鄭義，王發(fā)良，李廣泳，賈云鵬

（國家基礎(chǔ)地理信息中心，北京 100830）

1 引 言

地理國情監(jiān)測是為了獲取自然與人類社會經(jīng)濟活動引起的地表變化信息，實現(xiàn)地理國情信息對政府、企業(yè)和公眾的服務(wù)［1］。在這項重大的國情國力調(diào)查中，很重要的一項工作就是利用各省市不同時相的影像獲取的數(shù)據(jù)開展時點統(tǒng)一核查工作，即利用2015年3月1日至2015年6月30日時期獲取的航空航天遙感影像。而監(jiān)測中采用的主要數(shù)據(jù)源為優(yōu)于2.5m的高分辨率航空航天遙感影像，時相以2月～10月為主。影像時相不一致，而且氣候（溫度、降水）在該時段變化差異較大，因此造成河流水體、植被等地表覆蓋類型在該時段波動較大。需要確定調(diào)整系數(shù)將受影像時相影響較大的地理國情信息普查結(jié)果更接近同一時間的實際值，減少受影像時相影響產(chǎn)生的誤差。從而對前期普查成果進行核準(zhǔn)，形成符合標(biāo)準(zhǔn)時點要求的成果［1－3］。

河流作為一種重要的地表覆蓋類型，是地理國情監(jiān)測的重要內(nèi)容之一，其面積隨時空變化的信息也是氣候變化預(yù)測、生態(tài)環(huán)境評估、宏觀調(diào)控分析等綜合統(tǒng)計分析中不可或缺的重要基礎(chǔ)信息。不同時相遙感影像中的河流面積調(diào)整與修正對于普查成果的核準(zhǔn)具有十分重要的意義。

目前，國內(nèi)外學(xué)者針對河流和水體監(jiān)測進行了較多的研究工作。沈占峰、駱劍承等以Landsat衛(wèi)星遙感數(shù)據(jù)為數(shù)據(jù)源，在歸一化差異水指數(shù)（NDWI）計算的基礎(chǔ)上，首次提出采用高斯歸一化水體指數(shù)（GNDWI）提取河流水體的模型，使得指數(shù)能夠更大程度上保證河流提取的連續(xù)性，并通過DEM的輔助實現(xiàn)了其他干擾信息的去除［4］。慎利等提出一種空間像素模板來獲取空間鄰域關(guān)系，并結(jié)合Adaboost集成學(xué)習(xí)算法來實現(xiàn)高分辨率影像上河流的精確提取。首先，基于過濾式特征選擇方法自動生成像素模板，繼而構(gòu)建多維特征向量，然后利用Adaboost算法實現(xiàn)多特征的加權(quán)集成利用提取河流［5］。曹銀貴、劉正軍等利用三峽庫區(qū)1975年、1987年、1995年、2000年和2005年的遙感影像數(shù)據(jù)，提取各期土地利用圖。以各期土地利用圖為基礎(chǔ)圖件，利用GIS技術(shù)，分析了三峽庫區(qū)各期土地利用類型和水體的數(shù)量、空間分布及變化趨勢［6］。Lacoste C等利用非監(jiān)督分類的方法，根據(jù)多邊形模板提取水網(wǎng)，從而計算河流覆蓋的面積［7］。蒙海花等以喀斯特后寨河流域為例，探討了從數(shù)字高程模型（DEM）中提取流域特征的詳細(xì)過程，包括：DEM的生成和預(yù)處理、水流方向的確定、匯流累積量分析、河網(wǎng)的提取和子流域的劃分以及落水洞的計算。經(jīng)分析得到了研究區(qū)域河網(wǎng)特征以及研究區(qū)其他常用的流域特征信息［8］。劉影等利用鄱陽湖星子站1951年～2008年57年長系列記錄的7月份平均水位數(shù)據(jù)（該月水位一般為一年內(nèi)最高月平均水位，為17.69m吳淞高程），選取與該水位最接近的洪水期Landsat ETM影像為底圖，并結(jié)合鄱陽湖的圩堤分布圖，確定鄱陽湖天然濕地的范圍。在此基礎(chǔ)上采用決策樹分類方法分別對代表逐月狀況的12幅TM／ETM遙感影像進行解譯，并在結(jié)果中探討了水體面積隨時空變化的規(guī)律［9－10］。

