周俊利 楊振

（河南省遙感測繪院，河南 鄭州 450003）

1 引言

2021 年7 月20 日至 7 月22 日的連續(xù)降雨，致使河南省多地暴發(fā)洪澇災害，人民生命財產受到嚴重威脅，各部門緊急動員，采用不同途徑與手段救災減災，保障受災地區(qū)人民生命財產安全。如何對發(fā)生的災害進行監(jiān)測，分析受災程度與范圍，一直是災害監(jiān)測的重要工作之一。傳統(tǒng)的災害監(jiān)測主要為受災后通過實地勘察，或搜集上報的災情信息，劃定受災范圍與受災程度，該方法存在較大的主觀性，且費時費力，往往不能在第一時間獲取受災信息。遙感技術作為一門新興技術，發(fā)射的衛(wèi)星可在萬米高空對地面進行實時觀察監(jiān)測，尤其是人員難以到達區(qū)域，衛(wèi)星也能快速獲取高清影像[1]。近年來，隨著遙感技術的發(fā)展、衛(wèi)星傳感器的發(fā)射，遙感影像的時間分辨率與空間分辨率得到大幅提升，如歐空局發(fā)射的Sentinel-2 衛(wèi)星，相對于國產衛(wèi)星單一傳感器的月度甚至季度重訪周期，Sentinel-2 衛(wèi)星的重訪周期達到5 天，且幅寬大，覆蓋范圍廣，目前已經應用于各行各業(yè)研究之中[2-4]。

河南“7.20”特大暴雨造成鶴壁市衛(wèi)河決堤，造成衛(wèi)河沿岸地區(qū)嚴重的洪澇災害，基于此，本研究結合Sentinel-2 影像優(yōu)勢，對河南省鶴壁市洪澇重災區(qū)進行遙感監(jiān)測，采用指數反演與閾值法提取洪澇重災區(qū)范圍，提升Sentinel-2 在洪澇監(jiān)測中的應用。

2 研究區(qū)及原理

2.1 研究區(qū)介紹

鶴壁市位于河南北部、太行山東麓向華北平原過渡地帶，下轄?？h、淇縣、淇濱區(qū)、山城區(qū)、鶴山區(qū)。各區(qū)縣多為平原，耕地范圍廣，種植了大量農作物，為當地帶來了較豐厚的經濟收入。衛(wèi)河是海河流域的直流，發(fā)源于太行山脈，流經焦作、新鄉(xiāng)、鶴壁、安陽、濮陽，途經河北，最終匯入天津海河。鶴壁市內衛(wèi)河流經淇縣，貫穿?？h，常年水位較低，河道較窄，河床較高，泄洪能力較差。研究區(qū)如圖1 所示。

圖1 研究區(qū)示意圖

2.2 數據介紹

哨兵2 號衛(wèi)星（Sentinel-2）是高分辨率多光譜成像遙感衛(wèi)星，傳感器分為2A 和2B 兩顆衛(wèi)星。Sentinel-2 具有時間分辨率短、空間分辨率高、覆蓋范圍廣、光譜波段多、應用處理簡單等優(yōu)點，被廣泛應用于陸地觀測中的植被生長、土壤覆蓋、河流湖泊環(huán)境、生物量計算、能量流動等遙感監(jiān)測中，還可用于洪水、山體滑坡等自然災害監(jiān)測。Sentinel-2 每5天可完成一次對地表的完整成像，哨兵2 多光譜衛(wèi)星具有13 個波段，具體波段信息如表1 所示。

表1 哨兵2波段信息

2.3 原理及方法

研究首先反演歸一化植被指數NDVI[5]、歸一化水體指數NDWI[6]，兩個指數是用遙感影像的特定波段進行歸一化差值處理，以凸顯影像中的植被、水體等信息。兩種指數的計算原理分別如下所示，公式中，NIR為近紅外波段，R為紅光波段，G為綠光波段。

然后對反演得到的兩種指數，采用閾值法[7]，以0.1 為步長進行逐步取舍，人機交互篩選最優(yōu)步長，然后進行矢量化，最終得到洪澇重災區(qū)范圍。

3 結果分析

3.1 指數反演

研究選用的Sentinel-2 影像為L2A 級產品，該級別產品需要通過Sentinel-2 專業(yè)處理軟件SNAP 進行重采樣、波段重組、投影轉換等預處理工作，經過預處理后得到分辨率統(tǒng)一為10 米的具有13 個波段的影像文件。預處理效果如圖2 所示。

圖2 Sentinel-2影像預處理效果

利用ENVI 軟件的bandmath 工具，對預處理后的Sentinel-2 影像進行指數計算，分別得到歸一化植被指數NDVI 與歸一化水體指數NDWI，兩種指數的反演效果分別如圖3（a）和（b）所示。由圖可知，NDVI與NDWI 在鶴壁及周邊地區(qū)具有較好的反演效果，植被與水體在反演結果中均有較好的顯示。圖3（a）中植被指數像元值均大于0.2，非植被像元值均小于0.2，其中水體像元為最小值，且通過色彩調整，較完整地顯示出水體信息。由于歸一化植被指數在數值較低時會出現無效值，NDVI 反演結果中的水體與城鎮(zhèn)建筑區(qū)分不開，整體數值均為負值。但該情況通過反演NDWI可較好地區(qū)分出水體與非水體，圖3（b）的NDWI 反演結果中，水體像元值均為負值，且極小，與NDVI 反演結果相似，但完整剔除了城鎮(zhèn)建筑與道路的混淆。

圖3 遙感反演

3.2 閾值分割

采用閾值法對NDVI 進行分割提取，步長設定為0.1，分別進行逐步長的閾值法提取，效果如圖4（a）、（b）、（c）所示。當閾值設定為0.2 時，較多的城鎮(zhèn)建筑、道路、山區(qū)陰影地帶、混合像元等被分割成水體；當閾值設定為0.1 時，城鎮(zhèn)建筑等錯誤識別的情況有所減少；當閾值設定為0 時，已經沒有錯誤識別的情況，但水體范圍有一定的損失，尤其是水體邊界。

圖4 NDVI閾值分割效果

采用閾值法對NDWI 進行分割提取，步長設定為0.1。效果如圖5（a）、（b）所示：當閾值設定0.1 時，水體范圍較好地分割出來，但有一定損失，部分水體未識別出來；當閾值設定0 時，水體信息識別的效果最好，水體范圍均完整識別了出來。

圖5 NDWI閾值分割效果

通過對比NDVI 與NDWI 的分割效果，發(fā)現NDWI 在水體信息上的響應效果優(yōu)于NDVI，且較完整地避開其他信息的誤導。當NDWI 的閾值設為0 時，水體信息提取效果最好，邊界范圍最清晰，漏識別現象最少。

4 結論

研究采用Sentienl-2 影像，通過指數反演與閾值分割，進行鶴壁地區(qū)暴雨洪災淹沒區(qū)范圍提取，取得了較好的研究成果，得到的結論如下：

Sentinel-2 影像在指數反演上具有較強的適用性，各波段的寬度設定可為較多的指數反演提供計算窗口。

NDVI 與NDWI 的反演在鶴壁對植被與水體有較好的反映。

通過閾值分割手段提取洪澇淹沒區(qū)，在鶴壁受災區(qū)有較好應用，且通過對比分析，發(fā)現NDWI 在水體信息提取上優(yōu)于NDVI，分割后的NDWI 信息中較好地剔除了城鎮(zhèn)建筑、道路等信息的干擾。