本科生毕业论文范文.docx
《本科生毕业论文范文.docx》由会员分享，可在线阅读，更多相关《本科生毕业论文范文.docx（41页珍藏版）》请在冰豆网上搜索。
本科生毕业论文范文
本科毕业论文
论文题目：
学生：
学号：
专业：
指导教师：
学院：
2010年５月24日
毕业论文（设计）容介绍
论文（设计）
题目
基于DEM和RS的流域河网提取
选题时间
2010年12月20日
完成时间
2010年5月24日
论文（设计）
字数
15000
关键词
DEM；遥感影像；“Burn_in”算法；河网；黄水河流域
论文（设计）题目的来源、理论和实践意义：
论文题目来源：
老师拟定
理论和实践意义：
流域水文模型是水文科学中一个重要分支之一，是研究水文自然规律和解决水文实践问题的主要工具。
而流域水系这一地貌特征是流域水文建模的主要参数，其包含的水系信息是水文模型分析的基础数据。
因此，流域水系特征的提取一直是水文科学研究的热点。
随着地理信息系统技术的广泛应用，流域的数字高程模型（DEM）目前已成为操作和存储最为方便的一种地形信息，因此常被用来提取流域的河道网络和分析地形对流域径流响应的影响。
但利用DEM提取流域河网在平原区和面状水系处会出现位置偏差及产生大量平行河道，随着卫星技术的迅猛发展，遥感图像被广泛应用于水文学中，成为提取流域河网的有效手段。
论文（设计）的主要容及创新点：
主要容：
本文分析了基于DEM提取水系方法的不足，引入了遥感信息来弥补DEM的缺陷。
文中首先基于遥感影像，利用多种方法提取水体信息，最终得出利用MNDWI（改正归一化差异水体指数）获得水体信息为最佳方法。
然后基于“Burn_in”算法，对DEM进行修正，最终利用修正后DEM生成河网。
将此种方法在黄水河流域进行了实验，实验结果表明该方法能消除大量平行河道，修正与实际偏差较大的主干河流。
创新点：
在对DEM进行修正时，将利用遥感影像提取出的水体与DEM进行叠加，从而对DEM修正，与传统的先对水体数字化，然后转为栅格格式进行叠加相比，提高水系提取自动化程度。
附：
论文（设计）
本人签名：
年月日
基于DEM和RS的流域河网提取
摘要：
流域水文模型是水文科学中一个重要分支之一，4是研究水文自然规律和解决水文实践问题的主要工具。
而流域水系这一地貌特征是流域水文建模的主要参数，其包含的水系信息是水文模型分析的基础数据。
因此，流域水系特征的提取一直是水文科学研究的热点。
本文分析了基于DEM提取水系方法的不足，引入了遥感信息来弥补DEM的缺陷。
文中首先基于遥感影像，利用多种方法提取水体信息，最终得出利用MNDWI（改正归一化差异水体指数）获得水体信息为最佳方法。
然后基于“Burn_in”算法，利用提取的水体信息对DEM进行修正，最终利用修正后DEM生成河网。
将此种方法在黄水河流域进行了实验，实验结果表明该方法能消除大量平行河道，修正与实际偏差较大的主干河流。
关键词：
DEM；遥感图像；“Burn_in”算法；河网；黄水河流域
中图分类号：
P967
MethodforExtractionofDrainageNetworkBasedon
DEMandRemoteSensing
Abstract：
Hydrologicalmodelisoneofanimportantbranchofhydrologicalscience,andisanessentialtooltostudythehydrologicallawsofnatureandsolvehydrologicalpracticeproblem.Thewaternetworkofthistopographicfeatureisthemainparametersofhydrologicalmodelandtheinformationitcontainsisbasicdataofhydrologicalmodelanalyst.Therefore,theextractionofdrainagenetworkhasbeenahotspotofhydrologicalresearch.
