自然资源遥感, 2023, 35(1): 140-147 doi: 10.6046/zrzyyg.2022052

技术应用

基于Sentinel-1A的安徽省2020年梅雨期洪水淹没监测

何彬方,1,2, 姚筠1,2, 冯妍1,2, 刘惠敏1,2, 戴娟3

1.安徽省气象科学研究所,大气科学与卫星遥感安徽省重点实验室,合肥 230031

2.寿县国家气候观象台,中国气象局淮河流域典型农田生态气象野外科学试验基地,淮南 232200

3.安徽省气候中心,合肥 230031

Sentinel-1A based flood inundation monitoring in Anhui Province during the plum rain period of 2020

HE Binfang,1,2, YAO Yun1,2, FENG Yan1,2, LIU Huimin1,2, DAI Juan3

1. Anhui Institute of Meteorological Sciences, Anhui Province Key Laboratory of Atmospheric Sciences and Satellite Remote Sensing, Hefei 230031, China

2. Shouxian National Climatology Observatory, Huaihe River Basin Typical Farmland Ecological Meteorological Field Science Experiment Base of CMA, Huainan 232200, China

3. Anhui Climate Center, Hefei 230031, China

责任编辑: 张仙

收稿日期: 2022-02-14   修回日期: 2022-07-28  

基金资助: 淮河流域气象开放研究基金项目“安徽省中小河流特性提取和洪涝监测方法”(HRM201609)
安徽省气象局科技发展基金项目“卫星遥感技术在西藏山南的应用研究”(KM202004)

Received: 2022-02-14   Revised: 2022-07-28  

作者简介 About authors

何彬方(1978-),男,硕士,高级工程师,主要从事生态环境遥感方面的工作。Email: he_binfang@sina.com。

摘要

2020年超长梅雨期内的持续强降雨,导致安徽省发生全域性洪涝灾害,为了快速、准确地提取洪涝淹没范围,为防汛救灾提供科学支撑,选取安徽境内巢湖流域和淮河流域的灾前和灾中Sentinel-1A数据,首先,在快速预处理基础上,采用双极化水体指数(Sentinel-1A dual-polarized water index,SDWI)法,并结合地形因子对平原和山区分别提取水体信息,建立一套洪水淹没区监测流程; 然后通过该流程利用灾前、灾中两期合成孔径雷达数据提取2020年7月27日巢湖流域、淮河流域行蓄洪区洪水淹没范围。结果显示: SDWI比直接用后向散射系数提取水体具有优势; 7月27日巢湖流域洪水淹没区面积为524.8 km2,其中受洪灾较重的是白石天河子流域,西河子流域次之; 淮河流域安徽境内行蓄洪区,沿淮的4个地市淹没面积从大到小依次为淮南市、阜阳市、六安市、蚌埠市。研究表明,基于Sentinel-1A数据,采用SDWI和地形因子建立的洪水淹没区监测流程对平原和山区都具有较好的准确性、适用性,且具有较高的时效性,便于及时开展洪水灾害监测。

关键词： Sentinel-1A/SAR; 洪水监测; 梅雨; SDWI; 坡度

Abstract

In 2020, a flood disaster occurred throughout Anhui Province due to the persistent heavy rainfall during the super-long plum rain period. To quickly and accurately extract the flood inundation ranges and provide scientific support for flood prevention and disaster relief, this study selected the pre-disaster and mid-disaster Sentinel-1A/SAR data of the Chaohu Lake and Huaihe River basin in Anhui Province. After rapid data preprocessing, this study extracted information about water bodies in the plains and mountainous areas using the Sentinel-1 dual-polarized water index (SDWI) method and topographic factors. Then, it established a monitoring process for flooded areas. Using this process, this study extracted the flood inundation ranges of the Chaohu Lake and Huaihe River basins on July 27, 2020 using the pre-disaster and mid-disaster synthetic aperture Radar (SAR) data. The results are as follows. The SDWI was superior to the backscattering coefficient in the extraction of information about water bodies. The Chaohu basin had a flood inundation area of 524.8 km2 on July 27, and the Baishitian River subbasin was the most severely inundated, followed by the Xihe River subbasin. In the flood flowing and storage areas of the Huaihe River basin within Anhui Province, the flood inundation area of four cities along the Huaihe River basin decreased in the order of Huainan City, Fuyang City, Lu’an City, and Bengbu City. The results of this study show that the Sentinel-1A-based monitoring process of flood inundation areas established using SDWI and topographic factors has high accuracy, applicability, and timeliness for plains and mountainous areas and is convenient for the timely monitoring of flood disasters in these areas.

