高分多模衛星在洪澇災害監測中的應用

胡凱龍 劉明 劉明博 賈松霖

(應急管理部國家減災中心，北京 100124)

當前，全球氣候變暖造成極端天氣和氣候頻繁發生，由此形成的災害鏈加劇了災害損失[1-2]。受地形條件和季風氣候影響，我國是洪澇災害影響較為嚴重的國家。洪澇災害發生頻率高、影響范圍廣、破壞性大，不僅造成大量人員傷亡，還會對基礎設施和農作物帶來破壞性影響[3]。防范化解重大自然災害風險，確保人民財產安全和經濟社會持續發展的壓力持續加大。根據歷史資料及統計數據分析，近10年來我國大陸平均每年洪澇災害造成的糧食損失約200億千克，經濟損失近2000億元人民幣。因此，對洪澇災害的影響范圍進行應急監測成為自然災害監測研究領域的關注熱點。

衛星遙感技術作為20世紀末發展起來的新興學科，能夠以一種非接觸手段、快速宏觀持續地獲取被測物體的空間分布和動態發展特征[4]。目前，利用衛星遙感技術對洪澇災害監測主要集中于洪澇災害的水體識別[5]。水體相對于其他地物類型，呈現出較為均一的圖斑且無明顯的紋理特征。基于水體特有的光譜特征和空間位置關系，通過特定水體提取算法能夠去除其他地物信息的影響，從而實現水體信息的提取。現有水體提取算法主要集中于閾值法[6-7]、影像分類法[8]、面向對象分類法[9]等。文獻[6]中利用美國陸地衛星-5(Landsat-5)數據，通過對第二譜段(Band2)、第三譜段(Band3)、第四譜段(Band4)和第五譜段(Band5)的分析，得出水體特征的(Band2+Band3)>(Band4+Band5)，但是該方法在地形復雜區域不能將山體陰影和水體區分。文獻[7]中認為水體的反射率在紅光譜段明顯高于植被，在近紅外譜段低于植被，其利用歸一化植被指數對水體進行識別。文獻[8]中利用Landsat-5對三江源濕地的水體進行提取，通過比較各類水體分類方法，得到監督分類下的最大似然分類方法對水體提取效果較好。隨著遙感影像的空間分辨率提高，基于面向對象的分類方法逐漸流行，文獻[9]中利用斯波特-5(SPOT-5)衛星影像，通過構建水體知識庫對水體進行提取，并與傳統監督分類方法進行比較，發現面向對象的分類方法精度更高，并能夠抑制“椒鹽噪聲”現象。綜上，洪澇災害水體提取方法種類較多且各有優勢。

高分多模衛星工程是我國空間基礎設施重大工程的重要組成部分，衛星及其采用的中型敏捷遙感衛星公用平臺具有任務響應快、工作模式多、數據產品質量高等特點，并且能夠支持多點目標、區域拼幅、多角度觀測、非沿跡推掃等工作模式。高分多模衛星搭載的光學相機星下點全色譜段空間分辨率為0.5 m，多光譜空間分辨率為2 m，能夠為洪澇災害精細化監測提供高空間分辨率、多譜段的衛星遙感數據支撐。本文應用高分多模衛星遙感影像，并輔以高分一號03衛星影像，采用基于水體指數的決策樹分類方法對洪澇災害動態變化進行監測，從而評估高分多模衛星在洪澇災害監測中的應用能力。

1 研究區概況與數據

1.1 研究區概況

本文所研究的區域位于黑龍江省哈爾濱市依蘭縣境內的牡丹江周邊區域，地理坐標為129.25°E～130.04°E，北緯46.29°N～46.98°N，研究區域總面積為318.53平方千米，見圖1。黑龍江依蘭縣地處小興安嶺、完達山、張廣才嶺延伸地帶，地勢呈西南高，東北低，屬中溫帶大陸性季風氣候區。依蘭縣境內河網密布，有松花江、牡丹江，歷史上曾多次受洪水侵襲。2020年7月26日以來，受持續強降雨天氣影響，黑龍江省部分地區遭受暴雨襲擊，依蘭縣境內牡丹江流域水位快速上漲，河流兩岸農田受淹嚴重，居民財產受損嚴重。

圖1 研究區示意Fig.1 Overview of study area

1.2 衛星影像數據

本文研究利用高分多模衛星和高分一號03衛星影像數據對黑龍江省依蘭縣開展洪澇災害監測。高分多模衛星上搭載的全色多光譜相機星下點空間分辨率為全色譜段0.5 m，多光譜譜段2 m。高分一號03衛星搭載的全色多光譜相機星下點空間分辨率為全色譜段2 m，多光譜譜段8 m。具體參數見表1。

