CN114332387A - 一种基于少量实测水深数据的湖泊水下地形建模方法 - Google Patents
一种基于少量实测水深数据的湖泊水下地形建模方法 Download PDFInfo
- Publication number
- CN114332387A CN114332387A CN202111430370.5A CN202111430370A CN114332387A CN 114332387 A CN114332387 A CN 114332387A CN 202111430370 A CN202111430370 A CN 202111430370A CN 114332387 A CN114332387 A CN 114332387A
- Authority
- CN
- China
- Prior art keywords
- lake
- central axis
- elevation
- underwater
- area
- 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.)
- Pending
Links
Images
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于少量实测水深数据的湖泊水下地形建模方法，将沿湖泊中轴线采集的高程剖面视为湖泊的地形骨架，在确定湖滨带缓冲区范围的基础上，构建一系列连接湖滨带和中轴线的湖泊横断面。进而利用湖滨带已知高程，并在中轴线实测高程值约束下推测出横截面水下区域的高程值。最终基于逐个横断面和中轴线高程，空间插值构建湖泊水下的完整地形。该方法不需要开展全湖测量，大幅降低了湖泊野外调查工作的时间与经济成本。该发明适用于资料匮乏区域大型湖泊的测量工作，所构建的湖泊水下地形数据将为监测湖泊水资源动态变化及揭示湖泊水资源对全球变化的响应特征等提供技术支撑。
Description
技术领域
本发明属于湖泊水文学领域，特别涉及一种基于少量实测水深数据的湖泊水下地形建模方法。
背景技术
湖泊存储了全球地表约87％的淡水，是人类生产生活需水的重要来源(Downinget al.,2006)。同时，湖泊也是陆地水循环的关键环节，对维持区域生态系统稳定具有重要意义(Woolway et al.,2020)。湖泊水下地形是湖泊的基本属性，决定了湖泊水储量的大小，掌握湖泊水下地形信息是评估和监测湖泊水资源的重要基础，同时也为开展湖泊沉积、湖泊水文水环境、湖泊生物等研究提供重要的本底数据。
野外实地调查是获取湖泊水下地形的最直接的手段，通过船载声呐可实现水下地形测绘。然而开展全湖测量的时间与经济成本很高，特别是偏远地区或高寒高海拔恶劣环境下，野外实测获取水下地形具有极大的困难和挑战(Qiao et al.,2017)。虽然也有学者尝试使用光学影像、激光雷达等遥感数据实现湖泊水深的反演，但现有方法主要针对深度较浅且具有较高透明度水体，如海岸带或岛礁周边水体，对于湖泊并不是一个有效手段(Maet al.,2020；Pereira etal.,2019)。在没有实测数据的情况下，空间推测是一种高效的替代策略。空间推测方法的基本假设是：湖泊周边地形和水下地形具有空间连续性，因此利用湖泊周边地形特征可推测水下地形或构建水深的统计模型。现有研究利用全球已实测的水下地形或水深数据，构建了面向不同湖区的湖泊深度估算模型，实现了全球尺度的湖泊水储量估算(Cael et al.,2017；Messager et al.,2016)。空间推测方法虽然实现了大区域尺度的湖泊水深和水量估算，但受样本数量、分布及代表性的影响，个体湖泊以及部分区域的湖泊水量估算结果仍存在较大的不确定性。
综上所述，现有野外实测和空间推测方法均有各自缺陷，无法兼顾精度和效率。本发明提出一种融合方案。该方案的基本想法是：一定的野外实测水深数据对于湖泊水下地形建模是必要的，但通过空间推测方法充分利用湖滨带已知高程信息，实现部分区域的高程推测，从而降低对野外实测的依赖，以避免全湖测量所带来的高成本。本发明通过设计一种基于少量水深实测数据的湖泊水下地形建模方法，可为湖泊调查、湖泊水资源管理、湖泊科学相关研究等提供方法支撑。
参考文献：
[1]Downing,J.A.,Prairie,Y.T.,Cole,J.J.,Duarte,C.M.,Tranvik,L.J.,Striegl,R.G.,et al.(2006).The global abundance and size distribution oflakes,ponds,and impoundments.Limnology and Oceanography,51(5),2388-2397.
[2]Woolway,R.I.,Kraemer,B.M.,Lenters,J.D.,Merchant,C.J.,O’Reilly,C.M.,&Sharma,S.(2020).Global lake responses to climate change.Nature ReviewsEarth&Environment,1(8),388–403.