Keywords： Sentinel-1A/SAR; flood monitoring; plum rain; Sentinel-1 dual-polarized water index (SDWI); slope

PDF (3523KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

何彬方, 姚筠, 冯妍, 刘惠敏, 戴娟. 基于Sentinel-1A的安徽省2020年梅雨期洪水淹没监测[J]. 自然资源遥感, 2023, 35(1): 140-147 doi:10.6046/zrzyyg.2022052

HE Binfang, YAO Yun, FENG Yan, LIU Huimin, DAI Juan. Sentinel-1A based flood inundation monitoring in Anhui Province during the plum rain period of 2020[J]. Remote Sensing for Land & Resources, 2023, 35(1): 140-147 doi:10.6046/zrzyyg.2022052

0 引言

长江中下游和淮河流域自古以来是我国洪涝灾害频发的地区,对江淮流域地区极端降水变化的研究表明极端降水量呈现较为明显的增加趋势[1⇓⇓-4]。特别是在每年江淮流域的梅雨期内,降水天气过程多、暴雨频繁、降水持续,导致江河、湖泊、水库水位上涨,引发严重的洪涝灾害。安徽省具有过渡型气候特征,天气多变,且地势地形多样,气象灾害发生频繁、种类多样,其中受旱涝灾害影响最为严重,一年中旱涝逆转、旱涝并存也时有发生。各类气象灾害引起的损失中,最重的是暴雨洪涝引起[5-6],所以非常有必要对洪涝灾害进行快速、准确的监测与评估,为抗洪减灾工作抢得先机。

利用卫星遥感技术可以快速、动态、精确地监测江河、湖泊、水库水体面积的时空动态变化[7],并结合地理信息技术,直观地展示其空间分布及动态变化。这对水资源保护、防洪减灾都具有重要意义。NOAA/AVHRR,EOS/MODIS,FY-3/MERSI,Landsat8/OLI,GF-6/WFV和Sentinel-2/MSI等光学遥感影像数据先后被用来监测洪水淹没区域、提取面积[8⇓-10]。但由于洪涝灾害发生期间,通常伴随着连续阴雨天气、云覆盖量大,光学遥感影像难以发挥作用,其监测的准确性、时效性下降。星载合成孔径雷达(synthetic aperture Radar, SAR)具有全天候、全天时对地观测能力,不受云雨影响、数据时空分辨率较高,应用于洪涝监测可大大提高时效性。近年来,随着SAR技术的发展,雷达卫星种类和数量逐年增加[11]。特别是欧洲航天局的Sentinel-1、我国高分三号(GF-3)雷达遥感卫星发射以来,数据能免费下载、且已被广泛地应用[12-13]。这为应用SAR数据连续动态监测洪水灾害提供了数据支撑。

基于SAR影像的水体信息提取方法主要包括目视解译、阈值分割[14]、面向对象分类法[15⇓-17]、纹理特征分析[18-19]等。其中阈值分割法具有简单、稳定、快速特点,满足服务时效性的要求,所以应用最为广泛。阈值分割法有单阈值分割法、自适应全局阈值法和改进的最大类间方差法(OTSU)[20-21]几种, 研究表明OTSU分割法对水体的提取结果较好[22]。由于在不同极化下的后向散射系数图上,水体像元均表现为低值,背景像元均表现为高值的特征,利用双极化数据相乘得到新的水体指数,即双极化水体指数(Sentinel-1A dual-polarized water index,SDWI)来提取水体,目的是为了增强这一特征,在阈值分割时能更容易获取阈值[23]。业务服务中常常基于单一特征因子,采用阈值法提取水体。但SAR影像的成像方式为斜距成像,在地形起伏较大的皖南山区和大别山区,受山体的影响,会产生特有的阴影现象,使得背向雷达方向的山坡的后向散射系数与水体的后向散射系数一致,易被误提为水体。单纯采用SDWI进行阈值分割法难以有效消除阴影对水体提取的影响[24-25]。为此,提出SDWI结合地形因子的改进OTSU阈值分割法对SAR影像实现平原和山区水体提取。该方法能够有效去除山体阴影,较于传统水体提取方法,速度快,原理简单,提取精度明显增高,能获取最佳水体提取结果。

2020年安徽省梅雨期为6月2日—7月31日,梅雨期60 d,入梅以来,全省出现10次大范围持续性强降水,梅雨期内各气象站平均累计降水量为856 mm,是常年同期的2.1倍,多地降水强度创极值,梅雨期之长、暴雨日数之多、累计雨量之大、覆盖范围之广、梅雨强度之强,均为历史第一位。持续强降雨造成安徽省发生全域性洪涝灾害,巢湖流域出现世纪性洪水,洪灾受害严重。为了快速、准确监测安徽省内洪涝淹没面积,选取受灾严重的安徽省巢湖流域和淮河流域作为研究区,选用Sentinel-1A数据,针对常规的雷达后向散射系数不易区分水体和非水体、山区水体的提取易受阴影干扰的问题,采用SDWI结合地形因子对平原和山区分别提取水体信息,再通过灾前和灾中水体信息的对比实现洪水淹没范围快速提取,为防灾减灾救灾提供第一手资料和科技支撑。

