通常情况下，制图综合先从河流开始，而河流选取是河流综合中重要的步骤和关键内容之一。河流选取是指从大量河流对象中选择较长、较重要、符合地图主题需要，或能够反映制图区域特点的河流，而舍去与地图内容关系不大的某一条或某几条河流。现有的河流自动选取方法可以分为三类：基于简单数量指标的选取^[1]、基于网络分析、层次化模型的选取^{[2, 3, 4, 5, 6]}、基于知识和智能化的选取^{[7, 8, 9, 10, 11]}。这些研究在不同程度上关注了河流的分布特征在自动选取中的作用，但由于对不同区域河流分布特征考虑得不够,因此选取结果还不能达到令人满意的程度。

河流是具有高度结构化特征的复杂空间数据。河流在空间分布上的空间结构特征通常表现为树枝状、羽毛状、棋盘状等形状，由于河流存在有不同于其他线性地物的平面结构特性，因而在其选取方面也表现出相应的特殊性，而河流拓扑关系的次序特征和连通特性使得河流舍弃的可选择对象局限在外部河流及部分稍高次序的河流。

河网由不同的河系组成，每个河系有自己的源头，有各自的流域影响范围，同一个源头发育的河系由于地质地貌条件的不同，也会发育成型式不同的小河网，这些小河网也有自己的影响范围(流域)。所以说，河流的空间分布很复杂，河网空间分布的复杂性是导致其迟迟不能量化的一个主要原因。为了研究不同类型河网的选取，本文将一个大区域范围内的河流划分到小的互相关联，并且内部形态单一的个体(流域)内。每个流域都可以看作是小个体(河流小集合)的空间分布范围，而河流的选取在每个小流域内分等级进行。

河流自动选取的主要任务是选取能够反映制图区域地理特征的河流，舍去一部分满足分界尺度要求却不满足反映制图区域地理特征要求的河流。因为流域的形状能够反映区域的地理特征，流域又是河流级别、长度、分布密度等几何特征的综合反映，所以本研究提出建立基于流域的河流层次结构模型。因为流域的形状能够反映河网的形态结构^[12]，流域又是河流级别、长度、分布密度等几何特征的综合反映，因此它是河流选取中判断河流分支重要性的关键地理特征因子^{[13, 14, 15, 16]}。所以河流自动选取的首要任务就是获取合适尺度的流域作为相应尺度河流的选取单元。

河流选取需要合理评价各条河流在全局结构上的重要性，这个重要性需要采用等级系统来量化。现有的河流分级系统(Horton、Strahler等)虽然各有自己的特点，但却不适用于河流选取的要求。河流的选取考虑河流分级主要基于以下两点。

1) 可以反映河流的重要性(等级)关系

没有建立等级关系的河网在对其进行综合选取的工作时，面对的是一大组数据，只能依靠河流长度来选取，这样很有可能删掉不该删除的河段，从而导致河流不连续。而经过分级的河网数据不再是一组，而是多组，比较在各个组内进行，只有低等级河流被删除之后，和它相连的高一级河流才有被删除的可能，这样就保证了选取前后河网的连通。

2) 可以对同等级河流进行比较

河流的选取是很复杂的工作，如果没有分级，河网系统就是一些杂乱的河段，无法进行相应的比较。比如如果拿高等级河流和低等级河流进行长度比较，很可能会删除高等级河流(因为高等级河流不是一定比低等级河流长)，这样的选取结果无疑是错误的。因此，只有进行了合理分级的河网，才能在同等级的河流之间根据相应的指标进行比较，选取合适的河流。

现有的河流分级模型主要有两种，一种是基于节点-河段的河流分级，一种是基于主支流的河流分级。

1) 基于节点-河段的河流分级

基于节点-河段的分级是指根据河流流向与河流拓扑网络对河段进行等级划分。在建立河流拓扑关系之后，数据间不再是毫无关系、杂乱无章的存储，而是建立了河段之间的联系，它有助于对水系构成进行进一步分析，也是河流进行主支流结构判断的基础。

图 1是Strahler分级(节点-河段分级)的过程示意。 图 1(a)是基础河网(Strahler分级)，图 1(b)是删除了图 1里所有源河流的河网，这些被删除的河流被定义为一级河段。在图 1(b)中产生的新源河流被定义为二级河段，删除这些二级河段后得到图 1(c)，也就是本河网的第三级河段。

图 1 Strahler分级过程示意图 Fig. 1 Strahler Classification Process Schematic Diagram

图选项

2) 基于主支流的河流分级(Horton)

在Horton的河道等级系统中，每个最起始的沟渠流(小支流)被设计为第一级流，两个第一级流相交后产生一个高一等级的第二级流，以后每两个相同等级的支流交汇，均产生比原级高一等级的流。

