基于Landsat睺M衛星影像的中亞水體動態變化研究

劉家福　馬帥

摘要：當今世界衛星遙感和圖像處理技術迅速崛起并飛速發展，利用衛星遙感數據對水資源進行分析和監測已成為必然趨勢。中亞五國地處歐亞大陸核心腹地，是絲綢之路經濟帶的陸上要塞，地區內常年干旱少雨，國家間水體面積差異顯著。利用LandsatTM/ETM+衛星遙感影像數據，基于決策樹分類方法，進行提取中亞水體信息，選取中亞主要湖泊、河渠作為典型研究區，研究2000年、2010年和2015年的水體動態變化。研究結果表明，中亞水體總面積為123 98480 km2，其中湖泊面積為111 85663 km2，河渠面積為6 32359 km2，自然坑塘面積為5 80458 km2，湖泊、河渠和自然坑塘面積分別占中亞水體總面積的9021%、510%和468%；中亞地區除烏茲別克斯坦國水資源充足外，其余國家水資源相對匱乏；典型研究區中咸海、額爾齊斯河和烏拉爾河變差系數相對較大，分別為4118%、2482%和1468%；總體來看，中亞水體面積正逐年減少，研究中亞水體分布及動態變化有助于推進“一帶一路”戰略。

關鍵詞：遙感；水體面積變化；中亞

中圖分類號：P237文獻標志碼：A文章編號：

16721683（2018）02008106

Abstract：

At present，with the rapid development of remote sensing and image processing technologies，using remote sensing data for analyzing and monitoring water resources has become an inevitable trend.The five Central Asian countries are located at the core of Eurasia，and are considered as a stronghold of the "Silk Road" economic belt.They have little rainfall all the year round，and differ greatly in water area.Based on LandsatTM/ETM+ imagery，using the method of decision tree classification，we extracted the information of Central Asian water，and selected the major lakes and canals of Central Asia as the typical research areas to study the change of water area in 2000，2010，and 2015.The results demonstrated that the total water area of Central Asia is 123 984.80 km2，which includes 111 856 km2 of lake area，6 32359 km2 of river area，and 5804.58 km2 of pond area.These three types respectively accounted for 9021%，510%，and 468% of the total water area.In addition，while Uzbekistan has abundant water resources，the other countries in Central Asia are all relatively short of water resources.Among the typical areas，the Aral Sea，Irtysh River，and Ural River have large coefficients of deterioration，which are 4118%，2482%，and 1468% respectively.Generally，the water area is decreasing year by year in Central Asia.The study on the distribution and dynamic change of water resources in Central Asia can contribute to "The Belt and Road" strategy.

Key words：

remote sensing；water area change；Central Asia

水資源是社會健康穩定發展的基本條件，是制約區域發展的重要因素。天然形成的湖泊、江河以及人工挖掘的河渠、水庫等構成了內陸地表水體[13]。天然的湖泊和自然坑塘不僅可以提供水源還能改善環境、調節河川徑流等。中亞作為“一帶一路”的關鍵節點，正在成為中國當代對外知識視野和知識需求日益關注的重要區域，由于地區內嚴重干旱以及缺乏交通上的自然通道，隔開了周圍的中國、印度、伊朗和俄國等文明，因此，了解中亞的水體分布及面積變化是中亞建設的前提與基礎[4]。在全球變暖背景下，隨著社會經濟的發展和城市人口的增長，水體面積受到降雨量減少、蒸發量增加、圍湖造田不加節制等因素影響，中亞水體的分布格局和水體特征會產生一系列重要變化[57]。因此研究中亞水體動態變化具有重要的理論意義和現實意義。

目前常用水體信息提取方法主要有：單波段閾值分割法、多波段譜間結構關系法、監督分類法、人工目視解譯法等，然而，由于存在“同物異譜，異物同譜”現象，這種完全依賴地物光譜特征的分類方法往往會出現較多錯分、漏分情況；決策樹分類法的分類規則易于理解，分類過程也符合人的認知過程，能夠比較好地解決上述分類所產生的問題[8]。衛星遙感調查具有視點高、視域廣及成本低等優勢，為大規模水體監測提供更加優質、科學和高效的服務[9]。本文利用衛星遙感影像數據，通過決策樹分類方法提取中亞內陸水體信息，并對中亞地區主要湖泊、河渠進行動態監測，然后分析對比2000年、2010年和2015年三年的水體面積變化情況，從而掌握了解中亞水資源的空間分布特點，為保護和利用中亞水資源提供理論基礎。

