CN110737931B - 一种基于ArcGIS的铁路桥渡水文关键参数提取方法 - Google Patents

一种基于ArcGIS的铁路桥渡水文关键参数提取方法 Download PDF

Info

Publication number
CN110737931B
CN110737931B CN201910804666.5A CN201910804666A CN110737931B CN 110737931 B CN110737931 B CN 110737931B CN 201910804666 A CN201910804666 A CN 201910804666A CN 110737931 B CN110737931 B CN 110737931B
Authority
CN
China
Prior art keywords
data
grid
bridge
catchment
river
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.)
Active
Application number
CN201910804666.5A
Other languages
English (en)
Other versions
CN110737931A (zh
Inventor
黄漪
王娇
刘思明
赵文
宋树峰
韩祖杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway Design Corp
Original Assignee
China Railway Design Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Railway Design Corp filed Critical China Railway Design Corp
Priority to CN201910804666.5A priority Critical patent/CN110737931B/zh
Publication of CN110737931A publication Critical patent/CN110737931A/zh
Application granted granted Critical
Publication of CN110737931B publication Critical patent/CN110737931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于ArcGIS的铁路桥渡水文关键参数提取方法，包括：确定所研究的铁路沿线大范围区域，获取该区域的低分辨DEM数据；对上述低分辨DEM数据进行洼地填充、流向提取和累积流量计算；自动选取合适的阈值，进行河网栅格数据提取；对河网栅格数据进行矢量化并进行汇水区域提取，得到汇水区域数据；在矢量化河网数据上叠加铁路线位数据，生成推荐桥涵汇水点位置数据；根据每个汇水点位置，采用小流域高分辨率DEM，重复上述步骤；针对重新得到的每个桥涵汇水点位置，根据上游流域回溯提取算法计算上游汇水区域、主河道长度和坡度桥渡水文关键参数。该方法能自动快速计算桥渡水文关键参数，减少人工操作工作量，提升铁路桥渡水文计算的效率。

