基于ArcGIS的山地与非山地分类方法体系研究

杨 斌，顾秀梅，刘 建，杨晏立

(1.西南科技大学环境与资源学院，绵阳 621010;2.北京师范大学水科学研究院，北京 100875;3.西南科技大学保密办公室，绵阳 621010;4.成都理工大学地质灾害防治与地质环境保护国家重点实验室，成都 610059)

基于ArcGIS的山地与非山地分类方法体系研究

杨 斌1，2，顾秀梅3，刘 建4，杨晏立4

(1.西南科技大学环境与资源学院，绵阳 621010;2.北京师范大学水科学研究院，北京 100875;3.西南科技大学保密办公室，绵阳 621010;4.成都理工大学地质灾害防治与地质环境保护国家重点实验室，成都 610059)

在GIS空间分析和数理统计分析技术的支持下，以四川省为研究区域，基于ArcGIS平台分析提取出了绝对高程、相对高程、坡度和地面粗糙度这4类因子;然后利用这4类因子参与确立山地特征分类临界值，在此基础上，运用数理统计方法将其归并为两大类，并制定出山地分类标准体系;最后在ArcGIS软件平台下，运用栅格计算器提取出了四川省山地与非山地的分类结果。研究表明，该分类方法尝试将更多的关键要素信息参与到分类体系中，达到了与传统方法一样的较为准确的分类目的，从而为“数字山地”的数字化实现奠定了研究基础。

山地;数字化;分类;特征;数字山地

0 引言

山地地形地貌特征的研究一直是地理地貌学领域传统的研究内容，对于山地这个经典概念的准确定位更成为现代地理科学研究工作者需首先要解决的问题［1］。随着现代高新技术的发展，山地数字化定量研究已经成为目前的研究方向，因此定量地描述山地地貌形态、划分山地结构类型已成为山地数字化进程中一项前期工作，而且是实施“数字山地”战略的一项基础性工作［2］。然而，山地、非山地的界线自身具有模糊性和不确定性，再加上其量化范围具有随机性等特点，为定量化描述山地这一典型的地貌特征提出了挑战。为此，本文尝试选取与山地特征明显相关的绝对高程、相对高程、坡度和地面粗糙度这4类因子，以四川省作为研究区，在ArcGIS平台下，运用栅格数据分析功能定量化地提取和分析了四川省山地与非山地的范围，这不仅为山地的数字化表达提供了一种全新的解决方案，还为山地科学研究和“数字山地”战略提供了基础和支撑。

1 分类因子的提取分析

山地与非山地的地貌特征主要区别在于其高程和倾斜度这两个关键性指标，高程特征指标可以用绝对高程和相对高程来定量描述，倾斜度特征指标则可用坡度和地面粗糙度来定量描述［3］。这两种指标之间相关性很小，便于进行数字化分类提取。绝对高程、相对高程、坡度和地面粗糙度这4类定量化因子都可以通过ArcGIS软件快速提取。

1.1 绝对高程

绝对高程是指地面点到大地水准面的铅垂距离，在提取一个地区的绝对高程信息的过程中，可以将其转换为对其数字高程进行提取，因此只需提取出研究区内的数字高程模型就能定量地描述出研究区的绝对高程信息［4］。数字高程模型(DEM)是一种对地球表面进行数字化描述和模拟的方法模型，它大体上可分为3种类型，即等高线模型(Contour)、不规则三角网模型(TIN)和规则格网模型(Grid)，这3种模型分别具有各自的优缺点，结合实际需求和在“数字山地”中的实际应用情况，本文选取规则格网模型作为生成DEM的数据模型［5］。

在提取四川省DEM的过程中，可采用格网模型中的格网栅格方法实现，该方法是先获取研究区内格网单元的数值点(高程值)，再通过内插来获取一个不连续的数字表面。该结果可以作为绝对高程因子，参与后续的研究计算，其具体的实现过程可以采用以下两种方法:

(1)在 ArcGIS Workstation软件系统中，进入DOS操作环境下的ARC工作空间，并输入“Topogridtool输出路径 格网精度”命令即可以直接进行相应操作;

(2)在 ArcGIS Desktop操作系统中，采用ArcToolbox中的“Topo to Raster”命令即可求出DEM数据。

通过以上分析，即可以提取出四川省1∶25万的DEM数据。

1.2 相对高程

相对高程是指研究区域内地面点到某假定的高程基准面的垂直距离。而通常山地的相对高差则是指在局部邻域内山脊线与山谷线之间的高差［6］。因此，在一定意义上相对高程和相对高差可认为是同一个概念。相对高程在地形特征分析中实际上是表征地面上任意两点之间的高程之差，而无论采用绝对高程还是相对高程，地面上两点间的高差总是不变的［7］。正是基于这个原理，对提取出来的格网DEM数据进行差值处理，便能得出所需要的相对高程信息。

