謝文君 ，岳翠瑩 ，張 文

（1. 水利部水利信息中心，北京 100053；2. 武漢大學遙感信息工程學院，湖北 武漢 430079）

洞庭湖1996—2016年時空特征變化研究

謝文君1，岳翠瑩2，張 文2

（1. 水利部水利信息中心，北京 100053；2. 武漢大學遙感信息工程學院，湖北 武漢 430079）

以 1996—2016 年 Landsat 和高分 1 號影像為主要數(shù)據(jù)源，為了更快速且準確地從海量影像中提取水體信息，采用水體指數(shù)和閾值相結合的方法提取洞庭湖水面信息，取得很好的結果。同時，結合城陵磯站的水位數(shù)據(jù)，對洞庭湖湖區(qū)四季的時空特征、水面面積和水位之間的相關性及湖區(qū)面積時序變化特征進行定量分析。研究結果表明：1）洞庭湖水面面積季節(jié)性差異十分明顯，夏季處于豐水期，表現(xiàn)為汪洋一片，平均湖面面積達到最大，春秋季節(jié)次之，冬季處于枯水期，平均湖面面積最小；2）水面面積和水位之間具有強烈的相關性，整體相關系數(shù)的平方達到 0.948 2；3）水面面積整體有下降趨勢，其中夏、秋季節(jié)下降趨勢較明顯，春、冬季節(jié)較不明顯。

海量數(shù)據(jù)；水體指數(shù)；閾值；相關性；時空特征變化；定量分析

0 引言

水是生命之源，水資源對于人類的生產和生活是極其重要的，而淡水湖又是人類重要的淡水源之一，因此人們對淡水湖泊的動態(tài)變化監(jiān)測一直都十分關注。張克祥等[1]采用 MODIS 16 d 合成的植被指數(shù)產品，利用水體和植被在可見光和近紅外波段的光譜反射差異，對鄱陽湖 2000—2011 年的湖泊面積進行變化監(jiān)測；祝令亞等[2]采用環(huán)境減災衛(wèi)星影像，結合土地利用結構的變化，對太湖地區(qū) 1980—2005 年的水質變化進行相關研究。王慧等[3]對Landsat 和 MODIS 影像在洞庭湖面積變化監(jiān)測中的應用進行綜述，并分析三峽大壩的建立對洞庭湖水面面積的影響。目前對湖泊長時間序列的變化監(jiān)測研究大多是對湖泊多年的變化情況進行整體性的分析研究，忽略了湖泊變化的季節(jié)性差異，但實際上湖泊在長時間的動態(tài)變化中，變化特征的季節(jié)性差異十分顯著，且有規(guī)律可循。因此利用洞庭湖的遙感影像、數(shù)字高程模型圖及實測水位數(shù)據(jù)等海量數(shù)據(jù)，分別按照春夏秋冬 4 個季節(jié)對洞庭湖 1996—2016 年的時空特征變化進行定量分析研究。

1 研究區(qū)域及數(shù)據(jù)源的分析

1.1 研究區(qū)域概況

洞庭湖是我國第二大淡水湖，位于東經(jīng) 111°40′～113°10′，北緯 28°30′～29°31′，長江中游以南，湖南省北部，地理位置如圖 1 所示。2003 年 6 月三峽大壩下閘，逐步開始發(fā)揮作用，隨之對洞庭湖也產生了巨大的影響，為了更加全面地了解洞庭湖的變化規(guī)律和演化趨勢，對洞庭湖的湖區(qū)面積和水位進行長時間序列的動態(tài)監(jiān)測具有十分重要的意義。

1.2 數(shù)據(jù)源

為了更準確全面地對洞庭湖進行長時間序列的變化監(jiān)測分析，選取多種來源、類型的海量數(shù)據(jù)，主要有 Landsat，高分 1 號（GF-1 號）和 DEM 等影像，以及時間分辨率為 1 d 的水文站實測數(shù)據(jù)。具體數(shù)據(jù)情況如下：

