基于Landsat和HJ衛星影像的紅堿淖面積變化趨勢分析

劉 英，吳 立 新，岳 輝

(1.西安科技大學測繪科學與技術學院，陜西 西安 710054;2.中國礦業大學環境與測繪學院， 江蘇 徐州 221116)

?

基于Landsat和HJ衛星影像的紅堿淖面積變化趨勢分析

劉 英1，吳 立 新2，岳 輝1

(1.西安科技大學測繪科學與技術學院，陜西 西安 710054;2.中國礦業大學環境與測繪學院， 江蘇 徐州 221116)

為獲取較精確的水體面積數據，基于近紅外和紅光波段反射率數據，在土壤濕度監測指數(Soil Moisture Monitoring Index, SMMI)基礎上，構建一種水體提取方法——尺度化SMMI(Scaled SMMI, 即S-SMMI)，將紅光波段納入水體提取中，擴展了水體提取的波段范圍，豐富了水體提取方法。基于1988-2014年Landsat和HJ衛星影像，利用S-SMMI提取紅堿淖湖區面積并結合降雨量數據對其26年來變化趨勢進行分析。結果表明：在研究區降雨量沒有明顯減少的情況下，紅堿淖湖區面積不斷萎縮，由1988年9月24日的49.92 km2減至2013年9月13日的31.92 km2，減少了36.06%；湖區面積總體變化趨勢可分為兩個階段：1988-1999年湖區面積有增有減，但總體變化不大；從1999年開始，湖區面積呈線性遞減趨勢；總體上，紅堿淖湖區面積平均萎縮速度為0.87 km2/a。

尺度化SMMI；NIR-Red光譜特征空間；水體提取；紅堿淖

內陸湖泊是一種重要的陸地資源,對當地生態系統平衡和人類生產生活產生了重要影響[1]。相關研究指出,由于氣候變化和人類活動的影響，中國北方地區部分湖泊面積急劇縮小甚至消失[2]。對內陸湖泊的時空分布及演變過程進行監測具有重要意義。遙感因其快速、大面積、實時等特點成為國內外地表水體監測研究的重點。遙感提取地表水體面積的方法有分類法、混合像元線性分解法、單波段法、多波段水體提取指數法等[1,3,4]，其中多波段水體提取指數法應用最為廣泛。歸一化差異水體指數(NDWI)[5]和修正型NDWI(MNDWI)[6]是典型的多波段水體提取指數法，被廣泛用于水體提取、地表水體制圖、生態評估、土地覆蓋變化分析等方面。多波段水體提取指數法主要涉及藍光(Blue)、綠光(Green)、近紅外(NIR)、中紅外(MIR)及短波紅外波段(SWIR)[1,5-7]，基本沒有涉及紅光(Red)波段。NIR-Red光譜特征空間被廣泛用來監測植被、地表土壤濕度狀況[8-13]，但用來提取并監測地表水體變化的研究并不多見。本研究在文獻[11]提出的土壤濕度監測指數(Soil Moisture Monitoring Index,SMMI)基礎上，基于NIR-Red光譜特征空間，構建一種水體提取方法——尺度化SMMI(Scaled SMMI,S-SMMI)，進而利用紅堿淖1989-2014年多時相Landsat和HJ-CCD影像數據，提取各年份紅堿淖湖面面積，分析其變化趨勢和規律。

1 研究區域

紅堿淖位于西北干旱半干旱地區，地處我國最大煤炭基地——神東礦區的西南部，中心地理坐標為(110°52′30″E,39°06′N)，平均海拔為1 200 m。該地區多年平均降水量為427.3 mm，降雨量年際變化較大且年內分配不均；平均蒸發量為1 788.4 mm，是降雨量的4倍。紅堿淖是我國最大的沙漠淡水湖，被稱為毛烏素沙地中的“大漠明珠”[14]，其在調節當地氣候、水資源平衡及保持生物多樣性方面發揮了重要作用。然而，近年來紅堿淖湖區面積不斷萎縮，水深和蓄水量不斷下降，使得原本十分脆弱的生態環境進一步惡化，影響了其生態、經濟、社會功能的發揮[15,16]。因此，準確獲取紅堿淖面積數據、把握其變化趨勢刻不容緩。

2 數據與方法

2.1 數據來源與處理

選取1988-2014年累計26年共23景衛星遙感數據進行分析(表1)，其中21景數據來源于Landsat衛星，2景HJ衛星數據用于補充。數據獲取時間主要集中在晴朗無云的夏季，但由于Landsat和HJ衛星的重訪周期分別是16 d和2 d，加之云覆蓋等影響，很難得到時相完全一致的遙感影像。以2009年6月30日TM影像為基準對HJ-CCD影像進行幾何配準，誤差在1個像元內；通過輻射校正將影像圖像灰度值轉換為輻射亮度值；通過大氣校正得到地表真實反射率。

