周 星，仲志余

(1. 長江勘測規(guī)劃設計研究院，湖北 武漢 430010；2. 武漢大學水資源與水電工程科學國家重點實驗室，湖北 武漢 430072)

流域特征(面積、河網(wǎng)結構、主河流長度和主河流比降等)在水利規(guī)劃設計、水文分析計算、水文模擬以及流域管理等方面有重要的作用。隨著3S技術的發(fā)展，基于數(shù)字高程模型(Digital Elevation model，DEM)提取流域水文特征已經(jīng)成為主流。國內(nèi)外學者提出了眾多基于DEM的河網(wǎng)提取方法，其中O Callaghan等最早提出的基于地形坡度計算流向(Deterministic-8 node算法，D8)和匯流累積量而確定河網(wǎng)的方法應用最為廣泛[1-3]，美國ESRI(Environmental Systems Research Institute)公司的Arcgis軟件中的水文模塊、美國陸軍工程公司研制的GRASS(Geographic Resources Analysis Support System)軟件、River Tools軟件等都集成了該算法，從而實現(xiàn)了河網(wǎng)提取的自動化及可視化。目前學者們對于流域特征提取研究多是研究DEM分辨率、河網(wǎng)閾值取值對河網(wǎng)提取結果的影響[4-8]，然而這些研究還缺乏對誤差的量化分析，同時對于水利規(guī)劃設計中重要的流域特征參數(shù)主河流長度和主河流比降提取還缺乏相應的研究。

在實際工作中，流域缺乏測繪數(shù)據(jù)或者只有部分測繪數(shù)據(jù)，對于這些流域的特征提取需要尋求解決的方法。作為全球尺度的公開的基礎地形數(shù)據(jù)，SRTM(Shuttle Radar Topography Mission, 即航天飛機雷達地形測繪任務) DEM和ASTER (The Advanced Spaceborne Thermal Emission and Reflection Radiometer，即星載熱發(fā)射和反射輻射儀) GDEM的精度得到了廣泛的認可[9-10]，并在許多大中型流域河網(wǎng)提取中得到成功的應用[13-15]。此外隨著遙測技術的發(fā)展，越來越多的衛(wèi)星影像地圖公開，諸如Google衛(wèi)星地圖、微軟Bing地圖、中國的天地圖等分辨率都達到了米級甚至分米級，通過這些影像可以輔助流域特征的提取。鑒于此，本研究在高清衛(wèi)星影像的輔助下，提出了基于公共DEM數(shù)據(jù)的流域特征提取的方法并將之應用于典型的平原湖泊流域——花馬湖流域。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域概況

花馬湖流域(圖1)位于鄂州市東部，東經(jīng)114°52′53.73″～115°4′30.68″，北緯30°12′8.63″～30°23′47.99″之間，流域集水面積291 km2，境內(nèi)地勢北高南低，北面東面面臨長江，出口位于長江?；R湖流域為典型的平原湖泊流域，流域內(nèi)湖泊眾多，主要的湖泊有走馬湖、花馬湖和花家湖。流域內(nèi)地勢平坦，氣候為典型的亞熱帶大陸性季風氣候，根據(jù)流域鄰近的鄂州氣象站資料統(tǒng)計，多年平均氣溫17℃，多年平均降水量1 301.2 mm。此外流域開發(fā)程度較高，尤其是東部及南部城市化明顯。

1.2 數(shù)據(jù)

采用SRTM DEM數(shù)據(jù)和ASTER GDEM數(shù)據(jù)。其中SRTM采用經(jīng)過多次優(yōu)化校正后的4.1版本的90 m分辨率數(shù)據(jù)；ASTER數(shù)據(jù)采用第二代版本的數(shù)據(jù)，空間分辨率為30 m。兩種數(shù)據(jù)均來源于中國科學院計算機網(wǎng)絡信息中心國際科學數(shù)據(jù)鏡像網(wǎng)站(http://www.gscloud.cn)。兩種數(shù)據(jù)的具體參數(shù)見表1。

2 研究方法

本研究采用Arcgis軟件作為流域河網(wǎng)提取平臺，具體采用Arc Hydro Tools作為主要工具欄。Arc Hydro Tools是基于ArcGIS 和Arc Hydro數(shù)據(jù)模型開發(fā)的1套用于支持地表水資源應用研究的工具集，相比于Arcgis自帶的Hydrology工具集功能更加全面，最新版本可以在ESRI 公司官方網(wǎng)站http://www.esri.com 免費下載。對于完整的流域特征提取可分為矢量河網(wǎng)解譯、高程預處理以及流域特征提取計算3部分，每個部分通過單個或多個命令實現(xiàn)，并且可通過建模或者編程實現(xiàn)集成，其總體流程見圖2。

