李昕悅，李佳鑫，馬榮華，王貞

1.南京信息工程大學(xué)，遙感與測繪工程學(xué)院，南京 210044

2.中國科學(xué)院南京地理與湖泊研究所，湖泊與環(huán)境國家重點(diǎn)實(shí)驗(yàn)室，南京 210008

3.中國科學(xué)院大學(xué)，北京 100049

4.國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心，湖泊—流域科學(xué)數(shù)據(jù)中心，南京 210008

5.草原生態(tài)安全省部共建協(xié)同創(chuàng)新中心，呼和浩特 010021

引 言

呼倫湖（116°58′–117°47′E，48°40′–49°20N）位于內(nèi)蒙古自治區(qū)呼倫貝爾盟滿洲里市南郊[1]，是內(nèi)蒙古第一大湖[2]。呼倫湖具有調(diào)節(jié)氣候、涵養(yǎng)水源、防止荒漠化、維持生物多樣性等多種功能，是我國北方生態(tài)安全屏障的重要組成部分[3]。呼倫湖流域是以保護(hù)草原生態(tài)、濕地系統(tǒng)和珍貴瀕危鳥類為主的我國東北部大型綜合自然保護(hù)區(qū)，在呼倫貝爾的生態(tài)保護(hù)和經(jīng)濟(jì)發(fā)展中發(fā)揮著不可代替的重要作用[4]。呼倫湖流域具有明顯的大陸性氣候特征，但也是南北冷暖氣流交匯的區(qū)域，因此對全球氣候變化極為敏感[5]。

受人類活動(dòng)以及氣候變化的影響，近年來呼倫湖及其流域發(fā)生顯著變化[6]，生態(tài)環(huán)境發(fā)生改變，如藍(lán)藻水華暴發(fā)加劇、湖泊水生生物多樣性減少等[7]。水面面積是湖泊的重要特征參數(shù)，水面面積縮小導(dǎo)致湖周濕地萎縮，破壞魚類、鳥類棲息地、威脅湖泊生態(tài)安全[3]。因此，監(jiān)測呼倫湖水體邊界的長期變化對生態(tài)環(huán)境保護(hù)和經(jīng)濟(jì)可持續(xù)發(fā)展具有重要意義。

隨著衛(wèi)星技術(shù)飛速發(fā)展，遙感影像廣泛應(yīng)用于水體邊界的提取和研究時(shí)空尺度。利用遙感影像提取水體的研究方法主要有模型分類法、分類器法、自動(dòng)水體提取法等[8]。這些方法在部分區(qū)域已取得較高水體識(shí)別精度，但是線狀河流、湖周濕地等水體邊界仍需人工目視解譯校正。例如，Pekel 等（2016）利用Landsat 衛(wèi)星提取全球地表水，其中也包括線狀河流等小型水體，水體提取存在一定的不確定性[9]。此外，低空間分辨率的衛(wèi)星數(shù)據(jù)難以有效地提取小范圍的水體信息[10]。孫芳蒂等（2022）利用500 m 分辨率的MODIS 影像提取鄱陽湖水體邊界[11]，分辨率低于Landsat 影像。另外，也有的水體邊界數(shù)據(jù)集的時(shí)間覆蓋范圍較短，如許芬等（2018）利用高分1 號(hào)數(shù)據(jù)與Landsat 8 OLI 數(shù)據(jù)提取海南省的陸域水體未包含2010s 之前的數(shù)據(jù)[12]。

目前，高空間分辨率、高精度的長時(shí)序湖泊水體邊界公開數(shù)據(jù)集相對缺乏。部分原因在于長時(shí)間序列的遙感研究面臨較大數(shù)據(jù)下載和處理需求。谷歌地球引擎（Google Earth Engine，GEE）擁有巨大的遙感影像數(shù)據(jù)集以及高性能的計(jì)算能力，可以更加方便地處理長時(shí)間序列的遙感影像。據(jù)此，本研究基于Landsat 系列遙感影像數(shù)據(jù)，生產(chǎn)1975–2018 年呼倫湖水體邊界數(shù)據(jù)集。通過計(jì)算歸一化水體指數(shù)（Normalized Difference Water Index，NDWI）[13]，使用直方圖閾值分割算法確定閾值[14]，最終經(jīng)過人工修正，使用同年哨兵2 號(hào)影像目視解譯結(jié)果進(jìn)行精度驗(yàn)證。本數(shù)據(jù)集可較好地描述呼倫湖的年度水體變化，為分析和評估水量變化對氣候和人類變化的響應(yīng)提供數(shù)據(jù)支持和科學(xué)依據(jù)。

