基于高分辨率遥感影像的古中山国平原区地面古河道识别研究

郝娇娇, 郭雯豪, 刘耀徽, 陈 伟, 李鹏为,马小飞, 李夫星,3, 袁 璟, 扶有镜

(1.河北省文物考古研究院,河北 石家庄 050051; 2.河北师范大学 地理科学学院,河北 石家庄 050024;3.河北省环境演变与生态建设实验室,河北 石家庄 050024)

河流水系变迁蕴含着丰富的自然和人文信息,而古河道是河流水系在自然或人为因素影响下引起的河道变化过程中产生的废弃河道的形态物质体,不仅可以为国民经济建设提供基础数据,而且可以通过重建古水文网复原古河型、古水文,进而复原古地貌环境,为地理环境演变及考古发掘提供重要的科学依据[1-5].作为河北地区三大古国之一,古中山国(公元前414年～公元前296年)是中国北方重要的文化发源中心,近年来古中山国古文化研究引起国内外学术界的高度关注[6-8].人类古代文明的发展总是与河流息息相关,古中山国区域古河道属海河上游古河道带,记载了不同历史时期水系结构及沉积环境演变的重要信息,对古中山国遗址空间布局及发掘研究具有十分重要的意义.目前,这些古河道的准确分布位置和形态尚不清楚,亟待查明.

古河道可分为地面古河道和埋藏古河道,其中冲积平原地面古河道(0～8 m)按形态可分为条状高地古河道和槽状洼地古河道,绝大部分为历史时期的古河道(晚全新世以来距今3 000 a以内)[9].早期地面古河道识别方法主要以历史文献查阅法及野外调查法为主[9-12],并以此进一步探究古河道的形态、发育阶段古环境及地貌演变[13-15].随着野外调查研究技术的进步,地球物理勘探法、对称四极电阻率测深法、高密度电法测试技术及电性特征技术等方法也被引入到古河道研究中[16-21],使得地面及埋藏古河道判别效率和准确性得到极大提升[22].尽管上述技术方法在古河道调查研究方面取得了大量的研究成果,但是普遍存在耗时长、人工成本大、监测连续性差等缺点,不利于较大时空尺度的古河道提取研究.随着卫星遥感技术的发展,通过解译遥感影像获取地面信息成为古河道研究的重要手段[3,23-24],其快速且宏观性强的优势有效克服了物理勘探调查研究的相关缺点.受早期卫星影像空间分辨率低、波段数量少等问题的制约,20世纪50～60年代遥感影像大都作为古河道野外调查的辅助资料[1,9-11,15].20世纪70年代以后,随着美国陆地卫星(landsat)的发射,MSS,TM/ETM,MODIS等多波段遥感影像数据被广泛应用于古河道信息提取研究,主要通过区分古河道和其他地物在遥感影像上的特征差异进行解译分析[25-32].已有研究表明,古河道遥感解译标志主要分3类,即线状和蛇曲等河流微地貌类型[27]、居民地的定向排列等古河道衍生规律[25]、古河道中断续的水体排列规律[33].然而,以上这些遥感影像空间分辨率大都为30～80 m,大大限制了古河道微地貌遥感信息的提取.近年来,多波段遥感数据空间分辨率不断提升,如空间分辨率为10 m的Sentinel及SPOT影像,被广泛用于植被、河流监测等,但很少应用在古河道解译提取等相关研究[34-35].此外,高空间分辨率的数字高程图(digital elevation model,DEM)能够有效反映地面微地貌形态变化,但较少用于古河道提取的研究.

古中山国平原区位于河北中西部,人类活动影响较为强烈,古河道微地貌形态不完整.此外,该区域降水较少,古河道中的断续水体特征基本不存在.因此,利用传统间接标志难以准确识别该地区古河道.本文中,笔者基于空间分辨率为10 m的哨兵多波段卫星遥感影像以及当前空间分辨率最高的DEM数据(12.5 m),通过数据分析对古中山国平原区地面古河道遥感信息进行解译提取,并结合历史调查资料进行验证.

1 研究区概况

古中山国强盛时期的疆域(见图1)包括今河北保定地区南部、石家庄地区大部、邢台地区北部及衡水地区西部[36].在大地构造上,该区城地势西高东低,海拔0～2 270 m,受东亚季风气候控制,冬季寒冷干燥,夏季炎热多雨.区域内水系较为发育,属于海河水系,主要河流自北向南依次为唐河、大沙河、磁河、滹沱河及槐河.新生代以来,受构造单元的差异性运动及气候变化的影响,古中山国域内古河道广泛发育.

