Sentinel-1影像在鄱阳湖地区洪灾监测中的应用

2022-06-19刘向铜何佳君曹秋香

东华理工大学学报(自然科学版) 2022年2期

刘向铜，何佳君，曹秋香，徐看，陈扬

(1.东华理工大学测绘工程学院，江西南昌 330013；2.东华理工大学地球科学学院，江西南昌 330013)

洪灾是暴雨、风暴潮流等自然因素引起的江河湖泊水量迅速增加，或者水位迅猛上涨的一种自然现象。洪水区域是指暂时性被水体淹没的陆地区域(Patel et al.,2013)。洪灾会给自然环境和社会经济带来巨大破坏，为减轻洪灾危害，快速准确地获取洪灾淹没范围变得尤为重要。水体信息获取是洪灾监测的基础，遥感技术的发展和应用为洪灾监测提供了一种新的选择(Elkhrachy, 2015)。由于洪灾发生时常伴随着极端天气，使用可见光和近红外波段作为传感器的被动光学遥感卫星易受云层影响，因此在洪灾发生期间的作业效率较低(Kuenzer et al.,2013)。以微波作为传感器的主动合成孔径雷达卫星(SAR)，能够提供不受光照和天气情况影响的全天时全天候监测影像，是理想的洪灾监测数据源(O′Grady et al.,2014)。

区别于光学卫星高光谱特征，雷达影像主要是根据地物的后向散射系数、纹理特征和地物轮廓等进行地物识别分类(周晗，2018)。基于SAR数据的水体提取主要是依据水体后向散射系数较低的特点，通过阈值分割，划分水体与背景的二分类方法。Martinis等(2015)总结了一些基于合成孔径雷达后向散射系数及其衍生特征(差分干涉、相干性和极值等)的水体提取方法，证明了SAR数据在区域和全球范围内的水体识别可行性。然而单一极化方式的雷达后向散射信息所包含地物特征信息较少，难以在洪涝期获取高精度的水体信息。贾诗超等(2019)组合Sentinel-1双极化数据，提出了一种增强水体特征，同时有效抑制土壤和植被存在的双极化水体指数(SDWI)，并以巢湖和鄱阳湖为例验证了该指数的有效性。郭欣等(2018)基于Sentinel-1A数据对比GMM模型双峰法、Otsu算法和区域生长法三种阈值分割算法在SAR影像水体提取中的优劣性。

SDWI指数凭借其较强的背景抑制能力，已成为目前SAR影像提取水体信息的主流手段之一，但该指数在阈值选取上具有较强的主观性。本研究基于SDWI水体指数，采用Otsu方法选取最优阈值，提取鄱阳湖地区水体信息，对2020年鄱阳湖特大洪灾进行监测，分析洪灾发生前后鄱阳湖水面面积变化，绘制洪灾淹没区域图，并对2016—2020年鄱阳湖地区历年水体面积及洪灾淹没区的时空变化进行了回顾性分析。

1 研究区及数据概况

1.1 研究区概况

鄱阳湖是中国第一大淡水湖，位于江西省北部，是受长江、赣江、抚河、信江、饶河、修水等河水水量吞吐平衡而形成的过水性、吞吐型、季节性的湖泊(米振华等，2021；吴琼等，2020)。区域内以亚热带季风气候为主，年降水量达1 600～1 900 mm，降水主要集中在每年的4—6月(黄学辉等，2018)，具有独特的丰枯特征，在调节长江径流、维护区域生态平衡、支持经济发展发挥着重要作用(沈泰等，2003)，鄱阳湖地理位置及影像覆盖范围如图1所示。

1.2 数据源

本研究采用Sentinel卫星数据，以6天为时间间隔选取2020年7月2日至8月1日影像以及2016—2020年5月至9月影像(https://search.afs.alaska.edu)，对鄱阳湖区域洪灾进行监测。辅助数据包括中国县级行政区划、30 m分辨率SRTM外部DEM数据和鄱阳湖地区国家气象监测站降雨量统计数据(http://data.cma.cn/)等。

2 研究方法

2.1 基于SDWI的水体提取模型

在雷达影像中，像元记录了目标地物的后向散射系数。后向散射系数是雷达系统参数及地表特征的函数(吴效勇等，2020)。对水体目标而言，雷达所发射的微波信号以镜面反射为主，后向散射系数较低，在影像中表现为暗色调。本研究基于SDWI双极化水体指数，通过阈值分割法提取水体信息。

SDWI水体指数由贾诗超等(2019)受DNVI和NDWI方法的启发，结合微波遥感在水体信息影像中的特点，以及Sentinel-1双极化数据(VV和VH)所提出的新型SAR影像水体提取模型。该模型可以有效增强SAR影像中的水体信息并抑制土壤和植被信息。公式如下：

KSDWI=In(10×KVV×KVH)

(1)

式中，KSDWI为SDWI水体指数，KVV表示双垂直同向极化雷达强度影像，KVH表示垂直水平异向极化雷达强度影像。

在目标地物与背景地物有明显差异的情况下，依靠阈值对影像进行分割可以获得较好的分类精度，即在图像的灰度统计直方图中，有两个“峰值”和一个“谷值”的情况下分割效果较好(陈志国，2017)。计算SDWI指数，对计算前后影像进行灰度统计并作图(图2)，发现SDWI指数的灰度统计图出现了更为明显的峰值和谷值，相较于单极化影像，采用组合了双极化数据的SDWI水体指数能够获取更高精度的水体提取结果。

