141
(1.安徽省·水利部淮河水利委員會 水利科學研究院,安徽 合肥 230088; 2.水利水資源安徽省重點實驗室,安徽 合肥 230088; 3.清華大學 地球系統(tǒng)科學系,北京 100084; 4.安徽省大禹水利工程科技有限公司,安徽 合肥 230088)
湖泊是陸地水圈的重要組成部分,在維持陸地表層系統(tǒng)生態(tài)平衡、減輕干旱和洪澇災害、促進人類文明的發(fā)展等方面發(fā)揮著不可替代的作用[1]。湖泊水面的擴張與收縮直接影響湖泊的各種功能[2],甚至誘發(fā)區(qū)域生態(tài)系統(tǒng)演變。因此,實時準確地提取湖泊水域面積,對于揭示自然因素、人類活動對湖泊的影響,以及保護湖泊水資源和生態(tài)環(huán)境等意義重大[3]。衛(wèi)星遙感技術的發(fā)展,將人類對地球表層的理解推進到一個新的階段,同時也給快速、大范圍、全面深入的湖泊水域監(jiān)測提供了新的途徑,已成為近年來湖泊水域面積提取的重要技術手段[4~5]。
不同空間分辨率的遙感影像所體現(xiàn)的地物特征、所承載的地物信息量不同。另外,不同湖泊的地貌、水文等自然要素不一樣,并且易受周邊人類活動的影響,因而呈現(xiàn)出復雜多變的集合形態(tài)。利用不同空間分辨率遙感影像進行湖泊制圖會存在精度上的差異。如何衡量和消除這些差異具有很強的現(xiàn)實意義和價值,是亟待解決的重要科學問題。另外,不同空間分辨率湖泊面積提取精度是湖泊遙感制圖數(shù)據(jù)源選擇的基本依據(jù)。目前,已經(jīng)有一些學者就空間分辨率對水體遙感提取的影響做了相關的研究[6-11]。張毅,陳成忠等[8]利用TM影像分別采用最鄰近法和像元聚合法,獲取分辨率逐步降低的不同分辨率影像,探討水域面積隨影像分辨率降低的變化趨勢及其誤差特征,其研究結(jié)果證明空間分辨率是影響鄱陽湖水體提取精度的重要因素之一;因為空間分辨率的大小會影響提取水體的精度。于歡、張樹清等[9]主張采用像元分解及多源遙感數(shù)據(jù)融合技術來提高水體信息提取精度;曹廣真,盧乃錳等[10]分析不同面積湖泊隨空間尺度的變化,證明了影像分辨率越低,湖泊面積提取的偏差越大,尤其是面積較小的湖泊。徐蓉、張增祥等[11]人以理想化的橢圓形、三角形和六邊形為例,推算并驗證了不同空間分辨率遙感影像提取面積間的關系,但其實驗湖泊形態(tài)較為簡單,未能考慮到較為復雜的湖泊,代表性較差。
此外,隨著分辨率的降低,通過地形數(shù)據(jù)提取的高程數(shù)據(jù)會發(fā)生變化,流域地形也會隨之逐漸變得平坦,流域的平均坡度、河網(wǎng)密度以及河網(wǎng)長度等也在逐漸減小。熊金國、王世新等[12]發(fā)現(xiàn),在低分辨率圖像中,水域提取精度取決于觀測區(qū)域的水體景觀格局分布,此外在分析高分辨率下水體的面積比例、周長以及高分辨率和低分辨率水體面積誤差之間的關系時,斑塊面積很小且很破碎的區(qū)域產(chǎn)生的誤差較大,但當斑塊面積比例高且周長相對較低時,誤差就很小。Evan A. Lyons,Sheng Yongwei等[13]發(fā)現(xiàn)空間分辨率、輻射度和時序因素會影響水體遙感提取的精度。湖泊的幾何形態(tài)是影響湖泊制圖和面積估算的一個潛在因子,但是目前這方面的研究還較為欠缺。因此,本文選取安徽的若干湖泊作為研究對象,使用不同空間分辨率的遙感數(shù)據(jù)對該問題展開研究和討論。
安徽省地跨長江、淮河、新安江三大流域,境內(nèi)河流湖泊眾多,水資源豐富,但是南北分布不均,境內(nèi)洪澇、干旱災害頻發(fā),其中1954,1963,1991,1998,2003,2005,2007,2008,2016年等年均發(fā)生大規(guī)模的洪災,帶來了人員傷亡和難以估計的經(jīng)濟損失。實時監(jiān)測安徽省境內(nèi)湖泊的動態(tài)變化,掌握省尺度的水資源狀況,有助于進行洪澇及干旱等災害的預警,提高水文水資源相關決策的科學性和合理性。
