——以貴陽市為例"/>
董 飛 張玉彪 黃登紅,2 陳春陽 黃忠蘭 封炳丞
(1.貴州師范大學地理與環(huán)境科學學院喀斯特研究院,貴州 貴陽 550001;2.國家喀斯特石漠化防治工程技術研究中心,貴州 貴陽 550001)
關鍵字:地表水;支持向量機(SVM);數(shù)字高程模型(DEM);水體指數(shù);喀斯特山區(qū)
地表水是一種重要自然資源,與人類活動和生態(tài)環(huán)境息息相關。隨著社會快速發(fā)展,生態(tài)環(huán)境不斷惡化,人類與水資源的矛盾日益突出,因此研究地表水資源變化對人類發(fā)展、水資源的保護和利用具有重要價值。通過遙感技術能夠高效快速的檢測和提取水體信息,其對水體信息的提取主要以光學影像為主,提取方法可以分為閾值法、分類器法和其他方法。閾值法包括單波段法、多波段譜間關系法、水體指數(shù)法;分類法包括決策樹法、SVM 法、面向對象法;其他方法包括GIS 技術輔 助、混 合 像 元 分 解、BP 神 經(jīng) 網(wǎng) 絡 等[1]。由Mcfeeters 構建的NDWI[2]運用最為普遍;徐涵秋在NDWI 指數(shù)基礎上構建了改進的歸一化差異水體指數(shù)MNDWI[3]在復雜地形下能對水體進行提取。由Vapnik 提出的SVM 分類法是一種建立在統(tǒng)計學習理論基礎上的機器學習方法[4]。眾多研究表明在樣本量較少的情況下,也能取得良好的分類結果[5]。O′Callaghan[6]和Tribe[7]利用DEM 數(shù)據(jù)提取流域水系,熊立華等[8]根據(jù)流域的數(shù)字高程模型自動提取河網(wǎng)水系[9]總結了集水面積方法。雖然閾值法和分類法能夠快速實現(xiàn)大面積水體的提取,但是對喀斯特地區(qū)細小水體提取不夠快速有效[10],而DEM 數(shù)據(jù)提取水體難以生成準確面狀水系。因此利用遙感影像閾值法和分類法對大面積水域比較敏感,DEM 數(shù)據(jù)提取水系時對細微水體比較敏銳,利用兩者在水系獲取上的優(yōu)勢實現(xiàn)互補,使提取的水體信息分布與實際情況更加符合[11]。
該研究以Landsat7ETM 為數(shù)據(jù),以貴陽市為研究區(qū),采用NDWI、MNDWI、SVM 三種方法提取水體,利用混淆矩陣計算各自提取精度,選取精度最高方法提取地表水,通過DEM 數(shù)據(jù)生成河網(wǎng)信息,結合兩者提取結果利用真實地面影像進行綜合修正,研究2000—2020 年貴陽市地表水變化特征并結合氣候與社會因素進行分析,為貴陽市今后人與生態(tài)環(huán)境穩(wěn)定發(fā)展,地表水資源保護與合理利用及開發(fā)提供科學依據(jù)。
貴 陽 市(106°07′E—107°17′E,26°11′N—27°22′N)地處黔中山原丘陵中部,屬亞熱帶季風濕潤氣候,歷年平均氣溫為15.3 ℃。貴陽市地表水資源主要來自雨水,多年平均降雨量為1 129.5 mm,其位于長江水系與珠江水系的分水嶺地帶,市域內(nèi)10 km 以上河流有98 條,其中包括長江流域90 條,珠江流域8 條。貴陽市屬于典型喀斯特城市,受喀斯特地貌的影響,降水易流失、蒸發(fā)快。
研究數(shù)據(jù)選用遙感數(shù)據(jù)和非遙感數(shù)據(jù)。遙感數(shù)據(jù)來源于美國地質(zhì)調(diào)查局官網(wǎng)(USGS,https://earthexplorer.usgs.gov/)2000 年、2010 年、2020 年冬季時間段的Landsat7ETM 6 景影像數(shù)據(jù),選擇影像數(shù)據(jù)云量均小于10%,分辨率為30 m,滿足研究需求。并對遙感數(shù)據(jù)進行輻射定標、大氣校正、鑲嵌、裁剪等預處理。非遙感數(shù)據(jù)包括氣溫、人口密度、生產(chǎn)總值數(shù)據(jù)來源于貴陽市《統(tǒng)計年鑒》。降雨量、蒸發(fā)量數(shù)據(jù)來源于貴陽市《水資源公報》。徑流量數(shù)據(jù)來源國家青藏高原數(shù)據(jù)中心[12],數(shù)字高程模型(DEM)來源于地理空間數(shù)據(jù)云(https://www.gscloud.cn/),分辨率為30 m,并對DEM 數(shù)據(jù)進行投影校正、拼接、裁剪等處理。
