基于公共DEM的平原湖泊流域特征提取研究及应用

周 星，仲志余

(1. 长江勘测规划设计研究院，湖北 武汉 430010；2. 武汉大学水资源与水电工程科学国家重点实验室，湖北 武汉 430072)

流域特征(面积、河网结构、主河流长度和主河流比降等)在水利规划设计、水文分析计算、水文模拟以及流域管理等方面有重要的作用。随着3S技术的发展，基于数字高程模型(Digital Elevation model，DEM)提取流域水文特征已经成为主流。国内外学者提出了众多基于DEM的河网提取方法，其中O Callaghan等最早提出的基于地形坡度计算流向(Deterministic-8 node算法，D8)和汇流累积量而确定河网的方法应用最为广泛[1-3]，美国ESRI(Environmental Systems Research Institute)公司的Arcgis软件中的水文模块、美国陆军工程公司研制的GRASS(Geographic Resources Analysis Support System)软件、River Tools软件等都集成了该算法，从而实现了河网提取的自动化及可视化。目前学者们对于流域特征提取研究多是研究DEM分辨率、河网阈值取值对河网提取结果的影响[4-8]，然而这些研究还缺乏对误差的量化分析，同时对于水利规划设计中重要的流域特征参数主河流长度和主河流比降提取还缺乏相应的研究。

在实际工作中，流域缺乏测绘数据或者只有部分测绘数据，对于这些流域的特征提取需要寻求解决的方法。作为全球尺度的公开的基础地形数据，SRTM(Shuttle Radar Topography Mission, 即航天飞机雷达地形测绘任务) DEM和ASTER (The Advanced Spaceborne Thermal Emission and Reflection Radiometer，即星载热发射和反射辐射仪) GDEM的精度得到了广泛的认可[9-10]，并在许多大中型流域河网提取中得到成功的应用[13-15]。此外随着遥测技术的发展，越来越多的卫星影像地图公开，诸如Google卫星地图、微软Bing地图、中国的天地图等分辨率都达到了米级甚至分米级，通过这些影像可以辅助流域特征的提取。鉴于此，本研究在高清卫星影像的辅助下，提出了基于公共DEM数据的流域特征提取的方法并将之应用于典型的平原湖泊流域——花马湖流域。

1 研究区域与数据

1.1 研究区域概况

花马湖流域(图1)位于鄂州市东部，东经114°52′53.73″～115°4′30.68″，北纬30°12′8.63″～30°23′47.99″之间，流域集水面积291 km2，境内地势北高南低，北面东面面临长江，出口位于长江。花马湖流域为典型的平原湖泊流域，流域内湖泊众多，主要的湖泊有走马湖、花马湖和花家湖。流域内地势平坦，气候为典型的亚热带大陆性季风气候，根据流域邻近的鄂州气象站资料统计，多年平均气温17℃，多年平均降水量1 301.2 mm。此外流域开发程度较高，尤其是东部及南部城市化明显。

1.2 数据

采用SRTM DEM数据和ASTER GDEM数据。其中SRTM采用经过多次优化校正后的4.1版本的90 m分辨率数据；ASTER数据采用第二代版本的数据，空间分辨率为30 m。两种数据均来源于中国科学院计算机网络信息中心国际科学数据镜像网站(http://www.gscloud.cn)。两种数据的具体参数见表1。

2 研究方法

本研究采用Arcgis软件作为流域河网提取平台，具体采用Arc Hydro Tools作为主要工具栏。Arc Hydro Tools是基于ArcGIS 和Arc Hydro数据模型开发的1套用于支持地表水资源应用研究的工具集，相比于Arcgis自带的Hydrology工具集功能更加全面，最新版本可以在ESRI 公司官方网站http://www.esri.com 免费下载。对于完整的流域特征提取可分为矢量河网解译、高程预处理以及流域特征提取计算3部分，每个部分通过单个或多个命令实现，并且可通过建模或者编程实现集成，其总体流程见图2。

