王 磊，連增增

（1. 河南省有色金屬地質(zhì)礦產(chǎn)局第一地質(zhì)大隊，河南 鄭州 450000；2. 河南理工大學(xué)測繪與國土信息工程學(xué)院，河南 焦作 454000）

目前用于洪水檢測較為成熟的方法主要包括單波段法、監(jiān)督分類、非監(jiān)督分類、譜間關(guān)系法、水體指數(shù)等方法[1-8]，相關(guān)專家有大量研究證明其實用性[9-17]。本文基于Sentinel-1A數(shù)據(jù)在水體提取上的優(yōu)越性，分別采用監(jiān)督分類（SVM法）和非監(jiān)督分類（IsoData法）2 種方法提取鄱陽湖洪澇前后水體變化信息，對比分析2種方法的提取精度及優(yōu)缺點，為Sentinel-1數(shù)據(jù)在洪澇災(zāi)害監(jiān)測及災(zāi)后評估方面的應(yīng)用提供參考。

1 研究區(qū)概況

鄱陽湖位于江西省北部，跨越九江、南昌、上饒三市，是中國面積最大的淡水湖，也是中國第二大湖，屬于長江中下游主要支流之一。鄱陽湖南北長173 km，東西平均寬16.9 km，最寬達74 km，最窄僅有3 km，湖盆自東南向西北傾斜，湖岸線長約1 200 km，匯集眾多河流并經(jīng)湖口注入長江。其水位漲落受眾多河流及長江水回灌作用共同影響，導(dǎo)致鄱陽湖南側(cè)交匯處的水位變化較為顯著，形成分布廣泛的灘地、沼澤和沙洲等，成為我國重要的濕地生態(tài)系統(tǒng)之一。在雨季來臨時鄱陽湖可有效減弱河流聚集帶來的洪峰影響，2020年入汛以來，中國南方地區(qū)發(fā)生大規(guī)模強降雨過程，造成多地發(fā)生較嚴重洪澇災(zāi)害?；诖?，本文以鄱陽湖區(qū)域為研究區(qū)開展洪水變化監(jiān)測，研究區(qū)概況如圖1所示。

圖1 研究區(qū)概況圖

2 數(shù)據(jù)及預(yù)處理

2.1 數(shù)據(jù)介紹

根據(jù)2020年鄱陽湖流域洪水爆發(fā)的時間，本文選用2020-05-09 與2020-07-20 成像的Sentinel-1A 影像來提取鄱陽湖災(zāi)前和災(zāi)后的水體信息。Sentinel-1A影像來自歐空局“哥白尼計劃”地球觀測計劃哨兵系列衛(wèi)星，哨兵1號包含A、B兩顆合成孔徑雷達星座，星座重訪周期最短可達6 d。由于單景影像無法完全覆蓋鄱陽湖流域，災(zāi)前和災(zāi)后均選取兩景同軌影像以獲取完整鄱陽湖流域的Sentinel-1A影像。本次研究所用數(shù)據(jù)詳細信息如表1所示。

表1 Sentinel-1A數(shù)據(jù)信息

2.2 數(shù)據(jù)預(yù)處理

由于原始Sentinel-1A影像存在內(nèi)部噪聲、軌道信息基線誤差等問題，在提取影像信息之前需要對原始遙感影像進行預(yù)處理操作。影像預(yù)處理首先在SNAP平臺進行，將預(yù)處理完成后的結(jié)果導(dǎo)入ENVI 中進行水體信息提取處理。

1）軌道校正。由于Sentinel-1A 原始影像的軌道狀態(tài)數(shù)據(jù)精度較低，這里使用精密軌道文件更新Sentinel-1A 影像數(shù)據(jù)中元數(shù)據(jù)文件中的衛(wèi)星軌道狀態(tài)信息，有效降低因軌道問題引起的系統(tǒng)性誤差。

2）熱噪聲去除。熱噪聲是SAR衛(wèi)星系統(tǒng)自帶的噪聲，SAR主動成像特性使得獲取到的SAR影像都帶有熱噪聲，熱噪聲會影響得到雷達后向散射信號精度。

3）輻射定標(biāo)。輻射定標(biāo)是將接收的后向散射信號轉(zhuǎn)化為有單位的物理量，對應(yīng)SAR數(shù)據(jù)的后向散射系數(shù)，由于云層的可穿透性強，只需做輻射定標(biāo)操作即可，不進行大氣校正操作。

