EN中文

Journal of Geo-information Science >

2017 , Vol. 19 >Issue 7: 934 - 940

DOI: https://doi.org/10.3724/SP.J.1047.2017.00934

Orginal Article

Technology and Application of Mountainous Area Divisions in Qian-Gui Karst Areas

  • ZHAO Yuluan , 1, 2 ,
  • LI Xiubin , 2, * ,
  • ZHANG Ying 1
Expand
  • 1. School of Geographic and Environmental Sciences, Guizhou Normal University, Guiyang, 550001, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing, 100101, China
*Corresponding author: LI Xiubin, E-mail:

Received date: 2016-06-20

  Request revised date: 2016-12-05

  Online published: 2017-07-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Reasonably demarcating mountain types and mountainous areas can provide reasonable basis for exploring land resource and carrying out policies in mountainous regions, respectively. In this study, mean change point method was used for best statistical window. We obtain the slope and the degree of fluctuation form SRTM data by using spatial analysis tools, and extract spatial scope and scale in Qian-Gui karst areas. In addition, we also divide Qian-Gui karst areas into different types of mountainous area at county level. The results are as follows: (1) quadratic mean change point method is used to determine the logarithmic curve inflection point of which the best statistical window is demonstrated to be 6.50 km2 between changing window size and mean relief degree in Qian-Gui karst areas. (2) Qian-Gui karst areas have high proportion of mountainous land, and the ratio of mountainous land to non-mountainous land is 89:11. However, there is an obvious spatial distribution difference between Guangxi and Guizhou province. Karst mountain region in Guizhou is mainly consisted of middle-low mountain and middle mountain which account for 57%. Instead, the hill which accounts for 59% is the primary part of Guangxi karst mountain region. (3) Qian-Gui karst areas are all mountainous counties, including 18 pure hilly counties, 10 semi-mountainous county, 15 quasi-mountainous counties, 21 apparent mountainous counties and 32 entire mountainous counties. The entire mountainous county that is almost national key counties for poverty alleviation and development distribute majorly in Wumeng mountainous areas and Qian-Gui karst peak-cluster depressions.

Key words： mountain types; mountainous areas; DEM; relief degree; karst

Cite this article

ZHAO Yuluan , LI Xiubin , ZHANG Ying . Technology and Application of Mountainous Area Divisions in Qian-Gui Karst Areas[J]. Journal of Geo-information Science, 2017 , 19(7) : 934 -940 . DOI: 10.3724/SP.J.1047.2017.00934

1 引言

山地精准扶贫和山区可持续发展一直是学界关注的焦点。山地是具有一定海拔高度和坡度的地面,体现区域的自然属性,而山区侧重区域的整体性和完整性,是地域综合体,包含自然属性和人文属性2方面[1-4]。黔桂喀斯特山地位于中国西南山地区,受山地地形起伏的限制,山区资源开发利用成本高,道路、通讯、水电等公共基础设施建设滞后,同时,喀斯特山地环境脆弱,通过约束农业资源开发对农业经济的严重制约,进而制约山区轻工业和区域社会经济发展[5],贫困是黔桂喀斯特山区经济社会发展的鲜明特征,该区大部分属中国滇桂黔石漠化集中连片特困区和乌蒙山集中连片特困区[6-7],贫困范围广、贫困程度深,山区脱贫攻坚与区域发展任务繁重。因此,科学界定山地和山区类型可为山区分类开发、分类施策提供依据,有利于提高山区发展政策制定、实施的针对性和有效性[8]。
已有许多学者开展山地信息提取和山区划分方法的研究。主要采用遥感、地理信息技术和数字高程模型（DEM）提取地形起伏度和坡度等地形因子信息[9-12],地形起伏度计算的关键是确定移动窗口大小,需二次使用均值变点法确定[1]。根据联合国环境规划署（UNEP）[13-14]、中国学者[15]提出的山地分类指标体系,确定黔桂喀斯特山地分类体系并提取山地面积和空间分布范围信息。县是中国经济社会治理重要的一级行政单元,提取各类山地信息后,根据县域内山地比例多少,划分县级层面的山区类别,有利于准确地认识各类山区县域地形条件、土地资源数量、质量状况、土地类型结构等实情,为制定适合于县域实际的开发政策奠定科学基础[16]。
黔桂喀斯特山地面积大、分布范围广,岩溶地貌发育,是中国南方喀斯特山地典型脆弱区[5]。采用DEM和空间分析技术对黔桂喀斯特山地信息提取和山区类型划分进行实证研究,旨在为黔桂喀斯特山区因地制宜脱贫攻坚、促进各类山区县协调与可持续发展提供参考。

