مجموعه داده‌های ساختار زهکشی و اثرات آن بر مدل‌سازی جریان سطحی مشتق از LiDAR

چکیده

با وضوح و دقت فوق‌العاده، مدل‌های رقومی ارتفاع (DEMs) برگرفته از تشخیص نور و محدوده (LiDAR) به طور فزاینده‌ای برای تحلیل‌ها و مدل‌سازی حوضه توسط هیدرولوژیست‌ها، برنامه‌ریزان و مهندسان استفاده می‌شوند. چنین DEM های با دقت بالا، اثربخشی خود را در ترسیم الگوهای حوزه آبخیز و زهکشی در مقیاس های ظریف در زمین های با نقش برجسته نشان داده اند. با این حال، این مجموعه داده‌های با وضوح بالا معمولاً فقط به‌عنوان DEM‌های توپوگرافیک به جای DEM‌های هیدرولوژیکی در دسترس هستند، که زبری زمین بیشتری را نشان می‌دهند که می‌تواند بر تجمع جریان طبیعی تأثیر بگذارد. به طور خاص، مکان‌های سازه‌های زهکشی مانند پل‌ها و پل‌ها به عنوان موانعی برای عبور زهکشی شبیه‌سازی شدند. این مقاله یک روش جغرافیایی برای تولید DEM های هیدرولوژیکی مشتق شده از LiDAR پیشنهاد می کند.به عنوان مثال ، پل ها و پل ها)، پیش پردازش داده ها و سوزاندن سازه های زهکشی به DEM. مطالعه موردی مدل‌سازی حوضه مبتنی بر GIS در جنوب مرکزی نبراسکا نشان داد که پس از سوزاندن ساختارهای زهکشی در DEM‌های توپوگرافی مشتق‌شده از LiDAR، مشتقات آب سطحی شبیه‌سازی شده بهبود یافته است. این مقاله در یک پیشنهاد و بحث در مورد ایجاد مجموعه داده ساختار زهکشی ملی یا سراسری به اوج خود می رسد.

کلید واژه ها:

LiDAR ; DEM ; ساختار زهکشی ؛ پلک ; حوزه آبخیز ; فراداده

1. مقدمه

مدل‌های ارتفاعی دیجیتال (DEM) حیاتی‌ترین مجموعه داده‌ها برای موفقیت برنامه‌های مدل‌سازی هیدرولوژیکی سطح هستند [ 1 ، 2 ، 3 ]. این مجموعه داده ها را می توان برای تولید مشتقات توپوگرافی و هیدرولوژیکی حیاتی، مانند شیب، جنبه و تجمع جریان استفاده کرد. دقت ویژگی های هیدرولوژیکی مشتق شده تا حد زیادی به کیفیت و وضوح DEM ها بستگی دارد [ 4 ]. DEM ها به طور سنتی توسط سازمان زمین شناسی ایالات متحده (USGS) به صورت فتوگرامتری یا از نقشه های توپوگرافی با وضوح نسبتاً درشت (معمولاً > 10 متر) و دقت عمودی کم (2.44 متر) [ 5 ] استخراج می شدند.]. به عنوان یک فناوری نوظهور مدرن تولید داده های زمین، تشخیص نور و محدوده (LiDAR) به طور فزاینده ای برای تولید نسل جدیدی از DEM ها با وضوح و دقت بالاتر استفاده شده است. LiDAR به طور متراکم از سطح زمین نمونه برداری می کند و ابرهای نقطه ای با موقعیت های سه بعدی بسیار دقیق تولید می کند که سپس می تواند برای استخراج این DEM های با وضوح بالا استفاده شود. در مقایسه با DEM های USGS معمولی که به صورت فتوگرامتری یا از نقشه های توپوگرافی به دست می آیند، مجموعه داده های DEM مشتق شده از LiDAR دارای دقت افقی و عمودی بالاتری هستند [ 6 ، 7 ، 8 ]، و بنابراین برای به تصویر کشیدن تغییرات توپوگرافی جزئی که جریان آب سطحی را در مناظر کم برجسته کنترل می کنند، مناسب هستند. [ 9]. به عنوان مثال، DEM های مشتق شده از LiDAR قادر به مدل سازی خطوط زهکشی مرتبه پایین و کانال های سرآب در مقیاس ریز هستند که در نقشه های توپوگرافی یا حتی عکس های هوایی درست شده وجود نداشتند [ 10 ، 11 ]. مشخص شده است که DEM های مشتق شده از LiDAR به طور قابل توجهی دقت اتصال تالاب-جریان تعیین شده در مقیاس چشم انداز [ 12 ] را بهبود می بخشد و دقت داده های topo-hydric را افزایش می دهد [ 13 ، 14 ].

با این حال، DEM ها معمولاً از LiDAR موجود در هوا مشتق می شوند، فقط ویژگی های توپوگرافی روی زمین را منعکس می کنند و بنابراین به صراحت DEM های توپوگرافی هستند. چنین DEM های توپوگرافی مشتق شده از LiDAR، در برخی موارد، برای استفاده برای مدلسازی هیدرولوژیکی مناسب نیستند [ 7 ]. برای مثال، ویژگی‌های زمینی مانند پل‌ها و جاده‌ها بر روی سازه‌های زهکشی ممکن است به‌عنوان «سدهای دیجیتال» [ 15 ] در یک DEM توپوگرافی مدل‌سازی شوند که بر گذرگاه زهکشی مدل‌شده و تجمع جریان در سطح زمین تأثیر می‌گذارد. فقدان ساختارهای زهکشی در یک DEM توپوگرافی به طور موثر مناطق بالادست پلچک ها را از خروجی حوضه جدا می کند [ 16 ]. باربر و شورتریج [ 7] تصدیق کرد که ویژگی‌های زمینی مانند پل‌ها و بسترهای درجه‌بندی شده روی پل‌ها می‌تواند منجر به غرق‌های بزرگ‌تر شود و بر مرزهای شبیه‌سازی شده حوضه در یک مدل‌سازی حوضه مبتنی بر GIS تأثیر بگذارد. کوک و مرواد [ 17 ] دریافتند که خطر سیل در یک منطقه مستعد سیل ممکن است به طور قابل توجهی متفاوت باشد، بسته به اینکه آیا پل ها به عنوان موانع جریان در مدل مدل می شوند یا خیر. این مشکل برای ویژگی های هیدرولوژیکی مشتق شده در مقیاس محلی حادتر می شود. به عنوان مثال، مشخص شد که اگر موانع جریان از داده‌های ارتفاعی برداشته نشود، جریان‌های سطحی مشتق‌شده از LiDAR می‌توانند به‌طور نامنظم در مکان اشتباهی بریزند [ 15 ]. بنابراین، ترجیح داده می شود که DEM های هیدرولوژیکی بدون انسداد جریان در مکان های پلک برای مدل سازی هیدرولوژیکی وجود داشته باشد [ 18 ]]. یک DEM هیدرولوژیکی جریان سطحی را از طریق ساختارهای زهکشی که معمولاً در یک DEM توپوگرافی نشان داده نمی شوند، اجازه می دهد.

