GEE平臺(tái)下多源遙感影像對(duì)洪災(zāi)的監(jiān)測(cè)

劉小燕，崔耀平，史志方，付一鳴，閏亞迪，李夢(mèng)迪，李楠，劉素潔

1.河南大學(xué) 黃河中下游數(shù)字地理技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,開封 475004;2.河南省大氣污染綜合防治與生態(tài)安全重點(diǎn)實(shí)驗(yàn)室,開封 475004;3.河南大學(xué) 地理與環(huán)境學(xué)院,開封 475004;4.河南省地質(zhì)礦產(chǎn)勘查開發(fā)局第一地質(zhì)勘查院,鄭州 450001;5.河南省地球物理空間信息研究院,鄭州 450009

1 引言

如何快速獲取洪災(zāi)信息并立即采取科學(xué)、快速、準(zhǔn)確的應(yīng)急決策是應(yīng)急救援的主要任務(wù)之一。中國(guó)是一個(gè)自然災(zāi)害發(fā)生頻繁的國(guó)家，雨季時(shí)常會(huì)造成江淮等地的洪災(zāi)（李曾中 等，2000）。洪災(zāi)爆發(fā)造成大面積區(qū)域淹沒是動(dòng)態(tài)變化的，因此對(duì)洪災(zāi)區(qū)域進(jìn)行快速動(dòng)態(tài)監(jiān)測(cè)十分必要。

遙感具有高效實(shí)時(shí)等優(yōu)點(diǎn)，已經(jīng)廣泛應(yīng)用于洪災(zāi)的評(píng)估（Van Westen，2013；Boccardo和Tonolo，2015；黃淑娥 等，2003）。其中，遙感數(shù)據(jù)中的光學(xué)和雷達(dá)影像主要用于識(shí)別和監(jiān)測(cè)洪災(zāi)引起的地面結(jié)構(gòu)變化和破壞（曾玲方 等，2015；Martinis等，2018；蘇亞麗，2018；湛南渝，2020），而洪災(zāi)在破壞建筑物和基礎(chǔ)設(shè)施的同時(shí)，會(huì)導(dǎo)致停電，并減少人類活動(dòng)，這些都可能導(dǎo)致光線變化（Feeny等，2022）；一個(gè)地區(qū)的受災(zāi)程度與燈光的破壞范圍有直接關(guān)系，因此可以從夜間燈光數(shù)據(jù)中提取災(zāi)情信息（張寶軍，2018）。夜間燈光影像數(shù)據(jù)是由于人類在地表生產(chǎn)生活所產(chǎn)生的獨(dú)有信息數(shù)據(jù)（Li 等，2021）。目前，世界上應(yīng)用較多的夜間燈光數(shù)據(jù)有1976 年美國(guó)發(fā)射的國(guó)防氣象衛(wèi)星DMSP（The Defense Meteorological Program）搭載的OLS（Operational Line-Scan System）傳感器獲取夜間燈光數(shù)據(jù)（Liu 等，2012；Ma 等，2012）、2011 年美國(guó)宇航局發(fā)射的Suomi NPP 攜帶可見光近紅外成像輻射儀獲取的NPP-VIIRS（National Polar-orbiting Partnership Visible Infrared Imaging Radiometer Suite）DNB（Day/Night Band）數(shù)據(jù)（Shi等，2014；Zhao等，2018）和2018 年武漢大學(xué)團(tuán)隊(duì)發(fā)射的“珞珈一號(hào)”衛(wèi)星獲取的夜間燈光數(shù)據(jù)（厲飛 等，2021；劉權(quán)毅 等，2021）。其中DMSP/OLS 數(shù)據(jù)的空間分辨率為30 rad/s（赤道約1 km），NPP-VIIRS具有比DMSP/OLS數(shù)據(jù)更高的時(shí)空分辨率，近些年已經(jīng)廣泛被運(yùn)用于災(zāi)害評(píng)估等方面。高義等（2013）研究發(fā)現(xiàn)NPP-VIIRS DNB 數(shù)據(jù)具有實(shí)現(xiàn)人口和社會(huì)經(jīng)濟(jì)數(shù)據(jù)空間化的巨大潛力。郭磊等（2020）將夜間燈光數(shù)據(jù)與土地利用數(shù)據(jù)相結(jié)合，建立人口和社會(huì)經(jīng)濟(jì)分布模型，為流域洪災(zāi)損失評(píng)價(jià)提供手段。趙習(xí)枝（2019）利用夜間燈光數(shù)據(jù)可以反映出榆林洪災(zāi)造成的停電現(xiàn)象。Skoufias 等（2020）基于夜間燈光等數(shù)據(jù)構(gòu)建災(zāi)害指數(shù)模型，展示了如何快速找到不同災(zāi)害事件（如洪水和海嘯）在全球范圍內(nèi)的相對(duì)經(jīng)濟(jì)影響；王曉榮（2021）基于夜間燈光數(shù)據(jù)識(shí)別洪災(zāi)害前后燈光變化并對(duì)受災(zāi)人口定量評(píng)估。因此，眾多研究表明，基于夜間燈光數(shù)據(jù)研究和分析災(zāi)害的危害是可行的。

