“5.22”瑪多地震影響區(qū)水體變化遙感探測

鐘宇茜 夏興生 胡天宇 潘耀忠

“5.22”瑪多地震影響區(qū)水體變化遙感探測

鐘宇茜1,3夏興生1,2,*胡天宇1,3潘耀忠2,1

（1 青海師范大學(xué)高原科學(xué)與可持續(xù)發(fā)展研究院，西寧 810016）（2 北京師范大學(xué)地理科學(xué)學(xué)部遙感科學(xué)國家重點實驗室，北京 100875）（3 青海師范大學(xué)地理科學(xué)學(xué)院，西寧 810016）

對地質(zhì)活動主要影響區(qū)水系、水體變化進行監(jiān)測，對于探索地質(zhì)活動對區(qū)域自然和社會系統(tǒng)的影響具有重要意義。本文在Google Earth Engine平臺的支持下，基于2018—2021年逐年7—11月的Sentinel-2A/B遙感數(shù)據(jù)，通過構(gòu)建水體指數(shù)并利用大津算法對“5.22”瑪多地震影響區(qū)水體信息進行提取并探測其變化情況。主要結(jié)果如下：1）基于Sentinel-2A/B遙感數(shù)據(jù)構(gòu)建的8種水體指數(shù)中B3和B5波段組合指數(shù)水體信息提取最優(yōu)，為水體指數(shù)構(gòu)建的波段選擇提供了新的參考；2）對瑪多地震前后水體變化進行探測發(fā)現(xiàn)2018—2021年研究區(qū)水體不存在新增與消失，僅有擴張或收縮，且地表水體面積總體上呈先擴張后收縮的趨勢。但是，對局部水體來說，并不完全遵循這一規(guī)律；3）氣候變化并不能很好地解釋局部水體的變化規(guī)律，結(jié)合區(qū)地震影響區(qū)域現(xiàn)場調(diào)查的事實證明地震活動確實造成了部分地表水體的變化。

水體指數(shù) 大津算法 氣候變化 地質(zhì)活動 多光譜傳感器

0 引言

地質(zhì)構(gòu)造活動，特別是強地震的發(fā)生，不但會引起地表斷錯，形成地震陡坎、溝槽、鼓包等現(xiàn)象，也可能引發(fā)地表水系、水體的變化，而區(qū)域顯著的水系、水體變化則可能打破原有的生態(tài)平衡、資源供給方式，進而影響區(qū)域自然系統(tǒng)和社會系統(tǒng)的發(fā)展。因此，進行以地震為代表的地質(zhì)構(gòu)造活動主要影響區(qū)域水系、水體變化的監(jiān)測，對于探索地質(zhì)構(gòu)造活動對區(qū)域自然和社會系統(tǒng)的影響具有重要意義。

伴隨以遙感為核心數(shù)據(jù)來源的對地觀測技術(shù)不斷在各行業(yè)興起和應(yīng)用，遙感技術(shù)也成了地表水體識別與變化監(jiān)測的主要手段，并形成了豐富的成果[1-2]。在水體識別與提取方面，主要的方式有目視解譯法[3]、單波段閾值法[4]、水體指數(shù)法[5]、監(jiān)督與非監(jiān)督分類法[6-7]、面向?qū)ο蠓诸惙╗8]等。其中，水體指數(shù)法因為方法簡單且精度較高已經(jīng)成了識別水體及邊界變化的主要方法[9]，并隨著研究區(qū)或應(yīng)用區(qū)的地理環(huán)境、水體的水質(zhì)環(huán)境等客觀條件的差異及研究和應(yīng)用的側(cè)重點不同已經(jīng)發(fā)展了十余種不同的水體指數(shù)[10]，為針對各種不同條件下的水體識別監(jiān)測研究與應(yīng)用奠定了方法基礎(chǔ)[3]。在水體識別的基礎(chǔ)上，許多研究者也基于不同的方案對水體的時空分布特征、動態(tài)演變規(guī)律進行了討論[11]，但在水體變化的驅(qū)動因素及影響方面，主要集中在水體對氣候變化的響應(yīng)方面，未見有針對諸如突發(fā)性強地震等地質(zhì)構(gòu)造活動引發(fā)的地表水體變化及影響的關(guān)注。

享有“亞洲水塔”之稱的青藏高原，分布著地球上數(shù)量最多、面積最大、海拔最高的高原湖泊，湖泊總面積超過40 000 km2，面積大于1 km2的湖泊約有1 055個[12]。由于受人類活動影響較小，該區(qū)域湖泊的變化能夠較真實地反映氣候狀況，因此，青藏高原的湖泊作為對氣候變化較敏感的指示器一直受到研究者的廣泛關(guān)注[13]。但是，青藏高原的絕大部分湖泊是基于高原隆起和板塊內(nèi)部的地質(zhì)構(gòu)造活動形成的構(gòu)造湖泊[14]。直至今天，斷裂帶活動仍然強烈，常常引發(fā)高強度的地震[15]。強地震活動的發(fā)生或多或少引起地下、地表形態(tài)變化，進一步可能引發(fā)高原構(gòu)造湖泊的變化，但未見有研究探討這一變化的存在與否及可能造成的影響。因此，本研究以2021年“5.22”瑪多地震主要影響區(qū)（地震烈度Ⅵ度區(qū)范圍內(nèi)，簡稱“震區(qū)”）為例，擬在Google Earth Engine（GEE）平臺的支持下，利用較高分辨率的多光譜衛(wèi)星遙感數(shù)據(jù)合成并優(yōu)選最佳水體指數(shù)來提取2018—2021年震區(qū)的水體分布，并分析探測震區(qū)水體在近年是否有形成與消失或明顯的擴張與收縮現(xiàn)象，以期為震區(qū)資源生態(tài)的監(jiān)測工作提供一定的科學(xué)依據(jù)。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

受青藏高原地質(zhì)構(gòu)造和板塊活動的影響，2021年“5.22”瑪多里氏7.4級地震發(fā)生在東昆侖斷裂帶主干阿拉克湖-托索湖段南側(cè)的巴顏喀拉塊體內(nèi)部，以青海省瑪多縣瑪查理鎮(zhèn)為宏觀震中，地裂縫總體呈北西—南東向展布，地震烈度Ⅵ度區(qū)范圍長軸約381 km，短軸約165 km[16]（圖1）。震區(qū)整體位于青海省西南部，分布著以扎陵湖、鄂陵湖、星星海為代表的高原湖泊群，其中的瑪多縣有“千湖之縣”的美譽[17]，不僅是三江源國家公園黃河園區(qū)的核心部分，也是青海省的主要牧區(qū)。湖泊變化不僅可能引起黃河源生態(tài)環(huán)境和高原“水塔”功能的變化，也可能影響牧區(qū)的水資源供給。因此，探討震區(qū)水體的變化對評估地震等地質(zhì)構(gòu)造活動對高原生態(tài)環(huán)境和牧區(qū)生產(chǎn)生活的影響具有重大的意義。

