李 超,李暢游,趙水霞,冀鴻蘭（內(nèi)蒙古農(nóng)業(yè)大學水利與土木建筑工程學院,內(nèi)蒙古呼和浩特 010018）

?

基于遙感數(shù)據(jù)的河冰過程解譯及分析

李 超,李暢游,趙水霞,冀鴻蘭
（內(nèi)蒙古農(nóng)業(yè)大學水利與土木建筑工程學院,內(nèi)蒙古呼和浩特 010018）

摘要:鑒于河冰的野外觀測受觀測技術(shù)、條件及方法的限制而無法獲得大尺度、長序列的河冰過程數(shù)據(jù),而遙感技術(shù)可有效完成復雜時空尺度海量信息的收集處理,以Landsat8遙感影像為數(shù)據(jù)源,通過單波段信息量比較及相關(guān)系數(shù)、信息熵和最佳指數(shù)的聯(lián)合分析,得到最佳波段組合;采用監(jiān)督分類的最大似然法對黃河內(nèi)蒙古段三湖河口河段2013—2014年冬季不同時期遙感衛(wèi)片數(shù)據(jù)進行解譯,并對解譯結(jié)果進行分析,從而獲得該河段不同時期河冰的生消演變過程及特性。結(jié)果表明:應(yīng)用7、4、3波段組合獲得了較高的河冰解譯精度,解譯影像可以反映大尺度下冬季河冰的生消演變及輸移過程,結(jié)合氣象、水文等數(shù)據(jù)可以解釋典型河冰現(xiàn)象,為河冰的理論分析及機理研究提供數(shù)據(jù)支撐。

關(guān)鍵詞:河冰;遙感技術(shù);最佳波段組合;最大似然法;黃河內(nèi)蒙古段

在河冰研究中,理論分析、數(shù)值模擬和歷史資料的統(tǒng)計分析等都需要在大量野外觀測數(shù)據(jù)的基礎(chǔ)上進行,從而實現(xiàn)河冰過程的模擬及預報。同時,理論分析及數(shù)值模擬結(jié)果也需要野外觀測數(shù)據(jù)的驗證。野外觀測中的河冰輸移軌跡、形態(tài)、位置及演化過程等因素是影響河冰分析的關(guān)鍵。傳統(tǒng)的野外觀測受到觀測技術(shù)、條件及方法的限制而無法獲得大尺度、長序列的河冰過程數(shù)據(jù),而遙感技術(shù)可以有效完成復雜時空尺度海量信息的收集處理,因而廣泛應(yīng)用于野外生態(tài)、環(huán)境等方面監(jiān)測研究中[1-3]。在冰情監(jiān)測方面,遙感主要用于海冰、冰川及湖冰面積、冰量、冰厚等相關(guān)參數(shù)研究,而關(guān)于遙感在河冰方面的研究相對較少[4-5]。傳統(tǒng)的河冰野外觀測采用目測法,往往受到目視距離、天氣條件、觀測位置以及交通條件等方面的制約而導致觀測的精度、范圍不能滿足要求。同時,由于觀測人員的技術(shù)水平、分析角度不同使得觀測結(jié)果受人為主觀因素影響明顯。因此,僅靠巡河野外觀測和水文站點的觀測資料無法滿足冰情研究的廣度和精度,更不能滿足大尺度、長距離、全范圍河冰監(jiān)測的要求。遙感及其相關(guān)技術(shù)的發(fā)展為河冰的大尺度、系統(tǒng)分析提供了技術(shù)支撐[6-7],可實現(xiàn)由傳統(tǒng)的點觀測拓展到河段觀測,彌補了河冰野外觀測尺度小、同時性差的缺陷。

受溫帶大陸性氣候影響,加之特殊的河道走向,使黃河內(nèi)蒙古段成為凌汛災(zāi)害嚴重而頻發(fā)的地區(qū)之一。國內(nèi)很多學者開展了黃河內(nèi)蒙古段河冰特征及規(guī)律研究[8-10]。Fu等[11]應(yīng)用YRIDM河冰模型研究黃河寧蒙河段開河期最大過流能力。黃河內(nèi)蒙古段河道東西跨度大,且河道形態(tài)、氣象、水文條件多異,加之各水文站點間距較大,傳統(tǒng)的野外觀測無法在空間尺度和信息量方面滿足河冰分析的需要。筆者選取黃河內(nèi)蒙古段為研究區(qū)域,通過對三河湖口河段遙感影像的解譯分析,為全河段河冰研究提供參考。

