基于RS與GIS技術的數字流域水體信息的提取

2018-09-11 07:51:56陳建國程潭武

水資源與水工程學報 2018年4期

楊旭，陳建國，程潭武，劉銳

(1.中國地質大學(武漢) 地質過程與礦產資源國家重點實驗室，湖北武漢 430074;' 2.中國地質大學(武漢) 資源學院，湖北武漢 430074)

1 研究背景

隨著空間信息技術的不斷發展，利用數字高程模型DEM提取流域水系已經成為水系提取方法中熱議的話題，同時利用遙感影像提取多時相、多尺度的水系也已經被廣泛應用，如可以結合不同季節影像，進一步識別時令河與常年河等信息。由于二者在水系提取上存在缺陷，因此如何更為準確高效地提取水系仍是有待研究的問題[1]。

隨著GIS技術的發展，基于DEM提取水文要素在O′Callaghan等[2]和Tribe[3]提出的傳統理論基礎上得以快速發展。謝順平等[4]在傳統DEM水系提取的基礎上提出了面向分布式水文過程模擬和流域特征提取的數字水系模型，對復雜地形中所存在的洼地有效處理[5-7]使得對各洼地的填平一次完成。Martz等[8]提出了數字高程流域水系模型(DEDNM)用來表征地表水流特征，并能為計算柵格水流方向、流域分水線等提供依據。在此思想的基礎上，熊立華等[9]總結了根據流域的數字高程模型自動提取河網水系[10]的集水面積方法，并分析了臨界支撐面積[11-12]的取值對所提取的數字水系總長度以及平均坡降的影響。基于DEM不能準確提取面狀水系的問題，Turcotte等[13]在DEM的基礎上通過輸入數字河流和湖泊網絡(DRLN)來改善對湖泊和平原的處理能力。Hutchinson[14]提出并由Yamazaki等[15]改進的利用提取出的矢量河道與原始DEM進行疊加從而達到降低河道所在DEM高程，使得提取出的河網與實際水系相近。該方法雖然簡單高效，但在河道與河岸邊界之間容易產生不確定性高差。

目前基于遙感影像提取水體常用的方法主要有: 多波段譜間結構關系法[16]、水體指數法[17]、決策樹法[18]、監督分類法[19]以及歸一化差異性水體指數NDWI[20]等，其中NDWI的應用最為廣泛。徐涵秋[21]對構成指數的波長組合進行了修改,提出了改進的歸一化差異水體指數MNDWI，但由于MNDWI的構成采用了中紅外波段,因此不適用于無中紅外波段的傳感器影像。為了提高遙感水系的提取精度[22]，Bhandari等[23]提出了一種利用歸一化植被指數(NDVI)和歸一化水體指數(NDWI)進行離散小波變換(DWT)和奇異值分解(SVD)的增強方法。

為了提高從空間數據中提取水系的精度，使得提取的水系分布與實際情況更加符合，使用NDWI和波段分析相結合的方法來提取面狀水域和干流，并使用數學形態學[24-25]對提出的二值圖進行除噪、細化等處理。通過DEM提取河網時，通過分析流域集水面積閾值與河網密度之間的關系確定河網集水面積閾值并對偽河道等進行合理剔除。最后以遙感影像提取出的干流為依據設置校正控制點，對DEM河網中水體的位置及面狀水域進行修正，從而完成最終流域水系的提取。

2 數字流域水系綜合提取思路

基于DEM與遙感信息的數字流域水系提取時技術路線圖如圖1，其主要內容如下：

(1)對遙感影像進行校正、裁剪等預處理，并采用決策樹的方法提取出主干河道和面狀水域，并利用數學形態學中膨脹、腐蝕、擊中、邊緣提取及細化等運算方法將提取的水體結果進行斷線連接、去噪及細化等處理，從而得到連續的水系；

(2)基于DEM提取河網，在對原始DEM數據進行填洼等預處理后，結合流域集水面積閾值與河網密度之間的關系確定河網集水面積閾值，并通過對矢量水系運用疊置運算和鄰域分析等方法對提出的偽河道進行合理剔除；

(3)將遙感影像和DEM在提取水系的優點進行互補，綜合遙感水系信息與DEM水系信息，并將兩者水系進行疊加。以遙感影像提取出的主干河流和面狀水域為依據，修正DEM提取中主干河道以及缺失的面狀水域，從而完成對研究區水系的提取。

圖1 數字流域水系綜合提取技術路線圖

3 數字流域水系綜合提取方法

3.1 遙感水系信息的提取

本研究區選取滄源流域，使用的是高分一號影像，拍攝于2015年2月6日。對高分遙感影像數據首先進行正射校正、圖像裁剪等圖像預處理，然后對遙感影像進行水系提取(見圖2)。

首先采用歸一化差異水體指數(NDWI)[26]對本研究區遙感影像進行水系提取，歸一化差異水體指數：

(1)

式中：ρGreen為綠色光波，在遙感影像中為第2波段；ρNir為近紅外光波，在遙感影像中為第4波段。

由于通過NDWI運算后，水體的值會很低，而其他地物的值會很高[27]，因此可以通過設置水體提取閾值完成對水系的初步提取，經過反復實驗，選取水系提取閾值為0.1。但實際上通過NDWI提取后的水系圖上還夾雜著地物、陰影和細小水體等噪聲[28](圖3)。

