王春陽(yáng),劉艷霞,畢京佳,董慧君

(1.山東電力工程咨詢?cè)河邢薰?山東濟(jì)南 250013;2.中國(guó)科學(xué)院海洋研究所,海洋地質(zhì)與環(huán)境重點(diǎn)實(shí)驗(yàn)室,山東青島 266071;3.青島恒天翼信息科技有限公司,山東青島 266061;4.山東省東營(yíng)市勘察測(cè)繪院,山東東營(yíng) 257091)

典型電廠區(qū)多源遙感定量反演的適宜性評(píng)價(jià)*

王春陽(yáng)1,劉艷霞2**,畢京佳2,3,董慧君4

(1.山東電力工程咨詢?cè)河邢薰?山東濟(jì)南 250013;2.中國(guó)科學(xué)院海洋研究所,海洋地質(zhì)與環(huán)境重點(diǎn)實(shí)驗(yàn)室,山東青島 266071;3.青島恒天翼信息科技有限公司,山東青島 266061;4.山東省東營(yíng)市勘察測(cè)繪院,山東東營(yíng) 257091)

【目的】探討典型電廠廠址區(qū)各種地質(zhì)要素在多源遙感監(jiān)測(cè)的影像及方法選取方面的適宜性?！痉椒ā恳詨酃饣痣姀S和西北典型洪災(zāi)區(qū)(有4個(gè)電站)為例，從海岸線變化監(jiān)測(cè)和洪水痕跡范圍識(shí)別方面，開(kāi)展適宜性評(píng)價(jià)研究?！窘Y(jié)果】對(duì)電廠廠址尺度范圍內(nèi)的海岸線變化監(jiān)測(cè)，在傳感器類型和反演方法選取時(shí)，不同潮灘坡降分別受到影像空間分辨率、水邊線高程誤差和改正時(shí)的內(nèi)插誤差、坡度改正誤差的影響，而需要選擇相應(yīng)合適的影像數(shù)據(jù)。在進(jìn)行洪水淹沒(méi)范圍的提取時(shí)，遙感反演、現(xiàn)場(chǎng)調(diào)訪和模擬結(jié)果對(duì)比顯示，基于Landsat數(shù)據(jù)的土壤含水量法提取的洪痕及洪水淹沒(méi)范圍更加準(zhǔn)確?！窘Y(jié)論】本研究結(jié)果可為電廠選址及后期監(jiān)測(cè)選取適宜的遙感數(shù)據(jù)源和相應(yīng)技術(shù)方法提供參考，為工程廠址環(huán)境監(jiān)測(cè)提供可靠的遙感反演理論依據(jù)。

多源遙感技術(shù) 電廠選址 岸線變化監(jiān)測(cè) 洪痕識(shí)別

0 引言

【研究意義】遙感技術(shù)具有宏觀、綜合、多尺度、多層次的特點(diǎn)[1]，不僅在大尺度的全球環(huán)境監(jiān)測(cè)、大氣監(jiān)測(cè)(全球氣候變化、臭氧層與溫室氣體監(jiān)測(cè)等)中有重要應(yīng)用，在局域和小范圍的環(huán)境監(jiān)測(cè)(森林火災(zāi)、洪水、赤潮等)中，例如對(duì)重大工程的環(huán)境調(diào)查以及防災(zāi)減災(zāi)，也有廣泛應(yīng)用[2-5]。遙感資料結(jié)合GIS技術(shù)與其它多元信息，可為大型工程區(qū)域及周圍自然資源清查、環(huán)境質(zhì)量評(píng)價(jià)等提供客觀可靠的決策依據(jù)[6]?！厩叭搜芯窟M(jìn)展】隨著社會(huì)發(fā)展的需要和衛(wèi)星遙感技術(shù)的快速發(fā)展，各類型對(duì)地觀測(cè)衛(wèi)星成功升空，新型傳感器不斷推出，多平臺(tái)、多尺度、多層次觀測(cè)系統(tǒng)逐漸形成，不僅極大地提高了遙感的觀測(cè)尺度，其地物識(shí)別能力和精度也顯著增加。相應(yīng)遙感技術(shù)的應(yīng)用，已從早期的遙感數(shù)據(jù)分析轉(zhuǎn)向多種數(shù)據(jù)綜合分析，從靜態(tài)到動(dòng)態(tài)，從定性到定量，從目視解譯到計(jì)算機(jī)自動(dòng)識(shí)別，研究方法趨向系統(tǒng)化[7]。【本研究切入點(diǎn)】從多源、多平臺(tái)、多尺度的遙感數(shù)據(jù)源中選擇合適的影像，以及評(píng)價(jià)各數(shù)據(jù)源的適宜性，逐漸成為當(dāng)前遙感應(yīng)用研究的突破口?！緮M解決的關(guān)鍵問(wèn)題】以壽光火電廠選址中的海岸線變化和西北典型洪災(zāi)區(qū)(有4個(gè)電站)的洪痕識(shí)別為監(jiān)測(cè)要素，探討不同時(shí)空分辨率的衛(wèi)星影像在監(jiān)測(cè)不同區(qū)域地質(zhì)要素的適宜性。

1 遙感海岸線變化監(jiān)測(cè)

1.1 海岸線變遷

遙感監(jiān)測(cè)海岸線變遷的方法，已由基于海岸特征并結(jié)合圖像處理技術(shù)對(duì)海岸線進(jìn)行直接判讀的定性解譯[8-9](包括平均高潮線和一般高潮線等)，發(fā)展到以特定基準(zhǔn)面為標(biāo)識(shí)定量提取指示岸線位置的階段。而在確定指示岸線位置特征時(shí)，有許多潛在的影響因素，包括影像獲取時(shí)的潮位、坡降、波能、地下水位、沉積物粒徑、太陽(yáng)高度角和傳感器觀測(cè)幾何等[10-11]。這些因素引起的海岸線變化可能是長(zhǎng)期的、周期性的和隨機(jī)性的。而主要由潮位引起的周期性海岸線變化對(duì)海岸線的位置確定起到非常重要的作用，且潮位的影響又因?yàn)楹０兜孛驳淖兓斐珊０毒€位置的很大不同[12]。本節(jié)以小清河口附近壽光火電廠址岸線變遷監(jiān)測(cè)為例，探討特定廠址區(qū)域遙感提取海岸線的影像選取、影響因素及評(píng)價(jià)方法。

