CN110133655A - 基于多源雷达遥感技术的河流径流监测反演方法 - Google Patents
基于多源雷达遥感技术的河流径流监测反演方法 Download PDFInfo
- Publication number
- CN110133655A CN110133655A CN201910474150.9A CN201910474150A CN110133655A CN 110133655 A CN110133655 A CN 110133655A CN 201910474150 A CN201910474150 A CN 201910474150A CN 110133655 A CN110133655 A CN 110133655A
- Authority
- CN
- China
- Prior art keywords
- river
- range
- image
- formula
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
Abstract
一种基于多源雷达遥感技术的河流径流监测反演方法,包括以下步骤:步骤1,多源雷达遥感数据预处理:SAR图像预处理、雷达高度计数据预处理;步骤2,基于SAR图像提取河流宽度;步骤3,基于雷达高度计提取河流相对水深;步骤4,基于曼宁公式构建径流计算模型;步骤5,时间序列河流径流变化监测。本发明提供一种适用于在极端天气下的大型河流径流多源雷达遥感监测技术,从而获得精确的河流参数信息。
Description
技术领域
本发明涉及合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像运用、河流径流监测等技术领域,特别设计一种基于多源雷达遥感技术的河流径流监测反演方法。
背景技术
河流是人类重要的用水来源,与人类的生活、生产息息相关,同时也是地球水循环的重要组成部分,在区域经济发展和气候变化中发挥着至关重要的作用。近些年来,随着科技的进步和人类社会的发展,人们越来越重视对水资源的监控。目前,受全球气温上升的影响,洪涝、干旱等极端水文现象和雷电、暴雨等灾害性天气发生的可能性增加,导致水文站监测仪器发生损坏的风险也随之增加。由于雷达高度计与合成孔径雷达均具有全天时、全天候观测,具有一定的穿透能力且不受天气影响的特点,因此雷达高度计经常被用来提取河流水位,SAR图像也经常被用来提取水域面积,虽然这两种技术可以较好的提取水域参数,但是二者并没有结合起来使用。
利用遥感技术监测河流径流的核心就是提高径流结果的精度。目前,利用遥感技术监测河流径流,学者已做出一些研究,但是绝大多数方法都是基于雷达高度计与光学遥感图像,并且大都在已知河底高程、河底宽度等参数已知条件下才能应用。这种方法受天气影响较大,特别是在极端环境下无法为水文站提供技术补充。另外,河底高程、河底宽度等这些参数均不易测量,大多数水文站无法获取这些数据。
综上所述,如何在极端天气下对大型河流监测是一个亟待解决的问题。
发明内容
本发明的目的在于提供一种基于多源雷达遥感技术的河流径流监测反演方法,以在各种天气条件,尤其在极端天气,精确获得河流径流信息。
为了实现本发明的目的,其提供如下技术方案:一种基于多源雷达遥感技术的河流径流监测反演方法,包括以下步骤:步骤1,多源雷达遥感数据预处理:SAR图像预处理、雷达高度计数据预处理;步骤2,基于SAR图像提取河流宽度;步骤3,基于雷达高度计提取河流相对水深;步骤4,基于曼宁公式构建径流计算模型;步骤5,时间序列河流径流变化监测。
本发明提供一种适用于在极端天气下的大型河流径流多源雷达遥感监测技术,从而获得精确的河流参数信息。
附图说明
图1为本发明总体流程图;
图2为中国黄河下游三处河段分布图;
图3为图2中三处实例河段SAR图像预处理后的结果;
图4为图2中为SAR图像水域分割后的结果;
图5-图7为雷达高度计反演水位与实测水位对比结果;
图8为河流经验参数K的拟合过程;
图9-图11为本发明模型反演径流与实测径流对比结果。
图12为列表一;
图13为列表二。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细说明。
如图1所示,步骤101:多源雷达遥感数据预处理:SAR图像预处理、雷达高度计数据预处理。SAR图像预处理采用辐射定标(Radiometric Calibrate)对SAR图像进行辐射校正,再使用Refined Lee滤波减少图像中的噪声斑点,然后采用Range-Doppler校正算子完成图像的几何校正,最后对图像进行图像拉伸,提高河流与背景的对比度。
雷达高度计数据预处理则首先根据数据中的经纬度信息查询对应目标区域的星下点坐标,然后将该点数据提取出来。
步骤102:基于SAR图像提取河流宽度。
首先,使用混合模糊图像分割算法提取河流水面,统计水面的像素点个数N。
接着,根据以下公式(1)计算图像长、宽对应的实际距离Llength、Lwidth;
式中,(lat1,lng1)为起点坐标,(lat2,lng2)为终点坐标,R的取值为6378137米,即WGS84坐标系下椭球的半径长度。
再根据以下公式(2)利用图像的长(Lm)、宽(Ln)和其对应的实际距离Llength、Lwidth计算单位像素代表的实际面积Sreal_pixel。
然后,根据公式(3)将单位像素实际面积Sreal_pixel乘以水面像素点个数N计算水面面积Sriver。
Sriver=Sreal_pixel·N (3)
最后,将目标研究区域的河段长度Lriver代入以下公式(4),计算河流宽度Wriver。
式中的Lriver由Google Earth的测距工具测得。
步骤103:基于雷达高度计提取河流相对水深。具体地,首先根据以下公式(5)将数据中卫星与地球参考椭球面的距离Altitude减去卫星与目标水面距离Range以及校正量RangeCorrected得到水面高程Height;
Height=Altitude-Range-RangeCorrected (5)
其中,校正量RangeCorrected根据以下公式(6)计算,具体地,校正量RangeCorrected包括大气校正、地球物理校正,大气校正又包括干对流层修正量Rangedt、湿对流层修正量Rangewt、电离层修正量Rangei,地球物理校正又包括固体潮修正量Rangeset、极潮修正量Rangept,以及水面椭球高GeoEGM96。
