基于GEE平臺的威寧草海濕地水域時空變化分析

董奎 周芳

摘 要 貴州威寧草海作為天然高原淡水湖泊，是我國亞熱帶高原濕地生態(tài)系統(tǒng)典型代表，研究其水域面積在人類活動及環(huán)境變化影響下的時空變化具有重要意義。傳統(tǒng)濕地研究大多基于某一時期單景遙感影像，無法表現(xiàn)水體隨著時間和空間變化的特性?；贕EE（Google Earth Engine）遙感大數(shù)據(jù)云平臺，利用2000—2020年Landsat系列衛(wèi)星多光譜遙感數(shù)據(jù)，采用OTSU算法對草海水域進(jìn)行提取，并對其近20年間水域時空變化進(jìn)行分析。結(jié)果表明：1）2000—2020年，草海水域面積總體呈增加趨勢，2000年為2 579.9 hm?，2020年為2 699.94 hm?，增加120.04 hm?；2）草海水域空間變化總體呈東向西再向南遷移的趨勢，累計遷移距離為387.7 m，總遷移距離為105.7 m；向西遷移發(fā)生在2000—2010年間，遷移距離為220.8 m，速度為22.08 m·a-1；向東遷移發(fā)生在2010年后，遷移距離為166.9 m，速度為16.69 m·a-1。

關(guān)鍵詞 GEE平臺；Landsat；水體遙感提取；時空變化；威寧草海濕地

中圖分類號：S17 文獻(xiàn)標(biāo)志碼：A DOI：10.19415/j.cnki.1673-890x.2023.09.017

濕地被譽(yù)為“地球之腎”和“天然水庫”，與森林、海洋并稱全球三大生態(tài)系統(tǒng)，在保持水土、抵御洪水、控制污染、調(diào)節(jié)氣候、維護(hù)生物多樣性等方面起著重要作用。經(jīng)濟(jì)社會發(fā)展和人類活動在不同程度上對濕地產(chǎn)生干擾，對區(qū)域生態(tài)安全構(gòu)成一定的威脅[1]。研究水體地表信息及其變化趨勢，深入分析其原因，對恢復(fù)和保護(hù)濕地生態(tài)系統(tǒng)具有重要意義。近年來，遙感技術(shù)已成為快速準(zhǔn)確獲取地表水體信息的重要手段，利用遙感影像提取地表水體信息的常用方法大致可分為3類，即基于波段組合的水體提取方法、基于機(jī)器學(xué)習(xí)的水體提取方法和面向?qū)ο蟮乃w提取方法[2]。自Landsat、Sentinel等系列衛(wèi)星發(fā)射以來，越來越多的學(xué)者開始嘗試用遙感影像作為數(shù)據(jù)源開展水體提取研究，制作出更精細(xì)化的水體產(chǎn)品，采用的方法也是多種多樣，如MNDWI水體指數(shù)法[3]、面向?qū)ο蠓椒╗4]、SVM機(jī)器學(xué)習(xí)算法[5]、MNDWI和AWEI水體指數(shù)法[6]、基于規(guī)則的超像元方法（RBSP）[7]等。為分析草海水域時空變化特征，本研究基于GEE遙感大數(shù)據(jù)技術(shù)方法，利用Landsat系列遙感影像數(shù)據(jù)，采用OTSU水體提取算法，提取草海濕地水體數(shù)據(jù)，分析其時空變化特征，為草海濕地區(qū)域保護(hù)提供參考。

