EN中文

Journal of Geo-information Science >

2023 , Vol. 25 >Issue 5: 924 - 934

DOI: https://doi.org/10.12082/dqxxkx.2023.220896

Quantitative Analysis and Spatial Differentiation of Terrain based on Terrain Music: Example of Loess Plateau in Northern Shaanxi

  • XIE Jing , 1, 2 ,
  • CHEN Nan , 1, 2, * ,
  • LIN Siwei 3
Expand
  • 1. Key Lab for Spatial Data Mining and Information Sharing of Education Ministry, Fuzhou University, Fuzhou 350108, China
  • 2. The Academy of Digital China, Fuzhou University, Fuzhou 350108, China
  • 3. School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China
*CHEN Nan, E-mail:

Received date: 2022-11-17

  Revised date: 2023-01-22

  Online published: 2023-04-27

Supported by

Foundation item: National Natural Science Foundation of China(41171267)

Fold

Abstract

Terrain music, the study of terrain feature lines, describes terrain undulation patterns in audible form. This paper takes terrain music as the starting point to simulate and quantify the morphology of terrain characteristic lines, and further discusses the spatial differentiation characteristics and laws of the terrain on the Loess Plateau. Based on the DEM data with a resolution of 30 m, 53 typical watersheds evenly distributed on the Loess Plateau in northern Shaanxi were selected as test sample areas, and the music theory knowledge, digital terrain analysis, and geostatistical theory were integrated. The watershed boundary profile was taken as the entry point to realize the digital expression of the land surface morphology. The Kriging method was used to construct a spatially differentiated map of terrain music index, so that the spatial distribution patterns and characteristics of the terrain could be further analyzed. On this basis, the spatial distribution of terrain music index on the Loess Plateau in northern Shaanxi and the comparative analysis with traditional indicators were further discussed. Results show that the terrain music index can quantitatively describe and reveal the spatial distribution characteristics of the terrain from multiple angles: ① The correlation coefficient between jump-in index and terrain undulation is -0.486, which quantitatively describes and reveals the spatial distribution characteristics of terrain from the degree of terrain undulation; ② The correlation coefficient between the grade progression index and slope is -0.328, which quantitatively describes and reveals the spatial distribution characteristics of terrain from the degree of slope of the terrain; ③ The correlation coefficient between the modal progression index and the profile curvature is -0.309, which quantitatively describes and reveals the spatial distribution characteristics of the terrain from the degree of terrain curvature. This study expands the research scope of digital terrain analysis and promotes the integration of music theory and geomorphology research, which further reveals that the application scope of terrain music related research methods in the field of geomorphology is different from that of traditional methods. This study examines the characteristics and internal mechanisms of spatial differentiation of terrain from the perspective of audibility, which deepens the understanding of development processes and internal mechanisms of terrain on the Loess Plateau.

Key words： terrain music; digital terrain analysis; geomorphological spatial differentiation; DEM; terrain feature; Kriging; hydrological analysis

Cite this article

XIE Jing , CHEN Nan , LIN Siwei . Quantitative Analysis and Spatial Differentiation of Terrain based on Terrain Music: Example of Loess Plateau in Northern Shaanxi[J]. Journal of Geo-information Science, 2023 , 25(5) : 924 -934 . DOI: 10.12082/dqxxkx.2023.220896

