基于Sentinel-2數(shù)據(jù)與遙感技術(shù)的淺河川徑流量估算模型

馮劉成

（新疆維吾爾自治區(qū)塔里木河流域干流管理局，新疆阿拉爾 843300）

西北干旱半干旱地區(qū)的水資源是影響區(qū)域生態(tài)安全關(guān)鍵因素之一，而詳實、準(zhǔn)確的水文資料是區(qū)域水資源規(guī)劃、水旱災(zāi)害防治的重要基礎(chǔ)[1]。由于自然環(huán)境惡劣、水文觀測經(jīng)驗與技術(shù)不足，我國西北局部特別是干旱綠洲、戈壁淺灘地區(qū)的有效水文記錄存在嚴(yán)重缺失，這在一定程度上阻礙了該地水利工程建設(shè)和經(jīng)濟發(fā)展[2]。因此，急需探索河流徑流量模擬新途徑，以解決該地區(qū)無水文背景資料的難題。一個成熟的方法是利用徑流動力學(xué)模型、陸面水文過程模型進行修正，然而該類模型需要大量連續(xù)性的氣象觀測和土地利用變化資料，因而在資料缺失地區(qū)幾乎難以實現(xiàn)[3]。隨著遙感技術(shù)的發(fā)展，國內(nèi)外學(xué)者提出了針對河道徑流模擬的新方法。例如XU等[4]提出改進歸一化水體指數(shù)（MNDWI），這極大提高了水域面積提取精度。在此基礎(chǔ)上Ogilvie A等[5]用MNDWI指數(shù)改進了“降雨—徑流”模型，并在Tunisia地區(qū)7個湖區(qū)徑流模擬中將RMSE降低了54%。馬津等[1]提出了基于landsat-7影像構(gòu)建“河寬—徑流量”模型，在黑河流域典型斷面處的測試精度達60%。Van Dijk等[6]基于微波遙感獲取的MEaSURES數(shù)據(jù)集模擬了全球442條河流的月平均流量。許繼軍等[7]利用亮溫數(shù)據(jù)成功模擬了全國61個代表性水文站的徑流量。當(dāng)前，多源遙感技術(shù)在探測水文特征方面得到深入發(fā)展，然而我國的研究尚處起步階段。本文以塔里木河阿拉爾附近為研究區(qū)，以Sentinel-2影像提取的像元數(shù)與實測徑流量為關(guān)鍵參數(shù)，擬構(gòu)建一種可移植的經(jīng)驗?zāi)Ｐ停云跒槲鞅睖\川地區(qū)的水文資料補充提供一種遙感估算方法。

1 研究區(qū)

1.1 研究區(qū)概況

研究區(qū)位于塔里木河上游的阿拉爾水文站控制區(qū)。塔里木河是由天山、昆侖山地的冰川雪蓋融化后匯聚而成內(nèi)陸河，干流全長1 320km，流域面積102.92萬km2。阿拉爾水文站控制區(qū)地理坐標(biāo)為（81°80′—81°18′E，40°28′—40°42′N）?；?960年—2016年觀測資料顯示，該地最大、最小年徑流量為26.7億m3、69.59億m3，平均值為48.01億m3，水深介于0m—6m。區(qū)域河川徑流受季節(jié)影響而呈現(xiàn)顯著時令性特點，6月—9月為豐水期，其他時段為枯水期，豐枯比為7：3。