1.2 研究區(qū)概況

研究區(qū)位于現(xiàn)代黃河三角洲地區(qū)。黃河平均每年輸送208.63×108m3和5.07×108t的水沙入海[9]，大約63%～79%的泥沙沉積在河口三角洲區(qū)域[12]，使得潮間帶面積迅速增加，特別是在現(xiàn)行河口地區(qū)，例如1976年-2008年，清水溝河口區(qū)潮間帶面積增加了136 km2。然而，在廢棄的河口區(qū)域，海岸沖刷也異常劇烈。該研究區(qū)屬于黃河1929年-1938年形成的葉瓣(圖1)。近年來(lái)，受多種因素綜合影響，黃河三角洲海岸沖淤變化異常復(fù)雜，而準(zhǔn)確定量的監(jiān)測(cè)海岸線變化是正確評(píng)價(jià)海岸沖淤變遷的關(guān)鍵[13]。該研究區(qū)屬不正規(guī)半日潮海區(qū)，落潮歷時(shí)大于漲潮歷時(shí)，平均潮差1.25 m，最大潮差自黃河口0.5 m向南增至小清河口，可達(dá)2 m，而潮流速則遞減到小清河口，為30～40 cm/s。該區(qū)灘面為黃河泥沙多年堆積而成，潮灘平坦寬廣，寬7～9 km，平均坡度為0.45‰，組成物質(zhì)主要為極細(xì)砂和粉砂，粒徑介于0.125～0.016 mm，為三角洲內(nèi)近年來(lái)比較穩(wěn)定的區(qū)域。

1：1855年-1889年;2：1889年-1897年;3：1897年-1904年;4：1904年-1929年;5：1929年-1934年;6：1934年-1938年；1947年-1964年;7：1964年-1976年；A：研究區(qū)位置的潮灘照片The intertidal flat photo of study area

圖1 黃河改道歷史及研究區(qū)位置

Fig.1 Location of study area and historical migration of deltaic channels of the modern Huanghe River delta

1.3 遙感影像數(shù)據(jù)及處理

已有報(bào)道：定量提取水邊線時(shí)，在一個(gè)1∶500坡降的潮灘，水邊線的高度誤差和內(nèi)插間隔是主要的誤差源[14]，影像獲取時(shí)位于高潮或低潮都會(huì)對(duì)低坡降的瞬時(shí)水邊線位置產(chǎn)生幾十米的影響[8]。在坡降增加至1∶30時(shí)，影像的分辨率就成為誤差的主要影響因素。當(dāng)潮汐變化引起的誤差大于影像的空間分辨率時(shí)，潮位變化必須考慮[11]。雖然也可通過(guò)選取低分辨率影像以忽略潮汐變化的影響，或選取高分辨率的影響減少誤差的影響[15]，但是在電廠這種小尺度的范圍內(nèi)，低分辨率影像有時(shí)很難滿足要求，而高分辨率的影像存在時(shí)間序列短的局限性。

由于研究區(qū)為黃河歷史上泥沙堆積形成的，自1976年黃河改道清水溝流路以來(lái)，該區(qū)潮灘受其影響始終處于不斷的沖淤變化中。因此，選用1973-2009年Landsat-MSS/-TM/-ETM+衛(wèi)星影像8景，用于分析海岸沖淤演化特征(表1)。所有影像校正到統(tǒng)一的WGS84坐標(biāo)系UTM50N投影，RSM小于0.5個(gè)像元。大氣校正采用暗目標(biāo)法(DOS2)。用單波段密度分割提取影像瞬時(shí)水邊線，又基于潮灘光譜特征，且研究區(qū)為粉砂淤泥質(zhì)海岸，灘面廣闊，落潮后潮灘上有大面積海水殘留(圖1,A)，近岸海水在有風(fēng)天氣濁度較高等原因，選用NIR波段(TM/ETM+選4波段，MSS選7波段)提取水邊線；而對(duì)于近岸海水濁度較高的年份采用NIR波段與可見(jiàn)光波段的差值消除濁流水的影響。

表1 黃河三角洲地區(qū)衛(wèi)星影像數(shù)據(jù)列表

Table 1 Summary of the satellite data used in Huanghe River delta from 1973 to 2009

基礎(chǔ)影像?Masterimage校正影像??Slaveimage日期Date時(shí)間Time傳感器Sensor分辨率(m)Resolution潮位(cm)Tidallevel日期Date時(shí)間Time傳感器Sensor分辨率(m)Resolution潮位(cm)Tidallevel1973103110：11：42MSS804．4161973120610：11：28MSS8050．0001973122410：11：10MSS80-85．0001980092409：50：40MSS80-4．1601980071409：53：30MSS80-37．4121980060809：54：55MSS8075．5941984100510：07：25MSS80-36．9721984090310：12：01MSS8012．1921989021310：14：45TM3013．6721989012810：14：28TM30-96．9761988120310：12：30TM302．3361992082410：04：22TM3029．7901992040210：06：01TM30-40．7682004091810：30：27ETM+30-24．0782004091010：25：39TM3031．0232007061510：36：01TM30-14．1372007042810：36：38TM3071．9132007051410：36：28TM3069．9902009061210：32：23ETM+30-23．6402009062010：30：21TM3048．760

注：潮高基準(zhǔn)面為1985國(guó)家高程基準(zhǔn),*基礎(chǔ)影像用于岸線提取，**校正影像用于坡度計(jì)算和精度評(píng)估

Note:The 1985 national tidal height datum was as the local tidal datum,the master images (*)used to detect coastline variations,and the slave images (**) used for calculation of the tidal flat gradient and evaluation of accuracy and errors

