基于Landsat和HJ卫星影像的红碱淖面积变化趋势分析

刘 英，吴 立 新，岳 辉

(1.西安科技大学测绘科学与技术学院，陕西 西安 710054;2.中国矿业大学环境与测绘学院， 江苏 徐州 221116)



基于Landsat和HJ卫星影像的红碱淖面积变化趋势分析

刘 英1，吴 立 新2，岳 辉1

(1.西安科技大学测绘科学与技术学院，陕西 西安 710054;2.中国矿业大学环境与测绘学院， 江苏 徐州 221116)

为获取较精确的水体面积数据，基于近红外和红光波段反射率数据，在土壤湿度监测指数(Soil Moisture Monitoring Index, SMMI)基础上，构建一种水体提取方法——尺度化SMMI(Scaled SMMI, 即S-SMMI)，将红光波段纳入水体提取中，扩展了水体提取的波段范围，丰富了水体提取方法。基于1988-2014年Landsat和HJ卫星影像，利用S-SMMI提取红碱淖湖区面积并结合降雨量数据对其26年来变化趋势进行分析。结果表明：在研究区降雨量没有明显减少的情况下，红碱淖湖区面积不断萎缩，由1988年9月24日的49.92 km2减至2013年9月13日的31.92 km2，减少了36.06%；湖区面积总体变化趋势可分为两个阶段：1988-1999年湖区面积有增有减，但总体变化不大；从1999年开始，湖区面积呈线性递减趋势；总体上，红碱淖湖区面积平均萎缩速度为0.87 km2/a。

尺度化SMMI；NIR-Red光谱特征空间；水体提取；红碱淖

内陆湖泊是一种重要的陆地资源,对当地生态系统平衡和人类生产生活产生了重要影响[1]。相关研究指出,由于气候变化和人类活动的影响，中国北方地区部分湖泊面积急剧缩小甚至消失[2]。对内陆湖泊的时空分布及演变过程进行监测具有重要意义。遥感因其快速、大面积、实时等特点成为国内外地表水体监测研究的重点。遥感提取地表水体面积的方法有分类法、混合像元线性分解法、单波段法、多波段水体提取指数法等[1,3,4]，其中多波段水体提取指数法应用最为广泛。归一化差异水体指数(NDWI)[5]和修正型NDWI(MNDWI)[6]是典型的多波段水体提取指数法，被广泛用于水体提取、地表水体制图、生态评估、土地覆盖变化分析等方面。多波段水体提取指数法主要涉及蓝光(Blue)、绿光(Green)、近红外(NIR)、中红外(MIR)及短波红外波段(SWIR)[1,5-7]，基本没有涉及红光(Red)波段。NIR-Red光谱特征空间被广泛用来监测植被、地表土壤湿度状况[8-13]，但用来提取并监测地表水体变化的研究并不多见。本研究在文献[11]提出的土壤湿度监测指数(Soil Moisture Monitoring Index,SMMI)基础上，基于NIR-Red光谱特征空间，构建一种水体提取方法——尺度化SMMI(Scaled SMMI,S-SMMI)，进而利用红碱淖1989-2014年多时相Landsat和HJ-CCD影像数据，提取各年份红碱淖湖面面积，分析其变化趋势和规律。

1 研究区域

红碱淖位于西北干旱半干旱地区，地处我国最大煤炭基地——神东矿区的西南部，中心地理坐标为(110°52′30″E,39°06′N)，平均海拔为1 200 m。该地区多年平均降水量为427.3 mm，降雨量年际变化较大且年内分配不均；平均蒸发量为1 788.4 mm，是降雨量的4倍。红碱淖是我国最大的沙漠淡水湖，被称为毛乌素沙地中的“大漠明珠”[14]，其在调节当地气候、水资源平衡及保持生物多样性方面发挥了重要作用。然而，近年来红碱淖湖区面积不断萎缩，水深和蓄水量不断下降，使得原本十分脆弱的生态环境进一步恶化，影响了其生态、经济、社会功能的发挥[15,16]。因此，准确获取红碱淖面积数据、把握其变化趋势刻不容缓。

2 数据与方法

2.1 数据来源与处理

选取1988-2014年累计26年共23景卫星遥感数据进行分析(表1)，其中21景数据来源于Landsat卫星，2景HJ卫星数据用于补充。数据获取时间主要集中在晴朗无云的夏季，但由于Landsat和HJ卫星的重访周期分别是16 d和2 d，加之云覆盖等影响，很难得到时相完全一致的遥感影像。以2009年6月30日TM影像为基准对HJ-CCD影像进行几何配准，误差在1个像元内；通过辐射校正将影像图像灰度值转换为辐射亮度值；通过大气校正得到地表真实反射率。