基于雷達(dá)影像監(jiān)測(cè)洪災(zāi)的運(yùn)用較普遍（孫亞勇 等，2017），因?yàn)槔走_(dá)影像不受云雨天氣的影響，但對(duì)于研究時(shí)間較短時(shí)間內(nèi)水體的連續(xù)變化仍有缺失，且無法有效區(qū)分洪災(zāi)退去短時(shí)間內(nèi)潮濕土地與水體；此外，光學(xué)影像容易受到云雨等天氣的影響，會(huì)造成洪災(zāi)關(guān)鍵時(shí)期的變化無衛(wèi)星覆蓋。同時(shí)，為了避免由于數(shù)據(jù)來源及處理方式的不同，而造成對(duì)洪災(zāi)的監(jiān)測(cè)不及時(shí)等問題的出現(xiàn)，本研究借助遙感大數(shù)據(jù)平臺(tái)GEE（Google Earth Engine）來獲取水體信息。GEE 平臺(tái)是一個(gè)全球尺度地理空間數(shù)據(jù)分析的云服務(wù)平臺(tái)，它集成了多種地理空間數(shù)據(jù)并提供了超過一千種數(shù)據(jù)類型和算子，無需下載數(shù)據(jù)就可以直接在線分析（Perilla 和Mas，2020），能夠及時(shí)高效地監(jiān)測(cè)災(zāi)害的動(dòng)態(tài)變化。

綜上所述，本研究擬結(jié)合多源、多時(shí)相遙感數(shù)據(jù)信息（Sentinel-1、Sentinel-2 和Landsat 8）從不同角度提取水體信息，從而對(duì)洪災(zāi)的變化進(jìn)行精確有效地監(jiān)測(cè)，與此同時(shí)，借助日NPP-VIIRS DNB 數(shù)據(jù)對(duì)洪災(zāi)的影響進(jìn)行有效的評(píng)估，進(jìn)而說明雷達(dá)影像、光學(xué)影像和夜間燈光數(shù)據(jù)等多源遙感數(shù)據(jù)均可在監(jiān)測(cè)洪災(zāi)中發(fā)揮重要作用，為決策者和響應(yīng)者提供支持，讓政府或公眾可以直觀地了解災(zāi)害的嚴(yán)重程度。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)域

阜陽市位于安徽省西北部，黃淮海平原南端，淮北平原西部32°25′N—34°04′N，114°52′E—116°49′E，全市總面積達(dá)10118.17 km2。阜陽市北部與黃河決口扇形地相連，南部與江淮丘崗區(qū)隔淮河相望，地勢(shì)平坦。阜陽市地勢(shì)西北高而東南低，自西北向東南略有傾斜。阜陽市南臨淮河，旱澇災(zāi)害頻繁，表現(xiàn)出氣候明顯的變異性。

2020 年7 月安徽遭遇長(zhǎng)時(shí)間大規(guī)模降雨，大部分降水都排入淮河。位于安徽省阜陽市的王家壩閘以上至淮河源頭桐柏山364 km 為淮河上游；王家壩閘以下至江蘇省洪澤湖的三河閘共490 km為淮河中游，落差僅16 m，況且淮河中游河道狹窄彎曲，支流眾多，洪水宣泄不暢。由于持續(xù)的強(qiáng)降雨，水位上漲增加了潰堤的風(fēng)險(xiǎn)，為了避免內(nèi)澇和潰堤，降低淮河主干道的壓力，進(jìn)而選擇王家壩泄洪來降低淮河水位。

