許　超，蔣衛(wèi)國，萬立冬，王文杰，白　雪

(1.北京師范大學 減災與應急管理研究院，北京 100875；2.中國環(huán)境科學研究院，北京 100012;3.北京市石景山區(qū)環(huán)境監(jiān)測站，北京 100043；4．環(huán)境保護部機關服務中心，北京 100035)

?

基于MODIS時間序列數據的洞庭湖區(qū)洪水淹沒頻率研究

許超1,2，蔣衛(wèi)國1，萬立冬3，王文杰2，白雪4

(1.北京師范大學 減災與應急管理研究院，北京 100875；2.中國環(huán)境科學研究院，北京 100012;3.北京市石景山區(qū)環(huán)境監(jiān)測站，北京 100043；4．環(huán)境保護部機關服務中心，北京 100035)

摘要:選用Terra-MODIS衛(wèi)星的8 d合成地表反射率數據(MOD09Q1)和16 d合成NDVI數據(MOD13Q1)，構建了2000-2015年的時間序列數據集，結合1：5萬數字高程數據，通過遙感信息提取方法對洞庭湖區(qū)2000-2015年水體淹沒情況進行了研究，形成169期水體分布數據，并進行了洞庭湖區(qū)淹沒頻率的計算和變化分析。結果表明：①利用遙感技術和python語言實現長時間序列影像數據信息提取是可行的；②洞庭湖區(qū)水體呈明顯季節(jié)性變化，6-9月面積較大，12月-次年4月面積較小，近15年來水體面積總體呈減小趨勢；③洞庭湖區(qū)約76.4%的區(qū)域是永久水面或永久陸地，其余23.6%的區(qū)域是水陸交替區(qū)，是洪水防控的重點區(qū)域；④近15年來洞庭湖區(qū)水陸交替區(qū)域年內水面消退時間提前，灘地出露天數增加，枯水期水量減少明顯。

關鍵詞:Terra-MODIS數據；洞庭湖區(qū)；水域；面積變化；淹沒頻率

洪水災害是影響人類生存和發(fā)展的最主要、最嚴重的自然災害之一，而中國是洪水災害發(fā)生最頻繁的國家之一，從1970-2005年共發(fā)生127次水災，每年經濟損失占國民生產總值的1%~2%，占全國主要自然災害總損失的30%以上[1]，70%以上的大城市、半數以上的人口和75%以上的工農業(yè)產值分布在洪水威脅地區(qū)[2]。長江流域是我國第一大流域，是洪水災害最嚴重的地區(qū)，僅20世紀以來就先后爆發(fā)了1931年、1935年、1954年和1998年等幾次特大洪水災害，對長江中下游地區(qū)造成了嚴重的經濟和社會損失。

湖泊是流域內重要的天然水利資源，具有供水、灌溉、調節(jié)氣候等多種重要功能，同時在洪水調蓄、防洪滯洪方面發(fā)揮著重要作用，湖泊水體的分布特征和變化規(guī)律直接影響著洪水災害的加劇和減緩。在氣候變化、人類活動等多重因素影響下，湖泊水體的分布特征和變化規(guī)律發(fā)生著明顯變化，從而導致了洪水災害風險的變化。淹沒頻率是反映某一位置被水體淹沒時間長短的重要指標，淹沒頻率的變化能夠直接體現該位置被水體淹沒時間長短的變化，綜合分析研究區(qū)內每個位置的淹沒頻率和變化規(guī)律，就可以獲取研究區(qū)湖泊水體分布特征和變化規(guī)律，因此加強對湖泊水體的長時間、高頻次的監(jiān)測，分析區(qū)域淹沒頻率及其變化，對洪水災害風險研究和防災減災具有重要意義。

