基于環(huán)境一號(hào)衛(wèi)星的吉林省松花湖2012—2020年面積變化監(jiān)測(cè)研究

摘 要：研究基于HJ-1A/1B衛(wèi)星數(shù)據(jù)對(duì)松花湖2012—2020年夏季水域面積變化進(jìn)行監(jiān)測(cè)。利用衛(wèi)星遙感專業(yè)ENVI軟件對(duì)環(huán)境星數(shù)據(jù)進(jìn)行預(yù)處理，再采用目視解譯法識(shí)別松花湖水體，并進(jìn)行不同年份松花湖水域面積的計(jì)算。最后分析松花湖2012—2020年間水域變化時(shí)空特點(diǎn)，松花湖在2012年和2013年間水體面積無明顯變化，2014—2017年水體面積變化波動(dòng)較大，該研究區(qū)2013年水體面積增大是因?yàn)榘l(fā)生區(qū)域性洪澇災(zāi)害，而2015年水體面積變化較大則是因?yàn)樵撃暾畬?duì)于豐滿水庫(kù)的規(guī)劃建設(shè)發(fā)生一定變化。2017—2020年間水體面積與范圍無明顯變化趨勢(shì)。

關(guān)鍵詞：環(huán)境星；松花湖；水體識(shí)別；目視解譯；時(shí)空變化

中圖分類號(hào)：P237 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2024）31-0038-04

Abstract： Based on HJ-1A/1B satellite data， the study monitored the changes in the summer water area of Songhua Lake from 2010 to 2020. The ENVI software of satellite remote sensing professional is used to preprocess the HJ-1A/1B satellite data， and then visual interpretation is used to identify the water body of Songhua Lake， and the water area of Songhua Lake in different years is calculated. Finally， the spatio-temporal characteristics of water changes in Songhua Lake from 2012 to 2020 are analyzed. The water area of Songhua Lake has no significant changes between 2012 and 2013， and the changes in water area fluctuated greatly from 2014 to 2017. The increase in water area in this research area in 13 years is due to the occurrence of regional floods， while the large change in water area in 2015 is due to certain changes in the government's planning and construction of Fengman Reservoir that year. There is no obvious change trend in water area and scope from 2017 to 2020.

Keywords： HJ-1A/1B satellite; Songhua Lake; water body identification; visual interpretation; spatio-temporal change

湖泊是重要的地表資源，不僅能夠調(diào)節(jié)較大水系的徑流，還能發(fā)展農(nóng)業(yè)灌溉，并且也是工業(yè)和民用的重要水源，因此監(jiān)測(cè)湖泊水域面積變化具有重要的意義。衛(wèi)星遙感以其宏觀大范圍、連續(xù)周期監(jiān)測(cè)地表的技術(shù)優(yōu)勢(shì)以及節(jié)省人力財(cái)力的經(jīng)濟(jì)優(yōu)勢(shì)廣泛用于洪水災(zāi)害的監(jiān)測(cè)，已有很多學(xué)者對(duì)我國(guó)的主要河流和湖泊洪澇災(zāi)害進(jìn)行了遙感監(jiān)測(cè)研究分析。莫偉華[1]基于EOS/MODIS的衛(wèi)星遙感數(shù)據(jù)對(duì)洪澇災(zāi)害遙監(jiān)測(cè)技術(shù)研究進(jìn)行了詳細(xì)的探索。李斌[2]基于MODIS的時(shí)間序列遙感數(shù)據(jù)對(duì)長(zhǎng)江中游洪澇災(zāi)害情況進(jìn)行了監(jiān)測(cè)和全面分析。許超等[3]同樣基于MODIS時(shí)序數(shù)據(jù)對(duì)我國(guó)洞庭湖區(qū)洪水淹沒頻率進(jìn)行了研究。也有研究學(xué)者對(duì)國(guó)外水域洪災(zāi)進(jìn)行了監(jiān)測(cè)，潘繼亞等[4]基于MODIS數(shù)據(jù)對(duì)曼谷洪水淹沒區(qū)進(jìn)行了水體信息提取。Kuenzer等[5]基于Envi-sat-ASAR-WSM時(shí)間序列的遙感數(shù)據(jù)，對(duì)湄公河三角洲洪水分布狀況及其動(dòng)態(tài)變化進(jìn)行分析。李通等[6]基于MODIS、FY3A MERSI、HJ-1A/1B CCD 和Landsat TM 這4種遙感數(shù)據(jù)監(jiān)測(cè)了湄公河下游地區(qū)2011年的洪災(zāi)淹沒面積時(shí)序變化趨勢(shì)，分析了3種不同地類的受災(zāi)面積，表明利用多源遙感衛(wèi)星數(shù)據(jù)監(jiān)測(cè)洪水范圍變化，可以獲取更多有用的信息，監(jiān)測(cè)洪災(zāi)的效率得到有效提升。