圖2 遙感影像水體提取路線圖

圖3 滄源流域基于NDWI提取的水系圖

然后利用波段分析方法，通過設置限制性條件去除無用的噪聲。首先對4個波段的亮度直方圖進行統計(表1)。

表1 研究區4個波段統計特征表 m

由表1可知，Band 4的標準差最大，表明該波段內地物的亮度取值距均值的離散程度最大，即地物間的差異表現最大，信息量最大。因此可以作為設置限制性條件從而剔除無用數據的最優波段。經過多次實驗，認為閾值設定為1100時剔除陰影等噪聲的效果最佳，見圖4。由圖4可看出，其雖然提取出了水系的基本輪廓，但仍舊存在少量陰影及水系斷線，從而造成提取的水系不連續的現象。

圖4 滄源流域基于NDWI和波段分析提取的水系圖

基于二值圖圖4中出現的水系不連續以及有噪聲的情況，采用數學形態學的方法對提取出的二值圖進行改進處理。數學形態學基本運算主要有膨脹和腐蝕：

膨脹運算：

(2)

腐蝕運算：

AΘB={x|(B)x?A}

(3)

式中：A為待處理圖像；B為結構元素；z為B的映射位移；x為B的位移。

以上兩種形態學基本運算可以派生出擊中運算、邊界提取及細化處理運算：

擊中運算：

A?B=(AΘB1)∩(AcΘB2)

(4)

其中B=(B1,B2)

邊界提取：

C(A)=A-(AΘB)

(5)

細化處理：

C(A)=A-(A?B)

(6)

式中：C(A)為處理后圖像；Ac為A的補集。

基于以上數學形態學運算，對水系二值圖像進行膨脹處理，從而實現對斷線水系進行連接，從而形成連續水系；然后對膨脹后的圖像進行腐蝕處理，從而實現對圖中噪聲的剔除，同時在剔除噪聲后還可以很好地保持水系輪廓；再對腐蝕處理后的圖像進行細化處理，使得提取出的水系更為平滑，最終將處理后的二值圖進行邊緣檢測處理，得出最終的遙感水系圖,如圖5。

圖5 滄源流域基于數學形態學處理后的水系圖

3.2 基于DEM數字流域水系信息的提取

對于研究區ASTER DEM，首先需要對DEM中的洼地、平坦區進行預處理，處理流程見圖6。其主要步驟為：(1)計算柵格DEM中的水流流向柵格；(2)通過匯運算判定DEM中是否存在水流流向柵格的異常值，即判斷是否存在洼地、平坦地區等；(3)對柵格DEM中的洼地進行填洼平滑等預處理；(4)再次計算填洼后DEM中每個網格單元的水流方向。

圖6 DEM預處理流程圖

通過以上對DEM進行預處理的步驟后，需要進一步計算基于單元網格方向的流量，即計算每個網格單元的上游匯集水流面積。繼而通過設置集水面積閾值完成對流域河網水系的提取。本研究區主要位于溝壑區，可以認為河道起源于坡面由凸向凹的轉變[29]，隨著閾值的增加，河道的變化也會趨于平緩，因此可以通過河網密度與集水面積閾值之間的關系(見表2)進行曲線擬合確定合理的集水面積閾值。圖7為集水面積閾值與河網密度及其一階導數的關系曲線，由圖7(a)可知：隨著流域集水面積閾值的增加，河網密度持續遞減，由于圖7(a)的其臨界轉折點變化并不顯著，因此作出其一階導數曲線圖7(b)，在集水面積閾值設置大約為165 km2時表現為曲線遞減變緩的轉折點，即認為165 km2是坡面由凸向凹轉變的轉折點，也是該區域較為合理的流域集水閾值。

表2 研究區集水面積閾值與河網密度關系表

該流域地勢較陡，偽河道較少，但在下游出口處支流上可能存在偽河道，如圖8(a)。由于偽河道只存在于支流中，因此不考慮主流，此時可將支流河道DEM與原始DEM進行疊置運算，從而得到支流河道的高程，再對支流河道進行領域分析，即如果是位于平坦區的偽河道，其支流高程與鄰域單元高程差別較小，從而做出偽河道在支流中所在位置并剔除，從而得到圖8(b)。

4 基于DEM與遙感信息數字流域水系的綜合提取

通過DEM提取水系時，只能提取河網，不能對面狀水域進行精確地提取，并可能在面狀水域的存在的地方出現異常(圖9(a))；在通過遙感影像進行水系提取時，只能提取水系的主干河道以及面狀水域，對于細小水系并不能很好地提取。

利用DEM數據根據溝谷提取水系，對細小水系更為敏感；遙感影像主要根據水系在波段中的特征識別水系，對大面積水域更為敏感，綜合二者在水系提取上的優點進行互補。由于遙感影像提取出的主干河流和面狀水系較為準確，因此以遙感影像提取出的主干河流和面狀水域為依據，對DEM提取出的水系進行修正。首先以遙感水系和DEM水系信息中分別以主干河道為基準，在河道轉彎處設置校正控制點，然后以遙感水系為基準對DEM水系中控制點圖層進行配準，完成對DEM主干河流的修正，即完成模擬地表徑流從沿岸流向主干河道，以確保DEM河網水系的主干河道與實際相符；在面狀水系處，綜合遙感水體信息，剔除DEM水系位于面狀水系處的異常，從而最終完成對研究區水系的提取(圖9(b))。