1 引言

黄土高原是世界上面积最大、水土流失最严重、黄土覆盖面积最广的典型沟壑区[1]，而长期的剥蚀与侵蚀作用逐渐形成了其千沟万壑的特殊地貌形态[2]。其独特的地理环境，多样的地貌类型，严重的黄土侵蚀环境，使其成为了全球负有盛名的地理研究区之一，引起了全世界的关注[3]。对黄土高原地形空间分布格局、特征与内在机制的研究，是黄土高原地貌研究的核心命题之一[4]。
数字高程模型（Digital Elevation Model，DEM）是地表形态数字化的空间数据模型[5]。数字地形分析（Digital Terrain Analysis，DTA）是以DEM为基础数据源，进行地形特征提取和地貌定量描述的数字地貌处理技术[6-7]。目前在地理信息系统和遥感技术飞速发展的支撑下，随着数字地形分析方法与理论不断的完善发展，前人以点、线、面等地貌组成元素为研究对象，对黄土高原地形空间分异展开了一系列研究[8]。例如，罗明良等[9]对山顶点采用先验知识进行了划分，并提出了地形特征点簇模型；苍学智等[10]采用定量描述指标揭示山顶点的空间格局和内在机理；刘鹏举等[11]提出了基于DEM提取沟缘线的方法体系，从而实现了沟壑地貌特征及空间分布图的自动提取；周毅等[12]通过构建表面泥化程度（Surface Nibble Degree，SND）指数，研究SND的空间差异，从而揭示黄土地貌的空间格局及地貌发育程度；陈永刚等[13]利用基于DEM的地形高程、坡度等指标自动提取正负地形多维数据；吴瑞等[14]通过构建地形剖面谱分析地理要素之间的相互关系，为研究地形边界提供了新的切入点；同时高毅平等[15]通过坡谱对比分析法研究了黄土高原正负地形的坡度组合特征；然而目前基于地形特征线探究黄土高原地形空间分异规律的相关研究鲜见。
流域边界剖面线是整个流域内的最高边缘线，几乎不受流水侵蚀的影响[16]。它是构建流域侵蚀模型及小流域规划时，必须考虑的关键地形结构要素[17]，与构造运动、土壤侵蚀沉积和其他地理现象密切相关[18-19]，被广泛应用在海岸线、沙滩等地形演变研究中[20]。对流域地形特征线的研究是进行流域地貌分析与处理的关键一环，也是流域地貌结构化综合的重要内容。
地形音乐是将流域出水口为起点沿着顺时针方向展开以将流域边界铺至平面形成起伏曲线，从而将其起伏的曲线高程值映射为音高序列的一种数字模型[21]。前人以此为基础，构建了一系列音乐指标对黄土高原的核心地貌类型进行了地形定量分析[22]。结果表明地形音乐方法及其指标体系是一种对地形建模和定量表达的有效方法。地形音乐是提取流域边界剖面线根据映射规则转换为音高时值，再以可听化的形式描述地形状态。
本文基于数字地形分析理论，在53个重点测试样区建立其相应的地形音乐。以地形音乐地乐理指标为研究对象，采用克里金插值法构建空间分异图，在此基础上探究陕北黄土高原地形的空间分异特征和内在机制及规律。本研究拓展了以地形特征线对地形进行定量描述和表达的方法，揭示黄土高原地形空间分异规律和内在机理，深化了对地形特征的认识，并为探寻黄土高原地形空间分异提供新的研究方案和思路，是地形音乐理论用于挖掘地形空间分布特征的一次成功实践。

2 研究方法

图1为基于DEM的地形音乐进行地形空间分异规律研究的流程图，具体可分为3个阶段：地形音乐的构建、地形音乐的量化表达、基于地形音乐的空间分异分析及地貌研究。
图1 基于地形音乐的黄土高原地形定量分析与空间分异研究技术路线

Fig. 1 Technical route for quantitative analysis and spatial differentiation of terrain on the Loess Plateau based on terrain music

2.1 地形音乐

在地貌学中对于地形形态的描述是当前研究的核心主题[23]，众多学者针对这一主题已构建了完善的数字地形分析理论体系。音乐是由组织的音符构成的听觉感知[24]，音乐中抑扬顿挫的节奏形式，宛如高低起伏的地形。地貌学与乐理知识的融合，形成地形音乐新体系。地形音乐（Terrain Music, TM）通过提取流域边界剖面线上的高程值，并沿着高程位移形成一系列音高，从而以可听化的形式描述地形起伏状态。其提取方法具体如下：
（1）流域提取：水文分析是流域提取过程中的基本方法[25]。主要流程可分为以下几个步骤：① 洼地识别与填洼；② 水流方向计算；③ 汇流累积量计算；④ 确定积累阈值提取集水区；⑤ 使用 Strahler classification方法对集水区进行分类[26]。提取过程中的3个主要问题是汇流累积阈值的确定、流域面积大小的选取以及平行河网的消除[27]。
（2）流域边界剖面线的构建：以流域出水口为起始点，顺时针沿着流域边界绕一圈，将其展开至平面所得的曲线称之为流域边界剖面线[28]。流域边界线是整个流域形态最为稳定的最高边缘线。
（3）地形音乐的构建：地形音乐的构建是提取流域边界剖面线到音高及时值的一个过程。
首先根据流域边界剖面线所对应的高程值将其映射为音阶，并依据高程值的值域划分为7个等级，这7个等级对应音阶中的7个基本音级[29]；在音高发生变化时依次记录该音高及其同音反复的个数，将所有同音反复的个数映射为时值。映射规则是从流域边界剖面线上提取高程值，分为7组并进行归一化处理，按照式（1）计算对应数值映射为音高。音高为7个左闭右开区间[30]，以音名 C/唱名 do/序列1为起点，以此类推（表1）；将同音反复的个数，从最大值到最小值之间按指数递减的方式分7个等级，依次映射到时值。例如，某样区高程值最大值为1282 m，最小值为1107 m，若某点高程值为1107 m按式（1）计算得到该点高程值归一化后的数值为0.00，该数值在分组1中，得到音名为C，唱名为do，以此得到该样区的音高。获得音高和时值组成的集合，从而构建样区的地形音乐。
表1 地形音乐的音高序列及每组边界值

