岑 銘

（1.廣西壯族自治區(qū)水利電力勘測設(shè)計研究院有限責任公司，廣西 南寧 530023）

目前，利用長時間序列數(shù)據(jù)進行廣西地區(qū)主要地表水類型動態(tài)監(jiān)測的研究相對較少，因此本文將不同水體指數(shù)進行對比和分析，挑選出最優(yōu)的光譜水體指數(shù)，基于Google Earth Engine 利用Landsat 系列數(shù)據(jù)對1990—2020年廣西地區(qū)主要地表水類型進行時空變化特征分析[1-13]。

1 數(shù)據(jù)和方法

1.1 研究區(qū)概況

廣西地區(qū)位于中國南部沿海，地勢四周高，中部與南部低。屬亞熱帶季風氣候，全區(qū)大部地區(qū)熱量豐富，雨水豐沛，干濕分明。本文在研究區(qū)范圍內(nèi)選取了4 個典型的實驗區(qū)來測試各光譜水體指數(shù)的實用性和穩(wěn)定性，詳細信息見表1。

表1 研究區(qū)4個典型子區(qū)域詳細信息

1.2 數(shù)據(jù)源

本文利用1990—2020 年所有可用的Landsat5 TM和Landsat8 OLI 大氣表觀反射率遙感數(shù)據(jù)作為主要數(shù)據(jù)源，其中Landsat7 ETM+由于存在條帶，研究中不予采用，通過GEE平臺進行圖像篩選和云量去除，選擇數(shù)據(jù)質(zhì)量較好的Landsat序列影像。

本文在澄碧河水庫、達開水庫、青獅潭水庫和洪潮江水庫分別選取了對應(yīng)的高分二號遙感影像用于精度驗證和對比分析，成像時間分別為：2018-08-22、2018-08-18、2018-09-21、2018-06-28。利用二次多項式模型，將Landsat8影像與其對應(yīng)的準同步高分二號影像進行幾何配準，然后將誤差控制在0.5個像元內(nèi)。

1.3 光譜水體指數(shù)方法

各光譜水體指數(shù)計算公式如表2 所示。首先，利用ENVI 中波段計算器工具計算各實驗區(qū)各光譜水體指數(shù)，利用最大類間方差（OTSU）自適應(yīng)閾值方法確定其初始閾值。其次，針對實驗區(qū)的地表覆蓋特點分別選取不同類型的樣點，計算這些類型樣點在各光譜水體指數(shù)影像上的統(tǒng)計量，以確定其取值范圍，同時檢驗初始閾值的合理性。最后，對各光譜水體指數(shù)在a、b、c 和d 實驗區(qū)的初始閾值求平均值，利用各實驗區(qū)的初始閾值偏離其的平均閾值的程度來表征各光譜水體指數(shù)閾值的穩(wěn)定性。

表2 各光譜水體指數(shù)詳情

1.4 水體提取精度檢驗

對高分二號遙感影像[14]進行人工目視解譯，得到高分影像地表水提取結(jié)果，利用基于格網(wǎng)的統(tǒng)計方法驗證同區(qū)域Landsat地表水提取精度，具體為利用Arc-GIS軟件在a、b、c和d實驗區(qū)分別建立漁網(wǎng)，網(wǎng)格大小為900×900 m2，分別計算高分二號和Landsat地表水提取結(jié)果在各網(wǎng)格內(nèi)的面積，通過計算兩者之間的相關(guān)系數(shù)對分類結(jié)果進行精度評價。

2 結(jié)果與分析

2.1 各光譜水體指數(shù)的對比分析

各光譜水體指數(shù)在各實驗區(qū)域的閾值波動范圍和穩(wěn)定性分析。如圖1 所示，由于光譜水體指數(shù)增強水體信息，而削弱其他類型地物信息，所以水體會集中分布在圖中上方區(qū)域，而其他類型地物均分布在下方區(qū)域。在垂直方向上，代表水體信息的取值區(qū)間（圖中藍色小方塊）與其他5 種類型地物取值區(qū)間無交集的區(qū)域，可視為水體和背景地物可分離的閾值波動區(qū)間。從圖1a 和1b 可以看出，WI2015和TCW在b 區(qū)域不能較好地區(qū)分云和水體，容易造成錯分。圖1c、1d 中NDWI 的閾值波動范圍較大，從b 區(qū)的0.16 變 動 到c 區(qū) 的0.27，變 化 幅 度 為0.16～0.27；MNDWI 也存在同樣的問題，變化幅度為0.46～0.62；NDWI 和MNDWI 在各區(qū)域的平均閾值分別為0.22 和0.54，在不同的區(qū)域NDWI 和MNDWI 閾值出現(xiàn)較大的波動，閾值穩(wěn)定性較差。而且1d 中MNDWI 閾值波動區(qū)間比較寬，經(jīng)過統(tǒng)計分析發(fā)現(xiàn)，這個區(qū)間內(nèi)的像元均為水體和背景地類產(chǎn)生的混合像元，說明在水體分類過程中MNDWI 對混合像元的處理存在不確定性，從而影響結(jié)果數(shù)據(jù)的提取精度。雖然1e 中MBWI 閾值較穩(wěn)定，但閾值波動區(qū)間較窄，在應(yīng)用于長時間序列的水體變化監(jiān)測中很容易造成水體信息的錯分現(xiàn)象。而1f 中AWEI 的平均閾值與各實驗區(qū)的初始閾值比較接近，變化幅度僅為0.08～0.1，閾值穩(wěn)定性較好。而且AWEI 閾值波動區(qū)間相對較窄，這也是AWEI 光譜水體指數(shù)具有較好的實用性和穩(wěn)定性的一種表現(xiàn)形式。

