西南紫色土水蚀区坡谱信息熵与地形因子关系分析

赵维军，董奇群，燕婷婷，秦 伟，朱清科

西南紫色土水蚀区坡谱信息熵与地形因子关系分析

赵维军1，董奇群1，燕婷婷2，秦 伟3,4※，朱清科2

（1. 泰山学院旅游与资源环境山东省高校重点实验室，泰安 271000；2. 北京林业大学水土保持学院，北京 100083；3. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室，北京 100048；4. 水利部水土保持生态工程技术研究中心，北京，100048）

坡谱信息熵可综合反映地形起伏特征，计算便捷，为探索其能否替代计算繁杂的地形因子应用在土壤侵蚀评价中，该研究以西南紫色土水蚀区为研究对象，基于ASTER GDEM（30 m分辨率），计算坡谱信息熵、坡度坡长因子及沟壑密度等地形因子，分析坡谱信息熵与地形因子量化关系。结果表明：全区坡谱曲线形态有“S”、“L”及近似钟型，峰值集中分布在0°～3°、15°～18°、24°～27°；全区坡度坡长因子均值为11.03，空间北大南小的分布差异明显。区域尺度的沟壑密度为0.66 km/km2，流域尺度沟壑密度为0.33～0.88 km/km2；坡谱信息熵与坡度坡长因子在一级区（2=0.949 4，<0.01）、二级区（2=0.960 3，<0.01）均具有显著的对数或幂函数关系。与沟壑密度在川渝山地丘陵区呈显著的指数关系（2=0.747 5，<0.05），在其他区域尺度虽存在显著的多项式函数关系，但相关度较低。研究结果可为紫色土区水土流失评价、土壤侵蚀预报提供科学依据。

地形；土壤侵蚀；坡谱信息熵；紫色土区

0 引 言

紫色土是中国特有的土壤资源，主要于分布于长江中上游地区，由于结构疏松，母岩裂隙发育，物理风化速度快[1-2]，导致年均土壤侵蚀模数为3 035 t/(km2·a)[3]，其侵蚀面积与侵蚀强度仅次于黄土高原[4]，导致紫色土区生态系统被破坏，土地退化严重，对下游水环境、水质等影响较大[5]，严重阻碍了区域土壤环境与农业的可持续发展[1,6]。西南紫色土区以山地丘陵地貌为主，山大沟深，坡度、坡长等因子[6-7]是紫色土土壤侵蚀过程中的关键地形因子，沟壑密度（gully density）影响流域汇流和沟道泥沙输移过程，且与土壤侵蚀量呈正相关关系[8]，但由于坡长因子计算时可能存在截至位置的不确定性，以及获取沟壑密度的过程存在较大的人为性，最终导致土壤侵蚀评价结果存在较大误差[7]。坡谱信息熵可综合反映地形起伏特征，且与坡度坡长因子（slope length and steepness factor，LS 因子）、沟壑密度均存在显著相关性，其计算过程可避免较大的人为干扰[9-10]。因此，研究紫色土区地形因子与表达宏观地形特征的坡谱信息熵的关系对紫色土水蚀区水土流失评价、土壤侵蚀预报、生态修复与重建及可持续发展具有重要的意义。

在土壤侵蚀预报模型中，通用土壤流失方程（Universal Soil Loss Equation，USLE）、修正通用土壤流失方程（Revised Universal Soil Loss Equation，RUSLE）、中国土壤流失方程（Chinese Soil Loss Equation，CSLE）等模型在目前的水土流失评价中得到了广泛的应用[7,11]。而作为模型中重要参数的LS因子，同时影响着其他因子，也是目前应用最为广泛的水土流失地形因子，在世界范围内的小流域水土流失评价中应用目标明确[12-13]。然而，LS因子是基于局部区域的窗口分析法得到的，所得到的LS因子值难以在宏观尺度上实现对区域土壤侵蚀状况的有效判定[14-15]。坡谱是微观地形因子在一定分级规则下的频谱图[16]，即在一定区域尺度内的不同级别坡度组合关系的统计模型[10,17]。现阶段国内外相关研究主要集中在坡度分级对地面坡谱的影响、坡谱稳定的临界面积确定、坡谱与地貌类型的关系、坡谱信息熵尺度效应及空间分异等[9,16,18-19]。其中，坡谱信息熵可以综合反映区域地形起伏的总体特征，但是其在水土流失预测与评价中的应用效果尚不明确[10,20]。若能建立坡谱信息熵与LS因子的函数关系，一方面可以揭示坡谱信息熵在水土流失评价中的具体应用价值，另一方面可以弥补LS因子在区域土壤侵蚀状况判定方面的不足。