1研究區概況

中亞位于亞洲中部那日路地區，是“絲綢之路經濟帶”核心區域[10]。中亞是指里海以東，西伯利亞以南，伊朗、阿富汗以北及中國新疆以西的亞洲中部地區，包括哈薩克斯坦、烏茲別克斯坦、吉爾吉斯斯坦、塔吉克斯坦和土庫曼斯坦五個國家，總面積近400萬km2，人口約為5 000多萬。中亞五國東南部為山地，地震頻繁，屬山地氣候，其余地區為平原和丘陵，沙漠廣布，氣候干旱。從地形圖（圖1）可以看出，中亞國家分成兩部分，一部分是西部的低地國家，包括哈薩克斯坦、烏茲別克斯坦和土庫曼斯坦；另一部分是東部的高地國家，包括吉爾吉斯斯坦和塔吉克斯坦。中亞河流大多屬于跨多國的內陸河，主要靠冰雪融水補給，水量很小，大部分屬于咸海流域[1113]。咸海是中亞兩條最大內陸河—阿姆河和錫爾河的終端湖，阿姆河流經塔吉克斯坦、土庫曼斯坦和烏茲別克斯坦，部分河段形成塔吉克斯坦和阿富汗及烏茲別克斯坦的邊界，錫爾河向西穿越塔吉克斯坦和烏茲別克斯坦的領土，向西北穿過哈薩克斯坦注入里海。

中亞水資源分布不均勻，河流下游國家的水資源短缺，對地表水體面積變化產生重要影響[14]。本文選取烏拉爾河、額爾齊斯河、阿姆河、錫爾河、咸海和巴爾喀什湖為本文典型研究區域，把湖泊、河渠作為典型研究對象。由于在短時間內大面積的水體面積變化不明顯，因此選擇“一帶一路”戰略前后2010年和2015年6月-9月的遙感影像提取水體信息，得出2000年、2010年及2015年之間水體的面積變化。

2數據來源與方法

2.1數據來源

本文利用LandsatTM/ETM衛星遙感影像，下載覆蓋中亞的276景遙感影像，緯度范圍約為35° N-55° N，經度范圍約為45° E-85° E，空間分辨率為30 m。中亞大陸地區的遙感影像獲取時間是 2000 年，典型研究區的遙感影像時間為2000年、2010年和2015年，所有的遙感影像選取時間是6月-9月份，云量小于10%，單景影像若不能獲得規定時間數據，則推至相鄰月份進行獲取。本文遙感影像數據均來自于美國地質勘探局（United States Geological Survey，USGS）。

2.2決策樹分類

決策樹分類是通過數學統計方法以及專家經驗總結等方式，利用衛星遙感圖像以及空間數據，最后獲得地物分類規則的一種分類算法[1516]。本文利用ID3算法對分類規則進行獲取（圖2），設D為類別對校驗元組進行的劃分，那么D的熵表示為：

info（D）=∑[DD（]m[]i=1[DD）]pilog2（pi）[JY] （1）

式中：pi代表第i個類型在校驗組中出現的概率，那么A對D劃分的期望為：

infoA（D）=∑[DD（]v[]j=1[DD）][SX（]|Dj|[]|D|[SX）]info（Dj）[JY] （2）

而信息增益即為兩者的差值：

gain（A）=info（D）-infoA（D）[JY] （3）

通過信息增益比率進行屬性選擇，不僅克服了以往用信息增益選擇屬性時單一偏向取值的不足，而且對剪枝方法進行了優化，極大方便了對連續數據屬性進行離散化處理[1720]。以LandsatTM數據為基礎，計算像元的歸一化植被指數（NDVI）值，然后對水體進行分類，根據大量實踐經驗獲取水體的分類規則為：NDVI≤03，波段4的DN值大于0而小于20。

