基于Landsat影像的巢湖面積變化分析研究

摘 要：鑒于全球氣候變化的不斷加劇和人類活動范圍的迅速擴大，湖泊面積的顯著變化已成為學者研究的焦點之一。巢湖是中國五大淡水湖之一，通過分析其面積變化，深入理解湖泊面積波動的動態機制和潛在影響因素。采用Landsat衛星影像數據，系統分析了巢湖2012—2022年的面積變化動態及相關影響因素。為實現水體的自動提取，運用ETM+和OLI兩類不同波段的Landsat衛星影像，并引入水體指數（NDWI）作為有效的水體識別工具。隨后，通過對提取的水體面積數據與氣象參數進行統計學分析，旨在探討湖泊面積變化的根本原因，并為湖泊生態環境的改善提供有效支持。

關鍵詞：Landsat影像；巢湖；面積變化；氣象因素

中圖分類號：P237 文獻標志碼：B 文章編號：2095–3305（2024）07–0-03

基于Landsat影像的巢湖面積變化分析是當前遙感技術應用研究的一個重要課題。國內外學者在這一領域開展了廣泛且深入的研究，并取得了顯著進展[1-2]。

為了進一步提高淡水湖泊面積變化監測與預測的可靠性和有效性，研究者應積極探索新技術和方法，為我國水資源管理和生態環境保護提供更為堅實的科學支持，推動全球湖泊生態系統的可持續發展[3-4]。

巢湖是安徽省中部地區重要的水源補給地，其流域面積約為8 847.12 km2，位居我國淡水湖面積的第五位。流域東南部與長江相連。該地區的氣候特征為平均溫度約為15 ℃，年降水量＞1 100 mm，人口密集，經濟發展迅速。巢湖的地理位置如圖1所示。

1 數據來源

所采用的數據為2012—2022年期間Landsat7/8巢湖湖泊面積衛星遙感影像數據。Landsat影像具備30米高空間分辨率，并可覆蓋研究所涉及的巢湖區域。此外，該數據集還提供了2012—2022年的連續監測影像，滿足了研究對時間范圍的需求。氣溫、降水數據來源于國家氣象科學數據中心的中國地面氣候資料日值數據集[5]。

2 數據處理

2.1 數據預處理

影像處理：2012—2022年的遙感影像數據被導入至ENVI5.3進行數據預處理。由于2012年的遙感影像數據屬于Landsat7，存在條紋問題，因此需要進行條紋處理。采用Landsat-gapfill工具對條紋進行修復處理[6]。

影像裁剪：優化數據管理并提高處理效率，減少大型影像數據集的體積，從而精簡所需處理的數據規模，并提升圖像的準確性與分辨率。

輻射定標：便于進行數據比較、時間序列分析以及地物信息提取，從而支持科學分析和決策制定，以提高數據的精度和準確性。

大氣校正[7]：該過程旨在消除大氣影響，以獲取地表反射率的真實圖像，從而提高遙感數據的可靠性和精度[8-14]。

2.2 巢湖的水域面積提取

（1）計算水體指數：歸一化水體指數是一種用于評估水體水質的綜合方法。該指數基于常規水體評估指標，通過對各項指標進行加權平均計算得出。其計算公式如下：

NDWI=[ρ（Green）ρ（NIR）]/[ρ（Green）ρ（NIR）]（1）

其通過綠波段ρ（Green）和近紅波段ρ（NIR）的光譜反射率進行計算。

（2）查看水體數值：NWDI的計算方法涉及2個波段的反射率差值計算，并將其歸一化至0～1之間。數值1表示水體的存在程度完全，而數值0則表示完全是陸地。

（3）利用閾值建立Roi：通過設定閾值，將像素按照其顏色特征分為不同的類別，以使得同一類別內的像素具有相似的顏色特征，而不同類別之間的像素則呈現明顯的顏色差異。閾值的選擇必須充分考慮水體的顏色特征和圖像的光照條件等諸多因素。基于預先確定的閾值，對灰度圖像進行閾值分割，依據像素的顏色數值進行分類判斷，將圖像中的像素分為水體和非水體2個類別，從而實現對水體的精確提取。

