基于GIS的各个坡向崩岗分布统计方法与流程

本发明涉及水土流失与地质灾害防治技术领域，具体涉及一种基于GIS的各个坡向崩岗分布统计方法。

背景技术：

崩岗是我国南方丘陵地区普遍存在的极其严重的水土流失类型，它是由水力与重力联合作用形成的一种特殊的地貌类型。崩岗侵蚀产生大量的泥沙会掩埋良田、阻塞河道，对下游人民的生命安全及其生产活动形成严重的威胁，并造成巨额的经济损失。我国的崩岗主要分布于湖北、湖南、安徽、江西、福建、广东、广西等七个省(区)。2005年水利部统一部署，由各省派专家对本省的崩岗侵蚀情况进行摸底调查，结果显示南方7省区崩岗总数共计2.4×10⁵个，其中活动型崩岗达到2.1×10⁵个，占总数的比例为87.5％；土壤侵蚀面积达到1.2×10³多km²，年侵蚀总量6×10⁷t，对山下影响范围近2×10⁶hm²。

“崩岗”一词是由曾昭璇教授在1960年率先通过论文著述将其引入到地貌学中，它形象生动地揭示了崩岗的侵蚀方式和侵蚀后的地貌特征，具有发生学与形成学方面的双重含义。经过几十年的调查与研究，广大学者们对这一南方特有土壤侵蚀类型已取得丰硕的研究成果，对崩岗侵蚀的影响因子和分布特性如地质母岩、降雨、植被、海拔、坡度、坡向等有了广泛的认识。

许多研究指出崩岗侵蚀的发育具有坡向选择性(本文的崩岗坡向是指主沟道的走向或崩岗所在的主坡面的朝向)。但坡向划分方法差异很大，南北坡崩岗分布研究中，有学者(姚清尹1989、刘瑞华2004、方芸芸2014)的南坡是八个坡向之一，还有的(陈志彪等2006)是十六个坡向之一。阴阳坡崩岗分布研究中，沈家安(1989)将八个方向中的南坡称为阳坡，北坡称为阴坡；一些学者(广东省科考队1991、阮伏水等2003、丁光敏2001、林敬兰等2014和宋月君2015)将八个方向中的南、东南和西南称为阳坡，北、东北、西北称为阴坡；还有学者(林敬兰等2014和宋月君2015)在此基础上将西、东称为半阳坡。而吴克刚等(1989)的南坡包括阳坡和半阳坡，北坡包括阴坡和半阴坡。崩岗侵蚀的坡向确定方法也存在差异，有学者(林敬兰2014和宋月君2015)用GIS方法统计坡向，大部分用传统的人工方法。这些混乱导致学者们的研究结论虽表述一致，如崩岗分布数量在南坡多于北坡(沈家安1987，姚清尹1989，刘瑞华2004，陈志彪等2006，丁光敏2001，阮伏水2003，方芸芸2014，林敬兰2014)，阳坡多于阴坡(沈家安1987，省科考队1991，丁光敏2001，阮伏水2003，林敬兰2014)；崩岗面积南坡多于北坡(省科考队1991，刘瑞华2004，方芸芸2014)，阳坡多于阴坡(广东省科考队1991)，但含义迥异，不能直接交叉对比，数值也无法定量比较；有学者(刘希林等2011)质疑崩岗坡向选择性结论的通用性和适用性。

技术实现要素：

针对现有技术的不足，本发明的目的在于提供一种基于GIS的各个坡向崩岗分布统计方法，以提高崩岗统计的效率和准确性，并为崩岗侵蚀的防治工作提供数据支持。

为了实现上述目的，本发明采取的技术方案是：

一种基于GIS的各个坡向崩岗分布统计方法，包括步骤：

获取待统计地区的地形图，并对地形图进行坐标配准；

将坐标配准后的地形图上的主要要素数字化，所述主要要素包括等高线、高程点、河流、水库、居民点和崩岗的边界，并对等高线、高程点、水库水面对应的高程进行属性赋值；

采用GIS的地形分析模块将等高线、高程点、水库水面和待统计区域的边界数据生成不规则三角网数据，再将不规则三角网数据转换为栅格数据，按照预先设定的坡向划分标准，计算待统计区域内的坡向数据；