1 ?材料與方法

1.1 ?研究區(qū)概況

威寧草海濕地位于貴州省威寧彝族回族苗族自治縣縣城西南側(cè)（東經(jīng) 104°10′16″～104°20′46″，北緯26°47′32″～26°52′52″），是我國為數(shù)不多的亞熱帶高原濕地生態(tài)系統(tǒng)，濕地最大水深5.0 m，平均水深2.4 m，是由水域、沼澤、草甸及豐富的水生動植物和較高生產(chǎn)力的水生生物群落組成的一個完整的高原濕地生態(tài)系統(tǒng)，該濕地是黑頸鶴等228種鳥類的重要越冬地及遷徙中轉(zhuǎn)站，有“高原明珠”“鳥類王國”等美譽(yù)，1992年被國務(wù)院批準(zhǔn)為國家級自然保護(hù)區(qū)，具有日照豐富、冬暖夏涼、冬干夏濕等獨(dú)特的高原氣候特征[8-10]。草海屬長江水系，是其支流金沙江上源湖泊，牛欄江、橫江、烏江支流六沖河、三岔河，以及北盤江，從不同方向溯源侵蝕，并呈輻射狀外流[11]。作為一個完整、典型的高原喀斯特濕地生態(tài)系統(tǒng)，草海以其獨(dú)特的氣候和生態(tài)環(huán)境為我國特有的黑頸鶴等珍稀鳥類及其他候鳥提供了重要的越冬地和遷徙中轉(zhuǎn)站。由于草海保護(hù)區(qū)緊鄰?fù)幙h城，隨著經(jīng)濟(jì)社會的不斷發(fā)展及周邊城鎮(zhèn)化水平的不斷提高，人地矛盾、珍稀物種保護(hù)與人類社會發(fā)展的矛盾，以及草海濕地及其周邊生態(tài)安全問題較為突出[12]。

近年來，隨著工業(yè)發(fā)展、人口膨脹﹑城鎮(zhèn)建設(shè)等給草海的可持續(xù)發(fā)展帶來了不可回避的諸多問題，如環(huán)境污染、生態(tài)破壞等，而這些問題也在逐漸引起更多學(xué)者的關(guān)注。對貴州威寧草海水域時空變化特征開展研究，將對更好地認(rèn)識和保護(hù)草海生態(tài)環(huán)境起著積極的作用，為后期對草海保護(hù)區(qū)的深入研究奠定基礎(chǔ)。

為揭示典型喀斯特高原濕地區(qū)域景觀生態(tài)安全狀況對土地利用變化的響應(yīng)，研究人員以1995、2005、2015年遙感影像數(shù)據(jù)為基礎(chǔ)，構(gòu)建基于景觀尺度的生態(tài)安全評價模型，對草海20年間景觀格局及景觀生態(tài)安全演化進(jìn)行分析，結(jié)果表明，20年間草海流域林地和草地景觀破碎化程度加深較為明顯，水域景觀類型面積持續(xù)增加，景觀的破碎化程度持續(xù)下降，耕地、建設(shè)用地景觀類型面積總體都有所增加，同時，草海流域內(nèi)景觀生態(tài)安全高等級生態(tài)安全區(qū)域主要分布在東北部和西南部山區(qū)，中低和低等級生態(tài)安全區(qū)主要集中在草海湖區(qū)周邊，中高和中等級生態(tài)安全區(qū)主要分布在以耕地為主的中部地區(qū)[13]。

本文以威寧草海自然保護(hù)區(qū)為研究區(qū)，包括草海鎮(zhèn)、小海鎮(zhèn)和雙龍鄉(xiāng)，研究區(qū)位置如圖1所示。

1.2 ?數(shù)據(jù)及其來源

GEE是由Google提供的基于云計算的全球尺度地理空間分析平臺，其存儲的大量公開的地理空間數(shù)據(jù)集能夠省去影像下載的時間，而其強(qiáng)大的計算力則能批量處理較大規(guī)模的數(shù)據(jù)，為較大時空尺度的研究提供便捷。出于對數(shù)據(jù)可獲得性和逐年監(jiān)測的需求，本研究選用30 m空間分辨率的美國陸地資源衛(wèi)星Landsat 4、5、7、8系列衛(wèi)星多光譜數(shù)據(jù)作為遙感影像數(shù)據(jù)源，所有數(shù)據(jù)均來自Earth Engine Data Catalog。