Description

一种基于ArcGIS的铁路桥渡水文关键参数提取方法
所属技术领域
本发明属于水文领域，具体涉及一种基于ArcGIS的铁路桥渡水文关键参数提取方法
背景技术
在铁路桥涵勘察设计环节中，桥涵位置的确定以及相应的径流计算是一项重要工作。传统的方法主要基于1:10000或者1:2000地形图人工解译流域面积、河道长度及坡度等水文设计参数，结合现场调查确定工点位置，然后进行径流计算。此方法存在主观性强、精度较低、人工工作量大的问题。
数字高程模型(Digital Elevation Model,DEM)数据中包含了丰富的地形、地貌信息，它能够反映各种分辨率的地形特征，已经广泛应用于三维地形建模、可视分析、水文分析等诸多工程应用领域。ArcGIS软件水文分析模块可以通过DEM提取并分析大量的地表形态信息，如坡度、流域河网、集水流域等重要水文特征参数。
但是，铁路工程具有线路长、数据量大并呈带状的特点，单一分辨率和单一覆盖范围DEM无法满足桥渡水文参数的计算。利用ArcGIS水文分析模块进行河网提取过程中，参数阈值的选择往往由人工经验选择，需要反复试验，造成工作量增加。同时，提取桥涵汇水点上游流域范围数据的效率也会影响整个桥渡水文关键参数提取的工作量。
发明内容
本发明的目的在于克服现有技术存在的不足，提出一种多分辨率DEM、不同DEM覆盖范围组合应用的实现方法，并利用ArcGIS水文分析模块提出一种河网提取的自动阈值选择算法和桥涵汇水点上游流域范围的提取算法。该方法能提升桥涵设计关键水文参数的提取效率，对于铁路桥涵选址、水文分析具有实际应用价值。
为此，本发明的技术方案如下：
一种基于ArcGIS的铁路桥涵设计水文关键参数提取方法，包括以下步骤：
1.一种基于ArcGIS的铁路桥渡水文关键参数提取方法，包括以下步骤：
S1，确定所研究的铁路沿线大范围区域，获取该区域的低分辨DEM数据；
S2，基于ArcGIS水文分析模块对上述低分辨DEM数据进行洼地填充、流向提取和累积流量计算，得到无洼地的DEM数据、流向数据以及累积流量数据；
S3，基于S2得到的累积流量数据，根据选取合适的阈值，进行河网栅格数据提取；
S4，利用ArcGIS水文分析模块，将步骤3所得到河网栅格数据进行矢量化，得到矢量化河网数据，并进行汇水区域提取，得到汇水区域数据；
S5，在步骤S4生成的矢量化河网数据上，叠加铁路线位数据，利用ArcGIS空间分析工具计算两者交点，生成推荐桥涵汇水点位置数据；
S6，根据步骤S5得到的推荐桥涵汇水点位置数据，确定每个汇水点附近的小流域范围，采用高分辨率DEM重复步骤S2到S5，得到重新计算的无洼地的DEM数据、流向数据、汇水区域数据、矢量化河网数据、桥涵汇水点位置数据和累积流量数据；
S7.针对步骤S6得到的每个桥涵汇水点位置，根据重新计算的流向数据和汇水区域数据，采用上游流域回溯提取算法，进行汇水点上游流域范围提取并计算上游流域面积；
S8.根据步骤S6生成的矢量化河网数据和桥涵汇水点位置数据，利用ArcGIS数据管理工具，将该矢量化河网数据在汇水点位置处分隔为两部分，再根据重新计算的累积流量数据判断汇水点位置的上下游，提取汇水位置的上游河网线，并由此计算主河道长度及坡度。
其中，步骤S3中选取阈值的方法包括以下步骤：
(1)根据S2得到的累积流量数据，选取不同的栅格阈值θ1,θ2,...,θn，对每一个阈值θi将累积流量数据进行分类处理，将大于阈值的栅格值设为1，小于阈值的栅格值设为NoData，统计每个栅格阈值对应的栅格值为1的栅格数量si，得到一系列河网栅格数据s1,s2,...,sn；
(2)对步骤(1)中不同栅格阈值得到的栅格数量进行指数函数拟合，求出斜率变化最大时对应的栅格阈值作为最佳栅格阈值；
(3)根据上述的最佳栅格阈值θopt对累积流量数据进行重新分类，将大于阈值的栅格值设为1，小于阈值的栅格值设为NoData，此时值为1的栅格即为河网栅格数据。
上述步骤(2)中进行指数函数拟合的方法为：
对阈值θi和栅格数据si利用以下公式进行归一化
Figure GDA0004072106820000021
得到
Figure GDA0004072106820000022
与
Figure GDA0004072106820000023
的对数值之间的线性关系：
Figure GDA0004072106820000024
对
Figure GDA0004072106820000025
与
Figure GDA0004072106820000026
的对数值进行线性拟合，得到拟合参数a,b，进而得到
Figure GDA0004072106820000027
与
Figure GDA0004072106820000028
的指数对应关系，其中e为自然底数：
Figure GDA0004072106820000029
之后求出
Figure GDA00040721068200000210
相对于
Figure GDA00040721068200000211
斜率变化转折点(即满足
Figure GDA00040721068200000212
的阈值点)得到所述最佳栅格阈值θopt，
Figure GDA0004072106820000031
上述步骤S7中所述的上游流域回溯提取算法包括以下步骤：
第一步，利用ArcGIS自带的python工具，读取重新计算的流向数据，定义空链表SearchList，AddList和FinalList，将当前汇水点位置加入所述SearchList中；