Tab. 1 Pitch sequence of terrain music and boundary values for each group

序列 1 2 3 4 5 6 7 1
音名 C D E F G A B C
唱名 do re mi fa so la si do
每组边界值 0.00 0.14 0.29 0.43 0.57 0.71 0.86 1.00
x i * = x i - x m i n x m a x - x m i n
式中： x i、 x i *分别为高程值归一化前后的数值； x m i n 、 x m a x分别为流域边界剖面线上提取的高程值中最小值和最大值。
（4）地形音乐指标的提取：结合乐理学中音高序列组合类型，分为以下3种：跳进指标是相邻音高相差2个及以上音的跳跃，可以是上行（135/do\mi\sol）或下行（531/sol\mi\do），其地学含义为可从不同角度反映样区地势起伏程度；级进指标是由相邻音高相差一个音的音高序列组成（123/do\re\mi或321/mi\re\do），其地学含义为从不同的角度揭示了样区地形倾斜程度；模进指标是由相邻3个及以上的音高上下移位形成（123/do\re\mi，456/fa\sol\la，654/la\sol\fa，321/mi\re\do），其地学含义为从不同的角度衡量了样区地形变化程度（表2）。
表2 地形音乐指标的地学含义

Tab. 2 Geological meaning of terrain music indicators

3种音高组成类型 地学含义
跳进指标 上行 135 从不同的角度反映了样区地势起伏程度
下行 531
级进指标 上行 123 从不同的角度揭示了样区地形倾斜程度
下行 321
模进指标 上行 123，456 从不同的角度衡量了样区地形变化程度
下行 456，123

2.2 克里金插值法

地统计学中，克里金插值法(Kriging)是对区域化变量进行无偏最优估计的一种空间插值方法，被广泛应用于空间统计分析中[31]。其以变异函数为主体，可以深入研究和分析地理变量的空间分布情况与空间变化特征。变异函数估计值r(h)可以定义为：
r ( h ) = 1 2 N ( h ) ∑ i = 1 N ( h )   Z x i - Z x i + h 2   ( i = 1,2 , ⋯ , N ( h ) )
式中： h表示滞后距； N ( h )为研究区内距离为 h的点对数； Z x i和 Z x i + h分别为 x i、 x i + h点对应的变量。对于地形音乐指标而言，空间变异特征不仅依赖于两点之间的空间距离，还取决于两点之间的方向。
块金系数、基台值和变程是空间变异特征中3个基本参数，同时决定了地形音乐指标的克里金系数，3个基本参数可以从变异函数中计算得到。块金系数是滞后距h为零时，其取值不为零的数值，表示区域化变量的随机性大小；基台值是指变异函数在随着步长的变化达到相对稳定的水平，此时自相关阈值点上所对应的值。变程是指变异函数在达到相对稳定的水平时所需的步长数，超过此该步长数的区域化变量不存在自相关性，则也称为自相关距离。

2.3 地形因子

传统地形因子是描述地貌形态特征的基本元素[32]，是地形信息的承载体，在不同角度上刻画地表形态的变化。地形因子是采用ArcGIS软件中的表面分析、栅格计算器等对DEM数据进行提取计算获得。以地形因子为依据，探究地形音乐指标所蕴含的地学含义，揭示地形音乐指标与地形因子的内在联系。地形起伏度、坡度、剖面曲率是目前地形音乐模型中重要的地形元素。
（1）地形起伏度是定量描述地貌形态，划分地貌类型的主要元素[33]，指在一个特定的区域内，最高点海拔高度与最低点海拔高度的差值，揭示了区域地表的地形起伏程度。地形起伏度能够用于区分区域内地貌形态差异。地形起伏度可以用式（3）表示：
R a = q ∙ h ∙ ∆ h ∕ ∆ H = q ∙ h ∙ ( 1 - h / ∆ H )
式中： q为地貌的形态参数； h为起伏高度； ∆ h为相对高度； ∆ H为区域最大高差。
（2）坡度是地表切平面与水平面的夹角，反映了区域地表粗糙度与土壤侵蚀强度[34]。计算公式如式（4）所示。
s l o p e = 180 / π ∙ a r c t a n f x 2 + f y 2
式中： f x是X方向上的高程变化率； f y是Y方向上的高程变化率。
（3）剖面曲率是地形曲面在垂直方向上的曲率，反映了地表物质的流动变化及迁移的变化情况[35]。计算公式如式（5）所示。
C p = f x x f x 2 - 2 f x y f x f y + f y y f y 2 ( f x 2 + f y 2 ) ( 1 + f x 2 + f y 2 ) 3 2
式中： f x是X方向上的高程变化率； f y是Y方向上的高程变化率。

