黄土高原切沟地貌学研究述评

那 嘉 明，杨 昕，李 敏，丁 浒，汤 国 安

(1.南京师范大学虚拟地理环境教育部重点实验室，江苏 南京 210023；2.江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023；3.江苏省地理环境演化国家重点实验室培育建设点，江苏 南京 210023)

黄土高原切沟地貌学研究述评

那 嘉 明，杨 昕*，李 敏，丁 浒，汤 国 安

(1.南京师范大学虚拟地理环境教育部重点实验室，江苏 南京 210023；2.江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023；3.江苏省地理环境演化国家重点实验室培育建设点，江苏 南京 210023)

由于黄土切沟在流域侵蚀产沙和地貌发育方面的重要性，越来越多的研究逐渐将切沟从混合着各类沟谷的沟谷系统中分离出来，以明确对其特征、发育演化与环境的耦合作用。针对目前黄土切沟定义内涵不统一、表达相混淆的问题，该文首先在分析已有概念的基础上，明确了黄土切沟所具有的共性特征，并基于此，介绍了目前关于切沟的自动化识别、切沟的形态特征分析以及切沟的发育演化模拟等地貌学方面的研究进展。认为目前关于黄土切沟的系统研究仍处于起步阶段，今后的研究重点将在切沟的自动识别、三维形态监测与信息提取以及基于系统动力学的切沟地貌演化模型的构建等方面。

黄土切沟；黄土高原；自动识别；形态特征；发育演化

千沟万壑是黄土高原典型的地貌特征。在黄土沟谷系统中，发育着不同年龄、不同规模的细沟、浅沟、切沟、冲沟、干沟(坳沟)和河沟等[1]沟壑。据野外观测资料，浅沟和切沟侵蚀产沙量占整个流域内现代侵蚀产沙量的50%以上[2，3]。其中，浅沟属于坡面线状侵蚀地貌；而切沟则具有明显下切作用，其沟宽和沟深明显加大，沟头溯源侵蚀强烈，是沟谷发育及土壤侵蚀最活跃的类型之一，对黄土地貌形态演化及土壤侵蚀过程具有重要作用。本文在前人对切沟地貌学研究的基础上，从切沟概念的界定、切沟的自动化识别、切沟的形态特征分析以及切沟的发育演化模拟等研究角度进行了回顾和评述。

1 黄土切沟的概念

关于黄土切沟的概念，我国学者分别给出了内容不尽相同的定义。由于研究对象的地域差异性，对切沟的长度、宽度、深度等形态规模定义存在较大差异。

1.1 切沟的定义

罗来兴(1956)最先将切沟定义为坡面集中的径流开始发生下切作用时所形成的侵蚀沟[1]。此后不同学者分别给出了各自的定义，归纳起来分别涉及切沟规模大小、与所在坡面的关系、横剖面形态、可耕作性以及沟底物质等方面。

关于切沟的规模，学者们均有各自的观点，差异较大。如：罗来兴通过对晋西、陕北、陇东地区黄土典型侵蚀地貌的野外调查，将切沟定义为宽深均在50 cm以上的侵蚀沟[1]；朱显谟认为切沟下切深度至少在1 m以上，乃至20 m[2]；杨华则认为切沟长度不超过百米、深一般20 m，宽几米至几十米[4]；周成虎认为切沟的宽度和深度一般为0.5～2 m[5]；Li等将切沟定义为由面蚀发育而来的侵蚀沟，长几十米至上百米，宽深几米至几十米[6]；而张宏芝等认为切沟深1～10 m，宽2～10 m[7]；此外程宏等认为深度、宽度均大于0.5 m的坑状浅沟也应视为不连续的切沟[8]。可见，前人对于切沟的形态规模认识存在一定的差异，这与其研究样区的地貌类型、降雨条件以及地表覆盖等环境条件显著相关。切沟形态规模的显著差异性，给切沟的自动识别和定量化表达带来了挑战。因此，对切沟的识别与判定既要与所在区域的地形地貌特点紧密联系，更需结合其他特征。

从切沟与其所在坡面的关系角度看，存在两种观点。一种观点认为，由于沟床下切至少在1 m以上，深的可达20～100 m，已经很深地切入母质或疏松的基岩，因此，切沟的纵断面不再和所在坡面一致[2]。另一种观点认为，切沟下切深度一般为0.5～2 m之间，其沟底纵坡面与所在坡面大致平行[5，6]。虽然，这是两种不同的观点，实际上这种差异与切沟的规模和发育阶段紧密相关。朱显谟依据切沟的切割深度以及纵坡面与斜坡面坡度是否一致等关系，将切沟分成了小切沟、中切沟和大切沟。其中，小切沟由于下切深度较浅(一般不超过2 m)，其纵坡面还保留着所在坡面的坡度；而中切沟(下切深度5～10 m)与大切沟(下切深度大于20 m)的纵断面则与所在坡面显著不同。可见，周成虎等所提到的切沟实际上是一种小型切沟，属于切沟发育的早期阶段[5，6]。

关于切沟的横剖面，目前有较一致的看法，即通常呈V或U形[2，6，9]，不同的横断面形态实际上代表了不同的发展阶段。在切沟形成早期，由于下切作用非常强烈，其横断面可短期内保持狭长的V形。中期时，随着下切作用减弱，沟坡基部的冲淘作用和沟壁的崩塌作用加强，沟床逐渐被堆积物所填充，沟壁陡直，使得其横断面呈U形，若无人为影响，这一时期可保持相当长的时间。因此，当切沟侵蚀处于稳定时期，其横断面通常呈U形。

