基于NPP-VIIRS夜光遥感的洪水灾损评估及可视化

何原荣，王晓荣，柴春芳，余德清，郑渊茂，李栋坤

（1.厦门理工学院数字福建自然灾害监测大数据研究所，福建厦门 361024；2.洞庭湖区生态环境遥感监测湖南省重点实验室，湖南长沙 410007）

引言

随着全球变暖，气候异常多变，造成洪水灾害频发。洪水不仅破坏生态环境，而且严重威胁人类生命与财产安全，阻滞经济发展进程。因此迫切需要快速有效的洪水灾害评估方法。洪涝灾害是世界上发生最频繁、危害最严重的自然灾害之一，约占全球自然灾害损失40%［1，2］。据《2020年全国十大自然灾害》显示，全年自然灾害造成全国直接经济损失高达3 701.5亿元，受灾人口1.38亿人，其中主要以洪涝为主，6月中旬洪涝已致714.4万人受灾，直接经济损失达210.6亿元，6.6万间房屋倒塌或者不同程度损坏。洪水灾害引起社会广泛关注，其中受影响区域范围提取是洪水防治的重要内容。因此，在洪水灾害发生后，如何科学确定受影响区域，对灾损进行快速评估并制定防灾减灾决策，具有十分重要的现实意义［3］。同时，灾害风险存在较强地域性，对特定区域的研究具有重要意义［4］。

由于洪涝灾害高风险区往往是连续片状分布［5］，导致灾害风险中的受灾人口和灾损增加［6］。因此，洪水灾损评估是反映灾情、及时开展救援和制定防灾减灾决策的重要数据来源和支撑。目前评估方法主要是概率统计指标综合法［6－7］、基础统计法［8］和遥感数据分析法［9］。概率统计指标综合法主要依赖实地调查，费时费力且伴随一定程度的危险性。基础统计数据时效性较差，更新速度较慢，空间信息不足，难以保证评估准确率［8］。目前，常见的日间光学卫星遥感数据由于受宽幅限制，难以实现大尺度区域分析且解译需要大量人力与物力。

夜间灯光遥感具有数据可获得性强、经济性且空间覆盖范围广。近年来，夜光遥感数据在灾损评估方面展现了独特的优势，可客观地反映灾害前后变化，具有客观性、经济性和海量数据等优势，为洪水评估提供了新路径［9］。与传统灾损评估方法相比较，夜光遥感数据可更客观、更快速对灾情进行定量评估［10－11］。学者们尝试将夜光遥感数据应用于自然灾害评估领域，在国外Kohiyama等［12］提出基于夜光遥感数据灾害前后变化检测出地震灾损区域，定量评估地震对人类造成影响；在国内张宝军［13］采用DMSP-OLS夜光遥感数据研究汶川地震，分析夜光在极重灾区的变化规律，结果表明，灾后亮度减少值与受影响人口数存在较显著相关性。近年来，新一代的更高分辨率NPP-VIIRS夜光遥感数据为灾损评估及恢复监测提供了新视角，比如，杜若华等［14］采用NPP-VIIRS夜光遥感数据分析鲁甸地震前后灾区夜光遥感数据时空变化过程，探讨夜间灯光与经济活动的关系，实现对震后灾区恢复重建过程的准确监测。Zhao等［15］采用时间序列分析统计方法对飓风伊尔玛和玛丽亚造成的损失进行评估，并对灾后恢复情况进行监测，成功获取了受飓风破坏导致的夜间灯光亮度变化。Zheng等［16］采用NPP-VIIRS夜光遥感日数据对台风灾害进行快速评估，提出受影响人口计算方法并得出灾后受影响人口提取的准确率为83.2%，可得NPP-VIIRS日数据对于提取台风造成的受影响人口是准确有效；同时提取灾后受影响区域及人口的时空分布和受影响程度，可为政府制定应急救援管理措施快速提供决策数据支撑。此外，曹罗丹等［17］基于夜光遥感数据采用空间分析构建洪灾风险评估模型进行浙江洪水风险评估，表明遥感数据监测灾害是可行。郭磊等［18］基于夜光遥感和土地利用数据结合，将人口和GDP空间化，并进行精度验证，表明夜光遥感数据用于洪水评估是可行。

