本發(fā)明涉及遙感影像信息提取領(lǐng)域,特別是一種基于水文知識的遙感監(jiān)測河流水面特征參數(shù)精度提升方法。
背景技術(shù):
1、遙感技術(shù)現(xiàn)已成為水體信息提取的關(guān)鍵手段,尤其在高分辨率衛(wèi)星遙感的支持下,廣泛應(yīng)用于各類水體如河流、湖泊等地表特征的識別和測量。目前,已有多種遙感水體提取方法被發(fā)展和應(yīng)用,主要包括閾值法(如廣泛應(yīng)用的水體指數(shù)法,它利用特定波段比值強(qiáng)調(diào)水體特征,簡化提取過程)、分類器法(例如決策樹法和面向?qū)ο蠓?,以及其他基于多波段譜間關(guān)系、光譜知識等原理的復(fù)雜提取技術(shù)。這些方法在進(jìn)行水體提取時(shí),將像元作為水體提取的基本單位,對混合像元的判定比較粗糙,會導(dǎo)致水體邊界識別的精度損失?;旌舷裨纸饧夹g(shù)可以針對性地解決水體邊界附近混合像元的問題,通過定量分析提升水體提取的精確度。
2、盡管遙感技術(shù)的分辨率不斷提升,但在處理細(xì)小河流等復(fù)雜場景時(shí),即便是高分辨率遙感影像也可能受限于空間分辨率,難以精確識別窄小水體邊界,尤其是在河流枯水期,因水體面積收縮帶來的光譜復(fù)雜性加大了精準(zhǔn)探測的難度。此外,現(xiàn)有研究多聚焦于國外遙感產(chǎn)品和地物類型相對簡單的區(qū)域或大面積水體,采用的水體、植被指數(shù)等提取方法往往忽視了河流實(shí)際流量等因素,導(dǎo)致提取的河寬信息未能充分體現(xiàn)特征流量和平灘流量等水文特性。在復(fù)雜地貌如山區(qū)的小型水體提取上,由于混合像元問題嚴(yán)重,傳統(tǒng)的基于像元的提取方法可能導(dǎo)致水體邊界識別精度降低。因此,未來亟需研發(fā)更為精細(xì)的混合像元分解技術(shù)和適應(yīng)復(fù)雜地理?xiàng)l件的水體提取方法,以提高對各種大小和地形條件下水體信息提取的準(zhǔn)確性和完整性。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的目的在于克服上述不足,提供一種基于水文知識的遙感監(jiān)測河流水面特征參數(shù)精度提升方法,以提高對各種大小和地形條件下水體信息提取的準(zhǔn)確性和完整性。
2、為解決上述技術(shù)問題,本發(fā)明所采用的技術(shù)方案是:一種基于水文知識的遙感監(jiān)測河流水面特征參數(shù)精度提升方法,它包括以下步驟:
3、s1:基于dem,提取河道和河道兩側(cè)山脊線,確定河谷范圍;
4、s2:利用河道兩側(cè)山脊線矢量文件對遙感影像進(jìn)行裁剪,以獲取河道+河谷范圍內(nèi)的遙感影像;
5、s3:利用水體指數(shù)對所獲取的河道+河谷范圍遙感影像進(jìn)行運(yùn)算;確定水面1、水面+其他地物、其他地物范圍;
6、s4:根據(jù)周圍像元ndwi值,確定水體+其他地物區(qū)域內(nèi)混合像元中水體所占比例;
7、s5:基于初始水面1生成河流中心線,對河流中心線垂直方向的斷面進(jìn)行檢測,根據(jù)斷面上像元的ndwi值變化判斷單一流路和多流路以及混合像元中水體分布位置;
8、s6:基于s4和s5確定的混合像元中水體比例和水體位置以及原始分辨率a的ndwi值,創(chuàng)建對應(yīng)位置的一個(gè)高分辨率的ndwi柵格圖,提取出水面2;
