多源卫星测高数据监测太湖水位变化及影响分析

2021-09-24魏浩翰许仁杰周权平

自然资源遥感 2021年3期

魏浩翰，许仁杰，杨强，周权平

(1.南京林业大学土木工程学院，南京 210037；2.中国地质调查局南京地质调查中心，南京 210016)

0 引言

太湖是中国第三大淡水湖，位于中国经济发达、人口密度大、科技能力强的长江三角洲。随着人类利用水资源的能力和强度不断增加，导致太湖流域水资源发生一定程度的时空变化，太湖水位的异常变化将导致垂向水文形变、旱涝灾害等一系列现象，影响正常的农业生活与工业生产[1]。水文站点作为传统湖泊水位监测方式，受到成本、人力以及区位三方面的约束，难以获取大范围、持续实测水位数据；此外，我国地理状况复杂、水系发达，长时间和大范围湖泊数据难以实时共享。近年来，随着卫星测高技术在海平面监测中日趋成熟，相关学者不断优化算法[2-3]，卫星测高技术逐渐应用于内陆湖泊水位监测的研究。相较于水文站实地监测，卫星测高无需建立多个水文站便能做到长期、实时、持续监测，弥补缺失的实测数据。目前，国内外已有较多研究长江中下游地区[4]、青藏高原[5]、亚马孙流域[6]等区域的湖泊水位变化。由于单一卫星运行寿命有限，时间覆盖范围大多在5～10 a，故融合多源卫星测高数据可以有效延长观测时间[7-8]。由于不同卫星间运行轨道、高程基准均不同，不同研究区域选取的卫星并不固定，目前利用多源卫星测高数据监测太湖水位的研究较少。此外，结合气候变化与人类活动分析湖泊长期水位变化规律及影响因素的研究仍比较少。

综上所述，本研究融合Envisat与Cryosat-2两类卫星测高数据研究2003—2019年太湖水位变化规律，进一步结合地表气象数据与城市人口变迁数据分析湖泊水位变化的影响因素，为太湖流域生态环境稳步发展及水资源可持续利用提供参考。

1 研究区概况及数据源

1.1 研究区概况

太湖位于江苏省南部，长江三角洲南缘，横跨江苏、浙江两省，周边主要城市有苏州、无锡、湖州、嘉兴等。主湖体地理坐标为30°55′～31°32′N，119°52′～120°36′E，如图1所示。地处北亚热带气候区，温和湿润，年均水温17.1 ℃，常年平均降水量1 260 mm，常年很少结冰，湖泊平均水深1.9 m，最深处约为2.6 m，面积约为2 338 km2。湖内岛屿众多，上游有苕溪、荆溪两大水系汇水入湖，下游黄浦江是太湖最大的出水通道，太湖承担着蓄水、航运、防洪、提供生活用水的重要作用。

图1 太湖概况及数据分布图Fig.1 Overview of Taihu Lake and data distribution map

2018年太湖流域总人口14 388万人，占全国人口的10.3%，占全国GDP的18.2%，是全国人均GDP的2.2倍，水资源总量231.3亿m3。高速发展的背后带来的是对太湖的破坏，例如2007年的太湖蓝藻污染事件造成无锡全城自来水污染。在多年治理下，太湖水情有较大的改善，但仍存在一定隐患，因此太湖水情监测具有十分重要的战略意义。

1.2 数据源

1)Envisat测高数据。Envisat卫星是ERS1和ERS2后续地球观测任务，由欧洲航天局(ESA)于2002年2月28日发射升空，与太阳同步轨道，计划使用寿命5 a，实际使用寿命10 a，搭载RA-2雷达高度计，周期35 d，每周期1 002个轨道，累计获取108期数据。本研究选用Envisat/RA-2的GDR_v3版本数据，时间范围为2003年1月—2010年9月[9]。针对不同类型表面(海洋、冰、海冰等)的地球数据，数据产品中共使用Ocean,Ice-1,Ice-2,Sea-Ice这4种波形重跟踪算法，依据已有学者研究[10]，Ice-1算法能够更为准确提取内陆湖泊水位信息。

2)Cryosat-2测高数据。Cryosat-2卫星由欧洲航天局(ESA)于2010年4月10日发射升空，搭载SIRAL合成孔径干涉雷达高度计，周期369 d，每30 d为一个子周期，具有低分辨率模式(LMR)、合成孔径雷达模式(SAR)、干涉合成孔径雷达模式(SARin)3种模式。本研究选用Cryosat-2/SIRAL的SIR_GDR_Baesline-C版本数据，时间范围为2010年10月—2019年4月[11]。选用数据产品中LMR模式的OCOG算法提取太湖水位信息。