圖1 研究區(qū)概況圖

1.2 數(shù)據(jù)及預(yù)處理

本研究主要使用的數(shù)據(jù)有衛(wèi)星遙感數(shù)據(jù)、氣象數(shù)據(jù)以及地震烈度數(shù)據(jù)。具體的數(shù)據(jù)說明及預(yù)處理如下：

（1）衛(wèi)星遙感數(shù)據(jù)

相比其他多光譜衛(wèi)星遙感數(shù)據(jù)，Sentinel-2A/B數(shù)據(jù)（表1）具有較高的空間分辨率、較短的重訪周期、較豐富的光譜波段以及免費開放獲取的數(shù)據(jù)政策，是優(yōu)選的規(guī)模性湖泊群遙感監(jiān)測較為理想的光學(xué)遙感數(shù)據(jù)之一，因此，本研究直接選擇Sentinel-2A/B數(shù)據(jù)。數(shù)據(jù)來源于GEE平臺（https://earthengine.google.com/）經(jīng)過大氣校正的Sentinel-2A/B地表反射率影像數(shù)據(jù)集。

由于青藏高原的絕大部分水體形態(tài)會有明顯的季節(jié)性變化，即12月至次年4月份屬于結(jié)冰期，5月— 8月份屬動態(tài)變化期，9月—11月份水體面積則處于相對穩(wěn)定的狀態(tài)（水體最大面積變化率不超過2%）[18]，因此，很多學(xué)者選擇每年9月—11月份的遙感影像來進行湖泊邊界年際間的變化監(jiān)測[19-21]。本研究也選擇2018—2021年該時段的影像作為主體，探測氣候變化背景下地震因素可能引起的湖泊變化，但考慮可能存在的云污染，也適當(dāng)將穩(wěn)定期向前擴展了2個月，最終每年的影像獲取時段確定為7月—11月，并在GEE 平臺中直接調(diào)取數(shù)據(jù)，基于元數(shù)據(jù)說明及質(zhì)量鑲嵌（Quality Mosaic）算法合成覆蓋研究區(qū)的一景多波段無云影像數(shù)據(jù)。影像時段的選擇也避開了地震發(fā)生時段季節(jié)性冰川、凍土、積雪對水體/水系變化的滯后性影響。

表1 Sentinel-2A/B數(shù)據(jù)波段信息

Tab.1 Sentinel-2A/B data band information

（2）氣象數(shù)據(jù)

氣象數(shù)據(jù)主要包括逐年平均氣溫以及逐年降水柵格數(shù)據(jù)，其中平均氣溫數(shù)據(jù)來源于哥白尼氣候變化服務(wù)數(shù)據(jù)平臺發(fā)布的ERA5-Land數(shù)據(jù)集[22]，降水?dāng)?shù)據(jù)來源于美國地質(zhì)調(diào)查局（United States Geological Survey，USGS）發(fā)布的CHIRPS Daily數(shù)據(jù)集[23]，同樣通過GEE平臺獲取并在年尺度上對數(shù)據(jù)進行合成，得到震區(qū)2018—2021年逐年平均氣溫以及逐年降水?dāng)?shù)據(jù)。

（3）地震烈度數(shù)據(jù)

震區(qū)烈度數(shù)據(jù)來源于應(yīng)急管理部中國地震局（https://www.cea.gov.cn/）2021年5月28日發(fā)布的青?，敹?.4級地震烈度圖，主要用于研究區(qū)的確定。其矢量結(jié)構(gòu)數(shù)據(jù)是依據(jù)公開發(fā)布的烈度圖數(shù)字化提取。

2 方法

2.1 水體指數(shù)

遙感應(yīng)用中，為了突出顯示或方便識別地物的空間分布，通過在多光譜波段內(nèi)，以地物在不同波段的波譜特征為依據(jù)，尋找出所要研究地類的最強反射波段和最弱反射波段，采用波段間的差值、比值或混合運算方式及歸一化處理構(gòu)建指數(shù)影像，以擴大目標(biāo)地類和背景地物的差異，即使要研究的地物在所生成的指數(shù)影像上得到最大的增強，而背景地物普遍受到抑制。目前，主要有水體指數(shù)、濕度指數(shù)、雪指數(shù)、植被指數(shù)等。水體指數(shù)法就是通過選取能夠顯著反映水體反射率差異的不同波段進行比值運算實現(xiàn)水體信息與非水體信息區(qū)分度的提高，為水體信息的提取提供了便利。如前文所述，水體指數(shù)法是識別水體及邊界變化的主要方法[9]，本研究也直接通過構(gòu)建水體指數(shù)對研究區(qū)水體信息進行提取和變化探測。

相比于其他地物，水體對各波段的電磁波反射率均較低，在綠光波段反射率較高，波長達到近紅外時，水體反射率幾乎為0。因此，現(xiàn)有的大部分水體指數(shù)的構(gòu)建主要基于其對綠波段和紅光波段的反射信號開展[24]，但是，相比于大多數(shù)光學(xué)遙感影像，Sentienl-2A/B光譜分辨率較高，對應(yīng)的紅光至近紅外就細分了8個波段，現(xiàn)有研究僅選擇了與其他傳感器紅光波段最為接近的近紅外、遠紅外波段與綠波段構(gòu)建歸一化水體指數(shù)（Normalized Difference Water Index，NDWI）、改進的歸一化水體指數(shù)（Modified Normalized Difference Water Index，MNDWI）進行水體的提取，并未討論從8個波段優(yōu)選特征波段與綠波段構(gòu)建最優(yōu)的水體指數(shù)[25-29]。因此，本研究將基于Sentienl-2A/B的綠波段分別和8個紅波段構(gòu)建水體指數(shù)。一方面，從中優(yōu)選最佳的指數(shù)進行之后的水體識別與年際變化監(jiān)測；另一方面，也為以水體探測為目標(biāo)的傳感器波段設(shè)計提供參考。為了便于比較，本研究直接參照NDWI、MNDWI的模型進行綠波段與其他波段的水體指數(shù)構(gòu)建，具體如式（1）所示。

式中 WI為水體指數(shù)；為Sentienl-2A/B中綠光波段；代表Sentienl-2A/B中紅光、植被紅邊1、植被紅邊2、植被紅邊3、近紅外、植被紅邊4、短波紅外1以及短波紅外2波段中的任一波段。

2.2 大津算法

大津算法（Nobuyuki Otsu method，OTSU）是一種圖像的二值化閾值確定算法，又稱最大類間方差法，被認為是確定圖像分割閾值的優(yōu)選算法[30-32]。OTSU以圖像像元的灰度特性為依據(jù)，通過計算類間方差來衡量灰度分布的均勻性，對應(yīng)前景和背景的類間方差越大，表明構(gòu)成圖像兩部分的差別越大，前景和背景的區(qū)分度也越大。該方法計算過程簡單，不受圖像亮度和對比度的影響[33]，從而能夠更加快速、準(zhǔn)確地識別圖像中前景與背景部分。

