洞庭湖1996—2016年时空特征变化研究

谢文君 ，岳翠莹 ，张 文

（1. 水利部水利信息中心，北京 100053；2. 武汉大学遥感信息工程学院，湖北 武汉 430079）

洞庭湖1996—2016年时空特征变化研究

谢文君1，岳翠莹2，张 文2

（1. 水利部水利信息中心，北京 100053；2. 武汉大学遥感信息工程学院，湖北 武汉 430079）

以 1996—2016 年 Landsat 和高分 1 号影像为主要数据源，为了更快速且准确地从海量影像中提取水体信息，采用水体指数和阈值相结合的方法提取洞庭湖水面信息，取得很好的结果。同时，结合城陵矶站的水位数据，对洞庭湖湖区四季的时空特征、水面面积和水位之间的相关性及湖区面积时序变化特征进行定量分析。研究结果表明：1）洞庭湖水面面积季节性差异十分明显，夏季处于丰水期，表现为汪洋一片，平均湖面面积达到最大，春秋季节次之，冬季处于枯水期，平均湖面面积最小；2）水面面积和水位之间具有强烈的相关性，整体相关系数的平方达到 0.948 2；3）水面面积整体有下降趋势，其中夏、秋季节下降趋势较明显，春、冬季节较不明显。

海量数据；水体指数；阈值；相关性；时空特征变化；定量分析

0 引言

水是生命之源，水资源对于人类的生产和生活是极其重要的，而淡水湖又是人类重要的淡水源之一，因此人们对淡水湖泊的动态变化监测一直都十分关注。张克祥等[1]采用 MODIS 16 d 合成的植被指数产品，利用水体和植被在可见光和近红外波段的光谱反射差异，对鄱阳湖 2000—2011 年的湖泊面积进行变化监测；祝令亚等[2]采用环境减灾卫星影像，结合土地利用结构的变化，对太湖地区 1980—2005 年的水质变化进行相关研究。王慧等[3]对Landsat 和 MODIS 影像在洞庭湖面积变化监测中的应用进行综述，并分析三峡大坝的建立对洞庭湖水面面积的影响。目前对湖泊长时间序列的变化监测研究大多是对湖泊多年的变化情况进行整体性的分析研究，忽略了湖泊变化的季节性差异，但实际上湖泊在长时间的动态变化中，变化特征的季节性差异十分显著，且有规律可循。因此利用洞庭湖的遥感影像、数字高程模型图及实测水位数据等海量数据，分别按照春夏秋冬 4 个季节对洞庭湖 1996—2016 年的时空特征变化进行定量分析研究。

1 研究区域及数据源的分析

1.1 研究区域概况

洞庭湖是我国第二大淡水湖，位于东经 111°40′～113°10′，北纬 28°30′～29°31′，长江中游以南，湖南省北部，地理位置如图 1 所示。2003 年 6 月三峡大坝下闸，逐步开始发挥作用，随之对洞庭湖也产生了巨大的影响，为了更加全面地了解洞庭湖的变化规律和演化趋势，对洞庭湖的湖区面积和水位进行长时间序列的动态监测具有十分重要的意义。

1.2 数据源

为了更准确全面地对洞庭湖进行长时间序列的变化监测分析，选取多种来源、类型的海量数据，主要有 Landsat，高分 1 号（GF-1 号）和 DEM 等影像，以及时间分辨率为 1 d 的水文站实测数据。具体数据情况如下：

1）Landsat 和 GF-1 号影像。1996—2012 年的洞庭湖影像采用 Landsat 系列卫星影像，分辨率为 30 m，包含 7 个波段信息，由于波段信息较为丰富，不同的波段组合常被用来作水体、植被、建筑等地物的提取，或进行土壤含水量和湿度、植被含水量、水深等的反演研究。2013—2016 年影像采用 GF-1 号卫星影像，分辨率为 16 m，包含蓝、绿、红、近红外4 个波段信息，影像波段数较少，通常用来进行水体、植被的提取，同时由于 GF-1 号卫星影像分辨率较高，也可用来做土地利用分类专题图。在进行影像选择时尽可能选择云量较少、能够完全覆盖洞庭湖范围的可以代表各个季节的影像，如 4 月（春）、7 月（夏）、10 月（秋）、1 月（冬）。