沟壑密度是探究地球表面侵蚀切割程度、地貌类型分析及水土流失状况等的重要指标[21-22]，现有研究主要集中于沟壑密度影响因素、沟壑密度在流域演化各阶段与切割深度关系、沟壑密度区域空间分布特征及计算方法、沟壑密度与平均坡长等地形因子之间关系等[23-26]。在空间尺度及其计算过程的人为主观性等因素均会导致沟壑密度的不准确性。如果能建立坡谱信息熵与沟壑密度的关系，即从坡谱信息熵的角度揭示土壤侵蚀程度。但上述的坡谱信息熵与LS因子、沟壑密度等地形因子定量化关系的相关研究鲜有报道[9-10]。

因此，该研究基于30 m分辨率的ASTER GDEM（Advanced Spaceborne Thermal Emission and Reflection Radiometer Global Digital Elevation Model）数据，利用GIS技术提取了西南紫色土水蚀区的坡度、坡长等地形因子[27-28]，计算坡度坡长因子、沟壑密度、坡谱信息熵，分析地形因子的分布特征，探究坡谱信息熵分别与LS因子、沟壑密度等地形因子的函数关系模型。以期为区域尺度水土流失普查与评价、土壤侵蚀预报等方面提供科学的参考依据。

1 材料与方法

1.1 研究区概况

西南紫色土水土保持一级区（27°40'N～35°10' N，102°E～112°15'E）主要包括秦巴山山地区、武陵山山地丘陵区和川渝山地丘陵区等3个水土保持二级区，面积为50.85万 km2，海拔为-21～7 845 m，最高海拔出现在川渝山地丘陵区，最低海拔出现在秦巴山山地区，平均海拔1 030.99 m，地势起伏较大（图1）。研究区气候多属于亚热带季风性半湿润气候，海拔高度自东南向西北逐渐升高，受地形和季风因素影响，气候复杂多变。该区域内年均温在14～24 ℃，年降水量在600～2 300 mm间，降水季节分配极不均匀。湿季（5－10月）降水量占全年的80%以上，而干季（11月－次年4月）仅占10%～20%。该区域母质物理风化快，其土壤下渗与抗蚀性较差，土壤肥力低。植被类型主要包括常绿落叶阔叶混交林、针叶林、竹林、灌丛、稀疏草丛（草坡）及草甸等，林草覆盖率50%～70%。

1.2 数据来源与处理

该研究主要采用地理空间数据云（http://www. gscloud.cn/）中的美国ASTER数字高程模型（空间分辨率为30 m）为数据源。结合西南紫色土区的地形特征，利用土壤侵蚀模型地形因子计算工具[7]分别采用分段坡长法与汇流面积法计算坡长因子与坡度因子，在ArcGIS软件平台辅助下计算沟壑密度，并计算LS因子地形指标。

1.3 研究方法

1.3.1 坡谱与坡谱信息熵计算

1）坡谱获取：基于DEM数据，利用ArcGIS软件获取坡度数据[29]。研究表明3°等差分级的坡度可以切实的表明地面坡度的组合特征[30]，且3°等差分级的坡谱曲线较光滑、特征也比较明显，在实际研究中更具适用性[16]。该研究基于DEM利用ArcGIS软件提取63个流域，将63个流域的坡度以3°级差分级，分别统计所占紫色土全区面积的比例。

注：A：秦巴山山地区；B：武陵山山地丘陵区；C：川渝山地丘陵区。下同

据相关研究可知坡谱稳定的临界面积须大于30 km2，这是提取正确坡谱的必要条件[31]。该研究选取的西南紫色土水蚀区总面积50.85万 km2，其中3个水土保持二级区的面积介于75 765.89～225 241.31 km2，63个流域的面积介于78.67～35 427.28 km2，均大于30 km2。所以在地学分析结果上能够确保得到的坡谱信息的稳定性和可信性。

2）坡谱信息熵计算：该研究依据李发源等[9]定义的坡谱信息熵来量化表达坡谱的数量特征，其公式如下

式中为坡谱信息熵，nat；为分级数；P为每一级别坡度频率，%。坡谱信息熵体表达坡谱的均匀度。频率分布越离散，其信息熵越小。

1.3.2 地形因子计算

1）LS因子计算：由于宏观尺度上LS因子只能通过DEM数据进行计算，该研究采取中国土壤侵蚀普查第四次中规定的方法，计算LS因子[32]。

LS=·（5）

式中为坡度因子；为坡度值，（°）；为坡长因子；为坡长，m；为坡长指数。

2）沟壑密度计算：利用ArcGIS软件平台中的水文分析工具（Hydrology）对西南紫色土水蚀区DEM进行沟壑密度的计算，沟壑密度即单位流域面积中沟壑总长与面积之比，单位为km/km2。

1.3.3 坡谱信息熵与地形因子的关系分析

根据统计学上的中心极限定理，在一个总体抽取样本时样本数>30，检验较为有效。该研究中统计了3个二级区63个流域的坡谱信息熵、LS因子值、沟壑密度，并利用非线性回归模型（6）分别构建西南紫色土水土保持一级区、二级区（秦巴山山地区、武陵山山地丘陵区、川渝山地丘陵区）的坡谱信息熵与LS因子值、沟壑密度的定量化函数关系，计算模型相关系数，并进行相应的检验、检验。

