SRTM(1″)DEM在流域水文分析中的適用性研究

于海洋, 羅玲， 馬慧慧, 李輝

(1.河南理工大學礦山空間信息技術國家測繪地理信息局重點實驗室，焦作 454000；2.黃河勘測規劃設計有限公司，鄭州 450045)

SRTM(1″)DEM在流域水文分析中的適用性研究

于海洋1,2, 羅玲1， 馬慧慧1, 李輝2

(1.河南理工大學礦山空間信息技術國家測繪地理信息局重點實驗室，焦作 454000；2.黃河勘測規劃設計有限公司，鄭州 450045)

高精度的數字高程模型(digital elevation model,DEM)數據是流域水文分析應用的基礎。美國地質調查局新發布了全球高分辨率數字高程數據產品，其空間分辨率為1″(約為30 m)。為評價該數據在流域水文分析中的適用性，以鶴壁湯河流域為實驗區，以機載LiDAR DEM數據為參考，統計了SRTM(1″)數據的高程誤差，分析了坡度、坡向、地表覆蓋等對誤差的影響； 在基于地形的水文分析中，統計分析了SRTM(1″)數據誤差對地形濕度指數、坡度坡長因子以及匯流動力指數等地形指數計算的影響； 最后選取流域匯水區面積、最長水流路徑長度、形狀系數、彎曲度系數等流域特征參數對兩種DEM數據提取結果進行了對比。研究表明SRTM(1″) DEM數據具有較高的精度，原始數據均方根誤差為5.98 m，在消除平面位移誤差后減小為4.32 m。基于地形的水文分析表明SRTM DEM與LiDAR DEM計算結果具有一定的差異，地形濕度指數平均值略高，坡度坡長因子和匯流動力指數平均值偏低，離散度偏小，這與SRTM DEM在微地貌以及高坡度地形區存在失真相關。兩種DEM數據提取流域特征參數差異較小。上述研究表明SRTM DEM(1″)數據在流域水文分析中具有較大的應用潛力。

SRTM； DEM； 水文分析； LiDAR； 地形濕度指數

0 引言

航天飛機雷達地形測量(shuttle radar topography mission，SRTM)計劃的目的是對收集到的全部數據信息進行分析處理，形成高精度的全球三維地圖。該數據在國土資源各領域應用廣泛[1-4]。2014年9月24日美國地質調查局開始陸續公開發布了SRTM(1 ″)全球高程數據產品，數據空間分辨率由原來的3″(約90 m)提升到1″(約30 m)，數據精度得到了大幅提升，為流域水文特征提取與分析應用提供了新的數據源。為評價SRTM(1″)數據的精度以及在流域水文分析中的應用潛力，本文以河南省鶴壁市湯河流域為實驗區，以機載LiDAR數據為參考數據，分析了SRTM(1″)數據的高程誤差以及坡度、坡向、地表覆蓋等對誤差的影響，同時在流域水文信息提取的基礎上，計算了3種基于地形的水文指數及部分流域特征參數，分析了SRTM(1″)數據誤差對水文信息提取的影響。

1 研究區與數據源

1.1 研究區概況

研究選取河南省鶴壁市湯河上游流域作為研究對象。該流域位于鶴壁市鶴山區和山城區，屬海河流域衛河上游水系，面積約 143 km2。研究區內地形復雜多樣，主要以低山丘陵為主，中下游分布河流沖積平地。土地覆蓋類型多樣，包括耕地、房屋建筑區、水體、草地、喬木林、灌木林、人工堆掘地等土地利用類型。復雜的地形和地表覆被有利于分析不同坡度、不同地表覆蓋下SRTM數據特征及水文分析應用的影響。