第二步，针对SearchList中每个位置，读取该位置8个邻域栅格流向数据，如果某邻域栅格的流向指向当前位置，则将该邻域栅格位置加入AddList和FinalList中；
第三步，将SearchList中数据更新为AddList数据，将AddList设置为空，重复进行第二步，直至SearchList为空，此时FinalList所在位置的栅格即为该汇水点上游的流域范围，利用ArcGIS空间分析工具提取上游流域范围线并计算上游流域面积。
上述的铁路桥渡水文关键参数包括计算上游流域面积、主河道的长度和坡度。
优选的是，步骤S1中所述的铁路沿线大范围区域范围不小于100平方公里；所述的低分辨DEM数据为1:10000图数字高程数据。
优选的是，步骤S6中所述的小流域范围是30-50平方公里；所述的高分辨率DEM的数据为1:2000图DEM数据。
本发明具有以下有益效果：
(1)铁路工程由于跨度大、线路长、数据量大的特点，单一分辨率和单一覆盖范围DEM无法满足高精度桥渡水文参数的计算。本发明的方法针对大流域采用低分辨率DEM，能够提高数据处理效率，快速获取桥涵汇水点位置。根据桥涵汇水点位置，即可选取小流域高分辨率DEM数据，如此能提高汇水点的水文参数计算精度。
(2)利用ArcGIS水文分析模块进行河网提取过程中，需要根据一个阈值来对累积流量数据进行分类，大于此阈值的栅格即可组成河网栅格数据。然而实际操作中，该阈值的选择往往由人工经验选择，需要反复试验，造成工作量增加。本发明的方法根据一些阈值采样点的计算结果，根据数学参数拟合的方法，自动给出阈值的最佳选择，减少人工主观性干扰，提高计算效率。
(3)利用ArcGIS水文分析模块得到流向数据、累积流量数据和河网数据后，如何快速准确提取汇水点上游的流域范围，直接影响后续关键水文参数的计算效率和精度。本发明的方法通过一种回溯算法，根据流向数据，能快速自动提取上游流域范围。
附图说明
图1是本发明的基于ArcGIS的铁路桥渡水文关键参数提取方法的流程图；
图2是本发明实施例中的铁路沿线大范围低分辨率DEM数据；
图3是本发明实施例中的累积流量数据；
图4是本发明实施例中的参数阈值自动选择方法示意图；
图5是本发明实施例得到的矢量河网及流域范围图；
图6是本发明实施例得到的河网叠加铁路线位图；
图7是本发明中上游流域提取方法流程图；
图8是本发明实施例中汇水点上游流域范围提取结果；
图9是本发明实施例中提取的汇水位置的上游河网线。
具体实施方式
以下结合附图和具体实施例对本发明的技术方案进行详细说明。
实施例一
实验数据以某实际铁路项目为例，采用1:10000图数字高程数据(DEM)以及1:2000图DEM数据，数据覆盖范围167平方公里；软件操作以ArcGIS10.2为平台展开。如图1所示，本发明的具体实施步骤如下：
S1.确定研究的铁路沿线大范围区域，即167平方公里；采用低分辨1:10000图DEM数据，如图2所示；
S2.基于ArcGIS水文分析模块，对上述DEM数据进行洼地填充、流向提取、累积流量计算，得到无洼地的DEM数据、流向数据以及累积流量数据。其中，累积流量数据如图3所示；
S3.针对上述累积流量数据，采用一种自动阈值选择算法选取合适的阈值，具体操作如下：
(1)选取6个栅格阈值θ＝4000,6000,8000,10000,12000,14000；对每一个阈值θ，将累积流量数据进行分类处理，将大于阈值θ的栅格值设为1，小于阈值θ的栅格值设为NoData，统计栅格值为1的栅格数量s，结果见表1：
表1.不同栅格阈值θ对应栅格值为1的数量s
Figure GDA0004072106820000041
(2)将上述阈值θ和栅格数量s进行归一化，得到
Figure GDA0004072106820000042
与
Figure GDA0004072106820000043
然后对归一化数据进行线性拟合，得到拟合函数
Figure GDA0004072106820000044
进而根据斜率变化转折点条件
Figure GDA0004072106820000045
得到最佳栅格阈值θopt＝5657，如图4所示。
(3)根据上述的推荐最佳栅格阈值θopt对累积流量数据进行重分类，将大于阈值的栅格值设为1，小于阈值的栅格值设为NoData，此时值为1的栅格即为河网栅格数据。
S4.利用ArcGIS水文分析模块，将步骤3所得到河网栅格数据进行矢量化，得到矢量化河网数据，并进行汇水区域提取，得到汇水区域数据，如图5所示。
S5.在步骤S4生成的矢量化河网数据上，叠加铁路线位数据，利用ArcGIS空间分析工具计算两者交点，生成推荐桥涵汇水点位置数据，如图6所示。
S6.根据步骤S5得到的推荐桥涵汇水点位置数据，确定每个汇水点附近的小流域范围，采用高分辨率DEM即1:2000图DEM数据，重复步骤S2到S5，得到重新计算的无洼地的DEM数据、流向数据、汇水区域数据、矢量化河网数据、桥涵汇水点位置数据和累积流量数据。
S7.针对每个桥涵汇水点位置，根据重新计算的流向数据，采用上游流域回溯提取算法，进行汇水点上游流域范围提取并计算上游流域面积，该方法的流程如图7所示，提取结果如图8所示。
S8.根据步骤S6生成的矢量化河网数据和推荐桥涵汇水点位置，利用ArcGIS数据管理工具，将河网矢量线在汇水点位置处分隔为两部分，再根据重新计算的累积流量数据，判断汇水点位置的上下游，提取汇水位置的上游河网线，如图9所示，找到主河道并由此计算主河道的长度及坡度，水文关键参数计算结果见表2：
表2水文关键参数计算结果
Figure GDA0004072106820000051

