面向地理國情監測的河流面積調整系數研究

鄭義，王發良，李廣泳，賈云鵬

（國家基礎地理信息中心，北京 100830）

1 引 言

地理國情監測是為了獲取自然與人類社會經濟活動引起的地表變化信息，實現地理國情信息對政府、企業和公眾的服務［1］。在這項重大的國情國力調查中，很重要的一項工作就是利用各省市不同時相的影像獲取的數據開展時點統一核查工作，即利用2015年3月1日至2015年6月30日時期獲取的航空航天遙感影像。而監測中采用的主要數據源為優于2.5m的高分辨率航空航天遙感影像，時相以2月～10月為主。影像時相不一致，而且氣候（溫度、降水）在該時段變化差異較大，因此造成河流水體、植被等地表覆蓋類型在該時段波動較大。需要確定調整系數將受影像時相影響較大的地理國情信息普查結果更接近同一時間的實際值，減少受影像時相影響產生的誤差。從而對前期普查成果進行核準，形成符合標準時點要求的成果［1－3］。

河流作為一種重要的地表覆蓋類型，是地理國情監測的重要內容之一，其面積隨時空變化的信息也是氣候變化預測、生態環境評估、宏觀調控分析等綜合統計分析中不可或缺的重要基礎信息。不同時相遙感影像中的河流面積調整與修正對于普查成果的核準具有十分重要的意義。

目前，國內外學者針對河流和水體監測進行了較多的研究工作。沈占峰、駱劍承等以Landsat衛星遙感數據為數據源，在歸一化差異水指數（NDWI）計算的基礎上，首次提出采用高斯歸一化水體指數（GNDWI）提取河流水體的模型，使得指數能夠更大程度上保證河流提取的連續性，并通過DEM的輔助實現了其他干擾信息的去除［4］。慎利等提出一種空間像素模板來獲取空間鄰域關系，并結合Adaboost集成學習算法來實現高分辨率影像上河流的精確提取。首先，基于過濾式特征選擇方法自動生成像素模板，繼而構建多維特征向量，然后利用Adaboost算法實現多特征的加權集成利用提取河流［5］。曹銀貴、劉正軍等利用三峽庫區1975年、1987年、1995年、2000年和2005年的遙感影像數據，提取各期土地利用圖。以各期土地利用圖為基礎圖件，利用GIS技術，分析了三峽庫區各期土地利用類型和水體的數量、空間分布及變化趨勢［6］。Lacoste C等利用非監督分類的方法，根據多邊形模板提取水網，從而計算河流覆蓋的面積［7］。蒙海花等以喀斯特后寨河流域為例，探討了從數字高程模型（DEM）中提取流域特征的詳細過程，包括：DEM的生成和預處理、水流方向的確定、匯流累積量分析、河網的提取和子流域的劃分以及落水洞的計算。經分析得到了研究區域河網特征以及研究區其他常用的流域特征信息［8］。劉影等利用鄱陽湖星子站1951年～2008年57年長系列記錄的7月份平均水位數據（該月水位一般為一年內最高月平均水位，為17.69m吳淞高程），選取與該水位最接近的洪水期Landsat ETM影像為底圖，并結合鄱陽湖的圩堤分布圖，確定鄱陽湖天然濕地的范圍。在此基礎上采用決策樹分類方法分別對代表逐月狀況的12幅TM／ETM遙感影像進行解譯，并在結果中探討了水體面積隨時空變化的規律［9－10］。

總的來說，傳統河流提取方法主要是針對一定時相、一定區域內的河流進行信息提取。缺少對不同時相影像獲取的解譯結果之間的關系進行研究。在前人的研究中，若采用QuickBird這類米級的高分辨率遙感影像，則研究區域相對較小，大多為縣域內水體提取。若研究區擴大到省域，則遙感影像的分辨率多為TM這類10米級的中分辨率影像，監測精度有所降低。缺乏對這兩種不同尺度影像所得到的解譯結果之間的關系進行分析［11－15］。

