喀斯特山區(qū)地表水時(shí)空變化分析
——以貴陽(yáng)市為例

董 飛 張玉彪 黃登紅，2 陳春陽(yáng) 黃忠蘭 封炳丞

（1.貴州師范大學(xué)地理與環(huán)境科學(xué)學(xué)院喀斯特研究院，貴州 貴陽(yáng) 550001；2.國(guó)家喀斯特石漠化防治工程技術(shù)研究中心，貴州 貴陽(yáng) 550001）

關(guān)鍵字：地表水；支持向量機(jī)(SVM)；數(shù)字高程模型(DEM)；水體指數(shù)；喀斯特山區(qū)

0 引言

地表水是一種重要自然資源，與人類活動(dòng)和生態(tài)環(huán)境息息相關(guān)。隨著社會(huì)快速發(fā)展，生態(tài)環(huán)境不斷惡化，人類與水資源的矛盾日益突出，因此研究地表水資源變化對(duì)人類發(fā)展、水資源的保護(hù)和利用具有重要價(jià)值。通過(guò)遙感技術(shù)能夠高效快速的檢測(cè)和提取水體信息，其對(duì)水體信息的提取主要以光學(xué)影像為主，提取方法可以分為閾值法、分類器法和其他方法。閾值法包括單波段法、多波段譜間關(guān)系法、水體指數(shù)法；分類法包括決策樹法、SVM 法、面向?qū)ο蠓ǎ黄渌椒ò℅IS 技術(shù)輔 助、混 合 像 元 分 解、BP 神 經(jīng) 網(wǎng) 絡(luò) 等［1］。由Mcfeeters 構(gòu)建的NDWI［2］運(yùn)用最為普遍；徐涵秋在NDWI 指數(shù)基礎(chǔ)上構(gòu)建了改進(jìn)的歸一化差異水體指數(shù)MNDWI［3］在復(fù)雜地形下能對(duì)水體進(jìn)行提取。由Vapnik 提出的SVM 分類法是一種建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的機(jī)器學(xué)習(xí)方法［4］。眾多研究表明在樣本量較少的情況下，也能取得良好的分類結(jié)果［5］。O′Callaghan［6］和Tribe［7］利用DEM 數(shù)據(jù)提取流域水系，熊立華等［8］根據(jù)流域的數(shù)字高程模型自動(dòng)提取河網(wǎng)水系［9］總結(jié)了集水面積方法。雖然閾值法和分類法能夠快速實(shí)現(xiàn)大面積水體的提取，但是對(duì)喀斯特地區(qū)細(xì)小水體提取不夠快速有效［10］，而DEM 數(shù)據(jù)提取水體難以生成準(zhǔn)確面狀水系。因此利用遙感影像閾值法和分類法對(duì)大面積水域比較敏感，DEM 數(shù)據(jù)提取水系時(shí)對(duì)細(xì)微水體比較敏銳，利用兩者在水系獲取上的優(yōu)勢(shì)實(shí)現(xiàn)互補(bǔ)，使提取的水體信息分布與實(shí)際情況更加符合［11］。

該研究以Landsat7ETM 為數(shù)據(jù)，以貴陽(yáng)市為研究區(qū)，采用NDWI、MNDWI、SVM 三種方法提取水體，利用混淆矩陣計(jì)算各自提取精度，選取精度最高方法提取地表水，通過(guò)DEM 數(shù)據(jù)生成河網(wǎng)信息，結(jié)合兩者提取結(jié)果利用真實(shí)地面影像進(jìn)行綜合修正，研究2000—2020 年貴陽(yáng)市地表水變化特征并結(jié)合氣候與社會(huì)因素進(jìn)行分析，為貴陽(yáng)市今后人與生態(tài)環(huán)境穩(wěn)定發(fā)展，地表水資源保護(hù)與合理利用及開發(fā)提供科學(xué)依據(jù)。

1 研究區(qū)概況

貴 陽(yáng) 市（106°07′E—107°17′E，26°11′N—27°22′N）地處黔中山原丘陵中部，屬亞熱帶季風(fēng)濕潤(rùn)氣候，歷年平均氣溫為15.3 ℃。貴陽(yáng)市地表水資源主要來(lái)自雨水，多年平均降雨量為1 129.5 mm，其位于長(zhǎng)江水系與珠江水系的分水嶺地帶，市域內(nèi)10 km 以上河流有98 條，其中包括長(zhǎng)江流域90 條，珠江流域8 條。貴陽(yáng)市屬于典型喀斯特城市，受喀斯特地貌的影響，降水易流失、蒸發(fā)快。