2 研究区概况

黔桂喀斯特山地位于中国西南地区（图1）,面积约213 814.18 km2,地处贵州高原向广西丘陵盆地过渡地带,是中国长江、珠江上游生态屏障重要组成部分和南方喀斯特分布中心。喀斯特地貌分布广、类型多样,造就了秀美的岩溶地貌景观。同时,崎岖不平、山高坡陡、人多地少、土薄石多、裂隙发育、水土地下漏失严重等自然地理特征,也对区域经济社会发展和人们生产、生活产生了严重的影响。区域经济社会发展仍处于欠发达阶段,该区贫困人口规模大,农村贫困发生率高。2014年贵州、广西两省/区农村贫困人口规模较大,分别为623万人、540万人,两省/区占全国农村贫困人口规模7017万人的16.57%。2014年黔、桂两省区农村贫困发生率分别为18%、12.6%,全国农村贫困发生率为7.2%,其分别比全国农村平均水平高10.8和5.4个百分点。其中,黔桂喀斯特山地是两省/区农村贫困人口重要分布地区,而“一方水土养活不起一方人”的黔桂喀斯特山区,特别是山地占比大的峰丛洼地石山区是贫困发生面广、贫困程度最深、经济社会欠发达的地区。基于县级尺度划分山区类型,有利于该区域精准脱贫、区域开发战略的实施。
Fig. 1 The sketch map of Qian-Gui karst mountain

图1 黔桂喀斯特山地位置图

3 数据源与研究方法

3.1 数据源

本文采用SRTM（Shuttle Radar Topography Mission）的数字高程模型（Digital Elevation Model,DEM）数据,采样格网单元为90 m,数据格式为GRID格式,以及县级行政单元边界等基础地理信息数据,均来源于中国科学院山地表生过程与生态调控重点实验室。SRTM数据获取方便,精度满足研究要求。使用ArcGIS空间分析模块生产地形起伏度、坡度等栅格图,用于提取山地面积、空间分布等信息。

3.2 地形起伏度计算方法

对山区类型进行划分前提是有效提取区域山地面积,而地形起伏度和坡度是提取山地范围的重要地形因子,地形起伏度的计算中最佳统计单元大小是关键。地形起伏度是一定面积区域内最高点与最低点海拔之差。采用GIS移动窗口分析法对DEM数据计算区域地形起伏度,即计算一定窗口范围内每一个栅格邻域高程最大值最小值之差,得到地形起伏度栅格图,所有地形起伏度栅格的均值为区域平均起伏度。本文以3×3、9×9、…、n×n栅格大小为移动窗口,采用ArcMap中空间分析模块邻域分析（Neighborhood Statistics）工具,计算上述移动窗口范围内DEM的最大值（maxmum）和最小值（minmum）,再利用栅格计算器（Raster Calculator）计算最大值与最小值高程差,最后计算所有栅格高程差均值,即为整个区域平均地形起伏度。分别以上述移动窗口面积为x轴、平均起伏度为y轴,绘制散点图并拟合生成对数曲线。在生成对数曲线基础上,移动窗口面积逐渐增大,相应移动窗口范围内地势起伏度迅速增加。当移动窗口面积增加某点时,其对应起伏度增量变小,该移动窗口面积即为最佳统计单元,二次运用均值变点法计算移动窗口大小。二次运用均值变点法计算最佳移动窗口大小方法[1,16]：
（1）以3×3、9×9、…、n×n格网窗口面积为x轴、平均起伏度为y轴绘制散点图,拟合对数曲线,并验证其精度。
（2）运用上述移动窗口范围内平均地形起伏度和窗口面积的比值,即某山区范围内地形起伏度Tt /km2,其对数为Xt。
X t = ln T t （1）
式中：t为散点图中统计窗口的数量,t[1,n]。数列 的算术平均值和方差分别为X、S：
X = ∑ t = 1 n X t n （2）
S = ∑ t = 1 n ( X t - X ) 2 （3）
（3）将数列 X t 分为 X 1 , X 2 , ⋯ , X i - 1 、 X i , X i + 1 , ⋯ , X n 2段,其算术平均值分别为 X i 1 、 X i 2 ,统计量 S i 为：
S i = ∑ t = 1 i - 1 ( X t - X i 1 ) 2 + ∑ t = i n ( X t - X i 2 ) 2 （4）
（4）计算 T i = S - S i ,当 T i 最大时其对应的窗口面积为最佳统计单元。