切沟与细沟、浅沟最明显的区别，即其不能为一般耕犁所消灭，横向耕作已完全被阻止[1，2，4，6，10]。这一显著特征与国外学者所提出的区分临时性沟谷(ephemeral gully)和永久性沟谷(permanent gully)的判别条件[11]一致，也使得我国对于黄土沟谷分类体系与国外分类体系之间有了很好的衔接。因此，细沟和浅沟可以归为临时性沟谷，切沟、冲沟、坳沟以及河沟则属于永久性沟谷。基于此，笔者认为能否施行横向耕作应该作为判断切沟的首要条件。

此外，切沟还具有明显的沟头、陡坎和跌水[4，6，10]等特征，尤其是具有明显的沟缘[5，6]。为了有助于切沟的判别，将切沟的形态特征归纳为表1。

表1 切沟形态特征的描述

1.2 切沟的分类

对切沟进行分类有助于深入理解黄土高原切沟的特征。前人分别从切沟产生的部位、切沟宽度深度和切沟沟底塌积土面积进行划分。

刘元保等按照切沟产生的部位将切沟分为底部切沟和斜坡切沟。底部切沟是指发生在侵蚀凹地底部的切沟，包括墹地、埫地、沟墇地底部的切沟等；斜坡切沟多发育在梁、峁和塬的坡面上[12]；邝高明认为切沟多发育在沟沿线以下的坡面，等高线弯折程度大，多止于坡度平缓的冲沟沟底[10]；李镇将黄土切沟分为坡面切沟、谷底切沟以及发育于沟间地和沟谷地之间沟沿线上的切沟[13]。本文认为三分法可较好地归纳目前所见到的各种切沟，即坡面切沟、谷底切沟及沟沿线上的切沟3种。该分类中，坡面切沟即常说的悬沟或者勺状切沟，即在坡面位置上产生的切沟，沟的上部较宽、中下部变窄直至消失，或与主沟道相接的侵蚀沟；谷底切沟指发生在沟谷凹地底部的切沟，切沟尾部往往与冲沟或干沟沟头相接，形成一个突然宽展的大跌水；沟沿线上的切沟是指切沟沟头本身就是沟沿线的一部分，许多相邻切沟沟头实际上已经连在一起，形成了沟沿线，并止于坡度平缓的冲沟沟底，这也是大部分切沟的表现形式。

刘元保等依据切沟的宽度将坡面切沟分为小切沟和大切沟[12]。小切沟宽度多为2～7 m，一般小于10 m，大切沟宽度多大于10 m；小切沟一般只有在集流槽较集中的墕地下方，或在塬区道路影响下才能发展成冲沟，其他情况则一般不能发展为冲沟。该分类从几何形态的角度划分了大小切沟，并归纳了小切沟能否发育为冲沟的条件，但由于切沟发育的区域差异性，很难适用于整个黄土高原的切沟分类。此外，切沟下切深度的差异，决定了下切至土壤母质的程度和差异，这很大程度决定了切沟能否发育为冲沟。因此，依宽度进行分类是依下切深度进行分类的间接表现，而依下切深度的划分则更能直接反映切沟的发育特征。

杨华以切沟沟底塌积土数量为主要分类依据，通过聚类分类方法将切沟分为初始阶段、发展阶段和稳定阶段三类[4]。其中初始阶段切沟的沟形狭长，以沟头溯源侵蚀为主；发展阶段切沟的沟形多为心形，其水力侵蚀、重力侵蚀都很严重；稳定阶段切沟土壤侵蚀基本停止，沟道内塌积土占沟道面积50%～90%，可用于造林。该分类标准是对朱显谟提出沟道面积与总面积之比作为分类依据的发展，可揭示切沟的发育阶段。

综上，不同学者对切沟的定义和分类上不尽相同，在切沟术语的使用上仍存在一定的混淆。由于不同研究区的土壤、气候、下伏地形等要素的差异性，其发育的切沟形态规模千差万别。不够明晰统一的形态特征描述会对基于形态学方法的切沟监测、识别和提取工作带来一定的困难。然而，由于在切沟的形态和发育机理上具有较为一致的认识，因此基于地貌发育过程对切沟进行描述，从而实现切沟自动化提取的方法，势必具有更好区域适用性。因此，切沟是指坡面集中的径流开始发生明显下切作用时形成的侵蚀沟，可发生在坡面及沟道中，规模大小不一，但具有以下共同特点：1)横向耕作无法进行，完全阻止了人畜通行，是永久性沟谷的初始阶段；2)具有呈跌水状的沟头，沟身具有明显的沟缘；3)大多数发育于坡面上，以沟沿线附近的切沟最为显著，其纵剖面坡度与所在坡面坡度在发育初期一致，随后逐渐产生差异。

2 黄土切沟的自动化识别

黄土高原沟壑形态复杂多样，因此对黄土高原沟壑区的地貌进行有效的自动化识别一直是黄土地貌研究热点。切沟地貌自动识别研究最早始于土壤侵蚀制图的需求，对沟壑类型的准确识别是土壤侵蚀制图的基础。传统土壤侵蚀制图研究开展较早，通常采用实测、遥感图像或航片目视解译等手段，虽精度较高但费时费力。黄秉维、朱显谟和罗来兴等均对黄土高原地区土壤侵蚀进行了制图[1，2，14]，但结果大多为分区图，整个区域的沟壑制图结果均基于对样区实地调查后的合理外推，未能实现对切沟形态的定量精细化识别。因此，实测手段虽然可以实现切沟的小范围高精度识别建模，但其难以适用于大范围快速高效的提取。随着测量技术的不断发展，切沟的自动化逐渐成为可能。