1）Landsat 和 GF-1 號影像。1996—2012 年的洞庭湖影像采用 Landsat 系列衛(wèi)星影像，分辨率為 30 m，包含 7 個波段信息，由于波段信息較為豐富，不同的波段組合常被用來作水體、植被、建筑等地物的提取，或進行土壤含水量和濕度、植被含水量、水深等的反演研究。2013—2016 年影像采用 GF-1 號衛(wèi)星影像，分辨率為 16 m，包含藍、綠、紅、近紅外4 個波段信息，影像波段數(shù)較少，通常用來進行水體、植被的提取，同時由于 GF-1 號衛(wèi)星影像分辨率較高，也可用來做土地利用分類專題圖。在進行影像選擇時盡可能選擇云量較少、能夠完全覆蓋洞庭湖范圍的可以代表各個季節(jié)的影像，如 4 月（春）、7 月（夏）、10 月（秋）、1 月（冬）。

圖 1 洞庭湖地理位置示意圖

2）數(shù)字高程模型。為結合洞庭湖區(qū)的地形特點對湖泊的變化情況進行研究，用到了洞庭湖數(shù)字高程模型影像，來源為地理空間數(shù)據(jù)云網(wǎng)站的GDEM V2，分辨率為 30 m，該影像數(shù)據(jù)采用一種先進的算法對 V1 版 GDEM 影像進行了改進，提高了數(shù)據(jù)的空間分辨率和高程精度。該算法重新處理了 150 萬幅影像，其中的 25 萬幅影像是在 V1 版GDEM 數(shù)據(jù)發(fā)布后新獲取的影像，V2 版對 V1 版中存在的錯誤做了很好地矯正。

3）水文站實測水位數(shù)據(jù)。為進一步分析洞庭湖水面面積和水位之間的相關性，還用到了城陵磯水文站 1996—2016 年連續(xù) 21 a 的實測水位數(shù)據(jù)。城陵磯水文站位于長江中游，是長江流域已有的 135 個水文站之一，又是洞庭湖的控制站，位于洞庭湖入湖口處，在防汛測報等方面起著重要作用。結合城陵磯站的實測水位信息，可以更準確地對洞庭湖的時空特征變化做出相關分析，從而更好地將研究結果應用于實際生產、生活。

2 多源遙感影像的水體提取

常用的遙感影像水體提取方法有監(jiān)督、非監(jiān)督分類法，目視解譯法，水體指數(shù)法等。監(jiān)督分類法提取結果精度的高低依賴于樣本的選取，而樣本的選取需要大量的人工操作；非監(jiān)督分類法的精度取決于初始類別數(shù)的設置，且分類之后需人工確定哪一類屬于水體；目視解譯法雖然提取結果精度高，但操作復雜，耗時過長。因此面對大量的待提取影像，這 3 種方法都不太適用，為此提出水體指數(shù)和自適應閾值法相結合的方法，可以批量對影像進行水體提取。

2.1 水體指數(shù)選取

對原始影像進行預處理后，面向不同的遙感影像數(shù)據(jù)源，采用不同的水體指數(shù)方法。常用的水體指數(shù)有 NDWI（歸一化水體指數(shù)）和 MNDWI（改進后的歸一化水體指數(shù)），公式如下：

式中：Rg指綠波段反射率；Rn指近紅外波段反射率；Rm指中紅外波段反射率。

其中 MNDWI 更適用于城鎮(zhèn)區(qū)的水體提取，而且很容易區(qū)分陰影和水體，洞庭湖周邊有很多聚集的鄉(xiāng)鎮(zhèn)，因此優(yōu)先選取 MNDWI 指數(shù)。Landsat 系列的 TM 和 ETM + 影像有藍、綠、紅、近紅外、中紅外和熱紅外波段等，因此可以采用 MNDWI 指數(shù)進行水體提?。欢?GF-1 號衛(wèi)星影像只有藍、綠、紅和近紅外波段，因此只能采用 NDWI 指數(shù)。