我國(guó)自主研發(fā)的國(guó)產(chǎn)衛(wèi)星環(huán)境一號(hào)也在洪水災(zāi)害監(jiān)測(cè)中發(fā)揮著重要的作用。環(huán)境星的空間分辨率是30 m，非常適用區(qū)域尺度的地表信息，水體提取。李海亮等[7]基于HJ-1A/1B CCD數(shù)據(jù)，采取3種水體提取指數(shù)對(duì)我國(guó)海南島洪澇進(jìn)行了監(jiān)測(cè)，從不同土地類型和不同區(qū)域分析了洪水的影響。陳琳等[8]利用HJ-1A/1B對(duì)2012年黃河上中游特大洪水進(jìn)行了遙感監(jiān)測(cè)，對(duì)洪水從形成到消退的全過程進(jìn)行了實(shí)時(shí)有效的監(jiān)測(cè)，為政府制定防洪救災(zāi)決策提供了有效可靠的汛情數(shù)據(jù)。本文將基于環(huán)境一號(hào)衛(wèi)星對(duì)2012—2020年間的松花湖水域面積變化進(jìn)行監(jiān)測(cè)研究及分析對(duì)比。研究得出的結(jié)論將為吉林省水利部的防洪減災(zāi)決策提供重要的理論支持。

1 研究區(qū)域概況和數(shù)據(jù)

1.1 研究區(qū)概況

松花湖是吉林省的一顆璀璨明珠，位于該省的西南部，距離市中心僅15 km。這片湖泊是由攔截松花江水建設(shè)豐滿水電站而形成的。水域廣闊無垠，水面分叉多變。湖泊全長(zhǎng)達(dá)到了200 km，其中最寬的地方約為10 km，最深處約75 m。這樣廣闊與深邃的湖區(qū)面積達(dá)到了700 km2。這片湖泊的存在，不僅為該省增添了一處壯麗的自然景觀，更以其得天獨(dú)厚的地理位置和四季分明的氣候條件，促使吉林省環(huán)境資源更好發(fā)展（圖1）。

1.2 數(shù)據(jù)源概況

研究采用的數(shù)據(jù)源來自環(huán)境一號(hào)衛(wèi)星CCD傳感器，其中包括了藍(lán)光波段、綠光波段、紅光波段和近紅外波段，環(huán)境星數(shù)據(jù)的高空分辨率為0.03 km，可以獲取全球范圍內(nèi)的高質(zhì)量數(shù)據(jù)，為環(huán)境保護(hù)、洪澇災(zāi)害監(jiān)測(cè)研究提供重要支持。在洪水泛濫，影響環(huán)境的時(shí)候，使用遙感衛(wèi)星進(jìn)行監(jiān)測(cè)具有面積覆蓋廣闊，且能夠及時(shí)高效地反饋受災(zāi)區(qū)域影像等優(yōu)勢(shì)，能夠快速定位災(zāi)害發(fā)生的位置，提高突發(fā)事件應(yīng)急處理能力。為了研究松花湖夏季面積變化，本文從中國(guó)資源衛(wèi)星應(yīng)用中心（https：//data.cresda.cn/#/home）下載了HJ-1A/1B CCD數(shù)據(jù)，由于夏季較易受到陰雨天氣的影響，篩選數(shù)據(jù)時(shí)要求研究區(qū)上空云覆蓋量小于5%，研究時(shí)選取了易于處理觀察的合格數(shù)據(jù)，分別是2012—2015年間的數(shù)據(jù)以及2017年和2020年7月的數(shù)據(jù)，共6年的數(shù)據(jù)。

2 研究方法

2.1 研究思路

為了研究歷年來松花湖水域面積的變化情況，本研究的整體：從中國(guó)資源衛(wèi)星應(yīng)用中心官網(wǎng)下載清晰、無云、分辨率高、覆蓋范圍合適的影像數(shù)據(jù)，遙感數(shù)據(jù)預(yù)處理，利用目視解譯法提取水體，通過屬性計(jì)算出水體面積，從時(shí)間序列和空間變化進(jìn)行水體分析。詳細(xì)操作過程如圖2所示。

本研究基于環(huán)境一號(hào)衛(wèi)星1A和1B遙感影像對(duì)于2012—2020年松花湖7月份水體變化情況的對(duì)比分析，從水域面積的增減和水體形態(tài)的變化對(duì)松花湖進(jìn)行監(jiān)測(cè)分析。

圖2 提取松花湖水體面積流程

2.2 數(shù)據(jù)預(yù)處理

由于環(huán)境星影像圖幅較大，首先通過裁切得到松花湖研究區(qū)的遙感影像，再利用ENVI軟件將各時(shí)相遙感影像進(jìn)行輻射定標(biāo)，把DN值轉(zhuǎn)換成為輻射亮度值，然后通過使用批量大氣校正工具，將大氣對(duì)于地物散射的大部分影響清除，地表特征能夠被更清晰地反映出來，利用植被像元大氣校正前后的光譜曲線進(jìn)行對(duì)比分析，發(fā)現(xiàn)影像大氣校正效果較好，滿足要求。圖3為大氣校正前后影像對(duì)比圖。

2.3 松花湖水體識(shí)別方法

對(duì)水體的解譯運(yùn)用了目視解譯的方法，目視解譯是一種人工解譯信息的方法，通過直接觀察、分析、理解圖像，可以快速、準(zhǔn)確地獲取資源與環(huán)境信息，使信息以直觀的方式呈現(xiàn)。

