環(huán)境減災(zāi)二號A/B衛(wèi)星在洪澇災(zāi)害農(nóng)作物恢復(fù)動(dòng)態(tài)監(jiān)測中的應(yīng)用

胡凱龍 劉明博 賈松霖

(1 應(yīng)急管理部國家減災(zāi)中心，北京 100124)(2 航天東方紅衛(wèi)星有限公司，北京 100094)

受地形條件和季風(fēng)氣候影響，我國是世界上洪澇災(zāi)害多發(fā)、頻發(fā)的國家之一，大約2/3的國土面積上都可能發(fā)生不同類型和不同程度的洪澇災(zāi)害。突如其來的洪水能夠迅速淹沒農(nóng)田、房舍和洼地，不僅造成人員傷亡，還會(huì)對基礎(chǔ)設(shè)施和農(nóng)業(yè)作物帶來破壞性影響[1]。2006年以來，我國每年由于洪澇災(zāi)害而造成的糧食減產(chǎn)平均高達(dá)1869萬噸，約占我國全年產(chǎn)量的3.5%[2]。采取科學(xué)有效的手段對受洪澇災(zāi)害影響的農(nóng)作物進(jìn)行長時(shí)間持續(xù)監(jiān)測，能夠進(jìn)一步評估農(nóng)作物的恢復(fù)進(jìn)程，為后續(xù)農(nóng)作物恢復(fù)措施的實(shí)施提供科學(xué)依據(jù)[3]。

衛(wèi)星遙感技術(shù)對重大自然災(zāi)害監(jiān)測與評估具有特殊的優(yōu)勢和潛力，尤其是對洪澇災(zāi)害風(fēng)險(xiǎn)監(jiān)測、損失評估和恢復(fù)重建等方面優(yōu)勢較為明顯[4]。受洪澇災(zāi)害淹沒而損失的農(nóng)作物恢復(fù)過程一般需要較長時(shí)間，衛(wèi)星遙感技術(shù)不僅能夠?qū)r(nóng)作物受災(zāi)區(qū)域進(jìn)行大面積、快速成像，而且還能夠在成本較低的情況下進(jìn)行長時(shí)間持續(xù)監(jiān)測[5]。對洪澇淹沒范圍內(nèi)的農(nóng)作物生長恢復(fù)情況進(jìn)行長時(shí)間序列監(jiān)測，首先需明確洪澇災(zāi)害淹沒范圍。由于水體相對于其他地物類型，能夠呈現(xiàn)出較為均一的圖斑且無明顯的紋理特征，因此對洪澇受災(zāi)范圍的確定通常利用水體識別的方法[6]。明確了洪澇受災(zāi)范圍之后，對受災(zāi)范圍內(nèi)農(nóng)作物恢復(fù)過程動(dòng)態(tài)監(jiān)測主要是利用多時(shí)相植被指數(shù)對比分析的方法進(jìn)行評估[7-9]。

環(huán)境減災(zāi)二號A/B衛(wèi)星于2020年9月27日成功發(fā)射，兩顆衛(wèi)星功能性能參數(shù)相同，能夠提供16 m多光譜、48 m/96 m高光譜、48 m/96 m紅外圖像數(shù)據(jù)，用于接替環(huán)境與災(zāi)害監(jiān)測預(yù)報(bào)小衛(wèi)星A/B星。目前，環(huán)境減災(zāi)二號A/B衛(wèi)星在軌以180°等相位間隔運(yùn)行，并與高分系列高分一號和高分六號衛(wèi)星組成了四星星座，四星組網(wǎng)后具備16 m空間分辨率多光譜數(shù)據(jù)全球1天覆蓋1次的觀測能力，顯著地縮短了觀測覆蓋周期，能夠?yàn)槭転?zāi)農(nóng)作物的恢復(fù)監(jiān)測提供長時(shí)間序列的多光譜衛(wèi)星遙感數(shù)據(jù)支撐。本文綜合應(yīng)用環(huán)境減災(zāi)二號A、高分一號、高分六號等衛(wèi)星的多時(shí)相多類型遙感數(shù)據(jù)，采用水體指數(shù)、植被指數(shù)等指數(shù)分析方法，對洪澇災(zāi)害淹沒區(qū)受災(zāi)農(nóng)作物的恢復(fù)情況進(jìn)行監(jiān)測，研究環(huán)境減災(zāi)二號A/B衛(wèi)星在農(nóng)作物恢復(fù)評價(jià)方面的應(yīng)用潛力。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況

