高分四号卫星在洪泽湖汛期水体范围变化监测中的应用

张磊

(民政部国家减灾中心，北京 100124)

洪泽湖位于我国江苏省西北部地区，湖区跨宿迁与淮安两市，是淮河中下游分界线，区域总覆盖面积约18 090 km2，为我国五大淡水湖之一[1]。作为淮河流域最大的湖泊，洪泽湖是淮河上一个极具意义的水源调蓄水库[2]，也是南水北调东线工程的重要调蓄水库[3]；同时，湖区周围分布着众多湿地，野生动植物资源丰富，是区域内重要的生态功能区，对区域社会经济发展和民生具有重要的意义和影响。受强烈的季风性气候类型影响，洪泽湖区域季节性降水频繁。在汛期，受淮河中上游强降水及本区降水影响，湖水水体面积随水位波动较大[4]，对当地居民生活安全和经济发展产生重要的影响。因此，对洪泽湖水体范围变化开展快速、有效的监测，对洪涝灾害范围识别和生态湿地系统功能监测具有重要的意义。

国内利用遥感技术开展了洪泽湖水体面积监测研究。文献[5]中利用陆地卫星-7(Landsat-7)数据，开展了辅以纹理特征的洪泽湖局部湿地信息提取研究。文献[6]中利用陆地卫星-5的专题制图仪(TM)数据，基于决策树完成了洪泽湖湿地信息的提取。文献[1]中利用多颗“陆地卫星”的TM和增强型专题制图仪(ETM)数据，研究了洪泽湖地区土地利用与景观格局演变。文献[7]中利用2003年、2008年、2013年三时相的斯波特-5(SPOT-5)、斯波特-4和高分一号(GF-1)卫星遥感影像，研究了洪泽湖河湖交汇区土地利用的变化情况。文献[4]中利用1973年、1984年、2006年3期“陆地卫星”数据，开展了洪泽湖区土地利用、覆盖变化的分析。文献[3]中利用卫星遥感技术开展淮河中下游洪泽湖水体变化研究，对1971-2001年洪泽湖岸线变化进行了定量分析。

综上所述，对防汛防洪急需的高时间分辨率洪泽湖水体范围变化监测研究较少。以往受制于卫星重访周期的影响，时间分辨率有限，不能提供及时、有效的数据实现对汛期水体范围变化的有效监测[8]。高分四号(GF-4)卫星数据具有高时间分辨率特点，对开展洪泽湖汛期前、中、后完整时期的水体范围变化监测与分析，具有明显优势。本文针对高分四号卫星数据特点，自动化提取水体范围，通过基于相关分析的变化检测算法，开展洪泽湖水体范围变化的快速提取，完成典型汛期前、中、后洪泽湖水体范围变化监测，可为区域防灾减灾与损失评估，以及旱涝转换预防提供参考。

1 高分四号卫星数据选取及分析

1.1 卫星遥感数据与水势水情

高分四号卫星是我国高分辨率对地观测系统重大专项工程的重要成果，也是我国首颗地球静止轨道高分辨率光学遥感卫星，其数据具有极高的时间分辨率(凝视模式)和超大幅宽，单景幅宽达到500 km×500 km，成像指标见表1。该卫星又具备与“陆地卫星”相似的中分辨率地物辨识能力(50 m)，卫星观测机动灵活，反应速度快，能够迅速抓住有限的观测窗口，实现对目标区域的观测，因而在减灾与应急管理中有着十分广阔的应用前景[9-10]。

本文经过数据筛选建立高分四号卫星遥感(1～5波段)洪泽湖水体范围变化监测时间序列(4时相)，数据获取时间为2016-05-11、2016-07-30、2016-08-01及2016-09-12，大体代表了湖区汛期前、中、后各时段。其蓄水量动态变化见表2[10]，数据来源于淮河水利委员会水文局按月水势通报。

表1 高分四号卫星成像指标Table 1 Imaging indexes of GF-4 satetllite

表2 2016年5-9月洪泽湖蓄水量变化Table 2 Changes of water storage in Hongze Lakefrom May to September, 2016

