一種大區(qū)域洪水淹沒(méi)范圍快速提取的分塊種子蔓延算法

楊啟貴， 王漢東

(長(zhǎng)江水利委員會(huì) 長(zhǎng)江勘測(cè)規(guī)劃設(shè)計(jì)研究有限責(zé)任公司， 武漢 430010)

?

一種大區(qū)域洪水淹沒(méi)范圍快速提取的分塊種子蔓延算法

楊啟貴*， 王漢東

(長(zhǎng)江水利委員會(huì) 長(zhǎng)江勘測(cè)規(guī)劃設(shè)計(jì)研究有限責(zé)任公司， 武漢 430010)

快速、準(zhǔn)確的獲取洪水淹沒(méi)范圍是洪災(zāi)損失評(píng)估和防洪決策的核心環(huán)節(jié).常規(guī)種子蔓延算法由于存在大量的遞歸運(yùn)算，效率不高且無(wú)法處理大區(qū)域海量地形數(shù)據(jù).針對(duì)上述問(wèn)題，提出了一種大區(qū)域洪水淹沒(méi)范圍快速提取的分塊種子蔓延算法，將研究區(qū)域分成預(yù)先設(shè)定大小的塊，種子蔓延以塊為單位進(jìn)行組織處理，塊的數(shù)量遠(yuǎn)小于原始DEM格網(wǎng)單元的數(shù)量.該算法有效解決了常規(guī)種子蔓延算法遞歸運(yùn)算層次過(guò)深的問(wèn)題，可實(shí)現(xiàn)大區(qū)域海量數(shù)據(jù)在給定淹沒(méi)洪水水位條件下的淹沒(méi)區(qū)快速提取.

數(shù)字高程模型； 種子蔓延算法； 數(shù)據(jù)分塊； 淹沒(méi)分析

洪水淹沒(méi)分析是水文預(yù)測(cè)預(yù)報(bào)、防洪調(diào)度以及洪澇災(zāi)害評(píng)估的一項(xiàng)重要內(nèi)容，快速、準(zhǔn)確、科學(xué)地獲取淹沒(méi)區(qū)范圍是洪災(zāi)損失評(píng)估及防洪決策的核心環(huán)節(jié)[1].將GIS技術(shù)與水文水動(dòng)力學(xué)模型相結(jié)合進(jìn)行洪水淹沒(méi)災(zāi)害評(píng)估，已成為防洪減災(zāi)領(lǐng)域的一個(gè)重要研究課題[2-13].基于DEM數(shù)據(jù)的洪水淹沒(méi)分析包括兩類方法：一類是結(jié)合水文水動(dòng)力學(xué)模型構(gòu)建洪水演進(jìn)模型[6-12]，另一類是根據(jù)設(shè)定的靜態(tài)水位面計(jì)算淹沒(méi)范圍[2-4，14-19].洪水演進(jìn)模型可以較為精確地模擬洪水淹沒(méi)過(guò)程，但是需要較多的水文水力學(xué)參數(shù)條件，建模過(guò)程復(fù)雜.基于給定靜水位的洪水淹沒(méi)分析是洪水淹沒(méi)達(dá)到最終平衡狀態(tài)的近似模擬，因其計(jì)算簡(jiǎn)單，能快速確定淹沒(méi)范圍和水深分布，因此得到廣泛應(yīng)用.靜水位下洪水淹沒(méi)分析主要分為兩種情形[2-4]：第1種情形稱為無(wú)源淹沒(méi)，凡是高程值低于給定水位的點(diǎn)，皆計(jì)入淹沒(méi)區(qū)，相當(dāng)于整個(gè)區(qū)域均勻降水；第2種情形稱為有源淹沒(méi)，需要考慮水流連通性的問(wèn)題，洪水只能淹沒(méi)到它能流到的地方，相當(dāng)于高發(fā)洪水向鄰域泛濫.對(duì)于環(huán)形山洼地，第1種淹沒(méi)計(jì)算可能導(dǎo)致環(huán)形山內(nèi)外都形成淹沒(méi)區(qū)，而在第2種情形中，外來(lái)的洪水若未及山頂，則只能在環(huán)形山外圍形成環(huán)形淹沒(méi)區(qū)，而環(huán)形山內(nèi)部洼地不會(huì)被淹沒(méi).

