一种基于多源遥感信息的地表湿地水体提取方法＊

邹业斌 杨娟 舒瑞

1.宁夏大学土木与水利工程学院；2.中国地质大学（武汉）公共管理学院；3.宁夏自然资源勘测调查院

为了以中分辨率遥感影像检测植被、土壤与水体混合区域中的明水体，本研究提出了一种基于大气校正地表反射率、数字地形数据和土地覆盖产品的内陆地表湿地水体提取方法，将基于中分辨率遥感影像的光谱指数与土地覆盖类型栅格、地形指数和云/云阴影筛选规则相结合，应用于宁夏平原1990—2002年枯水期和丰水期的湿地水体数据提取和季节性动态监测。经验证，水体分类提取总体精度为0.93，Kappa系数为0.83。通过对湿、枯季湿地数据进行时间序列分析和空间叠加分析，揭示流域湿地水体的季节性变化特征。季节性分析结果表明：（1）近30年来研究区丰、枯水期水体面积均呈整体上升趋势，水体面积季节性变化明显，丰、枯水期水体面积最大变化值达405.46km2，最大变化率达52.79%；（2）宁夏平原东北部为主要季节变化区，包括银北灌区以及黄河主河道两岸，平均面积变化值为142.31km2；（3）黄河径流量、降水和蒸发以及引黄灌溉和生态补水，是宁夏平原水体面积变化的主要影响因素。

干旱区是全球变化的重要敏感区，干旱区湿地作为一种特殊的地表景观类型是区域环境变化的敏感指示器，湿地的扩张或萎缩对于干旱区生态环境的变化和平衡具有明显的指示和放大作用[1]。宁夏平原（如图1所示）地处中国西北内陆干旱区，气候干旱少雨、蒸发强烈，但黄河干流纵贯平原397km，使这一地区形成了大量的湿地资源[2，3]，成为宁夏平原水资源的重要载体。

图1 宁夏平原示意图（绿框线内）Fig.1 Schematic diagram of the Ningxia Plain (within the green frame)

研究区内生态环境脆弱，冬寒长、春暖迟、夏热短、秋凉早，干旱少雨、降雨集中、蒸发强烈、风大沙多。受黄河径流量汛、枯期交替、降雨季节性变率大以及冬季长时间蒸发等因素影响，平原内湿地水体季节性变化剧烈[4]。从雨季持续到旱季的降雨不足、水体渗漏及长时间蒸发，导致湿地水面积缩减、水位下降并且储水量减少，致使季节性水文干旱的发生[5]。目前，季节性水文干旱已成为全球性的常见自然灾害，尤其对于干旱半干旱区而言，其造成严重的水资源短缺、经济损失和不良社会后果[6，7]。

近年来，卫星遥感已被用作快速获取大尺度地表水体及其变化信息的数据源，各种遥感光谱指数被广泛用于湿地水体动态变化监测，主要是利用遥感光谱指数如归一化差异水体指数（NDWI）[8]、改进的归一化差异水体指数（MNDWI）[9]、增强水体指数（EWI）[10]、自动水体提取指数（AWEInsh）[11]等提取水体的面积及其动态分布。早期遥感影像的水体提取主要基于单波段法，利用水体在近红外或中红外波段强烈吸收特征来识别水体信息[11，12]。由于Landsat系列影像至少具有4个波段，因此可利用遥感影像多个波段之间的相互关系，构建逻辑判断规则来提取水体[8，13，14]，例如周成虎等[15]利用TM影像中水体具有灰度值TM2+TM3＞TM4+TM5的谱间特征，实现水体信息提取。目前基于机器学习和深度学习方法也被充分运用到水体自动提取中，如支持向量机（SVM）法[16]、决策树法[17]和面向对象法[18]，其中应用较广泛的有基于机器学习的BP神经网络[19]、马尔科夫随机场模型[20]和基于监督分类的光谱匹配方法[21]等。

基于卫星遥感技术的各种水体信息提取方法的结果精度至关重要，尽管湿地水体具有明显的光谱特征，但在不同的条件下，它也是一个高度可变的目标，其波段光谱特性会随着叶绿素浓度、总悬浮固体量、有机物浓度、水体深度、浅水体底部物质以及观察条件（如太阳方位角和云阴影等）的变化而变化，与地形阴影和其他土地覆盖类型（如雪和冰）的光谱相似性也使得水体光谱识别变得复杂[22，23]。因此，需建立一套复杂地表环境下的地表湿地水体提取算法，结合高分辨率光谱影像和地形测量数据等多源数据，高精度、可靠并有效地提取不同环境和复杂地表覆盖条件下的湿地水体分布。本研究以黄河流域湿地水体作为研究对象，所涉及的湿地水体概念指的是地表湿润、过湿或经常积水的可遥感探测到水体的区域。