Claims (7)

1.一种基于ArcGIS的铁路桥渡水文关键参数提取方法，包括以下步骤：
S1，确定所研究的铁路沿线大范围区域，获取该区域的低分辨DEM数据；
S2，基于ArcGIS水文分析模块对上述低分辨DEM数据进行洼地填充、流向提取和累积流量计算，得到无洼地的DEM数据、流向数据以及累积流量数据；
S3，基于S2得到的累积流量数据，选取合适的阈值，进行河网栅格数据提取，其中，选取阈值的方法包括以下步骤：
(1)根据S2得到的累积流量数据，选取不同的栅格阈值θ1,θ2,...,θn，对每一个阈值θi将累积流量数据进行分类处理，将大于阈值的栅格值设为1，小于阈值的栅格值设为NoData，统计每个栅格阈值对应的栅格值为1的栅格数量si，得到一系列河网栅格数据s1,s2,...,sn；
(2)对步骤(1)中不同栅格阈值得到的栅格数量进行指数函数拟合，求出斜率变化最大时对应的栅格阈值作为最佳栅格阈值，其中，进行指数函数拟合的方法为：
对阈值θi和栅格数据si利用以下公式进行归一化
Figure FDA0004072106810000011
得到
Figure FDA0004072106810000012
与
Figure FDA0004072106810000013
的对数值之间的线性关系：
Figure FDA0004072106810000014
对
Figure FDA0004072106810000015
与
Figure FDA0004072106810000016
的对数值进行线性拟合，得到拟合参数a,b，进而得到
Figure FDA0004072106810000017
与
Figure FDA0004072106810000018
的指数对应关系，其中e为自然底数：
Figure FDA0004072106810000019
之后求出
Figure FDA00040721068100000110
相对于
Figure FDA00040721068100000111
斜率变化转折点得到所述最佳栅格阈值θopt，
Figure FDA00040721068100000112
(3)根据上述的最佳栅格阈值θopt对累积流量数据进行重新分类，将大于阈值的栅格值设为1，小于阈值的栅格值设为NoData，此时值为1的栅格即为河网栅格数据；
S4，利用ArcGIS水文分析模块，将步骤S3所得到河网栅格数据进行矢量化，得到矢量化河网数据，并进行汇水区域提取，得到汇水区域数据；
S5，在步骤S4生成的矢量化河网数据上，叠加铁路线位数据，利用ArcGIS空间分析工具计算两者交点，生成推荐桥涵汇水点位置数据；
S6，根据步骤S5得到的推荐桥涵汇水点位置数据，确定每个汇水点附近的小流域范围，采用高分辨率DEM重复步骤S2到步骤S5，得到重新计算的无洼地的DEM数据、流向数据、汇水区域数据、矢量化河网数据、桥涵汇水点位置数据和累积流量数据；
S7.针对步骤S6得到的每个桥涵汇水点位置，根据重新计算的流向数据和汇水区域数据，采用上游流域回溯提取算法，进行汇水点上游流域范围提取并计算上游流域面积；
S8.根据步骤S6生成的矢量化河网数据和桥涵汇水点位置数据，利用ArcGIS数据管理工具，将该矢量化河网数据在汇水点位置处分隔为两部分，再根据重新计算的累积流量数据判断汇水点位置的上下游，提取汇水位置的上游河网线，并由此计算主河道长度及坡度。
2.根据权利要求1所述的铁路桥渡水文关键参数提取方法，其特征在于，步骤S7中所述的上游流域回溯提取算法包括以下步骤：
第一步，利用ArcGIS自带的python工具，读取重新计算的流向数据，定义空链表SearchList，AddList和FinalList，将当前汇水点位置加入所述SearchList中；
第二步，针对SearchList中每个位置，读取该位置8个邻域栅格流向数据，如果某邻域栅格的流向指向当前位置，则将该邻域栅格位置加入AddList和FinalList中；
第三步，将SearchList中数据更新为AddList数据，将AddList设置为空，重复进行第二步，直至SearchList为空，此时FinalList所在位置的栅格即为该汇水点上游的流域范围，利用ArcGIS空间分析工具提取上游流域范围线并计算上游流域面积。
3.根据权利要求1所述的铁路桥渡水文关键参数提取方法，其特征在于，所述铁路桥渡水文关键参数包括计算上游流域面积、主河道的长度和坡度。
4.根据权利要求1所述的铁路桥渡水文关键参数提取方法，其特征在于，步骤S1中所述的铁路沿线大范围区域范围不小于100平方公里。
5.根据权利要求1所述的铁路桥渡水文关键参数提取方法，其特征在于，步骤S1中所述的低分辨DEM数据为1:10000图数字高程数据。
6.根据权利要求1所述的铁路桥渡水文关键参数提取方法，其特征在于，步骤S6中所述的小流域范围是30-50平方公里。
7.根据权利要求1所述的铁路桥渡水文关键参数提取方法，其特征在于，步骤S6中所述的高分辨率DEM的数据为1:2000图DEM数据。
CN201910804666.5A 2019-08-28 2019-08-28 一种基于ArcGIS的铁路桥渡水文关键参数提取方法 Active CN110737931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910804666.5A CN110737931B (zh) 2019-08-28 2019-08-28 一种基于ArcGIS的铁路桥渡水文关键参数提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910804666.5A CN110737931B (zh) 2019-08-28 2019-08-28 一种基于ArcGIS的铁路桥渡水文关键参数提取方法

