吉林一号在地表水遥感监测中的应用

文 | 韩睿 黄鹏 芦楠 江晟

1.长光卫星技术有限公司 2.吉林省卫星遥感应用技术重点实验室

一、引言

地表水资源是人类生产生活和社会发展中必不可少的物质资源，包括河流、湖泊以及水库等地表水体对自然生态环境具有关键性作用。随着中国经济社会的高速发展，地表水体无论是在空间分布还是在水体环境上均受到了严峻的挑战[1]。党的十八大吹响了我国生态文明建设的号角，以水文要素动态变化监测、水质参数监测和水体环境污染监测为主要内容的地表水监测成为了污染治理和生态文明建设的重要监测和评价手段。现代遥感技术实现了时空一体、多维探测，具有大空间尺度、数据实时获取、适于长时间跟踪等优势，成为人们对客观世界认知的有力手段。随着国内外大量遥感卫星的发射和组网，目前遥感技术已经在自然洪涝防汛和干旱监测、水域动态监测、水体环境监测等地表水监测领域发挥着不可替代的作用[2]。

随着地表水监测对象不断的精细化，其要求影像的空间分辨率不断提高，以用于城市内部小型的河流、湖泊、池塘等小体量水体的精细化提取和动态变化监测。例如洪亮等利用0.8m分辨率的高分二号（GF-2）数据提取复杂环境下的城市细小地表水体[3]。同时随着地表水监测内容的多样化，使地表水遥感监测从定性向定量转变，要求遥感数据可以捕捉到内陆水体的关键光谱特征。例如利用美国陆地卫星（Landsat）、欧洲哨兵二号（Sentinal-2）和高分五号（GF-5）等具有丰富波谱信息的影像数据对水体的叶绿素a浓度、黄色物质浓度、悬浮物浓度等水质参数进行反演[4-6]，以进一步掌握水华暴发、黑臭水体分布、饮用水源地水质以及污染来源等。随着地表水监测的业务化运行，要求遥感影像可以定期重复监测以具有多种时间分辨率，例如分析短期内湖泊蓝藻爆发的空间演变，中长期内水体面积的动态变化和污染治理过程中的动态监测等。

自2015年10月“一箭四星”发射吉林一号卫星以来，2019年底和2020年初相继发射了高分02A星、宽幅01A星。吉林一号目前在轨卫星数量达16颗。对地表水监测而言，不仅可以提供监测细小水体的亚米级静态影像，还可以提供可见光近红外20个谱段的5m多光谱数据，以用于反演水质参数等。随着16颗卫星组网，可以实现一天内快速重访，吉林一号可以满足多种场景的地表水监测对空间、时间、光谱等多维度信息的需求。本文根据吉林一号卫星遥感影像，以江苏省昆山市为例，进行地表水遥感监测。

二、吉林一号卫星影像介绍

吉林一号星座最大优势在于具有数量较多（16颗）且多种功能（视频星、光谱星、高分星和宽幅星）的光学遥感卫星，可以获取特定地区的高空间、高时间、多光谱的卫星影像数据。地表水遥感监测应用的光学遥感数据主要可以分为两种：高空间分辨率影像和中低分辨率多光谱影像。

高空间分辨率影像（分辨率通常为0.8-2m）包含了地物丰富的纹理、形状、结构、邻域关系等信息，一般常用来提取城市细小水体和监测水体的动态变化。虽然一些研究也在利用高分辨率影像进行地表水质参数反演[7]，但由于该类影像的谱段设置较少，且谱段幅宽很大，很难匹配水体主要敏感的光谱特征，往往导致其能反演的水质参数较少且模型精度不高。表1为吉林一号可用于地表水监测的高空间分辨率卫星的参数。从表中可以看出吉林一号高分辨率遥感卫星均达到亚米级，且视频星和高分02A星在谱段设置上增加了红边谱段，在一定程度上补缺了高分辨率影像水质参数反演的谱段特征短板问题。另外随着卫星幅宽的增加和其种类众多的卫星组网，可以极大提高重访周期，以满足短期的地表水动态监测。

中低分辨率多光谱影像具有丰富的谱段信息，可以较为精确地获取地表水的光谱特征。常用来构建水质参数反演模型反演不同水质参数的空间分布，以监测大型湖泊河流的富营养化程度、受污染程度等。吉林一号常用于地表水监测的中低分辨率多光谱卫星为吉林一号光谱01/02星，其基本参数见表2。吉林一号光谱星在可见光近红外范围内设置20个谱段，具备了窄波宽和多谱段的特点，可以精确捕获水体的关键谱段信息。且其最高分辨率为5m，可以在保证水质参数反演精度的基础上极大地提高监测的空间精度。

