简介：基于DEM数据的河流提取项目是一份面向GIS与水文分析人群的完整实践资源，利用流向计算和流量累积算法从地形数据中自动识别河网，适合地理信息科学学习者、科研人员及C#开发者参考。压缩包共81个文件，大小仅3.12MB，主要包括C#源代码（.cs）、可运行exe程序、算法说明txt文档、结果截图jpg及Visual Studio工程文件，便于查阅和二次开发。当前已有533人学习下载；内容覆盖从原理到实现，exe支持设置不同累积阈值，截图展示了阈值20至10000下的河网变化，文档对D8法、Flow Accumulation等算法作了说明。对希望掌握DEM水文分析、开展流域提取实验或课程设计的人员，这是一套兼具教学与实用价值的参考资料。
1. 拿到“河流提取.zip”后，先弄清楚这件事的本质
如果你在网上下载过“基于DEM数据的河流提取.zip”这类压缩包，大概率是两种情况：要么是某个实验数据的打包合集，要么是包含了“填洼→流向计算→流量累积→河网提取”全流程脚本的工具包。不管哪种，打开之后真正要解决的问题只有一个：从一张光秃秃的高程栅格里，把地表水流的路径自动画出来。
这事儿的专业名词叫“数字河网提取”，是水文分析里最基础也最常用的操作。DEM（数字高程模型）说白了就是一张每个像元都记录了海拔高度的栅格图，它本身看不出哪里有河，但水往低处流这个物理规律是写在数据里的。我们做的所有计算，本质上都是在对“水流会选择哪条路往下走”做模拟。
这个zip包能帮你省掉的事，就是把这套流程脚本化、批量化，不需要你在ArcGIS或QGIS里一步步点鼠标。适用人群很明确：做水文分析的研究生、搞洪水淹没模拟的工程师、做地形地貌分析的地理信息系统从业者，以及所有需要从地形数据里快速获取河网信息的同学。
提示：打开压缩包之前先确认里面是完整的数据集还是只有脚本。如果只有代码没有DEM数据，你需要自己去下载对应研究区的DEM，常见的免费数据源是ASTER GDEM和SRTM，分辨率一般在30米左右。
2. 河流提取的核心逻辑：水往低处流的数学表达
2.1 为什么DEM能提取河流，而遥感影像不能直接提
很多人第一次接触这个需求时会问：我直接用遥感影像上的蓝色波段提取河道不行吗？行，但那是另一套逻辑——基于光谱特征的水体识别，它依赖的是水的颜色和反射特征，遇到云影、山体阴影、浑浊水体就容易误判。而且它只能提取“现在有水的地方”，提取不出“地形上应该汇水但暂时干涸的沟道”。
DEM提取河流走的是另一条路：**不看水，看地形。**只要地形上有连续的、从高到低的汇水路径，哪怕现在是干的，也依然会被判定为河网的一部分。这个特性在做历史河道复原、干涸地区古河道分析时特别有价值。
我举个例子你一下就懂了：把DEM想象成一块被压出各种凹槽的塑料板，往最高处倒水，水会顺着凹槽往下流，最终汇成几条主通道。我们做的河流提取，就是在数学上复现这个过程——只不过不需要真的倒水，而是用一个又一个的算法公式，模拟雨水落在每个像元上之后，它会流向哪个邻居。
2.2 四个核心步骤背后的物理意义
标准的河流提取流程是固定的四步，zip包里但凡有点质量的脚本，基本都跳不出这个框架：
第一步，填洼（Fill Sinks）。DEM数据虽然叫高程模型，但采集和处理过程中会留下不少“假坑”——比如像元值异常偏低的噪点、山谷中因为插值产生的凹陷。如果不填掉这些坑，水流会直接汇进坑里出不来，后续算出来的流向就全乱了。想象一下洗碗池里有个堵住的排水口，水流到那儿就停下了，永远不会继续往下游走。
第二步，计算流向（Flow Direction）。这一步是整条流程的核心。最常用的算法叫D8，意思是把每个像元周围的8个邻居全部检查一遍，找到坡度最陡（高差除以距离最大）的那一个，让水流往那个方向走。这一步的输出结果是一个方向编码栅格，每个像元的值不是海拔，而是代表“我往哪个方向流”的数字。