表1 遙感分析源數據

Table 1 Remote sensing data using in the paper

傳感器類型獲取時間TM1988．09．24TM1989．09．11TM1990．08．29TM1992．07．17TM1993．05．17TM1994．08．24TM1995．06．08TM1996．06．10傳感器類型獲取時間TM1998．07．02ETM+1999．10．17ETM+2000．07．31ETM+2001．05．31ETM+2002．08．06ETM+2003．05．21TM2004．07．02TM2005．07．05傳感器類型獲取時間TM2006．09．10TM2007．08．12TM2009．06．30HJ1A?CCD22010．08．05HJ1B?CCD22011．07．30OLI2013．09．13OLI2014．07．30

2.2 水體提取方法

(1)NIR-Red光譜特征空間。選取研究區水體、植被、裸土、建筑物4種典型地物，分別提取其在Landsat TM/ETM+ 6個波段(熱紅外波段除外)上的反射率，繪制波譜曲線(圖1a)。由圖1a可得，水體的波譜反射率小于另3種地物，且在紅光和近紅外波段，隨著波長增加水體反射率呈微減趨勢，另3種地物均呈明顯增大趨勢。因而，在NIR-Red光譜特征空間中水體(圖1b)處于距離坐標原點O最近的區域，其他具有一定反射能力的物體都處在遠離坐標原點O的區域中。因而，可利用特征空間中任意地物點與坐標原點O間距離區分水體和非水體。

圖1 典型地物光譜曲線和NIR-Red光譜特征空間

Fig.1 Spectral curve of typical objects and NIR-Red space

(2)S-SMMI。基于NIR-Red光譜特征空間，文獻[11]根據特征空間中任意地物點與坐標原點O之間的距離構建土壤濕度監測指數，公式為：

(1)

SMMI的絕對值因時相不一致而不同，為消除時相差異便于對比，在文獻[17]的基礎上，提出尺度化S-SMMI，公式為：

(2)

式中：SMMI指某一像元對應的SMMI值；SMMI0指飽和裸土對應的SMMI值；SMMIs指干燥裸土區域對應的SMMI值。利用S-SMMI提取水體關鍵是確定SMMI0和SMMIs，其確定方法主要有3種：一是實測獲取，即利用地物光譜儀獲取飽和裸土與干燥裸土在紅光和近紅外波段上的反射率；二是利用研究區高分辨率影像獲取，即求取水陸交界處像元在紅光和近紅外波段上的反射率均值；三是在缺少實測及高分辨率影像條件下，通過每期影像SMMI累積頻率置信度區間近似獲取。

本文參考Gutman[18]、李苗苗[19]等提出的NDVI0和NDVIs的估算方法，結合研究區實際，選取每期影像SMMI累積頻率置信度為2%時對應的SMMI值作為SMMI0的值，SMMI累積頻率置信度為98%時對應的SMMI值為SMMIs的值。

3 結果分析

3.1 對比驗證

利用S-SMMI提取紅堿淖湖體邊界，與常用的水體提取方法MNDWI進行對比，并用2000年紅堿淖湖泊面積數據(來自湖泊-流域科學數據共享平臺)和2004年8月實測紅堿淖湖泊面積數據[16]進行驗證，分析S-SMMI提取水體的精度，公式為：

(3)

式中：Errori為利用S-SMMI和MNDWI提取水體邊界的誤差，WAex為利用S-SMMI和MNDWI提取的水體面積，WAtr為水體真實面積。

由圖2可得，S-SMMI和MNDWI均能較準確、清晰地提取紅堿淖湖區邊界，但S-SMMI提取精度優于MNDWI(圖3)；通過局部地區1和局部地區2對比發現，S-SMMI提取的水體邊界比MNDWI更與水體實際情況相吻合；在局部地區3中，MNDWI將非水體像元劃分為水體像元(局部地區3中圓圈部分)，而S-SMMI則劃分正確。利用2000年和2004年8月紅堿淖實測湖區面積數據對兩種水體提取方法進行精度驗證(表2)。由表2可得， S-SMMI在提取2004年7月2日和2000年7月31日紅堿淖湖面面積時誤差分別為1.32%和11.59%，而MNDWI分別為2.07%和12.85%(誤差較大，這可能是由于驗證數據獲取時間與文中遙感影像獲取時間存在差異造成的)。總體上，S-SMMI可用來提取本研究區的水體且效果優于MNDWI。