1 研究区域、数据和研究方法

1.1 研究区概况

宁夏平原（如图1所示）地处中温带干旱气候区，位于黄河流域中上游，斜贯宁夏西北部，南北长约320km，东西宽约10～50公里，总面积达1.7万平方公里，平均海拔1000m以上[24]。依靠黄河水灌溉和生态用水补给，平原内分布着复杂多样、类型丰富的湿地水体，形成内陆干旱区具有代表性的湿地水体资源[24，25]。研究区内生态环境脆弱，夏季降雨集中、冬季寒冷干燥，年均气温8.3℃～10.1℃，年均降水量不足200mm，年均蒸发量为1850mm，约为年均降水量的10倍。降水主要集中于6～9月，占全年降水量的70%以上，因此年内水文气候条件变化剧烈，导致平原内湿地季节性变化明显[26，27]。

1.2 数据

地表湿地水体提取方法需要以下输入数据集：Landsat TM/ETM+/OLI Level 2级别的遥感影像、SPOT-5影像、高分1号影像、土地覆盖类型产品、数字高程模型（SRTM DEM）、月降雨量和蒸发量资料以及行政区划图等。

为实现宁夏平原湿地长时间序列季节动态变化分析，本研究选取1990—2020年覆盖宁夏平原且云量少于20%的共969景Landsat遥感影像作为数据源，并完成遥感影像的裁切、融合镶嵌和去云处理。对于Landsat 7 自2003年以后出现的影像条带问题，采用遥感软件完成条带修复。所选取的数据被分为丰水期（7月～11月）和枯水期（12月—次年4月）用于提取每两年期的湿地水体，即使用21期（1990、1992、……、2020）共42个时期（丰水期和枯水期）的逐月数据提取湿地水面，并将各个时期最大和最小面积作为对应丰水期和枯水期的湿地面积。

Landsat和DEM数据来自于美国地质勘探局（United States Geological Survey，简称USGS），SPOT-5影像来自法国空间研究中心（https：//regards.cnes.fr/user/swh/modules/60），高分1号影像来源于中国资源卫星应用中心（http：//www.cresda.com/CN/），气象数据来源于国家气象信息中心，土地覆盖类型数据来自中国科学院航天信息研究所（https：//data.casearth.cn/thematic/glc_fcs30/88）。

1.3 湿地水体的提取方法

1.3.1 基于自适应水体指数阈值提取湿地水体

首先设定阈值NDVI（≥0.3）和NDWI（≤-0.1）排除大部分非水体像素，以提高分类算法的效率和精度。接着，设定初始阈值MNDWI＞0.124提取水体区域，许多水体阈值的实验分析表明[28-30]，0.124可初步确定几乎所有潜在的湿地水体区域。各指数计算公式如式（1）～式（3）所示：

其中NIR、red、Green和SWIR1分别是近红外、红色、绿色和短波红外波段的反射值。

通过在研究区随机生成500个均匀分布的样本点，选择相近日期更高分辨率的Google Earth影像和高分1号卫星图像（2m空间分辨率）对水体结果目视对比，对Landsat MNDWI阈值迭代自适应调整，利用最优阈值提取水体面积数据。通过设置指数阈值提取水体数据，将遥感影像中“水体”像素值设置为1，“无数据”和“非水体”设置为0，形成二元状态栅格数据集。

分类过程中，一些土地覆盖物（例如冰、雪、云阴影、湿润土壤、湿地植被和山地阴影等）显示出高NDWI和MNDWI值，可能被误分为水体（即佣金错误），因此基于水体二元栅格数据集，通过设置筛选规则和方法将这些地物从水体类别中剔除。

1.3.2 基于土地覆盖类型的掩膜分析

土地覆盖类型产品为来自中国科学院航天信息研究所的1985—2020年的全球30m精细地表覆盖动态监测产品GLC_FCS30。基于GLC_FCS30土地覆盖类型产品，应用基于土地覆盖的掩膜直接替换像素值，排除非水体像素。GLC_FCS30-2020具有与水体栅格影像同样的空间分辨率（30m）和坐标参考基准，将GLC_FCS30-2020中已标记为非水的位置在二元栅格影像中标记为“非水体”（0值）。

