摘 要：鑒于全球氣候變化的不斷加劇和人類活動(dòng)范圍的迅速擴(kuò)大，湖泊面積的顯著變化已成為學(xué)者研究的焦點(diǎn)之一。巢湖是中國(guó)五大淡水湖之一，通過(guò)分析其面積變化，深入理解湖泊面積波動(dòng)的動(dòng)態(tài)機(jī)制和潛在影響因素。采用Landsat衛(wèi)星影像數(shù)據(jù)，系統(tǒng)分析了巢湖2012—2022年的面積變化動(dòng)態(tài)及相關(guān)影響因素。為實(shí)現(xiàn)水體的自動(dòng)提取，運(yùn)用ETM+和OLI兩類不同波段的Landsat衛(wèi)星影像，并引入水體指數(shù)（NDWI）作為有效的水體識(shí)別工具。隨后，通過(guò)對(duì)提取的水體面積數(shù)據(jù)與氣象參數(shù)進(jìn)行統(tǒng)計(jì)學(xué)分析，旨在探討湖泊面積變化的根本原因，并為湖泊生態(tài)環(huán)境的改善提供有效支持。

關(guān)鍵詞：Landsat影像；巢湖；面積變化；氣象因素

中圖分類號(hào)：P237 文獻(xiàn)標(biāo)志碼：B 文章編號(hào)：2095–3305（2024）07–0-03

基于Landsat影像的巢湖面積變化分析是當(dāng)前遙感技術(shù)應(yīng)用研究的一個(gè)重要課題。國(guó)內(nèi)外學(xué)者在這一領(lǐng)域開(kāi)展了廣泛且深入的研究，并取得了顯著進(jìn)展[1-2]。

為了進(jìn)一步提高淡水湖泊面積變化監(jiān)測(cè)與預(yù)測(cè)的可靠性和有效性，研究者應(yīng)積極探索新技術(shù)和方法，為我國(guó)水資源管理和生態(tài)環(huán)境保護(hù)提供更為堅(jiān)實(shí)的科學(xué)支持，推動(dòng)全球湖泊生態(tài)系統(tǒng)的可持續(xù)發(fā)展[3-4]。

巢湖是安徽省中部地區(qū)重要的水源補(bǔ)給地，其流域面積約為8 847.12 km2，位居我國(guó)淡水湖面積的第五位。流域東南部與長(zhǎng)江相連。該地區(qū)的氣候特征為平均溫度約為15 ℃，年降水量＞1 100 mm，人口密集，經(jīng)濟(jì)發(fā)展迅速。巢湖的地理位置如圖1所示。

1 數(shù)據(jù)來(lái)源

所采用的數(shù)據(jù)為2012—2022年期間Landsat7/8巢湖湖泊面積衛(wèi)星遙感影像數(shù)據(jù)。Landsat影像具備30米高空間分辨率，并可覆蓋研究所涉及的巢湖區(qū)域。此外，該數(shù)據(jù)集還提供了2012—2022年的連續(xù)監(jiān)測(cè)影像，滿足了研究對(duì)時(shí)間范圍的需求。氣溫、降水?dāng)?shù)據(jù)來(lái)源于國(guó)家氣象科學(xué)數(shù)據(jù)中心的中國(guó)地面氣候資料日值數(shù)據(jù)集[5]。

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)預(yù)處理

影像處理：2012—2022年的遙感影像數(shù)據(jù)被導(dǎo)入至ENVI5.3進(jìn)行數(shù)據(jù)預(yù)處理。由于2012年的遙感影像數(shù)據(jù)屬于Landsat7，存在條紋問(wèn)題，因此需要進(jìn)行條紋處理。采用Landsat-gapfill工具對(duì)條紋進(jìn)行修復(fù)處理[6]。

影像裁剪：優(yōu)化數(shù)據(jù)管理并提高處理效率，減少大型影像數(shù)據(jù)集的體積，從而精簡(jiǎn)所需處理的數(shù)據(jù)規(guī)模，并提升圖像的準(zhǔn)確性與分辨率。

輻射定標(biāo)：便于進(jìn)行數(shù)據(jù)比較、時(shí)間序列分析以及地物信息提取，從而支持科學(xué)分析和決策制定，以提高數(shù)據(jù)的精度和準(zhǔn)確性。

