农田涝灾遥感影像特征分析及提取方法研究

摘要 农田涝灾遥感识别并非简单的水域信息增强与提取，因“作物-水体”的复合而呈现特定的空间异质性和复杂性。基于遥感等空间信息技术手段，研究顾及多种农田涝灾影像特征的涝灾信息快速提取方法。2021年7月中下旬，河南省经历了特大洪涝灾害，以卫辉市和浚县为研究区域，使用Sentinel-2影像数据，分析农田涝灾的影像特征，基于归一化植被指数，快速提取了卫辉市和浚县的农田涝灾空间分布信息。经实地采集的信息验证，2县（市）提取精度均在90%以上。

关键词 农田涝灾；复合信息；影像特征；信息提取

中图分类号 S 127 文献标识码 A 文章编号 0517-6611（2024）23-0211-05

doi：10.3969/j.issn.0517-6611.2024.23.046

Image Feature Analysis and Extraction Method Study of Farmland Waterlogging Based on Remote Sensing

CHEN Yuan-yuan1， JIAO Wei-jie1， WANG Lai-gang2 et al

（1. Big Data Development Center， Ministry of Agriculture and Rural Affairs， Beijing 100125;2. Henan Academy of Agricultural Sciences， Zhengzhou， Henan 450002）

Abstract The previous researches on the recognition of farmland waterlogging using remote sensing usually focus on the enhancement and extraction of waterbody information. In fact， the features of farmland waterlogging in remote sensing image are different from those of water， presenting specific heterogeneity and complexity due to the composite of crops and waterbody. The method of rapid extraction of farmland waterlogging based on spatial information technology was explored， which takes into account the complexity of farmland waterlogging. Mid to late July in 2021， catastrophic flood disaster occurred in Henan Province. Taking Weihui City and Junxian as the research areas and Sentinel 2 image as the main data， we analyzed the image characteristics of farmland flood disasters and the distribution information of farmland waterlogging in research areas was extracted by combining normalization difference vegetation index and visual interpretation. The accuracies of the two research areas were more than 90%， based on the in situ data.

Key words Farmland waterlogging;Composite information;Image characteristics;Information extraction

基金项目 国家重点研发计划项目（2019YFE0115200，2023YFB3906-205）。

作者简介 陈媛媛（1985—），女，河北衡水人，高级工程师，博士，从事农业灾害遥感监测研究。*通信作者，正高级工程师，硕士，从事农业遥感应用与信息化研究。

收稿日期 2023-11-27

洪涝灾害是指由于降水过多或过于集中，特定区域无法承受或排出过量水体而被浸泡或完全淹没的现象［1］，其发生往往具有突发性和不确定性。我国洪灾灾害发生频率高，尤其是在每年的7和8月，东北、华北和江淮一带时常发生洪涝灾害，强降雨导致的农田积水、河道决堤给农业生产带来不少损失［2］。准确、快速提取农田范围内的洪涝灾害信息，有助于各级农业管理部门第一时间掌握灾情范围和受灾程度，快速制定合理的救灾和减灾方案，最大程度减少灾害损失，同时也有利于农业保险部门制定精准的理赔方案，创新理赔模式［3-4］。洪涝发生后，往往造成多条道路积水严重，车辆无法通行，加之农业涝灾多成片大面积发生，靠人力很难在短时间内全面勘察清楚。以遥感为主的空间信息技术具有观测范围大、表达信息客观以及与地理信息系统结合使用强大的空间数据分析等优势，是洪涝灾害信息提取和分析的有效手段［5］。

首次运用遥感技术进行洪涝灾害监测和制图试验的是美国学者Rango［6］，之后不少研究者开展了基于遥感影像的洪涝灾害信息提取研究，创建了归一化差异水体指数（normalized difference water index，NDWI）、基于Sentinel-1的双极化水体指数等模型来突出水体与背景信息的差异，并将相关指数用在不用区域不同时间的灾害监测研究中。例如，周晗［7］用NDWI提取2017年斯里兰卡特大洪灾淹没区；代辉等［8］用归一化差异水体指数监测了2012年内蒙古巴彦淖尔的特大暴雨。此外，苏亚丽［9］利用MODIS时序数据采用归一化植被指数（NDVI）关注涝灾开始时间和持续时长；汪权方等［5］建立了洪灾扩展动态度指数和区域灾情比较指数，研究了2016年夏季鄱阳湖区域的农业涝灾时空变化趋势；眭海刚等［10］提出了多模态序列遥感影像的一体化配准和洪涝灾损信息提取方法。随着近年来雷达影像技术的发展，Sentinel-1、Gaofen 3等微波数据也被应用到洪涝灾害监测领域［11-14］，但是雷达影像中的相干斑噪声往往导致水体提取结果中“椒盐现象”比较明显，提取精度和智能化水平往往较光学影像低［7，15］。分析既有研究不难发现，前人利用遥感技术提取洪涝区域的研究往往侧重于水域信息的增强和提取［7，16-18］。实际上，就农田涝灾而言，其影像特征不同于水域，会因“萎蔫或死亡作物-水体”复合程度的不同而呈现复杂的影像特征［1］，具有空间异质性。除了明显的水体特征外，还存在因长时间水淹而萎蔫的作物以及淹没区水体和作物共存的混合现象等，这也往往会导致涝灾遥感识别的不确定性。以前研究往往“将洪灾区域视为水域”来进行提取［19］，对“农田洪涝灾区的空间异质性与复杂性”问题关注不多，这也是快速提取涝灾区域的难点所在。光学影像较雷达数据表达的地物信息更为丰富，适合用于关注和研究农田洪涝灾区的空间异质性和复杂性问题。