本文研究對象位于安徽省合肥市廬江縣北部區(qū)域，地理坐標(biāo)為東經(jīng)117.19°～117.47°，北緯31.26°～31.56°，研究區(qū)域總面積為858.63 km2，具體研究區(qū)地理位置見圖1。廬江縣境內(nèi)有低山、丘陵、圩區(qū)和湖泊，地勢西南高，東北低。廬江縣地處中緯度地帶，屬北亞熱帶濕潤季風(fēng)氣候，多年平均降水量為1 188.1 mm。2020年汛期，受持續(xù)強(qiáng)降雨影響，安徽淮河流域巢湖周邊出現(xiàn)嚴(yán)重洪澇災(zāi)害。2020年7月22日，廬江縣境內(nèi)支流白石天河受巢湖水位頂托，石大圩連河段突然出現(xiàn)漫堤潰口，決堤口西側(cè)大量農(nóng)作物被淹，損失嚴(yán)重。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

1.2 衛(wèi)星遙感影像數(shù)據(jù)

本文利用環(huán)境減災(zāi)二號A、高分一號、高分六號等衛(wèi)星遙感數(shù)據(jù)對廬江縣石大圩周邊被淹農(nóng)作物的恢復(fù)情況開展動(dòng)態(tài)監(jiān)測。2020年9月27日，環(huán)境減災(zāi)二號A/B衛(wèi)星在太原衛(wèi)星發(fā)射中心由長征四號乙運(yùn)載火箭以“一箭雙星”方式發(fā)射升空，其搭載的16 m空間分辨率多光譜相機(jī)，能夠與高分一號和高分六號衛(wèi)星的16 m寬幅相機(jī)配合，實(shí)現(xiàn)全球1天覆蓋1次的觀測能力，16 m多光譜相機(jī)載荷參數(shù)見表1。

表1 衛(wèi)星載荷參數(shù)匯總Table 1 Satellite payload parameters summary

本文選取廬江縣石大圩周邊洪澇災(zāi)害發(fā)生前后共4景衛(wèi)星遙感數(shù)據(jù)，其中災(zāi)前為2019年8月1日高分一號衛(wèi)星數(shù)據(jù)，災(zāi)中為2020年7月25日高分六號衛(wèi)星數(shù)據(jù)，災(zāi)后為2021年1月18日和2021年7月30日環(huán)境減災(zāi)二號A衛(wèi)星數(shù)據(jù)，具體影像參數(shù)見表2。

表2 衛(wèi)星數(shù)據(jù)獲取情況Table 2 Satellite data acquisition situation

2 研究方法

研究總體技術(shù)流程見圖2。

圖2 技術(shù)流程Fig.2 Flow chart of technology

2.1 影像預(yù)處理

衛(wèi)星遙感影像在成像過程中，會(huì)產(chǎn)生各種輻射誤差和幾何變形。為了更好的對農(nóng)作物恢復(fù)情況進(jìn)行定量評估，需要對衛(wèi)星工程地面系統(tǒng)提供的L1A級數(shù)據(jù)進(jìn)行輻射校正和正射校正。影像輻射校正主要包含輻射定標(biāo)和大氣校正，其中，輻射定標(biāo)主要是把原始遙感影像的灰度值轉(zhuǎn)化為輻射亮度值，主要利用中國資源衛(wèi)星應(yīng)用中心提供的外場定標(biāo)參數(shù)進(jìn)行計(jì)算；大氣校正主要是消除大氣層的散射光對地物本身的輻射光的影響，利用遙感圖像處理平臺ENVI軟件提供的FLAASH大氣校正模塊進(jìn)行影像大氣校正處理；正射校正是對由地形、相機(jī)幾何特性以及與傳感器相關(guān)的誤差所造成的幾何畸變進(jìn)行處理，主要利用地面系統(tǒng)提供的有理多項(xiàng)式系數(shù)(Rational Polynomial Coefficient, RPC)和已有地形數(shù)據(jù)進(jìn)行正射處理[10]。最后，選取影像上覆蓋共同的區(qū)域進(jìn)行裁切，最終得到預(yù)處理后的影像數(shù)據(jù)。