DEM های هیدرولوژیکی را می توان با سوزاندن خطوط شکاف هیدروگرافی کمکی، مانند آنهایی که از مجموعه داده های هیدروگرافی ملی (NHD)، به DEM های توپوگرافیک استخراج کرد [ 2 ]]. سوزاندن، در این زمینه، شامل ترانشه کردن یک DEM برای اجازه دادن به جریان های سطحی است. با این حال، برای ایجاد یک DEM هیدرولوژیکی مشتق از LiDAR، چنین مجموعه داده‌های خط شکست فرعی با دقتی قابل مقایسه با DEM‌های مشتق‌شده از LiDAR، اغلب وجود ندارند یا از نظر کیفیت تضمین نمی‌شوند. به عنوان مثال، بهترین وضوح مجموعه داده NHD بر اساس نقشه‌های توپوگرافی در مقیاس USGS 1:24000 است و انتظار می‌رود هر گونه نقشه‌برداری از نهرها و کانال‌ها در مقیاس‌های دقیق‌تر بسیار پرهزینه باشد. یک راه حل بالقوه برای تولید DEM های هیدرولوژیکی مشتق از LiDAR سوزاندن تنها ساختارهای زهکشی است که عموماً در DEM های توپوگرافی مشتق شده از LiDAR وجود ندارند. به عنوان مثال، مشخص شده است که ادغام پلک‌ها در زیر جاده‌ها در توپوگرافی مشتق‌شده از LiDAR می‌تواند بر وسعت فضایی شبیه‌سازی‌شده و توزیع مناطق کمک‌کننده در یک منطقه تالابی دشتی در داکوتای شمالی تأثیر بگذارد.19 ]. سوزاندن سازه‌های زهکشی در DEM می‌تواند ارتفاع را در مکان‌های پل‌ها و پل‌ها در زیر بسترهای درجه‌بندی شده کاهش دهد تا امکان عبور جریان را فراهم کند. در این مقاله، سازه های زهکشی به طور خاص هم به عنوان پل ها و هم پل ها شناخته می شوند. کولورت به عنوان مجرای برای عبور آب زهکشی از زیر بزرگراه ها، جاده ها یا دیگر خاکریزها تعریف می شود. پل سازه ای است که یک جاده یا راه آهن را بر روی یک مسیر آبی حمل می کند.

هدف اصلی این مقاله پیشنهاد روشی برای توسعه DEM های هیدرولوژیکی مشتق شده از LiDAR است که شامل جمع آوری داده ها در مورد سازه های زهکشی (به عنوان مثال ، پلک ها و پل ها) و پیش پردازش و سوزاندن سازه های زهکشی است. این روش در یک منطقه مورد مطالعه نشان داده شد که رواناب سطحی به چندین تالاب کمک می کند. بر اساس مطالعه موردی، یک مدل داده برای مجموعه داده ساختار زهکشی که برای سوزاندن هیدرولوژیکی استفاده می‌شود، پیشنهاد شده‌است. فرضیه این است که سوزاندن هیدرولوژیکی سازه‌های زهکشی مانند کولورت‌ها می‌تواند منجر به تفاوت در مشتقات شبیه‌سازی شده آب سطحی شود.

2. روش تحقیق

برای ایجاد مجموعه داده ساختار زهکشی، مختصات جغرافیایی ورودی ها و خروجی ها و/یا نقاط مرکزی لبه های پل ها (نگاه کنید به شکل 1 ) با استفاده از یک واحد GPS همراه با پارامترهای هندسی مربوطه آنها جمع آوری شد.، قطر لوله کولور، دهانه پل و عمق به پایین). تنها پارامترهای هندسی مهم برای مدل‌سازی هیدرولوژیکی در طول کار میدانی جمع‌آوری شدند، اما پارامترهای مهندسی دیگر مانند مواد و طراحی آب‌چکان که برای مدل‌سازی هیدرولیک و تعمیر و نگهداری سازه حیاتی هستند، می‌توانند به طور بالقوه در ویژگی‌ها گنجانده شوند. داده ها به عنوان ویژگی های نقطه برداری ذخیره شدند. با این حال، داده های نقطه ای به طور مستقیم برای سوزاندن DEM های مشتق شده از LiDAR قابل استفاده نیستند زیرا جاده ها یا پل ها دارای عرض یا دهانه قابل توجهی هستند. ویژگی های نقطه ای باید قبل از فرآیند سوزاندن به ویژگی های خطی تبدیل شوند. در این مطالعه، نقاط ویژگی جفت جمع‌آوری‌شده با شناسه‌های ساختاری یکسان (به عنوان مثال، 1، 2، 3، …، و غیره ) تخصیص داده شد..) سپس به ویژگی های خط تبدیل شد. این فرآیند را می‌توان با استفاده از ابزار Points to Line ArcToolbox در ArcGIS 10 پیاده‌سازی کرد. ویژگی‌های جمع‌آوری‌شده برای هر ساختار زهکشی به جدول ویژگی ویژگی‌های خط برداری جدید پیوست شدند.

ویژگی های ساختار زهکشی خطی را می توان با استفاده از دو رویکرد بالقوه در DEM ها سوزاند. برای اولین رویکرد، ارتفاع شبکه‌های DEM مربوط به سازه‌های زهکشی با استفاده از ابزارهای تخصصی GIS، مانند DEM Reconditioning در جعبه ابزار ArcGIS Hydrology کاهش یافت. ابزار بازسازی DEM بر اساس الگوریتم AGREE توسعه یافته است که ارتفاع سلول های DEM مربوط به بافرهای تعریف شده توسط کاربر ساختارهای زهکشی را کاهش می دهد [ 20 ]]. افت ارتفاع و تعداد سلول‌ها برای حائل جریان بر اساس ویژگی‌های هندسی جمع‌آوری‌شده عمق تا پایین و قطر کانال و دهانه پل بر روی کانال‌های رودخانه تعیین شد. تعداد سلول ها (بافر جریان) برابر است با مقدار گرد شده نیم قطر آبریز تقسیم بر اندازه سلول DEM. اگر قطر کوچکتر از اندازه سلول باشد، تعداد سلول ها برای بافر جریان به عنوان 1 اختصاص داده شد. در رویکرد دوم، شبکه های DEM مربوط به مناطق ساختارهای زهکشی بافر کمترین ارتفاع را در همان مناطق اختصاص دادند. کمترین ارتفاع را می توان با آمار منطقه ای محاسبه کرد. در این مطالعه از ابزار DEM Reconditioning ادغام شده در جعبه ابزار ArcGIS برای سوزاندن سازه های زهکشی استفاده شد.

شکل 1. تبدیل ویژگی های نقطه ای به ویژگی های خطی برای ساختار زهکشی.

برای نشان دادن اثربخشی سوزاندن ساختارهای زهکشی در DEM های توپوگرافی مشتق شده از LiDAR، مشتقات هیدرولوژیکی شبیه سازی شده به طور مستقیم با استفاده از DEM های توپوگرافی مشتق شده از LiDAR و مشتقات هیدرولوژیکی تولید شده از DEM های هیدرولوژیکی برای یک چشم انداز کم برجسته با تالاب های متعدد مقایسه شدند. در این زمینه هیدرولوژیکی، DEM های توپوگرافی مشتق شده از LiDAR تغییرات ملایم در چاه توپوگرافی محلی را نشان می دهند، اما تکه تکه شدن قابل توجه هیدرولوژیکی ناشی از بسترهای راه را نشان می دهند. تمرکز این مطالعه تولید مشتقات آب های سطحی، از جمله حوضه های آبریز کمک کننده آب به تالاب ها، خطوط زهکشی و حجم ذخیره سازی فرورفتگی است [ 21 ].]. حوضه های آبریز در این مطالعه به عنوان مناطقی تعریف می شوند که آب باران می تواند جمع شود و به سمت فرورفتگی های بزرگ (مانند تالاب ها و دریاچه ها) جریان یابد. خطوط زهکشی مسیر تجمع جریان را نشان می دهد. حجم ذخیره‌سازی فرورفتگی بر مقدار آب ذخیره‌شده یا رهگیری شده توسط فرورفتگی‌های زمینی (مانند آبگیری در امتداد خندق‌های جاده‌ها و گودال‌های آب) تأثیر می‌گذارد. مراحل زیر برای مدل سازی [ 22 ] اجرا شد:

(1) از پیش پر کردن مصنوعات جعلی در DEM توپوگرافی مشتق شده از LiDAR (به عنوان مثال، ابزار Fill Sinks در ArcGIS). در مدل‌سازی هیدرولوژیکی مبتنی بر DEM، سینک‌های کوچک عموماً به‌عنوان مصنوعات جعلی ناشی از خطاهای ناشی از پروفیل‌های پوشش گیاهی متراکم و مصنوعات درونیابی DEM در نظر گرفته می‌شوند [ 15 ]. فرض بر این بود که سینک‌های کوچک‌تر یا مساوی با مساحت چهار سلول (تقریباً 16 متر مربع ⁾ سینک‌های اشتباهی هستند و باید از فرورفتگی‌های واقعی زمین حذف شوند. حذف سینک ها از یک روش استاندارد برای پر کردن آنها تا سطح پایین ترین نقاط خروجی خود پیروی می کند [ 23 ].