本文選取安徽省54個湖泊作為研究對象(見圖1),研究范圍介于東經(jīng)114°54′~119°37′,北緯29°41′~34°38′之間,位于暖溫帶與亞熱帶的過渡帶,地處長江和淮河中下游,湖泊眾多。該區(qū)域經(jīng)濟快速發(fā)展,人類活動對湖泊的影響日趨增強。以這54個湖泊為例,探討湖泊的形態(tài)復雜度是否對湖泊制圖精度有影響。
本研究選取2016年2月份前后的GF-1/WFV(GF-1/Wide Field View),MODISHKM(Moderate-Resolution Imaging Spectroradiometer Half Kilometers),MODIS1KM(Moderate-Resolution Imaging Spectroradiometer 1 Kilometers)和Landsat-8/OLI(Landsat-8/Operational Land Imager)遙感影像共17景,其中18 m的高分一號6景、500 m的MODISHKM 1景、1 000 m的MODIS1KM1景和30 m的Landsat8數(shù)據(jù)9景。所有選取的遙感影像質(zhì)量較好,湖泊上空基本無云覆蓋。由于該區(qū)域湖泊面積的枯水期和豐水期差異明顯,因此,本文盡量選用相近觀測時間的遙感影像(見表1,獲取時間精確到年月日),以減少湖泊季節(jié)變異引起的偽變化。
圖1 實驗湖泊空間分布Fig.1 The spatial distribution of lakes for the study
本研究的技術路線為:在數(shù)據(jù)預處理的基礎上,利用經(jīng)典的NDWI(Normalized Difference Water Index) 方法提取遙感影像中的水體信息,以歷史統(tǒng)計湖泊水域岸線(歷史統(tǒng)計湖泊水域岸線:結(jié)合2014年安徽省第一次水利普查成果,采用高分一號衛(wèi)星數(shù)據(jù),安徽省(水利部淮河水利委員會)水利科學研究院河湖監(jiān)測遙感中心逐月份半自動提取的湖泊枯水季矢量數(shù)據(jù)的水邊線中心線)外1 km范圍為界,對研究區(qū)54個湖泊進行裁剪得到各湖泊的潛在空間范圍,以高分一號數(shù)據(jù)的高分辨率制圖結(jié)果作為參考數(shù)據(jù),計算landsat8、MODISHKM和MODIS1KM相對參考數(shù)據(jù)的誤差,以高分一號湖泊提取結(jié)果的分形維數(shù)值衡量湖泊水域的復雜情況,分析湖泊形態(tài)的復雜度對不同分辨率遙感影像提取得到的湖泊影像。具體的技術路線如圖2所示。
整個實驗過程采用全自動化的方式,以減少人為因素的干擾。使用ENVI5.2軟件對高分一號數(shù)據(jù) (GF1/WFV)、MODISHKM和MODIS1KM進行數(shù)據(jù)預處理,包括輻射校正、幾何校正和正射校正。
在高分一號數(shù)據(jù)中,使用B2波段(中心波長0.56 μm)和B4波段(中心波長0.797 μm),在landsat8數(shù)據(jù)中,抽取B3波段(波譜范圍0.525~0.600 μm)和B5波段(波譜范圍0.845~0.885 μm),在MODISHKM和MODIS1KM數(shù)據(jù)中,抽取B2波段(波譜范圍0.841~0.876 μm)和B4波段(波譜范圍0.545~0.565 μm),利用綠光波段和近紅外波段進行NDWI指數(shù)[14]計算以突出水體信息,抑制非水體信息,計算公式為
表1 各湖泊GF-1驗證數(shù)據(jù)與Landsat-8、MODIS試驗數(shù)據(jù)Tab.1 Summary of studied lakes with observation time of GF-1、Landsat-8 and MODIS data
(1)
