劉向銅， 何佳君， 曹秋香， 徐 看， 陳 揚(yáng)

(1.東華理工大學(xué) 測(cè)繪工程學(xué)院，江西 南昌 330013；2.東華理工大學(xué) 地球科學(xué)學(xué)院，江西 南昌 330013)

洪災(zāi)是暴雨、風(fēng)暴潮流等自然因素引起的江河湖泊水量迅速增加，或者水位迅猛上漲的一種自然現(xiàn)象。洪水區(qū)域是指暫時(shí)性被水體淹沒(méi)的陸地區(qū)域(Patel et al.,2013)。洪災(zāi)會(huì)給自然環(huán)境和社會(huì)經(jīng)濟(jì)帶來(lái)巨大破壞，為減輕洪災(zāi)危害，快速準(zhǔn)確地獲取洪災(zāi)淹沒(méi)范圍變得尤為重要。水體信息獲取是洪災(zāi)監(jiān)測(cè)的基礎(chǔ)，遙感技術(shù)的發(fā)展和應(yīng)用為洪災(zāi)監(jiān)測(cè)提供了一種新的選擇(Elkhrachy, 2015)。由于洪災(zāi)發(fā)生時(shí)常伴隨著極端天氣，使用可見(jiàn)光和近紅外波段作為傳感器的被動(dòng)光學(xué)遙感衛(wèi)星易受云層影響，因此在洪災(zāi)發(fā)生期間的作業(yè)效率較低(Kuenzer et al.,2013)。以微波作為傳感器的主動(dòng)合成孔徑雷達(dá)衛(wèi)星(SAR)，能夠提供不受光照和天氣情況影響的全天時(shí)全天候監(jiān)測(cè)影像，是理想的洪災(zāi)監(jiān)測(cè)數(shù)據(jù)源(O′Grady et al.,2014)。

區(qū)別于光學(xué)衛(wèi)星高光譜特征，雷達(dá)影像主要是根據(jù)地物的后向散射系數(shù)、紋理特征和地物輪廓等進(jìn)行地物識(shí)別分類(周晗，2018)?；赟AR數(shù)據(jù)的水體提取主要是依據(jù)水體后向散射系數(shù)較低的特點(diǎn)，通過(guò)閾值分割，劃分水體與背景的二分類方法。Martinis等(2015)總結(jié)了一些基于合成孔徑雷達(dá)后向散射系數(shù)及其衍生特征(差分干涉、相干性和極值等)的水體提取方法，證明了SAR數(shù)據(jù)在區(qū)域和全球范圍內(nèi)的水體識(shí)別可行性。然而單一極化方式的雷達(dá)后向散射信息所包含地物特征信息較少，難以在洪澇期獲取高精度的水體信息。賈詩(shī)超等(2019)組合Sentinel-1雙極化數(shù)據(jù)，提出了一種增強(qiáng)水體特征，同時(shí)有效抑制土壤和植被存在的雙極化水體指數(shù)(SDWI)，并以巢湖和鄱陽(yáng)湖為例驗(yàn)證了該指數(shù)的有效性。郭欣等(2018)基于Sentinel-1A數(shù)據(jù)對(duì)比GMM模型雙峰法、Otsu算法和區(qū)域生長(zhǎng)法三種閾值分割算法在SAR影像水體提取中的優(yōu)劣性。

SDWI指數(shù)憑借其較強(qiáng)的背景抑制能力，已成為目前SAR影像提取水體信息的主流手段之一，但該指數(shù)在閾值選取上具有較強(qiáng)的主觀性。本研究基于SDWI水體指數(shù)，采用Otsu方法選取最優(yōu)閾值，提取鄱陽(yáng)湖地區(qū)水體信息，對(duì)2020年鄱陽(yáng)湖特大洪災(zāi)進(jìn)行監(jiān)測(cè)，分析洪災(zāi)發(fā)生前后鄱陽(yáng)湖水面面積變化，繪制洪災(zāi)淹沒(méi)區(qū)域圖，并對(duì)2016—2020年鄱陽(yáng)湖地區(qū)歷年水體面積及洪災(zāi)淹沒(méi)區(qū)的時(shí)空變化進(jìn)行了回顧性分析。

