CN117853908A - 一种基于遥感数据的流域水情监测方法 - Google Patents
一种基于遥感数据的流域水情监测方法 Download PDFInfo
- Publication number
- CN117853908A CN117853908A CN202410004184.2A CN202410004184A CN117853908A CN 117853908 A CN117853908 A CN 117853908A CN 202410004184 A CN202410004184 A CN 202410004184A CN 117853908 A CN117853908 A CN 117853908A
- Authority
- CN
- China
- Prior art keywords
- water
- river
- remote sensing
- image
- width
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 230000003287 optical effect Effects 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 claims description 5
- 101100511466 Caenorhabditis elegans lon-1 gene Proteins 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 239000013535 sea water Substances 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000005436 troposphere Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于遥感数据的流域水情监测方法,包括:获取各时期的光学遥感影像数据并预处理,通过水体指数法对遥感影像数据进行分割;采用雷达高度计数据与ICE‑SAT1算法相结合的方法,提取水体各时期的水位信息;通过识别出的河流水域范围,计算河流监测断面在各时期的河宽,进而得到河流不同时期的河宽变化;通过识别出的水库水域范围,计算水库在各时期的水域面积,进而得到水库不同时期的水域面积变化。本发明能够有效提取目标水体的空间分布、变化情况以及与周围环境的关系,从而达到准确获取水体信息的目的。
Description
技术领域
本发明涉及水体监测技术领域,具体涉及一种基于遥感数据的流域水情监测方法。
背景技术
目前基于地面水文站点的定点观测方法为:通过在特定位置设置水文测站,使用传感器和仪器对河流水位、流量、水质等指标进行定期或连续监测。这些水文测站通常分布在各个河流、湖泊和水域中,用来获取有关水文气象数据的信息。在这种观测方法中,数据是从单一点位获取的,因此在涵盖大范围、大型河流或水域的情况下可能存在数据不足和空间分布不均匀的问题。
河宽是河流水文、水力模拟的基本参数之一,精细监测其动态变化对水资源评估与水相关的灾害(如洪涝、干旱等)预防至关重要。但是,水文站在人口稀少的偏远地区分布稀疏且不均匀,并且大部分只提供基于点位的河流水文观测,主要关注水位和流量等参数,并没有直接测量河宽的设备,因此仅利用传统的观测于段很难掌握大型河流的河宽及其变化信息。
发明内容
为了解决现有技术中水体信息获取精度较低、处理过程复杂等问题,本发明提供一种基于遥感数据的流域水情监测方法,能够有效提取目标水体的空间分布、变化情况以及与周围环境的关系,从而达到准确获取水体信息的目的。
为实现上述技术目的,本发明采用如下技术方案:
一种基于遥感数据的流域水情监测方法,包括:
获取各时期的光学遥感影像数据并预处理,通过水体指数法对遥感影像数据进行分割,得到水体分割图像;
采用雷达高度计数据与ICE-SAT1算法相结合的方法,提取水体各时期的水位信息;
针对各河流水体:通过识别出的河流水域范围,计算河流监测断面在各时期的河宽;再将河流监测断面在两个不同时期的河宽相减,即得到河流监测断面在该两个时期的河宽变化;
针对各水库水体:通过识别出的水库水域范围,计算水库在各时期的水域面积;再将水库在两个不同时期的水域面积相减,即得到水库在该两个时期的水域面积变化。
进一步地,对影像数据预处理包括:正射校正、辐射定标和大气校正。
进一步地,在对单一遥感影像预处理的基础上,将光学遥感影像数据中包含地图色彩特征的多光谱遥感影像数据和空间分辨率较高的全色遥感影像数据,采用成色替换像素级融合方法进行融合,将不同传感器上影像的空间、波谱、时间信息进行融合,再用于进行水体分割。
