基于RS和GIS的磨盤山水庫面積提取方法研究

龔文峰,周 瑩,李 恒,曹凱華,王思聰

(1.黑龍江大學 水利電力學院，黑龍江 哈爾濱 150080;2.黑龍江國防科學技術研究院，黑龍江 哈爾濱 150040;3.哈爾濱市磨盤山水庫管理處，黑龍江 哈爾濱 150001)

水庫是在河道、山谷、低洼地和地下透水層修建擋水壩或堤堰、隔水墻，形成集水的人工湖[1]，其不僅是人們改造河流和綜合利用水資源的重要方式[2]，更是人類社會生產和生活所需要的重要淡水來源，在城市供水、工業用水、水產養殖、農業灌溉、水力發電、防汛抗旱、景觀旅游，以及跨流域調水等方面發揮著巨大作用[3]，同時又是陸地水循環的重要組成部分[4]。2006年以前哈爾濱市水源地主要是松花江的朱順屯-四方臺江段，在水質和水量上都比較緊張[5]，尤其是2005年11月發生的松花江水污染事件，經過松花江化工廠污染后其水質更不能得到保障。因此，哈爾濱市急需找到安全的飲用水源地。磨盤山水庫是拉林河干流最上一級水庫，2006年后成為哈爾濱、五常等市居民生活用水的重要水源地，然而哈爾濱市在全國屬于人均占有可支配水量較少的城市[5]，470多萬市區人口的生活用水基本上都來源于磨盤山水庫，此外再加上工業和其他方面用水，在一定程度上加劇區域飲用水的供需矛盾。基于此，借助于不同方法探究磨盤山水庫水域面積，不僅能夠實現區域水資源的管理，即通過對該水庫水域面積的監測，對水資源的合理開發、利用和保護有著極其重要的作用，而且對保護及保障哈爾濱市民飲用水水源地的飲水安全具有十分重要的現實意義。

遙感技術具有宏觀、實時、動態監測及成本低等諸多特點，能夠為大范圍水域監測和相關水質參數的反演研究創造條件[6]，廣泛應用于水體監測、水環境評估、水資源管理、水庫水情和水質動態監測等諸多方面[7-10]。本文以2015年7月的Landsat 8 OLI 影像為主要數據，利用歸一化差異水體指數 (NDWI)、修正型歸一化水體差異指數法(MNDWI)和結合RS和GIS邊界矢量化等不同方法獲取磨盤山水庫的水域面積，實現對水庫水域面積的定量提取，以期為研究區域的水資源保護、水利規劃和水資源合理利用提供依據和基礎數據，并為磨盤山水庫水文監測和水資源管理提供科學參考。

1 研究區域概況

磨盤山水庫壩址位于黑龍江省五常市拉林河干流上游沙河子鎮沈家營村上游1.8 km附近，屬中溫帶大陸性季風氣候地區，天氣較為寒冷，年平均氣溫在3 ℃左右，極端最低氣溫-40.9 ℃，極端最高氣溫35.6 ℃，多年平均降雨量500～800 mm；無霜期110～140 d。自然資源豐富，名貴樹種主要為紅松、云杉、冷杉和樟子松等，水庫區域的土壤類型主要有暗棕色森林土、白漿土和黑土等。

2 研究方法

2.1 遙感數據處理

本文中Landsat 8 OLI影像數據是從美國地質調查局(USGS)下載的，影像的時間為2015年7月，選取的數據成像質量良好且云量相對較少。影像軌道的列號為117，行號為029，其空間分辨率為30 m。在ENVI5.3軟件的支持下，完成遙感數據的波段組合和輻射定標等處理，基于FLAASH模塊進行大氣校正處理，借助于ArcGIS完成水庫的邊界矢量化處理，并進行500 m的緩沖區分析，基于緩沖區邊界完成遙感影像的裁剪。

2.2 水體指數提取

McFeeters利用TM 影像近紅外波段與綠波段水體信息具有較強的吸收和反射特性差異[11]，提出了歸一化差異水體指數NDWI(Normalized Difference Water Index, NDWI)，徐涵秋在McFeeters構建的歸一化差異水體指數(NDWI)的基礎上改進修訂，創建了改進的歸一化差異水體指數MNDWI(Modified Normalized Difference Water Index, MNDWI)[12]，計算公式如式(1)、式(2)所示：

(1)

(2)

式中：Green、NIR(nearinfrared)、MIR(middleinfrared)分別為綠波段、近紅外波段、短波紅外波段，在Landsat 8 OLI數據中，對應的波段數分別為第3、5和6波段像元的灰度值。

