利用国产GF-1卫星数据实现山区细小河流河宽的自动提取

doi:10.13474/j.cnki.11-2246.2020.0069

测绘通报 ›› 2020, Vol. 0 ›› Issue (3): 12-16.doi: 10.13474/j.cnki.11-2246.2020.0069

利用国产GF-1卫星数据实现山区细小河流河宽的自动提取

薛源, 李丹, 吴保生, 傅旭东

清华大学水沙科学与水利水电工程国家重点实验室, 北京 100084

收稿日期:2019-08-31 修回日期:2019-10-31 发布日期:2020-04-09
通讯作者: 吴保生。E-mail:baosheng@tsinghua.edu.cn E-mail:baosheng@tsinghua.edu.cn
作者简介:薛源(1993-),男,博士生,研究方向为遥感水文学等。E-mail:xueyuan_thu@163.com
基金资助:
国家自然科学基金重点项目（51639005）

Automatic extraction of small mountain river information and width based on China-made GF-1 satellites remote sensing images

XUE Yuan, LI Dan, WU Baosheng, FU Xudong

State Key Laboratory of Hydroscience and Engineering, Tsinghua University, Beijing 100084, China

Received:2019-08-31 Revised:2019-10-31 Published:2020-04-09

摘要/Abstract

摘要： 以国产GF-1卫星影像为数据源，选取皇甫川流域内山区细小河流密集的上游1421 km²作为研究区域，针对因山区河流河道狭窄、形态复杂等导致的河流边界提取难度大、精度差、河宽无法自动提取的难题，首先利用改进的变异系数法筛选水体指数，再采用改进的决策树法结合DEM河网精确获取河流边界，最后通过自动化河宽提取算法实现对山区细小河流及其河宽的自动提取。结果表明，本文方法对山区河流判别的总体精度为89.5%，有效地排除了山体阴影等地物的干扰。对河宽为0~10 m的极细河流，本文方法提取河宽的误差为18.54%；10~30 m的细小河流，提取误差为12.07%。

关键词: GF-1卫星影像, 山区细小河流, 河宽, 自动提取, 改进的决策树

Abstract: Extraction of high-resolution geomorphic information from remote sensing images is a key technology for supporting the research of mountain rivers. In this research, we propose a DEM-aided approach based on object-based image analysis and improved decision tree classification for water information extraction and present a method for automatic extraction of small river width. We used the 1421 km² area of upstream of Huangfuchuan River Basin on the Loess Plateau, China, as a case study area. The China-made GF-1 satellite images and the DEM data are implemented as the secondary data source. The results show that the proposed method has a total accuracy as 89.5%. For extremely small rivers with width ranging from 0 to 10 meters, the error of river width extraction by our method is 18.54%. The extraction error of small rivers whose width ranging from 10 to 30 meters is 12.07%.

Key words: GF-1 satellite images, small mountain rivers, river width, automatic extraction method, improved decision tree classification

中图分类号:

薛源, 李丹, 吴保生, 傅旭东. 利用国产GF-1卫星数据实现山区细小河流河宽的自动提取[J]. 测绘通报, 2020, 0(3): 12-16.

XUE Yuan, LI Dan, WU Baosheng, FU Xudong. Automatic extraction of small mountain river information and width based on China-made GF-1 satellites remote sensing images[J]. Bulletin of Surveying and Mapping, 2020, 0(3): 12-16.

