基于GEE平臺(tái)的水葫蘆災(zāi)害監(jiān)測(cè)研究與應(yīng)用

彭力恒，秦 雁，黃本勝，吉紅香，鄭 泳

(1.廣東省水利水電科學(xué)研究院，廣州 510635；2.廣東省水動(dòng)力學(xué)應(yīng)用研究重點(diǎn)實(shí)驗(yàn)室，廣州 510635；3.河口水利技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室，廣州 510635)

1 概述

水葫蘆，學(xué)名鳳眼蓮[Eichornia crassipes (Mart.)Solms.]，又名水浮蓮，為雨久花科鳳眼藍(lán)屬浮水草本植物，原產(chǎn)于南美洲，是國(guó)際公認(rèn)的十大入侵惡性雜草之一[1]。中國(guó)南部沿海地區(qū)水熱條件優(yōu)良，缺少水葫蘆的有效天敵，因此水葫蘆一旦野生，很難人為控制，從而造成災(zāi)害，廣東省東江流域、西江流域、珠江三角洲等區(qū)域的河流水葫蘆泛濫成災(zāi)[2]。黃本勝、袁夢(mèng)、徐紅輝等學(xué)者則通過(guò)水槽盆栽、水流物理模型和數(shù)值模擬等系列研究發(fā)現(xiàn)，生長(zhǎng)在水面的水葫蘆可改變自由表面流的特性，因而有增加水流阻力、改變水流流速分布、占用一部分行洪過(guò)水?dāng)嗝娣e的弊端，影響河道的行洪能力[3-5]，而且其形成規(guī)模將引發(fā)阻塞航運(yùn)、破壞水生生態(tài)系統(tǒng)、死亡后二次污染水質(zhì)、滋生蚊蟲(chóng)等災(zāi)害[1,6]。水葫蘆災(zāi)害防治方法有人工及機(jī)械打撈防治、化學(xué)藥品防治、生物天敵防治等方式，但最為安全有效的方法仍為機(jī)械打撈[1]。水葫蘆隨水流漂移，生長(zhǎng)蔓延迅速，人工巡查難以及時(shí)、動(dòng)態(tài)掌握流域范圍內(nèi)水葫蘆時(shí)空分布情況。

衛(wèi)星遙感數(shù)據(jù)的云處理技術(shù)對(duì)于大區(qū)域的水葫蘆監(jiān)測(cè)具有宏觀、高效、經(jīng)濟(jì)等優(yōu)勢(shì)[6-7]，可為水葫蘆流域系統(tǒng)治理、區(qū)域聯(lián)防聯(lián)控、成效動(dòng)態(tài)評(píng)價(jià)等工作提供新方法。類(lèi)似廣東省東江流域等較大流域的水葫蘆監(jiān)測(cè)在學(xué)界較為少見(jiàn)，且對(duì)于海量遙感數(shù)據(jù)的處理，急需快速、有效的手段，以滿足水葫蘆大范圍、高時(shí)效性的動(dòng)態(tài)監(jiān)測(cè)需求。Google Earth Engine(GEE，https://earthengine.google.com)遙感云數(shù)據(jù)處理平臺(tái)致力于解決遙感數(shù)據(jù)量巨大且格式不統(tǒng)一、數(shù)據(jù)處理效率過(guò)低、數(shù)據(jù)管理及使用成本過(guò)高等問(wèn)題。[8-9]，引入該平臺(tái)可高效完成海量遙感數(shù)據(jù)的快速分析和可視化需求。

與水葫蘆遙感相似的研究主要集中于漂浮覆蓋水面的大型海藻滸苔監(jiān)測(cè)研究，或其他藻類(lèi)水華遙感監(jiān)測(cè)研究[10-15]。利用遙感影像分析水葫蘆的時(shí)空動(dòng)態(tài)變化研究在近年漸增，然而尚未發(fā)現(xiàn)基于GEE平臺(tái)完成多期水葫蘆時(shí)空變化監(jiān)測(cè)的研究，云數(shù)據(jù)處理技術(shù)用于監(jiān)測(cè)水葫蘆災(zāi)害的能力尚有待研究。

本文參考已有的浮生植物遙感監(jiān)測(cè)手段，借助可有效提取水葫蘆的中高分辨率影像光譜特征、植被指數(shù)[6-7,14-15]，建立水葫蘆遙感識(shí)別模型，在GEE平臺(tái)完成流域級(jí)遙感數(shù)據(jù)處理，分析廣東省東江流域的水葫蘆分布情況，以輔助水葫蘆災(zāi)害治理的精準(zhǔn)決策。