3.3 山地与山区类型界定标准

根据联合国环境规划署（UNEP）[13-14]、相关学 者[15]提出的山地分类指标体系,结合黔桂喀斯特山地实际海拔、坡度、地形起伏度等地形因子,1000 m以下海拔地区需结合地形起伏度划分,1000~2500 m之间海拔地区需考虑坡度因子的影响,黔桂喀斯特山地分为丘陵、低山、中低山、中山、次高山等山地类型（表1）[13-15]。
Tab. 1 Mountain demarcation index of Qian-Gui karst regions

表1 黔桂喀斯特山地类型界定指标

山地类型 海拔/m 地形起伏度/m 坡度/°
丘陵 <500 ≥50 -
低山 [500,1000) 6.50 km2范围内地形起伏度≥200 -
中低山 [1000,1500) - ≥5°
中山 [1500,2500) - ≥2°
次高山 ≥2500 - -
在上述山地信息提取的基础上,本文依据各县山地面积占全县面积比例大小,将黔桂喀斯特山 地划分为：纯丘陵县、半山区县、准山区县、显山区县和整山区县（表2）[15]。区域山地包含丘陵、低山、中低山、中山、次高山。丘陵面积比率即为某县域内丘陵面积占该县域总面积的百分比。一般来说,某县域内山地占比越高,其地形更加复杂,区域资源开发条件差,发展经济社会发展水平相对落后;反之亦然。
Tab. 2 Type index of Qian-Gui karst mountainous areas

表2 黔桂喀斯特山区类型划分指标

山区类型 山地面积比例
非山区县 山地面积比例<40%
纯丘陵县 丘陵面积比例≥80%（某县满足纯丘陵县或其他类型的,纳入纯丘陵县）
半山区县 40%≤山地面积比例<70%
准山区县 70%≤山地面积比例<80%
显山区县 80%≤山地面积比例<90%
整山区县 90%≤山地面积比例<100%

4 研究结果

4.1 最佳格网统计单元

在计算平均地形起伏度后,以移动窗口面积为x、地形起伏度为y轴绘制散点图,并拟合为对数曲线（图2）。对数曲线为y=68.563Ln(x)+268.07,拟合优度R2=0.9446,拟合效果良好,P值小于0.01,通过了0.01水平的显著性检验。依据区域山地起伏的实际,两次运用均值变点法,并得到拟合曲线的两个拐点,前一次发现的拐点对应的x轴上移动窗口值为1.37 km2（图3）,第二次确定的拐点对应的移动窗口大小面积为6.50 km2（图4）。黔桂喀斯特山地属云贵高原、广西丘陵盆地的一部分,地形起伏大,第一使用均值变点法对应的移动窗口大小面积为1.37 km2,只能反映黔桂喀斯特山地局部地形的起伏,而黔桂喀斯特山区涉及的乌蒙山地、武陵山脉、大娄山脉等山地地势起伏大,不能涵盖山顶到山脚海拔变化的真实状况,故未采用第一次使用均值变点法确定的移动窗口面积。而后一次发现的拐点所对应的x轴移动窗口面积更符合黔桂喀斯特山地地势起伏状况[16]。从图2可以看出,DEM格网统计单元面积与地形起伏度拟合曲线在6.5 km2后,曲线走向逐渐平缓,平均起伏度增加幅度小,该拐点前后平均起伏度稳定,能够涵盖黔桂喀斯特山区较大范围山体山顶和山底海拔变化,因此,选取6.50 km2为该区地形起伏度最佳统计单元。
Fig. 2 Logarithmic curve between changing window size and mean relief degree