表1 SRTM 、ASTER高程数据参数

2.1 矢量河网的获取

采用Google无偏移卫星影像识别流域内主要河流及湖泊并矢量化，建立河网矢量化图层River(图1)。Google影像共分20个级别，级别越大影像空间分辨率越高，20级空间分辨率达到0.27 m，相当于1∶800比例尺。20级影像下若没有云层遮挡，能够清晰识别大部分河流。对于湖泊将其中心线作为河流。在进行矢量河网解译前，需要确保卫星影像与DEM的空间位置匹配。GoogleEarth原始影像采用坐标系统为WGS84系统，在中国区域有系统性的偏差，在实际应用中可在研究区域中选择一些特征点对齐用GPS仪等准确测量，然后采用Georeferencing工具进行校正，消除系统性偏差。在本文研究中，选用的卫星影像为商业软件提供的Google卫星影像，其在原始的影像基础上对中国区域内做了偏移校正，因此本研究中不再考虑卫星影像的偏差。

2.2 矢量河网的获取

DEM的预处理包括河网校正和填洼。诸多研究表明提取河网时易受洼地、人类活动及DEM测量精度的影响而产生不连续的河网、平行河网以及位置错误的河网等，通过增加有效信息可减弱这些不利影响[12-13]。目前提高DEM提取河网精度的方法主要有洼地去除(sink)、河网校正(AGREE)和河流烧录(Stream burning)等方法[16-17]。本研究采用河网校正和填洼方法DEM进行预处理，预处理的主要步骤如下。

a) DEM由于精度不够等原因不能够正确反映河流的真实位置，尤其是在平原湖泊流域，地形起伏小，河流位置的水面高程与周围相差不大，再加上DEM分辨率无法识别堤防等小尺度建筑，有些河流的位置无法正确识别(图3a)。河网校正使用DEM Reconditioning命令(AGREE算法)或者Stream burning来实现。AGREE算法的基本原理是通过人工输入的矢量河网，准确定位河流的位置，给予河流位置处DEM一个很深的强迫，并在河流位置一定的距离范围内线性插值，使得周围的水流能够流到河流处(图3b)；Stream burning的原理与AGREE类似，不同的是其保持河流位置的DEM值不变，而增加其他位置的DEM。

b) 由于DEM数据制作的时候采样效果和高程值设置为整数以及受测量时候噪声的影响，当DEM分辨率较大时往往会导致洼地的形成。顾名思义洼地就是高程低于周围的栅格，所以水流都会汇入其中，导致径流最终断流，需要进行处理。本研究中，采用Fill Sinks命令实现。其基本原理见图4，当检测到洼地时，将洼地处的高程抬高到与周围像元中高程最低的像元一致，并不断地循环此步骤直至不再出现新的洼地。

2.3 水文分析

水文分析包括流向分析、汇流累积量计算、河流栅格定义、河流拓扑关系生成以及河流边界生成等，主要步骤如下。

a) 流向分析的目的是明确每个单元的水流聚集点水流方向。使用Flow Direction命令(D8算法)，D8算法核心思想是通过计算栅格与周围8个栅格的坡度，选取最大坡度的方向作为本栅格的流向。

b) 采用Flow Accumulation命令计算每个栅格的集水面积，该命令通过流向栅格图搜索水流路径，采用递归算法从流域出口栅格开始递归搜索计算出每一栅格单元的上游汇水面积。

c) 得到汇水面积图后，使用Stream Definition命令确定河流栅格图，该命令的核心思想是设定1个最小汇水面积阈值(本研究设定为1 km2)，高于这个阈值的栅格将定义为河流。

至此，流域的河流已自动提取出来，可进一步做处理，如采用Stream Segmentation命令，建立栅格河流上下游拓扑关系；采用Catchment Grid Delineation命令，得到每条河段的边界(即河段控制的子流域)；采用使用Drainage Line Processing和Catchment Polygon Processing命令将所得的栅格数据转化为矢量数据以便进行后续的流域边界、河流长度和坡度的提取。