ThispaperanalyzestheshortageoftheextractionofdrainagenetworkbasedonDEMandthenintroducesremotesensinginformationtomakeupfordeficienciesinDEM.Inthefirstpart,basedonremotesensingimages,variousmethodswereusedtoextractwaterinformation;ultimatelyMNDWI（ModifiedNormalizedDifferenceWaterIndex）wasthebestwaytoextractwaterinformation.Then,basedon"Burn_in"algorithm,anamendmenttotheDEM,thefinaldrainagenetworkwasgeneratedbyusingthemodifiedDEM.ThismethodwillbecarriedoutintheYellowRiverBasinandtheexperimentalresultsshowthatthismethodcaneliminatealargenumberofparallelchannelsandamendtheerrorsofbackbonerivers.
Keywords:
DEM;RemoteSensingImage;"Burn_in"Algorithm;DrainageNetwork;HuangshuiRiverBasin
1概述
1.1研究背景
流域水文模型是水文科学中一个重要分支之一，是研究水文自然规律和解决水文实践问题的主要工具[1]。
而流域水系这一地貌特征是流域水文建模的主要参数，其包含的水系信息是水文模型分析的基础数据。
因此，流域水系特征的提取一直是水文科学研究的热点。
从20世纪80年代后期以来，计算机技术、遥感技术（RS）、地理信息系统（GIS）、数字高程模型DigitalElevationModel（以下简称DEM）的快速发展，水体信息获得的方法也得到了很大的发展，大体上分为利用光谱知识和利用DEM两类。
DEM是描述地面高程值空间分布的一组有序数组，能够反映一定分辨率的局部地形特征，是目前用于流域地形分析的主要数据，因此也就能根据地形的局部特征，借助一定的算法，进行一定地理空间围的水文模拟。
但由于DEM提取水系过程中，本身缺少平坦地区水流路径的数据信息和湖塘信息，因此，所提取的水系在有些地方与自然水系有一定的偏差。
而相对于DEM的遥感影像数据，随着卫星技术的迅猛发展，由于其具有宏观、快速和同步等优点，以逐渐在环境、土地、气候等各类动态监测、资源管理等方面得到广泛应用，特别是在水文、水资源领域，以成为提取水体的一种有效数据来源。
1.2研究现状
由于DEM数据能够反映一定分辨率的局部地形特征，因此，根据地形的局部特征，借助于一定的算法就可以自动提取一定地理空间围的自然水系。
基于DEM流域河网的提取方法很多，概括起来主要有两种基本方法：
第一种方法是用一个矩形窗口扫描DEM矩阵来确定洼地，位于洼地的栅格单元标记为水系的做成部分，而位于局部最高处的栅格单元标记为山脊线的做成部分[2]。
这种方法的最严重的缺陷在于生成的水系不连续，特别对于地形起伏较小或地形复杂处，上述缺陷更为突出。
另一种方法是O’Callaghan和Mark[3]于1984年提出的坡面流模拟方法，模拟地表径流在地表的流动来产生水系。
后来Jenson和Dominique、Martz和deJong等许多研究者使用了该方法。