[3]Qiao,B.,Zhu,L.,Wang,J.,Ju,J.,Ma,Q.,&Liu,C.(2017).Estimation oflakes water storage and their changes on the northwestern Tibetan Plateaubased on bathymetric and Landsat data and driving force analyses.QuaternaryInternational,454,56–67.
[4]Pereira,P.,Baptista,P.,Cunha,T.,Silva,P.A.,
S.,&Lafon,V.(2019).Estimation of the 546nearshore bathymetry from high temporalresolution Sentinel-1A C-band SAR data-A case 547study.Remote SensingofEnvironment,223(1),166–178.
[5]Ma,Y.,Xu,N.,Liu,Z.,Yang,B.,Yang,F.,Wang,X.H.,&Li,S.(2020).Satellite-derived bathymetry 540using the ICESat-2lidar and Sentinel-2imagery datasets.Remote Sensing of Environment,541250(7),112047.
[6]Messager,M.L.,Lehner,B.,Grill,G.,Nedeva,I.,&Schmitt,O.(2016).Estimating the volume and age of water stored in global lakes using a geo-statistical approach.Nature Communications,7,1–11.
[7]Cael,B.B.,Heathcote,A.J.,&Seekell,D.A.(2017).The volume and meandepth of Earth’s lakes.Geophysical Research Letters,44(1),209–218.
发明内容
湖泊水下地形建模是当前湖泊科学领域的瓶颈问题，传统的全湖测量方法，耗时耗力，难以在大区域尺度湖泊调查中予以推广。本申请提出了一种基于少量水深实测数据的湖泊水下地形建模方法，大幅简化了野外测量工作量，同时充分利用湖滨带已知地形实现部分区域的地形推测，避免了因实测点数量少而大幅损失建模精度。
为实现上述技术目的，本发明采用如下技术方案：
一种基于少量实测水深数据的湖泊水下地形建模方法，包括步骤：
步骤1、根据湖泊形态，确定湖泊的长轴并在长轴两端选定测量的起始点；
步骤2、根据起始点，确定湖泊的中轴线，测量中轴线沿线的水下高程值；
步骤3、沿湖岸线生成若干抽样点，将每个抽样点与距离其最近的中轴线上的点相连并延伸到湖滨带缓冲区，生成湖泊横断面；
步骤4、基于湖滨带缓冲区已知高程和中轴线实测点，以中轴线实测点高程值作为约束值推测湖泊横断面水下区域各栅格的高程值；
步骤5、基于中轴线实测点和推测出的水下区域各栅格高程值，通过空间插值生成完整的湖泊水下地形。
作为一种优选的实施方式，所述湖泊的长轴确定的基本原则为：生成湖泊的外接矩形，将湖泊与其外接矩形交点中距离最长的一组作为湖泊长轴的两个端点。
作为一种优选的实施方式，测量起止点选择时要结合野外实际情况选择车辆方便抵达区域，避免湿地和浅滩。
作为一种优选的实施方式，所述中轴线的确定方式为：基于起止点将闭环的湖泊岸线分割为左右两段岸线，以距离接近为原则(利用欧几里得距离函数计算)确定湖泊水域范围内各栅格所隶属的湖泊岸线，从而将湖泊内部划分为两个区域，提取两个区域的边界作为湖泊的中轴线。
作为一种优选的实施方式，所述步骤2中采用船载声呐设备，沿中轴线实测沿途水下高程值。
作为一种优选的实施方式，所述湖泊横断面包含湖滨带缓冲区已知高程、水下未知高程和中轴线实测高程区域。
作为一种优选的实施方式，所述湖泊横断面水下区域各栅格高程值的推测方式为：
计算湖滨带缓冲区已知高程区域的平均坡降，以平均坡降为基准外推水淹区栅格高程值，直至所推测的高程值下降到中轴线实测点高程值，剩余栅格统一赋值为中轴线实测点高程值。
进一步的，如果外推至中轴线实测点时高程值仍未达到中轴线实测点高程值，则改变推测方式，基于湖滨带缓冲区已知高程值和中轴线实测点高程值，采用线性拟合函数推测水下区域各栅格高程值。
作为一种优选的实施方式，所述步骤5中，基于中轴线实测点和推测出的水下区域各栅格高程值，采用先构建不规则三角网TIN再生成格网数字高程模型DEM的方式构建水下地形。
本发明方法的理论基础是湖泊的水下地形和湖滨带地形之间具有地貌连续性。因此，利用湖滨带已知高程可实现对湖泊水下区域高程的空间推测。但考虑到大型湖泊一般会受到湖泊沉积的影响，湖滨带高程的自然延伸会被湖泊底部相对平坦的地形打断。因此，本发明中沿湖泊中轴线采集高程约束点是必要的，这对于降低湖滨带高程外推的不确定性具有重要意义。