1.3.3 山体阴影像素剔除

宁夏平原地势平坦，地形因素考虑较少，但在其北部和西南部等地区仍存在一些山体/脉，需考虑山体阴影和地形坡度对提取结果的影响。

根据Landsat影像中各像素的纬度、拍摄日期和时刻计算该位置处太阳高度角和方位角[31]，然后在DEM影像中利用移动3×3高程窗口访问所有像素，计算坡度[32]和坡向，其中坡度计算为每个像素与其相邻像素之间的最大高度差率，计算过程请参考Horn的研究成果[32]。利用以上信息计算山体阴影Hillshade，公式如式（4）所示：

其中，Zenith_rad和Azimuth_rad是太阳天顶角和太阳方向角的弧度数，Slope_rad和Aspect_rad是某一位置处的坡度弧度数和坡向弧度数。计算得到每个像素处的阴影值（1～255范围内整数值），将山体阴影值＜150和坡度＞20°的像素识别为地形阴影。

1.3.4 利用坡度值排除非水像素

利用10%的坡度阈值排除由于地形坡度过大而无法容纳水的像素，将任何超过此阈值的位置重新编码为0值（非水体）。

1.3.5 “ 冰”“雪”“云”和“云阴影”像素剔除

研究区枯水期存在冰/雪覆盖，其在可见光和近红外波段反射率高，在短波红外波段反射率低，导致MNDWI值较高，但NDWI值较小[33]。因此使用差异阈值（0.7）减少水体与冰雪的混淆，并且考虑地温T[34]＜1.5℃的标准，将满足公式（5）的像素设置为“非水体”。同时，算法检查Landsat影像QA波段并将QA波段中标记为云和云阴影值的像素位置标记为“非水体”。

1.4 水体面积统计与精度分析

通过以上方法处理得到丰、枯期水体栅格数据，将其导入到GIS软件中统计水体面积。因为Landsat卫星可以识别的最小水体面积是0.01km2，因此本研究仅分析面积大于0.01km2的水体。水体提取结果精度验证取1998、2010和2018年丰水期和枯水期的栅格结果，在研究区随机抽样1，000点与SPOT-5和高分1号卫星数据对比，统计水体提取的总体精度（Overall Accuracy， OA）和Kappa系数，精度统计结果如表1所示。统计水体提取的总体精度平均值为0.93，Kappa系数平均值为0.83。

表1 水体提取结果精度统计Tab.1 Precision statistics of water extraction results

通过对比湿、枯季湿地数据，计算年内湿地水体面积变化值和变化率、年均面积变化值和年均面积变化率等统计值，分析宁夏平原湿地水体面积季节性动态变化，按如公式（6）所示的来计算面积季节变化率：

式中：SD为枯水期湿地面积；SW为丰水期湿地面积。计算结果等于0表示湿地面积无变化，大于0和小于0分别表示从丰水期到枯水期湿地萎缩和扩张。

2 结果与分析

2.1 湿地水体季节性动态变化—时间序列分析

如图2所示表示的是1990—2020年研究区湿地水体湿、枯季面积及面积变化情况，可知宁夏平原丰、枯水期的水体面积整体呈现逐年上升趋势，水体面积在丰水期比枯水期均波动剧烈，尤其在2000年以后。

图2 宁夏平原湿地水体面积变化Fig.2 Change of wetland water area in Ningxia Plain

（1）除2000年外，其他年份丰水期水体面积均大于枯水期水体面积。

（2）最小湿地水体面积发生在1994年枯水期，仅为171.75km2，最大面积发生在2018年丰水期，面积为768.05km2。湿、枯季湿地水体面积多年均值分别为427.57km2和 286.36km2。

（3）宁夏平原湿地面积季节性变化显著，湿、枯季面积最大值变化发生在2018年，达到405.46km2，其次是2016年，变化值达到300.02km2，而最小面积之差为-12.94km2，发生于2000年，近30年湿枯季面积变化均值为141.22km2。

（4）湿地面积多年最大、最小变化率为52.79%和-4.93%，分别发生于2018年和2000年，与最大湿地面积和最小湿地面积变化发生时间一致，近30年来湿地面积平均变化率为27.6%。

因此整个区域水体季节性变化幅度大，也表明了作为内陆干旱区流域的地表水资源，水体面积季节性波动剧烈。

2.2 湿地水体季节性动态变化—空间叠加分析

为突出显示宁夏平原湿地水体的湿、枯季变化特征，选取年内湿枯季面积ACR＞0.43的湿地水体栅格影像作为代表性数据进行空间叠加（如图3所示）。结果表明，研究区内湿地水体面积及其空间分布的季节性变化明显。

