一种改进的卫星影像粒子速度（PIV）技术与基于图形的骨架化相结合的工作流程，用于诊断受调控的过渡性河流中的水流迁移模式

《Computers & Geosciences》：An enhanced satellite PIV and graph-based skeletonization workflow for diagnosing migration regimes in regulated transitional rivers

　　宋晓龙|冯汉|徐海珏|白宇川
天津大学水利工程智能建造与运行国家重点实验室，天津，300354，中国

**摘要**
理解过渡性河岸形态下河岸迁移的空间控制机制——在这种形态中，河宽的振荡与有限的多条河道组织共存——需要一种能够感知尺度、对拓扑敏感且对边界定义不确定性具有鲁棒性的诊断方法。现有的遥感方法缺乏整合亚像素位移估计、图论河道网络分解和不确定性传播的统一工作流程。我们提出了一种开源工作流程，具有以下三个创新点：
(1) 多角度卫星粒子图像测速（PIV）技术，采用严格的仿射地理配准方式，以消除标量像素尺寸的近似并减少方向性偏差；
(2) 基于图的河道聚合方法，利用并查集（Union-Find）聚类和有向无环图（DAG）最长路径提取技术，将RivGraph骨架转化为沿河道坐标s的连续河道尺度参数，包括河宽B(s)、曲率C(s)和法向迁移率Mn(s)；
(3) 多掩膜不确定性传递机制，用于传播水检测阈值的敏感性。
我们在巴西Juruá河的一个自由演变的基准河段以及中国两条受调控的黄河河段上验证了这一方法的有效性。研究结果表明，多角度PIV技术提高了矢量信息的保留率和物理模型的可靠性。黄河河段的对比实验显示，当河道宽度主导迁移过程时（即河道尺度上的宽度-迁移耦合超过曲率-迁移耦合时），系统表现出高迁移率特征；而在曲率主导的、低迁移率条件下（即侧向约束抑制了由宽度变化引起的变化），这种结构差异在不同掩膜层间仍然存在。这些依赖于尺度的诊断指标（如有效河道数量Neff、自相关长度尺度以及互相关滞后结构）为表征受调控过渡性河流的形态动力学提供了基于不确定性的分析框架。

**代码和样本数据：**
https://github.com/sxlong2022/transitional-river-piv

**引言**
在弯曲河流中，河岸迁移传统上被视为一个受曲率驱动的过程，其中次级水流在河岸附近集中剪切应力，进而促进河岸外侧的侵蚀（Blanckaert和De Vriend，2004；Hickin和Nanson，1984）。然而，过渡性河岸形态（表现为千米级河宽振荡和有限但持续存在的多条河道组织）打破了恒定宽度、单条河道模型的假设：自发的河宽扩大可以触发河道中沙洲的形成，并通过沙洲改变水流方向，使迁移过程与局部河宽变化及曲率变化紧密相关（Crosato和Mosselman，2009；Monegaglia等人，2019；Zolezzi等人，2012）。当这些河流通过侧向约束和水文条件的改变而进一步受到调控时，这些竞争因素的相对重要性可能会发生重组（Brown和Paternack，2017；Hooke，2023），但仅通过观测数据难以准确描述由此产生的形态动力学层次结构。尽管近年来遥感技术（尤其是卫星粒子图像测速（PIV）和基于图的河道骨架化方法）在追踪河岸迁移方面取得了显著进展，但在解决这些竞争因素方面仍面临三个相互关联的方法论限制。
首先，PIV技术从连续的水面掩膜中提取空间连续的位移场（Chadwick等人，2023a），但通常采用固定的观测角度（0°旋转），这可能导致当位移方向与图像网格对齐时产生峰值锁定偏差（Christensen，2004；Westerweel和Scarano，2005）。其次，将像素位移转换为物理迁移率（m/yr）通常依赖于忽略图像地理变换中非对角项的标量像素尺寸近似。虽然像Landsat这样的典型传感器具有名义上的正方形像素（例如，在局部UTM投影中的30×30米），但在大河流域汇总这些数据或将它们导出到地理/区域坐标系统中时，常常会导致像素尺寸的方向不一致，或引入微小的旋转分量（非对角项），从而在投影时产生系统性的方向偏差。第三，基于图的河道骨架化工具（如RivGraph）虽然可以将多条河道网络分解为链接-节点拓扑结构，但无法将这些链接聚合为具有物理意义的河道尺度参数（其中“河道”被定义为沿河流纵向延伸的连续主导水流路径），也无法计算连续的河道尺度上的河宽、曲率和迁移率序列。因此，对于复杂河岸形态中的宽度-曲率-迁移耦合的定量分析，至今仍缺乏一个统一的、考虑不确定性的计算流程。

