基于Google Earth Engine的北江清城区河段河道形态及土地覆盖变化监测分析
2022-12-17高旖姗吕浩萍孟庆魁罗朝林陈武奋
高旖姗,吕浩萍,孟庆魁,罗朝林,陈武奋
(珠江水利委员会珠江水利科学研究院,广州 510610)
1 概述
河道并非是一成不变的,它在相关变量的影响下不断发生变迁[1]。要了解河道变迁过程和规律,通过固定时间间隔监测河道变化和模拟演变过程显得尤为重要[2]。Google Earth Engine (GEE) 提供全球时空范围的卫星影像和用户友好的内置算法[3-4],能够在云平台上对海量数据进行空间分析和计算[5],快速获得平面河道长期连续变化的监测结果[6]。Broothroyd等已成功使用GEE监测和量化大型热带河流的形态变化并计算河道迁移速率[7],Castao等则对蜿蜒型河道进行侵蚀和堆积检测[8],Li等已对河漫滩进行动态监测评估[9],这些研究推动了GEE在河流地貌学中的应用[10]。
本文在GEE和Landsat影像的支持下,选取北江清城区30 km河段(北江清远水利枢纽工程至北江特大桥)为研究河段,沿河岸生成2 km缓冲区作为研究区,伦洲岛位于河道中央。研究区可分为2个部分:上游8 km河段流经无人山区,下游22 km河段贯穿主城区(见图1),面积分别为40 km2和143 km2。划分研究区域的目的是研究对比山区河道和平原河道的变化规律,采用基于像素的方法分析评估河道和土地覆盖变化。研究目的:① 提取常流河道范围,对土地覆被类型进行分类;② 分析驱动河道和土地覆盖类型变化的因素。
图1 研究区范围示意
2 数据和方法
2.1 数据来源及获取
为了定期监测河道变化,选择Landsat影像集合作为数据源,考虑影像的可用性和监测间隔时长,将观测时间分为8个节点,分别为1986年,1990年,1995年,2000年,2005年,2010年,2015和2020年。利用1986—2010年的Landsat 5,2000年的Landsat 7和2015—2020年的Landsat 8的地表反射率数据(Tier 1级别),影像总共253景,分辨率为30 m。
表1 研究区数据源及观测时间节点
2.2 研究方法
为突出城市变化与河道变化之间的关系,结合研究区域特征,将土地覆盖类型简化为水体、植被、建筑物和沉积物4种类型。土地转移矩阵是以表格形式明确量化土地时空转换的方法之一[11],能够揭示2种地物类型之间的转换关系。
1) 技术流程(见图2)包括:① 提取二值常流河道;② 利用GEE内置的Classifier算法将土地覆盖分为4类,并使用多源独立验证样本评估分类误差;③ 利用Python将河道范围与土地覆盖结果相结合;④ 量化平面河道变化;⑤ 利用GIS工具和土地转移矩阵评估土地覆盖变化。
图2 技术流程示意
2) 河道提取:① 输入ROI和观测时间间隔,以 5 a 为观测期,使用所有可用的Landsat地表反射率影像,这些影像已经完成大气校正,能够更好地比较地物间光谱反射率的测量值;② 使用CFmask算法对云层遮挡的像素进行去云处理[12];③ 使用GEE内置的Median Reducer算法对去云影像进行中值聚合,生成特定时间段内带有所有光谱信息的单幅合成影像;④ 使用多个遥感经验指数,包括归一化植被指数(NDVI)、修正归一化植被指数(MNDVI)和增强植被指数(EVI)对水体像素进行分类,生成二值水体掩膜[13];⑤ 通过去除植被像素,对沉积物进行分类,生成二值常流河道;⑥ 合成二值水体掩膜和二值常流河道,以GeoTIFF格式导出到Google Drive。
3) 土地覆盖分类:① 采集训练样本,将地物分为4种类型;② 使用GEE内置算法ee.Classifier从样本数据中提取分类器训练的特征值;③ 训练样本数据;④ 使用决策树算法(CART)对地物进行分类,采用自上而下的方式构建根节点,对不同样本数据的像元值进行递归划分并展开到叶节点,直至所有样本数据都分到了明确的类;⑤ 在GEE中导入多源独立验证样本评估地物分类误差。
4) 数据融合:① 通过批处理栅格计算交换河道二进制编码的值,“0”表示河道,“1”表示非河道;② 去除水面船只,将常流河道结果和土地覆盖分类结果融合,输出研究区土地覆盖分布图。
5) 河道平面变化监测:通过栅格计算将不同时期的二值河道影像相减,得到河道变化结果:从水体变为陆地,从陆地变为水体和没有发生变化的水体面积。
6) 土地覆盖变化监测:通过相交分析,得到不同观测期的土地转换类型和面积。将这些数据填入表格,得到土地覆盖转移矩阵,用于揭示地物转换的时空变化。
3 主要成果
3.1 精度评估
本研究得到的土地覆盖分类总体准确率在90%~98%之间,表明分类结果是高度可靠的(见表2)。水体分类精度高,用户精度和生产者精度分别大于96%和95%。相较于其他地物分类精度,建筑物分类精度较低,用户精度和生产者精度分别大于70%和79%。这是由于建成区分布较为分散,产生混合像元多,较难从植被和沉积物中区分出建筑物。虽然建筑物分类精度较低,但对于整个研究区土地覆盖分类结果来说,总体准确率相对较高,说明这4种地物与其独立验证样本数据具有高度一致性。总的来说,分类精度满足土地覆盖变化监测需求。
表2 土地覆盖分类结果精度评价