大氣校正[7]：該過(guò)程旨在消除大氣影響，以獲取地表反射率的真實(shí)圖像，從而提高遙感數(shù)據(jù)的可靠性和精度[8-14]。

2.2 巢湖的水域面積提取

（1）計(jì)算水體指數(shù)：歸一化水體指數(shù)是一種用于評(píng)估水體水質(zhì)的綜合方法。該指數(shù)基于常規(guī)水體評(píng)估指標(biāo)，通過(guò)對(duì)各項(xiàng)指標(biāo)進(jìn)行加權(quán)平均計(jì)算得出。其計(jì)算公式如下：

NDWI=[ρ（Green）ρ（NIR）]/[ρ（Green）ρ（NIR）]（1）

其通過(guò)綠波段ρ（Green）和近紅波段ρ（NIR）的光譜反射率進(jìn)行計(jì)算。

（2）查看水體數(shù)值：NWDI的計(jì)算方法涉及2個(gè)波段的反射率差值計(jì)算，并將其歸一化至0～1之間。數(shù)值1表示水體的存在程度完全，而數(shù)值0則表示完全是陸地。

（3）利用閾值建立Roi：通過(guò)設(shè)定閾值，將像素按照其顏色特征分為不同的類別，以使得同一類別內(nèi)的像素具有相似的顏色特征，而不同類別之間的像素則呈現(xiàn)明顯的顏色差異。閾值的選擇必須充分考慮水體的顏色特征和圖像的光照條件等諸多因素。基于預(yù)先確定的閾值，對(duì)灰度圖像進(jìn)行閾值分割，依據(jù)像素的顏色數(shù)值進(jìn)行分類判斷，將圖像中的像素分為水體和非水體2個(gè)類別，從而實(shí)現(xiàn)對(duì)水體的精確提取。

（4）水體提取：通過(guò)對(duì)提取出的水體區(qū)域進(jìn)行裁剪處理，從原始圖像中獲取僅包含水體的圖像。在裁剪過(guò)程中，標(biāo)記出提取出的水體，以便后續(xù)處理。隨后，根據(jù)水體的標(biāo)記信息，對(duì)原始圖像進(jìn)行水體裁剪操作。

（5）提取水體轉(zhuǎn)分類圖像：在此研究中，首先選取一幅包含水體的彩色遙感圖像，并將所選圖像轉(zhuǎn)換為灰度圖像，即將彩色像素值轉(zhuǎn)換為相應(yīng)的灰度值，最后根據(jù)水體的分類結(jié)果，生成水體轉(zhuǎn)分類圖像，其中不同類別的像素點(diǎn)用不同顏色表示。

（6）編輯分類圖像：在對(duì)巢湖水域進(jìn)行研究時(shí)，必須刪除除研究區(qū)域以外的水體。在處理水域數(shù)據(jù)之前，必須仔細(xì)進(jìn)行數(shù)據(jù)篩選，以確保研究數(shù)據(jù)的準(zhǔn)確性和可靠性。

2.3 制作專題圖與計(jì)算巢湖湖泊面積

經(jīng)過(guò)數(shù)據(jù)處理分析得到各年份巢湖水域（圖2）。

在ArcGIS中，使用矢量文件計(jì)算巢湖湖泊面積，湖泊面積如表1所示。

2.4 統(tǒng)計(jì)學(xué)分析氣象數(shù)據(jù)和巢湖面積數(shù)據(jù)

通過(guò)對(duì)巢湖面積、氣溫、降水?dāng)?shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析，生成折線變化（圖3）。

2.5 氣象因素與巢湖湖泊面積變化相關(guān)性分析

基于湖泊面積變化趨勢(shì)的研究，開(kāi)展了氣象因素的相關(guān)性分析，以深入探究湖泊面積與氣象因素之間的關(guān)聯(lián)性。Pearson相關(guān)系數(shù)是一種常見(jiàn)的統(tǒng)計(jì)方法，用于評(píng)估2個(gè)變量之間的線性相關(guān)性程度及方向。經(jīng)過(guò)計(jì)算，發(fā)現(xiàn)氣溫與巢湖湖泊面積之間的Pearson相關(guān)系數(shù)為-0.499，表明兩者呈負(fù)相關(guān)關(guān)系；降水量與巢湖湖泊面積之間的Pearson相關(guān)系數(shù)為0.991，表明兩者呈正相關(guān)關(guān)系。

