胡凯龙 刘明 刘明博 贾松霖

(应急管理部国家减灾中心，北京 100124)

当前，全球气候变暖造成极端天气和气候频繁发生，由此形成的灾害链加剧了灾害损失[1-2]。受地形条件和季风气候影响，我国是洪涝灾害影响较为严重的国家。洪涝灾害发生频率高、影响范围广、破坏性大，不仅造成大量人员伤亡，还会对基础设施和农作物带来破坏性影响[3]。防范化解重大自然灾害风险，确保人民财产安全和经济社会持续发展的压力持续加大。根据历史资料及统计数据分析，近10年来我国大陆平均每年洪涝灾害造成的粮食损失约200亿千克，经济损失近2000亿元人民币。因此，对洪涝灾害的影响范围进行应急监测成为自然灾害监测研究领域的关注热点。

卫星遥感技术作为20世纪末发展起来的新兴学科，能够以一种非接触手段、快速宏观持续地获取被测物体的空间分布和动态发展特征[4]。目前，利用卫星遥感技术对洪涝灾害监测主要集中于洪涝灾害的水体识别[5]。水体相对于其他地物类型，呈现出较为均一的图斑且无明显的纹理特征。基于水体特有的光谱特征和空间位置关系，通过特定水体提取算法能够去除其他地物信息的影响，从而实现水体信息的提取。现有水体提取算法主要集中于阈值法[6-7]、影像分类法[8]、面向对象分类法[9]等。文献[6]中利用美国陆地卫星-5(Landsat-5)数据，通过对第二谱段(Band2)、第三谱段(Band3)、第四谱段(Band4)和第五谱段(Band5)的分析，得出水体特征的(Band2+Band3)>(Band4+Band5)，但是该方法在地形复杂区域不能将山体阴影和水体区分。文献[7]中认为水体的反射率在红光谱段明显高于植被，在近红外谱段低于植被，其利用归一化植被指数对水体进行识别。文献[8]中利用Landsat-5对三江源湿地的水体进行提取，通过比较各类水体分类方法，得到监督分类下的最大似然分类方法对水体提取效果较好。随着遥感影像的空间分辨率提高，基于面向对象的分类方法逐渐流行，文献[9]中利用斯波特-5(SPOT-5)卫星影像，通过构建水体知识库对水体进行提取，并与传统监督分类方法进行比较，发现面向对象的分类方法精度更高，并能够抑制“椒盐噪声”现象。综上，洪涝灾害水体提取方法种类较多且各有优势。

高分多模卫星工程是我国空间基础设施重大工程的重要组成部分，卫星及其采用的中型敏捷遥感卫星公用平台具有任务响应快、工作模式多、数据产品质量高等特点，并且能够支持多点目标、区域拼幅、多角度观测、非沿迹推扫等工作模式。高分多模卫星搭载的光学相机星下点全色谱段空间分辨率为0.5 m，多光谱空间分辨率为2 m，能够为洪涝灾害精细化监测提供高空间分辨率、多谱段的卫星遥感数据支撑。本文应用高分多模卫星遥感影像，并辅以高分一号03卫星影像，采用基于水体指数的决策树分类方法对洪涝灾害动态变化进行监测，从而评估高分多模卫星在洪涝灾害监测中的应用能力。

1 研究区概况与数据

1.1 研究区概况

本文所研究的区域位于黑龙江省哈尔滨市依兰县境内的牡丹江周边区域，地理坐标为129.25°E～130.04°E，北纬46.29°N～46.98°N，研究区域总面积为318.53平方千米，见图1。黑龙江依兰县地处小兴安岭、完达山、张广才岭延伸地带，地势呈西南高，东北低，属中温带大陆性季风气候区。依兰县境内河网密布，有松花江、牡丹江，历史上曾多次受洪水侵袭。2020年7月26日以来，受持续强降雨天气影响，黑龙江省部分地区遭受暴雨袭击，依兰县境内牡丹江流域水位快速上涨，河流两岸农田受淹严重，居民财产受损严重。

图1 研究区示意Fig.1 Overview of study area

1.2 卫星影像数据

本文研究利用高分多模卫星和高分一号03卫星影像数据对黑龙江省依兰县开展洪涝灾害监测。高分多模卫星上搭载的全色多光谱相机星下点空间分辨率为全色谱段0.5 m，多光谱谱段2 m。高分一号03卫星搭载的全色多光谱相机星下点空间分辨率为全色谱段2 m，多光谱谱段8 m。具体参数见表1。

