打开文本图片集

摘要：本文基于水文分析和空间分析，自动提取山谷线、山脊线，划分小流域，形成坡位面，按照坡位分级原则，自动提取林地坡位栅格数据。经检验，本方法提取的坡位分级结果与实地调查情况相符，总体精度为88.23%。运用本方法可快速精准提取坡位信息，为林业生产发展提供科学的基础依据。

关键词：水文分析；山谷线；山脊线；流域面；坡位

引言

适地适树和精准造林作为科学实施森林经营的基础，精准林业是科学实施森林经营重要路径，精准评价林地立地条件是实施精准林业的前提[1]。不同的坡位，因其光照、雨水、土壤理化特征、地表径流等不同，导致适生树种、林木生长、林分结构、生态系统等也就不同，就需要因地制宜，确定不同的经营方式和经营措施。所以，在林地立地条件分析评价过程中，需要快速自动精确获取林地的坡位信息，为林业经营者规划林业生产提供科学依据，提高林业生产效率，推进精准林业建设。

坡位作为重要地形因子之一，影响着林分表层土壤养分、水分及理化性质的变化[2-3]，与林木生长、林分结构、植物群落以及生态系统的构建有着密切关系。坡位在森林经营管理、适地适树造林、天然更新及森林火灾防灭火工作中，也是重要的影响因子之一。施友文等[4]在研究中发现，坡位对格氏栲造林成活率及生长影响显著，胡继文等[5]研究指出，不同坡位的香樟人工林生长和林分结构差异较大，许晓银[6]研究发现不同坡位对米老排树高的影响差异显著，为合理营造生物防火带提供了一定的参考，凌继华等[7]研究指出，冀北山地上坡油松林的枯落物厚度和载量比其他坡位大。

坡位信息的获取，在传统的森林资源调查工作中，更多的通过对坡勾绘，现地调查，目测获取坡位信息，此项方法直观，获取因子多，但对调查人员专业技术要求高，花费时间长，人力物力财力消耗大，且结果易受地形因素和人为主观意识的影响，容易出现误差[8]。随着计算机技术的快速发展和GIS软件的出现，GIS在森林资源管理、林业信息化建设、森林和草原防火等方面广泛应用，林地地形因子信息自动提取的研究逐渐增多，但多数研究集中于基于数字高程数据，获取坡向、坡度级、海拔等地形因子，快速获取坡位信息的研究相对较少。本文通过数字高程模型（Digital Elevation Model，简称DEM），通过水分分析和空间分析相结合，进行流向、流量分析，提取河流、河口，构建流域面、形成坡位面，按照坡位分级原则，探索自动快速精准提取林地坡位方法。

1 研究区概况

研究区位于四川盆地西南边缘的洪雅县，地处东经102°49′7—103°32′，北纬29°24′—30°00′，地形由西南向东北高低梯次变化，依次为高山、中山、深丘、浅丘、台地、河谷、平坝，地貌以山地丘陵为主，最高海拔3172m，最低海拔417.5m，境内水域面积大，最大河流为青衣江，其他大小河流330余条，耕地平坝面积较小，山地、水域、耕地形成“七山二水一分田”的地理格局[9]。气候属中亚热带湿润气候，年降雨量1400毫米左右，年日照1000余小时，充沛的降雨量、适宜的气候条件和复杂多变的地形环境，造就了洪雅县植被类型多样、群落结构复杂、森林资源丰富、林木质量较高，是四川省重点林区之一。

2 数据来源与研究方法

2.1 数据来源

研究所用数据为洪雅县1：10000比例尺等高线和高程点，结合区域行政界线，通过GIS工具生成5米分辨率DEM栅格数据，得到实验区DEM数据。

2.2 研究方法

2.2.1 DEM预处理

对试验区DEM数据，检查其中的数据异常值和坏点数据，对异常值和坏点数据进行修正。同时，由于DEM中存在错误或洼地地形，导致生成的DEM某些像元位置可能比周围像元低，使得DEM表面实际存在一些凹陷点[10]，这些凹陷点称为汇。在进行水流流向模拟分析时，如果DEM数据存在汇，就可能导致生成流向栅格的水流流向错误或者不合理。因此，在进行水流流向模拟计算之前，通过ArcGIS Spatial Analyst 扩展模块中水文分析工具中的汇（Converge）工具定位DEM数据中的汇，并使用填洼（Fill）工具对查找出的汇进行填洼，最终形成没有汇的DEM数据，完成数据预处理。

