常亞茹，張繼賢，韓文立，丁夏萌，張?jiān)?/p>

(1.山東科技大學(xué) 測(cè)繪與空間信息學(xué)院，山東 青島 266590；2.國家測(cè)繪產(chǎn)品質(zhì)量檢驗(yàn)測(cè)試中心，北京 100036；3.蘭州交通大學(xué) 測(cè)繪與地理信息學(xué)院，蘭州 730070)

0 引言

氣候變化已成為目前全球面臨的一大關(guān)鍵性問題，而湖泊作為參與水文循環(huán)和氣候變化過程的重要組成部分，是全球環(huán)境變化的敏感地帶和典型區(qū)域，它的形成與消失、擴(kuò)張與收縮均受季節(jié)氣候模式和長(zhǎng)期環(huán)境變化影響[1]。青藏高原被譽(yù)為“全球氣候變化的驅(qū)動(dòng)機(jī)與放大器”“亞洲水塔”，分布著地球上海拔最高、數(shù)量最多、面積最大的高原湖泊群[2]，因此受到學(xué)者們的高度關(guān)注。2019年7月在亞洲水塔國際研討會(huì)上，中國科學(xué)家發(fā)起以青藏高原冰川和湖泊為核心的第三極水塔計(jì)劃，第三極變化情況已成為國際水資源與生態(tài)環(huán)境研究熱點(diǎn)之一。青藏高原地區(qū)海拔較高、人口相對(duì)稀少，湖泊的自然條件保持較好，湖面的面積變化受人類活動(dòng)影響較小[3]，能夠較為真實(shí)地反映區(qū)域氣候變化情況，對(duì)監(jiān)測(cè)冰川融化[4]影響和反映氣候模式變化[5]有著重要作用。納木錯(cuò)湖是青藏高原第二大湖泊，是一個(gè)封閉的湖盆區(qū)，空氣稀薄，溫差較大，生態(tài)環(huán)境基本為天然狀態(tài)，人為擾動(dòng)因素較小，其湖泊的變化主要受自然環(huán)境和氣候變化的影響[6]。因此，分析和研究納木錯(cuò)湖面積變化趨勢(shì)與氣候、地形等因素的關(guān)系，對(duì)反饋高海拔區(qū)域生態(tài)環(huán)境和氣候變化有著深遠(yuǎn)意義[7]。

近年來，許多學(xué)者逐漸開展對(duì)青藏高原湖泊變化的研究。相較于傳統(tǒng)人工測(cè)量手段成本高、數(shù)據(jù)缺乏等問題，利用遙感技術(shù)能更全面、更快速高效地獲取湖泊動(dòng)態(tài)變化情況[8]，尤其在自然條件惡劣、缺乏地面觀測(cè)數(shù)據(jù)和水文觀測(cè)不連續(xù)的青藏高原高海拔地區(qū)。然而光學(xué)遙感觀測(cè)受天氣和時(shí)間的影響較大[9]，因此目前研究主要是利用有限的幾景光學(xué)遙感影像對(duì)高原湖泊提取[10]，缺乏時(shí)間上的連續(xù)性，在一定程度上難以反映高原湖泊逐年、逐季度甚至是逐月的動(dòng)態(tài)變化情況。合成孔徑雷達(dá)(synthetic aperture radar，SAR)的優(yōu)勢(shì)在于不受云、雨、霧的影響，具有全天候和全天時(shí)的探測(cè)能力，且能獲取不同于光學(xué)傳感器的遙感地物信息，可以實(shí)現(xiàn)對(duì)湖泊連續(xù)性變化監(jiān)測(cè)研究[11]。目前，基于SAR影像提取水體的方法已有廣泛應(yīng)用，Gong等[12]利用灰度和紋理特征的變化對(duì)洪水檢測(cè)進(jìn)行研究，取得了較高的精度；龐科臣等[13]利用改進(jìn)的Otsu法分割DEM，去除山體陰影對(duì)水體提取，能有效降低水體提取的虛警率；鄧瀅等[14]基于結(jié)合紋理與極化分解的面向?qū)ο蠓椒▽?duì)極化SAR圖像識(shí)別水體區(qū)域，能夠提取完整水陸邊界和提高小型水體檢測(cè)率；王慶等[15]引入紋理特征和不同極化通道之間的極化差、極化比等參數(shù)與第一主成分閾值相結(jié)合，研究鄱陽湖水體的水域面積動(dòng)態(tài)變化情況；湛南渝等[16]提出將簡(jiǎn)化的SLIC超像素分割算法運(yùn)用到SAR影像水體提取，實(shí)現(xiàn)基于SAR數(shù)據(jù)2019年株洲洪水監(jiān)測(cè)。由于高原地區(qū)受云霧和海拔高的影響較大，現(xiàn)有研究多為長(zhǎng)時(shí)間序列的高原湖泊面積變化，缺少針對(duì)一年間連續(xù)12月湖泊面積變化的研究，而星載SAR能夠獲取高原多云地區(qū)的短周期數(shù)據(jù)?；诖耍疚睦?018年12期Sentinel-1A雷達(dá)影像數(shù)據(jù)，以青藏高原納木錯(cuò)湖為研究區(qū)域，采用面向?qū)ο蠓指罘椒ǎㄟ^最大類間方差法分割閾值，并結(jié)合灰度共生矩陣提取的紋理特征，提取湖泊邊界信息，深入研究2018年納木錯(cuò)湖泊逐月面積變化情況及驅(qū)動(dòng)因素，為相似氣候條件的高海拔湖泊群水體提取和變化監(jiān)測(cè)研究提供依據(jù)。

