陳婭男 黃義忠 郭瑞

摘 ?要： 基于2016年landsat-8遙感影像，采用ENVI軟件分別利用歸一化水體指數(shù)（NDWI）、改進的歸一化差異水體指數(shù)（MNDWI）、多波段譜間關系、自動水提取指數(shù)法（AWEI）對鄱陽湖水域面積進行提取、分析對比，結(jié)果表明自動水體指數(shù)提取水體的適用性最好。利用自動水體指數(shù)法提取得到鄱陽湖區(qū)域2013年到2016年的水域面積，分析得到鄱陽湖水域面積時空變化規(guī)律，通過GRACE數(shù)據(jù)計算得到的等效水高值對變化規(guī)律進行驗證，兩者相關性達0.74。通過GRACE重力數(shù)據(jù)反演有效的彌補實測數(shù)據(jù)缺失的不足。

關鍵詞： ENVI;鄱陽湖;自動水體指數(shù);面積;GRACE

中圖分類號： TP391. 41 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.05.035

本文著錄格式：陳婭男，黃義忠，郭 ?瑞，等. 基于2013-2016年TM影像鄱陽湖面積動態(tài)監(jiān)測[J]. 軟件，2019，40（5）：179184

【Abstract】： Based on Landsat-8 satellite remote sensing images of Greater Poyang lake in 2016， Normalized water index （NDWI）， the improved normalized difference water index （MNDWI）， the relationship between multi-band spectrum， automatic water extraction method are used to extract， analysis water area of Poyang lake in software. It is concluded that the automatic water extraction method is more adaptable in this area. use this method to extract water area of Poyang lake from 2013 to 2016，The spatial and temporal variation of the water area of poyang lake was analyzed， The equivalent water high value obtained through GRACE data was verified by the change rule， The correlation coefficient between the two results is 0.74. GRACE gravity data inversion can effectively make up for the lack of real measured data.

【Key words】： ENVI; Poyang lake; Automated Water Extraction Index; Area; GRACE

0 ?引言

鄱陽湖位于江西省境內(nèi)，東經(jīng)11547-11645，北緯2822-2945，總占地面積26280 km?，鄱陽湖是我國面積最大的淡水湖，也是地球上著名的濕地之一[1]。鄱陽湖在降雨時間上分布不均，4-6月暴雨出現(xiàn)頻繁，導致洪水泛濫。進行鄱陽湖水域面積變化動態(tài)監(jiān)測，對鄱陽湖水體及其周邊環(huán)境的發(fā)展與演變、人民的財產(chǎn)與生命安全都具有非常重要的意義。

由于鄱陽湖水域面積較大，地形較為復雜，遙感技術進行湖水面積提取與監(jiān)測可有效解決傳統(tǒng)測量成本高、難度等問題。目前鄱陽湖水域面積提取采取的遙感數(shù)據(jù)主要為MODIS數(shù)據(jù)[2-4]。MODIS數(shù)據(jù)擁有36個波段，地物的波譜信息比較豐富，為水體的提取提供了多種波譜信息，同時還具有高時間分辨率的優(yōu)勢，可以實現(xiàn)對鄱陽湖區(qū)域面積的高效動態(tài)監(jiān)測。但是MODIS影像的空間分辨率最高為250 m，而且遙感影像中存在大量的混合像元，混合像元對線狀地類和細小地物的分類識別影響較為突出，因此若使用MODIS數(shù)據(jù)對鄱陽湖水域提取則會造成水體邊界識別不清，從而導致提取面積的不準確。為監(jiān)測鄱陽湖水域面積變化，建立了一系列的算法模型，如面積-水位關系的模型[2]、像元水淹沒/陸地出露比例算法[3]。這些算法在高水位時，精度較高，但是在低水位時，精度偏低，并且需要運用實測的水文數(shù)據(jù)，而實測的水文數(shù)據(jù)并不是公開數(shù)據(jù)，這就存在一定的局限性。

而目前對水體提取方面的主要的方法有歸一化差異水體指數(shù)模型（Normalized Difference Water Index，NDWI）[5]、歸一化差異水體指數(shù)的改進模型（Modified NDWI，MNDWI）[6]、多波段譜間關系法[7]、自動水提取指數(shù)（Automated Water Extraction Index，AWEI）[8]。這些算法是針對水體的光譜特性得出的，可以抑制植被、建筑物信息，減少噪音，使水體和非水體的反射率值差異明顯，可以有效的提取水體。鄱陽湖區(qū)域地形復雜，氣候多變，大量采砂船在此區(qū)域采砂，造成水質(zhì)中泥沙含量偏高，渾濁水體的反射波譜曲線整體高于清水，隨著懸浮泥沙濃度的增加，差別加大;波譜反射峰向長波方向移動[9]。并且鄱陽湖區(qū)域存在大面積的濕地，含有水分的土壤光譜特征與正常水的光譜特性有相似的地方[10]。同時鄱陽湖水域還存在赤潮現(xiàn)象，水中植物因長勢不同還會造成光譜的紅邊紅移或者紅邊藍移等現(xiàn)象。