有學(xué)者將OTSU應(yīng)用于基于水體指數(shù)的水體提取研究中，結(jié)果顯示能夠得到可靠的水體信息，顯著提高了水體提取的精度[34-35]，故在本研究水體提取過程中將使用OTSU以確定最佳分割閾值。具體對于一幅圖像（,），將記為前景（水體）和背景（非水體）的分割閾值，首先設(shè)置水體指數(shù)的一個灰度值為初始分割閾值，并計算對應(yīng)的類間方差；其次對灰度值進行迭代，計算相應(yīng)的值直至遍歷水體指數(shù)圖像中所有像元的灰度值；最后選取值最大時對應(yīng)的分割閾值為最佳分割閾值。值的算法如下：

2.3 混淆矩陣

混淆矩陣是進行遙感分類精度評價常用的一種方法[36]，主要通過比較真實圖像與分類圖像中對應(yīng)位置像元的分類結(jié)果，計算正確分類與錯誤分類的比例從而反映出分類精度，具體指標(biāo)及算法見文 獻[37-40]。在實際應(yīng)用中，混淆矩陣因其簡單、直觀的特點被廣泛應(yīng)用于遙感分類模型的精度評價[41]。本研究則以目視解譯的分類結(jié)果為參照，構(gòu)建基于水體指數(shù)的水體提取結(jié)果混淆矩陣進行精度評價。

2.4 空間疊置分析

空間疊置分析是分析地理要素時空分布變化情況的一種有效方法[42]。通過對兩層或多層地圖要素進行疊加產(chǎn)生新的要素，能夠體現(xiàn)圖層之間的空間關(guān)系，為更加直觀地反映地理要素在時空尺度下的變化情況提供了一定的支持。目前該方法在水體動態(tài)變化監(jiān)測相關(guān)研究過程中也得到了廣泛的應(yīng)用[43]。本研究為說明水體時空變化情況，將同一位置、不同時相獲取的水體范圍進行疊加分析。其可能存在的空間關(guān)系有三種：1）0時期某一個水體與時期對應(yīng)地理位置上的一個水體基本重疊，此時認定該水體僅表現(xiàn)為萎縮或擴張狀態(tài)；2）0時期的某一個水體對應(yīng)位置上沒有時期的水體存在，此時認定0時期的該水體已經(jīng)干涸；3）時期的某一個水體對應(yīng)位置上沒有0時期的水體存在，此時認定0時期的該水體為新增水體。

2.5 動態(tài)度法

為了更好地了解震區(qū)水體變化情況，參考相關(guān)研究[44]引入動態(tài)度方法實現(xiàn)對震區(qū)水體變化的定量描述，主要用于探測水體面積變化特征。具體算法如下

式中是湖泊面積動態(tài)變化程度；U指研究時段末期湖泊面積大?。?i>U指研究時段初期的湖泊面積大??；、分別為研究時段的初始和末期時間點；指研究時段區(qū)間長度。

3 結(jié)果分析

3.1 水體指數(shù)構(gòu)建結(jié)果

以水體反射率較高的綠光波段為基礎(chǔ)，將其分別與Sentienl-2A/B影像的紅波段、植被紅邊1波段、植被紅邊2波段、植被紅邊3波段、近紅外波段、短波紅外1波段以及短波紅外2波段組合構(gòu)建成8種水體指數(shù)結(jié)果示例如圖2所示。無論是從圖像效果還是從直方圖效果來看，8種水體指數(shù)均使得圖像的背景得到抑制，但是對前景的增強卻存在明顯的差異。對于可能由于圖像本身質(zhì)量（Quality）、鑲嵌質(zhì)量及局部環(huán)境的影響存在暗像元的無水體區(qū)域（圖2 a0），8種水體指數(shù)均不同程度的使得這些零星的暗像元得到了增強（圖2 a1～a8）；對于水體、云、雪、暗像元混合的區(qū)域（圖2 b0、c0），8種水體指數(shù)對應(yīng)的直方圖擬合曲線差異不大，指數(shù)圖像對于云和雪的抑制效果也比較好，但是暗像元得到增強的效果仍然不同程度的存在（圖2 b1～b8、c1～c8）；對于主要以積雪覆蓋的高山區(qū)（圖2 d0），8種水體指數(shù)對積雪的信號均得到了不同程度的增強（圖2 d1～d8），比較而言B3B5波段組合的水體指數(shù)對積雪的弱化效果優(yōu)于其他波段的組合。由此可見，不同水體指數(shù)因區(qū)域內(nèi)部要素特征的差異，對于水體信號增強程度或多或少存在差異，基于這些水體指數(shù)直接進行水體的提取可能存在不同程度的誤差，所以有必要進行水體指數(shù)的優(yōu)選。

注：a～d分別表示研究區(qū)樣方1、樣方2、樣方3、樣方4；0～8分別表示原始影像以及B3B4、B3B5、B3B6、B3B7、B3B8、B3B8A、B3B11和B3B12波段組合構(gòu)建的8種水體指數(shù)。

3.2 水體信息的提取及結(jié)果的選擇

水體指數(shù)的優(yōu)選主要通過評價其對應(yīng)的提取結(jié)果來實現(xiàn)，因此，本研究首先分別基于每種水體指數(shù)利用OTSU算法進行水體的提取?？紤]對每一景影像執(zhí)行OTSU算法可能存在閾值不統(tǒng)一造成年際間提取結(jié)果難以比較的問題，本研究將四年影像作為一個整體基于OTSU確定閾值進行水體和非水體的分割，不同波段組合的水體指數(shù)最優(yōu)分割閾值見表2。

表2 8種組合波段生成的水體指數(shù)最優(yōu)閾值

Tab.2 The optimal segmentation threshold T of water body index generated by 8 combination bands

利用不同水體指數(shù)對應(yīng)的最優(yōu)閾值識別的部分水體結(jié)果如圖3所示。由該圖可以直接目視判斷出：B3B11、B3B12分別組合的水體指數(shù)將大面積的積雪覆蓋與山體陰影識別為了水體（圖3 d0、d7、d8），其余6種水體指數(shù)均能夠排除積雪的干擾，但是，B3B6、B3B7、B3B8、B3B8A、B3B11和B3B12組合的水體指數(shù)同時又將無水體分布的區(qū)域（圖3 a0）中存在的暗像元識別為了水體（圖3 a3～a8），B3B4、B3B5分別組合的水體指數(shù)在各個環(huán)境提取的水體結(jié)果分布則差異不大。因此，通過直觀判斷，B3B6、B3B7、B3B8、B3B8A、B3B11和B3B12分別組合的水體指數(shù)用于水體分布信息提取存在明顯的錯分，不適用于本研究，直接排除。

