鄒業(yè)斌 楊娟 舒瑞

1.寧夏大學土木與水利工程學院；2.中國地質大學（武漢）公共管理學院；3.寧夏自然資源勘測調查院

為了以中分辨率遙感影像檢測植被、土壤與水體混合區(qū)域中的明水體，本研究提出了一種基于大氣校正地表反射率、數(shù)字地形數(shù)據(jù)和土地覆蓋產品的內陸地表濕地水體提取方法，將基于中分辨率遙感影像的光譜指數(shù)與土地覆蓋類型柵格、地形指數(shù)和云/云陰影篩選規(guī)則相結合，應用于寧夏平原1990—2002年枯水期和豐水期的濕地水體數(shù)據(jù)提取和季節(jié)性動態(tài)監(jiān)測。經(jīng)驗證，水體分類提取總體精度為0.93，Kappa系數(shù)為0.83。通過對濕、枯季濕地數(shù)據(jù)進行時間序列分析和空間疊加分析，揭示流域濕地水體的季節(jié)性變化特征。季節(jié)性分析結果表明：（1）近30年來研究區(qū)豐、枯水期水體面積均呈整體上升趨勢，水體面積季節(jié)性變化明顯，豐、枯水期水體面積最大變化值達405.46km2，最大變化率達52.79%；（2）寧夏平原東北部為主要季節(jié)變化區(qū)，包括銀北灌區(qū)以及黃河主河道兩岸，平均面積變化值為142.31km2；（3）黃河徑流量、降水和蒸發(fā)以及引黃灌溉和生態(tài)補水，是寧夏平原水體面積變化的主要影響因素。

干旱區(qū)是全球變化的重要敏感區(qū)，干旱區(qū)濕地作為一種特殊的地表景觀類型是區(qū)域環(huán)境變化的敏感指示器，濕地的擴張或萎縮對于干旱區(qū)生態(tài)環(huán)境的變化和平衡具有明顯的指示和放大作用[1]。寧夏平原（如圖1所示）地處中國西北內陸干旱區(qū)，氣候干旱少雨、蒸發(fā)強烈，但黃河干流縱貫平原397km，使這一地區(qū)形成了大量的濕地資源[2，3]，成為寧夏平原水資源的重要載體。

圖1 寧夏平原示意圖（綠框線內）Fig.1 Schematic diagram of the Ningxia Plain (within the green frame)

研究區(qū)內生態(tài)環(huán)境脆弱，冬寒長、春暖遲、夏熱短、秋涼早，干旱少雨、降雨集中、蒸發(fā)強烈、風大沙多。受黃河徑流量汛、枯期交替、降雨季節(jié)性變率大以及冬季長時間蒸發(fā)等因素影響，平原內濕地水體季節(jié)性變化劇烈[4]。從雨季持續(xù)到旱季的降雨不足、水體滲漏及長時間蒸發(fā)，導致濕地水面積縮減、水位下降并且儲水量減少，致使季節(jié)性水文干旱的發(fā)生[5]。目前，季節(jié)性水文干旱已成為全球性的常見自然災害，尤其對于干旱半干旱區(qū)而言，其造成嚴重的水資源短缺、經(jīng)濟損失和不良社會后果[6，7]。

近年來，衛(wèi)星遙感已被用作快速獲取大尺度地表水體及其變化信息的數(shù)據(jù)源，各種遙感光譜指數(shù)被廣泛用于濕地水體動態(tài)變化監(jiān)測，主要是利用遙感光譜指數(shù)如歸一化差異水體指數(shù)（NDWI）[8]、改進的歸一化差異水體指數(shù)（MNDWI）[9]、增強水體指數(shù)（EWI）[10]、自動水體提取指數(shù)（AWEInsh）[11]等提取水體的面積及其動態(tài)分布。早期遙感影像的水體提取主要基于單波段法，利用水體在近紅外或中紅外波段強烈吸收特征來識別水體信息[11，12]。由于Landsat系列影像至少具有4個波段，因此可利用遙感影像多個波段之間的相互關系，構建邏輯判斷規(guī)則來提取水體[8，13，14]，例如周成虎等[15]利用TM影像中水體具有灰度值TM2+TM3＞TM4+TM5的譜間特征，實現(xiàn)水體信息提取。目前基于機器學習和深度學習方法也被充分運用到水體自動提取中，如支持向量機（SVM）法[16]、決策樹法[17]和面向對象法[18]，其中應用較廣泛的有基于機器學習的BP神經(jīng)網(wǎng)絡[19]、馬爾科夫隨機場模型[20]和基于監(jiān)督分類的光譜匹配方法[21]等。