隨著遙感技術的快速發(fā)展，遙感技術在湖泊水體監(jiān)測中得到廣泛應用，由于水體幾乎可以全部吸收近紅外和中紅外波段的能量，而土壤、植被等對這兩個波段能量的吸收非常少，因此水體反射率很小，植被和土壤反射率很高，目前通過遙感技術提取水體大多都是基于這個特性實現的，通常有兩種方法：①單波段閾值法，通過設定閾值提取水體[3-5];②水體指數法，通過差值、比值等方式構建指數，增大水體與其他地表輻射的差異，從而提取水體，主要的指數有歸一化植被指數(NDVI)、歸一化差異水體指數(NDWI)、改進的歸一化差異水體指數(MNDWI)、混合水體指數(CIWI)、開放水體似然性指數(OWL)等[6-17]，其中歸一化植被指數(NDVI)應用的最為廣泛。

對湖泊水體的遙感監(jiān)測，一方面要求具有較高的空間分辨率，以便能夠開展水體的遙感識別，另一方面要求具有較高的時間分辨率，以便獲取較高頻次的水體數據用于分析湖泊水體變化特征，在眾多衛(wèi)星遙感器中，MODIS具有250 m的最大空間分辨率，能夠滿足中大型湖泊水體遙感識別要求，每1～2 d可獲取一次全球觀測數據，時間分辨率較高，能夠滿足多頻次的監(jiān)測需求，同時其數據成本低廉，社會公開度高，是湖泊水體監(jiān)測較為理想的數據源。

洞庭湖是我國第二大淡水湖，是長江中下游僅存的兩個通江湖泊之一，也是歷史上多次大型洪水災害的主要受災區(qū)域，洞庭湖南接湘江、資江、澧水、沅江四水，北通長江，承擔著調蓄長江和湖南四水的重要任務，是長江流域極為重要的調蓄滯洪區(qū)[18]。本文以洞庭湖區(qū)(3地19縣區(qū))為研究區(qū)，基于Terra-MODIS數據，利用遙感技術提取2000-2015年洞庭湖區(qū)洪水淹沒范圍的時間序列數據，分析區(qū)域水體淹沒頻率和變化特征，為該地區(qū)洪水風險管理、防洪減災提供參考。

1研究區(qū)和數據

洞庭湖位于湖南省北部,長江南岸，洞庭湖區(qū)主要涉及岳陽、益陽、常德3個地市，包括岳陽市的云溪區(qū)、岳陽樓區(qū)、君山區(qū)、岳陽縣、臨湘縣、華容縣、汩羅市和湘陰縣，益陽市的資陽區(qū)、赫山區(qū)、沅江市和南縣，常德市的武陵區(qū)、鼎城區(qū)、漢壽縣、安鄉(xiāng)縣、津市市、臨澧縣和澧縣，區(qū)域面積2.6×104km2。該地區(qū)屬熱帶季風濕潤氣候區(qū)，年均氣溫17℃，年均降水約1 300 mm，地形中心低四周高，東南西三面環(huán)山，最高海拔約1 258 m。

本文所使用的數據主要有3類：①遙感影像數據，選用的Terra_MODIS衛(wèi)星遙感數據主要有兩種，一是16 d合成的250 m分辨率NDVI數據(MOD13Q1)，時相為2000年2月-2015年3月，共計348幅，另一種是8 d合成的250 m分辨率地表反射數據(MOD09Q1)，時相為2000年2月-2015年3月，共計695幅，這些數據來源于美國航空航天局(https://ladsweb.nascom.nasa.gov/)；②行政區(qū)劃數據，選取岳陽市、益陽市、常德市的19個縣級行政區(qū)作為研究區(qū)，行政區(qū)劃數據來源于國土資源部第二次全國土地調查數據；③數字高程數據，選用的數字高程數據是1:5萬高精度數字高程數據(DEM)，空間分辨率25 m，來源于國家基礎地理信息中心。

2研究方法和技術路線

2.1　數據處理方法

在長時間序列數據中，不可避免地存在部分質量較差、不能滿足研究要求的數據，針對這種情況可以采用多期數據最值合成的方法對數據進行處理，降低數據質量影響[19]。本文將每2期NDVI數據(MOD13Q1)作為一組，通過最大值合成法，形成1期NDVI數據；將每4期地表反射數據(MOD09Q1)作為1組，通過最小值合成法，形成1期地表反射數據。

