针对华北地区地下水河湖生态补水成效的卫星遥感动态监测

李家欢 ，张志新 ，杨倍倍 ，崔 倩

（1．水利部信息中心，北京 100053；2．武汉大学遥感信息工程学院，湖北 武汉 430072）

0 引言

受气候变化和人类活动影响，20 世纪 80 年代以来，华北地区水资源开发利用过度，地下水超采严重[1]，截至 2020 年初，已形成 18 万 km2的超采区面积，地下水储量累计亏缺达到 1 800 亿 m3左右，形成严重的生态赤字[2]。党中央、国务院高度重视华北地区地下水超采治理，多次强调，要加强华北地下水漏斗区治理，实施河湖生态保护修复。水利部会同有关部门组织京津冀三省市，在地下水超采严重、水源条件具备的地区，通过统筹多种水源多措并举，利用河湖生态补水入渗回补地下水[3]。为系统解决华北地下水超采问题，水利部办公厅先后印发了《水利部 河北省人民政府关于印发华北地下水超采综合治理河湖地下水回补试点方案（2018—2019 年）的通知》《水利部办公厅关于印发 2020 年度华北地区地下水超采综合治理河湖生态补水方案的通知》及《2020 年度华北地区地下水超采综合治理河湖生态补水水文监测方案》（以下简称《补水方案》），对华北地区河湖实施生态补水工作。其中2020 年 1—6 月对华北地区地下水超采综合治理范围内 22 条（个）河湖（15 条河流和 7 个湖泊）实施了生态补水，累计补水 22.89 亿 m3，取得了阶段性成效。

近年来针对河湖生态补水成效评估，国内外诸多学者基于传统监测手段从不同方面，如回补率、渗透补给范围、地下水水质改善等多个角度进行分析，在一定程度上反映了补水成效[4]，然而现有的评估方法和监测方案大多依赖于监测站点动态监测数据，部分数据需要现场勘查测量或取样调查，数据采集范围有限，获取成本较高且及时性难以得到保障。为此，本研究利用卫星遥感影像能够快速、实时、大范围地覆盖地表湖泊的特点，采用遥感监测这一新型监测手段，对华北地区 22 条（个）补水河湖水面面积和有水河段长度进行常态化动态监测，解析河湖动态变化，以及时准确地反映、验证华北地区地下水超采综合治理河湖生态补水成效。

1 数据与方法

华北地区河流、湖泊数量较多，数据量大，为保证河流、湖泊等水利要素资料数据的现势性，基于现有国产卫星遥感影像覆盖能力，以月为周期监测华北地区滹沱河、滏阳河、南拒马河等 15 条河流，七里海、大黄堡洼、北大港等 7 个湖泊，实施补水后的河流长度和水面面积动态变化情况，按月收集覆盖 22 条（个）河湖的遥感影像数据，影像预处理后采用多种水体提取方法提取河湖水面，结合每月河湖实际生态补水量进行成果分析，对源影像数据，预处理完成后的正射影像，水体提取的结果矢量多个步骤和中间产品进行质量检查，以提升解译精度，最终形成一套完整的水体遥感监测方案。

1.1 数据源

研究范围为 22 条（个）补水河湖，以 2020 年6—12 月为周期，每月 1 日为目标时间点，2018 年补水工作实施前作为对比时间点，选取目标时间点前后各 5 d 范围内遥感影像数据进行解译。主要涉及以下 3 类数据：

1）影像数据。影像数据包含：高分一号系列全色 2 m /多光谱 8 m 分辨率相机数据（GF-1 PMS），多光谱 16 m 分辨率相机数据（GF-1 WFV），该系列包含 GF-1 B，GF-1 C 和 GF-1D 卫星；高分二号全色 1 m /多光谱 4 m 分辨率相机数据（GF-2 PMS），多光谱 8 m 分辨率相机数据（GF-2 MSS）；高分六号全色 2 m /多光谱 8 m 分辨率相机数据（GF-6 PMS），多光谱 16 m 分辨率相机数据（GF-6 WFV）。结合日期、河湖矢量生成的缓冲区矢量文件及云量等限定条件，筛选符合要求的遥感影像。