3)MODIS光学遥感数据。中分辨率成像光谱仪(MODIS)是搭载在Terra和Aqua卫星上的传感器，其中Terra卫星过境时间为上午10：30分左右(或晚上10：30分)，Aqua卫星过境时间为下午1：30分(或凌晨1：30分)。本研究选用的MODIS光学影像为Terra/MODIS的MOD13Q1数据产品，MOD13Q1为Level-3的合成产品，将相隔8 d生成16 d的复合图像，通过组合数据来获取不同时间分辨率的数据产品，时间范围为2003年1月—2019年12月[12]。

4)气象观测数据。气象观测数据包括地表温度与降水数据。其中降水数据采用中国气象数据网提供的2003年1月—2018年8月中国月降水数据集，其空间分辨率为0.5°×0.5°，经交叉验证质量状况良好[13]。地表温度数据采用NCAR的全球探空资料[14]，该数据集中包括地表温度、地表压强、地表水汽压、地表相对湿度等气象数据，月平均地表温度观测站选择位于太湖南部约60 km的杭州站点，时间范围为2003年1月—2019年9月。

5)实测水位与用水量数据。实测水位数据和用水量数据来自水利部太湖流域管理局提供的太湖历年《水情月报》[15]、《太湖流域及东南诸河水资源公报》，包括太湖流域每月雨情、水情水量及太湖流域用水量等信息。其中太湖及周边有多个水文站提供水位观测值，考虑到水位数据的连续性和可靠性，选取位于太湖中心的太湖水文站的多年连续观测水位数据作为实测数据，其位置如图1中红色三角形所示。

6)城市人口变迁数据。历年城镇人口数据源于2003—2018年《中国人口统计年鉴》[16]，选取太湖周边城市无锡、苏州、湖州、嘉兴及其所属县级市人口数据。

2 研究方法

2.1 卫星测高原理

高度计测量范围是从卫星到地球表面的距离，湖泊水位是指参考椭球体上方的水位高度。根据水面返回的信号以确定水面至卫星间的距离，风速，有效波高等参数[17]，计算如式(1)所示：

Height=Halt-Hran-Hgeoid-Hcor，

(1)

式中：Height为湖泊水位高度(即实际表面至参考椭球体上方的距离)；Halt为卫星质心在参考椭球体上方的距离；Hran为卫星距离实际表面的高度；Hgeoid为大地水准面差值；Hcor为各类误差校正。

Hran测得数据在理想情况下为雷达高度计至湖泊水面高度，但雷达高度计向地面发射脉冲时，受到非湖泊表面、地形等影响，回波波形中波形前缘点会出现一定的偏差，波形重跟踪算法能够进行校正[18]，校正方法如式(2)所示，即

Hran_Cor=(C′-C)×ds，

(2)

式中：Hran_Cor为波形重跟踪后需改正的距离；C′为波形重跟踪后的波形前缘点；C为预设波形前缘点；ds为距离校正因子，与脉冲宽度与光速相关。

同时观测值精度也受到轨道误差、物理仪器误差以及信号接收误差等影响。Hcor误差校正项的构成如式(3)所示，即

Hcor=wtc+dtc+ic+setc+ptc，

(3)

式中：wtc为湿对流校正(wet troposphere correction)；dtc为干对流校正(dry troposphere correction)；ic为电离层校正(ionosphere correction)；setc为固体潮校正(solid earth tide correction)；ptc为极潮校正(pole tide correction)。

2.2 湖泊水位信息提取

卫星的发射时间，运行期限，数据发布机构不同，若获取长时间序列湖泊水位数据，需整合卫星的发布数据，分析卫星轨道、运行时间以及数据精度，组合卫星的湖泊覆盖信息与时间范围，同时受到卫星本身的各项参数、高度计等差异的影响，需校正卫星之间的系统误差、统一参考坐标系以及剔除粗差，最终提取出长时间序列湖泊水位信息。

1)湖泊边界提取。利用MODIS光学遥感影像提取湖泊边界信息，采用归一化植被指数(normalized difference vegetation index，NDVI)，该指数最早用于监测植被覆盖率，后从研究红波段与近红外波段中发现，植被反射率从红光波段至近红外波段逐渐增强，水体反射率从红光波段至近红外波段逐渐减弱，通过不同波段组合能够有效区分出水体与植被[19]，计算方法为：

(4)