結合地理國情監測的需求，主要有以下兩個問題需要解決：①同一地區不同作業單位獲取的遙感影像存在時相差異，以四川省、黑龍江省為例，試點區域獲取的QuickBird影像的時相從2月到12月各不相同。而河流受降水、溫度、蒸散發等氣候因子的影響季節波動明顯，河流覆蓋面積年內變化符合二次多項式或高斯分布，針對不同時相得到的解譯結果，需要建立不同月份水體覆蓋面積之間的對應關系［16－17］。②試點區域的工作單位獲取的都是以QuickBird為主的高分辨率遙感影像。高分辨率的遙感影像能夠精確地提供河流數據，但是覆蓋面積小、解譯時需要人工輔助較多，全國范圍補充相同地區不同時相的影像成本較高。而以Landsat ETM為代表的中分辨率遙感影像覆蓋面積大，影像獲取成本低，但是精度卻很難達到要求，造成了數據的不準確［18－19］。因此，為了達到大區域與高精度的統一，需要結合利用高、中分辨率影像的優勢，建立不同類型影像的解譯結果之間的關系。

本研究利用QuickBird和Landsat ETM兩種不同分辨率的遙感影像，采用空間抽樣的方法，逐步建立不同類型影像解譯結果之間的調整系數（影像類別調整系數）和不同時相影像解譯結果之間的調整系數（時相差異調整系數），最終建立以普查時點為目標的河流面積調整系數。

2 研究區概況與數據來源

2.1 研究區概況

降水是我國東部區域河流水源補給的主要方式，雨季時空格局、降水量大小受季風氣候影響顯著。雨季時空變化是造成河流水體覆蓋季節波動的主要原因，降水量決定河流水位，影響河流水體覆蓋面積。為了保證區域河流水體覆蓋變化季節波動的一致性，本文根據我國雨季時空格局特征，綜合400mm、800mm全國年平均等降水量線以及主要河流流域分布狀況，將我國東部區域河流水體覆蓋季節波動較一致的區域進行區劃，劃分為4個區域。同時根據試點數據獲取的便利性，本文選擇試點成果數據較豐富的四川省試點區域（圖中青色橢圓圈內）和黑龍江省試點區域（圖中綠色橢圓圈內）作為研究區。

2.2 數據來源

圖1 全國河流水體覆蓋隨季節波動的分區概況

研究中選用了USGS提供的2011年2月9日和5月19日的30m分辨率Landsat ETM影像，國家基礎地理信息中心提供的2011年2月11日QuickBird衛星的多光譜影像，空間分辨率為2.5m。高、中分辨率影像均有地理坐標，并統一轉換為UTM／WGS－84投影。采用的非遙感數據有國家基礎地理中心提供的省、地級境界及一、二級河流的矢量數據。研究還獲取了全國地理國情普查四川省和黑龍江省試點區域內的河流面積（2013年5月）以進行結果評價。研究區域如圖2所示。其中，底層大幅為ETM影像，上層小幅為QuickBird影像。

3 數據處理方法

3.1 總體技術流程

圖2 研究區域示意圖

針對地理國情普查時點統一的需求和影像時相不一致的問題，本研究以四川省和黑龍江省國情普查試點區域作為實驗區，以實驗區2011年2月份的QuickBird影像為基礎，通過輔助2011年2月份和5月份的Landsat ETM影像，分別建立2月份的QuickBird和Landsat ETM影像中河流解譯面積的調整系數（影像類別調整系數）、2月份的Landsat ETM影像和5月份的Landsat ETM影像中河流解譯面積的調整系數（時相差異調整系數）。最終實現將試點區域的2月份QuickBird影像得到的河流解譯面積，通過調整系數修正到時點統一查的5月份解譯面積。總體技術流程如下：

圖3 河流覆蓋面積調整系數研究總體技術流程圖

3.2 建立影像類別調整系數

在研究區選取了30個包含河流段的樣本區域，分別計算樣本區域在2月份QuickBird和Landsat ETM影像中的河流面積，建立相同時相、不同類別影像得到的河流解譯面積之間的關系模型，確定相同時相、不同類別影像之間的河流解譯面積調整系數。