2 研究區(qū)與數(shù)據(jù)

2.1 廣東省東江流域

東江發(fā)源于江西省尋烏縣椏髻缽山，源河為三桐河。在廣東省內(nèi)，東江干流自東北向西南流經(jīng)河源市、惠州市、東莞市、廣州市，于廣州市黃埔區(qū)禺東聯(lián)圍東南匯入獅子洋。流域集水面積35 340 km2，河長(zhǎng)562 km，平均年徑流量2.571 010 m3。本文所指東江流域?yàn)槲挥趶V東省內(nèi)的區(qū)域，范圍如圖1所示。

圖1 研究區(qū)位示意

研究區(qū)內(nèi)由于各種工、農(nóng)產(chǎn)業(yè)和城市化迅猛發(fā)展，流域水污染問(wèn)題凸顯。再者，由于治理水污染的末端管網(wǎng)建設(shè)滯后，鄉(xiāng)鎮(zhèn)的溝渠、池塘、河涌等治水的“最后一公里”難以監(jiān)管，養(yǎng)殖及生活污水直排，致使水體富營(yíng)養(yǎng)化及有機(jī)污染嚴(yán)重。最終導(dǎo)致水葫蘆在研究區(qū)內(nèi)大量繁殖生長(zhǎng)，容易爆發(fā)水葫蘆災(zāi)害。

2.2 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源包括：2017—2020年間Sentinel-2衛(wèi)星影像4 856景、高分1號(hào)衛(wèi)星影像58景、高分2號(hào)衛(wèi)星影像38景以及2018年實(shí)地調(diào)研數(shù)據(jù)(見(jiàn)表1)。Sentinel-2衛(wèi)星影像采用GEE平臺(tái)上的存檔數(shù)據(jù)，并使用GEE平臺(tái)直接對(duì)其進(jìn)行處理分析。高分1號(hào)及2號(hào)衛(wèi)星影像，在高分辨率對(duì)地觀測(cè)系統(tǒng)廣東數(shù)據(jù)與應(yīng)用中心網(wǎng)站(http://gdgf.gd.gov.cn/index.jsp)下載獲取。Sentinel-2衛(wèi)星星座由兩顆衛(wèi)星組成，由歐洲空間局分別于2015年、2017年發(fā)射。兩顆衛(wèi)星同軌道且相隔180度，雙星重訪周期為6 d，每顆Sentinel-2衛(wèi)星攜帶1枚多光譜成像儀MSI，儀器覆蓋13個(gè)可見(jiàn)光、紅外波段，其成像影像幅寬達(dá) 290 km。高分1號(hào)衛(wèi)星于2013年發(fā)射，其寬視場(chǎng)相機(jī)WFV包含藍(lán)、綠、紅、近紅外4個(gè)波段，4臺(tái)WFV組合的影像幅寬為800 km，最快可實(shí)現(xiàn)2 d重訪；高分1號(hào)全色多光譜相機(jī)PMS包含藍(lán)、綠、紅、近紅外、全色5個(gè)波段，兩臺(tái)PMS組合的影像幅寬為60 km。高分2號(hào)衛(wèi)星于2014年發(fā)射，其載荷為全景多光譜相機(jī)PMS，包含藍(lán)、綠、紅、近紅外4個(gè)波段以及1個(gè)全色，成像幅寬為45 km，重訪周期不大于5 d。

表1 數(shù)據(jù)來(lái)源

3 研究方法

本文基于GEE平臺(tái)的水葫蘆遙感識(shí)別方法主要參考團(tuán)隊(duì)成員已有研究[6]，方法主要流程包括高分1號(hào)和高分2號(hào)遙感影像預(yù)處理(正射糾正、輻射定標(biāo)、數(shù)據(jù)融合和大氣糾正等)、基于歸一化水體指數(shù)NDWI[16]的水域模板制作和基于歸一化植被指數(shù)NDVI[17]的水葫蘆識(shí)別，本文不再重述。本文著重介紹基于GEE平臺(tái)的數(shù)據(jù)處理方法和精度評(píng)價(jià)方法。