图3 宁夏平原湿地水体面积季节变化空间特征（按变化率从大到小）Fig.3 Spatial characteristics of seasonal change of wetland water area in Ningxia Plain (from large to small according to the change rate)

湿地面积变化较为剧烈的区域主要在银北灌区以及黄河主河道两岸区域，主要包括银川市和石嘴山市内的湿地水体，两个区域丰水期和枯水期的平均水体面积分别为345.2km2和202.89km2，平均变化率达42.22%。研究区夏季降雨集中，冬季干旱少雨，湿枯季的降雨量差异大，黄河径流的顶托作用以及引黄灌溉和城市内生态补水等影响，导致平原水体面积季节性变化显著[35]。

黄河河流湿地具有丰枯交替的特征，黄河主干道在丰水期和枯水期也容易发生摆动迁移、面积变化、宽度变化及其与沼泽湿地的相互转化的现象。如图4所示展示出了2020年黄河近岸湖泊腾格里湖以及黄河青铜峡段从丰、枯水期的水体面积变化。腾格里湖（图4a）从丰水期到枯水期水位下降、水面积逐渐缩减，而黄河（图4b）则部分干流转化为沼泽漫滩湿地，均发生季节性波动。

图4 黄河近岸水体季节变化Fig.4 Seasonal variation of the near shore water body of the Yellow River

总体而言，变化率较高的区域分布在宁夏平原的东北部，而西南部变化率较低，这也间接反映了宁夏境内不同区域的水系水资源存在着明显差异。

3 结语

本研究提出了一种较复杂地表覆盖条件下内陆地表湿地水体的提取方法，旨在以中分辨率Landsat影像检测植被、土壤与水混合区域中的明水体。该方法可处理Landsat 4-5 TM、Landsat 7 ETM+和Landsat 8 OLI产品，但其仍可应用于从其他卫星获取的光谱数据，特别是那些光谱波段与Landsat传感器相似的卫星。本研究通过建立模型方法从Landsat TM/ETM+/OLI等多源遥感影像解译提取宁夏平原1990—2002年枯水期和丰水期的湿地水体数据，并对湿、枯季湿地数据进行时间序列分析和空间叠加分析，结果表明：（1）1990—2020年间研究区内湿地面积季节性变化剧烈，丰、枯水期的水体面积整体呈逐年上升趋势，水体面积在丰水期比枯水期均波动明显；（2）变化较为剧烈的区域一般发生在银北灌区以及黄河近岸区域，主要包括银川市和石嘴山市内的湿地水体。

本研究将关注聚焦于内陆干旱区流域水体，具有特殊性与代表性，对于干旱区流域湿地水体提取和季节性演变研究也具有一定借鉴意义。

致谢

感谢宁夏自然科学基金项目（2021AAC03060）、宁夏高等学校一流学科建设项目（NXYLXK2021A03）、宁夏自然科学基金项目（2022AAC03052）、宁夏自然科学基金项目（2021AAC03043）的支持。

引用

[1]COLETTI J Z,VOGWILL R,HIPSEY M R.Water Management Can Reinforce Plant Competition in Salt-affected Semi-arid Wetlands[J].J HYDROL,2017(552):121-140.

[2]白林波,白明生,石云.基于RS与GIS的银川市湿地景观变化研究[J].水土保持研究,2011,18(04):79-81.

[3]张荣群,乔月霞,刘欢.湿地景观演变与土地利用强度变化的响应关系——以银川平原为例[J].测绘科学,2015,40(10):54-59.

[4]ZHANG Z F.Wetland Environmental Protection and Spatial Distribution of Plant Communities in Arid and Semi-Arid Areas of Northwest China[C]//The Proc.of 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics),2019.

[5]ZHANG R,ZHANG X,YANG J,et al.Wetland Ecosystem Stability Evaluation by Using Analytical Hierarchy Process(AHP)Approach in Yinchuan Plain,China[J].Mathematical and Computer Modelling, 2013,57(3):366-374.

[6]HAO C,ZHANG J,YAO F.Combination of Multi-sensor Remote Sensing Data for Drought Monitoring Over Southwest China[J].International Journal of Applied Earth Observations & Geoinformation,2015(35):270-283.

[7]李燕燕.青藏高原旱、雪灾特征及其与大气环流的关联性探究[D].西宁:青海师范大学,2020.

[8]MCFEETERS S K.The Use of the Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features[J].International Journal of Remote Sensing,1996,17(7):1425-1432.