2.1 基于遥感影像的切沟识别

随着遥感图像时空分辨率的不断提高及遥感处理和分类技术的运用和普及，基于遥感影像的沟谷识别逐渐取代传统的野外实测工作，成为获取大范围、多时期沟谷信息的主要手段。传统的切沟识别以人工目视解译为主，如张凤荣等借助1∶50 000彩红外航片对黄土高原丘陵沟壑区土壤侵蚀进行了遥感调查制图，对切沟的光谱色彩、纹理等影像特征作出了总结，认为切沟在红外航片上具有呈米黄色、梳子状纹理明显、植被色调不明显等特征[15]，为后来基于遥感影像的自动提取提供了分类判别依据；刘秉正等通过室内航片判读的方法，实现了陕西淳化黄土塬区切沟的形态识别[16]。这是国内较早的对切沟半自动提取方法的探索。与此同时，学者们也注意到，快速高效准确的切沟提取方法离不开专家知识的辅助[17]，这以大量的野外工作为基础。由于遥感提取方法需要从大量野外工作中积累的专家经验，因此其结果虽可信度较高，但仍无法实现切沟的大范围提取。

进入21世纪后，包含信息丰富的高分辨率遥感影像由于数据的逐渐普及使得其在切沟形态自动化识别研究中逐渐得到了广泛应用。国内使用高分影像的切沟提取最早出现于东北黑土区的切沟。闫业超等将黑土区的侵蚀沟分为活跃性、半活跃性和稳定性三种类型，利用SPOT-5高分影像，阐述了不同类型侵蚀沟的影像特征和遥感分类方法，提出以植被覆盖指数为划分依据的各类侵蚀沟的提取方法，并同时认为遥感影像提取出的一系列影像指标可以有效反映出沟壑发育的活跃程度[18]；杜国明等基于SPOT-5影像通过目视解译提取了东北黑土区的切沟信息，并对切沟的空间格局分布特征进行了分析，结果表明：切沟多见于5°～7°的漫岗坡面中下部；其密度随海拔高度的上升呈现先增后减的趋势[19]；与此同时，国外也有学者作出了一定的探索。Shruthi 等使用IKONOS和GEOEYE-1影像，建立了面向对象的沟谷提取方法，实现了沟谷形态的高精度半自动化提取[20]；随后基于ASTER影像，采用面向对象随机森林算法实现了切沟的自动提取，结果表明15 m分辨率的ASTER影像包含了足够信息用来提取切沟[21]。以上研究的实验区域虽不是黄土高原地区，但其构建的提取方法所使用的判别标准多基于地貌特征而非简单基于地物的光谱异质性，其思路方法可较好地推广至黄土高原地区，为黄土高原切沟提取提供了参考。

基于遥感影像的黄土高原切沟提取研究起步较晚。李镇等基于Quickbird影像，利用人工目视解译方法提取了晋西黄土高原切沟的沟沿线，并计算了切沟发育速率[22]，随后对提取的切沟形态参数的精度进行了分析，结果证明Quickbird影像是小流域尺度上识别黄土高原切沟的便捷可靠的数据源[13]。李斌兵等提出了一种面向对象的半自动切沟提取方法，利用World View-2数据识别出了甘肃天水桥子沟的切沟[23]，随后针对所用数据，提出了一种基于分割对象间异质性最大的分割阈值自适应方法，论证了对于2 m分辨率影像，影像识别的最优尺度参数应取31[24]。该方法实现了切沟的半自动提取，通过提出的分割尺度自适应优化方法，可将该方法推广至其他区域，但该方法的计算量较大，精度仍有待进一步提高。由此可见，随着高分辨率遥感影像近年来的逐渐普及，对于提取诸如细沟、切沟等微地貌对象，面向对象方法表现出良好的性能[25]，使得面向对象的切沟提取方法研究逐渐受到了国内外学者的广泛关注，切沟自动提取方法的精度和效率不断提高。

综上，由于高空间分辨率和数据易获取性等优点，基于遥感影像的切沟识别研究较为丰富，取得了重要的成果。但是仍存在以下问题：人工目视解译手段主观性强，识别结果的精度很大程度上受专家经验影响，且效率较低。而自动识别方法受区域特征的限制，解译标志以及相关参数的区域差异性较大，一个地区的结果难以推广到其他区域，现有的参数自适应确定方法效率较低，制约着自动化识别的效率和精度，高效、高精度且参数自适应的提取方法仍有待进一步探索。

2.2 基于DEM的切沟提取

数字高程模型(DEM)作为地表形态的数字化表达，蕴含了丰富的地形地貌信息[26]。应用DEM的数字地形分析技术是地貌形态学研究的重要手段。基于数字地形分析技术的切沟地貌学研究主要代表有：游智敏基于多时相的GPS实测生成的0.4 m DEM，通过对地形特征点的测量实现了切沟变化的监测制图[27]，但其方法对DEM分辨率的依赖性较强，难以推广至大范围的切沟提取；李斌兵基于1∶1万DEM，采用汇流累计临界的方法实现了切沟侵蚀区的识别[28]，该方法较为充分地考虑了切沟的地貌临界特征，其数据尺度依赖性较低，但其结果仍为切沟和浅沟的分布范围，无法实现对具体每一条切沟的精确定位。