式中、为系数，为常数。

2 结果与分析

2.1 坡谱与地形因子的分布特征

2.1.1 坡谱与坡谱信息熵分布特征

西南紫色土区包含3个二级区的坡谱峰值从小到大出现的顺序依次为：川渝山地丘陵区（单峰）、武陵山山地丘陵区（双峰）、秦巴山山地区（单峰）；坡谱峰值对应的坡度分别集中在0°～3°、0°～3°与15°～18°、24°～27°（图2）。从坡谱的几何特征进行分析，川渝山地丘陵区在坡谱曲线形态表征上主要表现为“L”型、武陵山山地丘陵区在坡谱曲线形态表征上主要表现为“S”型，而秦巴山山地区在坡谱曲线形态上主要表现为近似钟型，表征了3个水土保持二级区对应的地貌类型的差异，因此坡谱曲线能够很好地反映地貌起伏的差异。能够量化表达坡谱信息熵在西南紫色土区的变化范围为1.23～2.92 nat（图3），其空间分布与坡谱曲线的一致性均显示了坡谱信息熵能够较好地反映宏观地形的总体起伏特征。

图2 西南紫色土区二级区的坡谱曲线

2.1.2 LS因子分布特征

西南紫色土水蚀区的LS因子均值为11.03，3个二级区的大小排序依次为秦巴山山地区、武陵山山地丘陵区、川渝山地丘陵区（图4）。秦巴山山地区与武陵山山地丘陵区LS因子主要分布范围相似，主要集中在0～5、10～15及大于20，川渝山地丘陵区则主要集中在0～15，与前两者差异较大（图5）。LS因子在流域尺度单元的均值为1.11～17.02；空间上呈现出明显的南北差异。

图3 西南紫色土区坡谱信息熵空间分布

图4 紫色土区坡度坡长因子等级分布

2.1.3 沟壑密度分布特征

通过对西南紫色土水蚀区进行充分调查与分析，并经过反复试验后，选定阈值为1 000时，提取的沟谷与DEM地形中实际沟谷吻合度较好。从区域尺度上看，西南紫色土水蚀区沟壑密度为0.66 km/km2，其中秦巴山山地区与武陵山山地丘陵区沟壑密度值分别为0.72和0.75 km/km2，川渝山地丘陵区沟壑密度最小，为0.57 km/km2（表1），低于紫色土水蚀区沟壑密度平均值的17.39 %。在流域尺度，沟壑密度最大的流域位于秦巴山山区东部，为0.88 km/km2，沟壑密度最小的流域位于川渝山地丘陵区，为0.33 km/km2（图6）。

图5 紫色土区LS因子等级比例

表1 紫色土区沟壑密度

图6 流域尺度沟壑密度空间分布

2.2 坡谱信息熵与LS因子的关系

对西南紫色土水土保持一级区和3个水土保持二级区的坡谱信息熵与 LS 因子值分别构建函数关系（图7），结果表明，一级区的坡谱信息熵与LS因子值呈极显著的对数函数关系（2=0.949 4，<0.01）；同时构建的3个二级区的坡谱信息熵与LS因子值的函数关系均为极显著（<0.01），决定系数2均高于0.96，其中秦巴山山地区与武陵山山地丘陵区的关系均为对数函数关系，川渝山地丘陵区为指数函数关系（图7）。因此，坡谱信息熵既可综合反映地形的总体特征，又能够表达土壤侵蚀评价模型中LS因子指标，在一定程度上可以代替LS因子开展区域土壤流失量估算[33-34]。此结论可进一步为紫色土水蚀区土壤侵蚀预报模型的研究和开发提供科学的参考依据。

图7 坡谱信息熵与坡度坡长因子的关系

2.3 坡谱信息熵与沟壑密度的关系

沟壑密度既能反映土壤侵蚀的严重程度，又能反映地球表面上地形地貌在不同阶段的演化特征[25]，是评价地貌特征的一项重要综合性指标。该研究分别构建了一级区、二级区的沟壑密度与坡谱信息熵的函数关系（图 8），在一级区尺度，两者之间呈显著的多项式函数关系（=-11.7252+15.096-2.1766，2=0.349 8，<0.05），为低度相关，表明该一级区尺度的坡谱信息熵替代沟壑密度应用于土壤侵蚀评价中的效果较差[35-36]；在3个二级区尺度的坡谱信息熵与沟壑密度的关系分析中发现（图8），武陵山山地丘陵区与川渝山地丘陵区坡谱信息熵与沟壑密度的函数关系均为多项式函数关系，相关度均小于0.5；然而，川渝山地丘陵区的坡谱信息熵与沟壑密度的关系呈显著的指数函数关系（=1.304 51.045 2x，2=0.747 5，<0.05），且相关度较高。可见，坡谱信息熵与沟壑密度的关系存在较大的不确定性。

