基于面向?qū)ο蟮暮拥佬畔⑻崛〖捌浼竟?jié)性變化分析

湯旭光，王宗明，劉殿偉，董張玉

(1.中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所，長春 130102;2.黃河水利委員會信息中心，鄭州 450004)

0 引言

在自然或人為因素影響下河道常常會發(fā)生較大的變化，但是基于常規(guī)觀測方法卻很難及時、有效、全面、宏觀地把握其動態(tài)。而遙感技術(shù)在大尺度調(diào)查與監(jiān)測方面具備不可替代的優(yōu)勢，可以用來彌補(bǔ)常規(guī)監(jiān)測方法的不足，在研究河道變化規(guī)律方面具有特殊的作用[1－2]。黃河下游河道寬淺散亂，多沙洲邊灘，受中上游來水量影響，主流擺動頻繁，流勢多變，如不加以重視，常造成險情[3－4]。當(dāng)前，基于遙感技術(shù)的河道變遷研究大多以一定時期內(nèi)多期遙感數(shù)據(jù)為研究對象，結(jié)合河道參數(shù)探討格局演變及驅(qū)動力[2，5－6]，而對于年內(nèi)季節(jié)性變化特征涉及較少。

本文以黃河下游花園口段為例，采用面向?qū)ο蟮姆诸惙椒ㄌ崛『拥佬畔ⅲ瑫r考慮河道的季節(jié)性變化特征，研究遙感技術(shù)在監(jiān)測河道年內(nèi)季節(jié)性特征變化規(guī)律的有效性，以期為防洪減災(zāi)提供技術(shù)支持。

1 研究方法

1.1 數(shù)據(jù)選擇及處理

1.1.1 數(shù)據(jù)選擇

采用的遙感圖像為ETM+數(shù)據(jù)，影像軌道號為124/36。由于要在河道信息遙感提取的基礎(chǔ)上進(jìn)行季節(jié)性變化規(guī)律分析，考慮圖像的可獲取性、成像質(zhì)量及云覆蓋狀況，分別選取了2002年冬季(1月5日)、春季(3月26日)、夏季(8月1日)與秋季(11月5日)4個時期的遙感圖像。

1.1.2 數(shù)據(jù)處理方法

為了提高河道信息提取的精度，本文將主成分分析(PCA)與小波變換相結(jié)合對圖像進(jìn)行融合，具體流程如圖1所示。

圖1 基于PCA與小波變換相結(jié)合的遙感圖像融合方法Fig.1 Fusion method of remote sensing images based on PCA and wavelet transformation

首先，將低空間分辨率的多光譜數(shù)據(jù)進(jìn)行PCA變換;然后，利用小波變換模塊對第一主成分及全色波段分解，獲取高頻和低頻信息;最后，利用局部算法對相應(yīng)的高頻、低頻信息分別進(jìn)行融合處理，并采用小波逆變換得到新的第一主成分，再與其他主成分進(jìn)行PCA逆變換獲取高空間分辨率的多光譜圖像。

1.2 面向?qū)ο蟮暮拥佬畔⑻崛》椒?/h3>

基于遙感圖像提取水體信息已成為水資源調(diào)查及水災(zāi)害預(yù)警監(jiān)測重要的手段。傳統(tǒng)的水體信息提取都是基于像素的方法，提取結(jié)果往往造成“椒鹽現(xiàn)象”和圖斑破碎[7]。而面向?qū)ο蟮姆诸惙椒ㄊ且环N智能化自動影像分析方法，其處理對象是由若干像素組成的目標(biāo)對象。eCognition軟件采用多尺度分割方法生成圖像對象，提高了分類信息的信噪比，并且面向?qū)ο蟮姆诸惣夹g(shù)還包含了許多可用于分類的其他特征(如形狀、紋理及相互關(guān)系等)，同時考慮將基于先驗知識的監(jiān)督分類與人工修改相結(jié)合，比傳統(tǒng)基于像素的圖像分類方法解譯精度更高[8－9]。當(dāng)前，基于遙感影像提取水體信息的方法主要有水體指數(shù)法、閾值法、色度法、多波段譜間關(guān)系法、決策樹法以及依據(jù)形狀指數(shù)對水體進(jìn)行自動判別歸類等[10－12]。

本研究結(jié)合黃河下游河道泥沙含量較高的特點，在eCognition面向?qū)ο蠓诸惖奶卣鲄?shù)選擇中，選取光譜相關(guān)系數(shù)法，即