2.2.2 流向分析

水流在某一流域空间内，始终是从地势高处向地势低处流动，最后从流域出口流出流域[10]。通过ArcGIS Spatial Analyst 扩展模块中水文分析工具中的流向分析（Flow Direction）工具，采用D8单流向法[11]准确获取水流经过每个栅格单元时的流动方向，生成水流流向栅格。

2.2.3 流量分析与统计

在地表径流模拟过程中，汇流累积量是基于水流方向数据计算而来的，通过分析和统计每个栅格水流流量大小，来反映其汇水能力的强弱[12]。通过ArcGIS Spatial Analyst 扩展模块中水文分析工具中的流量分析（Flow Accumulation）工具进行水流流量分析。然后使用ArcGIS Spatial Analyst 扩展模块中重分类工具中的重分类（Reclassify）工具对流量栅格数据按2类进行重分类，用于筛选河流和非河流栅格，重分类中断值根据流域大小来和栅格大小来估算。如：栅格大小为5米，流域最小5平方公里，则中断值为5000000/（5*5）= 200000。

2.2.4 河流提取

对于重分类所得到河流存在着不连续栅格，使用ArcGIS Spatial Analyst 扩展模块中水文分析工具中的河流链接（Steam Link）工具对提取的河流栅格完成链接操作，以保证河流的连续性和完整性。通过重分类处理后的数据，使用ArcGIS Spatial Analyst 扩展模块中条件分析工具中条件函数（Conditional function）工具，提取出河流栅格。

2.2.5 河流矢量化及河口提取

使用ArcGIS Spatial Analyst 扩展模块中水文分析工具中的栅格河网矢量化（Steam to Feature）工具将栅格河流生成矢量化图层，并使用ArcGIS数据管理模块中要素工具中的要素转点（Feature Vertices To Points）工具，基于矢量化河流图层提取河口。

2.2.6 生成流域栅格及流域矢量化

使用ArcGIS Spatial Analyst 扩展模块中水文分析工具中的分水岭（Watershed）工具，输入流向栅格数据（水流流向栅格）和要素倾泄点数据（河口矢量图层），生成县域内流域栅格数据。使用ArcGIS转换工具模块中由栅格转出工具中的栅格转面（Raster to Polygon）工具，将流域栅格数据转换为矢量化图层。

2.2.7提取流域坡面最大值、最小值

基于流域矢量化数据和DEM数据，使用ArcGIS Spatial Analyst 扩展模块中区域分析工具中的分区统计（Zonal Statistics）工具，生成每个流域面的坡面最大值栅格和最小值栅格。

2.2.8不同坡位栅格生成

根据每个坡位在整个流域面的空间位置关系，按照上坡、中坡和下坡将坡面3等分各占比30%，山脊和山谷各占5%的比例，确定每个坡位在整个流域面的占比范围，从上至下各坡位占比分别为山脊（5%）、上（30%）、中（30%）、下（30%）、山谷（5%），然后确定各坡位级的临界值。使用ArcGIS Spatial Analyst 扩展模块中地图代数工具中的栅格计算器计算（Raster Calculator）工具，按每个坡位在整个流域面的临界值，计算得出山脊、上坡、下坡和山谷四个坡位的栅格数据。各坡位栅格计算公式如下（公式1）。

其中：watershed_Max为流域最大值；watershed_Min为流域最小值。

2.2.9坡位合成

根据前一步生成的山脊、上坡、下坡和山谷四个坡位栅格数据，结合DEM数据（没有汇），使用ArcGIS Spatial Analyst 扩展模块中地图代数工具中的栅格计算器计算（Raster Calculator）工具，合成坡位栅格数据，并对每个坡位使用代码进行表示，分别山脊（1）、上（2）、中（3）、下（4）、山谷（5）。

计算公式为：Con（"DEM数据">"山脊栅格数据"，1，Con（（"DEM数据"<="山脊栅格数据"）&（"DEM数据" > "上坡栅格数据"），2，Con（（"DEM数据.tif" <= "下坡栅格数据"）&（"DEM数据.tif" > "山谷栅格数据"），4，Con（"DEM数据" <= "山谷栅格数据"，5，3））））。

3 结果分析

洪雅县DEM数据经过本文2.2节方法处理后，得到洪雅县坡位分布图（图1）。结果显示山脊、上坡、中坡、下坡、山谷依次连接，逐层扩展。将生成的坡位分布图与洪雅县的地形地貌特征以及实地调查结果相比较，得出整体上是一致的。

