面向地理国情监测的河流面积调整系数研究

郑义，王发良，李广泳，贾云鹏

（国家基础地理信息中心，北京 100830）

1 引 言

地理国情监测是为了获取自然与人类社会经济活动引起的地表变化信息，实现地理国情信息对政府、企业和公众的服务［1］。在这项重大的国情国力调查中，很重要的一项工作就是利用各省市不同时相的影像获取的数据开展时点统一核查工作，即利用2015年3月1日至2015年6月30日时期获取的航空航天遥感影像。而监测中采用的主要数据源为优于2.5m的高分辨率航空航天遥感影像，时相以2月～10月为主。影像时相不一致，而且气候（温度、降水）在该时段变化差异较大，因此造成河流水体、植被等地表覆盖类型在该时段波动较大。需要确定调整系数将受影像时相影响较大的地理国情信息普查结果更接近同一时间的实际值，减少受影像时相影响产生的误差。从而对前期普查成果进行核准，形成符合标准时点要求的成果［1－3］。

河流作为一种重要的地表覆盖类型，是地理国情监测的重要内容之一，其面积随时空变化的信息也是气候变化预测、生态环境评估、宏观调控分析等综合统计分析中不可或缺的重要基础信息。不同时相遥感影像中的河流面积调整与修正对于普查成果的核准具有十分重要的意义。

目前，国内外学者针对河流和水体监测进行了较多的研究工作。沈占峰、骆剑承等以Landsat卫星遥感数据为数据源，在归一化差异水指数（NDWI）计算的基础上，首次提出采用高斯归一化水体指数（GNDWI）提取河流水体的模型，使得指数能够更大程度上保证河流提取的连续性，并通过DEM的辅助实现了其他干扰信息的去除［4］。慎利等提出一种空间像素模板来获取空间邻域关系，并结合Adaboost集成学习算法来实现高分辨率影像上河流的精确提取。首先，基于过滤式特征选择方法自动生成像素模板，继而构建多维特征向量，然后利用Adaboost算法实现多特征的加权集成利用提取河流［5］。曹银贵、刘正军等利用三峡库区1975年、1987年、1995年、2000年和2005年的遥感影像数据，提取各期土地利用图。以各期土地利用图为基础图件，利用GIS技术，分析了三峡库区各期土地利用类型和水体的数量、空间分布及变化趋势［6］。Lacoste C等利用非监督分类的方法，根据多边形模板提取水网，从而计算河流覆盖的面积［7］。蒙海花等以喀斯特后寨河流域为例，探讨了从数字高程模型（DEM）中提取流域特征的详细过程，包括：DEM的生成和预处理、水流方向的确定、汇流累积量分析、河网的提取和子流域的划分以及落水洞的计算。经分析得到了研究区域河网特征以及研究区其他常用的流域特征信息［8］。刘影等利用鄱阳湖星子站1951年～2008年57年长系列记录的7月份平均水位数据（该月水位一般为一年内最高月平均水位，为17.69m吴淞高程），选取与该水位最接近的洪水期Landsat ETM影像为底图，并结合鄱阳湖的圩堤分布图，确定鄱阳湖天然湿地的范围。在此基础上采用决策树分类方法分别对代表逐月状况的12幅TM／ETM遥感影像进行解译，并在结果中探讨了水体面积随时空变化的规律［9－10］。

总的来说，传统河流提取方法主要是针对一定时相、一定区域内的河流进行信息提取。缺少对不同时相影像获取的解译结果之间的关系进行研究。在前人的研究中，若采用QuickBird这类米级的高分辨率遥感影像，则研究区域相对较小，大多为县域内水体提取。若研究区扩大到省域，则遥感影像的分辨率多为TM这类10米级的中分辨率影像，监测精度有所降低。缺乏对这两种不同尺度影像所得到的解译结果之间的关系进行分析［11－15］。