式中：Red为红波段亮度值；NIR为近红外波段亮度值。

通过对NDVI图像选取合适的阈值，能够清晰分辨出植被与水体的界限，从而较好的识别水体[20]。NDVI<0时为水体，NDVI>0时为植被或陆地。受到湖泊水生植物覆盖及泥沙的影响，需适当提高阈值，同时湖泊附近水生植物的覆盖密度及季节性变化影响，阈值因环境改变选取也不完全相同，根据学者研究与反复的实验对比验证后[21]，本研究不同时期阈值范围为0.05～0.25。

在ENVI与ArcGIS软件的环境下，进行遥感影像拼接、重投影及剪裁，将栅格数据转换为矢量数据，提取2003—2019年每月湖泊边界，从而提取对应的星下点足迹。

2)数据预处理。① 粗差剔除。卫星大多使用雷达高度计，适用于海平面这类面积大且相对平坦的平面，而内陆湖泊大多面积较小，雷达信号触及水体以外的其他地物而被污染，导致个别水位数据异常，故首先剔除原始水位数据中的异常值。2003—2019年期间太湖范围内Envisat卫星累计获取26 728个水位值，Cryosat-2卫星累计获取33 100个水位值。正常情况下，水位值差值大多在40～80 cm波动，但存在一些水位值波动超过几米甚至几十米，将会影响总体平均值的计算，与总体水位平均值作差，剔除差值超过±2 m的数据。

其次采用PauTa准则(又称3σ准则)进一步剔除粗差，该准则适用于样本数量较大，且能够预先统计出标准误差，剔除等精度重复测量的基础上异常值与噪声。假定单天水位样本为x1,x2,x3,…,xn，判定方法为：

(5)

(6)

若Vi>3σ，则xi已超过极限误差，剔除该值；若Vi<3σ，则xi为正常单天水位值，保留该值。将剩余单天水位值计算平均值，即为该日水位值。

② 数据平滑。对全体单天水位值进行平滑处理，采用高斯滤波处理，其实质为信号滤波器，获取信噪比较高的信号，搜索窗口大小的选择对滤波作用效果至关重要，在前人研究与实验的基础上，选用高斯滤波的平滑窗口为半年[22]。

3)系统误差消除。尽管Envisat与Cryosat-2卫星的参考椭球均为WGS84椭球，但由于卫星本身的各项参数不同以及所携带的高度计存在差异，卫星间的测高结果仍存在一定的系统误差。以Envisat卫星测高结果为参考值[23]，可通过下式对系统误差进行改正：

(7)

由式(7)可得，太湖流域内卫星间的系统误差为0.29 m，将Cryosat-2卫星测高数据进行改正后即可获得长时间序列太湖水位信息，太湖水位值为整个湖面范围内去除异常值后的平均值。

3 结果

3.1 精度验证

本研究采用皮尔逊相关系数(R)、显著性值(P)以及均方根误差(RMSE)3项指标进行湖泊水位精度验证。利用距平值分析系统误差消除后的长时间序列卫星测高数据与地表实测水位变化，距平值为某一时刻的水位值减去该湖泊长期水位平均值后的剩余值[24]，将单天水位值按月取平均即为月水位值。精度验证采用2007年1月—2010年9月与2014年10月—2017年4月实测水位数据，分别与两类卫星测高数据对比。图2和图3分别为Envisat与Cryosat-2卫星测高水位与地表实测水位数据对比图，从图可知，Envisat与Cryosat-2卫星测高水位均与地表实测水位变化趋势基本一致，Envisat卫星测高数据R值为0.82，RMSE值为0.083 2 m；Cryosat-2卫星测高数据R值为0.82，RMSE值为0.107 7 m，P值均小于0.01。

(a)Envisat卫星测高水位与地表实测水位 (b)Envisat卫星测高水位与地表实测水位相关性分析

(a)Cryosat-2卫星测高水位与地表实测水位 (b)Cryosat-2卫星测高水位与地表实测水位相关性分析

由表1可知，在验证水位点个数足够的基础上，两类卫星测高数据与实测数据的变化趋势仍表现出较高的一致性，且皮尔逊相关系数(R)均超过0.8，显著性值(P)均小于0.01，表现出极强显著相关性。结果表明，Envisat与Cryosat-2卫星测高数据均可用于监测内陆湖泊长时间序列水位变化，提取湖泊水位精度较高，极大程度上方便了内陆湖泊水位的长时间监测。

表1 卫星测高水位与地表实测水位相关性表Tab.1 Correlation between satellite altimetry water level and surface measured water level