2.2 研究時(shí)間

2020 年7 月20 日08：32 淮河水位到達(dá)最高29.75 m，超保證水位0.45 m，王家壩正式開閘放水，蒙洼蓄洪區(qū)啟用蓄洪。到了8 月1 日09：30，曹臺(tái)孜閘28 孔閘門全部開啟，蓄洪區(qū)正式開閘退洪。基于此，本研究將研究時(shí)間分為4段：（1）7月1 日至20 日（0701—0720，Ⅰ階段），這一階段主要是雨水聚集形成洪水的前期；（2）7 月21 日至31日（0721—0731，Ⅱ階段），這一階段是基于蒙洼蓄洪區(qū)洪水聚集期間，水體面積的變化，以及蒙洼區(qū)內(nèi)人類活動(dòng)的影響變化；（3）8月1日至25日（0801—0825，Ⅲ階段），這一階段是泄洪期間；（4）8 月26 日至31 日（0826—0831，Ⅳ階段），這一階段是研究區(qū)經(jīng)歷過暴雨洪水之后，恢復(fù)到正常生活。

2.3 數(shù)據(jù)來源與處理

日NPP-VIIRS DNB數(shù)據(jù)：該數(shù)據(jù)來自國(guó)家地球物理數(shù)據(jù)中心（https：//www.ngdc.noaa.gov/［2021-02-23］）。NPP-VIIRS DNB 數(shù)據(jù)在目前已有的夜間燈光數(shù)據(jù)中具有較高的時(shí)空分辨率，即時(shí)間分辨率為1 d，空間分辨率為500 m，但該數(shù)據(jù)沒有過濾火光、極光等噪音（Cao 等，2013），本研究平滑了噪音以提升數(shù)據(jù)精度。

云分?jǐn)?shù)據(jù)CF（Cloud Fraction）（Sihler 等，2017）是基于GEE 集成的數(shù)據(jù)集中Sentinel-5P（Shikwambana，2021）產(chǎn)品數(shù)據(jù)。Sentinel-5P是歐洲航天局于2017 年發(fā)射的一顆全球大氣污染監(jiān)測(cè)衛(wèi)星。衛(wèi)星搭載的對(duì)流層觀測(cè)儀TROPOMI（Tropospheric Monitoring Instrument）加強(qiáng)了云的觀測(cè)。衛(wèi)星掃描寬度可達(dá)2600 km，時(shí)間分辨率為1 d，空間分辨率為7 km。

水體數(shù)據(jù)是通過GEE 平臺(tái)集成的不同影像（Sentinel-1A、Sentinel-2A/2B 以及Landsat 8），并通過波段運(yùn)算提取研究區(qū)7—8 月所有水體分布數(shù)據(jù)。Sentinel-1A：Sentinel-1 作為歐洲航天局ESA（European Space Agency）哥白尼計(jì)劃于2014年4月3 日發(fā)射升空（楊魁 等，2015），經(jīng)過半年試運(yùn)營(yíng)后，2014 年10 月開始對(duì)外發(fā)布數(shù)據(jù)。單顆星軌道周期為12 d，兩顆衛(wèi)星重訪周期為6 d。它是基于C波段（微波）的成像系統(tǒng)，對(duì)水體變化的監(jiān)測(cè)有著重要意義（黃萍 等，2018；Washaya，2018）。Sentinel-2 是高分辨率多光譜成像衛(wèi)星，攜帶多光譜成像儀MSI（Multispectral Imager），一顆衛(wèi)星的重訪周期為10 d，兩顆互補(bǔ)，重訪周期為5 d。Landsat 8 是由美國(guó)航空航天局NASA（National Aeronautics and Space Administration）發(fā)射，波段1—7 和9—11 的空間分辨率為30 m，衛(wèi)星每16 d可以實(shí)現(xiàn)一次全球覆蓋。在GEE平臺(tái)下，3種傳感器獲取阜陽7—8 月所有影像共155 景影像（其中43 景為Sentinel-1、98 景Sentinel-2 和17 景為L(zhǎng)andsat 8 影像）。經(jīng)過去云和影像完整性等一系列篩選后，可用影像共78景（其中18景為Sentinel-1、48景Sentinel-2和14景為L(zhǎng)andsat 8影像）。

2.4 研究方法

2.4.1 夜間燈光指數(shù)