2.4 流域特征提取计算

流域面积、河流长度及比降是非常重要的流域参数，可根据通过地形数据提取。流域面积有着统一的定义即为出口断面以上的集水区域。然而河流长度的内涵在不同领域时有所不同，以往的基于DEM流域特征提取的研究中很少关注这种内涵的不同，几乎所有的研究中河流内涵都是以出现明显水流(以汇水面积阈值来反应)为标志的，这与传统的认知相符，显然自动提取的河流长度是随着阈值变化而变化，故较多研究集中在怎样合理确定汇水面积阈值。然而在流域设计洪水计算中，河流长度的内涵为出口断面沿主河流至分水岭的长度，这个长度是确定的。传统的研究中，在进行水文分析操作后就结束了，为了研究河流的内涵不同对流域参数的影响，需要对流域设计洪水领域中的河流长度以及河流比降进行提取，其中河流比降定义为主河流各高程转折点分段比降的加权平均值，计算公式见式(1)。

(1)

式中H0——河流末节点高程；Hi——河段节点高程；li——河段长度；L——总河流长度。

流域设计洪水领域中的河流长度及比降提取步骤如下。

a) 合理地进行分区(子流域)，并确定子流域的出口即子流域汇入到主干的汇水口，使用Batch Point Generation命令建立子流域出口的文件。

b) 使用Batch Subwatershed Delineation命令，确定子流域面积，其核心思想是以分区汇水口为起点，通过流向栅格图搜索水流路径得到汇水口的上游面积。

c) 使用Longest Flow Path for Subwatersheds命令确定每个子流域内从分水岭至出口的最长路径即为子流域内的主河流，其长度即为主河流长度，其思想是通过子流域区域内流向栅格图搜索最长的汇流路径。

d) 利用Stack Profile命令得到主河流的地形纵剖线，其思想是以主河流起点开始，提取主河流特征点处的原始高程值及距离起点的距离，最后可按照公式(1)计算可得主河流的平均比降。

3 结果分析

3.1 河网校正对流域特征提取的影响

以SRTM为数据源，在是否进行河网校正步骤下对花马湖流域进行流域特征提取，并分析河网校正对流域特征提取的改进效果，结果见图5。对比可知，不进行河网校正提取的河网在河源及高程较高的区域与真实河网吻合较好，在地势低的地区(平原地区)误差较大，出现较多的平行河流。辅助真实河流信息，对原始DEM进行河网校正后，极大地提高了平原地区的河网精度，改善了平行河流的问题。此外，采用河网校正后，流域出口的位置也校正到了正确的位置。

为了量化河网的偏差程度，提取矢量化的真实河网的节点，计算其离提取河网的距离(即偏移距离)，并计算偏移距离的统计特征值(表2)。采用AGREE校正后，河网的平均偏移距离从95 m减小到54 m，减小了43%；偏移距离的标准差也从130 m减小到97 m，减小了23%；采用Stream burning校正后，河网的平均偏移距离减小到51 m，减小了46%；偏移距离的标准差减小到92 m，减小了29%。

Stream burning校正方法提取的精度略高于AGREE方法，但是没有显著的区别；AGREE校正后提取的河网细节更加丰富，有更多的支流。总体而言，AGREE校正和Stream burning校正方法均明显提升了河网提取精度，尤其适用于平原地区的河网提取，在实际应用中可根据需要选择应用。

表2 校正算法对河网提取精度的影响

河网校正后，流域面积及河网密度有一定变化(表 3)。校正后河网密度有所下降，这是因为校正消除了大部分的平行河流。不校正提取的流域面积为289.51 km2，AGREE校正提取的流域面积为289.59 km2，Stream burning提取的面积为292 km2，三者的面积相差很小。整体上三者的流域边界较为吻合，但在西北及东北局部有着较为明显的区别，这是由于人类活动造成的。东部及北部河流经历过整治，沿江修建有长江干堤，部分河流在流域边界外，可对提取结果进行人工修正，如东部边界以长江干堤为界限。