3.1 基于GEE平臺(tái)的水葫蘆遙感識(shí)別方法

GEE平臺(tái)是先進(jìn)的云地理信息處理平臺(tái)，儲(chǔ)存了超過(guò)25PB的隨時(shí)可分析數(shù)據(jù)供用戶使用[8-9]。通過(guò)該平臺(tái)在線編寫(xiě)JavaScript API腳本、或者調(diào)用Python開(kāi)發(fā)包的方式，基于谷歌服務(wù)器強(qiáng)大的云計(jì)算能力，即時(shí)處理海量地理空間數(shù)據(jù)，快速完成數(shù)據(jù)分析及分析結(jié)果的可視化?？蒲屑夹g(shù)人員只需使用網(wǎng)頁(yè)瀏覽器登錄平臺(tái)，即可完成海量數(shù)據(jù)的處理工作。

本文使用GEE平臺(tái)，選取廣東省東江流域作為研究區(qū)，直接調(diào)用研究區(qū)內(nèi)的4 856景Sentinel-2 MSI影像Level-1C產(chǎn)品(大氣層頂反射率TOA)作為研究數(shù)據(jù)集。對(duì)數(shù)據(jù)集中的數(shù)據(jù)先完成云量篩選，而后對(duì)各期影像完成去云、拼接、裁剪等在線影像預(yù)處理，計(jì)算各期影像的NDWI、NDVI作為影像分析的基礎(chǔ)數(shù)據(jù)。使用大津法(OTSU)[18]確定每期影像制作水域模板的閾值，并使用在線的影像掩膜功能制作水域模板，根據(jù)水域模板裁剪各期影像。使用大津法確定各期影像水葫蘆提取閾值，并在水域模板影像中識(shí)別水葫蘆的范圍。最終將水葫蘆分布圖像在線轉(zhuǎn)化為矢量格式，下載到本地，完成與各期高分影像的比對(duì)和后期的修正處理，形成各期水葫蘆提取結(jié)果。

對(duì)于東江流域下游惠州、東莞等重點(diǎn)區(qū)域，采用高分1號(hào)、2號(hào)衛(wèi)星遙感數(shù)據(jù)作為輔助，依照同樣的算法流程，在本地單機(jī)實(shí)現(xiàn)數(shù)據(jù)處理分析。

3.2 精度評(píng)價(jià)

本文以目視解譯為基礎(chǔ)，結(jié)合實(shí)地調(diào)研數(shù)據(jù)的先驗(yàn)知識(shí)和輔助信息，使用高分1號(hào)、高分2號(hào)各期遙感影像，在空間中隨機(jī)選取驗(yàn)證點(diǎn)，以此作為水葫蘆提取的驗(yàn)證樣本。

根據(jù)驗(yàn)證樣本制作誤差混淆矩陣(Confusion Matrix)，并基于誤差混淆矩陣計(jì)算分類(lèi)的總體精度、制圖精度、用戶精度3種評(píng)價(jià)指標(biāo)[19]，以定量評(píng)價(jià)本文的分類(lèi)結(jié)果。

若分類(lèi)結(jié)果中，個(gè)驗(yàn)證樣本被分為種類(lèi)型，則誤差混淆矩陣是個(gè)的矩陣，矩陣中數(shù)據(jù)代表，驗(yàn)證樣本中，真實(shí)地物類(lèi)型(參考數(shù)據(jù))為第類(lèi)地物的驗(yàn)證樣本，被分類(lèi)為第類(lèi)地物(被評(píng)價(jià)數(shù)據(jù))的數(shù)量，其中和均為不大于的正整數(shù)?？傮w精度指驗(yàn)證樣本中分類(lèi)正確的比例，即混淆矩陣中對(duì)角線之和與驗(yàn)證樣本總數(shù)之比，用于量化分類(lèi)的總體效果。制圖精度指在驗(yàn)證樣本中針對(duì)單個(gè)地物類(lèi)型的像元被正確歸類(lèi)的比例，即混淆矩陣中每行的對(duì)角線數(shù)與當(dāng)行總數(shù)之比，用于量化分類(lèi)結(jié)果中某類(lèi)地物被漏分類(lèi)的程度。用戶精度指分類(lèi)結(jié)果中針對(duì)單個(gè)地物類(lèi)型被分類(lèi)后被正確歸類(lèi)的比例，即混淆矩陣中每列的對(duì)角線數(shù)與當(dāng)列總數(shù)之比，用于量化分類(lèi)結(jié)果中某類(lèi)地物因分類(lèi)方法誤分類(lèi)的程度。

4 結(jié)果分析

4.1 精度驗(yàn)證結(jié)果

對(duì)于水葫蘆提取結(jié)果，本研究選取2017年3月及2018年1月遙感影像進(jìn)行試驗(yàn)，各制作321個(gè)驗(yàn)證樣本，統(tǒng)計(jì)其混淆矩陣(見(jiàn)表2、表3)，計(jì)算總體精度、制圖精度、用戶精度指標(biāo)，以驗(yàn)證本文方法的水葫蘆提取精度。