1.4 潮位標(biāo)定

為實(shí)現(xiàn)岸線變化對(duì)比分析，對(duì)提取的水邊線作不同潮位的標(biāo)定。采用丘仲鋒等[16]建立的渤黃海二維潮汐伴隨同化數(shù)據(jù)模型，得到研究區(qū)域12個(gè)主要分潮(Sa，K1，O1，P1，Q1，M2，S2，N2，K2，M4，Ms4，M6)的調(diào)和常數(shù)。衛(wèi)星過(guò)境時(shí)各像元的瞬時(shí)潮高采用方國(guó)洪等[17]的主港潮汐預(yù)報(bào)調(diào)和方法：

(1)

式中A0是多年平均海平面在潮高基準(zhǔn)面上的高度，如果從潮高基準(zhǔn)面起算，則可將其值取為0；H和g是分潮的調(diào)和常數(shù)，分別為振幅和遲角；σ是分潮的角速率；υ0是分潮的格林威治天文初相角；f和u是分潮的交點(diǎn)因子和交點(diǎn)訂正角；i是分潮數(shù)。

將調(diào)和常數(shù)代入式(1)，即可算出衛(wèi)星過(guò)境時(shí)的瞬時(shí)潮高。此外，還收集本區(qū)內(nèi)羊角溝水文站實(shí)測(cè)的逐時(shí)潮位(1976年-1998年)和高低潮位(1999年-2010年)作為參照。

1.5 坡度校正

遙感水邊線的坡度校正通常采用構(gòu)建區(qū)域DEM來(lái)實(shí)現(xiàn)，也可以基于一線或岸線變化模型(OSM)進(jìn)行坡度校正，但前一種方法對(duì)區(qū)域影像的時(shí)間跨度和潮位差異有較高的要求。本文假設(shè)粉砂淤泥質(zhì)潮灘的潮間帶內(nèi)灘面坡度大致均一，故選取兩景過(guò)境時(shí)間盡量相距短的影像，按照1.3節(jié)中方法提取水邊線，分別設(shè)為l1和l2，再利用1.4節(jié)中獲得的潮位數(shù)據(jù)確定兩景影像的瞬時(shí)潮高，分別設(shè)為h1和h2，那么灘面坡度p可以確定為

(2)

還要計(jì)算多年平均海平面、理論深度基準(zhǔn)面或1985年國(guó)家高程基準(zhǔn)(中國(guó)通用高程基準(zhǔn))等各基準(zhǔn)面之間的關(guān)系。例如，取1985年國(guó)家高程基準(zhǔn)為h，則水邊線l2向陸或向海的移動(dòng)距離為l，如式(3)，即可得到校正至某一基準(zhǔn)面的海岸線的位置。

(3)

為便于計(jì)算改正和對(duì)比岸線變化，將研究區(qū)內(nèi)的海岸線每隔100 m取一垂直海岸的斷面，兩個(gè)年份水邊線間的距離量算和水邊線向陸或向海的距離改正都沿各斷面進(jìn)行，具體操作通過(guò)ArcGIS擴(kuò)展模塊功能和DSAS軟件實(shí)現(xiàn)。

1.6 精度評(píng)價(jià)

采用相對(duì)誤差分析和絕對(duì)誤差分析兩種定量評(píng)估方式進(jìn)行精度評(píng)價(jià)。文中影像處理和水邊線的提取主要是采用已成熟的方法，盡可能考慮各種因素的影響。這里不做具體定量精度估算，主要考慮坡度在岸線改正過(guò)程中的關(guān)鍵作用，將坡度值作為精度評(píng)價(jià)的指標(biāo)。

1.6.1 相對(duì)誤差評(píng)價(jià)

相對(duì)誤差評(píng)價(jià)主要是基于計(jì)算結(jié)果內(nèi)部的相互對(duì)比驗(yàn)證，分別在1973年、1980年、1989年和2007年各增選一個(gè)時(shí)相的影像數(shù)據(jù)作實(shí)驗(yàn)驗(yàn)證，采用3組數(shù)據(jù)進(jìn)行分析，各組內(nèi)數(shù)據(jù)間最長(zhǎng)時(shí)間間隔為3個(gè)月。依據(jù)各影像的潮位狀況，選定1973-12-24、1980-06-08、1989-01-28和2007-06-15等4個(gè)時(shí)相影像分別作為3組驗(yàn)證數(shù)據(jù)的基準(zhǔn)(表2)，并采用上文提到的方法計(jì)算，各組內(nèi)其余兩個(gè)時(shí)相數(shù)據(jù)分別計(jì)算，得到478個(gè)斷面的坡降值,從而算出研究區(qū)段的平均坡降值。

1.6.2 絕對(duì)誤差評(píng)價(jià)

絕對(duì)誤差分析主要是坡度估算值與實(shí)測(cè)值之間的對(duì)比驗(yàn)證。1976年以來(lái)，為監(jiān)測(cè)黃河三角洲海岸變遷，水利部黃河水利委員會(huì)(黃委會(huì))沿三角洲海岸共布設(shè)了36條固定斷面進(jìn)行長(zhǎng)期變化監(jiān)測(cè)。選取與研究區(qū)海岸線基本垂直的10條斷面用于驗(yàn)證，編號(hào)為從27至36。斷面水深數(shù)據(jù)從潮灘向深海，測(cè)量一次的時(shí)間周期約為1個(gè)月，此期間的潮灘坡度變化對(duì)本文結(jié)果影響可忽略。由于粉砂淤泥質(zhì)潮灘從陸向或海向均較難進(jìn)行現(xiàn)場(chǎng)測(cè)量，因此，選取潮間帶測(cè)量數(shù)據(jù)較全的1984年、1992年、2004年和2009年用于計(jì)算潮灘真實(shí)坡降。各斷面實(shí)測(cè)坡降主要通過(guò)選取與影像提取的海岸線重疊或相近的水深值和水平距離計(jì)算得到(圖2)。

