APP下载

Sentinel -2 影像在河南“7.20”特大暴雨监测中的应用

2022-01-20周俊利杨振

资源导刊(信息化测绘) 2021年11期
关键词:波段反演水体

周俊利 杨振

(河南省遥感测绘院,河南 郑州 450003)

1 引言

2021 年7 月20 日至 7 月22 日的连续降雨,致使河南省多地暴发洪涝灾害,人民生命财产受到严重威胁,各部门紧急动员,采用不同途径与手段救灾减灾,保障受灾地区人民生命财产安全。如何对发生的灾害进行监测,分析受灾程度与范围,一直是灾害监测的重要工作之一。传统的灾害监测主要为受灾后通过实地勘察,或搜集上报的灾情信息,划定受灾范围与受灾程度,该方法存在较大的主观性,且费时费力,往往不能在第一时间获取受灾信息。遥感技术作为一门新兴技术,发射的卫星可在万米高空对地面进行实时观察监测,尤其是人员难以到达区域,卫星也能快速获取高清影像[1]。近年来,随着遥感技术的发展、卫星传感器的发射,遥感影像的时间分辨率与空间分辨率得到大幅提升,如欧空局发射的Sentinel-2 卫星,相对于国产卫星单一传感器的月度甚至季度重访周期,Sentinel-2 卫星的重访周期达到5 天,且幅宽大,覆盖范围广,目前已经应用于各行各业研究之中[2-4]。

河南“7.20”特大暴雨造成鹤壁市卫河决堤,造成卫河沿岸地区严重的洪涝灾害,基于此,本研究结合Sentinel-2 影像优势,对河南省鹤壁市洪涝重灾区进行遥感监测,采用指数反演与阈值法提取洪涝重灾区范围,提升Sentinel-2 在洪涝监测中的应用。

2 研究区及原理

2.1 研究区介绍

鹤壁市位于河南北部、太行山东麓向华北平原过渡地带,下辖浚县、淇县、淇滨区、山城区、鹤山区。各区县多为平原,耕地范围广,种植了大量农作物,为当地带来了较丰厚的经济收入。卫河是海河流域的直流,发源于太行山脉,流经焦作、新乡、鹤壁、安阳、濮阳,途经河北,最终汇入天津海河。鹤壁市内卫河流经淇县,贯穿浚县,常年水位较低,河道较窄,河床较高,泄洪能力较差。研究区如图1 所示。

图1 研究区示意图

2.2 数据介绍

哨兵2 号卫星(Sentinel-2)是高分辨率多光谱成像遥感卫星,传感器分为2A 和2B 两颗卫星。Sentinel-2 具有时间分辨率短、空间分辨率高、覆盖范围广、光谱波段多、应用处理简单等优点,被广泛应用于陆地观测中的植被生长、土壤覆盖、河流湖泊环境、生物量计算、能量流动等遥感监测中,还可用于洪水、山体滑坡等自然灾害监测。Sentinel-2 每5天可完成一次对地表的完整成像,哨兵2 多光谱卫星具有13 个波段,具体波段信息如表1 所示。

表1 哨兵2波段信息

2.3 原理及方法

研究首先反演归一化植被指数NDVI[5]、归一化水体指数NDWI[6],两个指数是用遥感影像的特定波段进行归一化差值处理,以凸显影像中的植被、水体等信息。两种指数的计算原理分别如下所示,公式中,NIR为近红外波段,R为红光波段,G为绿光波段。

然后对反演得到的两种指数,采用阈值法[7],以0.1 为步长进行逐步取舍,人机交互筛选最优步长,然后进行矢量化,最终得到洪涝重灾区范围。

3 结果分析

3.1 指数反演

研究选用的Sentinel-2 影像为L2A 级产品,该级别产品需要通过Sentinel-2 专业处理软件SNAP 进行重采样、波段重组、投影转换等预处理工作,经过预处理后得到分辨率统一为10 米的具有13 个波段的影像文件。预处理效果如图2 所示。

图2 Sentinel-2影像预处理效果

利用ENVI 软件的bandmath 工具,对预处理后的Sentinel-2 影像进行指数计算,分别得到归一化植被指数NDVI 与归一化水体指数NDWI,两种指数的反演效果分别如图3(a)和(b)所示。由图可知,NDVI与NDWI 在鹤壁及周边地区具有较好的反演效果,植被与水体在反演结果中均有较好的显示。图3(a)中植被指数像元值均大于0.2,非植被像元值均小于0.2,其中水体像元为最小值,且通过色彩调整,较完整地显示出水体信息。由于归一化植被指数在数值较低时会出现无效值,NDVI 反演结果中的水体与城镇建筑区分不开,整体数值均为负值。但该情况通过反演NDWI可较好地区分出水体与非水体,图3(b)的NDWI 反演结果中,水体像元值均为负值,且极小,与NDVI 反演结果相似,但完整剔除了城镇建筑与道路的混淆。

图3 遥感反演

3.2 阈值分割

采用阈值法对NDVI 进行分割提取,步长设定为0.1,分别进行逐步长的阈值法提取,效果如图4(a)、(b)、(c)所示。当阈值设定为0.2 时,较多的城镇建筑、道路、山区阴影地带、混合像元等被分割成水体;当阈值设定为0.1 时,城镇建筑等错误识别的情况有所减少;当阈值设定为0 时,已经没有错误识别的情况,但水体范围有一定的损失,尤其是水体边界。

图4 NDVI阈值分割效果

采用阈值法对NDWI 进行分割提取,步长设定为0.1。效果如图5(a)、(b)所示:当阈值设定0.1 时,水体范围较好地分割出来,但有一定损失,部分水体未识别出来;当阈值设定0 时,水体信息识别的效果最好,水体范围均完整识别了出来。

图5 NDWI阈值分割效果

通过对比NDVI 与NDWI 的分割效果,发现NDWI 在水体信息上的响应效果优于NDVI,且较完整地避开其他信息的误导。当NDWI 的阈值设为0 时,水体信息提取效果最好,边界范围最清晰,漏识别现象最少。

4 结论

研究采用Sentienl-2 影像,通过指数反演与阈值分割,进行鹤壁地区暴雨洪灾淹没区范围提取,取得了较好的研究成果,得到的结论如下:

Sentinel-2 影像在指数反演上具有较强的适用性,各波段的宽度设定可为较多的指数反演提供计算窗口。

NDVI 与NDWI 的反演在鹤壁对植被与水体有较好的反映。

通过阈值分割手段提取洪涝淹没区,在鹤壁受灾区有较好应用,且通过对比分析,发现NDWI 在水体信息提取上优于NDVI,分割后的NDWI 信息中较好地剔除了城镇建筑、道路等信息的干扰。

猜你喜欢

波段反演水体
春日暖阳
反演对称变换在解决平面几何问题中的应用
农村黑臭水体治理和污水处理浅探
生态修复理念在河道水体治理中的应用
基于低频软约束的叠前AVA稀疏层反演
基于自适应遗传算法的CSAMT一维反演
广元:治理黑臭水体 再还水清岸美
M87的多波段辐射过程及其能谱拟合
日常维护对L 波段雷达的重要性
叠前同步反演在港中油田的应用