基于Sentinel-1的洞庭湖區(qū)洪澇災(zāi)害信息提取與分析

李軍 張維 許欣

摘 要：星載雷達(dá)遙感具有全天候獲取地面特征的特點，在惡劣環(huán)境下工作仍然能得到較高精度的圖像，在洪水災(zāi)害監(jiān)測中的作用顯著。2017年6—7月，洞庭湖區(qū)發(fā)生了嚴(yán)重的洪澇災(zāi)害，損失嚴(yán)重。該文選取2017年6月4日、6月28日、7月10日以及7月22日4期Sentinel-1數(shù)據(jù)，進(jìn)行了洪澇災(zāi)害信息的提取與分析。通過去噪方法和水體提取方法對比分析，確定采用Lee濾波進(jìn)行Sentinel-1數(shù)據(jù)去噪、采用閾值法進(jìn)行水體提取，提取了不同時期的水體分布，實現(xiàn)了洪水動態(tài)監(jiān)測。采取地圖差分法獲取淹沒范圍為1015.43km2，岳陽整體受災(zāi)面積最大。綜合土地利用數(shù)據(jù)，結(jié)合疊加分析和分區(qū)統(tǒng)計發(fā)現(xiàn)，此次洪澇災(zāi)害對耕地的影響最大，受災(zāi)面積達(dá)693.35km2。

關(guān)鍵詞：水體分布;洪水淹沒;Sentinel-1;洞庭湖區(qū)

中圖分類號 S277.4文獻(xiàn)標(biāo)識碼 A文章編號 1007-7731（2020）19-0151-03

Information Extraction and Analysis of Food Disaster in Dongting Lake Area base on Sentinel-1

LI Jun1 et al.

（1Changsha Planning & Design Survey Research Institute，Changsha 4100，Hunan，China）

Abstract：Satellite Borne Radar remote sensing has the characteristics of all-weather acquisition of ground features.It is still able to obtain high precision images in bad environment，and plays a great role in monitoring flood disaster.Serious floods occurred in Dongting Lake area from June 2017 to July，causing serious losses.This paper selected and extracted flood and waterlogging information based on Sentinel-1 data of June 4，2017，June 28th，July 10th and July 22nd in the year of 2017.First of all，through comparative analysis，we got the best effect of Lee filtering on radar data de-noising effect and the extraction of water body in the 4 phase Sentinel-1 data by using the threshold method，to analyze change of water body area.Then，the map difference method was used to obtain the submergence area of 1015.43km2，while the Yueyang County got the largest affected area.Thirdly，according to the superposition analysis and the zoning statistics，we obtained the land use disaster area，it can be concluded that the flood disaster has the greatest impact on the cultivated land with an area of 693.35km2.

Key words：Water distribution;Flood inundated;Sentinel-1;Dongting Lake Are

1 引言

衛(wèi)星遙感監(jiān)測是獲取地表宏觀動態(tài)信息的有效手段，在洪澇災(zāi)害監(jiān)測方面的應(yīng)用廣泛。相比常規(guī)光學(xué)衛(wèi)星和紅外衛(wèi)星，雷達(dá)星載雷達(dá)衛(wèi)星不會受到云層的干擾，可以全天候、全天時的獲取高精度圖像，在洪澇災(zāi)害檢測方面優(yōu)勢明顯[1-2]。利用雷達(dá)數(shù)據(jù)進(jìn)行洪澇災(zāi)害分析的研究主要集中在水體識別方法[1-3]、洪水淹沒范圍分析[4-6]等方面。Yuqiang Wang等通過將Radersat sar和Landsat ETM+圖像的互補信息相結(jié)合，提取水體信息[1]。李景剛等利用改進(jìn)的最大方差閾值法進(jìn)行圖像分割，提取洞庭湖地區(qū)干季和汛期2個場景的ASAR數(shù)據(jù)中的水體[2]。鄭偉等針對ENVISAT-ASAR數(shù)據(jù)，通過采取單波段閾值法、基于雙極化數(shù)據(jù)的最大似然分類法和基于雙極化數(shù)據(jù)和紋理信息的最大似然法，對比分析提取數(shù)據(jù)中的水體[3]。P.Matgen等提出了輻射閾值與區(qū)域生長法相結(jié)合的自動提取SAR圖像洪水范圍的方法[4]。Xiaohua Tong等提出利用Landsat 8號光學(xué)成像和雷達(dá)成像結(jié)合COSSMO-SkyMed的方法，采用地圖差分法進(jìn)行洪水淹沒分析[5]。孫亞勇等通過建立開放性水體和淹沒植被模型，根據(jù)影像記錄的地表微波后向回波強弱差異，進(jìn)行洪水淹沒范圍識別與提取[6]。