图2 DEM格网统计单元面积与地形起伏度拟合曲线

Fig. 3 First mean change point method and scatter plot of Ti

图3 首次均值变点Ti值散点图

Fig. 4 Quadratic mean change point method and scatter plot of Ti

图4 二次均值变点Ti值散点图

4.2 山地类型界定结果

根据山地类型界定标准（表1）,提取黔桂喀斯特区山地面积190 893.08 km2,占整个黔桂喀斯特区面积的89.28%,非山地面积22 921.10 km2,占10.72%。其中,丘陵70 861.71 km2,占33.14%,居于第一位;低山面积有58 225.03 km2,占27.23%,居于第二位;中低山 45 129.82 km2,占21.11%,居于第三位;中山16 638.93 km2,占7.78%,居于第四位;次高山面积最小,为37.58 km2,仅占0.02%（表3）。
Tab. 3 The statistical table of mountain demarcation in Qian-Gui karst regions

表3 黔桂喀斯特山地面积统计表

山地类型 贵州部分 广西部分 黔桂喀斯特山地
面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/%
山地 81 999.54 84.96 108 893.54 92.84 190 893.08 89.28
丘陵 1125.79 1.17 69 735.92 59.45 70 861.71 33.14
低山 25 736.11 26.67 32 488.92 27.70 58 225.03 27.23
中低山 38 833.91 40.24 6295.91 5.37 45 129.82 21.11
中山 16 266.14 16.85 372.79 0.32 16 638.93 7.78
次高山 37.58 0.04 0.00 0.00 37.58 0.02
非山地 14 516.86 15.04 8404.24 7.16 22 921.10 10.72
总计 96 516.40 100.00 117 297.78 100.00 213 814.18 100.00
从山地分布特征看,同一类型山地是沿着北东-南西向分布,不同类型山地是沿北西-南东向呈带状分布。中山主要分布在黔桂喀斯特山地西北部,次高山也有零星分布;中低山主要分布在贵州高原中部;低山主要分布在贵州高原向湘西丘陵、广西丘陵盆地倾斜过渡地带;丘陵主要分布在黔桂喀斯特东南部,其他河谷地带有零星分布;非山地主要分布在黔中高原面和广西盆地,该区地势平坦,是黔桂喀斯特山地经济较发达区域（图5）。
Fig. 5 The map of Qian-Gui karst mountain types

图5 黔桂喀斯特山地分布图

黔桂喀斯特山地规模大、分布广,存在显著的省际空间分布差异。贵州喀斯特山地以中山、中低山为主,两者占贵州部分的57%;而广西喀斯特山地以丘陵为主,占广西部分的59%。

4.3 山区类型划分结果

根据山区划分标准（表2）,黔桂喀斯特山地全部为山区县,包括纯丘陵县、半山区县、准山区县、显山区县和整山区县,黔桂喀斯特山区没有非山区县（表4）。其中,纯丘陵县有18个,沿湘桂走廊展布,分布于广西中南部柳州到崇左地区一线;半山区县有10个,主要分布在黔中地区局部,涉及贵阳市、地级安顺市、遵义市部分区县,包括南明区、白云区、红花岗区、花溪区、平坝县、安顺市（现西秀区）、小河区,广西有少量分布,有南宁市市辖区、宾阳县、桂平市;准山区县有15个,分布在黔中地区大部分地区,广西仅有港北区、横县;显山区县有21个,分布在黔西南、贵州东部山区,广西仅有巴马县和武鸣县;整山区县有32个,主要分布在贵州西部乌蒙山区和贵州高原向广西丘陵过渡的斜坡地带（图6）。
Tab. 4 The statistical table of mountainous counties in Qian-Gui karst regions