图8 坡谱信息熵与沟壑密度的关系

3 讨 论

地形因子在紫色土水蚀区土壤侵蚀过程中具有重要影响[37]，而坡谱信息熵既能综合表达地表起伏特征，还能体现宏观区域尺度地形分异规律[9,16,18-19]。因此，该研究通过建立坡谱信息熵与LS因子、沟壑密度等地形因子的关系，为进一步探索坡谱信息熵在土壤侵蚀定量评价中的应用提供理论依据。

该研究中分析得出西南紫色土水蚀区中的川渝山地丘陵区、武陵山山地丘陵区、秦巴山山地区等3个水土保持二级区的坡谱曲线形态表征主要包含了“L”型、“S”型和近似钟型，与俱战省等[10]在山区县域坡谱曲线形态特征分析中主要表现为“S”、“L”及钟型的结果一致，即表明山区宏观区域尺度下，坡谱曲线形态均较为丰富，更能综合体现地形变化特征；而秦巴山山地区的坡谱曲线峰值（24°～27°）与朱梅等[16]在陕北黄土高原47个样区的坡谱信息研究中获得的25°～30°的坡谱峰值基本一致，川渝山地丘陵区、武陵山山地丘陵区的坡谱曲线峰值则主要为0°～3°、0°～3°与15°～18°，与朱梅等[16]的研究结果不一致，这主要是由于陕北黄土高原较川渝山地丘陵区、武陵山山地丘陵区的地形破碎[33,38]，但西南紫色土区3个二级区地貌类型的多元化[37]导致了其坡谱峰值的差异性，坡谱信息熵的空间分布也更好地验证了此结论。另外，该研究中的一级区尺度LS因子均值为11.03，与郭明航等[33]研究中涉及到的西南紫色土水蚀区的结果11.2基本一致，但该研究中LS因子空间分布南北差异明显主要由于该研究区内地形地貌复杂多样；该研究区域沟壑密度均值为0.66 km/km2，明显低于位于黄土丘陵区的彭阳县主要集中于3.68～3.76 km/km2的研究结果[38]，这主要是由于黄土丘陵区坡长比该研究区的短、坡度比该研究区的大，地形相对该研究区更为破碎。因此，该结果与实际地形地貌特征较为一致[33,39]。

通过与黄土高原等其他地区的对比发现，坡谱信息熵与LS因子、沟壑密度等地形因子普遍存在显著的函数关系，但不同的地貌类型区其相关程度和函数关系存在一定差异[9-10]。在坡谱信息熵与LS因子的关系分析中，俱战省等[10]分析山区县域的坡谱信息熵与LS因子的关系为=0.495 5ln+1.254 3（2=0.963 6，<0.05），与该研究中一级区的二者关系结果（=0.589 7ln+1.201，2=0.949 4，<0.05）均为对数函数，差异较小，表明坡谱信息熵与LS因子的关系在较大尺度的山区、丘陵等地形地貌区可能均存在比较显著的对数函数关系。而在该研究区的二级分区中，坡谱信息熵与LS因子值的关系中川渝山地丘陵区的坡谱信息熵与LS因子值的幂函数关系相关性高于对数函数，即表明该区的坡谱信息熵随着LS因子值的增大增长更快，也反映了川渝山地丘陵区的地形起伏变化更大。

西南紫色土一级区63个流域的坡谱信息熵与沟壑密度呈显著的多项式关系，与李发源等[9]通过对陕北黄土高原48个不同地貌类型区研究分析得出坡谱信息熵与沟壑密度存在显著的正相关幂函数关系结果不一致；然而，二级区的坡谱信息熵与沟壑密度关系分析结果揭示了不同区域尺度对该关系的影响差异是显著的，其中川渝山地丘陵区的坡谱信息熵与沟壑密度的显著的高相关度指数函数关系，好于其他2个二级区。这可能主要由于李发源等选取的陕北黄土高原48个典型样区的沟壑密度主要集中于1.5～3.0 km/km2，高于该研究中任何区域尺度的沟壑密度范围（二级区：0.57～0.75 km/km2、流域：0.33～0.88 km/km2）[9,33,38-39]，且该研究空间尺度远大于上述研究的样区尺度，该研究区地形地貌类型多样。但研究结果也表明，坡谱信息熵与沟壑密度的关系存在较大不确定性，且空间尺度效应对二者关系的影响较大。

另外，由于不同空间尺度、不同空间分辨率的DEM、在不同地形复杂程度区域提取坡度、河网等地形因子时均存在较大不确定性[9,40-41]，加之不同的坡度分级直接影响着地面起伏特征、坡谱信息的表达[42-43]。因此，该研究使用的基础数据为30m分辨率的DEM，采用的3°级差的坡度分级等方法获取的LS因子及沟壑密度等地形因子与坡谱信息熵的关系可能存在不确定性。与此同时，坡谱信息熵虽已被揭示能够综合反映地形地貌的总体起伏特征，与水土流失有一定的关系[43]，但目前在不同区域其与地形因子的关系、与土壤侵蚀的关系应用鲜有报道。为利用坡谱信息熵计算的便捷性替代LS因子、沟壑密度等地形因子指标更好地开展不同区域的土壤侵蚀量估算与评价，因此，基于不同空间分辨率的DEM及不同坡度分级方法，针对不同地貌类型单元、不同区域尺度的坡谱信息熵与地形因子的关系等问题仍需深入研究。