基于衛(wèi)星遙感技術的各種水體信息提取方法的結果精度至關重要，盡管濕地水體具有明顯的光譜特征，但在不同的條件下，它也是一個高度可變的目標，其波段光譜特性會隨著葉綠素濃度、總懸浮固體量、有機物濃度、水體深度、淺水體底部物質以及觀察條件（如太陽方位角和云陰影等）的變化而變化，與地形陰影和其他土地覆蓋類型（如雪和冰）的光譜相似性也使得水體光譜識別變得復雜[22，23]。因此，需建立一套復雜地表環(huán)境下的地表濕地水體提取算法，結合高分辨率光譜影像和地形測量數(shù)據(jù)等多源數(shù)據(jù)，高精度、可靠并有效地提取不同環(huán)境和復雜地表覆蓋條件下的濕地水體分布。本研究以黃河流域濕地水體作為研究對象，所涉及的濕地水體概念指的是地表濕潤、過濕或經(jīng)常積水的可遙感探測到水體的區(qū)域。

1 研究區(qū)域、數(shù)據(jù)和研究方法

1.1 研究區(qū)概況

寧夏平原（如圖1所示）地處中溫帶干旱氣候區(qū)，位于黃河流域中上游，斜貫寧夏西北部，南北長約320km，東西寬約10～50公里，總面積達1.7萬平方公里，平均海拔1000m以上[24]。依靠黃河水灌溉和生態(tài)用水補給，平原內分布著復雜多樣、類型豐富的濕地水體，形成內陸干旱區(qū)具有代表性的濕地水體資源[24，25]。研究區(qū)內生態(tài)環(huán)境脆弱，夏季降雨集中、冬季寒冷干燥，年均氣溫8.3℃～10.1℃，年均降水量不足200mm，年均蒸發(fā)量為1850mm，約為年均降水量的10倍。降水主要集中于6～9月，占全年降水量的70%以上，因此年內水文氣候條件變化劇烈，導致平原內濕地季節(jié)性變化明顯[26，27]。

1.2 數(shù)據(jù)

地表濕地水體提取方法需要以下輸入數(shù)據(jù)集：Landsat TM/ETM+/OLI Level 2級別的遙感影像、SPOT-5影像、高分1號影像、土地覆蓋類型產品、數(shù)字高程模型（SRTM DEM）、月降雨量和蒸發(fā)量資料以及行政區(qū)劃圖等。

為實現(xiàn)寧夏平原濕地長時間序列季節(jié)動態(tài)變化分析，本研究選取1990—2020年覆蓋寧夏平原且云量少于20%的共969景Landsat遙感影像作為數(shù)據(jù)源，并完成遙感影像的裁切、融合鑲嵌和去云處理。對于Landsat 7 自2003年以后出現(xiàn)的影像條帶問題，采用遙感軟件完成條帶修復。所選取的數(shù)據(jù)被分為豐水期（7月～11月）和枯水期（12月—次年4月）用于提取每兩年期的濕地水體，即使用21期（1990、1992、……、2020）共42個時期（豐水期和枯水期）的逐月數(shù)據(jù)提取濕地水面，并將各個時期最大和最小面積作為對應豐水期和枯水期的濕地面積。

Landsat和DEM數(shù)據(jù)來自于美國地質勘探局（United States Geological Survey，簡稱USGS），SPOT-5影像來自法國空間研究中心（https：//regards.cnes.fr/user/swh/modules/60），高分1號影像來源于中國資源衛(wèi)星應用中心（http：//www.cresda.com/CN/），氣象數(shù)據(jù)來源于國家氣象信息中心，土地覆蓋類型數(shù)據(jù)來自中國科學院航天信息研究所（https：//data.casearth.cn/thematic/glc_fcs30/88）。