1 研究區(qū)概況

黃河內(nèi)蒙古段河道總長約840 km,位于黃河干流上游最北端,介于北緯39°～41°之間,其間有石嘴山水文站（寧蒙交界）、巴彥高勒水文站、三湖河口水文站、昭君墳（包頭）水文站、頭道拐水文站。黃河內(nèi)蒙古段受內(nèi)蒙古高壓控制,冬季嚴寒而漫長,結(jié)冰期長達四五個月,緯度高的中游段氣溫低、冰期長；緯度低的上下游段氣溫高、冰期短。一般11月中下旬開始流凌,翌年3月中下旬解凍開河。封凍天數(shù)一般100d左右,最長達130多d,封凍期冰蓋厚度平均0.78m,最厚1.12m,最薄0.37m。封河時,分別以下游的萬家寨庫尾末端和中游段包神鐵路橋附近為首封點,逐段向上游封凍。下游河道因比降大、流速高,封河形態(tài)呈大塊流冰堆積的立封,冰蓋表面粗糙；中游河段流速小,冰蓋表面光滑,封河形態(tài)多為平封,整個內(nèi)蒙古段封凍長度700余km。由于上游緯度低、氣溫高,自上游向下游開河,開河速度中游慢,下游快。

2 遙感影像的選擇與獲取

目前我國廣泛應(yīng)用的遙感圖像數(shù)據(jù)主要包括美國的Landsat TM數(shù)據(jù)、MODIS數(shù)據(jù)及法國的SPOT等衛(wèi)星數(shù)據(jù)。

黃河內(nèi)蒙古段河面寬為200～800m,受地形、水流條件影響,同一河寬上冰情并不相同。MODIS數(shù)據(jù)雖然每天都能夠獲取,但其分辨率為250m× 250m,其精度顯然不能滿足野外觀測要求；SPOT衛(wèi)星數(shù)據(jù)分辨率可達10～20m,但其周期為26 d,時間上不能滿足要求,因此采用美國Landsat8傳感器數(shù)據(jù)。Landsat8攜帶運行陸地成像儀（OLI）和熱紅外傳感器（TIRS）2個主要荷載,Landsat8上的遙感器太陽同步軌道高度705km,16d全球覆蓋周期（除兩極最高緯度區(qū)）,每周期233軌,軌道傾角98.2°,周期98.9min。

選取Landsat8軌道號為128/32的遙感數(shù)據(jù),各通道影像數(shù)據(jù)信息見表1。從表1可以看出Landsat8遙感衛(wèi)片的分辨率為30m×30m,波段8的分辨率達15m×15m,其精度滿足河冰解譯的要求。

表1 Landsat8各通道的主要參數(shù)

本文全部遙感數(shù)據(jù)從美國地質(zhì)調(diào)查局USGS獲取。Landsat8影像16d獲取一景,但如果影像云量過大,信息量嚴重缺失,不能很好地反映地物信息,因此不對其進行解譯。本次解譯選取的衛(wèi)片天空被該衛(wèi)片中所有的云遮蔽的總比例均小于10％,影像數(shù)據(jù)時間分別為2013年12月9日、2014年1月10日、2014年1月26日、2014年2月27日、2014年3 月15日,包含了河冰流凌期、封凍期和解凍期,能夠反映河冰的變化過程及特性。

3 最佳波段組合

波段組合的選擇有利于各類地物的區(qū)分。綜合運用單波段信息量的比較、波段間相關(guān)系數(shù)的分析、最佳指數(shù)法和信息熵等方法[12],對研究區(qū)域內(nèi)遙感影像各波段進行最佳波段組合的計算,使得到的組合最有利于目視解譯中各類地物的區(qū)分。

3.1 單波段的信息量比較

設(shè)某幅圖像中某個像元的灰度值為Aij（i=1,2, 3,…；j=1,2,3,…）,其圖像大小為M×N,整幅圖像的平均灰度值為A0,則標準差為

亮度差反映灰度值的變化程度,其大小等于最大亮度值減去最小亮度值,計算公式為

圖像中地物的平均反射強度為

式中f（i,j）為某個像元的亮度值。

3.2 相關(guān)系數(shù)計算

為得到波段間的內(nèi)在聯(lián)系,需要進行相關(guān)性分析。假設(shè)Amn、Bmn分別代表兩幅大小為M×N的圖像中某像元的灰度值,A0、B0分別代表這兩幅圖像的平均灰度值,則波段間的相關(guān)系數(shù)計算式為

3.3 信息熵計算

信息熵是圖像的一種特征統(tǒng)計值,表示圖像中各灰度值聚集特征所包含的信息量。根據(jù)仙農(nóng)（Shannon）理論用熵來表征信息量的原理,一副8bit的圖像X的熵為

