基于多源国产高分辨率遥感影像的山区河流信息自动提取

高分辨率遥感影像地理信息是研究山区河流的重要数据源。针对山区地物类型复杂、河道狭窄等原因导致的河流表面信息提取完整性差、河宽难以自动提取且精度低等问题，结合随机森林(RF)和神经网络(ANN)算法，建立了河流表面信息提取方法RF-ANN。该方法支持并行运算且能降低热红外数据尺度辅助去噪，实现了对河流表面信息的像素级提取。利用Laplace算子及边缘算法改进了RivWidthCloud河宽提取算法，使其不需要人工设定判别阈值，提升了算法的普适性。以国产GF-1、 ZY-3卫星影像为主要数据源，选取黄河一级支流皇甫川为研究区域。利用所建立的方法提取了皇甫川流域2级及以上河流的河流表面信息和平滩河宽。结果表明：RF-ANN的河流表面信息提取精度达到94.7%。提取河宽的平均误差为1.07 m(约0.5个像素),提取的最小有效河宽为6.1 m(约3个像素),提取河宽与检验河宽的R²和RMSE分别为0.93和1.52,宽度小于10 m极细河流、 10～30 m细小河流、 30～90 m较细河流及90 m以上较宽河流的河宽提取误差分别为18.5%、 8.8%、 2.0%和0....