進一步利用混淆矩陣對B3B4、B3B5分別組合的水體指數(shù)提取的水體分布結(jié)果精度進行定量分析。首先，基于覆蓋震區(qū)的Sentienl-2A/B原始影像，目視解譯建立水體與非水體兩類驗證樣本400個，其中水體200個，非水體200個（圖4）。其次，利用驗證樣本和2種水體指數(shù)的水體提取結(jié)果按照混淆矩陣的算法，獲得精度評價的各定量指標(biāo)結(jié)果如表3所示。該結(jié)果顯示，2種水體指數(shù)對應(yīng)的混淆矩陣精度評價指標(biāo)并無明顯的差別，B3B5組合的水體指數(shù)僅在總體精度和Kappa系數(shù)上略優(yōu)于B3B4組合的水體指數(shù)，以此，本研究選擇B3B5波段組合構(gòu)建的水體指數(shù)對應(yīng)提取的水體分布結(jié)果分析震區(qū)水體的變化。

圖4 精度評價驗證樣本分布示意

表3 精度驗證結(jié)果

Tab.3 Accuracy verification results

3.3 水體變化的探測

基于B3B5波段組合構(gòu)建的水體指數(shù)對應(yīng)提取的水體分布結(jié)果進行疊加分析，發(fā)現(xiàn)研究區(qū)四年水體的整體空間格局基本一致，未探測到消失與新增，僅存在擴張與萎縮。從研究區(qū)整體水體面積變化的角度進行分析，發(fā)現(xiàn)研究區(qū)2018—2021年地表水體面積總體上呈先擴張后收縮的趨勢（圖5）。但是，對局部水體來說，并不完全遵循這一規(guī)律。

圖5 水體整體面積變化圖

圖6是10個湖泊的面積變化統(tǒng)計。從中可以看出，只有扎陵湖（圖6（b））、鄂陵湖（圖6（f））和阿涌吾兒馬錯（圖6（j））遵循先擴張后收縮的規(guī)律；尕拉拉錯（圖6（e））和錯隴日阿（圖6（g））面積變化表現(xiàn)為先收縮后擴張的規(guī)律；阿拉克湖（圖6（a））和阿涌該馬錯（圖6（h））面積變化表現(xiàn)為持續(xù)收縮的規(guī)律；冬給措納（圖6（d））和星星海（圖6（c））整體上呈現(xiàn)擴張趨勢，但2019—2020年，均出現(xiàn)小范圍的收縮現(xiàn)象；龍日阿錯（圖6（i））面積變化整體上呈現(xiàn)收縮趨勢，但2019—2020年，則存在一定的擴張。

（a）阿拉克湖 （a）Alag Lake （b）扎陵湖 （b）Gyaring Lake （c）星星海 （c）Xingxing Hai Lake （d）冬給措納湖 （d）Dongji Co Lake （e）尕拉拉錯 （e）Galalacuo Lake （f）鄂陵湖 （f）Erling Lake （g）錯隴日阿 （g）Cuolongria Lake （h）阿涌該馬錯 （h）Ayonggamacuo Lake （i）冬給措納湖 （i）Dongji Co Lake （j）阿涌吾兒馬錯 （j）Ayongwuermacuo Lake

為進一步探討地震后水體面積是否存在異常，本文對比了2018—2020年和2018—2021年的水體動態(tài)度，結(jié)果如表4所示。從表4可以看出，地震發(fā)生后，大部分湖泊的面積動態(tài)度發(fā)生了不同程度變化，其中，尕拉拉錯、阿涌吾兒馬錯、龍日阿錯的變化最為顯著，其次是扎陵湖、鄂陵湖、錯隴日阿，表明地震后存在湖泊面積的突變現(xiàn)象。

表4 典型湖泊面積動態(tài)度變化

Tab.4 Dynamic changes of typical lake area 單位：%

從空間變化來看，2018—2021年研究區(qū)大部分的水體岸線（圖7）似乎表現(xiàn)為年際間的重疊，只有局部變化明顯。具體來說，阿拉克湖（圖8（a））岸線整體呈現(xiàn)相對平穩(wěn)的收縮趨勢；扎陵湖（圖8（b））岸線總體變化相對平穩(wěn)，但是震后其西部岸線出現(xiàn)明顯萎縮；冬給措納湖（圖8（d））岸線整體呈現(xiàn)相對微弱的擴張趨勢；尕拉拉錯（圖8（e））地震后水體的岸線表現(xiàn)出整體的擴張，但在地震前的年份表現(xiàn)顯著的收縮，特別是南部岸線的收縮幅度較大；錯隴日阿（圖8（g））南部岸線變化相對平穩(wěn)，北部岸線變化幅度較大，且在震后北部岸線由2018—2020年的持續(xù)收縮轉(zhuǎn)變?yōu)閿U張，其中2019—2020年整體岸線均收縮；鄂陵湖（圖8（f））局部岸線，比如西南部岸線，收縮趨勢顯著；龍日阿錯（圖8（i））岸線整體出現(xiàn)明顯的萎縮現(xiàn)象，且年際間的收縮較為顯著；阿涌該馬錯（圖8（h））岸線總體上呈現(xiàn)收縮的趨勢，且2018—2020年湖泊岸線變化幅度較小，而震后湖泊岸線變化幅度明顯增大；阿涌吾兒馬錯湖（圖8（j））岸線整體呈現(xiàn)擴張趨勢；星星海（圖8（c））岸線整體呈現(xiàn)相對平穩(wěn)的擴張趨勢，但是北部部分岸線發(fā)生明顯的萎縮，南部部分岸線發(fā)生明顯的擴張，且震后該區(qū)域岸線變化幅度也相對較大。從上述結(jié)果可以看出，10個湖泊的岸線均發(fā)生了不同程度的變化，其中，2018—2021年間變化較為明顯的是尕拉拉錯、錯隴日阿、鄂陵湖、龍日阿錯、阿涌該馬錯、阿涌吾兒馬錯以及星星海；2020—2021年間扎陵湖、阿涌吾兒馬錯、阿涌該馬錯、尕拉拉錯、鄂陵湖、錯隴日阿以及星星海均發(fā)生明顯突變。