表1 SRTM 、ASTER高程數(shù)據(jù)參數(shù)

2.1 矢量河網(wǎng)的獲取

采用Google無偏移衛(wèi)星影像識別流域內(nèi)主要河流及湖泊并矢量化，建立河網(wǎng)矢量化圖層River(圖1)。Google影像共分20個級別，級別越大影像空間分辨率越高，20級空間分辨率達到0.27 m，相當于1∶800比例尺。20級影像下若沒有云層遮擋，能夠清晰識別大部分河流。對于湖泊將其中心線作為河流。在進行矢量河網(wǎng)解譯前，需要確保衛(wèi)星影像與DEM的空間位置匹配。GoogleEarth原始影像采用坐標系統(tǒng)為WGS84系統(tǒng)，在中國區(qū)域有系統(tǒng)性的偏差，在實際應用中可在研究區(qū)域中選擇一些特征點對齊用GPS儀等準確測量，然后采用Georeferencing工具進行校正，消除系統(tǒng)性偏差。在本文研究中，選用的衛(wèi)星影像為商業(yè)軟件提供的Google衛(wèi)星影像，其在原始的影像基礎上對中國區(qū)域內(nèi)做了偏移校正，因此本研究中不再考慮衛(wèi)星影像的偏差。

2.2 矢量河網(wǎng)的獲取

DEM的預處理包括河網(wǎng)校正和填洼。諸多研究表明提取河網(wǎng)時易受洼地、人類活動及DEM測量精度的影響而產(chǎn)生不連續(xù)的河網(wǎng)、平行河網(wǎng)以及位置錯誤的河網(wǎng)等，通過增加有效信息可減弱這些不利影響[12-13]。目前提高DEM提取河網(wǎng)精度的方法主要有洼地去除(sink)、河網(wǎng)校正(AGREE)和河流燒錄(Stream burning)等方法[16-17]。本研究采用河網(wǎng)校正和填洼方法DEM進行預處理，預處理的主要步驟如下。

a) DEM由于精度不夠等原因不能夠正確反映河流的真實位置，尤其是在平原湖泊流域，地形起伏小，河流位置的水面高程與周圍相差不大，再加上DEM分辨率無法識別堤防等小尺度建筑，有些河流的位置無法正確識別(圖3a)。河網(wǎng)校正使用DEM Reconditioning命令(AGREE算法)或者Stream burning來實現(xiàn)。AGREE算法的基本原理是通過人工輸入的矢量河網(wǎng)，準確定位河流的位置，給予河流位置處DEM一個很深的強迫，并在河流位置一定的距離范圍內(nèi)線性插值，使得周圍的水流能夠流到河流處(圖3b)；Stream burning的原理與AGREE類似，不同的是其保持河流位置的DEM值不變，而增加其他位置的DEM。

b) 由于DEM數(shù)據(jù)制作的時候采樣效果和高程值設置為整數(shù)以及受測量時候噪聲的影響，當DEM分辨率較大時往往會導致洼地的形成。顧名思義洼地就是高程低于周圍的柵格，所以水流都會匯入其中，導致徑流最終斷流，需要進行處理。本研究中，采用Fill Sinks命令實現(xiàn)。其基本原理見圖4，當檢測到洼地時，將洼地處的高程抬高到與周圍像元中高程最低的像元一致，并不斷地循環(huán)此步驟直至不再出現(xiàn)新的洼地。

2.3 水文分析

水文分析包括流向分析、匯流累積量計算、河流柵格定義、河流拓撲關系生成以及河流邊界生成等，主要步驟如下。

a) 流向分析的目的是明確每個單元的水流聚集點水流方向。使用Flow Direction命令(D8算法)，D8算法核心思想是通過計算柵格與周圍8個柵格的坡度，選取最大坡度的方向作為本柵格的流向。

b) 采用Flow Accumulation命令計算每個柵格的集水面積，該命令通過流向柵格圖搜索水流路徑，采用遞歸算法從流域出口柵格開始遞歸搜索計算出每一柵格單元的上游匯水面積。

c) 得到匯水面積圖后，使用Stream Definition命令確定河流柵格圖，該命令的核心思想是設定1個最小匯水面積閾值(本研究設定為1 km2)，高于這個閾值的柵格將定義為河流。

至此，流域的河流已自動提取出來，可進一步做處理，如采用Stream Segmentation命令，建立柵格河流上下游拓撲關系；采用Catchment Grid Delineation命令，得到每條河段的邊界(即河段控制的子流域)；采用使用Drainage Line Processing和Catchment Polygon Processing命令將所得的柵格數(shù)據(jù)轉(zhuǎn)化為矢量數(shù)據(jù)以便進行后續(xù)的流域邊界、河流長度和坡度的提取。