结合地理国情监测的需求，主要有以下两个问题需要解决：①同一地区不同作业单位获取的遥感影像存在时相差异，以四川省、黑龙江省为例，试点区域获取的QuickBird影像的时相从2月到12月各不相同。而河流受降水、温度、蒸散发等气候因子的影响季节波动明显，河流覆盖面积年内变化符合二次多项式或高斯分布，针对不同时相得到的解译结果，需要建立不同月份水体覆盖面积之间的对应关系［16－17］。②试点区域的工作单位获取的都是以QuickBird为主的高分辨率遥感影像。高分辨率的遥感影像能够精确地提供河流数据，但是覆盖面积小、解译时需要人工辅助较多，全国范围补充相同地区不同时相的影像成本较高。而以Landsat ETM为代表的中分辨率遥感影像覆盖面积大，影像获取成本低，但是精度却很难达到要求，造成了数据的不准确［18－19］。因此，为了达到大区域与高精度的统一，需要结合利用高、中分辨率影像的优势，建立不同类型影像的解译结果之间的关系。

本研究利用QuickBird和Landsat ETM两种不同分辨率的遥感影像，采用空间抽样的方法，逐步建立不同类型影像解译结果之间的调整系数（影像类别调整系数）和不同时相影像解译结果之间的调整系数（时相差异调整系数），最终建立以普查时点为目标的河流面积调整系数。

2 研究区概况与数据来源

2.1 研究区概况

降水是我国东部区域河流水源补给的主要方式，雨季时空格局、降水量大小受季风气候影响显著。雨季时空变化是造成河流水体覆盖季节波动的主要原因，降水量决定河流水位，影响河流水体覆盖面积。为了保证区域河流水体覆盖变化季节波动的一致性，本文根据我国雨季时空格局特征，综合400mm、800mm全国年平均等降水量线以及主要河流流域分布状况，将我国东部区域河流水体覆盖季节波动较一致的区域进行区划，划分为4个区域。同时根据试点数据获取的便利性，本文选择试点成果数据较丰富的四川省试点区域（图中青色椭圆圈内）和黑龙江省试点区域（图中绿色椭圆圈内）作为研究区。

2.2 数据来源

图1 全国河流水体覆盖随季节波动的分区概况

研究中选用了USGS提供的2011年2月9日和5月19日的30m分辨率Landsat ETM影像，国家基础地理信息中心提供的2011年2月11日QuickBird卫星的多光谱影像，空间分辨率为2.5m。高、中分辨率影像均有地理坐标，并统一转换为UTM／WGS－84投影。采用的非遥感数据有国家基础地理中心提供的省、地级境界及一、二级河流的矢量数据。研究还获取了全国地理国情普查四川省和黑龙江省试点区域内的河流面积（2013年5月）以进行结果评价。研究区域如图2所示。其中，底层大幅为ETM影像，上层小幅为QuickBird影像。

3 数据处理方法

3.1 总体技术流程

图2 研究区域示意图

针对地理国情普查时点统一的需求和影像时相不一致的问题，本研究以四川省和黑龙江省国情普查试点区域作为实验区，以实验区2011年2月份的QuickBird影像为基础，通过辅助2011年2月份和5月份的Landsat ETM影像，分别建立2月份的QuickBird和Landsat ETM影像中河流解译面积的调整系数（影像类别调整系数）、2月份的Landsat ETM影像和5月份的Landsat ETM影像中河流解译面积的调整系数（时相差异调整系数）。最终实现将试点区域的2月份QuickBird影像得到的河流解译面积，通过调整系数修正到时点统一查的5月份解译面积。总体技术流程如下：

图3 河流覆盖面积调整系数研究总体技术流程图

3.2 建立影像类别调整系数

在研究区选取了30个包含河流段的样本区域，分别计算样本区域在2月份QuickBird和Landsat ETM影像中的河流面积，建立相同时相、不同类别影像得到的河流解译面积之间的关系模型，确定相同时相、不同类别影像之间的河流解译面积调整系数。