3 研究区概况和实验数据

本文选择陕北黄土高原作为研究区域，该地区是黄土高原土壤侵蚀最严重的地区，同时也是防止水土流失的国家重点地区。鉴于样本密度及其代表性，选取随机分布于陕北黄土高原的53个不同流域作为测试样区（图2）。该地区的黄土覆盖厚度从北向南逐渐增加，范围约为50~200 m。此外，暴雨集中在夏季，主要植被覆盖为灌木、草和木林。在不断实验过程中，确定本研究最佳汇流累积阈值为20 000，汇水面积为30 km2，其中所选取的测试样区面积最小值为0.004 109 km2，最大值为0.01516 km2，结合地形图基于目视解译消除平行河网。本文采用30 m分辨率的ASTER GDEMV2数据，可从地理数据空间云在线获取（http://www.gscloud.cn/）。
图2 陕北黄土高原试验样区空间分布

Fig. 2 Spatial distribution of test sample areas on the Loess Plateau in northern Shaanxi

4 结果与讨论

基于地形音乐指标的空间分异规律分析，探究了各个地形音乐指标的地学含义，地形音乐指标从不同角度去反映了地形中所蕴含的多种地形特征，与传统地形因子的相关性分析，证明了地形音乐指标用于描述地形的可行性。

4.1 地形音乐指标与地形因子的相关性分析

地形音乐指标与地形因子之间可能存在着某种程度上的相互联系和相互制约的特性。如表3所示，各个地形音乐指标与地形因子之间存在一定的相关性。经过皮尔逊显著性检验，各个指标与地形因子之间均呈现负相关。在0.01级别置信度为99 %时，跳进指标描述了地表起伏程度，与地形起伏度相关系数为-0.486，表明其与地形起伏度负显著相关；在0.05级别置信度为95 %时，级进指标描述了地形倾斜程度，与坡度相关系数为-0.328，呈现出负显著相关；模进指标描述了地形变化程度，与剖面曲率相关系数为-0.309，呈现负显著相关。
表3 地形音乐指标与地形因子相关性

Tab. 3 Correlation between terrain music indicators and terrain factors

跳进指标 级进指标 模进指标
地形起伏度 -0.486** - -
坡度 - -0.328* -
剖面曲率 - - -0.309*
样本数/个 53 53 53

注：**：在0.01级别（双尾），相关性显著。*：在0.05级别（双尾），相关性显著。

考虑到地形音乐指标中的地学意义，选取了地形起伏度、坡度、剖面曲率3种地形因子作为相关性检验的指标。其中跳进指标与地形起伏度有显著相关性，从乐理的角度揭示了地形起伏程度，同时反映了地形地貌的复杂多样；级进指标与坡度有显著相关性，从乐理的角度反映了地形倾斜程度；模进指标与剖面曲率有显著相关性，从乐理的角度揭示了地形变化程度，为进一步了解地貌的演化机理提供新依据。

4.2 克里金分析

表4给出了不同音乐指标的空间变异性参数。克里金系数：不同音乐指标的克里金系数在0.213~0.426之间，表明了不同音乐指标的空间分布中呈现出不同程度的空间相关性。跳进上行、跳进下行、模进上行、模进下行以及级进下行指标的克里金系数均处于0.25~0.75之间，说明指标具有中度的空间自相关性，受到随机因素和结构性因素的综合影响[36]，其中地形因素（如粗糙度、地形起伏度和土壤侵蚀强度）是随机因素，在一定程度上控制着地形音乐指标的空间分布；级进上行指标的克里金系数小于0.25，具有强烈的空间自相关性，说明受到随机因素的影响较小；级进下行指标的克里金系数最大，为0.459，表明其受到综合影响更大。另一方面，陕北地形演化趋势是陕北地区地形结构因素的核心驱动力，陕北地区在从北到南和从西到东2个方向上呈现出明显的结构空间分布格局。总而言之，地形音乐指标的空间分布并不是随机分布的，呈现出与陕北地区的独特地形演变趋势紧密相关的趋势特性。
表4 克里金插值法相关系数

Tab. 4 Correlation coefficients of Kriging interpolation method

数据字段 跳进上行 跳进下行 模进上行 模进下行 级进上行 级进下行
块金值 162.037 81.011 195.359 629.422 72.198 27.239
基台值 380.347 221.067 506.662 1489.517 338.242 59.286
各向异性/° 73.652 68.730 55.549 92.637 66.621 37.617
各向异性系数 0.663 0.336 0.502 0.544 0.333 0.584
克里金系数 0.426 0.366 0.386 0.423 0.213 0.459
各向异性：各向异性系数均小于1，表明不同的空间分布普遍表现出各向异性；不同定量指标的空间分布变化方向差异不大。各向异性方向在37°~ 92°之间，其中级进指标数值最小，由于地质构造、降雨强度、植被条件以及地表组成物质的综合作用，呈现出西南到东北的演变趋势；模进指标在东西方向呈现出空间分布格局。该区域空间分布的变化方向，在相当程度上也可视为该地区的侵蚀地貌发育进程的时间序列再现。