本文采用Landsat-8影像為數(shù)據(jù)源，空間分辨率為30m，可以降低混合像元的影響。每種水體提取方法都受其使用范圍、環(huán)境、條件等因素的制約，本文利用歸一化水體指數(shù)（NDWI）、改進的歸一化差異水體指數(shù)（MNDWI）、多波段譜間關系、自動水提取指數(shù)法為研究方法，對2016年鄱陽湖水域面積進行提取。分析了幾種水體提取方法的適用性，并運用適應性最好的方法得到近年來鄱陽湖區(qū)域水域面積變化情況，同時引入了GRACE數(shù)據(jù)進行反演計算等效水高來對水域變化面積進行驗證，彌補了實測水文數(shù)據(jù)不公開的缺點。

1 ?研究的數(shù)據(jù)源及水體提取方法比較

1.1 ?數(shù)據(jù)來源

2013年發(fā)射的Landsat-8衛(wèi)星空間分辨率達30m，具有11個波段，應用十分廣泛[11]。本文采用2013-2016年的Landsat-8 OLI/TIRS衛(wèi)星數(shù)據(jù)進行水體的遙感監(jiān)測。

GRACE重力衛(wèi)星由美國國家航空航天局（NASA）和德國（DLR）太空飛行中心合作發(fā)射，由兩顆低軌道衛(wèi)星組成，可獲取高精度的地球重力場中長波部分及全球重力場的時變特征，并推算大區(qū)域的水儲量變化[12-15]。

1.2 ?四種水體提取方法在鄱陽湖適用性比較

1.2.1 ?主要的水體提取方法

1.2.2 ?四種水體提取方法在鄱陽湖適用性比較

基于ENVI軟件平臺對2016年6月23日的Landsat-8衛(wèi)星影像進行輻射定標和大氣校正處理，基于波段運算和閾值利用四種方法進行鄱陽湖水體提取，整體提取如圖1，提取精度對比圖為圖2。

NDWI和MNDWI兩種方法對土壤、建筑以及干涸湖體敏感度較高。由于鄱陽湖附近有植被、城市等多種地物，NDWI提取的水體中還包含少許陸地，MNDWI雖然提取的整體范圍比較全面，但也將少量的陸地、居民區(qū)等也一并提取出來;多波段法由于有四個波段參與計算，差異度比較大，信息量較為豐富，多波段譜間關系法提取總體效果較好，水體與其他地物分離的較為準確，湖水邊界輪廓清晰。因為傳感器入射角的問題，建筑、山體會產(chǎn)生陰影這就為水體提取增加了難度。AWEI模型增加了水和其他黑暗面的對比，通過差分，加法和應用不同的系數(shù)最大限度的分離出水體和非水體像素。模型中的參數(shù)是基于純像素數(shù)據(jù)上對各種土地覆蓋類型的反射率進行研究并結(jié)合先驗知識得到的，模型中的數(shù)學計算能將水體的負像素值會變成一個很大的正值，非水體的具有更大的負像素值[8]。與MNDWI相比，錯分和漏分的精度提高了50%?？梢猿醪降贸鯝WEI的提取精度相對最高。

為進一步驗證四種水體提取方法的適應性，利用人工解譯方法判定鄱陽湖區(qū)域范圍，將其他非水體地物提出，并計算面積。以人工解譯的結(jié)果作為精度評定標準，與自動提取的進行對比，計算每種方法提取的面積與標準面積的差值，結(jié)果如表2。自動水體指數(shù)法提取的水體面積與人工解譯的結(jié)果差異最小，即自動水體提取指數(shù)的整體提取精度更高，比較適用于鄱陽湖水域的提取。

2 ?鄱陽湖水域面積動態(tài)監(jiān)測

2.1 ?鄱陽湖2013-2016年面積變化

本文利用自動水體提取指數(shù)對鄱陽湖水域進行提取并連續(xù)3年的水面覆蓋變化情況（以2014年部分圖像為例展示如圖3）。

每年的6、7月份鄱陽湖水域面積最大，2014年與2016年面積都在3000 km2左右，而2015年的面積峰值在2400 km2左右。7月以后水域面積呈現(xiàn)下降趨勢，到12月份達到谷底，面積都在1000 km2以下。2015年鄱陽湖的水域面積明顯比其他兩年低，如圖4。

