EN中文

地球信息科学学报 >

2022 , Vol. 24 >Issue 7: 1219 - 1233

DOI: https://doi.org/10.12082/dqxxkx.2022.210837

综述

黄土高原地貌类型界线划定研究进展

  • 丁小花 ,
  • 王琤 , * ,
  • 席俊杰 ,
  • 王朝 ,
  • 岳程瑜 ,
  • 张青峰
展开
  • 西北农林科技大学资源环境学院,杨凌 712100
* 王 琤（1981—）,男,辽宁丹东人,讲师,主要从事数字地图制图理论与方法等研究。E-mail:

丁小花（1998—）,女,宁夏中卫人,硕士,主要从事土地资源利用等研究。E-mail:

收稿日期: 2021-12-29

  修回日期: 2022-03-11

  网络出版日期: 2022-09-25

基金资助

陕西省自然科学基础研究计划项目(2021JZ-17)

收起

Review on the Research Progress of Boundary Delineation Methods of the Loess Plateau Landforms

  • DING Xiaohua ,
  • WANG Cheng , * ,
  • XI Junjie ,
  • WANG Zhao ,
  • YUE Chengyu ,
  • ZHANG Qingfeng
Expand
  • College of Natural Resources and Environment, Northwest A&F University, Yangling 712100, China
* WANG Cheng, E-mail:

Received date: 2021-12-29

  Revised date: 2022-03-11

  Online published: 2022-09-25

Supported by

Natural Science Basic Research Program of Shaanxi Province(2021JZ-17)

Fold

摘要

区分地理实体最直接有效的方式在于对其界线作出划定。目前,黄土高原地貌类型界线划定多是在分类基础上按照分类界线、自然区划界线来界定。基于不同数据源及其表达方式,本文追踪前人对黄土高原地貌类型界线划定的研究进展,从形态成因的地貌分类、数字地貌分类等分类体系中总结了黄土地貌类型界线的内涵,分析了基于自然语言和数字环境下定量描述的优缺点和存在的问题;并梳理了黄土地貌类型界线的表示方法以及基于数字地形分析技术的地貌类型定量识别及其划分方法;从地貌界线确定与分类体系的关系、地貌界线划定的理论与方法参考、地貌界线划定的尺度效应3个方面对地貌类型界线做出了讨论分析与展望,以期为黄土地貌区划的相关理论研究提供背景基础,为当地实践工作等提供理论依据和支撑。

关键词： 黄土高原地貌; 地貌类型; 地貌界线; 界线划定; 等高线; 数字地形分析技术; 正负地形特征; 尺度效应

本文引用格式

丁小花 , 王琤 , 席俊杰 , 王朝 , 岳程瑜 , 张青峰 . 黄土高原地貌类型界线划定研究进展[J]. 地球信息科学学报, 2022 , 24(7) : 1219 -1233 . DOI: 10.12082/dqxxkx.2022.210837

Abstract

The most direct and effective way to distinguish geographical entities is to delineate their boundaries. At present, the delineation of the geomorphic boundary of the Loess Plateau is mostly based on classification boundaries and natural division boundaries. Based on different data sources and their expressions, this article reviews the previous research progress on the demarcation of the natural geographic boundary of loess landform types and summarizes the connotation of loess landforms boundary from morphological genetic geomorphic classification, digital geomorphic classification, and other classification systems. The advantages and disadvantages of quantitative description based on natural language and digital environment are analyzed. Besides, we sort out the quantitative identification and classification methods of the Loess Plateau landform types based on digital terrain analysis. Furthermore, we discuss and prospect the geomorphic boundaries from three aspects: (1) the relationship between the determination of the landform boundary and the classification system; (2) the reference of the delineation of the landform boundary; (3) the scale effect of the landform boundary. This review summarizes the background of the relevant theoretical studies on loess geomorphic regionalization and provides the theoretical basis and support for local practical work.

Key words： loess plateau landforms; landform types; landform boundary; boundary delineation; contour; digital terrain analysis technology; positive and negative topographic features; scale effect

1 引言

地理边界（Geographical Boundary）是对相邻的地域单元进行区分的线或过渡带,通常位于地理要素或地理综合性特征变化梯度最大的带段,按属性分为自然地理界线和社会经济地理界线[1]。然而,自然界并不存在地理界线实体,其界线划定通常是建立在人对地理要素抽象基础上的主观判定。Minar[2]提出了一个公理：“在一定的尺度下,地表可能表现出不连续性;这些可以被认为是地貌对象的自然地理界线”。这种不连续性体现在地貌景观从量变到质变的空间位置中,其划定要求凸显区域之间的差异性,更加量化地理要素的定义,体现其特殊的自然地理结构与功能,具有渐变性、模糊性、过渡性和动态性等特征[3⇓-5]。受不同研究目标及内容影响,人们所抽象出的地貌自然地理界线多以科学应用研究和生产生活的综合规划作为前提,来深入揭示地理环境的时空分异规律,因此所划定的相邻区域也不尽相同。
黄土高原被誉为全球最具有地学研究价值的独特地理研究区之一[6],其地形地貌成因复杂、发育明显并在空间上穿插交错。黄土高原地貌自然地理界线反映了整个黄土高原的地貌形态在空间上的变化格局。根据其界定对象与形成法则可分为地貌类型界线与地貌区划界线、地貌基元界线、地貌实体单元界线等[7]。其中,地貌类型界线的划定不仅体现了黄土地貌的类型及其展布特征,而且能够直接映射黄土地貌的发育趋势和不同地貌之间的差异性。因此,科学、准确、定量地描述黄土地貌类型界线,不仅对该地区土壤、环境等要素空间差异性研究具有重要理论意义与价值,同时也为黄土高原地区水土保持、自然灾害风险评估和防治区划、生态保护、国土空间规划等实践工作提供必要基础和支撑。
地貌分类作为一种重要的地理界线划分问题,需要在充分考虑地理现象、地貌过程和机理的基础上,结合定性定量方法对地貌类型界线作出提取[8]。自20世纪50年代开始,我国诸多学者对黄土地貌的分类及其界线研究进行了长期探索,初步提出了：① 基于不同分类体系的地貌分类方案; ② 使用自然语言对其界线进行定性描述;③ 相继编制了不同比例尺黄土地貌类型图来表达地貌特征。近年来,随着DEM（Digital Elevation Model,数字高程模型）与遥感影像的广泛应用,定量提取地形特征要素（点、线、面）理论与方法日渐成熟。然而,目前绝大多数地貌类型划定多以自然区划界线作为研究区地貌类型界线且主要针对地貌类型作出分类识别,以分类界线来界定（图1）[9-10]。
图1 陕北黄土高原地貌界线比较

Fig. 1 Comparison of the landforms boundary in the Loess Plateau of Northern Shaanxi

本文较为系统地总结了黄土地貌类型界线划分既有的研究成果,从黄土地貌类型界线内涵、地貌类型界线的表示方法、基于数字地形分析技术的划定三大角度对黄土地貌类型界线划定研究进行梳理,讨论了地貌类型界线与分类体系间的关系,为进一步对黄土地貌类型界线划定与提取奠定研究基础,从而更加深入认识现代地貌的地形特征。