本研究涉及的遥感影像数据均为 L1 级数据，在质量方面均满足以下几点要求：

a．云覆盖不得对监测对象产生遮挡，影像上主要水利对象（河流、湖泊）分布区范围内不得被云、雾、霾或季节性积雪覆盖。

b．影像无大面积噪声和条带，无因数字高程模型（DEM）精度和现势性原因造成的数据丢失、地物明显扭曲及变形现象。

c．影像上光谱反射率正常，无影像光谱反射异常现象。

d．遥感影像成像时间为每月 1 日前后 5 d 范围，若该时间区间无法提供 100% 覆盖待监测区域的影像，则可放宽至每月 1 日前后 7 d 时间范围。

e．多光谱影像能够 100% 覆盖待监测区域，或当多光谱影像覆盖率大于 90%，且该月对应时间段内无法提供更多有效多光谱影像时，使用 GF-3 卫星的 FSⅡ 成像模式进行补充。

f．影像空间分辨率小于等于 16 m，其中分辨率优于 2 m 最佳，质量均等的影像尽量减少重复覆盖。

g．遵循优先使用高质量影像的原则，在相同的河流、湖泊水体存在多幅影像重复覆盖情况下，优先选择空间分辨率较高、云覆盖较少、水体覆盖最完整的影像。

2）矢量数据。包括华北地区 15 条河流线矢量及对应的 700 m 缓冲区矢量数据，7 个湖泊面矢量及对应的 1 km 缓冲区矢量数据。缓冲区矢量数据用于源影像范围的确定及影像查询、裁剪等过程。

3）DEM 数据。DEM 数据是遥感影像正射校正的数据基础，用于纠正源影像中的坐标偏移现象。本研究使用全国 30 m DEM 数据。

1.2 监测方案

本研究针对华北地区地下水河湖生态补水成效构建了一套完整的水体遥感监测方案，包括以下 3 个步骤：

1）数据采集。根据待监测水利对象的矢量范围，结合相关水文测站信息，确定影像范围和日期，采集多源影像数据并进行预处理。

2）水体提取。对预处理后的影像，使用水体指数和深度学习 2 种方法对河湖水体进行解译提取，再结合人工目视进行修正。

3）成果分析。根据水体面矢量范围计算有水河段长度与水面面积，结合原始影像对比监测不同阶段河湖变化情况[5-7]，制作相关专题图，分析补水成效。具体技术路线如图 1 所示。

图 1 技术路线图

2 遥感动态监测

遥感动态监测主要对每月收集的覆盖 22 条（个）补水河湖的高分辨率遥感卫星影像进行正射、融合和裁剪等预处理操作，将原始的 L1 级产品即具有时间参考、辅助信息（包括辐射、几何校正系数等）及地理坐标参数等未进行任何处理的原始数据，生产为具有一定完整性和一致性的 L3 级数据产品，提升影像的分辨率，达到满足水体指数和深度学习 2 种水体提取方法的要求，提高水体提取的精度和准确率，对水体动态变化情况进行解译。

2.1 正射校正

由于卫星遥感影像是中心投影的结果，受到相机几何特性、传感器观测角度和地面高程的影响，会产生几何畸变。正射校正是遥感影像预处理过程中关键的一步，用以消除因地形起伏和传感器误差引起的像点位移误差，控制产品质量。本研究主要使用全国 30 m DEM 数据作为校正的基准数据，采用三维格网模型重采样的方式对影像进行校正。

2.2 影像融合

河流水面的提取要利用水体的光谱特性，必须使用多光谱遥感影像。由于本研究中目标河流的宽度较小，且监测的目标河流补水前存在水面较窄、部分河段干涸等问题，为得到较为清晰的水体边界，影像的空间分辨率优于 2 m 为最佳。综合考虑水体提取的需求及影像对河流的覆盖完整程度，在水体提取过程中主要使用 GF-1，GF-2 和 GF-6 卫星影像。而这些卫星的多光谱影像分辨率都无法达到2 m，全色影像空间分辨率优于 2 m 却不具备丰富的光谱信息，因此需要通过影像融合，将多光谱影像与全色影像进行融合，在不损失光谱信息的基础上提升空间分辨率，同时满足河流水体提取对光谱信息和空间分辨率的要求。

影像融合前后的对比图如图 2 所示，可以看出融合后的影像不仅具备多光谱影像丰富的光谱特征，且由于空间分辨率的提升，能更清晰地展现河流边界，有利于提升水体提取的精度。