本发明具有以下两点优势：
(1)本发明提出的湖泊水下地形建模方法，大幅简化了野外实测工作量，特别适合于高寒高海拔地区；
(2)本发明算法实施简单，可快速重建湖泊水下地形，且对不同形态、不同大小、不同地貌环境的湖泊具有良好的适用性。该发明可推广至大区域乃至全球尺度研究，为全球变化背景下大尺度湖泊水文水资源研究及湖泊水储量变化监测等提供方法支撑。
附图说明
图1是本发明实施例所选择的湖泊样本：(a)湖泊样本空间分布，(b)龙木错，(c)郭扎错，(d)阿克赛钦湖，(e)邦达湖，(f)库塞湖，(g)冬给措纳湖，(h)鄂陵湖，(i)赤布张错，(j)当惹雍错，(k)扎日南木错，(l)塔若错，(m)玛旁雍错。
图2是湖泊中轴线和横断面示意图。
图3是湖泊横断面高程推测示意图：(a)典型湖泊横断面，(b)横断面上未知高程推测方法。
图4是本发明实施例中十二个典型湖泊水下地形建模结果。
图5是本发明实施例中十二个典型湖泊水下地形建模结果与实测高程间相关性。
具体实施方式
下面结合附图和实施例，进一步详细描述本发明的具体实施方式。以下实施案例用于说明本发明，但不用来限制本发明的范围。
本申请的实施例是青藏高原已有实测水下地形数据的12个湖泊。湖泊选取时充分考虑了湖泊形态、大小、空间分布、深度等方面的差异性，力求体现样本数据的代表性。由于这些湖泊2000年以来均呈现扩张趋势，因此2000年采集的SRTM DEM数据对应于湖泊水域范围相对较小时期。实施例中采用2000年湖泊水域范围为基准，可以充分利用已有DEM数据，降低水下地形建模的不确定性。
本实施例包括以下步骤：
步骤一、在湖泊的长轴两端确定水下地形实测起止点。先生成湖泊的外接矩形，将湖泊与外接矩形的全部交点中距离最远的两点作为湖泊长轴的两端。此外，在确定测量点时也需要结合野外实际情况，特别是要关注车辆通达性、水域的深浅程度等，要避免湿地、浅滩等难已到达的区域。
步骤二、基于确定的长轴两端的实测点，将湖泊岸线分割成左右两段，利用欧几里得距离函数，计算湖泊内部各栅格最邻近的岸线并赋值，从而实现对湖泊内部的空间划分，所划分左右两部分区域的共享边界即为湖泊的中轴线。沿所确定的湖泊中轴线，采用船载声呐的方式对沿线水下地形实测。
步骤三、沿湖岸线以一定的距离的确定抽样点，对每个抽样点首先确定与其距离最近的中轴线上实测点，连接两点后再向湖滨带延伸，直至达到湖滨带缓冲区边界。图2展示了一个典型例子，此时湖滨带的缓冲区为1500米，抽样点的间隔为沿湖岸线长1500米。在实际应用时，我们推荐采用相对更小的湖滨带缓冲区和岸线间隔，本实施例中采用的缓冲区范围是900米，采样点间隔为500米。
步骤四、对每一条湖泊横断面，其水下未知高程部分的推测包含两部分。第一，首先计算湖滨带缓冲区已知高程区域的平均坡降，并以此坡降为基准推测水下待推测点高程值(图3a)，具体计算公式如公式(1)和(2)所示。第二，当所计算出HP中轴线对应高程值时，则停止外推，将剩余栅格高程值全部赋值为中轴线实测高程。步骤四还可能出现一种特殊情况，即采用第一步高程外推直至中轴线时，高程仍高于中轴线点，表明湖泊水下区域的坡降存在增大趋势。此种情况下，则直接利用湖滨带缓冲区高程点和中轴线实测点，通过线性拟合，实现对未知高程的推测。
θ＝arctan(ΔH/ΔL) (1)
HP＝HA–θ*DAP (2)
公式中ΔH和ΔL分别为湖滨带缓冲区的高程差和水平距离，θ为缓冲区内高程坡降，HA为湖岸线高程值，DAP是待推测点距离湖岸线距离，HP是推测高程值。
步骤五、基于推测出的高程点，先构建TIN，再转成格网DEM。
本实施例所选择的十二个湖泊样本的建模结果如图4所示。为了评价地形建模误差，实施例中采用了平均绝对误差(MAE)和均方根误差(RMSE)两个常用指标，结果显示：阿克赛钦湖、邦达错和鄂陵湖的MAE均小于5米，而郭扎错和当惹雍错高程误差较高，分别为21.01米和19.90米。需指出的是，水下地形建模的高程绝对误差和水下深度有密切关系，比如误差最小的阿克赛钦湖最大水深约21米，而郭扎错最大水深达到了142米。为了更好的评估水下地形建模精度及其适用性，我们进一步采用了高程相对误差(Bias_D)和水量估算相对误差(Bias_V)两个指标。以Bias_V为例，基于本发明构建的水下地形进行水量估算，相比较实测数据估算结果，相对误差大小基本在20％以内，只有郭扎错的水量估算偏差超过了30％。这表明基于该发明方法所构建的水下地形能够满足水量估算的精度要求。进一步，我们分析了推测值和实测值间的高程相关性。如图5所示，库塞湖、龙木错、当惹雍错的拟合系数R2均大于0.80，结合这三个湖泊的形态分析，我们可认为，该发明对于形状较为狭长的湖泊的水下地形建模精度更高。综上所述，本发明在大幅降低野外实测数据工作量的前提下，能够保证所构建的水下地形及其水量估算结果具有较好的精度，可为开展大区域湖泊调查提供优化方案。
Claims (9)
1.一种基于少量实测水深数据的湖泊水下地形建模方法，其特征在于，包括以下步骤：
步骤1、根据湖泊形态，确定湖泊的长轴并在长轴两端选定测量的起始点；
步骤2、根据起始点，确定湖泊的中轴线，测量中轴线沿线的水下高程值；