表1 遥感分析源数据

Table 1 Remote sensing data using in the paper

传感器类型获取时间TM1988．09．24TM1989．09．11TM1990．08．29TM1992．07．17TM1993．05．17TM1994．08．24TM1995．06．08TM1996．06．10传感器类型获取时间TM1998．07．02ETM+1999．10．17ETM+2000．07．31ETM+2001．05．31ETM+2002．08．06ETM+2003．05．21TM2004．07．02TM2005．07．05传感器类型获取时间TM2006．09．10TM2007．08．12TM2009．06．30HJ1A⁃CCD22010．08．05HJ1B⁃CCD22011．07．30OLI2013．09．13OLI2014．07．30

2.2 水体提取方法

(1)NIR-Red光谱特征空间。选取研究区水体、植被、裸土、建筑物4种典型地物，分别提取其在Landsat TM/ETM+ 6个波段(热红外波段除外)上的反射率，绘制波谱曲线(图1a)。由图1a可得，水体的波谱反射率小于另3种地物，且在红光和近红外波段，随着波长增加水体反射率呈微减趋势，另3种地物均呈明显增大趋势。因而，在NIR-Red光谱特征空间中水体(图1b)处于距离坐标原点O最近的区域，其他具有一定反射能力的物体都处在远离坐标原点O的区域中。因而，可利用特征空间中任意地物点与坐标原点O间距离区分水体和非水体。

图1 典型地物光谱曲线和NIR-Red光谱特征空间

Fig.1 Spectral curve of typical objects and NIR-Red space

(2)S-SMMI。基于NIR-Red光谱特征空间，文献[11]根据特征空间中任意地物点与坐标原点O之间的距离构建土壤湿度监测指数，公式为：

(1)

SMMI的绝对值因时相不一致而不同，为消除时相差异便于对比，在文献[17]的基础上，提出尺度化S-SMMI，公式为：

(2)

式中：SMMI指某一像元对应的SMMI值；SMMI0指饱和裸土对应的SMMI值；SMMIs指干燥裸土区域对应的SMMI值。利用S-SMMI提取水体关键是确定SMMI0和SMMIs，其确定方法主要有3种：一是实测获取，即利用地物光谱仪获取饱和裸土与干燥裸土在红光和近红外波段上的反射率；二是利用研究区高分辨率影像获取，即求取水陆交界处像元在红光和近红外波段上的反射率均值；三是在缺少实测及高分辨率影像条件下，通过每期影像SMMI累积频率置信度区间近似获取。

本文参考Gutman[18]、李苗苗[19]等提出的NDVI0和NDVIs的估算方法，结合研究区实际，选取每期影像SMMI累积频率置信度为2%时对应的SMMI值作为SMMI0的值，SMMI累积频率置信度为98%时对应的SMMI值为SMMIs的值。

3 结果分析

3.1 对比验证

利用S-SMMI提取红碱淖湖体边界，与常用的水体提取方法MNDWI进行对比，并用2000年红碱淖湖泊面积数据(来自湖泊-流域科学数据共享平台)和2004年8月实测红碱淖湖泊面积数据[16]进行验证，分析S-SMMI提取水体的精度，公式为：

(3)

式中：Errori为利用S-SMMI和MNDWI提取水体边界的误差，WAex为利用S-SMMI和MNDWI提取的水体面积，WAtr为水体真实面积。

由图2可得，S-SMMI和MNDWI均能较准确、清晰地提取红碱淖湖区边界，但S-SMMI提取精度优于MNDWI(图3)；通过局部地区1和局部地区2对比发现，S-SMMI提取的水体边界比MNDWI更与水体实际情况相吻合；在局部地区3中，MNDWI将非水体像元划分为水体像元(局部地区3中圆圈部分)，而S-SMMI则划分正确。利用2000年和2004年8月红碱淖实测湖区面积数据对两种水体提取方法进行精度验证(表2)。由表2可得， S-SMMI在提取2004年7月2日和2000年7月31日红碱淖湖面面积时误差分别为1.32%和11.59%，而MNDWI分别为2.07%和12.85%(误差较大，这可能是由于验证数据获取时间与文中遥感影像获取时间存在差异造成的)。总体上，S-SMMI可用来提取本研究区的水体且效果优于MNDWI。