根据相对高程的定义，采用邻域差值分析方法进行相对高程因子的提取，具体步骤如下:

(1)先选取研究范围为100像元×100像元的区域(69.39 km2)作为起始研究邻域;

(2)采用相对高程计算公式di=Ei－Emin计算高差，其中di为第i个格网的相对高差;Ei为第i个格网单元所在的区域范围内的绝对高程值;Emin为第i个格网单元所在的区域范围内的最低高程值，该值采用ArcGIS的邻域分析Minimum方法进行提取;

(3)在ArcGIS的栅格计算器中根据上述公式，快速地提取出整个研究区域内的相对高程数据。

实验表明，采用邻域统计分析方法提取的相对高程数据具有相应的数据连续性，便于进行参数因子计算。

1.3 坡度

在对山地进行数字化分类研究过程中，坡度是一个十分重要的分类因子，因此对研究区坡度进行提取和分析显得尤为关键。坡度在山地研究中表示了该地区局部地表坡面的倾斜程度，坡度的大小直接影响着山地的分类命名规则［8］。从数学角度上讲，地表面任一点的坡度是指过该点的切平面与水平面的夹角，在数值上等于过该点的地表微分单元的法矢量n与垂直轴z之间的夹角，坡度S为

当采用ArcGIS软件进行坡度提取时，需将上述公式简化为差分形式，即

式中，fX为X方向高程变化率;fY为Y方向高程变化率。在生成坡度时，坡度的表示方法有角度表示法和百分比表示法两种。其中角度表示法采用的是水平面与地形面之间的夹角，而百分比表示法则为高程增量与水平增量之比的百分数。

在ArcGIS平台中，可以基于DEM数据采用不同方法提取出这两种类型的坡度因子，其具体过程如下:首先，在 ArcGIS Desktop平台下，加载 DEM栅格数据;然后，在栅格计算器中运用“slope_sa C:/data/dem C:/data/slope DEGREE”命令提取所需的坡度数据，其中“C:/data/dem”为原始DEM数据路径，“C:/data/slope”为求取的坡度数据路径，DEGREE为角度形式输出，若将其换成PERCENT_RISE，则表示用百分比形式输出。

1.4 地面粗糙度

地面粗糙度是指研究区内地表表面积与其平面投影面积之比，它是反映地表形态特征的一个重要宏观指标，也是衡量地表侵蚀程度的重要指标之一［9］。根据地面粗糙度的定义，可通过计算 DEM数据中每一个栅格单元的表面积与其投影面积(取值为1)的比值来提取研究区的地面粗糙度。图1为栅格单元剖面分析图。

图1 栅格单元剖面分析图Fig.1 The analysis figure of grid unit profile

根据图1所示，假设ABC是一个栅格单元的纵剖面，α为此栅格单元的坡度，则AB面的面积为栅格的表面积，AC面的面积为此栅格的投影面积(也就是此栅格像元的面积)。根据公式cosα=AC/AB，则可以得出该栅格单元的地面粗糙度M即AB面的面积与AC面的面积之比，即M=1/cosα。基于此公式，在ArcGIS Desktop的栅格计算器中将地面粗糙度因子提取出来，具体的提取过程如下:

(1)根据格网DEM数据提取出以角度形式表示的坡度数据，将其图层命名为Slope;

(2)在ArcGIS的Spatial Analyst的栅格计算器中，输入“Pow(cos(［S］*3.1415926/180)，－1)”，即可得到研究区的地面粗糙度因子，在这里需要注意的是，坡度(S)使用的单位应该是弧度，在应用过程中要将坡度单位由角度转换为弧度。

通过以上分析过程提取出的四川省的绝对高程、相对高程、坡度和地面粗糙度因子如图2所示。实践分析表明，这些因子彼此之间的相关性小，这就为实现山地数字化分类研究奠定了基础。

图2 4种分类因子的提取数据Fig.2 The extraction data of four classified factors

2 山地数字化分类方法研究

2.1 分类因子定量化分析

进行山地与非山地数字划分的主要目的是通过选取相应的分类参数，探讨一种合适的分类方法对山地进行数字化分类提取，以便于对山地进行整体把握，这不仅有利于山区数字化进程，也可为山区后续的相关研究奠定基础［10－11］。同时，对山地进行数字化分类不但是开展“数字山地”研究的基础性工作之一，也可为山地可持续发展研究提供基础和支撑。

