基于地形分析的土地利用类型分布研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于地形分析的土地利用类型分布研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：随着地理信息系统(GIS)的不断完善以及数字高程模型(DEM)精度的提高，其在应用研究中倍受青睐，据此，本文以达州市通川区为研究区，引入地形位置指数( Topographic Position Index，TPI)，在运用GIS技术和DEM的基础上，计算出多尺度TPI数据，并结合通川区坡度数据，得出相应尺度坡位分类（Slope Position Classification）结果，并通过与土地利用类型数据进行叠加分析，研究不同坡位上各土地利用类型的分布特征，归纳其影响规律，为土地资源的合理利用提供参考信息。
关键词：DEM；坡度；坡位；土地利用；土地类型
中图分类号：U652.4 文献标识码：A
土地利用是人类以生产生活为目的所进行的长期性或周期性的经济活动，它是受自然条件、社会经济条件和技术条件共同决定的土地功能，因此，土地利用类型的分布与这些条件密切相关。目前，针对土地利用格局的研究多从人文因素（如经济力驱动、城镇化发展、政策驱动等）和自然因素（如高程、坡度等地形因子）两个方面分析[1-3]，并揭示其与土地利用类型时空分布的普遍关系及特征。地形是决定土地利用的重要环境因子，也是众多自然因素中对人类影响最大的因素之一。地形差异是土地利用结构和空间分布格局分异的重要影响因子，特别是在人为活动占优势的区域，地形特征通常成为大尺度人为干扰活动地域分布格局的基本骨架[4]。Blaszczynski（1997）认为，地形是地球表面一种特殊的地貌形态，从大尺度的平原、山脉到小尺度的山丘、沟谷，对于景观的物理、生物等过程都有着重要的作用[5]。对自然因素方面的探讨，国内外学者多从宏观角度揭示了地形因子与土地利用时空变化的关系，由于我国地域辽阔，地形条件复杂，高程、坡度等地形因子组合多样，导致不同的研究区域其研究结果不同。本文以地处我国西南丘陵低山地区的四川省达州市通川区为案例区域，利用地形图、土地利用现状图以及实地调研获取的数据，运用GIS 技术建立研究区DEM 得到高程、坡度以及坡位三个地形因子，并通过叠加分析，研究各主要土地利用类型在不同高程、坡度、坡位条件下的分布特征，更加清楚地掌握地形因子对土地利用类型分布的影响规律，为土地资源合理利用提供基础性信息。
1、研究区概况
通川区位于四川省东北部，介于东经107°22′至107°38′和北纬31°08′至31°18′之年，全区幅员444.5平方公里，东及东北面与宣汉接壤，北面、南面与达县为邻，是达州市政治、经济、文化中心。区内地形以低山浅丘宽谷为主，地势四周高、中部较低，以州河为主要干流的三条河流流经境内。根据第五次人口普查数据，全区总人口384525人。全区辖3个街道(东城、西城、朝阳)、一个管委会（莲花湖）、7个镇(西外、北外、罗江、蒲家、复兴、双龙、魏兴)、3个乡(新村、磐石、东岳)。
2、数据和方法
2.1 基础数据
本文研究的基础数据主要为通川区分辨率为30m×30m规则格网DEM数据（如图1），以及通川区1:10000的土地利用现状图（如图2）。
根据二调地类代码表以及通川区土地利用现状图，并结合研究需要，本文将通川区土地利用类型主要分为以下八类：耕地、园地、林地、草地、交通运输用地、水域及水利设施用地、其他土地、城镇村及工矿用地。各土地利用类型分布如图2，数量及所占比例如表1。
表1 通川区主要土地利用类型统计表
土地利用类型 耕地 园地 林地 草地 交通运输用地 水域及水利设施用地 其他土地 城镇村及工矿用地
面积/hm2 17855.91 1532.36 17547.11 831.03 363.82 1251.03 251.35 4906.26
比例/% 40.09 3.44 39.40 1.87 0.82 2.81 0.56 11.02
图1 通川区DEM图图2 通川区土地利用类型分布图
2.2 研究方法及过程
（1）技术路线
基于GIS平台，利用通川区DEM数据以及土地利用现状图数据，逐步处理，得出数据结果并作简要分析，具体操作流程如下：
（2）坡度
坡度（slope）是地表单元陡缓的程度，通常把坡面的垂直高度h和水平距离l的比叫做坡度（或叫做坡比）用字母i表示。坡度的表示方法有百分比法、度数法、密位法和分数法四种，其中以百分比法和度数法较为常用。本文采用的是百分比法，即：
坡度 = (高程差/水平距离)x100% 或（i=h/l×100%）
依据国际地理学联合会地貌调查与地貌制图委员会关于地貌详图应用的坡地分类来划分坡度等级，规定：0°～0.5°为平原，0.5°～2°为微斜坡，2°～5°为缓斜坡，5°～15°为斜坡，15°～35°为陡坡，35°～55°为峭坡，55°～90°为垂直壁。结合研究区区域坡度特征，本文采用如表2所示分类标准对研究区坡度进行分级，各坡度级别分布如图3所示。