9、s7:利用新的水面文件,獲取水面特征參數(shù)。
10、優(yōu)選地,所述s1具體過程如下:
11、首先在無洼地dem上利用最大坡降的方法得到每一個(gè)柵格的水流方向;然后利用水流方向柵格數(shù)據(jù)計(jì)算出每一個(gè)柵格在水流方向上累積的柵格數(shù),即匯流累積量,所得到的匯流累積量則代表在一個(gè)柵格位置上有多少個(gè)柵格的水流方向流經(jīng)該柵格,柵格的匯流累積量代表著該柵格的水流量,設(shè)定一個(gè)閾值來區(qū)分河流通道和其他較小的溝壑或排水路徑,選擇匯流累積量較大的區(qū)域作為河流網(wǎng)絡(luò);
12、基于dem通過鄰域分析進(jìn)行填洼處理,消除洼地影響,生成無洼地dem;利用無洼地dem進(jìn)行水文分析,計(jì)算水流方向數(shù)據(jù),以反映地形的坡度和水流路徑;通過水流方向數(shù)據(jù)計(jì)算匯流累積量,該指標(biāo)反映了每個(gè)像素點(diǎn)接收的總水量,當(dāng)其為零時(shí),表明該點(diǎn)位于流域的分水嶺;最后,將匯流累積量為零的點(diǎn)與正地形求交,即可獲得山脊線。
13、優(yōu)選地,所述s2具體過程如下:
14、對影像數(shù)據(jù)進(jìn)行輻射定標(biāo)處理、幾何校正處理、大氣校正處理和影像融合處理,得到預(yù)處理后的圖像數(shù)據(jù);針對識別出的每一流路,利用河道兩側(cè)山脊線矢量文件對遙感影像進(jìn)行裁剪,去除背景噪聲,縮小研究區(qū)范圍,獲取只有河道+河谷范圍遙感影像。
15、優(yōu)選地,所述s3具體過程如下:
16、利用歸一化水體指數(shù)法對所述預(yù)處理后的圖像數(shù)據(jù)得到水體指數(shù)圖,公式如下:
17、
18、其中,ndwi為歸一化水體指數(shù),g為預(yù)處理后的圖像數(shù)據(jù)中的綠波段數(shù)據(jù),nir為預(yù)處理后的圖像數(shù)據(jù)中的近紅外波段數(shù)據(jù);
19、在預(yù)處理后的遙感影像中每種地物選取n個(gè)樣本,確定每種地物在綠波段和近紅外波段的最大值和最小值;
20、確定水體、裸土,植被、巖石地表覆蓋物的ndwi的閾值范圍;
21、由此確定初始水面1、水面+其他地物、其他地物類別的閾值區(qū)間,其中,將水體與其他地物閾值范圍重合部分定義為水面+其他地物的閾值區(qū)間,閾值非重合部分定義為純凈地物;
22、初始水面1:
23、水面+其他地物:
24、其他地物:
25、其中,v表示ndwi柵格圖像的像素集合,iij為柵格圖像中第i行,第j列像素的水體指數(shù)值,ipmin、ipmax為分別為純凈水體分割的最大閾值和最小閾值,immax分別確定為非水體像元分割的最大閾值;w1為初始水面范圍,m為水體與其他地物混合的范圍,n為其他地物的范圍。
26、優(yōu)選地,所述s4具體過程如下:
27、首先根據(jù)水體、裸土,植被、巖石地表覆蓋物在綠波段、近紅外波段、以及ndwi的閾值范圍確定混合像元(i,j)鄰域像元的所屬地物,以此確定混合像元所含有的除水體外的地物類型;
28、混合像元的ndwi值與鄰域像元的ndwi值呈現(xiàn)線性疊加的關(guān)系,構(gòu)建關(guān)系表達(dá)式:
29、
30、其中,iij為混合像元的ndwi值,iw,in分別為領(lǐng)域像元中水體和非水體的ndwi值,pwater(m)、pnowater(m)分別為混合像元中水體和非水體所占比例,二者和為1。