在进行山地数字化分类之前，首先必须弄清楚山地与非山地的区别。二者的主要区别在于山地更加侧重于地形地貌上的垂直差异性，这主要反映在高程和倾斜度两个特征方面［12］。山地的高程特征可由绝对高程和相对高程两类因子进行定量化分析，倾斜度则可由坡度和地面粗糙度两类因子进行定量化分析［13］。这样选取的原因在于用高程来量化山地的落差特性，用倾斜度来量化山地切割深、密度大的特性。

山地与非山地分类因子临界点的确定均有不同的取值方法，本文中绝对高程和相对高程的临界点确定以《中国地貌区划》规定的500 m和100 m为准，坡度和地面粗糙度的临界点确定综合国际地理学会地貌调查与制图委员会分类标准和山地灾害诱发情况，并结合山地形态特征中的自然转折点和特征点特性，通过自然裂点法求取出25°和3.13。再将绝对高程、相对高程、坡度、地面粗糙度4类因子命名为A、B、C、D，并归纳得出这4类因子参与山地特征分类的临界值(表1)。

表1 山地分类因子的临界值Tab.1 The critical value of four classified factors about mountain

2.2 分类方法的实现

考虑到山地与非山地的主要区别在于地形地貌上的垂直差异性以及因子彼此之间的相关性原因，选取高程作为分类的主要因素(反映在绝对高程和相对高程上)，把倾斜度作为分类的次要因素(反映在坡度和地面粗糙度上)。在数字化分类过程中，按照以上思想，将这提取出来的4类因子分为两大类，即把A和B因子归为一类(主因子)，把C和D因子归为另一类(辅助因子)［14］。在分类计算过程中，如果主因子能起到绝对性的作用，那么辅助因子就不参与划分;如果主因子判断不确定时，则需要加入辅助因子进行综合划分。同时应该指出，针对绝对高程(俗称“海拔高度”)大于等于1000 m的地貌，统统将其归并到山地范畴(包括高原);而绝对高程小于1000 m时，则需要通过综合方法进行划分。因此，当绝对高程为0～1000 m时，则可分别采用以下4种模式进行山地数字化划分:

(1)当A≥500 m且B≥100 m时，此时不需要考虑C因子和D因子，即可将其归为山地范围;

(2)当A＜500 m且B≥100 m时，此时只要C因子和D因子值的任何一个满足山地分类临界值要求，即可将此类归为山地范围;

(3)当A≥500 m且B＜100 m时，此时只要C因子和D因子值的任何一个满足山地分类临界值要求，即可将此类归为山地范围;

(4)当A＜500 m且B＜100 m时，此时C因子和D因子值必须同时满足山地分类临界值要求，才可将此类归为山地范围。

综上所述，在其余的情况下，可将其列为非山地范围。绝对高程0～1000 m时，山地划分因子数学表达式为

3 山地与非山地的分类提取

在ArcGIS Desktop平台中，先分别加载并提取出绝对高程、相对高程、坡度和地面粗糙度数据;然后在ArcGIS栅格计算器中，采用上述方法，即可以快速地提取出四川省山地与非山地的分类结果数据(图3)。

图3 四川省山地与非山地分类结果Fig.3 The classification results of mountain in Sichuan province

在ArcGIS平台下，采用统计分析方法计算出四川省山地与非山地各自的分布面积。通过分析得到，四川省山地面积约为362632 km2(约占总面积的79.66%)，非山地面积约为 92567.9 km2(约占总面积的20.34%)。这充分证明了四川省是我国山地面积分布较多的省份之一。由图3可见，四川省山地主要分布于省内西部地区及四川盆地周边区域，而中东部山地则主要分布于与重庆市交界的川东平行岭谷和龙泉山脉附近。

另外，采用此方法计算出的山地面积比江晓波采用基于栅格的边缘生长模型计算出的四川省山区面积(374901 km2，约占75.08%)有所增加，也比根据UNEP－WCMC定义的山地标准所计算出来的四川省山地面积(359209 km2，约占73.56%)有所增加［15］，这主要是由于在分类过程中更加综合考虑到相对高程、坡度和地面粗糙度这3类因素的影响，并将更多的纵沟深丘陵地区划分到山地范畴中。

