基于“高分四號”衛(wèi)星數(shù)據(jù)的水體提取效果評價

劉明 吳瑋 舒陽 范一大 李素菊 和海霞

（民政部國家減災(zāi)中心，北京100124）

基于“高分四號”衛(wèi)星數(shù)據(jù)的水體提取效果評價

劉明 吳瑋 舒陽 范一大 李素菊 和海霞

（民政部國家減災(zāi)中心，北京100124）

“高分四號”衛(wèi)星具有靜止軌道衛(wèi)星高時間分辨率和中高空間分辨率的特點，可以實現(xiàn)對水體面積及變化的大范圍實時監(jiān)測，有效支撐洪澇災(zāi)害應(yīng)急救助工作。為了驗證其對水體面積及其變化的監(jiān)測能力，文章分別利用區(qū)域生長法和水體指數(shù)法，在開展全國水體面積變化監(jiān)測基礎(chǔ)上，針對與同期“高分一號”衛(wèi)星16m分辨率多光譜相機(jī)及美國Terra衛(wèi)星的中分辨率成像光譜儀數(shù)據(jù)等衛(wèi)星的監(jiān)測結(jié)果展開對比，結(jié)果顯示，與其他極軌衛(wèi)星監(jiān)測結(jié)果相比，“高分四號”衛(wèi)星可以有效開展水體面積及變化監(jiān)測。但是，鑒于“高分四號”衛(wèi)星50m像元分辨率，相比更高分辨率遙感影像的水體提取結(jié)果，“高分四號”衛(wèi)星數(shù)據(jù)提取的水體外部輪廓較為粗糙。在針對規(guī)模較小洪澇災(zāi)害監(jiān)測方面可能存在一定誤差，仍然需要再進(jìn)一步開展評價。

水體面積監(jiān)測 水體面積變化 應(yīng)用評價 “高分四號”衛(wèi)星

0 引言

洪澇災(zāi)害是影響我國的重要災(zāi)種之一，一般可以劃分為洪水災(zāi)害和雨澇災(zāi)害兩類。洪水災(zāi)害主要由強降雨、冰雪融化、堤壩潰決、風(fēng)暴潮等原因引起江河水位上漲泛濫、山洪爆發(fā)；雨澇災(zāi)害則主要因降水過于集中而造成大量積水致使土地、房屋漬水受淹。洪澇災(zāi)害具有突發(fā)性強、持續(xù)時間短、影響重的特點，遙感技術(shù)憑借其監(jiān)測范圍大、實時動態(tài)性強的特點，可以對水體面積及其變化開展實時監(jiān)測，在洪澇范圍監(jiān)測與評估中發(fā)揮越來越大的作用[1-5]。

水體識別主要基于水體的光譜特征和空間關(guān)系分析，在排除陰影等干擾信息基礎(chǔ)上實現(xiàn)?，F(xiàn)階段水體識別的方法主要有閾值法[6]、多波段運算法[7]、譜間關(guān)系法[8]、區(qū)域生長法[9]等。閾值法主要基于水體在近紅外波段、微波波段的反射率與其他地物的差異，通過圖像閾值分割算法，實現(xiàn)對水體范圍的提取[10-11]。例如利用植被指數(shù)可以將植被、土壤與水體進(jìn)行有效區(qū)分[12]。多波段運算法則基于綠光、近紅外波段反射率構(gòu)建歸一化差異水體指數(shù)，進(jìn)一步抑制植被的信息而突出水體信息[13]。譜間分析法則綜合考慮了水體與其他地物的波譜曲線差異[14]，通過決策樹分類等方法開展水體的精確識別。區(qū)域生長法是通過人工選擇純水體像元為種子，通過相鄰像元與種子像元關(guān)系來確定水體范圍[15]。閾值法和多波段運算法操作簡單，但卻不容易消除陰影等干擾因素的影響；譜間關(guān)系法、區(qū)域生長法較為復(fù)雜，且對影像數(shù)據(jù)和模型的要求較高。