總的來說，傳統(tǒng)河流提取方法主要是針對一定時相、一定區(qū)域內(nèi)的河流進行信息提取。缺少對不同時相影像獲取的解譯結(jié)果之間的關(guān)系進行研究。在前人的研究中，若采用QuickBird這類米級的高分辨率遙感影像，則研究區(qū)域相對較小，大多為縣域內(nèi)水體提取。若研究區(qū)擴大到省域，則遙感影像的分辨率多為TM這類10米級的中分辨率影像，監(jiān)測精度有所降低。缺乏對這兩種不同尺度影像所得到的解譯結(jié)果之間的關(guān)系進行分析［11－15］。

結(jié)合地理國情監(jiān)測的需求，主要有以下兩個問題需要解決：①同一地區(qū)不同作業(yè)單位獲取的遙感影像存在時相差異，以四川省、黑龍江省為例，試點區(qū)域獲取的QuickBird影像的時相從2月到12月各不相同。而河流受降水、溫度、蒸散發(fā)等氣候因子的影響季節(jié)波動明顯，河流覆蓋面積年內(nèi)變化符合二次多項式或高斯分布，針對不同時相得到的解譯結(jié)果，需要建立不同月份水體覆蓋面積之間的對應(yīng)關(guān)系［16－17］。②試點區(qū)域的工作單位獲取的都是以QuickBird為主的高分辨率遙感影像。高分辨率的遙感影像能夠精確地提供河流數(shù)據(jù)，但是覆蓋面積小、解譯時需要人工輔助較多，全國范圍補充相同地區(qū)不同時相的影像成本較高。而以Landsat ETM為代表的中分辨率遙感影像覆蓋面積大，影像獲取成本低，但是精度卻很難達到要求，造成了數(shù)據(jù)的不準(zhǔn)確［18－19］。因此，為了達到大區(qū)域與高精度的統(tǒng)一，需要結(jié)合利用高、中分辨率影像的優(yōu)勢，建立不同類型影像的解譯結(jié)果之間的關(guān)系。

本研究利用QuickBird和Landsat ETM兩種不同分辨率的遙感影像，采用空間抽樣的方法，逐步建立不同類型影像解譯結(jié)果之間的調(diào)整系數(shù)（影像類別調(diào)整系數(shù)）和不同時相影像解譯結(jié)果之間的調(diào)整系數(shù)（時相差異調(diào)整系數(shù)），最終建立以普查時點為目標(biāo)的河流面積調(diào)整系數(shù)。

2 研究區(qū)概況與數(shù)據(jù)來源

2.1 研究區(qū)概況

降水是我國東部區(qū)域河流水源補給的主要方式，雨季時空格局、降水量大小受季風(fēng)氣候影響顯著。雨季時空變化是造成河流水體覆蓋季節(jié)波動的主要原因，降水量決定河流水位，影響河流水體覆蓋面積。為了保證區(qū)域河流水體覆蓋變化季節(jié)波動的一致性，本文根據(jù)我國雨季時空格局特征，綜合400mm、800mm全國年平均等降水量線以及主要河流流域分布狀況，將我國東部區(qū)域河流水體覆蓋季節(jié)波動較一致的區(qū)域進行區(qū)劃，劃分為4個區(qū)域。同時根據(jù)試點數(shù)據(jù)獲取的便利性，本文選擇試點成果數(shù)據(jù)較豐富的四川省試點區(qū)域（圖中青色橢圓圈內(nèi)）和黑龍江省試點區(qū)域（圖中綠色橢圓圈內(nèi)）作為研究區(qū)。