表2 相對(duì)誤差評(píng)價(jià)結(jié)果

Table 2 Error and RMSE of consistency check in study area

衛(wèi)星影像Date潮位Tidallevel(cm)潮差Tidalrange(cm)潮差之差Differenceoftidalrange(cm)平均坡降A(chǔ)veragegradient(‰)最大坡降Maxgradient(‰)最小坡降Mingradient(‰)均方根誤差RMSE(‰)誤差Error(%)19731206501350．6410．9630．4070．0089719731224-8545．5842．4197310314．41689．4160．6651．0320．4150．0094519800924-4．1679．7540．5660．7940．4030．009781980060875．59433．25219800714-37．412113．0060．5780．7270．4420．007741．21989021313．672110．6480．4530．6230．3790．0050919890128-96．97611．336198812032．33699．3120．4470．6170．3750．004820．62007042871．91386．0500．7630．9570．3220．0032920070615-14．1371．9232007051469．9984．1280．7610．9490．3310．003230．2

圖2 基于衛(wèi)星影像估算潮灘坡降值與實(shí)測(cè)斷面坡降值對(duì)比

Fig.2 Verification of absolute check for transects from 27 to 36 in 1984,1992,2004 and 2009

1.7 結(jié)果分析

由表2可知，4個(gè)檢驗(yàn)?zāi)攴莸钠骄陆捣謩e為0.654‰、0.572‰、0.450‰、0.762‰。再通過(guò)對(duì)DSAS方法劃分的478個(gè)斷面進(jìn)行均方根誤差計(jì)算，得到其變化范圍為0.00323‰～0.00978‰，低于坡降值兩個(gè)數(shù)量級(jí)，表明利用不同時(shí)相遙感數(shù)據(jù)計(jì)算的各斷面坡降值偏離程度較小，同時(shí)也顯示該區(qū)坡降在短期內(nèi)發(fā)生了較大的變化。平均坡降估算誤差(表2最后一列)受各年份相互驗(yàn)證的兩景影像間的潮差之差(表2第4列)影響，兩組影像間的潮差之差越小，二者估算的平均坡降值越接近,說(shuō)明利用影像進(jìn)行坡降估算具有可行性。該方法不同于構(gòu)建DEM模型獲得海岸線位置，其參與運(yùn)算的影像數(shù)量較少，對(duì)于短期內(nèi)坡度變化較大的海岸段更加適用。

為驗(yàn)證本文方法估算潮灘坡降值的準(zhǔn)確度，假定黃委會(huì)在黃河三角洲沿岸設(shè)立的36個(gè)固定斷面的長(zhǎng)期監(jiān)測(cè)結(jié)果是合理可靠的，則由影像估算的潮灘坡降值和實(shí)測(cè)值的對(duì)比和誤差分析結(jié)果(圖2和表3)看出，對(duì)4個(gè)年份的坡降值，采用10個(gè)實(shí)測(cè)斷面計(jì)算的均方根誤差為0.038‰～0.076‰，低于實(shí)測(cè)坡降值一個(gè)數(shù)量級(jí)。利用公式(1)將誤差算至潮灘坡面上，估算的距離誤差在20.34～171.35 m。

由上述分析可知，潮灘的坡降計(jì)算在整個(gè)海岸線定位和變化監(jiān)測(cè)中具有重要的作用，坡降計(jì)算的誤差是影響計(jì)算結(jié)果的關(guān)鍵，而引起坡降估算的主要誤差包括水邊線的高度配置、 影像分辨率和內(nèi)插計(jì)算精度[14]，其中水邊線的高度確定主要由潮汐模型決定；對(duì)于平均坡降0.45‰(本研究計(jì)算值0.33‰～1.09‰)的潮灘，采用30 m或80 m分辨率的MSSTM影像計(jì)算高度的評(píng)價(jià)誤差，分別為2 cm或4 cm(最大為9 cm)，可見(jiàn)影像分辨率不是主要的誤差來(lái)源；而對(duì)于由分段計(jì)算的間距大小帶來(lái)的誤差也與潮灘坡降有關(guān)，根據(jù)文獻(xiàn)[14]的討論結(jié)果：對(duì)于12.5 m分辨率的影像，1∶100和1∶30坡降差值像素為10 m×10 m， 1∶500坡降差值像素為60 m×60 m時(shí)為合理。而本研究選用30 m或80 m分辨率影像，潮灘坡降平均為1∶2000，對(duì)于給定的兩條岸線，岸線分段間距隨著潮灘坡度越小距離越大，因此本研究100 m的分段間隔足以滿足需要。對(duì)估算結(jié)果的相對(duì)誤差分析也顯示，不同影像估算坡降值的均方根誤差低于坡降值兩個(gè)數(shù)量級(jí)(表2)，表明利用不同時(shí)相遙感數(shù)據(jù)計(jì)算的各斷面坡降值偏離程度較小，結(jié)果具有可靠性，同時(shí)也顯示該區(qū)坡降在短期內(nèi)發(fā)生了較大的變化。而利用實(shí)測(cè)坡降對(duì)估算坡降進(jìn)行誤差分析可知，均方根誤差低于實(shí)測(cè)坡降值一個(gè)數(shù)量級(jí)。從驗(yàn)證結(jié)果可知，平均坡降估算誤差(表2最后一列)受到各年份相互驗(yàn)證的兩景影像間的潮差之差(表2第四列)的影響，兩組影像間的潮差之差越小，二者估算的平均坡降值越接近，說(shuō)明利用影像進(jìn)行坡降估算具有可行性。

表3 絕對(duì)誤差評(píng)價(jià)結(jié)果統(tǒng)計(jì)表

Table 3 RMSE between the shoreline surveyed and those estimated by the proposed tidal and slope correction

年份Year潮差Tidalrange(cm)最大距離Maxdistance(m)最小距離Mindistance(m)均方根誤差RMSE(‰)198449．16154．3920．340．038199270．56158．2876．390．049200455．1084．8045．920．076200972．40171．3528．450．054