2 數(shù)據(jù)來(lái)源及預(yù)處理

研究數(shù)據(jù)選用遙感數(shù)據(jù)和非遙感數(shù)據(jù)。遙感數(shù)據(jù)來(lái)源于美國(guó)地質(zhì)調(diào)查局官網(wǎng)（USGS，https：//earthexplorer.usgs.gov/）2000 年、2010 年、2020 年冬季時(shí)間段的Landsat7ETM 6 景影像數(shù)據(jù)，選擇影像數(shù)據(jù)云量均小于10%，分辨率為30 m，滿足研究需求。并對(duì)遙感數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、鑲嵌、裁剪等預(yù)處理。非遙感數(shù)據(jù)包括氣溫、人口密度、生產(chǎn)總值數(shù)據(jù)來(lái)源于貴陽(yáng)市《統(tǒng)計(jì)年鑒》。降雨量、蒸發(fā)量數(shù)據(jù)來(lái)源于貴陽(yáng)市《水資源公報(bào)》。徑流量數(shù)據(jù)來(lái)源國(guó)家青藏高原數(shù)據(jù)中心［12］，數(shù)字高程模型（DEM）來(lái)源于地理空間數(shù)據(jù)云（https：//www.gscloud.cn/），分辨率為30 m，并對(duì)DEM 數(shù)據(jù)進(jìn)行投影校正、拼接、裁剪等處理。

3 研究方法

3.1 基于遙感影像的地表水信息提取

3.1.1 水體指數(shù)。 ①歸一化水體指數(shù)（NDWI）。NDWI［2］基于TM 影像，利用了水體在綠光波段有較強(qiáng)反射作用，在近紅外波段有較強(qiáng)吸收作用的特征，通過(guò)差值計(jì)算來(lái)抑制植被，突出水體，從而提取水體的信息。計(jì)算公式如式（1）。

式中：GREEN為綠光波段，NIR為近紅外波段。

②改進(jìn)歸一化差異水體指數(shù)（MNDWI）。MNDWI在NDWI的基礎(chǔ)上，使用中紅外波段代替近紅外波段，使水體與城鎮(zhèn)區(qū)的反差增大，抑制高建筑物陰影從而能更精確的提取城鎮(zhèn)中的水體信息。計(jì)算公式如式（2）。

式中：GREEN為綠光波段，MIR為中紅外波段。

3.1.2 支持向量機(jī)（SVM）。SVM 圖像分類主要步驟包括樣本采集及數(shù)據(jù)標(biāo)準(zhǔn)化、核函數(shù)及參數(shù)設(shè)置、樣本集訓(xùn)練和應(yīng)用預(yù)測(cè)模型進(jìn)行圖像分類等，廣泛應(yīng)用于遙感數(shù)據(jù)處理的各個(gè)方面［13］。在運(yùn)用該方法時(shí)，精確選取100 個(gè)典型樣本，以提高分類效率和精度。

3.1.3 精度評(píng)價(jià)。基于遙感技術(shù)提取水體時(shí)利用閾值法確定水體邊界的閾值，確保提取出大部分水體的同時(shí)減少其他地物類別的誤提，保證水體分割結(jié)果的準(zhǔn)確性［14］。

精度評(píng)價(jià)是衡量遙感檢測(cè)的重要手段，通過(guò)建立混淆矩陣計(jì)算得到總體分類精度OA、Kappa 系數(shù)、錯(cuò)分誤差、漏分誤差、制圖精度、用戶精度6 個(gè)精度評(píng)價(jià)指標(biāo)［15］，對(duì)NDWI、MNDWI、SVM 三種方法的水體提取結(jié)果進(jìn)行精度評(píng)價(jià)。

3.2 基于DEM數(shù)據(jù)的地表水信息提取

根據(jù)地表物理特征和水流特征，利用DEM 數(shù)據(jù)提取研究區(qū)地表水時(shí)，對(duì)預(yù)處理后的DEM 數(shù)據(jù)進(jìn)行流向、匯計(jì)算等判斷是否存在洼地或者數(shù)據(jù)存在異常值，得到無(wú)洼地DEM 數(shù)據(jù)后確定水流方向并計(jì)算匯流量，水流長(zhǎng)度。通過(guò)不斷的實(shí)驗(yàn)并利用遙感地形圖與其他數(shù)據(jù)輔助檢驗(yàn)來(lái)確定符合研究區(qū)域地形地貌條件的匯流閾值。最后利用匯流累積矩陣生成柵格河網(wǎng)，并對(duì)柵格河網(wǎng)進(jìn)行矢量化處理。