2.2 閾值選取和分析

由于需要對大量的影像進行水體提取，且每幅影像中提取水體的閾值不盡相同，因此為了更加快速準確地將所有影像中的水體提取出來，采用水體指數(shù)和自適應選取閾值法相結合的方法進行水體提取。由波段運算得到的 NDWI 或 MNDWI，水體和非水體的指數(shù)值之間差異很明顯，而且位于水體和非水體臨界點的值對應的像素是最少的，因此只要確定水體和非水體的臨界值即水體閾值，就能很好地將水體和非水體區(qū)分開來，水體提取的流程圖如圖 2所示，圖中 p0指根據(jù)水體指數(shù)結果確定的水體和非水體的初始臨界值。1998 年 8 月 14—23 日的水體提取結果和原始影像真彩色合成后的疊加圖如圖 3 所示，其中白色線條邊界為全國水利普查數(shù)據(jù)中的洞庭湖邊界，白色線條內的深色邊界為根據(jù)水利普查邊界對水體提取結果進行裁剪后的結果，從圖中可以看出，采用本研究提出的方法幾乎可以將所有的水體全部提取出來，因此證明該算法切實可行，且效果很好。

圖 2 水體提取流程圖

圖 3 水體提取結果與影像疊加圖

3 洞庭湖的時空特性研究

3.1 洞庭湖季節(jié)性時空特征變化分析

為了更準確地對洞庭湖的時空變化特性進行定量分析研究，需要洞庭湖 1996—2016 年每年四季的水面面積和水位數(shù)據(jù)。將利用水體指數(shù)和自適應閾值相結合的方法提取到的洞庭湖各個年份的春夏秋冬四季的水面范圍矢量導入 ArcGIS 中，通過地理計算工具計算出洞庭湖連續(xù) 21 a 各個季節(jié)的水面面積。然后選取位于洞庭湖入湖口之一的城陵磯水文站的實測水位數(shù)據(jù)作為洞庭湖水位數(shù)據(jù)來源，從水利部水利信息中心的實時水雨情數(shù)據(jù)庫中得到的水位數(shù)據(jù)包含了洞庭湖 1996—2016 年每天的實測水位數(shù)據(jù)，但只選用跟提取水體的遙感影像日期相同的水位數(shù)據(jù)，將其結合水面面積進行相關分析研究。

洞庭湖四季的湖泊平均面積和水位情況如表 1所示，每個季節(jié)水面面積減少明顯年份的湖泊水面疊加顯示的結果如圖 4 所示，圖中深色部分為湖面面積減少的部分。從圖表可以明顯看出，湖區(qū)水面面積變化季節(jié)性特征顯著，夏季處于豐水期，水位較高，湖面面積較大，表現(xiàn)為汪洋一片，平均水面面積高達 1 814 km2；春秋季節(jié)次之；冬季處于枯水期，水位低，湖面面積小，平均面積只有 568 km2，僅存在幾條帶狀水域，這些特征跟洞庭湖流域內季節(jié)性的降雨量變化和長江汛期的影響有關。這是由于夏季降雨量偏多，湖泊水位上升，湖水向周圍蔓延，湖泊面積也隨之變大；秋季汛末三峽大壩開始蓄水，洞庭湖入湖水量明顯減少，再加上冬季降雨量偏少，導致冬季湖泊內只有少量的湖水蓄積在地勢較低的洼地內，呈帶狀分布，由此導致洞庭湖整體呈現(xiàn)出夏季一大片，冬季只有幾條線的景象。

表 1 1996—2016 年洞庭湖面積、水位均值

考慮到湖泊水面分布的空間特征，從圖 4 可以看出，春季湖泊面積減少地區(qū)主要位于洞庭湖西南部，夏季面積減少地區(qū)主要位于洞庭湖西南部少部分、南部偏北邊和東北部部分地區(qū)，秋季面積減少地區(qū)主要位于洞庭湖西南部、南部偏北邊和東北部部分地區(qū)，冬季湖泊面積變化無明顯空間聚集特征。洞庭湖數(shù)字高程模型如圖 5 所示，從圖 5 可以發(fā)現(xiàn)湖泊面積減少地區(qū)的高程值都較周圍地區(qū)高程值高，表明在因降雨量減少或三峽大壩蓄水而導致洞庭湖水體減少的情況下，湖泊面積從地勢較高的地方開始減小。