2015年12月29日，“高分四號”衛(wèi)星的發(fā)射為洪澇災(zāi)害遙感監(jiān)測提供了新型的數(shù)據(jù)源，也帶來了新的挑戰(zhàn)。“高分四號”衛(wèi)星具有靜止軌道衛(wèi)星高時間分辨率和中高空間分辨率的特點，可以實現(xiàn)對洪澇災(zāi)害范圍的實時監(jiān)測，有效支撐災(zāi)害應(yīng)急救助工作。為了驗證其對水體面積及其變化的監(jiān)測能力，“高分四號”衛(wèi)星具有綠、近紅外波段配置，便于基于水體指數(shù)開展水體面積提取，且區(qū)域生長法對于單獨水體的提取和變化分析具有較高的效率，因此，本文將分別利用區(qū)域生長法和水體指數(shù)法，在開展普查模式下全國水體面積變化監(jiān)測基礎(chǔ)上，針對典型水體與同期其他衛(wèi)星的監(jiān)測結(jié)果展開對比，檢驗“高分四號”衛(wèi)星對水體面積及變化的監(jiān)測能力，從而為“高分四號”衛(wèi)星數(shù)據(jù)的洪澇災(zāi)害監(jiān)測業(yè)務(wù)化應(yīng)用奠定基礎(chǔ)。

1 數(shù)據(jù)與方法

1.1 “高分四號”衛(wèi)星數(shù)據(jù)

“高分四號”衛(wèi)星作為高分辨率對地觀測系統(tǒng)中的一員，是全球首顆地球靜止軌道中高空間分辨率衛(wèi)星。“高分四號”衛(wèi)星可見光近紅外通道像元分辨率（星下點）達(dá)到了50m，具有藍(lán)、綠、紅、近紅外4個波段，中波紅外通道像元分辨率達(dá)到了400m，與僅具有百米級觀測能力的傳統(tǒng)地球靜止軌道衛(wèi)星相比，分辨率大幅提升。此外，“高分四號”衛(wèi)星的軌道特性表明其高時間分辨率的觀測特點，為災(zāi)害監(jiān)測，尤其是動態(tài)變化較快的洪澇災(zāi)害水體面積變化監(jiān)測提供了較好的數(shù)據(jù)支撐。

“高分四號”衛(wèi)星具有凝視、區(qū)域和機(jī)動巡查三種工作模式，根據(jù)觀測范圍和對象變化速度而采用不同的觀測方式。

洪澇災(zāi)害作為我國典型的自然災(zāi)害類型之一，具有發(fā)生速度快、影響范圍廣的特點。針對洪澇災(zāi)害，根據(jù)災(zāi)害影響范圍的不同，較宜采用凝視或區(qū)域觀測模式對災(zāi)害影響或可能影響范圍實施監(jiān)測，鑒于“高分四號”衛(wèi)星的載荷配置，針對水體面積提取，根據(jù)研究范圍的不同，較宜采用水體指數(shù)法或區(qū)域生長法實施水體面積的提取。

1.2 水體指數(shù)監(jiān)測法

水體指數(shù)作為水體分布的重要依據(jù)在洪澇災(zāi)害監(jiān)測中發(fā)揮著重要作用?；谒w指數(shù)的水體面積監(jiān)測是典型的像元級監(jiān)測方法，其根據(jù)水體波譜特性構(gòu)建水體指數(shù)，并通過不同的閾值設(shè)定來提取水體面積。

“高分四號”衛(wèi)星可以提供近紅外、綠光通道數(shù)據(jù)，從而為歸一化差異水體指數(shù)（NDWI）[16]的構(gòu)建提供基礎(chǔ)數(shù)據(jù)。

式中 ρNIR表示近紅外波段反射率；ρG表示綠光波段反射率。在本文中，重點利用水體指數(shù)開展了全國及較大流域范圍水體面積的整體提取，并通過與同期中分辨率成像光譜儀（MODIS）、“高分一號”衛(wèi)星16m多光譜相機(jī)等數(shù)據(jù)對比來驗證“高分四號”衛(wèi)星的水體面積提取能力。其中，MODIS數(shù)據(jù)具有較高的數(shù)據(jù)重訪能力，數(shù)據(jù)覆蓋范圍廣，能夠在較短時間內(nèi)獲取全國的水體提取數(shù)據(jù)，便與開展全國水體面積提取對比?！案叻忠惶枴毙l(wèi)星16mWFV數(shù)據(jù)是我國首顆高分系列衛(wèi)星，已在災(zāi)害監(jiān)測與評估中得到了廣泛應(yīng)用，且具有較短的重訪周期，便于獲取與實驗相一致的數(shù)據(jù)。

