基于复杂网络分析的河流网络结构表征——以菲律宾莱特岛为例

《AppliedMath》:Complex Network Analysis for Characterizing River Networks: A Case Study of Leyte Island, Philippines

【字体: 大 中 小 】 时间:2026年09月18日 来源:AppliedMath 1.4

编辑推荐:

   复杂网络分析(Complex Network Analysis,CNA)将河流系统建模为由节点(交汇点)和边(河道)组成的网络,以量化其结构特征和潜在传输路径。与传统的河流网络表征方法不同——后者通常依赖于对河流层级、分支、排水密度和地形特征进行多重指标特

  


复杂网络分析(Complex Network Analysis,CNA)将河流系统建模为由节点(交汇点)和边(河道)组成的网络,以量化其结构特征和潜在传输路径。与传统的河流网络表征方法不同——后者通常依赖于对河流层级、分支、排水密度和地形特征进行多重指标特异性分析——基于图论的方法提供了一个统一的数学框架,可同时评估整个流域的结构拓扑和连接性。在本研究中,研究人员利用5 m分辨率的干涉合成孔径雷达(Interferometric Synthetic Aperture Radar,IfSAR)衍生的数字地形模型(Digital Terrain Model,DTM)数据,对菲律宾莱特岛的河流网络进行了分析。河流网络被表示为上游至下游的有向图,流向依据高程信息确定,并计算了关键网络参数,包括节点数、平均度中心性(degree centrality)、接近中心性(closeness centrality)、聚类系数(clustering coefficient)和介数中心性(betweenness centrality)。由两个节点组成的简单河流网络在莱特岛全岛占主导地位,而结构复杂的大型网络则相对较少。网络指标普遍指示了树状或枝状拓扑结构。与随机生成的树状网络的比较揭示了不同网络规模下若干网络指标的相似性与差异性。尽管两种网络类型均呈现树状结构并因此具有为零的平均聚类系数,但其他指标的差异表明河流网络可能表现出随机生成树状网络所不能完全反映的结构特征。坡度分析显示河流网络坡度与节点数之间存在显著但微弱的负相关关系。CNA的一个关键优势在于其以数据驱动的方式将地形信息(如坡度和高程)整合到网络设计中,从而能够实现一致且可重复的河流网络表征。未来研究可通过使用更高分辨率的空间数据进行额外的空间验证来进一步提高河流网络表征的准确性。
**论文解读**

**一、研究背景与问题提出**

河流构成独立的生态系统,以其在相互连接的动态网络结构中的线性组织为特征。河流网络是水在生态环境与人类社会之间分配的关键通道,在全球变化背景下对维持两者均发挥着至关重要的作用。河流网络结构指其组成部分的空间和几何排列,涵盖单个河段的长度、位置和连接性,以及整个系统的总体组织和拓扑。表征河流网络结构至关重要,因为它能够揭示水文连接性,而水文连接性支配着流域系统内水、沉积物、营养物质和污染物的运动和迁移。河流网络参数描述了排水系统的几何和结构属性,为定量分类不同河流网络类型提供了基础,并为开发能够支持更有效洪水风险评估和灾害准备的水文模型提供了有价值的见解。此外,多项研究表明河流网络的结构配置能够影响并与水生态质量及生物多样性相关联。Carrara等人和Terui等人的理论与实证研究表明,网络拓扑结构在维持集合种群稳定性和塑造生物多样性格局中发挥着关键作用。

已有多种参数被提出用于表征河流网络的结构属性,包括河流密度、水面比率、流向、弯曲度和分形维数。然而,河流网络形成复杂且空间异质的系统,仅使用简单的形态学指标难以描述其结构特征。尽管这些度量方法为河流网络结构提供了有价值的见解,但它们依赖于涵盖自然和人工特征的数据集,而这些数据并非在所有地区都能获取或保持完整。在此背景下,复杂网络分析(Complex Network Analysis,CNA)应用图论概念,能够量化描述河流连接性和结构的拓扑与地形指数。已有研究将河流网络表示为具有复杂拓扑结构的有向图,其中顶点或节点通过对应于水流方向的有向边相连。CNA有助于对河流流域和三角洲河道内的连接性进行可视化与定量评估。然而,大多数应用CNA的研究主要关注单个河流流域的结构,或聚焦于理论和模拟河流网络模型;对于一个共同地理环境内多个排水系统进行基于图论指标的系统性应用则关注较少。岛屿为此类分析提供了一个界限明确的地理区域,使多个河流网络能够在一致的框架下被表征,并在对比鲜明的地形环境中进行比较。然而,对整座岛屿多个河流网络进行系统性表征和比较的图论研究仍然有限。因此,本研究的总体目标在于运用一致的CNA框架,对菲律宾莱特岛全岛河流网络的结构组织进行表征和比较。

