張麗文 梁益同 李蘭

（1 武漢區(qū)域氣候中心，武漢 430070；2 江漢平原生態(tài)氣象遙感監(jiān)測(cè)技術(shù)協(xié)同創(chuàng)新中心，荊州 434025）

0 引言

城市洪水和內(nèi)澇作為我國(guó)當(dāng)前主要的城市生態(tài)風(fēng)險(xiǎn)與災(zāi)害之一受到公眾、學(xué)界與政府部門的廣泛重視[1]。城市的防洪抗?jié)衬芰θQ于城市水生態(tài)循環(huán)系統(tǒng)的結(jié)構(gòu)和完善程度[2]。隨著城市化進(jìn)程的不斷發(fā)展，城市水生態(tài)失衡問題日漸突出[3]，一旦在雨季出現(xiàn)強(qiáng)降水天氣，就會(huì)頻繁出現(xiàn)嚴(yán)重的城市洪澇問題，嚴(yán)重威脅人身、財(cái)產(chǎn)安全。受到自然地理環(huán)境及氣候條件、“雨島效應(yīng)”、城市快速發(fā)展給水生態(tài)環(huán)境帶來的負(fù)面問題等多種因素的綜合作用[4]，武漢城市濕地防洪蓄水生態(tài)功能下降、城市洪澇災(zāi)害頻繁。在此背景下，提高洪澇災(zāi)害監(jiān)測(cè)與評(píng)估的時(shí)效性和精度是加強(qiáng)洪澇災(zāi)害管理的迫切需求[5]。

衛(wèi)星遙感監(jiān)測(cè)技術(shù)因具有客觀、時(shí)效性強(qiáng)、覆蓋范圍廣且不受地面監(jiān)測(cè)條件影響等優(yōu)勢(shì)， 在對(duì)洪澇災(zāi)害開展及時(shí)準(zhǔn)確的動(dòng)態(tài)監(jiān)測(cè)及影響評(píng)估中及為國(guó)家相關(guān)部門提供重要科學(xué)決策數(shù)據(jù)中發(fā)揮著重要作用[6]。不同類型的遙感數(shù)據(jù)源在洪澇災(zāi)情信息提取中具有各自的優(yōu)勢(shì)和特點(diǎn)，應(yīng)用比較廣泛的光學(xué)數(shù)據(jù)主要有風(fēng)云氣象衛(wèi)星、MODIS、Landsat、SPOT、環(huán)境減災(zāi)衛(wèi)星等，微波遙感數(shù)據(jù)主要有SAR、ASAR、SSM/I、MRI等[5,7-9]。以上中、低等分辨率衛(wèi)星常用于省域或區(qū)域范圍洪澇，難以捕捉城市尺度細(xì)小洪澇災(zāi)情、滿足行業(yè)應(yīng)用精度要求。2013年4月國(guó)產(chǎn)高分一號(hào)衛(wèi)星成功發(fā)射投入使用，為城市尺度洪澇監(jiān)測(cè)打開了全新的局面。目前針對(duì)GF-1影像進(jìn)行水體信息識(shí)別的研究較多，立足于城市洪澇水體監(jiān)測(cè)的案例尚不多見。水體作為洪澇災(zāi)害的基本載體，但洪澇淹沒區(qū)有別于純水體區(qū)，淹沒水深及淹沒覆蓋土地類型的不同，往往導(dǎo)致洪澇期水體光譜信息較非災(zāi)期更為復(fù)雜。本文旨在以2016年6月30日—7月6日梅雨期強(qiáng)降水導(dǎo)致的武漢市洪澇災(zāi)害為例，開展高分一號(hào)影像洪澇期不同水體光譜特征分析及水體識(shí)別適宜度性對(duì)比，彌補(bǔ)現(xiàn)有研究與應(yīng)用空白。

1 研究背景

1.1 研究區(qū)概況

本文以武漢市區(qū)邊界到達(dá)的四方區(qū)域?yàn)檠芯繀^(qū)域，包括武漢市主城區(qū)、新洲區(qū)、黃陂區(qū)、蔡甸區(qū)、東西湖區(qū)、江夏區(qū)、漢南區(qū)及其接壤的周邊地區(qū)，如2016年6月14日GF-1 WFV 4、3、1（近紅外、紅、藍(lán)）三波段合成圖（圖1）所示。研究對(duì)象為區(qū)內(nèi)地表水體，包括長(zhǎng)江及其支流等河流、湖泊、養(yǎng)殖水域、降雨導(dǎo)致的淹沒區(qū)域及其他形式的小面積水體。