4 结 论

1）西南紫色土水蚀区的川渝山地丘陵区、武陵山山地丘陵区、秦巴山山地区等3个二级分区的坡谱曲线形态依次是“L”、“S”及近似钟型，且坡谱峰值分别为0°～3°、0°～3°与15°～18°、24°～27°，坡谱信息熵的空间分布能够更好地量化表达坡谱曲线变化；

2）西南紫色土区LS因子均值为11.03，秦巴山山地区与武陵山山地丘陵区LS因子主要分布范围相似，主要集中在0～5、10～15及大于20，川渝山地丘陵区则主要集中在0～15，呈现明显的南北差异。区域尺度沟壑密度为0.66 km/km2，流域尺度沟壑密度范围为0.33～0.88 km/km2；

（3）坡谱信息熵与LS因子、沟壑密度均存在显著的函数关系。坡谱信息熵与LS因子的函数关系在一级区、二级区尺度的决定系数均高于0.94（<0.01），但坡谱信息熵与沟壑密度的关系除在川渝山地丘陵区为高度相关的指数函数关系外（=1.304 51.0452x（2=0.747 5，<0.05）），在其他二级区及一级区均为低度相关的多项式关系（<0.05）。

[1] Zhu X L, Fu S H, Wu Q Y, et al. Soil detachment capacity of shallow overland flow in Earth-Rocky Mountain Area of Southwest China[J/OL]. Geoderma, 2020, 361: 114021.

[2] Wang X Y, Li Z X, Cai C F, et al. Hydrological response of sloping farmlands with different rock fragment covers in the purple soil area of China[J]. Journal of Hydrologic Engineering, 2013, 18(2): 446-456.

[3] Stolte J, Shi X, Ritsema C J. Soil erosion and nutrient losses in the Hilly Purple Soil area in China[J]. Soil & Tillage Research, 2009, 105(2): 283-284.

[4] 李馨欣，王小燕，蔡崇法，等. 紫色土水分和壤中流对降雨强度的响应[J]. 水土保持学报，2017，31(5)：25-31. Li Xinxin, Wang Xiaoyan, Cai Chongfa, et al. Response of soil water content and subsurface flow to rainfall intensity in purple soil[J]. Journal of Soil and Water Conservation, 2017，31(5)：25-31. (in Chinese with English abstract)

[5] 王小燕. 紫色土碎石分布及其对坡面土壤侵蚀的影响[D]. 武汉：华中农业大学，2012. Wang Xiaoyan. Distribution of Rock Fragments and Their Effects on Hillslope Soil Erosion in Purple Soil[D]. Wuhan: Hubei Huazhong Agricultural University, 2009. (in Chinese with English abstract)

[6] 秦凤. 紫色土区地表微地形变化特征及其对土壤侵蚀的影响[D]. 雅安：四川农业大学，2014. Qin Feng. Change of Soil Surface Microrelief and Their Effecst on Soil Erosion in Purple Soil Area[D]. Yaan: Sichuan Agricultural University, 2014. (in Chinese with English abstract)

[7] 符素华，刘宝元，周贵云，等. 坡长坡度因子计算工具[J]. 中国水土保持科学，2015，13(5)：105-110. Fu Suhua, Liu Baoyuan, Zhou Guiyun, et al. Calculation tool of topographic factors[J]. Science of Soil and Water Conservation, 2015, 13(5): 105-110. (in Chinese with English abstract)

[8] 廖义善，蔡强国，卓慕宁，等. 不同时空尺度下沟壑对流域侵蚀产沙的影响：以黄土丘陵沟壑区岔巴沟流域为例[J].地理科学进展，2009，28(1)：47-54. Liao Yishan, Cai Qiangguo, Zhuo Muning, et al. Influence of channel networks on the sediment yield under variant temporal and spatial scales: A case study of Chabagou watershed[J]. Progress in Geography, 2009, 28(1): 47-54. (in Chinese with English abstract)

[9] 李发源，汤国安，贾旖旎，等. 坡谱信息熵尺度效应及空间分异[J]. 地球信息科学，2007，9(4)：13-18. Li Fayuan, Tang Guoan, Jia Yini, et al. Scale effect and spatial distribution of slope spectrum’s information entropy[J]. Geo-Information Science, 2007, 9(4): 13-18. (in Chinese with English abstract)

[10] 俱战省，张加兵，柏子昌. 山区坡谱信息熵与水土流失地形因子关系探讨[J]. 测绘科学，2019，44(3)：86-90. Ju Zhansheng, Zhang Jiabing, Bai Zichang. Investigation on relationship between slope spectrum’s information entropy and topographical factor influencing soil loss in the mountainous region[J]. Science of Surveying and Mapping, 2019, 44(3): 86-90. (in Chinese with English abstract)

[11] Liu B Y, Nearing M A, Risse L M. Slope gradient effects on soil loss for steep slopes[J]. Transactions of the ASAE, 1994, 37(6): 1835-1840.