在对各级沟壑所组成的沟壑系统进行地貌学研究时，由于更多关注沟壑系统的组成比例、空间分异等宏观群体性特征，通常会将切沟抽象为线状要素。传统的沟壑线状要素提取研究集中于沟谷网络的提取，主要通过模拟地表径流的汇流累积过程，实现了对各级沟谷的分级与识别[29-32]。该类方法主要受两个因素的影响，一是汇流累计分割阈值，二是DEM的分辨率。切沟由于其地貌形态相对冲沟以上沟谷明显较小，因此在提取时需要较小的汇流累计分割阈值，而这势必产生了平行河网或伪沟谷等问题。虽然不同学者分别通过改进流向算法[33-39]或针对沟谷网络对DEM信息的修正增强[40-42]，在一定程度上解决了上述问题，但流向改进算法对地表径流的模拟仍缺乏对真实汇流情况的动力学基础，与真实地表径流过程仍有出入，而DEM修正增强方法需要真实的水系数据，对于半干旱气候为主的黄土高原，沟壑系统中一般并无真实的水流，其适用性仍显不足。与此同时，由于DEM大多通过栅格格网记录地表高程信息，其信息负载受分辨率影响较大，且不同尺度的数据分析方法差异较大[26]。高分辨率的DEM(即格网大小在1 m以下)虽然可以实现切沟的监测，但大范围的数据获取困难，而基于中低分辨率DEM如国家基础地理信息数据库生产的1∶1万DEM的切沟提取，尚未得到有效方法。此外，沟谷网络提取结果仅以水文汇流关系为基础进行分级，未能将各级沟谷依地貌特征进行划分，这使得针对切沟在沟谷系统发育演化作用的研究难以开展。

沟沿线作为正负地形的分界线，是一条重要的地形特征结构线，将黄土地貌分割为平缓沟间地(正地形)和深切的沟谷地(负地形)，由于大部分切沟的沟头点位于沟沿线上，因此基于DEM的沟沿线识别也成为黄土切沟识别研究中不可缺少的部分。关于黄土高原沟沿线的提取，前人做了大量的工作，取得了丰硕的成果，主要可分为基于坡度、坡向、平面曲率、变异曲率、汇流累计等地形特征量的沟沿线提取[43-48]和基于灰度检测方法如Snake模型[49-51]、边缘检测算子[52，53]、区域生长法[54]等的沟沿线识别方法。其中基于地形特征的提取方法计算效率相对较高，地学意义明确但结果通常较为破碎；基于灰度检测的方法其算法时间复杂度高，但沟沿线提取结果较为平滑，然而对于形状复杂多变的地貌区却精度较差。此外，Wang等通过对Quickbird影像进行HSV色彩变换，同时结合5 m分辨率DEM提取出的冲沟沟沿线，通过阈值分割的方法得到切沟的沟沿线空间分布[55，56]。这种遥感影像与DEM相结合的切沟提取方法为切沟的自动化提取提供了新的思路。

近年来，以三维激光扫描技术(Lidar)和合成孔径雷达干涉技术(InSar)为代表的高精度点云测量技术快速发展。随着点云技术的成本不断降低，其快速、海量、高效、地貌还原度高的特点使其迅速成为DEM生产的热门技术之一。基于点云数据构建的DEM的切沟提取研究刚刚起步，如马鼎等使用三维激光扫描技术，利用激光回光强度衰减模型对地表植被实现滤波，进而得到了切沟的地表模型，最终得到了切沟长宽的变化[57]。密集点云数据记录了切沟详细的原始信息，基于点云数据的切沟提取可避免因为抽稀和建模导致的部分切沟信息丢失。然而，由于点云的数据量很大，在建立切沟提取方法的基础上，要考虑运算的效率。因此，并行化的切沟提取方法是基于点云数据切沟提取必须要解决的问题。此外，点云去噪和地形特征点的自动识别也有待进一步研究。

综上所述，目前基于DEM面向切沟提取的研究还较少，主要是由于切沟的宽度和深度相对较小，大部分DEM的分辨率达不到切沟提取的要求。因此，25 m(国家1∶5万DEM)、30 m(ASTER GDEM)、90 m(SRTM DEM)等空间分辨率的DEM无法用于切沟的提取。而大范围高分辨率DEM的难以获取性造成了基于DEM切沟提取的困难。目前研究较多的是基于DEM沟沿线的提取，其结果主要为沟谷范围，即使分辨率很高，得到的也是包含切沟和冲沟的沟谷系统，难以自动区分冲沟和切沟。因此，随着高分辨率DEM尤其是点云技术的逐步出现，基于DEM的切沟快速大范围提取仍将是未来研究的重点。