2.2 數(shù)據(jù)來源

圖1 全國河流水體覆蓋隨季節(jié)波動的分區(qū)概況

研究中選用了USGS提供的2011年2月9日和5月19日的30m分辨率Landsat ETM影像，國家基礎(chǔ)地理信息中心提供的2011年2月11日QuickBird衛(wèi)星的多光譜影像，空間分辨率為2.5m。高、中分辨率影像均有地理坐標(biāo)，并統(tǒng)一轉(zhuǎn)換為UTM／WGS－84投影。采用的非遙感數(shù)據(jù)有國家基礎(chǔ)地理中心提供的省、地級境界及一、二級河流的矢量數(shù)據(jù)。研究還獲取了全國地理國情普查四川省和黑龍江省試點區(qū)域內(nèi)的河流面積（2013年5月）以進行結(jié)果評價。研究區(qū)域如圖2所示。其中，底層大幅為ETM影像，上層小幅為QuickBird影像。

3 數(shù)據(jù)處理方法

3.1 總體技術(shù)流程

圖2 研究區(qū)域示意圖

針對地理國情普查時點統(tǒng)一的需求和影像時相不一致的問題，本研究以四川省和黑龍江省國情普查試點區(qū)域作為實驗區(qū)，以實驗區(qū)2011年2月份的QuickBird影像為基礎(chǔ)，通過輔助2011年2月份和5月份的Landsat ETM影像，分別建立2月份的QuickBird和Landsat ETM影像中河流解譯面積的調(diào)整系數(shù)（影像類別調(diào)整系數(shù)）、2月份的Landsat ETM影像和5月份的Landsat ETM影像中河流解譯面積的調(diào)整系數(shù)（時相差異調(diào)整系數(shù)）。最終實現(xiàn)將試點區(qū)域的2月份QuickBird影像得到的河流解譯面積，通過調(diào)整系數(shù)修正到時點統(tǒng)一查的5月份解譯面積?？傮w技術(shù)流程如下：

圖3 河流覆蓋面積調(diào)整系數(shù)研究總體技術(shù)流程圖

3.2 建立影像類別調(diào)整系數(shù)

在研究區(qū)選取了30個包含河流段的樣本區(qū)域，分別計算樣本區(qū)域在2月份QuickBird和Landsat ETM影像中的河流面積，建立相同時相、不同類別影像得到的河流解譯面積之間的關(guān)系模型，確定相同時相、不同類別影像之間的河流解譯面積調(diào)整系數(shù)。

第一步，對研究區(qū)的每一個樣本區(qū)域采用人工解譯的方式得到實驗區(qū)2月份QuickBird影像中的河流覆蓋面積。

第二步，對研究區(qū)的每一個樣本區(qū)域，利用Landsat ETM影像采用歸一化水體指數(shù)（NDWI）提取研究區(qū)河流覆蓋面積。

圖4 采用歸一化水體指數(shù)（NDWI）提取研究區(qū)ETM影像中的河流覆蓋結(jié)果

第三步，利用研究區(qū)內(nèi)30個樣本區(qū)域的河流提取結(jié)果建立模型，確定2月份QuickBird影像和Landsat ETM影像之間河流面積的調(diào)整系數(shù)。如圖5所示。其中，YTM表示根據(jù)ETM影像自動解譯出來的河流面積，XQB表示根據(jù)QuickBird影像人工解譯出來的河流面積，R2表示所選樣本區(qū)所呈線性關(guān)系的擬合度。

圖5 QB－ETM影像河流解譯面積關(guān)系示意圖

3.3 建立時相差異調(diào)整系數(shù)

在四川省和黑龍江省研究區(qū)分別選取了30個和35個包含河流段的樣本區(qū)域，分別計算樣本區(qū)域在2月份Landsat ETM影像和5月份Landsat ETM影像中的河流面積，建立不同時相、相同類別影像得到的河流解譯面積之間的關(guān)系模型，確定不同時相、相同類別影像之間的河流解譯面積調(diào)整系數(shù)。

第一步，對研究區(qū)的每一個樣本區(qū)域，針對2月份和5月份的Landsat ETM影像分別利用歸一化水體指數(shù)（NDWI）提取研究區(qū)河流覆蓋面積。

圖6 TM影像樣本區(qū)域示意圖

第二步，利用研究區(qū)內(nèi)樣本區(qū)域的河流提取結(jié)果建立模型，確定2月份Landsat ETM影像和5月份Landsat ETM影像之間河流面積的調(diào)整系數(shù)。如圖7所示。其中，Y5月表示根據(jù)ETM影像2011年5月自動解譯出來的河流面積，X2月表示根據(jù)ETM影像2011年2月自動解譯出來的河流面積，R2表示所選樣本區(qū)所呈線性關(guān)系的擬合度。