参考文献

[1] 朱红春,蔡丽杰,刘海英,等. 高分辨率影像分类的最优分割尺度计算[J]. 测绘科学, 2015,40(3): 71-75.
[2] 冀咏赞,闫慧敏,刘纪远,等. 基于MODIS数据的中国耕地高中低产田空间分布格局[J]. 地理学报, 2015,70(5): 766-778.
[3] 戴激光,谢诗哲,苗志鹏,等.高分辨率光学遥感几何与纹理约束的线段优化算法[J].测绘学报,2019,48(5):563-571.
[4] 陈志国. 高分辨率SAR卫星影像洪水区域提取应用研究[D].武汉:武汉大学,2017.
[5] NATH R K, DEB S K. Water-body area extraction from high resolution satellite images-an introduction, review, and comparison [J]. International Journal of Image Processing, 2010, 3(6):353-372.
[6] ZHANG Q, WANG C, SHINOHARA F, et al. Automatic extraction of water body based on EOS/MODIS remotely sensed imagery[C]//Proceedings of SPIE. Wuhan: SPIE, 2007.
[7] 肖艳芳,赵文吉,朱琳.利用TM影像Band1与Band7提取水体信息[J].测绘科学,2010,35(5):226-227.
[8] SHARMA O, MIOC D, ANTON F. Feature extraction and simplification from colour images based on colour image segmentation and skeletonization using the quad-edge data structure [M]. Skala:[n.l.], 2007: 225-232.
[9] 杨果果,高原,周蕾. 水体信息遥感自动提取与演变分析——以南京城区为例[J]. 测绘与空间地理信息, 2016,39(10): 35-39.
[10] 杨树文,薛重生,刘涛,等. 一种利用TM影像自动提取细小水体的方法[J]. 测绘学报, 2010,39(6): 611-617.
[11] 陈文倩,丁建丽,李艳华,等. 基于国产GF-1遥感影像的水体提取方法[J]. 资源科学, 2015,37(6): 1166-1172.
[12] 周炜,关洪军,童俊.一种利用高光谱像元分解技术提取水体边界的方法[J].测绘通报,2019(3):120-123.
[13] 毕彩霞. 黄河中游皇甫川流域产沙性降雨及其对径流输沙的影响[D]. 咸阳:中国科学院研究生院(教育部水土保持与生态环境研究中心), 2013.
[14] XU H, TAYLOR R G, XU Y. Quantifying uncertainty in the impacts of climate change on river discharge in sub-catchments of the Yangtze and Yellow River Basins, China [J]. Hydrology and Earth System Sciences,2011, 15(1),333-344.
[15] 冉大川,高健翎,赵安成,等. 皇甫川流域水沙特性分析及其治理对策[J]. 水利学报, 2003(2): 122-128.
[16] 赵文林. 皇甫川流域降雨、产流、产沙特性初析[J]. 人民黄河, 1990(6): 37-42.
[17] 邓晓军,许有鹏,韩龙飞,等. 城市化背景下嘉兴市河流水系的时空变化[J]. 地理学报, 2016,71(1): 75-85.
[18] STRAHLER A N. Quantitative analysis of watershed geomorphology[J]. Eos Transactions American Geophysical Union, 1957, 38(6):913–920.
[19] BAI R, LI T, HUANG Y, et al. An efficient and comprehensive method for drainage network extraction from DEM with billions of pixels using a size-balanced binary search tree [J]. Geomorphology, 2015, 238:56-67.
[20] 李莉. 面向对象的高分辨率遥感影像信息提取研究[D]. 成都:成都理工大学, 2012.

利用国产GF-1卫星数据实现山区细小河流河宽的自动提取

Automatic extraction of small mountain river information and width based on China-made GF-1 satellites remote sensing images

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 9

编辑推荐

Metrics

本文评价

[1]	徐杰, 侯飞, 曹广航. 高精道路地图制作方法及关键技术[J]. 测绘通报, 2022, 0(1): 155-158.
[2]	李华蓉, 彭映雪, 李海明. 室内楼层平面导航路网模型的自动生成[J]. 测绘通报, 2021, 0(4): 79-84,104.
[3]	张少平, 翟永聪, 王留召, 毛明楷. 车载激光测量技术在质检应用中的可行性[J]. 测绘通报, 2021, 0(12): 110-114.
[4]	涂杰, 周毅, 赵昊, 燕龙, 武金勇. DEM线状窗口邻域分析的月表撞击坑自动提取[J]. 测绘通报, 2018, 0(6): 27-33.
[5]	李大军, 杜神斌, 郭丙轩, 薛万唱, 游琦. 航空影像直角房屋轮廓半自动提取[J]. 测绘通报, 2018, 0(4): 112-115,120.
[6]	贾洪果, 刘路遥, 韦博文, 张梦意, 武燕, 章昊. 基于形状与纹理特征的高分辨率SAR影像桥梁目标自动提取方法[J]. 测绘通报, 2017, 0(12): 82-85.
[7]	高阳, 王留召, 李明. 车载激光彩色点云的道路标志线提取方法[J]. 测绘通报, 2016, 0(4): 28-32.
[8]	郝明史文中张华. 一种基于LiDAR数据的建筑物自动提取方法[J]. 测绘通报, 2014, 0(4): 82-85.
[9]	王延霞史照良李鹏. LiDAR DEM在平原区河网自动提取中的应用研究[J]. 测绘通报, 2013, 0(9): 51-54.