基于Sentinel-1A 的2020 年鄱陽湖流域洪水災害遙感監測

王 磊，連增增

（1. 河南省有色金屬地質礦產局第一地質大隊，河南 鄭州 450000；2. 河南理工大學測繪與國土信息工程學院，河南 焦作 454000）

目前用于洪水檢測較為成熟的方法主要包括單波段法、監督分類、非監督分類、譜間關系法、水體指數等方法[1-8]，相關專家有大量研究證明其實用性[9-17]。本文基于Sentinel-1A數據在水體提取上的優越性，分別采用監督分類（SVM法）和非監督分類（IsoData法）2 種方法提取鄱陽湖洪澇前后水體變化信息，對比分析2種方法的提取精度及優缺點，為Sentinel-1數據在洪澇災害監測及災后評估方面的應用提供參考。

1 研究區概況

鄱陽湖位于江西省北部，跨越九江、南昌、上饒三市，是中國面積最大的淡水湖，也是中國第二大湖，屬于長江中下游主要支流之一。鄱陽湖南北長173 km，東西平均寬16.9 km，最寬達74 km，最窄僅有3 km，湖盆自東南向西北傾斜，湖岸線長約1 200 km，匯集眾多河流并經湖口注入長江。其水位漲落受眾多河流及長江水回灌作用共同影響，導致鄱陽湖南側交匯處的水位變化較為顯著，形成分布廣泛的灘地、沼澤和沙洲等，成為我國重要的濕地生態系統之一。在雨季來臨時鄱陽湖可有效減弱河流聚集帶來的洪峰影響，2020年入汛以來，中國南方地區發生大規模強降雨過程，造成多地發生較嚴重洪澇災害。基于此，本文以鄱陽湖區域為研究區開展洪水變化監測，研究區概況如圖1所示。

圖1 研究區概況圖

2 數據及預處理

2.1 數據介紹

根據2020年鄱陽湖流域洪水爆發的時間，本文選用2020-05-09 與2020-07-20 成像的Sentinel-1A 影像來提取鄱陽湖災前和災后的水體信息。Sentinel-1A影像來自歐空局“哥白尼計劃”地球觀測計劃哨兵系列衛星，哨兵1號包含A、B兩顆合成孔徑雷達星座，星座重訪周期最短可達6 d。由于單景影像無法完全覆蓋鄱陽湖流域，災前和災后均選取兩景同軌影像以獲取完整鄱陽湖流域的Sentinel-1A影像。本次研究所用數據詳細信息如表1所示。

表1 Sentinel-1A數據信息

2.2 數據預處理

由于原始Sentinel-1A影像存在內部噪聲、軌道信息基線誤差等問題，在提取影像信息之前需要對原始遙感影像進行預處理操作。影像預處理首先在SNAP平臺進行，將預處理完成后的結果導入ENVI 中進行水體信息提取處理。

1）軌道校正。由于Sentinel-1A 原始影像的軌道狀態數據精度較低，這里使用精密軌道文件更新Sentinel-1A 影像數據中元數據文件中的衛星軌道狀態信息，有效降低因軌道問題引起的系統性誤差。

2）熱噪聲去除。熱噪聲是SAR衛星系統自帶的噪聲，SAR主動成像特性使得獲取到的SAR影像都帶有熱噪聲，熱噪聲會影響得到雷達后向散射信號精度。

3）輻射定標。輻射定標是將接收的后向散射信號轉化為有單位的物理量，對應SAR數據的后向散射系數，由于云層的可穿透性強，只需做輻射定標操作即可，不進行大氣校正操作。

4）相干斑濾波。在進行濾波之前需先對影像進行deburst 操作，目的是去除Sentinel-1A IW SLC 影像burst帶的無信號部分，效果是將burst帶有效信號部分合并。相干斑對于SAR 分類等應用來說是存在的噪聲，但是對于SAR而言是有效信號，這里選擇使用Refined Lee 濾波器，它是一種自適應濾波器，濾波窗口可以根據區域自動調整，本次選擇濾波窗口大小7×7，處理效果較好。

5）地形校正。地形校正除了地理編碼（賦予影像實際坐標信息）外，還會做地形輻射校正，配合高精度DEM數據，降低影像地形畸變帶來的誤差影響。

6）分貝化。上述處理得到的結果是線性比例單位后向散射系數，其值通常是很小的正值，分貝化本質是一種對數變換，分貝化的雷達后向散射系數范圍近似高斯分布，數據的存儲位數變小，節省存儲空間，可視化及數據分析更方便。

7）影像鑲嵌。鑲嵌應盡可能使用同源、近乎同一時間的影像進行才可能獲得較好的鑲嵌效果。這里使用的是同一天同軌的兩幅Sentinel-1A IW SLC 影像來鑲嵌，本次研究采用普通SAR鑲嵌方式，在影像重疊區域使用加權平均值達到減弱色差的目的，同時進行歸一化處理以得到較好的鑲嵌效果，最終得到一幅覆蓋整個鄱陽湖區域的SAR影像。

8）影像裁剪。對于小研究區裁剪可以在軌道校正之前進行，可以減少后續處理的數據量，降低提取水體信息時流域以外地區對目標區域的干擾，這里使用規則裁剪方式進行裁剪，得到鄱陽湖SAR 影像如圖2 所示。

