基于“高分四号”卫星数据的水体提取效果评价

刘明 吴玮 舒阳 范一大 李素菊 和海霞

（民政部国家减灾中心，北京100124）

基于“高分四号”卫星数据的水体提取效果评价

刘明 吴玮 舒阳 范一大 李素菊 和海霞

（民政部国家减灾中心，北京100124）

“高分四号”卫星具有静止轨道卫星高时间分辨率和中高空间分辨率的特点，可以实现对水体面积及变化的大范围实时监测，有效支撑洪涝灾害应急救助工作。为了验证其对水体面积及其变化的监测能力，文章分别利用区域生长法和水体指数法，在开展全国水体面积变化监测基础上，针对与同期“高分一号”卫星16m分辨率多光谱相机及美国Terra卫星的中分辨率成像光谱仪数据等卫星的监测结果展开对比，结果显示，与其他极轨卫星监测结果相比，“高分四号”卫星可以有效开展水体面积及变化监测。但是，鉴于“高分四号”卫星50m像元分辨率，相比更高分辨率遥感影像的水体提取结果，“高分四号”卫星数据提取的水体外部轮廓较为粗糙。在针对规模较小洪涝灾害监测方面可能存在一定误差，仍然需要再进一步开展评价。

水体面积监测 水体面积变化 应用评价 “高分四号”卫星

0 引言

洪涝灾害是影响我国的重要灾种之一，一般可以划分为洪水灾害和雨涝灾害两类。洪水灾害主要由强降雨、冰雪融化、堤坝溃决、风暴潮等原因引起江河水位上涨泛滥、山洪爆发；雨涝灾害则主要因降水过于集中而造成大量积水致使土地、房屋渍水受淹。洪涝灾害具有突发性强、持续时间短、影响重的特点，遥感技术凭借其监测范围大、实时动态性强的特点，可以对水体面积及其变化开展实时监测，在洪涝范围监测与评估中发挥越来越大的作用[1-5]。

水体识别主要基于水体的光谱特征和空间关系分析，在排除阴影等干扰信息基础上实现。现阶段水体识别的方法主要有阈值法[6]、多波段运算法[7]、谱间关系法[8]、区域生长法[9]等。阈值法主要基于水体在近红外波段、微波波段的反射率与其他地物的差异，通过图像阈值分割算法，实现对水体范围的提取[10-11]。例如利用植被指数可以将植被、土壤与水体进行有效区分[12]。多波段运算法则基于绿光、近红外波段反射率构建归一化差异水体指数，进一步抑制植被的信息而突出水体信息[13]。谱间分析法则综合考虑了水体与其他地物的波谱曲线差异[14]，通过决策树分类等方法开展水体的精确识别。区域生长法是通过人工选择纯水体像元为种子，通过相邻像元与种子像元关系来确定水体范围[15]。阈值法和多波段运算法操作简单，但却不容易消除阴影等干扰因素的影响；谱间关系法、区域生长法较为复杂，且对影像数据和模型的要求较高。

2015年12月29日，“高分四号”卫星的发射为洪涝灾害遥感监测提供了新型的数据源，也带来了新的挑战。“高分四号”卫星具有静止轨道卫星高时间分辨率和中高空间分辨率的特点，可以实现对洪涝灾害范围的实时监测，有效支撑灾害应急救助工作。为了验证其对水体面积及其变化的监测能力，“高分四号”卫星具有绿、近红外波段配置，便于基于水体指数开展水体面积提取，且区域生长法对于单独水体的提取和变化分析具有较高的效率，因此，本文将分别利用区域生长法和水体指数法，在开展普查模式下全国水体面积变化监测基础上，针对典型水体与同期其他卫星的监测结果展开对比，检验“高分四号”卫星对水体面积及变化的监测能力，从而为“高分四号”卫星数据的洪涝灾害监测业务化应用奠定基础。

1 数据与方法

1.1 “高分四号”卫星数据

“高分四号”卫星作为高分辨率对地观测系统中的一员，是全球首颗地球静止轨道中高空间分辨率卫星。“高分四号”卫星可见光近红外通道像元分辨率（星下点）达到了50m，具有蓝、绿、红、近红外4个波段，中波红外通道像元分辨率达到了400m，与仅具有百米级观测能力的传统地球静止轨道卫星相比，分辨率大幅提升。此外，“高分四号”卫星的轨道特性表明其高时间分辨率的观测特点，为灾害监测，尤其是动态变化较快的洪涝灾害水体面积变化监测提供了较好的数据支撑。

