基于遙感影像與地理國情數據的城市內澇災害評估分析

李盼盼，張勇，郝中豫，張敏，李瓊

(1.武漢市測繪研究院，湖北 武漢 430022； 2.湖北省環境監測中心站，湖北 武漢 430072)

基于遙感影像與地理國情數據的城市內澇災害評估分析

李盼盼1*，張勇1，郝中豫2，張敏1，李瓊1

(1.武漢市測繪研究院，湖北 武漢 430022； 2.湖北省環境監測中心站，湖北 武漢 430072)

2016年7月6日，武漢市遭遇罕見特大暴雨，全城漬水嚴重。本文利用7月8號的高分一號影像數據提取了研究區的漬水區域，結合武漢市第一次地理國情普查數據，對漬水區域內淹沒的地類、村莊和街道的數量、面積進行估算，以便為政府部門的災后補償和災后重建工作提供數據支撐；同時，還利用數字高程模型(DEM)數據，對研究區內的漬水高度進行分析，以估算此次暴雨期間水位上漲的高度。研究表明，本次暴雨期間研究區受災范圍最大的地類是坑塘，占受災總面積的50%；其次為種植土地。漬水區域平均上漲水位為 970 mm，重點分布在梁子湖、豹澥湖、牛山湖等大型湖泊周圍。

地理國情數據；漬水面積；漬水水位

1 引 言

地理國情普查是一項重大的國情國力調查，普查的目的是查清自然和人文地理要素的現狀和空間分布情況，為開展常態化地理國情監測奠定基礎，滿足經濟社會發展和生態文明建設的需要，提高地理國情信息對政府、企業和工作的服務能力。2013年2月，國務院下發《關于開展第一次全國地理國情普查的通知》[1]，決定于2013年～2015年開展第一次地理國情普查工作。武漢市第一次地理國情普查從2013年7月啟動，以優于 2 m分辨率遙感影像為基礎完成數據采集，數據時點為2015年6月30日。

地理國情普查成果重在應用，本著“邊普查、邊應用”的原則，本文以2016年7月6日武漢市的暴雨內澇災害為例，選取受災較嚴重的武漢市江夏區和東湖新技術開發區的局部區域為典型區域，結合國產高分一號遙感影像，快速提取漬水范圍，并結合地理國情普查數據，估算暴雨期間淹沒的各地物的類型和面積，并分析了漬水范圍水位上升高度，從而為災害評估、災后補償提供數據支撐作用，發揮地理國情數據在社會經濟活動中的基礎公益智庫作用。

2 研究范圍及數據來源

2.1 研究范圍

本文選取武漢市江夏區和東湖新技術開發區局部區域為研究范圍，區內主要有湯遜湖、梁子湖、牛山湖、豹澥湖等湖泊，面積約為 1 600 km2。該區域位于江漢平原東南邊緣，地勢西高東低，由中部向南、北兩側逐漸降低。此次暴雨期間，該區域漬水較嚴重，故選取該地區作為研究范圍。

2.2 數據來源

本文所用的基礎地理信息數據為地理國情普查數據，主要包括地表覆蓋數據、地理國情要素數據和 5 m×5 m數字高程模型(DEM)數據。其中，地表覆蓋數據包括耕地、園地、林地、草地、房屋建筑(區)、道路、構筑物、人工堆掘地、荒漠與裸露地表和水域十大類；地理國情要素數據主要包括水域、城鎮綜合功能單元等。

地表覆蓋和地理國情要素中均采集了水域數據，但采集標準不同。其中，地表覆蓋中的水域采集影像拍攝時刻的水面范圍，是指在自然或半自然狀態下河流、湖泊和庫塘內部水體覆蓋的區域，不含沙洲、灘地(可耕種)、護堤地、堤壩、護坡灌草等；地理國情要素中的水域按照高水位采集。若有提防，采集堤防之間的水域(包含沙洲、灘地、行洪區、護堤地等)；若無堤防，獲取常年雨季形成的高水位岸線。

據長江日報報道，此次暴雨期間，研究范圍內梁子湖警戒水位于8日達到歷史最高，故選取2016年7月8日的高分一號國產高分辨率影像數據作為數據源，基于遙感影像快速提取漬水范圍。影像分辨率為 16 m，包含R、G、B和NIR四個通道，如圖1、圖2所示。

