李晟銘，劉吉平，王 銘，尚盈辛，宋開山*

(1.吉林師范大學(xué)旅游與地理科學(xué)學(xué)院，吉林四平 136000;2.中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所，吉林長春 130102)

衛(wèi)星遙感技術(shù)以其速度快、時(shí)效性強(qiáng)、視野廣闊等特點(diǎn)逐漸成為現(xiàn)代洪水監(jiān)測與評估工作的重要手段，隨著遙感技術(shù)的不斷發(fā)展，用于洪水災(zāi)害監(jiān)測的遙感數(shù)據(jù)源大大增加，國內(nèi)外學(xué)者使用多種數(shù)據(jù)源進(jìn)行了洪水災(zāi)害監(jiān)測方面的研究，拓展了衛(wèi)星遙感技術(shù)在洪水監(jiān)測與評估領(lǐng)域的應(yīng)用[1-2]。謝秋霞等[3]提出利用小波變換法和Gram-Schimdt(GS)變換法來提取洪水信息的方法，獲得了較高的洪水淹沒范圍提取精度；劉明月等[4]利用HJ-1衛(wèi)星和Landsat 8衛(wèi)星影像，對2013年汛期內(nèi)松花江和嫩江交匯段水情進(jìn)行實(shí)時(shí)監(jiān)測，構(gòu)建洪水監(jiān)測遙感影像集，利用2種影像確定不同時(shí)相的洪水淹沒范圍，掌握洪水發(fā)展的過程，對淹沒區(qū)的災(zāi)情進(jìn)行快速評估；馬麗云等[5]基于FY-3衛(wèi)星MERSI數(shù)據(jù)，采用歸一化差異水體指數(shù)NDWI，對新疆北疆沿天山一帶2009—2011年發(fā)生的融雪性洪水災(zāi)害進(jìn)行了監(jiān)測。

星載合成孔徑雷達(dá)(SAR)技術(shù)由于其快速傳播能力、強(qiáng)干涉能力以及不受云霧干擾的優(yōu)勢，受到了空間遙感界的高度重視[5]，使用SAR進(jìn)行洪水災(zāi)害監(jiān)測的相關(guān)研究不斷增加。Benjamin[6]提出了基于雷達(dá)數(shù)據(jù)，并與水文模型相結(jié)合的方法，對突發(fā)性洪水災(zāi)害進(jìn)行評估與預(yù)測；Kuenzer等[7]基于2007—2011年時(shí)間序列下的Envisat ASAR Wide Swath Mode數(shù)據(jù)，對湄公河三角洲進(jìn)行了長時(shí)間序列的洪水災(zāi)害監(jiān)測與預(yù)測；Giustarini等[8]針對高空間分辨率的城市地區(qū)的SAR數(shù)據(jù)，提出了一種結(jié)合后向散射閾值、區(qū)域增長算法與變化檢測的方法，較為精確地提取出洪水淹沒范圍；孫濤等[9]基于Envisat ASAR多極化數(shù)據(jù)，對廣西梧州市“6.23”特大洪澇災(zāi)害進(jìn)行了監(jiān)測與災(zāi)情評估；楊存建等[10]提出了在地形數(shù)據(jù)的支持下，基于SAR的洪水水體半自動(dòng)提取方法，較好地去除了洪水水體提取中的陰影部分，獲得了較高的洪水范圍提取精度。

Sentinel-1 是一個(gè)全天時(shí)、全天候雷達(dá)成像系統(tǒng)，它是歐洲委員會(huì)(EC)和歐洲航天局(ESA)針對哥白尼全球?qū)Φ赜^測項(xiàng)目研制的首顆衛(wèi)星，于2014年4月發(fā)射，具有雙極化、短重訪周期、快速產(chǎn)品生產(chǎn)的能力，可以實(shí)現(xiàn)全球陸地、海岸帶、航線的高分辨率監(jiān)測，也可以實(shí)現(xiàn)全球海洋的大區(qū)域覆蓋[11-12]，其重訪周期短(12 d)、較大覆蓋范圍(幅寬達(dá)400 km),傳播能力快速,涉能力強(qiáng)干，不受云霧干擾，在洪水災(zāi)害監(jiān)測及評估方面應(yīng)用潛力巨大。