面向农田涝灾信息业务化监测需求，笔者以2021年7月河南省历史上罕见的特大涝灾为关注点，研究农田涝灾的空间异质性问题；利用第二次全国土地调查（以下简称“二调”）等基础地理信息数据作为辅助，探索一种适合农田洪涝灾区目标多样化特征的农业涝灾快速提取策略。该研究一方面为农业部门快速客观掌握洪涝灾损信息提供参考，另一方面也为因水淹而受损的农业灾害精准理赔提供有价值的空间信息。

1 研究区域与数据源

1.1 研究区域

2021年7月17日开始，河南省多地持续出现暴雨甚至特大暴雨，本轮降雨基本在7月23日才停止。全省各地出现了不同程度的汛情，其中郑州、新乡、鹤壁等市灾情严重。卫辉市位于新乡市北部，属于全市海拔最低的地方；浚县位于鹤壁市东部，紧邻卫辉市。共产主义渠、卫河、东孟姜女河等河流都在卫辉、浚县境内交汇，是上游排水的必经之处。受连续强降雨影响，7月23日凌晨，共产主义渠开始漫堤溢洪，卫河决堤，河流流经的卫辉市和浚县较大范围被洪水淹没，成为受降雨和泄洪双重因素影响的洪涝重灾区。因此该研究以卫辉市和浚县为研究区域（图1），利用Sentinel-2光学影像分析2县（市）耕地受灾情况。

1.2 遥感影像

研究区域在7月17—30日间均有不同程

度的降水，该研究获取了研究区域2021年7月31日的

Sentinel-2无云遥感影像。Sentinel-2卫星于2015年发射成功，携带的多光谱成像仪幅宽290 km，具有从可见光至短波红外的13个波段，空间分辨率为10、20和60 m。该研究使用的Sentinel-2数据是从Google Earth Engine平台上下载的标准地表反射率产品，经裁剪后得到覆盖卫辉市和浚县的遥感影像（图2），用于分析涝灾影像特征及信息提取方法研究。

1.3 其他地理信息数据

基础地理信息数据对于业务化洪涝灾害快速监测是必要的。该研究重点关注农田涝灾的空间分布范围和信息，因此利用二调数据中旱地、水田、水浇地的矢量图斑，合成耕地图层。对二调数据中村级的土地利用类型进行合并，形成村级行政界线数据。

1.4 野外调查数据

7月下旬，研究区域道路和农田积水过多，野外调查于8月份进行，调查区域主要是人能到达或是视野能触及的农田区域。调查重点在共产主义渠、东孟姜女等河流漫溢、决堤周边重灾区一带开展。在高精度GPS的支持下，卫辉市和浚县分别搜集了37、51个野外调查数据（图3），记录了每个调查点处的经纬度、作物淹没情况，用于辅助涝灾农田遥感影像特征分析及提取结果的验证。

2 方法

研究按照灾情目标信息分析—灾情区域提取—灾情信息统计与验证的思路开展，具体流程见图4。

2.1 灾情目标信息分析

受降雨时长和河流决堤等主次生

因素叠加影响，截至7月底，研究区域内有的地方洪水仍未

消退，伴有严重积水、轻度积水等不同状态，类似水体特征；有的地方水已消退，但作物因长时间浸泡呈现萎蔫或死亡态；有的地方呈现水体和作物的混合特征（图5）。因此，该研究的灾情目标信息涉及3类，分别为水体、萎蔫或死亡作物、由水体-萎蔫或接近死亡作物构成的混合承灾体，单纯提取农田内的水体不能完全提取出受灾区域。利用遥感影像的红和近红外波段计算NDVI值，即（近红外-红）/（近红外+红），发现这3类承灾体的共同特征是NDVI值较未受洪灾影响而正常生长的作物区域明显偏低，这也与前人研究结论相一致［20-21］。根据几何形状和沿一定方向延伸的特征判断，研究区域内存在部分宽度较窄、在二调耕地图层中并