**二、研究概述与意义**

研究人员利用5 m分辨率的干涉合成孔径雷达(IfSAR)衍生的数字地形模型(DTM)数据,对整个莱特岛的河流网络进行了系统分析。河流网络被表示为上游至下游的有向图,流向依据高程信息确定,并计算了节点数、平均度中心性、接近中心性、聚类系数和介数中心性等关键网络参数。研究识别出全岛256个不同的河流系统,涵盖从相对简单的排水模式到更为复杂和高度互联的结构配置。结果表明,由两个节点组成的简单河流网络在数据集中占主导地位,而规模较大且结构复杂的网络相对较少;网络指标普遍指示了树状或枝状拓扑结构,三角形连接几乎不存在。与随机生成的树状网络的比较揭示了若干网络指标在不同网络规模下的相似性与差异性,表明实际河流网络的结构受到地形、高程梯度、排水格局和水文过程的物理约束。坡度分析揭示了河流网络坡度与节点数之间存在显著但微弱的负相关关系。该研究的意义在于提供了一个基于图论的莱特岛排水系统清单和一套可重复的工作流程,用于从高分辨率地形数据中提取、表征和比较多个河流网络;CNA的数据驱动工作流程减少了对人工勾绘和主观分类的依赖,为河流网络结构表征提供了更为一致和可重复的框架。此外,在台风多发的热带岛屿上开展此项研究,突显了将结构属性分析结果与未来洪水灾害和水文建模应用相联系的潜力。

**三、关键技术与方法概述**

本研究采用的关键技术方法包括:利用5 m分辨率IfSAR DTM作为高程数据源进行河流网络提取;使用Python v3.9.12中scikit-image库的Otsu阈值法进行河流网络图像二值化分割,结合骨架化算法将河道缩减为单像素宽路径;利用NetworkX v2.7.1库将河流网络转换为有向图表示,基于DTM高程信息确定流向;通过距离阈值过滤去除虚假节点;计算度中心性、介数中心性、接近中心性和聚类系数等网络指标;将DEM衍生网络与OpenStreetMap衍生参考网络进行空间比较以评估河道遗漏、新增和位置一致性;对河流网络线段进行坡度分析以探究地形与网络结构的关系。研究区域为菲律宾莱特岛全岛,面积约7368 km2,DEM衍生河流网络数据集包含1229个MultiLineString要素,覆盖约124.284°–125.294°E和9.937°–11.548°N。此外,研究排除了缺乏明确下游连续性的河流网络,采用"河流入海"视角,仅考虑具有连续下游连通至海洋的河流网络。

**四、主要研究结果**

(一)DEM衍生网络与OSM衍生网络的比较

研究选取了具有不同网络复杂度的三条河流网络进行比较分析。总长度比率分析表明,结构较简单的网络(节点数较少)倾向于具有更接近1的总长度比率,表明DEM衍生网络与OSM参考网络之间的一致性较好;而更复杂的网络(节点数超过40)则具有较低的总长度比率,反映出两种数据源之间在总河道长度上存在较大差异。对复杂网络的河道遗漏、新增和位置一致性评估表明,DEM衍生网络总体上能够保持主要河流的宏观空间走向,但倾向于简化细尺度的河道结构,特别是较小的支流和曲流形态,未能充分捕捉OSM中的河曲蜿蜒特征。以Binahaan河为例,DEM衍生网络相对于OSM存在19条遗漏河道和41条新增河道;Pagsangahan河复合体则存在136条遗漏河道和29条新增河道。

(二)河流网络预处理结果

通过对九种阈值分割方法的评估,Otsu方法因其简单、高效、无参数和可重复的特点被选用于河流网络分割。初始节点检测程序通常产生高于预期的节点数量,这归因于图像阈值化和骨架化过程中产生的虚假节点,可能来源于小伪影、提取河道边界的不规则性、碎片化河道段或不代表有意义的河流网络交汇点的小分支。通过实施基于空间距离阈值的附加过滤程序,研究发现中等距离阈值范围(2.5–6)能够有效滤除虚假节点同时保留基本网络结构。

(三)网络指标分析结果

节点数、平均入度和出度方面,皮尔逊相关分析揭示了节点数与总河流长度之间存在极强的统计显著正线性关系(r = 0.92,p < 0.001),表明节点密度较高的河流网络始终对应着更大的总河流长度。单一河流网络(由两个节点组成)构成了数据集中的主导网络配置,大多数双节点河流网络的总边长位于1001–3000 m范围内。