圖7 ETM影像水體2月～5月解譯面積關(guān)系示意圖

3.4 建立面積調(diào)整系數(shù)

通過3.2、3.3中提取的影像類別調(diào)整系數(shù)和時相差異調(diào)整系數(shù)，根據(jù)時點統(tǒng)一的要求，將2月份QuickBird影像得到的河流面積修正到5月份的河流面積。

其中，QB5月表示目標(biāo)時相、即統(tǒng)一時點下的QuickBird影像中的河流面積，YTM表示根據(jù)TM影像自動解譯出來的河流面積，Y5月表示根據(jù)TM影像2011年5月自動解譯出來的河流面積。

4 結(jié)果評價

利用這種空間抽樣的方法既能夠充分發(fā)揮Landsat ETM這種中分辨率遙感影像覆蓋區(qū)域廣、影像獲取成本低的特點，也能夠充分利用到QuickBird影像這類高分辨率遙感影像空間分辨率高的優(yōu)勢，提高河流監(jiān)測的精度。實驗表明，在研究區(qū)內(nèi)Landsat ETM影像提取的河流覆蓋面積與QuickBird提取的面積結(jié)果具有顯著的線性擬合關(guān)系，不同時相間的Landsat ETM影像提取的河流覆蓋面積也具有較好的線性擬合關(guān)系。從而得到兩種分辨率影像河流解譯面積的調(diào)整系數(shù)，包括2月份的QuickBird與2月份的Landsat ETM之間的影像類別調(diào)整系數(shù)，其中四川省試驗結(jié)果為1.1485，黑龍江省試驗結(jié)果為1.1457。2月份的Landsat ETM影像和5月份的Landsat ETM影像之間的時相差異調(diào)整系數(shù)，其中四川省試驗結(jié)果為1.1423，黑龍江省試驗結(jié)果為1.1418。并由這兩個模型關(guān)系根據(jù)式（1）得到研究區(qū)內(nèi)河流面積從2011年2月份修正到5月份的調(diào)整系數(shù)為1.14。

最后，通過調(diào)整系數(shù)修正得到的5月份QuickBird中的河流面積與試點地區(qū)實際得到的普查面積相比較，其中四川省修正得到的5月份QuickBird中的河流面積為36.24km2，樣本區(qū)實際普查的河流面積為35.18km2，修正結(jié)果面積與實際普查面積的比值約為1.03。黑龍江省修正得到的5月份QuickBird中的河流面積為47.32km2，樣本區(qū)實際普查面積為49.69km2，修正結(jié)果面積與實際普查面積的比值約為1.05。

實驗數(shù)據(jù)表明，該方法能夠保證較好的解譯精度和修正結(jié)果，且具有良好的操作性和可靠性，能夠為解決國情普查結(jié)果的時點統(tǒng)一問題提供方法參考。

5 結(jié)束語

本文在研究了國內(nèi)外遙感河流監(jiān)測技術(shù)方法的基礎(chǔ)上，提出使用高、中兩種分辨率的遙感影像進行河流抽樣監(jiān)測，利用NDWI閾值分割法結(jié)合目視解譯逐層外推，在保證河流提取精度的前提下，以較方便獲取的Landsat ETM影像為輔助數(shù)據(jù)實現(xiàn)了2月份的QuickBird影像得到的河流面積修正為5月份的河流面積。并以四川省和黑龍江省為例，對此方法進行了檢驗，結(jié)果表明，該方法證明了不同時相、不同類別影像的河流提取面積之間具有一定的線性擬合關(guān)系，既保證了解譯精度，又有較高的效率，具有較強的操作性，可以滿足國情普查時點統(tǒng)一的要求。然而，此研究中不同類型、時相條件下的解譯樣本收集的工作量較大，只探討和建立了2月份與5月份之間QuickBird影像和Landsat ETM影像的調(diào)整模型。在今后研究中，還需要針對其時相與統(tǒng)一時點建立相應(yīng)的調(diào)整模型，確定調(diào)整系數(shù)，最終建立不同時相與統(tǒng)一時點之間的調(diào)整系數(shù)表。同時還應(yīng)繼續(xù)探索有效的方法，不斷進行完善，不斷提高遙感河流監(jiān)測的精度和方法的廣泛適用性。

［1］國務(wù)院第一次全國地理國情普查領(lǐng)導(dǎo)小組辦公室.地理國情普查基礎(chǔ)知識［M］.北京：測繪出版社，2013.