有源淹沒(méi)常用的算法是種子蔓延算法[2-4，14-19]，種子蔓延算法是一種基于區(qū)域空間特征的擴(kuò)散探測(cè)算法，其核心思想是將給定的種子點(diǎn)賦予特定的屬性，然后在區(qū)域上4方向或8方向擴(kuò)散，求取滿足給定條件且具有連通特性的點(diǎn).利用種子蔓延算法計(jì)算淹沒(méi)區(qū)，就是按給定水位條件，求取滿足精度、連通性要求的點(diǎn)的集合，該集合給出的連續(xù)平面就是淹沒(méi)區(qū)范圍.種子蔓延算法主要采用遞歸的方式進(jìn)行擴(kuò)展探測(cè)，算法的效率受制于遞歸的層次，遞歸層次太深會(huì)導(dǎo)致算法效率降低，甚至導(dǎo)致程序崩潰，因此，無(wú)法提取大區(qū)域的洪水淹沒(méi)區(qū).降低遞歸層次是種子蔓延算法應(yīng)用于大區(qū)域海量數(shù)據(jù)洪水淹沒(méi)需要解決的關(guān)鍵問(wèn)題.劉仁義等人采用“跳步探測(cè)”的方式，通過(guò)增加種子點(diǎn)探測(cè)步距來(lái)提高計(jì)算效率[3]；丁志雄等人預(yù)先劃定大致的淹沒(méi)范圍，通過(guò)縮小研究區(qū)域來(lái)提高計(jì)算效率[4]；張煜、沈定濤等人針對(duì)海量地形數(shù)據(jù)，提出了基于數(shù)據(jù)壓縮的淹沒(méi)范圍提取算法[14-15].增加探測(cè)步距其實(shí)是降低空間分辨率，即增加格網(wǎng)單元的尺寸，會(huì)降低分析結(jié)果的精度；預(yù)先判斷洪水的大致淹沒(méi)范圍常常是比較困難的，特別是對(duì)于地勢(shì)相對(duì)平坦的研究區(qū)域.本文從降低傳統(tǒng)種子蔓延算法遞歸層次的問(wèn)題出發(fā)，提出基于分塊的種子蔓延算法，將研究區(qū)域分成小的塊，在各個(gè)塊上分別運(yùn)用種子蔓延算法提取淹沒(méi)區(qū)域，可有效降低算法執(zhí)行過(guò)程中的遞歸層次.算法不受研究區(qū)域大小的限制，可用于提取大區(qū)域洪水淹沒(méi)范圍.

1 分塊種子蔓延算法

1.1 算法基本思想

種子蔓延算法的遞歸層次與地形數(shù)據(jù)量有很大關(guān)系，隨著DEM數(shù)據(jù)行列數(shù)的增大，種子蔓延算法的遞歸層次急劇增加.為了降低常規(guī)種子蔓延算法的遞歸層次，分塊種子蔓延算法首先將研究區(qū)域劃分成預(yù)先設(shè)定大小的塊，遞歸運(yùn)算只在塊內(nèi)進(jìn)行.分塊種子蔓延算法的基本思想如圖1所示.

圖1 分塊種子蔓延算法基本思想Fig.1 The basic logic pattern of blocking seed spread algorithm

在對(duì)DEM數(shù)據(jù)進(jìn)行分塊處理時(shí)，可以根據(jù)計(jì)算機(jī)處理能力確定合適的塊大小，塊太小會(huì)導(dǎo)致數(shù)據(jù)塊的數(shù)據(jù)量太多，影響計(jì)算處理效率；塊太大，則有可能導(dǎo)致種子蔓延算法的遞歸層次太深，影響算法性能，一般情況下可以設(shè)定塊的大小為128×128或256×256.

1.2 DEM數(shù)據(jù)分塊組織

DEM數(shù)據(jù)分塊可以采用靈活的策略，在DEM數(shù)據(jù)量不是很大的情況下，可以一次性讀入DEM數(shù)據(jù)，然后在內(nèi)存中進(jìn)行分塊；如果DEM數(shù)據(jù)量很大，達(dá)到GB級(jí)，則可以根據(jù)計(jì)算機(jī)硬件處理能力，分成多個(gè)可以一次性讀入的小的數(shù)據(jù)文件，然后在內(nèi)存中劃分塊.

