基于Sentinel-2 卫星数据的洞庭湖面积变化监测

刘力萌，陈兆宁，季 民

（1. 山东科技大学交通学院，山东 青岛 266590；2. 山东科技大学测绘与空间信息学院，山东 青岛 266590）

湖泊水面面积是衡量陆地水资源量的重要指标之一，其动态监测是陆域水循环研究的重要方面，对于理解局地以及陆地水文过程和水循环具有重要作用[1]。洞庭湖是我国第二大湖泊，也是长江中下游重要的蓄水湖泊，对于减轻长江中游的洪水压力和调节湖区周边气候具有重要作用[2-3]。然而，由于人类活动和气候因素的影响，洞庭湖面积呈现萎缩趋势[4]，导致其生态功能逐步降低，洪旱灾害爆发频率逐步增加。因此，加强对洞庭湖面积的动态监测，对于全面了解洞庭湖流域变化规律和演化趋势具有十分重要的意义。

近年来，遥感监测被广泛应用于水体面积变化监测中，逐渐成为湖泊面积监测的重要手段。胡金金[5]等基于MODIS数据，采用计算归一化差异水体指数的方法提取了洞庭湖流域2000—2014年的水体信息，得到洞庭湖水域面积年内存在明显季节性变化的结论；王威[6]等基于Landsat遥感数据，采用水体指数分析与目视解译相结合的方法提取了1994—2017年的洞庭湖水体面积，得到25年内洞庭湖经历了扩展—萎缩的变化趋势的结论；高耶[7]等基于MSS数据和TM数据，分析了1979—2016 年的洞庭湖区内湖的面积变化情况，得到枯水期水面面积趋于减少的结论；王大钊[8]等利用4种常用的水体指数从Sentinel-2 和Landsat8 影像中提取湖泊水体信息并进行对比，得到Sentinel-2影像提取的水体细部信息更明显，整体提取效果优于Land⁃sat8 影像的结论；蒋丹丹[9]等利用Sentinel-2 卫星影像和面向对象的多尺度分割技术，实现了城市水体信息的半自动提取，取得了较好的效果。综上所述，由于Sentinel-2卫星数据的空间分辨率较高，因此基于该数据进行水体提取的结果精度整体较高；面向对象的水体提取方法得到了较好应用[10-11]，逐渐成为高分辨率遥感影像信息提取的发展方向。然而，上述数据和方法在洞庭湖流域面积监测中尚未得到体现，为了更精确地分析洞庭湖面积的变化，本文基于Sentinel-2卫星数据，采用面向对象的提取方法，研究了洞庭湖面积的变化情况。

1 研究区概况

洞庭湖位于长江中游荆江南岸，流域跨湘、鄂两省；北接长江，南面和西南面与湘、资、沅、澧等水系相通，湖区辽阔；是我国最大水量的通江湖泊。洞庭湖位于亚热带季风气候区，雨量丰富，热量充足[12]，具有明显的干湿季节性交替特征，汛期（4—9月）降水约占全年降水的70%[13]。洞庭湖流域主要可分为东洞庭湖、南洞庭湖和西洞庭湖3 个区域，星罗密布的河网和洪道将各湖区连成一个整体（图1）。

图1 研究区概况

2 数据来源与研究方法

2.1 数据来源

本文采用的Sentinel-2 多光谱遥感卫星数据来源于美国地球资源官网（https://glovis.usgs.gov/），具有空间分辨率高、重返周期较短、多光谱、免费获取等优点。Sentinel-2 卫星搭载高分辨率多光谱成像仪（MSI）。MSI 是一种基于滤光片的推扫式成像仪，获取的数据共包含13个波段，不同波段具有不同的空间分辨率，具体波段特征如表1 所示。根据含云量低于20%的标准，本文选取了2017—2019 年所有过境的Sentinel-2卫星影像进行湖泊面积变化的研究。

表1 Sentinel-2卫星数据波段特征

2.2 研究方法

2.2.1 数据预处理

数据预处理主要包括大气校正、影像重采样、影像融合和影像裁剪4 个部分。由于本文下载的是L1C数据，即经过几何精校正的大气表观反射率产品，因此需要利用SNAP 软件的内置插件Sen2Cor 对下载数据进行大气校正，并将数据所有波段重采样至10 m，处理后的数据为L2A 数据，即大气底层反射率数据。为方便利用ENVI软件处理影像，本文首先利用SNAP软件将L2A数据转换为ENVI格式，然后在ENVI中对每景影像的波段进行组合，再将组合后的数据融合成一张影像，最后根据洞庭湖流域范围裁剪出研究区。

2.2.2 湖泊面积提取方法

本文采用基于规则的面向对象分类方法，借助ENVI 软件的面向对象空间特征提取模块——Feature Extraction来提取水体信息，并进一步结合人工目视解译对提取结果进行检查与调整。首先选择待分类影像中的绿光波段B3和短波红外1波段B11 作为归一化指数计算的波段，并根据影像的实际情况，选择基于边缘的分割算法，确定合适的分割和合并阈值，对图像进行分割与合并；然后新建水体规则为光谱均值，选择之前构建的归一化植被指数作为计算波段，确定合适的阈值范围；最后将特征提取结果输出为矢量数据，并利用ArcMap 软件对提取结果进行检查与编辑。