“高分四号”卫星具有凝视、区域和机动巡查三种工作模式，根据观测范围和对象变化速度而采用不同的观测方式。

洪涝灾害作为我国典型的自然灾害类型之一，具有发生速度快、影响范围广的特点。针对洪涝灾害，根据灾害影响范围的不同，较宜采用凝视或区域观测模式对灾害影响或可能影响范围实施监测，鉴于“高分四号”卫星的载荷配置，针对水体面积提取，根据研究范围的不同，较宜采用水体指数法或区域生长法实施水体面积的提取。

1.2 水体指数监测法

水体指数作为水体分布的重要依据在洪涝灾害监测中发挥着重要作用。基于水体指数的水体面积监测是典型的像元级监测方法，其根据水体波谱特性构建水体指数，并通过不同的阈值设定来提取水体面积。

“高分四号”卫星可以提供近红外、绿光通道数据，从而为归一化差异水体指数（NDWI）[16]的构建提供基础数据。

式中 ρNIR表示近红外波段反射率；ρG表示绿光波段反射率。在本文中，重点利用水体指数开展了全国及较大流域范围水体面积的整体提取，并通过与同期中分辨率成像光谱仪（MODIS）、“高分一号”卫星16m多光谱相机等数据对比来验证“高分四号”卫星的水体面积提取能力。其中，MODIS数据具有较高的数据重访能力，数据覆盖范围广，能够在较短时间内获取全国的水体提取数据，便与开展全国水体面积提取对比。“高分一号”卫星16mWFV数据是我国首颗高分系列卫星，已在灾害监测与评估中得到了广泛应用，且具有较短的重访周期，便于获取与实验相一致的数据。

1.3 区域生长法

重要水源地或典型湖泊水体面积监测是开展洪涝灾害监测与风险评估的基础工作。区域生长法，作为典型的像元间水体面积提取方法，通过判断种子点八邻域内是否为图像边沿，若是则停止在此方向上的生长。如果为否，则将此像元作为下一个种子点，继续检测种子点的八个邻域，直到所有像元的所有方向均停止生长[17-18]，完成水体面积的提取。本文中，重点选择同时期的“高分四号”卫星影像与环境减灾影像，以区域生长法为手段，判别同一水体的水体面积，开展水体面积提取对比，并对其应用到水体面积变化中进行应用效果评价。

2 结果分析

2.1全国水体提取对比

利用“高分四号”卫星数据，基于区域生长法，对全国水体分布进行提取，并与同期 MODIS观测数据进行对比，两种数据的水体监测对比见图1。假定MODIS水体识别结果为正确值，“高分四号”卫星的水体面积提取准确率达到了 94.2%，两者结果较为一致。从提取的水体整体分布而言，中东部地区洪泽湖、太湖、巢湖、洞庭湖等典型湖泊，与青海湖、西藏西部高原湖泊等大型水体的空间分布一致，但是，基于“高分四号”卫星的水体提取结果还包括了珠江、黄河的部分河道、流域内的小型水体。相比于MODIS红、近红外250m的空间分辨率，“高分四号”卫星可见光近红外像元分辨率为50m，“高分四号”卫星在空间分辨率上具有明显优势，对于空间尺度在50~250m的水体也能够较好的识别。

2.2 典型水体识别

分别选择滇池、密云水库、青海湖作为典型水体，选择同期获取的“高分四号”卫星数据和“环境减灾”卫星数据，基于区域生长法提取水体面积，见图 2。结果发现，基于“高分四号”卫星提取的三者水体面积分别为 293.3、164.8和 4382.8km2，基于同期“环境减灾”卫星提取的三者水体面积分别为282.7、180.5和4482.0km2，三者水体面积的相对偏差分别为3.9%、8.7%、2.3%。可见，“高分四号”卫星数据可以较好地提取水体，但是受限于空间分辨率，在典型水体轮廓细节上稍逊于“环境减灾”卫星数据。

图2 水体监测对比Fig.2 Comparison of water extraction

2.3 区域水体面积变化提取

为了开展基于“高分四号”卫星数据水体面积范围监测数据，选择了2016年5月、3月洞庭湖周边区域影像数据，见图3~4。在本次测试中，选择了同期的“高分一号”卫星16mWFV数据作为验证数据。

图3 洞庭湖周边区域2016年5月水体范围监测Fig.3 Water extraction in and around Dongting lake in May, 2016

在本次测试中，选择水体指数法作为水体面积的提取工具，在对比同期“高分四号”卫星、“高分一号”卫星16mWFV水体面积提取基础上，开展水体面积变化提取评价（为了便于区分，图3中，“高分四号”卫星提取的水体用深蓝色表示，“高分一号”卫星提取的水体用浅蓝色表示），结果显示，“高分四号”卫星数据水体面积提取变化与“高分一号”卫星水体面积变化量（图 4中深蓝色区域为水体面积增长区域）的相对误差为6.3%，表明“高分四号”卫星数据具有较好的水体面积变化识别能力。