图 1 洞庭湖地理位置示意图

2）数字高程模型。为结合洞庭湖区的地形特点对湖泊的变化情况进行研究，用到了洞庭湖数字高程模型影像，来源为地理空间数据云网站的GDEM V2，分辨率为 30 m，该影像数据采用一种先进的算法对 V1 版 GDEM 影像进行了改进，提高了数据的空间分辨率和高程精度。该算法重新处理了 150 万幅影像，其中的 25 万幅影像是在 V1 版GDEM 数据发布后新获取的影像，V2 版对 V1 版中存在的错误做了很好地矫正。

3）水文站实测水位数据。为进一步分析洞庭湖水面面积和水位之间的相关性，还用到了城陵矶水文站 1996—2016 年连续 21 a 的实测水位数据。城陵矶水文站位于长江中游，是长江流域已有的 135 个水文站之一，又是洞庭湖的控制站，位于洞庭湖入湖口处，在防汛测报等方面起着重要作用。结合城陵矶站的实测水位信息，可以更准确地对洞庭湖的时空特征变化做出相关分析，从而更好地将研究结果应用于实际生产、生活。

2 多源遥感影像的水体提取

常用的遥感影像水体提取方法有监督、非监督分类法，目视解译法，水体指数法等。监督分类法提取结果精度的高低依赖于样本的选取，而样本的选取需要大量的人工操作；非监督分类法的精度取决于初始类别数的设置，且分类之后需人工确定哪一类属于水体；目视解译法虽然提取结果精度高，但操作复杂，耗时过长。因此面对大量的待提取影像，这 3 种方法都不太适用，为此提出水体指数和自适应阈值法相结合的方法，可以批量对影像进行水体提取。

2.1 水体指数选取

对原始影像进行预处理后，面向不同的遥感影像数据源，采用不同的水体指数方法。常用的水体指数有 NDWI（归一化水体指数）和 MNDWI（改进后的归一化水体指数），公式如下：

式中：Rg指绿波段反射率；Rn指近红外波段反射率；Rm指中红外波段反射率。

其中 MNDWI 更适用于城镇区的水体提取，而且很容易区分阴影和水体，洞庭湖周边有很多聚集的乡镇，因此优先选取 MNDWI 指数。Landsat 系列的 TM 和 ETM + 影像有蓝、绿、红、近红外、中红外和热红外波段等，因此可以采用 MNDWI 指数进行水体提取；而 GF-1 号卫星影像只有蓝、绿、红和近红外波段，因此只能采用 NDWI 指数。

2.2 阈值选取和分析

由于需要对大量的影像进行水体提取，且每幅影像中提取水体的阈值不尽相同，因此为了更加快速准确地将所有影像中的水体提取出来，采用水体指数和自适应选取阈值法相结合的方法进行水体提取。由波段运算得到的 NDWI 或 MNDWI，水体和非水体的指数值之间差异很明显，而且位于水体和非水体临界点的值对应的像素是最少的，因此只要确定水体和非水体的临界值即水体阈值，就能很好地将水体和非水体区分开来，水体提取的流程图如图 2所示，图中 p0指根据水体指数结果确定的水体和非水体的初始临界值。1998 年 8 月 14—23 日的水体提取结果和原始影像真彩色合成后的叠加图如图 3 所示，其中白色线条边界为全国水利普查数据中的洞庭湖边界，白色线条内的深色边界为根据水利普查边界对水体提取结果进行裁剪后的结果，从图中可以看出，采用本研究提出的方法几乎可以将所有的水体全部提取出来，因此证明该算法切实可行，且效果很好。

图 2 水体提取流程图

图 3 水体提取结果与影像叠加图

3 洞庭湖的时空特性研究

3.1 洞庭湖季节性时空特征变化分析

为了更准确地对洞庭湖的时空变化特性进行定量分析研究，需要洞庭湖 1996—2016 年每年四季的水面面积和水位数据。将利用水体指数和自适应阈值相结合的方法提取到的洞庭湖各个年份的春夏秋冬四季的水面范围矢量导入 ArcGIS 中，通过地理计算工具计算出洞庭湖连续 21 a 各个季节的水面面积。然后选取位于洞庭湖入湖口之一的城陵矶水文站的实测水位数据作为洞庭湖水位数据来源，从水利部水利信息中心的实时水雨情数据库中得到的水位数据包含了洞庭湖 1996—2016 年每天的实测水位数据，但只选用跟提取水体的遥感影像日期相同的水位数据，将其结合水面面积进行相关分析研究。