由于試驗(yàn)成本限制，本研究選用國家基礎(chǔ)地理信息中心發(fā)布的GlobeLand30 m空間分辨率全球地表覆蓋數(shù)據(jù)（2000版、2010版、2020版）作為參考數(shù)據(jù)進(jìn)行水域提取結(jié)果精度驗(yàn)證，該數(shù)據(jù)集產(chǎn)品的研制所使用的分類影像主要是30 m多光譜影像，包括美國陸地資源衛(wèi)星（Landsat）的TM5、ETM+、OLI多光譜影像和中國環(huán)境減災(zāi)衛(wèi)星（HJ-1）多光譜影像，2020版數(shù)據(jù)還使用了16 m分辨率高分一號（GF-1）多光譜影像。數(shù)據(jù)來源為國家基礎(chǔ)地理信息中心（http：//www.globallandcover.com/）[14]，研究區(qū)數(shù)據(jù)分幅號為：N48_25。

1.3 ?研究方法

已有研究中，基于遙感數(shù)據(jù)的水體信息提取方法主要包括灰度閾值分割法、濾波法、機(jī)器學(xué)習(xí)法和結(jié)合輔助信息的提取方法等[15-17]。圖像分割是圖像處理的關(guān)鍵問題，目前圖像分割方法主要分為3類：閾值分割法、邊緣檢測法和區(qū)域分割法[18]。利用傳統(tǒng)圖像形態(tài)學(xué)算法，構(gòu)造出一種新的海冰邊緣檢測算法，提高拍攝圖像中單個海冰識別效率，將云模型與區(qū)域分割方法相結(jié)合，準(zhǔn)確地將目標(biāo)分開，實(shí)現(xiàn)基于區(qū)域的不確定性圖像分割[19]；盧鵬等通過閾值分割法中的OTSU（大津法）方法，基于目標(biāo)和背景差別最大的思想來確定冰水分界線，成功從圖像中提取海冰密集度[20]。

大津法（OTSU）由日本學(xué)者大津于1979年提出，又稱為最大類間方差法[21-22]，是一種確定圖像二值化分割閾值的算法。該方法所選閾值應(yīng)滿足類間方差最大、類內(nèi)方差最小的準(zhǔn)則[23]。OTSU算法是借助最小二乘法原理在直方圖技術(shù)上推導(dǎo)出來的，具有簡單、速度快等特點(diǎn)[21]，是一種常用的閾值選取方法，適合于物體目標(biāo)與背景灰度差明顯的情況。該算法以灰度分布均勻性的度量單位為方差，方差值越大，說明構(gòu)成圖像的兩部分差別越大[24]。

Google Earth Engine（GEE）是一個專門處理衛(wèi)星圖像和其他地球觀測數(shù)據(jù)云端運(yùn)算平臺。該平臺由Google與卡內(nèi)基梅隆大學(xué)和美國地質(zhì)調(diào)查局共同開發(fā)，平臺能夠存取衛(wèi)星圖像和其他地球觀測數(shù)據(jù)庫中的資料，并有足夠的運(yùn)算能力對這些數(shù)據(jù)進(jìn)行處理。通過在GEE平臺中編寫代碼，可以自動獲取影像數(shù)據(jù)并得到經(jīng)過水體指數(shù)計算的每景灰度圖像的閾值，并利用相關(guān)算法對其進(jìn)行二值化分割。

本文利用GEE平臺處理遙感數(shù)據(jù)并進(jìn)行分析，主要流程為：1）在平臺云數(shù)據(jù)庫中引入Landsat4、5 、7、8影像，時間范圍為2000—2020年，數(shù)據(jù)空間為研究區(qū)范圍；2）通過去云函數(shù)對影像進(jìn)行去云處理；3）計算歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）、增強(qiáng)植被指數(shù)（Enhanced Vegetation Index，EVI）及改進(jìn)型水指數(shù)（Normalized Difference Water Index，mNDWI）；4）通過OTSU法進(jìn)行水體提取，生成二值化柵格結(jié)果。所有過程均在GEE平臺中編程實(shí)現(xiàn)，提取結(jié)果通過ENVI及ArcGIS軟件進(jìn)行柵格、矢量轉(zhuǎn)換和統(tǒng)計分析。