4.3 基于地形音乐指标的陕北地形空间分异图分析

基于DEM数据，计算53个不同流域测试样区的音乐指标，并绘制出各个空间分异图，同时在东西与南北两个方向选取在更具有代表性、典型性的走向进行趋势分析。采用跳进上行、跳进下行、级进上行、级进下行、模进上行和模进下行该6种地形音乐指标来定量描述地形空间格局陕北地貌地形的空间分布，黄土高原不同地形音乐指标呈现出一定规律的趋势性空间分布，与地形特征的空间变异和地貌演化趋势呈现出一定规律的耦合性，具体可从以下几个方面分析。
跳进指标反映着地形起伏程度。图3表明跳进指标量值在5~64范围内，其空间分异均以两个区域为中心扩散分布，与地形起伏度的空间趋势紧密相关。地形音乐指标剖面图是垂直于地表面切割地表形成的曲线图，可以直观表示地表上沿某一方向地形音乐指标的高低变化趋势。跳进指标东-西方向趋势如图3所示，呈现先增后减的趋势，高值主要集中于北部的榆林地区以及西部的志丹地区，该地区是黄土高原的严重土壤侵蚀中心，由于长期的风暴以及稀疏的植被所导致其恶劣的自然环境[37]。另一方面，该地区作为黄土梁峁状丘陵沟壑区，其地势本身起伏程度较大，而在后期由于黄土覆盖等一系列因素导致起伏程度更为剧烈。低值主要集中在南部的淳化黄土塬区、宜君黄土梁状丘陵区，该区域为黄土塬区，其原有地形为平地，后期受到黄土的覆盖逐渐形成了地势平坦的高原，其起伏程度偏低。在陕北黄土高原样区中地貌类型有风沙黄土过渡区、黄土峁状丘陵沟壑区、黄土梁峁状丘陵区、黄土梁状丘陵区和黄土塬区等。跳进指标在一定程度上反映了地貌类型的变化。跳进指标从地形起伏程度的角度刻画了研究区内地形特征空间分异格局。
图3 跳进指标空间分异图及趋势

Fig. 3 Spatial divergence and trend charts for jump-in indexes

级进指标东-西方向趋势如图4所示，自东向西先迅速上升达到一定峰值后再平缓下降，从空间分异图来看级进指标高值主要集中于北部的榆林区所处于的黄土丘陵沟壑区、西部的志丹区黄土梁峁区以及中部所在的黄土峁状丘陵沟壑区，高值集中在这些区域是由于形式严峻、地形陡峭所导致，而水土流失、土壤侵蚀[38]、气候变化及植被覆盖率等都是其主要影响因素。低值主要分布于南部的淳化黄土塬梁丘陵区和宜君黄土梁状丘陵区，风沙丘陵区和黄土塬区地表较为平缓，黄土的可蚀性较低，无剧烈的地形倾斜，这也是级进指标含量较低的主要原因。级进指标突出了黄土高原的空间分布差异，反映了区域地表的地形倾斜程度，对地表物质流动变化有进一步的认识。
图4 级进指标空间分异图及趋势

Fig. 4 Spatially divergent maps and trends of progression indexes

模进指标描述了区域地表的地形变化程度。从图5可知，在所选取样区范围内模进指标南-北剖面图，呈现出从指标量低谷随着距离变化逐渐上升的趋势，在北部地区的模进指标量明显过多，高值主要集中于北部的黄土丘陵区、中部以及东部绥德的黄土丘陵沟壑区，由于窟野河一带是黄河下游含沙量的主要区域，安塞县至志丹县周围区域是黄土高原水土流失中心[39]，绥德县由于土壤侵蚀严重导致沟壑发育，切口较深，地形较复杂，因此该区域模进指标含量较高；低值主要分布于南部的宜君黄土梁状丘陵区和淳化的黄土塬区，该区域地形较为完整，地形变化程度较小，地表物质迁移和变化较为平缓。
图5 模进指标空间分异图及趋势

Fig. 5 Spatial divergence and trend diagrams of modal progression indexes

4.4 地形音乐指标分类分析

陕北黄土高原有沙丘草滩盆地、黄土低丘、黄土峁状丘陵沟壑、黄土梁状丘陵沟壑、黄土残塬丘陵沟壑、石质山地、黄土塬及黄土台塬八种黄土地貌类型[16]。本研究中6个地形音乐指标在八种黄土地貌类型的分布情况，如图6所示。各指标在黄土低丘区域有明显的聚集性，该区域是干旱风沙地貌与黄土丘陵沟壑地貌的过渡区，主要受风沙影响[40]，同时地貌本身起伏较大；各指标在黄土塬及黄土台塬区域指标数值较低，该区域的地形起伏程度较小，地势平缓。地形音乐指标分类结果符合预期地貌类型的分布情况，同时也揭示了各指标的地学意义。
图6 各地貌类型中地形音乐指标所占指标数值

