基于雷達衛星的汛期水體變化識別與應急監測

曾海波 雷 帆 楊凱鈞 楊亮亮 胡 芳

(湖南省第二測繪院, 湖南 長沙 410004)

0 引言

每年汛期,受持續強降雨天氣影響,洞庭湖及其支流湘、資、沅、澧等四大河流水位迅速上漲,尤其是西洞庭湖、南洞庭湖等水域會出現超警戒水位情況。據統計,洞庭湖區域共計有29個堤垸、858 km堤防的水位超警戒[1-2],其洪澇災害高風險較。在洪澇災害發生時,快速地成像是進行抗洪救災的保障,目前針對汛期洪澇災害的監測主要采用無人機或常規的光學衛星影像進行應急性監測,但是由于洪澇災害監測區域受降雨影響,云層較厚,無人機無法在復雜的氣象條件下開展作業,常規的光學衛星數據難以采集到有效的數據。采用雷達衛星開展洪澇災害的監測,發揮其穿云透雨的特性：一方面,與常規光學成像相比,因在洪澇災害發生時往往伴隨多云降雨天氣,合成孔徑雷達(synthetic aperture radar,SAR)衛星不管在白天黑夜、晴天雨天均可進行全天候無障礙成像,尤其適合南方地區陰雨天氣的應急監測;另一方面,與常規無人機成像相比,無人機在強降雨天氣下無法起飛拍攝,飛控電路不允許降雨天氣飛行,其在降雨條件下拍攝鏡頭成像會有眾多雨滴遮擋造成成像質量不高,且單次作業面積較低,而SAR衛星在降雨的條件下能夠對指定區域寬幅成像,并達到廣域監測效果;與人工調繪相比，人工調繪需要耗費大量時間且無法精確繪制淹沒區范圍,作業成本較高,SAR成像能夠克服人工調繪的劣勢,對受災區域進行精準高效的觀測,為救災提供可靠數據保障[3-4]。為快速跟蹤和掌握洞庭湖區域的水體變化情況,發揮雷達衛星遙感技術手段在洪澇災害中的作用。本文以洪災風險較大的環洞庭湖(常德市、岳陽市和益陽市)為重點研究區域,利用多源雷達衛星開展水體(河流、湖泊和水庫)變化識別與監測工作,探索雷達衛星在汛期水體監測應用的技術流程與方法,為防范和評估洪澇災害提供科學依據。

1 監測區概況

本文監測范圍為洪災風險較大的環洞庭湖重點區域(常德市、岳陽市和益陽市)，該區域位于湖南省北部、長江中游南岸,面積2 625 km2,是我國第二大淡水湖,是長江中下游地區僅存的兩個自然通江湖泊之一,具有調蓄長江的重要功能。該區域以洞庭湖為中心,地勢低洼,湘、資、沅、澧四大河流匯入,并接收荊江三口分流來水,洪災風險大,洪災造成的潛在損失大[6-7]。其中洞庭湖內部邊界劃分為：東洞庭湖下游與長江連通的水體斷面為七里山;上游與南洞庭湖連通的水體斷面為漉湖—磊石山(汨羅江河口);西側與藕池河東支連通的水體斷面為團洲;東側與新墻河的水體斷面為新墻河口;南洞庭湖下游與東洞庭湖連通的水體斷面為漉湖—磊石山;與草尾河連通的水體斷面為漉湖和茅草街,與湘江連通的水體斷面為省園藝場和古塘,與資江連通的水體斷面為賽頭;與目平湖連通的水體斷面為南嘴和小河嘴;目平湖與南洞庭湖連通的水體斷面為南嘴和小河嘴;與沅江連通的水體斷面為坡頭,與澧水連通的水體斷面為四分局;七里湖位于澧水洪道中,下游以石龜山為界,上游以江灣為界;大通湖為大堤圍限的內湖,除溝渠以外,水系和外江外湖不連通, 故周邊以大堤為界。