图4 洞庭湖周边区域水体范围变化监测Fig. 4 Water area change in and around Dongting lake

3 结论与讨论

2015年12月29日，“高分四号”卫星的发射为洪涝灾害遥感监测提供了新型的数据源。“高分四号”卫星具有静止轨道卫星高时间分辨率的特点，可以实现对洪涝灾害范围的实时监测，有效支撑灾害应急救助工作。为了验证其对水体面积及其变化的监测能力，本文分别利用区域生长法和水体指数法，在开展普查模式下全国水体面积变化监测基础上，针对典型水体与同期其他卫星的监测结果展开对比，检验了“高分四号”卫星对水体面积及变化的监测能力。

通过与同期“环境减灾”卫星CCD数据、“高分一号”卫星16mWFV及MODIS数据对比，“高分四号”卫星可见光近红外可以提供较好的水体面积及变化监测数据，基于“高分四号”卫星数据计算的水体面积监测数据与其他极轨卫星监测结果相差不多。此外，鉴于其静止轨道高时间分辨率特点，“高分四号”卫星获取全国有效数据的效率更高，可以作为稳定有效的水体面积及变化监测数据源，有效支撑洪涝灾害范围监测工作。

但是，鉴于“高分四号”卫星50m像元分辨率，水体的外部轮廓较为粗糙，在针对规模较小洪涝灾害监测方面可能存在一定误差，仍然需要再进一步开展评价。另外，还需加强与极轨卫星在数据获取与应用中的协调应用，以便增加“高分四号”卫星数据的应用范围和效率。

References)

[1] 周成虎. 洪涝灾害遥感监测研究[J]. 地理研究, 1993, 12(2): 63-68.

ZHOU Chenghu. Research on Flood Remote Sensing[J]. Geographical Research, 1993, 12(2): 63-68. (in Chinese)

[2] 李纪人. 与时俱进的水利遥感[J]. 水利学报, 2016, 47(3): 436-442.

LI Jiren. Advance of Hydrographic Remote Sensing with Time[J]. Journal of Hydraulic Engineering, 2016, 47(3): 436-442. (in Chinese)

[3] 李香颜, 陈怀亮, 李有. 洪水灾害卫星遥感监测与评估研究综述[J]. 中国农业气象, 2009, 30(1): 102-108.

LI Xiangyan, CHEN Huailiang, LI You. A Review on Monitoring and Assessment of Flood Disaster by Satellite Remote Sensing[J]. Chinese Journal of Agrometeorology, 2009, 30(1): 102-108. (in Chinese)

[4] 魏成阶, 王世新. 遥感技术在我国洪涝灾害监测评估中的作用[J]. 中国科学院院刊, 1998, 13(6): 443-447.

WEI Chengjie, WANG Shixin. Application of Remote Sensing on the Flood Disaster Monitoring and Loss Assessment in China [J]. Bulletin of Chinese Academy of Sciences, 1998, 13(6): 443-447. (in Chinese)

[5] 廖永丰, 聂承静, 杨林生, 等. 洪涝灾害风险监测预警评估综述[J]. 地理科学进展, 2012, 31(3): 361-367.

LIAO Yongfeng, NIE Chengjin, YANG Linsheng, et al. An Overview of the Risk Assessment of Flood Disaster [J]. Progress in Geography, 2012, 31(3): 361-367. (in Chinese)

[6] 李加林, 曹罗丹, 浦瑞良. 洪涝害遥感监测评估研究综述[J]. 水利学报, 2014, 45(3): 253-260.

LI Jialin, CAO Luodan, PU Ruiliang. Progress on Monitoring and Assessment of Flood Disaster in Remote Sensing [J]. Journal of Hydraulic Engineering, 2014, 45(3): 253-260. (in Chinese)

[7] 杜云艳, 周成虎. 水体的遥感信息自动提取方法[J]. 遥感学报, 1998, 2(4): 264-269.

DU Yunyan, ZHOU Chenghu. Automatically Extracting Remote Sensing Information for Water Bodies[J]. Journal of Remote Sensing, 1998, 2(4): 264-269. (in Chinese)

[8] 李景刚, 黄诗峰, 李纪人. ENVISAT卫星先进合成孔径雷达数据水体提取研究—改进的最大类间方差阈值法[J]. 自然灾害学报, 2010, 19(3): 139-145.

LI Jinggang, HUANG Shifeng, LI Jiren. Research on Extraction of Water Body from ENVISAT ASAR Images: a Modified Otsu Threshold Method[J]. Journal of Natural Disaster, 2010, 19(3): 139-145. (in Chinese)

[9] 聂娟, 范一大, 邓磊, 等. 山洪灾害雷达遥感灾情评估技术研究与应用[J]. 自然灾害学报, 2010, 19(3): 105-110.