以上研究表明夜光遥感影像在台风和地震等自然灾害评估取得了重要成果，夜光遥感弥补了传统方法信息获取的不足。通过夜光遥感数据可直接反映自然灾害对人类生活造成的影响［12］。因此采用夜间灯光变化提取受灾区域评估自然灾害是合理的尝试，但夜光遥感数据在洪水灾害评估的应用尚少报道。因此，本研究开展夜光遥感数据在洪水灾损的评估。

综上所述，针对传统灾损评估存在的时效性差、工作量大和信息获取费时费力等不足，本研究基于NPP-VIIRS DNB夜光遥感数据，以广西壮族自治区为研究区，开展洪水灾损评估研究，对受影响区域和受灾人口进行定量评估。首先对NPP-VIIRS DNB夜光遥感日数据进行预处理，通过灾害前后夜光变化确定受影响区域；其次构建灯光指数与人口关系模型，确定最优拟合模型，实现洪水受影响区域和受灾人口的快速评估；最后基于WebGIS将灯光密度、灾情统计、多媒体数据进行集成开发，实现灾情动态信息在线可视化展示，可为政府及公众及时掌握灾情进而有效制定应急救援措施提供重要的数据支持。

1 研究区与数据源

1.1 研究区概况

广西壮族自治区位于我国西南沿海地带，行政区域土地面积23.76万平方千米，地处两广丘陵西部，素有盆地之称。广西属于亚热带季风气候，气候宜人适于居住，水力资源众多，降雨量丰富。一般4～9月为雨季时节，在此期间，降水量约为全年的70%～80%，洪水灾害频发。在2020年，“西江2020年第1号洪水”从6月2号持续到6月10号，对广西影响极大，局部出现大暴雨，强降雨造成柳江、洛清江、贺江、桂江、黔江、西江等44条河流67个水文站出现超警戒水位0.02 m至6.37 m，导致多市受到影响，受影响严重区域主要是桂林市、百色市、柳州市和河池市。

1.2 数据来源及预处理

1.2.1 NPP-VIIRS夜光遥感数据

NPP-VIIRS夜光遥感数据（https://ngdc.noaa.gov/eog/viirs/download_dbs.html）主要包括年数据、月数据和日数据，本研究采用现有的2016年合成数据、2019年4月合成数据作为灾前参照影像以及2020年6月12－20日数据进行研究。由于DMSP-OLS夜光遥感数据存在辐射精度粗糙、空间分辨率低和缺乏星载标定等局限性；而NPP-VIIRS夜光遥感数据分辨率高于DMSP-OLS且没有溢出效应，能够捕捉更加细微的夜间灯光，为洪水评估提供新的数据源。因此，本研究对NPP-VIIRS夜光遥感数据进行预处理，首先将NPP-VIIRS夜光遥感数据基于行政区划图对影像裁剪、Albers投影和最近邻插值法重采样至500 m×500 m，并将负值的区域赋值为0；其次，根据Zheng等［16］和张小咏等［19］的研究，采用统计量法辐射归一化方法可降低云层对NPP-VIIRS夜光遥感影像的影响［16，19］，该方法已被证实具有可行性与准确性，统计量法辐射归一化方法如公式（1）所示，再通过线性变换得统计量法辐射归一化模型为式（2）所示；最后通过差值计算得到差值影像并进行显著性检验。

式中；g f为归一化后的像素值；μf、σf为参考影像的均值和标准差；g r、μr、σr为原影像的像素值、均值和标准差。

显著性检验是针对相同区域拥有同一辐射特性的夜光遥感影像具有相同的灰度分布假设获取分割阈值，避免阈值确定的随意性［16，19］。置信度一般有0.90、0.95、0.99三种水平，0.99的置信度一般用于医学领域，在遥感影像的变化检测中，0.90的置信度会存在较大虚警率，导致存在实际非受影响区域的像素被判断为受影响区域像素的现象。因此，本研究选择0.95的置信度进行显著性检验来确定阈值，提取受影响区域，减小显著性检验目标周围存在的虚警噪声。差值影像拟合计算得到高斯密度函数，如式（3）所示：