1.3 濕地水體的提取方法

1.3.1 基于自適應水體指數(shù)閾值提取濕地水體

首先設定閾值NDVI（≥0.3）和NDWI（≤-0.1）排除大部分非水體像素，以提高分類算法的效率和精度。接著，設定初始閾值MNDWI＞0.124提取水體區(qū)域，許多水體閾值的實驗分析表明[28-30]，0.124可初步確定幾乎所有潛在的濕地水體區(qū)域。各指數(shù)計算公式如式（1）～式（3）所示：

其中NIR、red、Green和SWIR1分別是近紅外、紅色、綠色和短波紅外波段的反射值。

通過在研究區(qū)隨機生成500個均勻分布的樣本點，選擇相近日期更高分辨率的Google Earth影像和高分1號衛(wèi)星圖像（2m空間分辨率）對水體結果目視對比，對Landsat MNDWI閾值迭代自適應調整，利用最優(yōu)閾值提取水體面積數(shù)據(jù)。通過設置指數(shù)閾值提取水體數(shù)據(jù)，將遙感影像中“水體”像素值設置為1，“無數(shù)據(jù)”和“非水體”設置為0，形成二元狀態(tài)柵格數(shù)據(jù)集。

分類過程中，一些土地覆蓋物（例如冰、雪、云陰影、濕潤土壤、濕地植被和山地陰影等）顯示出高NDWI和MNDWI值，可能被誤分為水體（即傭金錯誤），因此基于水體二元柵格數(shù)據(jù)集，通過設置篩選規(guī)則和方法將這些地物從水體類別中剔除。

1.3.2 基于土地覆蓋類型的掩膜分析

土地覆蓋類型產品為來自中國科學院航天信息研究所的1985—2020年的全球30m精細地表覆蓋動態(tài)監(jiān)測產品GLC_FCS30?；贕LC_FCS30土地覆蓋類型產品，應用基于土地覆蓋的掩膜直接替換像素值，排除非水體像素。GLC_FCS30-2020具有與水體柵格影像同樣的空間分辨率（30m）和坐標參考基準，將GLC_FCS30-2020中已標記為非水的位置在二元柵格影像中標記為“非水體”（0值）。

1.3.3 山體陰影像素剔除

寧夏平原地勢平坦，地形因素考慮較少，但在其北部和西南部等地區(qū)仍存在一些山體/脈，需考慮山體陰影和地形坡度對提取結果的影響。

根據(jù)Landsat影像中各像素的緯度、拍攝日期和時刻計算該位置處太陽高度角和方位角[31]，然后在DEM影像中利用移動3×3高程窗口訪問所有像素，計算坡度[32]和坡向，其中坡度計算為每個像素與其相鄰像素之間的最大高度差率，計算過程請參考Horn的研究成果[32]。利用以上信息計算山體陰影Hillshade，公式如式（4）所示：

其中，Zenith_rad和Azimuth_rad是太陽天頂角和太陽方向角的弧度數(shù)，Slope_rad和Aspect_rad是某一位置處的坡度弧度數(shù)和坡向弧度數(shù)。計算得到每個像素處的陰影值（1～255范圍內整數(shù)值），將山體陰影值＜150和坡度＞20°的像素識別為地形陰影。

1.3.4 利用坡度值排除非水像素

利用10%的坡度閾值排除由于地形坡度過大而無法容納水的像素，將任何超過此閾值的位置重新編碼為0值（非水體）。

1.3.5 “ 冰”“雪”“云”和“云陰影”像素剔除

研究區(qū)枯水期存在冰/雪覆蓋，其在可見光和近紅外波段反射率高，在短波紅外波段反射率低，導致MNDWI值較高，但NDWI值較小[33]。因此使用差異閾值（0.7）減少水體與冰雪的混淆，并且考慮地溫T[34]＜1.5℃的標準，將滿足公式（5）的像素設置為“非水體”。同時，算法檢查Landsat影像QA波段并將QA波段中標記為云和云陰影值的像素位置標記為“非水體”。