4）相干斑濾波。在進行濾波之前需先對影像進行deburst 操作，目的是去除Sentinel-1A IW SLC 影像burst帶的無信號部分，效果是將burst帶有效信號部分合并。相干斑對于SAR 分類等應(yīng)用來說是存在的噪聲，但是對于SAR而言是有效信號，這里選擇使用Refined Lee 濾波器，它是一種自適應(yīng)濾波器，濾波窗口可以根據(jù)區(qū)域自動調(diào)整，本次選擇濾波窗口大小7×7，處理效果較好。

5）地形校正。地形校正除了地理編碼（賦予影像實際坐標(biāo)信息）外，還會做地形輻射校正，配合高精度DEM數(shù)據(jù)，降低影像地形畸變帶來的誤差影響。

6）分貝化。上述處理得到的結(jié)果是線性比例單位后向散射系數(shù)，其值通常是很小的正值，分貝化本質(zhì)是一種對數(shù)變換，分貝化的雷達后向散射系數(shù)范圍近似高斯分布，數(shù)據(jù)的存儲位數(shù)變小，節(jié)省存儲空間，可視化及數(shù)據(jù)分析更方便。

7）影像鑲嵌。鑲嵌應(yīng)盡可能使用同源、近乎同一時間的影像進行才可能獲得較好的鑲嵌效果。這里使用的是同一天同軌的兩幅Sentinel-1A IW SLC 影像來鑲嵌，本次研究采用普通SAR鑲嵌方式，在影像重疊區(qū)域使用加權(quán)平均值達到減弱色差的目的，同時進行歸一化處理以得到較好的鑲嵌效果，最終得到一幅覆蓋整個鄱陽湖區(qū)域的SAR影像。

8）影像裁剪。對于小研究區(qū)裁剪可以在軌道校正之前進行，可以減少后續(xù)處理的數(shù)據(jù)量，降低提取水體信息時流域以外地區(qū)對目標(biāo)區(qū)域的干擾，這里使用規(guī)則裁剪方式進行裁剪，得到鄱陽湖SAR 影像如圖2 所示。

圖2 Sentinel-1A影像鑲嵌裁剪后的鄱陽湖區(qū)域

3 研究方法

3.1 監(jiān)督分類法（SVM）

SVM 是一種僅需要少量訓(xùn)練樣本即可達到較高分類精度的監(jiān)督分類方法，目前在地物分類中得到了廣泛應(yīng)用。通過引入核變換函數(shù)，SVM將輸入的樣本數(shù)據(jù)從低維轉(zhuǎn)換到高維空間，再以樣本數(shù)據(jù)之間的最大空間為目標(biāo)函數(shù)，從而計算出高維空間里的最優(yōu)分類超平面，該方法具有較強的魯棒性[18]。本次研究選擇115個水體輪廓清晰、大小不一、均勻分布的感興趣區(qū)，將其他地物歸為非水體作為訓(xùn)練樣本進行水體信息提取。

3.2 非監(jiān)督分類方法（IsoData）

非監(jiān)督分類也稱為聚類分析或點群分類，適用于中低分辨率的數(shù)據(jù)，是一種在多光譜圖像中搜尋、定義其自然相似光譜集群的過程。該方法無需對影像地物獲取先驗知識，僅依靠影像上不同類地物光譜或紋理信息進行特征提取即可，通過統(tǒng)計特征的差別達到分類目的，最后對已分出的各個類別實際屬性進行確認。本次研究選擇IsoData 分類器，設(shè)置類別數(shù)目為5～15，迭代次數(shù)為10進行水體信息提取。最后，將分類結(jié)果合并為水體和非水體兩個類別。

4 結(jié)果與分析

通過以上2 種方法分別對災(zāi)前與災(zāi)后SAR 影像進行水體提取，為分析洪水災(zāi)害在研究區(qū)的空間分布特征，將洪水災(zāi)前水體信息與災(zāi)后水體信息進行疊加分析，如圖3所示，紅色區(qū)域災(zāi)后洪水淹沒區(qū)域。