1 研究区概况和数据源

1.1 研究区概况

安徽省位于中国中东部地区,E114°54'~119°37'与N29°41'~34°38'之间,总面积约14.01万km2。省内地形地貌复杂多样、南北差异较大,北部多为平原、中间为丘陵地带,西部和南部多山地。从北到南可将安徽省细分为5个自然区域: 淮北平原、江淮丘陵、大别山区、沿江平原和皖南山区[26]。长江、淮河横贯安徽省境,境内水系主要分属淮河流域、长江流域和新安江流域,山区水库密集、沿淮和沿江地区湖泊众多,其中中国五大淡水湖之一的巢湖面积近800 km2。2020年安徽省梅雨期天气气候异常,全省出现大范围持续性强降水,超过1 000 mm以上的强降水中心主要位于安徽省大别山区、皖南山区和巢湖流域(图1(a))。大范围持续性强降水导致安徽省发生全域性洪涝灾害,巢湖出现世纪性洪水,本研究主要选取分析2020年梅雨期间受洪灾较重的巢湖流域和淮河流域行蓄洪区(图1(b))。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区概况

Fig.1   Overview of the study area


1.2 数据源及其预处理

Sentinel-1A卫星是欧洲航天局(European Space Agency,ESA)哥白尼计划(Global Monitoring for Environment and Security,GMES)中的系列对地观测卫星,载有频率为5.404 GHz的C波段SAR。包括4种模式的斜距单视复数(single look complex,SLC)和地距多视产品(grand range detected,GRD)产品(表1)[27],本文研究中采用Sentinel-1A/SAR的干涉宽幅模式下的地距多视产品数据,该产品包含经过多视处理、采用WGS84椭球投影至地距的聚焦数据(https: //scihub.copernicus.eu)。Sentinel-1A数据能够用于开展湖泊和水库水体面积变化、山体滑坡、林火(过火面积)、农业地表覆盖分类、作物产量估产的研究,具有广阔的应用前景[28]。

表1   Sentinel-1A的成像参数

Tab.1  Imaging parameters of Sentinel-1A

模式幅宽/m分辨率(距离
向×方位向)/m		极化类型
条带模式(SM)805×5HH+HV,VH+VV,HH,VV
干涉宽幅模式(IW)2505×20HH+HV,VH+VV,HH,VV
超宽幅模式(EW)40025×100HH+HV,VH+VV,HH,VV
波浪(WV)20×205×20HH,VV

新窗口打开| 下载CSV


另外收集了研究区高程栅格数据和行政边界、流域边界等矢量数据,是为了辅助SAR数据的预处理(地形校正、地理编码)、提高洪水淹没区的提取精度及淹没面积的解译精度。其中高程数据采用由美国宇航局和国防部国家测绘局联合发布的分辨率为30 m、hgt格式的SRTM(Shuttle Radar Topography Mission)高程数据。

采用欧洲航天局开发的Sentinel系列数据处理软件(Sentinel applications platform,SNAP)进行数据预处理。主要的预处理包括轨道纠正、边缘噪声移除、热噪声去除、滤波、辐射定标、地形校正、地理编码、分贝化,重采样得到分辨率为10 m、UTM投影分贝化的后向散射系数数据。最后,对同天同轨相邻或者不同天临近轨道的2幅Sentinel-1A IW GRD影像进行镶嵌[29]。使用SNAP中的GraphBuilder模块按照对Sentinel-1 IW GRD数据预处理步骤添加相应的预处理模块,建立预处理流程,并存为XML文件,实现重复利用,减少数据多次读写过程,并极大提高运算效率。

2 淹没区监测方法

由地表目标的微波散射特性可知,相对雷达波波长,非水体表面粗糙,是漫反射,后向回波强、后向散射系数大; 水体表面相对平整,主要呈现为镜面反射,后向散射回波弱、后向散射系数小。后向散射系数分贝化后直方图呈现双峰型分布,近似看作由2个高斯分布构成。在VV和VH极化通道,水体的后向散射系数分贝化后的值一般低于-15,而非水体的后向散射系数分贝化后的值一般高于-15,根据SAR图像中水体的后向散射系数比非水体(植被、土壤等)低这一特性,为了增大水体与非水体像元之间的差异,采用2个双极化的后向散射系数σVV×σVH乘积再乘10进行增强处理,然后取自然对数,当自然对数的自变量大于1时,曲线的斜率逐渐减小,便于找到合理的分割阈值,即为SDWI[19]。公式为:

SDWI=ln(10×σVV×σVH)

基于得到的SDWI图像,采用改进的OTSU方法计算得到水体与非水体的类间方差除以水体和非水体类内方差之和达到最大值时所对应的阈值,即为水体和其他地物分割的最佳阈值,实现水体信息的提取[16]。

