基于dem提取流域河網(wǎng)的算法研究

基于dem提取流域河網(wǎng)的算法研究

0分布式參數(shù)模型水文模型分為總參數(shù)模型（lumpedpare模型s）和分布式參數(shù)模型（distribut參數(shù)模型s）。集總式參數(shù)模型把整個流域看成一個整體,不考慮影響水文過程的氣候和下墊面條件空間差異,流域參數(shù)取其平均值。分布式參數(shù)模型通常將流域劃分為一些小的地域單元,這些地域單元可以是格網(wǎng)也可以是子流域,通常假定這些地域單元內(nèi)部是均一的,各有其對應參數(shù),地域單元之間有一定拓撲關(guān)系,通過這種拓撲關(guān)系能夠說明物質(zhì)的傳輸方向。分布式參數(shù)模型考慮了流域內(nèi)部氣候和下墊面條件空間差異性,比集總式參數(shù)模型具有更高的空間分辨率。目前水文模型的研究重點已從集總式參數(shù)模型轉(zhuǎn)移到GIS與分布式參數(shù)模型相結(jié)合的研究方面,分布式參數(shù)模型的建立需要能夠確定流域內(nèi)部排水結(jié)構(gòu)等地表水文特征資料(如流向、河網(wǎng)、子流域等),而現(xiàn)有絕大多數(shù)分布式參數(shù)模型都是從DEM中自動提取這些信息的。1基于dem提取流域河網(wǎng)的算法的總結(jié)1.1dem格網(wǎng)陣列的掃描Peuker和Douglas(1975)提出了一種簡單的移動窗口算法,算法思路是使用一個2×2的窗口對DEM格網(wǎng)陣列進行掃描,將在窗口中具有最低高程值的點做標志,而剩余未做標志的點將表示山脊線上的點。類似地,對在窗口中具有最高高程值的點做標志,而剩余未做標志的點將表示山谷線上的點。通過這樣計算,特征點便被提取出來了,這些點表示了潛在的溝谷線(或分水線)所在的位置。1.2坡面徑流模擬算法Mark(1984)及O’Callaghan和Mark(1984)注意到Peuker和Douglas方法不能提取出連續(xù)河網(wǎng),因此他們提出了一種能提取連續(xù)河網(wǎng)的新算法,即坡面徑流模擬算法。該算法以水流在地表沿著坡度最大方向流動為基礎(chǔ)。坡面徑流模擬算法的實現(xiàn)分四步:(1)確定DEM中每一柵格單元的水流方向;(2)計算每一柵格單元的上游匯水面積;(3)給定一個最小水道集水面積閥值;(4)提取流域邊界及子流域。1.3線搜索算法在O’Callaghan和Mark(1984)提出坡面徑流模擬算法的同時,Yoeli(1984)提出了谷線搜索算法。該算法的計算步驟是:(1)首先用一個樣條曲線函數(shù)找到DEM中的所有最低點;(2)然后從這些高程最低點生成谷線,每條谷線起始于這些高程最低點中沒有參與生成谷線的高程最大值,將其延伸到與其最近的高程低值點,重復這樣的操作直到該谷線碰到別的谷線,如湖泊或海洋;(3)重復步驟(2)直到遍歷所有的高程最低點。2坡面徑流模擬算法中存在的問題從DEM中提取連續(xù)河網(wǎng)是大多數(shù)研究者一生致力追求的結(jié)果。移動窗口算法最大缺點就是提取的河網(wǎng)不連續(xù),現(xiàn)在已經(jīng)少有使用了。谷線搜索算法雖說也能提取出連續(xù)河網(wǎng),但其只能應用于很小的DEM,更重要的是其不是基于水文學概念來提取河網(wǎng)的,對其他水文特征,因而很難與分布式參數(shù)模型相結(jié)合,這些都影響了該算法的廣泛應用。坡面徑流模擬算法由于其水文學基礎(chǔ),能產(chǎn)生連續(xù)河網(wǎng),能與分布式參數(shù)模型緊密結(jié)合,且算法成熟穩(wěn)定,易于程序?qū)崿F(xiàn),是目前應用最廣泛、最普遍的算法。此處僅對坡面徑流模擬算法中存在的問題進行探討。該算法中主要存在下列問題:(1)水道起始點位置的確定;(2)凹陷與平坦區(qū)域水流方向的確定;(3)模擬河網(wǎng)與自然河網(wǎng)之間的偏差。2.1初始閥值的確定對于水道起始點位置,坡面徑流模擬算法采用最小水道集水面積閥值的概念,通常認為如果某處的上游集水面積等于某一給定閥值,則該點為河道的起始點,而大于該閥值的柵格點被定義為水道。但該閥值的給定具有很大的隨意性和主觀性,且值的大小將直接影響生成河網(wǎng)的疏密程度。事實上現(xiàn)在還無法找到一個確切的閥值來確定水道起始點位置,因為即使在很小的流域內(nèi),每一條溝谷的閥值都可能各不相同。