式中；μ为差值影像均值；σ为差值影像标准差。

1.2.2 其他辅助数据

研究区域经济统计数据主要来源于2017年《广西统计年鉴》，主要用于洪水灾损评估及构建人口模型关系。分辨率为30m的土地利用栅格数据FROM-GLC10主要来源于清华大学地球系统科学系（http://data.ess.tsinghua.edu.cn/fromglc2017v1.html），数据包含农田、森林、草地、灌木、湿地、水、不透水面和裸地。研究区行政区划图来自国家地理信息中心（http://ngcc.sbsm.gov.cn/article/en/）提供的1：400万矢量行政区域数据。

1.3 技术路线

本研究首先对夜光遥感数据进行预处理，通过差值法提取变化区域并提取受影响面积及监测灾后恢复程度。其次，在统计数据的支撑下，进行灯光指数与人口线性和多项式模型的构建，确定最佳模型，定量反演人口并进行精度评价。最后，估算受灾人口并分析灾后恢复状况，为洪水灾害的应急救援提供数据支持。技术路线如图1所示。

图1 技术路线图Fig.1 Technology roadmap

2 研究方法

2.1 灯光指数构建

灯光指数可表征从夜光遥感获取人口与经济发展变化动态。灯光像元可从纵向和横向方面体现经济发展状况，平均灯光强度Light Density（LD）纵向体现人口密度、经济频度和城市建成区集中分布。灯光面积Light Area（LA）横向展示区域人口与GDP分布范围，以及城市扩张趋势［20］。计算如式（4）～（6）所示：

式中：L D为平均灯光强度，T NL为灯光总强度，L A为灯光面积，DN为像元亮度值。

2.2 模型适宜性分析

2.2.1 模型构建

针对灯光指数与人口相关性，构建市级和县级尺度灯光指数与人口的相关性模型，对比R2选取最优模型。线性模型和非线性模型如式（7）和式（8）所示：

式中，y为人口相关参数，R V IIRS为NPP-VIIRS夜光亮度辐射值，a、b、c为常数项。

基于灯光指数与人口的关系模型，并根据计算所得受影响面积定量估算受灾人口。如式（9）所示：

式中：P E为受影响总人口；ρE为受影响区域人口密度；A E为受影响面积。

2.2.2 精度评价

相对误差（Relative Error，RE）指模拟预估值与真实值之间的绝对误差之比，反映结果可信度。本研究采用相对误差对所构建模型拟合精度进行验证，以年鉴统计人口数据作为真实值（Rs），Re为模拟结果，具体计算如式（10）所示。

根据相对误差范围划分等级，分为高、中、低3个等级，具体如表1所示。

表1 相对误差划分标准Table 1 Standards for dividing relative errors

3 研究结果

3.1 受影响面积评估

夜间灯光与人类生活状况息息相关，客观反映经济发展程度。洪水发生前后，灯光亮度发生显著变化，电力线损毁和建筑物倒塌导致灯光亮度显著减少。基于此，本研究以广西壮族自治区14个市为研究区域，选取多个森林、湖水等不受云层及噪声影响的区域作为广西壮族自治区每个城市的统计样本，对夜光遥感影像进行辐射归一化得到归一化影像，通过灾前影像与灾后归一化后影像差值计算得到差值影像，并在0.95的置信度水平下进行显著性检验确定阈值，如表2所示。根据阈值分割得到受影响区域分布图，如图2所示，可得各市受影响区域主要集中分布于城市建成区范围；广西北部受影响面积为1 725.75 km2，占据总受影响面积的66%，受灾严重程度明显高于南方，与洪水发生期间降水量分布图相一致。

图2 受影响区域分布图Fig.2 Distribution map of affected area

表2 广西各市高斯拟合参数及分割阈值Table 2 Gauss fitting parameters and segmentation threshold in Guangxi cities

3.2 受灾人口定量估算

通过夜光与人口线性和非线性模型散点图对比分析，结果表明：（1）市级尺度，灯光面积与总人口相关性最好，且多项式拟合R²比线性高，为0.755 6。县级尺度，灯光平均强度与人口密度相关性较高，其中多项式决定系数R²较高，为0.821 9。（2）无论县级还是市级拟合，结果均表明多项式拟合结果最好，灯光平均强度与总人口相关性最低，基本没有相关性。灯光指数与人口相关关系散点图，如图3所示。