2.4 流域特征提取計算

流域面積、河流長度及比降是非常重要的流域參數(shù)，可根據(jù)通過地形數(shù)據(jù)提取。流域面積有著統(tǒng)一的定義即為出口斷面以上的集水區(qū)域。然而河流長度的內(nèi)涵在不同領域時有所不同，以往的基于DEM流域特征提取的研究中很少關注這種內(nèi)涵的不同，幾乎所有的研究中河流內(nèi)涵都是以出現(xiàn)明顯水流(以匯水面積閾值來反應)為標志的，這與傳統(tǒng)的認知相符，顯然自動提取的河流長度是隨著閾值變化而變化，故較多研究集中在怎樣合理確定匯水面積閾值。然而在流域設計洪水計算中，河流長度的內(nèi)涵為出口斷面沿主河流至分水嶺的長度，這個長度是確定的。傳統(tǒng)的研究中，在進行水文分析操作后就結束了，為了研究河流的內(nèi)涵不同對流域參數(shù)的影響，需要對流域設計洪水領域中的河流長度以及河流比降進行提取，其中河流比降定義為主河流各高程轉(zhuǎn)折點分段比降的加權平均值，計算公式見式(1)。

(1)

式中H0——河流末節(jié)點高程；Hi——河段節(jié)點高程；li——河段長度；L——總河流長度。

流域設計洪水領域中的河流長度及比降提取步驟如下。

a) 合理地進行分區(qū)(子流域)，并確定子流域的出口即子流域匯入到主干的匯水口，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，確定子流域面積，其核心思想是以分區(qū)匯水口為起點，通過流向柵格圖搜索水流路徑得到匯水口的上游面積。

c) 使用Longest Flow Path for Subwatersheds命令確定每個子流域內(nèi)從分水嶺至出口的最長路徑即為子流域內(nèi)的主河流，其長度即為主河流長度，其思想是通過子流域區(qū)域內(nèi)流向柵格圖搜索最長的匯流路徑。

d) 利用Stack Profile命令得到主河流的地形縱剖線，其思想是以主河流起點開始，提取主河流特征點處的原始高程值及距離起點的距離，最后可按照公式(1)計算可得主河流的平均比降。

3 結果分析

3.1 河網(wǎng)校正對流域特征提取的影響

以SRTM為數(shù)據(jù)源，在是否進行河網(wǎng)校正步驟下對花馬湖流域進行流域特征提取，并分析河網(wǎng)校正對流域特征提取的改進效果，結果見圖5。對比可知，不進行河網(wǎng)校正提取的河網(wǎng)在河源及高程較高的區(qū)域與真實河網(wǎng)吻合較好，在地勢低的地區(qū)(平原地區(qū))誤差較大，出現(xiàn)較多的平行河流。輔助真實河流信息，對原始DEM進行河網(wǎng)校正后，極大地提高了平原地區(qū)的河網(wǎng)精度，改善了平行河流的問題。此外，采用河網(wǎng)校正后，流域出口的位置也校正到了正確的位置。

為了量化河網(wǎng)的偏差程度，提取矢量化的真實河網(wǎng)的節(jié)點，計算其離提取河網(wǎng)的距離(即偏移距離)，并計算偏移距離的統(tǒng)計特征值(表2)。采用AGREE校正后，河網(wǎng)的平均偏移距離從95 m減小到54 m，減小了43%；偏移距離的標準差也從130 m減小到97 m，減小了23%；采用Stream burning校正后，河網(wǎng)的平均偏移距離減小到51 m，減小了46%；偏移距離的標準差減小到92 m，減小了29%。

Stream burning校正方法提取的精度略高于AGREE方法，但是沒有顯著的區(qū)別；AGREE校正后提取的河網(wǎng)細節(jié)更加豐富，有更多的支流?？傮w而言，AGREE校正和Stream burning校正方法均明顯提升了河網(wǎng)提取精度，尤其適用于平原地區(qū)的河網(wǎng)提取，在實際應用中可根據(jù)需要選擇應用。

表2 校正算法對河網(wǎng)提取精度的影響

河網(wǎng)校正后，流域面積及河網(wǎng)密度有一定變化(表 3)。校正后河網(wǎng)密度有所下降，這是因為校正消除了大部分的平行河流。不校正提取的流域面積為289.51 km2，AGREE校正提取的流域面積為289.59 km2，Stream burning提取的面積為292 km2，三者的面積相差很小。整體上三者的流域邊界較為吻合，但在西北及東北局部有著較為明顯的區(qū)別，這是由于人類活動造成的。東部及北部河流經(jīng)歷過整治，沿江修建有長江干堤，部分河流在流域邊界外，可對提取結果進行人工修正，如東部邊界以長江干堤為界限。