式中Pi為圖像像素灰度值為i的概率。

3.4 最佳指數(shù)計算

該方法綜合考慮單波段圖像的信息量及波段間的相關(guān)性,其值與波段內(nèi)的標準差成正比,與波段間的相關(guān)系數(shù)成反比,它更接近于波段選擇的原則。最佳指數(shù)（IOIF指數(shù)）的計算公式如下:

式中:Si為第i個波段的標準差；Rij為i、j波段的相關(guān)系數(shù)（j=1,2,3,且i≠j）。IOIF指數(shù)越大,則相應(yīng)組合的影像所包含的信息量就越大。根據(jù)IOIF指數(shù)大小排序判斷波段組合的優(yōu)劣,最大的IOIF指數(shù)對應(yīng)的波段組合即為理論上的最佳波段組合。

通過相關(guān)系數(shù)、信息熵、IOIF指數(shù)的驗證, Landsat 8選取了波段7、4、3進行R、G、B彩色合成。

4 冰情解譯結(jié)果分析

遙感影像的分類方法有監(jiān)督分類和非監(jiān)督分類。監(jiān)督分類將一定數(shù)量的已知樣本作為訓練樣本,以其觀測值對樣本進行訓練,再依據(jù)判別規(guī)則對該樣本的所屬類別作出判定。監(jiān)督分類的常用方法有最小距離法、平行六面體法、最大似然法等,其中較為常用的方法是最大似然法。

分類后得到的初步結(jié)果還需進行一些合理的處理才能得到較為理想的結(jié)果。常用的分類后處理包括更改分類顏色、分類統(tǒng)計分析、聚類處理、過濾處理、分類疊加、小斑點處理等。

圖1 2013—2014年冬季流凌、穩(wěn)封期三湖河口河段河冰解譯圖

利用ENVI 4.7,通過監(jiān)督分類中的最大似然法對2013—2014年冬季不同時期黃河內(nèi)蒙古段三湖河口河段河冰冰情進行解譯。解譯時,首先在野外利用光譜儀采集不同形態(tài)的河冰,包括流凌、沖擊冰、平滑冰、水體、灘地等的光譜值。然后根據(jù)不同形態(tài)河冰的光譜值及其位置點選定不同類型河冰的感興趣區(qū)域；最后,根據(jù)感興趣區(qū)域的光譜值,采用最大似然法進行不同形態(tài)河冰遙感影響分類。圖1給出了2013—2014年冬季不同時期三湖河口河段河冰形態(tài)解譯圖。

根據(jù)野外觀測,三湖河口河段于2013年11月27日開始流凌,圖1（a）（b）分別給出了流凌期和穩(wěn)封期河冰的解譯圖。由于三湖河口河段為連續(xù)彎道,主流在彎道處靠近凹岸一側(cè)。可以看出流凌期河道主流區(qū)為流凌帶,流凌隨主流向下游輸移；河道的兩岸有岸冰生成,在水深淺、流速低的地方有靜態(tài)岸冰生成,靠近河岸流速高的地方或靜態(tài)岸冰的附近有流凌堆積而成的沖積岸冰。但當流速大于0.4m/s時,岸冰就不會再生成和發(fā)展。

2013年12月19日三湖河口斷面封凍,至此,該河段進入穩(wěn)封期。從圖2（a）可以看出,每一個彎道的下游形成大小不一的清溝。分析清溝產(chǎn)生的原因主要有:首先,彎道處卡冰后,彎道下游的來冰量減少,彎道下游的產(chǎn)冰量不足以達到封河所需要的冰量；其次,上游卡冰后,彎道上游水位抬升,過流能力降低,彎道下游流量減小,水位降低,增加了彎道上、下游水面比降及流速,表面冰及冰花因流速過大而下潛,堆積在下游冰蓋的底部,導致下游冰蓋前緣向上游發(fā)展緩慢。

圖2 2013—2014年冬季穩(wěn)封期三湖河口河段河冰解譯圖

對比圖2（a）（b）可以看出,圖2（b）中清溝和平滑冰面積較圖2（a）有所增加。從2013—2014年三湖河口河段冰期日均氣溫分布（圖3）看出,2014年2月22日日均氣溫轉(zhuǎn)正,2月26日最高氣溫接近5℃,由于氣溫回升,加之水力作用影響,清溝邊界的冰蓋融化,導致2月27日清溝的面積較1月26日增大。同時,氣溫的回升導致冰蓋表面融化,原來表面粗糙的沖擊冰變得光滑,反射率增強,從而使沖擊冰的面積減小,光滑冰的面積增大。