3 黄土切沟的特征分析

对切沟进行形态学分析，了解切沟的形态学特征，是对切沟侵蚀和发育预测的基础。关于黄土沟壑的形态特征分析，已取得了丰硕的成果，如罗来兴、朱显谟通过对山西、陕西、青海等地区的黄土高原的典型流域实地调查和测量，对黄土高原沟壑分级系统和土壤侵蚀的类型作出了定义[1，2，58]，通过分析各级沟壑的沟长、沟宽、沟深、沟壑密度等指标，制定了黄土沟谷系统的分类体系。景可对黄河中游地区沟谷密度进行了量算，并分析了其与侵蚀量的关系，发现沟谷与沟间地产沙量之比接近6∶4[59]。但面向黄土切沟的形态特征分析则相对较少，主要代表有：杨华等通过对切沟长宽深、跌水、沟坡坡度、塌积面积等指标，实现对了山西吉县切沟依形态的聚类分类，以间接反映侵蚀程度，结果可信度高，但各项指标均采用GPS测量，工作量大，不适宜进行大范围普查；李斌兵等通过对流域汇水面积的统计，对国外研究已取得的判别式作出了修正，得到了适用于黄土丘陵沟壑区的浅沟侵蚀和切沟侵蚀的分界阈值[28]，而汇水面积的计算受流向算法DEM分辨率的影响较大，导致其方法较难推广；尹佳宜等对比了切沟形态的卷尺测量和GPS测量结果，认为使用卷尺测量结果足够用来分析切沟体积的年际变化，使用传统测量技术也能得到满意的结果[9]。李镇等通过分析切沟沟沿线周长和面积与植被覆盖的关系，认为植被对切沟发育有着明显的遏制作用[22]，随后对提取的切沟形态参数的精度进行了分析，认为草本覆盖的小流域中的解译结果切沟形态参数的精度更高[13]；李斌兵等利用面向对象技术对黄土丘陵沟壑区切沟进行遥感提取时，发现切沟具有在径流方向上灰度值的空间相关性[23]，该结论可服务于切沟的自动化提取。

可见，前人对于切沟特征的分析，较多的关注切沟的影像特征、长宽深、坡度与植被覆盖、侵蚀模数等，已经取得了许多重要成果，但对切沟的形态学研究多关注其一维或者二维信息，对三维信息的研究相对较少。而切沟作为黄土高原侵蚀最为活跃的地貌类型之一，其三维形态直接影响着其侵蚀和发育的模式和速度，因此，随着研究的深入，切沟三维形态特征将势必得到关注。

4 黄土切沟的发育演化模拟

物理过程模型通过对沟壑发育机理的认识，可以很好地描述沟壑的发育过程，这方面的研究国外学者已开展了较多的工作。沟壑发育模型研究始于20世纪70年代早期[60]， Wischmeier等提出了通用土壤流失方程(Universal Soil Loss Equation，USLE)[61，62]，以及随后提出的各种改进USLE模型(RUSLE)，在世界范围内得到了广泛的应用推广[63]，与此同时，我国学者也将其在黄土高原土壤侵蚀研究中广泛应用[64]；何雨等依据Davis地貌循环理论将黄土沟谷发育分为幼年期、壮年期和老年期[65]。但以上模型均基于统计回归分析，且未对沟壑进行分类，无法对切沟发育机理过程进行描述。

切沟发育的经验模型研究起步较早。美国土壤保持局在80年代初期，通过实测切沟的溯源侵蚀，得到了预报切沟发育的经验公式[66]；武春龙等建立了切沟沟道密度的统计数学模型[67]；Sidorchuk等建立了基于三维水力学的GULTEM模型，可以模拟切沟发育的第一阶段[68]，随后又提出了动态切沟模型(DIMGUL)和静态切沟模型(STABGUL)，其中动态切沟模型可描述切沟发育初期沟头的变化，静态切沟模型可描述切沟发育后期切沟的稳定形态[69]。以上模型均充分考虑了地貌演化的机理，但模型参数多基于统计分析，往往受地区局限较大。

切沟发育的物理模型研究起步相对较晚。基于系统动力学的元胞自动机(CA)模型可以有效模拟复杂的系统动力学问题，成为近年来地貌演变的研究热点。霍云云、刘星飞、原立峰、吴淑芳等对人工降雨场小流域细沟利用CA进行了模拟，探讨了模型的参数、尺度效应和模拟精度等问题，为现实地貌的切沟发育模拟提供了理论依据[70-74]。Cao等分别基于Fisher-CA和ANN-CA模型对室内降雨场小流域的正负地形演化进行了模拟，较为准确地预测了切沟沟头的前进[75-77]。但是以上模拟均基于室内降雨场模拟小流域，与现实世界切沟发育的情况仍存在一定差距，目前仍有待实现真实条件下切沟的发育演化模拟。

综上所述，切沟的发育模拟研究的模型驱动机制大多基于数据挖掘和经验统计，缺乏明显的地学意义。

5 总结与展望

细沟、浅沟、切沟、冲沟以及河沟组成了黄土高原沟谷系统，几乎任何一个具有较大面积的黄土流域均由上述各类沟谷组成。随着研究的深入，人们认识到笼统地对待不同类型的沟谷，难以有效解释地貌发育机理和演变过程，并逐步认识到切沟在侵蚀产沙贡献和流域地貌特征塑造上的重要作用，因此面向黄土切沟的研究也逐渐增多。目前在基于遥感影像和DEM的切沟自动识别、切沟形态特征分析、切沟发育演化模型等方面取得了重要的成果。但是对于切沟的概念内涵还未形成统一的认识，这也是造成切沟识别方法及模型应用广度受限的主要原因之一。本文在系统分析已有切沟定义的基础上，凝练出切沟的三点共性特征，期望对明确黄土切沟的概念提供依据，以服务于黄土切沟的地貌学和土壤侵蚀学研究。

