EN中文

Journal of Geo-information Science >

2023 , Vol. 25 >Issue 8: 1625 - 1636

DOI: https://doi.org/10.12082/dqxxkx.2023.220892

Detection and Spatial Heterogeneity Analysis of Terrain Fragmentation on the Loess Plateau

  • DONG Yong , 1 ,
  • ZHOU Liang , 1, 2, * ,
  • GAO Hong 1, 3 ,
  • WANG Bao 4
Expand
  • 1. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
  • 2. National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou 730070, China
  • 3. Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou 730070, China
  • 4. Lanzhou Information Center, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China
*ZHOU Liang, E-mail:

Received date: 2022-11-16

  Revised date: 2022-12-31

  Online published: 2023-07-14

Supported by

General Project of National Natural Science Foundation of China(42271214)

Key Program of Natural Science Foundation of Gansu Province(21JR7RA281)

Key Program of Natural Science Foundation of Gansu Province(21JR7RA278)

Science-Technology Foundation for Young Scientists of Gansu Province(22JR11RA149)

Fold

Abstract

Terrain fragmentation is an important factor that can result in poor spatial connectivity and accessibility in mountainous areas, which seriously restricts regional transportation accessibility and urban-rural integration development. This study takes the Loess Plateau with dense valleys and highly fragmented terrain as an example and constructs a terrain fragmentation index system based on DEM data for overall fragmentation, positive and negative terrain, and transition terrain. We use the spatial clustering method (Automated Zoning Procedure-Simulated Annealing) and the objective weighting method (Criteria Importance Though Intercrieria Correlation) to generate spatial zoning and evaluation grading of topographic fragmentation at the county level and explore the spatial heterogeneity of topographic fragmentation on the Loess Plateau. The results show that: (1) The general spatial distribution of terrain fragmentation indicators are characterized by contiguous clusters, among which high values of Elevation Standard Deviation and Terrain Relief are mainly located in the Longzhong Plateau and the area near the Qinling Mountains, and the low and medium values are mainly distributed in the north of Liupanshan-Weihe River; (2) The Loess Plateau can be divided into eight spatially continuous topographic fragmentation zones, and the four largest zones are located in the northern Shaanxi Plateau within the central part of the Loess Plateau, the Lvliang Mountains, and the Ordos Plateau in the north. They account for 66.37% of the total area and are distributed in a shape of Chinese character "田", while the rest of the subregions located along the western and southeastern edges of the plateau are small areas with long and narrow shapes. The spatial differentiation of the topographic fragmentation of the Loess Plateau has a simple characteristic in central area and are complex at the edge area; (3) The terrain fragmentation degree of the Loess Plateau can be divided into five levels. The highest fragmentation area accounts for 13% of the total area of the plateau, which is mainly distributed in the Longzhong Plateau and the northern part of the Qinling Mountains. And 55% of the total area of the plateau presents an spatial pattern of high in the west and low in the north, which is mainly distributed in the northern Shaanxi plateau and Shanxi plateau located in the central and eastern part of the plateau. This study provides references for the formulation of urban-rural integration development policy and transportation infrastructure planning in the Loess Plateau.

Key words： Loess Plateau; DEM; terrain fragmentation; space partition; AZP-SA; comprehensive evaluation; The CRITIC; spatial heterogeneity

Cite this article

DONG Yong , ZHOU Liang , GAO Hong , WANG Bao . Detection and Spatial Heterogeneity Analysis of Terrain Fragmentation on the Loess Plateau[J]. Journal of Geo-information Science, 2023 , 25(8) : 1625 -1636 . DOI: 10.12082/dqxxkx.2023.220892