2 數據預處理

本次監測采用的數據源(表1)主要為：意大利的宇宙地中海雷達衛星(Cosmo-SkyMed)、芬蘭的冰眼雷達衛星(ICEYE)及中國高分三號雷達衛星(GF-3)數據,分別于2020年7月14日、7月19日、7月20日、7月21日、7月23日及7月29日對洞庭湖區域進行了6次條帶拍攝,形成了監測時間序列,其中2020年7月14日監測時點采用3 m高分辨率的意大利Cosmo-Skymed (3 m)、芬蘭ICEYE(3 m)雷達數據。對以上雷達數據分別經過軌道校正、輻射定標、復數數據轉換、多視處理、影像濾波處理、轉DB影像、地形校正等過程處理。為了很好地保留SAR 圖像中的邊緣邊界類的信息,方便后續多周期的雷達影像進行套合分析,對比多種濾波方法處理效果發現,采用FROST濾波可以在減少斑點和噪聲。利用航天宏圖的雷達處理軟件(PIE-SAR)進行后處理[8-9],打開分貝化處理后的數據,目視對比雷達垂直同極化模式(VV模式)和垂直和水平交叉極化(VH模式)模式下的影像,考慮到對于平靜的水面,水的回波很弱,不管是VV同極化還是VH交叉極化,對于有一定波紋的水面,回波信號會增強,但是交叉極化主要是體散射和具有一定方向的地物產生,因此水面的交叉極化也相對于非水面地物來說更弱,因此,可以看出VH模式水體特征比較強,具體雷達數據情況及不同極化效果見圖1。

(a)VV極化

表1 雷達衛星數據源基本參數

3 基于SDWI雙極化指數的水體信息識別

雷達發射信號波束并接受回波信號,雷達圖像中的亮度代表了雷達回波強度的大小,回波強度的大小定量由雷達后向散射系數決定,通常水體具有極低的后向散射系數,處理后得到SAR圖像,在雷達圖像上呈現暗色調,故灰度值或者亮度值(digital number ,DN)是不同的,與其他地物覆蓋類型較易區分。根據此來解譯SAR圖像,獲取圖像信息。本文利用雙極化水體指數(sentinel-1dual-polarized water index,SDWI),基本原理為基于VV和VH后向散射系數,進行波段運算,以此擴大水體與其他地物間的差異,用于提取水體的指數模型如式(1)所示。

(1)

分析水體訓練樣本及整幅影像的灰度統計直方圖,對得到的SDWI 影像圖進行直方圖分析,水體直方圖呈雙峰分布,占比較大的波峰區域為背景,占比較小的波峰區域為水體。本文通過反復試驗,以提取水體準確率較大為原則,最終確定14.74作為水體與非水體閾值分割點,提取出研究區的水體范圍的[10]。具體效果見圖2。

圖2 SDWI雙極化水體指數計算結果

4 監測結果分析

4.1 水位與水域變化關系分析

從洞庭湖水位與水域變化來看,洞庭湖水域與水位呈現正增長關系(表2)。整體上看,2020年7月19日—2020年7月29日洞庭湖水位增長0.55 m,水域面積擴展23.05 km2,整體呈現較平穩增長趨勢。從洞庭湖各部分水域增長面積來看,東洞庭湖整體上水域擴展面積最大為9.01 km2,西洞庭湖擴展面積次之為7.14 km2,南洞庭湖擴展面積最小為6.90 km2。

表2 洞庭湖面積擴展情況統計表 單位：km2

從監測結果來看,受洞庭湖湖水位上升的影響,東洞庭湖區域的岳陽縣、華容縣、君山區、岳陽樓區,南洞庭湖的沅江市、湘陰縣、汨羅市,西洞庭湖的南縣水域水體范圍均有明顯擴大;另外,受澧水水位上升影響,常德市澧縣、津市、臨澧縣的水域水體面積明顯擴大;受沅水水位上升影響,漢壽縣、鼎城區、武陵區的水域水體范圍均有明顯擴大。

4.2 環洞庭湖市州受淹影響評估

為準確評估洞庭湖水域變化對洞庭湖區域的常德市、益陽市和岳陽市的影響,結合雷達提取的前、后時相水體圖層疊加對比,發現變化區域,通過濾波剔除錯判圖斑[11],得到新增水域圖層,同時,從2019年國土變更調查數據庫中抽取擴展水域的耕地、園地、房屋及道路等數據進行疊置分析與統計,獲得各地市各個用地類型易受淹風險的情況[12-15]。