表1 吉林一号高分辨率卫星基本参数

表2 吉林一号光谱01/02星基本参数

三、吉林一号在地表水监测中的应用

1.研究区概况

本文选取江苏省昆山市作为试验区域，用吉林一号高分辨率卫星遥感影像以及多光谱卫星遥感影像进行区域地表水资源提取、地表水环境监测及河湖蓝线区域内重点地物变化监测。昆山市位于江苏省东南部、苏州市与上海市之间的太湖流域，水资源丰富，河流密布，大小河流共计2000余条。昆山市内吴淞江、娄江横穿东西，境内较大的湖泊有淀山湖、阳澄湖、澄湖、傀儡湖等。基于昆山市水系复杂、河道细小的特点，在地表水资源提取应用中，本文使用吉林一号高分辨率卫星遥感影像，所用影像分别为2018年4月、2018年8月、2019年1月、2019年5月；在蓝线内地物变化监测应用中，使用2018年4月与2019年5月吉林一号高分辨率卫星遥感影像。图1为2019年1月的昆山地区吉林一号高分辨率示例影像。

图1 昆山地区2019年1月吉林一号视频07星影像（真彩色合成）

水质监测需要较丰富的光谱信息，因此采用吉林一号多光谱卫星遥感影像进行监测，所用影像为2019年5月多光谱卫星遥感影像，如图2所示。

图2 昆山地区2019年5月的吉林一号光谱02星影像 （标准假彩色合成）

2.数据预处理

为监测昆山市2018年与2019年两年间的地表水情况，对昆山市影像进行预处理。数据预处理使用PCI软件进行，预处理包含以下步骤。

（1）数据输入

将覆盖昆山市的多景卫星遥感影像输入，转换成PCI软件可读取的格式，便于影像后续的预处理操作。

（2）几何校正

遥感影像成像过程中，会受到多种因素影响，如卫星飞行速度、地球自转等因素，导致原始图像上地物位置与真实地面地物的位置有所偏差。故需要通过一组地面标准控制点，建立影像目标位置与目标实际位置的坐标关系，通过坐标变化将影像变形空间进行校正。

（3）辐射校正

卫星遥感器在测量过程中，受太阳位置、太阳角度、薄雾等大气条件影响，测量值会有所失真，为消除这些失真，正确评价地物的反射值，需要建立遥感图像辐射误差校正模型，进行系统辐射校正。

（4）正射校正

在卫星遥感影像成像过程中，由于传感器姿态、拍摄角度等因素影响，存在影像栅格倾斜等几何形变问题，利用影像的RPC文件及已有的基础地形图，建立图像与地形之间投影关系，建立整体映射函数，消除几何误差，获得正射后的影像。本文正射校正过程使用了全球30m地表高程数据。

（5）影像镶嵌

在遥感应用中，存在单景影像无法完全覆盖实验区域的情况，此时需要对多景卫星遥感影像文件无缝拼接成一幅完整的包含研究区的影像。通过PCI软件对影像进行镶嵌预处理，预处理后进行匀光匀色处理，在达到镶嵌要求后进行镶嵌处理。

3.地表水资源提取

由于昆山市内地表水域复杂，河流分布密集且细小河流较多，运用传统的水体指数方法进行地表水资源提取误差较大，因此本文采用深度学习的方法进行昆山市内镇级及以上河流、湖泊的水体提取。深度学习算法是目前卫星遥感影像地物分类中常用的方法，最大的优势是不需要人工设计规则进行特征提取，通过自主学习得到水体特征，对数据具有很强的自适应性。本文通过建立高分辨率卫星遥感地表水体样本库，构建神经网络，进行模型训练与模型应用，对多期预处理后的卫星遥感影像进行地表水提取。基于深度学习提取的地表水资源成果精度在70%左右，通过人机交互修正，本文中昆山市地表水资源提取成果精度提高到90%以上。昆山市地表水资源提取成果如图3所示。

图3 2018年、2019年昆山市地表水资源提取成果

2018年4月提取昆山境内镇级及以上水体水域面积96.15km2， 2018年8月提取水域面积95.65 km2，2019年1月提取水域面积94.93 km2， 2019年5月提取水域面积95.22 km2。水域面积大小主要随着季节波动变化，变化图表如图4所示。