然后利用对应时间的历史水位数据对Height进行水准面校正,得到以中国黄海水准面为基准的河流水位;最后将近几年的历史最低水位作为相对河底高程,令河流水位减去相对河底高程,计算相对水深。
步骤104:基于曼宁公式构建径流计算模型。
曼宁公式已被广泛的应用于河流径流计算方面的研究。目前常见的河流断面主要有三种,分别矩形断面、梯形断面和弧形断面,而对于大型河流而言,河流的宽度W>>深度D,因此上述三种断面的径流均可由公式(7)计算。
其中,S是水面坡度,n为曼宁粗糙系数。
第一步,获取上述计算的河宽与相对水深。
第二步,由于水面坡度、曼宁粗糙系数等参数在实际测量中不并容易获得,若拥有这些参数的情况下,可以直接代入至公式(7)计算径流;若没有这些参数的情况下,如公式(8)所示,这里使用河流经验参数K表示水面坡度和曼宁粗糙系数:
K由实测的历史径流数据拟合得到,将相对河底高程对应的径流作为基础径流Q0,此时径流计算模型如公式(9)所示,DR为相对河流深度:
最后,根据公式(9)即可以计算河流径流Q。
步骤105,时间序列河流参数变化监测。
具体的,将时间序列下本方法反演的河流径流结果绘制成径流过程线,获得不同时间的河流径流及其随时间的变化量,并给出分析结果。
为了验证本发明,发明人针对中国黄河的部分河段实施了本发明。图2为中国黄河下游花园口A、夹河滩B、高村水文站C附近的河段,黄河下游是中国华北地区重要的水资源,但是下游的河床已高出大堤背河地面3-5m,比两岸平原高出更多,上述三处水文站是治理黄河关键水利工程小浪底水库后的前三处水文站,对这三处水文站的径流监测将关系到整个下游流域乃至豫、鲁、皖、苏四省的安危;图3为上述三处水文站(分别对应子图a、b、c,下同)附近河段预处理后的SAR图像(2018/08/24);图4为SAR图像水域分割后的结果(2018/08/24);图5-图7为雷达高度计提取河流水位与实测河流水位的对比结果(2018/01-2018/12);图8为河流经验参数K的拟合过程;图9-图11为时间序列下本发明模型反演径流与实测径流的对比结果(2018/01-2018/12);图12为一列表,给出了多时序下本发明模型反演的径流结果精度评价,包含决定系数、均方根误差和相对均方根误差等,该结果已经满足了传统径流监测精度要求。图13为另一列表,给出了某四个时间下高村水文站河段通过本发明方法反演的水位、河宽以及径流;因此,当发生极端天气导致监测仪器无法工作时,本发明可以为监测任务提供技术补充。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (5)
1.一种基于多源雷达遥感技术的河流径流监测反演方法,其特征在于,包括以下步骤:
步骤1,多源雷达遥感数据预处理:SAR图像预处理、雷达高度计数据预处理;
步骤2,基于SAR图像提取河流宽度;
步骤3,基于雷达高度计提取河流相对水深;
步骤4,基于曼宁公式构建径流计算模型;
步骤5,时间序列河流径流变化监测。
2.根据权利要求1所述的方法,其特征在于,在步骤1中,SAR图像预处理具体包括:采用辐射定标对SAR图像进行辐射校正,使用Refined Lee滤波减少图像中的噪声斑点,采用Range-Doppler校正算子完成图像的几何校正,对图像进行图像拉伸,提高河流与背景的对比度;
雷达高度计数据预处理具体包括:根据数据中的经纬度信息查询对应目标区域的星下点坐标,将该点数据提取出来。
3.根据权利要求1所述的方法,其特征在于,步骤2包括:
使用混合模糊图像分割算法提取河流水面,统计水面的像素点个数N;
根据以下公式(1)计算图像长、宽对应的实际距离Llength、Lwidth;
式中,(lat1,lng1)为起点坐标,(lat2,lng2)为终点坐标,R为6378137米;
根据以下公式(2)利用图像的长(Lm)、宽(Ln)和其对应的实际距离Llength、Lwidth计算单位像素代表的实际面积Sreal_pixel;
根据以下公式(3)将单位像素实际面积Sreal_pixel乘以水面像素点个数N计算水面面积Sriver:
Sriver=Sreal_pixel·N (3)
将目标研究区域河段长度Lriver代入以下公式(4),计算河流宽度Wriver:
式中的Lriver由Google Earth的测距工具测得。
4.根据权利要求3所述的方法,其特征在于,步骤3包括:
根据以下公式(5)将数据中卫星与地球参考椭球面的距离Altitude减去卫星与目标水面距离Range以及校正量Rangecorrected得到水面高程Height;
Height=Altitude-Range-RangeCorrected (5)
其中,校正量RangeCorrected根据以下公式(6)计算:
RangeCorrected=Rangedt+Rangewt+Rangei (6)
+Rangeset+Rangept+GeoEGM96
其中的参数含义为:干对流层修正量Rangedt、湿对流层修正量Rangewt、电离层修正量Rangei、固体潮修正量Rangeset、极潮修正量Rangept以及水面椭球高GeoEGM96;
利用对应时间的历史水位数据对Height进行水准面校正,得到河流水位;
将最近多年的历史最低水位作为相对河底高程,令河流水位减去相对河底高程,计算相对水深。
5.根据权利要求4所述的方法,其特征在于,步骤4包括:
若拥有水面坡度、曼宁粗糙系数,以以下公式(7)计算径流:
其中,S是水面坡度,n为曼宁粗糙系数;
若没有这些参数的情况下,如公式(8)所示,使用河流经验参数K表示水面坡度和曼宁粗糙系数:
K由实测的历史径流数据拟合得到,将相对河底高程对应的径流作为基础径流Qo,此时径流计算模型如公式(9)所示,DR为相对河流深度:
最后,根据公式(9)即可以计算河流径流Q。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910474150.9A CN110133655B (zh) | 2019-05-27 | 2019-05-27 | 基于多源雷达遥感技术的河流径流监测反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910474150.9A CN110133655B (zh) | 2019-05-27 | 2019-05-27 | 基于多源雷达遥感技术的河流径流监测反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110133655A true CN110133655A (zh) | 2019-08-16 |