圖1 不同類型地物在各光譜水體指數(shù)上的閾值的波動及分布圖

2.2 分類結(jié)果精度驗證

通過對各典型實驗區(qū)精度定量評價發(fā)現(xiàn)，圖2a、b、c、d 各區(qū)域中，R2分別為0.949、0.963、0.993 和0.959，基于AWEI光譜水體指數(shù)提取的結(jié)果與高分二號影像目視解譯結(jié)果有較好的相關(guān)性，提取結(jié)果整體上較為一致。說明基于AWEI 光譜水體指數(shù)的提取方法精度較高，可以滿足研究要求。

圖2 典型實驗區(qū)精度檢驗散點圖

2.3 模型應(yīng)用及廣西主要地表水類型的時空變化

2.3.1 模型應(yīng)用

研究表明光譜水體指數(shù)AWEI具有較好的實用性和穩(wěn)定性，因此我們將此算法集成到GEE中，利用AWEI光譜水體指數(shù)結(jié)合UTSU自適應(yīng)閾值分割方法進行1990—2020年廣西地區(qū)主要地表水類型的自動提取與識別。

從圖3b、c、f 和i 地表水提取結(jié)果中可以看出，對于形狀復(fù)雜的地表水類型AWEI 可以很好地刻畫和捕捉水體信息的細節(jié)變化和空間分布，說明AWEI 水體指數(shù)具有較好精度和實用性。

圖3 1990—2020年廣西地區(qū)主要地表水類型變化情況

2.3.2 時空變化特征

圖3顯示了1990—2020年廣西地區(qū)主要類型地表水面積的動態(tài)變化，1990—2020 年每個水庫的面積變化都不盡相同，其中面積變化較大的水庫分別為澄碧河水庫、大王灘水庫、鳳亭河水庫和平龍水庫，年變化速率分別為-0.128 km2∕a、-0.290 4 km2∕a、0.155 3 km2∕a、0.054 3 km2∕a。其中近30 a 澄碧河水庫、達開水庫、大王灘水庫和小江水庫水體面積有所縮減，而鳳亭河水庫、平龍水庫面積有所增加，其他的水庫地表水變化不明顯。

3 討 論

隨著Google Earth Engine 平臺不斷發(fā)展，如今GEE 在各個領(lǐng)域得到了廣泛的應(yīng)用和推廣，其中國產(chǎn)的遙感云計算平臺也在高速地發(fā)展和完善，相比傳統(tǒng)方法而言，利用遙感云計算進行大尺度地理研究已經(jīng)變成一種趨勢。GEE平臺的出現(xiàn)為全面的監(jiān)測研究區(qū)水體信息提供了可能，通過海量遙感數(shù)據(jù)的篩選和云量去除可以獲取到高質(zhì)量的遙感影像，快速的計算能力大大縮短了影像處理的周期[15]。

之前大量學(xué)者已經(jīng)對廣西地區(qū)主要地表水類型的變化進行監(jiān)測，但受到獲取影像時云的影響導(dǎo)致可用的高質(zhì)量的影像極為有限，所以對于研究區(qū)的地表水主要集中在少數(shù)幾個大型水庫而開展。考慮到在不同的背景地類或不同的環(huán)境下各光譜水體指數(shù)具有各自的優(yōu)勢和局限性[12]，對比了6 種常用的光譜水體指數(shù)，最終選擇表現(xiàn)最穩(wěn)定的AWEI集成于GEE平臺進行廣西地區(qū)主要地表水類型的識別和提取，并分析了其年際變化特征。結(jié)果表明1990—2020 年每個水庫地表水的面積變化都不盡相同，其中面積變化較大的水庫分別為：澄碧河水庫、大王灘水庫、鳳亭河水庫和平龍水庫，年變化速率分別為-0.128 km2∕a、-0.2904km2∕a、0.1553km2∕a、0.0543km2∕a。

4 結(jié) 論

本文基于GEE 平臺研究了1990—2020 年廣西主要地表水的類型時空變化特征，實驗證明AWEI水體指數(shù)閾值較穩(wěn)定，有很好的實用性，更適合于研究區(qū)的地表水識別和提取，將AWEI 光譜水體指數(shù)集成于GEE遙感云計算平臺可高效快速地進行廣西地區(qū)地表水的識別和提取。