目前，对切沟形态的认识主要有线状抽象、二元性认识和对象化认识三个层面。线状抽象将切沟抽象为线状要素，着重于切沟的数量、密度及分布等方面，切沟对象被简化；二元性认识多采用沟沿线或沟底线将整个地表分为切沟及切沟以外的两类区域，重在分析重力侵蚀与坡面侵蚀的分布及其差异性、切沟发育及其演变等方面，但是对个体的特征表达不足；对象化认识注重切沟个体的系列化特性及行为，注重切沟与周围地理环境的相互作用，具有系统性和整体性思想，但是获取每一个切沟个体的系列化特征较为困难。以上各种观点均有其优势及不足，但是对切沟三维形态信息的自动化识别是其研究的基础。因此，基于高分辨率DEM和遥感影像的切沟三维形态自动识别和信息提取亟待解决。

由于切沟是坡面侵蚀中下切作用强烈的一类沟壑类型，对流域土壤侵蚀产沙贡献明显，因此切沟的地貌发育及预测研究有助于深化对流域地貌发育演化认识。目前，基于经验统计分析的切沟发育研究大多关注流域的沟谷密度、切沟沟头的溯源侵蚀速率、切沟侵蚀发生的地貌临界条件等；基于系统动力学模型的切沟发育模拟研究虽能展示二维形态的发育过程，却无法得到切沟下切深度等三维体特征，且模拟所采用模型的驱动机制大多基于数据挖掘和经验统计，缺乏明显的地学意义。因此，基于系统动力学的切沟地貌演化模型研究将成为切沟研究的重点。

[1] 罗来兴.划分晋西、陕北、陇东黄土区域沟间地与沟谷的地貌类型[J].地理学报，1956，22(3):201-222.

[2] 朱显谟.黄土区土壤侵蚀的分类[J].土壤学报，1956，4(2):99-115.

[3] 郑粉莉，刘峰，杨勤科，等.土壤侵蚀预报模型研究进展[J].水土保持通报，2001，21(6):16-18，32.

[4] 杨华.山西吉县黄土区切沟分类的研究[J].北京林业大学学报，2001，23(1):38-43.

[5] 周成虎.地貌学辞典[M].北京：中国水利水电出版社,2006.

[6] LI X，WANG Z，ZHANG S，et al.Dynamics and spatial distribution of gully in the typical upland region of Northeast China[J].Scientia Geographica Sinica，2007，27(4):531.

[7] 张宏芝，朱清科，王晶，等.陕北黄土坡面微地形土壤物理性质研究[J].水土保持通报，2011，31(6):55-58.

[8] 程宏，王升堂，伍永秋，等.坑状浅沟侵蚀研究[J].水土保持学报，2006，20(2):39-41，58.

[9] 尹佳宜，伍永秋，汪言在.采用不同方法测量切沟的误差分析[J].水土保持研究，2008，15(1):12-16.

[10] 邝高明，朱清科，赵磊磊，等.黄土丘陵沟壑区陡坡微地形分布研究[J].干旱区研究，2012，29(6):1083-1088.

[11] FAO.Soil erosion by water.Some measures for its control on cultivated lands[J].Agricultural Paper，1965.81

[12] 刘元保，朱显谟，周佩华，等.黄土高原坡面沟蚀的类型及其发生发展规律[J].中国科学院西北水土保持研究所集刊，1988，7(1):9-18.

[13] 李镇，张岩，杨松，等.QuickBird影像目视解译法提取切沟形态参数的精度分析[J].农业工程学报，2014，30(20):179-186.

[14] 黄秉维.陕甘黄土区域土壤侵蚀的因素和方式[J].地理学报，1953，19(2):163-171，173-186.

[15] 张凤荣，夏夫川.黄土高原丘陵沟壑区土壤侵蚀遥感调查制图与精度分析[J].水土保持学报，1992，6(4):28-34.

[16] 刘秉正，吴发启.黄土塬区沟谷侵蚀与发展[J].西北林学院学报，1993，8(2):7-15.

[17] BOCCO G，VALENZUELA C R.Integrating satellite-remote sensing and geographic information systems technologies in gully erosion research[J].Remote Sensing Reviews，1993，7(3-4):233-240.

[18] 闫业超，张树文，岳书平.克拜东部黑土区侵蚀沟遥感分类与空间格局分析[J].地理科学，2007，27(2):193-199.

[19] 杜国明，雷国平，宗晓丹.东北典型黑土漫岗区切沟侵蚀空间格局分析[J].水土保持研究，2011，18(2):94-97，271.

[20] SHRUTHI R B V，KERLE N，JETTEN V.Object-based gully feature extraction using high spatial resolution imagery[J].Geomorphology，2011，134(3):260-268.

[21] SHRUTHI R B V，KERLE N，JETTEN V，et al.Object-based gully system prediction from medium resolution imagery using Random Forests[J].Geomorphology，2014，216:283-294.

[22] 李镇，张岩，姚文俊，等.基于QuickBird影像估算晋西黄土区切沟发育速率[J].农业工程学报，2012，28(22):141-148.

[23] 李斌兵，黄磊.基于面向对象技术的黄土丘陵沟壑区切沟遥感提取方法研究[J].水土保持研究，2013，20(3):115-119，124.

[24] 李斌兵，黄磊，刘大伟.黄土丘陵沟壑区切沟分布的遥感图像识别最优尺度研究[J].水土保持研究，2014，21(4):158-162.

