基于DE M的小流域土地利用分析模型研究與實踐

雷秀麗,楊澤東,馬雪梅,肖 燕,李希峰

(1.測繪出版社,北京 100045;2.南京師范大學地理科學學院,江蘇南京 210097;3.聊城大學環境與規劃學院,山東聊城 252059;4.聊城大學建筑工程學院,山東聊城 252059)

基于DE M的小流域土地利用分析模型研究與實踐

雷秀麗1,楊澤東2,馬雪梅3,肖 燕3,李希峰4

(1.測繪出版社,北京 100045;2.南京師范大學地理科學學院,江蘇南京 210097;3.聊城大學環境與規劃學院,山東聊城 252059;4.聊城大學建筑工程學院,山東聊城 252059)

采用DEM數據和各種土地利用類型矢量數據,運用 GIS空間分析方法,設計土地利用分析模型,實現各種土地利用類型在不同地形因子影響下的空間分布現狀的分析和顯示,為區域土地利用規劃或優化土地利用結構提供決策服務。

土地利用;地形因子;DEM;ArcGIS

一、引 言

我國是一個多山的國家,山區土地資源的利用非常重要,然而由于自然以及人為原因造成的坡地水土流失,一直困擾著山區經濟的發展,如何科學合理地利用和保護現有的緊缺土地資源特別是坡耕地,解決生態退耕,一直是備受關注和急需解決的問題。

山區地形復雜多變,自然土地分布具有顯著的空間分異性,并形成了復雜的山地景觀,由于目前國內關于土地利用類型分布的研究絕大部分注重某行政區范圍內的土地利用數量的研究,并非注重打破行政區界的整體的土地利用空間分布格局,這就造成空間上連續的同一土地利用類型因為行政區域不同而被分別進行規劃和管理,而不能正確反映一個自然小流域內的土地利用總體分布狀況。本文設計了基于DEM的小流域土地利用空間分布分析模型,以自然小流域為研究區域,打破了行政區界的限制。

本文利用自主設計的分析模型,結合現有土地利用數據以及相應區域的 DEM數據,通過疊加、融合等技術手段,研究主要土地利用類型在坡度、高程等不同地形因子影響下的分布特征,通過計算不同地形因子下各土地利用類型的分布頻率,更加深入地了解土地利用空間分布現狀以及地形因子對土地利用類型的影響,為區域土地資源合理利用提供決策依據。

二、數據處理流程及模型實現

1.處理方法及流程

在山區小流域中,坡度、高程、坡向是土地資源固有的重要環境因子,綜合各種土地利用類型的選擇性、適應性以及各種地形區域的生態敏感性,大體可界定為:坡度、坡向影響不同農業組分的分布,而高程則在一定程度上影響土地的開發利用。因此坡度、坡向、高程三個地形因子構成了土地利用類型分布的基本框架。

設計模型擬實現如下目標:以流域地區DEM數據和土地利用類型數據為基礎數據,經過疊加、重分類等 GIS空間分析方法,結合匯總統計法獲取各坡度和高程級別的土地利用類型分布和面積等數據。用戶可根據特定需求將統計結果以折線圖的形式顯示。

在數據處理過程中,涉及柵格與矢量轉換和二者之間的裁切操作以及在數據準備之初的矢量化誤差,難免造成區域面積誤差,為消除面積誤差的影響,引入分布指數 P

式中,P代表分布指數;e代表地形因子,分別為坡度、高程、坡向等;Sie代表 e地形因子特定等級下的i地類的面積;Si是 i地類的面積;Se是整個區域 e地形因子特定等級下的總面積;S是整個區域面積。由該公式即可得到基本地形因子分布指數。

依據上述分析思路,列出具體操作流程,如圖 1所示。

圖 1 小流域土地利用空間分布分析流程

2.模型的實現

本文采用的操作環境為:CPU 1.7 GHz,內存512MB,操作系統Windows XP 2000,軟件開發平臺采用 ArcGIS 9.3的 ArcToolBox,開發語言 Python。模型主要由以下幾個功能子模塊來實現。