圖1 研究范圍內地表覆蓋示意圖

圖2 研究范圍內高分一號影像

2.3 技術路線

利用地理國情普查數據對漬水范圍進行受災分析，主要流程包括內澇后水域自動提取、漬水范圍識別和水位上升高度估算，總體技術路線如圖3所示。

圖3 總體技術路線

首先對高分一號遙感影像數據進行預處理，利用歸一化水體指數進行內業自動解譯，得到暴雨后水域范圍數據；解譯完成后，將地理國情要素中的高水位數據與解譯得到的水域數據進行裁切處理，超出高水位水域的部分即為漬水范圍；然后將漬水范圍與地表覆蓋數據、村莊、街道數據進行空間疊加分析，計算與分析得到暴雨期間淹沒的地物類型、面積以及淹沒的村莊、街道的數量和面積；最后利用DEM數據進行水位上升高度分析，估算此次暴雨期間湖泊及漬水區水位上升高度。

(1)暴雨期間水域范圍提取

高分一號遙感影像數據的預處理工作主要利用ENVI軟件實現，主要包括大氣輻射校正、幾何糾正、影像鑲嵌、影像裁剪等。在高分辨率遙感影像中，對于大面積水體，且周邊地物陰影不太顯著的地區，用歸一化水體指數(NDWI)就可以很好地提取出水體信息[2]。歸一化水體指數公式如下：

其中，PGreen和PNIR分別表示綠波段和近紅外波段的光譜值。

通過不斷調整閾值，實現水陸最佳分割，對大于閾值的賦值為1，小于閾值賦值為0。根據提取的二值圖，利用ArcGIS柵格轉矢量功能將其進行數字化，從而獲得影像拍攝時點的水域線劃數據。以研究范圍為例，提取的水域范圍如圖4所示。

圖4 國產高分一號遙感影像提取的7月8日水域數據

(2)空間分析方法

本研究利用GIS學中的空間分析方法，如疊加分析、裁切分析、空間量算等，進行研究范圍內受災情況估算。

漬水范圍為超出高水位水域范圍的區域。圖4所示的為內澇災害發生后的水域范圍，可將圖4所示范圍與地理國情要素中高水位數據進行裁切處理，超出部分即為漬水范圍。利用得到的漬水范圍與地表覆蓋數據、街道、村莊數據進行疊加處理，提取淹沒范圍內的地表地物類型，并統計受暴雨影響的各類面積；同時分析得到受災較嚴重的村莊、街道的空間分布與面積，可服務于政府部門的災后重建與災后補償工作。

本文同時對自然情況下常水位數據和高水位數據進行空間裁切，提取二者差值部分，以反映研究范圍在不漬水情況下水域最大可增加面積。

(3)基于DEM的水位上升高度估算

水位上升高度是指暴雨后水位高度與自然狀態下水位高度之差。本文為快速估算水位上升高度，假設每一時刻靜止的水面處于同一水平面上，故利用暴雨后水位高度與暴雨前水位高度相減，即可得到兩個時刻的水位高差[3]。計算公式為：

h=HAR-HBR

式中，h為水位上升高差；HAR為暴雨后水位高度；HBR為暴雨前水位高度。

基于上述假設，如圖5所示，每一時刻的水位高度約等于該時刻水域邊界的高度。本文利用DEM數據獲取水域邊界線上各點的DEM值，通過多點的DEM平均值代替水位高度[4]。

圖5 上升水位高度分析模型

3 結果與分析

根據地理國情普查成果數據，提取全市范圍內的河流、湖泊、水庫的自然水位、高水位水域面積數據。將地表覆蓋數據和地理國情要素數據疊加處理，可得到湖泊、水庫、河流等水域的最大可增加面積，如表1所示。

研究范圍湖泊、水庫、河流面積統計表 表1

根據表1所示，研究范圍內湖泊、水庫、河流自然狀態下水域面積為 337.30 km2，最大可達高水位面積為 357.02 km2，在保證不漬水的情況下，最大可增加面積為 19.72 km2。其中，湖泊可增加面積為 15.01 km2，水庫可增加面積為 1.22 km2，河流可增加面積為 3.49 km2。

3.1 受災情況

為服務政府部門災后重建與災后評估工作，發揮地理國情監測數據在應急監測中的信息支撐作用，本文充分利用地理國情普查數據，分析得到此次受災影響的地類及村莊、街道面積，以反映受災影響范圍。

根據漬水區分布情況，疊加地表覆蓋數據，得到受影響地物類型統計表，如表2所示。研究范圍內湖泊、坑塘眾多，以魚、蝦、蟹等鮮活水產品養殖為主，從表2中可知，受暴雨影響，研究范圍受災范圍最大的地類為坑塘，受災面積為 50 646.95畝，占近50%。其次為種植土地，受災面積為 35 692.96畝。