本研究通過目視解譯的方法利用ArcGIS軟件對(duì)松花湖邊界進(jìn)行數(shù)字化提取，將松花湖的水體外圍勾畫出來，最后通過屬性計(jì)算得到松花湖水域面積。

3 結(jié)果分析

3.1 時(shí)間序列分析

通過目視解譯提取出松花湖2012—2020年水域范圍，并計(jì)算了水域面積，水域面積統(tǒng)計(jì)見表1，通過水域面積折線圖（圖4）可以發(fā)現(xiàn)：松花湖在2012年和2013年間水體面積無明顯變化，2014—2017年水體面積變化波動(dòng)較大，該研究區(qū)于2013年發(fā)生區(qū)域性洪澇災(zāi)害導(dǎo)致水域面積變化增大，2015年政府對(duì)關(guān)于建設(shè)吉林省豐滿水庫(kù)的規(guī)劃進(jìn)行了決策上的調(diào)整，導(dǎo)致該研究區(qū)水體面積與范圍發(fā)生了一定的變化。2017—2020年間水體范圍變化保持相對(duì)穩(wěn)定。

3.2 空間變化分析

通過對(duì)2012—2022年松花湖遙感影像數(shù)據(jù)解譯發(fā)現(xiàn)：2012—2022年松花湖7月份湖面面積變化較明顯的一共分為A、B、C、D四個(gè)區(qū)域，面積變化最大的區(qū)域是D區(qū)，7月份是吉林省的雨季，根據(jù)降雨量的多少，水位可能有所提高或下降，在2015年松花湖的D區(qū)有明顯的干旱跡象，經(jīng)過調(diào)查分析得出2015年政府對(duì)豐滿水庫(kù)的規(guī)劃發(fā)生了一些變化（圖5）。

4 結(jié)論

本研究利用環(huán)境一號(hào)衛(wèi)星1A和1B遙感影像數(shù)據(jù)，在不同的空間尺度和時(shí)間尺度上獲得信息，能夠提供豐富的地表信息和環(huán)境監(jiān)測(cè)能力，結(jié)合目視解譯的方法對(duì)松花湖水體進(jìn)行面積計(jì)算和時(shí)空分析，得到如下結(jié)論。

從時(shí)間上看，2012和2013年間，松花湖的水體面積趨于穩(wěn)定，在2014—2017年間水體面積出現(xiàn)了明顯波動(dòng)。在2013年間該研究區(qū)由于發(fā)生了區(qū)域性洪澇災(zāi)害導(dǎo)致水體面積增大，而該研究區(qū)在2015年間，由于政府對(duì)松花湖豐滿水庫(kù)的規(guī)劃和建設(shè)發(fā)生變化，使其水體面積與范圍發(fā)生改變。

從空間上看2012—2020年松花湖7月份松花湖中部和東部區(qū)域面積變化較明顯，尤其是東部區(qū)，主要是受到干旱影響。

松花湖水域面積變化除了受到降水等氣候變化的影響，人類活動(dòng)和土地利用變化都可能對(duì)松花湖面積造成影響，因此在后續(xù)的研究中需要考慮人為因素。

參考文獻(xiàn)：

[1] 莫偉華.基于EOS/MODIS衛(wèi)星數(shù)據(jù)的洪澇災(zāi)害遙感監(jiān)測(cè)應(yīng)用技術(shù)研究[D].南京：南京信息工程大學(xué)，2006.

[2] 李斌.長(zhǎng)江中游洪澇災(zāi)害的MODIS時(shí)序監(jiān)測(cè)與分析[D].泰安：山東農(nóng)業(yè)大學(xué)，2011.

[3] 許超，蔣衛(wèi)國(guó)，萬立冬，等.基于MODIS時(shí)間序列數(shù)據(jù)的洞庭湖區(qū)洪水淹沒頻率研究[J].災(zāi)害學(xué)，2016，31（1）：96-101.

[4] 潘繼亞，王金亮.基于MODIS數(shù)據(jù)的曼谷洪水淹沒區(qū)信息提取[J]，環(huán)境科學(xué)導(dǎo)刊，2015，34（3）：116-120.

[5] KUENZER C， GUO H， HUTH J， et al. Flood mapping and flood dy-namics of the Mekong delta： Envisat-ASAR-WSM based time se-ries analyses[J]. Remote Sensing，2013，5（2）：687-715.

[6] 李通，張麗，申茜，等.湄公河下游洪災(zāi)淹沒面積多源遙感時(shí)序監(jiān)測(cè)分析[J].應(yīng)用科學(xué)學(xué)報(bào)，2016，34（1）：75-83.

[7] 李海亮，汪秀華，戴聲佩.基于環(huán)境減災(zāi)衛(wèi)星CCD數(shù)據(jù)的海南島洪澇災(zāi)害監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，17（31）：191-198.

[8] 陳琳，王琴，劉文鍇，等.黃河上中游特大洪水HJ－1衛(wèi)星遙感監(jiān)測(cè)研究[J].水利水電技術(shù)，2013，44（7）：116-124.