2.3 水體矢量化提取

在ENVI5.3遙感軟件的支持下，采用Gram-Schmidt方法完成圖像融合處理，生成15 m的融合遙感圖像，然后將融合后的遙感影像調入ArcGIS10.3 中去，基于矢量編輯工具，對Landsat8 OLI中的水體邊界進行跟蹤矢量化處理，在矢量化處理過程中，把圖像放大，并保證準確到2個像元，矢量化處理完畢后，建立多邊形的拓撲關系，然后計算面積。

3 結果分析

3.1 提取精度分析

根據以上方法獲取的水體信息如圖1所示，同時根據Landsat OLI成像的準確時間，借助于磨盤山水庫同一時間的水文觀測資料、水庫水位和流量等水文數據，基于庫容曲線計算出當時的庫區水面面積值為22.012 km2，并將不同方法所獲取的水庫面積與實測值進行對比，如表1所示。

圖1 水庫水體信息提取方法

提取方法水庫面積/km2絕對誤差/km2相對誤差/%遙感水體指數法NDWI21.12210.88994.210MNDWI21.72510.28691.320矢量化法RS+GIS21.99610.01590.072水庫觀測水文數據22.01200

結果表明：基于RS+GIS的矢量化法所提取庫區水體面積的相對誤差最小，僅為0.072%，其絕對誤差為0.0159 km2，說明該方法所得到的計算結果與水庫面積的實際結果最為接近，提取的效果非常理想；其次是采用改進的歸一化差異水體指數(MNDWI)，其絕對誤差為0.2869 km2，使用該方法不僅提取出了大面積區域的水體信息，而且也提取出了小面積水體信息，且該方法所提取的水庫面積也和實際觀測的面積很接近；基于歸一化差異水體指數(NDWI)所提取的水體面積相對誤差最大，為4.21%，且絕對誤差也是最大，為0.8899 km2，源于該方法在提取水庫水體信息時，受地物光譜影響，存在著一定的漏分情況，但該方法提取的精度也達到了預期要求，提取結果也比較接近于實測結果。總之，基于RS+GIS的矢量化方法提取精度最高，其次是MNDWI法，最次為NDWI法。

3.2 提取結果細節分析

分析圖2可知，NDWI法雖然可以快速且相對完整的完成水庫水體信息提取，但由于受光譜的影響，出現部分水體漏提的現象，且存在著誤提現象[13]，該方法所提取的水庫水域邊界平滑程度不強，呈現了一定鋸齒現象，且部分細小的河流也沒有完全提取出來，出現河流斷線現象；MNDWI 法是在NDWI法研究基礎上改進而新生成的，該方法對水庫水體信息提取的精度要高于NDWI法，且水庫水體信息邊界的完整化程度較高，水庫邊界的平滑程度較高，雖然也呈現出較小的鋸齒現象，但水體信息基本上符合實際地理分布。此外一些細小河流的水體信息被提取，但在一定程度上也存在著水庫水體信息誤提現象。基于RS+GIS的矢量化方法提取的水庫完整化程度最高，邊界的平滑程度也最好。但是同傳統的測量方法相比，雖然矢量化方法獲取的結果與真實值最為接近，且邊界形狀最符合水庫的水體信息狀況，但是水體在矢量化過程中會花費大量的時間，且手工跟蹤水體邊界信息時，會出現一定誤差；遙感水體指數法受地物光譜影響，存在著誤提和漏提現象，且所獲得水體信息與實際結果存在著一定的誤差，水體的邊界平滑程度相對差一些，但該方法所提取的水體信息具有較高的精度，且方法簡單快捷，對水體信息的提取速度相對較快，遠快于傳統法和矢量化法，同時水體的遙感指數法可操作性強，能夠應用于精度要求相對不是太高水體的監測與應急監測，能夠實現水體的自動化提取。

圖2 水庫水體信息提取細節對比

4 結 語

本文以磨盤山水庫為研究對象，以Landsat OLI遙感影像為主要數據源，基于遙感水體指數法和矢量化法獲取研究區的水體信息，該結果可為庫區水資源管理、應急監測和防洪減災提供一定科學依據。通過對比發現，遙感水體指數法不僅能夠快捷迅速的獲取水庫的水體信息數據，且更能體現出遙感技術在水庫面積監測、水質監測和水資源管理等方面的優勢性。此外，該方法與GIS技術相結合，可為今后準確提取水庫水域面積拓展新的技術空間，更能夠提高水庫的水資源監測和現代化的管理水平，為數字水庫建設提供技術支持。