1.2 數據源及其預處理

SRTM(1″)數據下載于美國地質調查局網站(http: //earthexplorer.usgs.gov/)，原始數據為地理坐標系，網格大小為1″，通過坐標轉換將其重采樣為30 m空間分辨率(圖1(a))。機載LiDAR數據是采用Leica ALS50獲取的，數據獲取日期為2009年4月21日。首先去除數據中的系統誤差和粗差點，通過點云濾波分類和插值建立數字地面模型DEM。點云數據獲取密度0.65 p/m2，垂直方向精度為0.15 m，水平方向精度為0.6 m。LiDAR生成DEM原始分辨率為2 m，為便于和SRTM(1″)數據對比分析，通過計算鄰域均值生成30 m分辨率DEM數據(圖1(b))。由于SRTM DEM與LiDAR DEM數據獲取時間相差近10 a，期間地表人工堆掘地及建筑工地區域地形變化相對較大，所以將在地表覆蓋對SRTM誤差的影響中進行分析，其他區域變化量與SRTM DEM誤差比較可以忽略。

地表覆蓋數據來源于地理國情監測成果，選取其中的耕地、房屋建筑區、水體、草地、喬木林、灌木林、人工堆掘地等土地利用類型，進行合并處理并轉換為30 m空間分辨率的柵格數據，用于不同覆蓋類型下SRTM DEM精度評價。

2 研究方法

2.1 SRTM DEM 誤差分析

在SRTM DEM精度評價過程中，以機載LiDAR獲取DEM數據為準確值，對研究區內SRTM DEM所有柵格點誤差進行統計，以保證誤差分析不受采樣點的影響。分別統計兩種DEM數據的最大值、最小值、均值、標準差以及SRTM DEM相對于LiDAR DEM的均方根誤差(root mean square error，RMSE)，分析坡度、坡向以及不同地表覆蓋類型等對SRTM DEM數據誤差的影響。

2.2 地形水文分析

通過對地形濕度指數(topographic wetness index，TWI)、坡度坡長因子(length slope factor，LSF)、匯流動力指數(stream power index，SPI)等地形指數進行計算，分析SRTM DEM數據誤差對地形水文分析的不同影響。

2.2.1 地形濕度指數

地形濕度指數[5]是一種評價土壤水分空間分布的復合地形指數，首先應用于Topmodel水文模型，能夠準確刻畫地形對土壤水分飽和程度的影響，對于計算徑流飽和匯流面積具有重要意義，在土壤水分空間分布與徑流模擬研究中得到廣泛應用。

地形濕度指數w可表示為匯水面積與局地坡度的比值的自然對數，即

w=ln(As/tanβ),

(1)

式中，As為單元柵格的匯水面積(m2·m-1)；β為局地坡度(°)。

2.2.2 坡度坡長因子

坡度坡長因子是經驗土壤侵蝕模型中表征地形對侵蝕影響的因子，用來估算徑流侵蝕潛力值，該因子以22.13 m坡長和5°坡度為參考,建立的計算公式[6]為

(2)

式中,n取值0.4，m取值1.3。

2.2.3 匯流動力指數

匯流動力指數[7]計算了徑流對沉積物運移能力的空間分布。該參數適用于土壤流失評估，能夠更好的描述水流的聚合與輻散特征，即

SPI=ln(Astanβ)。

(3)

2.3 流域特征分析

在兩種DEM數據中，選取相同的流域出口位置，采用基于坡面流物理模擬分析的加權d8算法提取水系網絡及流域范圍[8]。選取流域匯水區面積、匯水區周長、最長水流路徑長度、流域長度(匯水區外接最長矩形邊長)、形狀系數(流域長度與匯水面積比值)、彎曲度系數(最長徑流長度與匯水面積比值)等流域特征參數對2種DEM數據提取結果進行對比分析。

3 結果與分析

3.1SRTMDEM精度分析

已知LiDAR數據具有較高的精度(垂直方向精度為0.15m，水平方向精度為0.6m)，因此以LiDARDEM為準確值，對流域匯水區內SRTMDEM所有柵格點誤差進行統計。統計結果如表1所示。

表1 LiDAR DEM與SRTM DEM數據高程及坡度統計

由表1可知，研究區SRTM DEM與LiDAR DEM的最大值和最小值接近，差值小于1.5 m； 均值相差2.32 m，標準差差值較小，說明SRTM DEM的精確度較高。坡度統計表明SRTM DEM在最大值、均值及標準差方面與LiDAR DEM對比均偏小，差值較大，說明SRTM DEM對于坡度較大的地形有一定的失真。從暈渲圖(圖1)對比來看，在SRTM DEM數據中存在一定的噪聲，對于地形細節信息表達不如LiDAR DEM更清晰。