(2) وسعت فرورفتگی های تالاب را شناسایی کنید. مجموعه داده فهرست تالاب ملی (NWI) با مجموعه داده‌های DEM سایه‌دار برجسته و تصاویر عکس هوایی برای شناسایی مرزهای تالاب افسردگی واقعی پوشانده شد.

(3) سینک ها را دوباره روی DEM های سوخته و نسوخته پر کنید. در این مرحله، غرق‌ها و فرورفتگی‌ها با استفاده از ابزار DEM Reconditioning پر شدند، به جز فرورفتگی‌های بزرگ تالاب که با همپوشانی مجموعه داده NWI شناسایی شدند. این فرآیند DEM های بدون افسردگی تولید کرد. سینک‌های پر شده در این مرحله به‌عنوان فرورفتگی‌ها و فرورفتگی‌های واقعی از جمله گودال‌های کوچک استفاده مجدد از آب، آبگیری در امتداد خندق‌های جاده‌ای و گودال‌های کوچک آب در نظر گرفته شدند. حجم این سینک ها برابر با حجم ذخیره سازی افسردگی است.

(4) شبکه های جهت جریان را با تالاب ها به عنوان مکان های همگرا رواناب سطحی بر اساس DEM های توپوگرافی مشتق شده از LiDAR و DEM های سوخته تولید کنید. این فرآیند منجر به حوضه های محصور می شود که رواناب را به تالاب ها کمک می کند. برای این منظور می توان از ابزار Flow Direction with Sinks در ArcGIS استفاده کرد.

(5) شبکه های انباشت جریان را بر اساس شبکه های جهت جریان محاسبه کنید. ابزار Flow Accumulation در ArcGIS قابل استفاده است.

(6) شبکه های مسیر زهکشی را از شبکه های تجمع جریان بر اساس یک آستانه زهکشی از پیش تعریف شده ایجاد کنید. یک عدد آستانه بیش از حد بزرگ می تواند کانال های زهکشی کوچک را از دست بدهد. در حالی که تعداد بسیار کم می تواند باعث ایجاد بسیاری از مصنوعات زهکشی جعلی شود. در ArcGIS می توان از ابزار Stream Definition استفاده کرد.

(7) مجموعه داده های شطرنجی حوضه های زهکشی و تالاب را به کلاس های ویژگی تبدیل کنید.

(8) حجم ذخیره فرورفتگی را برای هر حوضه آبریز تالاب محاسبه کنید. برای انجام این کار، تفاوت شطرنجی بین DEM های پر فرورفتگی و DEM های از پیش پر شده را برای DEM توپوگرافی و DEM هیدرولوژیکی محاسبه کنید. محصول نهایی نشان دهنده ذخیره افسردگی [ 21 ] در سطح زمین است. در ArcGIS، از ابزار آمار منطقه ای می توان برای خلاصه کردن حجم ذخیره افسردگی در هر حوضه تالاب استفاده کرد.

شکل 2. ابزارهای ژئوفرآوری برای حوضه های آبریز تالاب و ترسیم زهکشی در یک ModelBuilder.

فرآیندهای فوق (مرحله 1-7) به عنوان یک گردش کار در یک محیط ModelBuilder در یک پلت فرم ArcGIS خودکار شدند ( شکل 2 ). ModelBuilder فرآیندها را ساده کرد و در نتیجه زمان اجرای هر تابع را به صورت دستی ذخیره کرد. در نهایت، اندازه حوضه شبیه‌سازی‌شده، کانال‌های زهکشی و حجم ذخیره‌سازی فرورفتگی ناشی از DEM توپوگرافی مشتق‌شده از LiDAR و DEM هیدرولوژیکی مشتق‌شده از LiDAR بر اساس روش پیشنهادی ما مقایسه شد.

3. مطالعه موردی در نبراسکا

روش پیشنهادی برای سوزاندن ساختارهای زهکشی در DEM های توپوگرافی مشتق شده از LiDAR برای مطالعه موردی در نبراسکا استفاده شد. تفاوت بین اندازه حوضه شبیه سازی شده، خطوط زهکشی، و حجم ذخیره سازی افسردگی مقایسه شد.

3.1. منطقه مطالعه

منطقه مورد مطالعه تالاب ویس است، بخشی از حوضه آبخیز نهر خشک سندی واقع در گوشه جنوب شرقی شهرستان فیلمور، نبراسکا ( شکل 3 ). این منطقه از نبراسکا به عنوان حوضه آب باران شناخته می شود. زمین حوضه یک دشت لس با موج ملایم است که از شمال غربی به جنوب شرقی پایین می آید و بالاترین و کمترین ارتفاع را به ترتیب 525 متر و 487 متر دارد. این منطقه از ته نشین شدن سیلت های وزش باد بر روی مواد سیلتی و آبرفتی تشکیل شده است و به خاطر حوضه های فرورفتگی کف رسی فراوان آن که آب باران را در خود نگه می دارد و تالاب های پلایا را تشکیل می دهد نامگذاری شده است [ 24 ]]. هیدرولوژی منطقه تحت سلطه یک سیستم زهکشی ضعیف و تالاب های بزرگ فرورفته با الگوهای زهکشی داخلی است. این فرورفتگی های تالاب به طور کلی کم عمق با عملکردهای اکولوژیکی مهم هستند، از جمله کاهش سیل، جذب و فیلتر کردن رواناب سطحی، تغذیه آبخوان و افزایش تنوع زیستی [ 25 ، 26 ]. این منطقه نقطه کانونی میلیون ها پرنده آبی مهاجر در فصل بهار است [ 27 ] و زیستگاه مهمی را برای گونه های در حال انقراض فراهم می کند.

شکل 3. موقعیت تالاب ها و منطقه مورد مطالعه.

مانند بیشتر مناطق کشاورزی، این منطقه دارای یک شبکه متراکم از جاده های اولیه و فرعی است [ 24 ]. این جاده ها چشم انداز کشاورزی و همچنین بسیاری از تالاب ها (و حوضه های آبریز مربوط به آنها) را تکه تکه می کنند. سازه های زهکشی هیدرولیک، مانند پل ها و پل ها، نقش مهمی در تسهیل انتقال رواناب دارند. بهترین مجموعه داده‌های رقومی ارتفاعی موجود تنها به‌عنوان DEM‌های توپوگرافی در دسترس بودند، که در آن جریان‌های سطحی را می‌توان در مکان‌های سازه‌های زهکشی مسدود کرد.

