一、背景

作为地形特征线的山脊线、山谷线对地形、地貌具有一定的控制作用。它们与山顶点、谷底点以及鞍部点等一起构成了地形起伏变化的骨架结构。同时由于山脊线具有分水性，山谷线具有合水性特征，使得它们在地形分析中具有特殊的意义。

二、目的

了解基于DEM水文分析方法提取山脊线和山谷线的原理;掌握水流方向、汇流累积量提取原理及方法。

三、要求

利用ArcGIS水文分析模块提取出样区的山脊线和山谷线。

四、数据

25m分辨率的DEM数据，区域面积约140km²（\ChP11 \Ex1目录中)。

五、算法思想

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。因此，可以利用水文分析的方法进行提取。

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，即栅格的汇流累积量为零。因此，通过对零值的提取，就可得到分水线，即山脊线。

对于山谷线而言，可以利用反地形计算。即利用一个较大的数值减去原始DEM数据，得到与原始DEM地形相反的地形数据，使得原始的DEM中的山脊变成反地形的山谷，而原始DEM中的山谷在反地形中就变成了山脊。再利用山脊线的提取方法就可以实现山谷线的提取。但是此方法提取出的山脊和山谷位置有些偏差，可以利用正、负地形加以纠正。

流程图

六、模型构建器

七、ArcPy实现

# -*- coding: utf-8 -*-

# ---------------------------------------------------------------------------

# 11-1 利用水文分析方法提取山脊线和山谷线.py

# Created on: 2021-10-11 10:09:40.00000

#   (generated by ArcGIS/ModelBuilder)

# Description:

# ---------------------------------------------------------------------------

# Import arcpy module

import arcpy

import os

import shutil

import time

print time.asctime()

path = raw_input("请输入数据所在文件夹的绝对路径：").decode("utf-8")

# 开始计时

time_start = time.time()

paths = path + "\\result"

if not os.path.exists(paths):

    os.mkdir(paths)

else:

    shutil.rmtree(paths)

    os.mkdir(paths)

# Local variables:

dem = path + "\\dem"

Fill_dem = "Fill_dem"

Output_descent_rate_raster_zdx = "Descent_zdx"

FlowDir_zdx = "FlowDir_zdx"

FlowAcc_zdx = "FlowAcc_zdx"

FlowAcc0_zdx = "FlowAcc0_zdx"

Filter_zdx = "Filter_zdx"

threshold_zdx0_5541 = "thresh_zdx0"

meanDem = "meanDem"

Dem_Mean = "Dem_Mean"

zhengdixing = "zhengdixing"

sjx = "sjx"

Ridge_line = "山脊线"

minuend = "5000"

fu_fdx = "fu_fdx"

Abs_fdx = "Abs_fdx"

Output_descent_rate_raster_fdx = "Descent_fdx"

fudixing = "fudixing"

FlowDir_fdx = "FlowDir_fdx"

FlowAcc_fdx = "FlowAcc_fdx"

FlowAcc0_fdx = "FlowAcc0_fdx"

Filter_fdx = "Filter_fdx"

threshold_fdx0_65677 = "thresh_fdx0"

sgx = "sgx"

Valley_line = "山谷线"

Contour_dem = "Contour_dem"

HillSha_dem = "HillSha_dem"

# Set Geoprocessing environments

print "Set Geoprocessing environments"

arcpy.env.scratchWorkspace = paths  # 临时工作空间

arcpy.env.workspace = paths  # 工作空间

arcpy.env.extent = dem  # 处理范围

arcpy.env.cellSize = dem  # 像元大小

arcpy.env.mask = dem  # 掩膜

# Process: 填洼

print "Process: 填洼"

arcpy.gp.Fill_sa(dem, Fill_dem, "")

# Process: 流向

print "Process: 流向"

arcpy.gp.FlowDirection_sa(Fill_dem, FlowDir_zdx, "NORMAL", Output_descent_rate_raster_zdx, "D8")