2.3水體信息提取

利用ENVI軟件進行水體信息提取工作，在Landsat影像上，進行波段計算，根據波段比值圖，選擇合適的閾值，保證較好的提取效果，確定閾值后，利用決策樹方法進行分類，再將分類結果進行合成，對水體屬性較模糊的區域，則參照Google Earth進行歸類修改。

湖泊是指陸地表面洼地積水形成的寬廣、換流緩慢的水域，面積較大，其外形略成圓形或橢圓形；坑塘分為自然坑塘、人工坑塘和半人工坑塘，坑塘的長度和寬度相差無幾，面積較小，自然坑塘是由天然水體、泡子等自然形成的水面，人工坑塘一般為養魚人工修建，半人工坑塘一般是攔截溪河或溝渠等建壩而成的水面；河渠指河流或人工開發的河道或水溝，形狀多為線性，長寬對比明顯；本文不考慮人工坑塘與大壩，僅按面積和形狀將水體分為河渠、湖泊和自然坑塘。在此基礎上，水體信息提取后面積小于1 km2的分為自然坑塘，面積大于1 km2的分為湖泊，面積大于1 km2而形狀綿長曲折的水體分為河渠。

3研究結果

3.1精度評價

由于實地考察獲取地面信息難以實現，因此我們采用替代的方法獲取地面點信息，從而評估地面水體的提取精度[2123]。本研究一共選取了508個驗證樣本，隨機采樣不同的水體類型，然后在Google Earth上驗證其對應年份真實地表類型，最后用混淆矩陣表征中亞水體信息的提取精度。

從混淆矩陣的評價結果（表1）可知，3種類型水體的分類精度均較高，總精度為9606%，Kappa系數為094。河渠的分類精度為9351%，湖泊的分類精度達到9562%，自然坑塘的分類精度更是達到了9733%。

3.2水體數量與面積統計

基于2000年的LandsatTM影像解譯結果（圖3）可知，中亞大陸范圍內水體總面積約為123 98480 km2，其中共有湖泊2 653個，面積為111 85663 km2，占中亞水體總面積的9021%。大于1 000 km2的大型湖泊有12個，平均面積為6 87692 km2，其中咸海是中亞地區最大的湖泊，面積為29 35835 km2；面積在500～1000 km2的湖泊有6個，平均面積為68061 km2；面積在100～500 km2的湖泊有44個，平均面積為20454 km2；面積在50～100 km2的湖泊有47個，平均面積為6868 km2；面積在10～50 km2的湖泊有316個，平均面積為2053 km2；面積在5～10 km2的湖泊有366個，平均面積為706 km2；面積在1～5 km2的湖泊有1 862個，平均面積為212 km2。

根據解譯結果中亞共有自然坑塘96 250個，總面積為5 80458 km2，占水體總面積的468%。面積在05～1 km2的自然坑塘有2 215個，平均面積為070 km2；面積在01～05 km2的自然坑塘有11 053個，平均面積為02 km2；面積在005～01 km2的自然坑塘共有9 265個，平均面積為007 km2；面積在001～005 km2的自然坑塘共有43 723個，平均面積為002 km2；面積在0005～001 km2的自然坑塘共有29 994個，平均面積為00076 km2。

