基于Landsat影像的巢湖面积变化分析研究

摘 要：鉴于全球气候变化的不断加剧和人类活动范围的迅速扩大，湖泊面积的显著变化已成为学者研究的焦点之一。巢湖是中国五大淡水湖之一，通过分析其面积变化，深入理解湖泊面积波动的动态机制和潜在影响因素。采用Landsat卫星影像数据，系统分析了巢湖2012—2022年的面积变化动态及相关影响因素。为实现水体的自动提取，运用ETM+和OLI两类不同波段的Landsat卫星影像，并引入水体指数（NDWI）作为有效的水体识别工具。随后，通过对提取的水体面积数据与气象参数进行统计学分析，旨在探讨湖泊面积变化的根本原因，并为湖泊生态环境的改善提供有效支持。

关键词：Landsat影像；巢湖；面积变化；气象因素

中图分类号：P237 文献标志码：B 文章编号：2095–3305（2024）07–0-03

基于Landsat影像的巢湖面积变化分析是当前遥感技术应用研究的一个重要课题。国内外学者在这一领域开展了广泛且深入的研究，并取得了显著进展[1-2]。

为了进一步提高淡水湖泊面积变化监测与预测的可靠性和有效性，研究者应积极探索新技术和方法，为我国水资源管理和生态环境保护提供更为坚实的科学支持，推动全球湖泊生态系统的可持续发展[3-4]。

巢湖是安徽省中部地区重要的水源补给地，其流域面积约为8 847.12 km2，位居我国淡水湖面积的第五位。流域东南部与长江相连。该地区的气候特征为平均温度约为15 ℃，年降水量＞1 100 mm，人口密集，经济发展迅速。巢湖的地理位置如图1所示。

1 数据来源

所采用的数据为2012—2022年期间Landsat7/8巢湖湖泊面积卫星遥感影像数据。Landsat影像具备30米高空间分辨率，并可覆盖研究所涉及的巢湖区域。此外，该数据集还提供了2012—2022年的连续监测影像，满足了研究对时间范围的需求。气温、降水数据来源于国家气象科学数据中心的中国地面气候资料日值数据集[5]。

2 数据处理

2.1 数据预处理

影像处理：2012—2022年的遥感影像数据被导入至ENVI5.3进行数据预处理。由于2012年的遥感影像数据属于Landsat7，存在条纹问题，因此需要进行条纹处理。采用Landsat-gapfill工具对条纹进行修复处理[6]。

影像裁剪：优化数据管理并提高处理效率，减少大型影像数据集的体积，从而精简所需处理的数据规模，并提升图像的准确性与分辨率。

辐射定标：便于进行数据比较、时间序列分析以及地物信息提取，从而支持科学分析和决策制定，以提高数据的精度和准确性。

大气校正[7]：该过程旨在消除大气影响，以获取地表反射率的真实图像，从而提高遥感数据的可靠性和精度[8-14]。

2.2 巢湖的水域面积提取

（1）计算水体指数：归一化水体指数是一种用于评估水体水质的综合方法。该指数基于常规水体评估指标，通过对各项指标进行加权平均计算得出。其计算公式如下：

NDWI=[ρ（Green）ρ（NIR）]/[ρ（Green）ρ（NIR）]（1）

其通过绿波段ρ（Green）和近红波段ρ（NIR）的光谱反射率进行计算。

（2）查看水体数值：NWDI的计算方法涉及2个波段的反射率差值计算，并将其归一化至0～1之间。数值1表示水体的存在程度完全，而数值0则表示完全是陆地。

（3）利用阈值建立Roi：通过设定阈值，将像素按照其颜色特征分为不同的类别，以使得同一类别内的像素具有相似的颜色特征，而不同类别之间的像素则呈现明显的颜色差异。阈值的选择必须充分考虑水体的颜色特征和图像的光照条件等诸多因素。基于预先确定的阈值，对灰度图像进行阈值分割，依据像素的颜色数值进行分类判断，将图像中的像素分为水体和非水体2个类别，从而实现对水体的精确提取。

（4）水体提取：通过对提取出的水体区域进行裁剪处理，从原始图像中获取仅包含水体的图像。在裁剪过程中，标记出提取出的水体，以便后续处理。随后，根据水体的标记信息，对原始图像进行水体裁剪操作。

（5）提取水体转分类图像：在此研究中，首先选取一幅包含水体的彩色遥感图像，并将所选图像转换为灰度图像，即将彩色像素值转换为相应的灰度值，最后根据水体的分类结果，生成水体转分类图像，其中不同类别的像素点用不同颜色表示。

（6）编辑分类图像：在对巢湖水域进行研究时，必须删除除研究区域以外的水体。在处理水域数据之前，必须仔细进行数据筛选，以确保研究数据的准确性和可靠性。

2.3 制作专题图与计算巢湖湖泊面积

经过数据处理分析得到各年份巢湖水域（图2）。

在ArcGIS中，使用矢量文件计算巢湖湖泊面积，湖泊面积如表1所示。

2.4 统计学分析气象数据和巢湖面积数据

通过对巢湖面积、气温、降水数据进行统计学分析，生成折线变化（图3）。

2.5 气象因素与巢湖湖泊面积变化相关性分析

基于湖泊面积变化趋势的研究，开展了气象因素的相关性分析，以深入探究湖泊面积与气象因素之间的关联性。Pearson相关系数是一种常见的统计方法，用于评估2个变量之间的线性相关性程度及方向。经过计算，发现气温与巢湖湖泊面积之间的Pearson相关系数为-0.499，表明两者呈负相关关系；降水量与巢湖湖泊面积之间的Pearson相关系数为0.991，表明两者呈正相关关系。