圖 4 洞庭湖四季變化顯著年份湖泊面積圖

圖 5 洞庭湖數(shù)字高程模型圖

3.2 洞庭湖水位與面積相關性分析

湖泊水位-面積曲線是湖泊最重要的形態(tài)特征之一，湖泊的水位越高，湖水向周圍蔓延的范圍越大，相應地湖泊的面積也就越大。湖泊水位的變化勢必會對湖泊面積產生一定的影響，因此對洞庭湖水位與面積之間的相關性進行分析研究。洞庭湖1996—2016 年連續(xù) 21 a 實測水位和水面面積的散點分布圖，一次線性回歸直線和二次回歸曲線擬合如圖 6 所示。2 種模型的 R2均大于 0.9，表明洞庭湖的水位和面積之間具有極強的相關性，且 2 種模型的顯著性水平值 σ 都小于 0.001，表明 2 個模型整體上是顯著的，二次多項式模型的 R2略大于一次線性模型的 R2，表明二次模型的擬合效果略好于一次模型，因此可以建立洞庭湖水位和面積之間的二次曲線回歸方程，方程式如下：

式中：y 指洞庭湖面積；x 指對應水位。

圖 6 水位-面積回歸擬合結果

通過此回歸模型，可以根據(jù)洞庭湖水位對面積進行初步預測。

為了進一步研究洞庭湖 4 個季節(jié)的水位和面積之間的定量關系，分別按照春、夏、秋、冬 4 個季節(jié)對洞庭湖水位和面積進行二次回歸擬合，4 個季節(jié)的擬合曲線如圖 7 所示。從圖 7 可以看出，洞庭湖春、夏、秋季節(jié)水位和面積之間的相關性十分強，而冬季枯水期時相關性較弱。這是由于冬季降雨量普遍偏少，湖泊內蓄積湖水較少，且都匯聚在地勢低洼的地方，結合洞庭湖區(qū)的 DEM 可以看出洞庭湖地勢不平坦，高低起伏，因此湖水無法向周圍大面積蔓延，導致冬季水位和面積之間的相關性較弱。根據(jù)不同季節(jié)二者之間的定量關系，可以結合城陵磯水文站實測水位值和所處的季節(jié)對洞庭湖面積進行精確估算。如果面積太小，則需考慮湖泊及周圍是否處于干旱狀態(tài)，如處于干旱狀態(tài)，應及早進行引水灌溉；如果面積太大，則需考慮是否將會發(fā)生洪澇災害，及早進行預防和防止，盡最大可能減少經(jīng)濟損失和人員傷亡。

圖 7 洞庭湖四季水位-面積二次回歸模型圖

3.3 洞庭湖水面面積時序變化分析

洞庭湖 1996—2016 年水體面積變化的整體趨勢如圖 8 所示，從圖 8 可以看出湖區(qū)面積整體呈下降趨勢，李景剛[4]等通過對洞庭湖流域年降水量變化分析和三峽水庫蓄水運行前后松滋、太平和藕池三口的年徑流量變化對比，發(fā)現(xiàn)流域內降水帶來的入湖量偏少是近年來洞庭湖區(qū)水面面積減少的主要驅動因子。