表4 黔桂喀斯特山区县统计表

山区类型 县（区、县级市、特区）名称
贵州部分 广西部分
纯丘陵县 - 柳州市辖区、武宜县、来宾县、合山市、上林县、象州县、柳城县、隆安县、龙州县、马山县、平果县、忻城县、柳江县、大新县、扶绥县、崇左县、鹿寨县、宜州市
半山区县 南明区、白云区、红花岗区、花溪区、平坝县、安顺市、小河区 南宁市市辖区、宾阳县、桂平市
准山区县 云岩区、乌当区、修文县、普定县、麻江县、清镇市、长顺县、湄潭县、独山县、惠水县、金沙县、黔西县、遵义县 港北区、横县
显山区县 息烽县、岑巩县、贞丰县、龙里县、施秉县、贵定县、余庆县、黄平县、福泉市、镇宁县、兴仁县、瓮安县、开阳县、安龙县、都匀市、荔波县、平塘县、兴义市、六枝特区 巴马县、武鸣县
整山区县 凯里市、晴隆县、普安县、关岭县、石阡县、紫云县、思南县、纳雍县、织金县、罗甸县、大方县、水城县、盘县 凤山县、凌云县、天等县、那坡县、河池市、田阳县、东兰县、德保县、乐业县、罗城县、大化县、田东县、天峨县、靖西县、隆林县、百色市、南丹县、都安县、环江县
Fig. 6 The map of Qian-Gui karst mountainous county types

图6 黔桂喀斯特山区类型图

根据国务院扶贫开发领导小组办公室2012年公布的国家扶贫开发工作重点县名单,黔桂喀斯特山区共有48个国家扶贫开发工作重点县（图6）。其中,32个整山区县中就有26个国家扶贫开发工作重点县,占整山区县域数的81.25%;21个显山区县中有12个国家扶贫开发工作重点县,占显山区县域数的57.14%;15个准山区县和18个纯丘陵县中均仅有5个国家扶贫开发工作重点县,不大于其总数的三分之一,这表明山区县域中山地越多,其为国家扶贫开发工作重点县可能性越大。
总之,整山区县在黔桂喀斯特山区数量最多,主要分布于乌蒙山区和黔桂峰丛洼地山区,大部分为深山区、石山区,多数为国家扶贫开发工作重点县。

5 结论

运用地理空间分析模块和数理统计方法对DEM进行处理,确定了黔桂喀斯特各类山地空间分布范围及其规模,并对县级层面黔桂喀斯特山区类型进行了划分。研究结论如下：
（1）移动窗口面积的确定是计算山区地形起伏度的关键。将移动窗口面积与平均地形起伏度绘制散点图,拟合生成对数曲线,并二次使用均值变点法确定对数曲线拐点。黔桂喀斯特山区地形起伏度实证研究发现,第二个拐点对应的移动窗口6.50 km2为最佳统计单元。
（2）黔桂喀斯特山地占比大,山地与非山地面积之比约为89:11。同一类型山地是沿着北东-南西向分布,不同类型山地是沿北西-南东向呈带状分布。黔桂喀斯特山地省际空间分异明显。贵州喀斯特山地以中山、中低山为主,两者占贵州部分的57%;而广西喀斯特山地以丘陵为主,占广西部分的59%。
（3）黔桂喀斯特均为山区县,包括18个纯丘陵县、10个半山区县、15个准山区县、21个显山区县、32个整山区县。黔桂喀斯特整山区县个数多,多分布于乌蒙山区和黔桂喀斯特峰丛洼地山区,多数为国家扶贫开发工作重点县。通过野外调查,整山区县大部分为深山区、石山区,高度起伏的地形是制约区域经济社会发展的重要因素,在脱贫攻坚、精准扶贫工作中政府、学界应给予该区域更多关注。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
范建容,张子瑜,李立华.四川省山地类型界定与山区类型划分[J].地理研究,2015,34(1):65-73.山地类型的界定是科学认知山地规律的基础,对山地科学的发展有着基础性的意义。山地科学研究的出发点与落脚点,是为了促进山区区域在各方面的可持续发展,所以在山地类型界定的研究结果基础上对山区类型进行划分,是山区可持续发展的基本科学依据。采用GIS技术并结合DEM数据,对四川省的山地类型进行界定,同时对山区的类型进行划分。在山地类型界定涉及到的地形起伏度计算中,对均值变点法的应用结果进行了讨论与改进,得到地形起伏度最佳统计单元为9.92 km。将四川省山地类型界定为丘陵、低山、中低山、中山、次高山、高山、极高山;将山区划分为纯丘陵县、半山区县、准山区县、显山区县、整山区县,并对山区发展的政策方向提出了一定的建议。