进一步地,采用NDWI方法对预处理得到的影像数据进行分割,得到水体分割图像。
进一步地,采用雷达高度计数据与ICE-SAT1算法相结合的方法提取水体的水位信息:
计算卫星与T/P地球参考椭球面的距离Altitude,获取卫星上雷达高度计数据回溯的卫星与目标水体水面距离Range;
将Altitude与Range相减,得到目标水体的水面与地球参考椭球面的距离,记为水面高程;
将水面高程提取结果从T/P地球参考椭球面转换到中国黄海水准面,得到最终的水位计算结果。
进一步地,所述将水面高程提取结果从T/P地球参考椭球面转换到中国黄海水准面,具体包括:根据多个点的实测水位数据进行线性拟合,以及根据该多个点通过提取得到的水面高程进行线性拟合,从而确定水面高程提取所采用的水准面与中国黄海水准面的校正量,最终将提取的水面高程加上此校正量,即得到最终的水位计算结果。
进一步地,所述计算河流监测断面在各时期的河宽,具体计算方法为:
设河流分割图像在长度方向或宽度方向上的两个两个端点的经纬度分别为P1(lat1,lon1)和P2(lat2,lon2),地球半径为R,则河流分割图像的长与宽的实际距离计算式为:
b=cos(lat1)·cos(lat2)
其中,R是指WGS84坐标系下椭球的半径长度,取值为6378137m;
根据河流分割图像长和宽的像素尺寸Lm、Ln﹐计算单位像素的实际面积Sreal_pixel:
其中,Spixel为河流分割图像的像素总数;Sreal为河流分割图像的实际对应面积,单位为平方米;Llength、Lwidth分别为河流分割图像长与宽的实际距离,通过计算得到;
将Sreal_pixel乘以水面像素总数N,计算水面面积Sriver,单位为平方米:
Sriver=Sreal_pixel·N
计算河流宽度Wriver,单位为米:
其中,Lriver由Google Earth的测距工具沿河道中泓线或中心线测得的河道长度。
进一步地,所述计算水库在各时期的水域面积,具体计算方法为:
根据水库分割图像长和宽的像素尺寸Lm、Ln﹐计算单位像素的实际面积Sreal_pixel:
其中,Spixel为水库分割图像的像素总数;Sreal为水库分割图像的实际对应面积,单位为平方米;Llength、Lwidth分别为图像长与宽的实际距离,通过长与宽各自方向上两端点的距离计算得到:
b=cos(lat1)·cos(lat2)
其中,(lat1,lon1)和(lat2,lon2)分别为图像长或宽方向上两个端点的经纬度,R是指WGS84坐标系下椭球的半径长度;
将Sreal_pixel乘以水库水面像素的总数N,计算水域面积Sriver:
Sriver=Sreal_pixel·N。
有益效果
与现有技术相比,本发明具有以下技术效果:
1、精度提高:在水体信息提取中采用了水体指数和图像融合等方法,相较于传统方法能够更精准地提取水体范围,减少了水体与非水体像元的混淆,提高了水体信息的提取精度。
2、监测频率增加:传统河流宽度和水库面积监测方法需要实地测量,成本高且周期较长。而本发明技术方案利用多时相遥感影像数据,可以实现对河流和水库的多时期监测,提高了监测频率,使得水域变化的捕捉更及时。
3、实时性提升:由于遥感数据可以在短时间内获取并处理,本发明技术方案实现了对水体信息的实时监测与分析,有助于快速响应环境变化和灾害事件。
4、提高操作效率:本发明技术方案采用自动化遥感数据处理,减少了人工干预,提高了数据处理效率。
5、应用广泛:通过本发明技术方案可以将不同时间点的遥感数据整合,形成时间序列,为对水域变化趋势的分析提供了依据,有助于环境管理和规划决策。
具体实施方式
下面对本发明的实施例作详细说明,本实施例以本发明的技术方案为依据开展,给出了详细的实施方式和具体的操作过程,对本发明的技术方案作进一步解释说明。
本实施例提供一种基于遥感数据的流域水情监测方法,采用多源遥感影像数据作为输入,经过一系列预处理和水体识别与分类,从中提取类别为河流和水库的水体,并获取这些水体的水位信息;另外对于河流,通过识别出的河流水域范围计算河流监测断面的河宽;对于水库,通过识别出的水库水域范围计算水库的水域面积。
1、遥感影像预处理
本实施例优选国内高分二号卫星PMS影像,具备亚米级空间分辨率、高定位精度等特点。通过正射校正、辐射定标和大气校正等预处理步骤,校正影像数据中的几何畸变和辐射误差,以提供符合规范的影像输入数据。
在本实施例中,在上述预处理的基础上,再进一步通过图像融合技术,即将PMS影像中包含地图色彩特征的多光谱遥感影像数据和空间分辨率较高的全色遥感影像数据,采用成色替换像素级融合方法进行融合,将不同传感器上影像的空间、波谱、时间信息进行融合,获取比单一影像或波段的信息更精准丰富、质量更佳的影像数据,作为后续水体提取和水体信息监测的影像输入数据,进一步提高水体提取精度。