2017年6月22日至7月2日，湖南省大部分地區(qū)發(fā)生了持續(xù)性強降雨，最終形成了湘江流域性特大洪水，資水及沅水、洞庭湖區(qū)均發(fā)生洪澇災(zāi)害，造成了巨大的災(zāi)害損失[7]。利用雷達(dá)技術(shù)快速、全面的監(jiān)測洪澇區(qū)洪澇災(zāi)害，提取洪水相關(guān)信息，了解洪澇災(zāi)害地區(qū)的情況，對于保障人民生命安全，開展救災(zāi)工作具有重大意義。

2 研究區(qū)域與數(shù)據(jù)來源

2.1 研究區(qū)域 考慮到雷達(dá)數(shù)據(jù)的可獲取性和洪澇災(zāi)害暴發(fā)的主要地區(qū)，本研究選取的研究范圍如圖1所示，涉及洞庭湖區(qū)湖南省范圍內(nèi)的華容縣、南縣、沅江市、岳陽縣、湘陰縣、漢壽縣以及安鄉(xiāng)縣。

2.2 數(shù)據(jù)來源

2.2.1 雷達(dá)數(shù)據(jù) 數(shù)據(jù)來自歐空局（http：//scihub.esa.int/）的Sentinel-1號Level-1級別中IW SLC（干涉寬幅模式的斜距單視復(fù)數(shù)）產(chǎn)品。獲取雷達(dá)數(shù)據(jù)時間主要是2017年6月4日、6月28日、7月10日以及7月22日，成像模式為IW，極化方式為VV/VH，投影坐標(biāo)系為UTM，像元大小為17.53m×17.53m。

2.2.2 Landsat8 OLI數(shù)據(jù) Landsat8 OLI數(shù)據(jù)用于研究區(qū)的土地利用分類，軌道號為123/40、124/40分辨率為30m×30m，傳感器為OLI，投影坐標(biāo)系為UTM，數(shù)據(jù)獲取時間選擇洞庭湖區(qū)平水期2016年4月16日。所下載的影像數(shù)據(jù)云量小，圖像質(zhì)量好。

3 基于雷達(dá)數(shù)據(jù)洪水信息提取

3.1 雷達(dá)數(shù)據(jù)預(yù)處理 雷達(dá)數(shù)據(jù)預(yù)處理主要包括多視處理、輻射定標(biāo)和數(shù)據(jù)去噪。只有進(jìn)行去噪處理才能準(zhǔn)確表現(xiàn)出原始圖像信息，濾波方法的選擇直接影響著后續(xù)信息提取的精度。常用的圖像去噪方法包括中值濾波、均值濾波、Lee濾波等。圖2為3種濾波方法的濾波結(jié)果（濾波窗口為5×5），發(fā)現(xiàn)中值濾波后圖像中仍然存在大量的噪聲點，均值濾波去噪對于圖像的平滑效果最強。

為了進(jìn)一步量化去噪效果，采用The Equivalent Number of Looks（ENL，等效視數(shù)）[8]來評價濾波的質(zhì)量，該參數(shù)可量化圖像區(qū)域的均勻性。計算公式如下：

[ENL=mean2variance] （1）

式中，mean表示圖像中所有像元均值，variance表示方差，ENL值越大表明圖像越光滑。

3種濾波方法處理后的雷達(dá)數(shù)據(jù)的統(tǒng)計指標(biāo)如表1所示。從表1可以看出，3種濾波方法都對雷達(dá)圖像有一定的濾波效果，其中Lee濾波處理后的雷達(dá)數(shù)據(jù)ENL值最大，該濾波方法更適合于本研究中雷達(dá)數(shù)據(jù)去噪。