DOI

[ Fan J R, Zhang Z Y, Li L H.Mountain demarcation and mountainous area divisions of Sichuan province[J]. Geographical Research, 2015,34(1):65-73. ]

[2]
王明业,朱国金.中国的山地[M].成都:四川科学技术出版社,1988.

[ Wang M Y, Zhu G J.Mountains in China[M]. Chengdu: Sichuan Science and Technology Press, 1988. ]

[3]
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):24-32.山区范围较之山地范围更具有模糊性和不确定性，同时山区在空间分布上更为连续和完整。在计算 中国山地范围的基础上，运用地理信息系统的空间分析功能和统计模型中的聚类分析和多元回归分析技术，选择人口、土地利用、GDP、道路等社会经济因子，构 建了计算山区范围的边缘生长模型，同时运用该模型计算出四川省的山区面积占总面积的76.77％，较之四川省的山地面积增长了3．21％，主要分布在川西 及盆地周边区域。

DOI

[ Jiang X B, Zeng H C.Quantifying mountain regions of China: A case study in Sichuan[J]. Journal of Mountain Science, 2009,27(1):24-32. ]

[4]
钟祥浩. 山地学概论与中国山地研究[M].成都:四川科学技术出版社,2000.

[ Zhong X H.Mountain introduction and mountain research of China. Chengdu: Sichuan Science and Technology Press, 2000. ]

[5]
高贵龙,邓自民,熊康宁,等.喀斯特的呼唤与希望[M].贵阳:贵州科技出版社,2003.

[ Gao G L, Deng Z M, Xiong K N, et al.Karst de Huhuan yu Xiwang[M]. Guiyang: Guizhou Science press, 2003. ]

[6]
苏维词. 滇桂黔石漠化集中连片特困区开发式扶贫的模式与长效机制[J].贵州科学,2012,30(4):1-5.

[ Su W C.Development-oriented poverty reduction model and lasting effect mechanism in concentrated Karst desertification extreme poverty areas of Yunnan,Guangxi and Guizhou Provinces[J]. Guizhou Science,2012,30(4):1-5. ]

[7]
丁建军. 中国11个集中连片特困区贫困程度比较研究—基于综合发展指数计算的视角[J].地理科学,2014,34(12):1418-1427.综合比较11个集中连片特困区的贫困程度对于更好地实施连片特困区区域发展与扶贫攻坚战略十分重要。基于"发展"与"贫困"之间的对应关系,通过构建涵盖经济、社会和生态3个维度24项指标的综合发展指标体系,测算和比较分析了11个集中连片特困区的贫困程度。结果表明:1在经济、社会和生态3个维度中,11个集中连片特困区的经济发展严重滞后,经济贫困相对更为突出,社会服务有所改善,但仍然十分落后,生态条件较好、生态负荷较小,但生态脆弱性不容忽视;2 11个集中连片特困区的贫困程度在空间上呈"东部-北部-西南部"走向依次递增的特征,西南腹地是中国贫困的"重灾区";3 11个集中连片特困区在人均GDP、人均财政收入、农村居民人均纯收入、平均受教育年限、万人科技人员数等反映经济发展水平和区域自我发展能力的指标上较为相似,但在建制村硬化公路通达率、人口密度、九年义务教育巩固率、村卫生室普及率和青壮年文盲率等表征社会公共服务的指标上具有明显差异。