表2 2017年3月水葫蘆提取混淆矩陣

表3 2018年1月水葫蘆提取混淆矩陣

結(jié)果表明，2017年3月的水葫蘆提取總體精度、制圖精度、用戶精度分別為78.82%、78.57%、77.56%，2018年1月的水葫蘆提取總體精度、制圖精度、用戶精度分別為83.18%、84.13%、75.71%，各項(xiàng)精度評(píng)價(jià)指標(biāo)均高于前人的類(lèi)似研究。因此，該水葫蘆遙感數(shù)據(jù)提取方法適用于本研究，可將其推廣于多時(shí)相遙感影像的水葫蘆提取識(shí)別。

4.2 廣東省東江流域水葫蘆分布及監(jiān)測(cè)情況

本文利用基于GEE平臺(tái)的水葫蘆遙感識(shí)別方法，提取廣東省東江流域2019年3月和2020年4月共兩期的水葫蘆分布情況(見(jiàn)圖2)，并以縣級(jí)行政區(qū)劃為單位制作水葫蘆面積統(tǒng)計(jì)示意(見(jiàn)圖3)，為研究區(qū)的水葫蘆災(zāi)害監(jiān)測(cè)及防治提供信息支持。

圖2 東江流域行政區(qū)水葫蘆面積分布示意

圖3 東江流域縣級(jí)行政區(qū)水葫蘆面積統(tǒng)計(jì)示意

2019年3月廣東省東江流域水葫蘆主要分布在流域中下游，東莞、惠州、廣州、河源分布較廣，上游地區(qū)則較少。根據(jù)遙感監(jiān)測(cè)后的統(tǒng)計(jì)結(jié)果，按縣級(jí)行政區(qū)水葫蘆覆蓋面積將行政區(qū)分為4個(gè)等級(jí)：第1等級(jí)為東莞、惠城、增城，其范圍內(nèi)水葫蘆覆蓋面積分別達(dá)到了2.36 km2、1.34 km2、1.01 km2；第2等級(jí)為東源、博羅，其區(qū)域內(nèi)水葫蘆覆蓋面積次之，分別為0.84 km2、0.74 km2；第3等級(jí)為紫金、源城，其區(qū)域內(nèi)水葫蘆分布面積較少，分別為0.23 km2、0.19 km2；第4等級(jí)為和平、寶安、惠陽(yáng)、新豐、龍門(mén)、龍川，其區(qū)域內(nèi)水葫蘆分布面積相對(duì)較少，分別為0.09 km2、0.08 km2、0.08 km2、0.06 km2、0.03 km2、0.03 km2。興寧、連平、惠東、黃埔、龍崗、福田、羅湖、南山、鹽田未發(fā)現(xiàn)水葫蘆分布。

2020年4月廣東省東江流域水葫蘆主要分布于流域下游，廣州、東莞、惠州的水葫蘆覆蓋面積較多，上游地區(qū)水葫蘆覆蓋面積相對(duì)較少。根據(jù)遙感監(jiān)測(cè)結(jié)果統(tǒng)計(jì)，按水葫蘆覆蓋面積情況將行政區(qū)分為4個(gè)等級(jí)：第1等級(jí)為東莞、惠城，區(qū)域內(nèi)水葫蘆覆蓋面積分別達(dá)到了1.56 km2、1 km2；第2等級(jí)為博羅、增城、紫金，水葫蘆覆蓋面積次之，分別為0.84 km2、0.69 km2、0.39 km2；第3等級(jí)為惠東，水葫蘆分布面積為0.17 km2；第4等級(jí)為東源、和平、龍門(mén)、寶安、新豐、源城、龍崗、連平、龍川、惠陽(yáng)，水葫蘆分布面積相對(duì)較少，分別為0.13 km2、0.09 km2、0.07 km2、0.06 km2、0.05 km2、0.04 km2、0.03 km2、0.02 km2、0.02 km2、0.02 km2。興寧、黃埔、福田、羅湖、南山、鹽田暫未發(fā)現(xiàn)水葫蘆分布。

對(duì)比2019年3月和2020年4月兩個(gè)時(shí)期的統(tǒng)計(jì)數(shù)據(jù)，發(fā)現(xiàn)廣東省東江流域水葫蘆覆蓋總面積由7.08 km2減少至5.19 km2，面積減少26.7%，說(shuō)明水葫蘆災(zāi)害治理的效果顯著。