1.3 區(qū)域生長法

重要水源地或典型湖泊水體面積監(jiān)測是開展洪澇災(zāi)害監(jiān)測與風(fēng)險評估的基礎(chǔ)工作。區(qū)域生長法，作為典型的像元間水體面積提取方法，通過判斷種子點八鄰域內(nèi)是否為圖像邊沿，若是則停止在此方向上的生長。如果為否，則將此像元作為下一個種子點，繼續(xù)檢測種子點的八個鄰域，直到所有像元的所有方向均停止生長[17-18]，完成水體面積的提取。本文中，重點選擇同時期的“高分四號”衛(wèi)星影像與環(huán)境減災(zāi)影像，以區(qū)域生長法為手段，判別同一水體的水體面積，開展水體面積提取對比，并對其應(yīng)用到水體面積變化中進(jìn)行應(yīng)用效果評價。

2 結(jié)果分析

2.1全國水體提取對比

利用“高分四號”衛(wèi)星數(shù)據(jù)，基于區(qū)域生長法，對全國水體分布進(jìn)行提取，并與同期 MODIS觀測數(shù)據(jù)進(jìn)行對比，兩種數(shù)據(jù)的水體監(jiān)測對比見圖1。假定MODIS水體識別結(jié)果為正確值，“高分四號”衛(wèi)星的水體面積提取準(zhǔn)確率達(dá)到了 94.2%，兩者結(jié)果較為一致。從提取的水體整體分布而言，中東部地區(qū)洪澤湖、太湖、巢湖、洞庭湖等典型湖泊，與青海湖、西藏西部高原湖泊等大型水體的空間分布一致，但是，基于“高分四號”衛(wèi)星的水體提取結(jié)果還包括了珠江、黃河的部分河道、流域內(nèi)的小型水體。相比于MODIS紅、近紅外250m的空間分辨率，“高分四號”衛(wèi)星可見光近紅外像元分辨率為50m，“高分四號”衛(wèi)星在空間分辨率上具有明顯優(yōu)勢，對于空間尺度在50~250m的水體也能夠較好的識別。

2.2 典型水體識別

分別選擇滇池、密云水庫、青海湖作為典型水體，選擇同期獲取的“高分四號”衛(wèi)星數(shù)據(jù)和“環(huán)境減災(zāi)”衛(wèi)星數(shù)據(jù)，基于區(qū)域生長法提取水體面積，見圖 2。結(jié)果發(fā)現(xiàn)，基于“高分四號”衛(wèi)星提取的三者水體面積分別為 293.3、164.8和 4382.8km2，基于同期“環(huán)境減災(zāi)”衛(wèi)星提取的三者水體面積分別為282.7、180.5和4482.0km2，三者水體面積的相對偏差分別為3.9%、8.7%、2.3%?？梢?，“高分四號”衛(wèi)星數(shù)據(jù)可以較好地提取水體，但是受限于空間分辨率，在典型水體輪廓細(xì)節(jié)上稍遜于“環(huán)境減災(zāi)”衛(wèi)星數(shù)據(jù)。

圖2 水體監(jiān)測對比Fig.2 Comparison of water extraction

2.3 區(qū)域水體面積變化提取

為了開展基于“高分四號”衛(wèi)星數(shù)據(jù)水體面積范圍監(jiān)測數(shù)據(jù)，選擇了2016年5月、3月洞庭湖周邊區(qū)域影像數(shù)據(jù)，見圖3~4。在本次測試中，選擇了同期的“高分一號”衛(wèi)星16mWFV數(shù)據(jù)作為驗證數(shù)據(jù)。

圖3 洞庭湖周邊區(qū)域2016年5月水體范圍監(jiān)測Fig.3 Water extraction in and around Dongting lake in May, 2016