3.2. منابع و جمع آوری داده ها

مجموعه داده های مورد استفاده در این مطالعه شامل DEM های توپوگرافی مشتق شده از LiDAR، NWI، ارتفتو دیجیتالی آژانس خدمات مزرعه (FSA) 2012 برای شهرستان فیلمور، نبراسکا (رزولوشن 1 متر)، و جمع آوری داده های آبریز برای منطقه مورد مطالعه بود. در منطقه مورد مطالعه، هیچ پل وجود نداشت و از این رو اطلاعات پل جمع آوری نشد. DEM های توپوگرافی مشتق شده از LiDAR با وضوح افقی 2 متر و دقت عمودی (RMSE) 0.15 متر برای این مطالعه [ 28 ] به دست آمد. پارامترهای فنی نقاط ابری خام LiDAR در جدول 1 نشان داده شده است. از تصاویر هوایی FSA برای کمک بصری به بررسی کمی مشتقات زهکشی شبیه سازی شده استفاده شد. مجموعه داده NWI [ 29] برای شناسایی موقعیت و وسعت شش تالاب اصلی افسردگی استفاده شد. این تالاب ها به عنوان مکان های همگرا رواناب سطحی در یک سیستم زهکشی داخلی عمل می کردند. مختصات جغرافیایی و پارامترهای هندسی (به عنوان مثال، دهانه و عمق) آبریزهای بالادست تالاب با استفاده از یک واحد GPS دستی سری Trimble GeoXH 6000 (با دقت افقی در حدود 2.5 سانتی متر) جمع آوری شد. مختصات جغرافیایی هر دو انتهای یک لوله مخزن ثبت شد و به همان شناسه ساختاری اختصاص یافت. در همین حال، عمق به پایین از جاده و قطر لوله های کولور با استفاده از خط کش نواری اندازه گیری و به عنوان ویژگی های اضافی همراه با مختصات جغرافیایی و شناسه های ساختاری ثبت شد. در مجموع 21 آبریز در مجاورت تالاب های مورد مطالعه قرار گرفت. جدول 212 رکورد از جدول ویژگی culvert را نشان می دهد که برای مطالعه موردی جمع آوری شده است. خاطرنشان می شود که هیچ پل در این منطقه مورد مطالعه یافت نشد.

جدول 1. مشخصات، وضوح، و دقت ابرهای نقطه ای تشخیص و محدوده نور (LiDAR) [ 22 ، 30 ].

جدول 2. داده‌های حفره‌ای جمع‌آوری‌شده به شکل نقاط (فقط شش جفت اول فهرست‌شده).

3.3. پردازش و مدل سازی داده ها

داده‌های DEM به دو منطقه مدل‌سازی نشان‌داده‌شده در شکل 3 ، که شامل تالاب‌های اصلی هستند، زیرمجموعه‌ای هستند ( یعنی منطقه مدل‌سازی 1 و 2 که توسط جعبه‌های جامد محدود شده‌اند). هدف از تنظیم DEM ها جداسازی مناطق زهکشی داخلی از سیستم های زهکشی دندریتی بود، زیرا تمرکز مطالعه تولید مشتقات هیدرولوژیکی مرتبط با تالاب ها بود.

ویژگی های نقطه آبریز جمع آوری شده با استفاده از ابزار Points to Line به ویژگی های خط تبدیل شدند. سپس هر زیر مجموعه از DEM توپوگرافی مشتق شده از LiDAR با استفاده از خطوط culvert مشتق شده سوزانده شد. سپس روش مدل‌سازی که در بخش روش‌ها در بالا توضیح داده شد، به ترتیب برای DEM‌های نسوخته و سوخته اجرا شد. مشتقات هیدرولوژیکی تولید شده، از جمله حوضه های آبریز، خطوط زهکشی و حجم ذخیره سازی افسردگی، مقایسه شدند. خاطرنشان می شود که خطوط زهکشی از شبکه هایی با مقادیر بیشتر از آستانه انباشت جریان مشخص مشتق شده اند. در این مطالعه موردی، آستانه شروع مسیر زهکشی به طور دلخواه به صورت 2500 شبکه (تقریباً 0.01 کیلومتر مربع ⁾ تعیین شد.

3.4. نتایج مطالعه موردی

شکل 4 و شکل 5 حوضه های تالاب مدل شده و خطوط زهکشی را برای دو نوع DEM نشان می دهد. پنج حوضه تالاب در منطقه 1 و یک حوضه در منطقه 2 وجود دارد. در منطقه 1، حوضه های آبریز یکسان با و بدون سوزاندن کولور شبیه سازی شد. با این حال، بررسی دقیق نشان می‌دهد که محل کانال‌های مدل‌سازی شده از DEM توپوگرافی با موقعیت پلچک‌های بررسی‌شده منطبق نیست. در مقابل، DEM های سوزانده شده توسط پلک ها بر اساس مقایسه بصری با تصاویر هوایی منجر به مسیرهای زهکشی صحیح شدند. جدول 3نشان می‌دهد که حجم‌های ذخیره‌سازی افسردگی شبیه‌سازی‌شده با استفاده از DEM‌های سوزانده شده با پلک، بیشتر از آنهایی هستند که با استفاده از DEM توپوگرافی مشتق‌شده از LiDAR برای هر حوضه آبریز تالاب مدل‌سازی شده‌اند. یک DEM توپوگرافی، فرورفتگی‌های زمینی بیشتری را نشان می‌دهد، که عمدتاً ناشی از انسداد جریان در نزدیکی جاده‌ها است، تا یک DEM هیدرولوژیکی.

شکل 4. حوضه های آبریز و خطوط زهکشی شبیه سازی شده برای منطقه مدل سازی 1. ( الف ) اطلاعات کانال را در بر نمی گیرد، و ( ب ) اطلاعات آبریز را در مدل سازی گنجانده است.

شکل 5. حوضه های آبریز و خطوط زهکشی شبیه سازی شده برای منطقه مدل سازی 2. ( الف ) اطلاعات آبریز را در بر نمی گیرد و ( ب ) اطلاعات آبریز را در مدل سازی گنجانده است.

جدول 3. حجم‌های ذخیره‌سازی فرورفتگی شبیه‌سازی‌شده با استفاده از مدل‌های ارتفاعی رقومی مشتق‌شده از LiDAR (DEM) با (DEM Hydrologic) یا بدون (DEM توپوگرافی) اطلاعات مخزن (واحد: m3) گنجانده شده ^است .

در منطقه 2، حوضه های شبیه سازی شده با استفاده از DEM های توپوگرافی و هیدرولوژیکی مشتق از LiDAR اندازه های متفاوتی داشتند. در DEM هیدرولوژیکی، حوضه آبریز تالاب به بخش شمالی منطقه مورد مطالعه گسترش یافت، زیرا جاده با سوزاندن پلک ها شکسته شد. اما بدون سوختن، جاده به عنوان یک شکاف دیجیتالی از حوضه ها عمل می کند ( شکل 5 را ببینید ). مشابه منطقه 1، DEM سوزانده شده با پلک، خطوط زهکشی را ایجاد کرد که به خوبی با کانال های زهکشی همسو بودند، در حالی که خطوط زهکشی که با استفاده از DEM توپوگرافی مشتق شده از LiDAR مدل شده بودند، از کانال های قابل شناسایی بر اساس تفسیر تصاویر هوایی پیروی نمی کردند.

4. بحث و گفتگو

4.1. تأثیرات سازه های زهکشی بر مدلسازی هیدرولوژیکی

نتایج مدل‌سازی نشان‌داده‌شده در مطالعه موردی، این فرضیه را تأیید کرد که سوزاندن سازه‌های هیدرولیکی، مانند آب‌گذرهای جاده، می‌تواند بر مدل‌سازی هیدرولوژیکی با استفاده از DEM‌های مشتق‌شده از LiDAR تأثیر بگذارد. شبیه سازی انجام شده در منطقه 2 نشان می دهد که اندازه حوضه را می توان با ادغام آبریزها در DEM های توپوگرافی مشتق شده از LiDAR تحت تاثیر قرار داد. برای هر دو منطقه مدل‌سازی‌شده، خطوط زهکشی شبیه‌سازی‌شده به خوبی با مکان‌های پلک‌هایی که در DEM‌های توپوگرافی مشتق‌شده از LiDAR سوزانده شده‌اند، همسو می‌شوند. DEM های توپوگرافی (بدون سوختن پلک ها) منجر به خطوط زهکشی با قرارگیری نادرست می شود، زیرا فرآیند پر کردن سینک ها ناشی از انسداد جاده باعث می شود جریان سطحی مداوم ایجاد شود که در مکان های اشتباه بر روی جاده ها ریخته شود یا به طور نامنظم در امتداد خندق های جاده تغییر مسیر دهد [ 15 ]]. برای هر دو منطقه، DEM های بدون پرچک های سوزان منجر به فرورفتگی های بیشتری شد، که بیشتر آنها توسط جاده ها محدود بودند.