步骤3、沿湖岸线生成若干抽样点，将每个抽样点与距离其最近的中轴线上的点相连并延伸到湖滨带缓冲区，生成湖泊横断面；
步骤4、基于湖滨带缓冲区已知高程和中轴线实测点，以中轴线实测点高程值作为约束值推测湖泊横断面水下区域各栅格的高程值；
步骤5、基于中轴线实测点和推测出的水下区域各栅格高程值，通过空间插值生成完整的湖泊水下地形。
2.根据权利要求1所述的方法，其特征在于，所述湖泊的长轴确定的基本原则为：生成湖泊的外接矩形，将湖泊与其外接矩形交点中距离最长的一组作为湖泊长轴的两个端点。
3.根据权利要求1所述的方法，其特征在于，所述测量的起止点选择时，结合野外实际情况选择车辆方便抵达区域，避免湿地和浅滩。
4.根据权利要求1所述的方法，其特征在于，所述中轴线的确定方式为：基于起止点将闭环的湖泊岸线分割为左右两段岸线，以距离接近为原则确定湖泊水域范围内各栅格所隶属的湖泊岸线，从而将湖泊内部划分为两个区域，提取两个区域的边界作为湖泊的中轴线。
5.根据权利要求1所述的方法，其特征在于，采用船载声呐设备，沿中轴线实测沿途水下高程值。
6.根据权利要求1所述的方法，其特征在于，所述湖泊横断面包含湖滨带缓冲区已知高程、水下未知高程和中轴线实测高程区域。
7.根据权利要求1所述的方法，其特征在于，所述湖泊横断面水下区域各栅格高程值的推测方式为：
计算湖滨带缓冲区已知高程区域的平均坡降，以平均坡降为基准外推水淹区各栅格高程值，直至所推测的高程值下降到中轴线实测点高程值，剩余栅格统一赋值为中轴线实测点高程值。
8.根据权利要求7所述的方法，其特征在于，如果外推至中轴线实测点时高程值仍未达到中轴线实测点高程值，则改变推测方式，基于湖滨带缓冲区已知高程值和中轴线实测点高程值，采用线性拟合函数推测水下区域各栅格高程值。
9.根据权利要求1所述的方法，其特征在于，所述步骤5中，基于中轴线实测点和推测出的水下区域各栅格高程值，采用先构建不规则三角网TIN再生成格网数字高程模型DEM的方式构建水下地形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111430370.5A CN114332387A (zh) | 2021-11-29 | 2021-11-29 | 一种基于少量实测水深数据的湖泊水下地形建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111430370.5A CN114332387A (zh) | 2021-11-29 | 2021-11-29 | 一种基于少量实测水深数据的湖泊水下地形建模方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114332387A true CN114332387A (zh) | 2022-04-12 |
Family
ID=81047310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111430370.5A Pending CN114332387A (zh) | 2021-11-29 | 2021-11-29 | 一种基于少量实测水深数据的湖泊水下地形建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114332387A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114638172A (zh) * | 2022-05-17 | 2022-06-17 | 中国市政工程西南设计研究总院有限公司 | 一种湖底地形修复数据处理系统及处理方法 |
| CN116775792A (zh) * | 2023-06-28 | 2023-09-19 | 浪潮智慧科技有限公司 | 一种基于dem的湖库水下地形重构方法、设备、装置及介质 |
-
2021
- 2021-11-29 CN CN202111430370.5A patent/CN114332387A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114638172A (zh) * | 2022-05-17 | 2022-06-17 | 中国市政工程西南设计研究总院有限公司 | 一种湖底地形修复数据处理系统及处理方法 |
| CN114638172B (zh) * | 2022-05-17 | 2022-08-02 | 中国市政工程西南设计研究总院有限公司 | 一种湖底地形修复数据处理系统及处理方法 |
| CN116775792A (zh) * | 2023-06-28 | 2023-09-19 | 浪潮智慧科技有限公司 | 一种基于dem的湖库水下地形重构方法、设备、装置及介质 |
| CN116775792B (zh) * | 2023-06-28 | 2024-03-26 | 浪潮智慧科技有限公司 | 一种基于dem的湖库水下地形重构方法、设备、装置及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105975763B (zh) | 一种多源海面风场的融合方法和装置 | |