3.2 太湖水位变化特征分析

结合两类卫星测高数据可提取2003—2019年太湖水位序列，图4为2003—2019年太湖水位时间序列图，从图可知，两类卫星测高数据均可获取较为准确水位变化趋势及明显的季节与年际波动。从季节水位变化可以看出，水位最高点大多在夏季7，8月份，最低点大多在冬季1，2月份，水位一般从年内4月水位开始上涨，年内11月水位逐渐下降，年内水位差值在0.5～1.2 m之间。从年际变化可以看出，水位高峰值均出现在夏季，低谷值均出现在冬季，与已有水情报告一致。其中太湖水位的最高峰值出现在2016年夏季，最低谷值出现在2015年冬季。通过对年水位值进行二次拟合得到水位变化趋势，可知2009年左右为节点，2003—2009年水位呈上升趋势，2009—2019年水位呈下降趋势。为了进一步分析水位变化趋势，分别提取2003—2009年和2009—2019年水位变化曲线的线性趋势项，可明显看出，2003—2009年期间水位增长线性趋势为0.036 m/a，2009—2019年期间水位下降线性趋势为-0.014 4 m/a。

图4 2003—2019年太湖水位时间序列图Fig.4 Long time series of water level of Taihu Lake (2003—2019)

4 讨论

4.1 地表温度和降水对太湖水位变化的周期性影响

地表温度和降水变化是影响湖泊的两大重要因素。太湖地处北亚热带湿润季风气候，夏热冬温，雨热同期，季风发达。图5为2003—2019年太湖月平均地表温度变化与水位变化关系图，从图中明显看出太湖流域地表温度变化稳定，呈现出明显的周期性，同时太湖水位变化与地表温度变化趋势较为一致，具体表现在夏季地表温度较高，太湖水位也较高；冬季地表温度偏低，太湖水位亦处于较低水位。虽然地表温度升高会使得湖泊水的蒸发量增大，但是地表温度升高时带来的降雨量增加会导致湖泊水量增加。因此必须考虑降水对太湖水位变化的影响。图6为2003—2019年太湖地区月平均降水量与太湖水位变化关系图，降水数据时间范围为2003年1月—2018年8月。总体来看，雨水充沛的年份，水位明显高于多年平均水位，而雨水稀少的年份，水位低于多年平均水位，由于太湖汛期大多集中在夏季，受到北亚热带湿润季风气候雨热同期的影响，太湖流域夏季正值梅雨期，雨水充沛，故各水文站涨幅与强降水分布紧密相关。从单一年份来看，2011年，2016年降水量明显高于平均水平，根据太湖《水情月报》显示[15]，2011年8月和2016年5月—7月，太湖流域均发生长时间的持续降水，导致相应时间段内太湖水位明显上升。其中，2011年8月的持续降水主要集中在太湖流域北部，而2016年5月—7月的持续降水主要集中在太湖湖区，因此2016年太湖水位增长幅度更大，水位更高。从长时间序列来看，地表温度变化与水位变化趋势具有一致性，而降水对太湖水位变化的影响更为直接。综上所述，地表温度和降水均对太湖水位变化有周期性影响，相对于地表温度变化，降水对太湖水位变化影响更为显著。

图5 太湖水位与月平均地表温度变化趋势图Fig.5 Trend of water level and monthly mean surface temperature in Taihu Lake

图6 太湖水位与月降水量变化趋势图Fig.6 Trend of water level and monthly precipitation in Taihu Lake

4.2 城市人口变迁对太湖水位变化的整体性影响

太湖周边城市主要包括江苏的苏州、无锡与浙江的湖州、嘉兴及其所属县级市，经济发达，城市化进程快。据《中国人口统计年鉴》统计，2003—2018年该区域人口由807万人增长至940万人，增长趋势为7.98万人/年。图7为太湖水位变化与人口增长图，由图7可知，2003—2019年周边城市总人口持续增长，2009年之前人口增长趋势为7.89万人/年，2009年之后人口增长趋势为9.764万人/年，人口增长速度从2009年开始明显提高，相应的水位变化速率分别为0.036 m/a(2009年之前)与-0.014 4 m/a(2009年之后)，2009年为水位变化节点，如图4所示，说明人口的加速增长一定程度上影响太湖水位变化。同时，受到城市人口逐年递增为主的诸多因素影响，必将导致太湖周边城市用水量的增加，从而引起太湖水位的变化响应。据《太湖流域及东南诸河水资源公报》统计，2003—2019年太湖流域周边城市年用水量波动变化，2010年以来用水量总体呈下降趋势，2013年后趋势减缓。如图8所示，2007年太湖周边城市用水量达到期间峰值372.7亿m3，与此同时，太湖水位持续下降，而2008年起用水量降低的同时太湖水位变化值转为正值，这意味着太湖水位开始上升，总体来看，用水量增加的年份太湖水位呈下降趋势。因此，城市人口变迁对太湖水位变化有整体性影响，其中城市人口带来的用水量变化与太湖年度变化趋势较为一致。