2 黄土地貌类型界线内涵

2.1 基于自然语言描述的黄土地貌类型及其界线 内涵

我国黄土地貌类型发育典型,基于形态成因的分类能清晰反映地貌形态和演化进程。20世纪50年代,我国学者充分考虑地貌发育过程中内外力营力对地貌形态塑造的影响,从构造、侵蚀、形态特征等角度对黄土地貌类型形态成因进行综合分析,多借助自然语言从地貌坡度及其形态等要素上加以定性描述,建立了黄土高原地貌分类体系[11-12],以增强人们对地貌的宏观认识,并初步提出了地貌定量研究的基本方法。
在这一过程初期,科学家们使用自然语言对每类地貌的具体形态进行描述,单一从文字角度抽象概括地貌形态特征,缺乏地貌的直观呈现,所区分地形地貌的界线在自然界中难以辨识。同时,受技术条件制约,地貌单元呈现解释性的叙述,在科学研究中无法保证精确性。例如,罗来兴[11]以宏观、中观和微观尺度上黄土的发育进程为地貌分类主要依据,参照典型黄土地貌面积来规定,将晋西-陕北-陇东黄土区域沟间地、沟谷地貌划分为中型、小型、微型三大类,再按照各地貌单元所处位置将其进一步划分为类、亚类和型3个等级(图2(a))。其中,在多数的凸形斜坡和少数的直形斜坡之间以及小型地貌的沟间地单元之间主要以具有明显特征的坡折线作为黄土地貌自然界线;而陈传康[12]、沈玉昌[13]所提出的地貌成因分类中强调其侵蚀发育过程,把黄土地貌归类到侵蚀剥蚀地貌中,形态上又进一步细分大类,各类地貌界线描述内容多融合于地貌形态分析中;张宗祜[14]按照侵蚀堆积特征对黄土地貌做出了分类总结,一级分类是对地貌发育的内在规律性呈现,二级是地貌形态的组合分类,作者认为沟、谷等负地形和塬、墚、峁等正地形共存,共存中又有主次之分,分出来26种地貌组合类型和63个主次形态组合类型(图2(b)),同时对每种地貌形态的也进行了量的相对界定（如平、缓一般为倾斜度分别为小于5°和小于10°的地形面;深、浅指边坡高差在50 m临界以下、以上的地形等）,其自然地理界线主要是通过应用于各类地貌形态的定量化概念进行区分。
图2 黄土地貌分类结果比较

Fig. 2 Comparison of loess landforms classification results

后人在此基础上对黄土高原典型地貌（塬、墚、峁）及其坡形组合借助自然语言、构建本体模型等进行描述[15],分析其在自然环境演变过程中的发育规律,指出各类地貌地理界线由于侵蚀强弱而存在差异[16]。基于自然语言的地理类型界线描述综合考虑了黄土高原地貌的发展过程与阶段,对黄土地貌的形态在理论层面做出较详细的文字解释,是自然地貌客观、科学表达的基础与前提,使得人们对不同黄土地貌形态特征的认识和把握更全面系统,为日后开展地貌类型的精确化划定研究奠定了基础。但是诸多学者从构造、侵蚀、形态角度定性分析依旧难以满足完全意义上对地貌的定量深入认识,对于地貌表达中界线的具体描述较为模糊,对每类地貌的具体界线未做出详细说明。

2.2 基于数字地形分析技术的黄土地貌类型及 其界线内涵

数字地貌分类体系是在数字化环境中结合黄土形态分类和地质构造黄土成因分类,按照分层分级的分类方案,通过编制编码体系,来详尽反映黄土高原受内外营力作用所发育的地貌类型及其复杂性,多以DEM为基础数据源体现数字地貌的集成特征及分类制图优势;同时在分类制图基础上以遥感影像为辅修正各类黄土地貌界线,满足数字化和信息化的需求,更好的服务于社会生产[17-18]。如柴慧霞等[19]按照上述分层分级方法考虑在1:100万比例尺上进行数字地貌分类体系研究并借助地理信息系统技术提取界线,通过专家知识和遥感影像等多源数据进行组合判断的沟谷线、坡折线和山麓线来修正地貌实体界线;而周成虎等[20]在借助数值分类的分层分级方法基础上,将黄土地貌归纳至形态成因类型,采用多边形图斑的数字地貌数据组织方式反映,详细划分各成因类型的不同层次、不同级别的地貌类型,作者进一步指出成因细分中存在混合过渡类型,其界线呈现不明显。

3 黄土地貌类型界线的表示方法

3.1 基于地图制图的黄土地貌界线表示方法

随着地图制图技术在黄土地貌表达中的广泛应用,科学家们开始对每种地貌形态进行不同比例尺地貌形态和地貌界线的制图表达和界定。在这一阶段,黄土地貌类型界线主要采用分层设色法(Layer Tinting)、等高线法来表达。其中,分层设色法主要应用色相、色调的深浅刻画黄土地貌形态类型平均高程和地形进退的差异性,其界线按照不同色彩层次来反映[14];而等高线法作为当时表达地表形态最重要的方法,通过稜角的圆滑程度来反映各类地貌界线差异,界线描述主要以地貌内部线状要素为主,地貌边缘主要突出生硬的转折特点。
例如,姜美鑫[21]将黄土地貌类型总结为三大类16小类,将现代黄土高原由于人类活动对其进行的改造作用而呈现的地貌归纳为人工地貌,但在等高线绘图中其对微观尺度上的地貌类型部分进行了取舍。在制图中对不同地貌的详细界线借助等高线的稀疏圆滑不同对其形态进行绘制,更注重地貌本身的面与坡之间的界线标定,但未做出与其他地貌区别的界线指定。按照作者的分类,1:5万地形图上沟谷地貌的不同类型所反映的特征是由等高线的疏密表达,地貌边缘呈现是按照槽型或V形、U形闭合等高线刻画,清楚反映稜角差异;沟间地貌中凹凸形态是以等高线的间距来表达（如塬面、墚顶的等高线稀疏圆滑,能精确的在制图中体现面与坡的界线,边缘部分也是以尖锐闭合呈现,如图3）。
图3 基于等高线的地貌类型界线表达[37]

Fig. 3 Representation of landforms boundary based on contour lines[37]

另外通过制图综合得到1:10万和1:20万的黄土高原地形图,此缩编过程依旧注重对地貌边缘等高线稜角的绘制;而丁尚清[22]利用等高线绘制1:1万和1:5000黄土沟谷地形图时,绘制了细沟、雨裂、冲沟、干沟、河谷五种地貌类型,考虑将更加精确的数学精度量化数据应用到绘制过程中,例如在绘制冲沟时不同沟壁的阴影表达配合符号和等高线共同来实现;马国斌[23]选取了黄土高原流域的梁和沟谷以及塬面和塬边慢坡等亚单元,对其等高线数字化过程中在悬崖、陡壁处的不连续进行了讨论,悬崖、陡壁作为沟壑地貌中界线表达的一部分,主要借助MapInfo系统重合化的方法来实现地貌及其界线在地图上的表达;后续出现写景法(Scenography)、地貌晕滃法(Hachure)、地貌晕渲法(Shading)等方法及其叠加融合来增强地貌制图表达效果[24-25],更能凸显地貌界线的细部变化,但是具体界线受分辨率、比例尺等尺度影响只能体现局部地貌特征。
地貌在传统等高线制图上的表达体现了地貌界线提取的重要实践意义。但等高线主要以手工和野外调查等方法为主,对制图者本身的专业要求较高,需要经过熟悉与训练过程来绘制,才能得到精度较高的地形图。同时,各个黄土地貌类型在地图上的界线具有精确的数值量测优势,能够精细的呈现线划图形,表示制图区域各类地貌的变化渐移现象。但是等高线绘制工作量较大、历时较长,非专业用户读图困难,也难以直观体现视觉立体感,需要在其他符号注记的辅助下进行表达（如悬崖、陡壁）。而分层设色法区分不同地貌界线内的普染颜色来突出其质量差别,界线鲜明清晰,属于定性的地貌表达,难以显示黄土地貌渐进过程的过渡差异。另外,黄土地貌界线在地图制图的表达中,等高线能否作为自然地理界线来划定地貌,我们认为：地貌界线本身不具有高程属性,且伴随黄土地貌复杂性,即使赋予高程点也难以按照均一组合高程的等高线来表达;同时,等高线所呈现的不连续性截面,不能反映连续的地貌碎部形态,因此二者之间不具有可替代性。但是,等高线图形与实际地貌保持高度的几何相似关系,其边缘稜角的圆滑程度转换能够反映地貌的界线差异,可作为地貌界线识别中的参考依据。