2、水体提取与分析
通过水体指数(如NDWI)方法,对预处理得到的影像数据进行分割,识别出其中的水体与非水体像元。具体根据经验确定的用于区分非水体像元、水体像元及无效像元的最佳分离阈值,对提取得到的水体像元进行分类,获取水体的水域范围信息。
3、提取目标水体的水位信息
对于目标水体的水位提取,本实施例采用了雷达高度计数据与ICE-SAT1算法相结合的方法。通过计算卫星与T/P地球参考椭球面的距离Altitude,以及卫星上雷达高度计数据回溯的卫星与目标水体水面距离Range,获得目标水体的水面与地球参考椭球面的距离H。
在更优的实施例中,在计算内陆水体的水位时,对用于计算Altitude的影像数据进行干对流层、湿对流层、电离层等大气校正,以及固体潮校正和极潮校正,得到目标水体的水面高程。
为使水位结果更准确,还需将距离H的提取结果从T/P地球参考椭球面转换到中国黄海水准面,以匹配实测水位数据。首先根据多个点的实测水位数据进行线性拟合,以及根据该多个点通过提取得到的距离H进行线性拟合,从而确定距离H所采用的水准面与中国黄海水准面的校正量,最终将提取的距离H的加上此校正量,即得到最终的水位计算结果。
所述河流水位提取,主要包括以下步骤:
步骤3.1高分7号立体像对定向;
其中步骤3.1所述高分7号立体像对定向,主要利用处于不同位置的两个传感器对地面上同一个点拍摄夹角确定天空中传感器的位置,解算地面所有点的高程值,得到数字地面模型。
步骤3.2连接点提取与匹配
步骤3.2所述连接点提取与匹配,通过连接点建立立体像对之间的关系,先进行连接点的自动提取,对连接点进行编辑,再进行连接点的匹配。连接点的自动提取采用基于区域灰度匹配法自动寻找重叠区的连接点,连接点数目初始设置为100个。在立体像对(带有粗略地理坐标)2个图像上找到一个同名点,寻找地形特征匹配的小区域。通过手工交互编辑保证每个连接点匹配的准确性,只有当最大Y方向视差的值小于10时,才可以利用连接点计算生成核线图。
步骤3.3核线影像生成
步骤3.3所述核线影像生成,将二维的相关问题变成一维的相关问题。在水平像片上建立规则格网,它的行就是核线。把提取的同名点和输入的控制点代入共线投影方程式:
求出相关参数,式中(xt,yt,zt)为物方,(x,y)为像方坐标,对于水平相片yt为常数﹐利用求出的参数将影像转换成核线影像,转换后像素灰度值采用双线性内插的办法重采样。
4、监测河流的河宽变化
在经步骤2得到水体的水域范围信息后,获取其中目标河流的水域范围信息,然后通过ArcGIS等地理信息系统软件,计算不同时期河流断面的河宽。再将河流监测断面在两个不同时期的河宽相减,即得到河流监测断面在该两个时期的河宽变化。
同时,针对断面位置的不同,采用多种方法进行验证,包括无人机/无人船航测数据、实测水位数据等,以验证监测结果的准确性。
获取到目标河流的水域范围信息,即可得到该目标河流的分割图像。依据研究站点处河段的水体图像的地理信息,利用距离换算公式分别得到图像的长与宽的实际距离。设水体图像的两个顶点经纬度分别为P1(lat1,lon1)和P2(lat2,lon2),地球半径为R,则两点之间的距离为L,单位为米,计算两点间的距离:
b=cos(lat1)·cos(lat2)
其中,R是指WGS84坐标系下椭球的半径长度,取值为6378137m。
再由图像长和宽的像素尺寸Lm、Ln﹐得到单位像素的实际面积Sreal_pixel:
其中,Sreal为图像实际对应面积,单位为平方米;Llength、Lwidth分别为图像长与宽的实际距离,通过计算得到;Spixel为图像的像素总数。
将Sreal_pixel乘以水面像素总数N,计算水面面积Sriver,单位为平方米:
Sriver=Sreal_pixel·N
计算河流宽度Wriver,单位为米:
其中,Lriver由Google Earth的测距工具沿河道中泓线(或中心线)测得的河道长度。
5、监测水库的水域面积变化
在经步骤2得到水体的水域范围信息后,获取其中目标水库的水域范围信息,通过计算单个像素的面积和统计水库水域范围内的像素个数,得到影像对应时期的水域面积。将水库在两个不同时期的水域面积相减,即得到水库在该两个时期的水域面积变化。
水库水域面积的计算,与第4步中河宽变化监测中计算河流水面面积的方法相同,此处不再重复阐述。
以上实施例为本申请的优选实施例,本领域的普通技术人员还可以在此基础上进行各种变换或改进,在不脱离本申请总的构思的前提下,这些变换或改进都应当属于本申请要求保护的范围之内。
Claims (8)