常用的夜間燈光指數(shù)有夜間燈光總強(qiáng)度TNL（Total Night-time Light）和綜合燈光指數(shù)CNLI（Compounded Night Light Index）（李曉雪 等，2020；李峰 等，2016）。TNL 是指行政單元內(nèi)夜間燈光DN值總和，CNLI由區(qū)域的平均夜間燈光強(qiáng)度與區(qū)域夜間燈光面積兩者決定。

式中，DNi和ni分別表示行政區(qū)域內(nèi)第i級(jí)灰度像元值和像元數(shù)；NL和AN分別代表行政區(qū)域內(nèi)像元總數(shù)和所占據(jù)的面積，A表示行政區(qū)域總面積。

2.4.2 水體提取

徐涵秋（2005）提出改進(jìn)的歸一化差分水指數(shù)MNDWI（Modified Normalized Difference Water Index）是利用Landsat 8 的綠波段和短波紅外波段識(shí)別水體。為達(dá)到精確提取水體的目的，本研究參考高分影像，通過先驗(yàn)知識(shí)和目視解譯（吳效勇 等，2020），經(jīng)過反復(fù)試驗(yàn)，最后得到最優(yōu)閾值，以確保在最大限度提取水體信息的同時(shí)降低對(duì)其他地物的誤提率（Xia 等，2019；王大釗 等，2019）。

式中，Green代表綠波段，MIR代表短波紅外波段。

Feyisa 等（2014）提出的AWEI 指數(shù)AWEI（Automatic Water Extraction Index）提取水體的精度較高，總精度可達(dá)98.01%，因此這里基于Sentinel-2影像提取水體采用AWEI指數(shù)。表達(dá)式為

式中，Blue 為藍(lán)波段；SWIR 1 和SWIR 2 為短波紅外波段。AWEInsh 用來剔除與水體容易混淆的黑色建筑地表，AWEIsh 進(jìn)一步剔除AWEInsh 中不能剔除的陰影，從而提高水體提取的精度。

基于雷達(dá)影像提取水體是利用微波范圍內(nèi)水體較低的后向散射特性來進(jìn)行識(shí)別，通常采用閾值法。本研究采用大津法（OTSU）提取水體數(shù)據(jù)（Otsu，1979）。該算法假設(shè)一副圖像由前景色和背景色組成，閾值可以將前景色和背景色盡可能的分開（王磊和段會(huì)川，2008）。

2.4.3 相關(guān)性分析

本研究將相同時(shí)間節(jié)點(diǎn)的水體面積和夜間燈光總強(qiáng)度按照時(shí)間順序，進(jìn)行相關(guān)性分析：

式中，x，y分別表示水體面積和夜間總燈光強(qiáng)度。

基于以上數(shù)據(jù)及方法對(duì)研究區(qū)水體的變化和夜間燈光變化進(jìn)行分析（圖2），綜合分析和評(píng)估多源遙感數(shù)據(jù)對(duì)災(zāi)害監(jiān)測(cè)能力。

3 研究結(jié)果

3.1 夜間燈光指數(shù)變化分析

受7—8月云雨等天氣的影響，阜陽夜間燈光數(shù)據(jù)的質(zhì)量不佳，為了避免此影響，本研究對(duì)夜間燈光數(shù)據(jù)進(jìn)行預(yù)處理，設(shè)置云分?jǐn)?shù)據(jù)<0.3 為無云（Kato等，2011），之后與NPP-VIIRS DNB數(shù)據(jù)進(jìn)行疊加分析，并參考7—8月降雨量，篩選出阜陽7—8月無云或少云的夜間燈光數(shù)據(jù)（圖3）。之后，分別統(tǒng)計(jì)4個(gè)時(shí)間段內(nèi)夜間燈光數(shù)據(jù)的平均值，最終獲得4 幅精度較高的夜間燈光數(shù)據(jù)（圖4）。這樣做有兩個(gè)優(yōu)點(diǎn)：首先對(duì)多幅影像數(shù)據(jù)求平均可以填補(bǔ)由于噪音的干擾產(chǎn)生的空值；其次，由于掃描角度的差異和大氣的影響導(dǎo)致夜間燈光數(shù)據(jù)的強(qiáng)度發(fā)生波動(dòng)，通過求相近時(shí)間段夜間燈光的平均值可以平滑這些波動(dòng)。但是由于7 月21 日至31 日持續(xù)的強(qiáng)降雨導(dǎo)致這一時(shí)間段的夜間燈光數(shù)據(jù)質(zhì)量較差，最終挑選出兩幅噪音相對(duì)于其他時(shí)間較小的夜間燈光數(shù)據(jù)（0724、0731），7 月24 日阜陽北部和7 月31 日南部夜間燈光噪音較大，將兩幅影像無噪音地區(qū)進(jìn)行拼接能夠彌補(bǔ)該時(shí)段內(nèi)數(shù)據(jù)缺失。