1 研究區(qū)及數(shù)據(jù)概況

1.1 研究區(qū)概況

鄱陽(yáng)湖是中國(guó)第一大淡水湖，位于江西省北部，是受長(zhǎng)江、贛江、撫河、信江、饒河、修水等河水水量吞吐平衡而形成的過(guò)水性、吞吐型、季節(jié)性的湖泊(米振華等，2021；吳瓊等，2020)。區(qū)域內(nèi)以亞熱帶季風(fēng)氣候?yàn)橹?，年降水量達(dá)1 600～1 900 mm，降水主要集中在每年的4—6月(黃學(xué)輝等，2018)，具有獨(dú)特的豐枯特征，在調(diào)節(jié)長(zhǎng)江徑流、維護(hù)區(qū)域生態(tài)平衡、支持經(jīng)濟(jì)發(fā)展發(fā)揮著重要作用(沈泰等，2003)，鄱陽(yáng)湖地理位置及影像覆蓋范圍如圖1所示。

1.2 數(shù)據(jù)源

本研究采用Sentinel衛(wèi)星數(shù)據(jù)，以6天為時(shí)間間隔選取2020年7月2日至8月1日影像以及2016—2020年5月至9月影像(https://search.afs.alaska.edu)，對(duì)鄱陽(yáng)湖區(qū)域洪災(zāi)進(jìn)行監(jiān)測(cè)。輔助數(shù)據(jù)包括中國(guó)縣級(jí)行政區(qū)劃、30 m分辨率SRTM外部DEM數(shù)據(jù)和鄱陽(yáng)湖地區(qū)國(guó)家氣象監(jiān)測(cè)站降雨量統(tǒng)計(jì)數(shù)據(jù)(http://data.cma.cn/)等。

2 研究方法

2.1 基于SDWI的水體提取模型

在雷達(dá)影像中，像元記錄了目標(biāo)地物的后向散射系數(shù)。后向散射系數(shù)是雷達(dá)系統(tǒng)參數(shù)及地表特征的函數(shù)(吳效勇等，2020)。對(duì)水體目標(biāo)而言，雷達(dá)所發(fā)射的微波信號(hào)以鏡面反射為主，后向散射系數(shù)較低，在影像中表現(xiàn)為暗色調(diào)。本研究基于SDWI雙極化水體指數(shù)，通過(guò)閾值分割法提取水體信息。

SDWI水體指數(shù)由賈詩(shī)超等(2019)受DNVI和NDWI方法的啟發(fā)，結(jié)合微波遙感在水體信息影像中的特點(diǎn)，以及Sentinel-1雙極化數(shù)據(jù)(VV和VH)所提出的新型SAR影像水體提取模型。該模型可以有效增強(qiáng)SAR影像中的水體信息并抑制土壤和植被信息。公式如下：

KSDWI=In(10×KVV×KVH)

(1)

式中，KSDWI為SDWI水體指數(shù)，KVV表示雙垂直同向極化雷達(dá)強(qiáng)度影像，KVH表示垂直水平異向極化雷達(dá)強(qiáng)度影像。

在目標(biāo)地物與背景地物有明顯差異的情況下，依靠閾值對(duì)影像進(jìn)行分割可以獲得較好的分類精度，即在圖像的灰度統(tǒng)計(jì)直方圖中，有兩個(gè)“峰值”和一個(gè)“谷值”的情況下分割效果較好(陳志國(guó)，2017)。計(jì)算SDWI指數(shù)，對(duì)計(jì)算前后影像進(jìn)行灰度統(tǒng)計(jì)并作圖(圖2)，發(fā)現(xiàn)SDWI指數(shù)的灰度統(tǒng)計(jì)圖出現(xiàn)了更為明顯的峰值和谷值，相較于單極化影像，采用組合了雙極化數(shù)據(jù)的SDWI水體指數(shù)能夠獲取更高精度的水體提取結(jié)果。

2.2 最大類間方差分割

Otsu算法又稱最大類間方差法，是日本學(xué)者Otsu(1979)提出的一種全局最優(yōu)閾值確定方法。Otsu算法的基本思想是利用圖像的灰度特征，將圖像劃分為目標(biāo)與背景兩個(gè)部分，以目標(biāo)和背景的最大方差來(lái)動(dòng)態(tài)確定圖像的分割閾值。采用Otsu算法確定閾值可以避免人工經(jīng)驗(yàn)閾值無(wú)法顧及全局的限制，是圖像分割中閾值選取的最佳算法，計(jì)算簡(jiǎn)單，不受圖像亮度和對(duì)比度的影響。Otsu最佳閾值獲取公式如下：

