基于DEM的内流区河网提取算法研究

发布时间：2020-11-09 19:03

　　 内流区作为一种独特的地理区域类型,分布范围广泛。因特殊地理环境导致其与外流区存在种种差异,使内流区域具有重要的研究价值。流域汇流河网不仅是地形地貌的重要骨架,也对地表能量、物质的分布具有重要的控制作用。因此,内流区河网提取是进行内流区水文及地形地貌相关研究的重要步骤。而目前基于数字高程模型、以外流区汇流模式为理论基础的河网提取方法并不适用于内流区。填洼及平地处理等一系列数据预处理步骤破坏了内流区独特的地形结构,导致无法提取准确合理的汇流网络。鉴于以上问题,本文以地形自适应的河网提取算法为基础,针对内流区河网提取的相关问题,提出改进方法,以满足内流区河网提取的需要。本文具体研究内容及结论如下:1.内流区河网提取算法的设计与实现内流区与外部环境没有水文联系,其成因复杂(地形与气候等)。但内流区洼地特征决定了内部河流无法流至海洋,只能最终汇集于洼地形成尾闾湖。而以填洼为前提的传统河网提取算法显然无法应用于内流区。因此,本文基于RN算法提出了能够自适应处理洼地的改进算法。通过理论分析及实验,证明RN算法存在提取结果依赖于栅格遍历顺序的问题,影响提取结果的稳定性。因此,本文提出基于水量同步更新策略的改进算法(SU-TFM-md算法)。通过将水量更新延迟的方法,使所有栅格同步更新水量,消除水量即时更新带来的计算不一致性。实验结果表明,本文改进方法能够有效的消除栅格遍历顺序对提取结果的影响。本文选择多个青藏高原内流流域为实验样区,与D8及MFD-md算法提取结果对比表明,本文算法能够较为准确地表达内流区湖泊,提取平坦地形区域的河道,生成的河网也更符合地形特征。2.基于GPU的并行算法设计与实现SU-TFM-md算法需要大量迭代模拟水流的不断流动,计算耗时巨大,因此需要并行计算提高效率。本文选择适宜数据并行的GPU作为本研究并行计算硬件平台。通过SU-TFM-md算法的水量同步更新策略,解决了因CUDA线程的随机调度机制与RN算法中栅格遍历顺序冲突而导致的提取结果不一致及边界效应问题。本文根据线程块配置、寄存器及共享内存优化核函数性能,结果表明:使用GTX1080ti显卡,当线程块配置为16×16时,并行程序速度最快;核函数性能受延迟限制,通过减少寄存器使用而增大占用率的方法,反而会因寄存器溢出到本地内存而使性能受损。选择不同数据量DEM进行并行效率测试,结果表明,并行算法效率优势明显。使用3584个GPU核心的并行算法对比使用CPU单核心串行算法,能够达到300左右的加速比,3.算法参数选取方法初始水量及迭代终止条件是影响SU-TFM-md算法提取结果的重要因素。实验结果表明,初始水量对算法在内流区提取结果没有显著影响,相对来说,迭代终止条件更为重要。与外流区不同,内流区不应采用固定水量作为迭代终止条件,内流区洼地地形会造成水量无法快速收敛。实验结果表明,迭代次数大于500时,提取河网区域稳定。
【学位单位】：南京师范大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P208;P333
【部分图文】：

中型湖泊多是由构造作用形成，只有一些小型湖泊属于冰川湖或堰塞湖。以内陆湖为??主，大多是内流河流的尾闾和汇水中心［８７］。??因此，本文根据研究需求，选择部分青藏高原内流流域样区，具体分布如图２．１??所示。其中，每个样区内部都包含一个完整的内流流域。青藏高原内流区流域是前期??实验中根据洼地集水区进行划分，每个流域都是一个独立、封闭的汇水单元，水系多??汇集于洼地内部湖泊。本文选择八个大小不同的流域，基本情况如表２．１所示。研究??以样区２为重点样区，进行河网提取结果分析等。之所以选择样区２，原因在于：（丨）??样区２内部只有一个面积较大湖泊，便于分析比较。（２）样区２内部有大片平坦区??域，四周有发育良好的山系，地形类型比较完整。ＩＩ？从影像可以看到山顶存大量积雪，??区域内部也可以看到明显的河流痕迹，水系发育较好。其他数据的主要作用为测试并??行算法效率。??１３??