图3 灯光指数与人口相关关系散点图Fig.3 Scatter plot of correlation between nighttime light index and population

洪水评估具有不确定性、复杂性和多样性，受灾人口定量估算是洪水受灾情况评价的重要基础之一。基于人口定量评估模型，在市级尺度下灯光面积与总人口多项式模型相关性最优，R2为0.76，与Amaral等［20］的研究结果一致。基于此，本研究基于夜光遥感数据反演总人口及人口密度，进行反演精度评价，结果表明人口密度评估结果的评估准确率高为71.4%，准确率中为14.3%，表明基于夜光遥感数据评估人口准确率较高。由于经济差异，不同地区人口反演结果的准确度不同，最小相对误差仅为2%，反演结果及精度评价如表3所示。因此，基于灯光指数与人口密度相关性，估算“西江2020年第1号洪水”事件中受灾人口，如图4所示。

表3 广西地区市级人口反演结果及精度评价Table 3 Inversion results and accuracy evaluation of municipal population in Guangxi

基于夜光遥感影像评估洪水灾损，获取研究区各市受影响区域分布及评估受灾人口，整体结果为：受影响总面积为2 628.65 km2，占广西总面积的1.11%。受灾总人口为126.426万人，即总人口的2.61%。据当地报道，广西14市出现洪涝灾害，受灾总人口为159.22万人（http://www.gxzf.gov.cn/gxyw/t5551069.shtml），评估结果与当地报道受灾人口相对误差为20.6%，准确率为79.4%，反演结果如表4所示，可得反演结果与当地报道的实际比较接近，具有一致性，反演精度较高，表明基于NPP-VIIRS夜光遥感数据评估洪水灾情具有准确性和可行性。此外，本研究通过夜光遥感数据反演得出的受影响区域是空间化的结果，受影响人口密度也是空间化的结果。因此，本研究得出的受影响人口数据是空间化的结果。

表4 反演受灾人口及受灾面积Table 4 Inversion of the affected population and the affected area

3.3 受灾程度等级评估

根据夜光遥感数据洪水前后显著变化获取受影响区域空间分布，计算受影响面积并划分受灾程度等级，主要分为重灾区（AREA＞200 km2）、中等灾区（100 km2＜AREA＜200 km2）和一般灾区（AREA＜100 km2），如表5所示。其中，重灾区主要包括百色、桂林、柳州和河池四市，受影响总面积为1 725.75 km2，占总受影响面积的65.70%，占全省面积的0.73%，应针对重灾区首先开展救援工作。中等灾区受影响总面积为637 km2，一般灾区受影响面积为264 km2。洪水期间，强降雨主要分布于桂林市、柳州市、河池市和百色市，受灾影响严重区域与重灾区地理分布是一致的（http://gx.weather.com.cn/zt/tqzt/3338443.shtml）。

表5 受灾程度等级划分Table 5 Classification of levels of exposure

重灾区以百色市为例，受影响区域主要集中于右江区、田阳县、田东县和平果县，受影响面积为514.75 km2，占受影响总面积的20%。灾后一周受影响区域略微减小，恢复11.41%，恢复比较缓慢，恢复进程如图5所示。

图5 百色市恢复状况Fig.5 Recovery status of Baise City

中等灾区以贺州市为例，受影响区域主要集中于八步区和钟山县，受影响面积为166.25 km2，占受影响总面积的6%。灾后一周受影响区域明显减小，恢复21.95%，恢复速度比百色市略微上升，恢复状况如图6所示。

图6 贺州市恢复状况Fig.6 Recovery status of Hezhou City

一般灾区以钦州市为例，受影响区域主要在钦南区，受影响面积为89 km2，占受影响总面积的3%。灾后一周受影响区域显著减小，恢复率为79.49%，恢复速度比较快，恢复状况如图7所示。

图7 钦州市恢复状况Fig.7 Recovery status of Qinzhou City

3.4 灾情可视化

3.4.1 ArcGIS Online平台

ArcGIS Online是基于云技术的地理信息系统创作式平台。地图制作由纸质地图向智能化Web展示地图转变。ArcGIS Online提供Web制图的基础，开放式的互操作模式使每个人既是数据提供者也是服务使用者，用户可以充分利用并在平台中创建、制作、分析、分享和浏览使用地图，通过浏览器与地图互动浏览，将地图嵌入网站开放共享。