Γ(τ)=σ2(τ)τ20(τ)+σ21(τ)

(2)

式中，τ表示臨時(shí)閾值的像元值；σ2(τ)表示水體和非水體的兩類類間方差；σ20(τ)表示水體類的平均方差；σ21(τ)表示非水體類的平均方差。Γ(τ)取最大值對(duì)應(yīng)的像元值τ即為最優(yōu)閾值T：

T=arg[maxΓ(τ)]

(3)

通過(guò)最優(yōu)閾值T，將SDWI指數(shù)值低于T的像元?jiǎng)澐譃樗w，高于T的像元?jiǎng)澐譃榉撬w。

2.3 水體信息提取與精度驗(yàn)證

對(duì)圖像進(jìn)行配準(zhǔn)、多視、地理編碼等預(yù)處理流程，獲取15 m分辨率地圖坐標(biāo)系下的VV、VH強(qiáng)度影像，采用Lee濾波消除平坦地區(qū)的斑點(diǎn)噪聲增強(qiáng)影像邊緣信息(江勇等，2009)。以濾波后的VV和VH兩種極化強(qiáng)度影像為基礎(chǔ)計(jì)算SDWI雙極化水體指數(shù)，通過(guò)Otsu閾值分割進(jìn)行水體信息提取。

為驗(yàn)證水體提取精度，獲取了云量較少的2020年8月14日Sentinel-2以及8月21日Landsat-8光學(xué)影像數(shù)據(jù)。以光學(xué)影像作為參考影像驗(yàn)證8月13日和8月19日水體提取精度，其結(jié)果如表1所示。

表1 水體提取精度

3 鄱陽(yáng)湖洪災(zāi)監(jiān)測(cè)

3.1 2020年鄱陽(yáng)湖洪災(zāi)監(jiān)測(cè)

利用2020年7月份3景Sentinel1-A以及3景Sentinel1-B影像數(shù)據(jù)，結(jié)合九江站水位進(jìn)行鄱陽(yáng)湖水體面積及水位統(tǒng)計(jì)(圖3)，提取水體信息，并計(jì)算其面積。根據(jù)中國(guó)地面氣候資料數(shù)據(jù)集(http://data.cma.cn/)獲取鄱陽(yáng)湖區(qū)域九江站、廬山站、南昌站和鄱陽(yáng)站4個(gè)國(guó)家基準(zhǔn)氣象站的降水量數(shù)據(jù)以及長(zhǎng)江流域九江站水流量數(shù)據(jù)(圖4)，對(duì)鄱陽(yáng)湖特大洪災(zāi)進(jìn)行分析。

圖4顯示自2020年7月2日以來(lái)，鄱陽(yáng)湖地區(qū)降水量增加，僅7月10日單日降水量高達(dá)664.7 mm，降水量的激增導(dǎo)致鄱陽(yáng)湖地區(qū)水量迅速累積。同時(shí)自2020年7月3日起長(zhǎng)江流量也呈現(xiàn)快速增長(zhǎng)趨勢(shì)，來(lái)自長(zhǎng)江中上游的大量洪水匯入鄱陽(yáng)湖，加劇了鄱陽(yáng)湖水量累積，導(dǎo)致鄱陽(yáng)湖九江水位站水位迅速攀升，于7月12日達(dá)到22.74 m的最高水位，鄱陽(yáng)湖水體面積快速增加，于7月14日達(dá)到最大。2020年7月14日之后，鄱陽(yáng)湖地區(qū)降水量明顯減少，但長(zhǎng)江流量仍處于較高水平，致使鄱陽(yáng)湖地區(qū)退洪速度緩慢，九江站水位以及鄱陽(yáng)湖地區(qū)水面面積呈現(xiàn)緩慢下降趨勢(shì)。大量的降水以及長(zhǎng)江中上游匯入的大量洪水是導(dǎo)致鄱陽(yáng)湖地區(qū)特大洪災(zāi)的直接原因。

為更為直觀地反映洪災(zāi)受災(zāi)情況，以Landsat-8多光譜影像為底圖，2020年7月2日水體作為災(zāi)前參考水體，7月14日水體作為災(zāi)中水體，結(jié)合2005—2006年鄱陽(yáng)湖1∶25萬(wàn)矢量邊界進(jìn)行鄱陽(yáng)湖洪災(zāi)淹沒(méi)區(qū)提取，得到2020年鄱陽(yáng)湖洪災(zāi)淹沒(méi)區(qū)域圖(圖5)。識(shí)別出A、B兩處大型淹沒(méi)區(qū)域，分別位于永修縣、鄱陽(yáng)縣境內(nèi)，兩處分別于2020年7月12日、7月11日發(fā)生潰堤，為此次洪災(zāi)災(zāi)情中心。