流域是一个不规则的空间区域，它以水流的流动特征为分割。流域的层次结构关系指的是一条河流在流入一条更大的河流时，其流域将并入到更大河流的流域范围中，这样就形成了流域的层次结构。这种层次结构是与河流的层次结构紧密相关的。

1) 流域划分

流域是河网选取中判断河流分支重要性的关键性地理特征因子，它是河流级别、长度、分布密度等几何特征的综合反映。

流域的获取已有很多比较成熟的方法，比较有效的是使用汇流累积阈值法，该方法是基于对沟谷的形成和发展有很大影响的地表径流模拟。采用不同的汇流累计阈值，可以得到不同尺度的流域。除了获取流域信息、高程信息、流向信息，坡度、坡向信息等也都是需要获取的河流自动选取的相关因子。流域层次化结构的建立可以采用Pfafstetter编码来实现，Pfafstetter编码是建立在河网的拓扑结构基础上的。Pfafstetter流域编码首先要识别出主流，要求主流的累积流量要高于其他支流，将其所属流域标识为1、3、5、7、9。接下来按照累积流量的大小沿主流选择四个主流的分支，并对其所属流域进行标识，标识码分别为2、4、6、8。对这四个主流分支分别再进行上述编码过程，直至全部流域编码完成，流域层次结构建立完成。

经过Pfafstetter编码的流域层次结构图可以明显地看出不同等级流域之间的层次关系和流域与河流之间的关系。对于不同比例尺之间的河流选取，流域单元的层次不同，需要采用不同的汇流累计阈值提取相应流域。

2) 河流分级优化

流域内河流的分布特征主要体现在主、支流之间的分布关系上。流域内的主流是控制整个流 域的核心，也是流域内的分布轴线。其他河流以这个轴线为中心(不一定是对称轴线)向两边分散，形成网状。因此，流域内的主流是河流选取中的必选河流，而支流的选取则要考虑其是否是反映河流分布特征的“那一条”，是就选取，否则删除。河流分级是流域内河网层次结构的基础，通过对上述目前比较常用的两种河流分级系统进行分析可知，对于河流选取而言，在河网的层次结构自动构建中，需要将基于主支流基础的河流分级和基于河段的河流分级两种方法相结合，通过Strahler的分级方法得到各河段的等级，再根据主支流之间的河段等级分布关系(Horton的主流识别原则)和长度优先的原则来推算河流的主流。具体流程见图 2。

图 2 流域内河流分级优化流程 Fig. 2 Classified Optimization Process of Rivers in Basins

图选项

1) 建立河网数据的节点和河段信息库，并获取出入度以及流向信息。

2) 获取河流的所有源头节点，记录河段的方向，并将它们下游河段的等级确定为1。

3) 根据Strahler分级的原理，为所有河段赋予相应的等级值，并计算每条河段的长度值。

4) 流域划分，并确定河流分属流域。

5) 确定流域内河流的主流。从等级最大的河段出发，依次找出与其相连通的各等级河段，根据主流特征(即等级最高、长度最大且最直)反向搜索出河网的主流，并确定主流的编码(在河网数据库中需要增加两个字段(CLASS和RID，主流的CLASS=1，RID=1)，用于标识河流等级和河流)。

6) 将与主流相交的各河段作为支流的起点，反向搜索出其一级支流(CLASS=2)。依此类推，直到所有河段都已经归到对应的河网支流上，建立河流的连接关系， 完成河网层次结构的建立，同时确定一级支流的等级编码(CLASS = 2),并继续为RID字段赋值，接着搜索二级支流(与一级支流相交的河段作为二级支流的起点，并将CLASS字段赋值为3，以此类推，直至全部河段搜索完毕，河流等级编码完成)。

7)在遍历河流分支的同时，根据右手法则判断河流分支是属于其上一级河流的左支还是右支，并建立ORIENT字段，左支赋值为-1，右支赋值为1。通过上述方法，可以建立以节点-河段方式组织的空间河网数据的层次结构。以该层次结构为基础，可以建立主支流基础上的河网分级。存储各级主支流所对应的节点和河段信息，可以实现对河网层次结构的重建。

在本分级优化系统中，河流数据库中河流的实际存储是以河段为单位进行的，但在数据库中有描述河流实体的字段(RID)，同一条河流实体的RID值是相同的。当需要对实体进行操作时，可以随时根据RID字段生成河 流实体集。这样的河流数据组织的优点很明显，既包括了河段-节点数据组织的优点，也包括了主支流河网组织的优点，减少了存储量，而且更能满足河流选取的要求。