3 巢湖面积变化的影响

3.1 巢湖湖泊面积变化

表1和图3数据显示，2012—2014年，巢湖整体面积呈增大趋势，增加了7.758 2 km2。2014—2016年，巢湖面积略有减少，缩减了0.076 5 km2。2016—2018年，巢湖面积减少幅度较大，缩减了6.642 km2。2018—2020年，巢湖面积继续缩减，减少了0.932 4 km2。2020—2022年，巢湖面积变化较前两年有所增加，增加了0.700 2 km2。总体而言，巢湖在过去10年内的面积变化呈先扩张、后缩减的趋势。其中，2016—2018年的面积缩减最为显著，2018—2020年的面积缩减最少。2014—2016年，巢湖面积的变化相较于前两年变化不大。

3.2 气象因素对巢湖湖泊面积变化的影响

3.2.1 气温对面积的影响

2012—2016年，巢湖平均气温变化较为稳定，整体变化不大。具体而言，2012—2014年的平均气温仅上升了1 ℃，而2014—2016年的平均气温则未发生变化。然而，2016—2022年，巢湖的平均气温变化显著，呈现出明显的上升趋势。气温升高会导致高温和强烈日照，加快巢湖水面的蒸发速度，导致水土流失加剧，从而使得巢湖水域面积减小。由于湖泊面积与水深之间存在一定的关系，因此，当水体的蒸发速率增加时，水深也会降低。通过Pearson相关系数计算得出气温因素与面积之间的相关性系数为-0.499，结合对气温的上述描述，说明气温因素与巢湖面积变化呈负相关。

3.2.2 降水量对面积的影响

2012—2014年，降水量增加，巢湖面积也随之增大，表明降雨量的增加会导致湖泊水量增加，进而扩大湖泊面积。这种情况通常对湖泊生态系统具有积极影响，因为更多的水资源意味着更高的湖泊水位。然而，2014—2016年，尽管降水量增加，但巢湖面积却略有减少，这表明大雨或暴雨可能会对湖泊面积产生负面影响。当降雨量过大时，水流可能超出湖泊的排水能力，导致湖泊面积缩小。此外，暴雨也可能破坏湖泊周围的生态环境，对湖泊生态系统产生不利影响。2016—2020年，降水量持续下降，巢湖的湖泊面积也持续减小。通过Pearson相关系数计算得出降水量与面积之间的相关性系数为0.991，结合对降水量的上述描述，说明巢湖地区的降水量与巢湖的湖泊面积呈现出正相关关系。

4 结论

本研究所利用的Landsat影像数据具备较高的空间分辨率和良好的质量，然而，这些数据的获取方式是通过遥感技术实现的。遥感数据对云雾等大气干扰较为敏感，尤其是雨季可用的影像数量较少，这对提取结果的准确性产生了一定的影响。

本研究仅对气温、降水对湖泊面积的影响进行了宏观层面的分析，采用了统计学方法进行了影响评估，但并未进行定性或定量分析。

本研究仅对气温和降水这2个气象因素进行了考虑，而实际上，湖泊面积的变化受到诸如蒸发、风速等其他气象因素的影响。因此，未来的研究可以考虑更多的气象因素。此外，期望未来的研究能够建立模型，以定性和定量的方式分析各种气象因素和人文因素对湖泊面积变化的影响，使研究结果更加严谨。

参考文献

[1] 何诗瑜.基于国产高分光学和国产高分雷达遥感的巢湖水华长时序变化监测研究[D].合肥：安徽大学，2019.

[2] 徐泽源.2000—2017年间新疆地区典型湖泊表面温度变化过程[D].乌鲁木齐：新疆大学，20201.

[3] 焦慧慧.联合星载单光子激光与遥感影像的湖库水位动态变化监测[D].阜新：辽宁工程技术大学，2022.

[4] 杨光源.基于HSI高光谱遥感数据的水体分布提取及泥沙含量反演研究[D].南宁：广西师范学院，2015.

[5] 郭杨亮.多波段遥感图像在土地利用中的应用研究[D].西安：西安科技大学，2013.

[6] 赵辉，陈振，冯超帆，等.基于Landsat影像的鄱阳湖面积监测及其与水位关系研究[J].自然资源遥感，2024，36（2）：198-206.

[7] 张克祥.MODIS监测长江中下游典型湖泊面积变化研究[D].南昌：东华理工大学，2015.

[8] 晁明灿，赵强，杨铁利，等.基于Landsat8影像的蓝藻水华提取方法对比研究[J].大气与环境光学学报，2021，16（6）： 520-528.

[9] 刘海秋，任恒奎，牛鑫鑫，等.基于Sentinel-2遥感影像的巢湖蓝藻水华提取方法研究[J].生态环境学报，2021，30（1）： 146-155.

[10] 张东彦，尹勋，佘宝，等.多源卫星遥感数据监测巢湖蓝藻水华爆发研究[J].红外与激光工程，2019，48（7）：303-314.

[11] 王东海，王心源，黄海波，等.基于Landsat TM/ETM+影像的面状水体特征研究：以巢湖流域面状水体为例[J].测绘与空间地理信息，2009，32（1）：44-50.

[12] 张嘉敏，何俊，高富东，等.基于Landsat8时间序列的宁夏青铜峡市农田防护林提取[J].黑龙江农业科学，2024（1）： 23-28.

[13] 孔誉霏，刘珊珊，王丽娜，等.基于Acolite模型的Landsat8卫星影像大气校正[J].科学技术创新，2024（2）：36-43.

[14] 陈传，黄晓园，王艳霞，等.利用样点调查与Landsat8影像数据建立山体地表温度与坡度的关系[J].东北林业大学学报，2024，52（1）：67-73.