2014年3月16日三湖河口河段全面開河,圖4給出了開河前一天河冰解譯圖?？梢钥闯?河道主流區(qū)域受到水力條件和熱力條件共同作用而開河。在河道淺灘附近及兩岸,由于流速低、水力作用條件弱,仍有部分平滑冰蓋存在。

研究人員于2014年1月15—29日對三湖河口河段進行駐守式野外觀測,繪制了三湖河口河段上、下游河冰圖,從而驗證河冰遙感解譯的準確性。圖5給出了野外觀測圖與解譯圖的對比,從圖5可以看出,解譯圖與野外觀測圖在清溝的位置、形狀及大小方面吻合較好,同時河冰的形態(tài)及分布也基本保持一致。

圖3 2013—2014年三湖河口河段冰期日均氣溫

圖4 2014年3月15日三湖河口河段河冰解譯圖

5 結(jié) 論

本文通過相關(guān)系數(shù)、信息熵、IOIF指數(shù)的驗證,選取Landsat8中最佳波段進行R、G、B彩色合成,以黃河內(nèi)蒙古段三湖河口河段為研究區(qū)域,對不同時期河冰的遙感影像進行解譯,得到2013—2014年冬季三湖河口河段河冰形態(tài)、輸移軌跡及生消演化過程,分析后得到以下結(jié)論:①進行Landsat8遙感衛(wèi)片解譯時,波段7、4、3為R、G、B彩色合成最佳波段。②利用遙感對河冰過程的解譯,結(jié)合氣溫、水力等因素,可以解釋河冰過程中典型的河冰現(xiàn)象,為河冰分析提供依據(jù)。③遙感衛(wèi)片解譯可以反映大尺度下河段流凌期、封凍期及解凍期不同形態(tài)河冰的生消演化過程及特征。

圖5 三湖河口河段河冰解譯圖與觀測圖對比

參考文獻:

[1]賀佳,劉冰鋒,李軍.不同生育時期冬小麥葉面積指數(shù)高光譜遙感監(jiān)測模型[J].農(nóng)業(yè)工程學報,2014,30 （24）:141-150.（HE Jia,LIU Bingfeng,LI Jun.Monitoringmodel of leaf area index of winter wheat based on hyperspectral reflectance at differentgrowth stages[J].Transactions of the Chinese Society of Agricultural Engineering,2014,30（24）:141-150.（in Chinese））

[2]戴羊羊,李成范,周時強,等.基于遙感的上海地區(qū)霧霾監(jiān)測研究[J].測繪工程,2015,24（12）:29-32.（DAI Yangyang, LI Chengfan, ZHOU Shiqiang, et al.Hazemonitoring of Shanghai area based on remote sensing[J].Engineering of Surveying andmapping,2015,24（12）:29-32.（in Chinese））

[3]徐涵秋.水土流失區(qū)生態(tài)變化的遙感評估[J].農(nóng)業(yè)工程學報,2013,29（7）:91-97.（XU Hanqiu.Assessment of ecological change in soil loss area using remote sensing technology [J].Transactions of the Chinese Society of Agricultural Engineering, 2013, 29（7）: 91-97.（in Chinese））

[4]朱亞平,程周杰.基于FY-2C的渤海海冰監(jiān)測分析研究[J].海洋技術(shù)科學,2015,34（6）:6-11.（ZHU Yaping, CHENG Zhoujie.Analysis on the sea icemonitoring in China’s Bohai Sea with FY-2Cmulti-spectral data[J].Journal of Ocean Technology,2015,34（6）:6-11.（in Chinese））

[5]高曉,吳立宗,MOOL P K.基于遙感和GIS的喜馬拉雅山科西河流域冰湖變化特征分析[J].冰川凍土,2015, 37（3）:557-569.（GAO Xiao,WU Lizong,MOOL P K.Analysis of the characteristics ofglacial lake variation in the Koshi River Basin,the Himalayas based on RS andgIS [J].Journal ofglaciology andgeocryology,2015,37 （3）:557-569.（in Chinese））

[6]宋波,何元慶,龐洪喜,等.基于遙感和GIS的我國季風海洋型冰川區(qū)冰磧物覆蓋型冰川邊界的自動識別[J].冰川凍土, 2007, 29（3）: 457-461.（SONG Bo, HE Yuanqing,PANG Hongxi,et al.Identifying automatically the debris-coveredglaciers in Chinamonsoonal temperateglacier regions based on remote sensing andgIS [J].Journal ofglaciology andgeocryology,2007,29（3）:457-461.（in Chinese））