長江流域洪水災(zāi)害頻發(fā)，是我國最嚴(yán)重的自然災(zāi)害之一[13-14]。2016年入汛以來，長江流域發(fā)生了31次降雨過程，共有145條河流發(fā)生超警戒水位洪水，中下游監(jiān)利縣以下干流及兩湖水位全線超警，是1999年以來第一次出現(xiàn)中下游干流全線超警現(xiàn)象，災(zāi)情嚴(yán)重，給國民經(jīng)濟(jì)帶來巨大損失。筆者基于2016年汛期(5—8月)的Sentinel-1A數(shù)據(jù)產(chǎn)品，對長江中下游受洪水災(zāi)害最為嚴(yán)重的區(qū)域(115°～117°E，28°～31°N)進(jìn)行了洪水災(zāi)害的時(shí)序性遙感監(jiān)測與災(zāi)情評估，監(jiān)測重災(zāi)區(qū)的洪水過程，并探索研究區(qū)洪災(zāi)淹沒面積變化特征，以縣級(jí)行政單元為研究對象，統(tǒng)計(jì)并評估了洪水災(zāi)害對各縣級(jí)單元中各類土地覆蓋類型的淹沒情況，以期為災(zāi)情監(jiān)測提供數(shù)據(jù)和技術(shù)支撐。

1　研究區(qū)概況與數(shù)據(jù)來源

1.1研究區(qū)概況長江中下游流域地處亞熱帶季風(fēng)氣候，降水充沛，流域內(nèi)水系發(fā)達(dá)，干流具有較穩(wěn)定的巨大河槽，有利于大量洪水的宣泄，加上沿江湖泊眾多，使其對洪水有天然的調(diào)節(jié)作用，但長江中下游尤其是中游地區(qū)的地質(zhì)構(gòu)造和水系特點(diǎn)，決定了長江是一條雨洪多發(fā)河流。選擇長江中下游流域 (115°～117° E，28°～31°N)為研究區(qū)(圖1)，包括湖北、江西、安徽等省，總計(jì)覆蓋45個(gè)縣級(jí)行政單元，流域內(nèi)包含鄱陽湖、龍感湖、大關(guān)湖等大型湖泊，土地覆蓋類型以旱地、水田、林地為主。

1.2數(shù)據(jù)選擇及其預(yù)處理Sentinel-1A數(shù)據(jù)采用條帶成像(SM)模式、干涉寬幅(IW)模式、超幅寬(EW)模式、波浪(Wave mode)模式來獲取，其中，IW模式因其大范圍覆蓋、中等分辨率的特征，是陸地覆蓋的默認(rèn)模式。Sentinel-1A的數(shù)據(jù)產(chǎn)品通過Level-0、Level-1、Level-2 這3層次的成果進(jìn)行分發(fā)，其中，Level-1 包含單視復(fù)數(shù)影像SLC (single look complex) 、地距影像GRD (ground range detected) 這2種類型產(chǎn)品，GRD產(chǎn)品包含經(jīng)過多視處理、采用WGS84 橢球投影至地距的聚焦數(shù)據(jù)，相對于SLC 數(shù)據(jù)而言，GRD數(shù)據(jù)消除熱噪聲以提高圖像質(zhì)量[5]，綜合該研究的目的及需求，從歐洲航天局(European Space Agency)官方網(wǎng)站：(https://scihub.copernicus.eu/dhus//home)獲取需要的Sentinel-1A數(shù)據(jù)產(chǎn)品，獲取數(shù)據(jù)信息見表1。

表1　數(shù)據(jù)產(chǎn)品詳情

利用歐空局網(wǎng)站發(fā)布的SNAP(sentinels application platform)數(shù)據(jù)處理平臺(tái)對從Sentinel-1衛(wèi)星獲取的雷達(dá)影像進(jìn)行分析處理[15]。數(shù)據(jù)預(yù)處理主要分為以下步驟：①輻射定標(biāo)。為了消除數(shù)據(jù)獲取和傳輸系統(tǒng)產(chǎn)生的系統(tǒng)的、隨機(jī)的輻射失真或畸變，利用SNAP數(shù)據(jù)處理軟件的輻射校正工具(Calibrate)對各時(shí)期影像數(shù)據(jù)進(jìn)行輻射校正處理，并獲取了各時(shí)期影像的后向散射系數(shù)。②幾何校正。地形起伏會(huì)對SAR影像造成很大的幾何畸變，導(dǎo)致透視收縮、迭掩、陰影等現(xiàn)象，因此必須對原始數(shù)據(jù)進(jìn)行幾何校正才能進(jìn)行下一步的處理分析。使用SNAP數(shù)據(jù)處理軟件的幾何校正(terrain correction)工具，選取RangeDoppler方法對各時(shí)期的影像進(jìn)行幾何校正。③濾波處理。SAR圖像中通常會(huì)出現(xiàn)隨機(jī)分布的黑白斑點(diǎn)，稱為斑點(diǎn)(Speckle)噪聲[16]。為了抑制噪聲的影響，采用Refined Lee 濾波器進(jìn)行處理，窗口大小設(shè)為7×7，抑制斑點(diǎn)噪聲，提高影像質(zhì)量。④圖像配準(zhǔn)。為了實(shí)現(xiàn)基于同一區(qū)域的洪水動(dòng)態(tài)變化監(jiān)測，需將各個(gè)時(shí)期的影像依次進(jìn)行配準(zhǔn)。使用SNAP數(shù)據(jù)處理軟件的圖像配準(zhǔn)工具(automatic coregistration)進(jìn)行覆蓋同一地區(qū)的多幅雷達(dá)影像的自動(dòng)配準(zhǔn)。