圖1 研究區(qū)GF1-WFV多通道合成圖Fig. 1 GF1-WFV multi-channel composite map in the study area

1.2 強(qiáng)降雨過程

對(duì)2016年梅雨期（6月18日入梅，7月21日出梅）武漢市區(qū)5個(gè)國(guó)家站（蔡甸、黃陂、新洲、江夏和武漢）日降雨量統(tǒng)計(jì)顯示，6月30—7月6日（以下簡(jiǎn)稱7日）武漢市區(qū)出現(xiàn)大范圍連續(xù)強(qiáng)降水過程（圖2），據(jù)湖北省氣象災(zāi)害評(píng)估報(bào)告 （第9卷第2期）記載，江夏、新洲等站7日過程雨量突破歷史極值。同時(shí)對(duì)武漢市區(qū)及周邊地區(qū)國(guó)家站和區(qū)域自動(dòng)站降雨觀測(cè)數(shù)據(jù)進(jìn)行IDW空間插值，以顯示7日累積面雨量空間分布特征。由圖3可知，武漢市為強(qiáng)降雨中心所在地，武漢中心城區(qū)、江夏區(qū)、新洲區(qū)、黃陂區(qū)及蔡甸區(qū)大部地區(qū)7日的累積降雨量均超500 mm，局地超700 mm。此次強(qiáng)降雨過程造成以上地區(qū)出現(xiàn)嚴(yán)重的城市內(nèi)澇和河流洪澇災(zāi)害。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

根據(jù)氣象數(shù)據(jù)的分析，選擇強(qiáng)降雨過程前后時(shí)間最近且為晴空條件的2016年6月14日和7月9日的GF-1 WFV多光譜衛(wèi)星影像作為本研究遙感數(shù)據(jù)源。GF-1衛(wèi)星裝載了WFV1、WFV2、WFV3和WFV4四個(gè)WFV傳感器，同時(shí)成像的幅寬可達(dá)800 km左右。WFV 傳感器的主要參數(shù)如表1 所示。

為排除不同傳感器及天氣差異造成的影響，遙感數(shù)據(jù)的預(yù)處理過程包括：首先對(duì)來源及時(shí)相不同的洪澇前后兩景GF-1 WFV影像進(jìn)行輻射定標(biāo)，再通過FLAASH大氣校正方法得到地表反射率。以15 m Landsat8 OLI全色影像和30 m DEM為基準(zhǔn)，對(duì)洪澇前后兩景影像進(jìn)行正射校正以消減地理變形和偏差，使兩幅需對(duì)比的影像空間高度匹配。最后，選取研究區(qū)矢量邊界，對(duì)多時(shí)相影像進(jìn)行裁剪，獲得研究區(qū)內(nèi)洪水發(fā)生前、發(fā)生時(shí)的影像及水體動(dòng)態(tài)變化范圍。以上所有GF-1WFV數(shù)據(jù)的預(yù)處理過程均在ENVI5.3和ArcGIS平臺(tái)上實(shí)現(xiàn)。

同時(shí)，還結(jié)合研究區(qū)鄉(xiāng)鎮(zhèn)界及以GlobeLand30產(chǎn)品為基礎(chǔ)更新的2015年30 m土地覆蓋類型柵格數(shù)據(jù)開展災(zāi)情評(píng)估。

2.2 方法

2.2.1 水體類型光譜特征分析

以7月6日研究區(qū)范圍預(yù)處理后的GF-1 影像為例，選擇農(nóng)田、林地、建筑物、裸地、云、水體及陰影7種地物類型（其中水體又細(xì)分成河流、湖泊、養(yǎng)殖池塘及鹽水區(qū)4類）的典型樣地作為感興趣區(qū)，統(tǒng)計(jì)GF-1影像4通道平均地表反射率繪制光譜特征曲線。如圖4a所示，農(nóng)田和林地都具有相似而典型的植被光譜特征，即低藍(lán)光和紅光波段反射、較高綠光反射和極高的近紅外反射，且四個(gè)通道的反射率都是農(nóng)田大于林地。建筑物及裸地信息隨著波段數(shù)的增加，反射率不斷增加，但變幅較植被要小。和其他地類相比，云在各個(gè)通道都有較高的反射率，在近紅外通道達(dá)到最高。而水體信息，則獨(dú)特地表現(xiàn)出在從綠光通道到近紅外通道反射率逐漸下降的趨勢(shì)。在近紅外波段（B4），水體信息與其他地物信息反射率差距最大。圖4b為洪澇時(shí)期（7月9日）不同水體類型GF-1影像四波段光譜曲線，可知洪澇發(fā)生時(shí)，由于水中泥沙含量明顯增加，且受到不同深度及不同淹沒土地類型的影響，洪澇水體光譜特性變得復(fù)雜。

圖2 武漢市區(qū)5個(gè)國(guó)家站2016年梅雨期日降雨量統(tǒng)計(jì)分析Fig. 2 Daily rainfall characteristics of five national meteorological stations in Wuhan municipality during the rainy season in 2016

圖3 研究區(qū)2016年6月30日—7月6日累積降雨量空間分布圖Fig. 3 Spatial distribution of cumulative rainfall during 30June to 6 July in 2016 in the study area

表1 WFV 傳感器的主要參數(shù)Table 1 Main parameters of remote sensors

2.2.2 水體遙感識(shí)別方法

圖4 多種地物（a）及洪澇期不同水體（b）GF-1 WFV光譜特征Fig. 4 Spectrum characteristics of GF-1 WFV for various land covers (a) and water bodies during the flooding period (b)

洪水遙感監(jiān)測(cè)的關(guān)鍵技術(shù)在于水體的識(shí)別技術(shù)。根據(jù)GF-1 WFV波段設(shè)置及數(shù)據(jù)特點(diǎn)，選擇操作容易的歸一化水體指數(shù)（NDWI）閾值法和研究較為熱門的面向?qū)ο蠓椒▉硌芯坎煌w提取方法監(jiān)測(cè)此次區(qū)域洪澇災(zāi)害的適用性，并以GF-1 WFV影像4、3、1通道組合的RGB合成圖為目視參考，評(píng)價(jià)對(duì)比兩種方法提取的水體分布效果。選擇最優(yōu)方法提取研究區(qū)洪澇前后水體分布，得出洪澇分布及面積。

1）NDWI 閾值法

NDWI是根據(jù)水體在可見光與近紅外波段的波譜特點(diǎn)，利用綠波段與近紅外波段的比值構(gòu)建而成[10]。相比于其他指數(shù)如歸一化差值植被指數(shù)（NDVI）和地表水分指數(shù)（LSWI）等，NDWI可以最大程度地抑制植被信息，突出水體信息。式（1）為NDWI的計(jì)算公式，其中，ρGreen和ρNir分別對(duì)應(yīng)GF-1 WFV數(shù)據(jù)的綠光通道（B2）和近紅外通道（B4）的地表反射率。

對(duì)預(yù)處理后的 GF-1 影像進(jìn)行 NDWI 運(yùn)算并對(duì)其進(jìn)行灰度分布統(tǒng)計(jì)，根據(jù)灰度分布曲線反復(fù)調(diào)試得到相應(yīng)閾值，實(shí)現(xiàn)普適用于各類水體的水陸最佳分割，將NDWI≥0.11作為6月14日影像水體提取閾值；將NDWI≥0.28作為7月9日影像水體提取閾值。

2）面向?qū)ο蟮乃w識(shí)別法

本文采用基于規(guī)則的面向?qū)ο蠓诸悂韺?shí)現(xiàn)洪澇前后水體提取，其基本步驟是先對(duì)影像進(jìn)行尺度分割，然后根據(jù)水體的光譜、紋理等特征進(jìn)行對(duì)象特征選取，最后建立規(guī)則得到分類結(jié)果。最優(yōu)尺度分割的效果是使分割后的多邊形對(duì)象和地物邊界基本吻合，以至于分割對(duì)象既不破碎也不過于集中[11]。經(jīng)多次嘗試，確定最優(yōu)分割尺度為38、合并閾值為60，同時(shí)建立以下分類規(guī)則：6月14日NDWI≥0.10且近紅外通道平均反射率在0.174～0.218之間時(shí)有最佳水體識(shí)別效果；7月9日 NDWI≥0.14且近紅外通道平均反射率在0.040～0.092時(shí)有較理想的水體識(shí)別效果。其中，近紅外通道平均閾值由各類水體目視解譯樣本感興趣區(qū)統(tǒng)計(jì)得到。

2.2.3 洪澇遙感監(jiān)測(cè)方法

洪水遙感監(jiān)測(cè)主要是以災(zāi)前、災(zāi)后多時(shí)相遙感數(shù)據(jù)為主，輔以災(zāi)情信息、氣象數(shù)據(jù)和輿情信息等數(shù)據(jù)，分別提取災(zāi)前、災(zāi)后水體范圍，然后利用變化檢測(cè)方法開展災(zāi)害范圍動(dòng)態(tài)監(jiān)測(cè)，同時(shí)結(jié)合土地覆蓋類型數(shù)據(jù)，解譯洪水淹沒類型及面積等信息[5]。

2.2.4 技術(shù)流程

綜上，總結(jié)本研究的技術(shù)流程（圖5）主要包括：在站點(diǎn)降雨數(shù)據(jù)統(tǒng)計(jì)分析的基礎(chǔ)上，選擇強(qiáng)降水導(dǎo)致的洪澇災(zāi)情前后多時(shí)相高質(zhì)量高分一號(hào)影像，經(jīng)過一系列影像預(yù)處理后，首先分析典型地物及典型洪澇期水體類型光譜、紋理特征，進(jìn)而確定NDWI閾值法和面向?qū)ο蠓诸惙ㄌ崛∷w的閾值及法則，通過目視對(duì)比選擇最優(yōu)方法提取的災(zāi)前災(zāi)后水體范圍做變化檢測(cè)，得到洪澇空間范圍，最后疊加最新土地覆蓋類型數(shù)據(jù)，統(tǒng)計(jì)洪澇淹沒土地覆蓋類型及其面積，對(duì)災(zāi)情進(jìn)行特征分析及評(píng)估。

3 結(jié)果分析與討論

3.1 不同水體識(shí)別方法結(jié)果對(duì)比

圖5 技術(shù)流程圖Fig.5 Technical flow chart

在ArcGIS平臺(tái)生成隨機(jī)檢驗(yàn)樣點(diǎn)，以提取總精度為指標(biāo)開展兩種方法在5種洪澇期水體識(shí)別適用性精度評(píng)價(jià)，提取總精度定義為正確提取的水體像素個(gè)數(shù)占總樣本像素個(gè)數(shù)的百分比[12]，不同方法洪澇期不同水體類型提取總精度統(tǒng)計(jì)見表2。通過目視解譯對(duì)比可知，面向?qū)ο蠓诸惙癗DWI閾值法對(duì)主要河流和典型湖泊水體的提取范圍很一致，都接近于真實(shí)水體分布，而在河流分支、養(yǎng)殖水域及淹沒區(qū)三種類型中存在一定差異（圖6）。對(duì)于河流分支等細(xì)長(zhǎng)型水體，還有光譜信息復(fù)雜的泛洪淹沒區(qū)，面向?qū)ο蠓诸惙ㄗR(shí)別精度要明顯好于NDWI閾值法，識(shí)別出的河流分支連貫性和完整性好，沒有出現(xiàn)河流斷面的情況，識(shí)別的淹沒區(qū)集中成片，避免了閾值法得到的圖斑碎片化結(jié)果的產(chǎn)生。受到混合像元及面向?qū)ο蠓ㄖ谐叨确指詈蛯?duì)象合并的影響，兩種方法對(duì)養(yǎng)殖水域（圖7）的提取精度均較低，面積小且有其他地物干擾的養(yǎng)殖區(qū)在兩種方法中均出現(xiàn)漏提（如圖7b和7c中白色框區(qū)域），集中養(yǎng)殖區(qū)面向?qū)ο蠓诸惙ㄌ崛⌒Ч撝捣ǖ蕹騼?nèi)的田坎等地類的效果不佳（如圖7b和7c中黃色框區(qū)域）。但總體而言，面向?qū)ο蠓诸惙▽?duì)洪澇期各種水體類型識(shí)別效果更佳，所以本文最終采用面向?qū)ο蠓诸惙ㄗR(shí)別的災(zāi)前、災(zāi)后水體范圍作為洪澇災(zāi)情范圍分析。此分析結(jié)論與文獻(xiàn)[13]的結(jié)論基本一致。

表2 洪澇期水體識(shí)別精度評(píng)價(jià)表Table 2 Accuracy evaluation table for water bodies in the flooding period

圖6 NDWI閾值法與面向?qū)ο蠓诸惙ㄗR(shí)別各類水體效果對(duì)比圖Fig. 6 Comparison of NDWI threshold and object-oriented method for identifying various water bodies

圖7 養(yǎng)殖水域（局部）提取結(jié)果對(duì)比圖（a）4:3:1假彩色合成圖，（b）NDWI閾值法識(shí)別結(jié)果+假彩色合成圖，（c）面向?qū)ο蠓诸惙ㄗR(shí)別結(jié)果+假彩色合成圖）Fig. 7 Comparison of extracted results of cultured waters (local)(a) 4:3:1 false color composite map, (b) NDWI threshold method recognition result + false color composite map,(c) object-oriented method recognition result + false color composite map)

3.2 洪澇典型區(qū)分析

為更好地顯示洪澇災(zāi)情分布，在顯示典型洪澇受災(zāi)區(qū)、災(zāi)前災(zāi)后GF-1假彩色合成影像的同時(shí)，將兩期GF-1影像面向?qū)ο笏w識(shí)別結(jié)果進(jìn)行二值化處理，形成洪澇前后水體變化檢測(cè)圖，其中藍(lán)色代表（災(zāi)前）原有水體，紅色代表（災(zāi)后）新增水體，白色范圍為非水體地類。圖8a顯示黃陂灄水河支流潰口導(dǎo)致的村子洪澇淹沒情況。黃陂區(qū)前川街下石村的下石河邊有兩處潰口，潰堤直接讓上游的羅漢寺街和下游前川街總共10多個(gè)村子浸泡在水中。圖8b顯示因保障天河機(jī)場(chǎng)正常運(yùn)行對(duì)童家湖進(jìn)行人工分洪后的洪澇淹沒情況。據(jù)新聞報(bào)道，童家湖漫潰后導(dǎo)致盤龍城經(jīng)濟(jì)開發(fā)區(qū)附近的村灣6000余畝（1畝≈666.7m2）魚池被淹，臨時(shí)轉(zhuǎn)移安置周邊群眾40余人。這與文本統(tǒng)計(jì)的9.87km2的濕地河灘淹沒面積較為接近。府河附近麥家湖/任愷湖連片，淹沒范圍明顯增加。圖8c顯示舉水河新洲段河道顯著增寬，河曲內(nèi)農(nóng)田被淹。圖8d顯示的是由于新洲區(qū)舉水河支流東河潰口導(dǎo)致的洪澇淹沒情況。據(jù)報(bào)道，7月1日晚上舉水河水位急速上漲，22時(shí)左右，舉水河支流東河在新洲區(qū)鳳凰鎮(zhèn)鄭園村陶家河西圩垸處發(fā)生潰口，鳳凰鎮(zhèn)、三店街等20多個(gè)村莊，近萬名群眾被洪水圍困。

圖8 典型洪澇受災(zāi)區(qū)災(zāi)前災(zāi)后GF-1號(hào)水體監(jiān)測(cè)對(duì)比圖Fig. 8 Comparison of water monitoring of GF-1 before and after disasters in typical flooding areas

將洪澇范圍高分識(shí)別結(jié)果與重采樣到16m的土地覆蓋類型數(shù)據(jù)進(jìn)行疊加，以細(xì)致了解受暴雨洪澇災(zāi)害影響的各種地類面積。據(jù)統(tǒng)計(jì)（表3），由于河水漫堤、潰口或人工開垸的以上四個(gè)典型淹沒區(qū)域，涉及淹沒地類包含耕地、林地、草地、濕地河灘和建設(shè)用地。耕地淹沒比例四地區(qū)均超過50%以上，以舉水河新洲段和黃陂童家湖附近區(qū)域農(nóng)田受淹面積最大。

表3 典型洪澇區(qū)淹沒地類面積統(tǒng)計(jì)/km2Table 3 Statistics of submerged land area in typical floodplain /km2

3 小結(jié)與討論

本文以國(guó)產(chǎn)高分一號(hào)16 m影像為數(shù)據(jù)，對(duì)2016年梅雨期強(qiáng)降雨過程造成的武漢市洪澇開展了最佳水體遙感識(shí)別對(duì)比及災(zāi)情評(píng)估。結(jié)果顯示，對(duì)洪澇期間不同城市水體類型的遙感提取結(jié)果，面向?qū)ο蠓诸惙ㄒ獌?yōu)于歸一化水體指數(shù)閾值法，對(duì)于城市郊區(qū)由河水漫堤和河堤潰壩等原因?qū)е碌暮闈逞蜎]范圍可以通過GF-1 WFV數(shù)據(jù)有效地進(jìn)行識(shí)別，分地類災(zāi)情統(tǒng)計(jì)與實(shí)際上報(bào)災(zāi)情結(jié)果較為一致。

此次強(qiáng)降水造成武漢主城區(qū)多處街道內(nèi)澇災(zāi)情嚴(yán)重，例如南湖片區(qū)文馨街道等地。本研究也試圖對(duì)其淹沒范圍災(zāi)情進(jìn)行提取，但受GF-1 WFV數(shù)據(jù)空間及時(shí)間分辨率限制影響，城市主干道（＞30 m）滯水信息雖然可以被監(jiān)測(cè)到，但水體范圍受混合像元影響難以準(zhǔn)確提取，同時(shí)主干道內(nèi)澇排水較及時(shí)，高分衛(wèi)星觀測(cè)時(shí)效性不足難以及時(shí)捕捉退水變化。所以僅靠GF-1 WFV 16m影像暫時(shí)難以滿足城市街道尺度內(nèi)澇災(zāi)情遙感監(jiān)測(cè)的服務(wù)需求，后續(xù)可加強(qiáng)對(duì)空間分辨率更高的GF-1 PSM（2 m全色/8 m多光譜）資料在城市內(nèi)澇監(jiān)測(cè)中的應(yīng)用研究。另外，不受云雨影響的雷達(dá)衛(wèi)星資料可以實(shí)現(xiàn)全天候的洪澇水體監(jiān)測(cè)，利用GF-3等雷達(dá)衛(wèi)星監(jiān)測(cè)城市內(nèi)澇將具有很好的應(yīng)用價(jià)值。

時(shí)間分辨率高、不受天氣條件影響全天候觀測(cè)的衛(wèi)星資料可以實(shí)現(xiàn)洪澇消退的動(dòng)態(tài)監(jiān)測(cè)過程，但空間分辨率低、難以滿足空間提取精度要求；而空間分辨率高的衛(wèi)星影像往往光譜信息少，且重訪周期長(zhǎng)，難以實(shí)現(xiàn)動(dòng)態(tài)監(jiān)測(cè)，所以現(xiàn)階段城市洪澇遙感監(jiān)測(cè)離真正實(shí)時(shí)精準(zhǔn)的城市尺度洪澇災(zāi)害遙感監(jiān)測(cè)還尚有差距。目前，我國(guó)正逐步構(gòu)建更為完善的高時(shí)空分辨率遙感綜合觀測(cè)體系，如國(guó)產(chǎn)高分衛(wèi)星系列和風(fēng)云氣象衛(wèi)星系列，可為今后提供更有力的數(shù)據(jù)保障。如何加強(qiáng)多源遙感資料的融合應(yīng)用，實(shí)現(xiàn)洪澇淹沒范圍、淹沒時(shí)長(zhǎng)及深度等多維度洪澇災(zāi)情監(jiān)測(cè)與評(píng)價(jià)，還有許多科學(xué)技術(shù)問題亟待解決。