統(tǒng)計(jì)阜陽、阜陽城鄉(xiāng)區(qū)及非城鄉(xiāng)區(qū)4個(gè)時(shí)間段的夜間燈光指數(shù)（TNL 指數(shù)和CNLI 指數(shù)）（圖5）。從圖5（a）中的TNL 指數(shù)看出，阜陽的TNL 指數(shù)最高，特別是Ⅰ階段，TNL 指數(shù)達(dá)到了16373；蒙洼蓄洪區(qū)的夜間燈光指數(shù)最低，最低為Ⅲ階段的808。從4 個(gè)階段的TNL 指數(shù)變化中可以看出：4 個(gè)區(qū)域的Ⅰ階段的TNL 指數(shù)高于其他階段，Ⅱ、Ⅲ階段處于低值，到了Ⅳ階段，TNL 指數(shù)升高。從圖5（b）中的CNLI 指數(shù)看出，阜陽及非城鄉(xiāng)區(qū)的CNLI 指數(shù)值較小，且兩者的變化趨勢(shì)為：Ⅰ至Ⅲ階段指數(shù)持續(xù)減小，到了Ⅳ階段指數(shù)增大；而城鄉(xiāng)區(qū)及蒙洼蓄洪區(qū)的CNLI 指數(shù)值相對(duì)較高，兩者的變化趨勢(shì)分別為：城鄉(xiāng)區(qū)的CNLI 指數(shù)Ⅰ至Ⅱ階段急劇減小，之后兩個(gè)階段指數(shù)增大；蒙洼蓄洪區(qū)Ⅰ至Ⅲ階段指數(shù)逐漸減小，到了Ⅳ階段指數(shù)增大。

綜合兩個(gè)指數(shù)變化可以看出蒙洼蓄洪區(qū)的夜間燈光指數(shù)的變化為：Ⅰ至Ⅲ階段指數(shù)持續(xù)減小，到了Ⅳ階段指數(shù)有所增大；其變化趨勢(shì)與水體的變化趨勢(shì)相悖：即夜間燈光指數(shù)Ⅰ階段處于高值，Ⅱ、Ⅲ階段處于低值，到了Ⅳ階段指數(shù)增大；水體變化為Ⅰ階段處于低值，Ⅱ、Ⅲ階段水體面積到達(dá)最大值，到了Ⅳ階段水體面積減小。

3.2 水體數(shù)據(jù)分析

3.2.1 水體精度驗(yàn)證

采用AWEI 指數(shù)方法分別基于GEE 平臺(tái)和GIS軟件提取Sentinel-2 2020 年8 月17 日的水體信息。圖中藍(lán)色水體為兩種平臺(tái)共同提取的部分，紅色部分為基于GIS 軟件提取出來的多余部分水體信息。通過細(xì)節(jié)對(duì)比發(fā)現(xiàn)，基于GIS軟件提取的水體信息更加完整，但這樣造成狹小道路信息無法剔除，而基于GEE 平臺(tái)具有處理數(shù)據(jù)方便快捷且可以剔除非水體的細(xì)節(jié)等優(yōu)點(diǎn)，能夠?qū)O端事件做出快速及時(shí)的反應(yīng)，因此本研究通過GEE 平臺(tái)對(duì)洪水進(jìn)行快速高效監(jiān)測(cè)（圖6）。

本研究首先驗(yàn)證了Sentinel-1A 提取水體精度，這里用2020 年7 月20 日Sentinel-1A 提取的水體面積為660.22km2，國(guó)家對(duì)地觀測(cè)科學(xué)數(shù)據(jù)中心（http：//39.106.90.21/［2021-02-23］）提供的安徽阜陽市2020 年7 月20 日水體面積為657.8 km2，說明基于Sentinel-1A 提取水體效果較好，且能夠清晰表達(dá)出水體的分布，盡管在部分區(qū)域提取的水體邊界效果不佳（圖7（a）），且洪水退去的短時(shí)間內(nèi)土壤濕度較高，容易造成水體提取過大?；诖?，為了驗(yàn)證基于GEE 提取水體的精度，分別選擇3 種傳感器（Sentinel-1：8 月25 日、Sentinel-2：8 月27 日、Landsat 8：8 月28 日）提取的部分水體與高分影像（2020 年4 月9 日）進(jìn)行對(duì)比，結(jié)果顯示基于3種傳感器都能較好提取水體信息。