鄱陽湖水域大部分位于江西省境內(nèi)，2015年8月3日江西省氣候中心發(fā)布了2015年7月江西省的氣溫及降雨情況。7月降水主要集中在上旬和下旬，中旬全省降水23.7 mm，較常年偏少四成，全省平均降水量為179.0 mm，折合降水資源量為296.2億立方米，較同期（253.9億立方米）偏少42.3億立方米。江西省2015年7月平均降水量的減少，是2015年鄱陽湖水域面積比其他兩年偏低的主要原因。

利用所得的鄱陽湖面積數(shù)據(jù)計算了3年每個月湖泊面積的平均值，結(jié)果如圖5所示，表明全年各月份中6、7、8月份最大，11月份面積最小，12月份出現(xiàn)了異常峰值（可能12月份影像數(shù)據(jù)較少導致）。本文結(jié)合歷史同期資料和此次研究的結(jié)果，得出鄱陽湖在2013-2016年間，豐水期在每年的6月到8月，枯水期在每年的11月到次年3月。這種現(xiàn)象與6-8月的大量降雨有關。其豐水期與枯水期水體覆蓋面積如圖6所示。

本文將4年內(nèi)豐水期6-8月份湖水面積相加求平均值，枯水期11-次年3月面積相加求平均值，計算出4年內(nèi)鄱陽湖豐水期與枯水期平均面積。其結(jié)果如圖6。豐水期面積平均2809.944 km2，枯水期面積平均800.484 km2。豐水期時鄱陽湖水域面積大約為枯水期時面積的4倍。

豐水期和枯水期，鄱陽湖區(qū)域水體空間分布情況大體如下：每當湖泊出現(xiàn)最大面積時，湖泊大部分的區(qū)域都連在一起，形成一個巨大的整體，且湖泊最大面積相差不大;而當湖泊達到最小面積時，湖泊被分成了明顯的幾個小的部分。部分湖水提取后矢量化效果圖如圖7所示。

2.2 ?基于GRACE重力衛(wèi)星對鄱陽湖水域變化規(guī)律驗證

湖泊面積變化必然會導致湖水整體質(zhì)量的變化，水體面積減少必然會導致湖水質(zhì)量減少，相反則增加。GRACE重力衛(wèi)星可探測時變重力場變化，能反映地表質(zhì)量的變化[14]，其時變重力數(shù)據(jù)自公開以來就被廣泛的運用到大范圍的陸地儲水量變化研究中[15]。

GRACE高階球諧系數(shù)存在較大誤差，南北方向上存在“條帶”誤差，低階項亦存在誤差。本文對GRACE數(shù)據(jù)進行以下處理：將每個月的球諧系數(shù)扣除平均值，利用衛(wèi)星激光測距（SLR）觀測的C20項替換GRACE C20項[16]，利用Swenson等模型進行一階項改正[17]，同時采用300km高斯平滑。

為了驗證計算得到的鄱陽湖區(qū)域面積提取結(jié)果的可靠性，將Landsat-8影像得到的鄱陽湖面積數(shù)據(jù)與GRACE衛(wèi)星數(shù)據(jù)反演得到的水質(zhì)量數(shù)據(jù)進行比較。由于GRACE反演質(zhì)量變化的時間與利用Landsat-8影像提取出面積變化的時間不同，為方便將兩種數(shù)據(jù)進行比較析，本文首先將兩組數(shù)據(jù)通過三次樣條插值方法插值至相同的時間序列（2013.06- 2016.06）。此外，兩種數(shù)據(jù)單位不統(tǒng)一，為方便比較，同時對兩種數(shù)據(jù)進行歸一化處理，并進行相關性分析，如圖8。歸一化處理結(jié)果表明鄱陽湖水的質(zhì)量與鄱陽湖水域面積變化時間序列，具備一定的相關性，相關性為0.74，強相關。GRACE數(shù)據(jù)雖然反演的是質(zhì)量變化，但湖泊水面積增加也間接體現(xiàn)湖泊質(zhì)量的變化，由于GRACE結(jié)果和面積提取結(jié)果存在很好的一致性，也間接證明本文得到的水域面積變化結(jié)果的可靠性。