为了对比后向散射系数与SDWI提取水体的优势,对巢湖流域2020年7月27日的VV和VH极化后向散射系数图和SDWI图制作直方统计图(图2)。从直方统计图可以看出,经过SDWI增强后,2个峰值比后向散射系数峰值增大、宽度变窄,说明增强后水体和背景内部各自的像素值相近,具有较好的内聚性,水体和背景内部像素趋于均匀一致,类内方差变小。同时,经过SDWI增强后波谷更为狭窄,直方图上双峰特征更为明显,水体与其他地物的差异明显增大,类间方差增大。选择改进的OTSU方法,这样更加易于获取水体与其他地物之间的阈值。SAR影像的成像方式为侧视成像,在安徽省大别山区,由于地形起伏的影响SAR影像会可能出现特有的弱反射信号或者无反射信号的阴影现象[30]。SAR图像上背向卫星方向的山体后向散射系数较小就是阴影现象导致的,使得其后向散射系数与水体的后向散射系数相差不大,导致二者的SDWI也差别不大,易被误判为水体。针对阴影引起的虚假信息误提的问题,根据安徽省地形特征,利用30 m的SRTM高程数据,通过双线性插值成10 m分辨率的栅格数据与Sentinel-1A数据匹配; 再根据安徽省地形地貌特征,经验设定区分山区和平原地区的高程阈值T0为100 m,根据高程阈值分别建立山区和平原地区水体提取方法。同时山区水体(水库、湖泊、河道)的坡度(Slope)一般较小,所以选用坡度作为山区水体提取的另外一个参数进行阈值分割,参考相关文献T2的阈值设定为10°,消除阴影的影响,从而提取山区水体[21]。最后基于2期SAR影像,提取灾前和灾中的水体范围,叠加获取洪水淹没区,并统计区域内淹没面积,流程图见图3。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   2020年7月27日巢湖流域各指数直方图

Fig.2   Histogram of various index in Chaohu Lake basin on July 27, 2020


图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   Sentinel-1A影像的洪水监测流程图

Fig.3   Flow chart of flood monitoring base on sentinel-1A SAR image


3 结果与分析

3.1 巢湖流域淹没区监测

巢湖流域属于长江流域,总面积13 486 km2,受2020年梅雨期间多轮次强降雨影响和长江水位持续偏高的顶托作用,巢湖流域出现世纪性洪水。从流域空间分布来看,西南部的杭埠河、白石天河、兆河、西河等子流域累计面雨量大,普遍在1 100~1 300 mm,北部及东部子流域累计面雨量相对偏小,普遍在800~1 000 mm(图4和表2)。湖心的忠庙水位站7月22日出现本次洪水最高水位13.43 m(超警2.93 m,超保0.93 m,超历史0.63 m),超过1991年最高洪水位,为建站以来极值[31]。流域内先后启用了十八联圩、滨湖联圩、蒋口河联圩、沿河联圩、裴岗联圩等9个万亩以上大圩和186个中小圩口蓄洪泄洪。利用2020年7月15日和27日Sentinel-1A SAR灾前和灾中影像、安徽省高程和巢湖流域边界地理信息数据,提取巢湖流域洪水淹没区(图4)。基于改进的OTSU方法,得到提取水体的SDWI阈值为8.25,洪水淹没区主要分布在巢湖四周的支流附近,监测到流域内灾前水体面积为1 341.8 km2,灾中水体面积为1 866.6 km2,巢湖流域内淹没面积为524.8 km2。从表2可知,7月27日巢湖流域内白石天河子流域受淹面积最大为110.2 km2,受灾较重; 西河子流域次之为105.4 km2; 第三是兆河子流域为92.9 km2,主要是东大圩泄洪导致。除杭埠河子流域外,梅雨期间累计面雨量较大的子流域受灾也较重,监测结果与洪水灾情实际调查情况符合[32]。杭埠河子流域是因为上游处于大别山区,洪水较快的汇流于下游地区的白石天河子流域,所以累计面雨量较大,但受灾面积较小。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   巢湖流域洪水淹没范围监测结果图

(底图为巢湖流域2020年7月27日Sentinel-1A SAR/VV极化数据)

Fig.4   Monitoring results of flood inundation area in Chaohu Lake basin


表2   巢湖流域淹没面积监测统计

Tab.2  Statistics of inundated area in Chaohu Lake basin

子流域7月15日
水体面
积/km2		7月27日
水体面
积/km2		淹没水体
面积/km2		梅雨期子
流域累计
面雨量/mm
白石天河26.5136.7110.21 116
西河170.2275.6105.41 105
兆河30.0122.992.91 318
裕溪河94.0164.770.6855
丰乐河59.4114.655.2987
柘皋河28.972.343.4875
南淝河(董铺水库等)76.7102.525.8882
派河21.832.110.3849
杭埠河(龙河口水库)60.267.97.71 115
巢湖水面774.1777.33.2860
总计1 341.81 866.6524.8—