研究發現SRTM DEM與LiDAR DEM在X，Y方向存在明顯的錯位，通過定位地形特征點計算可知X，Y方向位移分別為-48.28 m和38.36 m。表2為原始SRTM DEM與消除X，Y方向位移誤差后RMSE統計對比，其誤差最大值、均值以及RMSE值均相應減小。SRTM DEM誤差分布直方圖(圖2)中也可以發現在消除平面誤差后，高程誤差在0值附近像元數量增加，誤差分布范圍變小。

表2 SRTM DEM與LiDAR DEM 對比誤差統計

圖2 SRTM DEM誤差分布直方圖

圖3為消除X，Y方向位移誤差前后SRTM DEM誤差(ESRTM-ELiDAR)空間分布，圖中藍色表示誤差為負值，紅色表示誤差為正值，從圖中可以明顯看出原始SRTM數據誤差分布與坡向明顯相關。圖4(a)誤差分布與坡度相關性分析也證明了這一點，對誤差均值和RMSE按照8個坡向進行了統計，可以看出原始數據誤差均值與坡向具有明顯的相關性，在西北方向表現為負值，在東南方向則相反，平面誤差消除后其誤差均值分布與坡向的相關性明顯減弱(圖3(b)、圖4(b))。

(a) 原始SRTM DEM誤差 (b) 消除X，Y方向位移后誤差

(a) 原始SRTM數據 (b) X，Y方向偏移消除后

對不同坡度SRTM DEM誤差均值和RMSE按照11個等級進行了統計(圖5)，結果顯示誤差均值隨坡度增加逐漸減小，坡度較大時出現負值，表明SRTM DEM數據在坡度較大區域高程值偏小； 誤差標準差和RMSE統計值隨坡度增大而增大，說明SRTM DEM數據誤差在坡度較大區域偏大，這與其他相關研究結果較為一致。

圖5 不同坡度SRTM DEM RMSE變化

選取地理國情監測成果中的耕地、房屋建筑區、水體、草地、喬木林、灌木林、人工堆掘地等土地利用類型，分別統計不同地表覆蓋類型誤差值，統計結果見圖6。其中耕地RMSE最小，房屋建筑區、草地、喬木林較小，其他從小到大依次為水體、灌木林、人工堆掘地及建筑工地等。耕地、房屋建筑區、草地區域地勢平坦，RMSE較小。該區域喬木林主要分布在河道兩側的平地中，其RMSE也較小，而灌木林主要分布在坡度較大的山區，誤差大，這說明SRTM數據中覆蓋植被高度對誤差的影響遠小于坡度的影響。水體誤差主要由于水位季節變化的影響。由于SRTM數據與LiDAR數據獲取時間間隔接近10 a，人工堆掘地及建筑工地等區域由于人為擾動影響，地形差異較大。

圖6 不同地表覆蓋SRTM DEM RMSE變化

3.2 地形水文分析

計算TWI，LSF，SPI等基于地形的水文指數，以評價SRTM DEM誤差對水文分析的潛在影響。這些復合地形指數具有明確的水文意義，在Topmodel等水文模擬模型或水土流失評價作為重要參數應用廣泛。上述地形水文指數最大值、最小值、均值、標準差等統計信息見表3。

表3 地形水文指數統計

坡面水流的運動受到地形的控制，因此TWI與土壤濕度的空間分布、徑流匯水面積以及土壤侵蝕潛力等密切相關。統計值表明SRTM DEM獲取TWI值分布區間及標準差小于LiDAR DEM，均值略大于LiDAR DEM。在LiDAR DEM與SRTM DEM提取TWI直方圖(圖7)中可以看到SRTM提取TWI在峰值位置更加集中，離散度小，在低值區和高值區分布頻率低于LiDAR DEM，說明SRTM DEM與同分辨率的LiDAR DEM比較，在地形細節變化方面表現略差，整體獲取地形濕度值略高。