(1)截取 DEM,獲得研究區域范圍數據

在現實操作中,可獲得的DE M數據無非兩種方式:硬拷貝獲取或者網上下載。為保證數據獲取的完整性,所獲得的 DE M數據一般地理范圍要比實際操作范圍大得多,因此為減少計算量,首先需要對 DE M數據進行掩膜裁剪,以獲得研究區域范圍的數據。

(2)計算土地利用類型在各特定地形級別的

分布面積

分析所需數據為土地利用類型數據和重分類數據。由于在數字地形分析中存在多種基本地形因子以及不同地區地形因子對土地利用類型的影響權重不同,為實現模型的通用性,特將地形因子的重分類數據作為基礎數據,由用戶根據所研究區域的實際情況自行設計標準進行分類。

將分類好的地形因子數據轉換為矢量數據,并通過融合和字段統計工具,統計出各特定級別地形因子的分布面積,然后將其與土地利用類型數據進行相交處理,并按照上述方法做同樣處理,獲得土地利用類型在各特定地形級別的分布面積。

(3)計算土地利用類型在各特定地形級別的

分布比率

將地形面積數據和土地利用類型面積數據按照地形分類進行連接,使二者的屬性數據同時在地形面積數據屬性表上顯示,計算 Index字段即可獲得土地利用類型在各特定地形級別的分布比率。

(4)消除面積影響

在上述操作中涉及數據轉換、數據裁剪以及矢量化的誤差,在統計土地利用類型在各特定地形級別的分布比率時不可避免地產生面積上的誤差,因此引入分布指數,消除面積誤差,計算土地利用類型在各特定地形級別的分布頻率 (指相對分布頻率,不代表具體數字含義)。

(5)自動消除衍生數據

該模型運行過程中,會生成 10多個數據,這些數據阻止了用戶第二次運行模型,為提高模型的運行效率,有必要引入數據自檢機制,根據用戶需求自動刪除衍生數據。

(6)分析結果顯示

根據用戶需求,以折線圖形式顯示分析結果。

三、試 驗

本文選取的試驗區域為青島市白沙河流域。白沙河流域為低山丘陵地,山多地少,地面平均海拔為 55 m左右,地表水常年控制在 3 m左右,該區域最高海拔處——嶗山頂,海拔 1 133 m,位于嶗山山脈,流域位于中緯度暖溫帶季風氣候區,降水量充足、濕潤溫和、四季分明,然而受地形地貌和人為因素的影響,對坡耕地的不合理應用,造成了該區的水土流失,大量土地資源得不到應用。

1.數據來源

本研究采用的數據主要有 1∶50 000地形圖;相應比例尺的DEM數據,30m空間分辨率,并通過對DEM進行分析獲得研究區的高程和坡度數據;為方便起見,土地利用數據為遙感影像分類得到。

2.模型分析結果

模型的操作界面如圖 2所示。

通過設計的土地利用空間分析模型,可以根據用戶需要計算在各種地形影響因子影響下的土地利用情況,如農作物在不同坡度、坡向下的種類和分布,林地在不同高程下的分布情況等。

圖 2 模型操作界面

僅以白沙河流域的耕地、園林、林地在坡度因子影響下 7的分布為例,分布頻率分別如圖 3～圖 5所示。

圖 3 耕地坡度分布頻率

圖 4 園林坡度分布頻率

圖 林地坡度分布頻率

從圖 3～圖 5中可以看出,耕地、園地、林地三種不同土地利用類型在不同的坡度等級上的分布趨勢。其中耕地的優勢坡度等級為第 1～3級(1°～15°),隨著坡度增大 ,其分布逐漸減少,而后在第 4級迅速下降,而在坡度大于 25°時,分布頻率幾乎達到零,這是由于耕地對坡度有較大的選擇性造成的;園地的優勢坡度等級為 2～4級,但就總體而言其分布還是較為平均的,一方面是因為園林對坡度有較大的適應性,另一方面是因為園林的種植對山區農民來說具有較大的經濟價值,因此在人口稠密區其仍有廣泛的分布;林地的分布則較前兩類不同,可以看出在第 3級之后,其分布幾乎成直線上升之勢,因為在眾多的土地利用類型中,林地對地形因子的適應性是最大的,由于在坡度較低范圍內耕地、園林等其他土地利用類型的廣泛分布,造成林地分布范圍向高坡度移動。