1 研究區(qū)域及實(shí)驗(yàn)數(shù)據(jù)

1.1 研究區(qū)域

納木錯(cuò)湖位于西藏自治區(qū)中部(30°30′N～30°55′N，90°16′E～91°03′E)，面積約1 920 km2，湖面平均海拔達(dá)4 718 m，最大水深超過120 m，是世界上海拔最高的大型湖泊。納木錯(cuò)東部和南部是終年積雪的念青唐古拉山脈和岡底斯山脈，北部和西部為地形起伏緩和的藏北高原丘陵和湖群，湖區(qū)地勢(shì)略微低于周邊區(qū)域(圖1)。納木錯(cuò)湖處于水流的聚集中心處，沿湖水系發(fā)達(dá)，有羅薩、查哈蘇太河、打爾古藏布等河流。該地區(qū)屬于亞寒帶季風(fēng)半干旱氣候區(qū)，環(huán)境寒冷干燥多風(fēng)，光、熱、水資源充足，年日照時(shí)數(shù)達(dá)3 000小時(shí)左右，日照強(qiáng)烈，雨、旱季節(jié)分明，每年6月至9月為雨季，多年平均降水量為410 mm，11月至翌年5月為旱季，對(duì)氣候波動(dòng)較為敏感[17]。

圖1 納木錯(cuò)湖高程分布

1.2 數(shù)據(jù)及其預(yù)處理

1)研究數(shù)據(jù)源。本文主要利用了Sentinel-1A雷達(dá)數(shù)據(jù)、DEM數(shù)據(jù)和氣象資料數(shù)據(jù)。Sentinel-1A數(shù)據(jù)來源于美國地質(zhì)調(diào)查局網(wǎng)站(http：//glovis.usgs.gov/)，選取2018年1月至12月的12期Sentinel-1干涉寬幅模式(IW)的地距(GRD)影像為研究數(shù)據(jù)源，極化方式為VV/VH，其中GRD數(shù)據(jù)為經(jīng)過多視處理、采用WGS-84橢球投影到地距的影像。圖2為該影像示例。Sentinel-1A數(shù)據(jù)及參數(shù)見表1。DEM 數(shù)據(jù)使用SRTMDEM 30 m的高程數(shù)據(jù)(數(shù)據(jù)來源于地理空間數(shù)據(jù)云)。氣象數(shù)據(jù)包括納木錯(cuò)湖附近的西藏當(dāng)雄、班戈、那曲和申扎四個(gè)氣象站2018年的日平均氣溫、日降水量、日平均風(fēng)速、日日照時(shí)數(shù)、日平均蒸發(fā)量氣象數(shù)據(jù)，用四個(gè)氣象站點(diǎn)的氣象數(shù)據(jù)取平均數(shù)值表示納木錯(cuò)湖地區(qū)的氣象值。

