基于Sentinel-2数据与遥感技术的浅河川径流量估算模型

冯刘成

（新疆维吾尔自治区塔里木河流域干流管理局，新疆阿拉尔 843300）

西北干旱半干旱地区的水资源是影响区域生态安全关键因素之一，而详实、准确的水文资料是区域水资源规划、水旱灾害防治的重要基础[1]。由于自然环境恶劣、水文观测经验与技术不足，我国西北局部特别是干旱绿洲、戈壁浅滩地区的有效水文记录存在严重缺失，这在一定程度上阻碍了该地水利工程建设和经济发展[2]。因此，急需探索河流径流量模拟新途径，以解决该地区无水文背景资料的难题。一个成熟的方法是利用径流动力学模型、陆面水文过程模型进行修正，然而该类模型需要大量连续性的气象观测和土地利用变化资料，因而在资料缺失地区几乎难以实现[3]。随着遥感技术的发展，国内外学者提出了针对河道径流模拟的新方法。例如XU等[4]提出改进归一化水体指数（MNDWI），这极大提高了水域面积提取精度。在此基础上Ogilvie A等[5]用MNDWI指数改进了“降雨—径流”模型，并在Tunisia地区7个湖区径流模拟中将RMSE降低了54%。马津等[1]提出了基于landsat-7影像构建“河宽—径流量”模型，在黑河流域典型断面处的测试精度达60%。Van Dijk等[6]基于微波遥感获取的MEaSURES数据集模拟了全球442条河流的月平均流量。许继军等[7]利用亮温数据成功模拟了全国61个代表性水文站的径流量。当前，多源遥感技术在探测水文特征方面得到深入发展，然而我国的研究尚处起步阶段。本文以塔里木河阿拉尔附近为研究区，以Sentinel-2影像提取的像元数与实测径流量为关键参数，拟构建一种可移植的经验模型，以期为西北浅川地区的水文资料补充提供一种遥感估算方法。

1 研究区

1.1 研究区概况

研究区位于塔里木河上游的阿拉尔水文站控制区。塔里木河是由天山、昆仑山地的冰川雪盖融化后汇聚而成内陆河，干流全长1 320km，流域面积102.92万km2。阿拉尔水文站控制区地理坐标为（81°80′—81°18′E，40°28′—40°42′N）。基于1960年—2016年观测资料显示，该地最大、最小年径流量为26.7亿m3、69.59亿m3，平均值为48.01亿m3，水深介于0m—6m。区域河川径流受季节影响而呈现显著时令性特点，6月—9月为丰水期，其他时段为枯水期，丰枯比为7：3。

1.2 数据来源与处理

综合考虑遥感影像的空间分辨率和重访周期，选择Sentinel-2多光谱影像为数据源。Sentinel-2数据由欧洲航天局(ESA)研发的中高分辨率陆地资源卫星获取，其重访周期为12d，含3种不同地面分辨率达（10m，20m，60m），能清晰反映地物要素空间特征。本文从ESA的数据共享网站（https://scihub.copernicus.eu/） 下 载 得 到 研 究 区2015—2020年冬季（11—2月）、夏季（6—9月）共12期的升轨影像（Sentinel-2A）（表1），以捕捉河流断面水域变化。将全部影像利用SNAP软件进行几何校正、辐射校正和裁剪等预处理进而生成地表反射率产品，在此基础上利用Resampling工具将红边波段和水汽波段（分辨率20、60m）重采样至与可见光波段一致的分辨率（10m），重采样方法为Cubic。最后选择导出tif格式，以备水陆特征空间提取分析使用。

表1 研究区Sentinel-2影像标识码

本文中径流量建模和验证数据为阿拉尔城市段防洪管理中心和水文站提供。所用到的两个断面如图1所示。

1.3 地表径流量反演流程

受区域地形、气候特征和冰川时令影响，研究区河川深度较浅，河流断面年内具有丰枯变化特征。考虑到实验断面处河道宽度变化应尽量小，因此在平直河段上选2个典型断面（1km范围）且该断面位于径流量观测控制区（断面为SAL-1和SAL-2，图1）。依据XU[5]、马津等[1]人的研究经验模型，本文假设浅川地区水域像元数量与径流量之间存在定量关系，择径流量反演流程如下：

图1 研究区位置与真彩色遥感影像

①水陆分离。在ArcGIS10.8平台上利用XU[5]提出的改进的归一化差异水体指数(Modified normalized difference water index，MNDWI)(式1)结合随机森林监督分离工具将水域和陆地分离。