注：a～j分別表示研究區(qū)阿拉克湖、扎陵湖、星星海、冬給措納湖、尕拉拉錯、鄂陵湖、錯隴日阿、阿涌該馬錯、龍日阿錯、阿涌吾兒馬錯。

注：a～j分別表示研究區(qū)阿拉克湖、扎陵湖、星星海、冬給措納湖、尕拉拉錯、鄂陵湖、錯隴日阿、阿涌該馬錯、龍日阿錯、阿涌吾兒馬錯。

3.4 水體變化原因分析

對于青藏高原構(gòu)造水體變化的因素歸結(jié)起來主要是氣溫、降水和地質(zhì)活動。圖9是2018—2021年研究區(qū)年降水量和年平均氣溫的變化，其中，年降水量總體上呈先減少后增加趨勢，年均氣溫則呈現(xiàn)先上升后下降趨勢。對比圖5分析，研究區(qū)水體面積在2018—2019年擴張了106 km2，該時間段年降水量基本不變，氣溫上升，因此可能由于氣溫上升以至于冰雪消融進而導(dǎo)致湖泊擴張；2019—2020年水體面積則收縮了2.7 km2，盡管年均氣溫上升、年降水量下降，但水體萎縮程度并不明顯，可能是由于供給量與流失量相互補充導(dǎo)致水體變化并不明顯；2020—2021年水體面積收縮了34.1 km2，年均氣溫降低，年降水量增加不明顯，分析可能是氣溫降低導(dǎo)致水體供給量不足造成的。以此，從水體面積的整體變化來講，氣溫和降水的變化能夠?qū)ζ溥M行合理的解釋，但是單體湖泊變化的解釋卻存在一定的矛盾。比如由圖6和圖9可知，錯隴日阿、冬給措納湖、尕拉拉錯和星星海的湖泊面積變化與氣候變化規(guī)律并不一致，特別是2020—2021年在氣溫降低而降水量變化不顯著的情況下湖泊出現(xiàn)了明顯的擴張。另外，水體的邊界本質(zhì)上可以認為是構(gòu)造盆地的等高線，氣候變化導(dǎo)致的擴張或萎縮都應(yīng)該是邊界線整體的變化，但是水體邊界的變化存在局部特征，比如阿涌該馬錯（圖8（h））和星星海 （圖8（c））震后其部分湖泊岸線形態(tài)變化方向與其它區(qū)域岸線形態(tài)變化方向截然相反，對這一現(xiàn)象唯一的解釋就是地震的發(fā)生導(dǎo)致地表錯斷形成地震陡坎、地震溝槽、地震鼓包等使得地貌形態(tài)發(fā)生了變化。由此局部水體的變化則可以得到合理的解釋，即局部水體的變化不僅受氣候變化的影響，同時也存在地質(zhì)活動的活動影響，大地震的發(fā)生對其影響可能更為顯著。對這一解釋的直接證據(jù)就是“5.22”瑪多地震后的現(xiàn)場調(diào)查顯示地震影響區(qū)出現(xiàn)了沙土液化、噴砂冒水、水體邊緣滲漏等現(xiàn)象（圖10）[45-46]。

圖9 年降水量與年均氣溫變化圖

圖10 “5.22”瑪多地震影響區(qū)水體異常變化現(xiàn)象

4 討論

本研究基于GEE平臺利用Sentinel-2A/B衛(wèi)星數(shù)據(jù)對近年瑪多地震影響區(qū)水體變化進行探測，不僅簡易高效地獲取了數(shù)據(jù)，也提高了數(shù)據(jù)處理效率。在整個過程中，利用Sentinel-2A/B衛(wèi)星數(shù)據(jù)豐富的光譜信息，構(gòu)建了8種水體指數(shù)優(yōu)選進行水體的識別，保證了水體信息表現(xiàn)的可靠性。然而，基于OTSU進行水體和非水體的分割，雖然方法簡單，計算速度快，但是算法本身也存在不確定性。OTSU建立的適應(yīng)度函數(shù)只考慮了水體與非水體間的均值函數(shù)，未考慮方差函數(shù)，最后計算求得的分割閾值是分割后水體和非水體灰度均值的平均值。當(dāng)圖像中水體與非水體方差值相差較大時，則算出的分割閾值會發(fā)生偏移，并且靠近水體與非水體中方差值較大的那一類，所以，不同衛(wèi)星獲取的影像，分割出來的圖像結(jié)果質(zhì)量也會不同。本研究中因為研究區(qū)水體、植被長勢及大氣環(huán)境年際間均存在差異，如果每年都計算研究區(qū)水體的分割閾值，年際之間相同波段組合所得到閾值不同，這樣因為約束條件的不統(tǒng)一會帶來年際間結(jié)果可比較性的不確定。為了解決閾值不統(tǒng)一造成年際間提取結(jié)果難以比較的問題，本研究以四年影像作為一個整體確定統(tǒng)一的分割閾值，雖然約束條件做了統(tǒng)一，整體精度也得到了保證，但是各年份的精度可能仍然存在差異。因此，OTSU在時間序列的水體信息識別應(yīng)用方面，分割閾值與精度的耦合統(tǒng)一還有待進一步的探討。進一步，基于目視判讀和混淆矩陣的精度評價結(jié)果，本研究選定了略有優(yōu)勢的Sentinel-2A/B衛(wèi)星數(shù)據(jù)B3與B5波段組合構(gòu)建的水體指數(shù)作為優(yōu)選指數(shù)，但這僅僅是基于本研究區(qū)的實驗結(jié)果，并未見有文獻基于其他區(qū)域有類似的研究，因此，Sentinel-2A/B衛(wèi)星數(shù)據(jù)B3與B5波段組合構(gòu)建的水體指數(shù)是否也同樣適合提取其他區(qū)域的水體則有待進一步探討。最后，本研究基于氣溫、降水的變化規(guī)律與水體變化規(guī)律的不一致性，不同水體變化規(guī)模和岸線變化規(guī)律的差異，并基于已有文 獻[45-46]和現(xiàn)場調(diào)查的證據(jù)說明了青藏高原的地質(zhì)構(gòu)造活動確實也是影響研究區(qū)水體變化的主要因素，但是可能限于本研究現(xiàn)有的數(shù)據(jù)和方法存在不確定性，遙感探測的結(jié)果并不能直接說明地質(zhì)活動對水體的影響，且Sentienl-2衛(wèi)星在軌時間短，影像數(shù)據(jù)年限少，年際間水體變化規(guī)律，特別是局部水體的水量平衡模式與氣溫、降水變化規(guī)律的耦合機制可能也存在較大的不確定性，地質(zhì)構(gòu)造活動對水體影響的異常變化遙感監(jiān)測及影響的定量化分析等都是未來需要繼續(xù)討論的主題。

5 結(jié)束語

本研究在GEE平臺的支持下，基于Sentinel-2A/B衛(wèi)星數(shù)據(jù)構(gòu)建水體指數(shù)，利用OTSU算法確定水體提取的分割閾值，基于目視判讀和混淆矩陣選擇最優(yōu)指數(shù)提取水體，并依據(jù)提取結(jié)果對2018—2021年研究區(qū)水體動態(tài)變化進行分析。主要結(jié)論包括：1）基于Sentinel-2A/B遙感數(shù)據(jù)構(gòu)建8種水體指數(shù)中B3B5波段組合的水體信息提取結(jié)果精度最高。2）對瑪多地震前后水體變化進行探測，發(fā)現(xiàn)2018—2021年研究區(qū)水體未探測到新增與消失，僅存擴張或收縮，且地表水體面積總體上呈先擴張后收縮的趨勢。但是，對局部水體來說，并不完全遵循這一規(guī)律，且彼此存在差異。3）氣候變化要素中氣溫和降水的變化規(guī)律并不能很好地解釋局部水體的變化規(guī)律，因此，地質(zhì)構(gòu)造活動，特別是大地震的發(fā)生，確實對水體的變化存在影響。

