地表覆盖水面信息动态监测方法探索

白 驹

(国家基础地理信息中心，北京 100830)

遥感影像具有大范围、高频率覆盖的优势，能够反映自然资源的真实状况，水面在遥感影像中的光谱、纹理特征显著，能够利用遥感影像反演水面信息。因此，利用遥感、GIS等地理信息技术和手段，基于遥感影像提取水面信息[3-7]，是监测水面范围较为快速和科学的方法。因此，为了更好支撑相关应用需求，有必要开展探索性方法实验，为开展业务化的水面范围季节变化动态监测奠定基础。

针对水面信息提取的成果较多，但对于全国或大区域范围、某一时点水面范围提取的技术和成果较少，更不易反映季节性变化。针对这一现状，文中在分析梳理各技术方法的基础上，提出根据不同需求采用不同监测模式的方法，探索可靠、有效的水面信息变化动态监测技术流程与方法。

1 研究方法

1.1 监测模式分析

根据目前技术水平以及遥感影像数据的获取能力，针对地表覆盖水面范围监测，可采取以下4个层次的监测模式：

1)水面信息常规监测。针对全国范围，获取满足监测时相、分辨率要求的遥感影像(空间分辨率高)开展水面信息提取，形成满足时点要求、基于高空间分辨率遥感影像的水面信息监测成果。

2)长时间序列遥感监测。针对特定监测区域，获取长时间序列遥感影像(空间分辨率相对较低)，进行水面范围信息的逐时相提取，实现水面范围的长时间序列遥感监测，形成长时间序列监测成果；基于此成果，能够提取水面范围变化的空间范围、面积、演化特征等指标。

3)水面范围数据成果的时空一致性优化。在有高空间分辨率遥感影像或精细数字高程模型(DEM)数据的区域，针对采用空间分辨率相对较低的遥感影像提取的水面范围信息，基于精细格网DEM数据，利用区域生长算法，获取精细化的水面范围成果[8-12]，对初始成果进行地理空间修正，从而实现水面范围数据结果的时空一致性优化。

1.3 常规复习和基于项目学习理论的复习之间的差异 两者对比，在常规复习中教师是中心，学生只是被动接受知识者，结果是知识的简单重复，学生的机械操练，尤其是在“二考”复习时会使学生新鲜感丧失、倦怠感陡增、学习效率下降，“二考”复习变成食之无味弃之可惜的“鸡肋”。基于项目学习理论的复习以学生为出发点和落脚点，强调自主探究、合作学习，以发展学生学科核心素养为目的，着眼于学生对于知识的内化和学生解决实际问题能力的提升，真正体现了课程改革的理念。这种复习方式克服了以往理综复习和“一考”复习中教师对学生、对知识的绝对控制带来的弊端，学生收获的不仅仅是选考成绩的进步，更是学生学科核心素养的提升。

4)水面水位遥感监测。针对特定监测区域，获取高时间分辨率的卫星测高数据，可以按季度、按月、按旬、按日等不同的时间尺度。依据卫星测高原理，开展卫星测高数据处理，得到各时相水面水位成果。

通过这种高、中、低空间分辨率遥感影像的互补监测，保证水面范围提取成果既可满足时点要求，又可满足监测精度要求，使得在全国或大区域范围尺度上统计的水面范围数据可以反映同一季节或可接受时段内的状况，尽可能避免或缩小由于影像数据源的差异造成的时空不一致带来的误差。

1.2 监测技术流程

4个层次监测模式技术流程如下：

1)基于中低空间分辨率、高时间分辨率遥感影像的全国水面信息提取。总体技术路线为：①在全国范围获取满足时点要求的、质量可行的中低空间分辨率遥感影像。②基于中低空间分辨率遥感影像，开展全国水面信息提取，形成满足时点要求的全国水面成果，掌握时点时刻全国水面范围的总体情况。技术流程如图1所示。

图1 基于中低空间分辨率、高时间分辨率遥感影像的全国水面信息提取流程

在监测方法上，基于中低空间分辨率、高时间分辨率遥感影像的全国水面信息提取，可以通过人工解译的方法进行采集，或通过创建水体指数、纹理特征等指标，采用计算机自动分类将水面信息提取出来。

2)基于长时间序列遥感影像的水面空间分布监测。总体技术路线为：①针对特定地区的水面，获取高时间分辨率遥感影像，可以按季度、按月、按旬、按日等不同的时间尺度。②开展水面信息的逐时相提取，实现水面分布的长时间序列遥感监测，形成长时间序列监测成果。③基于此成果，提取水面变化的空间范围、面积，掌握水面分布演化特征等指标。技术流程如图2所示。

图2 基于长时间序列遥感影像的水面空间分布监测流程

在监测方法上，首先，要获取长时间序列遥感影像；然后，针对每一个时相的遥感影像，采用监测模式1相同的方法，开展水面信息提取；最后，对长时间序列遥感监测结果，进行对比分析，提取变化信息，包括水面变化的空间范围、面积、演化特征等指标。

3)基于高精度遥感数据的水面信息空间精化。总体技术路线为：①获取水面信息所在空间范围的、满足时点要求的高空间分辨率遥感影像，开展水面信息提取，获取精细化的水面成果，从而实现对基于中低空间分辨率遥感影像提取的水面成果的空间精化。②在满足要求的高空间分辨率遥感影像不易获取的情况下，采用已有的DEM资料，基于DEM区域生长方法，开展水面信息提取，从而实现对水面成果的空间精化，满足相关调查监测对成果精度的要求。技术流程如图3所示。