1.一种基于遥感数据的流域水情监测方法,其特征在于,包括:
获取各时期的光学遥感影像数据并预处理,通过水体指数法对遥感影像数据进行分割,得到水体分割图像;
采用雷达高度计数据与ICE-SAT1算法相结合的方法,提取水体各时期的水位信息;
针对各河流水体:通过识别出的河流水域范围,计算河流监测断面在各时期的河宽;再将河流监测断面在两个不同时期的河宽相减,即得到河流监测断面在该两个时期的河宽变化;
针对各水库水体:通过识别出的水库水域范围,计算水库在各时期的水域面积;再将水库在两个不同时期的水域面积相减,即得到水库在该两个时期的水域面积变化。
2.根据权利要求1所述的基于遥感数据的流域水情监测方法,其特征在于,对影像数据预处理包括:正射校正、辐射定标和大气校正。
3.根据权利要求1所述的基于遥感数据的流域水情监测方法,其特征在于,在对单一遥感影像预处理的基础上,将光学遥感影像数据中包含地图色彩特征的多光谱遥感影像数据和空间分辨率较高的全色遥感影像数据,采用成色替换像素级融合方法进行融合,将不同传感器上影像的空间、波谱、时间信息进行融合,再用于进行水体分割。
4.根据权利要求1所述的基于遥感数据的流域水情监测方法,其特征在于,采用NDWI方法对预处理得到的影像数据进行分割,得到水体分割图像。
5.根据权利要求1所述的基于遥感数据的流域水情监测方法,其特征在于,采用雷达高度计数据与ICE-SAT1算法相结合的方法提取水体的水位信息:
计算卫星与T/P地球参考椭球面的距离Altitude,获取卫星上雷达高度计数据回溯的卫星与目标水体水面距离Range;
将Altitude与Range相减,得到目标水体的水面与地球参考椭球面的距离,记为水面高程;
将水面高程提取结果从T/P地球参考椭球面转换到中国黄海水准面,得到最终的水位计算结果。
6.根据权利要求5所述的基于遥感数据的流域水情监测方法,其特征在于,所述将水面高程提取结果从T/P地球参考椭球面转换到中国黄海水准面,具体包括:根据多个点的实测水位数据进行线性拟合,以及根据该多个点通过提取得到的水面高程进行线性拟合,从而确定水面高程提取所采用的水准面与中国黄海水准面的校正量,最终将提取的水面高程加上此校正量,即得到最终的水位计算结果。
7.根据权利要求1所述的基于遥感数据的流域水情监测方法,其特征在于,所述计算河流监测断面在各时期的河宽,具体计算方法为:
设河流分割图像在长度方向或宽度方向上的两个两个端点的经纬度分别为P1(lat1,lon1)和P2(lat2,lon2),地球半径为R,则河流分割图像的长与宽的实际距离计算式为:
b=cos(lat1)·cos(lat2)
其中,R是指WGS84坐标系下椭球的半径长度,取值为6378137m;
根据河流分割图像长和宽的像素尺寸Lm、Ln﹐计算单位像素的实际面积Sreal_pixel:
其中,Spixel为河流分割图像的像素总数;Sreal为河流分割图像的实际对应面积,单位为平方米;Llength、Lwidth分别为河流分割图像长与宽的实际距离,通过计算得到;
将Sreal_pixel乘以水面像素总数N,计算水面面积Sriver,单位为平方米:
SriverSreal_pixel·N
计算河流宽度Wriver,单位为米:
其中,Lriver由Google Earth的测距工具沿河道中泓线或中心线测得的河道长度。
8.根据权利要求1所述的基于遥感数据的流域水情监测方法,其特征在于,所述计算水库在各时期的水域面积,具体计算方法为:
根据水库分割图像长和宽的像素尺寸Lm、Ln﹐计算单位像素的实际面积Sreal_pixel:
其中,Spixel为水库分割图像的像素总数;Sreal为水库分割图像的实际对应面积,单位为平方米;Llength、Lwidth分别为图像长与宽的实际距离,通过长与宽各自方向上两端点的距离计算得到:
b=cos(lat1)·cos(lat2)
其中,(lat1,lon1)和(lat2,lon2)分别为图像长或宽方向上两个端点的经纬度,R是指WGS84坐标系下椭球的半径长度;
将Sreal_pixel乘以水库水面像素的总数N,计算水域面积Sriver:
Sriver=Sreal_pixel·N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004184.2A CN117853908A (zh) | 2024-01-03 | 2024-01-03 | 一种基于遥感数据的流域水情监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004184.2A CN117853908A (zh) | 2024-01-03 | 2024-01-03 | 一种基于遥感数据的流域水情监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117853908A true CN117853908A (zh) | 2024-04-09 |