31、優(yōu)選地,所述s4具體過程如下:定義一個(gè)權(quán)重函數(shù)w(iij,m),構(gòu)建一個(gè)大小為n×n的濾波器核,它根據(jù)鄰域像元的ndwi值iij與水體基準(zhǔn)值以及混合像元自身的ndwi值計(jì)算權(quán)重;
32、
33、其中,α是一個(gè)正的調(diào)整參數(shù),用于控制權(quán)重函數(shù)斜率的陡峭程度;maxdiff是數(shù)據(jù)集中非水體像元ndwi值與水體基準(zhǔn)值的最大差值,用于歸一化差異;tanh函數(shù)確保權(quán)重值在-1到1之間變化,當(dāng)與水體基準(zhǔn)值差異較大時(shí),權(quán)重值趨向于-1;當(dāng)差異較小時(shí),權(quán)重值趨向于1;
34、確定中間混合像元m的鄰域,對于混合像元m的每一個(gè)鄰域像元iij,計(jì)算其經(jīng)過權(quán)重函數(shù)調(diào)整后的ndwi值w(iij,m)·iij;將所有鄰域像元的加權(quán)ndwi值相加,并除以所有權(quán)重值的總和,得到混合像元m中水體所占比例的估計(jì)值pwater(m),其理論公式為:
35、
36、優(yōu)選地,所述s5具體過程如下:
37、將獲取的柵格初始水面1轉(zhuǎn)換為水面矢量文件,通過形態(tài)學(xué)操作骨架提取來生成河流中心線;
38、對于每一點(diǎn)沿河流中心線,計(jì)算該點(diǎn)的流向角度ɑ;基于此角度,確定垂直于中心線的方向,即ɑ+90°,確定河流斷面;
39、沿河流斷面方向,逐像元提取ndwi值,該指標(biāo)能有效區(qū)分水體與陸地;依據(jù)預(yù)設(shè)閾值對像元進(jìn)行分類,判斷水體、植被、土壤等的地物類型,識別單一流路區(qū)域、多流路以及混合像元中水體的具體分布。
40、優(yōu)選地,所述s6具體過程如下:
41、創(chuàng)建一個(gè)新的a/n2高空間分辨率的柵格文件,將s3生成的ndwi柵格圖的ndwi值寫入新創(chuàng)建的柵格圖文件中,確保與原圖像的空間參考坐標(biāo)系統(tǒng)一致;
42、利用s4混合像元分解得到的水體比例數(shù)據(jù)s5確定的混合像元中水體位置,調(diào)整高分辨率ndwi柵格圖中的像素值;確保處理后的ndwi值正確映射到新的高分辨率柵格中;
43、重新對高分辨率ndwi柵格圖進(jìn)行水體的提取,獲取水面2。
44、優(yōu)選地,所述s7具體過程如下:
45、基于水面矢量文件,垂直于河道矢量線文件計(jì)算河寬,河流形態(tài)中長寬比等水面特征參數(shù);
46、河道的比降:
47、
48、式中,i為比降;h1、h2為斷面高程;l為兩點(diǎn)之間的水平距離;
49、研究河段水面面積與河段長的比值作為該河段的平均寬度:
50、
51、式中,w為概化河段寬度;a為研究河段的水面面積;l為研究河段的長度。
52、本發(fā)明有益效果:
53、1、本發(fā)明可以提高對各種大小和地形條件下水體信息提取的準(zhǔn)確性和完整性。
54、2、本發(fā)明針對歷時(shí)低分辨影像以及細(xì)小水體提取困難的問題,綜合數(shù)字河網(wǎng)提取技術(shù)、河谷提取技術(shù)和遙感解譯技術(shù),確保了細(xì)小水體和規(guī)則水體邊界提取的完整性,且有效提升水面寬等水體特征參數(shù)提取精度。