Fig. 6 Indicator values for terrain music indicators in each landform type

5 结论

本文以流域边界剖面线为切入点，构建了53个测试样区的地形音乐，采用一系列地形音乐指标对陕北黄土高原地形的空间分异及内在机理从多角度进行了研究。所取得的主要进展及结论如下：
（1）经过水文分析等过程处理后，实现了流域边界剖面线的提取。调查和总结了地形音乐的映射规则，作为本研究的实验基础。结合地貌学、地统计学以及乐理知识，提出了一种基于地形特征线的数字地形分析方法，构建出地形音乐指标模型。
（2）实验结果表明地形音乐指标在空间分布中能够呈现中度及强度的空间自相关性，确定受到随机因素和结合性因素的影响程度。地形音乐指标在陕北黄土高原区域的空间分异性在一定程度上与地貌演变趋势紧密联系。
（3）采用地形音乐及其定量指标对陕北黄土地形特征的空间分布格局进行了定量描述。实验结果表明地形音乐与地形东西和南北向的空间分布格局呈现出足够的空间耦合性。
（4）地形音乐指标与地形因子具有一定相关性，地形音乐指标与传统的地形因子呈现出显著的正响应。其中跳进指标描述了地形起伏度，与地形起伏度呈现出显著负相关，级进指标描述了地形倾斜程度，与坡度呈现出显著负相关；模进指标描述了地形变化程度，与剖面曲率呈现出显著负相关。验证了地形音乐指标可用于定量揭示地表的不同地形特征。
地形音乐方法可有效揭示地形的空间分布格局和特征，并从地形起伏度、坡度、剖面曲率等方面揭示区域地表的地形特征。但本研究尚处于初级阶段，未来的工作可展望从以下两方面展开。① 基于地形音乐指标研究样区范围的扩大。② 地形音乐面向地形特征线对象的多样化。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
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. ] DOI:10.12082/dqxxkx.2020.190519

DOI

[2]
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. ] DOI:10.3969/j.issn.1560-8999.2006.02.002

DOI

[3]
丁小花, 王琤, 席俊杰, 等. 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

Wang C, Xi J J, et al. Review on the research progress of boundary delineation methods of the loess plateau landforms[J]. Journal of Geo-Information Science, 2022, 24(7):1219-1233. ] DOI:10.12082/dqxxkx.2022.210837

DOI

[4]
Song Y N, Wu Y P, Sun C S, et al. Spatiotemporal features of pollutant loads in the Yan River Basin, a typical loess hilly and gully watershed in the Chinese Loess Plateau[J]. Geoscience Letters, 2022, 9(1):1-14. DOI:10.1186/s40562-022-00220-3

DOI

[5]
汤国安, 李发源, 刘学军. 数字高程模型教程[M]. 2版. 北京: 科学出版社, 2010.

[ Tang G A, Li F Y, Liu X J. Digital elevation model course[M]. 2nd ed. Beijing: Science Press, 2010. ]

[6]
汤国安. 我国数字高程模型与数字地形分析研究进展[J]. 地理学报, 2014, 69(9):1305-1325.

DOI

[ Tang G A. Progress of DEM and digital terrain analysis in China[J]. Acta Geographica Sinica, 2014, 69(9):1305-1325. ] DOI:10.11821/dlxb201409006

DOI

[7]
周启鸣, 刘学军. 数字地形分析[M]. 北京: 科学出版社, 2006.

[ Zhou Q M, Liu X J. Digital terrain analysis[M]. Beijing: Science Press, 2006. ]

[8]
Hessel R, van Asch T. Modelling gully erosion for a small catchment on the Chinese Loess Plateau[J]. CATENA, 2003, 54(1/2):131-146. DOI:10.1016/S0341-8162(03)00061-4.

DOI

[9]
罗明良. 基于DEM的地形特征点簇研究[D]. 成都: 中国科学院成都山地灾害与环境研究所, 2008:13-17].

[ Luo M L. Research on topographic feature point cluster based on DEM[D]. Chengdu: Institute of Mountain Hazards and Environment,Chinese Academy of Sciences, 2008:13-17]. ]

[10]
苍学智, 汤国安, 仲腾, 等. 山顶点类型及其形态特征数字表达[J]. 南京师大学报(自然科学版), 2010, 33(1):136-140.