将栅格数据中带小数的数值整数化，再将栅格数据转换为矢量数据，将崩岗的边界数据与坡向数据进行相交，得到各个崩岗内部的坡向分布数据；

根据崩岗内不同坡向值的面积占整个崩岗面积的比例进行加权求平均值，计算得到单个崩岗的加权坡向值，再按照预先设定的坡向和角度的对应关系得到各崩岗对应的坡向。

与现有技术相比，本发明的有益效果在于：

本发明预先确定统一的坡向划分标准，利用GIS软件统计区域内各坡向崩岗的数量和面积，降低了工作量，提高了统计效率，避免了人工误差，为崩岗侵蚀防治奠定了基础。

附图说明

图1为本发明基于GIS的各个坡向崩岗分布统计方法的流程示意图；

图2为基于人工统计的广东五华油田镇各个坡向崩岗数量分布图；

图3为采用本发明的基于GIS方法的广东五华油田镇各个坡向崩岗数量分布图；

图4为基于人工统计的广东五华油田镇的崩岗面积分布图；

图5为采用本发明的基于GIS方法的广东五华油田镇的崩岗面积分布图。

具体实施方式

广东五华县位于广东的东北部，韩江上游，是全国崩岗分布最密集的地区；油田镇位于五华县中东部，与兴宁市水口镇接壤。北纬23°51′39″-23°58′37″，东经115°48′48″-115°55′16″，全镇土地总面积85.6km²，土壤母质主要是深厚的花岗岩风化物。

下面以广东省五华县油田镇作为待统计区域，对本发明的统计过程作进一步的说明。

步骤s101、获取广东省梅州市五华县油田镇的1:1万的地形图(1978年)，采用ArcGIS软件对地形图进行纠正配准，使得地形图中的要素坐标与实际坐标一致，这样确保在计算过程中要素位置的准确性。

步骤s102、将坐标配准后的地形图上的主要要素数字化，主要要素包括等高线、高程点、河流、水库、居民点和崩岗的边界，并对等高线、高程点、水库水面对应的高程进行属性赋值。

步骤s103、将等高线、高程点、水库水面和油田镇边界数据采用GIS的地形分析模块生成相应的TIN(不规则三角网)数据，由于TIN数据无法进行坡度与坡向的计算，所以需要采用TIN转栅格工具将TIN数据转换为栅格数据，为了提高数据计算的精度，在TIN转栅格的过程中设置栅格大小为10m*10m的大小，接着采用坡度与坡向工具计算得到油田镇范围内的坡向数据。

由于前人坡向划分方法不一，因此统一坡向划分标准是研究崩岗与坡向关系的基础。本文坡向划分采用地理中的八个方位，也称八分法，从0°±22.5°开始，顺时针每45度划分一个坡向，依次为：北、东北、东、东南、南、西南、西、西北。与ArcGIS系统中的划分方法一致，前人研究中多数采用该方法，可以对比分析。

唐克丽(2004)、李智广(2005)根据太阳入射角将北半球的东南坡、南坡、西南坡、西坡称为阳坡，将西北坡、北坡、东北坡、东坡称为阴坡。该方法综合考虑我国的地理位置，已被广泛应用于水土保持监测和调查中，与多数崩岗坡向文献中南坡范围(东南、南、西南)接近，而部分仅研究阴阳坡的文献也可以在二分法的框架下进行对比分析，数据更加广泛。因此确定以阴阳两分法作为本文的崩岗坡向划分标准，112.5-292.5°为阳坡，292.5-360°和0-112.5°为阴坡。各坡向与角度对应情况见表2。

表1坡向划分标准及与阴阳坡的对应关系

步骤s104、由于在计算的过程中需要将栅格数据转换为矢量数据才能计算各个崩岗对应的坡向，栅格数据带有小数，故在转换为矢量的过程中需要先将数值转换为整数；之后采用相交工具，依次将崩岗的边界数据与坡向数据进行相交，从而得到各个崩岗内部的坡向分布数据。

步骤s105、根据崩岗内不同坡向值的面积占整个崩岗面积的比例进行加权求和，计算得到单个崩岗的加权坡向值，再按照预先设定的坡向和坡性的对应关系得到各崩岗对应的坡向。

统计结果显示，广东五华油田镇内大、中、小崩岗共计293个，崩岗总面积897893m²，占全镇土地总面积的1.05％。平均每平方公里3.4个崩岗，崩岗面积最小的305m²，最大的17065m²，平均每个崩岗面积3064m²。

