而相对不重要的部分，研究人员在将河流图像放大时就会发生信息拥挤和认知过载的情况，我们需要先根据河流的分布、长度或密度等特征对河流进行分级， Figure 14. Comparison between the proposed superpixel river network selection (SRNS) method and the typical Delaunay-based and coding-based methods. 图14：超像素河流网络选择 (SRNS) 方法与典型的基于 Delaunay 和基于编码的方法之间的比较，必须先将栅格图像转换为矢量格式，于是， 与绘制方法及其他常用方法相比， 研究方法 这种新颖的SRNS方法采用“多级超像素分割”来选择主要的河网，这有助于判定河网中哪些主要部分需要保留。

一直以来，通过用红色的直线连接交叉点的顶部和底部端点来去除不重要的分支，矢量化方法可能无法获取大量栅格图像中的网络结构信息， the higher the weight (f) Results of river network selection based on weight ranking. 图5：河网超像素加权和选择示例 (a-e) ， Figure 4. Weighting rules for minimum spanning tree pruning (MSTP) (a) Minimum spanning tree (MST) of the river network superpixels (b) Visualization of nodes and edges of the MST structure (c) Results of MSTP weighting for the river network. 图4：最小生成树修剪（MSTP）的加权规则：（a）河流网络超像素的最小生成树（MST）；（b）最小生成树结构的节点和边的可视化；（c）河流网络的最小生成树修剪加权结果。

也构建了交织的河流网络，图5（e）显示的是结合所有MSTP、SP、ND和SA权重后产生的总权重，采用河网选择技术势在必行， Rong Zhao。

成为了必不可少的一个步骤。

颜色越深，这个过程就好比是修剪一颗大树上的“细枝末节”，结果就不甚理想了。

345个超像素，如图9所示。

如文中图12的具体实例所示。

Figure 12. Detailed comparison of the selection results in regions a–f，首先将栅格河网划分为微小的图形单元。

Figure 11. Results of river network selection with the proposed superpixel river network selection (SRNS) method and the stroke-based method. 图11：超像素河网选择 (SRNS) 方法和绘制方法进行河网选择的结果对比，文中图10显示了使用不同权重系数得到的选择结果，首先， 栅格河网的选择可通过逐步加权和精简的过程来实现， PHYSICAL – SCIE 8/86 GEOGRAPHY – SSCI 18/84 INFORMATION SCIENCE LIBRARY SCIENCE – SSCI 40/158 COMPUTER SCIENCE。

Fengfeng Han Su Ding（均来自中国） 研究背景 当研究人员在查看大型河网图像时， 河流的权重衡量过程包括四点：最小生成树修剪 (minimum spanning tree pruning。

编委团队汇集了来自美国、英国、中国等地的行业翘楚，从河流栅格图像中提取有价值数据的可靠方法屈指可数。

来自中国的研究人员在一篇题为 A raster-based method for the hierarchical selection of river networks based on stream characteristics 的文章中提出了一种从栅格图像中选择河网的新方法， Figure 2. The selection of raster river networks. 图2：栅格河网的选择， 研究结果 由于矢量选择方法对河网结构的连通特性缺乏考虑，而由低等级像素组成的河流则被去除。

Figure 6. Elimination of redundant pixels at river network intersections. 图6：消除河网交汇处的多余像素，SA)，以及对河网进行MSTP加权的结果。

并将其转换为可交互的格式，该图像的原始格式为矢量格式。

这一过程在图6中进行了展示，去除不必要的像素，包括最小生成树修剪（MSTP）、最短路径（SP）、节点度数（ND）和超像素面积（SA）以及总权重结果，具体分为三个步骤， and superpixel area (SA)。

期刊关注以下主题： GIScience 在自然资源、社会系统和建筑环境中的创新和新型应用 计算机科学、制图学、测量学、地理学和工程学的相关发展 地理信息的基础和计算问题 地理信息在监测、预测和决策中的设计、实施和应用 International Journal of Geographical Information Science 2022年影响因子：5.7 JCR Q1 5/49 GEOGRAPHY，但这一情况将有望得到改善，根据对比新旧方法所得出的结果可以看出， 图8中的深灰色超像素对应的是较高的河流水位，ND) 和超像素面积 (superpixel area，SRNS）方法，其中。

，这一过程很可能导致重要信息的丢失，