采用ENVI5.1數(shù)據(jù)處理平臺(tái)，對經(jīng)過以上預(yù)處理獲得的包含后向散射系數(shù)的單波段影像進(jìn)一步處理，主要包括以下步驟：①對數(shù)刻度轉(zhuǎn)換。經(jīng)過以上預(yù)處理獲得的影像為線性刻度，使用ENVI數(shù)據(jù)處理軟件的波段計(jì)算工具把線性刻度轉(zhuǎn)換為對數(shù)刻度。②影像裁剪。由于研究區(qū)范圍較大，將處理后的影像進(jìn)行相應(yīng)的裁剪，以滿足對整個(gè)研究區(qū)下一步的信息提取工作。對研究區(qū)內(nèi)各個(gè)時(shí)期的原始雷達(dá)影像進(jìn)行了以上數(shù)據(jù)預(yù)處理，并選擇平水期與洪水期的兩景影像進(jìn)行對比，發(fā)現(xiàn)經(jīng)過預(yù)處理后，原始雷達(dá)影像的斑點(diǎn)噪聲被有效抑制，倒置的影像被糾正并賦予了合適的投影，水體的輪廓較為清晰(圖1)。

圖1　研究區(qū)影像Fig.1　The map of the study region

2　洪水淹沒范圍快速提取

2.1水體的散射特性在Sentinel-1A影像上，平靜水體主要表現(xiàn)為簡單的單次鏡面反射，其回波功率較小，在圖像上一般色調(diào)較暗，在影像中呈現(xiàn)暗色或黑色，與其他地物具有較高的區(qū)分度[16-17]。為了分析影像中不同地物的后向散射特性，以洪水未發(fā)生(平水期)，即2016年5月18日的影像為例，輔以時(shí)間相近的Landsat8/OLI 影像(成像日期為2016年5月6日)，在研究區(qū)內(nèi)均勻地選擇耕地(5 771個(gè)像素)、水體(264 264個(gè)像素)、城區(qū)(1 569個(gè)像素)、植被(220 743個(gè)像素) 4種占研究區(qū)比例較大的地物覆被類型作為感興趣區(qū)域，統(tǒng)計(jì)分析了各種地物類型的后向散射特性。由圖2可知，水體的后向散射系數(shù)小于植被、耕地、城區(qū)等地物，與其他地物類型分離度較好，根據(jù)此特性，可以將水體信息從Sentinel-1A影像中提取出來。

圖2　各類地物后向散射系數(shù)頻率Fig.2　The backscattering coefficient frequency of different lands

2.2水體提取方法目前，基于SAR影像的水體提取方法主要包括閾值法、基于紋理信息的提取[18-20]、結(jié)合地形輔助信息的提取以及獨(dú)立成分分析。其中，閾值法使用最廣泛，可以快速、高效地提取水體邊界，適合于對時(shí)效性要求較高的洪水監(jiān)測方面的應(yīng)用。

使用閾值法提取水體范圍的關(guān)鍵在于閾值的設(shè)定，傳統(tǒng)的閾值確定方法需要大量的先驗(yàn)知識(shí)，受人為的主觀影響較大，魯棒性較低?；诟鞣?jīng)過預(yù)處理的影像的灰度直方圖，采用最大類間方差法來自動(dòng)確定水體提取閾值，最大類間方差法是由日本學(xué)者Otsu于1979年提出的一種全局最優(yōu)閾值確定方法，其基本思想是將圖像分成背景和目標(biāo)2部分，以目標(biāo)和背景的類間方差最大為原理，動(dòng)態(tài)確定圖像的分割閾值[21-22]。以2016年5月18日的Sentinel-1A影像為例，可發(fā)現(xiàn)其直方圖呈現(xiàn)明顯的雙峰形狀，根據(jù)最大類間方差算法原理，利用IDL8.3平臺(tái)編寫實(shí)現(xiàn)算法并進(jìn)行閾值動(dòng)態(tài)選取，最終確定-37.55為最佳閾值(圖3)。依照此算法，依次確定各時(shí)期影像的水體提取最佳閾值。