從各行政區(qū)劃的尺度上看，2020年4月惠東、紫金、博羅、龍門(mén)、龍崗、連平的水葫蘆較2019年3月有所增加，其中又以惠東、紫金、博羅增加較為明顯，分別增加了0.17 km2、0.16 km2及0.11 km2。疊加高分辨率遙感圖像對(duì)比，發(fā)現(xiàn)水葫蘆覆蓋面積增加的區(qū)域多數(shù)位于城鎮(zhèn)中細(xì)小的河涌、溪流、池塘，主要支流，干流基本未見(jiàn)水葫蘆。另一方面，2020年4月龍川、新豐、寶安、惠陽(yáng)、源城、增城、惠城、東源、東莞的水葫蘆較2019年3月有所減少，其中減少幅度最顯著的是源城、增城、惠城、東源、東莞，分別減少了0.15 km2、0.32 km2、0.34 km2、0.71 km2、0.8 km2。

5 結(jié)論與展望

東江流域水葫蘆分布及監(jiān)測(cè)研究工作表明：基于GEE平臺(tái)，通過(guò)計(jì)算光學(xué)遙感影像植被指數(shù)、水體指數(shù)提取水葫蘆的方法可靠，精度較高，可應(yīng)用于大范圍水葫蘆分布時(shí)空分析。

由于GEE平臺(tái)提供了海量數(shù)據(jù)云存儲(chǔ)、快速云計(jì)算能力，同時(shí)開(kāi)放了圖像處理API接口，用戶只需編寫(xiě)完成算法程序，就能即時(shí)實(shí)現(xiàn)流域級(jí)遙感數(shù)據(jù)計(jì)算分析任務(wù)。經(jīng)測(cè)試，基于GEE平臺(tái)采用Sentinel-2衛(wèi)星遙感數(shù)據(jù)提取東江流域水葫蘆分布耗時(shí)約1 min，成果數(shù)據(jù)可在平臺(tái)進(jìn)行展示及統(tǒng)計(jì)分析，最終下載到本地。常規(guī)方式需花費(fèi)數(shù)小時(shí)，甚至數(shù)天時(shí)間完成流域級(jí)遙感圖像的下載，后續(xù)的影像處理和分析即使使用工作站編寫(xiě)程序處理圖像數(shù)據(jù)，也需要小時(shí)級(jí)別的時(shí)間才能完成。且基于GEE平臺(tái)，對(duì)用戶設(shè)備幾乎沒(méi)有性能要求，也不需要提前購(gòu)置圖像處理軟件，極大地提升水葫蘆時(shí)空分布的監(jiān)測(cè)效率，為水葫蘆災(zāi)害防治及治理成效評(píng)價(jià)提供準(zhǔn)實(shí)時(shí)信息支撐、高效的技術(shù)支撐。

基于GEE平臺(tái)分析水葫蘆空間分布信息，既能全面、及時(shí)掌握水葫蘆的分布情況，制定科學(xué)合理的治理方案，又能高效準(zhǔn)確的判斷治理效果。廣東省東江流域的水葫蘆防治實(shí)踐證明，該技術(shù)為東江流域建立水葫蘆災(zāi)害流域系統(tǒng)治理，區(qū)域聯(lián)防聯(lián)治，長(zhǎng)效治理評(píng)價(jià)的工作機(jī)制提供了科學(xué)的支撐。經(jīng)過(guò)技術(shù)應(yīng)用與科學(xué)治理，廣東省東江流域水葫蘆災(zāi)情得到了明顯的改善。

隨著河長(zhǎng)制湖長(zhǎng)制的進(jìn)一步推行，江河水質(zhì)的不斷改善，水葫蘆防治逐漸向小、微、污染重的水體發(fā)展。需要進(jìn)一步縮短遙感監(jiān)測(cè)周期、提高遙感監(jiān)測(cè)精度，結(jié)合多時(shí)相高分辨率水質(zhì)遙感識(shí)別污染排放源，監(jiān)管排污實(shí)體，綜合分析水葫蘆分布和災(zāi)害情況。同時(shí)，建立地面巡查與遙感監(jiān)測(cè)相結(jié)合的動(dòng)態(tài)監(jiān)察體系，持續(xù)監(jiān)管評(píng)價(jià)治理成效，根治水葫蘆頑癥，防止反復(fù)成災(zāi)。