Page 49 - 2023年第54卷第8期
P. 49

站 1990—2016年的汛期径流及场次洪水资料,并验证资料一致性                         [21] 。由于皇甫站断面不具备滩槽结构,
              难以直接确定平滩流量及日期,因此依据缺资料流域平滩流量估算方法及流域干支流关系                                         [22] ,以沙圪堵
              站断面的平滩流量、日期代表皇甫川流域。确定水位为 100m左右的洪水流量为沙圪堵站平滩流量,流
                        3
                                                                                                 3
              量为 113m ?s,重现期约 2年。最枯流量的确定,为保证一致性仍以沙圪堵站为准,为 0.1m ?s。
              3.2.2 卫星遥感数据及预处理
                  (1)光学卫星影像获取及预处理:为通过遥感影像提取流域平滩、枯水河宽,选用能在山区更完
              整提取细小河流的高分辨率光学卫星影像,故联合使用 GF - 1和 ZY - 3影像                            [23] 。根据平滩日期,选择
              了 7景 1A级 GF - 1影像,成像时间为分别为 2013年 7月 30日、8月 23日,2016年 7月 26日、9月 1
              日。选择了 3景 1A级 ZY - 3影像,成像时间分别为 2013年 7月 30日和 2014年 9月 3日。热红外数
              据在夏季能有效区分水体及其他地物                  [24] ,因此采集了同期的 6景 Landsat - 8TIRS产品。在枯水日期
              下,GF - 1影像足够覆盖,直接使用 14景 1A级影像,成像时间为 2013年 11月 20日、11月 28日。
                  (2)测高卫星数据:基于星载雷达观测的水位将用于提取缺资料地区河流断面形态。通过观测平
              滩、枯水河宽及其对应的水位信息,即可获取概化河道断面形态                                 [25] 。以 Jason - 1?2卫星产品为数据
              源,依据两类流量日期提取对应水位。经查询 2009年 2月—2013年 6月,Jason - 1卫星的第 103号轨
              道位于流域上空,但受限于时空分辨率,选取与平滩流量相近的 2012年 8月 6日的 Jason - 1卫星数
              据,与枯水流量相近的 2017年 4月 17日的 Jason - 2卫星数据提取相应水位。
              3.2.3 土地利用数据及采样 通过本团队开发的河宽自动提取算法 ARWE(Automatedriverwidthsex
              tractionmethod)准确提取河流中心线及河宽,该算法因基于随机森林及神经网络算法,故需依赖准确
              的机器学习 样 本 及 合 适 的 分 类 指 数         [26] 。为 确 定 研 究 区 河 流 周 围 地 物 类 型,基 于 土 地 利 用 类 型 数
              据  [27 - 28] 分析了 2010—2018年皇甫川流域地物类型(图 2(b)),结果显示 2010—2018年流域内土地利
              用类型变化不大,确定了紧邻河流且易混淆的 4类地物,遵循随机原则                                 [29] 完成了 250余万学习样本的
              采集,样本像元总面积约占流域的 3%,其中河流、农田耕地、山体林地、草场、城市的样本比例为 4∶
              2∶2∶2∶1 。2017年研究团队在研究区域内进行了 2次野外考察(图 2(b)),考察中记录下 80个样本
              点的位置,测量了平滩河宽。因研究区域地物类型变化不大,故这 80个实测样本可作为验证样本。
              3.2.4 DEM数据及河网提取 DEM河网作为 DRYIM的结构核心以及河道边界条件的重要组成,其精
              度至关重要。低级别河流多因河宽极细,难以通过卫星产品提取                               [23] ,因此其断面概化、河宽提取均依
              赖高精度 DEM数据辅助。数据分为以下几类:
                  ( 1)高分辨率 DEM数据:团队于 2016年使用点位精度 6mm、距离精度 4mm、扫描密度 1cm的
              徕卡三维激光扫描仪( Leicascanstation2),经过配准、Cyclone点云处理等流程                        [30] 生成了岔巴沟流域
              0.1mDEM数据。于 2006年、2017年联合使用机载激光扫仪与实时动态差分定位技术(Realtimekine
              matic )生成了皇甫川流域上游 1m分辨率的 DEM和桥沟流域、油房渠流域 0.3m的 DEM数据。
                  ( 2)基础 DEM数据:用于提取黄河中游、皇甫川流域河网的 DEM 基础数据为 2015年公布的 4.1
              版 SRTM 90m DEM,该数据经过 NASA、USGS人工处理,高程精度优于 15m,局部可达 3m                                 [31] 。在
              纸坊沟流域使用由陕西省测绘局提供的 5mDEM数据。
                  基于 SRTM 90m DEM v4.1,以清华大学开发的河网提取工具 DNET(DrainageNetworkExtraction
              Tool )提取黄河中游线状河流水系。经验证,DNET能在提取流域水系时最大程度的消除平行错误,配合
                                                                                                         2
              SRTM 90mDEM v4.1使用提取结果更准            [23,32] 。使用 DNET时流域最小汇流面积经预实验设定为 0.1km 。
              3.2.5 CMPA融合降雨数据 DYRIM需降雨数据驱动                    [7] ,以缺资料地区有限的雨量站插值估算流域降
              水进而模拟径流过程往往使模拟失真                  [10] 。为解决这一问题,本研究采用了分布式卫星降雨融合数据
              CMPA(ChinaMergedPrecipitationAnalysis),通过与皇甫川流域 2011—2015年的实测资料比对,验证了
              CMPA数据精度及可用性           [33] 。


              4 河流断面形态的概化


                  以一般梯形等概化河流断面形态已有一定的研究基础                          [25] ,因此通过融合有限实测资料和多源遥感

                                                                                                —  9 3 3 —
   44   45   46   47   48   49   50   51   52   53   54