2 ?結(jié)果與分析

2.1 ?提取結(jié)果及精度評價

2.1.1 ?水體提取結(jié)果

圖2表示2000年、2010年、2020年3期草海水體提取結(jié)果的空間位置，底圖為Google Earth影像，由圖可見本文水域提取方法可行。通過初步目視比對提取結(jié)果，由于影像質(zhì)量（影像存在條帶等）原因，2005年、2008年、2012年、2015年、2017年等5年提取結(jié)果明顯存在異常，故不納入本次統(tǒng)計分析。依次統(tǒng)計各期水域的面積（見圖3），可以看出，研究區(qū)內(nèi)水域面積大部分時間保持在2 100～2 600 hm2，總體來說，草海水域面積呈增加趨勢，其中2013年面積最小，為2 061.72 hm2，2018年面積最大，為2 752.36 hm2。

2.1.2 ?精度評價

本文采用GlobeLand30數(shù)據(jù)進(jìn)行精度評價。利用ArcGIS軟件（Raster to Point），將GlobeLand30柵格數(shù)據(jù)轉(zhuǎn)為點(diǎn)要素，后將水體提取結(jié)果柵格值提取到參考柵格點(diǎn)要素（Extract Values to Points），再利用Excel進(jìn)行統(tǒng)計及精度混淆矩陣表制作，得出精度評價結(jié)果（表1），并統(tǒng)計各期精度（表2）?？傮w精度表示所有正確分類的水體類別的檢驗(yàn)點(diǎn)數(shù)所占總參考的檢核點(diǎn)數(shù)的百分比，用戶精度表示提取結(jié)果中樣本點(diǎn)的類別與參考類別相同的條件概率，生產(chǎn)者精度表示參考數(shù)據(jù)中參考點(diǎn)類別與提取結(jié)果中對應(yīng)點(diǎn)類別相一致的條件概率，Kappa系數(shù)是1960年由Cohen首先提出的一種應(yīng)用于遙感影像分類結(jié)果評價的一致性檢驗(yàn)方法，一般而言，Kappa值介于0～1之間，Kappa值越大表示分類精度越高。

由表2可看出，本研究提取的3期（2000年、2010年、2020年）水體總體精度都在90%以上，且Kappa系數(shù)較高，表明本研究方法能有效地提取草海水域。

2.2 ?水域時空變化分析

2.2.1 ?水域地理中心變化

利用ArcGIS軟件（Feature To Point）逐年計算水體區(qū)域（草海主要水域區(qū)）的地理中心，并統(tǒng)計水域中心點(diǎn)位移情況，結(jié)果如圖4和表3所示。

從地理中心遷移軌跡（圖4）來看，2000—2020年間，草海主水體區(qū)域地理中心經(jīng)歷了“西北-東南”遷移過程，總體上呈現(xiàn)由東向西再向南遷移的趨勢，累計遷移距離為387.7 m，總遷移距離為105.7 m。從各個遷移方向上看，向西遷移發(fā)生在2000—2010年間，遷移距離為220.8 m，速度為22.08 m·a-1，此10年間，水域中心同時北移。向東遷移發(fā)生在2010年后，遷移距離為166.9 m，速度為16.69 m·a-1，此10年間，水域中心同時南移。另外，南北方向遷移的跨度距離小于東西方向的遷移跨度，表明水域南北方向變化小于東西方向變化。

2.2.2 ?水域面積空間變化及原因分析

研究發(fā)現(xiàn)，20年間，威寧草海水域基本保持增加態(tài)勢。任金銅等人研究了1995、2005、2015年草海土地利用變化趨勢，發(fā)現(xiàn)了草海水域景觀類型面積持續(xù)增加，景觀的破碎化程度持續(xù)下降，并分析其原因可能為草海國家級自然保護(hù)區(qū)建立之后，對濕地資源保護(hù)力度加大，從而草海湖區(qū)面積持續(xù)增加，濕地得以較好地保護(hù)和恢復(fù)；同時提出建議，隨著經(jīng)濟(jì)社會發(fā)展及城鎮(zhèn)化進(jìn)程的加劇，草海保護(hù)區(qū)總體景觀生態(tài)安全令人擔(dān)憂，生態(tài)安全有進(jìn)一步惡化趨勢，需引起有關(guān)部門注意及時調(diào)整土地利用策略[13]。