1.4 水體面積統(tǒng)計與精度分析

通過以上方法處理得到豐、枯期水體柵格數(shù)據(jù)，將其導入到GIS軟件中統(tǒng)計水體面積。因為Landsat衛(wèi)星可以識別的最小水體面積是0.01km2，因此本研究僅分析面積大于0.01km2的水體。水體提取結果精度驗證取1998、2010和2018年豐水期和枯水期的柵格結果，在研究區(qū)隨機抽樣1，000點與SPOT-5和高分1號衛(wèi)星數(shù)據(jù)對比，統(tǒng)計水體提取的總體精度（Overall Accuracy， OA）和Kappa系數(shù)，精度統(tǒng)計結果如表1所示。統(tǒng)計水體提取的總體精度平均值為0.93，Kappa系數(shù)平均值為0.83。

表1 水體提取結果精度統(tǒng)計Tab.1 Precision statistics of water extraction results

通過對比濕、枯季濕地數(shù)據(jù)，計算年內濕地水體面積變化值和變化率、年均面積變化值和年均面積變化率等統(tǒng)計值，分析寧夏平原濕地水體面積季節(jié)性動態(tài)變化，按如公式（6）所示的來計算面積季節(jié)變化率：

式中：SD為枯水期濕地面積；SW為豐水期濕地面積。計算結果等于0表示濕地面積無變化，大于0和小于0分別表示從豐水期到枯水期濕地萎縮和擴張。

2 結果與分析

2.1 濕地水體季節(jié)性動態(tài)變化—時間序列分析

如圖2所示表示的是1990—2020年研究區(qū)濕地水體濕、枯季面積及面積變化情況，可知寧夏平原豐、枯水期的水體面積整體呈現(xiàn)逐年上升趨勢，水體面積在豐水期比枯水期均波動劇烈，尤其在2000年以后。

圖2 寧夏平原濕地水體面積變化Fig.2 Change of wetland water area in Ningxia Plain

（1）除2000年外，其他年份豐水期水體面積均大于枯水期水體面積。

（2）最小濕地水體面積發(fā)生在1994年枯水期，僅為171.75km2，最大面積發(fā)生在2018年豐水期，面積為768.05km2。濕、枯季濕地水體面積多年均值分別為427.57km2和 286.36km2。

（3）寧夏平原濕地面積季節(jié)性變化顯著，濕、枯季面積最大值變化發(fā)生在2018年，達到405.46km2，其次是2016年，變化值達到300.02km2，而最小面積之差為-12.94km2，發(fā)生于2000年，近30年濕枯季面積變化均值為141.22km2。

（4）濕地面積多年最大、最小變化率為52.79%和-4.93%，分別發(fā)生于2018年和2000年，與最大濕地面積和最小濕地面積變化發(fā)生時間一致，近30年來濕地面積平均變化率為27.6%。

因此整個區(qū)域水體季節(jié)性變化幅度大，也表明了作為內陸干旱區(qū)流域的地表水資源，水體面積季節(jié)性波動劇烈。

2.2 濕地水體季節(jié)性動態(tài)變化—空間疊加分析

為突出顯示寧夏平原濕地水體的濕、枯季變化特征，選取年內濕枯季面積ACR＞0.43的濕地水體柵格影像作為代表性數(shù)據(jù)進行空間疊加（如圖3所示）。結果表明，研究區(qū)內濕地水體面積及其空間分布的季節(jié)性變化明顯。

圖3 寧夏平原濕地水體面積季節(jié)變化空間特征（按變化率從大到?。〧ig.3 Spatial characteristics of seasonal change of wetland water area in Ningxia Plain (from large to small according to the change rate)

濕地面積變化較為劇烈的區(qū)域主要在銀北灌區(qū)以及黃河主河道兩岸區(qū)域，主要包括銀川市和石嘴山市內的濕地水體，兩個區(qū)域豐水期和枯水期的平均水體面積分別為345.2km2和202.89km2，平均變化率達42.22%。研究區(qū)夏季降雨集中，冬季干旱少雨，濕枯季的降雨量差異大，黃河徑流的頂托作用以及引黃灌溉和城市內生態(tài)補水等影響，導致平原水體面積季節(jié)性變化顯著[35]。