流域内主支流的交汇角度也是反映河流分布特征的因子，只有确定了河流的等级，才能够计算主支流的交汇角度，因此，确定流域内的河流分级对研究河网的分布是非常重要的。同时还需要获取和选取有关的其他因子：流域形状、河流长度、同级河流长度变化。

云南省特殊的地质地貌条件发育了型式复杂的河网，如此复杂的水系组合有利于对多种型式的河网的自动选取进行研究。除此之外，从数据保证来看，有1∶25万、1∶100万标准水系数据和90 m的DEM。从比例尺方面考虑，1∶25万至1∶100万河流的选取最能体现河网的形态结构的保持。因此，在云南省选取三类河网作为实验样区，分别为树枝状、羽毛状、平行状河网。

本文研究的是河流的选取，关注的是如何使河网的形态结构在选取前后不发生变化，因此主要是针对单线河流进行研究，因为在单一的线状河流要素组成的数据中，更有利于进行河网型式分类特征因子和选取指标的计算与统计分析，避免多种类型要素给特征计算带来的复杂性，从而提高因子计算的效率和准确度。因此，在本文河流自动选取的研究中，需要对数据进行必要的预处理，以保证数据组织的规范化，满足对各项分类特征因子的分析需求。

1)流域划分。 首先对1∶25万河流数据进行处理：双线河变单线河，对连接湖泊的单线河也要进行处理，处理后的河网必须保证河流之间的连通性；然后依据汇流量提取流域，最后实现流域内的河流分级和河流选取。
实验得出1∶25万对应的流域提取汇流阈值大约是总值的10%。在本实验样例中，由于是对1∶25万的河流数据进行自动选取，得到1∶100万的河流数据，因此选用10%的汇流累计阈值来提取流域单元。图 3是提取的部分流域结果图。

图 3 流域划分结果 Fig. 3 Basin Division Result

图选项

图 4是河流的Strahler分级结果，由最低级的河流分支可以追溯到最高级的河流分支，但同一条河流可能分属不同的多个等级，无法根据等级选取河流。

图 4 Strahler分级结果 Fig. 4 Strahler Classification Result

图选项

2) 流域内河流分级结果。河流分属不同的流域，对每个流域内的河流用本文提出的河流分级优化方法进行分级。由图 5可见，基于流域的河流分级，每个流域内都有主流和不同等级的支流。与传统的河流分级(图 4)相比，图 5的分级结果明显更有利于河流选取。在图 5的分级情况下进行河流选取，流域内主流一般保留，支流则根据流域内的河网密度进行有条件选取。

图 5 流域内河流分级优化结果 Fig. 5 Classified Optimization Result of Rivers in Basins

图选项

图 6(a)是标准1∶25万河流数据，图 6(b)是叠加了流域划分结果的1∶25万河流数据，图 6(c)是研究区内河流分级结果，图 6(d)是流域内河流分级结果，图 6(e)是保留研究区1~5级河流的结果，图 6(f)是保留流域内1、2级河流的结果，图 6(g)是标准1∶100万河流数据。

图 6 河流分级及自动选取 Fig. 6 River Classification and Auto-selection

图选项

按照传统河流分级，图 6(c)中红色圈形表示区域的河流，因为等级比较低，如果按照级别大于等于5级选取，这部分的河流应该全部舍弃(图 6(e))，而从1∶100万(图 6(f))的标准河流数据对比来看，这部分河流是应该保留的。

出现上述实验结果的原因是因为按照现有的河流分级进行自动选取，对复杂河网，特别是有较多分支结构的河网来说，其选取结果就会出现局部区域河流完全被删除的现象，显然不能满足河流选取要保持原有分布特征的要求 。也因此更加证明了现有的河流分级不能满足河流自动选取的要求，需要对其进行优化。而本研究提出的基于流域的河流分级能反映河流的局部分布状况,从选取结果(图 6(f))与标准1∶100万河流数据(图 6(g))的对照来看，明显好于研究区内的河流分级结果(图 6(e))。 4 结 语

1)因为流域的形状能够反映河网的形态结构，流域又是河流级别、长度、分布密度等几何特征的综合反映，因此它是河流选取中判断河流分支重要性的关键性地理特征因子，对研究河流的自动选取有重要的作用。

2)河流选取主要考虑的是河流的重要性，而流域内河流分级实际上就是划分河流在局部区域内的重要性，等级越高的河流，其重要性就越高，选取的可能性就越大。

3)在流域河流分级的基础上研究河流选取，对保持河网相对密度，保持河流连通，效果也很显著。

未来的研究方向为流域划分与不同尺度河流选取之间的关系；改进现有的流域划分，以免出现细碎河流，影响分级和选取结果。