1.2 數(shù)據(jù)來源與處理

綜合考慮遙感影像的空間分辨率和重訪周期，選擇Sentinel-2多光譜影像為數(shù)據(jù)源。Sentinel-2數(shù)據(jù)由歐洲航天局(ESA)研發(fā)的中高分辨率陸地資源衛(wèi)星獲取，其重訪周期為12d，含3種不同地面分辨率達（10m，20m，60m），能清晰反映地物要素空間特征。本文從ESA的數(shù)據(jù)共享網(wǎng)站（https://scihub.copernicus.eu/） 下 載 得 到 研 究 區(qū)2015—2020年冬季（11—2月）、夏季（6—9月）共12期的升軌影像（Sentinel-2A）（表1），以捕捉河流斷面水域變化。將全部影像利用SNAP軟件進行幾何校正、輻射校正和裁剪等預(yù)處理進而生成地表反射率產(chǎn)品，在此基礎(chǔ)上利用Resampling工具將紅邊波段和水汽波段（分辨率20、60m）重采樣至與可見光波段一致的分辨率（10m），重采樣方法為Cubic。最后選擇導(dǎo)出tif格式，以備水陸特征空間提取分析使用。

表1 研究區(qū)Sentinel-2影像標(biāo)識碼

本文中徑流量建模和驗證數(shù)據(jù)為阿拉爾城市段防洪管理中心和水文站提供。所用到的兩個斷面如圖1所示。

1.3 地表徑流量反演流程

受區(qū)域地形、氣候特征和冰川時令影響，研究區(qū)河川深度較淺，河流斷面年內(nèi)具有豐枯變化特征?？紤]到實驗斷面處河道寬度變化應(yīng)盡量小，因此在平直河段上選2個典型斷面（1km范圍）且該斷面位于徑流量觀測控制區(qū)（斷面為SAL-1和SAL-2，圖1）。依據(jù)XU[5]、馬津等[1]人的研究經(jīng)驗?zāi)Ｐ?，本文假設(shè)淺川地區(qū)水域像元數(shù)量與徑流量之間存在定量關(guān)系，擇徑流量反演流程如下：

圖1 研究區(qū)位置與真彩色遙感影像

①水陸分離。在ArcGIS10.8平臺上利用XU[5]提出的改進的歸一化差異水體指數(shù)(Modified normalized difference water index，MNDWI)(式1)結(jié)合隨機森林監(jiān)督分離工具將水域和陸地分離。

式中pgreen、pswir1分別為Sentinel-2影像的綠波段與短波紅外反射值。

②水域像元提取。利用Raster Calculator工具中的Con函數(shù)將非水域像元予以剔除，保留并統(tǒng)計水域像元數(shù)據(jù)。

③河流流量估算模型構(gòu)建。Leopold[8]研究表明，淺川流量穩(wěn)定河流中徑流量與河寬之間的呈指數(shù)關(guān)系。馬津研究指出，河寬是水域像元數(shù)量的函數(shù)。因此我們假設(shè)研究區(qū)徑流量與水域像元數(shù)之間符合以下關(guān)系模型。

式中W、Q分別表示淺川水域像元數(shù)量、徑流量，c、d為系數(shù)。先以SAL-1斷面處實測徑流量（Q1）和Sentinel-2數(shù)據(jù)提取的河寬（W1）為訓(xùn)練樣本，對式1中參數(shù)c、d求解，進而得到該地水域像元數(shù)—流量模型。

④模型外推。將上述模型代入SAL-2斷面，基于Sentinel-2數(shù)據(jù)提取該斷面處的河寬（Q2）數(shù)據(jù)估算的河流流量。

⑤模型驗證。以SAL-2斷面處實測徑流量為參考值，測試模型（2）估測徑流量的精度，以R2（決定系數(shù)）、均方根誤差（RMSE）為評價指標(biāo)。

式中，yp、yo為徑流量的預(yù)測值與實際值，yp、yo為預(yù)測與實測徑流量的平均值，N為樣本數(shù)，文中為9。

2 結(jié)果與分析

2.1 水陸分離結(jié)果

利用MNDWI閾值和監(jiān)督分類分析，提取研究區(qū)水域像元分布。以2020年6月Sentine 2數(shù)據(jù)水陸分離結(jié)果為例，見圖2。在水陸分離過程影響水體提取精度的主要因素為混合像元，避免像元誤分，規(guī)定當(dāng)混合像元中水體面積接近25%、50%、75%時則分別以0.25、0.5、0.75個像元計算。圖2清晰呈現(xiàn)水陸差異，統(tǒng)計表明該時段水體像元數(shù)量達到130 598個，換算得到水域面積為13.06km2。