3.2 基于三维可视化和分形技术的黄土地貌界线 表示方法

计算机图形学与数字摄影测量技术、GIS、RS等多技术的结合运用为地形三维可视化发展奠定了良好的基础,黄土地貌较多采用面三维模型（2.5维表面模型）来实现三维建模,定性分析主要有曲面建模、DEM模型、遥感技术等。依据传统的参数曲面插值、拟合所生成的三维地形,地貌局部形态细节较规则,缺少地貌界线的真实感;而较为常用的DEM三维可视化包括立体等高线3D可视化、TIN 3D可视化、地形晕渲3D可视化、DTM 3D可视化等。这种三维地形生成技术借助数学媒介保持其精度,能够反映较逼真的地貌形态特征,增强地形起伏的直观判读,但受分辨率等影响地貌的细部界线仍表现模糊且缺少圆滑性,难以进一步作出提取分析;遥感技术通过丰富的地面信息记录,被作为纹理图像通过纹理映射法与地形的融合实现三维实景的呈现。以上基于三维可视化分析得到的地貌界线都是通过定性的立体化的视觉展现,反映出地貌的差异性及其复杂程度,难以凸显地貌之间的精细化界线。
分形技术是对三维地形之间的复杂程度与差异度的进一步定量化表达,其主要通过自相似规律,用递归算法使真实复杂的地貌细部形态按照简单规则来描述[26]。人们目前对典型黄土高原区地貌复杂度与空间分异特征分形多集中于整体与局部研究[27],并将分形运用于地貌分类中[28],地貌界线是在宏观与微观地形的分维值差异及地貌分类结果中所体现。三维分形成果从立体视角对不同类型地貌界线进行描绘,增强了地貌景观的逼真效果,但其呈现也存在一定的缺陷,地貌模拟中的参数取值结果具有随机性与近似性,所描述参数的精确性难以做到预先确定[29]。

4 基于数字地形分析技术的黄土地貌类型界线划定方法

20世纪90年代以来随着数字地图制图技术逐渐取代了传统地图制图,数字化信息产品如DEM和遥感影像得到广泛应用,地貌分类及其自然地理界线的定量提取研究取得了长足进展。黄土地貌界线从传统的形态成因分类到数字地貌分类,以及目前的正负地形的空间组合形态,均以DEM和遥感影像及其组合为数据源来表达。这一阶段,学者们经过探索与实践,将传统的地貌研究成果和现代数字地形分析的方法相结合,避免了主观上对黄土高原地貌类型界线走向的确定,实现了综合定性与定量的地貌类型高效划定,为界线提取提供了有力的技术支持[30]。不同地貌单元在数字化环境中主要是对黄土高原形成及演化过程中地形要素的精确识别与提取,并以数字地形图与三维可视化地形的方式加以呈现。

4.1 数据源特征分析

数字地形分析定量提取的数据源主要以DEM和遥感图像为主,包括基于像素单元和面向对象的划定。DEM是以一定分辨率对连续变化的地表进行离散化表示。作为数字化的地形图,其像元所蕴含的地形结构和特征信息在地学分析中发挥着重要作用,是定量提取地貌界线及其空间组合变化的基础数据。然而,在数字地形分析中,需要克服DEM数据误差与结构的局限性,避免高分辨率的数据冗余和宏观尺度的地形描述误差,选择适宜分辨率的DEM来保证数字地形分析结果的正确性,使地貌界线划定结果科学有效。借助DEM数据,不同学者运用多种方法对黄土地貌类型作出划分。
而遥感图像伴随数据分辨率的不断提高,其含有更丰富的地物细节信息与地形属性特征,对于地貌界线特征信息的提取有较强的辅助作用。通过综合遥感图像光谱信息属性、细部纹理属性和空间属性等,对地形地貌特征进行提取处理。相比DEM数据,该数据像元之间缺少高程起伏的内在对应关系,鲜少融入对空间的表达,因此在实际地貌界线提取中,多是结合DEM等多源数据来提取地貌界线,多在地貌分类成果中进行呈现,各地貌界线明显且具有较高精确度。

4.2 基于DEM的界线划定方法

将DEM作为数据源基于像素单元的划分多以地貌形态为基础,各地貌单元通过格网DEM中的各地形因子或其复合来适量区分和描述,其划分是对地形的分散空间表示,但邻域像元的隶属类别难以精确确定[31]。而面向对象的划分多结合遥感影像共同划定。基于DEM的地貌类型划定方法总结以下3类：
（1）基于统计的方法。以栅格DEM为数据基础,采用非监督等分类方法按照各地貌地理属性作出划分[32-33],如依据正负地形指数、剖面曲率、坡度等因子对黄土丘陵沟壑区进行聚类分类,具有较高的自动化程度,但提取结果难以区分详细地形界线,存在明显的地貌实体不完整现象[34-35];另外,以数学形态学为基础,分形分维数(FD)被用来反映地貌界线复杂与扭曲程度,同时定义毫米级地形边缘计量单位,共同保证界线提取准确性[36]。
（2）基于规则知识的方法。如基于预先定义的形态属性作地形分类[37];或使用模糊逻辑定义和描述所需的地形实体,并结合DEM与启发式规则建立自动化程序对地形作出自动分割,规则知识的确定来源于专家对地形形态的定义,并加入对地形位置的测量值[38]。在划定中模糊程序为抽象和不精确的地貌实体作出明确语义,建立了地貌界线的模糊划分,但规则知识建立在逐个像元之上,缺少与空间定义[39]。
（3）采用模式识别的方法。该方法不同于基于微分几何原理的地形要素分类,其按照机器视觉原理,即从局部地形的模式中整体识别地形（所有可能的地形形式可以被无限数量的基本模式来涵盖）,对不同空间尺度的地貌进行分类划定,具有尺度自适应的优越性,但缺少限制识别地形要素的最小尺度[40]。

4.3 遥感影像与DEM相结合的界线划定

DEM和遥感影像相结合的界线划定方法,主要通过计算机的自动提取技术同专家知识的修正结合,更详尽的表现数字化地貌信息,增强地貌单元界线的精确度。针对黄土地貌各类型单元复杂的地形特征着重进行量化,划定结果受人工干预成分较少,提取结果精度高。各类地貌界线较传统表达更直观,但借助人为目视解译来界定,地貌精细部分靠专家知识在遥感影像上判定,这增加了地貌划分上的随意性,且对于宽、窄、高、低的判定缺少确定数量指标支撑;同时,提取的量化指标选择差异对地貌界线影响较大,得到的地貌分类界线详细不一,衡量界线具体精度评价标准难以定量呈现。

4.3.1 基于像素单元的界线划定方法

以中分辨率的遥感图像为基本信息源对地貌分类界线做出划定的主要技术方法有：
（1）以地形信息为主的划定。如最初参照地形坡度急变线等对地貌间进行的划定[41];以及张朴[15]所采用的坡形组合思想,依托塬、墚、峁三者的本体模型进行提取,规范化处理界线细节并作出精度评价,但受分辨率限制细节误差相较于其他提取方法更大。
（2）以光谱属性为主的划定。主要是按照各种地面覆盖物类别所具有相似光谱特征的像素组合所形成的光谱空间来划分区域,同时依据模糊集理论,对模糊分区中像素的隶属度作出划定[42]。
（3）以纹理特征为主的划定。包括统计相关方法、结构相关方法、模型相关方法、信号处理相关方法等。针对像元间的概率密度分布作出的统计描述,并将纹理特征与其他特征相结合运用于具体地貌识别分类中。在黄土高原典型地貌纹理特征的识别中取得了一系列研究成果,为黄土地貌类型的界线划定提供了理论与技术依据。

4.3.2 面向对象的界线划定方法

面向对象分类各个领域有着广泛的应用,其优势要明显优于传统基于像元的划定方法。地貌类型的划定通常更适合结合栅格数据结构与遥感影像应用对象模型来描述,而对象的划定需要经过分割得到地貌类型划分。面向对象的影像分析（Object-Based Image Analysis, OBIA）在地貌分类中是以遥感影像为数据源,并结合DEM,将一致性的像元组作为对象分割和分类的过程。地貌分割是对异质性地貌对象的区分[43]。主要技术有：
（1）多分辨率分割算法（Multi-resolution Segmentation, MRS）算法。它被作为在DEM中描绘陆地单元最合适的技术,广泛应用于各类地貌的分割与分类[44-45];
（2）区域增长算法。该方法保证了地貌空间的连续性,其思想是基于大数据集的聚类分析在区域尺度上作出地貌划定[46-47];
（3）曲率分水岭分割技术。该方法相较于前两类,在地貌分割界线中以水文流动这一物理过程为基础,具有明确的地学定义。分割界线由不同地貌类型的凹、凸要素来表示[48]。在黄土高原地貌中,多面向流域单元[49]识别和划分各地貌类型,依据水文对黄土地貌特征演变和塑造中所产生的影响,来减少分类结果与实际地貌界线的差异度。基于流域单元进行识别和分类,其地形特征量化数据上选择有所不同,分类结果从多地形特征反应出全面的地貌特征[50⇓-52];但划定中难以充分考虑地貌的复杂性,不能精确划分出内部的微观混合地貌。曹泽涛[90]用随机森林的方法对黄土地貌类型作出划定,他提到不同地貌类型之间存在着界线和过渡区,不同的地貌区解释不同区域的黄土沉积和流水侵蚀的不同情况,而不同的界线是黄土沉积、黄河侵蚀和构造分异组合过程的重要变化界线,但研究的大区域的界线是按照行政界线进行界定的,同时分类结果对于地貌的复杂性有所忽略,小流域内部的混合地貌不能更加精确的识别;Xiong等[10]同样基于流域对象的区域尺度地貌分类方法进行提取（图4）,文章体现了不同地貌区域的界线对地貌识别的重要性,强调了地貌界线研究的重要意义。
图4 不同黄土地貌界线提取结果比较