圖2 納木錯(cuò)湖泊2018年Sentinel-1A影像(以1、4、7、11月為例)

表1 Sentinel-1A數(shù)據(jù)及參數(shù)表

2)數(shù)據(jù)預(yù)處理。本文利用SARscape工具對(duì)12景Sentinel-1A影像進(jìn)行預(yù)處理。原始的SAR影像數(shù)據(jù)為幅度數(shù)據(jù)，需對(duì)其進(jìn)行輻射定標(biāo)、地形校正、裁剪、濾波和地理編碼等預(yù)處理，將實(shí)驗(yàn)區(qū)域的雷達(dá)強(qiáng)度圖像轉(zhuǎn)換為后向散射系數(shù)圖像。

2 研究方法

2.1 最大類間方差法

表面近乎光滑的水體在雷達(dá)影像中后向散射值小，表現(xiàn)為暗區(qū)，灰度閾值分割法依據(jù)此特征可以解算得到圖像灰度直方圖的極值，從而確定水體的分割閾值，將圖像分為背景和目標(biāo)兩部分，小于閾值部分的圖像歸為水體，大于閾值部分的歸為背景，形成二值圖。最大類間方差法是由日本學(xué)者 Otsu提出來的一種全局最優(yōu)閾值確定方法，也稱為Otsu法[18]，是應(yīng)用較廣泛的灰度閾值分割法之一。Otsu法的基本思想是利用圖像的灰度值，將原圖像分為背景和目標(biāo)兩部分，以兩者之間的最大方差確定圖像的分割閾值。由于方差是圖像像元灰度分布均勻性的一種度量，因此，方差值越大說明圖像中目標(biāo)和背景兩部分區(qū)域的差別也越大，所對(duì)應(yīng)的分割效果就越好[19]。

2.2 紋理特征提取

在已有的紋理特征提取方法中，灰度共生矩陣(gray-level co-occurrence matrix，GLCM)應(yīng)用最為廣泛，且其提取精度高，因此采用灰度共生矩陣提取水體紋理信息并結(jié)合水體幾何信息特征，在一定程度上能夠減少其他地物對(duì)提取水體信息的干擾?；叶裙采仃囀抢么翱趦?nèi)特征值作為該窗口中心像素特征值的統(tǒng)計(jì)方法，其通過研究灰度的空間相關(guān)特性來描述紋理特征[20]，反映了圖像中任意兩點(diǎn)灰度的相關(guān)性和紋理特征的統(tǒng)計(jì)性質(zhì)。在SAR影像上，灰度共生矩陣反映圖像空間結(jié)構(gòu)特征，表現(xiàn)區(qū)域內(nèi)一致性和區(qū)域間相對(duì)性[21]，其意義是，細(xì)紋理灰度空間變化很快，粗紋理隨距離增大僅有細(xì)微變化。GLCM紋理特征值較多，其中，均值反映圖像灰度均勻性和紋理規(guī)則程度，水域、道路、建筑物區(qū)域的灰度較為均勻，在均值圖像上表現(xiàn)為較高亮度，適用于水體提取；均值越小表示相關(guān)地物的紋理雜亂無章、難以描述；反之值越大代表紋理規(guī)律性強(qiáng)、易于描述。綜上，本研究選取均值特征描述紋理信息。