關(guān)于坡降估算的精度方面，文獻(xiàn)[18]認(rèn)為，在當(dāng)時(shí)的技術(shù)下處理遙感資料，合成衛(wèi)星影像誤差為1個(gè)像元(MSS為80 m2×80 m2，TM為30 m2×30 m2)，一般情況下為1.5個(gè)像元，水平方向誤差為120 m (MSS)和45 m (TM)，用不同時(shí)相衛(wèi)片解譯的岸線疊加時(shí)，誤差為0.1～0.5 mm，實(shí)際誤差為50～250 m(所用衛(wèi)片資料及解譯底圖均為1∶50×104)，用衛(wèi)片解譯水邊線、以及岸灘坡度的測(cè)定、高程的推算等，其綜合誤差100 m左右，這樣實(shí)際計(jì)算誤差估計(jì)為195～470 m，然而用單波段衛(wèi)片解譯時(shí)，可以消除衛(wèi)片合成誤差。這樣，實(shí)際誤差(150～350 m)比上述估計(jì)要小些。而本文采用多個(gè)樣本進(jìn)行誤差分析(表1)，結(jié)果介于20.34～171.35 m，符合估算精度。均方根誤差為53.98～217.72 m，對(duì)采用分段估算(實(shí)際100 m間距)和厘米級(jí)潮位模擬標(biāo)定等處理手段，在不涉及岸線疊加分析的條件下，該誤差范圍理論上是合理的。文獻(xiàn)[13]研究顯示，針對(duì)坡降大于1∶500的區(qū)域，選用12.5 m分辨率的Spot影像數(shù)據(jù)并采用不同方法進(jìn)行海岸線提取的潮位校正后，均方根誤差為43.09～193.58 m。本文針對(duì)坡降約1∶2000的區(qū)域，選用30 m或80 m分辨率的影像得到估算的均方根誤差范圍是53.98～217.72 m，也顯示在坡降較小的區(qū)域，潮汐變化和內(nèi)插間隔等引起的誤差大于影像空間分辨率引起的誤差[14]。而從誤差精度上看，本文方法較適應(yīng)兩年及以上時(shí)間跨度的岸線變化，對(duì)于岸線變化更劇烈的區(qū)域可進(jìn)行逐年計(jì)算。

由已有的研究及本文結(jié)果可知，對(duì)于不同坡降及潮差的潮灘來(lái)說(shuō)，潮汐的周期性變化是準(zhǔn)確估算海岸線位置的基礎(chǔ)，由海岸地形造成的潮位變化對(duì)海岸線位置確定至關(guān)重要。我們將潮灘坡降分為3個(gè)等級(jí)，當(dāng)坡降大于1∶30時(shí)，影響海岸線提取精度的主要因素為影像自身的空間分辨率，此時(shí)影像分辨率越高則提取的海岸線位置越精確；當(dāng)坡降為1∶500時(shí)，確定的水邊線高程誤差和改正時(shí)的內(nèi)插誤差便成為影響精度的主要誤差來(lái)源，影像分辨率不是主要的誤差來(lái)源；當(dāng)潮灘坡降小于1∶500，達(dá)到1∶2000時(shí)，則潮灘的坡度改正誤差更加重要。

2 遙感洪水痕跡識(shí)別

2.1 研究區(qū)概況

2006年7月22日，大通河上游(青海省境內(nèi))突降暴雨，致使下游的永登縣連城、河橋兩鎮(zhèn)大通河水位上漲，發(fā)生了自1952年以來(lái)最大的洪水。洪水造成沿岸4個(gè)水電站(在修建的鐵城、天王溝、泰明和已建成的連城水電站)上下圍堰、廠房機(jī)坑、建筑材料被毀。另外，洪水毀壞農(nóng)田、林地60多公頃，造成經(jīng)濟(jì)損失1 300多萬(wàn)元。大通河永登縣段屬于大通河下游,位于甘肅省蘭州市永登縣境內(nèi)，有連城和享堂兩個(gè)水文觀測(cè)站。流域主要是峽谷區(qū)，河道狹窄，植被條件不好，多為裸露的巖石。山區(qū)性河段是大通河洪水的主要來(lái)源區(qū)之一。據(jù)此選取洪水發(fā)生前(2006年7月12日)與洪水發(fā)生后(2006年8月5日)覆蓋該區(qū)域的Landsat ETM、TM和SPOT影像開(kāi)展洪水淹沒(méi)范圍的提取。高程數(shù)據(jù)選用SRTM數(shù)據(jù)，分辨率為90 m的DEM數(shù)據(jù)。使用ENVI的FLAASH模塊對(duì)遙感影像進(jìn)行大氣校正，并裁剪出研究區(qū)域，進(jìn)行地形校正。采用植被指數(shù)法和土壤含水量?jī)煞N方法提取洪水痕跡，再利用八方向種子淹沒(méi)算法估算洪水淹沒(méi)范圍，并利用模擬結(jié)果對(duì)比不同方法及影像適宜性。模擬算法與估測(cè)算法相似，但是除了考慮連通性，模擬算法還需考慮水的流動(dòng)方向。依據(jù)自然地表水流規(guī)律，判斷DEM區(qū)域內(nèi)某一點(diǎn)的水流方向時(shí)，只需計(jì)算八方向內(nèi)的最大高程落差，得知水流方向即從種子點(diǎn)流向高程落差最大的點(diǎn)。

2.2 植被指數(shù)法提取洪水痕跡

分別計(jì)算研究區(qū)洪水發(fā)生前后兩幅影像的

RVI、NDVI和MSAVI指數(shù)，公式[19]如下：

RVI=NIR/RED，

NDVI=(NIR-RED)/(NIR+RED)，

MSAVI=0.5*(2*NIR+1-sqrt((2*NIR +1)^2-8*( NIR -RED)))。

然后計(jì)算兩幅影像的差值，差值絕對(duì)值越大，說(shuō)明洪水前后此地的植被覆蓋變化或植物生長(zhǎng)狀況變化越大，越有可能被洪水淹沒(méi)或沖刷。設(shè)定閾值后提取洪水痕跡斑塊(圖3)。

2.3 土壤含水量法提取洪水痕跡

根據(jù)范文義等[20]提出的荒漠化地區(qū)土壤含水量的提取模型，使用Landsat TM影像計(jì)算洪水前后土壤光譜反射率，從而反映出土壤含水量的變化。從圖4可以看出洪水過(guò)后整個(gè)區(qū)域的土壤含水量都有所上升，這是由于區(qū)域的降水造成的。土壤含水量越高，被洪水淹沒(méi)或沖刷的可能性越大。設(shè)定閾值并從洪水后影像中提取洪水淹沒(méi)痕跡斑塊。