4 結(jié)果與分析

4.1 水體信息提取

基于時(shí)間尺度，如表1 所示各時(shí)段三種水體提取方法的總體分類精度OA 均在90%以上，MNDWI指數(shù)的OA 精度最高，達(dá)到99.6%，各時(shí)段的Kappa系數(shù)由大到小依次是SVM＞MNDWI＞NDWI，且錯(cuò)分誤差中2020 年的NDWI 錯(cuò)分誤差最大，達(dá)到18.18%。在各時(shí)段的三種方法中，2010 年MNDWI的漏分誤差最大，達(dá)到22.22%，2010 年NDWI 的漏分誤差最小，值為11.11%。就各時(shí)段而言，總體上SVM 方法在提取水體時(shí)效果較好，錯(cuò)分誤差與漏分誤差均小于NDWI、MNDWI。

表1 Landsat 7 ETM水體提取精度評(píng)價(jià)表

4.2 地表水時(shí)空變化分析

根據(jù)精度評(píng)價(jià)結(jié)果使用SVM 法提取2000 年、2010 年、2020 年三期貴陽(yáng)市地表水信息，通過(guò)聚類處理去掉細(xì)小圖斑后轉(zhuǎn)為矢量數(shù)據(jù)，DEM 數(shù)據(jù)提取的河網(wǎng)信息進(jìn)行疊加整合，得到各時(shí)期貴陽(yáng)市地表水空間分布狀況，計(jì)算各年份的水體面積、面積變化百分比、面積年均變化率［16］來(lái)反映不同時(shí)段的貴陽(yáng)市地表水的時(shí)空變化趨勢(shì)。面積變化百分比與面積年均變化率公式如式（2）、式（3）。

式中：M為面積變化百分比；N為面積年均變化率；Sa為研究起始年份的面積；Sb為研究終止年份的面積；ΔT為研究起始年份與終止年份的時(shí)間差

2000—2020 年貴陽(yáng)市地表水面積統(tǒng)計(jì)情況如表2 所示，2000—2020 年貴陽(yáng)市地表水面積縮減明顯，縮減面積為42.46 km2，縮減年平均面積為2.123 km2，面積變化百分比為28%。2010—2020年地表水縮減面積最大，縮減面積達(dá)到23.96 km2，面積變化百分比為17.99%，面積年均變化率達(dá)到了1.80%。結(jié)果表明2000—2020 年以來(lái)，貴陽(yáng)市地表水面積呈現(xiàn)持續(xù)縮減的趨勢(shì)。

表2 地表水面積統(tǒng)計(jì)表

4.3 驅(qū)動(dòng)因素分析

基于2000—2020 年貴陽(yáng)市年平均降雨量、蒸發(fā)量、徑流量、氣溫、日照時(shí)數(shù)、相對(duì)濕度、人口密度、生產(chǎn)總值等數(shù)據(jù)對(duì)貴陽(yáng)市地表水面積變化驅(qū)動(dòng)因素進(jìn)行分析，利用Pearson 相關(guān)系數(shù)計(jì)算得到2000 年、2010 年、2020 年各驅(qū)動(dòng)因素與貴陽(yáng)地表水面積的相關(guān)系數(shù)，如表3。

4.3.1 降雨量、蒸發(fā)量、徑流量、氣溫的影響。2000—2020年，貴陽(yáng)市年平均降水量、蒸發(fā)量、徑流量氣溫年變化趨勢(shì)比較大，見圖1。2000—2020年，降雨量與蒸發(fā)量呈現(xiàn)負(fù)相關(guān)，與徑流量呈現(xiàn)正相關(guān)，降雨量，徑流量降低時(shí)，蒸發(fā)量增加。由表3可知降水量、徑流量和貴陽(yáng)市地表水面積的相關(guān)系數(shù)分別為-0.215、-0.242 均呈現(xiàn)負(fù)相關(guān)，降水量，徑流量是影響地表水面積的因素之一。蒸發(fā)量與貴陽(yáng)地表水面積的相關(guān)系數(shù)為-0.635，說(shuō)明蒸發(fā)量對(duì)地表水面積的影響比降水量，徑流量大。氣溫與地表水面積呈負(fù)相關(guān)，氣溫增大時(shí)，地表水面積減小。見表3 相關(guān)系數(shù)為-0.955，氣溫是影響地表水面積的一個(gè)重要因素，且影響較大。