在此，我们提出了一个开源计算工作流程，解决了这三个限制问题，能够在明确的边界不确定性范围内对过渡性河流进行多尺度形态动力学诊断。该工作流程具有三个具体贡献：
(1) 多角度PIV技术，采用严格的仿射地理配准。在应用PIV之前，卫星水面掩膜被旋转到四个倾斜角度（0°、15°、30°、45°）；得到的位移向量经过重新调整后，通过方向统计融合，并通过完整的六参数仿射地理变换转换为迁移率，而非简单的标量像素尺寸近似，从而减少了峰值锁定偏差和方向性偏差。
(2) 基于图的河道聚合方法。使用并查集聚类算法将RivGraph的链接端点分组为拓扑节点，构建一个沿主轴（通过主成分分析确定）定向的有向无环图（DAG），并通过迭代路径去除方法提取长度最长的k条河道。对于每一条河道，工作流程计算中心线距离s的连续参数，包括通过法线交点采样的河宽B(s)、通过离散切线角差异计算的曲率C(s)以及通过矢量投影计算的法向迁移率Mn(s)，从而实现仅通过链接-节点骨架无法获得的河道尺度分析。
(3) 多掩膜不确定性传递机制。在整个分析过程中，针对四个不同的水检测阈值（掩膜1-4）重复分析，生成所有衍生量的不确定性范围，并揭示哪些结构差异对边界定义的敏感性具有鲁棒性。

我们在三个具有不同河岸形态复杂性和调控强度的河段上验证了该工作流程的有效性：一个在巴西Juruá河上的自由演变基准河段（用于通过独立河岸变化记录进行一致性验证），以及两个中国黄河的受调控河段（分别代表不同的河道组织形式和侧向约束程度）。应用实例表明，诊断输出（包括有效河道数量Neff、自相关长度尺度、河道尺度上的互相关强度和相位滞后）能够区分在边界不确定性条件下的不同迁移过程。

**研究区域**
本研究关注的是过渡性弯曲河流河段，即那些表现出明显河道宽度振荡和频繁河道重组的河段，同时在弯曲处仍保持可识别的曲率结构。在传统的地貌学文献中，这类河段通常介于单条河道弯曲和完全网状河道系统之间，具有“游荡”河流的特征（即河道形态不规则且不断变化）。

**改进的遥感PIV工作流程**
我们开发了一种改进的粒子图像测速（PIV）工作流程，用于从年度水面掩膜中量化河岸迁移率（见图2）。基于Chadwick等人（2023a）的方法，将PIV应用于二值水面掩膜，以估计连续年度掩膜之间的河岸形态变化和水体特征位移，并将其转换为年化迁移率（m/yr）。在此基础上，我们的实现引入了严格的仿射地理配准技术。

**一致性验证：Juruá河基准测试**
我们首先使用Juruá河基准数据集评估改进的遥感工作流程。该河段提供了一个自然的、自由演变的参考对象，可以用来评估遥感迁移的空间模式和幅度。虽然这不是对绝对迁移率的严格定量验证（这需要全面的现场调查），但这一部分提供了关于工作流程一致性的验证。我们关注三个相互关联的问题：

**讨论**
图8和图9通过结合基于过程的示意图（图8）和跨站点的诊断总结（图9），在河道结果（第4节）与更广泛的方法论和地貌学意义之间建立了解释桥梁。在本节中，我们首先评估工作流程的一致性和敏感性，然后利用这些诊断工具来概念化不同的迁移过程，并将我们的方法与其他现有方法进行比较。

**结论**
本研究提出了一个开源计算工作流程，用于利用卫星图像诊断过渡性弯曲河流的形态动力学特征。主要贡献和发现包括：
(1) 针对复杂河岸形态的计算工作流程，整合了三项算法创新：多角度卫星PIV技术（采用严格仿射地理配准）、基于图的河道聚合（通过并查集聚类和DAG最长路径提取）以及多掩膜不确定性传递机制。

**代码信息**
- 代码/库名称：transitional-river-piv
- 联系人：宋晓龙/[e-mail]
- 硬件要求：标准的台式电脑（建议配备8GB内存及以上）
- 程序语言：Python 3.9（RivGraph特定要求）
- 所需软件：详见requirements.txt（包括numpy、scipy、rasterio、openpiv、rivgraph、geopandas、scikit-image）
- 程序大小：< 50MB（不包括样本数据）
- 源代码链接：https://github.com/sxlong2022/transitional-river-piv
- 许可证：MIT许可证
- Zenodo DOI：//doi.org/10.5281/zenodo.19493042

**关于写作过程中生成式AI和AI辅助技术的声明**
在准备本文期间，作者使用了Gemini-3.0-flash工具来改进语言表达和可读性。使用该工具/服务后，作者根据需要对内容进行了审查和编辑，并对最终发布的文档内容负全责。

**作者贡献声明**
宋晓龙：概念构思、数据整理、形式分析、资金获取、方法设计、初稿撰写及修订；
冯汉：数据调查；
徐海珏：概念构思、资金获取、项目监督；
白宇川：概念构思、项目管理。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文的写作内容。

**致谢**
本研究得到了中国国家自然科学基金（项目编号52409103）和中国国家重点研发计划（项目编号2023YFC3208601）的支持。