Fig. 4 Comparison of different loess landforms boundary extraction results

4.4 基于正负地形特征分析的界线划定方法

基于正负地形的空间组合形态,学者们将典型发育区的沟沿线作为黄土地貌正负地形分界线,并展开了深入细致的提取研究。主要涵盖对其特征定量化指标的研究以及基于传统地形图、遥感影像,数字高程模型（DEM）对沟沿线的提取研究。目前对于沟沿线的量化指标主要以肖晨超为代表分别从流域、沟壑、坡面三尺度上提出了一系列沟沿线量化指标[53],为复杂的区域宏观地形特征分析及地貌发育提供理论依据。而准确勾绘沟沿线的过程,相比而言,基于传统地形图进行勾绘来直接提取沟沿线的方法存在很多局限性,专业性较强,手绘误差大,具有随意性,同时工作量和难度均较大,而当前基于遥感影像和DEM的广泛应用,沟沿线的提取方法不断多元化,精度也在不断提高。沟沿线的提取是在宏观层面对黄土地貌的空间组合分类识别和定量化呈现,就典型的地貌单元而言,其方法有一定借鉴意义。
目前,基于正负地形特征提取黄土地貌界线主要有以下3种实现思路：
（1）基于形态学方法对地貌界线处地形形态的典型特征来获取其界线,包括从DEM衍生的地形参数的判断提取和依据水文学的水流路径等参数对特征地貌的提取技术[54⇓⇓-57],这类提取方式受分析窗口及地形参数指标差异性和适用性影响,沟沿线精度有待优化和改进;而王珂等[58]考虑分析尺度的灵活性提出运用地形开度和差值图像阈值分割原理相结合的方法实现沟沿线提取,但最佳分割阈值对不同地域沟沿线的适用性有待进一步探索。
（2）基于区域生长法的提取,避免了正负地形提取中对小斑块的分类错误,以及破碎沟沿线和小范围闭合沟沿线的现象。人工干预少,具有普遍的适应性[59]。
（3）基于边缘检测的提取技术[60-61]。其算法提取精度较高,具有一定的形态概念,但难以体现地貌地学机理,无法充分考虑沟沿线地学定义及空间形态特性的完整和连续性。
随着地理信息技术的发展,不同黄土地貌类型（正、负地形单元）界线提取方法更加多元化。正地形单元（如塬、墚、峁等）多以坡折线或地形边线（塬边线、峁边线等）的自然语言描述或基于DEM和遥感影像的人为目视解译作出界线。数字环境下实现其提取的方法有：黄土塬是以15°坡度作为正负地形的分界阈值,利用坡度与起伏度提取塬顶面及塬坡面。该方法由于人为修正过程而使界线提取存在精度误差[62-63];而三者可共同借助数学形态学方法,用周长面积比和平均坡度界定塬梁,用界线临接指数来界定梁峁。该方法得到的结果精确度较高[64]。
而针对负地形单元（如沟谷地貌、流域地貌等）多提取其沟谷线、流域界线等。其中,沟谷线是沟谷地貌的典型地形特征线,其提取是通过地表水文径流的汇流累积过程实现沟谷的分级与识别,很少依据各级沟谷的地貌特征进行划分[65-66]。依据不同DEM数据提取方法多样。主要有：
（1）基于规则格网DEM提取,多结合图像处理技术,形态学方法,水文学原理等从全局或局部地形作提取[67-68];
（2）基于不规则三角网TIN提取,发挥了其矢量优势,提取精度得到不断改善[69];
（3）基于等高线,按照几何学原理的提取[70]。而流域界线是流域地貌形态的稳定性较高的边缘线,主要提取方法有：① 基于遥感影像的提取,包括结合数学形态学方法作图像处理、最佳波段组合分析以及解译流域分水岭等[71⇓-73]。② 基于DEM的提取,借助图像处理技术、几何形态分析、平面曲率与坡位组合等算法进行综合提取[74⇓-76]。

5 讨论

5.1 地貌界线确定与分类体系的关系

地貌类型界线定位与提取的科学基础依托于地貌分类体系的构建,是开展黄土高原地貌自然地理界线划定工作的重要前提和依据。根据不同地貌分类体系得到不同地貌分类,在分类研究基础之上对黄土高原地貌类型作定性与定量综合分析是黄土高原研究的重要内容。然而我们所梳理的地貌界线研究多是在对黄土地貌分类基础上所呈现的,而分类界线同真实自然环境中地貌自然地理界线的吻合程度有待进一步确定;同时,伴随黄土高原地形多样性和复杂性,各类地貌界线之间关系复杂,在不同分类体系中都难以进行较为明确的提取。首先是地貌界线的交叉性限制,自然状态下地貌之间不是生硬转变,而是建立于细微过渡带的承接之上,形成各类地貌的交织过渡区域,即分类中所归纳的混合过渡地貌类型;另外,地貌大类细分的宽窄、高低、倾斜程度都难以运用定量化的指标来描述,使得对地貌类型的概念混淆,出现误用等。因此,地貌间的相互制约作用难以按照一种通用方法来提取界线,需要根据不同的研究区域、地貌特征以及主要关注的地形属性采用不同的研究方法来尝试。

5.2 地貌界线划定的理论与方法参考

黄土地貌的成因可作为分析其界线的主要判定依据。其成因除了本身的岩土性质及人类活动影响,内、外营力也发挥重要作用。在土状堆积物覆盖的古地貌基础上发生堆积和侵蚀过程,并不断的分割与再分割,经黄土塬、塬-梁、梁、梁-峁、峁的逐步演化过程,使相邻单元之间的过渡区域呈现渐变性的有规律的发育趋势[11,77]。地貌临界作为地形发育变化反映在坡降中固有的控制作用[78],其与地貌界线的耦合关系是值得深入研究的。前人通过探讨黄土高原坡地系统、河道系统的侵蚀产沙规律,地貌发育阶段的量化临界条件来辨识不同地貌过程发生发展的内在规律,并深入至流域尺度的动态变化特征研究[79⇓-81]。所以根据地貌临界条件所形成的各类地貌临界转折点是否可作为其地理界线区分依据来分析有待于进一步研究。
而目前,集定性、定量、定位一体的“地理边界模型（Boundary Modeling）”[82]的构建对数字化环境下地貌类型界线表达提供了科学的理论和方法参考。通过运用势函数对具有显性突变的地貌类型作出提取、采用模糊集理论科学划定模糊渐变的地貌类型界线、复杂交替变化的地貌类型借助粗糙集的理论方法作出表达。基于数学理论和模型,为科学提取具有过渡属性的地貌类型界线开辟了新的途径[7]。未来面向地貌类型界线提取分析的模型化研究作为地貌学领域的进一步探索仍离不开前人地理区划工作的支撑。