黃河河流濕地具有豐枯交替的特征，黃河主干道在豐水期和枯水期也容易發(fā)生擺動遷移、面積變化、寬度變化及其與沼澤濕地的相互轉化的現(xiàn)象。如圖4所示展示出了2020年黃河近岸湖泊騰格里湖以及黃河青銅峽段從豐、枯水期的水體面積變化。騰格里湖（圖4a）從豐水期到枯水期水位下降、水面積逐漸縮減，而黃河（圖4b）則部分干流轉化為沼澤漫灘濕地，均發(fā)生季節(jié)性波動。

圖4 黃河近岸水體季節(jié)變化Fig.4 Seasonal variation of the near shore water body of the Yellow River

總體而言，變化率較高的區(qū)域分布在寧夏平原的東北部，而西南部變化率較低，這也間接反映了寧夏境內不同區(qū)域的水系水資源存在著明顯差異。

3 結語

本研究提出了一種較復雜地表覆蓋條件下內陸地表濕地水體的提取方法，旨在以中分辨率Landsat影像檢測植被、土壤與水混合區(qū)域中的明水體。該方法可處理Landsat 4-5 TM、Landsat 7 ETM+和Landsat 8 OLI產品，但其仍可應用于從其他衛(wèi)星獲取的光譜數(shù)據(jù)，特別是那些光譜波段與Landsat傳感器相似的衛(wèi)星。本研究通過建立模型方法從Landsat TM/ETM+/OLI等多源遙感影像解譯提取寧夏平原1990—2002年枯水期和豐水期的濕地水體數(shù)據(jù)，并對濕、枯季濕地數(shù)據(jù)進行時間序列分析和空間疊加分析，結果表明：（1）1990—2020年間研究區(qū)內濕地面積季節(jié)性變化劇烈，豐、枯水期的水體面積整體呈逐年上升趨勢，水體面積在豐水期比枯水期均波動明顯；（2）變化較為劇烈的區(qū)域一般發(fā)生在銀北灌區(qū)以及黃河近岸區(qū)域，主要包括銀川市和石嘴山市內的濕地水體。

本研究將關注聚焦于內陸干旱區(qū)流域水體，具有特殊性與代表性，對于干旱區(qū)流域濕地水體提取和季節(jié)性演變研究也具有一定借鑒意義。

致謝

感謝寧夏自然科學基金項目（2021AAC03060）、寧夏高等學校一流學科建設項目（NXYLXK2021A03）、寧夏自然科學基金項目（2022AAC03052）、寧夏自然科學基金項目（2021AAC03043）的支持。

引用

[1]COLETTI J Z,VOGWILL R,HIPSEY M R.Water Management Can Reinforce Plant Competition in Salt-affected Semi-arid Wetlands[J].J HYDROL,2017(552):121-140.

[2]白林波,白明生,石云.基于RS與GIS的銀川市濕地景觀變化研究[J].水土保持研究,2011,18(04):79-81.

[3]張榮群,喬月霞,劉歡.濕地景觀演變與土地利用強度變化的響應關系——以銀川平原為例[J].測繪科學,2015,40(10):54-59.

[4]ZHANG Z F.Wetland Environmental Protection and Spatial Distribution of Plant Communities in Arid and Semi-Arid Areas of Northwest China[C]//The Proc.of 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics),2019.

[5]ZHANG R,ZHANG X,YANG J,et al.Wetland Ecosystem Stability Evaluation by Using Analytical Hierarchy Process(AHP)Approach in Yinchuan Plain,China[J].Mathematical and Computer Modelling, 2013,57(3):366-374.

[6]HAO C,ZHANG J,YAO F.Combination of Multi-sensor Remote Sensing Data for Drought Monitoring Over Southwest China[J].International Journal of Applied Earth Observations & Geoinformation,2015(35):270-283.

[7]李燕燕.青藏高原旱、雪災特征及其與大氣環(huán)流的關聯(lián)性探究[D].西寧:青海師范大學,2020.

[8]MCFEETERS S K.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.

[9]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.

[10]丁鳳.一種基于遙感數(shù)據(jù)快速提取水體信息的新方法[J].遙感技術與應用,2009,24(2):167-171.

[11]FRAZIER P S,PAGE K J.Water Body Detection and Delineationwith Landsat TM data[J].Photogrammetric Engineering and Remote Sensing,2000,66(12):1461-1467.