（4）水體提取：通過對提取出的水體區域進行裁剪處理，從原始圖像中獲取僅包含水體的圖像。在裁剪過程中，標記出提取出的水體，以便后續處理。隨后，根據水體的標記信息，對原始圖像進行水體裁剪操作。

（5）提取水體轉分類圖像：在此研究中，首先選取一幅包含水體的彩色遙感圖像，并將所選圖像轉換為灰度圖像，即將彩色像素值轉換為相應的灰度值，最后根據水體的分類結果，生成水體轉分類圖像，其中不同類別的像素點用不同顏色表示。

（6）編輯分類圖像：在對巢湖水域進行研究時，必須刪除除研究區域以外的水體。在處理水域數據之前，必須仔細進行數據篩選，以確保研究數據的準確性和可靠性。

2.3 制作專題圖與計算巢湖湖泊面積

經過數據處理分析得到各年份巢湖水域（圖2）。

在ArcGIS中，使用矢量文件計算巢湖湖泊面積，湖泊面積如表1所示。

2.4 統計學分析氣象數據和巢湖面積數據

通過對巢湖面積、氣溫、降水數據進行統計學分析，生成折線變化（圖3）。

2.5 氣象因素與巢湖湖泊面積變化相關性分析

基于湖泊面積變化趨勢的研究，開展了氣象因素的相關性分析，以深入探究湖泊面積與氣象因素之間的關聯性。Pearson相關系數是一種常見的統計方法，用于評估2個變量之間的線性相關性程度及方向。經過計算，發現氣溫與巢湖湖泊面積之間的Pearson相關系數為-0.499，表明兩者呈負相關關系；降水量與巢湖湖泊面積之間的Pearson相關系數為0.991，表明兩者呈正相關關系。

3 巢湖面積變化的影響

3.1 巢湖湖泊面積變化

表1和圖3數據顯示，2012—2014年，巢湖整體面積呈增大趨勢，增加了7.758 2 km2。2014—2016年，巢湖面積略有減少，縮減了0.076 5 km2。2016—2018年，巢湖面積減少幅度較大，縮減了6.642 km2。2018—2020年，巢湖面積繼續縮減，減少了0.932 4 km2。2020—2022年，巢湖面積變化較前兩年有所增加，增加了0.700 2 km2。總體而言，巢湖在過去10年內的面積變化呈先擴張、后縮減的趨勢。其中，2016—2018年的面積縮減最為顯著，2018—2020年的面積縮減最少。2014—2016年，巢湖面積的變化相較于前兩年變化不大。

3.2 氣象因素對巢湖湖泊面積變化的影響

3.2.1 氣溫對面積的影響

2012—2016年，巢湖平均氣溫變化較為穩定，整體變化不大。具體而言，2012—2014年的平均氣溫僅上升了1 ℃，而2014—2016年的平均氣溫則未發生變化。然而，2016—2022年，巢湖的平均氣溫變化顯著，呈現出明顯的上升趨勢。氣溫升高會導致高溫和強烈日照，加快巢湖水面的蒸發速度，導致水土流失加劇，從而使得巢湖水域面積減小。由于湖泊面積與水深之間存在一定的關系，因此，當水體的蒸發速率增加時，水深也會降低。通過Pearson相關系數計算得出氣溫因素與面積之間的相關性系數為-0.499，結合對氣溫的上述描述，說明氣溫因素與巢湖面積變化呈負相關。