圖 8 洞庭湖 1996—2016 年面積變化趨勢圖

為進一步研究洞庭湖四季的變化情況，分別按照春、夏、秋、冬 4 個季節(jié)對洞庭湖 1996—2016 年的水面面積變化進行分析，4 個季節(jié)變化趨勢擬合的回歸直線如圖 9 所示，其中方程式中的常數(shù)代表水面面積基數(shù)，斜率代表洞庭湖水面面積的下降趨勢，斜率絕對值越大表明下降趨勢越明顯。從 4 個季節(jié)擬合直線方程式的常數(shù)可以看出，洞庭湖夏季水面面積最大，春秋季節(jié)次之，冬季最小。同時，結合圖和方程式斜率可以看出，洞庭湖秋季水面面積下降趨勢最為明顯，原因是 2003 年后 9 和 10 月洞庭湖流域降水減少與三峽水庫汛末蓄水同期，共同引起最終入湖水量銳減[4]，導致秋季湖泊水面面積下降迅速；夏季下降趨勢較秋季弱，但也較明顯，因此可以得出洞庭湖豐水期面積明顯處于下降趨勢的結論。春季和冬季水面面積整體來看沒有太大變化，但從圖 9 可以看出，2014 年春天和冬天，湖面面積明顯減?。?015 和 2016 年，湖面面積大幅度回升，這是由于 2014 年秋季和冬季，降雨量顯著減少，而 2015 年春天和冬天，降水量顯著增多，且2016 年全國大范圍降水量較多，洞庭湖面積也大幅上升，從而影響了整體趨勢；2015 年之前洞庭湖春季和冬季的面積也整體處于下降趨勢，但下降趨勢較豐水期下降趨勢弱。

圖 9 洞庭湖 1996—2016 年四季面積變化

4 結語

以 Landsat 和 GF-1 號影像為數(shù)據(jù)源，提取了1996—2016 年連續(xù) 21 a 的 4 個季節(jié)的水面范圍，計算了水面面積，同時結合城陵磯站的實測水位數(shù)據(jù)，對洞庭湖進行了季節(jié)性的長時間序列監(jiān)測與分析，研究結果表明：

1）洞庭湖湖面面積季節(jié)性變化特征顯著，夏季湖面面積最大，秋季次之，然后是春季，冬季面積最小，這些特征跟流域內季節(jié)性的降雨量變化、長江汛期及三峽大壩的調蓄作用有關。

2）洞庭湖面積和城陵磯站水位呈現(xiàn)顯著相關性，二次曲線能最好地擬合出二者之間的關系。同時對洞庭湖 4 個季節(jié)的水位和面積的相關性分析結果表明，春、夏、秋 3 個季節(jié)二者之間的相關性較強，而冬季二者之間的相關性較弱。根據(jù)各個季節(jié)的擬合方程，可以結合實測水位值，對天氣狀況不好時的湖區(qū)面積進行預測，以便及早進行干旱或洪澇災害的預防和防治。

3）洞庭湖的水面面積從 1996 年開始整體呈現(xiàn)縮小趨勢，從 4 個季節(jié)的變化看，夏和秋季湖面面積縮小趨勢較強，春和冬季面積縮小趨勢較弱。

利用多源海量且類型多樣的數(shù)據(jù)對洞庭湖進行長時間序列的變化監(jiān)測與分析，使用 30 m 分辨率的 Landsat、16 m 分辨率的 GF-1 號的影像作為數(shù)據(jù)源，采用自適應水體閾值選取方法進行水體提取，提取速度更快，結果更好。同時結合 DEM 影像和水文站實測數(shù)據(jù)，可為后續(xù)分析和研究提供充分的數(shù)據(jù)支撐。另外，不僅在整體上對洞庭湖 21 a 的變化情況進行分析，而且分別對春、夏、秋、冬 4 個季節(jié)的情況進行具體分析，分析結果具有更好的應用價值和實際意義。

[1] 張克祥，張國慶. MODIS 監(jiān)測的鄱陽湖水域面積變化研究（2000—2011 年）[J]. 東華理工大學學報（社會科學版），2013，32 (3): 390-396.

[2] 祝令亞，孫珂，王冠珠. 環(huán)境減災衛(wèi)星在太湖藍藻水華監(jiān)測中的應用[C]//第十七屆中國遙感大會摘要集. 杭州：中國遙感委員會，2010: 17.

[3] 王慧，謝小魁，米勝淵，等. 基于遙感的洞庭湖面積變化及其影響研究[J]. 農業(yè)網(wǎng)絡信息，2017 (1): 90-95.

[4] 李景剛，李紀人，黃詩峰，等. 近 10 年來洞庭湖區(qū)水面面積變化遙感監(jiān)測分析[J]. 中國水利水電科學研究院學報，2010，8 (3): 201-207.