5.3 地貌界线划定的尺度效应

黄土高原地形表达具有很强的尺度依赖性[66]。罗来兴[17]考虑黄土地貌在大、中、小型3个尺度的划分,各类地貌界线随之具有宏观、中观和微观上的特征表现;同时在制图应用中所反映的地貌界线细节随不同比例尺尺度也呈现出差异[22]。总结来说,地貌界线划定的尺度问题主要表现在3个方面:时间尺度和空间尺度（局部、全域）以及在界线提取中DEM的分析尺度。① 时间尺度影响：地貌自然地理界线具有时间上的动态性及形态的随之渐变性,主要随环境及人类活动影响在原地貌形态基础上发生演变及再发育过程,使得界线无法保持特定化的形态来进一步界定。因此,时间尺度成为界线提取的主要影响因素。我们所强调的自然地理界线是一种相对静止型界线,即因侵蚀堆积作用及人类活动干预会发生微观尺度上的地形特征变化,但是受外界环境及其本身的影响引起的空间位置变化不明显,呈现较慢的迁移状态,处在相对静止的稳定态界线[83-84]。该界线保持相对稳定,以较慢的速度变化,在较长时间范围内不会发生较大性质变异。② 空间尺度影响：在局部或全域空间的不同分析范围中,对提取的地貌自然地理界线精细化程度要求不同。其一,所划定的界线可能仅涵盖单一的地貌类型提取,也可能是对全域范围空间中地貌的提取;其二,在不同的工程应用中,不同的分辨率要求提出符合实际情况的界线划分;其三,界线提取成果输出受时间的动态影响,其所涵盖空间范围需做进一步更新表达[85]。因此要对界线做出明确的可操作性的划分和提取。明确其范围尺度,并按照可操作性的需要在不同尺度上对地貌的自然地理界线加以呈现,进一步得到不同大小尺度上的界线组合空间关系;③ DEM的分析尺度：在对界线作划定时,DEM本身的不确定性及分析窗口尺度对其产生重要影响。随着分析窗口的变化,界线在DEM中的损失程度也出现较大差异。同时,窗口分析视野过于狭窄,难以看到地形的宏观态势。因此,需要选择合适的分析窗口来最大化减少所导致的地貌界线提取精确度差异[86]。受研究尺度影响,数字环境下地貌自然地理界线的识别与提取依旧存在“重局部轻整体”的局限,还需要进一步对界线宏观和局部特征在不同尺度上的呈现做出适宜性的应用分析。

6 结论

地貌形态特征的量化与识别能够更深入表达地貌本身。基于黄土地貌分类体系下的地貌类型界线划定研究经历了长期的探索与实践。学者们通过对每类地貌的形态成因作总结分析,最初多以自然语言来描述地貌类型界线,并从理论层面做出定性文字解释以及量的初步界定,增强了对界线宏观态势的抽象认识。伴随地理信息技术的进步,地貌类型界线在数字环境下的定量划定显得尤为重要。界线表达在地图制图和三维可视化对地貌类型间的复杂性和差异性的呈现中更加凸显。地貌类型界线的划定研究需要在地貌形态特征及形成机理的定性描述的基础上,结合定量化提取的技术来共同实现。基于数字地形分析技术的计算机（半）自动化提取方法是目前地貌类型界线划定的主要关注方向。该方法将传统的地貌研究成果和现代数字地形分析的方法相结合,综合定性与定量表达实现了更便捷高效的地貌界线划定。特别是,借助DEM和遥感影像,充分运用计算机技术和算法,并结合数学形态学理论等针对复杂地貌类型的界线特征着重进行量化,较大改善了提取精确度。
黄土地貌类型界线的确定主要基于黄土地貌的分类,但其提取更需保证分类界线与真实地貌界线的吻合度,划定中本文列举了地貌类型界线表达中所涉及的地貌成因的临界点与数学表达等可作为后续界线提取可参考的理论方法依据。同时,划定中也需考虑尺度因素,即界线伴随时间、空间尺度而发生的差异,以及后续提取中DEM分析尺度对其提取的影响。目前各类提取方法均具有较高精确度,体现地貌间明显的界线差异,但仍不能忽视分类界线与地貌自然地理界线本身的耦合度讨论。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
左大康. 现代地理学辞典[Z]. 北京: 商务印书馆, 1990.

[ Zuo D K. A dictionary of modern geography[Z]. Beijing: The Commercial Press, 1990. ]

[2]
Minár J, Evans I S. Elementary forms for land surface segmentation: The theoretical basis of terrain analysis and geomorphological mapping[J]. Geomorphology, 2008, 95(3/4):236-259. DOI: 10.1016/j.geomorph.2007.06.003

DOI

[3]
晏路明. 可拓工程方法在自然地理界线划分中的应用[J]. 地理研究, 1999, 18(1):53-58.

DOI

[ Yan L M. Application of extension engineering method to division of physical geography boundary[J]. Geographical Research, 1999, 18(1):53-58. DOI: 10.3321/j.issn:1000-0585.1999.01.008]

DOI

[4]
Д.Л.阿尔曼德, 赵冬. 自然界线的起源和类型[J]. 地理科学进展, 1957(4):221-232.

[ Д.Л. Армаид, Zhao D. The origin and type of natural boundaries[J]. Geographical Science Progress, 1957(4):221-232. ]

[5]
丁四保. 我国的省区:它的地理边界和它的必然发展[J]. 人文地理, 2001, 16(2):12-16.

[ Ding S B. Province-regions in China: Positivity of their geographical boundary and development[J]. Human Geography, 2001, 16(2):12-16. ] DOI: 10.3969/j.issn.1003-2398.2001.02.017

DOI

[6]
汤国安, 李发源, 熊礼阳. 黄土高原数字地形分析研究进展[J]. 地理与地理信息科学, 2017, 33(4):1-7.

[ Tang G A, Li F Y, Xiong L Y. Progress of digital terrain analysis in the loess plateau of China[J]. Geography and Geo-Information Science, 2017, 33(4):1-7. ] DOI: 10.3969/j.issn.1672-0504.2017.04.001

DOI

[7]
汤国安, 李吉龙, 熊礼阳, 等. 论地理边界的科学属性与表达[J]. 地理学报, 2021, 76(11):2841-2852.

DOI

[ Tang G A, Li J L, Xiong L Y, et al. Scientific attributes and expression methods of geographical boundary[J]. Acta Geographica Sinica, 2021, 76(11):2841-2852. ] DOI: 10.11821/dlxb202111017

DOI

[8]
李吉龙. 基于DEM的地貌分类不确定性研究——以陕西省为例[D]. 南京: 南京师范大学, 2020.

[ Li J L. Research on uncertainty of geomorphic classification based on digital elevation models: A case study of Shaanxi Province[D]. Nanjing: Nanjing Normal University, 2020. ]

[9]
西北大学地理系黄土高原地理研究室. 黄土高原地理研究[M]. 西安: 陕西人民出版社, 1987.

[ Loess Plateau Geography research office. Department of geography, northwest university geographical research on loess plateau[M]. Xi’an Shaanxi People's Publishing House, 1987. ]

[10]
Xiong L Y, Zhu A X, Zhang L, et al. Drainage Basin object-based method for regional-scale landform classification: A case study of loess area in China[J]. Physical Geography, 2018, 39(6):523-541. DOI: 10.1080/02723646.2018.1442062

DOI

[11]
罗来兴. 划分晋西、陕北、陇东黄土区域沟间地与沟谷的地貌类型[J]. 地理学报, 1956, 22(3):201-222.

DOI

[ Luo L X. A tentative classification of landforms in the loess plateau[J]. Acta Geographica Sinica, 1956, 22(3):201-222. ]

[12]
沈玉昌. 中国地貌的类型与区划问题的商榷[J]. 中国第四纪研究, 1958, 1(1):33-41.

[ Shen Y C. Discussion on types of China's landforms and regionalization[J]. Quaternary Studies, 1958, 1(1):33-41. ]

[13]
陈传康. 陇东东南部黄土地形类型及其发育规律[J]. 地理学报, 1956, 11(3):223-231.

[ Chen C K. Types and development patterns of loess land in the southeastern part of Longdong[J]. Acta Geographica Sinica, 1956, 11(3):223-231. ]

[14]
张宗祜. 中国黄土高原地貌类型图(1:500 000)[M]. 北京: 地质出版社, 1986.

[ Zhang Z H. Landform type map of China's loess plateau (1:500 000)[M]. Beijing: Geological Publishing House, 1986. ]

[15]
张朴. 本体驱动的黄土高原典型地貌的DEM提取方法研究[D]. 兰州: 兰州大学, 2014.

[ Zhang P. Study on ontology-driven typical landform extraction in the loess plateau using DEM[D]. Lanzhou: Lanzhou University, 2014. ]

[16]
罗枢运, 孙逊, 陈永宗. 黄土高原自然条件研究[M]. 西安: 陕西人民出版社, 1988.