表1 衛星主要參數Table 1 Main satellite parameters

本文研究選取一景2020年11月6日高分多模衛星影像數據和一景2020年9月4日的高分一號03衛星影像數據，具體影像參數見表2。

表2 衛星數據獲取情況Table 2 Satellite data acquisition situation

2 研究方法

本文研究獲取試驗區高分多模衛星數據后，對數據進行幾何精校正、輻射校正和數據融合等預處理，采用歸一化水體指數、決策樹分類等水體提取方法對黑龍江依蘭縣松花江周邊區域水體進行提取，通過與高分一號03衛星數據提取的結果進行對比分析，進而對水體范圍的變化情況進行監測。最后采用目視解譯的方法對提取結果進行精度驗證。總體技術過程見圖2。

圖2 技術過程Fig.2 Technical process

2.1 遙感影像預處理

1)輻射校正

原始遙感影像的像元值一般為無量綱的灰度值，為了消除光學相機本身產生的內部誤差，需要把灰度值轉化為輻射亮度值[10]。本文研究利用中國資源衛星應用中心提供的定標參數(定標增益和定標偏差)對高分多模衛星數據和高分一號03衛星數據進行輻射定標，具體定標方法見式(1)。

L=G·N+B

(1)

式中：L為光學相機通道入瞳處輻射亮度值，W·m-2·sr-1·μm；N為遙感影像的原始灰度值；G為光學相機的增益；B為光學相機的偏置。

2)大氣校正

地物所反射的太陽光在到達衛星光學相機之前會受到大氣層的影響，最后到達光學相機里的光線除了地物本身的輻射光，還有來自大氣層的散射光[11]。這些散射光會使影像的原始像元值不能準確描述地物的實際光譜特性，從而使得水體指數計算結果產生偏差。因此，要消除散射光的影響，需要對遙感影像進行大氣校正。基于光譜立方體的快速大氣分析模塊(FLAASH)，是以輻射傳輸模型MODTRAN4建立查找表，對遙感圖像像元進行大氣校正，支持衛星的傾斜觀測和天頂觀測，同時還可以對臨近效應進行改正[12]。本文研究應用遙感圖像處理平臺ENVI軟件提供的FLAASH大氣校正模塊對高分多模衛星和高分一號03星影像進行數據大氣校正處理。在輻射校正后的2景影像上選取松花江水體覆蓋的共同區域，利用柵格影像裁切算法對2景影像的共同區域進行裁切處理，并利用Gram-Schmidt圖像融合算法[13]對裁切后的數據進行融合操作。

2.2 基于水體指數的水體識別

1)歸一化水體指數計算

不同地物在不同譜段的光譜特性具有較大差異，一般來說，水體在整個光譜區間均呈現出相對較弱的反射率，特別是在近紅外、中波紅外及短波紅外波段，水體通過大量吸收這些波段的入射能量使其反射率非常低，而建筑物、裸地、植被等其他地物在這些波段的吸收較少，反射率較高。水體指數主要利用水體與其他地物的光譜差異性，通過對特定波段進行組合、差值、比值等運算，構建一個特殊的譜段指數。該指數能夠用來加強水體區域所代表的指數值，盡可能多地抑制其他地物所代表的指數值，使得水體能夠與其他地物相互區分[14]。本文選擇歸一化水體指數(NDWI)對水體進行識別，具體計算方法見式(2)。

(2)

式中：PNDWI為對應像元的NDWI值；pGreen為綠光波段反射率；pNIR為近紅外波段反射率。

利用式(2)，分別對高分多模衛星和高分一號03衛星影像進行NDWI計算，為后續影像分類提供依據。

2)基于決策樹的水體分類

決策樹分類算法主要通過對已有特征數據進行分類和統計，獲取特定地物的特征值范圍，依據特定的算法逐層獲取各個分類節點的分類規則，從而實現特定類別的提取[15]。通過對NDWI值進行直方圖統計獲取水體分類閾值，構建如式(3)所示的分類規則，分別對高分多模衛星和高分一號03衛星的NDWI進行決策樹分類。

(3)

式中：CWater為水體像元；COther為非水體像元；PThreshold為分類閾值。

3 結果分析

3.1 輻射校正結果分析

利用ENVI軟件提供的FLAASH大氣校正模塊對高分多模衛星和高分一號03衛星影像數據進行大氣校正處理，根據其緯度分布和成像時間，黑龍江依蘭縣的大氣類型選擇為Sub-Arctic Summer，氣溶膠類型為Rural，研究區域可見度為30 km。在校正前后的影像上選擇相同的植被茂盛區域進行大氣校正前后光譜曲線對比，具體結果如圖3和圖4所示。高分一號03衛星校正后的光譜曲線在0.55 μm左右有反射峰，0.66 μm左右有吸收谷；高分多模衛星在第二譜段出現小的反射峰，第三譜段出現吸收谷。這些特性均符合植被的光譜特性，說明FLASSH大氣校正模塊能夠較好地還原植被光譜曲線，大氣校正效果較好。

