清华大学学报(自然科学版)

作者：薛源, 覃超, 吴保生, 李丹, 傅旭东

单位：1. 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;<br>2. 中国煤炭科工集团有限公司 煤炭科学研究总院有限公司, 应急科学研究院, 北京 100013

关键词：国产高分辨率卫星,山区河流表面信息,平滩河宽,自动提取

基金：吴保生,教授,

高分辨率遥感影像地理信息是研究山区河流的重要数据源。针对山区地物类型复杂、河道狭窄等原因导致的河流表面信息提取完整性差、河宽难以自动提取且精度低等问题,结合随机森林(RF)和神经网络(ANN)算法,建立了河流表面信息提取方法RF-ANN。该方法支持并行运算且能降低热红外数据尺度辅助去噪,实现了对河流表面信息的像素级提取。利用Laplace算子及边缘算法改进了RivWidthCloud河宽提取算法,使其不需要人工设定判别阈值,提升了算法的普适性。以国产GF-1、ZY-3卫星影像为主要数据源,选取黄河一级支流皇甫川为研究区域。利用所建立的方法提取了皇甫川流域2级及以上河流的河流表面信息和平滩河宽。结果表明： RF-ANN的河流表面信息提取精度达到94.7%。提取河宽的平均误差为1.07 m (约0.5个像素),提取的最小有效河宽为6.1 m (约3个像素),提取河宽与检验河宽的R2和RMSE分别为0.93和1.52,宽度小于10 m极细河流、10~30 m细小河流、30~90 m较细河流及90 m以上较宽河流的河宽提取误差分别为18.5%、8.8%、2.0%和0.7%。该研究结果为山区河流几何形态特征提取及河流地貌空间分布研究提供了方法和数据支持。

来源：2023年第1期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2023年第1期