3 巢湖面積變化的影響

3.1 巢湖湖泊面積變化

表1和圖3數(shù)據(jù)顯示，2012—2014年，巢湖整體面積呈增大趨勢(shì)，增加了7.758 2 km2。2014—2016年，巢湖面積略有減少，縮減了0.076 5 km2。2016—2018年，巢湖面積減少幅度較大，縮減了6.642 km2。2018—2020年，巢湖面積繼續(xù)縮減，減少了0.932 4 km2。2020—2022年，巢湖面積變化較前兩年有所增加，增加了0.700 2 km2。總體而言，巢湖在過(guò)去10年內(nèi)的面積變化呈先擴(kuò)張、后縮減的趨勢(shì)。其中，2016—2018年的面積縮減最為顯著，2018—2020年的面積縮減最少。2014—2016年，巢湖面積的變化相較于前兩年變化不大。

3.2 氣象因素對(duì)巢湖湖泊面積變化的影響

3.2.1 氣溫對(duì)面積的影響

2012—2016年，巢湖平均氣溫變化較為穩(wěn)定，整體變化不大。具體而言，2012—2014年的平均氣溫僅上升了1 ℃，而2014—2016年的平均氣溫則未發(fā)生變化。然而，2016—2022年，巢湖的平均氣溫變化顯著，呈現(xiàn)出明顯的上升趨勢(shì)。氣溫升高會(huì)導(dǎo)致高溫和強(qiáng)烈日照，加快巢湖水面的蒸發(fā)速度，導(dǎo)致水土流失加劇，從而使得巢湖水域面積減小。由于湖泊面積與水深之間存在一定的關(guān)系，因此，當(dāng)水體的蒸發(fā)速率增加時(shí)，水深也會(huì)降低。通過(guò)Pearson相關(guān)系數(shù)計(jì)算得出氣溫因素與面積之間的相關(guān)性系數(shù)為-0.499，結(jié)合對(duì)氣溫的上述描述，說(shuō)明氣溫因素與巢湖面積變化呈負(fù)相關(guān)。

3.2.2 降水量對(duì)面積的影響

2012—2014年，降水量增加，巢湖面積也隨之增大，表明降雨量的增加會(huì)導(dǎo)致湖泊水量增加，進(jìn)而擴(kuò)大湖泊面積。這種情況通常對(duì)湖泊生態(tài)系統(tǒng)具有積極影響，因?yàn)楦嗟乃Y源意味著更高的湖泊水位。然而，2014—2016年，盡管降水量增加，但巢湖面積卻略有減少，這表明大雨或暴雨可能會(huì)對(duì)湖泊面積產(chǎn)生負(fù)面影響。當(dāng)降雨量過(guò)大時(shí)，水流可能超出湖泊的排水能力，導(dǎo)致湖泊面積縮小。此外，暴雨也可能破壞湖泊周圍的生態(tài)環(huán)境，對(duì)湖泊生態(tài)系統(tǒng)產(chǎn)生不利影響。2016—2020年，降水量持續(xù)下降，巢湖的湖泊面積也持續(xù)減小。通過(guò)Pearson相關(guān)系數(shù)計(jì)算得出降水量與面積之間的相關(guān)性系數(shù)為0.991，結(jié)合對(duì)降水量的上述描述，說(shuō)明巢湖地區(qū)的降水量與巢湖的湖泊面積呈現(xiàn)出正相關(guān)關(guān)系。

4 結(jié)論

本研究所利用的Landsat影像數(shù)據(jù)具備較高的空間分辨率和良好的質(zhì)量，然而，這些數(shù)據(jù)的獲取方式是通過(guò)遙感技術(shù)實(shí)現(xiàn)的。遙感數(shù)據(jù)對(duì)云霧等大氣干擾較為敏感，尤其是雨季可用的影像數(shù)量較少，這對(duì)提取結(jié)果的準(zhǔn)確性產(chǎn)生了一定的影響。