Vogt(2003)首先根據(jù)決定河網(wǎng)密度大小的環(huán)境特性,如氣候、土地覆蓋、地形、巖性、土壤等信息對流域內(nèi)的景觀地貌進行分類,然后分別提取不同景觀地貌類型的坡度-面積關(guān)系并分別確定其水道集水面積閥值,最后對不同景觀地貌取不同的水道集水面積閥值來提取河網(wǎng),在意大利進行試驗表明所提取的河網(wǎng)與實際河網(wǎng)在位置和河網(wǎng)密度方面都很吻合。2.2網(wǎng)向的排水系統(tǒng)Tribe(1992)認為坡面徑流模擬算法能產(chǎn)生連續(xù)河網(wǎng)的先決條件是DEM中每個柵格單元都必須被賦予一個確定的水流方向。D8算法在三種情況下確定柵格流向會出問題:(1)柵格有兩個或多個可能的流向,(2)在平坦區(qū)域處,(3)在閉合洼地處。對于柵格有兩個或多個可能的流向,O’Callaghan和Mark(1984),Skidmore(1990)建議主觀上選擇順時針從正北方向開始最先碰到的那個方向;Jenson和Domingue(1988)采用了類似的主觀方法,然而對于有兩種以上可能流向的柵格,他們選擇了更“聰明”的方法,例如有三種相鄰的可能時,選擇中間的那一個;Bevaqua和Floris(1987)選擇使谷線曲度最小的那個方向;Morris和Heerdegen(1988)依據(jù)與可能流向相鄰柵格的坡度值來確定流向。Jenson和Domingue(1988)提出了一種確定平坦區(qū)水流方向的方法。該方法的缺點就是會產(chǎn)生偽平行河道。Garbrecht和Martz(1997)提出了另一種新方法,該方法基于這樣一個認識:即在自然景觀中排水網(wǎng)絡(luò)通常是遠離高地形朝向低地形。為了產(chǎn)生這樣一個排水網(wǎng)絡(luò),平坦區(qū)域DEM的高程值將被改變以產(chǎn)生兩個坡度:一個遠離高地形,一個朝向低地形。該方法對平坦區(qū)域“平行流”問題有很大的改進。閉合洼地在柵格DEM中很普遍,且它對所有需要確定流向的算法都會造成問題。DEM中的洼地包括偽洼地和自然洼地兩類。偽洼地是由DEM垂直方向分辨率不夠而引起的,而水平方向分辨率的不足又會加劇這種影響;或者是由DEM生成過程中的內(nèi)插、輸出結(jié)果取整所造成的;或者是高程數(shù)據(jù)誤差所造成的。不是由誤差引起的洼地稱為自然洼地。自然洼地數(shù)量一般遠遠小于偽洼地,因此大多數(shù)研究者(Mark,1984;Band,1986;Carrara,1986;Jenson和Domingue,1988)都假定所有洼地都是偽洼地。只要洼地是偽洼地(這也是最經(jīng)常的情況)就必須消除,且需要重新確定水流方向,才能得到連續(xù)河網(wǎng)。但是如果在河道上存在一個自然洼地,被認為是偽洼地填平,則就得到一個偽河網(wǎng)。Jenson和Domingue(1988)、Martz和DeJong(1988)給出了一個有效處理DEM洼地的方法,即采用墊高填平的方法,將凹陷處墊高至周邊最小高程。Martz和Garbrecht(1992)提出將洼地分為兩種類型:凹陷型洼地和阻擋型洼地,凹陷型洼地是指一組柵格單元的高程低于其四周,而阻擋型洼地是指垂直于排水路徑方向有一條狹長柵格單元的高程較高,類似橫跨河道的障礙物或壩體。對于阻擋型洼地,可通過降低阻擋物存在處的高程,使水流通過障礙物;對于凹陷型洼地,采用常規(guī)方法,即將洼地內(nèi)所有柵格單元墊高至洼地周圍最低柵格單元的高程。2.3基于數(shù)字河道的城市湖泊、水庫等面狀水體利用技術(shù)從水文學觀點來看,坡面徑流模擬算法提取的河網(wǎng)在小尺度上與實際河網(wǎng)完全吻合的情形幾乎不存在。對于模擬河網(wǎng)與實際河網(wǎng)位置上的偏差,解決方法之一就是使用Saunders(1999)提出的所謂的“burn-in”河網(wǎng)的方法。但這種方法有兩個主要的缺點:(1)不能處理湖泊、水庫等面狀水體;(2)當河道寬度大于1個柵格時,容易產(chǎn)生平行偽河道。針對“burn-in”河網(wǎng)方法的不足,Turcotte等(2001)提出了一種新方法。在數(shù)字河網(wǎng)基礎(chǔ)上增加湖泊和水庫等面狀水體輔助信息,即數(shù)字河流與湖泊網(wǎng)(DigitalRiverandLakeNetwork,DRLN)信息。與“burn-in”河網(wǎng)方法不同的是,DRLN不僅用于對DEM進行融合,而且還用于確定柵格流向,具體做法為:對于與DRLN重疊的柵格單元,水流方向僅由DRLN網(wǎng)絡(luò)確定,而其他DEM柵格則根據(jù)其距DRLN的遠近由DEM和DRLN共同決定,距離DRLN越遠,受DEM本身影響就越大。3改進與加強研究移動窗口算法、坡面徑流模擬算法、谷線搜索算法,這三種算法有各自的優(yōu)缺點和存在的主要問題,但從總