2 数据资料及处理方法

选择ENVI5.5及ArcGIS10.2为遥感解译数据处理平台,以2021年2月哨兵影像(空间分辨率为10 m×10 m)及DEM数据(空间分辨率为12.5 m×12.5 m)为数据源.在ENVI5.5环境下,对哨兵影像数据进行几何校正和大气校正,然后采用影像2,3,4,8波段合成遥感解译的基础图件.考虑研究区冬季和春季受雾霾天气影响,利用蓝色、红色和近红外波段计算增强归一化植被指数(normalized difference vegetation index,NDVI)数据,基于绿色和近红外波段计算归一化水体指数(normalized difference water index,NDWI)数据.

VEVI=2.5(BNIR-BR)/(BNIR+6BR-7.5BB+1),

(1)

WNDWI=(BG-BNIR)/(BNIR+BG).

(2)

式中,VEVI为增强归一化植被指数数据,WNDWI为归一化水体指数数据,BNIR为近红外波段遥感影像,BR为红色波段遥感影像,BB为蓝色波段遥感影像,BG为绿色波段遥感影像.

利用ArcGIS10.2的强大制图能力,采用Gamma校正对DEM数据进行处理,使输出图像灰度值与输入图像灰度值呈指数关系,增加图像整体对比度更利于分辨低灰度值时的图像细节.

(3)

式中γ为校正Gamma值,x为图像平均亮度值.

不同地物反射或者散射的电磁波信号存在差异性,导致遥感图像上的形态和色调差异,这构成了遥感解译的基础.古河道的地物属性在遥感图像上虽有别于其他地物,但因后期受人类活动及气候变化的影响,古河道的色调在图像上很难区分,但在遥感影像上总体呈蛇曲线状分布特征;有的古河道呈现居民点、耕地沿河道定向排列的蛇曲线状分布特征;有的古河道沿岸NDVI指数与周围耕地及居民点存在明显差别.此外,高精度DEM影像可以反映地面微地貌变化,但平原地区地势起伏变化非常小,很难识别古河道的存在,必须经过校正增强图像对比度,获取地面微地貌的起伏变化.

3 地面古河道识别

3.1 基于遥感解译标志的地面古河道提取

图2a给出了基于哨兵红绿蓝波段假彩色合成影像(空间分辨率为10 m×10 m),图2b为利用绿色和近红外波段计算得到的NDWI分布图.根据以往研究可知,土壤、水体、植被的波谱特征均为古河道的重要遥感解译标志.由图2a可以看出,与周围地物相比,研究区地面古河道在遥感影像中的色调发亮且颜色较浅,呈条带状分布.与此同时,河流泛滥的区域也呈现类似的遥感特征,如唐河下游地区,很可能是由于河水泛滥导致土壤盐渍化比较明显,不利于植被生长,使得植被密度较低.水体的反射主要在蓝绿光波段,而在其他波段则具有很强的吸收能力,特别是在近红外波段.考虑到古河道地下水位较高且具有一定的蓄水功能,NDWI指数具有一定的指示功能.由图2b可以看出,河道及建筑物影像色调均为蓝色,但河道则呈条带状分布.尽管如此,在气候变化及人类活动影响下,地面古河道部分已经被开垦为耕地,因此NDWI很难对水体较少的古河道进行表征,但是却为精确提取古河道奠定了基础.

图2 地面古河道假彩色影像(a)及NDWI(b)Fig.2 False Color Image(a) and NDWI(b) of Surface Paleochannels

NDVI表征区域植被覆盖情况,在NDVI影像分布图中可以更好地观察古河道的植被标志.古中山国平原区为华北平原的一部分,2月时主要的植被覆盖区多为农田.利用NDVI对研究区地面古河道进行鉴别,需要排除水体、裸地、建筑物等其他土地利用类型的干扰.考虑到植被光谱特征与其他地物差距很大,因此利用NDVI进行古河道提取通常能取得较好的成果.2月时,研究区农田的单一农作物为冬小麦,其他植被或者作物还没有返青,因此可以更好地表征耕地中古河道的特征.从研究区NDVI影像分布(见图3a)可以看出,深绿及浅绿色为植被覆盖度高的区域,而桔黄色为植被覆盖度低的区域.古河道大多处于NDVI较低的区域,且呈带状延伸.因此,基于NDVI值的带状分布特征对可能存在古河道的区域进行了提取.土地利用类型是人类在过去生产、生活中基于不同自然地理条件进行改造后所形成的,如耕地、城镇居民点等.由于这些土地利用类型与未经或者较少经过人工扰动的自然环境存在差异,这些异常特征在遥感影像中的表现为古河道的提取提供了判读分析依据.采用非监督分类方法对哨兵影像假彩色合成图像进行识别解译,将研究区土地利用类型划分为水体、湿地、耕地和建筑物,结果见图3b.其中,水体主要为现代水体,而湿地则包括现代河道及古河道在地面的遗存(不连续的水体或者死河段).由于平原河流在演变过程中会侵蚀两侧河岸,并进一步影响人类居民点的分布情况,因此城乡居民点分布能够很好地表征古河道的分布和延伸情况.