本研究?jī)H對(duì)氣溫、降水對(duì)湖泊面積的影響進(jìn)行了宏觀層面的分析，采用了統(tǒng)計(jì)學(xué)方法進(jìn)行了影響評(píng)估，但并未進(jìn)行定性或定量分析。

本研究?jī)H對(duì)氣溫和降水這2個(gè)氣象因素進(jìn)行了考慮，而實(shí)際上，湖泊面積的變化受到諸如蒸發(fā)、風(fēng)速等其他氣象因素的影響。因此，未來(lái)的研究可以考慮更多的氣象因素。此外，期望未來(lái)的研究能夠建立模型，以定性和定量的方式分析各種氣象因素和人文因素對(duì)湖泊面積變化的影響，使研究結(jié)果更加嚴(yán)謹(jǐn)。

參考文獻(xiàn)

[1] 何詩(shī)瑜.基于國(guó)產(chǎn)高分光學(xué)和國(guó)產(chǎn)高分雷達(dá)遙感的巢湖水華長(zhǎng)時(shí)序變化監(jiān)測(cè)研究[D].合肥：安徽大學(xué)，2019.

[2] 徐澤源.2000—2017年間新疆地區(qū)典型湖泊表面溫度變化過(guò)程[D].烏魯木齊：新疆大學(xué)，20201.

[3] 焦慧慧.聯(lián)合星載單光子激光與遙感影像的湖庫(kù)水位動(dòng)態(tài)變化監(jiān)測(cè)[D].阜新：遼寧工程技術(shù)大學(xué)，2022.

[4] 楊光源.基于HSI高光譜遙感數(shù)據(jù)的水體分布提取及泥沙含量反演研究[D].南寧：廣西師范學(xué)院，2015.

[5] 郭楊亮.多波段遙感圖像在土地利用中的應(yīng)用研究[D].西安：西安科技大學(xué)，2013.

[6] 趙輝，陳振，馮超帆，等.基于Landsat影像的鄱陽(yáng)湖面積監(jiān)測(cè)及其與水位關(guān)系研究[J].自然資源遙感，2024，36（2）：198-206.

[7] 張克祥.MODIS監(jiān)測(cè)長(zhǎng)江中下游典型湖泊面積變化研究[D].南昌：東華理工大學(xué)，2015.

[8] 晁明燦，趙強(qiáng)，楊鐵利，等.基于Landsat8影像的藍(lán)藻水華提取方法對(duì)比研究[J].大氣與環(huán)境光學(xué)學(xué)報(bào)，2021，16（6）： 520-528.

[9] 劉海秋，任恒奎，牛鑫鑫，等.基于Sentinel-2遙感影像的巢湖藍(lán)藻水華提取方法研究[J].生態(tài)環(huán)境學(xué)報(bào)，2021，30（1）： 146-155.

[10] 張東彥，尹勛，佘寶，等.多源衛(wèi)星遙感數(shù)據(jù)監(jiān)測(cè)巢湖藍(lán)藻水華爆發(fā)研究[J].紅外與激光工程，2019，48（7）：303-314.

[11] 王東海，王心源，黃海波，等.基于Landsat TM/ETM+影像的面狀水體特征研究：以巢湖流域面狀水體為例[J].測(cè)繪與空間地理信息，2009，32（1）：44-50.

[12] 張嘉敏，何俊，高富東，等.基于Landsat8時(shí)間序列的寧夏青銅峽市農(nóng)田防護(hù)林提取[J].黑龍江農(nóng)業(yè)科學(xué)，2024（1）： 23-28.

[13] 孔譽(yù)霏，劉珊珊，王麗娜，等.基于Acolite模型的Landsat8衛(wèi)星影像大氣校正[J].科學(xué)技術(shù)創(chuàng)新，2024（2）：36-43.

[14] 陳傳，黃曉園，王艷霞，等.利用樣點(diǎn)調(diào)查與Landsat8影像數(shù)據(jù)建立山體地表溫度與坡度的關(guān)系[J].東北林業(yè)大學(xué)學(xué)報(bào)，2024，52（1）：67-73.