骨干河道水域岸线遥感监测——以江苏省常州市为例

戎欣，詹雅婷

（1.江苏省地质调查研究院，南京 210018；2.自然资源江苏省卫星应用技术中心，南京 210018）

1 引言

河道的合理开发利用对生态建设、经济发展具有重要意义，因此，为了全面掌握河道资源情况，维护河道生态平衡，杜绝违法侵害河道行为，同时为了更好地对接河长制管理要求，对骨干河道管理范围内的变化情况进行监测的需求非常迫切。监测管理范围内水域岸线变化情况及进行数据的处理和分析，并提供相关技术成果[1]，可以辅助“两违、三乱”的治理，在河湖水域的保护与治理方面提供违法查处的支撑以及各种基础信息。

2 总体监测思路

建立骨干河道水域岸线遥感监测体系，提高水域岸线监测能力，这是随着遥感卫星影像的拍摄能力和拍摄周期的不断提高而产生的需求，是呼应大数据和地理信息技术迅速发展的当务之急[2]。建立及时发现问题、高效解决问题的监测技术系统，充分利用现代测量、空间检测、信息网络等技术，可实现全流程、全覆盖的水域要素的现代化监测。

本文以常州市为例，选取常州列入省骨干河道名录及市级管理权限河道名录的胥河、丹金溧漕河、德胜河等43条河道，采用多源数据与高分辨率遥感影像相结合的方法，深度学习智能解译与目视解译法相结合的技术方法，将外业调查举证与内业监测相结合，以便对骨干河流水域岸线管理范围进行的监测能够准确、及时以及客观，通过获得的实际数据可以为水利部门及相关执法部门的管理提供决策依据和技术支撑。在监测中，选择亚米级高分辨率遥感影像，可以较2 m分辨率影像提供更加准确的信息，本文使用了辐射校正、几何校正、影像融合、图像增强以及影像镶嵌的遥感影像处理方法[3]，使用基于典型年份（确定为2018年）与最新年度（2021年）亚米级高分影像数据对比，确定最新的河道管理范围内监测的水域、岸线变化，参照河湖库高分遥感监测规范，采集变化点位的信息，进行要素提取，综合运用高分卫星影像内业数据处理与外业调查辅助的技术手段，对常州市骨干河道水域岸线进行监测，为管理部门提供准确高效的技术数据。

3 常州市骨干河道遥感监测体系

本文采用遥感数据智能提取以及解译的技术方法，在CGCS2000国家大地坐标系中，对前、后两年的卫星图像进行叠加和比较，尽量从整体上提取水域岸线变化图斑，并对变化图斑的面积、位置、变化类型、变化时间等特性进行分析。将河湖库管理要求和矢量数据结合起来，梳理、分析、筛选、加工后，按照需求，可以提供给地方核查单位，做到每月监测、从而监管水域资源。

3.1 遥感数据的处理

3.1.1 数据源

本次骨干河道水域岸线遥感监测以常州市为例，采用的数据源包括：北京二号（BJ-2）、高分七号（GF-7）、高分二号（GF-2），卫星影像、空间分辨率为亚米级。其中，前时相影像采用2018年北京二号（BJ-2）影像，后时相影像采用2021年高分二号（GF-2）、高分七号（GF-7）、北京二号（BJ-2）卫星影像，矢量数据采用“常州市水域岸线遥感监测管理范围界线岸别”。

3.1.2 辐射校正

辐射校正主要是针对遥感图像上的薄云和霾进行去除，在保持影像清晰度和信息量数据不减少的前提下，对原始图像中的条带和噪声进行去噪处理，对辐射度畸变较大的原始图像进行辐射度纠正处理。在遥感影像上，霾（薄云）的存在会导致影像的对比度降低，并导致亮度略微提高，所以，去除霾（薄云）实质上就是利用滤波使霾（薄云）区影像的像元值重新趋于正常。

3.1.3 几何校正

几何校正是利用卫星数据RPC参数，通过几何纠正模型，参照纠正底图和对应的DEM数据，均匀选取同名点，生成全色和多光谱影像的数字正射影像的一种卫星数据处理方式，其中误差不大于0.5个像素，最大不超过1个像素。