# Process: 流量

print "Process: 流量"

arcpy.gp.FlowAccumulation_sa(FlowDir_zdx, FlowAcc_zdx, "", "FLOAT", "D8")

# Process: 条件测试 (3)

print "Process: 条件测试 (3)"

arcpy.gp.Test_sa(FlowAcc_zdx, "value=0", FlowAcc0_zdx)

# Process: 滤波器

print "Process: 滤波器"

arcpy.gp.Filter_sa(FlowAcc0_zdx, Filter_zdx, "LOW", "DATA")

# Process: 条件测试 (4)

print "Process: 条件测试 (4)"

arcpy.gp.Test_sa(Filter_zdx, "value>0.5541", threshold_zdx0_5541)

# Process: 焦点统计

print "Process: 焦点统计"

arcpy.gp.FocalStatistics_sa(dem, meanDem, "Rectangle 11 11 CELL", "MEAN", "DATA", "90")

# Process: 减

print "Process: 减"

arcpy.gp.Minus_sa(dem, meanDem, Dem_Mean)

# Process: 条件测试

print "Process: 条件测试"

arcpy.gp.Test_sa(Dem_Mean, "value>0", zhengdixing)

# Process: 乘

print "Process: 乘"

arcpy.gp.Times_sa(threshold_zdx0_5541, zhengdixing, sjx)

# Process: 重分类

print "Process: 重分类"

arcpy.gp.Reclassify_sa(sjx, "VALUE", "0 NODATA;1 1", Ridge_line, "DATA")

# Process: 减 (2)

print "Process: 减 (2)"

arcpy.gp.Minus_sa(dem, minuend, fu_fdx)

# Process: Abs

print "Process: Abs"

arcpy.gp.Abs_sa(fu_fdx, Abs_fdx)

# Process: 流向 (2)

print "Process: 流向 (2)"

arcpy.gp.FlowDirection_sa(Abs_fdx, FlowDir_fdx, "NORMAL", Output_descent_rate_raster_fdx, "D8")

# Process: 条件测试 (2)

print "Process: 条件测试 (2)"

arcpy.gp.Test_sa(Dem_Mean, "value<0", fudixing)

# Process: 流量 (2)

print "Process: 流量 (2)"

arcpy.gp.FlowAccumulation_sa(FlowDir_fdx, FlowAcc_fdx, "", "FLOAT", "D8")

# Process: 条件测试 (5)

print "Process: 条件测试 (5)"

arcpy.gp.Test_sa(FlowAcc_fdx, "value=0", FlowAcc0_fdx)

# Process: 滤波器 (2)

print "Process: 滤波器 (2)"

arcpy.gp.Filter_sa(FlowAcc0_fdx, Filter_fdx, "LOW", "DATA")

# Process: 条件测试 (6)

print "Process: 条件测试 (6)"

arcpy.gp.Test_sa(Filter_fdx, "value>0.65677", threshold_fdx0_65677)

# Process: 乘 (2)

print "Process: 乘 (2)"

arcpy.gp.Times_sa(fudixing, threshold_fdx0_65677, sgx)

# Process: 重分类 (2)

print "Process: 重分类 (2)"

arcpy.gp.Reclassify_sa(sgx, "VALUE", "0 NODATA;1 1", Valley_line, "DATA")

# Process: 等值线

print "Process: 等值线"

arcpy.gp.Contour_sa(dem, Contour_dem, "50", "0", "1", "CONTOUR", "")

# Process: 山体阴影

print "Process: 山体阴影"

arcpy.gp.HillShade_sa(dem, HillSha_dem, "315", "45", "NO_SHADOWS", "1")

save = ["hillsha_dem", "contour_dem", u"山脊线", u"山谷线"]

rasters = arcpy.ListRasters()

for raster in rasters:

    if raster.lower() not in save:

        print u"正在删除{}图层".format(raster)

        arcpy.Delete_management(raster)