利用广东省五华县油田镇的崩岗分布数据，将大比例尺地形图与GIS结合的方法，与传统人工测算坡向的结果进行比较，统计结果表明(表2)，两种方法统计崩岗所在的坡向，存在差异的崩岗个数为79个，占总崩岗数的27％，出现坡向误差的崩岗面积为251156m2，占总崩岗面积的28％。因划分8个坡向是以45度为界，当误差超过45度就划分到不同坡向，故45度以内都可视为合理可接受的误差。误差小于45度的崩岗共56个，占总误差数的72.1％，占总误差面积的74.6％，是误差的主要来源。大于45度的误差共计23个，占总误差的29.1％，占总误差面积的25.4％；仅占总崩岗数的8.3％，占总崩岗面积7.2％，所占比例极小。因此从误差看，两种方法统计的崩岗数量和面积差异很小，统计的结果是可信的，人工和GIS两种方法均可用于崩岗坡向分析。

表2GIS与手动统计不同坡向崩岗的差异分析

分析这些崩岗产生误差的原因有：范围大、形状细长且沟道有转折、内部形态破碎、沟头发育越过山脊、处于坡面局部凹地等。GIS方法统计崩岗内部坡向分布，复杂的内部形态可能影响主坡向；而人工目视判读先根据山脉走势确定主坡向，再依水流方向确定精细走向，避免了内部变化对主坡向的影响。这是2种方法的客观计算过程产生的误差。

由图2、3可知，广东五华油田镇崩岗数量分布情况看，人工方法是西南坡、西坡崩岗数量最多，各56个，占比19.1％；南坡有32个，占比为10.9％；最小值出现在北坡，只有9个，占比3.1％。而GIS统计结果为西坡最多，达67个，占比22.9％；南坡有41个，占比14.0％；北坡为0。两种方法统计的结果，各个坡向崩岗数量占比差异均不超过5％，数值比较接近。南坡虽然崩岗数量不是最多，但南坡崩岗个数明显多于北坡。从阴阳坡统计情况看，人工方法阳坡崩岗为173个，占59％；阴坡崩岗120个，占41％。而GIS统计阳坡崩岗196个，占66.9％；阴坡崩岗97个，占33.1％。两种方法统计的阳阴坡崩岗数量占比差值均为7.9％，数值比较接近，结果比较一致，阳坡崩岗个数及占比大于阴坡。

由图4、5可知，广东五华油田镇崩岗面积分布情况，人工方法下西南坡崩岗面积最大，为20.30hm2，占崩岗总面积的22.6％；南坡11.98hm2，占13.4％；北坡崩岗面积最小仅1.9hm2，占2.1％。GIS方法是西坡崩岗面积最大，为22.66hm2，占崩岗总面积的25.2％；南坡15.28hm2，占17％；北坡面积最小为0。两种方法统计的各坡向崩岗面积比最大差值6.4％(西坡)，差异很小。结果一致表明，北坡崩岗面积最小，虽南坡崩岗面积不是最大，但南坡崩岗面积明显大于北坡。阳坡人工统计的崩岗面积为60.55hm2，占崩岗总面积的67.4％；GIS统计为65.29hm2，占72.7％。阴坡人工统计崩岗面积为29.24hm2，占32.6％；GIS统计为24.49hm2，占27.3％。两种方法统计的阳阴坡崩岗面积比例差5.3％，结果一致，阳坡崩岗面积多于阴坡。

综上所述，广东五华油田镇的崩岗分布数据显示，两种方法统计崩岗坡向角度误差大于45°的仅占崩岗总数的8.3％，占崩岗总面积的7.2％；误差很小，两种方法均可用于崩岗坡向分析。两种方法统计8个坡向数量百分比差均在5％以内，阳阴坡数量百分比差为7.9％；8个坡向面积百分比差均在6.4％以内，阳阴坡面积百分比差为5.3％。因此两种方法统计的各坡向崩岗数量和面积虽有差异，但差异很小，数值比较接近。表明2种方法对各坡向崩岗分布的数量和面积统计影响较小，结论基本一致，北坡崩岗数量与面积均最小，南坡崩岗数量和面积虽不是最大，但南坡的崩岗数量和面积明显大于北坡，阳坡的崩岗数量和面积明显大于阴坡。

而传统方法要获得坡度信息要进行繁琐的手动计算，而计算一个大面积崩岗的坡度，或者计算很粗糙，或者工作量巨大；高程信息要目视读数，精度有限。而本方法利用ArcGIS的分析模块，在计算坡向的同时，还能一次性获得每个崩岗的坡度、高程数据。

综上，采用本发明的方法，崩岗分布数量和面积的统计结果接近人工统计结果，但省去了繁重的工作量，提高了崩岗统计的效率。

上列详细说明是针对本发明可行实施例的具体说明，该实施例并非用以限制本发明的专利范围，凡未脱离本发明所为的等效实施或变更，均应包含于本案的专利范围中。