圖3 基于SVM和IsoData法的洪水淹沒范圍空間識別

基于預(yù)處理后的2020-05-09 Sentinel-1A影像，隨機選取58個輪廓清晰、大小不一、均勻分布的水體驗證點作為測試樣本，使用混淆矩陣對分類結(jié)果進行評價，確定分類精度和可靠性，統(tǒng)計分類精度如表2所示。由表2可知，基于SVM與IsoData方法的災(zāi)前水體提取精度均較高，總體精度均達到99.8%以上，Kappa 系數(shù)達到0.99以上，水體的制圖精度和用戶精度均達到99%以上。在災(zāi)后水體信息提取方面，SVM精度略微高于IsoData法，SVM法的制圖精度、用戶精度和總體精度均在99%以上，Kappa 系數(shù)為0.998 2；盡管Iso-Data 法的用戶精度達到了100%，但是其制圖精度、總體精度和Kappa 系數(shù)均明顯低于SVM 法。由此表明，SVM和IsoData 2種方法在水體提取上均可達到較好的效果，但是SVM表現(xiàn)出更為穩(wěn)定的水體信息提取能力。因此，當(dāng)在實際洪水發(fā)生過程中若無法及時獲取地面驗證點時，通過非監(jiān)督分類也可以達到實時洪水監(jiān)測。當(dāng)獲取一定的地面驗證信息時，監(jiān)督分類方法可更為精確地描述洪水淹沒區(qū)域。

表2 SVM、IsoData水體提取結(jié)果精度驗證

綜上所述，為了更為精準地描述鄱陽湖洪水災(zāi)害前后的變化，現(xiàn)僅對SVM分類結(jié)果做進一步的分析。圖4表明，鄱陽湖整體輪廓（圖4a）、鄱陽湖體附近的低洼區(qū)水產(chǎn)養(yǎng)殖用地（圖4b）和曲折的河流結(jié)構(gòu)（圖4c）均得到了較好的提取。通過分析洪水變化區(qū)域的特征可以發(fā)現(xiàn)，湖體周圍的濕地、水田、洲灘大多被淹沒，淹沒地區(qū)主要集中在鄱陽湖的西南地區(qū)，鄱陽湖主體水面發(fā)生大面積增加，地勢相對平坦低洼的區(qū)域都有大范圍的積水，洪水淹沒情況如下：①湖泊、水庫面積增加（圖4a）；②湖體周圍低洼區(qū)域淹沒（圖4b）；③河流變寬（圖4c）。

圖4 局部洪水淹沒空間分布

采用SVM法的水體提取結(jié)果，根據(jù)Sentinel-1A影像的像元面積（5×20 m2），分別計算出鄱陽湖區(qū)域2020-05-09（災(zāi)前）和2020-07-20（災(zāi)后）的水體面積。表3表明，災(zāi)前提取的地表水面積為3 525.344 2 km2，災(zāi)后提取的地表水面積為4 958.093 9 km2。因此，災(zāi)后洪水淹沒面積擴張了1 432.749 7 km2。相關(guān)資料顯示，2020年6月以來中國南方降雨不斷，受強降水和上游來水共同影響，截至7月14日鄱陽湖面積達4 403 km2。由于本文選取的研究區(qū)包含了鄱陽湖整個湖面及其周圍的相關(guān)水系，因此水體提取結(jié)果應(yīng)大于鄱陽湖湖面面積。綜上所述，本文的研究結(jié)果整體上與鄱陽湖洪水發(fā)生的實際情況較為接近。

表3 鄱陽湖洪災(zāi)水體面積變化

5 結(jié) 論

本研究依據(jù)Sentinel-1A 衛(wèi)星SAR 雷達影像成像原理，根據(jù)水體的后向散射特性，分別基于監(jiān)督分類（SVM）與非監(jiān)督分類（IsoData）兩種洪水淹沒范圍快速提取方法，對2020年汛期以來鄱陽湖區(qū)域發(fā)生的特大洪水災(zāi)害進行監(jiān)測，主要得到以下結(jié)論：

1）Sentinel-1A 影像具有重訪周期短、覆蓋范圍大、不受云霧天氣干擾的優(yōu)勢，在洪水災(zāi)害監(jiān)測領(lǐng)域具有獨特優(yōu)勢。

2）基于SVM與IsoData方法進行洪水淹沒范圍快速提取均可達到90%以上的精度，但是SVM表現(xiàn)出更為穩(wěn)定的水體信息提取能力。因此，當(dāng)在實際洪水發(fā)生過程中若無法及時獲取地面驗證點時，通過非監(jiān)督分類也可以達到實時洪水監(jiān)測。當(dāng)獲取一定的地面驗證信息時，監(jiān)督分類方法可更為精確地描述洪水淹沒區(qū)域。

3）研究區(qū)洪水面積增加大約1 432 km2，受災(zāi)較為為嚴重的區(qū)域位于鄱陽湖主體水面西南部及地勢相對平坦的低洼區(qū)域。利用合成孔徑雷達SAR影像能夠有效獲取地表水體變化信息，可用于洪水易發(fā)區(qū)的洪澇災(zāi)害災(zāi)情分析。