新窗口打开| 下载CSV


3.2 淮河行蓄洪区淹没监测

2020年7月20日王家坝水位站达到本次洪水的最高水位29.76 m,居历史第二位。7月20日起淮河安徽境内的蒙洼、南润段、邱家湖、姜唐湖、董峰湖、上六坊堤、下六坊堤、荆山湖8个行蓄洪区先后开闸泄洪,随后利用覆盖淮河安徽境内行蓄洪区的泄洪前(2020年7月3日和8日)和泄洪后的(2020年7月27日和8月1日)Sentinel-1A SAR影像分别提取泄洪前后水体(图5),相比于7月上旬,六安市境内的城东湖、城西湖湖区向南扩展明显,淮南市境内的瓦埠湖湖区向四周扩展,蒙洼蓄洪区周边的淮河河道水体充盈、其他部分河道变宽,8个行泄洪区内新增大量水体。行泄洪区新增水体面积见表3,上六坊堤、荆山湖的淹没面积比都在90%以上,南润段、邱家湖、姜唐湖、董峰湖淹没面积在80%~90%之间,蒙洼蓄洪区淹没面积百分比最小为62%。这是由于7月23日关闭王家坝闸,停止向蒙洼蓄洪区分洪,8月1日退水闸开闸退洪,蒙洼蓄洪区西部洪水退去导致,监测结果与实际统计结果一致。在图5所示范围内(E115.490 5°~117.435 4°,N31.891 3°~33.037 8°)的安徽境内各地市洪水淹没面积统计见表4。可见沿淮的4个地市淹没面积从大到小依次为淮南市364.7 km2、阜阳市332.0 km2、六安市307.5 km2、蚌埠市83.9 km2。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   淮河安徽境内行蓄洪区洪水淹没范围监测结果图

(底图为巢湖流域2020年7月27日和8月1日Sentinel-1A SAR/VV极化数据)

Fig.5   Monitoring results of flood inundation area in flood storage area of Huaihe River in Anhui Province


表3   淮河安徽境内行蓄洪区淹没面积统计表

Tab.3  Statistics of inundated area in flood storage area of Huaihe River in Anhui Province

行蓄
洪区		行蓄洪
区面积/
km2		2020年7月
3日和8日水
体面积/km2		2020年7月27日
和8月1日水体
面积/km2		淹没
水体面
积/km2		百分
比/%
蒙洼186.05.8121.3115.562
南润段11.30.410.410.088
邱家湖25.32.823.921.183
姜唐湖114.48.4107.098.686
董峰湖39.90.635.134.586
上六坊堤9.30.28.88.692
下六坊堤19.34.718.613.972
荆山湖68.12.164.462.391

新窗口打开| 下载CSV


表4   特定范围内淮河安徽境内地市洪水淹没面积统计

Tab.4  Statistics of inundated area of Huaihe River in Anhui Province within a specific scope(km2)

地市2020年7月3日和
8日水体面积		2020年7月27日和
8月1日水体面积		新增水
体面积
淮南市555.7920.4364.7
阜阳市184.4516.4332.0
六安市371.3678.8307.5
蚌埠市126.6210.583.9
合肥市116.2140.223.9
滁州市31.445.313.9
亳州市10.911.70.8

新窗口打开| 下载CSV


4 讨论和结论

4.1 讨论

针对洪水淹没信息的快速提取问题,本文基于具有全天时、全天候的Sentinel-1A SAR数据,建立一套快速洪水淹没区监测流程。首先,建立可视化的预处理流程,对L1级的GRD数据进行预处理,实现一次读写数据、缩短预处理时间,为后续水体信息提取提供基础; 其次,采用SDWI来扩大水体与其他地物之间的差异,并利用改进的OTSU算法获取二者分割的最佳阈值,同时结合高程和坡度信息,对平原和山区分别提取水体,利用灾前和灾中水体信息变化获取洪水淹没区。基于SDWI图像,设置初始阈值并通过循环,使水体与非水体的类间方差除以水体和非水体类内方差之和达到最大值时所对应的阈值为提取水体的最佳阈值。同时在山区坡度阈值设置时,参考孙亚勇等[25]的坡度阈值的选取,同时对比SAR图像的后向散射图像,当山区阴影去除较好时来设置坡度阈值,后续需要进行定量分析坡度阈值设置时对水体提取的影响。

4.2 结论

本文在对欧空局发布的Sentinel-1A SAR数据快速预处理基础上,基于SDWI结合坡度因子,采用改进的OTSU法,获得分割水体的最优阈值,对平原和山区分别提取水体信息,对2020年梅雨期,安徽省巢湖流域和淮河流域行蓄洪区洪水淹没范围进行监测,结果表明:

1)SDWI比直接用后向散射系数提取水体具有优势,采用SDWI增强后,水体和非水体的类内方差变小; SDWI直方图上双峰特征更为明显,水体和非水体的类间方差增大。

2)巢湖流域淹没面积为524.8 km2,巢湖流域南部的白石天、西河、兆河子流域受灾较重,淹没面积分别为110.2 km2,105.4 km2和92.9 km2,受灾区域与实际的累计面雨量大小的分布相吻合。

3)沿淮的8个行蓄洪区中,上六坊堤、荆山湖的淹没面积比都在90%以上,南润段、邱家湖、姜唐湖、董峰湖淹没面积在80%~90%之间,沿淮地市中受灾程度依次为淮南市、阜阳市、六安市、蚌埠市,监测结果与实际调查一致。

文中相关监测结果在2020年汛期撰写成决策服务材料上报安徽省政府防汛办,并被由安徽省应急厅牵头成立了安徽省政府2020年安徽省洪涝灾害调查评估组采用,纳入2020年安徽省洪涝灾害调查评估报告中。但文中监测方法仅仅采用坡度数据,去除SAR影像上山体遮挡阴影区域,有可能阴影区域坡度实际较小,增加了误判水体信息。后续可以基于SAR数据成像时刻的卫星位置信息和监测区域的高程信息,通过二者几何关系模拟得到实际阴影区域分布图,从而有效去除监测结果中阴影区域,得到更为准确的洪涝淹没结果[33-34]。在实际业务中,基于洪水监测流程,在自动水体提取的基础上,后期需要结合人工判识对其结果进行订正,实现既提高效率,又保证提取结果的准确性。

参考文献

王蒙, 殷淑燕.