表2 坡度分级标准
坡度分级 坡度级代码
≤2° Ⅰ
2°～6° Ⅱ
6°～15° Ⅲ
15°～25° Ⅳ
>25 Ⅴ
图3 各级坡度分布图
（3）地形位置指数（Topographic Position Index，TPI）
地形位置指数( Topographic Position Index，TPI) 是Andrew Weiss在2001 年ESRI 国际用户大会上提出的，它是地形分类体系的基础参数[6]。TPI提供了一种简洁而有力的方式将景观按形态学类别进行归类(Jenness,2005)[7]。其基本原理是研究目标点与其邻域高程平均值的差值，然后根据差值的正负和大小来确定目标点所处的地形位置，正值代表目标点高于邻域，而负值则代表目标点低于邻域。
由于邻域的选取可大可小，而邻域大小对计算结果有着决定性的影响，因此，应当根据研究目的以及研究区区域特征适当选取。本文针对通川区高程特征（参考图1），由于区域中心部位和边缘部位的高程与其他部位相比差距较大，为提高计算精度，采用了由低到高多种尺度邻域下计算TPI，主要邻域尺度包括150m，300m以及500m，利用Arcgis9.3中TPI计算工具，针对各尺度逐一计算，并进行综合分析、对比研究。
（4）坡位分类
所谓坡位，即坡度与地形位置的结合，通过不同尺度下地形位置指数（TPI）与坡度（Slope）的综合分析，呈现出相应尺度下的坡位分布。在此过程中，比较常用且便捷的方法是对TPI设定阈值[8]，具体设定标准如表3：
表3 坡位分类标准表
编号 类型 分类依据
1 山谷（valley） TPI
2 下坡位（lower slope） -1.0Std
3 平坡位（flat slope） -0.5Std
4 中坡位（middle slope） -0.5Std
5 上坡位（upper slope） 0.5Std
6 山脊（ridge） TPI＞1.0Std
基于以上处理及设置之后，利用Arcgis9.3中的坡位分类工具，分别加载不同尺度的TPI栅格图及坡度分级图，便可得出不同邻域尺度（150m，300m以及500m）下的坡位分类结果，如图4所示：
图4 不同尺度下坡位分类图
（5）叠加分析
叠加分析是对输入图层叠加后产生的新要素的属性，按一定的数学模型进行计算分析。叠加的结果不仅生成了新的空间关系，而且还将输入的多个数据层的属性联系起来产生了新的属性关系，本文基于GIS平台，将通川区土地利用现状图与不同尺度下所得的坡位分类图进行叠加，主要目的是得到二者新的空间关系和属性关系，以便进行数据的综合分析。
3、结果分析
根据表1统计分析以及图1和图2的对比分析可得，通川区主要地类为为耕地、林地以及城镇村、工矿用地，而耕地主要分布在高程200m-300m之间，林地主要分布在高程500m以上，城镇村及工矿用地主要分布在高程200m以下。
（2）坡度与土地利用类型分布
将通川区土地利用类型分布图（图2）与通川区坡度分级图（图3）对比可见，城镇村及工矿用地主要分布在最为平整的区域，坡度一般不超过6°；由于耕地对地形的特殊要求，因此主要分布于坡度低于15°的区域，同时可以明显的看到林地大部分分布在25°以上的区域，坡度在15-25度的区域上，也有零星的分布。
（3）坡位与土地利用类型分布
根据图5中六种尺度下坡位分类效果图分析可得，随着尺度的增大，山谷（valley）和山脊（ridge）越发凸显，其他坡位类别对比减弱，单纯从中难以得出各坡位类别与土地利用类型的关系，因此，本文利用Arcgis9.3中的叠加分析工具，将不同尺度下已经转换成矢量图的坡位分类图与通川区土地利用现状图进行叠加，以获得新的空间关系和属性关系，再充分利用属性数据，基于Microsoft Office 软件进行统计分析。下面就邻域尺度为150m的坡位分类图为例，与通川区土地利用现状图叠加，叠加效果图如图5（以地类为分类显示依据），属性关系表如图6（部分）：
图5 叠加效果图图6 叠加后属性关系表
基于以上数据，通过统计分析得到150m邻域尺度下，土地利用类型分布与坡位的关系数据表，如表4：
表4土地利用类型分布与坡位的关系数据表（150m Neighborhood）
坡位
土地利用类型
1耕地
2园地
3林地
4草地
5交通运输用地 6水利及水利设施用地
7其他土地
8城镇村及工矿用地
1 面积/hm2 8407.12 671.12 7611.30 334.55 187.08 824.13 85.11 2226.79
比例/% 41.27 3.29 37.36 1.64 0.92 4.05 0.42 10.93
47.14 43.83 43.47 40.35 51.49 66.34 33.90 45.41
2 面积/hm2 697.55 62.70 430.33 22.70 15.42 46.33 6.35 231.02
比例/% 46.07 4.14 28.42 1.50 1.02 3.06 0.42 15.26