洞庭湖四季的湖泊平均面积和水位情况如表 1所示，每个季节水面面积减少明显年份的湖泊水面叠加显示的结果如图 4 所示，图中深色部分为湖面面积减少的部分。从图表可以明显看出，湖区水面面积变化季节性特征显著，夏季处于丰水期，水位较高，湖面面积较大，表现为汪洋一片，平均水面面积高达 1 814 km2；春秋季节次之；冬季处于枯水期，水位低，湖面面积小，平均面积只有 568 km2，仅存在几条带状水域，这些特征跟洞庭湖流域内季节性的降雨量变化和长江汛期的影响有关。这是由于夏季降雨量偏多，湖泊水位上升，湖水向周围蔓延，湖泊面积也随之变大；秋季汛末三峡大坝开始蓄水，洞庭湖入湖水量明显减少，再加上冬季降雨量偏少，导致冬季湖泊内只有少量的湖水蓄积在地势较低的洼地内，呈带状分布，由此导致洞庭湖整体呈现出夏季一大片，冬季只有几条线的景象。

表 1 1996—2016 年洞庭湖面积、水位均值

考虑到湖泊水面分布的空间特征，从图 4 可以看出，春季湖泊面积减少地区主要位于洞庭湖西南部，夏季面积减少地区主要位于洞庭湖西南部少部分、南部偏北边和东北部部分地区，秋季面积减少地区主要位于洞庭湖西南部、南部偏北边和东北部部分地区，冬季湖泊面积变化无明显空间聚集特征。洞庭湖数字高程模型如图 5 所示，从图 5 可以发现湖泊面积减少地区的高程值都较周围地区高程值高，表明在因降雨量减少或三峡大坝蓄水而导致洞庭湖水体减少的情况下，湖泊面积从地势较高的地方开始减小。

图 4 洞庭湖四季变化显著年份湖泊面积图

图 5 洞庭湖数字高程模型图

3.2 洞庭湖水位与面积相关性分析

湖泊水位-面积曲线是湖泊最重要的形态特征之一，湖泊的水位越高，湖水向周围蔓延的范围越大，相应地湖泊的面积也就越大。湖泊水位的变化势必会对湖泊面积产生一定的影响，因此对洞庭湖水位与面积之间的相关性进行分析研究。洞庭湖1996—2016 年连续 21 a 实测水位和水面面积的散点分布图，一次线性回归直线和二次回归曲线拟合如图 6 所示。2 种模型的 R2均大于 0.9，表明洞庭湖的水位和面积之间具有极强的相关性，且 2 种模型的显著性水平值 σ 都小于 0.001，表明 2 个模型整体上是显著的，二次多项式模型的 R2略大于一次线性模型的 R2，表明二次模型的拟合效果略好于一次模型，因此可以建立洞庭湖水位和面积之间的二次曲线回归方程，方程式如下：

式中：y 指洞庭湖面积；x 指对应水位。

图 6 水位-面积回归拟合结果

通过此回归模型，可以根据洞庭湖水位对面积进行初步预测。

为了进一步研究洞庭湖 4 个季节的水位和面积之间的定量关系，分别按照春、夏、秋、冬 4 个季节对洞庭湖水位和面积进行二次回归拟合，4 个季节的拟合曲线如图 7 所示。从图 7 可以看出，洞庭湖春、夏、秋季节水位和面积之间的相关性十分强，而冬季枯水期时相关性较弱。这是由于冬季降雨量普遍偏少，湖泊内蓄积湖水较少，且都汇聚在地势低洼的地方，结合洞庭湖区的 DEM 可以看出洞庭湖地势不平坦，高低起伏，因此湖水无法向周围大面积蔓延，导致冬季水位和面积之间的相关性较弱。根据不同季节二者之间的定量关系，可以结合城陵矶水文站实测水位值和所处的季节对洞庭湖面积进行精确估算。如果面积太小，则需考虑湖泊及周围是否处于干旱状态，如处于干旱状态，应及早进行引水灌溉；如果面积太大，则需考虑是否将会发生洪涝灾害，及早进行预防和防止，尽最大可能减少经济损失和人员伤亡。