圖3 高分一號03衛星數據大氣校正前后光譜曲線對比(植被區域)Fig.3 Comparison of spectral curves of GF-1C satellite data before and after atmospheric correction (vegetated area)

圖4 高分多模衛星數據大氣校正前后光譜曲線對比(植被區域)Fig.4 Comparison of spectral curves of GFDM-1 satellite data before and after atmospheric correction (vegetated area)

在不同時間范圍，通過遙感影像所獲取的光譜信息與空間信息之間容易存在較大差異，這種差異性在遙感影像上體現為時間信息。不同季節的同一水域中由于水中物質成分不一樣，水體在影像中呈現的色彩也會存在差異。對大氣校正后同一水域的高分多模衛星和高分一號03衛星的影像進行對比(見圖5)發現：由于高分一號03衛星影像的拍攝時間正處于洪澇災害發生時，牡丹江中的水體中因含有大量漂浮的泥沙而渾濁，從而造成影像中水體在標準假彩色的顯示下呈現綠色，且牡丹江兩岸的部分農田被淹沒；高分多模衛星影像的拍攝時間處于洪澇災害發生后，河流中的泥沙大多已經沉淀，水質較為清澈，從而使得影像中水體在標準假彩色的顯示下呈現深藍色，且牡丹江兩岸仍能看出洪水退去的痕跡。

圖5 高分多模衛星和高分一號03衛星輻射校正后對比Fig.5 Comparison of radiometric-corrected images between GFDM-1 and GF-1C satellites

3.2 水體識別結果分析

利用式(2)，分別對大氣校正后的高分多模衛星和高分一號03衛星影像計算NDWI指數，結果如圖6所示。可以明顯看出：洪澇災害發生時和發生后的水體區域特征較為明顯，都在局部呈現出較亮的變化，高分多模衛星影像計算出的NDWI由于處于洪澇災害發生后，水體區域要明顯小于高分一號03衛星影像。

分別對高分多模衛星和高分一號03衛星計算的NDWI指數進行統計，結果見表3。高分多模衛星的NDWI平均值為-0.19，標準差為0.24；高分一號03衛星的NDWI平均值為-0.63，標準差為0.24。圖7為NDWI直方圖，可見，直方圖在水體分布區域有較為明顯的波峰。因此，高分多模衛星水體提取閾值設置為0.62，高分一號03衛星的水體提取閾值設置為-0.1。

圖7 NDWI直方圖統計結果對比Fig.7 Comparison of statistical results for NDWI histograms

表3 NDWI計算結果統計Table 3 NDWI calculation results statistics

利用上述NDWI閾值分別建立高分多模衛星和高分一號03衛星的決策樹分類規則，把NDWI分為水體和非水體兩類，并把水體圖層輸出為矢量，具體提取結果見圖8。

圖8 水體提取結果Fig.8 Water body extraction results

為了定量評價水體提取結果的有效性，通過識別的正確率對水體提取方法進行評價，具體計算見式(4)。本文利用目視解譯的方法選擇100個樣本點，對提取結果進行精度驗證，高分多模衛星水體提取精度為85%，高分一號03衛星水體提取精度為82%。由于高分多模衛星星下點空間分辨率要高于高分一號03衛星，水體的邊界識別準確率較高，總識別精度要高于高分一號03衛星。采用分類后比較的方法，對2顆衛星水體提取結果進行比較(如表4所示)，計算得到災后洪水退去的范圍為3.42平方千米。

表4 水體提取結果統計Table 4 Water extraction results statistics

(4)

式中：ST為總體提取精度；Sreal為正確識別樣本點；Stotal為樣本點總數。

4 結束語

本文以黑龍江依蘭縣洪澇災害監測為研究案例，綜合利用高分多模衛星和高分一號03衛星數據，采用基于水體指數的水體提取方法，對洪澇災害發生后和發生時的牡丹江水體進行識別，2顆衛星的水體提取精度分別為85%和82%。由于高分多模衛星星下點空間分辨率要高于高分一號03衛星，因此水體識別精度也較高。本文研究結果表明：高分多模衛星能夠聯合其他“高分”衛星共同開展洪澇范圍動態監測，其高空間分辨率的特性能夠更加精準地識別水體范圍，為洪澇災害應急監測提供更加豐富的數據源。