式中pgreen、pswir1分别为Sentinel-2影像的绿波段与短波红外反射值。

②水域像元提取。利用Raster Calculator工具中的Con函数将非水域像元予以剔除，保留并统计水域像元数据。

③河流流量估算模型构建。Leopold[8]研究表明，浅川流量稳定河流中径流量与河宽之间的呈指数关系。马津研究指出，河宽是水域像元数量的函数。因此我们假设研究区径流量与水域像元数之间符合以下关系模型。

式中W、Q分别表示浅川水域像元数量、径流量，c、d为系数。先以SAL-1断面处实测径流量（Q1）和Sentinel-2数据提取的河宽（W1）为训练样本，对式1中参数c、d求解，进而得到该地水域像元数—流量模型。

④模型外推。将上述模型代入SAL-2断面，基于Sentinel-2数据提取该断面处的河宽（Q2）数据估算的河流流量。

⑤模型验证。以SAL-2断面处实测径流量为参考值，测试模型（2）估测径流量的精度，以R2（决定系数）、均方根误差（RMSE）为评价指标。

式中，yp、yo为径流量的预测值与实际值，yp、yo为预测与实测径流量的平均值，N为样本数，文中为9。

2 结果与分析

2.1 水陆分离结果

利用MNDWI阈值和监督分类分析，提取研究区水域像元分布。以2020年6月Sentine 2数据水陆分离结果为例，见图2。在水陆分离过程影响水体提取精度的主要因素为混合像元，避免像元误分，规定当混合像元中水体面积接近25%、50%、75%时则分别以0.25、0.5、0.75个像元计算。图2清晰呈现水陆差异，统计表明该时段水体像元数量达到130 598个，换算得到水域面积为13.06km2。

图2 研究区2020年6月Sentine-2数据水陆分离结果

2.2 径流量反演模型分析

基于2015—2020年冬夏两季共12期的Sentinel-2多光谱遥感影像提取SAL-1断面处水体像元数量与径流量，通过公式（2）拟合二者关系（图3a）。得到研究区1km断面范围内的径流量反演模型为：y=0.4983e3E-05x，其R2达到0.90，达到5%信度水平，表明该模型具有统计意义。为评估该模型训练精度，以SAL-1断面处提取的水体像元数输入样本，得到预测径流量与实测径流量之间线性关系（图3b）。可知，模型预测结果与实测值之间存在稳健关系，其R2达0.85，MAE和RMSE分别为1.84m3/s、1.64m3/s，表明该模型具有一定鲁棒性。此外，在高值区间（＞15亿m3）的拟合存在较多离散点，表明其对于夏季径流量的预测精度较差。

图3 SAL-1断面处像元数-径流量拟合关系（a）图与训练精度（b）

2.3 模型外推与适用性分析

以SAL-2断面处像元数量及实测径流量为独立验证样本，测试该模型性能（图4）。结果显示，该模 型 的 验 证 精 度 为：R2=0.72、MAE=2.21、RMSE=2.26m3/s（P＜0.05）。这与马津等人的研究相近，表明该模型具有可移植性。与前人研究，本文提出像元数-径流量模型具有以下特点：①相对于马津等[1]基于Landsat影像（30m分辨率）构建的‘河宽-径流量’模型（R2=0.66），本研究提出的“像元数-径流量”模型具有更高的数据反演精度（10m），能减小混合像元对水域信息提取的影响。②本模型基于浅川水域在地表空间上的时令动态与径流量之间存在一定关系假设，适用于河床较浅、河道形态稳定的河段，而在水深较深、河道条件复杂、人工干扰强烈的河段可能应用性受限。

图4 SAL-2断面处像元数-径流量模型验证精度

3 结论

本文介绍了一种基于Sentile-2遥感影像与实测流量数据构建的“像元数-径流量”模型，以实现浅川径流量估算的方法。在塔里木河阿拉尔附近的不同断面处，证明了所提出的模型具有良好移植性。尽管该模型仍逊于物理模型的径流预测能力，但其训练与验证精度均通过5%水平信度检验，为浅川地区、缺乏观测资料区的径流估算提供了新的技术参考。然而在模型构建过程中，用于建模的水域像元从Sentinel-2数据中获取，遥感影像空间分辨率与人为干扰影响了遥感数据捕捉浅川水域自然形态准确性，此外混合像元问题增加了像元数提取难度。因此未来不仅应考虑浅川水域像元数，还应纳入水色、水深等信息，进而从水体三维特征信息出发以克服像“元数-径流量”模型的局限性，并改善遥感估算径流量的精度。