地貌识别已经成为地貌学研究的关键一环,而基于集水区的地貌单元研究成为了地貌识别领域的研究热点.前人的研究衍生出以下新的问题,能否从基于局部集水区地貌的特征对大尺度地貌类型进行识别,对何种地形描述方法适应性更强等.由此本文选取岩溶地貌、黄土地貌、冰缘地貌、风成地貌、流水地貌这五种代表中国主要地貌类型的样区,引入复杂网络理论方法,以复杂网络指标、地形指标为基本数据源,使用LightGBM、XGBoost、RF3种典型机器学习方法对中国主要地貌类型进行自动识别的研究.实验结论如下:集水区复杂网络结构和地形特征都对地貌具有一定的解释力和识别效果,总体识别精度分别为77.5％和72.5％,在本文选取的地貌类型中,LightGBM、XGBoost、RF3种机器学习方法对冰缘地貌的识别精度最高,最高可达100％;2种地貌描述方法结合的地貌识别效果相较单一地貌描述方法具有显著提高,总体精度比单一复杂网络指标和单一地形指标,分别提高了　5％和10％;同时LightGBM对于复杂网络量化因子和地形指标特征集的结合具有更好的适应性,总体精度可达82.5％.总体而言,本研究工作拓展了基于集水区地貌识别方法的应用区域和应用范畴,为基于集水区的地貌识别研究提供了新的思路.