[7]崔秋洋,潘云,楊雪.基于Landsat 8遙感影像的北京市平原區(qū)不透水層蓋度估算[J].首都師范大學學報（自然科學版）,2015,36（2）:89-92.（CUI Qiuyang,PAN Yun, YANG Xue.Beijing Plain Area of remote sensing images based on Landsat8 impermeable layer coverage estimates [J].Journal of Capital Normal University（Natural Science Edition）,2015,36（2）:89-92.（in Chinese））

[8]于守兵,顧志剛,侯志軍.包神鐵路黃河大橋冰凌開河期實體模型試驗[J].水利水電科技進展,2014,34 （4）:57-61.（YU Shoubing,GU Zhigang,HOU Zhijun.Ice physicalmodel of Baoshen Railway Bridge across Yellow River in thawing period [J].Advances in Science and Technology of Water Resources,2014,34（4）:57-61.（in Chinese））

[9]冀鴻蘭,張傲妲,高瑞忠,等.黃河內(nèi)蒙古段開河日期預報模型及應(yīng)用[J].水利水電科技進展,2012,32（2）: 42-45.（JI Honglan,ZHANG Aoda,GAO Ruizhong,et al.Application of the break-up date predictionmodel in the Innermongolia Reach of the Yellow River[J].Advances in Science and Technology of Water Resources,2012,32 （2）:42-45.（in Chinese））

[10]張學成,可素娟,潘啟民,等.黃河冰蓋厚度演變數(shù)學模型[J].冰川凍土,2002,24（2）:203-205.（ZHANG Xuecheng,KE Sujuan, PAN Qimin, et al.Mathematicalmodel of ice cover thickness evolution in the Yellow River [J].Journal ofglaciology andgeocryology,2002,24（2）: 203-205.（in Chinese））

[11] FU C,POPESCU I,WANG C,et al.Challenges inmodelling river flow and ice regime on the Ningxia-Innermongolia Reach of the Yellow River,China [J].Hydrology and Earth System Sciences,2014,18（3）:1225-1337.

[12]金寶石,周葆華.TM影像在湖泊濕地信息提取中的最佳波段組合[J].光譜實驗室,2012,29（6）:3771-3774.（JIN Baoshi, ZHOU Baohua.The optimal bands combination of TM image using in extracting information of lake wetland [J].Chinese Journal of Spectroscopy Laboratory,2012,29（6）:3771-3774.（in Chinese））

中圖分類號:TV82

文獻標志碼:A

文章編號:1006- 7647（2016）03- 0052- 05

DOI:10.3880/j.issn.1006- 7647.2016.03.011

基金項目:國家自然科學重點基金（51339002）；國家自然科學基金（51369017）

作者簡介:李超（1983—）,男,講師,博士,主要從事河冰水力學研究。E-mail:84058404@ qq.com

通信作者:李暢游（1955—）,男,教授,主要從事水環(huán)境污染與防治研究。E-mail:nndlichangyou@163.com

收稿日期:（2015 05- 20 編輯:駱超）

Interpretation and analysis of river ice process based on remote sensing data

LI Chao, LI Changyou, ZHAOShuixia, JI Honglan （Water Conservancy and Civil Engineering College, Innermongolia Agricultural University, Hohhot 010018, China）

Abstract:Due to the limitations of techniques, conditions, andmethods for river ice field observation, it is difficult to obtain large-scale and long-sequence data regarding river ice processes.Remote sensing technology can be used to effectively collect and deal with vast amounts of complex temporal and spatial-scale information.In this study, a Landsat8 remote sensing image was used as the data source, and the optimal band combination was obtained through comparison of single-band information and joint analysis of the correlation coefficient, information entropy, and the optimal index.Themaximum likelihoodmethod of supervised classification was used to interpret and analyze the remote sensing image data from the Sanhuhekou River bend of the Innermongolia reach of the Yellow River over various periods in the winter of 2013 to 2014.Through analysis of the interpretation results, thegrowth andmelting processes and characteristics of river ice over different periods in the study of the river bend were determined.The results of this study show that TM743 is the optimal band combination for interpretation of the remote sensing data, and the interpretation image can reflect thegrowth,melting, and transport processes of river ice at a large scale in the winter.In combination withmeteorological and hydrological data, the interpretation image can explain typical river ice phenomena, providing technical support for analysis of river ice theory andmechanism studies.

Key words:river ice；remote sensing technology；optimal band combination；maximum likelihoodmethod；Innermongolia reach of Yellow River