[ Luo S Y, Sun X, Chen Y Z. Research on the natural conditions of the loess plateau[M]. Xi'an: Shaanxi People's Publishing House, 1988. ]

[17]
程维明, 周成虎. 多尺度数字地貌等级分类方法[J]. 地理科学进展, 2014, 33(1):23-33.

DOI

[ Cheng W M, Zhou C H. Methodologyonhierarchical classification ofmulti-scaledigitalgeomorphology[J]. Progress in Geography, 2014, 33(1):23-33. ]

[18]
Cheng W M, Zhou C H, Li B Y, et al. Structure and contents of layered classification system of digital geomorphology for China[J]. Journal of Geographical Sciences, 2011, 21(5):771-790. DOI: 10.1007/s11442-011-0879-9

DOI

[19]
柴慧霞, 程维明, 乔玉良. 中国“数字黄土地貌”分类体系探讨[J]. 地球信息科学, 2006, 8(2):6-13.

[ Chai H X, Cheng W M, Qiao Y L. Classification system of 1:1 000 000 digital loess geomorphology in China[J]. Geo-information Science, 2006, 8(2):6-13. ]

[20]
周成虎, 程维明, 钱金凯, 等. 中国陆地1:100万数字地貌分类体系研究[J]. 地球信息科学学报, 2009, 11(6):707-724.

[ Zhou C H, Cheng W M, Qian J K, et al. Research on the classification system of digital land geomorphology of 1:1 000 000 in China[J]. Journal of Geo-Information Science, 2009, 11(6):707-724. ] DOI: 10.3969/j.issn.1560-8999.2009.06.006

DOI

[21]
姜美鑫, 虞家钧. 各类黄土地貌在大比例尺地形图上的制图表示[J]. 测绘学报. 1966(1):44-62.

[ Jiang M X, Yu J J. Cartographic representation of various loess landforms on large-scale topographic maps[J]. Acta Geodaetica et Cartographica Sinica. 1966(1):44-62. ]

[22]
丁尚清. 黄土沟谷地貌在1:10 000、1:5000地形图上的表示方法[J]. 测绘通报, 1991(4):36-41.

[ Ding S Q. The representation method of loess valley landform on 1:10000 and 1:5000 topographic maps[J]. Bulletin of Surveying and Mapping, 1991(4):36-41. ]

[23]
马国斌, 韦玉春, 倪绍祥, 等. 基于MapInfo的黄土高原小流域等高线数字化和专题图制作[J]. 测绘通报, 2002(7):40-42.

[ Ma G B, Wei Y C, Ni S X, et al. The contour digitizing of small watershed on loess plateau and its thematic map compiling based on MapInfo[J]. Bulletin of Surveying and Mapping, 2002(7):40-42. ] DOI: 10.3969/j.issn.0494-0911.2002.07.015

DOI

[24]
汤国安, 杨玮莹, 刘咏梅. 一种基于DEM的明暗等高线制图方法[J]. 测绘通报, 2001(7):39-40.

[ Tang G A, Yang W Y, Liu Y M. DEM based light and shade contour mapping[J]. Bulletin of Surveying and Mapping, 2001(7):39-40. ] DOI: 10.3969/j.issn.0494-0911.2001.07.017

DOI

[25]
周毅, 汤国安, 王春, 等. 基于DEM增强黄土典型地貌表达效果的方法研究[J]. 测绘通报, 2009(11):34-36.

[ Zhou Y, Tang G A, Wang C, et al. On DEM based amelioration methods for terrain visualization in loess plateau[J]. Bulletin of Surveying and Mapping, 2009(11):34-36. ]

[26]
肖高逾, 周源华. 基于分形插值的地貌生成技术[J]. 上海交通大学学报, 2000, 34(5):705-707.

[ Xiao G Y, Zhou Y H. Fractal-based interpolation in terrain modeling[J]. Journal of Shanghai Jiao Tong University, 2000, 34(5):705-707. ] DOI: 10.16183/j.cnki.jsjtu.2000.05.049

DOI

[27]
卡米拉, 汤国安, 杨昕, 等. 陕北黄土高原地貌空间分形特征(英文)[J]. 南京师大学报(自然科学版), 2020, 43(2):56-62.

[ Kamila J Kabo-bah, Tang G A, Yang X, et al. Spatial fractal properties of loess plateau in the Northern Shaanxi province of China[J]. Journal of Nanjing Normal University (Natural Science Edition), 2020, 43(2):56-62. ]

[28]
邹宁, 柳健, 周曼丽. 基于分形的地形分类技术及其在导航中的应用[J]. 华中理工大学学报, 1999, 27(5):3-5.

[ Zou N, Liu J, Zhou M L. Technology of terrain classifying based on fractal and its application in navigation[J]. Journal of Huazhong University of Science and Technology, 1999, 27(5):3-5. ]

[29]
纪翠玲, 池天河, 齐清文. 黄土高原地貌形态分形算法三维表达应用[J]. 地球信息科学, 2005, 7(4):127-130,F0003.

[ Ji C L, Chi T H, Qi Q W. The application of fractal technique to 3D visualization of landforms of the loess plateau[J]. Geo-information Science, 2005, 7(4):127-130,F0003. ]

[30]
秦承志. 数字地形分析方法研究的维度——精准、高效、易用[J]. 地球信息科学学报, 2020, 22(4):720-730.

DOI

[ Qin C Z. Dimensions of methodologic researches on digital terrain analysis: Accurate, efficient, and easy-to-use[J]. Journal of Geo-Information Science, 2020, 22(4):720-730. ]

[31]
Burrough P A, Wilson J P, Gaans P, et al. Fuzzy k-means classification of topo-climatic data as an aid to forest mapping in the Greater Yellowstone Area, USA[J]. Landscape Ecology, 2001, 16(6):523-546

DOI

[32]
Irvin B J, Ventura S J, Slater B K. Fuzzy and isodata classification of landform elements from digital terrain data in Pleasant Valley, Wisconsin[J]. Geoderma, 1997, 77(2/3/4):137-154. DOI: 10.1016/S0016-7061(97)00019-0

DOI

[33]
肖飞, 张百平, 凌峰, 等. 基于DEM的地貌实体单元自动提取方法[J]. 地理研究, 2008, 27(2):459-466.

[ Xiao F, Zhang B P, Ling F, et al. DEM based auto-extraction of geomorphic units[J]. Geographical Research, 2008, 27(2):459-466. ] DOI: 10.3321/j.issn:1000-0585.2008.02.023

DOI

[34]
李小曼, 王刚. 黄土丘陵沟壑区地形分类方法的研究[J]. 测绘科学, 2009, 34(3):132-133.

[ Li X M, Wang G. The study of landform classification in complicated terrain areas-Loess hill and gully area[J]. Science of Surveying and Mapping, 2009, 34(3):132-133. ]

[35]
秦承志, 朱阿兴, 施迅, 等. 坡位渐变信息的模糊推理[J]. 地理研究, 2007, 26(6):1165-1174,1,3.

[ Zhu A X, Shi X, et al. Fuzzy inference of spatial gradation of slope positions[J]. Geographical Research, 2007, 26(6):1165-1174,1,3. ] DOI: 10.3321/j.issn:1000-0585.2007.06.011

DOI

[36]
陈燕, 齐清文, 杨志平, 等. 数学形态学在黄土地貌单元分类学上的应用[J]. 山地学报, 2005, 23(1):96-100.

[ Chen Y, Qi Q W, Yang Z P, et al. Application of math-morphological features in relief taxonomy of loess plateau[J]. Journal of Mountain Science, 2005, 23(1):96-100. ] DOI: 10.3969/j.issn.1008-2786.2005.01.012

DOI

[37]
Pennock D J, Zebarth B J, Jong E D. Landform classification and soil distribution in hummocky terrain, Saskatchewan, Canada[J]. Geoderma, 1987, 40(3/4):297-315. DOI: 10.1016/0016-7061(87)90040-1

DOI

[38]
MacMillan R A, Pettapiece W W, Nolan S C, et al. A generic procedure for automatically segmenting landforms into landform elements using DEMs, heuristic rules and fuzzy logic[J]. Fuzzy Sets and Systems, 2000, 113(1):81-109. DOI: 10.1016/S0165-0114(99)00014-7

DOI

[39]
Deng Y. New trends in digital terrain analysis: landform definition, representation, and classification. Progress in Physical Geography, 2007, 31(4):405-419.