1 數(shù)據(jù)采集和處理方法

1.1 衛(wèi)星數(shù)據(jù)下載和預(yù)處理

1975–2018 年6–9 月無云的Landsat MSS/TM/ETM+/OLI（Landsat Multispectral Scanner/ Thematic Mapper/ Enhanced Thematic Mapper Plus/ Operational Land Imager）的Level 2 地表反射率產(chǎn)品用于生產(chǎn)呼倫湖湖泊邊界矢量數(shù)據(jù)集。Landsat 影像數(shù)據(jù)由美國聯(lián)邦地質(zhì)調(diào)查局（United States Geological Survey，USGS）提供（https://www.usgs.gov/）[15]。此數(shù)據(jù)已經(jīng)針對氣體、氣溶膠和瑞利散射等大氣條件進(jìn)行了校正，空間分辨率為30 m。影像獲取及預(yù)處理均在Google Earth Engine 中完成。

1.2 數(shù)據(jù)處理方法

在水體識(shí)別和湖泊監(jiān)測的研究中廣泛采用NDWI 精確度高達(dá)98%[16]。由于不同季節(jié)性水域面積存在變化情況，選取6–9 月影像，此時(shí)呼倫湖水域較為穩(wěn)定，受植被、雪水等干擾較少[17]。Landsat影像采用公式（1）計(jì)算NDWI。

式中，GREEN 為綠波段地表反射率，NIR 為近紅外波段地表反射率。分別為Landsat TM/ETM+第二波段和第四波段、Landsat OLI 第三波段和第五波段。運(yùn)算完成后獲得呼倫湖NDWI 柵格影像集。

在數(shù)字圖像處理中廣泛采用大津閾值分割法（OTSU）[18]，該算法常用于圖像分割。OTSU 算法的核心是直方圖閾值分割方法。該方法計(jì)算簡單，不受圖像亮度、對比度影響[18]。OTSU 算法利用NDWI 計(jì)算得到的水體和陸地的灰度直方圖計(jì)算得出最優(yōu)閾值T，使灰度直方圖的類間方差最大化，從而將水體與陸地區(qū)分開。如圖1 所示。T 表示OTSU 算法得出的最優(yōu)閾值。

圖1 OTSU 雙峰閾值分割圖Figure 1 Splitting plot of the OTSU Bimodal threshold

使用OTSU 算法自動(dòng)確定閾值，提取呼倫湖流域水域范圍，將其轉(zhuǎn)換為矢量格式數(shù)據(jù)集。之后，將其與原始Landsat 圖像進(jìn)行疊加分析，對結(jié)果進(jìn)行目視檢查與手動(dòng)校正。利用矢量化調(diào)整錯(cuò)誤和缺失的點(diǎn)。此外，去除河流和湖泊周圍的小湖泊，只保留呼倫湖。選擇每年面積最大的邊界作為呼倫湖邊界。

2 數(shù)據(jù)樣本描述

2.1 數(shù)據(jù)組成

本數(shù)據(jù)集包括1975–2018 年每年一期呼倫湖邊界矢量數(shù)據(jù)，其中1978–1982 年、1990 年數(shù)據(jù)缺失，共38 期的呼倫湖水體邊界數(shù)據(jù)。按照不同的投影坐標(biāo)將數(shù)據(jù)分成兩部分并以不同的投影坐標(biāo)命名：Lake Hulun（投影CGCS）、Lake Hulun（投影WGS）。這些數(shù)據(jù)保存為1 個(gè)壓縮文件（1975–2018 年呼倫湖水體邊界數(shù)據(jù)集.rar），總數(shù)據(jù)量為10.8 MB。數(shù)據(jù)格式為shp。投影坐標(biāo)系分別為WGS_1984_UTM_Zone_50N 和CGCS2000_3_Degree_GK_CM_117E。地理坐標(biāo)系為GCS_WGS_1984。

2.2 數(shù)據(jù)樣本

本數(shù)據(jù)集主要包括湖泊的水體分布以及長時(shí)間序列時(shí)湖泊變化。以數(shù)據(jù)集中的1975 年、2012 年、2018 年作為呼倫湖水體分布的樣例，其中2012 年呼倫湖的水位相對較低。如圖2 所示。

圖2 呼倫湖水體空間分布示意圖Figure 2 Spatial distribution of water boundaries of Hulun Lake

呼倫湖水體面積時(shí)間序列變化如圖3 所示。本研究顯示呼倫湖水域在過去30 多年里經(jīng)歷了小幅度下降，繼而保持穩(wěn)定，此后又劇烈減小，近年處于逐步上升階段。1975 年呼倫湖水體面積為2086.29 km2，到1983 年小幅度下降到2009.46 km2，減少了76.83 km2；1984–2000 年，呼倫湖水域面積保持在2100 km2左右；2001–2012 年，呼倫湖水域面積呈縮小趨勢，縮小了346.06 km2，主要原因?yàn)闉鯛栠d河、克魯倫河年徑流量降低以及受全球大規(guī)模氣候變化影響，呼倫湖區(qū)域處于高溫少雨的干旱期，降水量下降、蒸發(fā)量上升[19]；2013–2018 年，呼倫湖水體面積增加139.16 km2，主要原因是降水量和河流徑流增加，湖水水位逐漸上升[20]。研究結(jié)果與趙澍等（2018）的監(jiān)測結(jié)果基本一致[17]。