[ Cang X Z, Tang G A, Zhong T, et al. Classification of peaks and digital expression of their spatial pattern[J]. Journal of Nanjing Normal University (Natural Science Edition), 2010, 33(1):136-140. ] DOI:10.3969/j.issn.1001-4616.2010.01.027

DOI

[11]
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

[12]
Zhou Y, Yang C Q, Li F, et al. Spatial distribution and influencing factors of Surface Nibble Degree index in the severe gully erosion region of China's Loess Plateau[J]. Journal of Geographical Sciences, 2021, 31(11):1575-1597. DOI: 10.1007/s11442-021-1912-2

DOI

[13]
陈永刚, 汤国安, 周毅, 等. 基于多方位DEM地形晕渲的黄土地貌正负地形提取[J]. 地理科学, 2012, 32(1):105-109.

DOI

[ Chen Y G, Tang G A, Zhou Y, et al. The positive and negative terrain of loess plateau extraction based on the multi-azimuth DEM shaded relief[J]. Scientia Geographica Sinica, 2012, 32(1):105-109. ] DOI:10.13249/j.cnki.sgs.2012.01.014

DOI

[14]
吴瑞, 王兰辉, 汤国安. 中国陆地边界地形剖面谱研究初探[J]. 地理与地理信息科学, 2012, 28(5):51-54,2.

[ Wu R, Wang L H, Tang G A. Terrain profile spectrum of China land border[J]. Geography and Geo-Information Science, 2012, 28(5):51-54,2. ]

[15]
高毅平, 汤国安, 周毅, 等. 陕北黄土地貌正负地形坡度组合研究[J]. 南京师大学报(自然科学版), 2009, 32(2):135-140.

[ Gao Y P, Tang G A, Zhou Y, et al. Slope spectrum of positive and negative terrains of loess plateau in northern Shaanxi Province[J]. Journal of Nanjing Normal University (Natural Science Edition), 2009, 32(2):135-140. ] DOI:10.3969/j.issn.1001-4616.2009.02.027

DOI

[16]
Lin S W, Xie J, Deng J Y, et al. Landform classification based on landform geospatial structure - a case study on Loess Plateau of China[J]. International Journal of Digital Earth, 2022, 15(1):1125-1148. DOI:10.1080/17538947.2022.2088874

DOI

[17]
白雷超, 陈珂, 罗明良, 等. 地表高程剖面特征及其在起伏度分析中的应用——以平行岭谷区华蓥市为例[J]. 遥感信息, 2016, 31(4):141-146.

[ Bai L C, Chen K, Luo M L, et al. Multi scale analysis of elevation profiles and its application in research of relief amplitude of terrain: A case study in Huaying County based on ASTER GDEMs[J]. Remote Sensing Information, 2016, 31(4):141-146. ] DOI:10.3969/j.issn.1000-3177.2016.04.022

DOI

[18]
Ferguson R I. Emergence of abrupt gravel to sand transitions along rivers through sorting processes[J]. Geology, 2003, 31(2):159. DOI:10.1130/0091-7613(2003)031<0159:eoagts>2.0.co;2

DOI

[19]
Tang G A, Jia Y N, Yang X, et al. The profile spectrum of catchment boundary basing on DEMs in loess plateau[J]. In the 24th international cartographic conference, Santiago, Chile. 2009.

[20]
陈子燊. 海滩剖面时空变化过程分析[J]. 海洋通报, 2000, 19(2):42-48.

[ Chen Z S. Analysis on spatial and temporal processes of beach profile variations[J]. Marine Science Bulleten, 2000, 19(2):42-48. ] DOI:10.3969/j.issn.1001-6392.2000.02.008

DOI

[21]
余逸凡. 基于DEM的地形音乐研究—以在黄土高原的研究为例[D]. 福州: 福州大学, 2021.

Yu Y F. Terrain music based on DEM--taking the research in the loess plateau as an example[D]. Fuzhou: Fuzhou University, 2021. ]

[22]
余逸凡, 陈楠. 采用数据可听化的地形剖面线分析方法[J]. 华侨大学学报(自然科学版), 2022. 43(02): p.260-270.

[ Yu Y F, Chen N. Analysis Method of Terrain Profile Based on Data Audibility[J]. Journal of Huaqiao University (Natural Science Edition), 2022. 43(02): 260-270.] DOI:10.11830/ISSN.1000-5013.202101013

DOI

[23]
钟业勋, 魏文展, 李占元. 基本地貌形态数学定义的研究[J]. 测绘科学, 2002, 27(3):16-18,2.

[ Zhong Y X, Wei W Z, Li Z Y. A reseach on the mathematical definition of the basic landform shape[J]. Developments in Surveying and Mapping, 2002, 27(3):16-18,2. ] DOI:10.3771/j.issn.1009-2307.2002.03.005

DOI

[24]
田亚男, 王旭. 基于提升小波变换的图像可听化方法[J]. 东北大学学报(自然科学版), 2011, 32(2):223-226.