使用该算法的依据是水总是沿斜坡最陡方向流动的原理，确定DEM中每一个栅格单元的水流方向；然后根据确定的栅格单元的水流方向计算每一个栅格单元的上游给水区，再选择合适的水道给养面积阈值来确定河网。
该方法简单易行，可直接生成相互连接的河网。
由于它依据水文学汇流概念判别水流路径，因此被认为是一种较好的方法。
但是，应用上述方法提取流域河网或山脊线亦存在问题，即DEM中不能存在局部凹陷的和平坦的栅格单元，否则会使水流无法确定。
然而，在实际的DEM中，凹陷洼地和平地的存在是普遍现象。
基于DEM的局限，很多学者尝试在DEM基础上输入河道矢量数据来丰富虚拟水系的信息源。
这种思路最早在1989年由Hutchinson提出，并于1999年由Saunders加以完善，其主要思路是通过对河道人工输入河道数字地图来改善虚拟河道的精度[4,5]。
在此基础上2001年Turcotle等人引入数字河流和湖泊网络（DRLN:
DigitalRiverandLakeNetwork）来加强湖泊平原的处理能力[6]。
郝振海通过数字化主干河道的方法来解决平坦地区主干河道偏离其自然位置的问题[7]。
王加虎[8]利用地形图数字化水系等方式引入矢量河网与栅格化河网信息，来弥补DEM中河道信息的缺失，通过数字化得到的水系有较准确的位置，选用不同的比例尺能够获得不同级别的水系。
但是，这些方法仍然依靠大量的人工输入或大工作量的数字化方式来确定河道流向，同样只适用于面积有限的确定区域，存在数据更新困难的问题。
也有学者尝试在DEM基础上输入遥感水体来丰富信息源。
林凯荣[9]采用植被指数计算和目视解译的方法来提取水系，并修正数字河网，生成较符合实际的连续数字河网，该方法可以生成较符合实际的连续数字河网，其缺点是自动化程度低，主观因素影响大，工作繁琐。
栋梁[10]采用了一种运用形态学知识结合地物光谱知识的遥感影像方法提取主水系，与遥感目视解译相比，提高了自动化程度。
但是其实验区大部分都位于山区，水系光谱特征特别容易与其它地物混淆，仅选择了小块平坦区域进行主水系修正实验，并未应用到地形复杂的整个流域；而且具体修正原理，修正过程未详细分析叙述。
为了克服以上问题，本文对基于DEM与遥感的数字流域水系提取进行研究，利用遥感影像所提取的流域水系信息，采用基于“Burn_in”原理，修正DEM中平坦地区及湖泊地区高程。
从而使数字流域水系提取过程更加自动化，减少了工作量，及人为直接干预，并使提取的流域水系不仅在平坦地区而且在山区都更能反映流域的实际情况。
1.3研究容与技术路线
本文的研究目标是利用遥感影像自动提取流域水体信息，并利用提取的水系信息提取对DEM进行修正；从而提取整个流域的河网。
本文拟解决的问题如下：
（1）数据预处理，包括遥感影像的几何校正，利用等高线生成DEM，遥感影像与DEM配准，研究区裁切。
（2）研究适合中分辨率遥感影像水系提取的方法与技术。
通过水体指数法、多波段谱间关系法等进行水体信息的提取。
最终找到最有效方法提取修正DEM所需要的水系信息。
（3）基于“Burn_in”原理，利用提取的遥感水系与原始DEM叠加达到修正DEM的目的，最终提取黄水河流域河网。
研究的技术路线图1-4如下：
图1-1本文技术路线图
1.4研究区概况与研究数据
1.4.1研究区概况
本文所研究的区域为黄水河流域。
黄水河流域位于省市西北部，地理走向为东南西北向，地理坐标为：
东经120°29′05″至东经120°48′45″，北纬37°20′00″至北纬37°45′00″，全流域面积1034.57km2，其中位于龙口市境的面积为442.75km2，占总流域面积的42.8%；位于蓬莱市境的面积为364.87km2，占总流域面积的35.3%；位于栖霞市境的面积为156.41km2，占总流域面积的15.1%；位于招远市境的面积为70.54km2，占总流域面积的6.8%。