# 结束计时

time_end = time.time()

# 计算所用时间

time_all = time_end - time_start

print time.asctime()

print "执行完毕！>>><<< 共耗时{:.0f}分{:.2f}秒".format(time_all // 60, time_all % 60)

八、结果







九、其它

在上实验课的时候，在老师那觅得相对上面，另一种更快捷的方式，而且也是比较通用，因为上面的那种方法，需要设置分界阈值，且的根据等值线和山体阴影来人工判断，而下面这种方法，虽然也是用水文分析方法，但不需要设置分界阈值，且对所有dem较为通用。

下面让我们来看看吧

模型构建器

跟上面的那种方法相比，主要省略了圈起来部分的步骤：

ArcPy实现

# -*- coding: utf-8 -*-

# ---------------------------------------------------------------------------

# 11-1 利用水文分析方法提取山脊线和山谷线2.py

# Created on: 2021-10-11 10:47:48.00000

#   (generated by ArcGIS/ModelBuilder)

# Description:

# ---------------------------------------------------------------------------

# Import arcpy module

import arcpy

import os

import shutil

import time

print time.asctime()

path = raw_input("请输入数据所在文件夹的绝对路径：").decode("utf-8")

# 开始计时

time_start = time.time()

paths = path + "\\result"

if not os.path.exists(paths):

    os.mkdir(paths)

else:

    shutil.rmtree(paths)

    os.mkdir(paths)

# Local variables:

dem = path + "\\dem"

Fill_dem = "Fill_dem"

Output_descent_rate_raster_zdx = "Descent_zdx"

meanDem = "meanDem"

Dem_Mean = "Dem_Mean"

zhengdixing = "zhengdixing"

FlowDir_zdx = "FlowDir_zdx"

FlowAcc_zdx = "FlowAcc_zdx"

FlowAcc0_zdx = "FlowAcc0_zdx"

sjx = "sjx"

Ridge_line = "山脊线"

minuend = "5000"

fu_fdx = "fu_fdx"

Abs_fdx = "Abs_fdx"

Output_descent_rate_raster_fdx = "Descent_fdx"

FlowDir_fdx = "FlowDir_fdx"

FlowAcc_fdx = "FlowAcc_fdx"

FlowAcc0_fdx = "FlowAcc0_fdx"

fudixing = "fudixing"

sgx = "sgx"

Valley_line = "山谷线"

# Set Geoprocessing environments

print "Set Geoprocessing environments"

arcpy.env.scratchWorkspace = paths  # 临时工作空间

arcpy.env.workspace = paths  # 工作空间

arcpy.env.extent = dem  # 处理范围

arcpy.env.cellSize = dem  # 像元大小

arcpy.env.mask = dem  # 掩膜

# Process: 填洼

print "Process: 填洼"

arcpy.gp.Fill_sa(dem, Fill_dem, "")

# Process: 流向

print "Process: 流向"

arcpy.gp.FlowDirection_sa(Fill_dem, FlowDir_zdx, "NORMAL", Output_descent_rate_raster_zdx, "D8")

# Process: 焦点统计

print "Process: 焦点统计"

arcpy.gp.FocalStatistics_sa(dem, meanDem, "Rectangle 11 11 CELL", "MEAN", "DATA", "90")

# Process: 减

print "Process: 减"

arcpy.gp.Minus_sa(dem, meanDem, Dem_Mean)

# Process: 条件测试

print "Process: 条件测试"

arcpy.gp.Test_sa(Dem_Mean, "value>0", zhengdixing)

# Process: 流量

print "Process: 流量"

arcpy.gp.FlowAccumulation_sa(FlowDir_zdx, FlowAcc_zdx, "", "FLOAT", "D8")

# Process: 条件测试 (3)

print "Process: 条件测试 (3)"

arcpy.gp.Test_sa(FlowAcc_zdx, "value=0", FlowAcc0_zdx)