2.2　水體提取方法

本文采用單波段閾值法和歸一化植被指數(NDVI)法相結合的方法，設置以下2條規(guī)則用于水體提取，并將兩條規(guī)則下提取的水體進行疊和，減少自動提取中的漏提現象。

(1)NDVI值滿足1-4月和11-12月的NDVI≤0.05，5-6月及10月的NDVI≤0.1,7-9月的NDVI≤0.15，則提取為水體。

通常情況下NDVI為正值的地表為植被，因此以NDVI≤0為條件提取水體，但受到水生植物、土壤含水及泥沙等因素的影響，水體的NDVI值常常稍高于0，杜濤等人通過反復測試并修改閾值，最終得到用NDVI提取水體的合理閾值，即1-4月和11-12月的NDVI≤0.05，5-6月及10月的NDVI≤0.1,7-9月的NDVI≤0.15[20]。

(2)地表反射數據(MOD09Q1)第二波段的值小于1 000，則提取為水體。

水體在地表反射數據第二波段的近紅外區(qū)(841~876 nm)反射率較低，而其他地物在該波段具有較高的反射率[21]，因此可以利用此特性區(qū)分水體與其他地物；通過多次變化閾值，并與同時期衛(wèi)星影像進行目視對比，最終確定閾值為1 000。

在以上基礎上，為了消除云的影響，以2 000為閾值分別對地表反射數據的兩個波段進行二值化，兩個波段DN值均高于2 000的像元定義為云，進行剔除；另外為消除山體陰影影響，通過1:5萬DEM數據生成坡度數據，將坡度大于1°的像元定義為山體陰影，予以剔除[22]。

以上各步驟由于數據序列較長，均通過python語言編寫批處理程序實現(圖1)。

圖1　水體提取技術路線圖

2.3　水體提取精度評定方法

選取美國陸地資源衛(wèi)星影像數據，通過目視解譯和監(jiān)督分類方法對研究區(qū)陸地與水體進行區(qū)分，并以此為準確的水陸劃分結果，通過二者水體提取的總面積、重疊面積等數據的疊加對比，分析基于MODIS的水體提取結果的精度。

圖2　水體提取精度檢驗對比圖

2.4　淹沒頻率計算方法

淹沒頻率是指在整個研究期限內，某一位置被洪水淹沒的時間與研究總時間的比值，原則上講應該獲取研究區(qū)每天的水體淹沒空間分布數據，但受到數據時間分辨率、數據質量、天氣狀況等因素的影響，獲取逐日數據非常困難。本文用每期水體淹沒范圍代替本期與下期數據之間幾天的淹沒范圍，認為在固定的時間間隔內，其淹沒范圍均與前一期水體淹沒范圍提取結果相同，并以此構建淹沒頻率的計算方法如下：

(1)

式中：F(Frequency)表示淹沒頻率；n表示水體數據的期數；Di(Distribute)是第i期的水體分布數據；T(Timespan)是數據的時間間隔；N是研究期限內總天數。

3結果分析

3.1　水體提取結果

通過上述方法，共完成了水體提取數據174期，其中受數據本身質量影響，剔除5幅，最終獲取水體分布數據169期。

3.1.1精度分析

選取2000年6月底到7月初的Landsat5和2013年6月底到7月初的landsat8兩期影像數據，通過人工目視解譯結合監(jiān)督分類的方法進行水體和陸地劃分，并與對應時相MODIS提取的水體進行疊加對比分析；從疊加分析圖上看，誤差主要有兩個方面：①MODIS影像的空間分辨率為250m，遠低于Landsat影像，大量面積較小、寬度較窄的河流水系在MODIS影像中很難被識別出來，出現了漏提的情況，我們認為這方面的差異是由數據本身特性決定的，因此不列入精度對比范疇內；②受空間分辨率及混合像元的影響，通過MODIS提取水體的過程中將水陸交替區(qū)域的部分陸地錯誤的歸入了水體(圖2)。

通過兩種影像的水體提取面積對比，兩期數據的提取精度分別為85.0%和86.7%(表1)，考慮到MODIS數據的空間分辨率以及Landsat數據云量的影響，我們認為這樣的精度是可以接受的。