[40]
Jasiewicz J, Stepinski T F. Geomorphons: A pattern recognition approach to classification and mapping of landforms[J]. Geomorphology, 2013, 182:147-156. DOI: 10.10 16/j.geomorph.2012.11.005

DOI

[41]
张兵. 黄土丘陵区数字地貌模型与遥感影象分类[J]. 环境遥感, 1996(4):254-259,T001.

[ Zhang B. Study on the landuse classification using DGM data in loess hill area[J]. Journal of Remote Sensing, 1996(4): 254-259,T001.]

[42]
Wang F. Fuzzy supervised classification of remote sensing images[J]. IEEE Transactions on Geoscience and Remote Sensing, 1990, 28(2):194-201. DOI: 10.1109/36.46698

DOI

[43]
Drăguţ L, Eisank C. Object representations at multiple scales from digital elevation models[J]. Geomorphology, 2011, 129(3/4):183-189. DOI: 10.1016/j.geomorph.2011.03.003

DOI

[44]
van Niekerk A. A comparison of land unit delineation techniques for land evaluation in the Western Cape, South Africa[J]. Land Use Policy, 2010, 27(3):937-945. DOI: 10.1016/j.landusepol.2009.12.007

DOI

[45]
Drăguţ L, Blaschke T. Automated classification of landform elements using object-based image analysis[J]. Geomorphology, 2006, 81(3/4):330-344. DOI: 10.1016/j.geomorph.2006.04.013

DOI

[46]
Duque J C, Ramos R, Suriñach J. Supervised regionalization methods: A survey[J]. International Regional Science Review, 2007, 30(3):195-220. DOI: 10.1177/0160017607 301605

DOI

[47]
Miliaresis G C. Extraction of bajadas from digital elevation models and satellite imagery[J]. Computers & Geosciences, 2001, 27(10):1157-1167. DOI: 10.1016/S0098-3004(01)00032-2

DOI

[48]
Romstad B, B Etzelmüller. Structuring the Digital Elevation Model into landform elements through watershed segmentation of curvature[J]. Proceedings of Geomorphometry, 2009.

[49]
Saadat H, Bonnell R, Sharifi F, et al. Landform classification from a digital elevation model and satellite imagery[J]. Geomorphology, 2008, 100(3/4):453-464. DOI: 10.1016/j.geomorph.2008.01.011

DOI

[50]
Zhao W F, Xiong L Y, Ding H, et al. Automatic recognition of loess landforms using Random Forest method[J]. Journal of Mountain Science, 2017, 14(5):885-897. DOI: 10.1007/s11629-016-4320-9

DOI

[51]
王乐, 周毅, 李阳. 面向子流域单元的典型黄土地貌分类研究[J]. 干旱区研究, 2019, 36(6):1592-1598.

[ Wang L, Zhou Y, Li Y. Classification of typical loess landforms in subcatchments[J]. Arid Zone Research, 2019, 36(6):1592-1598. ] DOI: 10.13866/j.azr.2019.06.30

DOI

[52]
曹泽涛, 方子东, 姚瑾, 等. 基于随机森林的黄土地貌分类研究[J]. 地球信息科学学报, 2020, 22(3):452-463.

DOI

[ Cao Z T, Fang Z D, Yao J, et al. Loess landform classification based on random forest[J]. Journal of Geo-Information Science, 2020, 22(3):452-463. ]

[53]
肖晨超. 基于DEM的黄土地貌沟沿线特征研究[D]. 南京: 南京师范大学, 2007.

[ Xiao C C. DEM based investigation of loess shoulder line[D]. Nanjing: Nanjing Normal University, 2007. ]

[54]
闾国年, 钱亚东, 陈钟明. 黄土丘陵沟壑区沟谷网络自动制图技术研究[J]. 测绘学报, 1998, 27(2):40-46.

[ Lu G N, Qian Y D, Chen Z M. Study on automatic mapping of channel network in hilly loess region[J]. Acta Geodaetica et Cartographica Sinica, 1998, 27(2):40-46. ]

[55]
朱红春, 汤国安, 张友顺, 等. 基于DEM提取黄土丘陵区沟沿线[J]. 水土保持通报, 2003, 23(5):43-45,61.

[ Tang G A, Zhang Y S, et al. Thalweg in loess hill area based on DEM[J]. Bulletin of Soil and Water Conservation, 2003, 23(5):43-45,61. ] DOI: 10.13961/j.cnki.stbctb.2003.05.011

DOI

[56]
刘鹏举, 朱清科, 吴东亮, 等. 基于栅格DEM与水流路径的黄土区沟缘线自动提取技术研究[J]. 北京林业大学学报, 2006, 28(4):72-76.

[ Liu P J, Zhu Q K, Wu D L, et al. Automated extraction of shoulder line of valleys based on flow paths from grid Digital Elevation Model (DEM) data[J]. Journal of Beijing Forestry University, 2006, 28(4):72-76. ] DOI: 10.3321/j.issn:1000-1522.2006.04.014

DOI

[57]
周毅, 汤国安, 王春, 等. 基于高分辨率DEM的黄土地貌正负地形自动分割技术研究[J]. 地理科学, 2010, 30(2):261-266.

[ Zhou Y, Tang G A, Wang C, et al. Automatic segmentation of loess positive and negative terrains based on high resolution grid DEMs[J]. Scientia Geographica Sinica, 2010, 30(2):261-266. ] DOI: 10.13249/j.cnki.sgs.2010.02.003

DOI

[58]
王轲, 王琤, 张青峰, 等. 地形开度和差值图像阈值分割原理相结合的黄土高原沟沿线提取法[J]. 测绘学报, 2015, 44(1):67-75.

[ Wang K, Wang C, Zhang Q F, et al. Loess shoulder line extraction based on openness and threshold segmentation[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(1):67-75. ] DOI: 10.11947/j.AGCS.2015.20130524

DOI

[59]
刘玮, 李发源, 熊礼阳. 基于区域生长的黄土地貌沟沿线提取方法与实验[J]. 地球信息科学学报, 2016, 18(2):220-226.

DOI

[ Liu W, Li F Y, Xiong L Y, et al. Shoulder line extraction in the Loess Plateau based on region growing algorithm. Journal of Geo-information Science, 2016, 18(2):220-226. ]

[60]
周毅, 汤国安, 习羽, 等. 引入改进Snake模型的黄土地形沟沿线连接算法[J]. 武汉大学学报·信息科学版, 2013, 38(1):82-85.

[ Zhou Y, Tang G A, Xi Y, et al. A shoulder-lines connection algorithm using improved snake model[J]. Geomatics and Information Science of Wuhan University, 2013, 38(1):82-85. ] DOI: 10.13203/j.whugis2013.01.023

DOI

[61]
晏实江, 汤国安, 李发源, 等. 利用DEM边缘检测进行黄土地貌沟沿线自动提取[J]. 武汉大学学报·信息科学版, 2011, 36(3):363-367.

[ Yan S J, Tang G A, Li F Y, et al. An edge detection based method for extraction of loess shoulder-line from grid DEM[J]. Geomatics and Information Science of Wuhan University, 2011, 36(3):363-367. ] DOI: 10.13203/j.whugis2011.03.015

DOI

[62]
仝迟鸣, 周成虎, 程维明, 等. 基于DEM的黄土塬形态特征分析及发育阶段划分[J]. 地理科学进展, 2014, 33(1):42-49.

[ Tong C M, Zhou C H, Cheng W M, et al. Morphological characteristics and developmental stages of loess tablelands based on DEM[J]. Progress in Geography, 2014, 33(1):42-49. ]

[63]
杨瑞娟. 平凉崆峒区黄土塬演化特征研究[D]. 兰州: 兰州大学, 2018.

[ Yang R J. Study on evolution features about loess plateau of Kongtong of Pingliang city[D]. Lanzhou: Lanzhou University, 2018. ]

[64]
袁爽, 许强, 赵宽耀, 等. 陇东合水县塬梁峁地貌分类及演化[J]. 地理研究, 2020, 39(8):1920-1933.