?水流漫过洼地。因此，水流可以根据具体情况，自主选择不同的汇流方式。??Ｒ＆Ｎ算法流程如图３．２所示，详细步骤如下：??（丨）首先模拟降雨落到整个ＤＥＭ区域，即设置所有栅格上覆水深为ｗ。令??Ｗ?＝?ｗ，?ＤＡ?＝?０，ＳＡ＝０，设置ＤＴ、ＮＴ，完成相关参数初始化。??（２）

图３．２?Ｒ＆Ｎ算法流程图??在Ｒ＆Ｎ算法中，因为水量高度的存在，使其可以自适应处理洼地，水流在??洼地地区的运动更加符合真实情况。如图３．３ａ所示，若中间栅格是由数据原因??导致的伪洼地，则随着迭代过程的进行，邻域栅格转移的水量会逐渐将其注满。??模拟了现实中小洼地溢水的过程，效果等同于填洼，使后续迭代过程中水流可以??流出。对于真实存在的大型洼地，如图３．３ｂ所示，洼地栅格水量持续向中心转??移，但由于洼地面积过大，并不会将洼地填平，而是最终形成一定面积的湖泊。??从两种洼地的处理结果来看，Ｒ＆Ｎ算法能够在不对洼地进行特殊处理的情况下，??正确表达洼地区域水流运动特征，这也正是内流区河网提取所需要的特性。简单??来说，Ｒ＆Ｎ算法仍然是一种模拟坡面径流的方法，但通过多次迭代来模拟水流??持续运动的思路
【参考文献】

相关期刊论文 前10条

1 汤国安;江岭;刘凯;;数字地形分析并行计算技术研究[J];地理信息世界;2015年06期

2 王玉着;刘修国;张唯;;并行化多流向策略的栅格河网提取算法[J];武汉大学学报(信息科学版);2015年12期

3 王玉着;刘修国;张唯;;统一设备计算架构下的栅格河网提取并行算法[J];计算机应用;2015年04期

4 朱刚;高会军;曾光;;近35a来新疆干旱区湖泊变化及原因分析[J];干旱区地理;2015年01期

5 朱刚;高会军;曾光;;西北内陆干旱区湿地景观格局变化——以新疆准噶尔内流区为例[J];干旱区资源与环境;2014年08期

6 崔志勇;李志伟;李佳;汪长城;周文明;;1970—2000年青藏高原内流区冰川储量变化的初探[J];地球物理学报;2014年05期

7 刘军志;朱阿兴;秦承志;陈腊娇;吴辉;江净超;;分布式水文模型的并行计算研究进展[J];地理科学进展;2013年04期

8 刘军志;朱阿兴;刘永波;秦承志;陈腊娇;吴辉;杨琳;;基于栅格分层的逐栅格汇流算法并行化研究[J];国防科技大学学报;2013年01期

9 宋晓猛;张建云;占车生;刘九夫;;基于DEM的数字流域特征提取研究进展[J];地理科学进展;2013年01期

10 赵向辉;苗青;付忠良;苏畅;李昕;;基于CUDA的汇流分析并行算法的研究与实现[J];计算机应用研究;2010年07期

相关博士学位论文 前5条

1 王玉着;地形自适应的高精度河网提取及其典型应用[D];中国地质大学;2016年

2 俞伟斌;基于DEM的数字流域时空特征及提取研究[D];浙江大学;2014年

3 江岭;基于DEM的流域地形分析并行算法关键技术研究[D];南京师范大学;2014年

4 崔瀚文;中国西部冰川变化与湿地响应研究[D];吉林大学;2013年

5 李丽;分布式水文模型的汇流演算研究[D];河海大学;2007年

相关硕士学位论文 前1条

1 白磊;基于小流域的青藏高原湿地变迁及其机理研究[D];吉林大学;2010年

本文编号：2876843