塊作為種子蔓延算法處理的基本單元，需要記錄3類信息：一是塊的編號(hào)、起始和終止行列號(hào)，用于定位和獲取該塊內(nèi)各個(gè)DEM格網(wǎng)單元的高程信息；二是該塊的種子單元鏈表，記錄該塊內(nèi)進(jìn)行種子蔓延計(jì)算的起始種子單元；三是塊的8個(gè)鄰接塊編號(hào)，記錄該塊與相鄰塊的拓?fù)潢P(guān)系.塊的數(shù)據(jù)結(jié)構(gòu)如下：

struct DataBlock

{

int BlockID=0; //塊編號(hào)

int SRow=0; //塊起始行號(hào)

int SColumn=0; //塊起始列號(hào)

int ERow=0; //塊末行號(hào)

int EColumn=0; //塊末列號(hào)

List SeedCells=null; //塊內(nèi)種子點(diǎn)鏈表

int BlockID_L=0; // 塊的左鄰接塊編號(hào)

int BlockID_R=0; //塊的右鄰接塊編號(hào)

int BlockID_T=0; //塊的頂鄰接塊編號(hào)

int BlockID_B=0; //塊的底鄰接塊編號(hào)

int BlockID_LT=0; // 塊的左上鄰接塊編號(hào)

int BlockID_RT=0; // 塊的右上鄰接塊編號(hào)

int BlockID_LB=0; // 塊的左下鄰接塊編號(hào)

int BlockID_RB=0; // 塊的右下鄰接塊編號(hào)

}

struct DataCell

{

int Row=0; //單元格行號(hào)

int Column=0; //單元格列號(hào)

}

1.3 種子塊的生成

將洪水淹沒(méi)種子點(diǎn)所在的塊作為初始種子塊，新的種子塊從當(dāng)前種子塊的8鄰接塊中產(chǎn)生.

① 如果當(dāng)前種子塊提取的淹沒(méi)區(qū)域沒(méi)有達(dá)到塊的邊界，則當(dāng)前種子塊的鄰接塊均不能作為新的種子塊，如圖2所示.

② 如果當(dāng)前種子塊提取的淹沒(méi)區(qū)域達(dá)到種子塊的邊界，則需要根據(jù)相鄰邊界單元格的高程及給定的洪水位，判斷當(dāng)前塊的水流能否流向相鄰的塊.如果鄰接塊的邊界單元格滿足淹沒(méi)條件，則該鄰接塊是下一個(gè)種子塊，否則不是.如圖3所示，塊1是當(dāng)前種子塊，給定的洪水位是5，提取的淹沒(méi)區(qū)域達(dá)到該塊的邊界，塊3與塊1的淹沒(méi)區(qū)相鄰，且相鄰的單元格高程值為3，低于給定的洪水位，洪水可以從塊1流向塊3，則塊3是下一個(gè)新的種子塊；塊2也與塊1的淹沒(méi)區(qū)相鄰，但是相鄰的單元格高程均高于給定的洪水位，說(shuō)明洪水無(wú)法從塊1流向塊2，則根據(jù)塊1的淹沒(méi)計(jì)算結(jié)果不能將塊2作為下一個(gè)種子塊.

圖2 沒(méi)有達(dá)到種子塊的邊界，鄰接塊不能作為新的種子塊Fig.2 The current seed block without neighboring seed blocks

圖3 從當(dāng)前種子塊的鄰接塊產(chǎn)生新的種子塊Fig.3 Finding the neighboring seed block of current seed block by using seed spread algorithm

新的種子塊一旦確定，則邊界上滿足淹沒(méi)條件的所有單元格均作為該塊進(jìn)行種子蔓延算法計(jì)算淹沒(méi)范圍的種子點(diǎn).

1.4 種子塊淹沒(méi)范圍計(jì)算處理策略

對(duì)于單個(gè)種子塊來(lái)說(shuō)，根據(jù)種子塊的位置坐標(biāo)讀取該種子塊各格網(wǎng)單元高程值；種子塊結(jié)構(gòu)體記錄了該種子塊的淹沒(méi)種子點(diǎn)列表，因此可以采用種子蔓延算法快速計(jì)算得到該種子塊的淹沒(méi)范圍.