近52 a长江中下游地区极端降水的时空变化特征

[J]. 长江流域资源与环境, 2015, 24(7):1221-1229.

[本文引用: 1]

Wang M, Yin S Y.

Spatio-temporal variations of the extreme precipitation of middle and lower reaches of the Yangtze River in recent 52 years

[J]. Resources and Environment in the Yangtze Basin, 2015, 24(7):1221-1229.

[本文引用: 1]

潘欣, 尹义星, 王小军.

1960—2010年长江流域极端降水的时空演变及未来趋势

[J]. 长江流域资源与环境, 2017, 26(3):436-444.

[本文引用: 1]

Pan X, Yin Y X, Wang X J.

Spatio-temporal characteristics and future trend of extreme precipitation in the Yangtze River basin during 1960 to 2010

[J]. Resources and Environment in the Yangtze Basin, 2017, 26(3):436-444.

[本文引用: 1]

佘敦先, 夏军, 张永勇, 等.

近20年来淮河流域极端降水的时空变化及统计特征

[J]. 地理学报, 2011, 66(9):1200-1210.

[本文引用: 1]

She D X, Xia J, Zhang Y Y, et al.

The trend analysis and statistical distribution of extreme rainfall events in the Huaihe River basin in the past 50 years

[J]. Acta Geographica Sinica, 2011, 66(9):1200-1210.

DOI:10.11821/xb201109005      [本文引用: 1]

Based on the daily precipitation data from 27 meteorological stations in the Huaihe river basin during 1960-2009, we analyzed the trend and statistical distribution of extreme precipitation events in this area. The annual maximum series (AM) and peak over threshold series (POT) are selected to describe the extreme distribution. The results show that positive trend of annual maximum precipitation is detected in most of the stations, only a small number of stations are found to be negative during the past five decades, and neither of the positive or negative trend is significant. The daily maximum precipitation events during a year almost occurred in the flood seasons of the 1960s-1970s. By the L-moments method, the parameters of three extreme distributions, which are GEV, GP and Gamma, are estimated. From the results of goodness of fit test and K-S test, we found that AM series can be better fitted by GEV model and POT series can be better fitted by GP model. In comparison with the precipitation amounts at different return levels, we found that the values obtained from POT series is slightly larger than the values fromAM series, and they can better fit the observed values in the Huaihe River Basin.

王莉萍, 王维国, 张建忠.

我国主要流域降水过程时空分布特征分析

[J]. 自然灾害学报, 2018, 27(2):161-173.

[本文引用: 1]

Wang L P, Wang W G, Zhang J Z.

Analysis on spatial and temporal distribution characteristics of precipitation processes over main river basin in China

[J]. Journal of Natural Disasters, 2018, 27(2):161-173.

[本文引用: 1]

何彬方, 冯妍, 荀尚培, 等.

安徽省50年日照时数的变化特征及影响因素

[J]. 自然资源学报, 2009, 24(7):1275-1285.

DOI:10.11849/zrzyxb.2009.07.015      [本文引用: 1]

利用安徽省80站1955～2005年逐日日照时数、云量、水汽压、降水量及合肥市能见度资料，采用t检验、线性趋势分析等统计方法，分析了安徽省日照时数年、季节、月的变化特征以及空间分布特征；同时分析了可能影响日照时数的气象因子的变化特征。结果表明：安徽省年日照时数呈显著减少的趋势，平均美10年减少88.3h；除春季日照时数变化不明显外，其他季节日照时数显著减少。在20世纪60年代末至70年代初和70年代末都存在明显的突变，且都变少。安徽省日照时数大致呈纬向分布，分布形式为北高南低；除淮北市外，其它各站的日照时数均呈下降的趋势，其中下降趋势最大的是淮北的西部和江淮之间中部地区。能见度、大气水汽压、降水量、云量是影响日照时数的因素；日照时数的显著下降与能见度的下降、大气水汽压的增加、年降水量和年雨日数的增加关系密切，而与总云量和低云量的减少无关。

He B F, Feng Y, Xun S P, et al.

Climatic change of sunshine duration and its influencing factors over Anhui Province during the last 50 years

[J]. Journal of Natural Resources, 2009, 24(7):1275-1285.

[本文引用: 1]

张宏群, 范伟, 荀尚培, 等.

基于MODIS和GIS的洪水识别及淹没区土地利用信息提取

[J]. 灾害学, 2010, 25(4):22-26.

