水文分析及其简单应用
水文分析是DEM数字地形分析的一个重要内容，基于DEM地表水文分析的主要内容是利用水文分析工具提取水流方向、汇流累积量、水流长度、河流网络、河网分级，以及流域分割等等。
下面是ArcGIS水文分析中用到的相关工具列表：
一．水文分析简介
1. 无洼地DEM的生成
DEM是比较光滑的地形表面的模拟，但是由DEM的误差和一些真实地形的存在，例如喀斯特地貌和洼地，它们使得DEM地形表面存在着一些凹陷 的区域，这些凹陷地区，在进行水流方向的计算时，得到的是不合理甚至是错误的水流方向，所以洼地的填充至关重要。
无洼地DEM生成流程图
(1)水流方向的提取
ArcGIS水文分析工具的流向分析是基于D8单流向算法，即通过计算中心栅格和邻域栅格的最大距离权落差来确定。如果分析使用的DEM存在凹陷点，就会产生汇，导致径流断流从而影响了分析结果。
在【ArcToolbox】中，执行命令[SpatialAnalyst工具]——>[水文分析]——>[流向]
图1.1 流向计算对话框
图1.2.1 利用流向计算出来的水流方向图
- 注：在默认情况下会自动的给定流向栅格8个方位不同的颜色进行渲染，也可以用下面的连续值进行渲染。
图1.2.2 利用流向计算出来的水流方向图
(2)洼地计算
洼地的计算对后续进行洼地填充中设置合理的阈值有重要的参考价值，而且可以判断出洼地的区域，在这个过程中要进行洼地的提取和洼地深度的计算两个步骤。
提取洼地：在【ArcToolbox】中，执行命令[SpatialAnalyst工具]——>[水文分析]——>【汇】
洼地深度计算：在【ArcToolbox】中，执行命令[SpatialAnalyst工具]——>[水文分析]——>【分水岭】，它用来计算洼地的贡献区域。
（3）洼地填充
在【ArcToolbox】中，（要打开扩展模块）执行命令[SpatialAnalyst工具]——>[水文分析]——> [填洼]，指定各参数，其中Z限制——填充阈值，当设置一个值后，在洼地填充过程中，那些洼地深度大于阈值的地方将作为真实地形保留，不予填充；系统默认情况是不设阈值，也就是所有的洼地区域都将被填平。
2. 汇流累积量
以规则格网表示的数字地面高程模型每点处有一个单位的水量，按照自然水流从高处流往低处的自然规律，根据区域地形的水流方向数据计算每点处所流过的水量数值，便得到了该区域的汇流累积量。
图4.1 流量统计原理图
操作：[Spatial Analyst 工具]–>[水文分析]–>[流量]
图4.2 流量分析对话框
注意：
1.流向栅格数据：无洼地dem生成的流向数据。
2.权重栅格数据：权重数据一般考虑到降水、土壤以及植被等对径流影响的因素分布而得到的，对每一个栅格赋权重能更详细模拟该区域的地表特征，默认值为1。
3.水流长度
水流长度是指在地面上一点沿水流方向到其流向起点（或终点）间的最大地面距离在水平面上的投影长度。水流长度直接影响地面径流的速度，从而影响对地面土壤的侵蚀力。因此水流长度的提取和分析在水土保持工作中有很重要的意义。
操作：[Spatial Analyst 工具]–>[水文分析]–>[水流长度]
图4.3 水流长度分析对话框
注意：
1.流向栅格数据：无洼地的dem生成的流向数据fdirfill。
2.测量方向：DOWNSTREAM顺流计算，UPSTREAM溯流计算。
3.输入权重栅格数据：降水、土壤以及植被等对径流影响的因素分布而得到的。
4.河网的提取
(1)河网的生成
a.栅格河网的形成
操作：[Spatial Analyst 工具]–>[地图代数]–>[栅格计算器]
思路：利用所设定的阈值对整个区域分析并生成一个 新的栅格图，其中汇 流量＞阈值的栅格设定为1，而阈值的栅格设定为无数据。
b.栅格河网矢量化
操作：[Spatial Analyst 工具]–>[水文分析]–>[栅格河网矢量化]
（2）河网分级的生成
操作：[Spatial Analyst 工具]–>[水文分析]–>[河网分级]
两种分级方法：Strahler、Shreve
图5.1 栅格河网的两种分级方法
（4）流域盆地的确定
流域盆地是由分水岭分隔而成的汇水区域，可利用水流方向确定出所有相互连接并处于同一流域盆地的栅格区域
操作：[Spatial Anayst 工具]–>[水文分析]–>[盆域分析]
（5）汇水区出水口的确定
在水文分析中，经常基于更小的流域单元进行分析，因而需要对流域进行分割。流域的分割首先要确定小级别流域的出水口的位置
操作：[Spatial Analyst 工具]–>[水文分析]–>[捕捉倾泻点]
二．利用水文分析提取山脊线、山谷线
山脊线和山谷线的提取实质上也是分水线与汇水线的提取。
对于山脊线而言，由于它同时也是分水线，而分水线的性质即为水流的起源点。所以，通过地表径流模拟计算之后，这些栅格的水流方向都应该只具有流出方向而不存在流入方向，也就是其栅格的汇流累积量为零。