1 引言

破碎化是在自然或人文因素影响下整体空间趋于分裂和不连续的过程与状态[1-2]，是导致区域连通性差、交通发展滞后、资源开发困难、生物活动受限、农业机械化程度低等的重要原因。破碎化既可以在宏观尺度表示地形地貌的整体褶皱程度，也能在微观尺度刻画地表局部分割程度。研究破碎化不仅有利于拓展地形地貌学理论，同时在交通布局、资源开发、灾害评估等领域也具有重要参考价值。黄土高原地理意义显著[3-4]，其内部遍布的沟谷和山地对空间连通形成阻隔，可直观理解为黄土高原地形被切分为相互连通困难的“碎块”，称这种现象为地形破碎化。地形破碎化使得黄土高原内空间交流困难，在一定程度上决定了人类活动的形式与规模[5⇓-7]，从而导致区域发展面临着人口流失严重、生产力低下、土壤侵蚀严重等突出问题[8⇓-10]，严重影响和制约着道路交通、社会经济、农业生产、资源保护开发等的布局和发展[11-12]。因此，研究黄土高原区域地形破碎化程度及空间分异规律，可以为区域交通韧性评价、生产布局优化、生态环境保育等提供重要依据。
以往研究多侧重高程、坡度、坡向、坡长、地表切割深度、地表起伏度等[13⇓⇓⇓-17]传统地形因子对地表形态变化以及区域发展影响的探究。目前，对地形形态特征[18]研究采用的方法主要有：统计指标法[19]、分形指标法[20]和点/线/面特征[21⇓-23]，还包括信息图谱分析法[24]、坡谱分析法[3]、地形纹理分析法[25]等，也有少数研究利用EEMD（Ensemble Empirical Mode Decomposition）等方法[26]进行黄土高原地形特征的分析，以上研究方法均能生成多种多样的地形特征，但均未对地形破碎化进行充分的表征和考量。然而，有少量研究利用高程标准差和高程变异系数对地形破碎化进行表征，如利用各县域内不同区域高程的标准差[27]，区域内高程的标准差与均值之比得到的高程变异系数[28]表示区域整体地形破碎化程度。虽然前人研究从少数方面测度了黄土高原的地形破碎化，但未对地形破碎化进行全面表征，更未进一步构建较为全面的地形破碎化测度方法。此外，还有研究提出采用空间分割的方法探究黄土高原地形地貌特征，如利用遥感影像融合地形特征进行影像深度分割[29-30]、基于DEM数据的地形地貌自动分割方法提取空间单元[23,31⇓-33]、借助地形正负开度及其差值图像阈值分割提取黄土地貌沟沿线的方法[34]，此类分割方法虽能够按照地形相似性划分出空间单元，也对地形破碎化的概念有一定的解释，但均未探讨黄土高原地形破碎化的空间异质性规律。
综上所述，黄土高原地形的复杂性使得单个因子无法表达地形破碎化的丰富内涵和特征；此外，现有研究主要针对小区域内地形空间特征和作用研究，对黄土高原整体地形破碎化的分区特征和综合评价涉及较少。因此，考虑到地形限制下区域管理的便利性和政策制定的可行性，研究以县域尺度为最小空间单元，尝试从多个方面构建地形破碎化测度指标体系，然后利用空间聚类方法探讨地形破碎化的空间分区特征，依据客观赋权方法研究地形破碎化的综合评价分级，从而深入探讨黄土高原地形破碎化的空间分异规律。本研究可为黄土高原城乡一体化发展政策的制定、交通基础设施规划提供一定的借鉴，进而推动黄土高原区域的高质量发展。

2 研究区概况与数据来源

2.1 研究区概况

地理位置的特殊性导致黄土高原成为中国北方最具特色的自然地理区域[35]。黄土高原（图1（a））大致位于黄河流域中部，地理空间范围覆盖祁连山以东、长城以南、太行山以西和秦岭以北区域（100°54′E—114°33′E、33°43′N—41°16′N）、东西跨度1300 km，南北跨度800 km，总面积约63.5 万km2，行政区划包括陕西、甘肃、宁夏、青海、山西、内蒙古和河南共7 省（自治区）45 市（州、盟）331 县（旗）。黄土高原地貌形态复杂，主要包含10个地理分区（图1（b）），分别是河流冲积平原、黄土塬、盖沙黄土丘陵、黄土峁状丘陵、黄土梁状丘陵、黄土宽谷丘陵、山间盆地黄土丘陵、风沙丘陵、土石丘陵以及石质山地。面向地形限制下政府区域管理政策的制定、地方发展规划的实施，本文以县级（含地级市、地区、自治区、盟）行政区划为空间单元提取地形特征评估和分析地形破碎化的空间异质性。
图1 研究区海拔及地理分区

Fig. 1 Altitude and geographical division of the study area

2.2 数据源

黄土高原边界矢量数据来源于中国科学院地理科学与资源研究所资源环境科学与数据中心（http://www.resdc.cn）。县级行政区划矢量数据来源于国家基础数据地理中心1:400万数据库。本文以2018年行政区划数据为标准，黄土高原区域将所有的市辖区按照所管辖的各个县、区独立作为研究单元，由此共得到331个县（区）级研究单元。数字高程模型（Digital Elevation Model, DEM）来源于中国科学院计算机网络信息中心地理空间数据云（http://www.gscloud.cn），坐标系统为UTM/WGS 84，空间分辨率为30 m，生产年份为2000年。黄土高原地区地理分区（2000年）数据来源于国家地球系统科学数据中心（http://loess.geodata.cn/）。

3 研究方法

研究方法可大致分为3个步骤：① 从不同角度出发，构建多个地形破碎化测度指标，以期完成对地形破碎化特征的全面描述和表征； ② 利用模拟退火自动分区（Automated Zoning Procedure - Simulated Annealing，AZP-SA）方法对地形破碎化指标进行空间分区，探究县域尺度黄土高原地形破碎化的空间分区特征和规律； ③ 针对空间分区只能够说明分区之间具有差异而无法表达分区之间地形破碎化程度的问题，采用客观赋权法（Criteria Importance Though Intercrieria Correlation, CRITIC）计算各指标的权重，对研究区内各个空间单元的地形破碎化进行综合评价分级，以说明不同区域地形破碎化程度的差异。

