高分辨率衛星遙感技術在水庫庫區監管中的應用

文|鄭琎琎 徐強 李治 喬志遠

1.中國資源衛星應用中心 2.水利部小浪底水利樞紐管理中心 3.中國四維測繪技術有限公司

表1 高景一號衛星星座載荷技術參數

三、高分衛星遙感技術庫區監管應用

1.庫區高分辨率遙感影像底圖制作

高分辨率遙感影像底圖為開展庫區“清四亂”“清網箱”監測和信息提取提供了關鍵本底影像數據。制作庫區高分辨率影像底圖包括衛星成像編排、數據獲取與篩選、正射校正與鑲嵌處理等主要步驟。小浪底水庫夾在兩山之間，呈東西狹長走勢，東西跨度約110km，高景星座的4 星聯合組網拍攝與敏捷成像能力為實現研究區范圍一月一次的全覆蓋采集提供了保障。對采集到的數據首先進行質量檢查和篩選，并控制庫區整體云量低于10%。由于高分辨率衛星遙感影像底圖的平面位置精度直接影響到后續信息提取圖斑定位的準確性以及多期影像之間的套合，采用外業測繪的方式獲取平面和高控制點進行正射校正，制作庫區每月一期的高分辨率正射影像底圖，如圖1 所示。

圖1 庫區月度0.5m 分辨率正射影像底圖

2.水位淹沒線動態監測

水位是水庫日常管理中的重要監測數據，對庫區水位淹沒線進行月度動態監測，有助于了解水庫水位在一定時間范圍內的變化情況，并有效支持庫區水域和岸線的日常巡查，從而對水庫水資源進行有效管理。由于小浪底水庫范圍較大，0.5m 高分辨率遙感衛星難以用一景影像或者同一時間成像條件下的多景影像進行覆蓋，以及庫區內不同斷面河流流速差異較大，使得不同斷面攜帶泥沙量差異較大，從而導致庫區內水體的影像光譜信息差異較大，致使全局訓練的分類模型或者選擇的閾值分割方法難以獲取高精度的水位淹沒線提取結果。針對此問題，研究了一種分區范式的對象級特征聯合水位淹沒線自動提取方法，通過構建影像分區，建立各自分區的支持向量機（SVM）機器學習模型，解決由于影像成像差異帶來的提取精度低的問題。首先根據水庫區域的遙感影像重疊區差異度最小原則生成數據鑲嵌線，構建鑲嵌影像分區；在基于重采樣后的數字高程模型、遙感鑲嵌影像、歸一化水體指數和歸一化植被指數構建聯合特征數據集合，并通過影像分割獲取特征集對象；最后人工采集少量水體和非水體樣本，獨立訓練每個影像分區的SVM機器學習模型，并對相應分區內的影像進行水體提取，獲取水位淹沒線提取結果。應用此方法提取了2019 年至今的月度水庫水位淹沒線，為庫區管理和巡查提供了支撐。圖2 是庫區水位淹沒線2020 年月度動態監測專題圖。

圖2 庫區水位淹沒線2020 年月度動態監測專題圖

3.遙感監測圖斑提取與分析

根據水利部明確全國河湖“清四亂”專項行動問題認定及清理整治標準的通知[3]，結合庫區“清網箱”監管需求，為便于遙感影像監測圖斑統計分析、實地核查和復查，基于0.5m 分辨率遙感影像進行特征分析，建立了庫區水域和岸線的“清四亂”“清網箱”圖斑分類體系和解譯標志。

水庫岸線遙感監測圖斑分為亂建、亂推、亂采、亂占4 大類，其中亂建包括新增建設、建設加建、建設拆除3 類，分別表示房屋、道路等人工建筑物、構筑物的新建、持續建設和拆除狀態；亂堆包括新增堆放、堆放擴大、堆放減少3 類，分別表示棄土、棄渣、固定廢棄物等新增傾倒、堆放區域持續擴大、堆放清理的狀態；亂采包括新增開采、開采增加和開采減少3 類，分別表示新增的采砂、取土等，以及開采的持續進行和開采逐步修復的狀態；亂占包括新增圍墾、圍墾擴大、圍墾拆除、新增魚塘、魚塘擴建、魚塘拆除6 類，分別表示農作物種植、農業大棚、養殖魚塘等的圍墾新建、擴大圍墾和建設范圍、恢復與拆除的狀態。圖3 為基于前后時相0.5m分辨率影像建立的水庫岸線“清四亂”遙感監測圖斑解譯標志。

圖3 水庫岸線“清四亂”圖斑解譯標志（每組左圖為前時相，右圖為后時相）

水庫水域“清網箱”圖斑分類體系分為抬網、筏釣平臺、迷魂陣和攔河網4 類。抬網包括小型抬網和大型抬網，形狀為“口”字形或“田”字形，一般用竹竿、木棍、鋼管連接，每側有浮筒或塊狀泡沫塑料，分布在河道岸邊和溝岔內；筏釣平臺形狀以“口”字為主，部分為“田”字形，有鐵皮（藍頂或紅頂）房屋，周圍分布有框架，一般分布在溝岔內；迷魂陣呈傘狀或蘑菇形狀，用粗繩、小型浮漂串聯，一般在岸邊；攔河網呈長條狀，有兩片攔河網攔在河中，一般從河的兩岸下網。圖4 為水庫水域“清網箱”圖斑解譯標志。

圖4 水庫水域“清網箱”圖斑解譯標志

基于庫區每月一期高分辨率遙感影像底圖數

圖6 庫區衛星遙感監察系統及其應用

四、結語與展望

高分辨率遙感衛星正射影像底圖及在其基礎上提取的庫區監測圖斑、水位淹沒線可為水庫巡查、詳查、核查和整改復查提供月度完整的遙感影像本底數據、疑似線索的類型、位置、面積以及與周邊環境關系情況信息；開發庫區遙感監察系統可有效整合地理信息基礎數據、遙感監測數據、水庫監察業務數據等，為加強庫區監管提供了重要的信息支持和技術手段。目前庫區遙感監測圖斑線索主要采用人工識別的方式提取，存在效率不高、人工判讀差異較大的問題。針對此問題，未來可利用人工智能識別技術，建立庫區“清四亂”“清網箱”樣本庫，研究和實現庫區遙感監測圖斑的自動化提取，以提高效率，減少人工。