圖2 基于S-SMMI和MNDWI提取水體

Fig.2 Map of water body extraction using S-SMMI and MNDWI

3.2 結果分析

根據23景影像獲取時間，利用S-SMMI提取不同年份相同月份紅堿淖湖區面積，并與當月降水量進行對比(表3)，可得不同年份相同月份下月降雨量不同，紅堿淖湖區面積也不同，但總體上湖區面積呈不斷減少趨勢。降雨量越大，湖泊面積并不是越大，如2013年9月13日降雨量達193.9 mm，而湖區面積只有31.92 km2，是不同年份9月份湖區面積最小的；2014年7月30日降雨量為112.0 mm，湖區面積為31.69 km2，同期2000年7月31日、2011年7月30日湖區面積分別為47.21 km2、34.61 km2，而降雨量分別為57.5 mm、34.0 mm。這說明降雨量不是湖區面積不斷減少的主要因素，其應是受到了人為活動的影響。由圖4可得，紅堿淖湖區面積總體上呈線性減少趨勢(R2=0.856)，但其變化趨勢可細分為兩個階段：在1988-1999年間，紅堿淖湖區面積有增有減，但總體變化不大；從1999年開始，紅堿淖湖區面積呈線性遞減趨勢。1988年、1999年湖區面積分別為49.92 km2、47.92 km2，減少了4.02%；2009年、2014年湖區面積分別減少為37.72 km2、31.69 km2，比1988年分別減少了24.45%和36.52%(圖4a)。總體看，26年來紅堿淖湖區面積不斷萎縮，減小速度平均為0.87 km2/a。

圖3 基于S-SMMI和MNDWI提取水體局部對比

Fig.3 Local comparison of water extraction between S-SMMI and MNDWI

表2 紅堿淖湖水體提取精度

Table 2 Water classification accuracy of the two classifiers at Hongjiannao Lake

分類器2000．07．31閾值WAex(km2)WAtr(km2)Errori(%)2004．07．02閾值WAex(km2)WAtr(km2)Errori(%)S?SMMI047．2153．40-11．59041．6742．23-1．32MNDWI046．54-12．85041．36-2．07

表3 紅堿淖不同年份水面面積與降雨量

Table 3 Area and precipitation of Hongjiannao Lake in different years

獲取時間面積(km2)月降雨量(mm)獲取時間面積(km2)月降雨量(mm)獲取時間面積(km2)月降雨量(mm)1988．09．2449．9236．01990．08．2949．9211．41992．07．1753．58125．71989．09．1151．5146．21994．08．2450．66151．91998．07．0253．50114．11999．10．1747．9215．32002．08．0644．3520．72000．07．3147．2157．52006．09．1040．5628．62007．08．1239．60137．82004．07．0241．67103．92013．09．1331．92193．92010．08．0536．5355．62005．07．0540．9881．21995．06．0851．6710．41993．05．1756．8515．62011．07．3034．6134．01996．06．1053．2857．32001．05．3144．96 1．92014．07．3031．69112．02009．06．3037．7220．42003．05．2143．6025．6

圖4 1988-2014年紅堿淖面積變化趨勢

Fig.4 Area change trend of Hongjiannao Lake from 1988 to 2014

4 結論

國內外學者提出的多波段水體提取指數法主要涉及藍光、綠光、近紅外、中紅外及短波紅外波段，基本未涉及紅光波段。本文基于NIR-Red光譜特征空間，利用土壤濕度監測指數SMMI，構建了水體提取的一種方法——尺度化SMMI(S-SMMI)，它是紅光和近紅外波段的組合，納入紅光波段后使得水體提取的波段范圍得到進一步拓展。多光譜遙感數據基本包含紅光和近紅外波段，因而S-SMMI適用于利用多光譜遙感數據進行水體面積提取研究。對比實驗表明，S-SMMI用于提取水體邊界的精度優于MNDWI。利用S-SMMI提取1988年以來紅堿淖湖區不同年份相同月份的水面面積，發現在降雨量沒有明顯減少的情況下，湖面面積呈不斷減少趨勢；從湖區面積總體變化趨勢看，1988-1999年湖區面積變化不大，但從1999年開始湖區面積呈線性遞減趨勢。總體上，紅堿淖湖區面積在不斷縮減，縮減速度平均為0.87km2/a。

[1] FEYISA G L,MEILBY H,FENSHOLT R,et al.Automated water extraction index:A new technique for surface water mapping using Landsat imagery[J].Remote Sensing of Environment,2014,140:23-35.

[2] MA R H,DUAN H T,HU C M,et al.A half-century of changes in China′s lakes:Global warming human influence？[J].Geophysical Research Letters,2010，37:24106.