2.3 結(jié)合紋理特征與閾值分割法提取湖泊

目前基于SAR數(shù)據(jù)提取水體的方法主要有灰度閾值分割法、機(jī)器學(xué)習(xí)法、濾波法和結(jié)合輔助信息的提取方法等[22]，本文結(jié)合灰度共生矩陣提取紋理特征和最大類間方差法閾值分割的面向?qū)ο蠓指罘椒ㄌ崛∷w。首先，對(duì)Sentinel-1A影像數(shù)據(jù)進(jìn)行預(yù)處理(圖3)；其次，通過最大類間方差法確定每個(gè)影像的最佳閾值，得到水體和其他背景物二值圖；最后，將初水體提取二值圖和由灰度共生矩陣提取的紋理特征結(jié)合，補(bǔ)充添加的紋理信息，彌補(bǔ)了只采用最大類間方差法產(chǎn)生的相干斑噪聲和圖像各處灰度信息不均勻的缺陷。另外，青藏高原地區(qū)由于地形的原因會(huì)在SAR圖像上產(chǎn)生地形陰影干擾信息，結(jié)合DEM高程輔助數(shù)據(jù)，以消除由于山體陰影造成的錯(cuò)分混淆現(xiàn)象。

圖3 研究技術(shù)路線

3 結(jié)果與分析

3.1 納木錯(cuò)湖面積提取結(jié)果與評(píng)價(jià)

1)湖泊面積提取結(jié)果。本實(shí)驗(yàn)中對(duì)預(yù)處理后的12景SAR影像通過最大類間方差法確定的最佳閾值分別為：-14.5、-15、-14.7、-16.5、-18.5、-18、-15.8、-16、-16.5、-15.8、-14.8、-14，根據(jù)這些閾值分別得到湖泊提取的二值圖。由圖4(a)中Otsu法提取湖泊結(jié)果發(fā)現(xiàn)，水體和陸地未能區(qū)分，湖泊的輪廓不清晰，存在虛警率較大的問題。值得注意的是，閾值分割方法簡(jiǎn)單、運(yùn)算速度較快，能進(jìn)行水體的快速提取，但此方法缺乏空間特征考量，在區(qū)分與水體散射特征相似的地物時(shí)較容易發(fā)生誤分的情況，精度和魯棒性較差，同時(shí)由于受相干斑噪聲和圖像各處灰度信息不均勻現(xiàn)象的影響，難以獲取準(zhǔn)確的閾值，尤其是高海拔地區(qū)湖泊表面有湖冰存在，只通過簡(jiǎn)單的閾值法無法完全正確地提取湖泊的整體邊界，提取的水體邊緣線不夠光滑連續(xù)，水體和河岸邊緣線也不能明確分離，存在邊緣誤差特征。

隨著SAR影像的空間分辨率不斷提高，圖像亮度范圍隨之增大，紋理結(jié)構(gòu)信息也更加豐富。本文在提取水體時(shí)引入紋理特征[23]，增強(qiáng)圖像的空間信息，抑制SAR圖像的斑點(diǎn)噪聲。將紋理灰度共生矩陣與圖像中的灰度信息相結(jié)合，使提取結(jié)果的“椒鹽現(xiàn)象”明顯減少。從圖4(b)湖泊提取結(jié)果發(fā)現(xiàn)，基于GLCM-均值方法水體提取結(jié)果邊界清晰但仍存在誤提現(xiàn)象，尤其在影像的右上側(cè)部分明顯，未能提取完整湖體邊界。通過最大類間方差法確定水體分割初閾值，并結(jié)合灰度共生矩陣提取紋理信息，彌補(bǔ)只通過閾值法在處理大面積影像時(shí)獲取的結(jié)果主觀性強(qiáng)、可追蹤性差的缺點(diǎn)，湖泊提取結(jié)果如圖4(c)所示，該方法能更好地區(qū)分出水域和其他地形，提取邊界清晰明了。