4.2.1耕地受淹風險分析

根據表3可以看出,常德市的耕地受淹風險面積共計5 699 903.00 m2,其中水田4 325 970.07 m2、旱地1 373 932.93 m2主要影響耕地類型為水田,是旱地淹沒受災面積3倍之多。主要受災區域為漢壽縣龍池湖、目平湖,澧縣王家廠水庫,沅江蘆荻山鄉段水域附近耕地范圍;岳陽市的耕地受災面積共計8 597 014.03 m2,其中水田面積3 658 090.09 m2,旱地面積4 938 917.28 m2,旱地受災面積相對較多,主要受災區域為君山區君山農場、永城、濠河、岳華村等區域,湘陰縣青草湖、合興村岳陽縣老港蘆葦場水域附近耕地范圍;益陽市的耕地受災面積共計2 078 005.89 m2,其中水田1 250 020.83 m2、旱地827 978.39 m2,水田受災面積相對較多,主要受災區域為南縣啞巴渡社區、南紅等地,資陽區迎風橋水庫、車前巷村等水域附近耕地范圍。

表3 環洞庭湖市州耕地淹沒統計 單位：m2

4.2.2園地受淹風險分析

根據表4可以看出,常德市的經濟作物區園地受災面積共計184 798.15 m2,其中果園淹沒受災22 223.77 m2,其他園地淹沒受災162 569.04 m2,主要影像園地類型為其他園地,面積是果園8倍之多,主要受災區域為武陵區沅江蘆荻山鄉段,漢壽縣目平湖、焉子湖、龍池湖水域周邊園地;岳陽市的經濟作物區園地受災面積共計727 259.39 m2,其中果園淹沒受災513 568.20 m2,其他園地淹沒受災213 691.20 m2,主要影像園地類型為果園,面積是果園2倍之多,主要受災區域為君山區君山公園、永城村,湘陰縣青草湖等水域周邊園地;益陽市的主要受災區域為沅江市南嘴、赤塘村水域周邊園地,經濟作物區園地受災面積共計12 633.21 m2。

表4 環洞庭湖市州園地淹沒統計 單位：m2

4.2.3房屋受淹風險分析

對岳陽、常德、益陽三市進行房屋淹沒分析,分區統計各市下轄區縣因洞庭湖內澇導致的居民房屋淹沒情況。利用SAR影像和國土三調水系數據提取新增水域淹沒區,與地理國情監測數據中的居民建筑物圖斑進行疊置分析,提取了岳陽等三市的新增水域面積和水淹房屋圖斑。整體監測區域2020年7月監測具體情況如下：共提取水淹房屋圖斑1 174個,面積為1.29 km2。由于岳陽市毗鄰洞庭湖核心區域,其淹沒建筑面積最大,淹沒建筑面積高達1 052 776 m2,其中逾50%水淹建筑位于君山區內;益陽市水淹建筑面積較大,淹沒建筑面積為200 338 m2,其中超過60%淹沒建筑位于沅江市內;常德市水域建筑淹沒面積較前者相對較少,水淹建筑面積為38 282 m2，如圖3所示。

圖3 高精度SAR監測水淹房屋面積統計情況

4.2.4道路受淹風險分析

考慮到洪水對道路交通的影響,利用收集的道路矢量數據及洪水淹沒范圍數據可以提取出道路淹沒信息,為科學分析道路積水及其發展演變情況提供依據。監測結果可知岳陽市淹沒交通道路淹沒情況最為顯著,淹沒交通道路長度高達40.32 km,主要涉及岳陽縣、君山區、湘陰縣岳陽樓去和華容縣;益陽市和常德市水淹交通道路主要分布在益陽市南縣和常德市澧縣,淹沒道路長度分別為5.31 km、8.57 km。具體淹沒情況統計如圖4所示。

圖4 環洞庭湖市州水淹交通道路面積統計情況

5 結束語

(1)針對水體面積顯著增加的縣(市、區),尤其是農田、房屋等受災嚴重的區域及超警戒水位的堤防與河岸,加強汛期巡查與監測,考慮到強降水天氣的影響,可以充分利用雷達衛星數據,為洪澇災害監測提供強有力的數據支撐。

(2)加強與規劃對接,將水患風險較大的圍垸劃入生態保護區,并對洞庭湖區域水患災害風險較大的圍垸實施生態退耕、退林還湖,給汛期洪水留出空間,減輕洪水災害的影響。

(3)為保證監測結果更具有指導意義,應加強氣象部門、應急管理部門、水利部門和自然資源管理部門的技術交流與合作,突破行業壁壘,加強數據共享,多部門聯合,建立水患災害常態化預警監測機制。從災前預警、災中救援、到災后評估實現立體化全災情全生命周期的應急響應。

(4)環洞庭湖區域屬洪澇災害易發區,災情發生前、發生過程中、發生后都需要進行大量衛星影像、航空影像采集及處理,建議建立常態化資金保障機制,以便在突發洪澇災害時緊急調度相關資源進行保障。