圖3　 灰度直方圖(2016年5月18日)Fig.3　Gray histogram on May 18,2016

采用閾值法依次提取各時(shí)期影像中的水體，即可完成各階段洪水的水情監(jiān)測。以2016年7月17日影像為例，采用最大類間方差法動(dòng)態(tài)獲取最佳閾值，最終基于閾值法完成水體信息提取，提取結(jié)果較好，水體輪廓較為清晰(圖4)。在洪水遙感監(jiān)測中，水體信息提取的精度會(huì)直接影響洪水災(zāi)害監(jiān)測的結(jié)果，因此，選取30 m空間分辨率的Landsat8/OLI影像對水體提取結(jié)果進(jìn)行精度評價(jià)，選用獲取時(shí)期最為相近的OLI影像產(chǎn)品(2016年7月25)，對基于2016年7月17日基于Sentinel-1A影像水體提取結(jié)果[圖4(a)]進(jìn)行精度驗(yàn)證，基于OLI影像隨機(jī)選取300個(gè)水體輪廓清晰、大小不一、均勻分布的水體驗(yàn)證點(diǎn)[圖4(b)]，在所有的驗(yàn)證點(diǎn)中，水體提取結(jié)果有284個(gè)驗(yàn)證點(diǎn)正確提取，提取精度可達(dá)94.6%，未準(zhǔn)確提取的驗(yàn)證點(diǎn)主要是因?yàn)椴煌跋竦目臻g分辨率差異以及影像獲取日期的微小差異引起的，因此，提出的水體信息可以用來對洪水災(zāi)害進(jìn)行監(jiān)測。

注：a.水體提取結(jié)果；b.驗(yàn)證影像Note:a.Water extraction result;b.Verification image圖4　水體提取結(jié)果及精度驗(yàn)證Fig.4　Water extraction result and the precision test

3　洪水過程監(jiān)測

為了分析洪水災(zāi)害在研究區(qū)的空間分布特征，將平水期的水體信息與洪水期的水體信息進(jìn)行疊加分析，水面范圍超出平水期水面的部分即為洪水淹沒的范圍(圖5紅色區(qū)域)。可以發(fā)現(xiàn)在研究區(qū)內(nèi)，地勢相對平坦低洼的區(qū)域都有大范圍的積水，淹沒范圍最大的區(qū)域位于湖北省、安徽省南部，尤其在安徽南部的宿松縣、懷寧縣以及湖北省西部的黃梅縣，由于湖泊、河渠眾多，地勢平坦，因此其洪災(zāi)最為嚴(yán)重，據(jù)相關(guān)資料顯示，7月3日暴雨之后，安徽省南部宿松縣共有27座中小水庫超汛限水位，其中22座中小水庫溢洪道溢洪，內(nèi)湖水位全面超警戒水位，部分圩堤逼近保證水位，山區(qū)鄉(xiāng)鎮(zhèn)河道、公路水毀嚴(yán)重，多處出現(xiàn)山體滑坡，28條縣、鄉(xiāng)、村道塌方，進(jìn)出山區(qū)的公路全部中斷。

通過分析洪水暴發(fā)最嚴(yán)重區(qū)域的特征可以發(fā)現(xiàn)，洪水淹沒的形式主要有以下形式：①洪水暴發(fā)后，原河道均出現(xiàn)拓寬的現(xiàn)象，河、湖水域平水期水位與洪水期水位之間的土地被完全淹沒[圖5(a)]；②河、湖周圍地勢相對平坦、低洼的區(qū)域，大量區(qū)域被淹沒[圖5(b)]；③大、小型湖泊、坑塘、水庫均出現(xiàn)由于水位持續(xù)增加所導(dǎo)致的水面面積增加的現(xiàn)象[圖5(c)]。

據(jù)安徽省氣候中心發(fā)布的氣候公報(bào)，入汛以來(5月1日—7月6日)，全省平均降水量694 mm，較常年同期異常偏多86%，主要強(qiáng)降水過程出現(xiàn)在5月2日、5月7日、5月15日、5月26—28日、6月1日、6月18—20日、6月21—24日、6月25—28日和7月1—5日，其中7月1—5日暴雨過程最強(qiáng)、范圍最廣。根據(jù)湖北省氣象局發(fā)布的5—8月氣候評價(jià)月報(bào)，5月湖北省平均降水量143 mm，基本正常，但降水空間分布不均；6月共出現(xiàn)5次較明顯的暴雨洪澇災(zāi)害，分別為5月31日—6月3日、6月18—20日、6月23—26日、6月27—29日、6月30日—7月1日；7月上中旬大范圍強(qiáng)降水過程多、雨量大，下旬持續(xù)晴熱高溫天氣；8月局地分散性降水頻繁。據(jù)江西省氣候中心發(fā)布的氣候公報(bào)，受史上最長厄爾尼諾影響，2016年江西省氣候反常，氣溫偏高，降水偏多；汛期來得早、結(jié)束晚；暴雨過程多、累計(jì)雨量多、降雨強(qiáng)度大、洪澇災(zāi)害重，降水主要集中在5、6月。