2.2 洪澇淹沒范圍提取

由于水體在遙感影像上的某些波段與其他地物的反射率存在差異，通過不同波段運(yùn)算構(gòu)造出水體指數(shù)來反映水體區(qū)域的特征。水體指數(shù)能夠突出水體區(qū)域所代表的指數(shù)值，而抑制非水體區(qū)域所代表的指數(shù)值，通過拉大水體和非水體所代表指數(shù)值的差值，使得水體能夠與其他地物相互區(qū)分。因此，水體指數(shù)能夠間接反映洪澇災(zāi)害的淹沒范圍。為了進(jìn)一步提取洪澇災(zāi)害淹沒范圍，需要對水體指數(shù)進(jìn)行分類，提取出水體像元。決策樹分類法能夠?qū)μ卣鲾?shù)據(jù)進(jìn)行分類和統(tǒng)計(jì)，從而實(shí)現(xiàn)特定類別的提取。本文利用歸一化水體指數(shù)(NDWI)計(jì)算洪澇淹沒范圍的水體特征，利用決策樹分類提取水體像元，從而確定洪澇淹沒范圍。水體指數(shù)為

(1)

式中：pGreen為綠光波段反射率；pNIR為近紅外波段反射率。

2.3 基于植被指數(shù)農(nóng)作物恢復(fù)情況監(jiān)測

受持續(xù)性強(qiáng)降雨過程影響，防洪圩堤的突然損毀會(huì)使圩堤內(nèi)農(nóng)作物被淹，從而導(dǎo)致嚴(yán)重的生態(tài)和經(jīng)濟(jì)損失。隨著洪水的逐漸退去和恢復(fù)種植措施的實(shí)施，農(nóng)作物會(huì)逐漸恢復(fù)生長。植被指數(shù)能夠間接反映植物生物量、綠色度和生長趨勢，可以被用作指示植被空間分布、突出植被長勢及表征植被的健康狀況的監(jiān)測參數(shù)。對于農(nóng)作物恢復(fù)狀況的評估，一般采用不同時(shí)期的植被指數(shù)進(jìn)行分析[11]。本文主要利用不同時(shí)相的歸一化植被指數(shù)(NDVI)的差值，來分析農(nóng)作物生長恢復(fù)情況。其表達(dá)式如下。

(2)

R=Nm-Nn

(3)

式中：pRed為紅光波段反射率；pNIR為近紅外波段反射率；R為農(nóng)作物生長趨勢情況；Nm為監(jiān)測年份(m)的NDVI值，主要為2019年和2021年；Nn為比較年份(n)的NDVI值，主要為2020年。R值為正，說明監(jiān)測年份的農(nóng)作物恢復(fù)情況好于比較年份；R值為負(fù)，說明監(jiān)測年份的農(nóng)作物恢復(fù)情況不及比較年份。

3 結(jié)果分析

3.1 水體識別結(jié)果分析

采用災(zāi)害發(fā)生時(shí)2020年7月25日預(yù)處理后的高分六號衛(wèi)星影像，利用NDWI計(jì)算公式，計(jì)算NDWI指數(shù)，結(jié)果如圖3所示。NDWI的平均值為-0.3，標(biāo)準(zhǔn)差為0.26。通過繪制NDWI直方圖，直方圖在水體分布區(qū)域有較為明顯的波峰，因此水體提取閾值設(shè)置為-0.039。利用水體NDWI閾值建立決策樹分類規(guī)則，把NDWI分為水體和非水體兩類，并把水體圖層輸出為矢量，手工剔除永久水體的部分，經(jīng)統(tǒng)計(jì)水體范圍為110.77 km2，具體提取結(jié)果見圖4。

圖3 歸一化水體指數(shù)NDWI計(jì)算結(jié)果Fig.3 Comparison of NDWI calculation results

圖4 水體提取結(jié)果Fig.4 Water body extraction results

為了定量評價(jià)水體提取結(jié)果的有效性，分別隨機(jī)生成100個(gè)水體點(diǎn)和50個(gè)非水體點(diǎn)，采用目視解譯的方法逐點(diǎn)進(jìn)行檢核，得到誤差矩陣見表3。其中，水體提取的制圖精度為96.8%，用戶精度為92%；非水體提取的制圖精度為85.4%，用戶精度為94%，總體精度為92.6%。由于洪澇淹沒區(qū)域有部分云層覆蓋，使得有少部分水體沒有提取出來，導(dǎo)致?lián)p失了部分精度。