3.2 基于高精度DEM的地面古河道提取

古河道的地表形态可分为条状高地古河道和槽状洼地古河道,其中条状高地古河道又包含古决口扇和古河漫滩等微地貌类型.总体来说,虽然部分古河道因为人类活动改变了原有的自然属性,但与周围地形相比表现出的正负微地貌特征差异仍然可以成为识别古河道的重要标志.古中山国平原区地形平坦,起伏不大,导致古河道微地貌高程差异性不明显,难以直接通过DEM数据进行区分.因此,基于DEM数据(空间分辨率为12.5 m×12.5 m),采用Gamma校正对DEM图像灰度值进行非线性操作,增大灰度值的差异性,提高微地貌图像起伏对比度效果,从而更好地表征古中山国平原区地面古河道分布特征.由图4可以看出,经过校正后可以很好地体现微地貌变化细节:当Gamma系数为0.8～1.2时,图像的整体亮度偏高,黄绿色区域的对比度增大,而浅蓝色等明亮区域对比度较小;随着Gamma系数不断增大,图像整体颜色不断加深,从河流上游到下游,古河道与周围地形之间的高程差异也不断显现;当Gamma系数达到4.0时,图像的整体亮度减小,黑暗区域面积增大,对比度降低.总之,基于图像校正方法,随着Gamma系数不断增大,DEM图像微地貌特征细节变化得到增强,显著提升了古河流微地貌形态,为古中山国地面古河道提取创造了条件.

3.3 基于遥感解译标志与DEM微地貌变化的地面古河道

由图5a可以看出,相较于NDWI等遥感解译标志,经过Gamma校正后的DEM图像能够更好地表征古河道微地貌形态,将已演化为耕地的古河道重新进行识别归类,进一步增加了平原区地面古河道的范围.图5b为结合了DEM校正图及遥感解译标志的古河道综合图.虽然DEM校正可以对古河道的微地貌起伏细节进行提取,但仍难以区分一些与周围其他土地类型混为一体的古河道,即与周围地形相差不大的古河道.而卫星遥感解译标志可以很好地表征和补充这类古河道,如唐河下游决口处,地形起伏度低,微地貌形态难以区分,但土地颜色明显与周围地物存在差异,可以判定为河道决口所致.综上所述,通过卫星遥感解译标志,如NDWI,NDVI和土地利用类型等,以及高空间分辨率的DEM校正变换,可以很好地提升古中山国平原区地面古河道提取效果.

图5 基于DEM校正(a)及结合遥感解译标志(b)的古河道分布图Fig.5 Paleochannels Distribution Based on DEM Correction(a) and Remote Sensing Interpretation(b)

3.4 基于遥感提取的地面古河道验证

为了验证基于高空间分辨率遥感影像提取的古中山国平原区地面古河道信息精确度,采用1963年美国Keyhole卫星拍摄的滹沱河流域图与之进行对比验证.由图6a可以看出,DEM图经过Gamma校正后(γ=1.0),黄壁庄水库以下的滹沱河河段微地貌形态差异显著,明显体现出河道在摆动过程中与周围地表形成的高度差.在东北—西南方向,海拔低的古河道颜色泛绿,而同等方向周围地表颜色为黄红色.相较于现在大规模开发的滹沱河河道,1963年的滹沱河河道更能够表现出其原始自然状态,可用于现今古河道提取信息的验证.由图6b可以看出,在相同的河段位置可以明显看出滹沱河古河道分布情况,颜色较深的区域为废弃的地面古河道,与基于哨兵影像和DEM提取的地面古河道分布基本一致.

4 结论与展望

通过对高分辨率哨兵卫星影像进行遥感解译及数字高程图像Gamma校正,分析研究了古中山国平原区地面古河道分布情况.古河道在假彩色合成遥感影像中颜色较浅并呈条带状分布;而NDVI、土地利用等遥感解译标志表明,华北地区古河道不仅影响植被覆盖,同时影响人类居民点的分布.高空间分辨率的DEM图像经Gamma校正后,能够清晰地表征古河道微地貌形态变化.由此可见,利用卫星遥感解译及高精度DEM图像可以有效解译地面古河道,该方法可为今后古河道发现及提取提供借鉴.

经人为改造后的古河道与耕地等地物在遥感影像中的特征具有相似性,造成了一定程度的误分,因而需要通过实地调查对存在错误的古河道遥感信息进行确认.因此,下一步研究重点为利用高分辨率遥感影像与实地调查研究相结合的方法对古河道进行精准提取.