DOI

[ Yuan S, Xu Q, Zhao K Y, et al. Geomorphological classification and evolution of plateau-beam-loess hills in Heshui County of the east Gansu Province[J]. Geographical Research, 2020, 39(8):1920-1933. ] DOI: 10.11821/dlyj020190988

DOI

[65]
张鹏. 黄土丘陵沟壑区沟谷线提取及其区域差异性研究[D]. 西安: 西北大学, 2018.

[ Zhang Peng. Gully networks extracting and the regional difference analysis in the loess hilly-gully region[D]. Xi'an: Northwestern University, 2018. ]

[66]
熊礼阳, 汤国安. 黄土高原沟谷地貌发育演化研究进展与展望[J]. 地球信息科学学报, 2020, 22(4):816-826.

DOI

[ Xiong L Y, Tang G A. Research progresses and prospects of gully landform formation and evolution in the loess plateau of China[J]. Journal of Geo-Information Science, 2020, 22(4):816-826. ]

[67]
O'Callaghan J F, Mark D M. The extraction of drainage networks from digital elevation data[J]. Computer Vision, Graphics, and Image Processing, 1984, 27(2):247. DOI: 10.1016/S0734-189X(84)80047-X

DOI

[68]
Kiss R. Determination of drainage network in digital elevation models, utilities and limitations[J]. Journal of Hungarian Geomathematics, 2004.

[69]
刘学军, 王永君, 任政, 等. 基于不规则三角网的河网提取算法[J]. 水利学报, 2008, 39(1):27-34.

[ Liu X J, Wang Y J, Ren Z, et al. Algorithm for extracting drainage network based on triangulated irregular network[J]. Journal of Hydraulic Engineering, 2008, 39(1):27-34. ] DOI: 10.3321/j.issn:0559-9350.2008.01.005

DOI

[70]
Moore I D, O'Loughlin E M, Burch G J. A contour-based topographic model for hydrological and ecological applications[J]. Earth Surface Processes and Landforms, 1988, 13(4):305-320. DOI: 10.1002/esp.3290130404.

DOI PMID

[71]
万显荣, 舒宁, 郑建生. 一种基于种子点与连通性分析的快速水体边界提取方法[J]. 国土资源遥感, 2000, 12(4):44-49.

[ Wan X R, Shu N, Zheng J S. Fast extraction of water body boundary based on seed points and connectivity analysis[J]. Remote Sensing for Land & Resources, 2000, 12(4):44-49. ] DOI: 10.3969/j.issn.1001-070X.2000.04.009

DOI

[72]
翟辉琴. 基于数学形态学的遥感影像水域提取方法[J]. 测绘科学, 2006, 31(1):22-24.

[ Zhai H Q. A new algorithm for water area extracting from the remote sensing image based on morphologic method[J]. Science of Surveying and Mapping, 2006, 31(1):22-24. ] DOI: 10.3771/j.issn.1009-2307.2006.01.004

DOI

[73]
胡最, 梁明, 王琛智. 基于GIS的典型黄土小流域边界线分形特征研究[J]. 华中师范大学学报(自然科学版), 2014, 48(1):117-123.

[ Hu Z, Liang M, Wang C Z. GIS-based fractal dimension values assessment of watershed boundary line of small watersheds of Loess Plateau[J]. Journal of Huazhong Normal University (Natural Sciences), 2014, 48(1):117-123. ] DOI: 10.19603/j.cnki.100 0-1190.2014.01.024

DOI

[74]
Wang D Z, Hao Z Q, Xiong Z P. Modified method for extraction of watershed boundary with digital elevation modeling[J]. Journal of Forestry Research, 2004, 15(4):283-286. DOI: 10.1007/BF02844953

DOI

[75]
孙崇亮, 王卷乐. 基于DEM的水系自动提取与分级研究进展[J]. 地理科学进展, 2008, 27(1):118-124.

[ Sun C L, Wang J L. The progress on automatic basin streamline extracting & classifying methods based on DEM[J]. Progress in Geography, 2008, 27(1):118-124. ]

[76]
朱庆, 田一翔, 张叶廷. 从规则格网DEM自动提取汇水区域及其子区域的方法[J]. 测绘学报, 2005, 34(2):129-133.

[ Zhu Q, Tian Y X, Zhang Y T. The extraction of catchment and subcatchment from regular grid DEMs[J]. Acta Geodaetica et Cartographic Sinica, 2005, 34(2):129-133. ]

[77]
曹建军, 汤国安, 方炫, 等. 基于地形剖面的黄土塬梁峁地形各向异性奇异强度研究[J]. 地球信息科学学报, 2020, 22(3):442-451.

DOI

[ Cao J J, Tang G A, Fang X, et al. Study on the singularity strength of topographic anisotropy of loess tableland, ridge, hill in loess plateau based on terrain profile[J]. Journal of Geo-information Science, 2020, 22(3):442-451. ]

[78]
S.A.舒姆, 陆中臣. 地貌临界值和流域系统的复杂反应[J]. 地理译报, 1982(2):22-28.

[ Schumm S A, Lu Z C. Critical value of geomorphology and complex response of watershed system[J]. Progress in Geography, 1982(2):22-28.]

[79]
陆中臣, 陈劭锋, 陈浩. 黄土高原侵蚀产沙的地貌临界[J]. 水土保持研究, 2006, 13(1):1-3,7.

[ Lu Z C, Chen S F, Chen H. The geomorphic thresholds of erosional sediment in the loess plateau[J]. Research of Soil and Water Conservation, 2006, 13(1):1-3,7. ] DOI: 10.3969/j.issn.10 05-3409.2006.01.001

DOI

[80]
郑炜珊, 耿豪鹏, 潘保田. 兰州青水村黄土陷穴的侵蚀临界研究[J]. 兰州大学学报(自然科学版), 2020, 56(3):326-332.

[ Zheng W S, Geng H P, Pan B T. The erosion threshold of loess sinkholes at Qingshui Valley in Lanzhou[J]. Journal of Lanzhou University (Natural Sciences), 2020, 56(3):326-332. ] DOI: 10.13885/j.issn.0455-2059.2020.03.006

DOI

[81]
李浩, 杨薇, 刘晓冰, 等. 沟蚀发生的地貌临界理论计算中数据获取方法及应用[J]. 农业工程学报, 2019, 35(18):128-134.

[ Li H, Yang W, Liu X B, et al. Data obtained method and application for topographic threshold theory calculation of gully initiation[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(18):128-134. ] DOI: 10.11975/j.issn.1002-6819.2019.18.016

DOI

[82]
汤国安, 那嘉明, 程维明. 我国区域地貌数字地形分析研究进展[J]. 测绘学报, 2017, 46(10):1570-1591.

[ Tang G A, Na J M, Cheng W M. Progress of digital terrain analysis on regional geomorphology in China[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10):1570-1591. ]

[83]
管华. 秦岭-黄淮平原交界带自然地理边际效应[M]. 北京: 科学出版社, 2006.

[ Guan H. The marginal effect of physical geography in the junction of Qinling-Huanghuai plain[M]. Beijng: Science Press, 2006. ]

[84]
李克煌, 管华, 马建华, 等. 自然地理界面理论与实践[M]. 北京: 中国农业出版社, 1996.

[ Li K H, Guan H, Ma J H, et al. Natural geographical interface theory and practice[M]. Beijing: China Agriculture Press, 1996. ]

[85]
刘学军, 卢华兴, 仁政, 等. 论DEM地形分析中的尺度问题[J]. 地理研究, 2007, 26(3):433-442.

[ Liu X J, Lu H X, Ren Z, et al. Scale issues in digital terrain analysis and terrain modeling[J]. Geographical Research, 2007, 26(3):433-442. ] DOI: 10.3321/j.issn:1000-0585.2007.03.002

DOI

[86]
汤国安, 刘学军, 房亮, 等. DEM及数字地形分析中尺度问题研究综述[J]. 武汉大学学报·信息科学版, 2006, 31(12):1059-1066.

[ Tang G A, Liu X J, Fang L, et al. A review on the scale issue in DEMs and digital terrain analysis[J]. Geomatics and Information Science of Wunan University, 2006, 31(12):1059-1066. ] DOI: 10.3969/j.issn.1671-8860.2006.12.007

DOI

Options
文章导航

/

〈 〉