圖4 不同方法提取結(jié)果

2)精度分析與評(píng)價(jià)。

(1)不同水體提取方法精度分析。為了驗(yàn)證方法的有效性和精度，采用地理國情數(shù)據(jù)人工標(biāo)注的解譯水體范圍作為真實(shí)水體值，將本文方法、Otsu閾值法和基于紋理特征提取的水體范圍與真實(shí)水體提取值對(duì)比分析。引用誤差統(tǒng)計(jì)方法進(jìn)行精度評(píng)估，準(zhǔn)確率F較大，說明提取方法效果較好；準(zhǔn)確率F較小代表提取方法效果較差。

如表2所示，以納木錯(cuò)湖為研究區(qū)域，Otsu方法提取湖泊面積準(zhǔn)確率最低，僅有54.73%，這是由于Otsu法未能將水體和陸地區(qū)分開，存在大量誤提現(xiàn)象；基于紋理特征的提取精度88.26%，基本能提取湖泊的完整邊界，但噪聲影響依舊存在；結(jié)合紋理特征與Otsu方法提取精度明顯提高，達(dá)到95.12%，能較好地獲取湖泊提取結(jié)果。

表2 不同水體提取方法精度對(duì)比

(2)不同季節(jié)的水體提取精度分析。根據(jù)SAR影像的輻射特性，水體的后向散射系數(shù)由波長(zhǎng)、斜視角、復(fù)介電常數(shù)、粗糙度等雷達(dá)參數(shù)決定。在水體提取分析中，Sentinel-1A SAR影像主要考慮地表粗糙度對(duì)后向散射系數(shù)的影響，表面越粗糙，后射回波信號(hào)越強(qiáng)，后向散射系數(shù)越大；平靜的水面屬于平滑面，主要表現(xiàn)為鏡面反射，其后向散射強(qiáng)度低。圖5為納木錯(cuò)不同月份的水體后向散射系數(shù)變化圖，各階段后向散射強(qiáng)度層次明顯，夏季風(fēng)速較小且湖面處于完全消融狀態(tài)，近似為鏡面反射，其后向散射強(qiáng)度值明顯低于其他季節(jié)；冬季后向散射系數(shù)值最大，由于溫度降低湖面開始結(jié)冰，且冬季風(fēng)速較大，導(dǎo)致納木錯(cuò)冬季時(shí)湖面呈粗糙形態(tài)，后向散射回波信號(hào)增強(qiáng)?；诖耍?、4、7、10月為例，分析不同季節(jié)、不同湖面形態(tài)的水體提取精度，準(zhǔn)確率分別為：80.15%、83.62%、89.37%、85.26%。夏季7月份時(shí)水體提取精度最高，湖面狀態(tài)在一年中最為平靜，提取邊界清晰；秋季10月份精度次之，溫度逐漸降低至零下，湖面開始結(jié)冰，表面形態(tài)發(fā)生變化，影響水體提取精度；春季4月份時(shí)精度由于受風(fēng)速的影響不是很高；冬季1月份水體提取精度最低，湖面既是結(jié)冰狀態(tài)又受大風(fēng)影響，導(dǎo)致水體邊界有所誤提。

圖5 納木錯(cuò)水體后向散射系數(shù)時(shí)變特征

3.2 納木錯(cuò)湖湖泊面積變化監(jiān)測(cè)分析

基于本文提取水體方法得到2018年12個(gè)月份納木錯(cuò)湖的空間分布范圍，分析了納木錯(cuò)湖在不同月份湖面面積的變化情況，具體如下。

由圖6發(fā)現(xiàn)，2018年12個(gè)月內(nèi)納木錯(cuò)湖的面積變化呈現(xiàn)起伏狀態(tài)，主要經(jīng)歷三個(gè)階段：從3—6月迅速增加，到6—10月平穩(wěn)變化，最終10月至次年2月收縮減小。從數(shù)值上來看，9月份納木錯(cuò)湖面積達(dá)到峰值，為2 020.639 km2，3月份時(shí)湖泊面積最小，只有1 980.179 km2，二者相差40.46 km2。由于納木錯(cuò)地處藏北高原，每年冰封期長(zhǎng)達(dá)5個(gè)月(完全封凍時(shí)間近3個(gè)月)，結(jié)合影像數(shù)據(jù)可直觀發(fā)現(xiàn)1—3月份湖泊大部分處于冰凍狀態(tài)，直到4月份開始消融，此時(shí)湖水面積開始明顯增加；夏季由于溫度上升導(dǎo)致冰川融水和湖冰自身消融，加之降水量增加，使得9—10月份湖泊的面積達(dá)到峰值；從11月進(jìn)入冬季，溫度降低降水減少，湖泊面積發(fā)生收縮變化。