根據(jù)各省的氣候、氣象服務(wù)資料，結(jié)合實(shí)際獲取的影像產(chǎn)品，將整個(gè)洪水周期劃分為3個(gè)階段(表2)，即平水期(5月18日—6月11日)，洪水期(6月11日—7月17日)及穩(wěn)定期(7月17日—8月10日)。依次將所有時(shí)期的水體信息進(jìn)行疊加，計(jì)算各個(gè)時(shí)期水體范圍的面積及相比于未發(fā)生洪水時(shí)期新增的水面面積，監(jiān)測洪水過程(圖6)，分析在洪水過程中研究區(qū)內(nèi)洪水淹沒范圍的增減，縱觀整個(gè)洪水周期，在平水期，由于研究區(qū)各縣市在此期間降水基本正常，因此新增的水面范圍較小(圖6綠色區(qū)域)，由于降水空間分布不均，積水主要出現(xiàn)在地勢較為低洼的區(qū)域，5月30日—6月11日，無集中降水時(shí)期，水面范圍較為穩(wěn)定，無明顯增加的水面范圍；在洪水期，6月11日—7月5日，研究區(qū)水面面積明顯增加，在整個(gè)研究區(qū)均可監(jiān)測到新增的水面范圍(圖6黃色區(qū)域)，尤其在河渠、湖泊附近地勢較為平坦的區(qū)域，出現(xiàn)了大范圍的新增水面，新增加的水面面積總計(jì)達(dá)2 096.95 km2；7月5—17日，整體水面范圍的面積略有減小，但相比于洪水未發(fā)生時(shí)期仍有1 249.09 km2的新增水面，由于實(shí)施了引流、截流、調(diào)蓄等相關(guān)抗洪減災(zāi)措施，水面范圍發(fā)生了改變(圖6紅色區(qū)域)；在穩(wěn)定期，水面范圍面積趨于穩(wěn)定，水面范圍變化較小(圖6黑色區(qū)域)，與未發(fā)生洪水時(shí)的水面范圍面積相比總計(jì)增加327.05 km2。

4　洪水災(zāi)害評估

引入降水異常指數(shù)(降水距平與標(biāo)準(zhǔn)差的比值)來分析汛期內(nèi)研究區(qū)的降雨異常狀況，根據(jù)安徽省氣候中心發(fā)布的安徽省2016年7月氣溫及降水異常指數(shù)，安徽南部望江縣2.6(異常偏多)、懷寧縣4.1(異常偏多)、太湖縣3.0(異常偏多)、宿松縣2.6(異常偏多)在全省范圍內(nèi)降水異常指數(shù)較高，降水極端偏多，因此其洪澇災(zāi)害最為嚴(yán)重。以縣級(jí)行政單元為單位，根據(jù)之前對洪水災(zāi)害空間分布特征的分析及相關(guān)氣象資料，選擇洪水災(zāi)害最為嚴(yán)重的13個(gè)縣級(jí)單位作為研究單元，分析其在洪水周期內(nèi)，水面面積發(fā)生的變化及其標(biāo)準(zhǔn)差，統(tǒng)計(jì)每一個(gè)縣級(jí)單元的最大淹沒面積，同時(shí)分析各個(gè)縣級(jí)單元地標(biāo)覆被類型的受淹情況。

圖5　洪水淹沒范圍空間分布Fig.5　Spatial distribution of the flood submerged area

洪水過程Floodprocess影像獲取日期Imageacqui-sitiondate水面面積Waterareakm2淹沒面積Floodedareakm2洪水淹沒情況Submergedconditionofflood平水期Normalriver2016-05-188878.320水體面積穩(wěn)定flowperiod2016-05-308885.156.83地勢較低區(qū)域出現(xiàn)積水2016-06-118896.3117.99地勢較低區(qū)域持續(xù)積水洪水期Floodperiod2016-07-0510975.272096.95河道拓寬,地勢平坦區(qū)域積水嚴(yán)重2016-07-1710127.411249.09淹沒面積減小穩(wěn)定期Stationaryperiod2016-08-109433.28554.96水體面積趨于穩(wěn)定