3.1 地形破碎化测度指标体系构建

地形破碎化指标用于表达不同地形特征和空间分布，研究者根据地形因子的空间特征和运用情景将其分类分析。有学者利用DEM数据直接和间接得到的地形因子，将其可分为单因子属性和复合因子属性[36]；依据地形的计算特性可划分局部和非局部地形因子[37]；还有学者认为地表由不同大小坡面所构成，微观和宏观坡面因子分别可反映小尺度下地表单元的形态、变形等特征[38]，大尺度下地表总体形态特征[39]。从地形的局部性和整体性出发选取地形因子，能从不同尺度表达地表形态的局部破碎化和地貌的整体连续性。研究从整体破碎、正负地形和地形过渡3个方面入手，共选取高程标准差、正地形占比和5°~15°坡度面积比等12个地形因子构建黄土高原地形破碎化指标体系（表1）。其中大多数指标的计算参考以往研究采用的公式[40]，而正、负地形占比是从微观角度出发衡量地形基于基准高程凸起和凹陷区域的面积占比。其中，正、负地形占比是考虑每个县域的基准高程计算所得到，通过使用直方图，核密度估计的方法得到基准高程，把超过基准高程的区域视为正地形，把低于基准高程的区域视为负地形，统计出面积，计算出占整个县域的面积占比。
表1 地形破碎化测度指标体系

Tab. 1 Index system of terrain fragmentation measurement

指标分类 指标名称 指标缩写 计算方式
整体破碎 高程标准差/m ESD 区域内所有像元高程值的标准差
流域密度/（个/km2） WD 根据DEM划分出区域内流域个数与区域总面积比值
地形起伏度/m TR 区域内最高点海拔高度与最低点海拔高度的差值
地表粗糙度/（m2/m2） SR 特定区域内地球表面积与其投影面积之比
沟谷密度/（km/km2） VD 单位面积内的沟谷长度
山脊密度/（km/km2） RD 单位面积内的山脊线长度
正负地形 正地形占比/% PTR 高于基准高程值像元个数与区域总像元个数比值
负地形占比/% NTR 低于基准高程值像元个数与区域总像元个数比值
地形过渡 2°~5°坡度面积比/% S0205 坡度在2°~5°内的像元数与区域内总像元个数比值
5°~15°坡度面积比/% S0515 坡度在5°~15°内的像元数与区域内总像元个数比值
15°~35°坡度面积比/% S1535 坡度在15°~35°内的像元数与区域内总像元个数比值
35°~90°坡度面积比/% S3590 坡度在35°~90°内的像元数与区域内总像元个数比值

注：表中所有指标缩写全称为ESD（Elevation Standard Deviation）、WD（Watershed Density）、TR（Terrain Relief）、SR（Surface Roughness）、VD（Valley Density）、RD（Ridge Density）、PTR（Positive Terrain Ratio）、NTR（Negative Terrain Ratio）、S0205（2°~5° Slope Area Ratio）、S0515 （5°~15° Slope Area Ratio）、S1535（15°~35° Slope Area Ratio）、S3590（35°~90° Slope Area Ratio）。

3.2 基于模拟退火自动分区方法的地形破碎化空间分区

模拟退火自动分区（AZP-SA）为一种空间聚类方法，它既考虑了空间分布的连续性，又考虑了属性的同质性，使得同一类的空间单元之间空间分布连续且属性具有较高的同质性，不同类的空间单元分布离散，因而AZP-SA有助于更好地同步挖掘地理现象连续和分散的空间分布规律。1977年Openshaw[41]提出自动分区流程（AZP）用以分析不同空间单元的地理分布格局。AZP的核心是一个启发式算法，目的是生成多个单元内几组区域子集，使得同一区域子集在空间分布上连续且具有属性的同质性，其中同质性的测度标准是最小化平方和。模拟退火算法是一种经典的启发式优化算法，根据固体物质从高温到低温的退火原理设计算法步骤，即从某一较高的温度出发（初始温度），随着温度参数不断下降，算法的解趋于稳定，但这种稳定解可能是局部最优，此时模拟退火算法会以一定的概率跳出这种局部最优解，更有可能寻找到全局最优解。因而本研究采用模拟退火算法的空间自动分区流程，可获得全局最优的空间聚类结果。采用R语言[42]环境进行地形破碎化特征的AZP-SA分析，得到地形破碎化初始分区，核心方法用rgeoda (0.0.9)[43]包中的azp_sa函数实现。采用ArcGIS进行初始分区结果的归纳综合，生成最终的地形破碎化空间分区，并进行分区结果的地图可视化。