3.1.4 影像融合

影像融合是使用图像插值算法在同一时相和相同的数据源之间进行的，融合后的图像可以突出目标物的信息，使目标物和周围的地物之间具有明确的边界。算法采用三次卷积法，融合方法采用PANSHARP，融合后的影像会整体提升亮度、色彩反差、色调、纹理的效果。

3.1.5 图像增强

辐射强化：采用直方图变换、线性变换、非线性变换、直方图定化等方式，通过对图像的明暗度、反差度、色彩等进行调节，从而实现图像的明暗度适中，色彩饱和以及层次分明。

色彩处理：使用逐波段进行直方图调整、色彩平衡、HIS调整的方法调整影像的色彩，从而使影像尽量表现为接近自然的真彩色效果。主要是植被应体现为绿色，道路、城市表现为灰色，水体为蓝灰色或蓝品色，以便于地物更精准的判读[4]。

空间强化：空间强化可以有目的地在突出图像的边缘或线性特征，同时可以有针对性地削弱消除在获取和传输图像时产生的各种噪声点。

3.1.6 影像镶嵌

在镶嵌之前，采用重叠准确度方法进行检查，并且镶嵌需要满足景与景间叠加限差，取样间隔修正，同时保留质量好，云雾量小的图像。当邻近两景图像的品质和时相相差较小时，保证图像纹理、色彩可以自然过渡；在相邻两景图像中相或品质相差较小时，进行色相、色阶以及颜色的饱和度的修改，然后进行对比度和亮度的调整，最后进行色彩平衡。

3.2 变化图斑提取

3.2.1 建立解译标志

基于图像的光谱特征、几何特征、纹理特征、地物空间布置，再结合外业踏勘结果，采用分类对比、比较推理等方法，对监测区域内主要监测类型的光谱特征、空间特征和时间特征进行对比，通过对不同类型的影像的几何形状、色彩、反差、大小、纹理、阴影、色调、位置[5]等综合信息进行综合分析，构建河道所使用的解译标志（见图1），为提取变化信息打下技术基础。

3.2.2 深度学习智能提取与目视解译法相结合

在监测的区域，采用深度学习的监测方法进行遥感影像的信息提取，首先，运用分类对比的方法[6]分析了不同图像的分辨率，以及不同波段合成、不同季节、不同区域同一地类所表现的色调、色彩、纹理特征，再运用典型样本的方法提取典型类型的图像的译样本，并学习大量的同一地物对应的输入和输出结果，对卷积网络进行训练，建立模型，因此，在不同影像分辨率、不同波段合成、不同季节、不同区域的同一地物，都能被监测发现并提取出来[7]。

对于智能解译效果不佳的区域，本文采用目视解译的方法进行辅助解译。通过智能提取与人机交互相结合的方法，使提取结果精度达到最优化。遥感影像要素提取对比如图2所示。

3.2.3 外业调查辅助

外业调查采取点线面相结合的方式。对于内业监测解译情况较好的区段，则主要通过点的方式进行验证，对解译一般中等的区段，要安排有一定代表性的举证路线，对于解译效果不佳的区段，则主要采取面验证的方式进行举证。

4 常州市骨干河道遥感监测结果分析

经对常州市监测范围内2018年与2021年亚米高分影像的遥感监测分析共发现406处变化。本次监测共计监测骨干河道43条，发现新增变化的河道数量为39条，其中，金坛区变化32处，溧阳区141处，天宁区57处，武进区103处，新北区49处，钟楼区24处，从而得出结论，溧阳市新增变化图斑个数最多。常州市骨干河道遥感监测空间分布图如图3所示。

5 结语

本文对江苏省常州市骨干河道水域岸线进行遥感监测，利用高分辨率遥感影像，采取智能提取与人机互动等前沿技术，实现了骨干河道资源监管的智能提取与监测，为河湖库形成常态化监测提供了技术与数据支撑，遥感监测的技术手段可以弥补传统的河湖巡查监管，极大地提高了监管与工作的效率。在接下来的研究中，将继续深入研究如何将遥感监测技术与水利资源管理相结合、多种监测方式融合与协作、如何提升信息智能提取精准度等方面的内容，以提升河道资源管理的现代化与信息化水平。