圖2 研究區(qū)2020年6月Sentine-2數(shù)據(jù)水陸分離結(jié)果

2.2 徑流量反演模型分析

基于2015—2020年冬夏兩季共12期的Sentinel-2多光譜遙感影像提取SAL-1斷面處水體像元數(shù)量與徑流量，通過公式（2）擬合二者關(guān)系（圖3a）。得到研究區(qū)1km斷面范圍內(nèi)的徑流量反演模型為：y=0.4983e3E-05x，其R2達到0.90，達到5%信度水平，表明該模型具有統(tǒng)計意義。為評估該模型訓(xùn)練精度，以SAL-1斷面處提取的水體像元數(shù)輸入樣本，得到預(yù)測徑流量與實測徑流量之間線性關(guān)系（圖3b）?？芍?，模型預(yù)測結(jié)果與實測值之間存在穩(wěn)健關(guān)系，其R2達0.85，MAE和RMSE分別為1.84m3/s、1.64m3/s，表明該模型具有一定魯棒性。此外，在高值區(qū)間（＞15億m3）的擬合存在較多離散點，表明其對于夏季徑流量的預(yù)測精度較差。

圖3 SAL-1斷面處像元數(shù)-徑流量擬合關(guān)系（a）圖與訓(xùn)練精度（b）

2.3 模型外推與適用性分析

以SAL-2斷面處像元數(shù)量及實測徑流量為獨立驗證樣本，測試該模型性能（圖4）。結(jié)果顯示，該模 型 的 驗 證 精 度 為：R2=0.72、MAE=2.21、RMSE=2.26m3/s（P＜0.05）。這與馬津等人的研究相近，表明該模型具有可移植性。與前人研究，本文提出像元數(shù)-徑流量模型具有以下特點：①相對于馬津等[1]基于Landsat影像（30m分辨率）構(gòu)建的‘河寬-徑流量’模型（R2=0.66），本研究提出的“像元數(shù)-徑流量”模型具有更高的數(shù)據(jù)反演精度（10m），能減小混合像元對水域信息提取的影響。②本模型基于淺川水域在地表空間上的時令動態(tài)與徑流量之間存在一定關(guān)系假設(shè)，適用于河床較淺、河道形態(tài)穩(wěn)定的河段，而在水深較深、河道條件復(fù)雜、人工干擾強烈的河段可能應(yīng)用性受限。

圖4 SAL-2斷面處像元數(shù)-徑流量模型驗證精度

3 結(jié)論

本文介紹了一種基于Sentile-2遙感影像與實測流量數(shù)據(jù)構(gòu)建的“像元數(shù)-徑流量”模型，以實現(xiàn)淺川徑流量估算的方法。在塔里木河阿拉爾附近的不同斷面處，證明了所提出的模型具有良好移植性。盡管該模型仍遜于物理模型的徑流預(yù)測能力，但其訓(xùn)練與驗證精度均通過5%水平信度檢驗，為淺川地區(qū)、缺乏觀測資料區(qū)的徑流估算提供了新的技術(shù)參考。然而在模型構(gòu)建過程中，用于建模的水域像元從Sentinel-2數(shù)據(jù)中獲取，遙感影像空間分辨率與人為干擾影響了遙感數(shù)據(jù)捕捉淺川水域自然形態(tài)準(zhǔn)確性，此外混合像元問題增加了像元數(shù)提取難度。因此未來不僅應(yīng)考慮淺川水域像元數(shù)，還應(yīng)納入水色、水深等信息，進而從水體三維特征信息出發(fā)以克服像“元數(shù)-徑流量”模型的局限性，并改善遙感估算徑流量的精度。