可以采用兩種策略來(lái)提取整個(gè)研究區(qū)域淹沒(méi)范圍，第1種策略是采用遞歸計(jì)算的方法，建立種子塊隊(duì)列，將淹沒(méi)種子點(diǎn)所在的塊作為初始種子塊添加到種子隊(duì)列.從種子隊(duì)列中取出一個(gè)種子塊進(jìn)行計(jì)算，根據(jù)種子塊的淹沒(méi)計(jì)算結(jié)果產(chǎn)生新的種子塊并添加到種子隊(duì)列，依次遞歸進(jìn)行，直到種子隊(duì)列為空，計(jì)算得到的結(jié)果就是整個(gè)研究區(qū)域的淹沒(méi)范圍.算法計(jì)算流程如下：

(1)按照設(shè)定的塊大小對(duì)研究區(qū)域DEM數(shù)據(jù)進(jìn)行分塊；

(2)構(gòu)建種子塊隊(duì)列，并將種子點(diǎn)所在的塊作為種子塊添加到種子塊隊(duì)列；

(3)從種子塊隊(duì)列中取出種子塊作為當(dāng)前種子塊，對(duì)當(dāng)前種子塊運(yùn)用種子蔓延算法提取淹沒(méi)區(qū)域；

(4)根據(jù)當(dāng)前種子塊淹沒(méi)區(qū)域計(jì)算結(jié)果，搜尋新的種子塊，并添加到種子塊隊(duì)列.新的種子塊從與當(dāng)前種子塊相鄰接的塊中產(chǎn)生；

(5)判斷種子塊隊(duì)列是否為空，如果不為空，則轉(zhuǎn)到(3)，否則轉(zhuǎn)到(6)；

(6)計(jì)算結(jié)束，提取所有塊的淹沒(méi)區(qū)域，得到整個(gè)研究區(qū)域的淹沒(méi)范圍.

算法總體流程如圖4所示.

圖4 基于遞歸計(jì)算的分塊種子蔓延算法計(jì)算流程Fig.4 The blocking seed spread algorithm flowchart based on recursive calculation

第2種策略是預(yù)計(jì)算方法.第1步根據(jù)給定的洪水水位對(duì)所有的分塊進(jìn)行計(jì)算，提取每一個(gè)塊內(nèi)潛在的淹沒(méi)區(qū)域；第2步檢查潛在淹沒(méi)區(qū)域的連通性，剔除無(wú)法連通的潛在淹沒(méi)區(qū)域.淹沒(méi)區(qū)域提取及連通性判斷可采用四方向追蹤法進(jìn)行邊界追蹤[20]，算法計(jì)算流程如圖5所示.

圖5 基于塊預(yù)計(jì)算的分塊種子蔓延算法計(jì)算流程Fig.5 The blocking seed spread algorithm flowchart based on prior block calculation

如果整個(gè)區(qū)域淹沒(méi)范圍較小(如山谷陡峭狹窄地區(qū))，很多塊不需要計(jì)算，直接采用遞歸計(jì)算可以得到計(jì)算結(jié)果，處理簡(jiǎn)單，計(jì)算效率高；如果研究區(qū)域?qū)儆谄教沟貐^(qū)(如平原或城市區(qū)域)，產(chǎn)生大范圍的淹沒(méi)，大多數(shù)塊都會(huì)參與計(jì)算，則采用塊預(yù)計(jì)算的處理策略可以提高計(jì)算效率.如果初始淹沒(méi)種子點(diǎn)有多個(gè)，也可以直接采用塊預(yù)計(jì)算的處理策略，保證每個(gè)塊都可以處理到.在算法的實(shí)際應(yīng)用中可以針對(duì)具體情況選用合適的處理策略.