[25] BAATZ M，SCH PE A.Multiresolution Segmentation:An Optimization Approach for High Quality Multi-scale Image Segmentation[A].Berlin,Germany:Herbert Wichmann Verlag,2000.12-23.

[26] 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.

[27] 游智敏，伍永秋，刘宝元.利用GPS进行切沟侵蚀监测研究[J].水土保持学报，2004，18(5):91-94.

[28] 李斌兵，郑粉莉，张鹏.黄土高原丘陵沟壑区小流域浅沟和切沟侵蚀区的界定[J].水土保持通报，2008，28(5):16-20.

[29] O′CALLAGHAN J F，MARK D M.The extraction of drainage networks from digital elevation data[J].Computer Vision,Graphics,And Image Processing，1984，28(3):323-344.

[30] TARBOTON D G，BRAS R L，RODRIGUEZ‐ITURBE I.On the extraction of channel networks from digital elevation data[J].Hydrological Processes，1991，5(1):81-100.

[31] FAIRFIELD J，LEYMARIE P.Drainage networks from grid digital elevation models[J].Water Resources Research，1991，27(5):709-717.

[32] LASHERMES B，FOUFOULA-GEORGIOU E，DIETRICH W E.Channel network extraction from high resolution topography using wavelets[J].Geophysical Research Letters，2007，34(23) 4.20 · DOI:10.1029/2007GL031140.

[33] MITASOVA H，HOFIERKA J.Interpolation by regularized spline with tension:II.Application to terrain modeling and surface geometry analysis[J].Mathematical Geology，1993，25(6):657-670.

[34] COSTA-CABRAL M C，BURGES S J.Digital elevation model networks (DEMON):A model of ow over hillslopes for computation of contributing and dispersal areas[J].Water Resour.Res，1994，30(6):I681-I692.

[35] HOLMGREN P.Multiple flow direction algorithms for runoff modelling in grid based elevation models:An empirical evaluation[J].Hydrological Processes，1994，8(4):327-334.

[36] QUINN P F，BEVEN K J，LAMB R.The in (a/tan/β) index:How to calculate it and how to use it within the topmodel framework[J].Hydrological Processes，1995，9(2):161-182.

[37] LI L，KUAI X.An efficient dichotomizing interpolation algorithm for the refinement of TIN-based terrain surface from contour maps[J].Computers & Geosciences，2014，72:105-121.

[38] QIN C Z，ZHU A X，PEI T，et al.An adaptive approach to selecting a flow-partition exponent for a multiple-flow-direction algorithm[J].International Journal of Geographical Information Science，2007，21(4):443-458.

[39] QIN C Z，ZHAN L J.Parallelizing flow-accumulation calculations on graphics processing units——From iterative DEM preprocessing algorithm to recursive multiple-flow-direction algorithm[J].Computers & Geosciences，2012，43:7-16.

[40] HELLWEGER F.AGREE-DEM Surface Reconditioning System[D].University of Texas at Austin,1997.

[41] SAUNDERS W.Preparation of DEMs for use in environmental modeling analysis[A].1999.24-30.

[42] TURCOTTE R，FORTIN J P，ROUSSEAU A N，et al.Determination of the drainage structure of a watershed using a digital elevation model and a digital river and lake network[J].Journal of Hydrology，2001，240(3):225-242.

[43] 闾国年，钱亚东，陈钟明.基于栅格数字高程模型自动提取黄土地貌沟沿线技术研究[J].地理科学，1998，18(6):567-573.

[44] TANG G A，XIAO C C，JIA D X，et al.DEM based investigation of loess shoulder-line[A].International Society for Optics and Photonics，2007.12.

[45] 李小曼，王刚，李锐.基于DEM的沟缘线和坡脚线提取方法研究[J].水土保持通报，2008，28(1):69-72.

[46] ZHOU Y，TANG G A，YANG X，et al.Positive and negative terrains on northern Shaanxi Loess Plateau[J].Journal of Geographical Sciences，2010，20(1):64-76.

[47] 陈永刚，汤国安，周毅，等.基于多方位DEM地形晕渲的黄土地貌正负地形提取[J].地理科学，2012，32(1):105-109.

[48] 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.

[49] SONG X D，TANG G A，LI F Y，et al.Extraction of loess shoulder-line based on the parallel GVF snake model in the loess hilly area of China[J].Computers & Geosciences，2013，52:11-20.

[50] YAN S J，TANG G A，LI F Y，et al.Snake model for the extraction of loess shoulder-line from DEMs[J].Journal of Mountain Science，2014，11(6):1552-1559.

[51] 周毅，汤国安，习羽，等.引入改进Snake模型的黄土地形沟沿线连接算法[J].武汉大学学报(信息科学版)，2013，38(1):82-85.

[52] 晏实江，汤国安，李发源，等.利用DEM边缘检测进行黄土地貌沟沿线自动提取[J].武汉大学学报(信息科学版)，2011，36(3):363-367.

[53] JIANG S，TANG G A，LIU K.A new extraction method of loess shoulder-line based on marr-hildreth operator and terrain mask[J].PloS one，2015，10(4):e0123804.

[54] 刘玮，李发源，熊礼阳，等.基于区域生长的黄土地貌沟沿线提取方法与实验[J].地球信息科学学报，2016，18(2):220-226.

[55] HE F H，WANG T，GU L J，et al.An integrated use of topography with RSI in gully mapping,Shandong Peninsula,China[J].The Scientific World Journal，2014，http://dx.doi.org/10.1155/2014/827124.