3.1.1 水體指數(shù)。 ①歸一化水體指數(shù)(NDWI)。NDWI[2]基于TM 影像,利用了水體在綠光波段有較強反射作用,在近紅外波段有較強吸收作用的特征,通過差值計算來抑制植被,突出水體,從而提取水體的信息。計算公式如式(1)。
式中:GREEN為綠光波段,NIR為近紅外波段。
②改進歸一化差異水體指數(shù)(MNDWI)。MNDWI在NDWI的基礎上,使用中紅外波段代替近紅外波段,使水體與城鎮(zhèn)區(qū)的反差增大,抑制高建筑物陰影從而能更精確的提取城鎮(zhèn)中的水體信息。計算公式如式(2)。
式中:GREEN為綠光波段,MIR為中紅外波段。
3.1.2 支持向量機(SVM)。SVM 圖像分類主要步驟包括樣本采集及數(shù)據(jù)標準化、核函數(shù)及參數(shù)設置、樣本集訓練和應用預測模型進行圖像分類等,廣泛應用于遙感數(shù)據(jù)處理的各個方面[13]。在運用該方法時,精確選取100 個典型樣本,以提高分類效率和精度。
3.1.3 精度評價。基于遙感技術提取水體時利用閾值法確定水體邊界的閾值,確保提取出大部分水體的同時減少其他地物類別的誤提,保證水體分割結果的準確性[14]。
精度評價是衡量遙感檢測的重要手段,通過建立混淆矩陣計算得到總體分類精度OA、Kappa 系數(shù)、錯分誤差、漏分誤差、制圖精度、用戶精度6 個精度評價指標[15],對NDWI、MNDWI、SVM 三種方法的水體提取結果進行精度評價。
根據(jù)地表物理特征和水流特征,利用DEM 數(shù)據(jù)提取研究區(qū)地表水時,對預處理后的DEM 數(shù)據(jù)進行流向、匯計算等判斷是否存在洼地或者數(shù)據(jù)存在異常值,得到無洼地DEM 數(shù)據(jù)后確定水流方向并計算匯流量,水流長度。通過不斷的實驗并利用遙感地形圖與其他數(shù)據(jù)輔助檢驗來確定符合研究區(qū)域地形地貌條件的匯流閾值。最后利用匯流累積矩陣生成柵格河網(wǎng),并對柵格河網(wǎng)進行矢量化處理。
基于時間尺度,如表1 所示各時段三種水體提取方法的總體分類精度OA 均在90%以上,MNDWI指數(shù)的OA 精度最高,達到99.6%,各時段的Kappa系數(shù)由大到小依次是SVM>MNDWI>NDWI,且錯分誤差中2020 年的NDWI 錯分誤差最大,達到18.18%。在各時段的三種方法中,2010 年MNDWI的漏分誤差最大,達到22.22%,2010 年NDWI 的漏分誤差最小,值為11.11%。就各時段而言,總體上SVM 方法在提取水體時效果較好,錯分誤差與漏分誤差均小于NDWI、MNDWI。
表1 Landsat 7 ETM水體提取精度評價表
根據(jù)精度評價結果使用SVM 法提取2000 年、2010 年、2020 年三期貴陽市地表水信息,通過聚類處理去掉細小圖斑后轉為矢量數(shù)據(jù),DEM 數(shù)據(jù)提取的河網(wǎng)信息進行疊加整合,得到各時期貴陽市地表水空間分布狀況,計算各年份的水體面積、面積變化百分比、面積年均變化率[16]來反映不同時段的貴陽市地表水的時空變化趨勢。面積變化百分比與面積年均變化率公式如式(2)、式(3)。
式中:M為面積變化百分比;N為面積年均變化率;Sa為研究起始年份的面積;Sb為研究終止年份的面積;ΔT為研究起始年份與終止年份的時間差
2000—2020 年貴陽市地表水面積統(tǒng)計情況如表2 所示,2000—2020 年貴陽市地表水面積縮減明顯,縮減面積為42.46 km2,縮減年平均面積為2.123 km2,面積變化百分比為28%。2010—2020年地表水縮減面積最大,縮減面積達到23.96 km2,面積變化百分比為17.99%,面積年均變化率達到了1.80%。結果表明2000—2020 年以來,貴陽市地表水面積呈現(xiàn)持續(xù)縮減的趨勢。
表2 地表水面積統(tǒng)計表