3.2.2 降水量對面積的影響

2012—2014年，降水量增加，巢湖面積也隨之增大，表明降雨量的增加會導致湖泊水量增加，進而擴大湖泊面積。這種情況通常對湖泊生態系統具有積極影響，因為更多的水資源意味著更高的湖泊水位。然而，2014—2016年，盡管降水量增加，但巢湖面積卻略有減少，這表明大雨或暴雨可能會對湖泊面積產生負面影響。當降雨量過大時，水流可能超出湖泊的排水能力，導致湖泊面積縮小。此外，暴雨也可能破壞湖泊周圍的生態環境，對湖泊生態系統產生不利影響。2016—2020年，降水量持續下降，巢湖的湖泊面積也持續減小。通過Pearson相關系數計算得出降水量與面積之間的相關性系數為0.991，結合對降水量的上述描述，說明巢湖地區的降水量與巢湖的湖泊面積呈現出正相關關系。

4 結論

本研究所利用的Landsat影像數據具備較高的空間分辨率和良好的質量，然而，這些數據的獲取方式是通過遙感技術實現的。遙感數據對云霧等大氣干擾較為敏感，尤其是雨季可用的影像數量較少，這對提取結果的準確性產生了一定的影響。

本研究僅對氣溫、降水對湖泊面積的影響進行了宏觀層面的分析，采用了統計學方法進行了影響評估，但并未進行定性或定量分析。

本研究僅對氣溫和降水這2個氣象因素進行了考慮，而實際上，湖泊面積的變化受到諸如蒸發、風速等其他氣象因素的影響。因此，未來的研究可以考慮更多的氣象因素。此外，期望未來的研究能夠建立模型，以定性和定量的方式分析各種氣象因素和人文因素對湖泊面積變化的影響，使研究結果更加嚴謹。

參考文獻

[1] 何詩瑜.基于國產高分光學和國產高分雷達遙感的巢湖水華長時序變化監測研究[D].合肥：安徽大學，2019.

[2] 徐澤源.2000—2017年間新疆地區典型湖泊表面溫度變化過程[D].烏魯木齊：新疆大學，20201.

[3] 焦慧慧.聯合星載單光子激光與遙感影像的湖庫水位動態變化監測[D].阜新：遼寧工程技術大學，2022.

[4] 楊光源.基于HSI高光譜遙感數據的水體分布提取及泥沙含量反演研究[D].南寧：廣西師范學院，2015.

[5] 郭楊亮.多波段遙感圖像在土地利用中的應用研究[D].西安：西安科技大學，2013.

[6] 趙輝，陳振，馮超帆，等.基于Landsat影像的鄱陽湖面積監測及其與水位關系研究[J].自然資源遙感，2024，36（2）：198-206.

[7] 張克祥.MODIS監測長江中下游典型湖泊面積變化研究[D].南昌：東華理工大學，2015.

[8] 晁明燦，趙強，楊鐵利，等.基于Landsat8影像的藍藻水華提取方法對比研究[J].大氣與環境光學學報，2021，16（6）： 520-528.

[9] 劉海秋，任恒奎，牛鑫鑫，等.基于Sentinel-2遙感影像的巢湖藍藻水華提取方法研究[J].生態環境學報，2021，30（1）： 146-155.

[10] 張東彥，尹勛，佘寶，等.多源衛星遙感數據監測巢湖藍藻水華爆發研究[J].紅外與激光工程，2019，48（7）：303-314.

[11] 王東海，王心源，黃海波，等.基于Landsat TM/ETM+影像的面狀水體特征研究：以巢湖流域面狀水體為例[J].測繪與空間地理信息，2009，32（1）：44-50.

[12] 張嘉敏，何俊，高富東，等.基于Landsat8時間序列的寧夏青銅峽市農田防護林提取[J].黑龍江農業科學，2024（1）： 23-28.

[13] 孔譽霏，劉珊珊，王麗娜，等.基于Acolite模型的Landsat8衛星影像大氣校正[J].科學技術創新，2024（2）：36-43.

[14] 陳傳，黃曉園，王艷霞，等.利用樣點調查與Landsat8影像數據建立山體地表溫度與坡度的關系[J].東北林業大學學報，2024，52（1）：67-73.