اگرچه DEM های توپوگرافی مشتق شده از LiDAR وضوح و دقت عمودی بالایی دارند، زبری سطح بیشتر منجر به الگوهای پیچیده تر تجمع جریان می شود و چالش هایی را برای نقشه برداری خودکار کانال زهکشی ایجاد می کند [ 10 ]. در مقایسه با یک DEM هیدرولوژیکی، جاده های درجه بندی شده موجود در DEM های توپوگرافی می توانند بر عبور جریان های آب تأثیر بگذارند [ 15 ، 31]. مطالعه موردی نشان داد که یک DEM هیدرولوژیکی مشتق از LiDAR که با سوزاندن ساختارهای زهکشی به بهترین شکل در مدل‌سازی هیدرولوژیکی ایجاد می‌شود. در سطح کلان، ترکیب ساختارهای زهکشی در DEM های توپوگرافی مشتق از LiDAR، دقت تعیین مرز حوضه را بهبود بخشید. برای مثال، مرز شمالی حوضه 1006 با جاده ای در DEM توپوگرافی در منطقه 2 شبیه سازی شد ( شکل 5 ). پس از ادغام چاله، حوضه آبریز در امتداد آن جاده منحل شد و به سمت شمال تغییر مکان داد. در سطح خرد، هر دو شکل 4 و شکل 5تفاوت‌های دقیق در مسیرهای زهکشی مدل‌سازی شده در مکان‌های منتخب کولور را نشان داد. پس از سوختن DEM توپوگرافی مشتق از LiDAR، آن جاده ها برای عبور جریان از زیر جاده ها شکسته شدند.

دقت مشتقات آب های سطحی نه تنها با کیفیت DEM ها مرتبط است، بلکه می تواند تحت تاثیر داده های ساختار زهکشی فرعی با کیفیت بالا قرار گیرد. با افزایش دسترسی به داده های ساختار زهکشی، مشتقات آب سطحی را می توان با دقت بهبود یافته شبیه سازی کرد. این مطالعه موردی فرض می‌کرد که داده‌های مربوط به همه پلک‌های اطراف تالاب‌ها به طور جامع جمع‌آوری شده بود. با این حال، به طور بالقوه ممکن است برخی از پلک ها وجود داشته باشند که در طول جمع آوری داده ها کشف نشده باشند، زیرا بسیاری از پلچک های جاده پوشیده از پوشش گیاهی متراکم ساحلی یافت شدند. علاوه بر این، عدم تطابق بین دوره‌های زمانی که NWI، تصاویر هوایی و مجموعه داده‌های DEMs مشتق‌شده از LiDAR پوشش می‌دهند، می‌تواند به طور بالقوه عدم قطعیت‌هایی را برای مشتقات آب سطحی شبیه‌سازی‌شده ایجاد کند. مثلا، مسیرهای زهکشی شبیه‌سازی‌شده در سطح مزرعه می‌تواند از مسیرهای قابل شناسایی بصری در جدیدترین تصاویر هوایی به دلیل عملیات کشاورزی مانند تسطیح زمین که پس از جمع‌آوری داده‌های LiDAR انجام شده است، متفاوت باشد. برخی از تالاب های فهرست شده در NWI در طی بازدید از سایت صحرایی تا حدی به زمین زراعی تبدیل شده اند. با این حال، این موضوعات مورد توجه این مطالعه قرار نگرفت. کار آتی بر توسعه شاخص‌های کمی متمرکز خواهد بود که می‌توانند برای محاسبه کمی بهبود حاصل از سوزاندن آب‌چک مورد استفاده قرار گیرند. این موضوعات مورد توجه این مطالعه نبودند. کار آتی بر توسعه شاخص‌های کمی متمرکز خواهد بود که می‌توانند برای محاسبه کمی بهبود حاصل از سوزاندن آب‌چک مورد استفاده قرار گیرند. این موضوعات مورد توجه این مطالعه نبود. کار آتی بر توسعه شاخص‌های کمی متمرکز خواهد بود که می‌توانند برای محاسبه کمی بهبود حاصل از سوزاندن آب‌چک مورد استفاده قرار گیرند.

4.2. راه های بالقوه برای تولید DEM های هیدرولوژیکی مشتق از LiDAR

اثرات پل‌ها یا پل‌ها بر عدم قطعیت مدل‌سازی هیدرولوژیکی به خوبی مشاهده و مستند شده است [ 7 , 15 , 17 , 31]. یک راه حل معمولی استفاده از اجرای هیدرولوژیکی با استفاده از ویژگی های جریان شناخته شده است. برای یک DEM با وضوح درشت تر (10 متر یا 30 متر)، مجموعه داده NHD اغلب به عنوان خط شکن دیجیتالی برای اعمال مسیرهای زهکشی از طریق آن بسترها یا پل ها استفاده می شود. با این حال، این روش به طور کلی برای سوزاندن DEM های توپوگرافی مشتق شده از LiDAR ناکارآمد است، زیرا (1) مجموعه داده NHD دارای دقت فضایی بسیار پایین تری نسبت به DEM های مشتق شده از LiDAR است و اغلب با کانال های واقعی همسو می شود. (2) مجموعه داده NHD برای ویژگی های زهکشی جزئی در سطح مزرعه در دسترس نیست (به عنوان مثال، این منطقه مطالعه). و (3) مجموعه داده NHD، در مقایسه با مجموعه داده LiDAR، قدیمی و از نظر زمانی ناسازگار است. همچنین، به خوبی پیش بینی می شود که نقشه برداری از ویژگی های زهکشی جزئی بسیار وقت گیر و از نظر اقتصادی غیرممکن است. از این رو،

در مقایسه با نقشه‌برداری ویژگی‌های زهکشی جزئی، استفاده از داده‌های ساختار زهکشی از نظر اقتصادی نسبتاً امکان‌پذیر و کاربردی به نظر می‌رسد. روش‌های مختلفی برای شناسایی پل‌ها یا پل‌ها و شکستن سدهای دیجیتال روی DEM‌های توپوگرافی مشتق‌شده از LiDAR در رویکردهای خودکار یا نیمه خودکار پیشنهاد شده‌اند [ 15 ، 32 ]. پوپنگا و همکاران [ 15] روش زهکشی انتخابی را پیشنهاد کرد که عمیق ترین سلول را در داخل یک فرورفتگی در بالادست انسداد جریان و نزدیکترین مکان پایین دست با ارتفاع کمتر از عمیق ترین سلول را شناسایی می کند. با این حال، فرض این روش که عمیق ترین سلول در یک فرورفتگی با محل عبور رواناب مطابقت دارد، ممکن است به طور کلی درست نباشد. در مورد پلک های نصب شده بین خندق های جاده، عمیق ترین نقاط ممکن است با گذرگاه های آب مطابقت نداشته باشد. علاوه بر این، این روش به ترتیب شناخته شده پایین دست فرورفتگی‌های ناشی از بسترهای برآمده جاده نیاز دارد، که در بسیاری از موارد به طور خودکار قابل شناسایی نیست. شیس و همکاران [ 32] یک ابزار تعاملی مبتنی بر ArcGIS، CULvert Locator برای کاهش رسوب (CULSED)، برای طراحی بهینه محل تقاطع پلک برای کمک به کاهش بار رسوب به شبکه رودخانه پیشنهاد کرد. با این حال، این ابزاری برای مکان یابی بهینه پلچک ها است و ویژگی های هیدرولوژیکی محلی ممکن است نیازی به نصب کولورت ها بر اساس قوانین نداشته باشد [ 31 ]. رویکردهای فشرده داده معمولاً به مجموعه ای از مختصات مکانی دقیق سازه های هیدرولیکی نیاز دارند. باربر و شورتریج [ 7] از نسخه ای از DEM توپوگرافی مشتق شده از LiDAR استفاده کرد که از آن موانع جریان به صورت دستی برای مدل سازی حوضه برداشته شد. اگرچه کار فشرده است، اما رویکرد مبتنی بر داده، مزیت انعکاس واقعیت هیدرولوژیکی یک منظره را دارد. در این مطالعه، روشی برای تولید DEM های هیدرولوژیکی مشتق از LiDAR پیشنهاد شد که شامل جمع آوری داده های سازه های زهکشی، پیش پردازش داده ها و سوزاندن سازه های زهکشی می شود.