第三步，计算流量累积（Flow Accumulation）。方向定好了，就可以数“有多少水会经过我这个像元”了。算法思路很简单：从上游往下游数，每个像元把自身算作1个单位的水量，不断累加给下游。最后得到的栅格里，值越大的像元，说明汇入它的上游面积越大——这些大值像元连起来，就是河网的雏形。
第四步，设定阈值提取河网（Stream Definition）。流量累积栅格是连续变化的，你需要一个人为的阈值来界定“累积量达到多少才算河”。阈值设得小，河网密得像毛细血管；设得大，只剩下几条主干。这个阈值的选取是整条流程里最需要经验的地方，后面我专门说。
注意：D8算法有一个天然缺陷——它只允许水流往8个固定方向中的一个方向流，没法模拟水流“分流”的情况。所以在平坦区域或者山脊线上，D8算出来的流向经常会呈现锯齿状。如果你的研究区特别平坦，建议考虑D∞或者多流向算法，但对应的计算量会大很多。
2.3 工具选型：ArcGIS、QGIS还是纯Python
zip包里配套的脚本，用的工具链我见得最多的是这三种：
| 工具 | 优势 | 劣势 | 适合场景 |
|---|---|---|---|
| ArcGIS（Spatial Analyst的Hydrology工具集） | 全图形化界面，步骤直观，导出方便 | 商业授权贵，批处理能力弱 | 单次分析、教学演示 |
| QGIS + GRASS（r.watershed模块） | 开源免费，模块成熟，支持多流向算法 | 学习曲线陡，中文资料少 | 预算有限、需要大规模处理 |
| Python + WhiteboxTools / pysheds | 完全脚本化，可批量处理数百个流域，参数可控性强 | 需要自己管理依赖和数据格式 | 科研批处理、流程自动化 |
我个人最推荐的是pysheds，一个相对小众但非常顺手的Python库。它的优势在于把流向计算和累积量计算封装得非常干净，代码量比WhiteboxTools少一半，而且原生支持从DEM到河网的完整流程。如果你是做科研的，需要反复调节阈值来看不同密度河网对后续分析的影响，用pysheds写个循环就能一次性跑几十组参数，这在ArcGIS里能点到手抽筋。
3. 实操过程与核心环节实现
3.1 准备数据：DEM的下载与预处理
拿到zip包之后，第一步是确认你的DEM数据是哪个来源。不同来源的数据，预处理要求不一样：
- SRTM 30米：NASA的经典数据，全球覆盖，适合大中流域，但城市区域和陡峭峡谷会有不少空洞（NoData区域）。
- ASTER GDEM 30米：覆盖范围更广，但噪点比SRTM多，需要多做一步平滑处理。
- ALOS AW3D30 30米：目前公开数据里精度口碑最好的，垂直精度约5米，推荐优先用这个。
- Copernicus GLO-30：ESA发布的全球30米DEM，2022年后更新过一版，数据质量也很稳定。
下载之后别急着开跑，先做三件预处理的事：
投影转换。DEM数据源通常是WGS84经纬度坐标，单位是度，直接用来算坡度距离会失真。至少要把数据投影到UTM（通用横轴墨卡托投影）等公里网格坐标系下，保证水平和垂直方向单位一致，都是米。这一步很多人会偷懒跳过，但在高纬度地区，经度1°和纬度1°对应的地面距离差很多，算出来的流向完全不可信。
裁剪研究区。河流提取算是计算密集型任务，一张全球范围的30米DEM有几十亿个像元，没必要全算。用研究区的矢量边界把DEM裁出来，再把边界向外缓冲个1公里左右，避免流域边缘的截断效应影响流向计算。
检查NoData区域。DEM里的空洞会导致水流在这些地方直接“断流”。如果空洞面积小，可以用邻域插值填掉；如果空洞面积大，建议直接换一个数据源或者用其他DEM融合补全。
3.2 核心流程：用Python跑通全流程
这里我贴一份我实际在用的pysheds流程代码，改动很少，你拿着改个文件路径就能用。