图2 基于S-SMMI和MNDWI提取水体

Fig.2 Map of water body extraction using S-SMMI and MNDWI

3.2 结果分析

根据23景影像获取时间，利用S-SMMI提取不同年份相同月份红碱淖湖区面积，并与当月降水量进行对比(表3)，可得不同年份相同月份下月降雨量不同，红碱淖湖区面积也不同，但总体上湖区面积呈不断减少趋势。降雨量越大，湖泊面积并不是越大，如2013年9月13日降雨量达193.9 mm，而湖区面积只有31.92 km2，是不同年份9月份湖区面积最小的；2014年7月30日降雨量为112.0 mm，湖区面积为31.69 km2，同期2000年7月31日、2011年7月30日湖区面积分别为47.21 km2、34.61 km2，而降雨量分别为57.5 mm、34.0 mm。这说明降雨量不是湖区面积不断减少的主要因素，其应是受到了人为活动的影响。由图4可得，红碱淖湖区面积总体上呈线性减少趋势(R2=0.856)，但其变化趋势可细分为两个阶段：在1988-1999年间，红碱淖湖区面积有增有减，但总体变化不大；从1999年开始，红碱淖湖区面积呈线性递减趋势。1988年、1999年湖区面积分别为49.92 km2、47.92 km2，减少了4.02%；2009年、2014年湖区面积分别减少为37.72 km2、31.69 km2，比1988年分别减少了24.45%和36.52%(图4a)。总体看，26年来红碱淖湖区面积不断萎缩，减小速度平均为0.87 km2/a。

图3 基于S-SMMI和MNDWI提取水体局部对比

Fig.3 Local comparison of water extraction between S-SMMI and MNDWI

表2 红碱淖湖水体提取精度

Table 2 Water classification accuracy of the two classifiers at Hongjiannao Lake

分类器2000．07．31阈值WAex(km2)WAtr(km2)Errori(%)2004．07．02阈值WAex(km2)WAtr(km2)Errori(%)S⁃SMMI047．2153．40-11．59041．6742．23-1．32MNDWI046．54-12．85041．36-2．07

表3 红碱淖不同年份水面面积与降雨量

Table 3 Area and precipitation of Hongjiannao Lake in different years

获取时间面积(km2)月降雨量(mm)获取时间面积(km2)月降雨量(mm)获取时间面积(km2)月降雨量(mm)1988．09．2449．9236．01990．08．2949．9211．41992．07．1753．58125．71989．09．1151．5146．21994．08．2450．66151．91998．07．0253．50114．11999．10．1747．9215．32002．08．0644．3520．72000．07．3147．2157．52006．09．1040．5628．62007．08．1239．60137．82004．07．0241．67103．92013．09．1331．92193．92010．08．0536．5355．62005．07．0540．9881．21995．06．0851．6710．41993．05．1756．8515．62011．07．3034．6134．01996．06．1053．2857．32001．05．3144．96 1．92014．07．3031．69112．02009．06．3037．7220．42003．05．2143．6025．6

图4 1988-2014年红碱淖面积变化趋势

Fig.4 Area change trend of Hongjiannao Lake from 1988 to 2014

4 结论

国内外学者提出的多波段水体提取指数法主要涉及蓝光、绿光、近红外、中红外及短波红外波段，基本未涉及红光波段。本文基于NIR-Red光谱特征空间，利用土壤湿度监测指数SMMI，构建了水体提取的一种方法——尺度化SMMI(S-SMMI)，它是红光和近红外波段的组合，纳入红光波段后使得水体提取的波段范围得到进一步拓展。多光谱遥感数据基本包含红光和近红外波段，因而S-SMMI适用于利用多光谱遥感数据进行水体面积提取研究。对比实验表明，S-SMMI用于提取水体边界的精度优于MNDWI。利用S-SMMI提取1988年以来红碱淖湖区不同年份相同月份的水面面积，发现在降雨量没有明显减少的情况下，湖面面积呈不断减少趋势；从湖区面积总体变化趋势看，1988-1999年湖区面积变化不大，但从1999年开始湖区面积呈线性递减趋势。总体上，红碱淖湖区面积在不断缩减，缩减速度平均为0.87km2/a。

[1] FEYISA G L,MEILBY H,FENSHOLT R,et al.Automated water extraction index:A new technique for surface water mapping using Landsat imagery[J].Remote Sensing of Environment,2014,140:23-35.

[2] MA R H,DUAN H T,HU C M,et al.A half-century of changes in China′s lakes:Global warming human influence？[J].Geophysical Research Letters,2010，37:24106.

[3] 范登科,李明,贺少帅.基于环境小卫星CCD影像的水体提取指数法比较[J].地理与地理信息科学,2012,28 (2):14-19.