[本文引用: 1]

Zhang H Q, Fan W, Xun S P.

Flood identification method based on MODIS and GIS and information extraction of land use of submerged area

[J]. Journal of Catastrophology, 2010, 25(4):22-26.

[本文引用: 1]

张薇, 杨思全, 王磊, 等.

合成孔径雷达数据减灾应用潜力研究综述

[J]. 遥感技术与应用, 2012, 27(6):904-911.

[本文引用: 1]

Zhang W, Yang S Q, Wang L, et al.

Review on disaster reduction application potentiality of synthetic aperture Radar

[J]. Remote Sensing Technology and Application, 2012, 27(6):904-911.

[本文引用: 1]

邵佳丽, 郑伟, 刘诚.

卫星遥感洞庭湖主汛期水体时空变化特征及影响因子分析

[J]. 长江流域资源与环境, 2015, 24(8):1315-1321.

[本文引用: 1]

Shao J L, Zheng W, Liu C.

Analysis of spatial-temporal variations in the main flood season and their influencing factors of the Dongting Lake based on meteorological satellite data

[J]. Resources and Environment in the Yangtze Basin, 2015, 24(8):1315-1321.

[本文引用: 1]

郭立峰, 殷世平, 许佳琦, 等.

基于FY-3A/MERSI的2013年夏秋间松花江和黑龙江干流洪水遥感监测分析

[J]. 自然灾害学报, 2015, 24(5):75-82.

[本文引用: 1]

Guo L F, Yin S P, Xu J Q, et al.

FY-3A/MERSI-based flood remote sensing monitoring and analysis of main stream of Songhua River and Heilong River between summer and autumn in 2013

[J]. Journal of Natural Disasters, 2015, 24(5):75-82.

[本文引用: 1]

王大钊, 王思梦, 黄昌.

Sentinel-2和Landsat8影像的四种常用水体指数地表水体提取对比

[J]. 国土资源遥感, 2019, 31(3):157-165.doi:10.6046/gtzyyg.2019.03.20.

[本文引用: 1]

Wang D Z, Wang S M, Huang C.

Comparison of Seentinel-2 imagery with Landsat8 imagery for surface water extraction using for common water indexes

[J]. Remote Sensing for Land and Resources, 2019, 31(3):157-165.doi:10.6046/gtzyyg.2019.03.20

[本文引用: 1]

黄萍, 许小华, 李德龙.

基于Sentinel-1卫星数据快速提取鄱阳湖水体面积

[J]. 水资源研究, 2018, 7(5):483-491.

[本文引用: 1]

Huang P, Xu X H, Li D L.

Rapid extraction of water area in Poyang Lake based on Sentinel-1 satellite images

[J]. Journal of Water Resources Research, 2018, 7(5):483-491.

DOI:10.12677/JWRR.2018.75054      URL     [本文引用: 1]

杨魁, 杨建兵, 江冰茹.

Sentinel-1卫星综述

[J]. 城市勘测, 2015, 30(2):24-27.

[本文引用: 1]

Yang K, Yang J B, Jiang B R.

Sentinel-1 satellite overview

[J]. Urban Geotechnical Investigation & Surveying, 2015, 30(2):24-27.

[本文引用: 1]

崔斌, 张永红, 闫利, 等.

高分三号SAR影像双阈值变化检测

[J]. 遥感学报, 2020, 24(1):1-10.

[本文引用: 1]

Cui B, Zhang Y H, Yan L, et al.

Dual-thresholds change detection in GF-3 SAR images

[J]. Journal of Remote Sensing, 2020, 24(1):1-10.

[本文引用: 1]

崔倩, 毛旭东, 陈德清, 等.

基于高分三号卫星数据的水体自动提取及应用

[J]. 中国农业信息, 2019, 31(5):57-65.

[本文引用: 1]

Cui Q, Mao X D, Chen D Q, et al.

Research on automation and operationality in water extraction based on GF-3

[J]. China Agricultural Informatics, 2019, 31(5):57-65.

[本文引用: 1]

吴文会, 王丽欣, 马卓.

基于Sentinel-1B SAR数据的洪水提取和监测

[J]. 测绘与空间地理信息, 2019, 42(4):110-118.

[本文引用: 1]

Wu W H, Wang L X, Ma Z.

Flood extraction and monitoring based on Sentinel-1B SAR data

[J]. Geomatics & Spatial Information Technology, 2019, 42(4):110-118.

[本文引用: 1]

汤玲英, 刘雯, 杨东, 等.

基于面向对象方法的Sentinel-1A SAR在洪水监测中的应用

[J]. 地球信息科学学报, 2018, 20(3):377-384.