表3 不同數(shù)據(jù)源對流域特征提取的影響

3.2 不同數(shù)據(jù)源對流域特征提取的影響

分別選取SRTM和ASTER數(shù)據(jù)對花馬湖流域進行AGREE校正算法的流域特征提取，分析不同高程數(shù)據(jù)源對于流域特征提取的影響(圖6、表3)。與SRTM數(shù)據(jù)類似，ASTER數(shù)據(jù)提取的河網(wǎng)提取精度從山區(qū)至平原區(qū)逐漸降低。隨著DEM的水平分辨率增加，對地形起伏刻畫得更加精細，因此ASTER數(shù)據(jù)提取的河流長度以及河網(wǎng)密度都略大于SRTM數(shù)據(jù)的結果，這與一些學者的研究結果相符[5,7]， 并且流域邊界更加光滑。但是ASTER數(shù)據(jù)提取的流域面積顯著大于SRTM數(shù)據(jù)提取的面積，也顯著大于水利部門審查通過的291 km2，甚至其流域的出口也偏移巨大。究其原因， 雖然GDEM的水平分辨率(30 m)高于SRTM(90 m)，但是其垂直精度較SRTM差(表1)，且易受到云層遮擋的影響出現(xiàn)空白，因此影響到了流域提取結果。

由此可見當水平分辨率達到一定精度時，與水平分辨率相比，DEM的垂直精度對提取地形信息的真實性起決定作用。

表4 分片流域參數(shù)提取計算結果

3.3 流域參數(shù)提取

選擇流域上部走馬湖4條支流(新農(nóng)村港、鴨畈港、青山截留港和牌樓港)統(tǒng)計主河流長度及比降參數(shù)，并與實測港道地形對比，結果見表4。從河流長度上看，提取的主河流長度均大于實測的港道，其中以牌樓港差異最大，通過DEM提取的牌樓港主河流長度是其實際測量長度的1.78倍。究其原因，實際測量的河流長度是以是否有明顯水面作為判斷標準，而在設計洪水計算中河流長度是河口至分水嶺的長度，顯然其長度會大于通常所講的河流長度概念。采用自動提取有一個好處就是避免了傳統(tǒng)的主觀判定主河流走向帶來的誤差。

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顯大于測量的河流比降，新農(nóng)村港、牌樓港和青山截留港主河流比降分別為測量長度比降的1.94、2.63和1.51倍。為了驗證SRTM數(shù)據(jù)提取的主河流比降的精度，使用SRTM數(shù)據(jù)計算實測河段的比降，并與實際測量高程計算而得的比降對比。實際測量河流時，測量的為河床高程，而SRTM為地表高程即在河流處為水面高程，因此兩者比降不同(表4)。除了鴨畈港外，SRTM數(shù)據(jù)計算的河流比降略大于實測的比降，4條河段比降相差絕對值在-0.11‰～0.7‰?？傮w而言SRTM數(shù)據(jù)提取的河流比降精度較高，可滿足實際應用，但是在人類活動較為明顯的青山截留港和鴨畈港誤差明顯，這是因為在此區(qū)域STRM數(shù)據(jù)時效性變差。

綜上所述，基于SRTM DEM數(shù)據(jù)的流域特征自動提取方法能夠較為精確地提取主要的流域特征，尤其是對于主河流而言，避免了因主觀判定而導致錯誤。河流比降的計算也較為精確，能夠滿足實際的應用。

4 結論

本文針對無資料地區(qū)，提出了基于衛(wèi)星影像和公開地形數(shù)據(jù)的平原湖泊流域特征自動提取的方法，并在花馬湖流域進行應用，取得了比較好的效果，主要結論如下。

a) 在通過目視解譯高清衛(wèi)星影像獲取的真實河網(wǎng)信息輔助下，基于公共DEM數(shù)據(jù)能夠快速準確地提取流域的河網(wǎng)水系結構，并且在平原地區(qū)的精度有較大的提高。

b) 不同的數(shù)據(jù)源對于流域特征的提取影響較大。DEM的垂直精度對流域河網(wǎng)及邊界影響較大，相對于GDEM數(shù)據(jù)SRTM數(shù)據(jù)提取的結果更加可靠。

c) 基于SRTM DEM數(shù)據(jù)的流域特征自動提取方法能夠較為精確地提取主要的流域特征，精度較高。

d) 人類活動尤其是城市化對于流域河網(wǎng)的結構有著較為顯著的影響，同時在人類活動較為強烈的區(qū)域SRTM數(shù)據(jù)還存在時效性不足的特點。未來還需加強在城市區(qū)域流域特征提取方面的研究，此外如何結合多源觀測數(shù)據(jù)提高流域特征提取的精度也是進一步研究的內(nèi)容。