2.2 最大类间方差分割

Otsu算法又称最大类间方差法，是日本学者Otsu(1979)提出的一种全局最优阈值确定方法。Otsu算法的基本思想是利用图像的灰度特征，将图像划分为目标与背景两个部分，以目标和背景的最大方差来动态确定图像的分割阈值。采用Otsu算法确定阈值可以避免人工经验阈值无法顾及全局的限制，是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响。Otsu最佳阈值获取公式如下：

Γ(τ)=σ2(τ)τ20(τ)+σ21(τ)

(2)

式中，τ表示临时阈值的像元值；σ2(τ)表示水体和非水体的两类类间方差；σ20(τ)表示水体类的平均方差；σ21(τ)表示非水体类的平均方差。Γ(τ)取最大值对应的像元值τ即为最优阈值T：

T=arg[maxΓ(τ)]

(3)

通过最优阈值T，将SDWI指数值低于T的像元划分为水体，高于T的像元划分为非水体。

2.3 水体信息提取与精度验证

对图像进行配准、多视、地理编码等预处理流程，获取15 m分辨率地图坐标系下的VV、VH强度影像，采用Lee滤波消除平坦地区的斑点噪声增强影像边缘信息(江勇等，2009)。以滤波后的VV和VH两种极化强度影像为基础计算SDWI双极化水体指数，通过Otsu阈值分割进行水体信息提取。

为验证水体提取精度，获取了云量较少的2020年8月14日Sentinel-2以及8月21日Landsat-8光学影像数据。以光学影像作为参考影像验证8月13日和8月19日水体提取精度，其结果如表1所示。

表1 水体提取精度

3 鄱阳湖洪灾监测

3.1 2020年鄱阳湖洪灾监测

利用2020年7月份3景Sentinel1-A以及3景Sentinel1-B影像数据，结合九江站水位进行鄱阳湖水体面积及水位统计(图3)，提取水体信息，并计算其面积。根据中国地面气候资料数据集(http://data.cma.cn/)获取鄱阳湖区域九江站、庐山站、南昌站和鄱阳站4个国家基准气象站的降水量数据以及长江流域九江站水流量数据(图4)，对鄱阳湖特大洪灾进行分析。

图4显示自2020年7月2日以来，鄱阳湖地区降水量增加，仅7月10日单日降水量高达664.7 mm，降水量的激增导致鄱阳湖地区水量迅速累积。同时自2020年7月3日起长江流量也呈现快速增长趋势，来自长江中上游的大量洪水汇入鄱阳湖，加剧了鄱阳湖水量累积，导致鄱阳湖九江水位站水位迅速攀升，于7月12日达到22.74 m的最高水位，鄱阳湖水体面积快速增加，于7月14日达到最大。2020年7月14日之后，鄱阳湖地区降水量明显减少，但长江流量仍处于较高水平，致使鄱阳湖地区退洪速度缓慢，九江站水位以及鄱阳湖地区水面面积呈现缓慢下降趋势。大量的降水以及长江中上游汇入的大量洪水是导致鄱阳湖地区特大洪灾的直接原因。

为更为直观地反映洪灾受灾情况，以Landsat-8多光谱影像为底图，2020年7月2日水体作为灾前参考水体，7月14日水体作为灾中水体，结合2005—2006年鄱阳湖1∶25万矢量边界进行鄱阳湖洪灾淹没区提取，得到2020年鄱阳湖洪灾淹没区域图(图5)。识别出A、B两处大型淹没区域，分别位于永修县、鄱阳县境内，两处分别于2020年7月12日、7月11日发生溃堤，为此次洪灾灾情中心。

3.2 2016—2020年鄱阳湖洪灾回顾

鄱阳湖区域属于洪灾高发地带，每年6至7月属于洪灾高发月，收集2016年至2020年的5月至9月的存档Sentinel-1卫星数据，对鄱阳湖区域水体面积变化及洪灾进行回顾分析。

对存档Sentinel-1影像进行水体提取并进行面积统计(图6)，同时收集2016年至2020年的6至7月降水量数据(图7)。在查阅2016年至2020年最大洪灾发生时间的基础上，选择邻近最大洪灾发生日影像(20160716、20170706、20180713、20190714、20200714)作为洪灾影像，按照上文矢量叠加方法，绘制2016—2020年各年洪灾淹没区域图(图8)，分析淹没区域时空变化。

图6显示，鄱阳湖地区水体面积呈现明显的季节性规律，在月份变化上呈现5至6月增加，8至9月减少的总体趋势，最大水体面积均出现在每年7月份。2016年和2020年水体面积总体上处于较高水平，为丰水年份；2018年水体面积处于较低水平，属于干旱年份。通过图7可以得出，鄱阳湖地区水体在面积上与区域内降水量成正比。2018年6至7月累积降水量仅为1 377.4 mm，为近5年最低水平，同时其6月水体面积与灾中水体面积均处于较低水平，2020年6至7月累计降水量高达3 428.8 mm，导致其出现了5 354.91 km2的最大灾中面积。受灾面积即水体变化面积，2018年灾前水体与灾中水体均处于较低水平，但变化面积高达627.64 km2，变化面积仅次于2020年的1 174.19 km2。结合图8发现2018年水体面积虽有较大的变化，但由于水体面积整体处于较低水平，其变化区域绝大部分处于鄱阳湖边界之内，属于干旱年份的自然变化，因此造成的陆地淹没面积较小。从淹没区域的空间变化上看，B区域位于鄱阳湖边界内部，最易受鄱阳湖水位影响，属常驻淹没区，A、C两区域分别位于永修县和鄱阳县，为新增淹没区域。