Accurate mapping of water surface b

Accurate mapping of water surface boundaries in rivers is an important step for monitoring water stages, estimating discharge, flood extent, and geomorphic response to changing hydrologic conditions, and assessing riverine habitat. Nonetheless, it is a challenging task in spatially and spectrally heterogeneous river environments, commonly characterized by high spatiotemporal variations in morphology, bed material, and bank cover. In this study, we investigate the influence of channel morphology and bank characteristics on the delineation of water surface boundaries in rivers using high spatial resolution passive remote sensing and a template-matching (object-based) algorithm, and compare its efficacy with that of Support Vector Machine (SVM) (pixel-based) algorithm. We perform a detailed quantitative evaluation of boundary-delineation accuracy using spatially explicit error maps in tandem with the spatial maps of geomorphic and bank classes. Results show that template matching is more successful than SVM in delineating water surface boundaries in river sections with spatially challenging geomorphic landforms (e.g. sediment bar structures, partially submerged sediment deposits) and shallow water conditions. However, overall delineation accuracy by SVM is higher than that of template matching (without iterative hierarchical learning). Vegetation and water indices, especially when combined with texture information, improve the accuracy of template matching, for example, in river sections with overhanging trees and shadows – the two most problematic conditions in water surface boundary delineation. By identifying the influence of channel morphology and bank characteristics on water surface boundary mapping, this study helps determine river sections with higher uncertainty in delineation. In turn, the most suitable methods and data sets can be selectively utilized to improve geomorphic/hydraulic characterization. The methodology developed here can also be applied to similar studies on other geomorphic landforms including floodplains, wetlands, lakes, and coastlines. Copyright © 2014 John Wiley & Sons, Ltd.

Kết quả (Việt) 1:

Lập bản đồ chính xác của nước bề mặt ranh giới ở sông là một bước quan trọng để theo dõi nước giai đoạn, ước tính xả, mức độ lũ lụt và geomorphic để đáp ứng với thay đổi điều kiện thủy văn, và đánh giá môi trường sống chủ. Tuy nhiên, nó là một nhiệm vụ khó khăn trong môi trường không đồng nhất trong không gian và spectrally sông, thường đặc trưng bởi các biến thể spatiotemporal cao trong hình Thái, giường vật liệu, và bao gồm ngân hàng. Trong nghiên cứu này, chúng tôi điều tra ảnh hưởng của các đặc điểm hình Thái và ngân hàng kênh trên phân định ranh giới trên bề mặt nước sông bằng cách sử dụng độ phân giải không gian cao thụ động viễn thám và một phù hợp với mẫu (dựa trên đối tượng) thuật toán, và so sánh hiệu quả của nó với điều đó của hỗ trợ Vector Machine (SVM) (dựa trên điểm ảnh) thuật toán. Chúng tôi thực hiện một đánh giá chi tiết định lượng của ranh giới phân định chính xác bằng cách sử dụng bản đồ trong không gian rõ ràng lỗi song song với các bản đồ không gian của geomorphic và ngân hàng lớp học. Kết quả cho thấy rằng mẫu phù hợp với là thành công hơn SVM trong delineating nước bề mặt ranh giới ở sông phần với thách thức trong không gian địa hình geomorphic (ví dụ như trầm tích bar cấu trúc, một phần ngập trầm tích tiền gửi) và điều kiện nước nông. Tuy nhiên, tổng thể phân định chính xác bởi SVM là cao hơn mẫu phù hợp với (không có lặp đi lặp lại thứ bậc học). Chỉ số thảm thực vật và nước, đặc biệt là khi kết hợp với cấu trúc thông tin, cải thiện độ chính xác của mẫu phù hợp với, ví dụ, trong sông phần với overhanging cây và bóng tối-hai điều kiện đặt vấn đề trong nước bề mặt ranh giới phân định. Bằng cách xác định ảnh hưởng của các đặc điểm hình Thái và ngân hàng kênh trên nước bề mặt ranh giới lập bản đồ, nghiên cứu này sẽ giúp xác định phần sông với cao không chắc chắn trong phân định. Lần lượt, các phương pháp phù hợp nhất và bộ dữ liệu có thể được chọn lọc sử dụng để cải thiện các đặc tính geomorphic/thủy lực. Các phương pháp phát triển ở đây cũng có thể được áp dụng cho các nghiên cứu tương tự như trên các địa hình geomorphic bao gồm floodplains, vùng đất ngập nước, Hồ nước và đường bờ biển. Bản quyền © năm 2014 John Wiley & Sons, Ltd.

Kết quả (Việt) 2:

Lập bản đồ chính xác về ranh giới mặt nước trong sông là một bước quan trọng để theo dõi các giai đoạn nước, ước tính lưu lượng, mức độ lũ lụt, và phản ứng địa mạo để thay đổi điều kiện thủy văn, và đánh giá môi trường sống ven sông. Tuy nhiên, nó là một nhiệm vụ đầy thách thức trong không gian và quang phổ môi trường sông không đồng nhất, thường được đặc trưng bởi sự thay đổi cao spatiotemporal về hình thái, vật liệu đáy, và bao gồm ngân hàng. Trong nghiên cứu này, chúng tôi điều tra ảnh hưởng của kênh hình thái và đặc điểm của ngân hàng về phân định ranh giới mặt nước ở các con sông bằng cách sử dụng độ phân giải không gian cao thụ động viễn thám và một mẫu-phù hợp (dựa trên đối tượng) thuật toán, và so sánh hiệu quả của nó với Hỗ trợ Vector Machine (SVM) (pixel-based) thuật toán. Chúng tôi thực hiện một đánh giá định lượng chi tiết chính xác ranh giới phân định sử dụng bản đồ lỗi không gian rõ ràng song song với các bản đồ không gian của lớp học địa mạo và ngân hàng. Kết quả cho thấy mẫu phù hợp với nhiều thành công hơn so với SVM trong phân định ranh giới mặt nước ở đoạn sông với địa hình không gian đầy thử thách mạo (ví dụ như cấu trúc thanh trầm tích, chìm một phần tiền gửi của bùn đất) và điều kiện nước cạn. Tuy nhiên, độ chính xác phân định tổng thể của SVM là cao hơn so với các mẫu phù hợp (không cần học theo thứ bậc lặp đi lặp lại). Thảm thực vật và nước chỉ số, đặc biệt là khi kết hợp với thông tin kết cấu, cải thiện tính chính xác của mẫu phù hợp, ví dụ, trong đoạn sông với cây nhô ra và bóng tối - hai điều kiện khó giải quyết nhất trong mặt nước ranh giới phân định. Bằng cách xác định ảnh hưởng của kênh hình thái và đặc điểm của ngân hàng trên bản đồ ranh giới mặt nước, nghiên cứu này sẽ giúp xác định những đoạn sông với sự không chắc chắn cao hơn trong phân định. Đổi lại, các phương pháp phù hợp nhất và tập hợp dữ liệu có thể được sử dụng một cách chọn lọc để cải thiện địa mạo / đặc tính thủy lực. Các phương pháp phát triển ở đây cũng có thể được áp dụng cho các nghiên cứu tương tự trên địa hình địa mạo khác bao gồm vùng ngập, đất ngập nước, hồ, và bờ biển. Bản quyền © 2014 John Wiley & Sons, Ltd.