3.1坡位面积分布

对洪雅县坡位类型分布面积做统计（表1），结果表明下坡所占面积比例最大，为41.53%；山脊所占面积比例最小，为0.82%；中坡、上坡、山谷分布面积所占比例分别为32.21%、17.09%、8.34%；即下坡、中坡、上坡、山谷、山脊分布面积所占比例逐渐减少。

3.2坡位空间分布

山脊作为洪雅县坡位类型面积最少的部分，其主要分布在西部边缘处；上坡、中坡、下坡在县域内均有分布；山谷大部分分布在东北部，其他区域分布较少。

3.3精度验证

将地面实际调查结果与此方法自动提取结果相比较，利用公式2计算方法提取精度。

其中P为计算的精度，n为地面调查与自动提取结果相一致的个数，N为用于精度检验的总体样点数。

在洪雅县选取随机小班样地68个，实地记录小班的坡位类型，然后与自动提取的坡位类型相比较，结果如表2所示。

由表2可得该方法的总体精度为88.23%，说明该方法提取效果较理想。其中，对于中坡的效果最佳，精度为89.5%；其次为上坡、下坡及山谷，精度为88.8%、88.2%、87.5%；效果最差的为山脊，精度为85.7%。洪雅县主要以山地丘陵为主，属于平原山地过渡地带，山脊和沟谷地貌相对不是很明显，对于山脊而言，小班区划时未那么细致，而该提取方法的最小单位为像元，更加细致精细，会出现提取结果与实地调查结果不一致的情况，因此，山脊区域小班精度相对低一些。

4 结语和讨论

坡位因子的提取为林业生产发展提供科学的基础依据，从传统的实地调查到数字地形分析技术的引入，有效提高了结果的获取效率和数据质量。本文基于DEM数据，通过水文分析和空间分析，得到坡位分级数据，然后通过实地验证，研究结果与实地调查总体情况相符，精度达到了88.23%。该研究方法相较传统实地调查大大节省了人力、物力和时间，可以为现代林业高质量发展提供更加精确的坡位信息。

本研究坡位自动提取精度大大提高，但在提取过程中，仍然有两个关键环节值得讨论。一是流量分析与统计时，流域大小的确定问题，研究中试验区采用了统一的面积大小，可根据研究区域进一步优化流域划分中断值；二是在山脊、上坡、中坡、下坡和山谷坡位栅格生成与合成过程中，按照经验比例确定了临界值，可借助研究区域地形图进一步精准确定五个坡度级的临界值，进一步提高提取精度。

参考文献：

[1]韦建波.基于GIS的林地坡位信息自动提取研究[J].数字林业，2016，10（1）：80-82.

[2]邓继峰，李景浩，宋依璇，等.油松和樟子松人工林不同坡位土壤养分特征及其与生长性状的关系———以辽东地区为例[J].沈阳农业大学学报，2017，48（5）：522-529.

[3]周萍，刘国彬，侯喜禄，等.黄土丘陵区侵蚀环境不同坡面及坡位土壤理化特征研究[J].水土保持学报，2008，22（1）：7-12.

[4]施友文，沈彩霞，雷先珠，等.不同坡向坡位对格氏栲造林成活率及生长的影响[J].绿色科技，2021，23（17）：161-163.

[5]胡继文，杨桂娟，刘振华，等.不同坡位香椿人工林生长和林分结构差异[J].西北林学院学报，2021，36（5）：82-87.

[6]许晓银.不同坡位对米老排生物防火带生长的影响[J].现代农业科技，2022，17（1）：123-125.

[7]凌继华，崔立奇，张章.冀北山地不同坡位油松林枯落物水文效应[J].河北林果研究，2015，30（2）：117-121.

[8]陈晨.面向林业小班的坡度、坡向及坡位提取算法研究[D].杭州：浙江农林大学，2019.

[9]王露秋.基于GIS技术的洪雅县森林火险等级区划[D].成都：四川农业大学，2018.

[10]程峥，李永胜，高微微.基于ArcGIS的DEM流域划分[J].地下水，2011，33（6）：128-130.

[11]O Callaghan J F，Mark D M.The extraction of drainage net-works from digital elevation data[ J]. Computer Vision，Graphics and Image Processing，1984，28：323～ 344.

[12]王玉富，王翰钊.ArcGIS环境下基于DEM的流域特征提取[J].湖北民族学院学报（自然科学版），2010，28（4）：439-442.