3.2.2 蒙洼蓄洪區(qū)水體變化統(tǒng)計(jì)分析

為了監(jiān)測(cè)蒙洼蓄洪區(qū)水體的面積變化，本研究單獨(dú)對(duì)蓄洪區(qū)范圍內(nèi)的水體進(jìn)行統(tǒng)計(jì)。由于Sentinel-1、Sentinel-2及Landsat 8對(duì)水的表現(xiàn)力度不同，因此對(duì)于不同傳感器提取的水體進(jìn)行單獨(dú)分析。Landsat 8 受限于時(shí)間跨度難以表現(xiàn)出蒙洼蓄洪區(qū)蓄洪前后水體變化。圖8（a）、（b）分別統(tǒng)計(jì)基于Sentinel-1、Sentinel-2提取的蒙洼蓄洪區(qū)水體變化，其中灰色圖框是基于Sentinel-1 提取的蒙洼蓄洪區(qū)2020 年5 月（洪災(zāi)前）水體總面積為28 km2。Ⅰ至Ⅲ階段水體面積變化趨勢(shì)為先上升后下降（圖8（a）），且Ⅱ階段水體面積到達(dá)最大值，即：7 月31 日水體面積達(dá)到323 km2，比洪水來之前的水體面積多出6 倍；對(duì)Sentinel-2 提取水體面積統(tǒng)計(jì)（圖8（b）），4個(gè)階段的水體面積變化趨勢(shì)同樣為先上升后下降，即7 月8 日蓄洪區(qū)的水體面積與洪災(zāi)前水體的面積近似，之后水體面積持續(xù)上升，到了8 月1 日蒙洼蓄洪區(qū)開始泄洪，水體面積持續(xù)降低，直至恢復(fù)至洪災(zāi)前的水平。因此，基于Sentinel-1 和Sentinel-2 提取的水體不同時(shí)間段的面積變化與蒙洼蓄洪區(qū)蓄洪和泄洪的日期一致。

3.3 夜間燈光指數(shù)與水體的綜合分析

為了更加準(zhǔn)確地了解夜間燈光與水體面積變化之間的關(guān)系，本研究選擇既有夜間燈光數(shù)據(jù)且水體數(shù)據(jù)無缺失的日期，并對(duì)夜間燈光強(qiáng)度和水體面積進(jìn)行相關(guān)性分析（圖9）。統(tǒng)計(jì)發(fā)現(xiàn)夜間燈光強(qiáng)度與水體面積變化呈負(fù)相關(guān)，且均通過顯著性檢驗(yàn)。

由于獲取阜陽東部水體時(shí)間分布較密集，為了驗(yàn)證基于多源遙感影像對(duì)洪災(zāi)的監(jiān)測(cè)和評(píng)估的能力，單獨(dú)對(duì)阜陽東部的水體面積及夜間燈光指數(shù)之間的變化關(guān)系進(jìn)行分析。

基于Sentinel-1 和Sentinel-2 兩個(gè)傳感器對(duì)阜陽東部長(zhǎng)時(shí)間序列水體面積進(jìn)行統(tǒng)計(jì)（圖10）。其中灰色部分是基于Sentinel-1 提取的阜陽東部洪災(zāi)前的水體面積，為237 km2。Ⅰ至Ⅱ階段阜陽東部水體面積逐漸增大，到了7 月31 日（Ⅱ階段末）面積到達(dá)最大值，為818 km2，與洪災(zāi)前的面積相比，面積增加了2.5 倍，之后，Ⅲ階段水體面積有所減??；基于Sentinel-2 獲取的水體Ⅰ至Ⅲ階段面積逐漸增大，Ⅳ階段面積減小。

圖1 研究區(qū)分布Fig.1 Study area

圖2 數(shù)據(jù)處理流程圖Fig.2 Flow chart

圖3 研究時(shí)間段內(nèi)無云或少云的夜間燈光數(shù)據(jù)Fig.3 Night light data with no or few clouds during the study period