式中:xi和yj為2個波段圖像的像元亮度值(i，j=1，2，…，n);n為波段數(shù)。光譜相關(guān)系數(shù)的取值范圍在[－1，1]之間。采用相關(guān)系數(shù)衡量相似度時，相似度越大，表示相關(guān)程度越好。

2 結(jié)果分析

首先在遙感數(shù)據(jù)預(yù)處理的基礎(chǔ)上，采用PCA與小波變換相結(jié)合的方法對數(shù)據(jù)進(jìn)行融合處理，從而獲取高分辨率的遙感圖像;然后利用面向?qū)ο蟮膃Cognition軟件對圖像進(jìn)行分割，從而獲取目標(biāo)對象，經(jīng)過不斷調(diào)試確定最適分割尺度為10，緊湊度與光譜度均為0.5;而后再依據(jù)選擇的特征參數(shù)，不斷調(diào)整相關(guān)系數(shù)的閾值來提取河道信息;最后利用人工判別方式對河道水面提取結(jié)果進(jìn)行修正，獲得黃河下游花園口段4個季節(jié)河道數(shù)據(jù)，如圖2所示。

圖2 基于面向?qū)ο蟮暮拥佬畔⑻崛〗Y(jié)果Fig.2 Extraction results of the riverway information based on the object－oriented method

從圖2可以看出，基于面向?qū)ο蟮暮拥佬畔⑻崛〗Y(jié)果能夠清楚分辨河道中諸如心洲、細(xì)小河流等信息，該方法簡單易行。

對比提取的同一河段4個季節(jié)的河道數(shù)據(jù)，不難看出黃河下游河道的年內(nèi)變化比較劇烈。本文共選取了河面面積、平均河面寬度、心洲面積以及心洲數(shù)4個指標(biāo)進(jìn)行分析說明，如表1所示。

表1 河道年內(nèi)季節(jié)性變化特征Tab.1 Seasonal variation characteristics of riverbed

從冬季到春季，受冰雪融化及中上游來水量增加影響，河面面積與平均河面寬都顯著增大;而后受夏季集中降雨量的影響，河面面積與平均河面寬度都達(dá)到最大;秋季進(jìn)入相對枯水季節(jié)，河面面積與平均寬度顯著減少，但也明顯高于冬季。而心洲面積及其數(shù)量呈現(xiàn)相反的變化趨勢，從冬季到春季，隨著水量的增多，較低處的心洲逐漸被水面淹沒，尤其是夏季河流的心洲面積及其數(shù)量均達(dá)到了最低點;秋季隨著水量的減少，二者均有很大程度的反彈，心洲面積及數(shù)量再次恢復(fù)較大狀態(tài)。通過分析黃河下游河道年內(nèi)的空間格局季節(jié)性變化特征，可以為堤壩等防洪減災(zāi)設(shè)施建設(shè)提供依據(jù)。

3 結(jié)論

1)本文采用PCA與小波變換相結(jié)合的方法，對研究區(qū)的遙感圖像進(jìn)行融合處理，在不丟失空間紋理信息的同時又提高了遙感數(shù)據(jù)的空間分辨率，可為河道遙感信息研究提供良好的圖像基礎(chǔ)。

2)通過選擇合適的分割尺度與特征參數(shù)閾值，利用面向?qū)ο蟮姆诸惙椒軌驕?zhǔn)確可靠地提取研究區(qū)4個季節(jié)的河道信息(包括心洲及細(xì)小河流等)。

3)在遙感提取河道信息的基礎(chǔ)上，分析黃河下游河段年內(nèi)空間格局的季節(jié)性變化特征，可以為堤壩防洪設(shè)施建設(shè)提供依據(jù)。

綜上所述，利用遙感方法結(jié)合GIS空間分析功能可以直觀準(zhǔn)確地監(jiān)測黃河下游河道變化，整體性強(qiáng)，可提高分析河道演變的質(zhì)量，并且節(jié)省人力物力，是一種高效的手段，具有一定的實踐意義。

本研究的不足之處是僅借助歷史遙感數(shù)據(jù)提取河道信息并進(jìn)行季節(jié)性變化規(guī)律分析，缺乏實地驗證的數(shù)據(jù)。今后將結(jié)合水文資料及實際勘測數(shù)據(jù)對黃河下游河道特征及其變化規(guī)律進(jìn)一步研究。

[1]亢 慶，王興玲.河道演變的遙感研究方法及應(yīng)用[J].中山大學(xué)學(xué)報，1999，38(5):109－113.Kang Q，Wang X L.Application of remote sensing technology in riverbed changes[J].Acta Scientiarum Naturalium Universitatis Sunyatseni，1999，38(5):109－ 113.