圖6 2018年納木錯(cuò)湖面積統(tǒng)計(jì)圖

通過圖7納木錯(cuò)湖12個(gè)月份提取的湖面矢量疊加圖可以觀察得到，納木錯(cuò)湖泊周圍都存在邊界擴(kuò)張的現(xiàn)象，其中有四處明顯變化區(qū)域，分別在湖區(qū)的東北部、西北部和西南部，主要是由南部的岡底斯山脈和東部的念青唐古拉山脈冰雪消融補(bǔ)給，以及周圍的羅薩、查哈蘇太河、打爾古藏布等河流注入引起變化。

圖7 2018年納木錯(cuò)湖空間分布及面積變化

3.3 湖面面積變化驅(qū)動(dòng)因素分析

1)氣象資料分析。結(jié)合2018年納木錯(cuò)湖周圍的當(dāng)雄、班戈、那曲和申扎四個(gè)氣象站點(diǎn)的日均氣溫、日均降水量、日均風(fēng)速、日均蒸發(fā)量、日均日照時(shí)數(shù)等氣象數(shù)據(jù)(圖8)，分析了納木錯(cuò)湖區(qū)2018年的氣候變化。從圖8氣象數(shù)據(jù)和其變化趨勢(shì)線能夠看出，2018年期間氣溫的變化起伏最為明顯，1—4月氣溫均處于0 ℃以下，5—10月溫度均處于0 ℃以上，6—9月日均溫度都可達(dá)到10 ℃，11月起氣溫再次降到0 ℃以下，且溫度與湖泊的面積的變化走向大致相似。2018年月降水的變化趨勢(shì)也較為明顯，1—3月幾乎無降水，5—9月的降水明顯增加進(jìn)入雨季，其中7—8月降水最為豐富達(dá)到日均5 mm，10—12月再次進(jìn)入枯水期幾乎無降水。納木錯(cuò)地區(qū)風(fēng)資源豐富，2018年期間大風(fēng)日主要集中在12月至翌年5月，大風(fēng)日占全年的一半時(shí)間以上，最大日均風(fēng)速可達(dá)到7 m/s。夏季蒸發(fā)量最大，冬季蒸發(fā)量最小，蒸發(fā)量整體波動(dòng)不大。湖區(qū)及附近區(qū)域日照強(qiáng)烈，2018年日照時(shí)數(shù)接近3 000小時(shí)，年均日照率大于65%。

圖8 2018年納木錯(cuò)區(qū)域氣象數(shù)據(jù)

2)湖面面積變化與氣象資料相關(guān)性分析。通過對(duì)兩個(gè)或多個(gè)具有相關(guān)性的變量進(jìn)行分析，能夠得到兩個(gè)變量之間的線性關(guān)系程度，即Pearson相關(guān)性分析。納木錯(cuò)湖泊水位的變化直接反映為湖水表面積的變化，而影響納木錯(cuò)湖水位變化的因素有各支流、雪山、氣溫和降雨等原因。通過將統(tǒng)計(jì)得到的納木錯(cuò)湖湖面面積統(tǒng)計(jì)值與各氣象數(shù)據(jù)之間進(jìn)行相關(guān)性分析，由面積-氣象數(shù)據(jù)相關(guān)性分析表3的結(jié)果分析得出：納木錯(cuò)湖面積變化與氣溫(相關(guān)系數(shù)r=0.680，p<0.05)和降水(相關(guān)系數(shù)r=0.638，p<0.05)存在較強(qiáng)的正相關(guān)性，與平均風(fēng)速存在強(qiáng)的負(fù)相關(guān)(相關(guān)系數(shù)r=-0.796，p<0.01)；湖面面積變化與蒸發(fā)量的相關(guān)系數(shù)為r=-0.300，p=0.344(p>0.05)，與日照時(shí)數(shù)的相關(guān)系數(shù)為r=-0.171，p=0.596(p>0.05)，因此湖面面積變化與蒸發(fā)量和日照時(shí)數(shù)變化的相關(guān)性不顯著。