基于2000—2020 年貴陽市年平均降雨量、蒸發(fā)量、徑流量、氣溫、日照時數(shù)、相對濕度、人口密度、生產(chǎn)總值等數(shù)據(jù)對貴陽市地表水面積變化驅動因素進行分析,利用Pearson 相關系數(shù)計算得到2000 年、2010 年、2020 年各驅動因素與貴陽地表水面積的相關系數(shù),如表3。
4.3.1 降雨量、蒸發(fā)量、徑流量、氣溫的影響。2000—2020年,貴陽市年平均降水量、蒸發(fā)量、徑流量氣溫年變化趨勢比較大,見圖1。2000—2020年,降雨量與蒸發(fā)量呈現(xiàn)負相關,與徑流量呈現(xiàn)正相關,降雨量,徑流量降低時,蒸發(fā)量增加。由表3可知降水量、徑流量和貴陽市地表水面積的相關系數(shù)分別為-0.215、-0.242 均呈現(xiàn)負相關,降水量,徑流量是影響地表水面積的因素之一。蒸發(fā)量與貴陽地表水面積的相關系數(shù)為-0.635,說明蒸發(fā)量對地表水面積的影響比降水量,徑流量大。氣溫與地表水面積呈負相關,氣溫增大時,地表水面積減小。見表3 相關系數(shù)為-0.955,氣溫是影響地表水面積的一個重要因素,且影響較大。
圖1 降雨量、蒸發(fā)量、徑流量
4.3.2 人口密度、生產(chǎn)總值的影響。2000—2020 年間人口密度、生產(chǎn)總值、用水量呈現(xiàn)不同的發(fā)展趨勢,如圖2 所示,人口密度對地表水面積的影響主要反映在人口增長導致住房量增加、產(chǎn)業(yè)發(fā)展、城市擴張等對地表水使用量增加。2000—2020年,貴陽市人口密度逐年上升,見表3 人口密度與地表水面積呈負相關,相關系數(shù)達到-0.997,說明人口密度對地表水面積變化起到了決定性影響。生產(chǎn)總值與人口密度息息相關,經(jīng)濟的增長帶來的各個產(chǎn)業(yè)的發(fā)展,包括工廠的大量建設,房屋的建設,道路的修建等均使用大量水資源。相關性分析中,生產(chǎn)總值與地表水面積呈負相關,相關系數(shù)為-0.968。表明近20年間,地表水面積受到的生產(chǎn)總值的影響較大。
表3 驅動因素相關系數(shù)表
圖2 氣溫、人口密度、生產(chǎn)總值
本研究以遙感影像與DEM 為數(shù)據(jù)源,選擇NDWI、MNDWI、SVM 法均能提取出貴陽市大面積區(qū)域地表水信息,總體精度均在90%以上。針對各時段而言,SVM 法水體提取的Kappa 系數(shù)最高,效果最好。因此SVM 法提取喀斯特地區(qū)效果較理想,利用該方法獲取貴陽市地表水信息,與DEM 數(shù)據(jù)提取的河網(wǎng)信息進行疊加修正。結果表明2000—2020 年貴陽市地表水面積地表水縮減42.46 km2,面積變化百分比28%。2010—2020年間地表水縮減面積最大,縮減面積達到23.96 km2,面積變化百分比為17.99%,2000—2020 年貴陽市地表水面積呈縮減趨勢。由相關性分析得出各驅動因素與地表水面積均呈現(xiàn)負相關,降雨量、蒸發(fā)量、徑流量是影響地表水面積的次要因素;氣溫、人口密度、生產(chǎn)總值是影響地表水面積變化的主要因素,其中人口密度與地表水面積相關性最強,說明隨著人口的增加地表水面積呈現(xiàn)持續(xù)縮減的趨勢。
從氣候角度來看,貴陽市降雨量豐富但時空分布不均衡,造成貴陽市地表水資源的短缺,隨著氣候的變化,氣溫與蒸發(fā)量的不穩(wěn)定性導致地表水面積受到影響,由于貴陽市地處我國喀斯特核心帶,巖溶地貌滲透性強,降雨易流失,蓄水困難,又因為貴陽市多為山地丘陵地勢,山高坡陡狹谷深難以建造水庫,地表水的開發(fā)利用難度較大;從社會角度來看由于近20 年間貴陽市經(jīng)濟快速發(fā)展,隨著城鎮(zhèn)人口的上升,對地表水的需求增大。工業(yè)用水、城鎮(zhèn)居民用水、農(nóng)業(yè)用水等沒有進行合理規(guī)劃利用,對地表水資源的浪費使用,貴陽市的地表水面積在氣候因素和社會因素共同作用下導致了地表水資源的減少,社會因素影響顯著,對地表水面積的變化影響較大。
當前研究以貴陽市地表水的時空變化為主,其面積變化與驅動因素都存在一定的聯(lián)系,但相關性不顯著,研究中選取的遙感數(shù)據(jù)與方法較單一,水體提取方法應結合研究區(qū)地形地貌進一步分析,在今后研究中將會做更詳細的驗證。