表1　水體提取精度計算表

3.1.2水體演變特征

從年內變化上看，取15年中各月水體面積平均值，洞庭湖水體淹沒面積總體呈波狀演替，3-7月為增長期，水體淹沒面積迅速增加，7-9月為豐水期，水體淹沒面積最大，形成波峰；9月-次年3月為減少期，水體淹沒面積迅速減少，2-4月為枯水期，水體淹沒面積最小，形成波谷；3月水體淹沒面積最小，約為1 380.4 km2，7月最大，約為2 444.8 km2，是3月均值的近2倍；一般年份湖南省6-7月降水量可達到汛期(4-9月)降水量的30%～40%，少數年份能達到60%～70%[23]，因此7月容易形成淹沒面積高值，長江主汛期一般在每年7月到9月上旬，因此8月底、9月淹沒面積也會達到高值，水體提取結果顯示，豐水期7月面積最大，8月稍有回落，9月又有所增加，與汛期淹沒面積規(guī)律一致(圖3、圖4)。

圖3　平均水體面積年內變化特征圖

圖4　2010年各月湖面水體面積變化圖

從年際變化上看，以三峽水庫蓄水為時間節(jié)點，對2004年前(2000-2003年)和2004年后(2004-2015年)的淹沒面積進行比較發(fā)現：

(1)月均淹沒面積減少，2004年之前洞庭湖區(qū)月平均水體淹沒面積約2 133.6 km2，2004年之后到2015年初，月平均水體淹沒面積約為1 873.6 km2，減少了約12.2%；

(2)豐水期淹沒面積減少，2004年之前5-9月的淹沒面積明顯高于2004年之后，其中6、7、9月平均水體淹沒面積均在2 500 km2以上，2004年后6、7、9月平均水體淹沒面積明顯下降，均未超過2 300 km2；

(3)豐水期和枯水期水體淹沒面積差減少，2004年前豐水期月平均最大淹沒面積約2 854.3

km2，月平均最小淹沒面積約為1 431.9 km2，相差約1 422.4 km2，2004年后月平均淹沒面積最大值與最小值相差約933 km2，減少約34.2%(圖5、圖6)。

圖5　各月平均水體面積年際變化特征圖

圖6　2000年-2014年9月湖面水體變化圖

淹沒頻率/%00~2020~4040~6060~8080~100100面積/km219802.43412.8731.4844.3423.3729.8131.8比例/%75.913.12.83.21.62.80.5

3.2　淹沒頻率計算結果

根據淹沒頻率計算方法，對研究區(qū)范圍內各像元進行淹沒頻率計算，并按照淹沒頻率(F)劃分為7個等級，即F=0、0

根據計算結果可以判斷，2000-2015年初15年時間里，研究區(qū)平均淹沒頻率為7.3%，永久水面(F=100%)主要分布在東洞庭湖、南洞庭湖的核心區(qū)，以及中部大通湖，面積約為131.8 km2，占研究區(qū)總面積的0.5%；永久陸地(F=0%)面積約19 802.4 km2，占研究區(qū)總面積的75.9%，這兩部分屬于較為穩(wěn)定的區(qū)域，不經歷水陸更替，基本沒有洪水風險；其余23.6%的區(qū)域有可能經歷水陸更替，存在一定的洪水風險，應該是洪水風險防控的重點區(qū)域，其中約1 153.1 km2(總面積的4.4%)的區(qū)域平均每年被淹沒的時間在220d(60%)以上，這些區(qū)域基本都是湖泊中心區(qū)和主要河流干流區(qū)域；約1 575.7 km2(總面積的6%)的區(qū)域平均每年被淹沒的時間在75～220 d(20%～60%)之間，這些區(qū)域主要是湖泊和主干河流周邊濕地，豐水期被水體淹沒，枯水期暴露在外，水陸更替較頻繁，是最容易受到洪水威脅的區(qū)域，同時也是洪水調蓄、防洪滯洪的最重要區(qū)域(圖7)。