[12] Liu B Y, Zhang K L, Xie Y. An empirical soil loss equation[C]//Proceedings of the Tweenth International Soil Conservation Organization Coference, Vol Ⅱ: Process of Soil Erosion and Its Environment Effect. Beijing: Tsinghua University Press, 2002: 21-25.

[13] 杨勤科，郭明航，李智广，等. 全国土壤侵蚀地形因子提取与初步分析[J]. 中国水土保持，2013(10)：17-21. Yang Qinke, Guo Minghang, Li Zhiguang, et al. Extraction and preliminary analysis of soil erosion topographic factors in China[J]. Soil and Water Conservation in China, 2013(10): 17-21. (in Chinese with English abstract)

[14] 汤国安，李发源，杨昕，等. 黄土高原数字地形分析探索与实践[M]. 北京：科学出版社，2015.

[15] 张宏鸣，杨勤科，李锐，等. 基于GIS和多流向算法的流域坡度与坡长估算[J]. 农业工程学报，2012，28(10)：159-164. Zhang Hongming, Yang Qinke, Li Rui, et al. Estimation methods of slope gradient and slope length in watershed based on GIS and multiple flow direction algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(10): 159-164. (in Chinese with English abstract)

[16] 朱梅，李发源. 坡度分级对地面坡谱的影响研究[J]. 测绘科学，2009，34(6)：165-167. Zhu Mei, Li Fayuan. Influence of slope classification on slope spectrum[J]. Science of Surveying and Mapping, 2009, 34(6): 165-167. (in Chinese with English abstract)

[17] 汤国安. 黄土高原地面坡谱及其空间分异[C]//认识地理过程关注人类家园：中国地理学会2003年学术年会文集. 武汉：中国地理学会，2003.

[18] 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.

[19] 刘双琳，李发源，蒋如乔，等. 黄土地貌类型的坡谱自动识别分析[J]. 地球信息科学学报，2015，17(10)：1234-1242. Liu Shuanglin, Li Fayuan, Jiang Ruqiao, et al. A method of loess landform automatic recognition based on slope spectrum[J]. Journal of Geo-Information Science, 2015, 17(10): 1234-1242. (in Chinese with English abstract)

[20] Li F Y, Tang G A, Wang C, et al. Slope spectrum variation in a simulated loess watershed[J]. Frontiers of Earth Science, 2016, 10(2): 328-339.

[21] 吴秉校，候雷，宋敏敏，等. 基于汇流累积计算的沟壑密度分析方法[J]. 水土保持研究，2017，24(3)：39-44. Wu Bingxiao, Hou Lei, Song Minmin, et al. Gully density analysis based on flow accumulation method[J]. Research of Soil and Water Conservation, 2017, 24(3): 39-44. (in Chinese with English abstract)

[22] 杨晓，黎武，羊秀娟. 祥云县沟壑密度的提取与分析[J]. 农村经济与科技，2017，28(17)：23-25.

[23] 丁琳，刘辉. 延河流域沟壑密度统计学特征及影响因素分析[J]. 安徽农学通报，2016，22(14)：108-110，116. Ding Lin, Liu Hui. Characteristics of gully density in the yanhe river basin and its influencing factors[J]. Anhui Agricultural Science Bulletin, 2016, 22(14): 108-110, 116. (in Chinese with English abstract)

[24] Valentin G, Yermolaev O, Rysin I, et al. Mapping and spatial-temporal assessment of gully density in the Middle Volga region, Russia[J]. Earth Surface Processes and Landforms. 2018, 43(13): 2818-2834.

[25] 张丽萍，马志正. 流域地貌演化的不同阶段沟壑密度与切割深度关系研究[J]. 地理研究，1998，17(3)：273-278. Zhang Liping, Ma Zhizheng. The research on the relation between gully density and cutting depth in defferent drain age landform evolution periods[J]. Geographical Research, 1998, 17( 3): 273-278. (in Chinese with English abstract)

[26] 朱红春，刘海英，张继贤，等. 基于DEM的流域因子提取与量化关系研究-以陕北黄土高原的实验为例[J]. 测绘科学，2007，32(2)：138-140. Zhu Hongchun, Liu Haiying, Zhang Jixian, et al. Research on the topographic factors and its’mathematical simulation based on DEMs-a case study in the loess plateau of north Shaanxi province[J]. Science of Surveying and Mapping, 2007, 32(2): 138-140. (in Chinese with English abstract)