圖4 4個(gè)時(shí)間段夜間燈光變化Fig.4 Night light changes in four time periods

圖5 研究區(qū)夜間燈光指數(shù)變化分析Fig.5 Analysis of changes in lighting index at night in the study area

圖6 分別基于GEE平臺(tái)和GIS軟件采用同樣方法提取水體細(xì)節(jié)對(duì)比（藍(lán)色為兩者共同提取水體信息，紅色為兩者水體之間的差異信息）Fig.6 Comparison of water body details extracted by the same method based on GEE platform and GIS software（The Blue is the water body information extracted by both，and red is the difference information between the two water bodies）

圖9 阜陽夜間燈光強(qiáng)度和水體面積的相關(guān)性分析Fig.9 Correlation analysis of night light intensity and water area in Fuyang

對(duì)阜陽東部、城鄉(xiāng)區(qū)及非城鄉(xiāng)的TNL 指數(shù)及CNLI 指數(shù)進(jìn)行統(tǒng)計(jì)分析（圖11）。阜陽東部及其非城鄉(xiāng)地區(qū)的TNL 指數(shù)變化趨勢(shì)為先下降后上升，即Ⅰ至Ⅲ階段指數(shù)持續(xù)減小，到了Ⅳ階段指數(shù)增大。而城鄉(xiāng)區(qū)Ⅰ至Ⅱ階段指數(shù)減小，之后階段指數(shù)恢復(fù)到Ⅰ階段水平。阜陽東部及其城鄉(xiāng)區(qū)和非城鄉(xiāng)區(qū)的CNLI 指數(shù)整體呈現(xiàn)出先下降后上升的趨勢(shì)，而城鄉(xiāng)區(qū)CNLI指數(shù)只有Ⅱ階段處于低值，為0.003，其余階段無明顯變化，其值在0.006 之間輕微波動(dòng)；非城鄉(xiāng)地區(qū)CNLI 指數(shù)的變化趨勢(shì)為：Ⅰ至Ⅲ階段指數(shù)逐漸減小，到了Ⅳ階段指數(shù)增大。

圖11 阜陽東部4個(gè)時(shí)間段夜間燈光指數(shù)變化分析Fig.11 Analysis of night light index changes in four time periods in eastern Fuyang

通過對(duì)阜陽東部4個(gè)階段長(zhǎng)時(shí)間序列下水體面積變化及夜間燈光指數(shù)結(jié)合分析，可以發(fā)現(xiàn)兩者的變化趨勢(shì)相悖，即夜間燈光指數(shù)變化為：Ⅰ階段的指數(shù)處于較高值，到了Ⅱ、Ⅲ階段指數(shù)處于4 個(gè)階段的低值，之后到了Ⅳ階段，指數(shù)有所增大；而水體面積變化趨勢(shì)為：Ⅰ至Ⅱ階段面積增大，Ⅲ至Ⅳ階段面積減小，充分說明了夜間燈光指數(shù)監(jiān)測(cè)洪災(zāi)動(dòng)態(tài)的可行性。

4 結(jié)論

本研究基于夜間燈光數(shù)據(jù)、Sentinel-1、Sentinel-2 以及Landsat 8 衛(wèi)星傳感器的監(jiān)測(cè)數(shù)據(jù)，并借助GEE 平臺(tái)提取阜陽7—8 月較高時(shí)間精度的水體空間分布數(shù)據(jù)，并通過水體的空間分布變化發(fā)現(xiàn)7—8 月阜陽南部水體面積變化明顯，特別是蒙洼蓄洪區(qū)，水體面積變化趨勢(shì)為先上升后下降；提取不同時(shí)間段水體的面積變化與蒙洼蓄洪區(qū)蓄洪和泄洪的日期一致。同時(shí)，洪災(zāi)影響人類活動(dòng)，可表現(xiàn)為夜間燈光強(qiáng)度的降低。本研究表明，NPP-VIIRS DNB 的日數(shù)據(jù)可以用來評(píng)估洪水的影響。然而，單純用夜間燈光數(shù)據(jù)評(píng)估洪災(zāi)目前還存在局限性：首先，洪災(zāi)總是伴隨著強(qiáng)降雨和大量云層，這影響燈光強(qiáng)度變化；其次，暴風(fēng)雨和洪水會(huì)導(dǎo)致地表反射率的變化，從而導(dǎo)致地表反射的光線減少?；诖耍瑸榱吮M可能減少這些誤差，本研究基于云分?jǐn)?shù)據(jù)，對(duì)日NPP-VIIRS DNB 數(shù)據(jù)進(jìn)行處理，經(jīng)過篩選及均值平滑等處理，最終獲得4 個(gè)時(shí)間段的4 幅夜間燈光影像，并綜合兩個(gè)夜間燈光指數(shù)（TNL 和CNLI）分析研究區(qū)夜間燈光指數(shù)變化趨勢(shì)與水體面積的變化關(guān)系，發(fā)現(xiàn)兩者的變化趨勢(shì)相反，說明經(jīng)過嚴(yán)格的夜間燈光數(shù)據(jù)處理之后，其也具備對(duì)洪災(zāi)進(jìn)行監(jiān)測(cè)及評(píng)估的能力。綜上，本研究結(jié)合了Sentinel-1 的雷達(dá)數(shù)據(jù)、Sentinel-2 和Landsat 8 以及夜間燈光的光學(xué)數(shù)據(jù)等多源遙感數(shù)據(jù)詳細(xì)的監(jiān)測(cè)了洪災(zāi)的變化過程。