3.91 4.10 2.46 2.74 4.24 3.73 2.53 4.71
3 面积/hm2 1259.45 118.27 684.58 31.17 30.27 74.00 12.48 441.08
比例/% 47.47 4.46 25.80 1.17 1.14 2.79 0.47 16.62
7.06 7.72 3.91 3.76 8.33 5.96 4.97 8.99
4 面积/hm2 113.24 10.59 176.13 6.98 1.11 9.09 1.56 26.50
比例/% 32.75 3.06 50.94 2.02 0.32 2.63 0.45 7.66
0.63 0.69 1.01 0.84 0.31 0.73 0.62 0.54
5 面积/hm2 635.40 55.94 417.84 17.76 14.21 34.95 6.36 210.55
比例/% 45.56 4.01 29.96 1.27 1.02 2.51 0.46 15.10
3.56 3.65 2.39 2.14 3.91 2.81 2.53 4.29
6 面积/hm2 6720.80 612.47 8190.12 415.91 115.27 253.79 139.22 1767.87
比例/% 36.82 3.36 44.87 2.28 0.63 1.39 0.76 9.69
37.69 40.00 46.77 50.17 31.72 20.43 55.45 36.05
注：1—山谷（valley）；2—下坡位（lower slope）；3—平坡位（flat slope）；4—中坡位（middle slope）；5—上坡位（upper slope）；6—山脊（ridge）。表中“比例/%”行，上行为各地类在每种坡位上的分布数据，下行为每种地类在各坡位上的分布数据。
各地类在每种坡位上的分布数据显示，耕地、林地、城镇村及工矿用地所占比例较大，这与土地利用现状图中各地类比重情况相符，而从每种地类在各坡位在各坡位上的分布数据来看，可能表面上有些与现实不符，以表中耕地在各坡位上的分布数据为例，比重较大的是山谷和山脊，分别47.14%、37.69%，似乎与现实相悖，而这恰好是邻域尺度的奥妙，由于所选尺度较小，地形分析更能在宏观景观分类过程中倾向于微观，比如平原上的一座小山丘，或山顶上的一缕平地，在小尺度情况下就可能与视觉上不一致，然而这些对于土地利用的合理结构和布局都有一定影响。因此，邻域尺度的选择至关重要，不同的地形，不同的研究目的，都应该有所依据、适当选择、综合分析。
4、结语
基于DEM数据从高程、坡度等地形因子出发作地形分析的研究不胜枚举，运用地形位置指数( Topographic Position Index，TPI)提取地形特征的例子也是与日俱增，但将这些同时结合土地利用数据研究土地利用类型分布的情况还是为数不多的，因此，笔者在众多学者的研究基础上，综合影响土地利用的地形因子及参数，针对通川区土地利用类型分布作了一个简要分析，不足之处，虚心改之。值此抛砖引玉，希望有更多学者深入研究，更新理论和技术，使土地利用更为科学与实际。
参考文献：
[1]王玉华，刘彦随，周应华，沿海发达地区土地利用转换的人文驱动机制研究[J]．地理科学进展，2004，23(2)：43—50．
[2]甄霖，谢高地，杨丽，等．泾河流域土地利用变化驱动力及其政策的影响[J]．资源科学，2005，27(4)：33—37．
[3]贡璐，潘晓玲，师庆东，等．塔里木河上游土地利用格局变化及其影响因子分析[J]．资源科学，2005，27(4)：71—75．
[4]毛蒋兴，李志刚，闫小培，等.深圳土地利用时空变化与地形因子的关系研究析[J].地理与地理信息科学，2008，24 (2) : 71276.
[5]Blaszczynski, J.S., 1997.Landform characterization with geographic information systems. Photogrammetric Eng. Remote Sens., 63 (2): 183-191.
[6]Weiss A．Topographic position and landforms analysis［R］．San Diego，CA: ERSI User Conference，2001．
[7]Jenness, J., 2005.Topographic Position Index (tpi_jen.avx) Extension for Arc View 3.x. Jenness Enterprises. www
[8]韦金丽，王国波，凌子燕.基于高分辨率DEM的地形特征提取与分析.测绘与空间地理信息，2012，35(1).
作者简介：王姣（1990-），女，四川人，硕士研究生，研究方向为土地信息系统；
刘洪斌（1966－），男，重庆人，博士，研究员，主要从事GIS、遥感和土壤-景观关系等方面的研究工作。