图 2 融合前后影像对比图

2.3 影像裁剪

由于遥感影像覆盖范围广，待监测的河湖往往仅占据一景影像的一小部分，对整张影像进行处理和传输都非常耗时。为加快处理和提高传输速度，在对 22 条（个）河湖的水体矢量进行提取前，首先对影像进行裁剪，结合补水前河流的常年水量，保留河流线矢量周围 700 m 范围内的影像，以及湖泊面矢量外围 1 km 范围内的影像。将 22 条（个）河湖的缓冲区融合为 1 个矢量文件，以合并后的矢量区域对所有影像进行裁剪，并在裁剪后的影像中提取水体矢量。以沙河为例，裁剪前后影像的对比图如图 3 所示，裁剪后的影像数据量仅为原始数据的1/500，通过影像裁剪能够大幅缩短处理时间。

图 3 裁剪前后影像对比

2.4 水体提取

本研究主要使用水体指数和深度学习 2 种方法，对华北地区 22 条（个）河湖每月 1 日前后 5 d范围内的遥感影像进行水体矢量提取，并在此基础上通过人工目视校正获取高质量的河湖矢量数据。

1）水体指数法。水体对全波段光谱的吸收性强，反射性弱，且随着波长的减少反射率增强，因此利用水体在近红外和绿光的反射率规律，构建特征指数，设定最佳阈值范围，实现水体提取。本研究使用归一化差异水体指数（NDWI）提取影像中的水体信息。NDWI 最初由 McFeeters 依据近红外波段和绿波段的反差可以抑制植被等信息而突出水体特征，便于提取影像中的水体信息而提出[8]。

2）深度学习法。利用深度学习法进行水体目标提取得益于人工智能领域的不断发展，基于数据驱动的深度神经网络模型利用智能算法从大量的影像数据中提取水体特征，可以挖掘出水体数据中蕴含的有用信息，从而提高水体提取的准确率。本研究使用 Encoder-Decoder 模型[9]结构，基于 HRNet 模型[10]构建水体提取模型，以卷积神经网络作为基础网络，构建包括特征提取、调节和融合等模块的语义分割模型。通过特征提取模块，对影像进行卷积重采样，提取得到不同分辨率下的水体特征信息，获取高层的语义和底层的细节等特征信息；通过特征调节模块调节不同尺度的信息，再对不同尺度之间的特征进行融合，提高影像分辨率构建 AI 水体提取模型进行水体提取。

分别使用 2 种水体提取方法于 2020 年 10 月对永定河补水河段水面进行水体提取，在此基础上通过人工目视进行修正，结果如图 4 所示。

从 3 种水体提取方法对比结果可以看出：对于水体区域较为明显，水体光谱特征相对正常的影像和区域，深度学习和水体指数 2 种方法表现效果较好，相对水体指数法，深度学习法提取的水面较为平滑；针对水体光谱特征由于人为、富营养化、薄云或桥梁覆盖等因素产生变化的水体区域，人工目视在前 2 种方法的基础上，利用原始遥感影像进行参考，对细节部分进行平滑、填洞、修正处理，可以得到精度更高的结果。

2.5 面积/长度计算

利用提取的河湖矢量计算河湖的水面面积和有水河段长度，在计算有水河段长度前，需对每月的河流骨架线进行编辑和检查，确保河流骨架线与当月的水体矢量保持一致，并进行河流的中心线提取，再根据中心线计算有水河段的长度。参考投影坐标系统一使用 Albers_WGS84Datum。

3 动态监测成果

截至 2020 年 11 月 30 日，京津冀三省市开展了 14 条河流（其中卫河未补水）和 7 个湖泊的生态补水，共补水 41.65 亿 m3。本研究针对华北地区地下水河湖生态补水情况，按月进行河湖水面面积监测，针对河湖水体矢量进行水面面积和有水河段长度的分析。采用环比法对河湖面积和长度变化进行统计分析，即将本月水面面积、有水河段长度减去上月水面面积及有水河段长度得到的差值作为补水河湖动态监测值。本研究主要统计 2020 年 7—12 月各月与上月环比的水面面积和有水河段长度的动态变化量，环比变化如图 5 所示。