表1 卫星主要参数Table 1 Main satellite parameters

本文研究选取一景2020年11月6日高分多模卫星影像数据和一景2020年9月4日的高分一号03卫星影像数据，具体影像参数见表2。

表2 卫星数据获取情况Table 2 Satellite data acquisition situation

2 研究方法

本文研究获取试验区高分多模卫星数据后，对数据进行几何精校正、辐射校正和数据融合等预处理，采用归一化水体指数、决策树分类等水体提取方法对黑龙江依兰县松花江周边区域水体进行提取，通过与高分一号03卫星数据提取的结果进行对比分析，进而对水体范围的变化情况进行监测。最后采用目视解译的方法对提取结果进行精度验证。总体技术过程见图2。

图2 技术过程Fig.2 Technical process

2.1 遥感影像预处理

1)辐射校正

原始遥感影像的像元值一般为无量纲的灰度值，为了消除光学相机本身产生的内部误差，需要把灰度值转化为辐射亮度值[10]。本文研究利用中国资源卫星应用中心提供的定标参数(定标增益和定标偏差)对高分多模卫星数据和高分一号03卫星数据进行辐射定标，具体定标方法见式(1)。

L=G·N+B

(1)

式中：L为光学相机通道入瞳处辐射亮度值，W·m-2·sr-1·μm；N为遥感影像的原始灰度值；G为光学相机的增益；B为光学相机的偏置。

2)大气校正

地物所反射的太阳光在到达卫星光学相机之前会受到大气层的影响，最后到达光学相机里的光线除了地物本身的辐射光，还有来自大气层的散射光[11]。这些散射光会使影像的原始像元值不能准确描述地物的实际光谱特性，从而使得水体指数计算结果产生偏差。因此，要消除散射光的影响，需要对遥感影像进行大气校正。基于光谱立方体的快速大气分析模块(FLAASH)，是以辐射传输模型MODTRAN4建立查找表，对遥感图像像元进行大气校正，支持卫星的倾斜观测和天顶观测，同时还可以对临近效应进行改正[12]。本文研究应用遥感图像处理平台ENVI软件提供的FLAASH大气校正模块对高分多模卫星和高分一号03星影像进行数据大气校正处理。在辐射校正后的2景影像上选取松花江水体覆盖的共同区域，利用栅格影像裁切算法对2景影像的共同区域进行裁切处理，并利用Gram-Schmidt图像融合算法[13]对裁切后的数据进行融合操作。

2.2 基于水体指数的水体识别

1)归一化水体指数计算

不同地物在不同谱段的光谱特性具有较大差异，一般来说，水体在整个光谱区间均呈现出相对较弱的反射率，特别是在近红外、中波红外及短波红外波段，水体通过大量吸收这些波段的入射能量使其反射率非常低，而建筑物、裸地、植被等其他地物在这些波段的吸收较少，反射率较高。水体指数主要利用水体与其他地物的光谱差异性，通过对特定波段进行组合、差值、比值等运算，构建一个特殊的谱段指数。该指数能够用来加强水体区域所代表的指数值，尽可能多地抑制其他地物所代表的指数值，使得水体能够与其他地物相互区分[14]。本文选择归一化水体指数(NDWI)对水体进行识别，具体计算方法见式(2)。

(2)

式中：PNDWI为对应像元的NDWI值；pGreen为绿光波段反射率；pNIR为近红外波段反射率。

利用式(2)，分别对高分多模卫星和高分一号03卫星影像进行NDWI计算，为后续影像分类提供依据。

2)基于决策树的水体分类

决策树分类算法主要通过对已有特征数据进行分类和统计，获取特定地物的特征值范围，依据特定的算法逐层获取各个分类节点的分类规则，从而实现特定类别的提取[15]。通过对NDWI值进行直方图统计获取水体分类阈值，构建如式(3)所示的分类规则，分别对高分多模卫星和高分一号03卫星的NDWI进行决策树分类。

(3)

式中：CWater为水体像元；COther为非水体像元；PThreshold为分类阈值。

3 结果分析

3.1 辐射校正结果分析

利用ENVI软件提供的FLAASH大气校正模块对高分多模卫星和高分一号03卫星影像数据进行大气校正处理，根据其纬度分布和成像时间，黑龙江依兰县的大气类型选择为Sub-Arctic Summer，气溶胶类型为Rural，研究区域可见度为30 km。在校正前后的影像上选择相同的植被茂盛区域进行大气校正前后光谱曲线对比，具体结果如图3和图4所示。高分一号03卫星校正后的光谱曲线在0.55 μm左右有反射峰，0.66 μm左右有吸收谷；高分多模卫星在第二谱段出现小的反射峰，第三谱段出现吸收谷。这些特性均符合植被的光谱特性，说明FLASSH大气校正模块能够较好地还原植被光谱曲线，大气校正效果较好。