流域耕地面积216.35km2，其分布规律是北多南少，图1-2为黄水河流域地理位置示意图。
流域总人口46.62万，人口分布不均匀，北部平原多，南部低山丘陵区少，人口密度450.7人/km2。
图1-2黄水河流域地理位置示意图
黄水河流域水系较为复杂，境干支流纵横交错。
其干流黄水河发源于栖霞市的主山，自东南向西北经龙口市境流入渤海，干流全长55km。
全河汇入一级支流数较多，仅在龙口市境汇入的就有绛水河、丛林寺河、鸦鹊河、黄城集河等八条一级支流。
黄水河流域是龙口、蓬莱、栖霞、招远四市重要的商品粮基地和工农业与城镇居民用水的主要水源地。
黄水河流域地处半岛东北部，总的地形是东南高、西北低，南部为低山丘陵，北部为冲积平原。
流域地貌受地质构造、岩相及河流冲积所影响，依次呈现构造剥蚀低山丘陵、剥蚀堆积山前台地、侵蚀堆积倾斜平原、堆积海滨条带阶地四种类型。
1.4.2研究数据
本文所采用的遥感数据是地区的Landset-5的TM影像。
TM影像摄影于2006年10月27日，太阳高度角为37.02°，太阳方位角为157.74°，分辨率约为30米，投影为墨卡托投影（UTM），覆盖了整个黄水河流域。
TM因其波段多，获取容易，更新方便，近年来被广泛应用。
表1-1给出Landset-5的TM技术参数[11]。
表1-1Landset-5上TM技术参数
波段序号
波长围/um
波段名称
地面分辨率/m
1
0.45-0.52
蓝光
30
2
0.52-0.60
绿光
30
3
0.63-0.69
红光
30
4
0.76-0.90
近红外光
30
5
1.55-1.75
短波红外光
30
6
10.4-12.5
热红外光
60
7
2.08-2.35
短波红外光
30
本文采用的高程数据为黄水河流域1:
10000等高线矢量图，其采用的坐标系是80坐标系。
等高线图用于生成DEM，进而利用DEM提取数字流域水系。
图1-3为黄水河流域的TM遥感影像和等高线。
图1-3黄水河流域TM遥感影像和等高线
2数据预处理
2.1遥感影像预处理
在定量化研究中，常常需要将空中遥感器接受到的电磁波能量信号直接与地物光谱仪收到的电磁波能量信号及地物的物理特性联系起来加以分析研究，这就要对遥感器进行定标。
同时，遥感影像在成像过程中必须经过大气的反射、散射、吸收作用，加上仪器本身系统误差及成像条件等种种因素导致产生很大的几何和辐射畸变。
为了使遥感图像上记录的地物的辐射量和地面真实目标一一对应起来，能更好地提取遥感影像信息，提高分类精度以及方便计算，必须对原始遥感影像进行预处理，主要包括辐射校正和几何校正。
预处理流程如图2-1：
图2-1遥感影像预处理流程图
2.1.1辐射校正
由于受地物的非朗伯体反射特性、大气传输特性、传感器响应特性等因素的影像，致使采集的遥感数据与地物反（辐）射亮度出现不相关，出现的误差称为遥感数据的辐射畸变[12]。
辐射校正是指从具有畸变的影像中消除依附在辐射亮度中的各种辐射量失真。
遥感图像的辐射校正主要包括传感器辐射校准、大气辐射校正、地形及太阳高度角辐射校正。
（1）传感器辐射校准[13]
由遥感器的灵敏度特征引起的畸变主要是由其光学系统，或光电系统的特征所形成的。
如在使用透镜的光学系统中，其摄像面存在着边缘部分比中心部分发暗的现象（边缘减光）。
如果以光轴到摄像面边缘的视场角为θ，理想的光学系统中某点的光亮与
成正比，利用这一性质可以进行
校准。
光电变换系统的灵敏性特征通常很重复，其校正一般是通过定期地面测定，根据测量值进行校准。
（2）大气辐射校正
电磁波需要经历一个在大气中的传输过程才能到达遥感传感器，在这个过程中电磁波与大气发生相互作用——反射、折射、吸收、散射和透射，造成电磁波被大气部分吸收，且散射使地物辐射电磁波能量衰减，造成数据质量的下降，影响遥感信息的提取和精度，因此大气辐射校正是遥感数据处理不可缺少的环节。