第一步，對研究區的每一個樣本區域采用人工解譯的方式得到實驗區2月份QuickBird影像中的河流覆蓋面積。

第二步，對研究區的每一個樣本區域，利用Landsat ETM影像采用歸一化水體指數（NDWI）提取研究區河流覆蓋面積。

圖4 采用歸一化水體指數（NDWI）提取研究區ETM影像中的河流覆蓋結果

第三步，利用研究區內30個樣本區域的河流提取結果建立模型，確定2月份QuickBird影像和Landsat ETM影像之間河流面積的調整系數。如圖5所示。其中，YTM表示根據ETM影像自動解譯出來的河流面積，XQB表示根據QuickBird影像人工解譯出來的河流面積，R2表示所選樣本區所呈線性關系的擬合度。

圖5 QB－ETM影像河流解譯面積關系示意圖

3.3 建立時相差異調整系數

在四川省和黑龍江省研究區分別選取了30個和35個包含河流段的樣本區域，分別計算樣本區域在2月份Landsat ETM影像和5月份Landsat ETM影像中的河流面積，建立不同時相、相同類別影像得到的河流解譯面積之間的關系模型，確定不同時相、相同類別影像之間的河流解譯面積調整系數。

第一步，對研究區的每一個樣本區域，針對2月份和5月份的Landsat ETM影像分別利用歸一化水體指數（NDWI）提取研究區河流覆蓋面積。

圖6 TM影像樣本區域示意圖

第二步，利用研究區內樣本區域的河流提取結果建立模型，確定2月份Landsat ETM影像和5月份Landsat ETM影像之間河流面積的調整系數。如圖7所示。其中，Y5月表示根據ETM影像2011年5月自動解譯出來的河流面積，X2月表示根據ETM影像2011年2月自動解譯出來的河流面積，R2表示所選樣本區所呈線性關系的擬合度。

圖7 ETM影像水體2月～5月解譯面積關系示意圖

3.4 建立面積調整系數

通過3.2、3.3中提取的影像類別調整系數和時相差異調整系數，根據時點統一的要求，將2月份QuickBird影像得到的河流面積修正到5月份的河流面積。

其中，QB5月表示目標時相、即統一時點下的QuickBird影像中的河流面積，YTM表示根據TM影像自動解譯出來的河流面積，Y5月表示根據TM影像2011年5月自動解譯出來的河流面積。

4 結果評價

利用這種空間抽樣的方法既能夠充分發揮Landsat ETM這種中分辨率遙感影像覆蓋區域廣、影像獲取成本低的特點，也能夠充分利用到QuickBird影像這類高分辨率遙感影像空間分辨率高的優勢，提高河流監測的精度。實驗表明，在研究區內Landsat ETM影像提取的河流覆蓋面積與QuickBird提取的面積結果具有顯著的線性擬合關系，不同時相間的Landsat ETM影像提取的河流覆蓋面積也具有較好的線性擬合關系。從而得到兩種分辨率影像河流解譯面積的調整系數，包括2月份的QuickBird與2月份的Landsat ETM之間的影像類別調整系數，其中四川省試驗結果為1.1485，黑龍江省試驗結果為1.1457。2月份的Landsat ETM影像和5月份的Landsat ETM影像之間的時相差異調整系數，其中四川省試驗結果為1.1423，黑龍江省試驗結果為1.1418。并由這兩個模型關系根據式（1）得到研究區內河流面積從2011年2月份修正到5月份的調整系數為1.14。

最后，通過調整系數修正得到的5月份QuickBird中的河流面積與試點地區實際得到的普查面積相比較，其中四川省修正得到的5月份QuickBird中的河流面積為36.24km2，樣本區實際普查的河流面積為35.18km2，修正結果面積與實際普查面積的比值約為1.03。黑龍江省修正得到的5月份QuickBird中的河流面積為47.32km2，樣本區實際普查面積為49.69km2，修正結果面積與實際普查面積的比值約為1.05。