3.2 河道时空变化
1986—2020年,常流河道面积34 a来略有扩大,变化率为12.42%。2000年以前,河道面积保持稳定,但在2000—2010年面积有所下降,2010—2015年面积大幅增加,2015年后河道面积再次保持稳定(见图3)。
图3 1986—2020年常流河道面积变化示意
2000—2010年,北江下游主航道变窄和破碎化;2015—2020年,河道平面形态趋于稳定(见图4)。最明显的变化是2015年伦洲岛左岸沉积物疏浚,左支河道畅通并成为北江的一条重要航道。总体来说,平原河道略有拓宽,河岸边缘逐渐清晰,山区河道无明显变化。
1986年
1990年
1995年
2000年
2005年
2010年
2015年
2020年图4 1986—2020年常流河道变化
河道变化监测结果见图5。平原河段水域变化较多,山区河段变化小。从2000—2010年,常流河道面积不断减小;但2010—2015年,河道面积显著拓宽,伦洲岛左支流出现;2015—2020年,河道形态趋于稳定。由于河道宽度过窄及像元大小原因,GEE没有准确检测到部分小支流的变化。
1986—1990年
1990—1995年
1995—2000年
2000—2005年
2005—2010年
2010—2015年
2015—2020年图5 河道变化监测结果
3.3 土地覆盖时空变化
土地覆盖最显著的变化是建成区的扩大(见图6)。1986年,建成区仅集中分布在北江右岸,后来迅速沿两岸扩张。相应地植被面积向建成区大幅度转移从而逐年减少。2010年以前,沉积物主要分布在伦洲岛周围,但之后几乎全部消失。与其地类相比,水体面积趋于不变。
1986年
1990年
1995年
2000年
2005年
2010年
2015年>
2020年图6 1986—2020年土地覆盖监督分类结果
过去30 a以来,研究区内的建成区面积逐渐扩大,从10.5 km2增长到45.83 km2,尤其是1986—1990年和2015—2020年,增速分别为70.75%和29.35%。植被面积减少了35.41 km2,负增长率高。沉积物在各地类中所占面积最小,且变化不规律(见表3),土地覆盖类型占比见图7所示。
表3 1986—2020年土地覆盖变化监测
图7 1986—2020年土地覆盖占比变化示意
1986—2020年的土地覆盖转移变化如图8所示,土地覆盖转移矩阵见表4所示。近30 a来,建筑物主要沿河两岸扩建,土地覆盖最显著的变化是植被向建成区的转移,转移总面积为39.8 km2,研究区域内仍有102.58 km2的植被和21.96 km2的水体面积没有发生变化。
图8 土地覆盖转移示意(1986—2020年)
表4 土地覆盖转移矩阵(1986—2020年)km2
4 成果分析
4.1 河道平面变化分析
北江流域是一个成熟的大型河流生态系统,河道迁移是一个长期地貌过程,因此,研究区近30 a来没有出现明显的河道迁移现象。北江河道最显著的变化是在2015年后,河道略有拓宽,伦洲岛左支流沉积物疏浚和两岸河道轮廓逐渐变得平滑。这是因为清远市政府投资建设加固清远水利枢纽工程、清东围、清西围、清北围、清城联围和飞水围等一大批水利工程,航道建设得到明显加强,清淤疏浚治理工作开展,完成了大北江航道改造任务,河道形态趋于稳定。
本研究主要根据Landsat影像的可用性设置河道变化监测时间节点,然而这并未考虑到研究区当地实际情况。北江流域的年径流量分布不均,汛期(4—9月)水量占全年水量的75%,枯水期(10—3月)水量仅占全年水量的25%。河流季节变化明显,因此将观测时间节点细分为汛期和枯水期显然更为合理。但在1999年Landsat 7发射之前,研究区可用且公开的历史影像数量有限,不足以支撑河道季节性变化监测研究。
4.2 土地覆盖变化分析
影响建成区面积扩大的社会经济因素复杂。城镇化率通常与人口、经济增长和城市发展政策相关。清城区在1988年设立行政区时人口仅有40.3万,2020年人口迅速增长到112万。因此,政府必须提供更多住宅用地容纳不断涌入的常住居民。建成区面积与总人口和第二、三产业比重呈正相关[14]。1986年,建成区仅分布在研究区河段的右岸,经过30多a的发展,建成区沿河两岸分布并逐步分散向郊区扩张,大量植被转化成建设用地,位于城市中心的传统行业,特别是污染较重、劳动密集型的工厂在政府政策的引导下向郊区转移。
在建成区面积不断扩张,人口激增和高度城镇化的背景下,研究区域内的植被面积在不断缩减。植被面积与人口、固定资产投资总额呈负相关,与GDP略微呈正相关[7]。自2003年以来,清城区第二、三产业产值超过第一产业,因此农林业不再是清城区的支柱产业。政府更倾向于发展生产总值高的产业,例如制造业、房地产和旅游业。因此大量土地由植被向建成区转移,分析结果与土地覆盖转移矩阵结果一致。
5 结语
本研究通过GEE平台监测北江清城区河段1986—2020年的河流平面形态变化和土地覆盖变化。结果表明,山区河道变化不大,平原河道略有拓宽,大面积植被转化为建成区。河道形态变化与水利工程建设有直接关系,与城镇化率没有直接关系。本研究还结合了清城区的社会经济因素及水利工程建设情况,丰富了研究区河道变化及土地覆盖变化的背景,为决策者在城市河流管理和土地管理提供思路。