图 7 洞庭湖四季水位-面积二次回归模型图

3.3 洞庭湖水面面积时序变化分析

洞庭湖 1996—2016 年水体面积变化的整体趋势如图 8 所示，从图 8 可以看出湖区面积整体呈下降趋势，李景刚[4]等通过对洞庭湖流域年降水量变化分析和三峡水库蓄水运行前后松滋、太平和藕池三口的年径流量变化对比，发现流域内降水带来的入湖量偏少是近年来洞庭湖区水面面积减少的主要驱动因子。

图 8 洞庭湖 1996—2016 年面积变化趋势图

为进一步研究洞庭湖四季的变化情况，分别按照春、夏、秋、冬 4 个季节对洞庭湖 1996—2016 年的水面面积变化进行分析，4 个季节变化趋势拟合的回归直线如图 9 所示，其中方程式中的常数代表水面面积基数，斜率代表洞庭湖水面面积的下降趋势，斜率绝对值越大表明下降趋势越明显。从 4 个季节拟合直线方程式的常数可以看出，洞庭湖夏季水面面积最大，春秋季节次之，冬季最小。同时，结合图和方程式斜率可以看出，洞庭湖秋季水面面积下降趋势最为明显，原因是 2003 年后 9 和 10 月洞庭湖流域降水减少与三峡水库汛末蓄水同期，共同引起最终入湖水量锐减[4]，导致秋季湖泊水面面积下降迅速；夏季下降趋势较秋季弱，但也较明显，因此可以得出洞庭湖丰水期面积明显处于下降趋势的结论。春季和冬季水面面积整体来看没有太大变化，但从图 9 可以看出，2014 年春天和冬天，湖面面积明显减小；2015 和 2016 年，湖面面积大幅度回升，这是由于 2014 年秋季和冬季，降雨量显著减少，而 2015 年春天和冬天，降水量显著增多，且2016 年全国大范围降水量较多，洞庭湖面积也大幅上升，从而影响了整体趋势；2015 年之前洞庭湖春季和冬季的面积也整体处于下降趋势，但下降趋势较丰水期下降趋势弱。

图 9 洞庭湖 1996—2016 年四季面积变化

4 结语

以 Landsat 和 GF-1 号影像为数据源，提取了1996—2016 年连续 21 a 的 4 个季节的水面范围，计算了水面面积，同时结合城陵矶站的实测水位数据，对洞庭湖进行了季节性的长时间序列监测与分析，研究结果表明：

1）洞庭湖湖面面积季节性变化特征显著，夏季湖面面积最大，秋季次之，然后是春季，冬季面积最小，这些特征跟流域内季节性的降雨量变化、长江汛期及三峡大坝的调蓄作用有关。

2）洞庭湖面积和城陵矶站水位呈现显著相关性，二次曲线能最好地拟合出二者之间的关系。同时对洞庭湖 4 个季节的水位和面积的相关性分析结果表明，春、夏、秋 3 个季节二者之间的相关性较强，而冬季二者之间的相关性较弱。根据各个季节的拟合方程，可以结合实测水位值，对天气状况不好时的湖区面积进行预测，以便及早进行干旱或洪涝灾害的预防和防治。

3）洞庭湖的水面面积从 1996 年开始整体呈现缩小趋势，从 4 个季节的变化看，夏和秋季湖面面积缩小趋势较强，春和冬季面积缩小趋势较弱。

利用多源海量且类型多样的数据对洞庭湖进行长时间序列的变化监测与分析，使用 30 m 分辨率的 Landsat、16 m 分辨率的 GF-1 号的影像作为数据源，采用自适应水体阈值选取方法进行水体提取，提取速度更快，结果更好。同时结合 DEM 影像和水文站实测数据，可为后续分析和研究提供充分的数据支撑。另外，不仅在整体上对洞庭湖 21 a 的变化情况进行分析，而且分别对春、夏、秋、冬 4 个季节的情况进行具体分析，分析结果具有更好的应用价值和实际意义。

[1] 张克祥，张国庆. MODIS 监测的鄱阳湖水域面积变化研究（2000—2011 年）[J]. 东华理工大学学报（社会科学版），2013，32 (3): 390-396.