未去除的道路信息，其光谱特征值与因长时间受淹而萎蔫或死亡的

作物光谱特征类似，其NDVI值与因长时间受淹而萎蔫或死亡的作物NDVI值接近，在灾损信息图层中去除这类信息难度较大。

2.2 灾情区域提取

此次农田涝灾提取的关键在于如何从遥感影像中快速提取出上述3类目标信息。针对受云雨天气影响无法保障多时次光学影像的情况，该研究抓住3类目标信息具有NDVI值偏低这一共同特性，制定了农田涝灾提取策略。具体过程如下：针对“2.1”中的发现，首先用NDVI图像，通过设置阈值将原始影像二值化，提取出低于阈值的区域。卫辉市和浚县的NDVI阈值分别为0.65、0.75。使用基于二调数据合成的耕地图层对NDVI低阈值区域进行掩膜，得到农田涝灾的初步提取结果；针对“2.1”中的发现并结合前人研究，人类视觉系统在感知外界环境时有极强的辨识力，即使对遥感影像的少数具有微弱光谱信号地物，也能凭借其亮度、颜色、形状等的综合性状与周边像元不同而快速处理，从而能够分辨出这些目标对象［1］，这也是部分狭窄田间道路能够被人眼识别出来但却不能被计算机分类出来的原因。因此，该研究对初步结果进行栅格—矢量转换，通过人机交互和目视判读的方式进行修正，删除混在初步提取结果中的狭窄道路信息，得到精确的农田涝灾空间分布图（图6）。

2.3 灾情信息统计与验证

将所提农田涝灾空间分布结果与村界矢量图层进行叠加分析，统计各个村的农田涝灾情况。以实地调查的样点受灾与否信息与遥感提取的农田涝灾结果的符合情况评估本文结果的准确性，如公式（1）所示。

A=N1/N2×100%（1）

式中：A表示文本结果的准确率；N1和N2分别表示实地调查与遥感结果吻合的调查点数量、调查点总数。

3 结果及验证

3.1 结果

卫辉市7月31日农田涝灾面积17 160.94 hm2，占全市耕地面积的38.40%，涉及340个行政村。其中，顿坊店乡下马营村农田受灾面积居全市农田受灾面积之首，为373.89 hm2，占全市农田受灾面积的2.18%。紧邻其后的是邵庄村、黄土岗村、东纸坊村、万户寨村，受灾面积均超过300 hm2，占全市农田受灾面积的7.37%。63个村的农田受灾面积在100～300 hm2，占全市农田受灾面积的58.84%；272个村的农田受灾面积在100 hm2以下，占全市农田受灾面积的31.60%。浚县7月31日农田涝灾面积32 860.91 hm2，占全县耕地面积的45.03%，涉及468个行政村。受灾最为严重的是白寺镇白寺村，农田受灾面积731.71 hm2，占全县农田受灾面积的2.22%；其次是新镇镇新镇村、刑固村、54854部队、卫贤镇赵岗村、新镇镇牛村、申店村，农田受灾面积在300～600 hm2，占全县农田受灾面积的7.17%。118个村的农田受灾面积在100～300 hm2，占全县农田受灾面积的58.11%；343个村的农田受灾面积在100 hm2以下，占全县农田受灾面积的32.49%。

从受灾区域的空间分布来看，大部分受灾区域位于共产主义渠及其卫河沿线地带，这些地方地势偏低，洪水和泄洪引发的次生洪涝叠加使得过量水体无法外排，积水成灾。

3.2 验证

根据实地调查，GPS记录的所有调查点均遭受了洪涝灾害侵袭，大部分验证点在调查时间积水还较多，少量验证点处积水已褪去，但作物已经萎蔫，几乎面临绝产。卫辉市的37个验证点中，35个验证点的实地调查情况与遥感提取结果吻合，准确率94.59%；浚县的51个验证点中，47个验证点的实地调查情况与遥感提取结果吻合，准确率92.16%。

4 结论与讨论

不同于已公开文献中大多关注水体信息的强化与提取研究，该研究针对农田洪涝灾害的空间异质性问题，以农田涝灾业务化提取为导向，结合遥感和基础空间地理信息数据，提出了农田涝灾快速提取方法。所提方法使用一期遥感影像，避免了阴雨天气多时次高质量遥感影像获取困难的问题。将所提方法应用在2个县（市）的耕地洪涝灾害信息提取中，经基于实地采集点的验证，所提方法精度均在90%以上。

由于农田涝灾影像特征的复杂多样性以及精准耕地图层数据的缺失，为准确提取农田涝灾信息，该研究对基于NDVI阈值提取的农田涝灾图层进行了目视修正，这属于定性或半定量的研究范畴［22］。未来，继续探索挖掘涝灾农田的光谱特征信息，构建针对农田涝灾复杂多样性的特征指数和定量遥感识别方法是农业洪涝灾害领域的一个发展方向。