實驗數據表明，該方法能夠保證較好的解譯精度和修正結果，且具有良好的操作性和可靠性，能夠為解決國情普查結果的時點統一問題提供方法參考。

5 結束語

本文在研究了國內外遙感河流監測技術方法的基礎上，提出使用高、中兩種分辨率的遙感影像進行河流抽樣監測，利用NDWI閾值分割法結合目視解譯逐層外推，在保證河流提取精度的前提下，以較方便獲取的Landsat ETM影像為輔助數據實現了2月份的QuickBird影像得到的河流面積修正為5月份的河流面積。并以四川省和黑龍江省為例，對此方法進行了檢驗，結果表明，該方法證明了不同時相、不同類別影像的河流提取面積之間具有一定的線性擬合關系，既保證了解譯精度，又有較高的效率，具有較強的操作性，可以滿足國情普查時點統一的要求。然而，此研究中不同類型、時相條件下的解譯樣本收集的工作量較大，只探討和建立了2月份與5月份之間QuickBird影像和Landsat ETM影像的調整模型。在今后研究中，還需要針對其時相與統一時點建立相應的調整模型，確定調整系數，最終建立不同時相與統一時點之間的調整系數表。同時還應繼續探索有效的方法，不斷進行完善，不斷提高遙感河流監測的精度和方法的廣泛適用性。

［1］國務院第一次全國地理國情普查領導小組辦公室.地理國情普查基礎知識［M］.北京：測繪出版社，2013.

［2］國務院第一次全國地理國情普查領導小組辦公室.地理國情普查內容與指標［M］.北京：測繪出版社，2013：1－49.

［3］國務院第一次全國地理國情普查領導小組辦公室.地理國情普查數據采集技術方法［M］.北京：測繪出版社，2013.

［4］沈占峰，夏烈剛，李均力，等.采用高斯歸一化水體指數實現遙感影像河流的精確提取［J］.中國圖象圖形學報，2013，18（4）：421－428.

［5］慎利，唐宏，王世東，等.結合空間像素模板和Adaboost算法的高分辨率遙感影像河流提取［J］.測繪學報，2013，42（3）：344－350.

［6］曹銀貴，王靜，劉正軍，等.三峽庫區近30年土地利用時空變化特征分析［J］.測繪科學，2007，32（6）：167－170，210.

［7］LACOSTE C，DESCOMBES X，ZERUBIA J.Unsupervised line network extraction in remote sensing using apolyline process［J］.Pattern Recognition，2010.1631－1641.

［8］蒙海花，王臘春，蘇維詞.基于DEM的流域特征提取研究—以貴州省普定縣后寨河流域為例［J］.測繪科學，2010，35（4）：87－88.

［9］劉影，范娜，于秀波，等.基于RS和 GIS的鄱陽湖天然濕地邊界確定及季節變化分析［J］.資源科學，2010，32（11）：2239－2245.

［10］李娜，張麗，嚴冬梅，等.基于CLUE－S模型的天津濱海新區土地利用變化情景模擬［J］.遙感信息，2013，28（4）：62－68，74.

［11］來玉梅，邱玉寶，傅文學，等.基于TM 影像近十年來喀什地區地表水遙感監測與分析［J］.遙感信息，2013，28（3）：50－57.

［12］曹小敏，羅明良，劉承栩.基于 ASTER－GDEM 的延河流域水系分維特征分析［J］.遙感信息，2013，2（1）：34－37.

［13］CAI S S，LIU D S，SULLA－MENASHE D.Enhancing MODIS land cover product with a spatial－temporal modeling algorithm［J］.Remote Sensing of Environment，2014，12（3）：128－136.

［14］ZHANG J L，KALACSKA M，TURNER S.Using Landsat TM record to map land cover change in southeast Yunnan of China before and during national reforestation programme［J］.International Journal of Applied Earth Observation and Geoinformation，2014，6（1）：89－94.

［15］程滔，周旭，劉若梅.面向地理國情監測的地表覆蓋信息提取方法［J］.測繪通報，2013（8）：84－86.

［16］XU Y，HUANG B.Spatial and temporal classification of synthetic satellite imagery：Land cover mapping and accuracy validation［J］.Geo－spatial Information Science，2014，17（1）：1－7.

［17］劉可群，梁益同，黃靖，等.基于衛星遙感的洞庭湖水體面積變化及影響因子分析［J］.中國農業氣象，2009，30（z2）：281－284.

［18］譚衢霖.鄱陽湖濕地生態環境遙感變化監測研究［D］.北京：中國科學院遙感應用研究所，2002.

［19］丁鳳.基于新型水體指數（NWI）進行水體信息提取的實驗研究［J］.測繪科學，2009，34（4）：155－157.