感謝青海師范大學(xué)地理科學(xué)學(xué)院/青海省人民政府-北京師范大學(xué)大學(xué)高原科學(xué)與可持續(xù)發(fā)展研究院周強教授提供的野外調(diào)查資料。

[1] 吳慶雙, 汪明秀, 申茜, 等. Sentinel-2遙感圖像的細小水體提取[J]. 遙感學(xué)報, 2022, 26(4): 781-794. WU Qingshuang, WANG Mingxiu, SHEN Qian, et al. Small Water Body Extraction Method Based on Sentinel-2 Satallite Multi-spectral Remote Sensing Image[J]. National Remote Sensing Bulletin, 2022, 26(4): 781-794. (in Chinese)

[2] 洪亮, 黃雅君, 楊昆, 等. 復(fù)雜環(huán)境下高分二號遙感影像的城市地表水體提取[J]. 遙感學(xué)報, 2019, 23(5): 871-882. HONG Liang, HUANG Yajun, YANG Kun, et al. Study on Urban Surface Water Extraction from Heterogeneous Environments Using GF-2 Remotely Sensed Images[J]. National Remote Sensing Bulletin, 2019, 23(5): 871-882. (in Chinese)

[3] 段秋亞, 孟令奎, 樊志偉, 等. GF-1衛(wèi)星影像水體信息提取方法的適用性研究[J]. 國土資源遙感, 2015, 27(4): 79-84. DUAN Qiuya, MENG Lingkui, FAN Zhiwei, et al. Applicability of the Water Information Extraction Method Based on GF-1 Image[J]. Remote Sensing of Natural Resources, 2015, 27(4): 79-84. (in Chinese)

[4] 楊瑩, 阮仁宗. 基于TM影像的平原湖泊水體信息提取的研究[J]. 遙感信息, 2010(3): 60-64. YANG Ying, RUAN Renzong. Extraction of Plain Lake Water Body Based on TM Imagery[J]. Remote Sensing Information, 2010(3): 60-64. (in Chinese)

[5] 希麗娜依·多來提, 阿里木江·卡斯木, 如克亞·熱合曼, 等. 基于四種水體指數(shù)的艾比湖水面提取及時空變化分析[J]. 長江科學(xué)院院報, 2022, 39(10): 134-140. DOLAITI Xilinayi, KASMU Alimujiang, REHEMAN Rukeya, et al. Water Body Extraction of Ebinur Lake Based on Four Water Indexes and Analysis of Spatial-temporal Changes[J]. Journal of Yangtze River Scientific Research Institute, 2022, 39(10): 134-140. (in Chinese)

[6] 曹子榮.基于SVM監(jiān)督分類的水體信息提取研究[J].測繪標(biāo)準(zhǔn)化,2013,29(3):30-32. CAO Zirong. On Water Body Information Extraction Based on SVM Supervised Classification[J]. Standardization of Surveying and Mapping, 2013, 29(3): 30-32. (in Chinese)

[7] 黃海波,趙萍,陳志英,等.ASTER遙感影像水體信息提取方法研究[J].遙感技術(shù)與應(yīng)用,2008,23(5):525-528, 485.HUANG Haibo, ZHAO Ping, CHEN Zhiying, et al. Research on the Method of Extracting Water Body Information from ASTER Remote Sensing Image[J]. Remote Sensing Technology and Application, 2008, 23(5): 525-528, 485. (in Chinese)

[8] 林卉, 邵聰穎, 李海濤, 等. 高分辨率遙感影像5種面向?qū)ο蠓诸惙椒▽Ρ妊芯縖J]. 測繪通報, 2017(11): 17-21.LIN Hui, SHAO Congying, LI Haitao, et al. Five Object-oriented Classification Methods Analysis Based on High-resolution Remote Sensing Image[J]. Bulletin of Surveying and Mapping, 2017(11): 17-21. (in Chinese)

[9] 徐涵秋. 水體遙感指數(shù)研究進展[J]. 福州大學(xué)學(xué)報(自然科學(xué)版), 2021, 49(5): 613-625. XU Hanqiu. Development of Remote Sensing Water Indices: A Review[J]. Journal of Fuzhou University(Natural Science Edition), 2021, 49(5): 613-625. (in Chinese)

[10] COLDITZ R R, TROCHE SOUZA C, VAZQUEZ B, et al. Analysis of Optimal Thresholds for Identification of Open Water Using MODIS-derived Spectral Indices for Two Coastal Wetland Systems in Mexico[J]. Intertional Journal of Applied Earth Observation and Geoinformation, 2018, 70: 13-24.

[11] 胡汝驥,馬虹,樊自立,等.近期新疆湖泊變化所示的氣候趨勢[J].干旱區(qū)資源與環(huán)境,2002, 16(1): 20-27. HU Ruji, MA Hong, FAN Zili, et al. The Climate Trend Demonstrated by Changes of the Lakes in XinJiang Since Recent Yesar[J]. Journal of Arid Land Resources and Environment, 2002, 16(1): 20-27. (in Chinese)

[12] 李均力, 盛永偉. 1976—2009年青藏高原內(nèi)陸湖泊變化的時空格局與過程[J]. 干旱區(qū)研究, 2013, 30(4): 571-581. LI Junli, SHENG Yongwei. Spatiotemporal Pattern and Process of Inland Lake Change in the Qinghai-Tibetan Plateau during the Period 1976-2009[J]. Arid Zone Research, 2013, 30(4): 571-581. (in Chinese)

[13] 張國慶, 王蒙蒙, 周陶, 等. 青藏高原湖泊面積、水位與水量變化遙感監(jiān)測研究進展[J]. 遙感學(xué)報, 2022, 26(1): 115-125. ZHANG Guoqing, WANG Mengmeng, ZHOU Tao, et al. Progress in Remote Sensing Monitoring of Lake Area, Water Level, and Volume Changes on the Tibetan Plateau[J]. National Remote Sensing Bulletin, 2022, 26(1): 115-125. (in Chinese)

[14] 潘桂棠,王立全,尹福光,等. 青藏高原形成演化研究回顧、進展與展望[J]. 沉積與特提斯地質(zhì),2022,42(2):151-175.PAN Guitang, WANG Liquan, YIN Fuguang, et al. Researches on Geological-tectonic Evolution of Tibetan Plateau: A Review, Recent Advances, and Directions in Future[J]. Sedimentary Geology and Tethyan Geology, 2022, 42(2): 151-175. (in Chinese)

