河流概化技巧方法介绍

Robin C

已于 2022-11-14 09:17:23 修改

阅读量1.1k

点赞数 4

文章标签： delft3D efdc 水模型

于 2022-11-11 17:03:24 首次发布

本文链接：https://blog.csdn.net/qq_38423499/article/details/127807253

版权

河流概化技巧方法介绍

由于工作需要，博主大概在2020年的时候开始接触一些水模型（efdc、delft3D），令人头疼的就是概化河流耗时太久，于是，在经过三、四个工程的洗礼之后，逐渐摸索到一些河流概化的技巧和方法，可以提高效率，避开纯手绘，而且精度也比较高。下面逐步介绍一下。
注：本博客是建立在有一定水模型建模基础的前提下.
工具：python3、arcgis10.2、GlobalMapper、Delft3D。

这些工具可能安装起来比较麻烦，但是安装好之后，是一劳永逸的。

1. 安装python3

该步骤，在csdn有很多博客可以参考，博主仅根据浏览量推荐几篇，其实建议安装anaconda，在anaconda下建立python虚拟环境：
参考博客：https://blog.csdn.net/qq_59636442/article/details/123079968
参考博客：https://blog.csdn.net/Lottle123/article/details/125441622
安装完成，启动python方法（windows）：【win】+【R】，输入cmd，进入终端，输入python，然后进入python环境，输入【exit()】，则退出。
在安装完python之后，需要安装一个gee的包。
参考博客：https://blog.csdn.net/qq_44023827/article/details/120572149(这篇博客，是使用的anaconda环境下的python环境)
要保证下面这三个包可以被调用。

import ee
import os
import geemap

2. 安装Arcgis10.2**版（你懂的）

当然，假如你有正版的，那更好，这个软件安装起来可能会比较麻烦，耐心一点。
下载及参考博客：https://blog.csdn.net/shanyanyi7173/article/details/124875816

3. 安装GlobalMapper**版（你懂的）

这个安装不麻烦，下面的版本是我之前一直用的，大家也可以用其他版本的。应该都没啥问题。不会安装的，自己百度一下。
软件：https://download.csdn.net/download/qq_38423499/86954545

4. 安装Delft3D

参考博客：https://zhuanlan.zhihu.com/p/442917790

###################分割线###################################

好。这里默认大家软件都准备好了！

5. python3代码运行

下面放代码（建议在jupyter下面运行）：
参考博客：

import ee
import os
import geemap

# 设置vpn
# 这里要设置自己的VPN,所以需要梯子
os.environ['HTTP_PROXY'] = 'http://****.***.com.cn:80'
os.environ['HTTPS_PROXY'] = 'http://****.***.com.cn:80'

ee.Initialize()

# class 02_2 所有basemap的展示
# 初始化地图
Map = geemap.Map()
Map

这里会给出一个初始化的地图。

#part 02 在地图上加载影像数据
point = ee.Geometry.Point([118.7719, 31.8799])
# 指定位置的tif文件
image = (
    ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
    .filterBounds(point)
    .filterDate('2020-08-01', '2021-10-31')
    .sort('CLOUD_COVER')
    .first()
    .select('B[1-7]')
)

vis_params = {'min': 0, 'max': 3000, 'bands': ['B5', 'B4', 'B3']}
#将某个点作为中心点进行缩放
Map.centerObject(point, 8)
Map.addLayer(image, vis_params, "Landsat-8")

在这里插入图片描述

#part 03 检查影像属性
props = geemap.image_props(image)
props.getInfo()
props.get('IMAGE_DATE').getInfo()
props.get('CLOUD_COVER').getInfo()

指定截取区域，目标河流所在的矩形块。

# part 04 训练数据集
# 下面有几种方法可以创建用于生成训练数据集的区域。

# 1、在地图上画一个形状(如矩形)
region = Map.user_roi
region = ee.Geometry.Rectangle([118.309746,31.25, 119.023791,31.60])  # 2、定义一个几何形状
# region = ee.Geometry.Point([118.7719, 37.8799]).buffer(10000)   # 3、在中心点周围建立一个缓冲区
# 4、也可以直接在整个影像中选取训练数据随机点

scale_value = 15
training = image.sample(
    **{
       'region': region, # 上面选择的训练样本点选择的区域（范围）
        'scale': scale_value,
        'numPixels': 10000,
        'seed': 0,
        'geometries': True,  # Set this to False to ignore geometries
    }
)