Publications (2)

Publication Number Publication Date
CN110737931A CN110737931A (zh) 2020-01-31
CN110737931B true CN110737931B (zh) 2023-05-05

Family

ID=69267404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910804666.5A Active CN110737931B (zh) 2019-08-28 2019-08-28 一种基于ArcGIS的铁路桥渡水文关键参数提取方法

Country Status (1)

Country Link
CN (1) CN110737931B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084643A (zh) * 2020-08-31 2020-12-15 西湖大学 基于数字高程和土壤参数的流域提取方法
CN113882496A (zh) * 2021-11-19 2022-01-04 中国电建集团成都勘测设计研究院有限公司 光伏阵列区排水沟快速生成的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101824662B1 (ko) * 2016-05-10 2018-02-02 주식회사 알엔에이솔루션 하천 진단을 통한 하천시설물 관리 방법
CN108399309B (zh) * 2018-03-16 2019-02-01 中国水利水电科学研究院 一种大尺度复杂地形区分布式水文模型的子流域划分方法
CN109815611B (zh) * 2019-02-01 2020-01-14 贵州黔源电力股份有限公司 一种基于数字流域的流域边界生成方法

Also Published As

Publication number Publication date
CN110737931A (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
CN111553236A (zh) 基于道路前景图像的路面病害目标检测与实例分割方法
CN110619258B (zh) 一种基于高分辨率遥感影像的道路轨迹核查方法
CN112199901B (zh) 一种无径流资料山区小流域山洪设计暴雨洪水计算方法
CN110737931B (zh) 一种基于ArcGIS的铁路桥渡水文关键参数提取方法
CN109033605B (zh) 一种基于多阶段划分和多单位线选择的流域汇流模拟方法
CN110910471B (zh) 城市水地图及其制作显示方法
CN115115262B (zh) 一种洪水风险灾害评估的方法
CN113095694B (zh) 一种适用于多地貌类型区的降雨输沙模型构建方法
CN105956542B (zh) 一种结构线束统计匹配的高分遥感影像道路提取方法
CN110134907B (zh) 一种降雨缺失数据填补方法、系统及电子设备
CN112149314A (zh) 一种基于虚拟库容修正的多沙水库库容冲淤模拟方法
CN110232334A (zh) 一种基于卷积神经网络的钢结构锈蚀识别方法
CN105069395A (zh) 基于地面三维激光扫描技术的道路标线自动识别方法
CN116151013A (zh) 小流域城市河道设计洪水的推求方法
CN116304161A (zh) 一种自然连通河流-湖泊的水文连通度计算方法、系统及介质
CN111104746A (zh) 一种基于小波分析的河漫滩高程确定方法
CN114648617A (zh) 一种基于数字高程模型dem的水系提取方法
CN112700411B (zh) 基于遥感技术的岩溶隧道集水面积计算方法
CN116050037B (zh) 基于有向拓扑网络的城市排水系统液位间接监测分析方法
CN109308375B (zh) 一种基于地貌参数的流域最优流速的测算方法
CN116645348A (zh) 基于点云随机采样的高速环道线形拟合方法
Kim et al. Adaptive morphological filtering for DEM generation
CN106777724B (zh) 一种针对半湿润半干旱地区及湿润地区的基流分割方法
CN113609683B (zh) 一种基于盆域分析和泰森多边形的雨水管网子汇水区划分方法
CN114005027A (zh) 一种基于无人机影像的城市单木检测系统及方法

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