第一步，对研究区的每一个样本区域采用人工解译的方式得到实验区2月份QuickBird影像中的河流覆盖面积。

第二步，对研究区的每一个样本区域，利用Landsat ETM影像采用归一化水体指数（NDWI）提取研究区河流覆盖面积。

图4 采用归一化水体指数（NDWI）提取研究区ETM影像中的河流覆盖结果

第三步，利用研究区内30个样本区域的河流提取结果建立模型，确定2月份QuickBird影像和Landsat ETM影像之间河流面积的调整系数。如图5所示。其中，YTM表示根据ETM影像自动解译出来的河流面积，XQB表示根据QuickBird影像人工解译出来的河流面积，R2表示所选样本区所呈线性关系的拟合度。

图5 QB－ETM影像河流解译面积关系示意图

3.3 建立时相差异调整系数

在四川省和黑龙江省研究区分别选取了30个和35个包含河流段的样本区域，分别计算样本区域在2月份Landsat ETM影像和5月份Landsat ETM影像中的河流面积，建立不同时相、相同类别影像得到的河流解译面积之间的关系模型，确定不同时相、相同类别影像之间的河流解译面积调整系数。

第一步，对研究区的每一个样本区域，针对2月份和5月份的Landsat ETM影像分别利用归一化水体指数（NDWI）提取研究区河流覆盖面积。

图6 TM影像样本区域示意图

第二步，利用研究区内样本区域的河流提取结果建立模型，确定2月份Landsat ETM影像和5月份Landsat ETM影像之间河流面积的调整系数。如图7所示。其中，Y5月表示根据ETM影像2011年5月自动解译出来的河流面积，X2月表示根据ETM影像2011年2月自动解译出来的河流面积，R2表示所选样本区所呈线性关系的拟合度。

图7 ETM影像水体2月～5月解译面积关系示意图

3.4 建立面积调整系数

通过3.2、3.3中提取的影像类别调整系数和时相差异调整系数，根据时点统一的要求，将2月份QuickBird影像得到的河流面积修正到5月份的河流面积。

其中，QB5月表示目标时相、即统一时点下的QuickBird影像中的河流面积，YTM表示根据TM影像自动解译出来的河流面积，Y5月表示根据TM影像2011年5月自动解译出来的河流面积。

4 结果评价

利用这种空间抽样的方法既能够充分发挥Landsat ETM这种中分辨率遥感影像覆盖区域广、影像获取成本低的特点，也能够充分利用到QuickBird影像这类高分辨率遥感影像空间分辨率高的优势，提高河流监测的精度。实验表明，在研究区内Landsat ETM影像提取的河流覆盖面积与QuickBird提取的面积结果具有显著的线性拟合关系，不同时相间的Landsat ETM影像提取的河流覆盖面积也具有较好的线性拟合关系。从而得到两种分辨率影像河流解译面积的调整系数，包括2月份的QuickBird与2月份的Landsat ETM之间的影像类别调整系数，其中四川省试验结果为1.1485，黑龙江省试验结果为1.1457。2月份的Landsat ETM影像和5月份的Landsat ETM影像之间的时相差异调整系数，其中四川省试验结果为1.1423，黑龙江省试验结果为1.1418。并由这两个模型关系根据式（1）得到研究区内河流面积从2011年2月份修正到5月份的调整系数为1.14。

最后，通过调整系数修正得到的5月份QuickBird中的河流面积与试点地区实际得到的普查面积相比较，其中四川省修正得到的5月份QuickBird中的河流面积为36.24km2，样本区实际普查的河流面积为35.18km2，修正结果面积与实际普查面积的比值约为1.03。黑龙江省修正得到的5月份QuickBird中的河流面积为47.32km2，样本区实际普查面积为49.69km2，修正结果面积与实际普查面积的比值约为1.05。