圖2 Sentinel-1A影像鑲嵌裁剪后的鄱陽湖區域

3 研究方法

3.1 監督分類法（SVM）

SVM 是一種僅需要少量訓練樣本即可達到較高分類精度的監督分類方法，目前在地物分類中得到了廣泛應用。通過引入核變換函數，SVM將輸入的樣本數據從低維轉換到高維空間，再以樣本數據之間的最大空間為目標函數，從而計算出高維空間里的最優分類超平面，該方法具有較強的魯棒性[18]。本次研究選擇115個水體輪廓清晰、大小不一、均勻分布的感興趣區，將其他地物歸為非水體作為訓練樣本進行水體信息提取。

3.2 非監督分類方法（IsoData）

非監督分類也稱為聚類分析或點群分類，適用于中低分辨率的數據，是一種在多光譜圖像中搜尋、定義其自然相似光譜集群的過程。該方法無需對影像地物獲取先驗知識，僅依靠影像上不同類地物光譜或紋理信息進行特征提取即可，通過統計特征的差別達到分類目的，最后對已分出的各個類別實際屬性進行確認。本次研究選擇IsoData 分類器，設置類別數目為5～15，迭代次數為10進行水體信息提取。最后，將分類結果合并為水體和非水體兩個類別。

4 結果與分析

通過以上2 種方法分別對災前與災后SAR 影像進行水體提取，為分析洪水災害在研究區的空間分布特征，將洪水災前水體信息與災后水體信息進行疊加分析，如圖3所示，紅色區域災后洪水淹沒區域。

圖3 基于SVM和IsoData法的洪水淹沒范圍空間識別

基于預處理后的2020-05-09 Sentinel-1A影像，隨機選取58個輪廓清晰、大小不一、均勻分布的水體驗證點作為測試樣本，使用混淆矩陣對分類結果進行評價，確定分類精度和可靠性，統計分類精度如表2所示。由表2可知，基于SVM與IsoData方法的災前水體提取精度均較高，總體精度均達到99.8%以上，Kappa 系數達到0.99以上，水體的制圖精度和用戶精度均達到99%以上。在災后水體信息提取方面，SVM精度略微高于IsoData法，SVM法的制圖精度、用戶精度和總體精度均在99%以上，Kappa 系數為0.998 2；盡管Iso-Data 法的用戶精度達到了100%，但是其制圖精度、總體精度和Kappa 系數均明顯低于SVM 法。由此表明，SVM和IsoData 2種方法在水體提取上均可達到較好的效果，但是SVM表現出更為穩定的水體信息提取能力。因此，當在實際洪水發生過程中若無法及時獲取地面驗證點時，通過非監督分類也可以達到實時洪水監測。當獲取一定的地面驗證信息時，監督分類方法可更為精確地描述洪水淹沒區域。

表2 SVM、IsoData水體提取結果精度驗證

綜上所述，為了更為精準地描述鄱陽湖洪水災害前后的變化，現僅對SVM分類結果做進一步的分析。圖4表明，鄱陽湖整體輪廓（圖4a）、鄱陽湖體附近的低洼區水產養殖用地（圖4b）和曲折的河流結構（圖4c）均得到了較好的提取。通過分析洪水變化區域的特征可以發現，湖體周圍的濕地、水田、洲灘大多被淹沒，淹沒地區主要集中在鄱陽湖的西南地區，鄱陽湖主體水面發生大面積增加，地勢相對平坦低洼的區域都有大范圍的積水，洪水淹沒情況如下：①湖泊、水庫面積增加（圖4a）；②湖體周圍低洼區域淹沒（圖4b）；③河流變寬（圖4c）。

圖4 局部洪水淹沒空間分布

采用SVM法的水體提取結果，根據Sentinel-1A影像的像元面積（5×20 m2），分別計算出鄱陽湖區域2020-05-09（災前）和2020-07-20（災后）的水體面積。表3表明，災前提取的地表水面積為3 525.344 2 km2，災后提取的地表水面積為4 958.093 9 km2。因此，災后洪水淹沒面積擴張了1 432.749 7 km2。相關資料顯示，2020年6月以來中國南方降雨不斷，受強降水和上游來水共同影響，截至7月14日鄱陽湖面積達4 403 km2。由于本文選取的研究區包含了鄱陽湖整個湖面及其周圍的相關水系，因此水體提取結果應大于鄱陽湖湖面面積。綜上所述，本文的研究結果整體上與鄱陽湖洪水發生的實際情況較為接近。

表3 鄱陽湖洪災水體面積變化

5 結 論

本研究依據Sentinel-1A 衛星SAR 雷達影像成像原理，根據水體的后向散射特性，分別基于監督分類（SVM）與非監督分類（IsoData）兩種洪水淹沒范圍快速提取方法，對2020年汛期以來鄱陽湖區域發生的特大洪水災害進行監測，主要得到以下結論：

1）Sentinel-1A 影像具有重訪周期短、覆蓋范圍大、不受云霧天氣干擾的優勢，在洪水災害監測領域具有獨特優勢。

2）基于SVM與IsoData方法進行洪水淹沒范圍快速提取均可達到90%以上的精度，但是SVM表現出更為穩定的水體信息提取能力。因此，當在實際洪水發生過程中若無法及時獲取地面驗證點時，通過非監督分類也可以達到實時洪水監測。當獲取一定的地面驗證信息時，監督分類方法可更為精確地描述洪水淹沒區域。

3）研究區洪水面積增加大約1 432 km2，受災較為為嚴重的區域位于鄱陽湖主體水面西南部及地勢相對平坦的低洼區域。利用合成孔徑雷達SAR影像能夠有效獲取地表水體變化信息，可用于洪水易發區的洪澇災害災情分析。