3 研究结果与分析

3.1 湖泊面积年内变化特征

本文分析2017—2019年洞庭湖每个月的湖泊面积变化规律发现，2017年5—10月洞庭湖湖泊面积维持在1 200 km2以上，2017 年11 月—2018 年4 月湖泊面积整体低于1 000 km2；2018年5—10月湖泊面积维持在1 000 km2以上，2018 年11 月—2019 年4 月湖泊面积整体低于900 km2；2019年5—10月湖泊面积维持在1 500 km2以上，2019年11月—2020年4月面积整体低于900 km2。

综合3年年内湖泊面积变化情况可知，洞庭湖面积年内变化主要分为两个时期：5—10月湖泊面积普遍较大，为丰水期；11 月—次年4 月湖泊面积普遍较小，为枯水期。以2017 年为例，丰水期水体面积在7 月达到最大，为2 018 km2，如图2所示；枯水期水体面积在2月达到最小，为764 km2，如图3所示；二者相差1 254 km2，说明洞庭湖面积在年内表现出明显的季节性变化特性。其主要原因在于，洞庭湖流域全年降水集中在4—7 月，最大降雨量出现在5 月或6 月，且湘、资、沅、澧等水系的主汛期也在该时期；9 月后进入非汛期，三峡大坝也处于蓄水期，出湖水量大于入湖水量，水域面积显著减小，因此洞庭湖素有“大水一片、枯水一线”之称。

图2 2017年7月洞庭湖水体面积提取结果

图3 2017年2月洞庭湖水体面积提取结果

3.2 湖泊面积年际变化特征

本文统计了2017—2019年的洞庭湖水体面积，并拟合了这3 年的湖泊面积变化趋势，如图4 所示，可以看出，2017—2019 年洞庭湖面积呈缓慢减少的趋势。以月为单位，本文计算了丰水期和枯水期洞庭湖的平均湖泊面积，结果如图5所示，可以看出，2018年丰水期湖泊面积比2017 年约缩减了21%，2019 年比2018 年约增长了9%，呈现出先萎缩再扩张的变化趋势；而枯水期洞庭湖面积变化趋势趋于稳定，无明显起伏。

图4 2017—2019年洞庭湖面积变化曲线

图5 丰水期和枯水期洞庭湖湖泊面积年际变化图

3.3 主要区域湖泊面积变化特征

洞庭湖流域主要分为东洞庭湖、西洞庭湖、南洞庭湖3 个区域。本文分别对这3 个区域进行分析，研究洞庭湖流域面积变化特征的空间差异。由于枯水期湖泊面积较为稳定，本文仅对3 个区域丰水期的平均面积和年平均面积进行研究。

本文统计分析了东洞庭湖区丰水期的平均面积和年平均面积，其变化特征如图6所示，可以看出，东洞庭湖丰水期的平均面积在2017年为923 km2，2018年为669 km2，2019 年为783 km2，变化起伏较大，呈现缩减—增加的趋势；年平均面积在2017 年为686 km2，2018 年为539 km2，2019 年为570 km2，经历了先萎缩再扩张的变化过程。

图6 东洞庭湖面积变化特征

本文统计分析了西洞庭湖区丰水期的平均面积和年平均面积，其变化特征如图7 所示，可以看出，其丰水期的平均面积在2017 年为184 km2，2018 年为149 km2，2019 年为142 km2，面积变化较平稳，呈逐渐缩小的趋势；年平均面积在2017 年为142 km2，2018 年为132 km2，2019 年为125 km2，水体面积持续萎缩。

图7 西洞庭湖面积变化特征

本文统计分析了南洞庭湖区丰水期的平均面积和年平均面积，其变化特征如图8 所示，可以看出，其丰水期的平均面积在2017 年为474 km2，2018 年为411 km2，2019 年为451 km2，面积变化波动比东洞庭湖区小，总体呈现先萎缩后扩张的趋势；年平均面积在2017 年为400 km2，2018 年为375 km2，2019 年为377 km2，呈现先萎缩后趋于稳定的变化趋势。

图8 南洞庭湖面积变化特征

4 结 语

本文基于Sentinel-2卫星数据，利用基于规则的面向对象方法提取了洞庭湖湖泊面积，分析了洞庭湖年内和年际变化特征，并对洞庭湖内3 个主要区域的面积变化特征进行了分析。

1）洞庭湖面积年内存在明显的季节性变化，5—10月湖泊面积整体偏大，为丰水期；11月—次年4月湖泊面积普遍较小，为枯水期。2017年湖泊面积最大相差1 254 km2。

2）2017—2019 年洞庭湖面积总体呈缓慢萎缩的趋势。在丰水期，2018 年洞庭湖平均面积比2017 年缩小了21%，2019 年比2018 年扩张了9%，经历了先萎缩后扩张的变化过程；枯水期则无明显变化。

3）洞庭湖流域面积变化特征具有空间差异性，东洞庭湖面积变化起伏较大，经历了先萎缩再扩张的变化过程；西洞庭湖面积变化较平稳，呈持续萎缩趋势；南洞庭湖面积变化波动幅度比东洞庭湖小，表现为先萎缩后稳定的变化特征。