[ Ding J J.Comparative analysis on poverty degree of China's 11 Contiguous Destitute Areas: with view of comprehensive development index[J]. Scientia Geographica Sinica, 2014,34(12):1418-1427. ]

[8]
陆大道,刘卫东.论中国区域发展与区域政策的地学基础.地理科学,2000,20(6):487-493.Since the 1980s, economic development in China has been remarkably vigorous as a result of the smooth but continued opening and reform and the gradual development of a socialist market economy. Indeed, fast growth has been turbulently transforming the physical, social and economic structure of different regions, leading to increasing regional disparity of development. Issues related to regional disparity have been deeply concerned by both state and local policy-makers, and the whole society as well. At present, the Chinese central government is making great efforts to accelerate the development of the west region, with the hope of smoothing the gap between the west and the east. Regional development and disparity, however, are the result of handful factors, and can not be well understood by the sole policy explanation. Among these factors, geo-factors are fundamental. From the perspective of human-nature relation, geo-factors that effect regional development are the nature part in such a relation and the spatial structure resulted from the interaction between human activities and the nature, including natural conditions, location, endowment of natural resources, eco environment and infrastructures. Compared to economic factors, the geo-factors have a steady and prolonged impact on regional development. This paper analyses the regional features of geo-factors, stresses their functions in regional development and their significant role in policy making, and raises suggestions to future regional policy making based on such a geo-factors analysis.

DOI

[ Lu D D, Liu W D.Analysis of geo-factors behind regional development and regional policy in China. Scientia Geographica Sinica, 2000,20(6):487-493. ]

[9]
Wood J.The geomorphological characterization of digital elevation models[D]. Lancaster, U K: University of Lancaster, 1996.

[10]
Karátson D, Telbisz T, Singer B S.Late-stage volcano geomorphic evolution of the Pleistocene San Francisco Mountain, Arizona (USA), based on high-resolution DEM analysis and 40Ar/39 Archronology[J]. Bulletin of Volcanology, 2010,72(7):833-846.The cone-building volcanic activity and subsequent erosion of San Francisco Mountain, AZ, USA, were studied by using high-resolution digital elevation model (DEM) analysis and new 40 Ar/ 39 Ar dating. By defining remnants or planèzes of the volcano flanks in DEM-derived images, the original edifice can be reconstructed. We propose a two-cone model with adjacent summit vents which were active in different times. The reconstructed cones were 4,460 and 4,35002m high a.s.l., corresponding to 652,160 and 2,05002m relative height, respectively. New 40 Ar/ 39 Ar data allow us to decipher the chronological details of the cone-building activity. We dated the Older and Younger Andesites of the volcano that, according to previous mapping, built the stage 2 and stage 3 stratocones, respectively. The new 40 Ar/ 39 Ar plateau ages yielded 589–55602ka for the Older and 514–50502ka for the Younger Andesites, supporting their distinct nature with a possible dormant period between. The obtained ages imply an intense final (≤10002ka long) cone-building activity, terminating 6510002ka earlier than indicated by previous K-Ar ages. Moreover, 40 Ar/ 39 Ar dating constrains the formation of the Inner Basin, an elliptical depression in the center of the volcano initially created by flank collapse. A 53002ka age (with a ±58.402ka 2σ error) for a post-depression dacite suggests that the collapse event is geochronologically indistinguishable from the termination of the andesitic cone-building activity. According to our DEM analysis, the original cone of San Francisco Mountain had a volume of about 8002km 3 . Of this volume, 657.502km 3 was removed by the flank collapse and subsequent glacial erosion, creating the present-day enlarged Inner Basin, and 65202km 3 was removed from the outer valleys by erosion. Based on volumetric analysis and previous and new radiometric ages, the average long-term eruption rate of San Francisco Mountain was 650.202km 3 /ka, which is a medium rate for long-lived stratovolcanoes. However, according to the new 40 Ar/ 39 Ar dates for the last ≤10002ka period, the final stratovolcanic activity was characterized by a greater 650.302km 3 /ka rate.