各個(gè)縣級(jí)單元的水面面積變化在洪水周期內(nèi)均呈較為一致的規(guī)律，在平水期(5月18日—6月11日)，湖北、安徽省各縣市的降水基本正常，空間分布不均，且氣溫起伏較大，水面面積基本穩(wěn)定略有減?。辉诤樗?6月11日—7月17日)，各縣市降水偏多，均出現(xiàn)極端降水事件，集中強(qiáng)降水誘發(fā)多地山洪暴發(fā)，導(dǎo)致沿江中小河流水位迅猛上漲，湖泊、水庫水位超出閾值，城市內(nèi)澇、積水嚴(yán)重，水面面積明顯增加；穩(wěn)定期內(nèi)(7月17日—8月10日)，各縣降水趨于正常水平，氣溫普遍增高，水勢逐漸回落，趨于正常水平。各縣由于其地形地貌等自然條件的不同，導(dǎo)致其洪峰過境時(shí)水面面積增加的幅度各有差異，統(tǒng)計(jì)各縣的最大受淹面積可發(fā)現(xiàn)，安徽省南部縣城均受災(zāi)較為嚴(yán)重，宿松縣受淹面積最大，達(dá)290.09 km2，占全縣面積的12.12%，望江縣(受淹面積205.31 km2)、懷寧縣(受淹面積154.57 km2)、太湖縣(受淹面積28.49 km2)分別占全縣面積的15.13%、12.11%和1.40%；湖北省的幾個(gè)縣，受災(zāi)最為嚴(yán)重的依次為黃梅縣(受淹面積177.97 km2)、武穴市(受淹面積85.55 km2)、鄂州市(受淹面積83.83km2)，分別占全縣面積的10.46%、7.13%和5.26%(圖7)。

選擇FROM-GLC 30 m分辨率的全球土地覆蓋圖[23](下載自http://www.globallandcover.com/)，該數(shù)據(jù)是利用Landsat TM/ETM+圖像,采用自動(dòng)分類算法生產(chǎn)的二級(jí)分類2010年全球土地覆蓋數(shù)據(jù)集，是世界上第一個(gè)綜合的30 m分辨率全球土地覆蓋數(shù)據(jù)集，已經(jīng)在全球變化研究中得到廣泛應(yīng)用[24]?；贔ROM-GLC，獲得研究區(qū)2010年30 m分辨率的土地覆蓋類型，將研究區(qū)地表覆被類型分為旱地、水田、林地、草地、居民地、濕地、裸地、水體8種類型，分析了各縣地表覆被類型的空間分布狀況及其受洪水災(zāi)害的影響，研究單元內(nèi)大量、均勻地分布旱地；林地集中分布在薪春縣、宿松縣、太湖縣；水田均勻分布于河渠、湖泊周圍的流域。經(jīng)統(tǒng)計(jì)分析，研究單元的地表覆被主要以旱地(7 797.86 km2)、林地(5 552.15 km2)、水田(3 006.17 km2)為主，分別占研究單元總面積的36.94%、26.30%和14.24%(圖8)。

分析研究區(qū)內(nèi)各地物類型的淹沒情況，洪水淹沒的主要地物類型為旱地與水田，集中分布于安徽南部的宿松縣、懷寧縣、望江縣以及湖北省黃梅縣和武穴市等廣袤的平原上。統(tǒng)計(jì)分析各個(gè)縣地物類型的受淹狀況，由于裸地在研究單元各縣分布極少，在該次分析中未參與統(tǒng)計(jì)。受淹的各地物類型中，旱地、水田的受淹面積最大，分別占總受災(zāi)面積的52.54%和21.82%，受洪水災(zāi)害最為嚴(yán)重的區(qū)域均位于大型湖泊、河渠周圍以及低洼地區(qū)，其中，旱地受洪災(zāi)影響最嚴(yán)重的區(qū)域位于安徽省懷寧縣(150.95 km2)，占所有受災(zāi)旱地面積的22.55%，水田受洪災(zāi)影響最為嚴(yán)重的縣為安徽省宿松縣(90.58 km2)，占所有受災(zāi)水田面積的32.57%；由于持續(xù)的極端降水，研究區(qū)多處居民地受暴雨洪澇災(zāi)害影響較為嚴(yán)重，多地發(fā)生洪澇和城市內(nèi)澇。據(jù)監(jiān)測，研究區(qū)內(nèi)受淹居民地面積總計(jì)76.06 km2，占所有受淹面積的5.97%，其中，受洪災(zāi)影響最為嚴(yán)重的區(qū)域?yàn)榘不帐褜幙h(12.85 km2)，占所有受災(zāi)居民地總面積的16.89%(表3)。