平均聚类系数方面,98%的河流网络的平均聚类系数为零,表明河流网络几乎不存在三角形连接,河流主要以树状或分支结构排列,具有极少的环路,大多数河段以层级化、线性方式连接,这是典型的枝状排水模式特征。

平均接近中心性方面,接近中心性的分布反映了小型和结构简单的河流网络占主导地位,观察到的峰值可能归因于单边和短链配置,有限的网络范围导致较高的归一化接近中心性值。

平均介数中心性方面,大多数节点的平均介数中心性接近于零,表明河流网络中的大多数交汇点并不充当其他节点之间连接的关键中介,只有少数节点发挥关键桥接点或主要汇流处的作用,这种分布模式是主要呈分支或枝状结构的河流系统的典型特征。

(四)与随机树状网络的比较

与随机生成的树状网络的比较揭示了不同网络规模下若干指标的相似性与差异性。对于5节点网络,河流网络与随机树状网络的平均入度和出度中心性存在差异,但由于标准偏差较大,差异未达到统计显著水平;对于10节点和15节点网络,平均介数中心性和接近中心性在两种网络类型之间存在差异。尽管两种网络类型均呈现树状结构并具有为零的聚类系数,但其他指标的差异表明实际河流网络的结构受到地形条件和水文过程的影响,这些约束通过CNA框架中的有向图表示和地形信息整合得以在量化分析中体现。

(五)河流坡度与网络结构的关系

空间分析表明,低坡度河流(0–0.2160%)通常与更复杂的河流网络结构相关联,特别是在较大的流域内;而较高坡度(6.8964–38.8440%)则主要与较简单的网络结构相关联,特别是沿莱特岛东海岸。相关性分析揭示了平均河流网络坡度与节点数之间存在显著但微弱的负相关关系(Pearson r = ?0.16,p = 0.009),表明节点数较多的网络通常倾向于具有略低的平均坡度,但坡度单独并不能充分解释河流网络复杂度的变化。

**五、讨论总结与研究结论**

在讨论部分,研究人员总结了莱特岛河流网络的主要拓扑特征:单一河流网络占主导地位,三角形连接几乎不存在,树状结构是主要的网络形态。与随机树状网络的比较表明,尽管两者共享基本树状特征,但自然河流网络受到地形约束和水文过程的塑造。CNA框架的一个关键优势是能够将坡度和高程等地形信息整合到空间分布式河流网络的提取和表征中。

在与其他方法的比较方面,传统方法(如排水密度、河流分级或形态计量指数)主要描述河流网络的几何和层级属性,但往往无法捕捉系统不同部分之间的完整连接性和相互作用。CNA将河流网络表示为互联图,能够实现整个系统节点和流动路径之间关系的定量与可视化分析,并通过度中心性、接近中心性和介数中心性等指标识别关键交汇点和传输路径。

在局限性方面,CNA将河流简化为静态网络,可能无法充分反映其动态和演化的性质;CNA缺乏对时间变异性和流量大小的明确整合;结果对数据质量和空间分辨率高度敏感。DEM衍生网络与OSM衍生网络之间的差异表明河道表征的不一致性可能影响网络拓扑和CNA指标的计算。建议使用更高分辨率的空间数据(如LiDAR衍生DTM)并结合实地验证来提高准确性。

研究结论指出:复杂网络分析为在岛屿尺度上表征河流网络结构提供了有用的框架。将河流表示为有向网络,利用高程数据确定流向,结合易于获取的地理空间数据,实现了对结构特征的定量评估。CNA的数据驱动工作流程减少了对人工和主观方法的依赖,为网络分析提供了一致且可重复的方法。莱特岛全岛的河流网络以小而简单的网络为主,仅有少数网络表现出较大的规模和结构复杂性;总体而言,网络遵循以线性和分支(枝状)为主的构型,具有低互联性,以直接和层级化的流动路径为特征。单一河流网络是数据集中的主导配置。与随机生成的树状网络的比较揭示了相似性与差异性,表明虽然河流网络共享基本的树状特征,但其结构受到自然排水系统物理和水文约束的影响。坡度分析进一步显示节点数与平均网络坡度之间存在显著但微弱的负相关,而节点数与总网络长度之间存在强正相关。敏感性分析表明河流网络指标的准确性和可靠性取决于用于将河流数据转换为图表示的加工参数的选择,适当的网络表示与合理选择的加工参数对于保留实际河流网络的结构特征和获得可靠的网络复杂度与连接性度量是必要的。分析还强调了有向图方法的一个重要局限:其结果高度依赖于基础空间数据的质量和特性,因此建议使用更高分辨率的空间数据并结合实地验证来提高河流网络提取和后续网络分析的准确性和可靠性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号