3.3 基于客观赋权法的地形破碎化分级

CRITIC客观赋权法是1995年Diakoulaki等[44]提出的一种比标准离差法和熵权法更好的客观赋权方法，其权重是由指标的对比强度和指标之间的冲突性综合确定。单个指标的标准差越大，说明数值波动大，权重应该分配越高；2个指标之间的相关性越大，说明与其他指标的冲突性越小，权重应该分配的越低。采用CRITIC赋权法确定指标权重及地形破碎化综合评价指数，此方法的主要计算过程如下：
（1）指标归一化
由于指标之间量纲具有差异性，为消除因量纲差异对评价结果的影响，需要对各指标进行归一化处理，以确保度量单位统一且服从0~1之间的统计概率分布。
S i j = ( X i - X m i n ) / ( X m a x - X m i n )
式中：Xi 和Sij 分别是消除量纲过程中数据归一化处理前后的值；Xmax 和Xmin分别为指标值的最大值和最小值。
（2）指标变异性、冲突性和信息量确定
CRITIC 赋权法以标准差和相关系数反映各指标间的变异性与冲突性。指标间的变异性Vj，指标间的冲突性Rj 和单个指标的信息量Cj 分别表示为
V j = ∑ i = 1 n ( S i j - S - j ) 2 / ( n - 1 )
R j = ∑ i = 1 n ( 1 - r i j )
C j = V j ∑ i = 1 n ( 1 - r i j )
式中：Vj 为第j 个指标的标准差；rij为评价指标i 和指标j之间的相关系数；n 为一个评价指标的评价数量；Cj 越大表示该指标所包含的信息量越大，在评价体系中重要性越大。
（3）权重计算和地形破碎化综合评价指数
将第j 个指标的信息量占总信息量的比重作为该指标的客观权重系数，地形破碎化综合评价指数（TF）可以表示为：
T F = C j / ∑ i = 1 n C j × S i j
式中：n为单一指标的数量；Sij为消除量纲过程中数据归一化处理后的值。

4 研究结果

4.1 不同地形破碎化特征

依据黄土高原DEM数据，将生成的各类地形破碎化指标的栅格图层按照县域进行分区统计，为显示类与类之间的差异最大化，结果通过自然断点分级法显示，得到各类地形破碎化指标空间分布特征。不同地形破碎化指标的空间分布存在相同的趋势（图2），指标之间可能具有相关性。因此，构建的特征数据集存在指标冗余，需要进行代表性特征的筛选，整合相关性较高的特征因子，消除信息重叠对地形破碎化研究造成的影响。研究基于相关系数矩阵筛选代表性特征（图3（a）），为保证指标分配的合理性，在筛选出指标的相关系数值低于0.75的同时，需要兼顾指标分类中指标数量的均衡性。发现S1535与TR、S0205的相关性系数高达0.9、-0.92；同时，其与SR、VD和RD的相关性系数较高，分别为0.83、-0.82和-0.77。由于这6个特征因子属于同类型指标，同步选取会对地形破碎化的最终研究结果造成影响，并且考虑到不同统计窗口计算的TR差别较大，县域尺度内的ESD在一定程度上也可表达地形的起伏程度。因此，保留S1535，去除TR、SR、VD、RD和S0205得到7个相关程度较小的地形破碎化指标（图3（b））。
图2 2000年黄土高原地形破碎化指示因子空间分布

Fig. 2 Spatial distribution map of indicator factors of terrain fragmentation in the Loess Plateau in 2000

图3 地形破碎化指标的相关系数矩阵

Fig. 3 Correlation coefficient matrix of terrain fragmentation index

4.2 地形破碎化空间分区结果

相关系数矩阵筛选得到的7个地形破碎化指标，为减少同一级中差异、增加不同级间差异，采取AZP-SA方法对各县域进行地形破碎化分区处理。依据平均类内距离，研究对AZP-SA方法的输入类别为5，从而得到的原始分区空间分布（图4（a））。其中，原始分区从Level 1—Level 5，面积占比分别为27.57%、28.81%、16.25%、17.67%和9.70%。虽然原始分区的地形破碎化能精确反映各个县域的破碎化程度，但是零散的分区结果不利于决策者制定统一的政策，更不利于政策的执行与预期效率的发挥。因此，在原始分区基础上，根据真实结果所反映的趋势、格局和规律，对原始分区结果进行人工分区综合（图4），以凸显此区域地形破碎化的基本规律。为保证分区内部的相似性和一致性，以及分区之间的邻接性与完整性，采用“层次分明，水平相当，区域完整”的综合原则。层次分明，即根据破碎化程度相似的不同县域空间聚集特征，划分等级；水平相当，即尽量确保同一分区内部的破碎化程度相似性一致；区域完整，即尽量确保每一分区的区划完整性与边界的空间连续性。最终得到分区明显、区域完整性较好的8个区域（图4（b））。其中，Zone A 位于黄土高原的西部和南部，包含陇中高原，秦岭北部区域；Zone B、Zone C 和 Zone E位于黄土高原的中部，主要分布在六盘山区、陕北高原和关中盆地等区域；Zone D 和 Zone F位于黄土高原北部，主要分布在鄂尔多斯高原和吕梁山脉；Zone G 和 Zone H 位于黄土高原东部，主要分布在太行山脉。
图4 2000年黄土高原地形破碎化空间分区