3.2 洪水信息提取 基于SAR影像的水體提取方法主要包括：基于紋理信息的提取、結(jié)合地形輔助信息的提取、獨立成分分析和閾值分割[9]。為了進(jìn)一步量化水體提取的精度，本文選擇了基于紋理信息的最大似然法、IsoData分類、閾值法3種方法進(jìn)行了對比實驗，并采取查全率（I）、虛警率（Q）[10]3個參數(shù)指標(biāo)評估不同方法水體提取精度，計算公式如下：

[I=S（R）?S（E）S（R）] （2）

[Q=1-S（R）?S（E）S（E）] （3）

式中，S（R）表示的人工標(biāo)記出來的水體面積，S（E）表示的是利用水體提取算法提取的水體面積，I值越大表明提取的水體范圍越完整，Q值越大表示提取水體的準(zhǔn)確性越低。

3種提取水體方法的統(tǒng)計指標(biāo)如表3所示，從表3可以看出，利用Isodata提取水體的范圍最完整，但準(zhǔn)確性較低，虛警率達(dá)45%;利用基于紋理信息的最大似然法提取的水體的準(zhǔn)確性最高，但提取的水體范圍不全;而通過閾值法提取水體范圍的完整性達(dá)到90%，Q值大約在15%左右略大于利用基于紋理信息的最大似然法提取水體的虛警率。但通過對比觀察發(fā)現(xiàn)，虛警率主要是由于圖像中水田造成的，可以采用后處理一定程度減少虛警率。最終，本研究確定采用閾值法進(jìn)行洞庭湖區(qū)水體的提取。

4 洪水動態(tài)監(jiān)測與土地利用受災(zāi)面積分析

4.1 洪水變化動態(tài)監(jiān)測 通過確定采用閾值法進(jìn)行洞庭湖區(qū)水體的提取，4個時間研究區(qū)水體在空間上分布情況如圖3所示。在研究期內(nèi)，水面面積變化較大的區(qū)域主要是岳陽縣、湘陰縣和沅江市。通過像元面積計算法獲取4期雷達(dá)數(shù)據(jù)的水體面積如表3所示。從表3可以看出，6月4日的水體面積最少，約為1667.99km2，7月10日水體面積達(dá)到最大，約為2683.42km2，2個時期的水體面積相差1015.43km2。而6月28日的水體面積約為2390.29km2，7月22日的水體面積約為2463.92km2，這2個時間段的水體面積相差不大，但都高于6月4日的水體面積，低于7月10日的水體面積，主要是由于從6月22日起洞庭湖區(qū)持續(xù)降雨，并且雨量大、歷時長達(dá)15d，導(dǎo)致河流水位上漲快，洪水峰高量大，造成湘水、資水、沅水連續(xù)兩次超警洪水，而湘資沅三水相繼匯入洞庭湖區(qū)，到6月30日期間洞庭湖區(qū)將開始出現(xiàn)超過警戒水位的洪水，到7月8日后降雨量逐漸減少，到7月10日后，洪峰到達(dá)頂峰，水體面積逐步回退。將6月4日的水體與7月10日的水體通過地圖差分法獲取淹沒范圍，總淹沒面積為1015.43km2，主要淹沒區(qū)域分布在岳陽縣以及沅江市，此次洪澇災(zāi)害對洞庭湖區(qū)下游地區(qū)影響大，受災(zāi)面積最大。