CN110133655B CN110133655B (zh) | 2023-06-02 |
Family
ID=67579787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910474150.9A Active CN110133655B (zh) | 2019-05-27 | 2019-05-27 | 基于多源雷达遥感技术的河流径流监测反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110133655B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553226A (zh) * | 2020-04-21 | 2020-08-18 | 中国水利水电科学研究院 | 一种基于遥感解译技术提取河流监测断面水面宽度的方法 |
CN111553942A (zh) * | 2020-04-30 | 2020-08-18 | 王一帆 | 一种遥感水文站监测河流径流的系统及其方法 |
CN116500604A (zh) * | 2023-06-27 | 2023-07-28 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种水深定量反演方法、装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008110909A2 (en) * | 2007-03-15 | 2008-09-18 | Universita' Degli Studi Di Palermo | Measurement method for measuring the peak flow discharges and the channel bed roughness in a natural or artificial water course and related system |
CN106383923A (zh) * | 2016-07-18 | 2017-02-08 | 河海大学 | 一种山区河道生态径流的计算及应用方法 |
CN108460483A (zh) * | 2018-02-09 | 2018-08-28 | 中国水利水电科学研究院 | 一种天然河道流量的定量反演方法 |
CN108896117A (zh) * | 2018-05-10 | 2018-11-27 | 北京师范大学 | 一种遥感水文站监测河流径流的方法 |
CN109389062A (zh) * | 2018-09-14 | 2019-02-26 | 河南大学 | 利用高分辨率星载sar图像提取湖泊水陆分割线的方法 |
-
2019
- 2019-05-27 CN CN201910474150.9A patent/CN110133655B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008110909A2 (en) * | 2007-03-15 | 2008-09-18 | Universita' Degli Studi Di Palermo | Measurement method for measuring the peak flow discharges and the channel bed roughness in a natural or artificial water course and related system |
CN106383923A (zh) * | 2016-07-18 | 2017-02-08 | 河海大学 | 一种山区河道生态径流的计算及应用方法 |
CN108460483A (zh) * | 2018-02-09 | 2018-08-28 | 中国水利水电科学研究院 | 一种天然河道流量的定量反演方法 |
CN108896117A (zh) * | 2018-05-10 | 2018-11-27 | 北京师范大学 | 一种遥感水文站监测河流径流的方法 |
CN109389062A (zh) * | 2018-09-14 | 2019-02-26 | 河南大学 | 利用高分辨率星载sar图像提取湖泊水陆分割线的方法 |
Non-Patent Citations (1)
Title |
---|
郭拯危等: "基于混合模糊的SAR图像水陆分割算法", 《国土资源遥感》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553226A (zh) * | 2020-04-21 | 2020-08-18 | 中国水利水电科学研究院 | 一种基于遥感解译技术提取河流监测断面水面宽度的方法 |
CN111553942A (zh) * | 2020-04-30 | 2020-08-18 | 王一帆 | 一种遥感水文站监测河流径流的系统及其方法 |
CN111553942B (zh) * | 2020-04-30 | 2023-10-13 | 王一帆 | 一种遥感水文站监测河流径流的系统及其方法 |
CN116500604A (zh) * | 2023-06-27 | 2023-07-28 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种水深定量反演方法、装置 |
CN116500604B (zh) * | 2023-06-27 | 2023-08-29 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种水深定量反演方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110133655B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wood et al. | Calibration of channel depth and friction parameters in the LISFLOOD-FP hydraulic model using medium-resolution SAR data and identifiability techniques | |