中亞河渠總面積為6 32359 km2，占中亞水體總面積的510%，中亞河渠大多為內流河，由于蒸發和降雨量影響，短小的內陸河較多。

33水體空間分布特征提取

根據2000年影像解譯統計結果（圖4），可以看出中亞水體雖然總量不少，但分布極不均勻；塔吉克斯坦和吉爾吉斯斯坦境內地勢較高，多為冰川，水資源主要來源于冰雪融化形成的季節性河流；土庫曼斯坦地勢平坦，阿姆河支流進出境內數次，但水流量較少，不足以完全供給當地居民用水需求；烏茲別克斯坦和哈薩克斯坦地域廣泛，水體類型豐富，但由于蒸發，河床滲漏和沿岸居民大量提取，大部分河水都不能夠到達咸海，導致位于中亞西北部的河流三角洲地區和烏茲別克斯坦境內水資源情況日益惡化；整體來看，由于塔吉克斯坦帕米爾地區和吉爾吉斯斯坦西部天山地區山勢陡峭，以及哈薩克斯坦西部地區高山林立，中亞地勢具有東南高、西北低的特點，中亞水資源整體表現出西多東少，北多南少的分布特征。基于2000年遙感影像水體提取結果可知，哈薩克斯坦國共有湖泊2405個，坑塘78 628個，水體總面積為83 35539 km2，水體面積占國家總面積的307%；吉爾吉斯斯坦國共有湖泊28個，坑塘4 039個，水體總面積為7 58153 km2，水體面積占國家總面積的382%；塔吉克斯坦國共有湖泊26個，坑塘587個，水體總面積為1 20266 km2，水體面積占國家總面積的084%；烏茲別克斯坦國共有湖泊137個，共有坑塘6 804個，水體總面積為23 38418 km2，水體面積占國家總面積的522%；土庫曼斯坦國共有湖泊72個，坑塘4 886個，水體總面積為8 20776 km2，水體面積占國家總面積的168%。

34典型研究區水體面積動態變化

利用衛星遙感影像得到的大陸水體信息，代表的只是衛星瞬間過境時所獲取的影像水體面積，但水體表面積會因季節氣候變化和突然降雨的影響而發生變化，對水體面積的估算產生重大影響[2426]。本文研究內陸水體變化時僅考慮主流河，忽略其支流面積的影響。

本文選取的七個典型研究區水體在2000年的總面積為57 84135 km2，占中亞水體總面積的4665%，約占中亞內陸總面積的144%。通過對比典型研究區2000年、2010年及2015年水體信息提取結果（表2），得出結論，伊塞克湖和巴爾喀什湖水體面積的變差系數小于10%，面積變化較小；咸海作為曾經的世界第四大湖，由于中亞五國對咸海流域用水與農業灌溉用水無休無止，咸海面積變化嚴重，15年面積減少高達18 052433 km2，呈逐漸消失跡象；烏拉爾河在中亞地區流域面積較小，近年來隨著降雨量不足，烏拉爾河在中亞地區也逐漸干涸；額爾齊斯河是鄂畢河最大的支流，近年來這條國際河流面積變化較大，變差系數高達2482%；阿姆河和錫爾河是咸海的兩條重大水源，同時是中亞兩條大型的淡水河，近些年由于人們過渡取水用水且降雨量連年減少，呈現出緩慢減少趨勢。

4結論

（1）利用遙感技術與GIS相結合，獲取中亞水體的分布信息，中亞水體總面積為123 98480 km2，約占中亞內陸面積的309%，其中湖泊約占水體總面積的9021%，自然坑塘約占468%，河渠約占510%；中亞五國的水資源分布廣而不均，總體來說呈現出北多南少、西多東少的趨勢，地區內嚴重缺水，其中哈薩克斯坦國、塔吉克斯坦國、吉爾吉斯斯坦國、烏茲別克斯坦國和土庫曼斯坦國的水體面積分別占中亞水體總面積的6723%、611%、097%、1886%和662%。

（2）通過對典型研究區水體提取信息的統計可知，咸海、伊塞克湖、阿姆河和錫爾河15年面積呈逐漸減少趨勢，水體面積的變差系數分別為4218%、040%、964%和1279%；巴爾喀什湖和額爾齊斯河面積呈現先減少后增加趨勢，水體面積變化的變差系數分別為553%和2482%；烏拉爾河面積呈先增加后減少趨勢，水體面積變化的變差系數為1468%。作為“絲綢之路經濟帶”的核心區域，中亞水體總面積呈減少趨勢。

參考文獻（References）：

[1]付穎，徐新良，通拉嘎，等.近百年來北京市地表水體時空變化特征及驅動力分析[J].資源科學，2014，36（1）：7583.（FU Y，XU X L，TONG L G，et al.SpatialTemporal Variation and Driving Forces of Surface Water in Beijing Over One Hundred Years[J].Resource Science，2014，36（1）：7583.（in Chinese））

[2]陳亞寧，崔旺誠，李衛紅，等.塔里木河的水資源利用與生態保護[J].地理學報，2003，58（2）：215222.（CHEN Y N，CUI W C，LI W H，et al.Utilization of water resources and ecological protection of Tarim River[J].Chinese Journal of geography，2003，58 （2）：215222.（in Chinese）） DOI：10.11821/xb200302008.