[56] WANG T，HE F H，ZHANG A D，et al.A quantitative study of gully erosion based on object-oriented analysis techniques:A case study in Beiyanzikou catchment of Qixia,Shandong,China[J].The Scientific World Journal，2014，DOI:10.1155/2014/417325.

[57] 马鼎，李斌兵.黄土沟壑区切沟植被的激光点云滤波及地形构建[J].农业工程学报，2013，29(15):162-171,301.

[58] 朱显谟.黄土高原水蚀的主要类型及其有关因素[J].水土保持通报，1981，1(3):1-9.

[59] 景可.黄土高原沟谷侵蚀研究[J].地理科学，1986，6(4):340-347.

[60] BULL L J，KIRKBY M J.Gully processes and modelling[J].Progress in Physical Geography，1997，21(3):354-374.

[61] WISCHMEIER W H，SMITH D D.A universal soil-loss equation to guide conservation farm planning[J].Transactions 7th int.Congr.Soil Sci.，1960，1:418-425.

[62] WISCHMEIER W H，SMITH D D.Predicting Rainfall Erosion Losses-A Guide to Conservation Planning[M].1978.

[63] 贾媛媛，郑粉莉，杨勤科.国外水蚀预报模型述评[J].水土保持通报，2003，23(5):82-87.

[64] WANG B，ZHENG F L，R MKENS M J M，et al.Soil erodibility for water erosion:A perspective and Chinese experiences[J].Geomorphology，2013，187:1-10.

[65] 何雨，贾铁飞，李容全.黄土丘陵区沟谷发育及其稳定性评价[J].干旱区地理，1999，22(2):64-70.

[66] LANE L J，GILLEY J E，NEARING M，et al.The USDA Water Erosion Prediction Project[M].ASCE，1989.391-396.

[67] 武春龙，鲁翠瑚.沟道密度的统计数学模型[J].水土保持通报，1985(3):43-46.

[68] SIDORCHUK A，SIDORCHUK A.Model for Estimating Gully Morphology[M].IAHS publication，1998.333-344.

[69] SIDORCHUK A.Dynamic and static models of gully erosion[J].Catena，1999，37(3):401-414.

[70] 刘星飞，原立峰，吴淑芳，等.不同空间尺度下的土壤侵蚀元胞自动机建模评述[J].中国水土保持科学，2012，10(4):113-120.

[71] 原立峰，常春平，张青峰.基于元胞自动机的小流域侵蚀产沙模型研究[J].水土保持通报，2008，28(2):85-89.

[72] 原立峰，吴淑芳，刘星飞，等.基于元胞自动机的黄土坡面细沟侵蚀模型研究[J].土壤学报，2012，49(5):1043-1049.

[73] 原立峰，刘星飞，吴淑芳，等.元胞大小选择对坡面细沟侵蚀过程CA模拟的影响[J].武汉大学学报(信息科学版)，2014，39(3):311-316.

[74] 吴淑芳，刘政鸿，霍云云，等.黄土坡面细沟侵蚀发育过程与模拟[J].土壤学报，2015，52(1):48-56.

[75] CAO M，TANG G A，ZHANG F，et al.A cellular automata model for simulating the evolution of positive-negative terrains in a small loess watershed[J].International Journal of Geographical Information Science，2013，27(7):1349-1363.

[76] YANG J Y，TANG G A，CAO M，et al.An intelligent method to discover transition rules for cellular automata using bee colony optimisation[J].International Journal of Geographical Information Science，2013，27(10):1849-1864.

[77] CAO M，TANG G A，SHEN Q F，et al.A new discovery of transition rules for cellular automata by using cuckoo search algorithm[J].International Journal of Geographical Information Science，2015，(ahead-of-print):1-19.

Progress in Geomorphology Research on Young Gully in Loess Plateau

NA Jia-ming,YANG Xin,LI Min,DING Hu,TANG Guo-an

(1.KeyLaboratoryofVirtualGeographicEnvironmentofMinistryofEducation,NanjingNormalUniversity,Nanjing210023;2.JiangsuCenterforCollaborativeInnovationinGeographicalInformationResourceDevelopmentandApplication,Nanjing210023;3.StateKeyLaboratoryCultivationBaseofGeographicalEnvironmentEvolution,JiangsuProvince,Nanjing210023,China)

Recently an increasing number of researchers show the interests in loess young gully and distinguish it from gully system which include rill,shallow gully,young gully,gully and river,due to its important role in watershed erosion sediments and geomorphologic development.They all focus on a deep understanding the characteristics of loess young gully,and its development,evolution with environment.Therefore this paper has done a review of research work about the conception,classification,automatic identification method,morphological characteristics analysis and development simulation of young gully.Based on those research work,the common geomorphologic characteristic is summarized by a comprehensive analysis of the existing definition.It is proposed that the future research will focus on automatic identification,three-dimension morphologic extraction and monitoring,morphological characteristics analysis,modeling gully development evolution based on system dynamics.

loess young gully;loess plateau;automatic identification;morphologic characteristics;development evolution

2016-01-22；

2016-05-25

国家自然科学基金项目(41271438、41471316、41571383)；江苏高校优势学科建设工程资助项目(164320H116)

那嘉明(1992-)，男，硕士研究生，研究方向为数字地形分析。*通讯作者E-mail:xxinyang@njnu.edu.cn

10.3969/j.issn.1672-0504.2016.04.012

P931.6

A

1672-0504(2016)04-0068-08