Fig. 4 Spatial division of terrain fragmentation in the Loess Plateau in 2000

依据相关系数矩阵剔除冗余特征因子，对AZP-SA方法得到的结果进行人工综合，最终得到的8个分区，Zone A—Zone H 的面积占比分别为10.85%、17.31%、13.32%、21.47%、4.7%、14.27%、6.79%和11.3%。其中，Zone B、Zone C、Zone D和Zone F分区主要分布在中部和北部区域，占据黄土高原总面积的66.37%，表征黄土高原大部分县域地形破碎化以此区域为主；另外4个分区面积占比为33.63%，分布在黄土高原的西部、南部以及东部边缘区，表征黄土高原地形破碎化的空间分异具有中心区简单、边缘区复杂的特点。

4.3 地形破碎化分级

CRITIC赋权法利用各指标之间的对比强度和冲突性确定各指标的权重系数。基于CRITIC赋权法判定的指标的权重（表2）较大的为2°~5°坡度面积比、负地形占比、正地形占比、5°~15°坡度面积比和15°~35°坡度面积比，说明这些指标所反映的信息量大，对黄土高原地形破碎化的解释力强；权重较小的为高程变异、流域密度和35°~90°坡度面积比，说明这些指标所反映的信息量小，对地形破碎化程度的解释较弱。
表2 CRITIC客观赋权法各指标权重系数

Tab. 2 Weight coefficients of indicators of CRITIC objective weighting method

整体破碎 正负地形 地形过渡
变量 ESD WD PTR NTR S0515 S1535 S3590
权重 0.123 3 0.046 3 0.190 2 0.200 4 0.188 9 0.182 6 0.068 3
黄土高原地形破碎化可依据CRITIC赋权法进行空间综合分级。根据自然间断点法分为5个等级（图5），从低值到高值依次排列：低破碎化（0~0.15）、较低破碎化（0.15~0.25）、中等破碎化（0.25~0.34）、较高破碎化（0.34~0.40）和高破碎化（>0.40）。具体地，低破碎化和较低破碎化县域大部分分布在关中盆地、汾河谷地和鄂尔多斯高原，高破碎化县域集中分布在陇中高原、陕北高原和渭河以南秦岭以北地区，另外山西高原还分布有11个县城，其他区域均处于中等破碎化和较高破碎化，说明黄土高原破碎化程度具有西部高、北部低的规律。地形破碎化的空间分级研究不仅能够精准识别黄土高原各空间单元内部的地形破碎化程度，还能得到全域内各个空间单元之间的异质性差异。
图5 2000年黄土高原地形破碎化分级

Fig. 5 Classification map of Loess Plateau terrain fragmentation in 2000

综合评价的结果可将黄土高原地形破碎化分为5级（图6），中等和较高破碎化占多数区域，主要分布在黄土高原中部的陕北高原和东部的陕西高原，覆盖了55%的县域单元，高破碎化区域占总面积的13%，主要位于黄土高原西部的陇中高原、陕北高原和南部秦岭附近区域。具体地，中等和较高破碎化分别包含92个和90个县域，共占黄土高原总面积的54%，表征黄土高原大部分的区域具有空间相似性；较低破碎化区域包含有64个县城，占总面积的21%，表征此等级地形相对平坦，较其他等级的差异性较突出；低、高破碎化分别包含黄土高原36，49个县城，面积占比分别为12%、13%，表征25%的空间单元差异性明显，且地形复杂和破碎最严重的区域仅占总面积的13%。因此，各个破碎化等级所包含的县城个数及面积占比一定程度上表明了黄土高原各县域之间的地形破碎化具有空间异质性特征。
图6 2000年黄土高原地形破碎化等级统计

Fig. 6 Statistical map of the terrain fragmentation level of the Loess Plateau in 2000

5 讨论

黄土高原地理分区和本文地形破碎化分区分别基于不同视角对黄土高原区域进行划分。地理分区是依据黄土高原地貌形态和成因发育的地区性差异的划分，不同地貌分区其黄土地貌特征、形态组合主要受地质构造的控制；而综合分区是考虑多个地形特征和区域发展规划，从地形破碎化角度较为精确地反映区域的实际破碎化特征，不同分区之间具有较大的差异，但分区内部各县域破碎化具有极大的相似性。通过划分的结果进行对比，可发现地理分区和综合分区的整体范围具有相似性，但在分区边界上存在较大差异，表明研究得到的地形破碎化分区较为准确，可有效反映黄土高原地形破碎化的分异规律。同时，发现黄土高原地形破碎化各分区内部连续，各区之间离散，符合地理学第一和第二定律。同一分区内各县域地形破碎化特征相同，根据地理学第三定律[45]推测，分区内部的社会经济、生态环境、道路交通等的发展也具备某种相似性，进而有助于在同一分区内进行政府区域管理政策的制定、地方发展规划的实施。
研究主要面向地形限制下政府管理的高效性和政策制定的针对性，因而基于县级尺度进行了地形破碎化的空间分区、评价分级以及空间异质性研究，未来研究中需要尝试其他空间单元的划分（如空间格网、自然流域）方法，实现不同尺度的地形破碎化测度与空间分析。此外，结合社会经济、区域环境、生态修复、农业发展等长时序数据，研究地形破碎化对不同方面的影响，从而有针对性地制定地形破碎化的应对策略。构建的地形破碎化测度体系，从不同视角描述地形分布的破碎化特征，可有效评估黄土高原的地形破碎化程度；实现了地形破碎化空间分区和评价分级，提供了一个可行的、较为全面的地形破碎化空间异质性分析方法。研究使用空间分区和评价分级方法不仅适用于黄土高原地区地形破碎化测度与分析，还适用于其他多山地区的地形破碎化测度与分析，但具体指标的选取需要依据地形地貌特征以及数据的精度进行多方面考虑。研究结果对于山区可持续发展、山区交通可达性评估、城乡一体化发展等具有重要参考价值。