[12]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.

[13]汪金花,張永彬,孔改紅.譜間關系法在水體特征提取中的應用[J].礦山測量,2004(4):30-32.

[14]都金康,黃永勝,馮學智,等.SPOT衛(wèi)星影像的水體提取方法及分類研究[J].遙感學報,2001,5(3):214-219.

[15]周成虎,駱劍承,楊曉梅.遙感影像地學理解與分析[M].北京:科學出版社,1999.

[16]張德軍,楊世琦,王永前,等.基于GF-1數(shù)據(jù)的三峽庫區(qū)水體信息精細化提取[J].人民長江,2019,50(9):233-239.

[17]陳超,傅姣琪,隨欣欣,等.面向災后水體遙感信息提取的知識決策樹構建及應用[J].遙感學報,2018,22(5):792-801.

[18]王俊海,阮仁宗,柴穎,等.基于高分二號的面向對象城市水體信息提取[J].地理空間信息,2018,16(9):34-40.

[19]王知音.基于機器學習的遙感圖像水體提取研究[D].烏魯木齊:新疆大學,2016.

[20]唐德可,王峰,王宏琦.基于馬爾科夫分割的單極化SAR數(shù)據(jù)洪澇水體檢測方法[J].電子與信息學報,2019,41(3):619-625.

[21]張偉,趙理君,鄭柯,等.一種改進光譜角匹配的水體信息提取方法[J].測繪通報,2017(10):34-38.

[22]JI L,ZHANG L,WYLIE B.Analysis of Dynamic Thresholds for the Normalized Difference Water Index[J].Photogrammetric Engineering & Remote Sensing,2009(75):1307-1317.

[23]LIAO A L,CHEN J,CHEN C,et al.High-Resolution Remote SensingMapping of Global LandWater[J].Science China Earth Sciences,2014(57):2305-2316.

[24]呂金虎.寧夏銀川濕地現(xiàn)狀及保護對策[J].濕地科學與管理,2014,10(4):32-35.

[25]渠曉毅,劉小鵬,邵寧平.銀川市湖泊濕地景觀空間格局動態(tài)演化分析[J].干旱區(qū)研究,2009,26(3):333-339.

[26]張仲勝,薛振山,呂憲國.氣候變化對沼澤面積影響的定量分析[J].濕地科學,2015,13(2):161-165.

[27]YANG H L,XIAO H,GUO C W,et al.Innovative Trend Analysis of Annual and Seasonal Precipitation in Ningxia,China[J].Atmospheric and Oceanic Science Letters,2020,13(04):308-315.

[28]THOKCHOM B,QIU P,SINGH P,et al.Water Conservation in the Era of Global Climate change[M].Amsterdam:Elsevier,2021:99-120.

[29]SOULARD C E,WALKER J J,PETRAKIS R E.Implementation of a Surface Water Extent Model in Cambodia Using Cloud-based Remote Sensing[J].Remote Sensing,2020,12(6):984.

[30]GANESH K M,RAO R S,MURTHY Y,et al.Assessment of Surface Water Bodies Using Automated Algorithm,West Godavari District,Andhra Pradesh,India[J].Journal of Civil,Structural,Environmental,Water Resources and Infrastructure Engineering Research,2019,9(2):53-58.

[31]莊炎昊.基于學科融合的太陽高度角、太陽方位角公式推導——以2020年11月金華十校高三地理試題為例[J].地理教學,2022(02):38-40.

[32]HORN B K.Hill Shading and the Reflectance Map[J].Proceedings of the IEEE,1981,69(1):14-47.

[33]Feng M,Sexton J O,Channan S,et al.A Global,Highresolution(30-m)inland Water Body Dataset for 2000:First Results of a Topographic-spectral Classification Algorithm[J].International Journal of Digital Earth,2016,09(02):113-133.

[34]王璟睿,魏辛源,李明詩,等.多時相Landsat影像地表亮溫輻射歸一化方法[J].遙感信息,2016,31(2):86-92.

[35]柴奕.寧夏引黃灌區(qū)濕地動態(tài)演變及驅動因子研究[D].鄭州:華北水利水電大學,2018.