1.2 研究方法

1)水体提取

水体的反射光谱在可见-近红波段特征明显，且波段差异大，构建水体指数能够增加水体与非水体的可区分度，进而实现水体提取。文献[11]中利用绿色波段和近红外波段构建了归一化差异水体指数，定义如下。

INDW=(BGreen-BNIR)/(BGreen+BNIR)

(1)

式中：BGreen为绿色波段灰度值；BNIR为近红外波段灰度值。

2)空间信息辅助相关分析的变化检测

洪泽湖区域地物类型相对简单，通过混合水体指数模型方法虽然能够快速、自动地实现水体提取，但该方法是基于像素级特征开展的，因而对像素值变化敏感；而汛期内水体、淹没区等范围内往往情况复杂，导致提取结果出现图斑破碎的情况[12]。因此，监测前的难点之一在于如何实现水体提取后的数据快速合并归类。本文基于空间信息将破碎图斑进行合理有效的归并，再完成相关分析的变化检测，以解决这一问题。

(1)破碎图斑归并。通过一定的合并规则，对差异区域进行归并。本文采用面积作为考察值，差异区面积小于阈值时，认为是同一类型，对图斑进行归类。虽然该方法存在误判的情况，但对于水体范围变化监测，在一定范围内去细存粗，从应用角度上讲是合理可行的。

(2)基于相关分析的变化检测。汛期通常持续时间为十几天至几十天之间，人类活动对地表影响有限，排除水淹等自然因素影响，地表类型变化有限。对于破碎图斑归类后的数据，开展基于相关分析的变化检测。其基本思路是：①将两时相数据配准和覆盖范围统一。②选择滑动模板，本文选择3×3(像素)，模板在两幅影像对应区域同步依次自左到右、自上到下逐像元依次滑动。③新建与两影像大小分辨率一致的空白影像。④对模板区域内两时相对应像素进行相关分析。本文选用相关系数r作为判别依据，将模板内前后时相影像内的同名像素值按照顺序构建空间矢量，分别为X和Y，两者的相关系数为r。

(2)

式中：C(X,Y)为X与Y的协方差；V[X]为X的方差；V[Y]为Y的方差。

理论上，相同像元范围地表无变化，相关系数应当为1，此时新建影像对应像素值类别为先时相类别；如果超过阈值，则认为该区域发生变化，此时该像素以后时相像素值为类型，同时设置该像素为变化区域。

2 洪泽湖汛期水体范围变化分析

2.1 水体提取结果

以2016-05-11为例，开展水体提取，见图1。可以看出，自动分类主要有两类问题：①沿岸存在一定的破碎图斑，图斑归并算法能消除部分破碎图斑，未消除的少量破碎图斑在整个水体范围中占的比较少，影响有限，可以忽略不计。②近河道地区、沿湖分布的湿地及浅水区等部分地区，地物属性分类不确定。高分四号卫星具有蓝色、绿色波段，它们对水体穿透能力较强，因此在浅水区容易受到水底地物影响,出现误判。同时，由于高分四号卫星数据(中红外除外)的空间分辨率为50 m，在湿地或者水体-裸地不连续分布的区域，当面积小于2500 m2(或一定范围)时，水体与其他地物相互影响，造成一定的误判。这类误判区较破碎图斑面积大，但考虑到这类地区往往与水体区域紧密相连，很多功能属性也与水体具有一致性或关联性，因此将该区域判定为水体区域。

2.2 2016年5-9月洪泽湖水体范围变化

对汛期不同时相的洪泽湖水体提取值(周长、面积)进行分类统计，并分别计算较2016-05-11的变化率，考察在此汛期过程中水体范围整体变化情况。同时，计算岸线发育系数，见式(3)。

(3)

式中：L为洪泽湖岸线长度；A为洪泽湖水体面积。

岸线发育系数能够描述岸线的复杂程度，岸线越不规则、越曲折多变，岸线发育系数越大，这也在一定程度上有利于水面生产活动的发展，如水面养殖或水生植物生长等[3]。

表3为洪泽湖水体范围变化统计结果。

表3 洪泽湖水体范围变化统计结果(较2016-05-11)Table 3 Statistical results of water body extent changes ofHongze Lake(compared with on May 11，2016)