表3 不同数据源对流域特征提取的影响

3.2 不同数据源对流域特征提取的影响

分别选取SRTM和ASTER数据对花马湖流域进行AGREE校正算法的流域特征提取，分析不同高程数据源对于流域特征提取的影响(图6、表3)。与SRTM数据类似，ASTER数据提取的河网提取精度从山区至平原区逐渐降低。随着DEM的水平分辨率增加，对地形起伏刻画得更加精细，因此ASTER数据提取的河流长度以及河网密度都略大于SRTM数据的结果，这与一些学者的研究结果相符[5,7]， 并且流域边界更加光滑。但是ASTER数据提取的流域面积显著大于SRTM数据提取的面积，也显著大于水利部门审查通过的291 km2，甚至其流域的出口也偏移巨大。究其原因， 虽然GDEM的水平分辨率(30 m)高于SRTM(90 m)，但是其垂直精度较SRTM差(表1)，且易受到云层遮挡的影响出现空白，因此影响到了流域提取结果。

由此可见当水平分辨率达到一定精度时，与水平分辨率相比，DEM的垂直精度对提取地形信息的真实性起决定作用。

表4 分片流域参数提取计算结果

3.3 流域参数提取

选择流域上部走马湖4条支流(新农村港、鸭畈港、青山截留港和牌楼港)统计主河流长度及比降参数，并与实测港道地形对比，结果见表4。从河流长度上看，提取的主河流长度均大于实测的港道，其中以牌楼港差异最大，通过DEM提取的牌楼港主河流长度是其实际测量长度的1.78倍。究其原因，实际测量的河流长度是以是否有明显水面作为判断标准，而在设计洪水计算中河流长度是河口至分水岭的长度，显然其长度会大于通常所讲的河流长度概念。采用自动提取有一个好处就是避免了传统的主观判定主河流走向带来的误差。

通常而言，河流的上游比降大于下游比降，因此提取的主河流比降明显大于测量的河流比降，新农村港、牌楼港和青山截留港主河流比降分别为测量长度比降的1.94、2.63和1.51倍。为了验证SRTM数据提取的主河流比降的精度，使用SRTM数据计算实测河段的比降，并与实际测量高程计算而得的比降对比。实际测量河流时，测量的为河床高程，而SRTM为地表高程即在河流处为水面高程，因此两者比降不同(表4)。除了鸭畈港外，SRTM数据计算的河流比降略大于实测的比降，4条河段比降相差绝对值在-0.11‰～0.7‰。总体而言SRTM数据提取的河流比降精度较高，可满足实际应用，但是在人类活动较为明显的青山截留港和鸭畈港误差明显，这是因为在此区域STRM数据时效性变差。

综上所述，基于SRTM DEM数据的流域特征自动提取方法能够较为精确地提取主要的流域特征，尤其是对于主河流而言，避免了因主观判定而导致错误。河流比降的计算也较为精确，能够满足实际的应用。

4 结论

本文针对无资料地区，提出了基于卫星影像和公开地形数据的平原湖泊流域特征自动提取的方法，并在花马湖流域进行应用，取得了比较好的效果，主要结论如下。

a) 在通过目视解译高清卫星影像获取的真实河网信息辅助下，基于公共DEM数据能够快速准确地提取流域的河网水系结构，并且在平原地区的精度有较大的提高。

b) 不同的数据源对于流域特征的提取影响较大。DEM的垂直精度对流域河网及边界影响较大，相对于GDEM数据SRTM数据提取的结果更加可靠。

c) 基于SRTM DEM数据的流域特征自动提取方法能够较为精确地提取主要的流域特征，精度较高。

d) 人类活动尤其是城市化对于流域河网的结构有着较为显著的影响，同时在人类活动较为强烈的区域SRTM数据还存在时效性不足的特点。未来还需加强在城市区域流域特征提取方面的研究，此外如何结合多源观测数据提高流域特征提取的精度也是进一步研究的内容。