分別使用μ-2σ、μ+2σ（μ為均值，σ為標準差）作為邊界值（正態曲線（μ-2σ，μ+2σ）內的面積為95.4%）。按照上述分類規則，最終確定后向散射系數值分類區間（表4），并且得到疏勒河洪積扇的分期結果（圖8）。

表4 最大似然法獲得的分類區間Table 4 Classification interval obtained by maximum likelihood method

F1—F4對應不同期地貌面；AC為現今河床區域a—成像時間為2007年10月5日；b—成像時間為2008年7月7日；c—C波段RADARSAT（據Zhang and Guo，2013修改）圖8 不同數據源劃分的疏勒河洪積扇地貌面分期結果Fig.8 Classification of the geomorphic surface of the Shule River alluvial fan(a) Image acquisition date: October 5, 2007; (b) Image acquisition date: July 7, 2008; (c) C-band RADARSAT (modified after Zhang and Guo, 2013)F1 to F4 correspond to different stages of landforms; AC represents the current riverbed area

根據2008年7月7日時相獲得的分期結果，疏勒河流域共發育4期河流地貌面。在這個時相下，侵蝕沖溝十分發育，地貌面分布不連續。F4為最老一期地貌面，主要分布在洪積扇東北部和西北部扇緣區域。西北部扇中地區存在一期保留較為完整的地貌面。F3地貌面主要分布在扇中地區，少量以條帶狀分布在扇緣區域。F2、F1地貌面主要分布在河道周緣地區，受到河流改造作用較強，AC則為現今河床所在區域。

4 討論

4.1 數據質量影響因素

影響后向散射系數的因素主要包括地表參數和雷達系統參數，還可能包括地表植被覆蓋引起的干擾。文中選擇該區域臨近成像時間的LANDSAT5遙感影像（2007年10月16日與2008年7月28日），計算了該區域的歸一化植被指數（NDVI）值（郭鈮，2003；Robinson et al.，2017），結果顯示，無論夏季（圖9a）還是秋季（圖9b），除現代河床周邊出現少量植被覆蓋，該區域絕大部分NDVI值都在0.1以下（裸土或巖石地表），表明植被覆蓋并非為造成后向散射系數明顯差異的主要原因。

在分析氣象條件對后向散射系數分期差異產生的影響時，主要分析了溫度、降水量、土壤含水量3種因素，并進行了相互驗證（圖7）。地表含水量是影響地表復介電常數的主要因素（李森，2007），僅分析最優數據源與最差數據源的反演結果，發現土壤地表含水量與統計指標出現了最為接近的趨勢。此外，數據源較好的時相都出現在夏季。盡管研究區域在夏季處于雨季，但高溫條件導致地表水分蒸發速度加快，而區域年均蒸發量遠大于年均降水量，說明在分析地表含水量時需要更多地考慮地表蒸發的影響。例如，2007年8月22日時相數據，盡管成像時間前一天內該區域出現較大幅度降雨，但高溫天氣使得土壤地表含水量并不高。這與主觀經驗的結果基本一致，但需要注意的是，并非所有處于夏季時相的數據都適用于地貌面分期。例如，2008年8月25日時相數據，根據統計指標分析，該時相較高的重疊度會增加相鄰兩期地貌面之間錯誤劃分概率，這表明主觀經驗分析方法具有一定的局限性。

單獨分析統計指標時發現，2007年7月5日時相數據也具有較好的離散程度（方差和為2.9139）和區分度（重疊面積為0.6439），但是氣象數據分析表明，該時相在成像前出現較大規模降雨，成像時地表含水量較高。研究認為，該時相氣象因素使得后向散射系數反演結果整體偏高（圖6），但并未影響反演結果的離散程度與區分度。而后向散射系數反演結果的整體偏差會影響不同區域分期結果的比對，因此在選取數據過程中要綜合考慮統計指標與氣象指標。