# Process: 乘

print "Process: 乘"

arcpy.gp.Times_sa(zhengdixing, FlowAcc0_zdx, sjx)

# Process: 重分类

print "Process: 重分类"

arcpy.gp.Reclassify_sa(sjx, "VALUE", "0 NODATA;1 1", Ridge_line, "DATA")

# Process: 减 (2)

print "Process: 减 (2)"

arcpy.gp.Minus_sa(dem, minuend, fu_fdx)

# Process: Abs

print "Process: Abs"

arcpy.gp.Abs_sa(fu_fdx, Abs_fdx)

# Process: 流向 (2)

print "Process: 流向 (2)"

arcpy.gp.FlowDirection_sa(Abs_fdx, FlowDir_fdx, "NORMAL", Output_descent_rate_raster_fdx, "D8")

# Process: 流量 (2)

print "Process: 流量 (2)"

arcpy.gp.FlowAccumulation_sa(FlowDir_fdx, FlowAcc_fdx, "", "FLOAT", "D8")

# Process: 条件测试 (5)

print "Process: 条件测试 (5)"

arcpy.gp.Test_sa(FlowAcc_fdx, "value=0", FlowAcc0_fdx)

# Process: 条件测试 (2)

print "Process: 条件测试 (2)"

arcpy.gp.Test_sa(Dem_Mean, "value<0", fudixing)

# Process: 乘 (2)

print "Process: 乘 (2)"

arcpy.gp.Times_sa(FlowAcc0_fdx, fudixing, sgx)

# Process: 重分类 (2)

print "Process: 重分类 (2)"

arcpy.gp.Reclassify_sa(sgx, "VALUE", "0 NODATA;1 1", Valley_line, "DATA")

save = [u"山脊线", u"山谷线"]

rasters = arcpy.ListRasters()

for raster in rasters:

    if raster.lower() not in save:

        print u"正在删除{}图层".format(raster)

        arcpy.Delete_management(raster)

# 结束计时

time_end = time.time()

# 计算所用时间

time_all = time_end - time_start

print time.asctime()

print "执行完毕！>>><<< 共耗时{:.0f}分{:.2f}秒".format(time_all // 60, time_all % 60)

结果







感觉上述二者差别不是很大，但是第一种的分界阈值对不同dem数据，需要再做判断，而第二种不需要设置分界阈值，就很方便，所以，比较推荐第二种。

实验结束 byebye~~~

利用水文分析方法提取山脊线和山谷线（ArcPy实现）的更多相关文章

  1. 利用ArcGIS水文分析工具提取河网

    转自原文 利用ArcGIS水文分析工具提取河网(转) DEM包含有多种信息,ArcToolBox提供了利用DEM提取河网的方法,但是操作比较烦琐(帮助可参看Hydrologic analysis sa ...

  2. GIS案例学习笔记-水文分析河网提取地理建模

    GIS案例学习笔记-水文分析河网提取地理建模 联系方式:谢老师,135-4855-4328,xiexiaokui#qq.com 目的:针对数字高程模型,通过水文分析,提取河网 操作时间:25分钟 数据 ...

  3. GIS与水文分析（1）GIS与水文学

    GIS与水文分析(1)GIS与水文学 对于大部分GIS从业人员或者利用GIS作为研究方向的人员来说,水文学过于专业,更偏重于理论化,很难从GIS的角度来模拟和分析水文的过程.这其实是个普遍性的问题,任 ...

  4. ArcGIS案例学习笔记4_2_水文分析批处理地理建模

    ArcGIS案例学习笔记4_2_水文分析批处理地理建模 联系方式:谢老师,135_4855_4328,xiexiaokui#139.com 概述 计划时间:第4天下午 目的:自动化,批量化,批处理,提 ...

  5. ArcGIS案例学习笔记4_1_水文分析

    ArcGIS案例学习笔记4_1_水文分析 联系方式:谢老师,135_4855_4328,xiexiaokui#139.com 概述 计划时间:第4天上午 教程: pdf page478 数据:实验数据 ...