روش پیشنهادی در این مطالعه می‌تواند مدل‌سازی هیدرولوژیکی را با مزایای زیر بیشتر کند: (1) می‌تواند مکان‌های دقیق گذرگاه‌های زهکشی را از طریق جاده‌ها یا پل‌ها به‌گونه‌ای که برای سوزاندن DEM‌های توپوگرافی مشتق‌شده از LiDAR مفید باشد، مشخص کند. (2) می تواند مجموعه داده ساختار زهکشی با کیفیت تضمین شده تولید کند که می تواند برای مدیریت و نگهداری سازه های زهکشی مفید باشد. (3) می تواند به طور بالقوه به عنوان ویژگی های خط شکست برای تولید DEM های هیدرولوژیکی مشتق شده از LiDAR به طور مستقیم از ابرهای نقطه LiDAR استفاده شود. و (4) می توان از آن برای شبیه سازی سناریوهایی استفاده کرد که یک یا چند آبریز توسط رسوب گذاری یا ساقه ذرت مسدود شده و رواناب های سطحی غرق شده و از فرورفتگی ها بیرون می ریزند.15 ]. شکل 6 تصاویری از پلک هایی را نشان می دهد که در منطقه مورد مطالعه تا حدی سیلو شده بودند.

شکل 6. آبریزهای گل و لای شده توسط ( الف ) ساقه ذرت و ( ب ) رسوب.

یک نقطه ضعف روش پیشنهادی هنوز هزینه های نسبتاً بالاتر جمع آوری داده ها است. با این حال، این هزینه به طور بالقوه می تواند از طریق ساخت یک سیستم اطلاعاتی ساختار زهکشی توسط یک تلاش هماهنگ چند سازمانی در قالب اشتراک هزینه پرداخته شود. آن سازمان‌های دولتی که مسئول نصب و نگهداری سازه‌های زهکشی، مدیریت خطر سیل و حفاظت/احیای تالاب هستند، می‌توانند از جمله اعضای شرکت‌کننده در این تلاش جمع‌آوری داده باشند.

4.3. دیدگاه‌های آینده در مجموعه داده‌های ساختار زهکشی ملی یا سراسری

در مطالعه موردی، به جای مجموعه داده‌های موجود برای این منطقه، از داده‌های پلک جمع‌آوری‌شده در میدان استفاده شد. مقایسه مجموعه داده‌های کانال موجود و ارتفتو دیجیتال FSA نشان می‌دهد که داده‌های کانال موجود حاوی چند مشکل کیفی جدی برای مدل‌سازی هیدرولوژیکی است. مسائل کیفیت شامل: (1) موجودی های ناقص، به عنوان مثال، برخی از مکان های پلک در مجموعه داده گنجانده نشدند. (2) مکان های جغرافیایی نادرست، به عنوان مثال، برخی از پلک ها دورتر از جاده ها قرار داشتند. (3) یک نقطه واحد نشان دهنده یک ساختار زهکشی دو بعدی است و ساختارهای زهکشی باید به صورت دستی به عنوان خطوطی برای اجرای هیدرولوژیکی دیجیتالی شوند. (4) فقدان ویژگی های هندسی کلیدی مانند قطر و عمق آبچکان. (5) سوابق تكراري كولورت. و (6) فقدان ابرداده در مورد نام فیلدها. علاوه بر این، در دسترس بودن داده ها نیز یک مسئله ضروری است که باید مورد توجه قرار گیرد. برای مثال، در میان 23 شهرستان در جنوب مرکزی نبراسکا، تنها دو شهرستان دارای پوشش داده‌ای از سازه‌های زهکشی با مسائل کیفی ذکر شده هستند. مشکلات مشابهی برای سایر مکان های جغرافیایی نیز گزارش شده است [ 15]. مجموعه داده‌های ساختار زهکشی فعلی توسط سطوح مختلف سازمان‌های دولتی مسئول ساخت و نگهداری جاده‌های شهرستانی، ایالتی و فدرال نگهداری می‌شوند. با این حال، هیچ مجموعه داده یا پایگاه داده ای جامع و تضمین شده با کیفیت وجود ندارد که تمام مخزن های مربوط به مقامات مدیریتی مختلف را در خود جای دهد. با افزایش محبوبیت و در دسترس بودن DEM های توپوگرافی مشتق شده از LiDAR، ممکن است ایجاد ابتکاری برای جمع آوری و گردآوری یک مجموعه داده ساختار زهکشی در سطح ایالتی یا حتی ملی با تضمین کیفیت ضروری باشد. ضرورت و کاربرد ساخت چنین مجموعه داده ساختار زهکشی تا حدی از طریق مطالعه موردی نشان داده شد.

در ایجاد یک مجموعه داده ساختار زهکشی در مقیاس وسیع، پل‌ها و پل‌ها باید از طریق تلاش‌های مشترک چند سازمانی بررسی و جمع‌آوری شوند تا مهم‌ترین ویژگی‌ها حفظ شود و در عین حال استفاده‌های آن به حداکثر برسد. مجموعه داده حداقل باید شامل شناسه های منحصر به فرد، مختصات جغرافیایی دقیق بررسی شده و پارامترهای مقطعی حیاتی مانند قطر و عمق باشد. سایر ویژگی های بالقوه می تواند شامل پارامترهای طراحی سازه های زهکشی، بسته به اهداف و وظایف آژانس های تامین مالی باشد. ساختارهای زهکشی باید در سطحی از دقت بررسی شوند که با DEM های مشتق شده از LiDAR مطابقت داشته باشد تا به بهترین وجه کاربردهای هیدرولوژیکی را ارائه دهد. در حال حاضر، تلاش‌های بسیار کمی برای توسعه داده‌های مخزن با کیفیت تضمین شده در سطح ملی یا ایالتی انجام شده است که بازتاب تلاش‌های فزاینده برای جمع‌آوری داده‌های LiDAR است. در میان نمونه‌های پراکنده، کمیته فرعی تحقیقات و آموزش LiDAR کمیته ارتفاع دیجیتال مینه‌سوتا، راهنمای موقتی در مورد کسب داده‌های جغرافیایی Culvert منتشر کرد که مشخصات دقیقی را در مورد نمایش ویژگی، توصیف ویژگی‌ها و دامنه‌ها، دقت موقعیت، روش‌های اکتساب و کامل بودن و نگهداری پیشنهاد می‌کرد. [33 ]. تحقیقات و سرمایه گذاری بیشتری برای ایجاد یک مجموعه داده با کیفیت بالا نیاز است.