遥感影像的大气校正方法很多，5S模型、6S模型、MODTRAN模型及LOWTRAN等模型利用基于复杂的辐射传输原理建立起大气校正模型，校正精度较高，但这些方法需要参数多，计算量大，而且一般很难获取这些参数。
因此，本研究采用了直接、简易的暗像元法，此大气校正方法不需大气和地面的实测数据，尤其不需要卫星同步观测数据，而主要依靠影像本身的信息。
暗像元法基本原理就是在假定待校正的遥感图像上存在暗像元区域，假设
地表为朗伯面反射，整幅图像大气性质均一，大气多次散射辐照作用和邻近像
元漫反射作用可以忽略的前提下，反射率或辐射亮度很小的暗像元由于大气的
影响，而使得这些像元的亮度值相对增加，可以认为这部分增加的亮度是由于
大气的程辐射影响产生的。
（3）地形及太阳高度校正[13]
为了获得每个像元的真实的光谱反射，经过遥感器和大气校正的图像还需要更多的外部信息进行太阳高度和地形校正。
通常这些外部信息包括大气程透过率、太阳直射光辐照度和瞬时入射角（取决于太阳入射角和地形）。
太阳直射光辐照度在进入大气层以前是一个已知常量。
在理想情况下，大气程透过率应当在获取图像的同时实地测量，但对于可见光，在不同大气条件下，也可以合理的预测。
当地形平坦时，瞬时入射角比较容易计算，但对于倾斜的地形，经过地表散射、反射到遥感器的太阳辐射量就会依倾斜度而变化，因此需要用DEM计算每个像元的太阳瞬时入射角来校正其辐射亮度值。
2.1.2几何校正
几何畸变是指影像上的像元在图像坐标系中的坐标与其在地图坐标系等参
考系统中的坐标之间的差异，消除这种差异的过程称为几何校正（GeometricCorrection）[14]。
遥感图像的几何校正可分两阶段实现[15]：
系统校正（几何粗校正），即把遥感传感器的校准数据、传感器的位置、卫星姿态等测量值代入理论校正公式进行几何畸变校正；几何精校正，即利用地面控制点GCP（GroundControlPoint）对应其它因素引起的遥感图像几何畸变进行纠正。
几何粗校正的服务通常由卫星接收系统提供，因此本研究只进行了几何精校正。
几何精校正的原理是回避成像的空间几何过程，而直接利用地面控制点数据对遥感影像的几何畸变本身进行数学模拟，并且认为遥感影像的总体畸变可以看作是挤压、扭曲、缩放、偏移以及更高层次的基本变形的综合作用的结果，因此校正前后影像相应点的坐标关系，可以用一个适当的数学模型来表示。
具体实现是：
首先利用地面控制点数据确定一个模拟几何畸变的数学模型，以此来建立原始畸变影像空间与标准空间的某种对应关系；其次是利用这种对应关系吧畸变空间中的全部元素变换到标准空间（即校正影像空间）中去，从而实现影像的几何精校正。
影像的几何精校正包括两个方面的容：
一是影像空间像元位置的变换；二是变换后的标准影像空间的各像元亮度值的计算。
因此，几何校正的过程也就分为两步：
第一步是先进行空间变换，即在几何位置上进行校正；第二步是取得变换后影像各像元的亮度值。
根据原始畸变空间与校正后的标准空间的转换方式和校正后标准空间像元亮度值的获得方式的不同，可以将几何精校正分为直接成图法和重采样成图法。
直接成图法和重采样成图法本质上没有差别，主要的不同在于所用的校正畸变函数不同；其次，校正后像元获得亮度值的方法不同，对于直接成图法称为亮度重配置，而对于重采样成图法称为亮度重采样。
通常的几何校正过程，是在校正后的输出地图坐标系上设定方格，求出格点上对应的影像数据。
可是，在该输出影像坐标系的格点上所对应的输入影像坐标通常不是整数值，所以必须用输入影像上周围点的像元值对所求点的像元值进行插来求。