Map.addLayer(training, {}, 'training', False)
Map

在这里插入图片描述

通过K-mean算法对地图中不同的地貌进行聚类，保证【水体】可以被聚到同一个类中。

# part 05 实例化聚类器并进行训练,利用K-mean聚类方法进行非监督分类
n_clusters = 7
clusterer = ee.Clusterer.wekaKMeans(n_clusters).train(training)
# part 06 影像分类
# 使用训练过的聚类对输入roi影像进行分类。
result = image.cluster(clusterer)
resultclip = result.clip(region)
# #使用随机颜色展示分类结果
Map.addLayer(resultclip.randomVisualizer(), {}, 'clusters')
Map

在这里插入图片描述
上图，中间的部分，就是处理后的结果。

# part 7 分类图例修改
legend_keys = ['Sediment water', 'Bare flat', 'S.salsa', 'water', 'land', 'Vegetation','buildings','high_land']
# legend_colors = [ '#FB8072','#8DD3C7', '#FFFFB3', '#BEBADA', '#80B1D3']
legend_colors = [ '#E3B672','#FFFFB3', '#FB8072', '#80B1D3','#8DD3C7']
# Reclassify the map
result = resultclip.remap([0, 1, 2, 3, 4, 5 ,6, 7], [1, 2, 3, 4, 5, 6, 7, 8])

Map.addLayer(
    result, {'min': 1, 'max': 8, 'palette': legend_colors}, 'Labelled clusters'
)
# Map.add_legend(
#      legend_keys=legend_keys, legend_colors=legend_colors, position='bottomright'
#  )
Map

最后一步保存tif文件。

# # 透明度可视化结果
# print('Change layer opacity:')
# cluster_layer = Map.layers[-1]
# cluster_layer.interact(opacity=(0, 1, 0.1))

# 将非监督分类结果图导出

import os
out_dir = os.path.join(os.path.expanduser('~'), 'Downloads')
out_file = os.path.join(out_dir, 'maansahn2.tif')
geemap.ee_export_image(result, filename=out_file, scale=25)

我这里得到的图片是这样子的。用arcgis打开，是这个效果。

在这里插入图片描述
到这里tif文件得到了，下面就该使用Arcgis处理了。

5. Arcgis调整tif文件

将tif文件代入Arcgis ，其实，从这里已经可以看出，这个tif文件被算法聚类成：2、3、4、5、6、7这六种类别。其中有一个是【水体】。

在这里插入图片描述
右键 -【属性】

在【符号系统】里面，点击【唯一值】，生成属性表。然后在点击【已分类】。生成一个属性表，【应用】-【确定】。

点击【工具箱】找见【栅格转面】，生成shp文件，过程可能比较慢。

在这里插入图片描述
在【转换工具】里面找见【栅格转面】

在这里插入图片描述

新生成的shp文件会被加载进来

右键【打开属性表】，点击【编辑器】，开始编辑，删除不属于河流的部分。

详细说明：结合生成的shp文件的分级色彩图，比如上图，2, 2-4， 4-5 ，5-7分别代表不同的地貌，其中有一个代表【水体】，这个值可以对应到【属性表】中的GRIDCODE变量上。

在这里插入图片描述
这个可以多选，点击开始行(左边)，按住ctrl+shirft，再点击结尾【结尾行】，右键，删除即可，这个过程可能比较卡。最终，手动筛选。得出最终河流。右键-【导出数据】，生成shp。
注：文档修改过几次，所以图的内容和上面的没对上，流程是没有问题的。
在这里插入图片描述
这上面还有很多碎的小块。要处理调。点击鼠标，拖住，画矩形，然后就被选中了，然后就可以删除了。
在删除完噪声块之后，可根据需求，对shp文件进行编辑（比如：只想保留河流的边，则对shp编辑，删除多余结点，这个随后补充，或者自己百度如何删除结点）
至此，预处理就完成。

5. GlobalMapper转换文件

打开GlobalMapper，代入shp，如图。
在这里插入图片描述
定义空间坐标系。【tools】-【configue】-【projection】，定义好之后，点击ok
【file】-【export】-【export-vector/lidar-format】，选择delft3d|ldb，然后输出。这时就生成*.ldb文件了。

6. Delft3D处理ldb

带入附属文件ldb，按照下面截图操作，生成可编辑的文件。
！！！一般情况下，ldb是闭合的线，但是在制作河流的时候，需要四条线围成矩形。因此，需要打开ldb文件，手动编辑成2条线（河网不行，没法切分）。然后重新带入。Ldb的数据结构比较简单，不做赘述。当然，假如前面已经编辑成河流边界线了，那么这里就不做多余的处理了。
在这里插入图片描述
处理效果

做到这里，我想大家应该就知道怎么做了吧？