圖6　洪水過程Fig.6　The flood process

圖7　各縣級(jí)行政單元水面面積變化Fig.7　The water surface area change of the counties

5　結(jié)論

該研究依據(jù)雷達(dá)影像的成像原理，根據(jù)水體的后向散射特性，選擇合適的閾值提取洪水輪廓，提出了基于Sentinel-1A衛(wèi)星SAR數(shù)據(jù)洪水淹沒范圍快速提取方法，并運(yùn)用該方法對2016年汛期以來長江中下游發(fā)生的特大洪水進(jìn)行了洪水災(zāi)害的時(shí)序性遙感監(jiān)測與災(zāi)情評估，主要得到以下結(jié)論：①使用Sentinel-1A影像，其短重訪周期、較大覆蓋范圍、快速傳播能力、強(qiáng)干涉能力、不受云霧干擾的優(yōu)勢，在洪水災(zāi)害監(jiān)測及評估領(lǐng)域具有很大優(yōu)勢。②整個(gè)研究區(qū)受災(zāi)面積總計(jì)達(dá)2 096.95 km2，受災(zāi)最為嚴(yán)重的區(qū)域位于大型湖泊、水庫周圍地勢相對平坦低洼的區(qū)域。③在各縣級(jí)行政單元中，安徽省南部縣城受災(zāi)最為嚴(yán)重，宿松縣受淹面積最大，達(dá)290.09 km2，占全縣面積的12.12%。④在各地標(biāo)覆被類型中，耕地和居民地受洪水災(zāi)害影響最大，占總受淹面積的80.33%，受淹耕地總計(jì)947.45 km2，受災(zāi)居民地總計(jì)76.06 km2，其中，旱地受洪災(zāi)影響最嚴(yán)重的區(qū)域位于安徽省懷寧縣(150.95 km2)，占所有受災(zāi)旱地面積的22.55%，水田受洪災(zāi)影響最為嚴(yán)重的縣為安徽省宿松縣(90.58 km2)，占所有受災(zāi)水田面積的32.57%；居民地受洪災(zāi)影響最為嚴(yán)重的縣為安徽省懷寧縣(12.85 km2)，占所有受災(zāi)居民地總面積的16.89%。

受遙感數(shù)據(jù)時(shí)間、空間分辨率等影響，單一的遙感數(shù)據(jù)源很難實(shí)現(xiàn)精確的洪水監(jiān)測。因此，進(jìn)行多源遙感數(shù)據(jù)融合，充分利用各種數(shù)據(jù)源的優(yōu)勢，建立多源遙感的洪災(zāi)災(zāi)情監(jiān)測響應(yīng)機(jī)制，提高洪災(zāi)災(zāi)情的監(jiān)測相應(yīng)速度，進(jìn)而實(shí)現(xiàn)區(qū)域河流水資源日常監(jiān)管和突發(fā)災(zāi)害應(yīng)急監(jiān)測，是進(jìn)一步研究洪水監(jiān)測的研究重點(diǎn)。

為更好地運(yùn)用遙感與地理信息系統(tǒng)技術(shù)，提高洪澇災(zāi)情數(shù)據(jù)的時(shí)效性和準(zhǔn)確性的同時(shí)，對于洪水災(zāi)害評估中評估內(nèi)容、指標(biāo)體系構(gòu)建、評價(jià)方法選擇以及如何實(shí)現(xiàn)監(jiān)測結(jié)果與社會(huì)經(jīng)濟(jì)損失數(shù)據(jù)的有效匹配，以達(dá)到更為精確的災(zāi)害評估，仍需要進(jìn)一步研究。

注：a.淹沒前；b.淹沒后Note:Bofore submerge;After submerge圖8　各縣地表覆被受淹情況Fig.8　 The land covering submerged situation of different counties

縣名County總計(jì)受淹面積Totalsubmergedarea水田Paddyfield旱地Dryland濕地Wetland林地Woodland草地Grass居民地Habitation宿松縣SusongCounty290.0990.5883.4202.1915.518.05太湖縣TaihuCounty28.490.3622.5309.600.233.58望江縣WangjiangCounty205.3156.92108.8903.375.989.96懷寧縣HuainingCounty154.5712.35150.9504.772.2112.85黃梅縣HuangmeiCounty177.9738.89105.606.313.880.3011.13武穴市WuxueCity85.558.9955.9905.670.056.46薪春縣XinchunCounty50.9410.1225.6106.8102.19大治市DazhiCity37.654.7719.490.691.830.424.24浠水縣XishuiCounty39.936.8114.2603.660.012.02黃州市HuangzhouCity67.7021.9022.152.153.853.675.20鄂州市EzhouCity83.8310.9633.734.052.140.395.76新洲縣XinzhouCity48.4615.4126.671.821.300.134.41黃石市HuangshiCity3.540.030.0700.300.030.20總計(jì)Total1274.03278.08669.3715.0149.3729.3976.06

[1] 李加林,曹羅丹,浦瑞良.洪澇災(zāi)害遙感監(jiān)測評估研究綜述[J].水利學(xué)報(bào),2014,45(3):253-260.