图3 基于高精度遥感数据的水面信息空间精化流程

通过这种中低、高空间分辨率遥感影像的互补监测，保证水面提取成果既可满足时点要求，又可满足精度要求，使得在全国尺度上统计的水面数据可以反映同一季节或可接受时段内的状况，尽可能避免或缩小由于影像数据源的差异造成的时间和空间上的不一致性带来的误差。

4)基于长时间序列卫星测高数据的水面水位监测。总体技术路线为：①针对特定地区的水面，获取高时间分辨率的卫星测高数据，可以按季度、按月、按旬、按日等不同的时间尺度。或者通过野外实测等方法，开展水面水位高程测量，有条件的地区可开展出露水面的地表高程测量。②依据卫星测高原理，开展卫星测高数据处理，得到各时相水面水位成果。③基于此成果，提取水面水位变化信息，掌握水面水位随时间演化特征。并尽可能地掌握该地区的水面与水下地形特征。技术流程如图4所示。

图4 基于长时间序列卫星测高数据的水面水位监测流程

基于长时间序列遥感影像的水面空间分布监测、基于长时间序列卫星测高数据的水面水位监测，掌握水面分布演化特征，以及水面水位演化特征，从而进一步研究估算该水面在不同时相的储水量等信息。

1.3 关键技术方法

1)水面信息提取方法。基于特征的水面信息提取方法基本分为人工解译和计算机自动分类两种。无论是人工解译还是计算机自动分类，关键都在于水面特征分析与挖掘，以及水面特征规则构建，建立对水面基本特征的认识。

通过水面的光谱特征，可以构建水体指数指标，作为水面提取的规则之一，归一化的水体指数(Normalized Difference Water Index，NDWI)公式为：NDWI=(G-NIR1)/(G+NIR1)[13]。同时，水面在蓝波段也表现出与其他地表覆盖的差异性，可以将蓝波段的比率值和标准差作为水面提取的规则之一。NDWI算法在基于中低空间分辨率遥感影像的水面信息提取中具有非常好的适用性。

2)基于DEM区域生长的水面信息提取方法。区域生长算法是依据区域联通原理，将有相似性质的像素点合并到一起形成一个区域。该算法首先要确定若干种子点作为出发点[14]，然后将种子点与周围邻域的像素点进行对比计算，将具有相似性质的点合并起来继续向外迭代生长，直到没有满足条件的像素点被包含进来为止，便完成一个区域的生长。

将区域生长算法应用于水面信息提取，充分利用水面特性，对DEM精度要求也较高，需结合地表覆盖水面数据、精细化DEM数据的特点反复实验，形成适用的区域生长方法特征值和阈值，保障成果精度满足要求。

2 数据与实验区

以基于长时间序列遥感影像的水面空间分布监测为例，选取鄱阳湖及周边地区作为实验区，通过中国科学院计算机网络信息中心发布的地理空间数据云平台(http://www.gscloud.cn/)，参考影像云覆盖比例，免费下载获取了实验区2013—2018年共计15个时相的Landsat 8遥感影像数据，面积为3.7万km2，具体时相如表1所示。

表1 Landsat 8遥感影像数据序列

各时相空间分辨率为30 m的RGB影像如图5所示。

图5 各时相RGB影像

3 结果与分析

1)利用每个时相影像，求取每景影像的水体指数，利用该算法，提取到的水面空间分布如图6所示。

图6 水面空间分布

2)水面面积统计结果如表2所示。

表2 水面面积统计结果

3)水面面积随时间变化曲线如图7所示。

图7 水面面积随时间变化曲线

从图6、图7以及表2统计结果可看出，2013年07月01日至2018年04月10日期间，实验区水面范围是动态变化的，2017年07月12日水面范围最大，达到5 131.6 km2，2018年04月10日水面范围最小，为2 773.8 km2。

4 结 论

1)文中根据目前遥感技术发展水平以及遥感影像数据的获取能力，针对地表覆盖水面范围监测，提出4个层次的监测模式，各模式能够满足水面信息提取的不同需要，并能够实现水面信息的动态变化监测。

2)文中的目标旨在基于中低空间分辨率遥感影像解决全国范围水面信息提取成果的统一时点问题及基于高空间分辨率遥感影像，解决成果的精度问题，以及解决水面水位、甚至是储水量随时间演化特征提取问题，总体上从不同层面提出监测方法和技术流程，为水面信息相关监测提供技术参考。

3)以基于长时间序列遥感影像的水面空间分布监测为例，选取实验区，对提出的技术方法和流程进行实验验证，提取长时间序列的水面信息结果，验证方法的可行性。

4)文中提出的技术流程方法适用于全国范围，但由于中、低空间分辨率遥感影像无法解译小面积水面，存在漏采小面积水面的可能，因此，更加适用于大面积的水面。

对于提出的方法的应用，需要具备一定的遥感影像数据处理技能，具备水面判读基本知识技能；基于DEM区域生长的水面信息空间精化方法，对DEM精度要求较高，尤其是对DEM水面置平处理的要求较高；方法应用中，长时间序列遥感数据、卫星测高数据的获取途径、数据覆盖频率、数据质量存在不确定性，需要做一定的前期检索、分析工作，满足方法应用的基本条件。