Zanchettin et al. | Sea-level rise in Venice: historic and future trends | |
Sulistioadi et al. | Satellite radar altimetry for monitoring small rivers and lakes in Indonesia | |
Garambois et al. | Hydraulic visibility: Using satellite altimetry to parameterize a hydraulic model of an ungauged reach of a braided river | |
Moussaid et al. | Using automatic computation to analyze the rate of shoreline change on the Kenitra coast, Morocco | |
Yan et al. | A review of low‐cost space‐borne data for flood modelling: topography, flood extent and water level | |
Schumann et al. | Near real‐time flood wave approximation on large rivers from space: Application to the River Po, Italy | |
Del Río et al. | Error determination in the photogrammetric assessment of shoreline changes | |
Hostache et al. | Water level estimation and reduction of hydraulic model calibration uncertainties using satellite SAR images of floods | |
Li et al. | Evaluation of the newly released worldwide AW3D30 DEM over typical landforms of China using two global DEMs and ICESat/GLAS data | |
Ran et al. | Delineation of reservoirs using remote sensing and their storage estimate: an example of the Yellow River basin, China | |
Catalao et al. | InSAR maps of land subsidence and sea level scenarios to quantify the flood inundation risk in coastal cities: The case of Singapore | |
CN110133655A (zh) | 基于多源雷达遥感技术的河流径流监测反演方法 | |
Tarpanelli et al. | Hydraulic modelling calibration in small rivers by using coarse resolution synthetic aperture radar imagery | |
Schumann et al. | ROC‐based calibration of flood inundation models | |
Néelz et al. | Using remotely sensed data to support flood modelling | |
GÜLER | A comparison of different interpolation methods using the geographical information system for the production of reference evapotranspiration maps in Turkey | |
Cai et al. | Optimizing remote sensing-based level–area modeling of large lake wetlands: case study of Poyang Lake | |
Matgen et al. | Sequential assimilation of remotely sensed water stages in flood inundation models | |
Nasiri et al. | Determination the curve number catchment by using GIS and remote sensing | |
Grünthal et al. | Monitoring of coastal processes by using airborne laser scanning data | |
Vishwakarma et al. | Assessment of reservoir sedimentation using remote sensing technique with GIS model-A review | |
Reid et al. | Methodology for applying GIS to evaluate hydrodynamic model performance in predicting coastal inundation | |
Aguilar et al. | Assessing shoreline change rates in Mediterranean beaches | |
Pereira et al. | Saline water intrusion through Rajang river network due to sea level rise |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |