地貌的数字表示,如数字高程模型(DEMs),在地理信息系统(GIS)、虚拟现实(VR)、游戏开发和地质模拟中得到广泛应用(Tang, 2014)。计算机技术的进步将地形表示从传统的纸质等高线图革命性地发展为DEM和动态虚拟地貌。虚拟地貌的恢复需要准确的高程信息。它们在军事模拟、虚拟现实、智慧城市等领域具有重大应用潜力(Brondani et al., 2019; Galin et al., 2019; Nikkola, 2022)。鉴于这些领域对真实性和效率的严格要求,虚拟地貌生成技术持续进步。
近年来,深度学习的进步使得该技术在各领域得到广泛应用。生成对抗网络(GANs)通过将生成器与判别器相结合,自动捕捉数据分布,彻底改变了数据驱动的生成方式(Elasri et al., 2022; Goodfellow et al., 2020; Li et al., 2022c)。与传统方法不同,GANs在图像合成和风格迁移等任务中表现出色。这一创新为生成虚拟地貌开辟了新的可能性。GANs的优势在于可以直接从真实地形数据中学习生成规则,无需依赖物理模型。此外,它们的端到端训练方法显著提高了地貌生成的效率(Voulgaris et al., 2021; Yan et al., 2024)。
在地貌生成方面,研究人员引入了利用GANs的高级模型。条件生成对抗网络(CGANs)通过加入额外的条件信息作为约束来改进图像生成(Mirza and Osindero, 2014)。pix2pix框架有效利用CGANs进行图像到图像的转换,成为生成虚拟地貌的关键参考(Isola et al., 2017)。在此框架下,Eric Guérin开发了一种交互式方法,利用CGANs将草图地形特征转换为真实的虚拟地貌(Guérin et al., 2017)。最近,研究人员提倡使用山脊线、山谷线和沟壑线这三类主要地形特征来模拟黄土地貌(Li et al., 2022a, 2022b, 2024)。通过确定特定的地形属性,这些方法可以提高地貌生成的准确性和对地理原理的遵循度。然而,这些方法在不同类型地貌上的适用性存在地域限制。山脊线、山谷线和沟壑线的组合可能并不适用于所有地貌类别。
喀斯特地貌是由可溶性岩石(如石灰岩和白云岩)长期溶解形成的独特地貌。它们是峰林、峰丛、洞穴、凹陷等的典型特征(Ford and Williams, 2007; Gutiérrez and Gutiérrez, 2016; Zerga, 2024)。喀斯特地形单元具有复杂的空间分布模式,其形态特征在不同尺度上差异显著(Hu et al., 2023; Wu et al., 2024)。喀斯特过程遵循独特的地质演化模式形成这些地貌(Bauer and Wagner, 2024; De Waele, 2017)。
为地理和地质模拟生成喀斯特地貌仍然具有挑战性。首先,由于高起伏度,喀斯特地貌的野外调查和建模工作十分繁琐(Kim and Hong, 2024; Zhang et al., 2024)。其次,喀斯特地形通常表现为正负地形之间的极端对比,陡峭的山峰与封闭的凹陷在短距离内共存。传统的数字地形建模通常依赖于插值方法,如反距离加权(IDW)、克里金法、样条函数和三角不规则网(TIN),这些方法从离散的高程样本估计连续表面(Erdogan, 2009; Gradka and Kwinta, 2018)。虽然这些方法在相对平滑的地形上有效,但它们假设空间连续性,常常导致突变特征的过度平滑,限制了精细地貌特征的保存(Habib et al., 2018; Li et al., 2021)。第三,喀斯特系统具有独特的水文连通性,地表形态与地下排水网络之间的相互作用复杂,进一步增加了其地貌结构准确再现的难度。
因此,本研究旨在提出一种利用CGANs创建喀斯特地貌的新方法。具体研究目标包括:1)开发用于生成喀斯特地貌的CGAN模型;2)评估各种地形特征对喀斯特地貌生成的影响,以确定最有效的特征组合。