受天气及地形等因素影响，洪涝灾情往往处于不断的动态变化之中，需使用涝灾发生之后多时序的影像数据进行灾情变化趋势和灾损程度分析。实际应用中，获取特定时间特定地点的多时次影像依然是一项客观挑战，大范围洪涝灾害空间信息获取与灾情评估也因此存在响应速度不够及时的问题。加强国产大宽幅遥感影像数据及产品的服务能力，强化多源遥感数据、遥感与非遥感数据协同监测，提升灾区信息智能化提取水平，是快速进行农业洪涝灾情评估需重视的方向之一。

参考文献

［1］ 汪权方，张雨，汪倩倩，等.基于视觉注意机制的洪涝淹没区遥感识别方法［J］.农业工程学报，2019，35（22）：296-304.

［2］ 张少春，高惠瑛.全国年度和场次洪涝灾情评估研究［J］.人民长江，2020，51（6）：5-10.

［3］ 隋学艳，梁守真，张金盈，等.不同生育时期玉米洪涝胁迫遥感监测与评估［J］.作物学报，2021，47（1）：177-184.

［4］ 刘振功.基于遥感技术的农业保险业务模式创新研究［D］.济南：山东大学，2016.

［5］ 汪权方，孙佩，王新生，等.基于洪水过程的农业洪灾变化遥感快速评估模型及其应用［J］.长江流域资源与环境，2017，26（11）：1831-1842.

［6］ RANGO A，ANDERSON A T.Flood hazard studies in the Mississippi River basin using remote sensing［J］.Journal of the American water resources association，1974，10（5）：1060-1081.

［7］ 周晗.基于Sentinel1/2的斯里兰卡洪涝淹没范围提取研究［D］.北京：中国科学院大学（中国科学院遥感与数字地球研究所），2018.

［8］ 代辉，武文波，刘纯波，等.洪涝灾害天空地一体化灾情查勘技术研究［J］.自然灾害学报，2014，23（1）：1-6.

［9］ 苏亚丽.耕地暴雨洪水灾害多源卫星遥感监测方法研究［D］.西安：西安科技大学，2018.

［10］ 眭海刚，赵博飞，徐川，等.多模态序列遥感影像的洪涝灾害应急信息快速提取［J］.武汉大学学报（信息科学版），2021，46（10）：1441-1449.

［11］ ALEXANDRE C，JOHARY R，CATRY T，et al.A Sentinel-1 based processing chain for detection of Cyclonic flood Impacts［J］.Remote sensing，2020，12（2）：1-18.

［12］ 周琳.基于改进SLIC算法的融合影像水体提取研究：以GF-1与GF-3为例［D］.赣州：江西理工大学，2019.

［13］ ZHANG M M，CHEN F，LIANG D，et al.Use of Sentinel-1 GRD SAR images to delineate flood extent in Pakistan［J］.Sustainability，2020，12（14）：1-19.

［14］ 贾诗超，薛东剑，李成绕，等.基于Sentinel-1数据的水体信息提取方法研究［J］.人民长江，2019，50（2）：213-217.

［15］ 李丹，吴保生，陈博伟，等.基于卫星遥感的水体信息提取研究进展与展望［J］.清华大学学报（自然科学版），2020，60（2）：147-161.

［16］ 唐德可，王峰，王宏琦.基于马尔科夫分割的单极化SAR数据洪涝水体检测方法［J］.电子与信息学报，2019，41（3）：619-625.

［17］ UDDIN K，MATIN M A，MEYER F J.Operational flood mapping using multi-temporal Sentinel-1 SAR images：A case study from Bangladesh［J］.Remote sensing，2019，11（13）：1-19.

［18］ AMITRANO D，DI MARTINO G，IODICE A，et al.Unsupervised rapid flood mapping using Sentinel-1 GRD SAR images［J］.IEEE transactions on geoscience and remote sensing，2018，56（6）：3290-3299.

［19］ 伍俊斌，刘雷震，田丰，等.面向重大洪涝灾害应急响应的灾情动态评估方法研究：以2018年8月山东寿光洪涝灾害为例［J］.北京师范大学学报（自然科学版），2020，56（6）：846-855.

［20］ 毕京佳.基于遥感和GIS的洪水淹没范围估测与模拟研究［D］.青岛：中国科学院研究生院（海洋研究所），2016.

［21］ 解文欢，张有智，刘述彬.农业洪涝灾害研究进展［J］.中国农业资源与区划，2020，41（1）：204-211.

［22］ 王大鹏，李长安，李辉.基于遥感的武汉植被覆盖动态变化研究［J］.农机化研究，2009，31（7）：74-78.