由圖5看出，2000—2020年間，草海主水域區(qū)形狀存在不同程度的差異，這可能與影像成像時間及影像質(zhì)量有關(guān)。2018年之后，主水域空間位置變化趨勢平穩(wěn)，這與近年來草海生態(tài)保護(hù)力度加大有關(guān)。

3 ?結(jié)論與討論

本研究結(jié)合GEE遙感云計算平臺和GIS技術(shù)，選用2000—2020年間Landsat系列衛(wèi)星影像，通過OTSU算法提取水體邊界，實(shí)現(xiàn)了貴州威寧草海的水域提取和面積估算，并對水體區(qū)域的變化情況展開了分析，為威寧草海濕地的管理與保護(hù)提供了技術(shù)參考。

1）本研究使用Landsat系列衛(wèi)星影像作為數(shù)據(jù)源，在保證影像質(zhì)量的同時滿足了較長時序監(jiān)測的需要，使用大津法（OTSU）提取了影像的水域邊界線，通過ENVI軟件將提取結(jié)果轉(zhuǎn)換為矢量數(shù)據(jù)，得出2000—2020年草海水域矢量數(shù)據(jù)。

2）本研究大部分影像數(shù)據(jù)處理工作在GEE遙感云計算平臺完成，自動化程度高，對數(shù)據(jù)量較大的時序監(jiān)測研究非常友好，通過ArcGIS空間數(shù)據(jù)處理工具，計算水域地理中心位置，定量反映草海水域中心遷移趨勢。

3）本研究發(fā)現(xiàn)威寧草海水域面積基本保持在2 100～2 600 hm2，2013年面積最小，為2 061.72 hm2，2018年面積最大，為2 752.36 hm2。草海水域空間變化趨勢是由東向西再向南遷移的趨勢，累計遷移距離為387.7 m，總遷移距離為105.7 m；西移發(fā)生在2000—2010年，距離分別為220.8 m，速度為22.08 m·a-1；東移發(fā)生在2010年后，遷移距離為166.9 m，速度為16.69 m·a-1。

4）結(jié)合已有研究，本研究同樣認(rèn)為草海水域面積總體增加的原因是各級對濕地區(qū)域保護(hù)力度加大，生態(tài)環(huán)境變好。隨著國家對生態(tài)環(huán)境特別是濕地資源保護(hù)政策相繼出臺和保護(hù)力度加大，草海濕地將保持穩(wěn)定向好的發(fā)展態(tài)勢。

由于本研究使用的遙感影像存在“云量”“條帶”等因素制約，加上本次研究未開展實(shí)地驗(yàn)證，水體提取結(jié)果與實(shí)際情況可能存在偏差。在下一步的研究中可結(jié)合Sentinel、國產(chǎn)GF等系列衛(wèi)星數(shù)據(jù)，開展多源數(shù)據(jù)監(jiān)測分析，同時，研究改進(jìn)提取算法及結(jié)果精度驗(yàn)證方法，開展星地數(shù)據(jù)匹配，從而實(shí)現(xiàn)更高精度的水域提取和變化監(jiān)測。

參考文獻(xiàn)：

[1] ? 毛夢祺.區(qū)域土地景觀生態(tài)安全評價與格局優(yōu)化研究[D].徐州：中國礦業(yè)大學(xué)， 2016.

[2] ? LIU Y C， GAO Y N. Surface water extraction in Yangtze River Basin based on sentinel time series image[J]. National Remote Sensing Bulletin， 2022， 26（2）：358-372.

[3] ? DU Y， ZHANG Y H， LING F， et al. Water bodies mapping from Sentinel-2 imagery with modified normalized difference water index at 10-m spatial resolution produced by sharpening the SWIR band[J]. Remote Sensing， 2016， 8（4）：1-19.

[4] ? KAPLAN G， AVDAN U. Object-based water body extraction model using Sentinel-2 satellite imagery[J]. European Journal of Remote Sensing， 2017，50（1）：137-143.

[5] ? WANG Z F， LIU J G， LI J B， et al. Multi-spectral water index （MuWI）： a native 10-m multi-spectral water index for accurate water mapping on Sentinel-2[J]. Remote Sensing， 2018，10（10）：1643.