[2] 李通,張麗,申茜,等.湄公河下游洪災(zāi)淹沒面積多源遙感時(shí)序監(jiān)測分析[J].應(yīng)用科學(xué)學(xué)報(bào),2016,34(1):75-83.

[3] 謝秋霞,張佳暉,陸坤,等.基于典型遙感影像融合方法的洪水信息精確提取研究與應(yīng)用[J].災(zāi)害學(xué),2017，32(1):183-186，204.

[4] 劉明月,賈明明,王宗明,等.2013 年松花江與嫩江交匯段洪水遙感監(jiān)測[J].濕地科學(xué),2015,13(4):456-465.

[5] 馬麗云,李建剛,李帥.基于 FY-3/MERSI 數(shù)據(jù)的新疆融雪性洪水災(zāi)害監(jiān)測[J].國土資源遙感,2015,27(4):73-78.

[6] BENJAMIN M R.The use of radar and hydrological models for flash flood evaluation and prediction[D].Witwatersrand:The university of the Witwatersrand,2016.

[7] KUENZER C,GUO H D,HUTH J,et al.Flood mapping and flood dynamics of the Mekong Delta:ENVISAT-ASAR-WSM based time series analyses[J].Remote sensing,2013,5(2):687-715.

[8] GIUSTARINI L,HOSTACHE R,MATGEN P,et al.A change detection approach to flood mapping in urban areas using TerraSAR-X[J].IEEE Transactions on Geoscience and Remote Sensing,2013,51(4):2417-2430.

[9] 孫濤,黃詩峰.Envisat ASAR 在特大洪澇災(zāi)害監(jiān)測中的應(yīng)用[J].南水北調(diào)與水利科技,2006,4(2):33-35.

[10] 楊存建,魏一鳴,王思遠(yuǎn),等.基于DEM的SAR圖像洪水水體的提取[J].自然災(zāi)害學(xué)報(bào),2002,11(3):121-125.

[11] 楊魁,楊建兵,江冰茹.Sentinel-1 衛(wèi)星綜述[J].城市勘測,2015(2):24-27.

[12] 何連,秦其明,任華忠,等.利用多時(shí)相 Sentinel-1 SAR 數(shù)據(jù)反演農(nóng)田地表土壤水分[J].農(nóng)業(yè)工程學(xué)報(bào),2016,32(3):142-148.

[13] 施雅風(fēng),姜彤,蘇布達(dá),等.1840 年以來長江大洪水演變與氣候變化關(guān)系初探[J].湖泊科學(xué),2004,16(4):289-297.

[14] 許有鵬,于瑞宏,馬宗偉.長江中下游洪水災(zāi)害成因及洪水特征模擬分析[J].長江流域資源與環(huán)境,2005,14(5):638-643.

[15] 曾玲方,李霖,萬麗華.基于Sentinel-1衛(wèi)星SAR數(shù)據(jù)的洪水淹沒范圍快速提取[J].地理信息世界,2015,22(5):100-103.

[16] 韓春明,郭華東，王長林.SAR圖像斑點(diǎn)噪聲抑制的本質(zhì)[J].遙感學(xué)報(bào),2002,6(6):470-474.

[17] 陳玲艷,劉智,張紅.基于水體散射特性的 SAR圖像水體檢測[J].遙感技術(shù)與應(yīng)用,2014,29(6):963-969.

[18] 王慶,廖靜娟.基于 SAR 數(shù)據(jù)的鄱陽湖水體提取及變化監(jiān)測研究[J].國土資源遙感,2010,22(4):91-97.

[19] 朱俊杰,郭華東,范湘濤,等.基于紋理與成像知識(shí)的高分辨率 SAR 圖像水體檢測[J].水科學(xué)進(jìn)展,2006,17(4):525-530.

[20] 胡玉福,鄧良基,匡先輝,等.基于紋理特征的高分辨率遙感圖像土地利用分類研究[J].地理與地理信息科學(xué),2011,27(5):42-45.

[21] OTSU N.A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems,Man,and Cybernetics,1979,9(1):62-66.

[22] 李景剛,黃詩峰,李紀(jì)人.ENVISAT 衛(wèi)星先進(jìn)合成孔徑雷達(dá)數(shù)據(jù)水體提取研究——改進(jìn)的最大類間方差閾值法[J].自然災(zāi)害學(xué)報(bào),2010,19(3):139-145.

[23] GONG P,WANG J,YU L,et al.Finer resolution observation and monitoring of global land cover:First mapping results with Landsat TM and ETM+ data[J].Int J Remote Sens,2013,34(7):2607-2654.

[24] 冉有華,李新.全球第一個(gè)綜合高分辨率土地覆蓋圖——中國30m 分辨率全球土地覆蓋圖評述[J].中國科學(xué):地球科學(xué),2015，45(8):1243-1244.