Family
ID=90537705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410004184.2A Pending CN117853908A (zh) | 2024-01-03 | 2024-01-03 | 一种基于遥感数据的流域水情监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117853908A (zh) |
-
2024
- 2024-01-03 CN CN202410004184.2A patent/CN117853908A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hodúl et al. | Satellite derived photogrammetric bathymetry | |
CN107063197B (zh) | 一种基于空间信息技术的水库特征曲线提取方法 | |
CN111951392B (zh) | 一种基于时间序列遥感影像和水位监测数据的洲滩枯水位以上地形重建方法 | |
Yoo et al. | Beach volume change using UAV photogrammetry Songjung beach, Korea | |
CN108550174B (zh) | 一种基于半全局优化的海岸线超分辨率制图方法及系统 | |
Ermolaev et al. | Automated construction of the boundaries of basin geosystems for the Volga Federal District | |
CN113284171B (zh) | 一种基于卫星遥感立体成像对的植被高度分析方法及系统 | |
CN109446485B (zh) | 一种基于多源数据融合的季节性湖泊湖底地形生成方法 | |
CN111144350B (zh) | 一种基于参考底图的遥感影像定位精度评价方法 | |
CN110686653B (zh) | 无地面水文数据支持的水库蓄水变化量遥感监测方法 | |
CN114689015B (zh) | 一种提高光学卫星立体影像dsm高程精度的方法 | |
Di et al. | Coastal mapping and change detection using high-resolution IKONOS satellite imagery | |
CN103871072A (zh) | 基于投影数字高程模型的正射影像镶嵌线自动提取方法 | |
CN117433513B (zh) | 一种地形测绘的地图构建方法及系统 | |
CN110470275A (zh) | 一种基于uav航测地形数据测量干枯河床沙波形态参数的方法 | |
CN105571598A (zh) | 一种卫星激光高度计足印相机姿态的测定方法 | |
CN113238228A (zh) | 一种基于水准约束的InSAR三维地表形变获取方法、系统及装置 | |
CN116310901A (zh) | 一种基于低空遥感的泥石流物源动态运移识别方法 | |
CN117853908A (zh) | 一种基于遥感数据的流域水情监测方法 | |
CN107220615B (zh) | 一种融合兴趣点大数据的城市不透水面信息提取方法 | |
CN109886988A (zh) | 一种微波成像仪定位误差的度量方法、系统、装置及介质 | |
Lingua et al. | Iterative Refraction-Correction Method on Mvs-Sfm for Shallow Stream Bathymetry | |
Jang et al. | A study on urban change detection using D-DSM from stereo satellite data | |
CN113124834B (zh) | 一种结合多源数据的区域网平差方法、系统及存储介质 | |
Gruen et al. | DSM generation with ALOS/PRISM data using SAT-PP |
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 |