在本次測試中，選擇水體指數(shù)法作為水體面積的提取工具，在對比同期“高分四號”衛(wèi)星、“高分一號”衛(wèi)星16mWFV水體面積提取基礎(chǔ)上，開展水體面積變化提取評價（為了便于區(qū)分，圖3中，“高分四號”衛(wèi)星提取的水體用深藍(lán)色表示，“高分一號”衛(wèi)星提取的水體用淺藍(lán)色表示），結(jié)果顯示，“高分四號”衛(wèi)星數(shù)據(jù)水體面積提取變化與“高分一號”衛(wèi)星水體面積變化量（圖 4中深藍(lán)色區(qū)域為水體面積增長區(qū)域）的相對誤差為6.3%，表明“高分四號”衛(wèi)星數(shù)據(jù)具有較好的水體面積變化識別能力。

圖4 洞庭湖周邊區(qū)域水體范圍變化監(jiān)測Fig. 4 Water area change in and around Dongting lake

3 結(jié)論與討論

2015年12月29日，“高分四號”衛(wèi)星的發(fā)射為洪澇災(zāi)害遙感監(jiān)測提供了新型的數(shù)據(jù)源。“高分四號”衛(wèi)星具有靜止軌道衛(wèi)星高時間分辨率的特點，可以實現(xiàn)對洪澇災(zāi)害范圍的實時監(jiān)測，有效支撐災(zāi)害應(yīng)急救助工作。為了驗證其對水體面積及其變化的監(jiān)測能力，本文分別利用區(qū)域生長法和水體指數(shù)法，在開展普查模式下全國水體面積變化監(jiān)測基礎(chǔ)上，針對典型水體與同期其他衛(wèi)星的監(jiān)測結(jié)果展開對比，檢驗了“高分四號”衛(wèi)星對水體面積及變化的監(jiān)測能力。

通過與同期“環(huán)境減災(zāi)”衛(wèi)星CCD數(shù)據(jù)、“高分一號”衛(wèi)星16mWFV及MODIS數(shù)據(jù)對比，“高分四號”衛(wèi)星可見光近紅外可以提供較好的水體面積及變化監(jiān)測數(shù)據(jù)，基于“高分四號”衛(wèi)星數(shù)據(jù)計算的水體面積監(jiān)測數(shù)據(jù)與其他極軌衛(wèi)星監(jiān)測結(jié)果相差不多。此外，鑒于其靜止軌道高時間分辨率特點，“高分四號”衛(wèi)星獲取全國有效數(shù)據(jù)的效率更高，可以作為穩(wěn)定有效的水體面積及變化監(jiān)測數(shù)據(jù)源，有效支撐洪澇災(zāi)害范圍監(jiān)測工作。

但是，鑒于“高分四號”衛(wèi)星50m像元分辨率，水體的外部輪廓較為粗糙，在針對規(guī)模較小洪澇災(zāi)害監(jiān)測方面可能存在一定誤差，仍然需要再進(jìn)一步開展評價。另外，還需加強與極軌衛(wèi)星在數(shù)據(jù)獲取與應(yīng)用中的協(xié)調(diào)應(yīng)用，以便增加“高分四號”衛(wèi)星數(shù)據(jù)的應(yīng)用范圍和效率。

References)

[1] 周成虎. 洪澇災(zāi)害遙感監(jiān)測研究[J]. 地理研究, 1993, 12(2): 63-68.

ZHOU Chenghu. Research on Flood Remote Sensing[J]. Geographical Research, 1993, 12(2): 63-68. (in Chinese)

[2] 李紀(jì)人. 與時俱進(jìn)的水利遙感[J]. 水利學(xué)報, 2016, 47(3): 436-442.

LI Jiren. Advance of Hydrographic Remote Sensing with Time[J]. Journal of Hydraulic Engineering, 2016, 47(3): 436-442. (in Chinese)

[3] 李香顏, 陳懷亮, 李有. 洪水災(zāi)害衛(wèi)星遙感監(jiān)測與評估研究綜述[J]. 中國農(nóng)業(yè)氣象, 2009, 30(1): 102-108.