[2] 祝令亚，孙珂，王冠珠. 环境减灾卫星在太湖蓝藻水华监测中的应用[C]//第十七届中国遥感大会摘要集. 杭州：中国遥感委员会，2010: 17.

[3] 王慧，谢小魁，米胜渊，等. 基于遥感的洞庭湖面积变化及其影响研究[J]. 农业网络信息，2017 (1): 90-95.

[4] 李景刚，李纪人，黄诗峰，等. 近 10 年来洞庭湖区水面面积变化遥感监测分析[J]. 中国水利水电科学研究院学报，2010，8 (3): 201-207.

[5] 蔡青，黄璐 ，梁婕，等. 基于 MODIS 遥感影像数据的洞庭湖蓄水量估算[J]. 湖南大学学报（自然科学版），2012，39 (4): 64-69.

[6] 田伟国，彭佳栋，沈军，等. 基于 MODIS 影像序列的三峡截流前后洞庭湖面积变化序列分析 [J]. Agricultural Science & Technology, 2012, 40 (6): 1309-1313.

[7] 董静. 遥感技术在水利信息化中的应用综述[J]. 水利信息化，2015 (1): 37-41.

[8] 袁敏. 基于遥感技术的三峡工程建设对洞庭湖水面面积的影响研究[D]. 长沙：湖南大学环境科学与工程学院，2013: 35-44.

[9] 袁敏，李忠武，谢更新，等. 三峡工程调节作用对洞庭湖水面面积（2000—2010 年）的影响[J]. 湖泊科学，2014，26 (1): 37-45.

[10] 孙占东，黄群，姜加虎，等. 洞庭湖近年干旱与三峡蓄水影响分析[J]. 长江流域资源与环境，2015，24 (2):251-256.

[11] 段远斌. 基于遥感技术的塔里木河流域业务应用及展望[J]. 水利信息化，2015 (3): 10-14.

[12] 宋求明，熊立华，肖义，等. 基于 MODIS 遥感影像的洞庭湖面积与水位关系研究[J]. 节水灌溉，2011 (6): 20-23.

[13] 郭小虎，朱勇辉，渠庚. 三峡水库蓄水后江湖关系的研究[J]. 水电能源科学，2010，28 (12): 33-35.

[14] 左婕. 三峡工程建设对洞庭湖区生态环境的影响[D]. 长沙：湖南师范大学资源与环境科学学院，2012: 9-12.

[15] 龚伟，杨大文，钱群. 基于 MODIS 数据的洞庭湖水面面积估算方法[J]. 人民长江，2009，40 (14): 40-43.

[16] 赖锡军，姜加虎，黄群. 三峡工程蓄水对洞庭湖水情的影响格局及其作用机制[J]. 湖泊科学，2012，24 (2):178-184.

Study on change of temporal and spatial characteristic of Dongting Lake from 1996 to 2016

XIE Wenjun1, YUE Cuiying2, ZHANG Wen2

(1. Water Resources Information Center, the Ministry of Water Resources, Beijing 100053, China;2. College of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China)

The Landsat and GF-1 remote sensing images from 1996 to 2016 are used as the main data sources in the study. To extract water information more quickly and more accurately from the massive remote sensing images, a water data extracting method by combining water index and threshold is put forward in this paper, which turns out to be very effective. Meanwhile, combining with water level data of Chenglingji station, in order to quantitatively analyze the temporal and spatial characteristics of Dongting Lake, the correlation between lake area and water level and the characteristics of Dongting Lake area’s seasonal change，the information about water surface and water level is used together. Listed below are the conclusions in this study: 1) The area of Dongting Lake has seasonal differences. Summer is in the flood period, and the average lake area reaches to the largest. The lake area in spring and autumn is smaller than that in summer. Winter is in the dry season, and the average lake area reaches to the smallest. 2) There is a strong correlation between lake area and water level, between which the square of correlation coefficient is 0.948 2. 3) The lake area has been decreasing in recent years on the whole. And the downtrend in summer and autumn is more obvious than that in spring and winter.

massive data; water index; threshold; correlation; temporal and spatial characteristic change;quantitative analysis

P337；P208.2

A

1674-9405(2017)05-0032-07

10.19364/j.1674-9405.2017.05.007

2017-05-15

国家重点研发计划（2017YFC0405800）

谢文君（1981-），男，湖北浠水人，高级工程师，从事水利数据管理和信息系统研究及建设工作。