圖7 LiDAR DEM與SRTM DEM提取TWI直方圖曲線

LSF統計值表明SRTM DEM最大值、均值、標準差均明顯小于LiDAR DEM，累積分布曲線(圖8)顯示SRTM DEM提取LSF值離散度小于LiDAR DEM，分布偏向低值區，表明SRTM DEM提取LSF參數描述土壤侵蝕潛力值小于LiDAR DEM，原因與SRTM DEM坡度值偏小相關。

圖8 LiDAR與SRTM DEM提取LSF累積分布曲線

SPI是對徑流沉積物運移能力的空間描述，SRTM DEM計算結果均值、最大值和標準差均小于LiDAR計算結果。直方圖顯示SRTM DEM計算值在峰值位置更加集中，累積分布曲線(圖9)略偏向低值區，說明SRTM DEM計算SPI與LSF近似，對徑流沉積物運移能力的描述要小于LiDAR DEM，但差異較小。

圖9 LiDAR與SRTM DEM提取SPI累積分布曲線

3.3 流域特征分析

在2種數據流域水文分析過程中采用了相同的算法和參數，提取結果顯示2種DEM數據提取結果較為接近，提取流域范圍及水系網絡差別較小。流域部分特征參數如表4所示，統計表明2種數據獲取流域特征參數差異較小，顯示了SRTM DEM數據的水文分析應用的潛力。但SRTM DEM提取各個參數均略小于LiDAR DEM，尤其是最長水流路徑差異明顯，與LiDAR數據中地形更加詳盡、微地貌信息更為豐富有關。

表4 流域特征參數統計

4 結論

1)本文以河南省鶴壁市湯河上游流域為實驗區，以機載LiDAR DEM數據為參考，對SRTM DEM (1″)數據的精度以及在流域水文特征提取分析中應用的潛力進行了評價。研究表明SRTM DEM (1″)數據具有較高的精度，原始數據RMSE為5.98 m，在消除平面系統位移誤差后減小為4.32 m。

2)原始數據誤差與坡向高相關性與存在平面系統位移誤差有關，在消除平面系統位移誤差后，誤差與坡向相關性減小。SRTM DEM與坡度存在較高的相關性，坡度越大，誤差越大。地表覆蓋對SRTM誤差的影響與地形相關，分布在地形平坦區的耕地、草地等類型誤差小，灌木林等分布在坡度較大的山區，誤差較大。

3)基于地形的水文分析表明,SRTM DEM與LiDAR DEM計算結果具有一定的差異，SRTM DEM與同分辨率的LiDAR DEM比較， TWI平均值略高，SPI與LSF較小，離散度偏小，這與SRTM DEM在微地貌以及高坡度地形區存在失真有關。兩種DEM數據提取流域面積、長度、形狀系數、彎曲度系數等特征參數差異較小。上述研究表明SRTM DEM(1″)具有較高的水文分析應用潛力。

[1] Schellekens J,Brolsma R J,Dahm R J,et al.Rapid setup of hydrological and hydraulic models using OpenStreetMap and the SRTM derived digital elevation model[J].Environmental Modelling & Software,2014,61:98-105.

[2] Taufik M,Putra Y S,Hayati N.The utilization of global digital elevation model for watershed management a case study:Bungbuntu sub watershed,pamekasan[J].Procedia Environmental Sciences,2015,24:297-302.

[3] 張會平,劉少峰,孫亞平,等.基于SRTM-DEM區域地形起伏的獲取及應用[J].國土資源遙感,2006(1):31-35.doi:10.6046/gtzyyg.2006.01.07. Zhang H P,Liu S F,Sun Y P,et al.The acquisition of local topographic relief and its application:An SRTM-DEM analysis[J].Remote Sensing for Land and Resources,2006(1):31-35.doi:10.6046/gtzyyg.2006.01.07.

[4] 萬杰,廖靜娟,許濤,等.基于ICESat/GLAS高度計數據的SRTM數據精度評估——以青藏高原地區為例[J].國土資源遙感,2015,27(1):100-105.doi:10.6046/gtzyyg.2015.01.16. Wan J,Liao J J,Xu T,et al.Accuracy evaluation of SRTM data based on ICESat/GLAS altimeter data:A case study in the Tibetan plateau[J].Remote Sensing for Land and Resources,2015,27(1):100-105.doi:10.6046/gtzyyg.2015.01.16.