4 结论

本文采用地理信息系统(GIS)空间分析方法，以四川省作为研究区域，在ArcGIS平台下分别对绝对高程、相对高程、坡度和地面粗糙度4类因子进行了提取和分析。在对大量相关专业文献资料进行系统分析研究的基础上，得出了这4类因子参与山地特征分类的临界值，并运用数理统计分析方法确定出了一套适用于山地与非山地分类特征的定量提取技术，最后在ArcGIS Desktop栅格计算器中计算出了四川省山地与非山地的研究范围与面积。

实验表明，该方法计算出来的结果较以往方法的山地统计结果有所增加，这主要是由于将低海拔、深切割的地区归并其中的缘故。此方法为山地数字化提供了一种全新的解决方案，也为山地研究和数字山地战略提供了基础和支撑。

［1］郭绍礼，张天曾.中国山地分区及其开发方向的初步意见［J］.自然资源学报，1986，1(1):28 －40.

［2］江晓波.中国山地范围界定的初步意见［J］.山地学报，2008，26(2):129－136.

［3］赵松乔.我国山地环境的自然特点及其开发利用［J］.山地研究，1983，1(3):1 －9.

［4］宋 佳.基于DEM的我国地貌形态类型自动划分研究［D］.西安:西北大学，2006.

［5］莫申国.基于DEM的秦岭数字地貌格局研究［J］.华东师范大学学报:自然科学版，2008，53(2):8 －14.

［6］陈国阶.2003中国山区发展报告［M］.北京:商务印书馆，2004.

［7］Bittner T.Approximate Qualitative Temporal Reasoning［J］.Annals of Mathematics and Artificial Intelligence，2002，35(1/2):39 －80.

［8］计 伟，江晓波.湖南省山区范围划分初探［J］.地理与地理信息科学，2010，26(1):59 －62.

［9］汤国安，杨 昕.ArcGIS地理信息系统空间分析教程［M］.北京:科学出版社，2006.

［10］杨 斌.“数字山地”框架下的山地本体及数字化分类研究——以四川省为例［D］.成都:成都理工大学，2009.

［11］程 鸿.我国山地资源的开发［J］.山地研究，1983，1(2):1 －7.

［12］杨晏立，何政伟，杨 斌，等.最佳因子复合的四川省地貌类型自动划分［J］.陕西理工学院学报:自然科学版，2009，25(4):74－79.

［13］Varzi A C.Introduction:Philosophical Issues in Geography［J］.Topoi，2001，20(2):119 －130.

［14］Egenhofer M.Toward the Semantic Geospatial Web［C］//Proc.of the 10th ACM International Symposium on Advances in Geographic Information Systems，McLean，Virginia，USA.NY:ACM Press，2002.

［15］江晓波，曾鸿程.量化中国山区范围——以四川省为例［J］.山地学报，2009，27(1):23 －29.

A Study of the Classification Method for Mountainous and Non－mountainous Regions Based on ArcGIS

YANG Bin1，2，GU Xiu － mei3，LIU Jian4，YANG Yan － li4
(1.College of Environment and Resource，Southwest University of Science and Technology，Mianyang 621010，China;2.College of Water Sciences，Beijing Normal University，Beijing 100875，China;3.Confidentiality Office，Southwest University of Science and Technology，Mianyang 621010，China;4.State Key Laboratory of Geohazard Prevention and Geoenvironment Protection，Chengdu University of Technology，Chengdu 610059，China)

As a special physiognomy in nature，the mountainous region has peculiarities of uncertainty，complexity and multifactor，and digitization and classification should be conducted to find out its specific nature.With the support of spatial analysis and mathematical statistics，four factors were extracted and analyzed on the basis of ArcGIS application characteristics in Sichuan Province.They were absolute elevation，relative elevation，slope and terrain roughness.An integrated classification system for mountainous region was built by statistical methods to generalize these tow factors into two major factors and figure out the critical value of classification.The final classification results for mountainous and non－mountainous regions in Sichuan Province were extracted by using the ArcGIS grid calculator.The extraction results show that this method has reached the accuracy of the classification levels by the traditional method，thus laying the research foundation for realizing ＇digitized mountainous region.

Mountainous region;Digitization;Classification;Characteristics;Digital mountainous region

P 208;TP 79

A

1001－070X(2011)04－0064－05

2011－02－17;

2011－03－23

四川省教育厅重点基金项目(编号:11ZA135)及西南科技大学博士基金项目(编号:09ZX7112)共同资助。

杨 斌(1979－)，男，博士，副教授，硕士生导师，北京师范大学环境科学与工程在站博士后，主要从事遥感与GIS在地质环境安全领域中的应用研究。

(责任编辑:李 瑜)