圖1 降雨量、蒸發(fā)量、徑流量

4.3.2 人口密度、生產(chǎn)總值的影響。2000—2020 年間人口密度、生產(chǎn)總值、用水量呈現(xiàn)不同的發(fā)展趨勢(shì)，如圖2 所示，人口密度對(duì)地表水面積的影響主要反映在人口增長(zhǎng)導(dǎo)致住房量增加、產(chǎn)業(yè)發(fā)展、城市擴(kuò)張等對(duì)地表水使用量增加。2000—2020年，貴陽(yáng)市人口密度逐年上升，見表3 人口密度與地表水面積呈負(fù)相關(guān)，相關(guān)系數(shù)達(dá)到-0.997，說(shuō)明人口密度對(duì)地表水面積變化起到了決定性影響。生產(chǎn)總值與人口密度息息相關(guān)，經(jīng)濟(jì)的增長(zhǎng)帶來(lái)的各個(gè)產(chǎn)業(yè)的發(fā)展，包括工廠的大量建設(shè)，房屋的建設(shè)，道路的修建等均使用大量水資源。相關(guān)性分析中，生產(chǎn)總值與地表水面積呈負(fù)相關(guān)，相關(guān)系數(shù)為-0.968。表明近20年間，地表水面積受到的生產(chǎn)總值的影響較大。

表3 驅(qū)動(dòng)因素相關(guān)系數(shù)表

圖2 氣溫、人口密度、生產(chǎn)總值

5 結(jié)語(yǔ)

本研究以遙感影像與DEM 為數(shù)據(jù)源，選擇NDWI、MNDWI、SVM 法均能提取出貴陽(yáng)市大面積區(qū)域地表水信息，總體精度均在90%以上。針對(duì)各時(shí)段而言，SVM 法水體提取的Kappa 系數(shù)最高，效果最好。因此SVM 法提取喀斯特地區(qū)效果較理想，利用該方法獲取貴陽(yáng)市地表水信息，與DEM 數(shù)據(jù)提取的河網(wǎng)信息進(jìn)行疊加修正。結(jié)果表明2000—2020 年貴陽(yáng)市地表水面積地表水縮減42.46 km2，面積變化百分比28%。2010—2020年間地表水縮減面積最大，縮減面積達(dá)到23.96 km2，面積變化百分比為17.99%，2000—2020 年貴陽(yáng)市地表水面積呈縮減趨勢(shì)。由相關(guān)性分析得出各驅(qū)動(dòng)因素與地表水面積均呈現(xiàn)負(fù)相關(guān)，降雨量、蒸發(fā)量、徑流量是影響地表水面積的次要因素；氣溫、人口密度、生產(chǎn)總值是影響地表水面積變化的主要因素，其中人口密度與地表水面積相關(guān)性最強(qiáng)，說(shuō)明隨著人口的增加地表水面積呈現(xiàn)持續(xù)縮減的趨勢(shì)。

從氣候角度來(lái)看，貴陽(yáng)市降雨量豐富但時(shí)空分布不均衡，造成貴陽(yáng)市地表水資源的短缺，隨著氣候的變化，氣溫與蒸發(fā)量的不穩(wěn)定性導(dǎo)致地表水面積受到影響，由于貴陽(yáng)市地處我國(guó)喀斯特核心帶，巖溶地貌滲透性強(qiáng)，降雨易流失，蓄水困難，又因?yàn)橘F陽(yáng)市多為山地丘陵地勢(shì)，山高坡陡狹谷深難以建造水庫(kù)，地表水的開發(fā)利用難度較大；從社會(huì)角度來(lái)看由于近20 年間貴陽(yáng)市經(jīng)濟(jì)快速發(fā)展，隨著城鎮(zhèn)人口的上升，對(duì)地表水的需求增大。工業(yè)用水、城鎮(zhèn)居民用水、農(nóng)業(yè)用水等沒(méi)有進(jìn)行合理規(guī)劃利用，對(duì)地表水資源的浪費(fèi)使用，貴陽(yáng)市的地表水面積在氣候因素和社會(huì)因素共同作用下導(dǎo)致了地表水資源的減少，社會(huì)因素影響顯著，對(duì)地表水面積的變化影響較大。

當(dāng)前研究以貴陽(yáng)市地表水的時(shí)空變化為主，其面積變化與驅(qū)動(dòng)因素都存在一定的聯(lián)系，但相關(guān)性不顯著，研究中選取的遙感數(shù)據(jù)與方法較單一，水體提取方法應(yīng)結(jié)合研究區(qū)地形地貌進(jìn)一步分析，在今后研究中將會(huì)做更詳細(xì)的驗(yàn)證。