LI Xiangyan, CHEN Huailiang, LI You. A Review on Monitoring and Assessment of Flood Disaster by Satellite Remote Sensing[J]. Chinese Journal of Agrometeorology, 2009, 30(1): 102-108. (in Chinese)

[4] 魏成階, 王世新. 遙感技術(shù)在我國洪澇災(zāi)害監(jiān)測評估中的作用[J]. 中國科學(xué)院院刊, 1998, 13(6): 443-447.

WEI Chengjie, WANG Shixin. Application of Remote Sensing on the Flood Disaster Monitoring and Loss Assessment in China [J]. Bulletin of Chinese Academy of Sciences, 1998, 13(6): 443-447. (in Chinese)

[5] 廖永豐, 聶承靜, 楊林生, 等. 洪澇災(zāi)害風(fēng)險監(jiān)測預(yù)警評估綜述[J]. 地理科學(xué)進(jìn)展, 2012, 31(3): 361-367.

LIAO Yongfeng, NIE Chengjin, YANG Linsheng, et al. An Overview of the Risk Assessment of Flood Disaster [J]. Progress in Geography, 2012, 31(3): 361-367. (in Chinese)

[6] 李加林, 曹羅丹, 浦瑞良. 洪澇害遙感監(jiān)測評估研究綜述[J]. 水利學(xué)報, 2014, 45(3): 253-260.

LI Jialin, CAO Luodan, PU Ruiliang. Progress on Monitoring and Assessment of Flood Disaster in Remote Sensing [J]. Journal of Hydraulic Engineering, 2014, 45(3): 253-260. (in Chinese)

[7] 杜云艷, 周成虎. 水體的遙感信息自動提取方法[J]. 遙感學(xué)報, 1998, 2(4): 264-269.

DU Yunyan, ZHOU Chenghu. Automatically Extracting Remote Sensing Information for Water Bodies[J]. Journal of Remote Sensing, 1998, 2(4): 264-269. (in Chinese)

[8] 李景剛, 黃詩峰, 李紀(jì)人. ENVISAT衛(wèi)星先進(jìn)合成孔徑雷達(dá)數(shù)據(jù)水體提取研究—改進(jìn)的最大類間方差閾值法[J]. 自然災(zāi)害學(xué)報, 2010, 19(3): 139-145.

LI Jinggang, HUANG Shifeng, LI Jiren. Research on Extraction of Water Body from ENVISAT ASAR Images: a Modified Otsu Threshold Method[J]. Journal of Natural Disaster, 2010, 19(3): 139-145. (in Chinese)

[9] 聶娟, 范一大, 鄧?yán)? 等. 山洪災(zāi)害雷達(dá)遙感災(zāi)情評估技術(shù)研究與應(yīng)用[J]. 自然災(zāi)害學(xué)報, 2010, 19(3): 105-110.

NIE Juan, FAN Yida, DENG Lei, et al. Research and Application of Torrential Flood Loss Assessment based on Radar Remote Sensing Technology[J]. Journal of Natural Disaster, 2010, 19(3): 105-110. (in Chinese)

[10] 李文慧, 楊斌, 黃永璘. 基于MERSI的洪澇災(zāi)害遙感監(jiān)測技術(shù)應(yīng)用研究[J]. 科技信息, 2012(32): 61-62.

LI Wenhui, YANG Bin, HUANG Yonglin, et al. Application of Remote Sensing on Flood Disaster Monitoring Based on MERSI[J]. Science & Technology Information, 2012(32): 61-62. (in Chinese)

[11] 鄭偉, 劉闖, 曹云剛, 等. 基于Asar與TM圖像的洪水淹沒范圍提取[J]. 測繪科學(xué), 2007, 32(5): 180-181. ZHENG Wei, LIU Chuang, CAO Yungang, et al. Extracting the Flood Inundated Area Based on Asar and TM Image[J]. Science of Surveying and Mapping, 2007, 32(5): 180-181. (in Chinese)

[12] 裴志遠(yuǎn), 楊邦杰. 應(yīng)用NOAA圖像進(jìn)行大范圍洪澇災(zāi)害遙感監(jiān)測的研究[J]. 農(nóng)業(yè)工程學(xué)報, 1999, 14(4): 203-206.