بر اساس این مطالعه موردی، یک الگوی مقدماتی برای ویژگی‌های مجموعه داده‌های مخزن با کیفیت ارائه شده است که در جدول 4 نشان داده شده است.. مجموعه داده را می توان با استفاده از یک مدل داده از ویژگی های نقطه برداری با همان شناسه ساختار برای ورودی/خروجی جفت شده یک آبچکان و نقاط مرکزی لبه های پل جمع آوری و کامپایل کرد. در مقایسه با یک نقطه پلک منفرد، نقاط جفت می‌توانند ویژگی‌های هندسی منحصربه‌فرد برای هر طرف سازه را ذخیره کنند و اجازه می‌دهند جهت گیری و طول کانال را همانطور که در این مطالعه موردی نشان داده شده است، استخراج کنیم. مجموعه داده همچنین باید به طور مرتب به روز شود تا واقعیت میدانی را منعکس کند. به عنوان مثال، اگر یک پلک توسط رسوب گذاری مسدود شده باشد یا با پلک های جدید جایگزین شود، اطلاعات ویژگی باید به روز شود. در پایان، ابرداده باید برای مجموعه داده مطابق با استانداردهای فراداده ISO [ 34 ] توسعه یابد.

جدول 4. الگوی ویژگی های اصلی مجموعه داده ساختار زهکشی.

در آینده، با افزایش دسترسی به خطوط شکست و قابلیت نرم افزار GIS برای پردازش ابرهای نقطه LiDAR، ممکن است ترجیح داده شود که DEM های هیدرولوژیکی مشتق شده از LiDAR مستقیماً از ابرهای نقطه LiDAR و خطوط شکست بررسی شده دقیق تولید شوند. مقامات یا فروشندگان داده ممکن است DEM های مشتق شده از LiDAR را در هر دو نسخه توپوگرافی و هیدرولوژیکی تولید کنند.

5. نتیجه گیری ها

یافته‌های این مطالعه از این فرضیه پشتیبانی می‌کند که سوزاندن سازه‌های زهکشی می‌تواند به مشتقات آب سطحی شبیه‌سازی‌شده از DEM‌های توپوگرافی مشتق‌شده از LiDAR کمک کند. این مطالعه سودمندی و ضرورت یک مجموعه داده ساختار زهکشی تضمین شده با کیفیت را برای مدل‌سازی هیدرولوژیکی با استفاده از DEM‌های توپوگرافی مشتق شده از LiDAR نشان می‌دهد. یک مطالعه موردی برای مقایسه مشتقات آب سطحی از مدل‌سازی هیدرولوژیکی با یا بدون پلک‌های سوزان در DEM‌های توپوگرافی مشتق‌شده از LiDAR انجام شد، که نشان داد که سوزاندن پلک‌ها می‌تواند حوضه‌های شبیه‌سازی شده، مسیرهای زهکشی و حجم ذخیره‌سازی فرورفتگی را بهبود بخشد. یک قالب بالقوه از چنین مجموعه داده ای نیز در این مطالعه پیشنهاد شد. اگرچه این مطالعه بیشتر بر کاربردهای هیدرولوژیکی در مقیاس محلی متمرکز بود،

با تلاش‌های بی‌سابقه برای ارتقای در دسترس بودن DEM‌های توپوگرافی مشتق شده از LiDAR در سطح ملی (به عنوان مثال، مجموعه داده ملی LiDAR) [ 35]، هنوز کمبود کلی DEM های هیدرولوژیکی مشتق از LiDAR برای کاربردهای هیدرولوژیکی وجود دارد. برای پرداختن به مشکلات هیدرولوژیکی سطح میدانی همانطور که در این مطالعه نشان داده شد، توسعه و تقویت مجموعه داده‌های ساختارهای زهکشی کمکی که با دقت و وضوح DEM‌های توپوگرافی مشتق شده از LiDAR مطابقت دارند، مهم است. در دسترس بودن داده‌های ساختار زهکشی تضمین شده با کیفیت ممکن است به گلوگاه کاربرد گسترده‌تر LiDAR توسط جامعه علمی هیدرولوژیکی تبدیل شود. در آینده، ممکن است بودجه بیشتری برای تخصیص به مجموعه خطوط شکست هیدرولوژیکی با وضوح بهتر به جای بهبود دقت LiDAR مورد نیاز باشد. در عصر جدید با افزایش در دسترس بودن DEM های توپوگرافی مشتق از LiDAR، ایجاد یک مجموعه داده ساختار زهکشی ملی یا سراسری می تواند در هماهنگی با تلاش های ملی LiDAR ضروری باشد.35 ] برای برنامه ریزان کاربری زمین، هیدرولوژیست ها، مدیران منابع آب و مهندسان عمران. برای پیشبرد توسعه DEM های هیدرولوژیکی مشتق شده از LiDAR، هنوز به کارهای بیشتری مربوط به نیازها و تکنیک های جمع آوری این مجموعه داده ها نیاز است.