研究范圍內湖泊、水庫、河流漬水區地類統計表 表2

表2所示為受影響的地類統計數據，為反映暴雨影響的街道與村莊范圍，結合二調村界、地理國情普查街道數據，分析得到受暴雨影響的街道及其面積如表3所示。可以看出，受影響面積最大的街道為豹澥湖所在的豹澥街，受災面積占整個街道面積的12%左右，受災面積較大。

暴雨影響街道統計表 表3

注：根據省民政廳公布的2013版《湖北省行政區劃手冊》現東湖新技術開發區境內的龍泉街道為流芳街道。2010年5月流芳街道托管到東湖新技術開發區，后來更名為龍泉街道。

研究范圍內，受此次暴雨影響的村莊有165個，其中受災最嚴重的村莊為安湖洲漁場村，受災面積達 5 000余畝。從表4可以看出，研究范圍內受影響村莊的受災面積多數為 1 000畝以下，其次為 1 000畝～2 000畝。

暴雨影響村莊統計表 表4

3.2 上升水位分析

為反映此次暴雨期間湖泊、河流等水域的上漲水位，利用 5 m×5 mDEM數據及影像解譯得到的水域數據，分析得到研究范圍漬水區內上漲水位情況如圖6所示。漬水區平均上漲水位為 970 mm，上漲水位主要集中在 1 000 mm～1 300 mm之間，重點分布在梁子湖、豹澥湖、牛山湖等大型湖泊周圍。局部地區水位高度為 2 000 mm以上，分布在斧頭湖周圍。

重點對研究范圍內湖泊水位上升高度進行分析，從圖7可以看出，暴雨期間梁子湖內水位上升高度最高，約為 2 200 mm。其次為牛山湖和湯遜湖，水位上升 960 mm～970 mm左右。

圖6 漬水區域水位高度示意圖

圖7 湖泊水位上升高度示意圖

4 總 結

地理國情普查數據在城市內澇災害中可發揮重要的作用，具有快速、實時、可靠性強、數據精度高等優點。基于地理國情數據與國產高分一號影像等多源空間數據，可建立快速、可靠的城市內澇應急監測機制，以保障災害發生時的快速響應，為災后災情評估、受災范圍審核工作提供基礎數據；同時，提取的漬水范圍數據可為永久性建筑規劃和水利工程改造等工作提供決策支持，發揮地理國情普查數據在社會經濟活動中的信息支撐作用。

本文所采用的水位上升高度分析方法，還存在DEM精度及現勢性等方面的局限性，后期可采用特征點線量測的航測法[5]對算法進行優化，同時在水域高程值提取時可采用多次循環的粗差剔除方法，并結合似大地水準面精化和武漢CORS等進一步提高控制結果精度。

[1] 國發[2013]9號. 國務院關于開展第一次全國地理國情普查的通知[Z].

[2] 李艷華. 基于國產高分一號影像的新疆山區河流及橋梁信息提取技術研究[D]. 烏魯木齊：新疆大學，2015.

[3] 易明華. 鄱陽湖地理國情監測[A]. 2016年度全國專題性地理國情監測技術研討會交流文集[C]. 2016.

[4] 米鴻燕，宰建，蔣興華. 靜庫容計算方法的比較分析[J]. 地礦測繪，2007，23(2)：1～4.

[5] 賈秋英，江德才，朱榮. 航測法生產DEM、DSM的工藝流程與質量控制[A]. 中國測繪學會2010學術年會論文集[C]. 2010.

Assessment of Urban Waterlogging Disaster Based on Remote Sensing Image and Geographical Conditions Data

Li Panpan，Zhang Yong，HaoZhongyu，Zhang Min，Li Qiong

(Wuhan Geomatics Institute，Wuhan 430022，China)

Wuhan suffered a huge rain storm on July 6，2016. It caused a serious waterlogging. To provide decision support for policy makers，this paper proposes an automatic approach for waterlogging area extraction from GF-1 and disaster assessment using geographical conditions data. The results include the area and types of land use affected，as well as the amount of streets with waterlogging. This paper also leverages DEM and geographical conditions data to explore how much the water level risen because of the storm. Our study shows that the largest affected land use is pond，accounting for 50 percent of the total damaged area. Planting land came the second. The water level of waterlogging in study area averagely risen 970 mm，and the large lakes，such as Liangzi Lake，Baoxie Lake and Niushan Lake，contributed the most.

geographical conditions data；waterlogging area；waterlogging height

1672-8262(2017)03-19-05

P208.2

A

2016—11—02

李盼盼(1990—)，女，助理工程師，碩士，主要從事地理國情普查與監測的統計分析工作。

精密工程與工業測量重點實驗室開放基金(PF2015-10)