圖3 Landsat TM和SPOT數(shù)據(jù)不同指數(shù)估算結(jié)果

圖4 洪水發(fā)生前(a)后(b)土壤光譜反射率

Fig.4 Spectral reflectance of soil prior to (a) and following (b) the flood

2.4 淹沒(méi)范圍估測(cè)

使用C#語(yǔ)言與ArcEngine編程實(shí)現(xiàn)八方向種子淹沒(méi)估測(cè)：利用ArcEngine的柵格數(shù)據(jù)接口打開(kāi)和保存洪水痕跡提取結(jié)果和淹沒(méi)算法生成的估測(cè)結(jié)果；利用ArcEngine的地圖顯示接口及圖形界面接口顯示數(shù)據(jù)結(jié)果；利用C#語(yǔ)言編寫(xiě)種子淹沒(méi)算法。

2.5 結(jié)果對(duì)比與討論

圖5a中的點(diǎn)數(shù)據(jù)是實(shí)地考察的采樣點(diǎn)，是否曾被淹沒(méi)是通過(guò)對(duì)當(dāng)?shù)鼐用竦脑L問(wèn)得到。從圖3a、3b、3c可以看出，使用Landsat TM影像的3種不同植被指數(shù)估測(cè)出的洪水淹沒(méi)范圍相互之間的吻合度較高，但是洪水淹沒(méi)區(qū)域主要集中在上游地區(qū)，這與實(shí)地考察的結(jié)果(圖5)出入較大。

圖5 植被指數(shù)估測(cè)淹沒(méi)范圍對(duì)比

Fig.5 The inundated area estimated from different vegetation index of TM image(a) and SPOT image (b)

從圖3d、3e、3f可以看出，使用SPOT影像的3種不同植被指數(shù)估測(cè)出的洪水淹沒(méi)范圍相互之間的吻合度較低。通過(guò)RVI和NDVI指數(shù)估測(cè)的淹沒(méi)范圍偏大，根據(jù)MSAVI指數(shù)的提取結(jié)果更加符合實(shí)地調(diào)訪結(jié)果。這一點(diǎn)在TM影像的提取結(jié)果中也成立。

從圖5看，SPOT影像的估測(cè)范圍要大于TM影像，這是因?yàn)镾POT影像的分辨率較高，能夠反映更多植被指數(shù)變化的細(xì)節(jié)，許多區(qū)域在TM影像中屬于混合像元，難以提取植被變化痕跡，而在SPOT影像中能很好地提取出來(lái)。

從圖6可以看出，使用土壤含水量法估測(cè)出的洪水淹沒(méi)范圍主要集中在下游地區(qū)，估測(cè)結(jié)果與實(shí)地考察結(jié)果較為相符。實(shí)驗(yàn)的結(jié)果表明，土壤含水量變化比植被變化更能正確反映洪水淹沒(méi)的痕跡，原因可能是研究區(qū)地表植被多為農(nóng)作物，在劇烈的天氣變化中，農(nóng)作物受到的破壞并不僅僅來(lái)自洪水淹沒(méi)。還有可能來(lái)自暴風(fēng)對(duì)枝葉、莖稈的損傷或者雨水貯積造成的淹澇[21]。洪水發(fā)生時(shí)節(jié)，研究區(qū)的農(nóng)作物以玉米為主，正處于拔節(jié)期，積水對(duì)拔節(jié)期玉米的密度和死株率都有影響。拔節(jié)期積水淹沒(méi)3 d，死株率可以達(dá)到17%以上，5 d則上升到50%，7 d能上升到70%(文獻(xiàn)[22])。但積水的原因有很多種，洪水淹沒(méi)只是其中一種，還有可能是降水造成的積水，山坡上的溝渠排水造成的積水。調(diào)訪過(guò)程中得知，在河流水位上漲造成洪水時(shí)，同時(shí)發(fā)生了局部暴雨而導(dǎo)致山洪。在水位上漲、暴雨和山洪的多重影響下，植被的變化是多種因素共同作用的結(jié)果。與植被指數(shù)法不同的是，使用土壤含水量指標(biāo)并不是尋找洪水前后變化較大的區(qū)域，而是尋找洪水后含水量同比較大的區(qū)域。這是因?yàn)檎麄€(gè)研究區(qū)的土壤含水量都因?yàn)榻邓撸瓉?lái)距離河流較遠(yuǎn)的地區(qū)含水量較低，變化也就較大，但這些地方并不是被洪水淹沒(méi)的區(qū)域。另外，由于DEM數(shù)據(jù)分辨率的限制，許多小的田坎、土堆對(duì)洪水淹沒(méi)范圍的影響并不能如實(shí)地反映出來(lái)。

圖6 土壤水含量估測(cè)淹沒(méi)范圍

Fig.6 The inundate area estimated from the index of soil moisture content

取至少兩個(gè)植被指數(shù)估測(cè)范圍重疊的區(qū)域作為植被指數(shù)的最終估測(cè)范圍，與模擬范圍(圖7)做疊加分析，結(jié)果如圖8所示?？梢钥闯?，TM影響估測(cè)的范圍集中在上游地區(qū)，可能是由于分辨率較低，下游植被的變化較分散，沒(méi)有大片連續(xù)，因而無(wú)法提取出來(lái)。這一點(diǎn)從SPOT數(shù)據(jù)的估測(cè)結(jié)果可以得到驗(yàn)證。但是SPOT數(shù)據(jù)的分辨率高，提取出的植被變化細(xì)節(jié)較多，下游地區(qū)估測(cè)范圍明顯比模擬范圍要大，與調(diào)訪中了解到的暴雨、山洪對(duì)植被造成的破壞一致。