DOI

[11]
顾留碗,王春,李鹏,等.利用DEM提取山顶点精度研究[J].武汉大学学报信息科学版,2016,41(1):131-135.山顶点是重要的地形特征点之一,针对现有的基于DEM的山顶点提取算法存在的缺陷,本文首先依据山顶点的地表形态特征,建立了基于最大起伏度阈值的山顶点提取模型;然后,以黄土丘陵1∶5万不同格网属性DEM为基础,分析了DEM格网属性对山顶点提取精度的影响特征;最后,基于1∶100万DEM提取了中国内陆山顶点数量及分布情况。研究结果表明：1基于最大起伏度阈值的山顶点提取模型提取的山顶点符合实际地形意义,具有很好的应用价值。2对于已知综合尺度的地形,存在最佳DEM格网分辨率阈值,当实际DEM格网分辨率不低于该阈值时,提取的山顶点具有很好精度,否则提取的山顶点数量及空间位置均存在不确定性偏差;3在我国的1∶100万DEM中,中国内陆满足海拔高度500 m以上、相对起伏大于200m的山顶点共有40 038个。

DOI

[ Gu L W, Wang C, Li P, et al.Research on mountain top extraction accuracy based on DEM[J]. Geomatics and Information Science of Wuhan Univerversity, 2016,41(1):131-135.

[12]
Cheng W M, Wang N, Zhao M, et al.Relative tectonics and debris flow hazards in the Beijing mountain area from DEM-derived geomorphic indices and drainage analysis[J]. Geomorphology, 2016,257:134-142.中国科学院机构知识库(中国科学院机构知识库网格（CAS IR GRID）)以发展机构知识能力和知识管理能力为目标，快速实现对本机构知识资产的收集、长期保存、合理传播利用，积极建设对知识内容进行捕获、转化、传播、利用和审计的能力，逐步建设包括知识内容分析、关系分析和能力审计在内的知识服务能力，开展综合知识管理。

DOI

[13]
Hassan R, Scholes R, Ash N.Ecosystems and Human Well-being: Current State and Trends: Findings of the Condition and Trends Working Group[M]. Washington D C: Island Press, 2005.

[14]
Schuler M, Stucki E, Roque O, et al.Mountain areas in Europe: Analysis of mountain areas in EU member states, acceding and other European Countries[M]. Brussels: European Commission, 2004.

[15]
钟祥浩,刘淑珍.中国山地分类研究[J].山地学报,2014,32(2):129-140.

[ Zhong X H,Liu S Z.Research on the mountain classification in China[J]. Journal of Mountain Science, 2014,32(2):129-140. ]

[16]
张颖,赵宇鸾.基于DEM的横断山县域山区类型划分[J].贵州师范大学学报:自然科学版,2016,34(6):8-14.科学界定山地和山区类型可为山区因地制宜施策提供参考。运用均值变点法,确定最佳统计单元面积,利用ArcGIS的空间分析工具处理DEM数据,提取横断山各类山地面积,以县级行政单元对横断山山区类型进行划分。研究表明：使用均值变点法确定移动窗口面积14.98km~2为横断山地地形起伏度最佳统计单元面积;横断山山地面积占比大,山地与非山地面积之比约为94∶6,山地省际空间分异明显,四川省的山地类型以次高山、高山为主,西藏自治区的山地类型以高山、极高山为主,云南省的山地类型以中山和次高山为主;横断山县级行政单元多数是山区县,其中有16个半山区县,6个准山区县,11个显山区县,65个整山区县,只有1个非山区县。整山区县的数量最多,主要分布于横断山地的中部及其以北地区。

DOI

[ Zhang Y, Zhao Y L.Mountainous area divisions at county level in Hengduan Mountains based on DEM[J]. Journal of Guizhou Normal University( Natural Sciences), 2016,34(6):8-14. ]

Options
Outlines

/

〈 〉