[ Tian Y N, Wang X. An image sonification method based on lifting wavelet transform[J]. Journal of Northeastern University (Natural Science), 2011, 32(2):223-226. ] DOI: 10.3969/j.issn.1005-3026.2011.02.018

DOI

[25]
刘华. 数字流域水文特征信息提取软件研究及应用[D]. 南京: 河海大学, 2007.

[ Liu H. Research and application of system deriving hydrological information from digital watershed[D]. Nanjing: Hohai University, 2007. ]

[26]
Strahler A H. The use of prior probabilities in maximum likelihood classification of remotely sensed data[J]. Remote Sensing of Environment, 1980, 10(2):135-163. DOI: 10.1016/0034-4257(80)90011-5.

DOI

[27]
贾旖旎. 基于DEM的黄土高原流域边界剖面谱研究[D]. 南京: 南京师范大学, 2010.

[ Jia Y N. Study on boundary profile spectrum of loess plateau basin based on DEM[D]. Nanjing: Nanjing Normal University, 2010. ]

[28]
Li M, Yang X, Na J M, et al. Regional topographic classification in the north Shaanxi Loess Plateau based on catchment boundary profiles[J]. Progress in Physical Geography:Earth and Environment, 2017, 41(3):302-324. DOI: 10.1177/0309133317706356.

DOI

[29]
雷宇. 对称音阶(Symmetrical Scale)解析——五种常用音阶的构成与应用分析[J]. 乐器, 2021(8):84-85.

[ Lei Y. Analysis of symmetrical scale—Composition and application analysis of five commonly used scales[J]. Musical Instrument Magazine, 2021(8):84-85. ] DOI:10.3969/j.issn.1002-5995.2021.08.024.

DOI

[30]
肖武雄. 频谱音乐的基本原理[M]. 北京: 文化艺术出版社, 2014.

[ Xiao W X. Radical principle of spectral music[M]. Beijing: Culture and Art Press, 2014. ]

[31]
刘爱利, 王培法, 丁园圆. 地统计学概论[M]. 北京: 科学出版社, 2012.

Liu A L, Wang P L, Ding Y Y. Introduction to Geostatistics[M]. Beijing: Science Press, 2012. ]

[32]
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

[33]
涂汉明, 刘振东. 中国地势起伏度研究[J]. 测绘学报, 1991, 20(4):311-319.

[ Tu H M, Liu Z D. Study on relief amplitude in China[J]. Acta Geodaetica et Cartographic Sinica, 1991, 20(4):311-319. ] DOI:10.3321/j.issn:1001-1595.1991.04.009

DOI

[34]
Chowdury R. Slope analysis[M]. Elsevier, 2012.

[35]
陈楠. 剖面曲率精度变化与DEM分辨率关系[J]. 中国矿业大学学报, 2013, 42(1):147-151.

[ Chen N. Relationship between the variation of profile curvature accuracy and the resolution of DEM[J]. Journal of China University of Mining & Technology, 2013, 42(1):147-151. ] DOI:10.13247/j.cnki.jcumt.2013.01.026

DOI

[36]
Hubert L J, Golledge R G, Costanzo C M. Generalized procedures for evaluating spatial autocorrelation[J]. Geographical Analysis, 2010, 13(3):224-233. DOI:10.1111/j.1538-4632.1981.tb00731.x

DOI

[37]
Tang G A, Li F Y, Liu X J, et al. Research on the slope spectrum of the Loess Plateau[J]. Science in China Series E:Technological Sciences, 2008, 51(S1):175-185. DOI: 10.1007/s11431-008-5002-9

DOI

[38]
刘畅, 周毅, 雷雪. 陕北黄土高原水蚀沟谷多维度侵蚀特征量化研究[J]. 地理科学进展, 2022, 41(4):707-717.

DOI

[ Liu C, Zhou Y, Lei X. Quantitative analysis of multi-dimensional erosion characterstics of waterworn gullies on the Loess Plateau of Northern Shaanxi[J]. Progress in Geography, 2022, 41(4):707-717. ] DOI:10.18306/dlkxjz.2022.04.014

DOI

[39]
Li F Y, Tang G A, Wang C, et al. Quantitative analysis and spatial distribution of slope spectrum: a case study in the Loess Plateau in north Shaanxi Province[C]// Proc SPIE 6753, Geoinformatics 2007:Geospatial Information Science, 2007, 6753:628-637. DOI:10.1117/12.761894

DOI

[40]
曹泽涛, 等. 基于随机森林的黄土地貌分类研究. 地球信息科学学报, 2020. 22(3):452-463.

DOI

[ Cao Z T, et al. Loess Landform Classification based on Random Forest[J]. Journal of Geo-Information Science, 2020. 22(3):452-463. ] DOI:10.12082/dqxxkx.2020.190247

DOI

Options
Outlines

/

〈 〉