圖7 淹沒(méi)范圍模擬結(jié)果

Fig.7 The inundate area estimated form simulation result

通過(guò)上述對(duì)比可以看出，土壤含水量估測(cè)出的淹沒(méi)范圍與模擬淹沒(méi)范圍十分吻合，在一些區(qū)域甚至更加精確。

(a)TM估測(cè)與模擬對(duì)比;(b)SPOT估測(cè)與模擬對(duì)比

(a)Comparison of estimation and simulation under TM;(b)Comparison of estimation and sinulation under SPOT

圖8 TM與SPOT植被指數(shù)估測(cè)結(jié)果與模擬結(jié)果對(duì)比

Fig.8 Comparison of results between the simulated and the estimated from vegetation index of TM image (a) and SPOT image (b)

3 結(jié)論

本研究選取山東小清河口壽光電廠和甘肅省永登縣大通河段的典型電廠廠址區(qū)，通過(guò)遙感監(jiān)測(cè)海岸線變遷和洪痕及洪水淹沒(méi)范圍，探討不同廠址各地質(zhì)要素在遙感影像及方法選取方面的適宜性，所選影像類型主要依據(jù)廠址區(qū)范圍特征、時(shí)間尺度等。結(jié)合已有研究和本文結(jié)果，在海岸線變化定量監(jiān)測(cè)中，對(duì)于潮灘坡降較大(>1∶30)的區(qū)域，影像空間分辨率越高則解譯精度越高；當(dāng)坡降減小到1∶500時(shí)，確定的水邊線高程誤差和改正時(shí)的內(nèi)插誤差是影像選取和方法選擇的主要依據(jù)；當(dāng)坡降達(dá)到1∶2000時(shí)，潮灘的坡度改正誤差則為考慮的重點(diǎn)。對(duì)于洪水淹沒(méi)范圍的提取，考慮到范圍尺度較小，主要選取Landsat和SPOT較高空間分辨率的數(shù)據(jù)做對(duì)比分析，發(fā)現(xiàn)基于Landsat TM數(shù)據(jù)的土壤含水量法提取的洪水痕跡與模擬結(jié)果和實(shí)際調(diào)訪情況更符合。

[1] 王潤(rùn)生,熊盛青,聶洪峰,等.遙感地質(zhì)勘查技術(shù)與應(yīng)用研究[J].地質(zhì)學(xué)報(bào),2011,85(11):1699-1743. WANG R S,XIONG S Q,NIE H F,et al.Remote sensing technology and its application in geological exploration[J].Acta Geologica Sinica,2011,85(11):1699-1743.

[2] 姜晟,李俊龍,李旭文,等.核電站溫排水遙感監(jiān)測(cè)方法研究——以田灣核電站為例[J].中國(guó)環(huán)境監(jiān)測(cè),2013,29(6):212-216. JIANG S,LI J L,LI X W,et al.A research on the remote sensing monitoring method with the thermal discharge of Tianwan nuclear power station[J].Environmental Monitoring in China,2013,29(6):212-216.

[3] 李磊,李志龍,席占生,等.電力工程中遙感提取侵蝕溝參數(shù)的方法探討[J].中國(guó)水土保持,2014(6):46-49. LI L,LI Z L,XI Z S,et al.Discussion on the method of remote sensing to extract the parameters of erosion ditch in power engineering[J].Soil and Water Conservation in China,2014(6):46-49.

[4] 許靜,朱利,姜建,等.基于HJ-1B與TM熱紅外數(shù)據(jù)的大亞灣核電基地溫排水遙感監(jiān)測(cè)[J].中國(guó)環(huán)境科學(xué),2014,34(5):1181-1186. XU J,ZHU L,JIANG J,et al.Monitoring thermal discharge in Daya Bay plant based on thermal infrared band of HJ-1B and TM remote sensing[J].China Environmental Science,2014,34(5):1181-1186.

[5] 張愛(ài)玲,朱利,陳曉秋,等.核電站溫排水衛(wèi)星遙感監(jiān)測(cè)應(yīng)用研究[J].環(huán)境監(jiān)測(cè)管理與技術(shù),2014,26(6):12-16. ZHANG A L,ZHU L,CHEN X Q,et al.Research on application of satellite remote sensing techniques for monitoring thermal discharge from nuclear power plant[J].The Administration and Technique of Environmental Monitoring,2014,26(6):12-16.

[6] 馮筠,黃新宇.遙感技術(shù)在資源環(huán)境監(jiān)測(cè)中的作用及發(fā)展趨勢(shì)[J].遙感技術(shù)與應(yīng)用,1999,14(4):59-70. FENG Y,HUANG X Y.Roles of remote sensing technology on monitoring resources and environment and its trends[J].Remote Sensing Technology and Application,1999,14(4):59-70.

[7] 陳愛(ài)群.國(guó)內(nèi)外遙感最新技術(shù)及其發(fā)展趨勢(shì)[J].測(cè)繪科技情報(bào),2008(1):12-15. CHEN A Q.Remote sensing technology and its latest development trend[J].Surveying and Mapping Science and Technology Information,2008(1):12-15.

[8] BOAK E H,TURNER I L.Shoreline definition and detection:A review[J].Journal Coast of Research,2005,21(4):688-703.

[9] CUI B L,LI X Y.Coastline change of the Yellow River estuary and its response to the sediment and runoff (1976-2005)[J].Geomorphology,2011,127(1/2):32-40.

[10] GENS R.Remote sensing of coastlines:Detection,extraction and monitoring[J].International Journal of Remote Sensing,2010,31(7):1819-1836.

[11] GUARIGLIA A,BUONAMASSA A,LOSURDO A,et al.A multisource approach for coastline mapping and identification of shoreline changes[J].Annals of Geophysics,2006,49(1):295-304.

[12] FAN H,HUANG H J,ZENG T Q,et al.River mouth bar formation,riverbed aggradation and channel migration in the modern Huanghe (Yellow) River delta,China[J].Geomorphology,2006,74(1/2/3/4):124-136.

[13] CHEN W W,CHANG H K.Estimation of shoreline position and change from satellite images considering tidal variation[J].Estuarine,Coastal and Shelf Science,2009,84(1):54-60.