NIE Juan, FAN Yida, DENG Lei, et al. Research and Application of Torrential Flood Loss Assessment based on Radar Remote Sensing Technology[J]. Journal of Natural Disaster, 2010, 19(3): 105-110. (in Chinese)

[10] 李文慧, 杨斌, 黄永璘. 基于MERSI的洪涝灾害遥感监测技术应用研究[J]. 科技信息, 2012(32): 61-62.

LI Wenhui, YANG Bin, HUANG Yonglin, et al. Application of Remote Sensing on Flood Disaster Monitoring Based on MERSI[J]. Science & Technology Information, 2012(32): 61-62. (in Chinese)

[11] 郑伟, 刘闯, 曹云刚, 等. 基于Asar与TM图像的洪水淹没范围提取[J]. 测绘科学, 2007, 32(5): 180-181. ZHENG Wei, LIU Chuang, CAO Yungang, et al. Extracting the Flood Inundated Area Based on Asar and TM Image[J]. Science of Surveying and Mapping, 2007, 32(5): 180-181. (in Chinese)

[12] 裴志远, 杨邦杰. 应用NOAA图像进行大范围洪涝灾害遥感监测的研究[J]. 农业工程学报, 1999, 14(4): 203-206.

PEI Zhiyuan, YANG Bangjie. Study on Macroscopical Flood Hazard Monitoring by Remote Sensing Using NOAA Image[J]. Transactions of the CSAE, 1999, 14(4): 203-206. (in Chinese)

[13] PROFETI G, MACINTOSH H. Flood Management through LANDSAT TM and ERS SAR Data: a Case Study[J]. Hydrological Processes, 1997, 11(10): 1397-1408.

[14] 徐美, 黄诗峰, 李纪人. RS与GIS技术文持下的2003年淮河流域洪涝灾害快速监测与评估[J]. 水利水电技术, 2004, 35(5): 83-86.

XU Mei, HUANG Shifeng, LI Jiren. Rapid Monitoring and Loss Assessment of Flood Disaster in Huaihe River in 2003 Based RS and GIS Technology [J]. Water Resource and Hydropower Engineering, 2004, 35(5): 83-86. (in Chinese)

[15] 范一大, 和海霞, 李博, 等. 基于HJ-1 CCD数据的洪涝灾害范围动态监测研究——以黑龙江省抚远县为例[J]. 遥感技术与应用, 2016, 31(1): 102-108.

FAN Yida, HE Haixia, LI Bo, et al. Dynamic Flood Disaster Area Monitoring Based on HJ-1 CCD: A Case Study of Fuyuan, Heilongjiang[J]. Remote Sensing Technology and Application, 2016, 31(1): 102-108. (in Chinese)

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

[17] 唐国维, 李井辉, 刘显德, 等. 基于区域生长的道路图像分割技术研究[J]. 计算机应用与软件, 2003, 20(4): 5-6.

TANG Guowei, LI Jinghui, LIU Xiangde, et al. Research on Road Image Segmentation Based on Region Growing[J]. Computer Applications and Software, 2003, 20(4): 5-6. (in Chinese)

[18] 王蒙, 吕建平. 基于边缘检测和自动种子区域生长的图像分割算法[J]. 西安邮电大学学报, 2011, 16(6): 16-19.

WANG Meng, LV Jianping. An Image Segmentation Algorithm Based on Edge Extraction with Automatic Seeded Region Growing[J]. Journal of Xi’an University of Posts and Telecommunications, 2011, 16(6): 16-19. (in Chinese)

Evaluation of Water Extraction Based on GF-4 Satellite Data

LIU Ming WU Wei SHU Yang FAN Yida LI Suju HE Haixia

（National Disaster Reduction Center of China, Beijing 100124, China）

GF-4, which has a high temporal and moderate spatial resolution, can bring useful data for water area and its change, and would be very important to flood emergency management. In this study, the performance of GF-4 in water area monitoring had been validated through comparson with the water extraction from HJ-1 CCD, GF-1 WFV and MODIS. It is found that GF-4 had a high capability of the water area detection. However, because of its 50 meter pixel resolution, the contour of the water is not as clear as that in the images with higher spatial resolution. The performance of GF-4 for the small size flood would be more evaluated.

water area extraction; water area change; evaluation; GF-4 Satellite

TP75

: A

: 1009-8518(2016)04-0096-06

10.3969/j.issn.1009-8S518.2016.04.013

刘明，男，1985年生，2013年获北京师范大学自然灾害学专业博士学位，助理研究员。研究方向是干旱灾害遥感监测与评估。E-mail: liuming@ndrcc.gov.cn。

（编辑：陈艳霞）

2016-06-14

国家高分辩率对地观测系统重大专项 (30-Y20A04-9003-15/16，30-Y20A02-9003-15/16)