منابع

ژانگ، دبلیو. مونتگومری، اندازه شبکه مدل ارتفاع دیجیتال DR، نمایش چشم‌انداز، و شبیه‌سازی‌های هیدرولوژیکی. منبع آب Res. 1994 ، 30 ، 1019-1028. [ Google Scholar ] [ CrossRef ]
Maidment، D. Arc Hydro: GIS for Water Resources ; ESRI Press: Redlands، CA، USA، 2002. [ Google Scholar ]
وکسلر، عدم قطعیت‌های SP مرتبط با مدل‌های ارتفاعی دیجیتال برای کاربردهای هیدرولوژیکی: یک بررسی. هیدرول. سیستم زمین علمی 2007 ، 11 ، 1481-1500. [ Google Scholar ] [ CrossRef ]
کنوارد، تی. اثرات دقت مدل ارتفاعی دیجیتال بر پیش‌بینی‌های هیدرولوژیکی. سنسور از راه دور محیط. 2000 ، 74 ، 432-444. [ Google Scholar ] [ CrossRef ]
Gesch, DB مجموعه داده ملی ارتفاع. In Digital Elevation Model Technologies and Applications: The DEM Users Manual , 2nd ed.; Maune, D., Ed. انجمن آمریکایی فتوگرامتری و سنجش از دور: Bethesda، MD، ایالات متحده آمریکا، 2007; صص 99-118. [ Google Scholar ]
Omer, CR; نلسون، ای جی. زوندل، AK تأثیر تفکیک داده‌های متنوع بر مدل‌سازی هیدرولیک و ترسیم دشت سیلابی. مربا. منبع آب دانشیار 2003 ، 39 ، 467-475. [ Google Scholar ] [ CrossRef ]
باربر، CP; شورتریج، A. داده های ارتفاعی لیدار برای مدل سازی هیدرولوژیکی سطح: مسائل تفکیک و نمایش. کارتوگر. Geogr. Inf. علمی 2005 ، 32 ، 401-410. [ Google Scholar ] [ CrossRef ]
لین، CR; D’Amico، E. محاسبه خدمات اکوسیستمی ذخیره آب در تالاب های جدا شده با استفاده از LiDAR در شمال مرکزی فلوریدا، ایالات متحده. Wetlands 2010 , 30 , 967-977. [ Google Scholar ] [ CrossRef ]
جونز، KL; پول، جی سی. O’Daniel، SJ; مرتس، LAK; استنفورد، JA هیدرولوژی سطحی مناظر کم برجسته: ارزیابی امپدانس جریان آب سطحی با استفاده از مدل‌های ارتفاعی دیجیتال مشتق شده از LIDAR. سنسور از راه دور محیط. 2008 ، 112 ، 4148-4158. [ Google Scholar ] [ CrossRef ]
لیندسی، JB حساسیت تکنیک‌های نقشه‌برداری کانال به عدم قطعیت در داده‌های ارتفاعی دیجیتال. بین المللی جی. جئوگر. Inf. علمی 2006 ، 20 ، 669-692. [ Google Scholar ] [ CrossRef ]
مورفی، PNC؛ اوگیلوی، جی. منگ، FR؛ مدل‌سازی شبکه Arp، P. Stream با استفاده از مدل‌های ارتفاع دیجیتال LiDAR و فتوگرامتری: مقایسه و تأیید میدانی. هیدرول. روند. 2008 ، 22 ، 1747-1754. [ Google Scholar ] [ CrossRef ]
لانگ، ام. مک دونا، او. مک کارتی، جی. اوسترلینگ، آر. Wilen، B. تشخیص پیشرفته اتصال تالاب به جریان با استفاده از LiDAR. Wetlands 2012 , 32 , 461-473. [ Google Scholar ] [ CrossRef ]
گالا، تی اس؛ Melesse، AM مانیتورینگ منطقه مرطوب دشتزار با LANDSAT ETM+، RADARSAT-1 SAR و داده های جانبی LIDAR. CATENA 2012 ، 95 ، 12-23. [ Google Scholar ] [ CrossRef ]
پتروسلی، A. داده های LIDAR و کاربردهای هیدرولوژیکی در مقیاس حوضه. GIScience Remote Sens. 2012 ، 49 ، 139-162. [ Google Scholar ] [ CrossRef ]
Poppenga، SK; Worstell، BB; استوکر، جی.ام. Greenlee، SK با استفاده از روش‌های زهکشی انتخابی برای استخراج جریان سطحی پیوسته از داده‌های ارتفاعی دیجیتال 1 متری مشتق از LiDAR . گزارش تحقیقات علمی سازمان زمین شناسی ایالات متحده 2010-5059; سازمان زمین شناسی ایالات متحده: Reston، VA، ایالات متحده آمریکا، 2010. [ Google Scholar ]
دوک، جی دی. Kienzle، SW; جانسون، دی.ال. Byrne, JM ترکیب داده های کمکی برای اصلاح مسیرهای جریان زمینی اصلاح شده انسانی. هیدرول. روند. 2006 ، 20 ، 1827-1843. [ Google Scholar ] [ CrossRef ]
کوک، ا. Merwade, V. اثر داده های توپوگرافی، پیکربندی هندسی و رویکرد مدل سازی بر نقشه برداری سیلاب. جی هیدرول. 2009 ، 377 ، 131-142. [ Google Scholar ] [ CrossRef ]
هوانگ، اس. یانگ، سی. فنگ، ام. هایدمن، ک. کوشینگ، ام. Mushet، DM; لیو، اس. نمایش یک مدل مفهومی برای استفاده از LiDAR برای بهبود برآورد پتانسیل کاهش سیلاب تالاب های منطقه پریری پوتول. جی هیدرول. 2011 ، 405 ، 417-426. [ Google Scholar ] [ CrossRef ]
شاو، دی. واندرکمپ، جی. Conly، FM; پیترونیرو، آ. Martz، L. هیدرولوژی پر نشت مجتمع های تالاب دشت در طول خشکسالی و سیل. هیدرول. روند. 2012 ، 26 ، 3147-3156. [ Google Scholar ] [ CrossRef ]
Hellweger, R. AGREE-DEM Surface Reconditioning System. در دسترس آنلاین: http://www.ce.utexas.edu/prof/maidment/gishydro/ferdi/research/agree/agree.html (دسترسی در 20 ژوئیه 2013).
آموا، JKO؛ آماتیا، دی.م. نناجی، س. کمی سازی ذخیره سازی فرورفتگی سطح حوضه: تعیین و کاربرد در یک مدل هیدرولوژیکی. هیدرول. روند. 2013 ، 27 ، 2401-2413. [ Google Scholar ] [ CrossRef ]
تانگ، ز. لی، آر. لی، ایکس. جیانگ، دبلیو. هیرش، الف. گرفتن پارامترهای فضایی هیدرولوژیکی مشتق از LiDAR برای ارزیابی تالاب های پلایا. مربا. منبع آب دانشیار 2013 . [ Google Scholar ] [ CrossRef ]
جنسون، SK; Domingue, JO استخراج ساختار توپوگرافی از داده های ارتفاعی دیجیتال برای تجزیه و تحلیل سیستم اطلاعات جغرافیایی. فتوگرام مهندس Remote Sens. 1988 , 54 , 1593-1600. [ Google Scholar ]
Stutheit، RG; گیلبرت، ام سی; Whited، PW; Lawrence, KL کتاب راهنمای منطقه‌ای برای بکارگیری رویکرد هیدروژئومورفیک برای ارزیابی عملکرد تالاب‌های تالاب‌های فرورفته حوضه آب باران در نبراسکا . گزارش شماره ERDC/EL TR-04-4; محصولات مهندسین ارتش ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 2004. [ Google Scholar ]
LaGrange، T. راهنمای تالاب های نبراسکا و نیازهای حفاظتی آنها . کمیسیون بازی و پارک نبراسکا: لینکلن، NE، ایالات متحده آمریکا، 1997. [ Google Scholar ]
Pezzolesi، TP; Zartman، RE; ماهی، EB; هیکی، مواد مغذی MG در تالاب پلایا دریافت کننده فاضلاب. جی. محیط زیست. کیفیت 1998 . [ Google Scholar ] [ CrossRef ]
برنان، EK متغیرهای سطح محلی و منظر تأثیرگذار بر فراوانی، تنوع، رفتار و ساختار جامعه پرندگان مهاجر در تالاب‌های حوضه آب باران. Ph.D. پایان نامه، دانشگاه فناوری تگزاس، Lubbock، TX، ایالات متحده، 2006. [ Google Scholar ]
دپارتمان منابع طبیعی نبراسکا جنوب مرکزی نبراسکا—LIDAR 2013. در دسترس آنلاین: http://dnr.ne.gov/floodplain/lidar.html (در 12 ژوئن 2013 قابل دسترسی است).
خدمات ماهی و حیات وحش ایالات متحده دانلود Seamless Wetlands Data 2013. در دسترس آنلاین: http://www.fws.gov/wetlands/Data/Data-Download.html (در 20 مه 2013 قابل دسترسی است).
تانگ، ز. لی.، ایکس. ژائو، ن. لی، آر. هاروی، FE توسعه یک شاخص تالاب قابل احیا برای تالاب های حوضه آب باران در جنوب مرکزی نبراسکا: یک تحلیل فضایی چند معیاره. تالاب ها 2012 ، 32 ، 975-984. [ Google Scholar ] [ CrossRef ]
دوک، جی دی. Kienzle، SW; جانسون، دی.ال. Byrne, JM بهبود مسیریابی جریان زمینی با ترکیب داده های جاده ای کمکی در مدل های ارتفاعی دیجیتال. جی. اسپات. هیدرول. 2003 ، 3 ، 1-27. [ Google Scholar ]
شیس، پی. کروگستد، اف. دامیان، اف. تعیین مکان گذرگاه‌های امداد خندق برای کاهش رسوب‌رسانی به جریان‌ها – یک ابزار طراحی تعاملی. در مجموعه مقالات دوازدهمین کنفرانس بین المللی چوب بری کوهستان، ونکوور، پیش از میلاد، کانادا، 13 تا 16 ژوئن 2004.
کمیته فرعی تحقیق و آموزش LiDAR کمیته ارتفاع دیجیتال مینه سوتا. راهنمای موقت در کسب داده های جغرافیایی Culvert 2011. راهنمای موقت در کسب داده های جغرافیایی Culvert. در دسترس آنلاین: http://www.mngeo.state.mn.us/committee/elevation/research_education/Interim_Guidance_Culvert_Data.pdf (دسترسی در 20 ژوئیه 2013).
کمیته داده های جغرافیایی فدرال استانداردهای فراداده جغرافیایی ISO: وضعیت و روابط 2013. موجود به صورت آنلاین: http://www.fgdc.gov/metadata/events/ISO_Implementation_Webinar/pdf/FedISOMetaWebinar_ISOSstandardsRelations_Wayne_20130423 در 123 ژوئیه (access).
استوکر، جی. هاردینگ، دی. Parrish, J. نیاز به مجموعه داده ملی Lidar. فتوگرام مهندس Remote Sens. 2008 , 74 , 1066-1068. [ Google Sch
olar ]© 2013 توسط نویسندگان; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (http://creativecommons.org/licenses/by/3.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب