胡凱龍 劉明 劉明博 賈松霖

(應(yīng)急管理部國(guó)家減災(zāi)中心，北京 100124)

當(dāng)前，全球氣候變暖造成極端天氣和氣候頻繁發(fā)生，由此形成的災(zāi)害鏈加劇了災(zāi)害損失[1-2]。受地形條件和季風(fēng)氣候影響，我國(guó)是洪澇災(zāi)害影響較為嚴(yán)重的國(guó)家。洪澇災(zāi)害發(fā)生頻率高、影響范圍廣、破壞性大，不僅造成大量人員傷亡，還會(huì)對(duì)基礎(chǔ)設(shè)施和農(nóng)作物帶來(lái)破壞性影響[3]。防范化解重大自然災(zāi)害風(fēng)險(xiǎn)，確保人民財(cái)產(chǎn)安全和經(jīng)濟(jì)社會(huì)持續(xù)發(fā)展的壓力持續(xù)加大。根據(jù)歷史資料及統(tǒng)計(jì)數(shù)據(jù)分析，近10年來(lái)我國(guó)大陸平均每年洪澇災(zāi)害造成的糧食損失約200億千克，經(jīng)濟(jì)損失近2000億元人民幣。因此，對(duì)洪澇災(zāi)害的影響范圍進(jìn)行應(yīng)急監(jiān)測(cè)成為自然災(zāi)害監(jiān)測(cè)研究領(lǐng)域的關(guān)注熱點(diǎn)。

衛(wèi)星遙感技術(shù)作為20世紀(jì)末發(fā)展起來(lái)的新興學(xué)科，能夠以一種非接觸手段、快速宏觀持續(xù)地獲取被測(cè)物體的空間分布和動(dòng)態(tài)發(fā)展特征[4]。目前，利用衛(wèi)星遙感技術(shù)對(duì)洪澇災(zāi)害監(jiān)測(cè)主要集中于洪澇災(zāi)害的水體識(shí)別[5]。水體相對(duì)于其他地物類(lèi)型，呈現(xiàn)出較為均一的圖斑且無(wú)明顯的紋理特征?；谒w特有的光譜特征和空間位置關(guān)系，通過(guò)特定水體提取算法能夠去除其他地物信息的影響，從而實(shí)現(xiàn)水體信息的提取?，F(xiàn)有水體提取算法主要集中于閾值法[6-7]、影像分類(lèi)法[8]、面向?qū)ο蠓诸?lèi)法[9]等。文獻(xiàn)[6]中利用美國(guó)陸地衛(wèi)星-5(Landsat-5)數(shù)據(jù)，通過(guò)對(duì)第二譜段(Band2)、第三譜段(Band3)、第四譜段(Band4)和第五譜段(Band5)的分析，得出水體特征的(Band2+Band3)>(Band4+Band5)，但是該方法在地形復(fù)雜區(qū)域不能將山體陰影和水體區(qū)分。文獻(xiàn)[7]中認(rèn)為水體的反射率在紅光譜段明顯高于植被，在近紅外譜段低于植被，其利用歸一化植被指數(shù)對(duì)水體進(jìn)行識(shí)別。文獻(xiàn)[8]中利用Landsat-5對(duì)三江源濕地的水體進(jìn)行提取，通過(guò)比較各類(lèi)水體分類(lèi)方法，得到監(jiān)督分類(lèi)下的最大似然分類(lèi)方法對(duì)水體提取效果較好。隨著遙感影像的空間分辨率提高，基于面向?qū)ο蟮姆诸?lèi)方法逐漸流行，文獻(xiàn)[9]中利用斯波特-5(SPOT-5)衛(wèi)星影像，通過(guò)構(gòu)建水體知識(shí)庫(kù)對(duì)水體進(jìn)行提取，并與傳統(tǒng)監(jiān)督分類(lèi)方法進(jìn)行比較，發(fā)現(xiàn)面向?qū)ο蟮姆诸?lèi)方法精度更高，并能夠抑制“椒鹽噪聲”現(xiàn)象。綜上，洪澇災(zāi)害水體提取方法種類(lèi)較多且各有優(yōu)勢(shì)。

高分多模衛(wèi)星工程是我國(guó)空間基礎(chǔ)設(shè)施重大工程的重要組成部分，衛(wèi)星及其采用的中型敏捷遙感衛(wèi)星公用平臺(tái)具有任務(wù)響應(yīng)快、工作模式多、數(shù)據(jù)產(chǎn)品質(zhì)量高等特點(diǎn)，并且能夠支持多點(diǎn)目標(biāo)、區(qū)域拼幅、多角度觀測(cè)、非沿跡推掃等工作模式。高分多模衛(wèi)星搭載的光學(xué)相機(jī)星下點(diǎn)全色譜段空間分辨率為0.5 m，多光譜空間分辨率為2 m，能夠?yàn)楹闈碁?zāi)害精細(xì)化監(jiān)測(cè)提供高空間分辨率、多譜段的衛(wèi)星遙感數(shù)據(jù)支撐。本文應(yīng)用高分多模衛(wèi)星遙感影像，并輔以高分一號(hào)03衛(wèi)星影像，采用基于水體指數(shù)的決策樹(shù)分類(lèi)方法對(duì)洪澇災(zāi)害動(dòng)態(tài)變化進(jìn)行監(jiān)測(cè)，從而評(píng)估高分多模衛(wèi)星在洪澇災(zāi)害監(jiān)測(cè)中的應(yīng)用能力。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況

本文所研究的區(qū)域位于黑龍江省哈爾濱市依蘭縣境內(nèi)的牡丹江周邊區(qū)域，地理坐標(biāo)為129.25°E～130.04°E，北緯46.29°N～46.98°N，研究區(qū)域總面積為318.53平方千米，見(jiàn)圖1。黑龍江依蘭縣地處小興安嶺、完達(dá)山、張廣才嶺延伸地帶，地勢(shì)呈西南高，東北低，屬中溫帶大陸性季風(fēng)氣候區(qū)。依蘭縣境內(nèi)河網(wǎng)密布，有松花江、牡丹江，歷史上曾多次受洪水侵襲。2020年7月26日以來(lái)，受持續(xù)強(qiáng)降雨天氣影響，黑龍江省部分地區(qū)遭受暴雨襲擊，依蘭縣境內(nèi)牡丹江流域水位快速上漲，河流兩岸農(nóng)田受淹嚴(yán)重，居民財(cái)產(chǎn)受損嚴(yán)重。

圖1 研究區(qū)示意Fig.1 Overview of study area

1.2 衛(wèi)星影像數(shù)據(jù)

本文研究利用高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星影像數(shù)據(jù)對(duì)黑龍江省依蘭縣開(kāi)展洪澇災(zāi)害監(jiān)測(cè)。高分多模衛(wèi)星上搭載的全色多光譜相機(jī)星下點(diǎn)空間分辨率為全色譜段0.5 m，多光譜譜段2 m。高分一號(hào)03衛(wèi)星搭載的全色多光譜相機(jī)星下點(diǎn)空間分辨率為全色譜段2 m，多光譜譜段8 m。具體參數(shù)見(jiàn)表1。

表1 衛(wèi)星主要參數(shù)Table 1 Main satellite parameters

本文研究選取一景2020年11月6日高分多模衛(wèi)星影像數(shù)據(jù)和一景2020年9月4日的高分一號(hào)03衛(wèi)星影像數(shù)據(jù)，具體影像參數(shù)見(jiàn)表2。

表2 衛(wèi)星數(shù)據(jù)獲取情況Table 2 Satellite data acquisition situation

2 研究方法

本文研究獲取試驗(yàn)區(qū)高分多模衛(wèi)星數(shù)據(jù)后，對(duì)數(shù)據(jù)進(jìn)行幾何精校正、輻射校正和數(shù)據(jù)融合等預(yù)處理，采用歸一化水體指數(shù)、決策樹(shù)分類(lèi)等水體提取方法對(duì)黑龍江依蘭縣松花江周邊區(qū)域水體進(jìn)行提取，通過(guò)與高分一號(hào)03衛(wèi)星數(shù)據(jù)提取的結(jié)果進(jìn)行對(duì)比分析，進(jìn)而對(duì)水體范圍的變化情況進(jìn)行監(jiān)測(cè)。最后采用目視解譯的方法對(duì)提取結(jié)果進(jìn)行精度驗(yàn)證?？傮w技術(shù)過(guò)程見(jiàn)圖2。

圖2 技術(shù)過(guò)程Fig.2 Technical process

2.1 遙感影像預(yù)處理

1)輻射校正

原始遙感影像的像元值一般為無(wú)量綱的灰度值，為了消除光學(xué)相機(jī)本身產(chǎn)生的內(nèi)部誤差，需要把灰度值轉(zhuǎn)化為輻射亮度值[10]。本文研究利用中國(guó)資源衛(wèi)星應(yīng)用中心提供的定標(biāo)參數(shù)(定標(biāo)增益和定標(biāo)偏差)對(duì)高分多模衛(wèi)星數(shù)據(jù)和高分一號(hào)03衛(wèi)星數(shù)據(jù)進(jìn)行輻射定標(biāo)，具體定標(biāo)方法見(jiàn)式(1)。

L=G·N+B

(1)

式中：L為光學(xué)相機(jī)通道入瞳處輻射亮度值，W·m-2·sr-1·μm；N為遙感影像的原始灰度值；G為光學(xué)相機(jī)的增益；B為光學(xué)相機(jī)的偏置。

2)大氣校正

地物所反射的太陽(yáng)光在到達(dá)衛(wèi)星光學(xué)相機(jī)之前會(huì)受到大氣層的影響，最后到達(dá)光學(xué)相機(jī)里的光線除了地物本身的輻射光，還有來(lái)自大氣層的散射光[11]。這些散射光會(huì)使影像的原始像元值不能準(zhǔn)確描述地物的實(shí)際光譜特性，從而使得水體指數(shù)計(jì)算結(jié)果產(chǎn)生偏差。因此，要消除散射光的影響，需要對(duì)遙感影像進(jìn)行大氣校正?；诠庾V立方體的快速大氣分析模塊(FLAASH)，是以輻射傳輸模型MODTRAN4建立查找表，對(duì)遙感圖像像元進(jìn)行大氣校正，支持衛(wèi)星的傾斜觀測(cè)和天頂觀測(cè)，同時(shí)還可以對(duì)臨近效應(yīng)進(jìn)行改正[12]。本文研究應(yīng)用遙感圖像處理平臺(tái)ENVI軟件提供的FLAASH大氣校正模塊對(duì)高分多模衛(wèi)星和高分一號(hào)03星影像進(jìn)行數(shù)據(jù)大氣校正處理。在輻射校正后的2景影像上選取松花江水體覆蓋的共同區(qū)域，利用柵格影像裁切算法對(duì)2景影像的共同區(qū)域進(jìn)行裁切處理，并利用Gram-Schmidt圖像融合算法[13]對(duì)裁切后的數(shù)據(jù)進(jìn)行融合操作。

2.2 基于水體指數(shù)的水體識(shí)別

1)歸一化水體指數(shù)計(jì)算

不同地物在不同譜段的光譜特性具有較大差異，一般來(lái)說(shuō)，水體在整個(gè)光譜區(qū)間均呈現(xiàn)出相對(duì)較弱的反射率，特別是在近紅外、中波紅外及短波紅外波段，水體通過(guò)大量吸收這些波段的入射能量使其反射率非常低，而建筑物、裸地、植被等其他地物在這些波段的吸收較少，反射率較高。水體指數(shù)主要利用水體與其他地物的光譜差異性，通過(guò)對(duì)特定波段進(jìn)行組合、差值、比值等運(yùn)算，構(gòu)建一個(gè)特殊的譜段指數(shù)。該指數(shù)能夠用來(lái)加強(qiáng)水體區(qū)域所代表的指數(shù)值，盡可能多地抑制其他地物所代表的指數(shù)值，使得水體能夠與其他地物相互區(qū)分[14]。本文選擇歸一化水體指數(shù)(NDWI)對(duì)水體進(jìn)行識(shí)別，具體計(jì)算方法見(jiàn)式(2)。

(2)

式中：PNDWI為對(duì)應(yīng)像元的NDWI值；pGreen為綠光波段反射率；pNIR為近紅外波段反射率。

利用式(2)，分別對(duì)高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星影像進(jìn)行NDWI計(jì)算，為后續(xù)影像分類(lèi)提供依據(jù)。

2)基于決策樹(shù)的水體分類(lèi)

決策樹(shù)分類(lèi)算法主要通過(guò)對(duì)已有特征數(shù)據(jù)進(jìn)行分類(lèi)和統(tǒng)計(jì)，獲取特定地物的特征值范圍，依據(jù)特定的算法逐層獲取各個(gè)分類(lèi)節(jié)點(diǎn)的分類(lèi)規(guī)則，從而實(shí)現(xiàn)特定類(lèi)別的提取[15]。通過(guò)對(duì)NDWI值進(jìn)行直方圖統(tǒng)計(jì)獲取水體分類(lèi)閾值，構(gòu)建如式(3)所示的分類(lèi)規(guī)則，分別對(duì)高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星的NDWI進(jìn)行決策樹(shù)分類(lèi)。

(3)

式中：CWater為水體像元；COther為非水體像元；PThreshold為分類(lèi)閾值。

3 結(jié)果分析

3.1 輻射校正結(jié)果分析

利用ENVI軟件提供的FLAASH大氣校正模塊對(duì)高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星影像數(shù)據(jù)進(jìn)行大氣校正處理，根據(jù)其緯度分布和成像時(shí)間，黑龍江依蘭縣的大氣類(lèi)型選擇為Sub-Arctic Summer，氣溶膠類(lèi)型為Rural，研究區(qū)域可見(jiàn)度為30 km。在校正前后的影像上選擇相同的植被茂盛區(qū)域進(jìn)行大氣校正前后光譜曲線對(duì)比，具體結(jié)果如圖3和圖4所示。高分一號(hào)03衛(wèi)星校正后的光譜曲線在0.55 μm左右有反射峰，0.66 μm左右有吸收谷；高分多模衛(wèi)星在第二譜段出現(xiàn)小的反射峰，第三譜段出現(xiàn)吸收谷。這些特性均符合植被的光譜特性，說(shuō)明FLASSH大氣校正模塊能夠較好地還原植被光譜曲線，大氣校正效果較好。

圖3 高分一號(hào)03衛(wèi)星數(shù)據(jù)大氣校正前后光譜曲線對(duì)比(植被區(qū)域)Fig.3 Comparison of spectral curves of GF-1C satellite data before and after atmospheric correction (vegetated area)

圖4 高分多模衛(wèi)星數(shù)據(jù)大氣校正前后光譜曲線對(duì)比(植被區(qū)域)Fig.4 Comparison of spectral curves of GFDM-1 satellite data before and after atmospheric correction (vegetated area)

在不同時(shí)間范圍，通過(guò)遙感影像所獲取的光譜信息與空間信息之間容易存在較大差異，這種差異性在遙感影像上體現(xiàn)為時(shí)間信息。不同季節(jié)的同一水域中由于水中物質(zhì)成分不一樣，水體在影像中呈現(xiàn)的色彩也會(huì)存在差異。對(duì)大氣校正后同一水域的高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星的影像進(jìn)行對(duì)比(見(jiàn)圖5)發(fā)現(xiàn)：由于高分一號(hào)03衛(wèi)星影像的拍攝時(shí)間正處于洪澇災(zāi)害發(fā)生時(shí)，牡丹江中的水體中因含有大量漂浮的泥沙而渾濁，從而造成影像中水體在標(biāo)準(zhǔn)假彩色的顯示下呈現(xiàn)綠色，且牡丹江兩岸的部分農(nóng)田被淹沒(méi)；高分多模衛(wèi)星影像的拍攝時(shí)間處于洪澇災(zāi)害發(fā)生后，河流中的泥沙大多已經(jīng)沉淀，水質(zhì)較為清澈，從而使得影像中水體在標(biāo)準(zhǔn)假彩色的顯示下呈現(xiàn)深藍(lán)色，且牡丹江兩岸仍能看出洪水退去的痕跡。

圖5 高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星輻射校正后對(duì)比Fig.5 Comparison of radiometric-corrected images between GFDM-1 and GF-1C satellites

3.2 水體識(shí)別結(jié)果分析

利用式(2)，分別對(duì)大氣校正后的高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星影像計(jì)算NDWI指數(shù)，結(jié)果如圖6所示。可以明顯看出：洪澇災(zāi)害發(fā)生時(shí)和發(fā)生后的水體區(qū)域特征較為明顯，都在局部呈現(xiàn)出較亮的變化，高分多模衛(wèi)星影像計(jì)算出的NDWI由于處于洪澇災(zāi)害發(fā)生后，水體區(qū)域要明顯小于高分一號(hào)03衛(wèi)星影像。

分別對(duì)高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星計(jì)算的NDWI指數(shù)進(jìn)行統(tǒng)計(jì)，結(jié)果見(jiàn)表3。高分多模衛(wèi)星的NDWI平均值為-0.19，標(biāo)準(zhǔn)差為0.24；高分一號(hào)03衛(wèi)星的NDWI平均值為-0.63，標(biāo)準(zhǔn)差為0.24。圖7為NDWI直方圖，可見(jiàn)，直方圖在水體分布區(qū)域有較為明顯的波峰。因此，高分多模衛(wèi)星水體提取閾值設(shè)置為0.62，高分一號(hào)03衛(wèi)星的水體提取閾值設(shè)置為-0.1。

圖7 NDWI直方圖統(tǒng)計(jì)結(jié)果對(duì)比Fig.7 Comparison of statistical results for NDWI histograms

表3 NDWI計(jì)算結(jié)果統(tǒng)計(jì)Table 3 NDWI calculation results statistics

利用上述NDWI閾值分別建立高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星的決策樹(shù)分類(lèi)規(guī)則，把NDWI分為水體和非水體兩類(lèi)，并把水體圖層輸出為矢量，具體提取結(jié)果見(jiàn)圖8。

圖8 水體提取結(jié)果Fig.8 Water body extraction results

為了定量評(píng)價(jià)水體提取結(jié)果的有效性，通過(guò)識(shí)別的正確率對(duì)水體提取方法進(jìn)行評(píng)價(jià)，具體計(jì)算見(jiàn)式(4)。本文利用目視解譯的方法選擇100個(gè)樣本點(diǎn)，對(duì)提取結(jié)果進(jìn)行精度驗(yàn)證，高分多模衛(wèi)星水體提取精度為85%，高分一號(hào)03衛(wèi)星水體提取精度為82%。由于高分多模衛(wèi)星星下點(diǎn)空間分辨率要高于高分一號(hào)03衛(wèi)星，水體的邊界識(shí)別準(zhǔn)確率較高，總識(shí)別精度要高于高分一號(hào)03衛(wèi)星。采用分類(lèi)后比較的方法，對(duì)2顆衛(wèi)星水體提取結(jié)果進(jìn)行比較(如表4所示)，計(jì)算得到災(zāi)后洪水退去的范圍為3.42平方千米。

表4 水體提取結(jié)果統(tǒng)計(jì)Table 4 Water extraction results statistics

(4)

式中：ST為總體提取精度；Sreal為正確識(shí)別樣本點(diǎn)；Stotal為樣本點(diǎn)總數(shù)。

4 結(jié)束語(yǔ)

本文以黑龍江依蘭縣洪澇災(zāi)害監(jiān)測(cè)為研究案例，綜合利用高分多模衛(wèi)星和高分一號(hào)03衛(wèi)星數(shù)據(jù)，采用基于水體指數(shù)的水體提取方法，對(duì)洪澇災(zāi)害發(fā)生后和發(fā)生時(shí)的牡丹江水體進(jìn)行識(shí)別，2顆衛(wèi)星的水體提取精度分別為85%和82%。由于高分多模衛(wèi)星星下點(diǎn)空間分辨率要高于高分一號(hào)03衛(wèi)星，因此水體識(shí)別精度也較高。本文研究結(jié)果表明：高分多模衛(wèi)星能夠聯(lián)合其他“高分”衛(wèi)星共同開(kāi)展洪澇范圍動(dòng)態(tài)監(jiān)測(cè)，其高空間分辨率的特性能夠更加精準(zhǔn)地識(shí)別水體范圍，為洪澇災(zāi)害應(yīng)急監(jiān)測(cè)提供更加豐富的數(shù)據(jù)源。