圖3 呼倫湖水體面積時(shí)間序列變化示意圖Figure 3 Time series changes in the area of Lake Hulun

3 數(shù)據(jù)質(zhì)量控制和評估

為驗(yàn)證Landsat 提取的呼倫湖水體邊界數(shù)據(jù)集精度，我們使用哨兵2 號(hào)MSI (Multi-Spectral Imager)影像目視解譯提取的結(jié)果作為參考驗(yàn)證。MSI 圖像（空間分辨率10 m）比Landsat 影像具有更高空間分辨率，可更清晰地區(qū)分湖周濕地和線狀河流。驗(yàn)證年份選擇2017 和2018 年（圖4）。

圖4 水體提取結(jié)果驗(yàn)證Figure 4 Result verification of water extraction

將哨兵二號(hào)影像的目視解譯結(jié)果作為真實(shí)地表數(shù)據(jù)進(jìn)行驗(yàn)證，計(jì)算混淆矩陣得到總精度（OA）和Kappa 系數(shù)（表1），2017 年總精度99.59%，Kappa 系數(shù)0.99；2018 年總精度99.70%，Kappa 系數(shù)0.99。此外，將提取結(jié)果的面積與目視解譯得到的面積做對比（表2），2017 年相差13.97 km2，2018 年相差4.6 km2。發(fā)現(xiàn)利用Landsat 影像提取的水體邊界數(shù)據(jù)集提取精度大于99%。Landsat 與Sentinel-2A 的提取結(jié)果相比，基于Landsat 衛(wèi)星影像提取的結(jié)果偏小。與原始影像疊加，發(fā)現(xiàn)差值主要集中在湖周，尤其是湖口濕地區(qū)域。盡管提取結(jié)果存在一定偏差，但數(shù)據(jù)集具有高于99%的精度，仍具有參考價(jià)值，并且能夠滿足用戶對數(shù)據(jù)集精度的要求。

表1 水體提取精度Table 1 Water extraction accuracy

表2 水體面積對比（km2）Table 2 Comparison of water body areas（km2）

4 數(shù)據(jù)價(jià)值

呼倫湖是內(nèi)蒙古自治區(qū)第一大湖，是我國北方生態(tài)安全屏障的重要組成部分，是維系呼倫貝爾大草原生態(tài)系統(tǒng)的重要水體[3]，其水域面積變化對區(qū)域氣候和周邊生態(tài)環(huán)境變化具有重要影響。受氣候變化[21]和人類活動(dòng)的共同影響，呼倫湖水域面積經(jīng)歷著減少又增加的過程。2001–2012 年呼倫湖水域面積縮小，2013 年以來呼倫湖水域面積逐步回升。

本數(shù)據(jù)集基于不同時(shí)期多源遙感影像數(shù)據(jù)（1975–2018 年），包含38 期湖泊水體邊界矢量數(shù)據(jù)，時(shí)間序列較長，可以為分析評估水量變化、水資源變化、氣候變化和湖泊響應(yīng)之間的關(guān)系提供基本數(shù)據(jù)支持和科學(xué)依據(jù)。

5 數(shù)據(jù)使用方法和建議

數(shù)據(jù)集包含1975–2018 年間每年一期共38 期的呼倫湖水體邊界，該數(shù)據(jù)均為SHAPE FIlE 格式(.Shp)，可利用ArcGIS、QGIS 等地理信息系統(tǒng)軟件對本數(shù)據(jù)集進(jìn)行編輯及以及后續(xù)分析工作。

數(shù)據(jù)作者分工職責(zé)

李昕悅（2000—），女，安徽淮南人，碩士，研究方向?yàn)楹喘h(huán)境遙感。主要承擔(dān)工作：數(shù)據(jù)生產(chǎn)，結(jié)果驗(yàn)證，論文撰寫和修改。

李佳鑫（1998—），女，山西長治人，碩士，研究方向?yàn)楹b感監(jiān)測。主要承擔(dān)工作：技術(shù)指導(dǎo)，論文修改。

馬榮華（1972—），男，山東臨沂人，博士，研究方向?yàn)楹喘h(huán)境遙感。主要承擔(dān)工作：總體思路設(shè)計(jì)，論文修改。

王貞（1983—），女，河南安陽人，碩士，研究方向?yàn)榈乩硇畔⒅茍D。主要承擔(dān)工作：論文數(shù)據(jù)下載及處理、數(shù)據(jù)編輯。