  6. ArcGIS水文分析实战教程（15）库容和淹没区计算

    库容和淹没区计算 的基本流程 要计算库容就必须先计算出该集水区面积,并且通过不同的水位计算出淹没区,并利用淹没区去裁剪DEM数据,将水面与下垫面的体积计算出来,这就是水库的库容.由于有了前面的基础,这 ...

  7. Java安全之C3P0链利用与分析

    Java安全之C3P0链利用与分析 0x00 前言 在一些比较极端情况下,C3P0链的使用还是挺频繁的. 0x01 利用方式 利用方式 在C3P0中有三种利用方式 http base JNDI HEX ...

  8. Android APP性能分析方法及工具

    近期读到<Speed up your app>一文.这是一篇关于Android APP性能分析.优化的文章.在这篇文章中,作者介绍他的APP分析优化规则.使用的工具和方法.我觉得值得大家借 ...

  9. Linux下java进程CPU占用率高分析方法

    Linux下java进程CPU占用率高分析方法 在工作当中,肯定会遇到由代码所导致的高CPU耗用以及内存溢出的情况.这种情况发生时,我们怎么去找出原因并解决. 一般解决方法是通过top命令找出消耗资源 ...

随机推荐

  1. 10分钟学会windows中iis搭建服务器集群实现负载均衡和nginx代理转发

    前言 我们之前聊过 10分钟搭建服务器集群--Windows7系统中nginx与IIS服务器搭建集群实现负载均衡:https://www.cnblogs.com/xiongze520/p/103087 ...

  2. Ubuntu18.04下安装、测试tensorflow/models Tensorflow Object Detection API 笔记

    参考:https://www.jianshu.com/p/1ed2d9ce6a88 安装 安装conda+tensorflow库 下载protoc linux x64版,https://github. ...

  3. zap高性能日志

    摘要 日志在整个工程实践中的重要性不言而喻,在选择日志组件的时候也有多方面的考量.详细.正确和及时的反馈是必不可少的,但是整个性能表现是否也是必要考虑的点呢?在长期的实践中发现有的日志组件对于计算资源 ...

  4. OAuth2-简介

    1. 简介 OAuth(开放授权)是一个开放标准,允许用户让第三方应用访问该用户在某一网站上存储的私密的资源(如照片,视频,联系人列表),而无需将用户名和密码提供给第三方应用.因此OAUTH是安全的. ...

  5. ELK数据迁移,ES快照备份迁移

    通过curl命令或者kibana快照备份,恢复的方式进行数据迁移 环境介绍 之前创建的ELK 因为VPC环境的问题,需要对ELK从新部署,但是还需要保留现有的数据,于是便有了这篇文档. 10.0.20 ...

  6. 录制脚本启动报错：target controller is configured to “use recording Controller” but no such controller exists,ensure you add a Recording Controller as child of Thread Group node to start recording correctly

    使用JMeter自带录制脚本元件录制,已配置好代理,启动时报错,如图 解决方案: 未指定录制请求信息的存放位置,下拉选择后重新启动即可 对于代理配置有疑问可见性能测试工具JMeter 基础(四)-- ...

  7. 史上最全git命令集

    配置化命令 git config --global user.name "Your Name" git config --global user.email "email ...

  8. Cython 模块扩展 － 编程语言 替代实现 应用领域 汇总一览

    Python 本身只是一种编程语言规范,可以使用其它编程语言实现它或扩展它:譬如:采有 Python C Java .Net 等重实现 Python,而采用 Python C/C++ C# Java ...

  9. VSCode一些设置

    //每次保存后自动格式化 "editor.formatOnSave": true, // #每次保存的时候将代码按eslint格式进行修复 "editor.codeAct ...

  10. Java 常用 Collection 继承关系与接口实现

    Java Collection List 接口 继承.接口实现关系: public interface List<E> extends Collection<E> 方法定义: ...