[5] 包黎莉,秦承志,朱阿興.地形濕度指數算法誤差的定量評價[J].地理科學進展,2011,30(1):57-64. Bao L L,Qin C Z,Zhu A X.Quantitative error assessment of topographic wetness index algorithms[J].Progress in Geography,2011,30(1):57-64.

[6] Moore I D,Wilson J P.Length-slope factors for the revised universal soil loss equation:Simplied method of estimation[J].Journal of Soil and Water Conservation,1992,47(5):423-428.

[7] Moore I D,Grayson R B,Ladson A R.Digital terrain modelling:A review of hydrological,geomorphological,and biological applications[J].Hydrological Processes,1991,5(1):3-30.

[8] 于海洋,盧小平,程鋼,等.基于LiDAR數據的流域水系網絡提取方法研究[J].地理與地理信息科學,2013,29(1):17-21,27. Yu H Y,Lu X P,Cheng G,et al.Watershed channel network extraction from LiDAR data[J].Geography and Geo-Information Science,2013,29(1):17-21,27.

(責任編輯： 李瑜)

Application appraisal in catchment hydrological analysis based on SRTM 1 Arc-Second DEM

YU Haiyang1,2, LUO Ling1, MA Huihui1, LI Hui2

(1.KeyLaboratoryofMineSpatialInformationTechnologiesofNASG,HenanPolytechnicUniversity,Jiaozuo454000,China；2.YellowRiverEngineeringConsultingCo.,Ltd.Zhengzhou450045,China)

High-precision DEM data constitute the basis of watershed hydrology analysis. SRTM 1 Arc-Second Global elevation data, released by US Geological Survey, offer worldwide coverage data at a resolution of 1″ (30 m). In order to evaluate and analyze the potential watershed hydrologic applications of SRTM, the authors used Tanghe watershed in Hebi as the experimental area and airborne LiDAR DEM data as a reference to assess vertical accuracy of SRTM (1″) data and the impact of slope, aspect, land cover on errors of SRTM (1″). Hydrologic indexes based on the terrain, such as Topographic Wetness Index (TWI), Length Slope Factor (LSF) and Stream Power Index (SPI)，were computed for analysis. Finally the basin’s characteristic parameters, such as catchment basin area, longest path length, shape factor, curvature coefficient, were extracted from the two DEM data and the results were compared. Studies show that SRTM (1″) DEM data have high precision, the RMSE of the original data is 5.98 m, and the RMSE of the data with the elimination of the plane displacement is reduced to 4.32 m. Hydrological analysis shows that SRTM DEM and LiDAR DEM produce some different results: the average of TWI of SRTM is slightly higher, the average of SLF and SPI is lower and the dispersion degree is smaller. This is associated with the terrain distortion of SRTM DEM in micro-topography and high slope area. The basin parameters extracted from both of the DEM data have smaller differences, which shows that SRTM DEM (1″) has wide application prospects in hydrologic analysis.

SRTM； DEM； hydrologic analysis； LiDAR； topographic wetness index

10.6046/gtzyyg.2017.02.20

于海洋，羅玲，馬慧慧，等.SRTM(1″)DEM在流域水文分析中的適用性研究[J].國土資源遙感，2017，29(2)：138-143.(Yu H Y,Luo L，Ma H H,et al.Application appraisal in catchment hydrological analysis based on SRTM 1 Arc-Second DEM[J].Remote Sensing for Land and Resources,2017,29(2)：138-143.)

2015-10-13；

2015-11-25

國家自然科學基金資助項目(編號： U1304402)、衛星測繪技術與應用國家測繪地理信息局重點實驗室經費資助項目(編號： KLAMTA-201405)及河南省高校科技創新團隊支持計劃資助項目(編號： 14IRTSTHN026)共同資助。

于海洋(1978-)，男，博士，主要從事遙感與GIS地學應用方面的研究。E-mail: 458722328@qq.com。

TP 79

A

1001-070X(2017)02-0138-06