表3 面積-氣象數(shù)據(jù)相關(guān)性分析表

由氣象數(shù)據(jù)和相關(guān)性分析結(jié)果可得到：納木錯(cuò)湖區(qū)雨、旱季節(jié)分明，熱季和雨季均為每年的6—9月，湖水水位在9—10月達(dá)到年內(nèi)穩(wěn)定最大值；多風(fēng)是納木錯(cuò)流域及其附近地區(qū)氣候的顯著特點(diǎn)，風(fēng)速增大加快湖泊水面蒸散發(fā)。隨著氣溫的不斷升高，可能會(huì)使湖泊補(bǔ)給流域的上游冰川加速消融和湖冰自身融化，溫度升高是納木錯(cuò)湖泊面積增加的主要原因，其中，納木錯(cuò)湖東部和南部的念青唐古拉山脈、岡底斯山脈雪冰融化為湖泊增加了水域補(bǔ)給；雨季降水量增加也是影響湖面積變化的重要因素，風(fēng)速對(duì)湖泊面積變化起負(fù)相關(guān)作用，蒸發(fā)量和日照時(shí)數(shù)兩個(gè)變量對(duì)納木錯(cuò)湖面積變化影響較小。

3)地形和相對(duì)水深分析。對(duì)納木錯(cuò)湖及周圍區(qū)域地形分布進(jìn)行分析發(fā)現(xiàn)：湖區(qū)西北側(cè)是人類居住活動(dòng)區(qū)域，地勢(shì)相對(duì)湖泊較高；東南側(cè)是念青唐古拉山脈，四周多雪山，湖泊位于地勢(shì)最為低洼的區(qū)域，是水流的匯集中心，且不易流散。疊加DEM高程圖中可以觀察到，納木錯(cuò)湖地處區(qū)域地勢(shì)相對(duì)較低，因此能夠推斷湖水水位增高部分會(huì)掩蓋地勢(shì)相對(duì)較低地區(qū)，水位繼續(xù)上漲，納木錯(cuò)湖仍會(huì)向地勢(shì)相對(duì)較低的區(qū)域擴(kuò)張。

利用2018年3月Landsat 8 OLI遙感影像數(shù)據(jù)反演得到整個(gè)納木錯(cuò)湖泊的相對(duì)水深，從相對(duì)水深反演結(jié)果(圖9)發(fā)現(xiàn)：相對(duì)水深最小的位置是陸地，值為0為圖中白色區(qū)域，值越大表示相對(duì)水深越大，即在圖中呈現(xiàn)的顏色越深；對(duì)納木錯(cuò)湖水深反演結(jié)果進(jìn)行不同的顏色分級(jí)顯示，可以清晰明了地看出整個(gè)納木錯(cuò)湖的面積變化過程，即從深紅色變到橘色再到淡黃色最后到綠色，邊界較為清晰；納木錯(cuò)湖泊向水深相對(duì)較淺的區(qū)域擴(kuò)張消融，主要的擴(kuò)張邊界在西側(cè)和東北側(cè)方向；相對(duì)水深反演結(jié)果與2018年納木錯(cuò)湖面積變化過程(圖7)基本一致。

圖9 納木錯(cuò)湖相對(duì)水深反演

4)湖泊景觀形狀指數(shù)變化分析。景觀形狀指數(shù)用來描述自然景觀受外界條件包含人為因素干擾的難易程度，也能反映景觀的復(fù)雜程度和易損程度，此值越小代表湖泊景觀越容易收到外界干擾，反之亦然。其中，湖泊景觀形狀指數(shù)(lake landscape shape index，LLSI)的計(jì)算如式(1)所示。