[9]徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报,2005,9(5):589-595.

[10]丁凤.一种基于遥感数据快速提取水体信息的新方法[J].遥感技术与应用,2009,24(2):167-171.

[11]FRAZIER P S,PAGE K J.Water Body Detection and Delineationwith Landsat TM data[J].Photogrammetric Engineering and Remote Sensing,2000,66(12):1461-1467.

[12]毕海芸,王思远,曾江源,等.基于TM影像的几种常用水体提取方法的比较和分析[J].遥感信息,2012,27(5):77-82.

[13]汪金花,张永彬,孔改红.谱间关系法在水体特征提取中的应用[J].矿山测量,2004(4):30-32.

[14]都金康,黄永胜,冯学智,等.SPOT卫星影像的水体提取方法及分类研究[J].遥感学报,2001,5(3):214-219.

[15]周成虎,骆剑承,杨晓梅.遥感影像地学理解与分析[M].北京:科学出版社,1999.

[16]张德军,杨世琦,王永前,等.基于GF-1数据的三峡库区水体信息精细化提取[J].人民长江,2019,50(9):233-239.

[17]陈超,傅姣琪,随欣欣,等.面向灾后水体遥感信息提取的知识决策树构建及应用[J].遥感学报,2018,22(5):792-801.

[18]王俊海,阮仁宗,柴颖,等.基于高分二号的面向对象城市水体信息提取[J].地理空间信息,2018,16(9):34-40.

[19]王知音.基于机器学习的遥感图像水体提取研究[D].乌鲁木齐:新疆大学,2016.

[20]唐德可,王峰,王宏琦.基于马尔科夫分割的单极化SAR数据洪涝水体检测方法[J].电子与信息学报,2019,41(3):619-625.

[21]张伟,赵理君,郑柯,等.一种改进光谱角匹配的水体信息提取方法[J].测绘通报,2017(10):34-38.

[22]JI L,ZHANG L,WYLIE B.Analysis of Dynamic Thresholds for the Normalized Difference Water Index[J].Photogrammetric Engineering & Remote Sensing,2009(75):1307-1317.

[23]LIAO A L,CHEN J,CHEN C,et al.High-Resolution Remote SensingMapping of Global LandWater[J].Science China Earth Sciences,2014(57):2305-2316.

[24]吕金虎.宁夏银川湿地现状及保护对策[J].湿地科学与管理,2014,10(4):32-35.

[25]渠晓毅,刘小鹏,邵宁平.银川市湖泊湿地景观空间格局动态演化分析[J].干旱区研究,2009,26(3):333-339.

[26]张仲胜,薛振山,吕宪国.气候变化对沼泽面积影响的定量分析[J].湿地科学,2015,13(2):161-165.

[27]YANG H L,XIAO H,GUO C W,et al.Innovative Trend Analysis of Annual and Seasonal Precipitation in Ningxia,China[J].Atmospheric and Oceanic Science Letters,2020,13(04):308-315.

[28]THOKCHOM B,QIU P,SINGH P,et al.Water Conservation in the Era of Global Climate change[M].Amsterdam:Elsevier,2021:99-120.

[29]SOULARD C E,WALKER J J,PETRAKIS R E.Implementation of a Surface Water Extent Model in Cambodia Using Cloud-based Remote Sensing[J].Remote Sensing,2020,12(6):984.

[30]GANESH K M,RAO R S,MURTHY Y,et al.Assessment of Surface Water Bodies Using Automated Algorithm,West Godavari District,Andhra Pradesh,India[J].Journal of Civil,Structural,Environmental,Water Resources and Infrastructure Engineering Research,2019,9(2):53-58.

[31]庄炎昊.基于学科融合的太阳高度角、太阳方位角公式推导——以2020年11月金华十校高三地理试题为例[J].地理教学,2022(02):38-40.

[32]HORN B K.Hill Shading and the Reflectance Map[J].Proceedings of the IEEE,1981,69(1):14-47.

[33]Feng M,Sexton J O,Channan S,et al.A Global,Highresolution(30-m)inland Water Body Dataset for 2000:First Results of a Topographic-spectral Classification Algorithm[J].International Journal of Digital Earth,2016,09(02):113-133.

[34]王璟睿,魏辛源,李明诗,等.多时相Landsat影像地表亮温辐射归一化方法[J].遥感信息,2016,31(2):86-92.

[35]柴奕.宁夏引黄灌区湿地动态演变及驱动因子研究[D].郑州:华北水利水电大学,2018.