[27] 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. Tang Guoan. Progress of DEM and digital terrain analysis in China[J]. Acta Geographica Sinica, 2014, 69(9): 1305-1325. (in Chinese with English abstract)

[28] 郑亚运，赵清，黄巧华，等. 济南市南部山区土地利用变化与地形因子关系研究[J]. 水土保持研究，2016，23(4)：149-153，160. Zheng Yayun, Zhao Qing, Huang Qiaohua, et al. Research on the relationship between land use change and terrain factors in the south mountain area of Ji’nan, Shandong Province, China[J]. Research of Soil and Water Conservation, 2016, 23(4): 149-153, 160. (in Chinese with English abstract)

[29] 张宏鸣，杨勤科，刘晴蕊，等. 基于GIS的区域坡度坡长因子提取算法[J]. 计算机工程，2010，36(9)：246-248. Zhang Hongming, Yang Qinke, Liu Qingrui, et al. Regional slope length and slope steepness factor extraction algorithm based on GIS[J]. Computer Engineering, 2010, 36(9): 246-248. (in Chinese with English abstract)

[30] 赵牡丹，汤国安，陈正江，等. 黄土丘陵沟壑区不同坡度分级系统及地面坡谱对比[J]. 水土保持通报，2002，22(4)：33-36. Zhao Mudan, Tang Guoan, Chen Zhengjiang, et al. Slope classification systems and their slope spectrum in hill and gully area of the Loess Plateau[J]. Bulletin of Soil and Water Conservation, 2002, 22(4): 33-36. (in Chinese with English abstract)

[31] 王春. 基于 DEM 的陕北黄土高原地面坡谱不确定性研究[D]. 西安：西北大学，2005. Wang Chun. The Uncertainty of Slope Spectrum Derived from DEM in The Loess Plateau of Northern Shaanxi Province[D]. Xi’an: Northwest Universtiy, 2005. (in Chinese with English abstract)

[32] 国务院第一次全国水利普查领导小组办公室. 第一次全国水利普查培训教材之六：水土保持情况普查[M]. 北京：中国水利水电出版社，2010.

[33] 郭明航，杨勤科，王春梅. 中国主要水蚀典型区侵蚀地形特征分析[J]. 农业工程学报，2013，29(13)：81-89. Guo Minghang, Yang Qinke, Wang Chunmei. Analysis on erosional terrain characteristics of typical samples in main water erosion region of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(13): 81-89. (in Chinese with English abstract)

[34] 林婉晴，陈松林，廖善刚，等. 不同地貌类型水土流失区的地面坡谱分析[J]. 亚热带资源与环境学报，2014，9(4)：51-55. Lin Wanqing, Chen Songlin, Liao Shangang, et al. Cartorgraphic analysis on slope-spectrum for regional soil and water loss[J]. Journal of Subtropical Resources and Environment, 2014, 9(4): 51-55. (in Chinese with English abstract)

[35] 周文龙，赵卫权，杨家芳，等. 基于DEM的贵州沟壑特征及其空间分异规律研究[J]. 绿色科技，2015(10)：16-20.

[36] 詹蕾. SRTM DEM提取坡谱转换模型研究-以陕西省为例[J]. 陕西农业科学，2013，59(1)：83-86.

[37] 郑子成，秦凤，李廷轩. 不同坡度下紫色土地表微地形变化及其对土壤侵蚀的影响[J]. 农业工程学报，2015，31(8)：168-175. Zheng Zicheng, Qin Feng, Li Tingxuan. Changes in soil surface microrelief of purple soil under different slope gradients and its effects on soil erosion[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(8): 168-175. (in Chinese with English abstract)

[38] 何文秀，石云. 黄土丘陵沟壑区地形复杂度分析[J]. 测绘科学，2015，40(10)：146-152. He Wenxiu, Shi Yun. Analysis of terrain complexity in the hilly and gully area of Loess Plateau[J]. Science of Surveying and Mapping, 2015, 40(10): 146-152. (in Chinese with English abstract)

[39] Li A, Guo P, Wu W, et al. Impacts of terrain attributes and human activities on soil texture class variations in hilly areas, south-west China[J/OL]. Environmental Monitoring and Assessment, 2017, 189(6): 281.

[40] 宋晓猛，张建云，占车生，等. 基于DEM的数字流域特征提取研究进展[J]. 地理科学进展，2013，32(1)：31-40. Song Xiaomeng, Zhang Jianyun, Zhan Chesheng, et al. Advances in digital watershed features extracting based on DEM[J]. Progress in Geography, 2013, 32(1): 31-40. (in Chinese with English abstract)

[41] 陈楠. DEM分辨率与平均坡度的关系分析[J]. 地球信息科学学报，2014，16(4)：524-530. Chen Nan. Relationship between DEM resolution and average slope derived from DEM[J]. Journal of Geo-information Science, 2014, 16(4): 524-530. (in Chinese with English abstract)

[42] 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. Tang Guoan, Song Jia. Comparison of slope classification methods in slope mapping from DEMs[J]. Journal of Soil and Water Conservation, 2006, 20(2): 157-160. (in Chinese with English abstract)