[14] MASON D C,DAVENPORT I J,FLATHER R A,et al.A sensitivity analysis of the waterline method of constructing a digital elevation model for intertidal areas in ERS SAR scene of eastern England[J].Estuarine,Coastal and Shelf Science,2001,53(6):759-778.

[15] LOHANI B.Construction of a digital elevation model of the Holderness coast using the waterline method and Airborne Thematic Mapper data[J].International Journal of Remote Sensing,1999,20(3):593-607.

[16] 丘仲鋒,何宜軍,呂咸青.黃海、渤海TOPEX/Poseidon高度計(jì)資料潮汐伴隨同化[J].海洋學(xué)報(bào),2005,27(4):10-18. QIU Z F,HE Y J,LV X Q.Tidal adjoint assimilation with the TOPEX/Poseidon altimetry data in the Huanghai and Bohai Seas[J].Acta Oceanologica Sinica,2005,27(4):10-18.

[17] 方國(guó)洪,鄭文振,陳宗鏞,等.潮汐和潮流的分析和預(yù)報(bào)[M].北京:海洋出版社,1986. FANG G H,ZHENG W Z,CHEN Z Y,et al.Analysis and Forecasting of Tides and Tidal Streams[M].Beijing:China Ocean Press,1986.

[18] 黃海軍,李成治,郭建軍.衛(wèi)星影像在黃河三角洲岸線變化研究中的應(yīng)用[J].海洋地質(zhì)與第四紀(jì)地質(zhì),1994(2):29-37. HUANG H J,LI C Z,GUO J J.Application of Landsat images to the studies of the shoreline changes of the Huanghe River Delta[J].Marine Geology & Quaternary Geology,1994(2):29-37.

[19] 苗乃哲.基于Landsat_TM數(shù)據(jù)的冬小麥不同生育期葉面積指數(shù)反演方法精度比較[D].西安:西安科技大學(xué),2012. MIAO N Z.Accuracy Comparison of the Leaf Area Index Inversion Method of Winter Wheat at Different Growth Stages Based on Landsat TM Data[D].Xi’an:Xi’an University of Science and Technology,2012.

[20] 范文義,李明澤,應(yīng)天玉.荒漠化地區(qū)土壤含水量的遙感定量反演[J].應(yīng)用生態(tài)學(xué)報(bào),2008,19(5):1046-1051. FAN W Y,LI M Z,YING T Y.Remote sensing quantitative retrieval of soil water content in desertification region[J].Chinese Journal of Applied Ecology,2008,19(5):1046-1051.

[21] 張官雄,張慧,邢大鵬.災(zāi)害性天氣條件對(duì)農(nóng)作物的影響分析及應(yīng)對(duì)[J].北京農(nóng)業(yè),2015(9):176-177. ZHANG G X,ZHANG H,XING D P.Analysis of the impact of disastrous weather conditions on crops and its countermeasures[J].Agriculture in Beijing,2015(9):176-177.

[22] 李香顏.洪水災(zāi)害風(fēng)險(xiǎn)分析及其對(duì)農(nóng)作物的影響評(píng)估技術(shù)研究[D].鄭州:河南農(nóng)業(yè)大學(xué),2009. LI X Y.Flood disaster risk analysis and impact on crop assessment technology research[D].Zhengzhou:Henan Agricultural University,2009.

(責(zé)任編輯：尹 闖)

Evaluation of Various Satellite Sensors for Quantitative Retrieval of Different Elements in Diverse Power Plant

WANG Chunyang1,LIU Yanxia2,BI Jingjia2,3,DONG Huijun4

(1.Shandong Electric Power Engineering Consulting Institute Co.,Ltd.,Jinan,Shandong,250013,China;2.Key Laboratory of Marine Geology and Environment,Institute of Oceanology,Chinese Academy of Sciences,Qingdao,Shandong,266071,China;3.Qingdao Heng Tian Yi Information Technology Co.,Ltd,Qingdao,Shandong,266061,China;4.Dongying Surveying and Mapping Institute of Shandong Province,Dongying,Shandong,257091,China)

【Objective】The impacts of spatiotemporal resolution of remote sensing satellite sensors were explored on the accuracy of quantitative retrieval of different elements in diverse regions.【Methods】An ability of various satellite sensors for waterline extraction and inundated area identification was evaluated in Shouguang coal-fired power plant and the northwest typical flood area.【Results】The result of shoreline change monitoring shows that tidal variations and terrain change can affect the use of remote sensing techniques for delineating coastline.In different beach slope scales,waterline heightens error,interpolation inaccuracy,inadequate sensor resolution and slope correcting error will separately play a major role.In the extraction of flood inundated area by remote sensing inversion,the soil moisture content method using Landsat data is considered more accurate in extracting of flood-mark and inundated area based on the comparative verification of the results of the field survey and simulation.【Conclusion】This study can provide reasonable remote sensing data source and the corresponding technical methods for the location selection and post monitoring of power plant,and also service the reliable theory basis of remote sensing interpretation on the environmental monitoring of engineering site.

multi-source satellite technique,power plant site selection,coastline extraction,flood-mark identification

2016-11-12

王春陽(yáng) (1984-)，男，工程師，主要從事流域水文模擬與預(yù)報(bào)方向研究。

*海洋公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)項(xiàng)目“典型海島生態(tài)脆弱性評(píng)估及綜合調(diào)控技術(shù)研究與示范”子課題“高強(qiáng)度開(kāi)發(fā)海島生態(tài)脆弱性評(píng)估及調(diào)控技術(shù)應(yīng)用示范”項(xiàng)目和國(guó)家自然科學(xué)基金項(xiàng)目(41306190)資助。

http://www.cnki.net/kcms/detail/45.1206.G3.20170109.1052.003.html

X145,X87

A

1005-9164(2016)06-0528-10

**通信作者：劉艷霞(1979-)，女，副研究員，主要從事海洋地質(zhì)遙感方向研究,E-mail：liuyanxia@qdio.ac.cn。

廣西科學(xué)Guangxi Sciences 2016,23(6):528～537

網(wǎng)絡(luò)優(yōu)先數(shù)字出版時(shí)間：2017-01-09 【DOI】10.13656/j.cnki.gxkx.20170109.001