从统计结果可知：5月为汛前，6月淮河流域迎来最大降水，6月底7月初迎来最大洪水。2016-07-30洪泽湖水体面积达到最大，较2016-05-11增加5.8%。进入8月，洪泽湖水情平稳，因此水体面积又有所减少。而进入9月，水体面积又增加到与2016-07-30相当水平，这说明在2016-08-01后该区域内又有新的水势到来。在2016年3-9月，洪泽湖水体面积与周长在一定范围内存在线性关系(负相关)，相关系数达到了0.861(见图2)。通常，当水体面积扩大后，周长也随之增加，但是洪泽湖水体面积增大后周长却减小了，出现了湖岸褶皱填平现象(在一定范围内有效)。岸线发育系数的变化也印证了这一现象。使用同样方法，提取2017年3-5月洪泽湖水体面积与周长，情况与2016年5-9月情况类似(图2中蓝色折线)。

将各时相结果分别与2016-05-01结果和上月数据进行变化检测对比分析，见图3～7。通过数据统计(见表4)可以发现：①与汛前比，各个时相水体范围均有不同程度的变化。水体面积增加与减少也同时存在。②水体变化区域较为集中，增加、减少区域不固定，但主要集中在洪泽湖东北岸、南岸，以及部分河道地区。③各时相水体变化率(较汛前)相似，都在8.0%左右，最大达到10.5%，该月也是最大洪水所在月。

将各时相数据进行环比，可以发现：各相邻时相间水体都在发生变化，变化情况较为剧烈。特别值得注意的是2016-08-01，尽管与2016-07-30间隔仅1天，但水体面积迅速减少104.1 km2，甚至略低于2016-05-11的水体面积。这一结果与该区域由涝转旱特点一致，而且反映出由涝转旱的剧烈程度，为区域内由防涝转变为防旱工作的紧迫性提供了现实依据。在2016-09-12，发现水体面积较上一时相环比又出现大幅增加，达到汛期最大月的水体面积，这说明在中上游又有大量来水，

也说明可能新的一轮洪峰过境，需要加强水库蓄水调节。环比同样显示，增加与减少区域相对固定，如洪泽湖南岸淮河入湖区(明祖陵镇与官滩镇之间区域)，本身地势较低，水系与湿地沼泽集中分布，容易因为涨水而被淹没。

检测时相对比时相面积变化量/km2变化率/%2016-07-302016-05-11 92.85.82016-08-012016-05-11-11.3-0.72016-09-122016-05-1191.25.72016-08-012016-07-30-104.1-6.22016-09-122016-08-01102.56.5

3 结束语

本文利用高分四号卫星数据，开展2016年5-9月洪泽湖汛期前、中、后各时期水体范围变化监测，结果显示：在汛期，洪泽湖水体面积变化呈增加与减少并存情况，说明汛期内水体面积变化呈明显的动态交替变化过程。分析变化区域发现，在汛期，洪泽湖水体范围变化较为固定，集中出现在一些典型区域。同时，在汛期，在非常短的时相内(相隔1天)发生了剧烈的水体面积变化(减少)，退回到汛前水平，这也印证了该区域旱涝转换的剧烈程度，为区域内防洪防旱工作预判与准备提供了现实依据。监测数据还显示，在一定范围内，洪泽湖水体面积与周长呈线性负相关。

在数据筛选过程中发现，虽然高分四号卫星数据时间分辨率高，但因为汛期天气影响，还是有大量的数据无法使用，增加了数据筛选的困难。同时，一景数据覆盖范围大，但由于云覆盖比例筛选，可能会把对目标区域有用的数据过滤掉，从而导致数据浪费和监测时间序列不够密集。随着智能遥感技术的发展[13]，建立星上智能专题数据快速处理，利用自动化处理技术对目标水体范围迅速完成提取，由星上原始数据传输转变为仅对提取后结果传输，将大大提高卫星数据的利用效率和监测的频次，实现更为高效的汛期过程水体范围变化监测。

参考文献(References)

[1] 徐嘉兴，李钢，渠俊峰，等.洪泽湖地区土地利用与景观格局演变[J].长江流域资源与环境,2011,20(10):1211-1216

Xu Jiaxing, Li Gang, Qu Junfeng, et al. Changes of land use and landscape pattern in Hongze Lake Basin[J]. Resources and Environment in the Yangtze Basin, 2011, 20(10): 1211-1216 (in Chinese)