[6] ? YANG X C， QIN Q M， GRUSSENMEYER P， et al. Urban surface water body detection with suppressed built-up noise based on water indices from Sentinel-2 MSI imagery[J]. Remote Sensing of Environment， 2018， 219： 259-270.

[7] ? YANG X C， QIN Q M， Y?SOU H， et al. Monthly estimation of the surface water extent in France at a 10-m resolution using Sentinel-2 data[J]. Remote Sensing of Environment， 2020， 244： 111803.

[8] ? 齊建文，李礦明，黎育成，等.貴州草海濕地現(xiàn)狀與生態(tài)恢復(fù)對策[J].中南林業(yè)調(diào)查規(guī)劃，2012（2）：39-40.

[9] ? 夏品華，薛飛，孔祥亮，等.貴州草海濕地農(nóng)田渠系水質(zhì)空間分異特征及影響分析[J].環(huán)境化學(xué)，2012（8）：1201-1207.

[10] 周晨.草海濕地水質(zhì)富營養(yǎng)化與生物多樣性風(fēng)險預(yù)警研究[D].貴陽：貴州大學(xué)，2016.

[11] 高悅.貴州威寧草海地區(qū)早更新世晚期湖相地層ESR定年及環(huán)境意義[D].上海：華東師范大學(xué)，2015.

[12] 莫世江，任金銅.威寧草海濕地區(qū)域生態(tài)服務(wù)功能價值評估[J].安徽農(nóng)業(yè)科學(xué)，2013，41（19）：8263-8264，8267.

[13] 任金銅，楊可明，陳群利，等.貴州草海濕地區(qū)域土地利用景觀生態(tài)安全評價[J].環(huán)境科學(xué)與技術(shù)，2018，41（5）：158-165.

[14] CHEN J， BAN Y， LI S. China： Open access to Earth land-cover map[J]. Nature， 2014， 514（7523）：434-434.

[15] 李丹，吳保生，陳博偉，等.基于衛(wèi)星遙感的水體信息提取研究進(jìn)展與展望[J].清華大學(xué)學(xué)報（自然科學(xué)版），2020，60（2）：147-161.

[16] SUN W W， DU B， XIONG S L. Quantifying sub-pixel surface water coverage in urban environments using low-albedo fraction from landsat imagery[J]. Remote Sensing， 2017，9（5）：428.

[17] SOHN H G， SONG Y S， KIM G H. Detecting water area during flood event from SAR image[A]. International Conference on Computational Science and Its Applications[C]. Berlin， Heidelberg： Springer， 2005： 771-780.

[18] 盧鵬.基于圖像分析的海冰幾何參數(shù)和拖曳系數(shù)參數(shù)化研究[D].大連：大連理工大學(xué)，2007.

[19] 許凱，秦昆，黃伯和，等.基于云模型的圖像區(qū)域分割方法[J].中國圖象圖形學(xué)報，2010，15（5）：757-763.

[20] 盧鵬，李志軍，董西路，等.基于遙感影像的北極海冰厚度和密集度分析方法[J].極地研究，2004，16（4）：317-323.

[21] OTSU N. Threshold selection method from Gray-Level histograms[J]. IEEE Transactions on Systems， Man and Cybernetics，1979，9（1）：62-66.

[22] 孫亞勇，黃詩峰，李紀(jì)人，等. Sentinel-1A SAR數(shù)據(jù)在緬甸伊洛瓦底江下游區(qū)洪水監(jiān)測中的應(yīng)用[J].遙感技術(shù)與應(yīng)用，2017，32（2）：282-288.

[23] XIN S，WANG X，YAN X， et al. Numerical simulation and verifications on thermal stratification in a stratified reservoir[J]. Journal of Lake Sciences， 2015， 27（2）： 319-326.

[24] 殷蘇民，朱錦萍，王祖聲，等.基于頂帽變換和最大類間方差法的圖像分割方法研究[J].科學(xué)技術(shù)與工程，2014，14（7）：60-64.

（責(zé)任編輯：易 ?婧）