[3]錢正英，張興斗.中國可持續發展水資源戰略研究綜合報告[J].中國水利，2000，2（8）：517.（QIAN Z Y，ZHANG X D.China sustainable development strategy of water resources comprehensive research report[J].Chinese Water，2000，2 （8）：517.（in Chinese））

[4]胡鞍鋼，馬偉，鄢一龍.“絲綢之路經濟帶”：戰略內涵、定位和實現路徑[J].新疆師范大學學報（哲學社會科學版），2014（2）：110.（HU A G，MA W，YAN Y L."Silk Road Economic Belt"：the strategic connotation，and the realization of the path[J].Journal of Xinjiang Normal University：Philosophy and Social Sciences Edition，2014 （2）：110.（in Chinese）） DOI：10.14100/j.cnki.651039/g4.2014.02.020.

[5]宋開山，劉蕾，呂冬梅，等.基于LandsatTM和MODIS的非洲水體分布格局研究[J].熱帶地理，2014，34（3）：302307.（SONG K S，LIU L，LU D M，et al.Distribution pattern of african surface water based on LandsatTM and MODIS imagery[J].Tropical Geography，2014，34（3）：302307.（in Chinese）） DOI：10.13284/j.cnki.rddl.002563.

[6]徐涵秋.利用改進的歸一化差異水體指數（MNDWI）提取水體信息的研究[J].遙感學報，2005，9（5）：589595.（XU H Q.Study on extracting water body information by improved normalized difference water index （MNDWI）[J].Journal of remote sensing，2005，9 （5）：589595.（in Chinese））

[7]白潔，陳曦，李均力，等.1975-2007年中亞干旱區內陸湖泊面積變化遙感分析[J].湖泊科學，2011，23（1）：8088.（BAI J，CHEN X，LI J L，et al.Remote sensing analysis of Lake area change in Central Asia arid region[J].Lake Science，2011，23 （1）：8088.（in Chinese）） DOI：10.18307/2011.0113.

[8]楊明，張載鴻.決策樹學習算法ID3的研究[J].計算機技術與發展，2002，12（5）：69.（YANG M，ZHANG Z H.Study on the decision tree learning algorithm of ID3[J].Computer Technology and Development，2002，12 （5）：69.（in Chinese））

[9]趙茂盛，符淙斌，延曉冬，等.應用遙感數據研究中國植被生態系統與氣候的關系[J].地理學報，2001，56（3）：287296.（ZHAO M S，FU C B，YAN G，et al.Study on the relationship between vegetation ecology and climate in China using remote sensing data[J].Journal of geography，2001，56 （3）：287296.（in Chinese）） DOI：10.3321/j.issn：03755444.2001.03.005.

[10][ZK（#]李莉，周宏飛，包安明.中亞地區氣候生產潛力時空變化特征[J].自然資源學報，2014，29（2）：285294.（LI L，ZHOU H F，BAO A M.Spatial and temporal variability of potential climate productivity in Central Asia[J].Journal of Natural Resources，2014，29（2）：285294.（in Chinese）） DOI：10.11849/zrzyxb.2014.02.010.

[11]姚俊強，劉志輝，楊青，等.近130年來中亞干旱區典型流域氣溫變化及其影響因子[J].地理學報，2014，69（3）：291302.（YAO J Q，LIU Z H，YANG Q，et al.Temperature variability and its possible causes in the typical basins of the arid Central Asia in recent 130 years[J].Journal of Geography，2014，69（3）：291302.（in Chinese）） DOI：10.11821/dlxb201403001.

[12]鄢雪英，丁建麗，張喆，等.中亞土庫曼斯坦典型綠洲荒漠化動態遙感監測[J].自然災害學報，2014（2）：103110.（YAN X Y，DING J L，ZHANG Z，et al.Dynamic remote sensing monitoring of desertification of a typical oasis in Turkmenistan of Central Asia[J].Journal of Natural Disasters，2014（2）：103110.（in Chinese）） DOI：10.13577/j.jnd.2014.0214.