6 结论

研究依据地形分布的整体破碎、正负地形和地形过渡3个方面，构建了包含12个地形特征的黄土高原地形破碎化测度体系，从地形破碎化空间分区和评价分级2个方面分析了不同空间单元地形破碎化的相似性和差异性，在此基础上，探究了黄土高原各空间单元的空间异质性特征。得出以下结论：
（1）地形破碎化指标在空间上整体表现为连片集聚分布，不同指标的分布展示了多样化的地形破碎化空间分异，高程标准差、地形起伏度等指标的高值单元主要位于陇中高原和秦岭附近区域，低、中值单元主要分布在六盘山-渭河以北区域；正、负地形占比指标高值单元的空间分布相较于其他指标无明显集聚特征；其中，本研究提出的正负地形占比指标为地形破碎化、地形复杂度等研究提供了新思路。
（2）黄土高原可划分为空间上连续的8个地形破碎化分区，最大和最小分区面积占比分别为21.47%和4.70%，位于鄂尔多斯高原和关中盆地；面积最大的4个分区位于高原中部的陕北高原、吕梁山脉以及北部的鄂尔多斯高原等地区，呈倾斜“田”字型分布，面积占比为66.37%；其余分区位于高原西部和东南部边缘，面积较小、形状狭长，表明黄土高原地形破碎化的空间分异具有中心区简单、边缘区复杂的特点。
（3）黄土高原地形破碎化程度分为5级，中等和较高破碎化区域面积占比达到54%，主要分布在黄土高原中部的陕北高原和东部山西高原，而高破碎化区域占总面积的13%，位于黄土高原西部的陇中高原和南部的秦岭附近，地形破碎化呈现西部高、北部低的空间分布特征。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Babí Almenar J, Bolowich A, Elliot T, et al. Assessing habitat loss, fragmentation and ecological connectivity in Luxembourg to support spatial planning[J]. Landscape and Urban Planning, 2019, 189:335-351. DOI:10.1016/j.landurbplan.2019.05.004

DOI

[2]
朱佩娟, 郎泽慧, 贺清云, 等. 长沙城市空间破碎化的格局特征及其影响因素[J]. 地理研究, 2020, 39(8):1739-1754.

DOI

[Zhu P J, Lang Z H, He Q Y, et al. The pattern characteristics and influencing factors of urban space fragmentation in Changsha[J]. Geographical Research, 2020, 39(8):1739-1754.] DOI:10.11821/dlyj020191108

DOI

[3]
Tang G A, Song X D, Li F Y, et al. Slope spectrum critical area and its spatial variation in the Loess Plateau of China[J]. Journal of Geographical Sciences, 2015, 25(12):1452-1466. DOI:10.1007/s11442-015-1245-0

DOI

[4]
程维明, 周成虎, 申元村, 等. 中国近40年来地貌学研究的回顾与展望[J]. 地理学报, 2017, 72(5):755-775.

DOI

[Cheng W M, Zhou C H, Shen Y C, et al. Retrospect and perspective of geomorphology researches in China over the past 40 years[J]. Acta Geographica Sinica, 2017, 72(5):755-775.] DOI:10.11821/dlxb201705001

DOI

[5]
傅伯杰. 黄土高原土地利用变化的生态环境效应[J]. 科学通报, 2022, 67(32):3769-3779,3768.

[Fu J F. Ecological and environmental effects of land-use changes in the Loess Plateau of China[J]. Chinese Science Bulletin, 2022, 67(32):3769-3779,3768.]

[6]
熊礼阳, 汤国安, 杨昕, 等. 面向地貌学本源的数字地形分析研究进展与展望[J]. 地理学报, 2021, 76(3):595-611.

DOI

[Xiong L Y, Tang G A, Yang X, et al. Geomorphology-oriented digital terrain analysis: Progress and perspectives[J]. Acta Geographica Sinica, 2021, 76(3):595-611.] DOI: 10.11821/dlxb202103008

DOI

[7]
周亮, 党雪薇, 周成虎, 等. 中国建设用地的坡谱演化规律与爬坡影响[J]. 地理学报, 2021, 76(7):1747-1762.