图3 高分一号03卫星数据大气校正前后光谱曲线对比(植被区域)Fig.3 Comparison of spectral curves of GF-1C satellite data before and after atmospheric correction (vegetated area)

图4 高分多模卫星数据大气校正前后光谱曲线对比(植被区域)Fig.4 Comparison of spectral curves of GFDM-1 satellite data before and after atmospheric correction (vegetated area)

在不同时间范围，通过遥感影像所获取的光谱信息与空间信息之间容易存在较大差异，这种差异性在遥感影像上体现为时间信息。不同季节的同一水域中由于水中物质成分不一样，水体在影像中呈现的色彩也会存在差异。对大气校正后同一水域的高分多模卫星和高分一号03卫星的影像进行对比(见图5)发现：由于高分一号03卫星影像的拍摄时间正处于洪涝灾害发生时，牡丹江中的水体中因含有大量漂浮的泥沙而浑浊，从而造成影像中水体在标准假彩色的显示下呈现绿色，且牡丹江两岸的部分农田被淹没；高分多模卫星影像的拍摄时间处于洪涝灾害发生后，河流中的泥沙大多已经沉淀，水质较为清澈，从而使得影像中水体在标准假彩色的显示下呈现深蓝色，且牡丹江两岸仍能看出洪水退去的痕迹。

图5 高分多模卫星和高分一号03卫星辐射校正后对比Fig.5 Comparison of radiometric-corrected images between GFDM-1 and GF-1C satellites

3.2 水体识别结果分析

利用式(2)，分别对大气校正后的高分多模卫星和高分一号03卫星影像计算NDWI指数，结果如图6所示。可以明显看出：洪涝灾害发生时和发生后的水体区域特征较为明显，都在局部呈现出较亮的变化，高分多模卫星影像计算出的NDWI由于处于洪涝灾害发生后，水体区域要明显小于高分一号03卫星影像。

分别对高分多模卫星和高分一号03卫星计算的NDWI指数进行统计，结果见表3。高分多模卫星的NDWI平均值为-0.19，标准差为0.24；高分一号03卫星的NDWI平均值为-0.63，标准差为0.24。图7为NDWI直方图，可见，直方图在水体分布区域有较为明显的波峰。因此，高分多模卫星水体提取阈值设置为0.62，高分一号03卫星的水体提取阈值设置为-0.1。

图7 NDWI直方图统计结果对比Fig.7 Comparison of statistical results for NDWI histograms

表3 NDWI计算结果统计Table 3 NDWI calculation results statistics

利用上述NDWI阈值分别建立高分多模卫星和高分一号03卫星的决策树分类规则，把NDWI分为水体和非水体两类，并把水体图层输出为矢量，具体提取结果见图8。

图8 水体提取结果Fig.8 Water body extraction results

为了定量评价水体提取结果的有效性，通过识别的正确率对水体提取方法进行评价，具体计算见式(4)。本文利用目视解译的方法选择100个样本点，对提取结果进行精度验证，高分多模卫星水体提取精度为85%，高分一号03卫星水体提取精度为82%。由于高分多模卫星星下点空间分辨率要高于高分一号03卫星，水体的边界识别准确率较高，总识别精度要高于高分一号03卫星。采用分类后比较的方法，对2颗卫星水体提取结果进行比较(如表4所示)，计算得到灾后洪水退去的范围为3.42平方千米。

表4 水体提取结果统计Table 4 Water extraction results statistics

(4)

式中：ST为总体提取精度；Sreal为正确识别样本点；Stotal为样本点总数。

4 结束语

本文以黑龙江依兰县洪涝灾害监测为研究案例，综合利用高分多模卫星和高分一号03卫星数据，采用基于水体指数的水体提取方法，对洪涝灾害发生后和发生时的牡丹江水体进行识别，2颗卫星的水体提取精度分别为85%和82%。由于高分多模卫星星下点空间分辨率要高于高分一号03卫星，因此水体识别精度也较高。本文研究结果表明：高分多模卫星能够联合其他“高分”卫星共同开展洪涝范围动态监测，其高空间分辨率的特性能够更加精准地识别水体范围，为洪涝灾害应急监测提供更加丰富的数据源。