從圖 6也可以看出林地主要集中在高坡度區域。

圖 6 林地坡度分布示意圖

同樣,從圖 7可以看出林地主要集中在海拔150～500m之間。

根據小流域地區的地形特點,運用DEM和土地利用數據建立的數字模型能夠直觀地顯示土地利用空間格局與其所處地形因子的關系。在模型分析結果的基礎上還可以進一步開展有關坡度、坡向、高程等地形因子與土地利用空間適宜性等相關研究,從而為區域農業結構調整、各類土地資源的優化布局和土地資源可持續利用等提供理論依據。

圖 7 林地高程分布示意圖

四、結束語

本文借助 ArcGIS平臺,研究并設計了小流域土地利用空間分布分析模型,通過對青島白沙河流域地區的試驗,證明了該模型所得結果直觀、高效,并具有以下優點。

1.數據要求低

在本模型中,土地利用類型數據和DEM為基本輸入數據,本模塊對用戶輸入的這兩種數據,不做任何要求,模型遵照提高系統效率和質量的系統工程學思想,通過編輯設計 Python腳本模型,輸入數據的正規化模塊后臺運行,由模塊將數據轉換為符合要求的數據。例如:在模型運行時,自動為土地利用類型數據添加 Type字段,在大大節省用戶時間的同時,也由于自動化確保了字段填充的準確率。

2.自動檢索數據

通常在模型運行時,如果結果數據已經存在,模型一般會以?或△!提示,用戶須通過 Windows手動刪除數據,當數據非常多,而且儲存于不同的文件夾時,該工作是相當耗時的。為提高模型運行效率,本模型特引入自動檢索數據功能,模型會自動檢索指定文件夾內已存在的數據集,并在用戶的提示下進行自動刪除,大大提高了模型運行效率,也使得該模型同樣適合大型統計運算。

3.通用性較好

以往的統計模型中,習慣將分類標準按照示例數據設計,并引入到模型設計中去,這就在一定程度上減弱了模型的可移植性,將模型固定在只能研究和示例數據具有同樣地形屬性的地理范圍內,降低了模型的通用性,本模型在研究之初就將這一因素考慮在內,因此將重分類標準交由用戶來處理,用戶可以按照所研究地理范圍實際情況來確定分類標準。這樣就使得該模型適合于任何基本地形因子的統計分析,大大拓寬了模型的應用范圍。

4.模型模塊化

在實際操作中,由于用戶的工作性質不同,用戶擁有的基礎數據也就不同,為減少用戶的重復操作,提高模型運行效率,本模型中的五個子模塊只要是在符合數據標準的情況下 (參照數據介紹表)都可以作為獨立模型運行。節省了用戶的工作時間,提高了模型的運行效率。

[1]黃海洋,楊慶媛,王成.基于 DEM的土地利用類型與地形因子關系研究——以重慶市酉陽縣麻旺鎮為例[J].西南大學學報:自然科學版,2009,31(4):159-164.

[2]路云閣,許月卿,蔡運龍.基于遙感技術和 GIS的小流域土地利用/覆被變化分析 [J].地理科學進展,2005,24(1):79-86.

[3]韓建平,賈寧鳳.土地利用與地形因子關系研究——以磚窯溝流域為例[J].中國生態農業學報,2010,18(5):1071-1075.

[4]毛蔣興,李志剛,閆小培,等.深圳土地利用時空變化與地形因子的關系研究[J].地理與地理信息科學,2008,24(2):71-76.

Research and Practice of Land-use Analysis Model in Small Watershed Based on DEM

LEIXiuli,YANG Zedong,MA Xuemei,X IAO Yan,L IXifeng

0494-0911(2011)02-0052-04

P208

B

2010-10-22

聊城大學科研基金重點項目(X09042)

雷秀麗 (1979—),女,北京人,編輯,主要從事期刊的編輯工作。