圖7　2000-2015年水體淹沒頻率分布圖

年際變化方面依然以三峽水庫蓄水為時間節(jié)點，對比分析2004年以前和2004年以后洞庭湖區(qū)淹沒頻率發(fā)現：

(1)永久陸地增大，永久水面和水陸交替區(qū)域減小。2004年以后永久陸地(F=0)面積增加了1 338.1 km2，而永久水面(F=100%)面積減少了7.4 km2，水陸交替(0

表3　2004年前后淹沒頻率對比統(tǒng)計表

(2)絕大多數水陸交替區(qū)域和少量永久水面的淹沒頻率降低。水陸交替區(qū)域和永久水面區(qū)域內共有5 253.1 km2的區(qū)域出現淹沒頻率降低的情況，占二者總面積的85.4%，其中降低超過30個百分點(Δ>30%)的面積約71.1 km2，主要分布在東洞庭湖、南洞庭湖及西洞庭湖，降低1～30個百分點(0<Δ≤30%)的面積達到約5 182 km2。

淹沒頻率是指某一位置淹沒時間與總時間的比值，能夠反映該位置水體淹沒的持續(xù)時間，三峽工程建成蓄水后，汛末蓄水必然導致下游河流湖泊水情發(fā)生變化，根據2004年前后淹沒頻率的對比分析結果可知(圖8)，2004年后水陸交替的絕大部分區(qū)域出現了淹沒頻率下降的情況，這就意味著這些區(qū)域的水面消退時間提前，灘地的出露天數增加，與賴錫軍[24]、鄒邵林[25]等人通過水動力模型模擬和水位數據統(tǒng)計的結果相一致；根據對比計算結果，約有71.1 km2區(qū)域灘地露出天數增加超過110 d，約269.3 km2區(qū)域灘地出露天數增加73～110 d，約915 km2區(qū)域灘地出露天數增加37～72 d，約3 998 km2區(qū)域灘地出露天數增加1～36 d。

圖8　2004年前后淹沒頻率變化圖

4結論與討論

本文應用2000-2015年Terra-MODIS的NDVI數據和地表反射數據提取水體信息，獲取了長時間序列(169期)洞庭湖區(qū)水體分布數據，分析了洞庭湖水體年內和年際變化規(guī)律，并開展了洞庭湖區(qū)水體淹沒頻率的計算，及三峽工程蓄水前后淹沒頻率的對比分析。

(1)利用遙感手段，將MODIS數據用于湖泊水體動態(tài)監(jiān)測具有可行性，應用NDVI和地表反射數據相結合的方式，設定合理閾值水體提取的結果具有較高的準確性和可靠性；在針對長時間序列、多時相遙感數據，通過與ARCGIS相適應的python語言編寫批處理程序，可以實現快速、準確的遙感數據批量處理，具有快速、準確、高效等優(yōu)越性。

(2)從年內變化上看，洞庭湖區(qū)水體面積呈現明顯的季節(jié)變化規(guī)律，水體面積從3月份開始增長，7-9月是豐水期，10月份開始減少，2-4月為枯水期；年際變化方面，年均水體面積和豐水期水體面積均呈減少趨勢，豐水期與枯水期之間的面積差呈減小趨勢，可以說近15年來洞庭湖水體面積總體呈減小趨勢。

(3)近15年來洞庭湖區(qū)約132 km2(0.5%)的區(qū)域是永久水面，約19 802 km2(75.9%)的區(qū)域是永久陸地，其余6 142 km2(23.6%)是水陸交替區(qū)，存在洪水風險，是洪水風險防控的重點區(qū)域；年際變化方面，2004年前后洞庭湖區(qū)呈現永久陸地增大趨勢，絕大多數水陸交替區(qū)的淹沒頻率降低，表明水陸交替區(qū)域年內水面消退時間提前，灘地的出露天數增加，這主要是受長江中下游汛期末段三峽水庫蓄水，下游河湖水資源補給不足的影響。