图 4 水体提取方法对比

图 5 华北地区 2020 年 7—12 月 14 条补水河流水面面积/长度环比变化图

根据动态监测结果，总体上华北地区的水系在生态补水后变化较为明显，14 条补水河流面积统计说明：2020 年 7—10 月均有 8 条及以上河流表现出水面面积增长，分别增长 5.41，1.38，4.23 和6.01 km2；11 和 12 月水面面积增长河流最少，分别为 6 和 7 条，总面积分别减少 3.36 和 7.97 km2，结合周边测站降水信息分析是由于进入秋冬季节，上游雨量减少导致水面出现负增长。从图 5 可以看出，水面面积明显增加的河流有 7 月的滹沱河，8 月的南拒马河和 10 月的唐河。从河段长度变化看，华北地区经过生态补水后有水河流的长度是增加的，与水面面积的动态变化趋势基本契合。9 月的河段长度增加最多，14 条补水河流有水河段总长度环比增加达到 144.38 km，其中唐河、沙河和北拒马河的贡献最大，分别为 32.88，25.51 和 11.90 km。11 和12 月的河段长度也表现出减少趋势，总有水河段长度分别减少 3.36 和 7.97 km。河段长度增加最多的分别为 7 月的滹沱河，10 月的北拒马河和 9 月的唐河，分别为 40.18，39.29 和 32.88 km。综上，7—10 月补水效果比 11 和 12 月补水效果更明显，11 月和 12 月受到自然蒸发、降水少等原因，导致河流面积和河段长度出现不同程度的负增长。

选取补水前后河湖水体变化较为明显的滹沱河和唐河进行对比分析，对 2 条河流 2020 年 12 月增加的水体与 2018 年水体进行对比，并制作遥感监测成果水体变化专题图展示补水后水面面积增加情况，具体如图 6 所示。

图 6 滹沱河和唐河补水效果局部对比

7 个湖泊生态补水的动态环比变化如表 1 所示。除白洋淀外，其他湖泊均表现出负增长，说明生态补水工程在对湖泊补水时，减缓了地下水干涸趋势，使得水面减少变缓。白洋淀 11 和 8 月水面面积增长显著，分别为 16.05 和 2.17 km2。12 月，湖泊总体面积表现出增长趋势，增加了 2.17 km2，大黄堡洼变化最明显，增加了 1.25 km2。

表 1 7 个湖泊生态补水动态环比变化表 km²

将 2020 年华北地区各河湖矢量作为底图，与2018 年的河湖矢量叠加，可大致反映 2018—2020 年华北地区河湖动态变化情况，如图 7 所示。

从图 7 可以看出：华北地区水系在 2018—2020 年间变得更为发达，其中水量明显增加的河流有北运河、永定河、唐河、滹沱河及北拒马河，漳河则有较大的下降幅度，同时大黄堡洼的水量有较高的增幅。

图 7 华北地区河湖 2018—2020 年变化情况

4 结语

本研究使用遥感监测技术，以相关水利基础数据为依据，结合遥感影像能够快速、实时、大范围地覆盖地表湖泊的特点，针对华北地区地下水河湖生态补水形成一套完整的水体遥感监测方案，对2020 年下半年华北地区实施补水的 14 条河流、7 个湖泊进行长度和面积动态变化常态化监测，可及时掌握华北地区地下水超采治理工作情况和生态补水成效。从侧面验证了通过统筹多种水源开展河湖回补地下水是有效可行的，是缺水地区地下水超采综合治理的一项创新举措，为后续开展相关补水行动提供了一种新型监测手段。

研究中也存在一些问题：

1）遥感影像数据源覆盖能力不足，无法 100%覆盖待监测区域时，选取时间跨度较大的影像会产生误差处理难题；

2）某些与水系相邻地物光谱特征与水体相似，导致水体误提情况产生；

3）水体提取算法众多，但都是针对具体研究区域或小区域范围内的水体提取，高精度的大范围批量水体提取仍有一定困难。

今后将针对研究过程中发现的问题做进一步探索，结合无人机、无人船等新型监测手段进一步提升监测频率，并综合考虑每条河流水源条件、河湖及管理状况、社会影响等因素，因地制宜，实现一河（湖）一策，为“十四五”期间华北地区河湖生态环境复苏行动提供针对性的解决方案。