式中,Green和Nir分別代表綠光波段和近紅外波段。研究過程中,為避免人為因素影響分割閾值的選取,參考同類研究成果[15],對于Landsat8、MODISHKM和MODIS1KM數(shù)據(jù),均采用0作為分割閾值,即NDWI數(shù)值大于0對應像元的被劃分為水體。實驗中參考數(shù)據(jù)高分一號的分割閾值有3個,分別是利用大津算法[16-17](即最大類間方差法、OTSU )得到的閾值、灰度分割閾值1(20類)、灰度分割閾值2(25類),以衡量參考數(shù)據(jù)的變化對實驗結(jié)果的影響。本研究定義以湖泊為中心區(qū)域及其1 km緩沖區(qū)范圍為湖泊水域區(qū)域(見圖3)。
本文選擇面積誤差RA、面積偏差比|RA|、錯分率Er、漏分率Lr、Kappa系數(shù)和總體精度作為衡量制圖精度的指標。
(2)
式中,A16表示基于GF-1/WFV提取的湖泊面積;A0表示基于其他數(shù)據(jù)提取的湖泊面積;F1表示相對于參考數(shù)據(jù)中的水體,將非水體像元錯分為水體像元的面積;F2表示相對于參考數(shù)據(jù)中的水體,將水體像元誤分為非水體像元的面積。
圖3 NDWI分區(qū)域?qū)Ρ菷ig.3 Comparison of NDWI maps of several sub-regions
采用經(jīng)典的計盒維數(shù)方法計算每個湖泊的參考數(shù)據(jù)分形維數(shù)值DB,用來表征不同湖泊的形態(tài)復雜程度[18-19]。
(3)
式中,F(xiàn)為湖泊水體二值圖像(見圖5),NδK為與F相交的δK網(wǎng)立方體的個數(shù),即覆蓋圖像中水體區(qū)域的網(wǎng)格的數(shù)目。將圖像F進行c等分,δK為網(wǎng)格大小。
(4)
上式表明,δK為一個遞減序列。以一系列 “網(wǎng)格大小”δK與相應的“覆蓋網(wǎng)格數(shù)”NδK的數(shù)據(jù)對,進行線性回歸分析,湖泊水體圖像的分形維數(shù)值DB為直線斜率(見圖4b中紅色直線)。
如圖3所示,以八里河、董鋪水庫和萬佛湖為例,利用各種空間分辨率的遙感影像進行湖泊提取,其中GF-1/WFV數(shù)據(jù)的NDWI分割閾值為灰度分割閾值1(值為0.250 37),提取結(jié)果見圖5。由圖5可見,空間分辨率的差異對湖泊提取結(jié)果有著明顯的影響,隨著影像分辨率的升高,提取結(jié)果的細節(jié)逐漸豐富,越接近實際湖泊形狀,較粗的分辨率容易受混合像元效應的影響,造成湖泊面積的低估(忽略一些較小的水體)或高估(誤識別濕地等陸地信息為水體)。
表2中,面積誤差為水體面積與準確值(GF-1水體)之間的差異。圖6展示了所選取的湖泊的分形維數(shù)與其湖泊面積誤差、面積偏差比之間的關系。從表2和圖6可以看出,隨著湖泊形態(tài)復雜度的增大,即湖泊分形維數(shù)值的增大,Landsat-8/OLI、MODISHKMMODIS1KM提取的水體面積誤差值和面積偏差比均逐漸減小,說明提取水體的精度逐漸增大。
圖4 估算湖泊的分形維數(shù)Fig.4 The plot for estimating fractal dimension of lakes
圖5 水體提取分區(qū)域?qū)Ρ葓DFig.5 Comparison of lake maps for several sub-regions
表2 不同空間分辨率下不同湖泊的提取精度Tab.2 Statistics of extraction accuracies for different lakes with various spatial resolutions
圖6 面積誤差、面積偏差比與湖泊形狀復雜度之間的關系Fig.6 Relationship between area error, area deviation ratio and morphological complexity of the lake