遙感技術在湖體動態(tài)變化研究中具有明顯的優(yōu)勢，可以提供準確的水體空間分布信息，甚至可以模擬水體空間演變的過程，這是通過傳統(tǒng)水文數據分析難以實現的。同時也存在缺陷，一方面遙感技術興起時間相對較短，缺乏數據儲備，可獲取的數據時相要低于傳統(tǒng)水文數據；另一方面遙感數據的時間分辨率往往較低，很難像傳統(tǒng)水文數據那樣精確到天，甚至是小時。另外遙感數據本身的時間分辨率和空間分辨率也存在著矛盾性，空間分辨率較高的數據往往時間分辨率較低，反之亦然，因此在運用較高時間分辨率遙感數據時分析結果的精確度往往會受到影響，而運用較高空間分辨率遙感數據時，分析結果的時間分辨率較低，其動態(tài)變化特征的詳細程度就會受到影響。

參考文獻：

[1]陳颙,史培軍.自然災害[M].北京：北京師范大學出版社,2007.

[2]張念強.基于GIS的鄱陽湖地區(qū)洪水災害風險評價[D].南昌：南昌大學,2006.

[3]吳賽,張秋文. 基于MODIS遙感數據的水體提取方法及模型研究[J]. 計算機與數字工程,2005,33(7):1-4.

[4]郭鈮,張杰,梁蕓. 西北地區(qū)近年來內陸湖泊變化反映的氣候問題[J]. 冰川凍土,2003,25(2):211-214.

[5]徐萌,李亞春,曾燕,等. 蘇北大型湖泊水域的EOS/MODIS遙感監(jiān)測[J]. 氣象科技,2007,35(4):579-582.

[6]簡興,張振國,邱銀國,等. 基于MODIS數據的水體提取研究進展[J]. 廊坊師范學院學報：自然科學版,2014,14(1):5-10.

[7]李輝,李長安,張利華,等. 基于MODIS影像的鄱陽湖湖面積與水位關系研究[J]. 第四紀研究,2008,51(2):332-337.

[8]Chowdary V M, Chandran R V, Neeti N, et al. Assessment of surface and sub-surface waterlogged areas in irrigation command areas of Bihar using remote sensing and GIS[J]. Agric Water manage, 2008, 95(7):754-766.

[9]丁莉東,余文華,覃志豪,等. 基于MODIS的鄱陽湖區(qū)水體水災遙感影像圖制作[J]. 國土資源遙感,2007,20(1):82-85,106.

[10]馬明國,宋怡,王雪梅. 1973-2006年新疆若羌湖泊群遙感動態(tài)監(jiān)測研究[J]. 冰川凍土,2008,30(2):189-195.

[11]孔凡明,蔣衛(wèi)國,李京,等. 基于MODIS的2011年泰國洪澇受災信息提取與分析[J]. 災害學,2013,28(2):95-99.

[12]劉勇洪,牛錚. 基于MODIS遙感數據的宏觀土地覆蓋特征分類方法與精度分析研究[J]. 遙感技術與應用,2004,19(4):217-224.

[13]徐涵秋. 利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J]. 遙感學報,2005,20(5):589-595.

[14]Ordoyne C, Friedl M A. Using MODIS data to characterize seasonal inundation patterns in the Florida Everglades [J]. Remote Sensing of Environment, 2008, 112(11):4107-4119.

[15]Guerschman J P, Warren G, Byrne G, et al. MODIS-based standing water detection for flood and large reservoir mapping: algorithm development and applications for the Australian continent [R]. Canberra: CSIRO, 2011.

[16]莫偉華,孫涵,鐘仕全,等. MODIS水體指數模型(CIWI)研究及其應用[J]. 遙感信息,2007,22(5):16-21,104-105.

[17]黃昌. 基于遙感和GIS的河漫灘洪水淹沒分析與建模方法研究[D].上海：華東師范大學,2014.

[18]王亞梅,李忠武,曾光明,等. 洞庭湖土地利用/覆被變化及洪澇災害研究進展[J]. 四川環(huán)境,2009,31(5):62-66,74.

[19]雷璇,楊一鵬,蔣衛(wèi)國,等. 基于SPOT-VGT數據的洞庭湖水體面積變化分析[J]. 水資源與水工程學報,2012,23(5):19-24.