DOI

[Zhou L, Dang X W, Zhou C H, et al. Evolution characteristics of slope spectrum and slope-climbing effects of built-up land in China[J]. Acta Geographica Sinica, 2021, 76(7):1747-1762.] DOI:10.11821/dlxb202107013

DOI

[8]
Wu X T, Wei Y P, Fu B J, et al. Evolution and effects of the social-ecological system over a millennium in China's Loess Plateau[J]. Science Advances, 2020, 6(41):eabc02 76. DOI:10.1126/sciadv.abc0276

DOI

[9]
Fu B J, Wang S, Liu Y, et al. Hydrogeomorphic ecosystem responses to natural and anthropogenic changes in the loess plateau of China[J]. Annual Review of Earth and Planetary Sciences, 2017, 45:223-243. DOI:10.1146/annurev-earth-063016-020552

DOI

[10]
Chen L D, Wei W, Fu B J, et al. Soil and water conservation on the Loess Plateau in China: Review and perspective[J]. Progress in Physical Geography: Earth and Environment, 2007, 31(4):389-403. DOI:10.1177/0309133307081290

DOI

[11]
Bian F, Yeh A G O. Spatial-economic impact of missing national highway links on China's regional economy[J]. Transportation Research Part D: Transport and Environment, 2020, 84:102377. DOI:10.1016/j.trd.2020.102377

DOI

[12]
Li B, Gao S, Liang Y L, et al. Estimation of regional economic development indicator from transportation network analytics[J]. Scientific Reports, 2020, 10:2647. DOI:10.1038/s41598-020-59505-2

DOI PMID

[13]
周成虎, 程维明. 《中华人民共和国地貌图集》的研究与编制[J]. 地理研究, 2010, 29(6):970-979.

[Zhou C H, Cheng W M. Research and compilation of the geomorphological atlas of the people's republic of China[J]. Geographical Research, 2010, 29(6):970-979.]

DOI

[14]
汤国安, 宋佳. 基于DEM坡度图制图中坡度分级方法的比较研究[J]. 水土保持学报, 2006, 20(2):157-160,192.

[Tang G A, Song J. Comparison of slope classification methods in slope mapping from DEMs[J]. Journal of Soil and Water Conservation, 2006, 20(2):157-160,192.] DOI: 10.13870/j.cnki.stbcxb.2006.02.038

DOI

[15]
Qiu H J, Deep Regmi A, Cui P, et al. Size distribution of loess slides in relation to local slope height within different slope morphologies[J]. CATENA, 2016, 145:155-163. DOI:10.1016/j.catena.2016.06.005

DOI

[16]
Dos’ko S I, Molchanov A A, Bushuev S V, et al. More efficient measurements of surface relief[J]. Russian Engineering Research, 2022, 42(3):214-217. DOI:10.3103/S1068798X22030042

DOI

[17]
Kharchenko S V. Spectral geomorphometric variables: the computation and using in the landform mapping[J]. Geodesy and Cartography, 2022, 983(5):28-41. DOI:10.22389/0016-7126-2022-983-5-28-41

DOI

[18]
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.

DOI

[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.] DOI:10.11947/j.AGCS.2017.20170388

DOI

[19]
封志明, 李文君, 李鹏, 等. 青藏高原地形起伏度及其地理意义[J]. 地理学报, 2020, 75(7):1359-1372.

DOI

[Feng Z M, Li W J, Li P, et al. Relief degree of land surface and its geographical meanings in the Qinghai-Tibet Plateau, China[J]. Acta Geographica Sinica, 2020, 75(7):1359-1372.] DOI:10.11821/dlxb202007003

DOI

[20]
Mandelbrot B. How long is the coast of Britain? Statistical self-similarity and fractional dimension[J]. Science, 1967, 156(3775):636-638. DOI:10.1126/science.156.3775.636

DOI PMID

[21]
Takahashi S, Ikeda T, Shinagawa Y, et al. Algorithms for extracting correct critical points and constructing topological graphs from discrete geographical elevation data[J]. Computer Graphics Forum, 1995, 14(3):181-192. DOI:10.1111/j.1467-8659.1995.cgf143_0181.x

DOI

[22]
唐盟, 马劲松, 王颖, 等. 1947年中国南海断续线精准划定的地形依据[J]. 地理学报, 2016, 71(6):914-927.

DOI

[Tang M, Ma J S, Wang Y, et al. Spatial demarcation principles of the Dotted Line in the South China Sea[J]. Acta Geographica Sinica, 2016, 71(6):914-927.] DOI:10.11821/dlxb201606002

DOI

[23]
Xiong L Y, Tang G A, Zhu A X, et al. A peak-cluster assessment method for the identification of upland planation surfaces[J]. International Journal of Geographical Information Science, 2017, 31(2):387-404. DOI:10.1080/13658816.2016.1205193

DOI

[24]
陈述彭, 岳天祥, 励惠国. 地学信息图谱研究及其应用[J]. 地理研究, 2000, 19(4):337-343.

DOI

[Chen S P, Yue T X, Li H G. Studies on geo-informatic tupu and its application[J]. Geographical Research, 2000, 19(4):337-343.] DOI:10.3321/j.issn:1000-0585.2000.04.001

DOI

[25]
蒋圣, 汤国安, 杨昕, 等. 基于DEM的黄土高原地形纹理概念模型[J]. 地球信息科学学报, 2021, 23(6):959-968.