[43] 陈佳音，邹艳红. 基于坡谱和信息熵的水土保持研究：以湖南省三个县为例[J]. 测绘与空间地理信息，2016，39(11)：97-101. Chen Jiayin, Zou Yanhong. Research on water and soil conservation based on slope spectrum and information entropy: A case study of three counties in Hunan Province[J]. Geomatics & Spatial Information Technology, 2016, 39(11): 97-101. (in Chinese with English abstract)

Relationship between slope spectrum’s information entropy and terrain factors in water erosion areas of purple soil in southwest China

Zhao Weijun1, Dong Qiqun1, Yan Tingting2, Qin Wei3,4※, Zhu Qingke2

(1.,,,271000,; 2.,,100083,; 3.,,100048,; 4.,100048,)

In conventional soil erosion evaluation, the calculation of slope length and steepness (LS) factor requires the relatively complicated extraction of slope grade and slope length, and there are certain thresholds due to the determination of slope length to the location. Slope Spectrum’s Information Entropy (SSIE) can comprehensively represent the characteristics of topographic relief, but it is not clear that how to apply for the prediction of soil erosion. This paper aims to explore the relationship between the SSIE and topographic factors, while the research area is taking the water erosion area of purple soil in southwest China, including the Qinba mountains region, Wuling mountain hilly area, and Sichuan and Chongqing mountainous region. The slope gradient, slope length, and hydrographic net were extracted using ArcGIS based on ASTER GDEM (30 m resolution). After the calculation, two relationships were established between the SSIE and LS factor, as well the SSIE and gully density based on 63 basins. The results showed that: 1) The whole region displayed the curves of slope spectrum in the shape of "L", "S" and approximate bell, while the different curves of slope spectrum were successively distributed in Sichuan and Chongqing mountainous region, Wuling mountain hilly area and Qinba mountains region. Meanwhile, the main peaks of slope spectrum curves were concentrated in 0°-3°,15°-18° and 24°-27°. 2) The mean of LS factor was 11.03, and the distribution range of LS factors was 0-5, 10-15 and greater than 20 in Qinba mountainous region and Wuling mountain hilly area. However, that in Sichuan and Chongqing mountainous region was mainly concentrated in 0-15, showing obvious north-south difference.3) The gully density was 0.66km/km2at the regional scale, particularly 0.72 km/km2in Qinba mountains region, and 0.75 km/km2in Wuling mountain hilly area. In Sichuan and Chongqing mountainous region, the gully density reached the minimum, 0.57 km/km2, lower than 17.39% mean value of the regional scale. The gully density ranged from 0.33 to 0.88 km/km2at the watershed scale. 4) The SSIE showed a logarithmic relationship with LS factor in the different scales, expressed as=0.589 7ln+1.201 (2=0.949 4,<0.01) in first zone,=0.577 7ln+1.200 3 (2=0.960 3,<0.01),=0.749ln+0.907 3 (2=0.983 8，<0.01), and=1.31650.302(2=0.989 1，<0.01) in Qinba mountains region, Wuling mountain hilly area, and Sichuan and Chongqing mountainous region, respectively. However, there were significant differences in the relationships between the SSIE and gully density in the various scales. The relationship between the SSIE and gully density was a polynomial function with low degree of correlation in first and other secondary zone, except for the highly correlated exponential function (=1.30451.0452x(2=0.7475，<0.05)) in Sichuan and Chongqing mountainous region. The method can reduce the tedious calculation of LS factor and gully density, while the calculation of SSIE can make the evaluation of soil erosion easier and simpler than before. The findings can be expected to provide a scientific basis for the evaluation and prediction of soil erosion in purple soil and water erosion areas.

topography; soil erosion; slope spectrum information entropy (SSIE); purple soil region

赵维军，董奇群，燕婷婷，等. 西南紫色土水蚀区坡谱信息熵与地形因子关系分析[J]. 农业工程学报，2020，36(9)：160-167.doi：10.11975/j.issn.1002-6819.2020.09.018 http://www.tcsae.org

Zhao Weijun, Dong Qiqun, Yan Tingting, et al. Relationship between slope spectrum’s information entropy and terrain factors in water erosion areas of purple soil in southwest China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(9): 160-167. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.09.018 http://www.tcsae.org

2019-08-18

2020-03-02

国家自然科学基金（41877073，41907050）；中央基本科研业务费专项重点项目（SE0145B132017）；山东省自然科学基金（ZR2019MD031）；山东省高校科研计划项目（J18KA197）

赵维军，博士，副教授，研究方向为土壤侵蚀与水土保持。Email：zwj_0920@126.com

秦伟，博士，教授级高工，研究方向为土壤侵蚀与水土保持。Email：qinwei_office@sina.com

10.11975/j.issn.1002-6819.2020.09.018

S157.1

A

1002-6819(2020)-09-0160-08