[4] 金晓媚,高萌萌,柯珂,等.巴丹吉林沙漠湖泊遥感信息提取及动态变化趋势[J].科技导报,2014,32(8):15-21.

[5] MCFEETERS S K.The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features [J].International Journal of Remote Sensing,1996,17(7):1425-1432.

[6] XU H Q.Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery [J].International Journal of Remote Sensing,2006,27(14):3025-3033.

[7] 黄春林,李艳,卢玲,等.考虑干旱水分胁迫的地表通量遥感估算[J].水科学进展,2014,25(2):181-188.

[8] RICHARDSON A J,WIEGAND C L.Distinguishing vegetation from soil background information[J].Photogrammetric Engineering and Remote Sensing,1977,43(12):1541-1552.

[9] RASMUS F,SANHOL I.Derivation of a shortwave infrared water stress index from MODIS near- and shortwave infrared data in a semiarid environment[J].Remote Sensing of Environment,2003,87(1):111-121.

[10] GAO Z L,XU X G,WANG J H,et al.A method of estimating soil moisture based on the linear decomposition of mixture pixels[J].Mathematical and Computer Modelling,2013,58(3-4):606-613.

[11] 刘英,吴立新,马保东.基于TM/ETM+光谱特征空间的土壤湿度遥感监测[J].中国矿业大学学报,2013,42(2):296-301.

[12] 詹志明,秦其明,阿布都瓦斯提吾拉木,等.基于NIR-Red光谱特征空间的土壤水分监测新方法[J].中国科学(D辑:地球科学),2006,36 (11):1020-1026.

[13] 赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003.375-376.

[14] 王军战,屈建军,张伟民.基于混合像元分解的毛乌素沙地红碱淖面积提取及变化监测[J].中国沙漠,2011,31(3):558-562.

[15] 刘萍萍,甘文宇,张瑞芳,等.陕北红碱淖流域水量变化及其影响因素定量分析[J].西安交通大学学报,2009,43(1):119-124.

[16] 尹立河,张茂省,董佳秋.基于遥感的毛乌素沙地红碱淖面积变化趋势及其影响因素分析[J].地质通报,2008,27(8):1151-1156.

[17] GILLIES R R,CARLSON T N,CUI J,et al.A verification of the triangle′ method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface radiant temperature[J].International Journal of Remote Sensing,1997,18(5):3145-3166.

[18] GUTMAN G,IGNATOV A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in Numerical Weather prediction models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.

[19] 李苗苗,吴炳方,颜长珍,等.密云水库上游植被覆盖度的遥感估算[J].资源科学,2004,26(4):153-159.

Monitoring of Hongjiannao Lake Area Based on Landsat and HJ Imageries

LIU Ying1，WU Li-xin2，YUE Hui1

(1.CollegeofGeomatics,Xi′anUniversityofScienceandTechnology,Xi′an710054;2.SchoolofEnvironmentScienceandSpatialInformatics,ChinaUniversityofMiningandTechnology,Xuzhou221116,China)

To obtain the area of water bodies, a scaled SMMI (S-SMMI) was constructed based on the reflectance data of near-infrared and red bands and soil moisture monitoring index (SMMI). The red band was involved in S-SMMI, enriching the water extraction methods, and the bands that can be used in water extraction were expanded. On the basis of S-SMMI, the Landsat and HJ imageries from 1988 to 2014 were used to extract the water bodies from non-water and combining with rainfall data the area change trend of Hongjiannao Lake was analyzed. It was showed that the area of Hongjiannao Lake was shrinking gradually while precipitation was not significantly reduced and the average shrinking speed was 0.87 km2/a. On September 24, 1988, the area of Hongjiannao Lake was 49.92 km2. However, it was shrunk to 31.92 km2on September 13, 2013, decreasing by 36.06%. It was can be subdivided into two phases of area change trend in Hongjiannao Lake and it changed slightly from 1988 to 1999 while decreased in a linear way since 1999.

scaled SMMI；NIR-Red spectrum space；water extraction；Hongjiannao Lake

2015-04-17；

2015-06-25

国家自然科学基金青年项目(41401496);陕西省教育厅2014年科学研究计划项目(14JK1471)；西安科技大学博士启动金项目(2014QDJ060)；西安科技大学博士培育基金项目(201305)

刘英(1982-)，女，博士，讲师，主要从事环境遥感监测研究。E-mail:liuying712100@163.com

10.3969/j.issn.1672-0504.2015.05.013

P237;TP79

A

1672-0504(2015)05-0060-05