DOI

[Jiang S, Tang G A, Yang X, et al. Conceptual model of terrain texture in loess plateau based on DEM[J]. Journal of Geo-information Science, 2021, 23(6):959-968.] DOI:10.12082/dqxxkx.2021.200411

DOI

[26]
Liu Y J, Cao J J, Wang L P, et al. Regional features of topographic relief over the Loess Plateau, China: Evidence from ensemble empirical mode decomposition[J]. Frontiers of Earth Science, 2020, 14(4):695-710. DOI:10.1007/s11707-020-0819-z

DOI

[27]
潘竟虎, 冯娅娅. 中国农村深度贫困的空间扫描与贫困分异机制的地理探测[J]. 地理学报, 2020, 75(4):769-788.

DOI

[Pan J H, Feng Y Y. Spatial distribution of extreme poverty and mechanism of poverty differentiation in rural China based on spatial scan statistics and geographical detector[J]. Acta Geographica Sinica, 2020, 75(4):769-788.] DOI:10.11821/dlxb202004008

DOI

[28]
陈霄燕, 潘军, 邢立新, 等. 桂林-阳朔地区DEM地形特征与岩性相关性分析及分类研究[J]. 地球信息科学学报, 2019, 21(12):1867-1876.

DOI

[Chen X Y, Pan J, Xing L X, et al. Correlation analysis and classification of DEM topographic features and lithology in Guilin-Yangshuo, China[J]. Journal of Geo-information Science, 2019, 21(12):1867-1876.] DOI:10.12082/dqxxkx.2019.190402

DOI

[29]
Gercek D, Toprak V, Strobl J. Object-based classification of landforms based on their local geometry and geomorphometric context[J]. International Journal of Geographical Information Science, 2011, 25(6):1011-1023. DOI:10.1080/13658816.2011.558845

DOI

[30]
Drăguţ L, Dornik A. Land-surface segmentation as a method to create strata for spatial sampling and its potential for digital soil mapping[J]. International Journal of Geographical Information Science, 2016, 30(7):1359-1376. DOI:10.1080/13658816.2015.1131828

DOI

[31]
Dekavalla M, Argialas D. Evaluation of a spatially adaptive approach for land surface classification from digital elevation models[J]. International Journal of Geographical Information Science, 2017, 31(10):1978-2000. DOI: 10.1080/13658816.2017.1344984

DOI

[32]
Cheng L, Guo Q S, Fei L F, et al. Multi-criterion methods to extract topographic feature lines from contours on different topographic gradients[J]. International Journal of Geographical Information Science, 2022, 36(8):1629-1651. DOI:10.1080/13658816.2021.2024194

DOI

[33]
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

[34]
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.

DOI

[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

[35]
胡胜, 邱海军, 王宁练, 等. 地形对黄土高原滑坡的影响[J]. 地理学报, 2021, 76(11):2697-2709.

DOI

[Hu S, Qiu H J, Wang N L, et al. The influence of terrain on loess landslides in Loess Plateau[J]. Acta Geographica Sinica, 2021, 76(11):2697-2709.] DOI:10.11821/dlxb202111008

DOI

[36]
Wilson T H. Some distinctions between self-similar and self-affine estimates of fractal dimension with case history[J]. Mathematical Geology, 2000, 32(3):319-335. DOI: 10.1023/A:1007585811281

DOI

[37]
Florinsky I V. Accuracy of local topographic variables derived from digital elevation models[J]. International Journal of Geographical Information Science, 1998, 12(1):47-62. DOI:10.1080/136588198242003

DOI

[38]
李晓恩, 周亮, 苏奋振, 等. InSAR技术在滑坡灾害中的应用研究进展[J]. 遥感学报, 2021, 25(2):614-629.

[Li X E, Zhou L, Su F Z, et al. Application of InSAR technology in landslide hazard: Progress and prospects[J]. Journal of Remote Sensing, 2021, 25(2):614-629.]

[39]
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.]

[40]
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.]

[41]
Openshaw S. A geographical solution to scale and aggregation problems in region-building, partitioning and spatial modelling[J]. Transactions of the Institute of British Geographers, 1977, 2(4):459. DOI:10.2307/622300

DOI

[42]
R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/,2021.

[43]
Li X, Anselin L. rgeoda: R library for spatial data analysis[CP]. R package version 0.0.9.2022.

[44]
Žižović M, Miljković B, Marinković D. Objective methods for determining criteria weight coefficients: A modification of the CRITIC method[J]. Decision Making: Applications in Management and Engineering, 2020, 3(2):149-161. DOI:10.31181/dmame2003149z

DOI

[45]
朱阿兴, 闾国年, 周成虎, 等. 地理相似性:地理学的第三定律?[J]. 地球信息科学学报, 2020, 22(4):673-679.

DOI

[Zhu A X, Lv G N, Zhou C H, et al. Geographic similarity: Third law of geography?[J]. Journal of Geo-information Science, 2020, 22(4):673-679.] DOI:10.12082/dqxxkx.2020.200069

DOI

Options
Outlines

/

〈 〉