[2] 吴晓兵.洪泽湖60年的变迁[J].中国水利,2009(14):21-23

Wu Xiaobing. Change of Hongze Lake over 60 years[J]. China Water Resources, 2009(14): 21-23 (in Chinese)

[3] 范亚民,何华春,崔云霞,等.淮河中下游洪泽湖水域水体动态变化研究[J].长江流域资源与环境,2010,19(12):1397-1403

排卵期出血一般是在出血多、时间长才需要治疗，所以，很少数的病人才需要治疗。治疗时可以口服短效避孕药，抑制了排卵，自然不会有排卵期出血。或者使用黄体酮也可以达到类似的效果。

Fan Yamin, He Huachun, Cui Yunxia, et al. Dynamic analysis of water area in the lake of Hongze Basin[J]. Resources and Environment in the Yangtze Basin， 2010, 19(12): 1397-1403 (in Chinese)

[4] 夏双,阮仁宗,颜梅春,等.洪泽湖区土地利用/覆盖变化分析[J].遥感信息,2013，28(1):54-59

Xia Shuang, Ruan Renzong, Yan Meichun，et al. Analysis on land use/cover change in Hongze Lake[J]. Remote Sensing Information， 2013， 28(1): 54-59 (in Chinese)

[5] 张砾.辅以纹理特征的洪泽湖湿地信息提取[J].遥感信息,2010，25(3):30-34

Zhang Li. Wetland information extraction combined with texture features[J]. Remote Sensing Information, 2010，25(3): 30-34 (in Chinese)

[6] 张楼香,阮仁宗.基于决策树的洪泽湖湿地信息提取[J].测绘与空间地理信息,2015，38(2):87-91

Zhang Louxiang， Ruan Renzong. Extraction of Hongze Lake wetland information based on the decision tree[J]. Geomatics & Spatial Information Technology, 2015，38(2): 87-91 (in Chinese)

[7] 吴翼,戴蓉,徐勇峰,等.洪泽湖河湖交汇区土地利用时空动态[J].南京林业大学学报(自然科学版),2016，40(4): 22-28

Wu Yi， Dai Rong， Xu Yongfeng， et al. Spatial and temporal changes in wetland use in the meeting place of Hung-tse Lake and Huaihe River[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2016， 40(4): 22-28 (in Chinese)

[8] 佟国峰,李勇,丁伟利,等.遥感影像变化检测算法综述[J].中国图象图形学报,2015,20(12):1561-1571

Tong Guofeng， Li Yong， Ding Weili， et al. Review of remote sensing image change detection[J]. Journal of Image and Graphics，2015，20(12): 1561-1571 (in Chinese)

[9] 吴玮,秦其明,范一大,等.“高分四号”卫星数据产品减灾服务时效性测试[J].航天返回与遥感, 2016,37(4):102-109

Wu Wei, Qin Qiming, Fan Yida, et al. Timeliness testing of GF-4 satellite data product and disaster reduction application service[J]. Spacecraft Recovery & Remote Sensing, 2016, 37(4): 102-109 (in Chinese)

[10] 李果,孔祥皓,刘凤晶,等.“高分四号”卫星遥感技术创新[J].航天返回与遥感,2016, 37(4):7-15

Li Guo, Kong Xianghao, Liu Fengjing，et al. GF-4 satel-lite remote sensing technology innovation[J]. Spacecraft Recovery & Remote Sensing, 2016, 37(4): 7-15 (in Chinese)

[11] S K Mcfeeters.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

[12] 沈占锋,李均力,于新菊.基于协同计算的白洋淀湿地时序水体信息提取[J].地球信息科学学报, 2016，18(5): 690-698

Shen Zanfeng, Li Junli, Yu Xinju. Water information extraction of Baiyangdian wet land based on the colla-borative computing method [J]. Journal of Geo-Information Science, 2016，18(5): 690-698 (in Chinese)

[13] 张兵.智能遥感卫星系统[J].遥感学报,2011，15(3):415-431

Zhang Bing. Intelligent remote sensing satellite system[J]. Journal of Remote Sensing, 2011， 15(3): 415-431 (in Chinese)