实验数据表明，该方法能够保证较好的解译精度和修正结果，且具有良好的操作性和可靠性，能够为解决国情普查结果的时点统一问题提供方法参考。

5 结束语

本文在研究了国内外遥感河流监测技术方法的基础上，提出使用高、中两种分辨率的遥感影像进行河流抽样监测，利用NDWI阈值分割法结合目视解译逐层外推，在保证河流提取精度的前提下，以较方便获取的Landsat ETM影像为辅助数据实现了2月份的QuickBird影像得到的河流面积修正为5月份的河流面积。并以四川省和黑龙江省为例，对此方法进行了检验，结果表明，该方法证明了不同时相、不同类别影像的河流提取面积之间具有一定的线性拟合关系，既保证了解译精度，又有较高的效率，具有较强的操作性，可以满足国情普查时点统一的要求。然而，此研究中不同类型、时相条件下的解译样本收集的工作量较大，只探讨和建立了2月份与5月份之间QuickBird影像和Landsat ETM影像的调整模型。在今后研究中，还需要针对其时相与统一时点建立相应的调整模型，确定调整系数，最终建立不同时相与统一时点之间的调整系数表。同时还应继续探索有效的方法，不断进行完善，不断提高遥感河流监测的精度和方法的广泛适用性。

［1］国务院第一次全国地理国情普查领导小组办公室.地理国情普查基础知识［M］.北京：测绘出版社，2013.

［2］国务院第一次全国地理国情普查领导小组办公室.地理国情普查内容与指标［M］.北京：测绘出版社，2013：1－49.

［3］国务院第一次全国地理国情普查领导小组办公室.地理国情普查数据采集技术方法［M］.北京：测绘出版社，2013.

［4］沈占峰，夏烈刚，李均力，等.采用高斯归一化水体指数实现遥感影像河流的精确提取［J］.中国图象图形学报，2013，18（4）：421－428.

［5］慎利，唐宏，王世东，等.结合空间像素模板和Adaboost算法的高分辨率遥感影像河流提取［J］.测绘学报，2013，42（3）：344－350.

［6］曹银贵，王静，刘正军，等.三峡库区近30年土地利用时空变化特征分析［J］.测绘科学，2007，32（6）：167－170，210.

［7］LACOSTE C，DESCOMBES X，ZERUBIA J.Unsupervised line network extraction in remote sensing using apolyline process［J］.Pattern Recognition，2010.1631－1641.

［8］蒙海花，王腊春，苏维词.基于DEM的流域特征提取研究—以贵州省普定县后寨河流域为例［J］.测绘科学，2010，35（4）：87－88.

［9］刘影，范娜，于秀波，等.基于RS和 GIS的鄱阳湖天然湿地边界确定及季节变化分析［J］.资源科学，2010，32（11）：2239－2245.

［10］李娜，张丽，严冬梅，等.基于CLUE－S模型的天津滨海新区土地利用变化情景模拟［J］.遥感信息，2013，28（4）：62－68，74.

［11］来玉梅，邱玉宝，傅文学，等.基于TM 影像近十年来喀什地区地表水遥感监测与分析［J］.遥感信息，2013，28（3）：50－57.

［12］曹小敏，罗明良，刘承栩.基于 ASTER－GDEM 的延河流域水系分维特征分析［J］.遥感信息，2013，2（1）：34－37.

［13］CAI S S，LIU D S，SULLA－MENASHE D.Enhancing MODIS land cover product with a spatial－temporal modeling algorithm［J］.Remote Sensing of Environment，2014，12（3）：128－136.

［14］ZHANG J L，KALACSKA M，TURNER S.Using Landsat TM record to map land cover change in southeast Yunnan of China before and during national reforestation programme［J］.International Journal of Applied Earth Observation and Geoinformation，2014，6（1）：89－94.

［15］程滔，周旭，刘若梅.面向地理国情监测的地表覆盖信息提取方法［J］.测绘通报，2013（8）：84－86.

［16］XU Y，HUANG B.Spatial and temporal classification of synthetic satellite imagery：Land cover mapping and accuracy validation［J］.Geo－spatial Information Science，2014，17（1）：1－7.

［17］刘可群，梁益同，黄靖，等.基于卫星遥感的洞庭湖水体面积变化及影响因子分析［J］.中国农业气象，2009，30（z2）：281－284.

［18］谭衢霖.鄱阳湖湿地生态环境遥感变化监测研究［D］.北京：中国科学院遥感应用研究所，2002.

［19］丁凤.基于新型水体指数（NWI）进行水体信息提取的实验研究［J］.测绘科学，2009，34（4）：155－157.