計算得到湖泊制圖結(jié)果的錯分率、漏分率、總體精度和kappa系數(shù),發(fā)現(xiàn)對于landsat-8/OLI、MODISHKM和MODIS1KM三種數(shù)據(jù),提取結(jié)果的錯分率、漏分率和總體精度與湖泊形態(tài)復雜度之間無一致和明顯的規(guī)律。圖7展示了Kappa系數(shù)與湖泊形態(tài)復雜度之間的關系,可以看出隨著湖泊分形維數(shù)值增大,Kappa系數(shù)呈現(xiàn)逐漸增大的趨勢。綜合多個制圖精度的衡量指標,可以發(fā)現(xiàn),湖泊形態(tài)復雜性確實影響其遙感制圖精度。
圖7 Kappa系數(shù)與湖泊形狀復雜度之間的關系Fig.7 Relationship between Kappa coefficient and lake morphological complexity
如圖8(a)所示,湖泊的面積誤差與其分形維數(shù)值表現(xiàn)出正相關性(R>0.35,P<0.01)。如圖8(b)所示,湖泊的分形維數(shù)和總體精度、Kappa系數(shù)兩個量之間也表現(xiàn)出較強的正相關性(R>0.45,P<0.05)。結(jié)果表明,本研究得到的結(jié)論對于不同空間分辨率的遙感數(shù)據(jù)都是成立的。
圖8 分形維數(shù)與湖泊提取精度之間的關系Fig.8 Relationship between fractal dimension and lake extraction accuracy
NDWI 的閾值主要取決于水和非水像元的比例組合,而這個比例往往容易受干擾,使得最佳閾值難以確定[14],這可能對研究的結(jié)論存在一定影響。研究采用GF-1/WFV數(shù)據(jù)結(jié)合NDWI閾值方法獲得參考數(shù)據(jù),以衡量閾值對實驗結(jié)果的影響。因此,此處采用3種方式確定閾值以保證所得結(jié)論的可靠性:第1種是大津算法計算的閾值(值為0.196 10);第2種為前面提到的灰度分割閾值1,采用灰度閾值分割將NDWI圖像分割為20類逐步確定的最佳閾值(值為0.250 37);第3種為采用灰度閾值分割將NDWI圖像分割為25類逐步確定的最佳閾值——灰度分割閾值2(值為0.300 00)。不同的閾值確定方法所得的實驗結(jié)果如表3所示。閾值分別設置為0.196 10,0.250 37,0.300 00時,P值略微增大,但均小于0.1,說明水體分割閾值對實驗結(jié)果有輕微但不明顯影響,并不影響實驗結(jié)論,即湖泊遙感提取精度與其幾何形態(tài)的復雜度確實存在明顯的相關性。
表3 實驗湖泊形態(tài)復雜度與提取精度的相關性Tab.3 Correlation between lakes morphological complexity and extraction accuracy
本文從實際應用需求出發(fā),采用GF-1/WFV、Landsat-8/OLI、MODISHKM、MODIS1KM幾種不同空間分辨率遙感數(shù)據(jù),對安徽省54個湖泊進行遙感制圖,選擇面積誤差、面積偏差比和Kappa系數(shù)等作為衡量遙感制圖精度的指標,分析了湖泊提取精度與湖泊幾何形態(tài)的關系。得到如下結(jié)論:
(1) 分形維數(shù)值越大,湖泊形態(tài)越復雜,提取結(jié)果的Kappa系數(shù)越高,面積誤差和面積偏差比越小,制圖精度越高。
(2) 遙感影像分辨率越高,湖泊識別結(jié)果的細節(jié)越豐富,湖泊制圖結(jié)果的Kappa系數(shù)和總體精度越高,但對湖泊面積誤差無明顯影響。
本文對于湖泊遙感提取的誤差做了一定探索性分析,有助于進一步研究其誤差源和指導湖泊制圖的數(shù)據(jù)選擇。盡管本文針對湖泊及其幾何形態(tài)的關系進行研究,其思路也可以擴展至其他空間地物如河流、海岸線等[19]。