import numpy as np import pandas as pd import matplotlib.pyplot as plt from pysheds.grid import Grid # 1. 读取DEM grid = Grid.from_raster('study_area_dem.tif', data_name='dem') dem = grid.read_raster('study_area_dem.tif') # 2. 填洼 # pysheds会自动处理凹陷，如果有需要可以多次重复 flooded_dem = grid.fill_depressions(data='dem') # 3. 计算流向（D8算法） grid.flowdir(data='flooded_dem', out_name='dir', d8=True) # 4. 计算流量累积 grid.accumulation(data='dir', out_name='acc') # 5. 设定阈值提取河网 # 这里用累积量大于1000像元作为河道判据，阈值可根据流域面积调整 streams = grid.accumulation(data='acc') > 1000 # 6. 矢量化河网 grid.clip_to(streams) grid.detect_slopes(data='dir') grid.stream_to_vector(streams, data='dir', out_name='stream_vector') grid.export_vector('river_network.shp', data='stream_vector')说几个我在实操中踩过的坑：
填洼不要贪多。fill_depressions计算完之后，你可以对比一下填洼前后的DEM最大值和最小值，如果变化过大（比如几百米级别的抬升），说明你的数据或者算法设置有问题。一个合格的填洼操作，应该只填掉局部的微小凹陷，不会大规模抬高地形。
阈值用“像元数”还是“汇水面积”要想清楚。上面的代码里我写的阈值是累积量大于1000个像元，这其实是个相对值，完全取决于你的DEM分辨率。30米分辨率下1000个像元对应的汇水面积是0.9平方公里；如果是10米分辨率，同样的阈值对应的是0.1平方公里。更好的做法是按实际研究需求反推：比如你觉得“汇水面积超过1平方公里的沟道才算河”，那阈值就是1平方公里 / (像元尺寸^2)。
3.3 河网提取之后的必备后处理
矢量化出来的河网通常有“毛刺”和“断头路”，直接拿去出图会被审稿人或者领导批。我常用的后处理有三个：
按Strahler分级过滤。河网分级之后，一级河道都是最上游的细沟，数量多、形态碎，很多时候对分析没贡献。你可以只保留二级以上的河道，视觉上清爽很多。
平滑几何。栅格转矢量出来的折线是锯齿状的，用ArcGIS的“平滑线”工具或者Python里的shapely.simplify做一次道格拉斯-普克抽稀，容差设10~30米，折线会顺滑很多。
拓扑检查。检查一下矢量化河网里有没有自相交、重复线段、断点。我自己跑批处理时遇到最多的问题，就是河网在某些像元上“分流”成两条非常接近的平行线，原因是提取阈值附近的像元被分到了两条路径上。这种问题用v.clean（GRASS）的rmline和rmdangle能解决大半。
4. 常见问题与排查技巧实录
4.1 提取出的河网“支离破碎”，断成无数截
这是我被问得最多的问题。原因几乎都是同一个：阈值设置得离谱。
阈值太小，河网密到爆炸，提取结果几乎铺满整个流域；阈值太大，只剩下干流，支流断成一截一截的。断成一截截的典型情况是——你设的阈值高于很多河段的累积量，导致中上游地区只有零星的几个像元被判定为河道，连不成线。
排查思路：先输出流量累积栅格，用ArcGIS查看值的分布范围。比如某流域的累积量最大值为50000，你可以从500开始试，观察河网的完整性。这里有个经验值：先按汇水面积反推一个大致阈值，比如“流域面积的0.5%”，再上下浮动调整。
4.2 平坦地区的水流方向一片混乱
平原圩区、喀斯特地区、城市建成区，这些地方地形起伏几乎为零，D8算法识别不出“最陡坡度”，只能随机选一个邻居方向，提取出的河网就是“鬼画符”。