对于山谷线而言，可以利用反地形的特点，即利用一个较大的数值减去原始的DEM数据，得到与原始地形完全相反的地形数据，使得原始的DEM中的山谷变成反地形的山脊，再利用山脊线的提取方法就可以实现山谷线的提取。只是这个过程会出现山谷线的偏差，需要改正偏差。
需要用到的主要工具：（ArcToolBox）
（1）Hydrology:水文分析
（2）Map Algebra（Raster Calculator）:栅格计算器
（3）Neighbourhood:邻域分析
（4）Reclass:重分类
（5）Surface:表面分析
该过程必须打开Spatial Analyst的拓展集，即Customize→Extensions→Spatial Analyst
1.正负地形的提取
（1）Spatial Analyst Tools→Neighbourhood Statistics→meandem(高程平均值）
图6.1.1 邻域均值分析
（2）dem-meandem(减法运算)
图6.1.2 栅格计算器减法运算
（3）Reclass→Reclassify,对结果进行两次重分类，分别得到正负地形
图6.1.3 重分类——正地形 图6.1.4 重分类——负地形
（4）正负地形的提取
图6.1.5 正地形（深色区域） 图6.1.5 负地形（深色区域）
二. 山脊线的提取
（1）洼地填充（fill）→filldem
图6.2.1 填充洼地对话框
（2）无洼地的水流方向的计算(FlowDirecion栅格河网矢量化)→flowdirfill
图6.2.2 水流方向分析对话框
（3）汇流累积量的计算（Accumuction捕捉倾泻点）→flowcc1
图6.2.3 汇流累积量分析对话框
图6.2.3局部放大图
（4）汇流量为零的提取：flowcc1=0
图6.2.4 栅格计算器对话框
（5）对facco作邻域均值分析→neighborfacco
图6.2.5 均值分析
（6）作原始dem的等高（值）线图（Countline）和晕渲图(hillshape),作辅助分析。
图6.2.6 等高（值）线图（Countline） 图6.2.7 晕渲图(hillshape)
（7）对Neighborfacco进行属性编辑（properities）,重新分为两级，此时需用等值线图和晕渲图作辅助分析，不断调整分级临界点，属性值为1的栅格越有可能是山脊线的位置。
图6.2.8 属性分级
（8）对二值化的neighborfacco重分类（reclass），将属性值接近1的赋值为1，其余的赋值为0。
图6.2.9 赋值重分类，结果如图6.2.10 图6.2.10
（9）消除错误的山脊线：Raster Calculator，将得到的结果重分类，属性值不为1的栅格属性赋值为 No Data。
公式:Neighbourfacc0×正地形
图6.2.11
(10)提取的山脊线如下：
图6.2.12 山脊线 图6.2.13 山谷线
三．问题
1.为什么会有权重栅格？
答：这还是要从D8算法和流量统计工具计算方式说起，流量的统计都是基于流向像元数据进行累加统计，而流量栅格是基于D8算法计算出来的，原则上只考虑单个方向的汇水过程，而没有考虑其他的如降雨、渗透等水文现 。也就是说，在默认情况下，流向栅格流出的水量都是一致的，流量统计计算的只是流向栅格累计的个数。如果换成现实模拟，那就是说每一个30 * 30 区域汇入河流的水量都是一致的。
2.重分类工具使用应注意什么？
答：重分类工具使用不困难，困难的是它的指标是如何制定的，这就要看研究对象的特性了。例如水文分析研究的对象是小流域，那么怎么定义？按照面积定义还是按照蓄积量来定义还是别的定义方式，这真的跟行业和研究对象密不可分。如果研究的对象是汇水面积超过9平方公里的河流，那么就要根据数据的特性计算这9平方公里的蓄积栅格数是多少。这个换算并不难，按照平方公里与平方米的转化，9平方公里=9000000平方米。9平方公里的蓄积栅格数=9000000/(30*30)=10000，也就是说地表径流能够汇聚成河流的最小蓄积栅格为10000，这样在重分类工具里面基本上可以划分为两类，1类是小于10000栅格数，一类是大于等于10000的栅格数。
3.Stream link是什么？
答：Stream Link记录河网中结点之间的连接信息，它主要记录河网的结构信息。Stream Link的每条弧段连接着两个作为出水点或汇合点的结点，或者 连接着作为出水点的结点和河网起始点。通过提取Stream link可以得到每一个河网弧段的起始点和终止点。同样，也可以得到该汇水区域的出水点。
四．参考
汤国安《ArcGIS地理信息系统空间分析实验教程第二版》第11章水文分析。
扫码关注公众号，了解更多文章：