2 分塊種子蔓延算法在流域防洪調(diào)度三維仿真系統(tǒng)中的應(yīng)用

流域防洪調(diào)度三維仿真系統(tǒng)以流域數(shù)字高程模型和高分辨率遙感影像為基礎(chǔ)，利用三維GIS、虛擬現(xiàn)實(shí)、數(shù)據(jù)庫(kù)技術(shù)構(gòu)建流域防洪調(diào)度三維場(chǎng)景和綜合數(shù)據(jù)管理平臺(tái)，實(shí)現(xiàn)三維虛擬環(huán)境下的水庫(kù)防洪調(diào)度仿真、洪水演進(jìn)仿真、水庫(kù)庫(kù)容實(shí)時(shí)計(jì)算、水庫(kù)下游河道洪水演進(jìn)與淹沒(méi)分析、工程監(jiān)測(cè)信息查詢、工程運(yùn)行數(shù)據(jù)管理、工程圖檔管理、工程運(yùn)行管理三維動(dòng)態(tài)仿真等工程防洪及運(yùn)行管理工作的數(shù)字化管理，達(dá)到優(yōu)化防洪調(diào)度、降低防洪風(fēng)險(xiǎn)、提高管理水平的目的.烏江下游DEM數(shù)據(jù)包含網(wǎng)格的行列數(shù)為6479×3915，格網(wǎng)大小為30 m×30 m，圖6是模擬烏江彭水水電站發(fā)生潰壩，最大洪峰水位267.79 m時(shí)，烏江下游的洪水淹沒(méi)范圍的計(jì)算結(jié)果.采用分塊種子蔓延算法，設(shè)定數(shù)據(jù)分塊大小為128×128，將整個(gè)DEM數(shù)據(jù)分成51×31塊，洪水水位為267.79 m，淹沒(méi)種子點(diǎn)為彭水水庫(kù)壩址點(diǎn)(單種子點(diǎn))，由于烏江兩岸地形起伏大，淹沒(méi)主要集中于沿江的狹小空間，故采用遞歸計(jì)算的處理策略計(jì)算分塊淹沒(méi)范圍.

圖6 烏江下游洪水淹沒(méi)范圍計(jì)算結(jié)果Fig.6 The flood submerge area of Wujiang River Downstream

3 結(jié)束語(yǔ)

快速獲取洪水淹沒(méi)范圍對(duì)防洪減災(zāi)具有重要意義，針對(duì)常規(guī)種子蔓延算法遞歸層次深、易導(dǎo)致計(jì)算失敗以及不能處理大范圍淹沒(méi)區(qū)域等問(wèn)題，本文提出了改進(jìn)的分塊種子蔓延算法，并針對(duì)山谷狹窄區(qū)域和平坦區(qū)域，提出了兩種淹沒(méi)區(qū)域提取策略.在數(shù)據(jù)塊上運(yùn)行種子蔓延算法提取該塊的淹沒(méi)范圍，針對(duì)每個(gè)DEM格網(wǎng)單元進(jìn)行遍歷判斷，因此洪水淹沒(méi)范圍提取的精度主要取決于DEM數(shù)據(jù)的精度.數(shù)據(jù)分塊是影響算法性能的一個(gè)重要因素，應(yīng)選擇合適數(shù)據(jù)分塊尺寸，保證每個(gè)塊上能高效運(yùn)行種子蔓延算法，并使得塊的數(shù)量盡可能小.算法采用C#語(yǔ)言實(shí)現(xiàn)，并在流域防洪調(diào)度三維仿真系統(tǒng)的洪水淹沒(méi)分析模塊中得到應(yīng)用，實(shí)踐表明，該算法不受研究區(qū)域范圍限制，可以用于大區(qū)域淹沒(méi)范圍的快速提取.

[1] 江 嶺， 湯國(guó)安， 王 春， 等. 基于FDEM的洪水淹沒(méi)區(qū)精確快速提取[J]. 地球信息科學(xué)學(xué)報(bào)， 2013， 15(1):68-74．

[2] 郭利華， 龍 毅.基于DEM的洪水淹沒(méi)分析[J].測(cè)繪通報(bào)， 2002(11):25-27．

[3] 劉仁義， 劉 南. 一種基于數(shù)字高程模型DEM的淹沒(méi)區(qū)災(zāi)害評(píng)估方法[J]. 中國(guó)圖像圖形學(xué)報(bào)， 2001， 6A(2):118-122．

[4] 丁志雄， 李紀(jì)人， 李 琳. 基于GIS格網(wǎng)模型的洪水淹沒(méi)分析方法[J]. 水利學(xué)報(bào)， 2004(6):56-60．

[5] 黃少華， 丁志良， 王漢東， 等. 基于三維GIS的水庫(kù)洪水調(diào)度模擬系統(tǒng)研究[J]. 人民長(zhǎng)江， 2013， 44(7):95-99．

[6] Reggiani P， Weerts A H. A bayesian approach to decision-making under uncertainty: an application to real-time Forecasting in the river rhine[J]. Journal of Hydrology， 2008， 356(1-2): 56-69．

[7] 謝俊舉， 李亞琦. 基于洪水演進(jìn)數(shù)值模擬的潰壩危害性快速評(píng)估[J].災(zāi)害學(xué)， 2011， 26(2): 31-34．

[8] Liang Qiuhua. Flood simulation using a well-balanced shallow flow model[J]. Journal of Hydraulic Engineering， 2010，136(9):669-675．