3.2 2016—2020年鄱陽(yáng)湖洪災(zāi)回顧

鄱陽(yáng)湖區(qū)域?qū)儆诤闉?zāi)高發(fā)地帶，每年6至7月屬于洪災(zāi)高發(fā)月，收集2016年至2020年的5月至9月的存檔Sentinel-1衛(wèi)星數(shù)據(jù)，對(duì)鄱陽(yáng)湖區(qū)域水體面積變化及洪災(zāi)進(jìn)行回顧分析。

對(duì)存檔Sentinel-1影像進(jìn)行水體提取并進(jìn)行面積統(tǒng)計(jì)(圖6)，同時(shí)收集2016年至2020年的6至7月降水量數(shù)據(jù)(圖7)。在查閱2016年至2020年最大洪災(zāi)發(fā)生時(shí)間的基礎(chǔ)上，選擇鄰近最大洪災(zāi)發(fā)生日影像(20160716、20170706、20180713、20190714、20200714)作為洪災(zāi)影像，按照上文矢量疊加方法，繪制2016—2020年各年洪災(zāi)淹沒(méi)區(qū)域圖(圖8)，分析淹沒(méi)區(qū)域時(shí)空變化。

圖6顯示，鄱陽(yáng)湖地區(qū)水體面積呈現(xiàn)明顯的季節(jié)性規(guī)律，在月份變化上呈現(xiàn)5至6月增加，8至9月減少的總體趨勢(shì)，最大水體面積均出現(xiàn)在每年7月份。2016年和2020年水體面積總體上處于較高水平，為豐水年份；2018年水體面積處于較低水平，屬于干旱年份。通過(guò)圖7可以得出，鄱陽(yáng)湖地區(qū)水體在面積上與區(qū)域內(nèi)降水量成正比。2018年6至7月累積降水量?jī)H為1 377.4 mm，為近5年最低水平，同時(shí)其6月水體面積與災(zāi)中水體面積均處于較低水平，2020年6至7月累計(jì)降水量高達(dá)3 428.8 mm，導(dǎo)致其出現(xiàn)了5 354.91 km2的最大災(zāi)中面積。受災(zāi)面積即水體變化面積，2018年災(zāi)前水體與災(zāi)中水體均處于較低水平，但變化面積高達(dá)627.64 km2，變化面積僅次于2020年的1 174.19 km2。結(jié)合圖8發(fā)現(xiàn)2018年水體面積雖有較大的變化，但由于水體面積整體處于較低水平，其變化區(qū)域絕大部分處于鄱陽(yáng)湖邊界之內(nèi)，屬于干旱年份的自然變化，因此造成的陸地淹沒(méi)面積較小。從淹沒(méi)區(qū)域的空間變化上看，B區(qū)域位于鄱陽(yáng)湖邊界內(nèi)部，最易受鄱陽(yáng)湖水位影響，屬常駐淹沒(méi)區(qū)，A、C兩區(qū)域分別位于永修縣和鄱陽(yáng)縣，為新增淹沒(méi)區(qū)域。

4 結(jié)論

(1)利用多極化的SAR影像后向散射信息，可有效地獲取水體信息，能在洪災(zāi)發(fā)生期間快速獲取洪水淹沒(méi)面積及范圍。

(2)2020年鄱陽(yáng)湖洪災(zāi)最大災(zāi)情發(fā)生于7月14日前后，最大受災(zāi)面積達(dá)1 174.19 km2，受災(zāi)嚴(yán)重區(qū)域位于永修縣與鄱陽(yáng)縣境內(nèi)，區(qū)域內(nèi)超高的降水量以及長(zhǎng)江中上游源源不斷的洪水匯入是導(dǎo)致洪災(zāi)發(fā)生的主要原因。

(3)2016—2020年鄱陽(yáng)湖地區(qū)水體在面積上與區(qū)域內(nèi)降水量高度相關(guān)，在空間分布上存在常駐淹沒(méi)區(qū)，2018年淹沒(méi)區(qū)均位于鄱陽(yáng)湖內(nèi)部，2020年由于潰堤事件新增了兩處淹沒(méi)區(qū)域。