[13]閆淑君，洪偉，吳承禎，等.中亞熱帶常綠闊葉林林隙及其自然干擾特征的研究[J].應用生態學報，2004，15（7）：11261130.（YAN S J，HONG W，WU C Z，et al.Study on the characteristics of natural Lin Linxi and its natural disturbance in the mid subtropical evergreen broad leaf[J].Chinese Journal of Applied Ecology，2004，15 （7）：11261130.（in Chinese）） DOI：10.13287/j.10019332.2004.0238

[14]韓其飛，羅格平，白潔，等.基于多期數據集的中亞五國土地利用/覆蓋變化分析[J].干旱區地理，2012，35（6）：909918.（HAN Q F，LUO G P，BAI J，et al.Characteristics of land use and cover change in Central Asia in recent 30 years[J].Geography of Arid Area，2012，35（6）：909918.（in Chinese）） DOI：10.13826/j.cnki.cn651103/x.2012.06.005.

[15]楊雪峰，王雪梅.基于決策樹的多角度遙感影像分類[J].地球信息科學學報，2016，18（3）：416422.（YANG X F，WANG X M.Classification of MISR multiangle imagery based on decision tree classifier[J].Journal of Earth Information Science，2016，18（3）：416422.（in Chinese）） DOI：10.3724/SP.J.1047.2016.00416.

[16]殷世平，劉丹，郭立峰，等.基于決策樹的黑龍江省旱耕地分類[J].自然災害學報，2011，20（1）：9296.（YIN S P，LIU D，GUO L F，et al.Classification of dry cropland in Heilongjiang Province based on decision tree[J].Journal of Natural Disasters，2011，20（1）：9296.（in Chinese）） DOI：10.13577/j.jnd.2011.0115.

[17]陸安生，陳永強，屠浩文.決策樹C5算法的分析與應用[J].電腦知識與技術：技術論壇，2005（3）：1720.（LU A S，CHEN Y Q，TU H W.Analysis and application of decision tree C5 algorithm[J].Computer Knowledge and Technology Forum，2005 （3）：1720.（in Chinese））

[18]都金康，黃永勝，馮學智，等.SPOT衛星影像的水體提取方法及分類研究[J].遙感學報，2001，5（3）：214219.（DU J K，HUANG Y S，FENG X Z，et al.Study on water extraction methods and classification of SPOT satellite images[J].Journal of remote sensing，2001，5 （3）：214219.（in Chinese）） DOI：10.11834/jrs.20010309.

[19]欒麗華，吉根林.決策樹分類技術研究[J].計算機工程，2004，30（9）：9496.（LUAN L H，JI G L.Study on classification technology of decision tree[J].Computer Engineering，2004，30 （9）：9496.（in Chinese）） DOI：10.3969/j.issn.10003428.2004.09.038.

[20]SAFAVIAN S R，LANDGREBE D.A survey of decision tree classifier methodology[J].IEEE Transactions on Systems Man & Cybernetics，2002，21（3）：660674.

[21]DING Y，GONG H L.Application of normalized difference water index for vegetation water content monitoring from MODIS data[J].Advanced Materials Research，2011，204210：21282132.

[22]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（1）：2335.

[23]VRSMARTY C J，GREEN P，SALISBURY J，et al.Global water resources：Vulnerability from climate change and population growth[J].Science，2000，289（5477）：284.

[24]HAAS E M，BARTHOLOME′ E，COMBAL B.Time series analysis of optical remote sensing data for the mapping of temporary surface water bodies in subSaharan western Africa.[J].Journal of Hydrology，2009，370（14）：5263.

[25]CAMPOS J C，SILLERO N，BRITO J C.Normalized difference water indexes have dissimilar performances in detecting seasonal and permanent water in the SaharaSahel transition zone[J].Journal of Hydrology，2012，s 464465（13）：438446.

[26]BORRO M，MORANDEIRA N，SALVIA M，et al.Mapping shallow lakes in a large South American floodplain：A frequency approach on multitemporal Landsat TM/ETM data[J].Journal of Hydrology，2014，512（10）：3952.