解决方案有两个。一是把填洼步骤的阈值提高，这在ArcGIS的Fill工具里对应“Z limit”参数，设置一个最小填挖深度（比如0.5米），把微小的地形起伏都削平，强制水流走一个方向。二是换用多流向算法，比如D∞，它会把水流按比例分配给多个下游邻居，在平坦区域的表现比D8好不少。QGIS的r.watershed组件可以选多流向，或者直接用pysheds里封装好的dinf选项。
4.3 zip包解压后脚本跑不通，报“invalid zip archive”错误
这类提示很容易让人怀疑压缩包本身坏了，尤其是从网盘下载的。“could not find eocd”说的是压缩包的结尾标记（End of Central Directory）找不到，绝大多数情况是下载不完整，文件被截断了。
排查方法：先看压缩包大小和原始分享页面给的文件大小对不上对不上，如果对不上，重新下一次。如果大小对得上还报错，试试用7-Zip强制修复：7z x 文件名.zip，7-Zip在遇到损坏的压缩包时有一套自己的恢复逻辑，比Windows自带的解压工具强大很多。
注意：如果你是在Linux服务器上跑Python脚本，解压zip之后发现文件夹里的文件权限不对（全是
-rw-------），记得先chmod -R 755 目录名，不然读数据时会莫名其妙地报权限错误。
4.4 提取出的河流与真实河流位置偏差很大
DEM提取的河网本质上是对“理论汇水路径”的模拟，和真实河道之间有一定偏移太正常了。但如果你发现偏移超过了一两百米，就要检查两件事：一是DEM的垂直精度。如果是ASTER GDEM，在山区局部区域的误差可以超过15米，这种误差反映到河流位置上就是几十米的偏移。二是DEM中是不是包含了植被或者建筑物高度。比如DSM（数字表面模型）和DEM混用了，植被冠层的高度会直接改变高程相对关系，导致水流路径偏移。
这个判断方法很简单：把提取的河网和Google Earth的高分影像叠加看一眼，如果偏移方向一致，且偏移量在1~2个像元内，基本可以确定是DEM精度问题，做一次与真实河道的空间校正即可。如果偏移方向毫无规律，那大概率是预处理环节出了问题，回头检查填洼和流向计算。
5. 关于“zip”这件事，再多说一嘴
聊了这么多河流提取的技术细节，最后回到zip本身。我碰过太多人在压缩包环节就卡壳了，还没到水文分析就放弃了，挺可惜的。
分卷压缩的坑。有些网盘分享的DEM数据因为单文件太大，会压成多卷zip（zip.001、zip.002这种后缀）。如果你只下载了第一个分卷就急急忙忙解压，会提示“必须有下列压缩分卷”。这时候需要把所有分卷都下载到同一个目录，然后用7-Zip打开第一个分卷，它才会合并解压。
密码保护的zip。有些科研数据分享者会给压缩包加一层密码，美其名曰“防止滥用”。这种密码保护的zip用破解工具耗时很长，不值当。更实际的做法是查看分享页面的说明文字，密码通常就藏在文章末尾或者评论区。真忘了密码的话，Windows下的ZIPCrypto加密格式可以通过Hashcat跑字典破解，但AES-256加密的zip基本只能放弃。
别用中文路径。这个事儿我碰到真的想骂人——把zip解压到带中文的路径下（比如C:\用户\张三\下载\），用ArcGIS打开时偶尔会报错，用Python读取时则经常直接报编码错误。最省心的方法是统一解压到纯英文路径下，比如D:\gis_data\dem\，养成习惯能省掉很多莫名其妙的bug。
我个人在实际操作中的体会是，一张DEM能挖掘的信息远比一条河网多得多——坡度坡向分析、地形起伏度、汇水区划分、淹没模拟、沟壑密度计算，都是同一套数据、同一套逻辑的延伸。但河流提取是最容易“跑通”的入门环节，也是后续所有水文分析的地基。这个地基打得稳不稳，往往取决于你的工具链顺不顺手、参数设得合不合理，以及在踩坑的时候有没有一份靠谱的排查指南可以翻。希望这篇分享能让你在拿到“河流提取.zip”之后，少走几步弯路。
本文还有配套的精品资源，点击获取