[3] 范登科,李明,賀少帥.基于環境小衛星CCD影像的水體提取指數法比較[J].地理與地理信息科學,2012,28 (2):14-19.

[4] 金曉媚,高萌萌,柯珂,等.巴丹吉林沙漠湖泊遙感信息提取及動態變化趨勢[J].科技導報,2014,32(8):15-21.

[5] 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.

[6] XU H Q.Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery [J].International Journal of Remote Sensing,2006,27(14):3025-3033.

[7] 黃春林,李艷,盧玲,等.考慮干旱水分脅迫的地表通量遙感估算[J].水科學進展,2014,25(2):181-188.

[8] RICHARDSON A J,WIEGAND C L.Distinguishing vegetation from soil background information[J].Photogrammetric Engineering and Remote Sensing,1977,43(12):1541-1552.

[9] RASMUS F,SANHOL I.Derivation of a shortwave infrared water stress index from MODIS near- and shortwave infrared data in a semiarid environment[J].Remote Sensing of Environment,2003,87(1):111-121.

[10] GAO Z L,XU X G,WANG J H,et al.A method of estimating soil moisture based on the linear decomposition of mixture pixels[J].Mathematical and Computer Modelling,2013,58(3-4):606-613.

[11] 劉英,吳立新,馬保東.基于TM/ETM+光譜特征空間的土壤濕度遙感監測[J].中國礦業大學學報,2013,42(2):296-301.

[12] 詹志明,秦其明,阿布都瓦斯提吾拉木,等.基于NIR-Red光譜特征空間的土壤水分監測新方法[J].中國科學(D輯:地球科學),2006,36 (11):1020-1026.

[13] 趙英時.遙感應用分析原理與方法[M].北京:科學出版社,2003.375-376.

[14] 王軍戰,屈建軍,張偉民.基于混合像元分解的毛烏素沙地紅堿淖面積提取及變化監測[J].中國沙漠,2011,31(3):558-562.

[15] 劉萍萍,甘文宇,張瑞芳,等.陜北紅堿淖流域水量變化及其影響因素定量分析[J].西安交通大學學報,2009,43(1):119-124.

[16] 尹立河,張茂省,董佳秋.基于遙感的毛烏素沙地紅堿淖面積變化趨勢及其影響因素分析[J].地質通報,2008,27(8):1151-1156.

[17] GILLIES R R,CARLSON T N,CUI J,et al.A verification of the triangle′ method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface radiant temperature[J].International Journal of Remote Sensing,1997,18(5):3145-3166.

[18] GUTMAN G,IGNATOV A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in Numerical Weather prediction models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.

[19] 李苗苗,吳炳方,顏長珍,等.密云水庫上游植被覆蓋度的遙感估算[J].資源科學,2004,26(4):153-159.

Monitoring of Hongjiannao Lake Area Based on Landsat and HJ Imageries

LIU Ying1，WU Li-xin2，YUE Hui1

(1.CollegeofGeomatics,Xi′anUniversityofScienceandTechnology,Xi′an710054;2.SchoolofEnvironmentScienceandSpatialInformatics,ChinaUniversityofMiningandTechnology,Xuzhou221116,China)

To obtain the area of water bodies, a scaled SMMI (S-SMMI) was constructed based on the reflectance data of near-infrared and red bands and soil moisture monitoring index (SMMI). The red band was involved in S-SMMI, enriching the water extraction methods, and the bands that can be used in water extraction were expanded. On the basis of S-SMMI, the Landsat and HJ imageries from 1988 to 2014 were used to extract the water bodies from non-water and combining with rainfall data the area change trend of Hongjiannao Lake was analyzed. It was showed that the area of Hongjiannao Lake was shrinking gradually while precipitation was not significantly reduced and the average shrinking speed was 0.87 km2/a. On September 24, 1988, the area of Hongjiannao Lake was 49.92 km2. However, it was shrunk to 31.92 km2on September 13, 2013, decreasing by 36.06%. It was can be subdivided into two phases of area change trend in Hongjiannao Lake and it changed slightly from 1988 to 1999 while decreased in a linear way since 1999.

scaled SMMI；NIR-Red spectrum space；water extraction；Hongjiannao Lake

2015-04-17；

2015-06-25

國家自然科學基金青年項目(41401496);陜西省教育廳2014年科學研究計劃項目(14JK1471)；西安科技大學博士啟動金項目(2014QDJ060)；西安科技大學博士培育基金項目(201305)

劉英(1982-)，女，博士，講師，主要從事環境遙感監測研究。E-mail:liuying712100@163.com

10.3969/j.issn.1672-0504.2015.05.013

P237;TP79

A

1672-0504(2015)05-0060-05