[2]鐘凱文，劉萬俠，黃建明.河道演變的遙感分析研究——以北江下游為例[J].國土資源遙感，2006，18(3):69－73.Zhong K W，Liu W X，Huang J M.A riverway evolution analysis based on remote sensing technique:A case study of the lower reaches of the Beijiang River[J].Remote Sensing for Land and Resources，2006，18(3):69－73.

[3]候素珍，陳亞男.應(yīng)用遙感技術(shù)分析黃河下游河道平面演變[J].地域研究與開發(fā)，1989，8(5):74－75.Hou S Z，Chen Y N.Application of remote sensing technology to monitor the lower Yellow River channel evolution[J].Areal Research and Development，1989，8(5):74－75.

[4]劉學(xué)工，韓 琳，張艷寧，等.黃河下游游蕩型河段河相遙感監(jiān)測分析研究[J].人民黃河，2008，30(3):4－6.Liu X G，Han L，Zhang Y N，et al.Research on remote sensing monitoring of the wandering－graided reach of the lower Yellow River[J].Yellow River，2008，30(3):4－6.

[5]毛 鋒，黃健熙，胡 強(qiáng)，等.基于多源遙感數(shù)據(jù)的清口地區(qū)河道演變及驅(qū)動力分析[J].清華大學(xué)學(xué)報:自然科學(xué)版 ，2009，49(3):313－316.Mao F，Huang J X，Hu Q，et al.Analysis of evolution of rivers and driving force in the Qingkou region based on multi－source remote sensing data[J].Journal of Tsing University:Science and Technology，2009，49(3):313－316.

[6]李茂田，于 霞，陳中原.40年來長江九江河段河道演變及其趨勢預(yù)測[J].地理科學(xué)，2004，24(1):76－82.Li M T，Yu X，Chen Z Y.Evolution and developing trend of the Jiujiang River course of the Yangtze River in recent forty years[J].Scientia Geographica Sinica，2004，24(1):76－82.

[7]周文鑫，何隆華，馬榮華，等.基于面向?qū)ο蟮腡M_LBV變換水體信息提取[J].中國科學(xué)院研究生院學(xué)報，2012，29(6):775－779.Zhou W X，He L H，Ma R H，et al.Extraction of water information based on LBV transformation of TM image using the object－oriented method[J].Journal of Graduate University of Chinese Academy of Sciences，2012，29(6):775－779.

[8]宋 楊，李長輝，林 鴻.面向?qū)ο蟮膃Cognition遙感影像分類識別技術(shù)應(yīng)用[J].地理空間信息，2012，10(2):64－66.Song Y，Li C H，Lin H.Object extraction techniques of remote sensing images based on object－ oriented eCognition software[J].Geospatial Information，2012，10(2):64－66.

[9]徐京萍，趙建華，張豐收，等.面向?qū)ο蟮某靥琉B(yǎng)殖用海信息提取[J].國土資源遙感，2013，25(1):82－85.Xu J P，Zhao J H，Zhang F S，et al.Object－ oriented information extraction of pond aquaculture[J].Remote Sensing for Land and Resources，2013，25(1):82－85.

[10]王培培.基于ETM影像的水體信息自動提取與分類研究[J].首都師范大學(xué)學(xué)報:自然科學(xué)版，2009，30(6):75－79.Wang P P.Automatic extraction and classification of water body from ETM image[J].Journal of Capital Normal University:Natural Sciences Edition，2009，30(6):75－79.

[11]孫小霞，張繼賢，劉正軍.利用面向?qū)ο蟮姆诸惙椒◤腎KONOS全色影像中提取河流和道路[J].測繪科學(xué)，2006，31(1):62－63.Sun X X，Zhang J X，Liu Z J.Extracting the river and the road using an object oriented technique from IKONOS panchromatic imagery[J].Science of Surveying and Mapping，2006，31(1):62－63.

[12]陳 婧，鄧一兵.基于ETM+遙感影像水體信息提取方法探討[J].測繪與空間地理信息，2011，34(1):177－180.Chen J，Deng Y B.Study on method of extracting water information from ETM+remote sensing images[J].Geomatics and Spatial Information Technology，2011，34(1):177－180.