[5] 蔡青，黃璐 ，梁婕，等. 基于 MODIS 遙感影像數(shù)據(jù)的洞庭湖蓄水量估算[J]. 湖南大學學報（自然科學版），2012，39 (4): 64-69.

[6] 田偉國，彭佳棟，沈軍，等. 基于 MODIS 影像序列的三峽截流前后洞庭湖面積變化序列分析 [J]. Agricultural Science & Technology, 2012, 40 (6): 1309-1313.

[7] 董靜. 遙感技術在水利信息化中的應用綜述[J]. 水利信息化，2015 (1): 37-41.

[8] 袁敏. 基于遙感技術的三峽工程建設對洞庭湖水面面積的影響研究[D]. 長沙：湖南大學環(huán)境科學與工程學院，2013: 35-44.

[9] 袁敏，李忠武，謝更新，等. 三峽工程調節(jié)作用對洞庭湖水面面積（2000—2010 年）的影響[J]. 湖泊科學，2014，26 (1): 37-45.

[10] 孫占東，黃群，姜加虎，等. 洞庭湖近年干旱與三峽蓄水影響分析[J]. 長江流域資源與環(huán)境，2015，24 (2):251-256.

[11] 段遠斌. 基于遙感技術的塔里木河流域業(yè)務應用及展望[J]. 水利信息化，2015 (3): 10-14.

[12] 宋求明，熊立華，肖義，等. 基于 MODIS 遙感影像的洞庭湖面積與水位關系研究[J]. 節(jié)水灌溉，2011 (6): 20-23.

[13] 郭小虎，朱勇輝，渠庚. 三峽水庫蓄水后江湖關系的研究[J]. 水電能源科學，2010，28 (12): 33-35.

[14] 左婕. 三峽工程建設對洞庭湖區(qū)生態(tài)環(huán)境的影響[D]. 長沙：湖南師范大學資源與環(huán)境科學學院，2012: 9-12.

[15] 龔偉，楊大文，錢群. 基于 MODIS 數(shù)據(jù)的洞庭湖水面面積估算方法[J]. 人民長江，2009，40 (14): 40-43.

[16] 賴錫軍，姜加虎，黃群. 三峽工程蓄水對洞庭湖水情的影響格局及其作用機制[J]. 湖泊科學，2012，24 (2):178-184.

Study on change of temporal and spatial characteristic of Dongting Lake from 1996 to 2016

XIE Wenjun1, YUE Cuiying2, ZHANG Wen2

(1. Water Resources Information Center, the Ministry of Water Resources, Beijing 100053, China;2. College of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China)

The Landsat and GF-1 remote sensing images from 1996 to 2016 are used as the main data sources in the study. To extract water information more quickly and more accurately from the massive remote sensing images, a water data extracting method by combining water index and threshold is put forward in this paper, which turns out to be very effective. Meanwhile, combining with water level data of Chenglingji station, in order to quantitatively analyze the temporal and spatial characteristics of Dongting Lake, the correlation between lake area and water level and the characteristics of Dongting Lake area’s seasonal change，the information about water surface and water level is used together. Listed below are the conclusions in this study: 1) The area of Dongting Lake has seasonal differences. Summer is in the flood period, and the average lake area reaches to the largest. The lake area in spring and autumn is smaller than that in summer. Winter is in the dry season, and the average lake area reaches to the smallest. 2) There is a strong correlation between lake area and water level, between which the square of correlation coefficient is 0.948 2. 3) The lake area has been decreasing in recent years on the whole. And the downtrend in summer and autumn is more obvious than that in spring and winter.

massive data; water index; threshold; correlation; temporal and spatial characteristic change;quantitative analysis

P337；P208.2

A

1674-9405(2017)05-0032-07

10.19364/j.1674-9405.2017.05.007

2017-05-15

國家重點研發(fā)計劃（2017YFC0405800）

謝文君（1981-），男，湖北浠水人，高級工程師，從事水利數(shù)據(jù)管理和信息系統(tǒng)研究及建設工作。