表3 水體提取結(jié)果誤差矩陣Table 3 Water extraction results statistics

3.2 災(zāi)后農(nóng)作物恢復(fù)情況分析

分別計(jì)算災(zāi)前、災(zāi)中、災(zāi)后四景預(yù)處理后影像的NDVI，結(jié)果見圖5，圖中紅色部分為NDVI的高值，植被生長較好；綠色部分為NDVI低值，一般表示為非植被。2020年7月25日洪澇災(zāi)害發(fā)生時(shí)，被水淹沒的農(nóng)作物區(qū)域NDVI值偏低，主要呈現(xiàn)綠色。隨著洪水退去，2021年1月8日和2021年7月30日淹沒區(qū)域都已復(fù)種農(nóng)作物，NDVI值也都相應(yīng)有所增加，顏色已接近2019年8月1日的NDVI水平。

圖5 歸一化植被指數(shù)計(jì)算結(jié)果Fig.5 NDVI calculation results

為了定量評估災(zāi)后農(nóng)作物恢復(fù)情況，分別計(jì)算災(zāi)前、災(zāi)后NDVI與災(zāi)中NDVI的差值R。在洪澇淹沒區(qū)域內(nèi)隨機(jī)選擇30個(gè)采樣點(diǎn)，分別統(tǒng)計(jì)NDVI差值R的最小值、最大值和平均值。由表4可以看出，R20210118-20200725的平均值為0.13，表明2021年1月18日，洪澇淹沒區(qū)的農(nóng)作物正在恢復(fù)中；R20210730-20200725的平均值為0.60，農(nóng)作物恢復(fù)情況較好。

表4 歸一化植被指數(shù)差值統(tǒng)計(jì)結(jié)果Table 4 NDVI difference statistical results

通過繪制災(zāi)前、災(zāi)后NDVI與災(zāi)中NDVI的差值的散點(diǎn)圖，能夠清晰地反映不同時(shí)間段農(nóng)作物的恢復(fù)情況。圖6(a)是2021年1月18日和2019年8月1日農(nóng)作物恢復(fù)情況的對比，由圖中可以看出，與R20190801-20200725相比，大部分采樣的R20210118-20200725的值低于0.4，表明2021年1月18日受淹較為嚴(yán)重的區(qū)域農(nóng)作物恢復(fù)較慢；圖6(b)的右圖是2021年7月30日和2019年8月1日農(nóng)作物恢復(fù)情況的對比，由圖中可以看出，大部分采樣點(diǎn)的R202100730-20200725的值已接近R20190801-20200725，表明受淹較為嚴(yán)重的區(qū)域農(nóng)作物已恢復(fù)到災(zāi)前水平。

圖6 歸一化植被指數(shù)差值散點(diǎn)圖Fig.6 Scatter plots of NDVI difference

4 結(jié)束語

環(huán)境減災(zāi)二號A/B衛(wèi)星幅寬大、時(shí)效性強(qiáng)的特性對受洪澇災(zāi)害影響的農(nóng)作物恢復(fù)動(dòng)態(tài)監(jiān)測有獨(dú)特優(yōu)勢。本文以2020年汛期安徽淮河流域巢湖周邊嚴(yán)重洪澇災(zāi)害為例，利用環(huán)境減災(zāi)二號A、高分一號、高分六號等多時(shí)相多類型衛(wèi)星遙感數(shù)據(jù)，采用水體指數(shù)、植被指數(shù)等指數(shù)分析方法，對洪澇災(zāi)害淹沒區(qū)受災(zāi)農(nóng)作物的恢復(fù)情況進(jìn)行監(jiān)測，監(jiān)測結(jié)果表明受洪澇災(zāi)害淹沒的農(nóng)作物已經(jīng)恢復(fù)接近到災(zāi)前生長水平。因此，不同時(shí)相的環(huán)境減災(zāi)二號A/B衛(wèi)星數(shù)據(jù)能夠聯(lián)合其他高分衛(wèi)星共同反映農(nóng)作物的恢復(fù)進(jìn)程，可為后續(xù)農(nóng)作物復(fù)種措施的實(shí)施提供科學(xué)依據(jù)。