PEI Zhiyuan, YANG Bangjie. Study on Macroscopical Flood Hazard Monitoring by Remote Sensing Using NOAA Image[J]. Transactions of the CSAE, 1999, 14(4): 203-206. (in Chinese)

[13] PROFETI G, MACINTOSH H. Flood Management through LANDSAT TM and ERS SAR Data: a Case Study[J]. Hydrological Processes, 1997, 11(10): 1397-1408.

[14] 徐美, 黃詩峰, 李紀(jì)人. RS與GIS技術(shù)文持下的2003年淮河流域洪澇災(zāi)害快速監(jiān)測與評估[J]. 水利水電技術(shù), 2004, 35(5): 83-86.

XU Mei, HUANG Shifeng, LI Jiren. Rapid Monitoring and Loss Assessment of Flood Disaster in Huaihe River in 2003 Based RS and GIS Technology [J]. Water Resource and Hydropower Engineering, 2004, 35(5): 83-86. (in Chinese)

[15] 范一大, 和海霞, 李博, 等. 基于HJ-1 CCD數(shù)據(jù)的洪澇災(zāi)害范圍動態(tài)監(jiān)測研究——以黑龍江省撫遠(yuǎn)縣為例[J]. 遙感技術(shù)與應(yīng)用, 2016, 31(1): 102-108.

FAN Yida, HE Haixia, LI Bo, et al. Dynamic Flood Disaster Area Monitoring Based on HJ-1 CCD: A Case Study of Fuyuan, Heilongjiang[J]. Remote Sensing Technology and Application, 2016, 31(1): 102-108. (in Chinese)

[16] MCFEETERS S K. The Use of the Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features [J]. International Journal of Remote Sensing, 1996, 17(7): 1425-1432.

[17] 唐國維, 李井輝, 劉顯德, 等. 基于區(qū)域生長的道路圖像分割技術(shù)研究[J]. 計算機(jī)應(yīng)用與軟件, 2003, 20(4): 5-6.

TANG Guowei, LI Jinghui, LIU Xiangde, et al. Research on Road Image Segmentation Based on Region Growing[J]. Computer Applications and Software, 2003, 20(4): 5-6. (in Chinese)

[18] 王蒙, 呂建平. 基于邊緣檢測和自動種子區(qū)域生長的圖像分割算法[J]. 西安郵電大學(xué)學(xué)報, 2011, 16(6): 16-19.

WANG Meng, LV Jianping. An Image Segmentation Algorithm Based on Edge Extraction with Automatic Seeded Region Growing[J]. Journal of Xi’an University of Posts and Telecommunications, 2011, 16(6): 16-19. (in Chinese)

Evaluation of Water Extraction Based on GF-4 Satellite Data

LIU Ming WU Wei SHU Yang FAN Yida LI Suju HE Haixia

（National Disaster Reduction Center of China, Beijing 100124, China）

GF-4, which has a high temporal and moderate spatial resolution, can bring useful data for water area and its change, and would be very important to flood emergency management. In this study, the performance of GF-4 in water area monitoring had been validated through comparson with the water extraction from HJ-1 CCD, GF-1 WFV and MODIS. It is found that GF-4 had a high capability of the water area detection. However, because of its 50 meter pixel resolution, the contour of the water is not as clear as that in the images with higher spatial resolution. The performance of GF-4 for the small size flood would be more evaluated.

water area extraction; water area change; evaluation; GF-4 Satellite

TP75

: A

: 1009-8518(2016)04-0096-06

10.3969/j.issn.1009-8S518.2016.04.013

劉明，男，1985年生，2013年獲北京師范大學(xué)自然災(zāi)害學(xué)專業(yè)博士學(xué)位，助理研究員。研究方向是干旱災(zāi)害遙感監(jiān)測與評估。E-mail: liuming@ndrcc.gov.cn。

（編輯：陳艷霞）

2016-06-14

國家高分辯率對地觀測系統(tǒng)重大專項 (30-Y20A04-9003-15/16，30-Y20A02-9003-15/16)