4.2 土地利用受災(zāi)面積 利用Landsat 8oli數(shù)據(jù)，根據(jù)洞庭湖區(qū)的實際情況劃分研究區(qū)的土地利用/覆蓋類型，提取出研究區(qū)水體、耕地、林地、建設(shè)用地、灘地五類土地利用的分布。通過將洪水淹沒范圍數(shù)據(jù)與區(qū)域內(nèi)的土地利用數(shù)據(jù)和縣界行政區(qū)數(shù)據(jù)進(jìn)行疊加處理，統(tǒng)計研究區(qū)內(nèi)土地利用受災(zāi)情況如表4所示。從表4可以看出，洞庭湖區(qū)洪澇災(zāi)害對耕地影響最大，主要是因為洞庭湖區(qū)周圍的耕地面積達(dá)到7745.90km2。此次洪澇災(zāi)害造成耕地受災(zāi)面積達(dá)到693.36km2，而建設(shè)用地和林地的受災(zāi)面積為17.10km2、108.02km2。從表4可以看出，土地利用類型受災(zāi)面積較為嚴(yán)重的主要分布在岳陽縣和沅江市，其中，岳陽縣的土地利用受災(zāi)面積最為嚴(yán)重，耕地受災(zāi)面積達(dá)到266.08km2，建設(shè)用地和林地的受災(zāi)面積分別為10.64km2、40.93km2;其次是沅江市，耕地受災(zāi)面積分別為148.10km2，建設(shè)用地受災(zāi)面積為2.64km2，林地受災(zāi)面積為24.78km2;華容縣土地利用受災(zāi)面積最輕，耕地受災(zāi)面積為13.35km2，建設(shè)用地和林地受災(zāi)面積分別為1.27km2、1.16km2。

5 結(jié)論

本研究利用Sen1tinel-1雷達(dá)數(shù)據(jù)提取洞庭湖區(qū)在湘江流域性特大洪水暴發(fā)前后的水體分布，實現(xiàn)了洪澇災(zāi)害的動態(tài)變化監(jiān)測。通過去噪方法和水體提取方法對比實驗，采用Lee濾波方法進(jìn)行了數(shù)據(jù)去噪，利用閾值法提取了不同時期的水體。結(jié)果表明，淹沒主要集中在岳陽縣，其次是沅江市和湘陰縣。本次洪澇災(zāi)害對洞庭湖區(qū)耕地和岳陽縣的農(nóng)業(yè)影響最大。

參考文獻(xiàn)

[1]Yuqiang Wang，Renzong Ruan，Yuanjian She，et al.Extraction of Water Information based on RADARSAT SAR and Landsat ETM+[J].Procedia Environmental Sciences，2011，10（1）：37-45.

[2]李景剛，黃詩峰，李紀(jì)人.ENVISAT衛(wèi)星先進(jìn)合成孔徑雷達(dá)數(shù)據(jù)水體提取研究——改進(jìn)的最大類間方差閾值法[J].自然災(zāi)害學(xué)報，2010，19（03）：139-145.

[3]鄭偉，劉闖，王正興.基于ENVISAT-ASAR數(shù)據(jù)的洪澇水體空間分布信息提取[J].自然災(zāi)害學(xué)報，2009，18（04）：120-124.

[4]P.Matgen，R.Hostache，G.Schumann，et al.Towards an automated SAR-based flood monitoring system：Lessons learned from two case studies[J].Physics and Chemistry of the Earth，2010，36（7）：44-48.

[5]Xiaohua Tong，Xin Luo，Shuguang Liu，et al.An approach for flood monitoring by the combined use of Landsat 8 optical imagery and COSMO-SkyMed radar imagery[J].ISPRS Journal of Photogrammetry and Remote Sensing，2018，136（1）：226-230.

[6]孫亞勇，黃詩峰，李紀(jì)人，等.Sentinel-1A SAR數(shù)據(jù)在緬甸伊洛瓦底江下游區(qū)洪水監(jiān)測中的應(yīng)用[J].遙感技術(shù)與應(yīng)用，2017，32（02）：282-288.

[7]劉勇.湖南2017年6月至7月超歷史暴雨洪水六大特征分析[N].湖南日報，2017-7-13（3）.

[8]趙昕.基于MODIS與ASAR數(shù)據(jù)的洪水淹沒信息提取方法研究[D].成都：電子科技大學(xué)，2012.

[9]陳玲艷，劉智，張紅.基于水體散射特性的SAR圖像水體監(jiān)測[J].遙感技術(shù)與應(yīng)用，2014，29（6）：963-969.

[10]陳志國.高分辨率SAR衛(wèi)星影像洪水區(qū)域提取應(yīng)用研究[D].武漢：武漢大學(xué)，2017. （責(zé)編：張宏民）