用于几何校正的主要插方法有：
（1）最邻近插法：
以距插点最近的观测点的像元值为所求的像元值。
该方法优点是不破坏原来的像元值，处理速度快；缺点是最大可以产生1/2像元的位置误差。
（2）双线性插法：
使用插点周围的4个观测点的像元值，对所求的像元值进行线性插。
该方法的缺点是破坏了原来的数据，但具有平均化的滤波效果。
（3）三次卷积插法：
使用插点周围的16个观测点的像元值，用三次卷积函数对所求像元值进行插。
该方法的缺点是破坏了原来的数据，但具有影像的均衡化和清晰化的效果，可以得到较高的影像质量。
几何精校正的一般过程如下（图2-2）：
图2-2几何精校正流程图
3基于遥感影像水体信息的提取
3.1水体的光谱特征
卫星遥感影像记载了地物对电磁波的反射信息以及地物自身的热辐射信息。
在可见光波段，水体的波谱特性非常复杂，在图像上影响记载的反射信息主要来自水面、水中悬浮物质和水体底部物质的反射。
因而水体吸收和辐射特性，不仅与其本身的性质有关，而且还与其所含物质的类型和大小有关。
各地物由于其结构、组成以及物理化学性质上的差异，从而导致了不同的地物对电磁波的反射存在差异，以及其热辐射也不完全相同。
正是由于不同波谱段上不同地物的反射率不同，才使得水体等其他地物的提取可以实现。
要想从影像中提取水体，了解水体在TM影像中的特性是很有必要的，这可以为我们提取水体提供有利的参考依据。
对水体来说，水的光谱特征主要是由水本身的物质组成决定，同时又受到各种水状态的影响。
在可见光波段0.6um之前，水的吸收少、反射率较低、大量透射。
其中，水面反射率约5%左右，并随着太阳高度角的变化呈3%~10%不等的变化；水体可见光反射包含水表面反射、水体底部物质及水中悬浮物质（浮游生物或叶绿素、泥沙及其他物质）的反射三方面的贡献[16]。
对于清水，在蓝——绿光波段反射率4%~5%，0.6um以下的红光部分反射率降到2%~3%，在近红外、短波红外部分几乎吸收全部的入射能量，因此水体在这两个波段的反射能量很小。
这一特征与植被和土壤光谱形成十分明显的差异，因而在红外波段识别水体是较容易的。
图3-1为水体的反射光谱曲线。
图3-1水体反射光谱曲线
3.2水体指数法提取水系
3.2.1波段比值原理
由于地形坡度、坡向、阴影或者太阳高度和强度季节性的变换，地表同样物质或目标物的亮度值会不一样。
图像波段之间比值运算的目的是为了尽量减小这些环境条件的影响，使图像解译者或机助分类算法能正确地识别地球表面物质或土地利用类型。
由于波段之间的比值运算提供了任何单波段都不具有的独特信息，这对于难以区分的阴影和水体非常有用。
比值运算就是将一幅遥感影像的不同波段直接做商运算，以削弱地形起伏带来的影响[13]。
由于同一地区不同波段（两个波段或几个波段组合）对应像元亮度值相除，所得新值构成一幅比值增强图像，能够扩大相邻两个像元的差别，并且能消除地形起伏带来的影响，而且也能同时扩大不同地物亮度值的微小差别。
由不同波段做商运算生成的指数，其创建的基本原理就是在多光谱波段，寻找出所要研究地类的最强反射波段和最弱反射波段，将强者置于分子，弱者置于分母。
通过比值运算，以几何级数进一步扩大二者的差距，使要研究的地物在所生成的指数影像上得到最大的亮度增强，而其他的背景地物则受到普遍的抑制。
3.2.2应用归一化差异水体指数（NDWI）提取水体信息
归一化差异水体指数（NDWI）（NormalizedDifferenceWaterIndex）由Mcfeeters提出，其公式如下：
（公式3-1）
归一化差异水体指数构建的原理是：
水体的反射从可见光到短波红外波段逐渐减弱，在近红外和短波红外波长围（0.74~2.5um）吸收性最强，几乎无反射，因此用可见光波段和近红外波段的反差
升级会员 