[20]杜濤,熊立華,易放輝,等. 基于MODIS數據的洞庭湖水體面積與多站點水位相關關系研究[J]. 長江流域資源與環(huán)境,2012,21(6):756-765.

[21]吳賽,張秋文. 基于MODIS遙感數據的水體提取方法及模型研究[J]. 計算機與數字工程,2005,33(7):1-4.

[22]李景剛,李紀人,黃詩峰,等. Terra/MODIS時間序列數據在湖泊水域面積動態(tài)監(jiān)測中的應用研究——以洞庭湖地區(qū)為例[J]. 自然資源學報,2009,24(5):923-933.

[23]羅伯良,張超. 湖南主汛期旱澇與大氣環(huán)流及春季海溫的關系[J]. 高原氣象,2010,29(5):1322-1330.

[24]賴錫軍,姜加虎,黃群. 三峽工程蓄水對洞庭湖水情的影響格局及其作用機制[J]. 湖泊科學,2012,24(2):178-184.

[25]鄒邵林,劉曉清,劉新平,等. 三峽工程對洞庭湖區(qū)灘地出露天數的影響[J]. 長江流域資源與環(huán)境,2000,9(2):254-259.

李永紅，范立民，賀衛(wèi)中，等.對如何做好地質災害詳細調查工作的探討[J].災害學, 2016,31(1):102-112.[ Li Yonghong, Fan Limin and He Weizhong,et al. Discussion on How to Do the Detailed Investigation of Geological Hazards Better[J].Journal of Catastrophology, 2016,31(1)：102-112.]

Research of Flood Submerged Frequency in Dongting Lake Region Based on Time Series Dataset of MODIS

Xu chao1, 2, Jiang Weiguo1, Wan Lidong3, Wang Wenjie2and Bai Xue4

(1.AcadamyofDisasterReductionandEmergencyManagement,BeijingNormalUniversity,

Beijing100875,China; 2.ChineseResearchAcademyofEnvironmentalSciences,Beijing100012,China;

3.ShijingshanEnvironmentMonitoringStationofBeijing,Beijing100043,China; 4.AgencyServiceCenter,

MinistryofEnvironmentalProtection,Beijing100035,China)

Abstract:We explore the variation of surface water area from 2000 to 2015 in Dongting Lake region with time series dataset which is build by 8-Day Surface Reflectance-250m (MOD13Q1) and 16-Day Vegetation Indices-250m (MOD09Q1) of Terra/MODIS. By means of remote sensing information extraction, we get 169 phases’ distribution data of surface water area and analyze the submerged frequency and variation regulation. The results show that: ①It is feasible to extract long time series information by remote sensing technique and Python programming language. ②The surface water area in Dongting Lake region presents obvious seasonal change, the area is relatively large in June to September, small in December to April. In the last 15 years, the Dongting Lake is in a shrinking trend. ③The permanent land or water body take nearly 76.4% of the total area, the rest 23.6% is fluctuating region of land and water body and key areas of flood prevention and control. ④In the last 15 years, the water drop time advanced within a year, days of bottomland exposure increased, water resources of low water period was obviously decreased.

Key words:Terra-MODIS data; Dongting Lake region; waters; area variation; submerged frequency

通訊作者：蔣衛(wèi)國(1976-)，男，湖南衡陽人，博士，副教授，主要從事遙感信息識別和洪水災害與濕地生態(tài)研究.E-mail：Jiangweiguo@bnu.edu.cn

作者簡介：許超(1985-)，男，河北石家莊人，碩士研究生，主要從事生態(tài)遙感監(jiān)測和洪水災害風險研究.E-mail:201321480055@mail.bnu.edu.cn

基金項目：國家自然科學基金(41171318)；中央高?；究蒲袠I(yè)務費專項資金；國家重大科技專項(2014ZX07503-004-05)

收稿日期：2015-06-17修回日期：2015-08-03

中圖分類號：X43

文獻標志碼：A

文章編號：1000-811X(2016)01-0096-06

doi:10.3969/j.issn.1000-811X.2016.01.020