[15] 金章東, Hilton R G, West A J, 等. 地震滑坡在活躍造山帶侵蝕和風(fēng)化中的作用: 進展與展望[J]. 中國科學(xué): 地球科學(xué), 2022, 52(2): 222-237. JIN Zhangdong, HILTON R G, WEST A J, et al. The Role of Earthquake-induced Landslides in the Erosion and Weathering form Active Mountain Ranges: Progress and Perspectives[J]. Scientia Sinica(Terrae), 2022, 52(2): 222-237. (in Chinese)

[16] 潘家偉, 白明坤, 李超, 等. 2021年5月22日青?，敹郙S7.4地震地表破裂帶及發(fā)震構(gòu)造[J]. 地質(zhì)學(xué)報, 2021, 95(6): 1655-1670. PAN Jiawei, BAI Mingkun, LI Chao, et al. Coseismic Surface Rupture and Seismogenic Structure of the 2021-05-22 Maduo(Qinghai)MS7.4 Earthquake[J]. Acta Geologica Sinica, 2021, 95(6): 1655-1670. (in Chinese)

[17] 李冠穩(wěn), 高曉奇, 肖能文, 等. 基于遙感技術(shù)的青海省瑪多縣生物多樣性監(jiān)測與評估[J]. 環(huán)境科學(xué)研究, 2021(10): 2419-2427. LI Guanwen, GAO Xiaoqi, XIAO Nengwen, et al. Biodiversity Monitoring and Evaluation Using Remote Sensing Technology in Maduo County, Qinghai Province[J]. Research of Environmental Sciences, 2021(10): 2419-2427. (in Chinese)

[18] 冶志強, 劉峰貴. Landsat TM/OLI遙感影像在瑪多縣近30年小型湖泊面積監(jiān)測中的應(yīng)用[J]. 青海環(huán)境, 2021, 31(2): 76-81. YE Zhiqiang, LIU Fenggui. Application of Landsat TM/OLI Remote Sensing Images in Monitoring the Area of Small Lakes in Maduo County in the Near 30 Years[J]. Journal of Qinghai Environment, 2021, 31(2): 76-81. (in Chinese)

[19] 馮鐘葵, 李曉輝. 青海湖近20年水域變化及湖岸演變遙感監(jiān)測研究[J]. 古地理學(xué)報, 2006(1): 131-141. FENG Zhongkui, LI Xiaohui. Remote Sensing Monitoring Study for Water Area Change and Lakeshore Evolution of Qinghai Lake in Last 20 Years[J]. Journal of Palaeogeography(Chinese Edition), 2006(1): 131-141. (in Chinese)

[20] 駱成鳳. 1974-2016年青海湖水面面積變化遙感監(jiān)測[J]. 湖泊科學(xué), 2017, 29(5): 1245-1253. LUO Chengfeng. Monitoring of Water Surface Area in Lake Qinghai from 1974 to 2016[J]. Journal of Lake Sciences, 2017, 29(5): 1245-1253. (in Chinese)

[21] 德吉央宗, 拉巴卓瑪, 拉巴, 等. 1975–2013年西藏佩枯錯湖面變化及分析[J]. 湖泊科學(xué), 2016, 28(6): 1338-1347. DEKEY Yangzom, LHABA Droma, LHABA, et al. Lake Area Variation of Peiku Tso(Lake) in 1975–2013 and Its Influerntial Factors[J]. Journal of Lake Sciences, 2016, 28(6): 1338-1347. (in Chinese)

[22] DEE D P, UPPALA S M, SIMMONS A J, et al. The ERA-Interim Reanalysis Configuration and Performance of the Data Assimilation System[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656): 553-597.

[23] ASHOURI H, HSU K, SOROOSHIAN, et al. PERSIANN-CDR Daily Precipitation Climate Data Record from Multi-satellite Observations for Hydrological and Climate Studies[J]. Bulletin of the American Meteorological Society, 2015, 96(1): 69.

[24] 王大釗, 王思夢, 黃昌. Sentinel-2和Landsat8影像的四種常用水體指數(shù)地表水體提取對比[J]. 國土資源遙感, 2019, 31(3): 157-165. WANG Dazhao, WANG Simeng, HUANG Chang. Comparison of Sentinel-2 Imagery with Landsat8 Imagery for Surface Water Extraction Using Four Common Water Indexes[J]. Remote Sensing for Natural Resources, 2019, 31(3): 157-165. (in Chinese)

[25] LACAUX J P, TOURRE Y M, VIGNOLLES C, et al. Classification of Ponds from High-spatial Resolution Remote Sensing: Application to Rift Valley Fever Epidemics in Senegal[J]. Remote Sensing of Environment, 2007, 106(1): 66-74.

[26] FEYISA G L, MEILBY H, FENSHOLT R, et al. Automated Water Extraction Index: A New Technique for Surface Water Mapping Using Landsat Imagery[J]. Remote Sensing of Environment, 2014, 140: 23-35.

[27] WORK E, GILMER D S. Utilization of Satellite Data for Inventorying Prairie Ponds and Lakes[J]. Photogrammetric Engineering and Remote Sensing, 1976, 42(5): 685-694.

[28] RUNDQUIST D C, LAWSON M P, QUEEN L P, et al. The Relationship between Summer-season Rainfall Events and Lake-surface Area[J]. JAWRA Journal of the American Water Resources Association, 1987, 23(3): 493-508.

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

[30] OTSU N. A Threshold Selection Method from Gray-level Histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62-66.

[31] KHAMBAMPATI A K, LIU D, KONKI S K, et al. An Automatic Detection of the ROI Using OTSU Thresholding in Nonlinear Difference EIT Imaging[J]. IEEE Sensors Journal, 2018, 18(2): 5133-5142.

[32] LIN C K. On Improvement of the Computation Speed of OTSU'S Image Thresholding[J]. Journal of Electronic Imaging, 2005, 14(2): 023011.

[33] 牛晗,伍希志. 基于大津算法連通域的松果多目標(biāo)識別定位[J]. 江蘇農(nóng)業(yè)科學(xué),2021,49(15):193-198. NIU Han, WU Xizhi. Pinecone Multi-target Identification and Location Based on Connected Domain of OTSU Algorithm[J]. Jiangsu Agricultural Sciences, 2021, 49(15): 193-198. (in Chinese)

[34] GOH T Y, BA SAH S N, YAZID H, et al. Performance Analysis of Image Thresholding: OTSU Technique[J]. Mea-surement, 2018, 114: 298-307.

[35] LI N, LV X, XU S, et al. An Improved Water Surface Images Segmentation Algorithm Based on the OTSU Method[J]. Journal of Circuits Systems and Computers, 2020, 29(15): 2050251.