(1)

式中：LLSI為湖泊景觀形狀指數(shù)；L為湖泊的周長(zhǎng)；A為湖泊的面積。

由圖10得到，1、2、3、4、12月LLSI值較小，由于期間溫度降低湖面結(jié)冰和受大風(fēng)影響，湖泊易受到外界干擾，LLSI值均低于2.6；5—11月LLSI值較大，是由于期間湖泊的氣候環(huán)境和湖面狀態(tài)相對(duì)穩(wěn)定，受外界干擾影響降低。

圖10 2018年納木錯(cuò)區(qū)域LLSI變化

4 結(jié)束語

本文基于Sentinel-1A合成孔徑雷達(dá)數(shù)據(jù)，以納木錯(cuò)湖為研究區(qū)域，在Otsu閾值法對(duì)影像粗分割提取的基礎(chǔ)上，利用灰度共生矩陣分析影像紋理特征，并結(jié)合DEM輔助數(shù)據(jù)消除山體陰影造成的錯(cuò)分混淆現(xiàn)象，對(duì)粗提取結(jié)果進(jìn)一步優(yōu)化整合，實(shí)現(xiàn)納木錯(cuò)湖泊的準(zhǔn)確提取，最終獲得湖泊2018年逐月面積變化情況。結(jié)合周圍四個(gè)氣象站點(diǎn)的氣象數(shù)據(jù)，分析湖區(qū)月際變化趨勢(shì)及原因，結(jié)論如下。

1)通過實(shí)驗(yàn)對(duì)比分析得到，Otsu法提取精度為54.73%，處理速度快但精度較低；基于紋理特征方法提取精度為88.26%，可以明顯獲取湖泊邊界，但存在邊界不清晰且誤提的現(xiàn)象；結(jié)合紋理特征與閾值分割的方法提取精度達(dá)到95.12%，效果得到明顯提升。實(shí)驗(yàn)結(jié)果證明，SAR影像結(jié)合本文方法可用于高海拔地區(qū)湖泊水體信息的提取，并能實(shí)現(xiàn)逐年、逐月的常態(tài)化動(dòng)態(tài)變化監(jiān)測(cè)。

2)2018年內(nèi)，納木錯(cuò)湖面積呈現(xiàn)起伏變化，3至6月面積增加，6至10月平穩(wěn)變化，10月至次年2月收縮減??；在9至10月份時(shí)面積達(dá)到了峰值2 020.639 km2，3月份時(shí)湖泊面積最小，只有1 980.179 km2。通過湖泊面積變化與氣象數(shù)據(jù)的相關(guān)性分析，氣溫升高和降水增加等因素是納木錯(cuò)湖泊面積變化的主要正相關(guān)因素，風(fēng)速是影響湖面面積變化的主要負(fù)相關(guān)因素，蒸發(fā)量和日照時(shí)數(shù)變量對(duì)湖泊逐月面積變化結(jié)果影響較小。另外，對(duì)整個(gè)湖區(qū)進(jìn)行相對(duì)水深反演和對(duì)湖區(qū)周圍地形分析，反演結(jié)果與面積變化過程很好地對(duì)應(yīng)，在西北、西南和東北方向有明顯擴(kuò)張。

綜上所述，利用合成孔徑雷達(dá)SAR數(shù)據(jù)對(duì)納木錯(cuò)湖觀測(cè)，可以有效地獲取其水體短期內(nèi)的連續(xù)變化信息，掌握其變化規(guī)律，分析影響湖面面積變化的因素。本文仍存在不足之處，目前只針對(duì)納木錯(cuò)湖2018年逐月數(shù)據(jù)進(jìn)行了水體提取，今后需擴(kuò)大時(shí)間跨度，研究年度、季度甚至月度的湖泊面積變化情況，并進(jìn)一步加強(qiáng)對(duì)相似氣候條件下湖泊的研究及對(duì)比分析。