3.4.2 洪水灾损专题图

基于基础数据库，结合“西江2020年第1号洪水”灾损数据，制作多视角Web洪水灾损专题图。首先选择捷泰地图蓝黑版底图作为Web map的制作底图。其次，加载研究区域的行政区划图Shapefiles文件（包含所有Shapefiles文件的ZIP归档）和灾损数据csv文件，将灾损数据符号化。最后选择图层，更改样式设置布局分级展示受影响区域分布，以分级地图和数据可视化图表呈现，为台风应急管理提供协作互动平台。“西江2020年第1号洪水”广西受灾人口分级展示专题图如图8（a）所示：其中广西北部比南部地区受影响显著，与降雨分布图基本吻合。广西受影响区域分布专题图如图8（b）所示：以点元素代表受灾区域分布位置，有利于灾情位置的判断，协助救援工作开展，此外，空间分布判断有利于灾害评估快速响应，对灾后救援有着重要的意义。

图8 洪水灾损专题图Fig.8 Thematic map of flood damage

3.4.3 洪水灾情可视化系统

“西江2020年第一号洪水”灾情可视化系统主页如图9所示：对洪水灾害造成的受影响面积与受影响人口可视化展示。组件主要包含图层列表、查询、底图库、搜索和分析，主窗口地图展示的是受灾人口分级图。

图9 “西江2020年第1号洪水”灾情可视化系统主界面Fig.9 "Xijiang No.1 Flood in 2020"disaster visualization system main interface

主要功能包括地图缩放平移、图层管理切换、信息图表布局展示、信息检索和查询和协作共享。通过与地图交互，根据属性表查看各市灾情信息，得到受灾影响数据。通过仪表显示受影响面积和受灾人口数量，设置分界线，若受影响面积超过200 km²，则属于重灾区，受影响面积将以红色警示，如图10所示以桂林市为例。通过受灾人口和受影响区域仪表、各市受灾人口数量和受影响面积以及各市受影响区域划分，直观展示各市受影响严重程度，实现资源共享灵活应用，可实现信息的实时共享，可为政府制定应急救援措施提供决策数据支撑，也可为全球制定应急救援措施提供数据支撑及决策支持。

图10 灾情可视化系统专题信息查询结果界面（以广西省桂林市为例）Fig.10 Disaster visualization system thematic information query result interface（take Guilin，as an example）

4 结论

本研究基于夜光遥感数据进行洪水评估研究，定量反演受灾人口与受影响面积，定性分析受灾严重程度划分受影响严重等级与灾后恢复状况，并构建灾情可视化管理系统，可为国内外政府制定应急救援措施提供决策数据支撑。主要结论如下：

（1）基于洪水发生前后夜光遥感数据的显著变化提取受影响面积，采用统计量法辐射归一化减少噪声的影响，提高变化检测准确性，得到受影响区域分布，研究区北部发达城市比南部不发达地区受影响更为严重。

（2）通过不同模型对比选取最优模型进行高精度反演，表明多项式模型优于线性模型。根据受灾人口评估方法评估洪水受灾人口，反演结果与当地报道统计人口相比具有一致性，准确度较高，并可获取受灾人口空间分布；最后基于WebGIS将灯光密度、灾情统计、多媒体数据进行集成开发，构建灾情动态信息在线可视化展示系统。

NPP-VIIRS DNB夜光遥感数据在洪水灾损评估方面，取得了较好的结果，具有一定的科学价值和现实意义，可为应急救灾制定决策提供重要数据来源。此外由于当地报道的地面参照数据的精度不同，真实的反演精度可能会偏高或偏低，因此地面参照数据的精度变化会造成一定的误差。将来当获得更精确的地面参照数据后，可以进一步验证评估的结果。其次，通过统计量法辐射归一化去噪取得良好的结果，将来可构建更优的方法使得精度更高。总之，在今后的研究中需要将这些因素充分考虑，使得评估结果更具准确性，可进一步论证夜光遥感数据在不同区域评估的可靠性以及有效性。