洪災(zāi)是一個(gè)短時(shí)間內(nèi)的變化過程，因此其對(duì)時(shí)間要求較高，而雷達(dá)數(shù)據(jù)具有較強(qiáng)的穿透能力，它不受云雨等天氣的影響，并且具有高時(shí)空分辨率，普遍用在洪災(zāi)的監(jiān)測(cè)，即便如此也可能缺失某一關(guān)鍵時(shí)間節(jié)點(diǎn)洪災(zāi)動(dòng)態(tài)變化數(shù)據(jù)，且無法區(qū)分洪水退去后短時(shí)間內(nèi)的潮濕土壤與水體的區(qū)別，因此本研究結(jié)合了光學(xué)影像對(duì)洪水的變化情況進(jìn)行有效監(jiān)測(cè)；與此同時(shí)，夜間燈光可以通過燈光強(qiáng)度的變化來反映洪水對(duì)人們活動(dòng)的影響；此外，本研究發(fā)現(xiàn)燈光強(qiáng)度的變化與洪水變化具有較強(qiáng)的相關(guān)性，這也進(jìn)一步證明了基于夜間燈光、光學(xué)影像和雷達(dá)影像等多源遙感數(shù)據(jù)具有監(jiān)測(cè)洪災(zāi)的能力。

針對(duì)當(dāng)前頻發(fā)的極端天氣本研究旨在發(fā)現(xiàn)：對(duì)洪災(zāi)的有效監(jiān)測(cè)就需要結(jié)合多個(gè)遙感影像分析，目前大多數(shù)研究?jī)H考慮雷達(dá)影像對(duì)洪災(zāi)的監(jiān)測(cè)，這會(huì)造成某一關(guān)鍵時(shí)間節(jié)點(diǎn)數(shù)據(jù)的缺失而對(duì)監(jiān)測(cè)結(jié)果精度造成干擾。與此同時(shí)，不同遙感影像之間有各自的優(yōu)缺點(diǎn)，多源數(shù)據(jù)結(jié)合分析提高了研究時(shí)間精度和變化結(jié)果的準(zhǔn)確性。短期夜間燈光特別是每天夜間燈光的變化可以有效監(jiān)測(cè)洪災(zāi)的快速變化過程，本研究采用的夜間燈光的空間分辨率為500 m，這主要是是由于洪水的覆蓋面積較大，且洪災(zāi)造成的停電是大面積的，因此本研究并未對(duì)夜間燈光數(shù)據(jù)的分辨率進(jìn)行進(jìn)一步的優(yōu)化。本研究主要對(duì)災(zāi)后評(píng)估提供意見，后續(xù)將進(jìn)一步挖掘數(shù)據(jù)之間的融合及夜間燈光對(duì)洪水的評(píng)估能力，進(jìn)一步結(jié)合多源數(shù)據(jù)優(yōu)化精度并將研究區(qū)放在城市地區(qū)，分析鄭州市區(qū)的2021 年7.20 洪水事件的影響，以期在時(shí)間和空間上提高對(duì)災(zāi)前、災(zāi)中及災(zāi)后的實(shí)時(shí)監(jiān)測(cè)與評(píng)估的能力，為決策者和響應(yīng)者提供支持。