4.2 分期結果對比

綜合分析2007年10月5日時相成像結果和氣象因素，推測成像時前一天的小幅度降水以及當日較低的溫度造成地面濕度較高，不均勻的地表含水量使得地表物質復介電常數偏高，導致后向散射強度反演結果存在較大誤差，分期結果不佳。對比認為，SAR數據質量主要受到成像時間區域土壤地表含水量的影響，而與季節相關性不大。因此，在未經過后驗定量分析的情況下，成像時間處于高溫且降雨稀少天氣的影像是最理想數據源。

經過相同的地貌面分期方法處理，得到最差數據源2007年10月5日與最佳數據源2008年7月7日時相的疏勒河洪積扇分期結果（圖8a、8b），兩次結果差異明顯。前者分期結果中F4、F3面積較小，F1、F2地貌面較大，同一期的地貌面分布也更為散亂。東部區域差異最明顯，在光學影像和2008年7月7日時相SAR影像上，被認為是同一期的大量地貌面在2007年10月5日時相分期結果中表現為雜亂分布的零散單元。這可能是由于用于統計的樣本單個分布的離散程度較高，并且相鄰分布之間存在較高的重疊度，導致后續樣本的錯分概率增大。而北部區域大部分地貌面出現了完全不同的分期結果，但是在扇面現代河床附近少部分區域，2007年10月5日時相得到了更清晰的分期結果。整體來看，2008年7月7日地貌面分期結果明顯好于2007年10月5日的分期結果。

將文中地貌面分期結果與Zhang and Guo（2013）得出的結果對比（圖8b、8c），其主要區別在于F4與F1地貌面的劃分。Zhang and Guo（2013）研究認為在扇緣地區存在一期更古老的地貌面為F4，而F3地貌面區域與文中F4地貌面空間位置基本對應。文中分期結果可以明顯地區分出比C波段分期F1更年輕一期的地貌面以及現今河床區域，并且對于較年輕的F2、F3地貌面（空間位置對應Zhang and Guo（2013）劃分的F1、F2地貌面）分期的邊界特征更明顯，這與Ayari et al.（2021）研究中指出的L波段對于高粗糙度地貌面更加敏感相一致。由于研究區域、研究尺度并不完全相同，更加具體細微的差異無法進行對比。文中分期方法的另一優勢在于獲得數據更方便、分期過程更簡單。Zhang and Guo（2013）給出的C波段分期結果是通過RADARSAT-2全極化數據計算SAR多種特征參數得出的，而文中僅采用的是HH單極化數據?？傮w而言，文中分期方案對于不同階段年齡地貌面的劃分更具優勢，對于大范圍河流地貌定量分期與對比更具有潛力和進一步的應用價值。

5 結論

（1）研究建立了一套完整地分析和處理L波段SAR數據并進行地貌面分期的系統方案。首先，使用ALOS PARSAR數據反演得到區域內后向散射系數值；然后，通過分析不同時相影像后驗統計指標和大氣條件來評估數據質量；最后使用統計學分類方法（最大似然分類法）完成河流地貌面分期。并以疏勒河地區洪積扇為例，選定2008年7月7日時相為最佳分期結果，將地貌面分為4期地貌面和現今河床區域。

（2）地貌面分期結果與后驗統計分析表現出的明顯差異表明了選取數據的重要性?？傮w而言，影像質量和分期結果與成像時大氣條件緊密相關，夏季高蒸發強度的數據通常具有較好的質量。主觀經驗在選擇最佳時相方面具有局限性，目前仍未有一種準確選取最佳時相的先驗參考指標的方法。因此，最為嚴謹的方案仍是下載研究區域內所有時相數據進行評估。

（3）文中建立的地貌面劃分的數據選取方案與定量分期方法可廣泛用于干旱地區洪積扇地貌面的定量分期。未來的研究將進一步通過編程實現地貌面的自動化定量分期，從而實現大范圍地區河流地貌面快速分期。這將為地質構造活動、地貌演化過程、氣候環境變化等研究提供重要的地貌分期參考依據。