4.地表水水质监测

由于不同地物具有不同的波谱特征，使得利用遥感光谱特征进行地物识别成为可能。对水体来说，水的光谱特征主要是由水本身的物质组成决定，同时又受到各种水状态的影响[8]。水质遥感实质上是利用遥感技术获取水体中水质的光谱特征，基于遥感谱段信息和水质参数的光谱特征，建立了水质参数的估测模型。被污染水体的光谱特征与清洁水体的光谱特征有所区别，主要体现在水质参数特定波长光的吸收特性或反射特性的差别。

影响水体光谱特征的物质有很多，叶绿素 a浓度是水质状况评价的一个重要指标。叶绿素 a含量的高低与水体藻类的种类、数量等密切相关，其含量影响水色、水质及水中初级生产力，是水体营养状态的表征参数。叶绿素 a的光学特性表现为在可见光谱段，反射率较低，在近红外谱段，反射率明显升高，利用这一光学特性，使用遥感技术对水体叶绿素a浓度进行监测。本文对2019年5月昆山市镇级及以上水体叶绿素浓度进行监测，监测成果如图5所示，根据监测成果，昆山市镇级及以上水域的水体叶绿素a浓度大部分均处于低浓度区间，在图上表现为绿色；阳澄湖的部分区域水体叶绿素a浓度处于较高浓度区间，较大可能是随着气温的升高，藻类生长过剩，导致的水体叶绿素a浓度含量较高。

图4 昆山境内镇级及以上水体地表水面积统计图

图5 叶绿素a浓度监测成果图

水体悬浮物指不能通过孔径为0.45μm 滤膜的悬浮在水中的固体颗粒物质，包括不溶于水的无机物、悬浮泥沙、黏土等可沉降的、人眼可见的固体颗粒物质，悬浮物指水体中呈固态的不溶解物质[9]。水体中的悬浮物会阻碍光进入水体，使水体变得浑浊，严重的会造成污泥淤塞，是水体的主要污染物之一。本文对2019年5月昆山市镇级及以上水体悬浮泥沙浓度进行监测，监测成果如图6所示，水体总悬浮泥沙浓度由低到高表现的颜色为蓝→黄→红，图中有大部分区域颜色表现为蓝绿色，表示水体总悬浮泥沙浓度较低，总体水质较好，只有白莲湖部分区域悬浮泥沙浓度相对较高。

5.蓝线内地物变化监测

图6 悬浮泥沙浓度监测成果图

河道蓝线是指河道工程的保护范围控制线，蓝线范围包括河道水域、滩地、堤防等，以及因河道拓宽整治、绿化、生态景观等目的而规划预留的河道控制保护范围。河道蓝线是指导河道建设和管理的重要依据，也是水务等部门依法执政的重要基准。根据《昆山市河道蓝线保护规划》绘制昆山市镇级及以上河道蓝线，基于2018年4月与2019年5月的吉林一号高分辨率卫星遥感影像，对蓝线范围内的重点地物变化进行卫星遥感监测，变化类型主要涵盖水域增加、水域减少、建设用地变化等类型。本文中，变化监测采用了自动和人工相结合的方法提取变化信息。自动变化监测主要是应用分类后变化检测方法，人工提取变化监测信息则主要依赖目视解译，最终提取精度优于90%。经过变化监测处理后得到变化图斑，建立河道蓝线内地物变化数据库。

四、总结

地表水资源提取是地表水遥感应用中的基础，本文中应用深度学习的方法对昆山市镇级及以上的地表水资源进行提取，最终提取精度可达到90%以上。针对昆山市地表水水质中的叶绿素浓度及悬浮泥沙浓度两个方面进行监测，从评价结果看，昆山市整体水质情况良好，只有部分区域水质稍差。针对昆山市河湖蓝线内地物，采用了自动和人工相结合的方法进行地物变化监测，主要进行水域增加、水域减少、建设用地变化等类型监测，地物变化监测精度优于90%。本文中应用吉林一号卫星遥感影像完成了昆山市的地表水遥感监测，在监测方法中结合了深度学习算法，总体结果良好。总的来说，吉林一号高分辨率卫星在昆山地表水遥感应用中取得较为理想的效果，由于江南地区雨水较多、天气情况不甚理想，对此类区域的监测需要较高的时间分辨率与灵活性以适应当地天气的变化无常，同时昆山水体复杂而细小，吉林一号高分辨率卫星遥感影像无论在空间分辨率与时间分辨率上均可满足监测要求，吉林一号卫星星座未来在地表水遥感监测应用中将向提高监测精度、缩短监测周期方向发展。