［2］國務(wù)院第一次全國地理國情普查領(lǐng)導(dǎo)小組辦公室.地理國情普查內(nèi)容與指標(biāo)［M］.北京：測繪出版社，2013：1－49.

［3］國務(wù)院第一次全國地理國情普查領(lǐng)導(dǎo)小組辦公室.地理國情普查數(shù)據(jù)采集技術(shù)方法［M］.北京：測繪出版社，2013.

［4］沈占峰，夏烈剛，李均力，等.采用高斯歸一化水體指數(shù)實現(xiàn)遙感影像河流的精確提取［J］.中國圖象圖形學(xué)報，2013，18（4）：421－428.

［5］慎利，唐宏，王世東，等.結(jié)合空間像素模板和Adaboost算法的高分辨率遙感影像河流提取［J］.測繪學(xué)報，2013，42（3）：344－350.

［6］曹銀貴，王靜，劉正軍，等.三峽庫區(qū)近30年土地利用時空變化特征分析［J］.測繪科學(xué)，2007，32（6）：167－170，210.

［7］LACOSTE C，DESCOMBES X，ZERUBIA J.Unsupervised line network extraction in remote sensing using apolyline process［J］.Pattern Recognition，2010.1631－1641.

［8］蒙海花，王臘春，蘇維詞.基于DEM的流域特征提取研究—以貴州省普定縣后寨河流域為例［J］.測繪科學(xué)，2010，35（4）：87－88.

［9］劉影，范娜，于秀波，等.基于RS和 GIS的鄱陽湖天然濕地邊界確定及季節(jié)變化分析［J］.資源科學(xué)，2010，32（11）：2239－2245.

［10］李娜，張麗，嚴(yán)冬梅，等.基于CLUE－S模型的天津濱海新區(qū)土地利用變化情景模擬［J］.遙感信息，2013，28（4）：62－68，74.

［11］來玉梅，邱玉寶，傅文學(xué)，等.基于TM 影像近十年來喀什地區(qū)地表水遙感監(jiān)測與分析［J］.遙感信息，2013，28（3）：50－57.

［12］曹小敏，羅明良，劉承栩.基于 ASTER－GDEM 的延河流域水系分維特征分析［J］.遙感信息，2013，2（1）：34－37.

［13］CAI S S，LIU D S，SULLA－MENASHE D.Enhancing MODIS land cover product with a spatial－temporal modeling algorithm［J］.Remote Sensing of Environment，2014，12（3）：128－136.

［14］ZHANG J L，KALACSKA M，TURNER S.Using Landsat TM record to map land cover change in southeast Yunnan of China before and during national reforestation programme［J］.International Journal of Applied Earth Observation and Geoinformation，2014，6（1）：89－94.

［15］程滔，周旭，劉若梅.面向地理國情監(jiān)測的地表覆蓋信息提取方法［J］.測繪通報，2013（8）：84－86.

［16］XU Y，HUANG B.Spatial and temporal classification of synthetic satellite imagery：Land cover mapping and accuracy validation［J］.Geo－spatial Information Science，2014，17（1）：1－7.

［17］劉可群，梁益同，黃靖，等.基于衛(wèi)星遙感的洞庭湖水體面積變化及影響因子分析［J］.中國農(nóng)業(yè)氣象，2009，30（z2）：281－284.

［18］譚衢霖.鄱陽湖濕地生態(tài)環(huán)境遙感變化監(jiān)測研究［D］.北京：中國科學(xué)院遙感應(yīng)用研究所，2002.

［19］丁鳳.基于新型水體指數(shù)（NWI）進行水體信息提取的實驗研究［J］.測繪科學(xué)，2009，34（4）：155－157.