| Madricardo et al. | High resolution multibeam and hydrodynamic datasets of tidal channels and inlets of the Venice Lagoon | |
| CN114332387A (zh) | 一种基于少量实测水深数据的湖泊水下地形建模方法 | |
| CN104101864B (zh) | 基于eof分解的导航x波段雷达海浪参数反演算法 | |
| CN103292792B (zh) | 一种适用海底探测与假地形处理的实测svp重构方法 | |
| CN112014842B (zh) | 高分三号全极化sar数据的有效波高估计方法及系统 | |
| CN113221463B (zh) | 一种海洋风能密度格网数据空间降尺度方法和装置 | |
| Kearns et al. | Bathymetry-The art and science of seafloor modeling for modern applications | |
| CN112348280B (zh) | 一种利用改进型Argo浮标数据进行EOF分析的方法 | |
| Camacho et al. | Uncertainty analysis of estuarine hydrodynamic models: an evaluation of input data uncertainty in the weeks bay estuary, alabama | |
| CN116817869B (zh) | 一种利用激光雷达数据的海底光子信号确定方法 | |
| CN115345069A (zh) | 一种基于最大水深记录和机器学习的湖泊水量估算方法 | |
| Hilton et al. | River reconstruction using a conformal mapping method | |
| CN111488553B (zh) | 一种太阳辐照度计算方法及装置 | |
| Bonnel et al. | Transdimensional geoacoustic inversion using prior information on range-dependent seabed layering | |
| Lanier et al. | Seafloor habitat mapping on the Oregon continental margin: A spatially nested GIS approach to mapping scale, mapping methods, and accuracy quantification | |
| Fan et al. | Shallow water depth retrieval from space-borne SAR imagery | |
| Saavedra et al. | Assimilation of peak period from video images in numerical wave models at a local scale | |
| She | Assessment of Baltic Sea observations for operational oceanography | |
| Zhou et al. | [Retracted] Application of Empirical Orthogonal Function Interpolation to Reconstruct Hourly Fine Particulate Matter Concentration Data in Tianjin, China | |
| Casalbore | Multibeam Echosounder | |
| Baogui et al. | Quasi-geoid modelling of lake area with GNSS/levelling data | |
| Zhang et al. | Research ReportDiurnal global ocean surface p CO2 and air–sea CO2 flux reconstructed from spaceborne LiDAR data | |
| Geoffroy et al. | Validating the spatial variability of the semidiurnal internal tide in a realistic global ocean simulation with Argo and mooring data | |
| Prypeshniuk | Ocean surface visibility prediction |
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 |