[9] 李致家， 張 珂， 姚 成. 基于GIS的DEM和分布式水文模型的應(yīng)用比較[J].水利學(xué)報(bào)，2006，37(8):1022-1028．

[10] Hashemi B L，Mostafavi M A， Pouliot J. 3D Dynamic Simulation within GIS in Support of Disaster Management[C]. //Lecture Notes in Geoinformation and Cartography. Berlin:Springer Berlin Heidelberg， 2007:165-184．

[11] Van Der Knijff J M， Younis J， De Roo A P J. LISFLOOD: A GIS-based distributed model for river basin scale water balance and flood simulation[J]. Internaional Journal of Geographical Information Science，2010， 24(2): 189-212．

[12] 張秉仁， 邱殿明， 馮雨林. 面向地學(xué)過(guò)程的源發(fā)型洪水演進(jìn)仿真技術(shù)[J].吉林大學(xué)學(xué)報(bào):地球科學(xué)版， 2008， 38(5): 908-912．

[13] 李 輝， 黃進(jìn)良， 王立輝， 等. GIS環(huán)境下基于GDEM的丹江口庫(kù)區(qū)流域自動(dòng)提取方法的研究[J].華中師范大學(xué)學(xué)報(bào)：自然科學(xué)版， 2011， 45(4): 655-658．

[14] 張 煜， 沈定濤， 葉 松， 等. 基于壓縮的大地形數(shù)據(jù)分析方法研究[J]. 人民長(zhǎng)江， 2014， 45(2): 60-62．

[15] 沈定濤， 王結(jié)臣， 張 煜， 等. 一種面向海量數(shù)字高程模型數(shù)據(jù)的洪水淹沒(méi)區(qū)快速生成算法[J].測(cè)繪學(xué)報(bào)，2014， 43(6): 645-652．

[16] 張東華， 劉 榮， 張?jiān)佇拢?等. 一種基于DEM的洪水有源淹沒(méi)算法的設(shè)計(jì)與實(shí)現(xiàn)[J].華東理工大學(xué)學(xué)報(bào)：自然科學(xué)版,2009， 32(2): 181-184．

[17] 孫 海， 王 乘. 利用DEM的“環(huán)形”洪水淹沒(méi)算法研究[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版， 2009， 34(8):948-951．

[18] 陳 靜， 袁思佳， 曾方敏. 三維虛擬地球中有源洪水淹沒(méi)分析算法[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版， 2014， 39(4): 492-495．

[19] 丁雨淋， 杜志強(qiáng)， 朱 慶， 等. 洪水淹沒(méi)分析中的自適應(yīng)逐點(diǎn)水位修正算法[J].測(cè)繪學(xué)報(bào)， 2013， 42(4): 546-553．

[20] 謝順平， 都金康， 王臘春， 等. 基于游程編碼的GIS柵格數(shù)據(jù)矢量化方法[J].測(cè)繪學(xué)報(bào)， 2004，33(4): 323-327．

A blocking seed spread algorithm for fast extracting flood submerged area based on massive DEM data

YANG Qigui, WANG Handong

(Changjiang Institute of Survey， Planning， Design and Research， Changjiang Water Resources Commission， Wuhan 430010)

Fast and accurate data extraction of flood submerged area is the key factor of flood disaster assessment and flood control policy. Because of its great amount of recursive processing， conventional seed spread algorithm has low efficiency and high deficiency in processing large area terrain data. This paper provides a new blocking seed spread algorithm which partitions the original terrain into small blocks with predesigned size. The recursive processing of algorithm is based on the predesigned blocks which are much fewer than the original terrain cells in amount; therefore this new algorithm improves data processing efficiency significantly. It is demonstrated that the proposed approach is able to be employed to extract flood submerged area of large terrain data with given flood water level fast and accurately．

Digital Elevation Model (DEM); seed spread algorithm; data partition; flood analysis

2015-04-03.

水利部科技推廣計(jì)劃項(xiàng)目(TG1418)；長(zhǎng)江勘測(cè)規(guī)劃設(shè)計(jì)研究有限責(zé)任公司自主科研項(xiàng)目(CX2013Z09).

1000-1190(2015)04-0603-05

TP391< class="emphasis_bold">文獻(xiàn)標(biāo)識(shí)碼： A

A

*E-mail:yangqigui@cjwsjy.com.cn.