3 ?結(jié)論與討論

本文以鄱陽湖為例，采用2013-2016年Landsat-8衛(wèi)星影像數(shù)據(jù)，探索了針對鄱陽湖的四種水體提取方法，驗證了自動水體指數(shù)在鄱陽湖區(qū)域的適應性比較好。Landsat-8影像數(shù)據(jù)有效的解決了以往大面積監(jiān)測水體（MODIS數(shù)據(jù)）變化因混合像元而導致的提取面積精度不夠的問題，并有效的降低了成本。利用自動水體指數(shù)方法分析了鄱陽湖湖泊面積年度及月度變化情況，7月水域面積最大，1月和11月水域面積相對較小，將4年內(nèi)豐水期6-8月份湖水面積相加求平均值，枯水期11-次年3月面積相加求平均值，均2809.944 km2，枯水期面積平均800.484 km2。豐水期時鄱陽湖水域面積大約為枯水期時面積的4倍。所得規(guī)律與GRACE重力衛(wèi)星數(shù)據(jù)解算的等效水高進行比較驗證，其相關系數(shù)為0.74，表明本文所采用的方法得出的鄱陽湖面積變化具有一定的可靠性，同時彌補了實測水文數(shù)據(jù)不公開的缺點。但文章仍存在一些不足之處有待改進。

（1）數(shù)據(jù)源的質(zhì)量及云覆蓋的問題。由于Landsat衛(wèi)星影像數(shù)據(jù)時間分辨率不高、有云的影響，可獲取的影像數(shù)據(jù)有限?？梢钥紤]結(jié)合降雨、水位、氣溫、蒸發(fā)等其他因素建立與面積相關的模型，進行分析。

（2）在進行水體提取時，閾值的設定和水陸混合像元的處理具有很大的主觀性，不同的人可能會有不同的認識及結(jié)果，未來可以研究更為精確的解譯模型及閾值設定方法來解決這一問題。

參考文獻

[1] 劉志剛， 倪兆奎. 鄱陽湖發(fā)展演變及江湖關系變化影響[J]. 環(huán)境科學學報， 2015， 35（05）： 1265-1273.

[2] 張楠楠， 王文， 王胤. 鄱陽湖面積的衛(wèi)星遙感估計及其與水位關系分析[J]. 遙感技術與應用， 2012， 27（06）： 947-953.

[3] 劉洋， 尤慧， 程曉等. 基于長時間序列MODIS數(shù)據(jù)的鄱陽湖湖面面積變化分析[J]. 地球信息科學學報， 2013， 15（03）： 469-475.

[4] 李輝， 李長安， 張利華等. 基于MODIS影像的鄱陽湖湖面積與水位關系研究[J]. 第四紀研究， 2008（02）： 332-337.

[5] S. K. McFEETERS. The use of the Normalized Difference Water Index （NDWI） in the delineation of open water features[J]. International Journal of Remote Sensing， 1996， 17（7）： 1425-1432.

[6] 徐涵秋. 利用改進的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究[J]. 遙感學報， 2005， 9（5）： 589-595.

[7] 畢海蕓， 王思遠， 曾江源等. 基于TM影像的幾種常用水體提取方法的比較和分析[J]. 遙感信息， 2012， 27（5）： 77-82.

[8] Feyisa G L， Meilby H， FensholtR， etal. Automated Water Extraction Index： A new technique for surface water mapping using Landsat imagery[J]. Remote Sensing of Environment， 2014， 140（1）： 23-35.

[9] 江豐， 齊述華， 廖富強等. 2001-2010年鄱陽湖采砂規(guī)模及其水文泥沙效應[J]. 地理學報， 2015， 70（05）： 837-845.

[10] 張翔， 鄧志民， 潘國艷等. 鄱陽湖濕地土壤水穩(wěn)定同位素變化特征[J]. 生態(tài)學報， 2015， 35（22）： 7580-7588.

[11] 孫家柄. 遙感原理與應用[M]. 武漢大學出版社， 2009： 20-22.

[12] 申健， 佘世剛， 王鍇等. 重力衛(wèi)星星間高精度測距技術研究[J]. 空間科學學報， 2007， 27（4）： 342-346.

[13] 曹艷萍， 南卓銅. GRACE重力衛(wèi)星數(shù)據(jù)的水文應用綜述[J]. 遙感技術與應用， 2011， 26（05）： 543-553.

[14] 牛潤普. 利用GRACE時變重力場反演陸地水儲量變化[D]. 西南交通大學， 2016.

[15] 穆大鵬， 郭金運， 孫中昶等. 基于主成分分析的GRACE重力場模型等效水高[J]. 地球物理學進展， 2014， 29（04）： 1512-1517.

[16] Tapley B D， Bettadpur S， Ries J C， et al. GRACE Measurements of Mass Variability in the Earth System[J]. Science， 2004， 305（5683）： 503-505.

[17] Swenson S， Chambers D， Wahr J. Estimating geocenter variations from a combination of GRACE and ocean model output[J]. Journal of Geophysical Research Solid Earth， 2008， 113（B8）.

[18] Wahr J， Molenaar M， Bryan F. Time variability of the Earth's gravity field： Hydrological and oceanic effects and their possible detection using GRACE[J]. Journal of Geophysical Research： Solid Earth （1978–2012）， 1998， 103（B12）： 30205-30229.