[36] 沈江龍,鄭江華,尼格拉·吐爾遜,等.若羌綠洲特色林果種植信息遙感提取方法適用性分析[J].中國農(nóng)業(yè)資源與區(qū)劃,2022,43(2):206-219.SHEN Jianglong, ZHENG Jianghua, TUERXUN Nigela, et al. Applicability Analysis of Remote Sensing Extraction Method of Planting Information of Local Fruit Cropin Ruoqiang Oasis[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2022, 43(2): 206-219. (in Chinese)

[37] 戴芹,劉士彬,劉巍.基于GEE云平臺和多源數(shù)據(jù)的土地覆蓋智能分類算法對比研究[J].地理與地理信息科學(xué),2020,36(6):26-31.DAI Qin, LIU Shibin, LIU Wei. Comparison of Land Cover Intelligent Classification Algorithms Based on GEE Cloud Platform and Multi-source Data[J]. Geography and Geo-information Science, 2020, 36(6): 26-31. (in Chinese)

[38] ALLOUCHE O, TSOAR A, KADMON R. Assessing the Accuracy of Species Distribution Models: Prevalence, Kappa and the True Skill Statistic(TSS)[J]. Journal of Applied Ecology, 2006, 43(6): 1223-1232.

[39] NIU Z G, SHAN Y X, GONG P. Accuracy Evaluation of Two Global Land Cover Data Sets over Wetlands of China[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2012, XXXIX-B7: 223-228.

[40] 吳健平, 楊星衛(wèi). 遙感數(shù)據(jù)分類結(jié)果的精度分析[J]. 遙感技術(shù)與應(yīng)用, 1995, 10(1): 17-24. WU Jianping, YANG Xingwei. Accuracy Analysis of Remote Sensing Data Classification Results[J]. Remote Sensing Technology and Application, 1995, 10(1): 17-24. (in Chinese)

[41] 劉玉梅. 不同水體提取方法的提取效果比較[J]. 陜西水利, 2021(11): 104-106. LIU Yumei. Comparison of Extraction Effects of Different Water Extraction Methods[J]. Shanxi Water Resources, 2021(11): 104-106. (in Chinese)

[42] 范大昭, 雷蓉. 利用空間疊置分析探測地形圖數(shù)據(jù)庫的變化[J]. 海洋測繪, 2005, 25(2): 44-47. FAN Dazhao, LEI Rong. Detection Changes of Topographic Map Database Using Space Overlay Analysis[J]. Hydrographic Surveying and Charting, 2005, 25(2): 44-47. (in Chinese)

[43] 蘇向明, 劉志輝, 魏天鋒, 等. 艾比湖面積變化及其徑流特征變化的響應(yīng)[J]. 水土保持研究, 2016, 23(3): 252-256. SU Xiangming, LIU Zhihui, WEI Tianfeng, et al. Change of Ebinur Lake Area and Response Characteristics of the Runoff Change[J]. Research of Soil and Water Conservation, 2016, 23(3): 252-256. (in Chinese)

[44] 趙秋雨, 江鵬, 朱志強, 等. 1975—2020年環(huán)巢湖濕地景觀格局演變及驅(qū)動分析[J]. 長江科學(xué)院院報, 2022, 39(5): 45-53. ZHAO Qiuyu, JIANG Peng, ZHU Zhiqiang, et al. Evolution and Driving Analysis of Wetland Landscape Pattern Around Chaohu Lake from 1975 to 2020[J]. Journal of Yangtze River Scientific Research, 2022, 39(5): 45-53. (in Chinese)

[45] 殷翔, 李鑫, 馬震, 等. 青?，敹郙S7.4地震震害特點分析[J]. 地震工程學(xué)報, 2021, 43(4): 868-875. YIN Xiang, LI Xin, MA Zhen, et al. Characteristics of Seismic Disasters Caused by the Maduo MS7.4 Erathquake in Qinghai Province[J]. China Earthquake Engineering Journal, 2021, 43(4): 868-875. (in Chinese)

[46] XU Y, ZHANG Y, LIU R, et al. Preliminary Analyses of Landslides and Sand Liquefaction Triggered by 22 May, 2021, Maduo Mw 7.3 Earthquake on Northern Tibetan Plateau, China[J]. Landslides, 2022, 19: 155-164.

Remote Sensing Detection of Water Changes in the “5.22” Maduo Earthquake Impact Area

ZHONG Yuxi1,3XIA Xingsheng1,2,*HU Tianyu1,3PAN Yaozhong2,1

（1 Academy of Plateau Science and Sustainability, Qinghai Normal University, Xining 810016, China）（2 State Key Laboratory of Remote Sensing Science, Beijing Normal University, Beijing 100875, China）（3 School of Geographical Sciences, Qinghai Normal University, Xining 810016, China）

It is of great significance to monitor the changes of water systems and water bodies in the area mainly affected by geological activities for exploring the influence of geological activities on regional nature and society systems. With the support of the Google Earth Engine platform, based on the Sentinel-2A/B remote sensing data from July to November in 2018-2021, this paper constructed water index, which was used the OTSU algorithm to extract the water information, and detect its changes in the affected area of "5.22" Maduo earthquake. The main research results are as follows: 1) Among the eight kinds of water indexes constructed based on Sentinel-2A/B remote sensing data, the water index constructed by the combination of B3 and B5 has the best extraction result for water information, which provides a new reference for the selection of band for water index construction. 2) The changes of water bodies before and after the Maduo earthquakes were detected, and it was found that the water bodies in the study area did not increase or disappear from 2018 to 2021, only expanded or contracted. And the surface water area generally expanded first and then contracted. However, for local water bodies, this law is not completely followed. 3) Climate change cannot explain the change law of local water bodies very well. Combined with the fact of field investigation in the earthquake-affected area, it is confirmed that seismic activity did cause the change of surface water bodies.

water index; OTSU Algorithm; climate change; geological activity; multispectral sensor

N37；N39

A

1009-8518(2023)04-0125-18

10.3969/j.issn.1009-8518.2023.04.013

2022-09-14

國家自然科學(xué)基金項目（42201027，42192581）；第二次青藏高原綜合科學(xué)考察研究（2019QZKK0906，2019QZKK0603）

鐘宇茜, 夏興生, 胡天宇, 等. “5.22”瑪多地震影響區(qū)水體變化遙感探測[J]. 航天返回與遙感, 2023, 44(4): 125-142.

ZHONG Yuxi, XIA Xingsheng, HU Tianyu, et al. Remote Sensing Detection of Water Changes in the “5.22” Maduo Earthquake Impact Area[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(4): 125-142. (in Chinese)

鐘宇茜，女，1999年生，助理工程師。主要研究方向為遙感與地理信息系統(tǒng)應(yīng)用。E-mail：754572091@qq.com。

夏興生，男，1989年生，副教授。主要研究方向為資源環(huán)境遙感應(yīng)用。E-mail：xxs@qhnu.edu.cn。

（編輯：龐冰）