DOI:10.12082/dqxxkx.2018.170599      [本文引用: 2]

开展Sentinel-1A SAR数据在洪水淹没范围提取和水体变化监测方面的应用研究,对科学有效地管理洪涝灾害有重要意义。合成孔径雷达以其不受天气影响、能穿透云层、覆盖面积广等特点成为灾害监测的重要数据来源。面向对象的方法能有效解决影像的椒盐现象被广泛运用于信息提取研究。本文基于Sentinel-1A SAR数据,利用面向对象的方法构建洪水淹没范围提取流程,绘制灾前、灾中、灾后水体变化监测图,对比分析基于传统像元的提取方法,实现对广西临桂会仙岩溶湿地区域不同时期洪水动态监测。研究表明,Sentinel-1A SAR数据在洪水监测领域有巨大的应用潜力,相较于传统基于像元的方法,面向对象的方法能有效抑制杂斑生成,提高空间信息的利用效率,具有更好的提取精度。

Tang L Y, Liu W, Yang D, et al.

Flooding monitoring application based on the object-oriented method and Sentinel-1A SAR data

[J]. Journal of Geo-Information Science, 2018, 20(3):377-384.

[本文引用: 2]

栾玉洁, 郭金运, 高永刚, 等.

基于Sentinel-1B SAR数据的2018年寿光洪水遥感监测及灾害分析

[J]. 自然灾害学报, 2021, 30(2):168-175.

[本文引用: 1]

Luan Y J, Guo J Y, Gao Y G, et al.

Remote sensing monitoring of flood and disaster analysis in Shouguang in 2018 from Sentinel-1B SAR data

[J]. 2021, 30(2):168-175.

[本文引用: 1]

Lyu W T, Yu Q Z, Yu W X.

Water extraction in SAR images using GLCM and support vector machine

[C]// IEEE 10th International Conference on Signal Processing Proceedings.Beijing, 2010:740-743.

[本文引用: 1]

Gong M G, Li Y, Jiao L C, et al.

SAR change detection based on intensity and texture changes

[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 93:123-135.

DOI:10.1016/j.isprsjprs.2014.04.010      URL     [本文引用: 2]

李景刚, 黄诗峰, 李纪人.

ENVISAT卫星先进合成孔径雷达数据水体提取研究——改进的最大类间方差阈值法

[J]. 自然灾害学报, 2010, 19(3):139-145.

[本文引用: 1]

Li J G, Huang S F, Li J R.

Research on extraction of water body from ENVISAT ASAR images:A modified Otsu threshold method

[J]. Journal of Natural Disasters, 2010, 19(3):139-145.

[本文引用: 1]

Claire H, Stephen C, Sandro M, et al.

Improving the extraction of crisis information in the context of flood,landslide,and fire rapid mapping using SAR and optical remote sensing data

[C]// IEEE International Geoscience and Remote Sensing Symposium.Beijing, 2016:171-182.

[本文引用: 2]

郭欣, 赵银娣.

基于Sentinel-1A SAR的湖南省宁乡市洪水淹没监测

[J]. 遥感技术与应用, 2018, 33(4):646-656.

[本文引用: 1]

Guo X, Zhao Y D.

Flood inundation monitoring in Ningxiang of Hunan Province based on Sentinel-1A SAR

[J]. Remote Sensing Technology and Application, 2018, 33,(4):646-656.

[本文引用: 1]

贾诗超, 薛东剑, 李成绕, 等.

基于Sentinel-1数据的水体信息提取方法研究

[J]. 人民长江, 2019, 50(2):213-217.

[本文引用: 1]

Jia S C, Xue D J, Li C R, et al.

Study on new method for water area information extraction based on Sentinel-1 data

[J]. Yangtze River, 2019, 50(2):213-217.

[本文引用: 1]

杨泽楠, 黄亮, 王枭轩.

结合DEM的面向对象高分三号SAR影像高原山区水系提取

[J]. 昆明理工大学学报(自然科学版), 2019, 44(1):39-46.

[本文引用: 1]

Yang Z N, Huang L, Wang X X.

An object-oriented water extraction for plateau mountain areas in GF-3 SAR image based on DEM

[J]. Journal of Kunming University of Science and Technology(Natural Science), 2019, 44(1):39-46.

[本文引用: 1]

孙亚勇, 黄诗峰, 李纪人, 等.

Sentinel-1A SAR数据在缅甸伊洛瓦底江下游区洪水监测中的应用

[J]. 遥感技术与应用, 2017, 32(2):282-288.

[本文引用: 2]

Sun Y Y, Huang S F, Li J R, et al.

The downstream flood monitoring application of Myanmar Irrawaddy River based on sentinel-1A SAR

[J]. Remote Sensing Technology and Application, 2017, 32(2):282-288.

[本文引用: 2]

贾良清, 欧阳志云, 赵同谦, 等.

安徽省生态功能区划研究

[J]. 生态学报, 2005, 25(2):254-260.

[本文引用: 1]

Jia L Q, Ouyang Z Y, Zhao T Q, et al.

The ecological function regionalization of Anhui Province

[J]. Acta Ecologica Sinica, 2005, 25(2):254-260.

[本文引用: 1]

European Space Agency.

Sentinel-1 user handbook

[EB/OL].[2018-06-01]. https://sentinels.copernicus.eu/web/sentinel/user-guides/Sentinel-1-SAR.

URL     [本文引用: 1]

European Space Agency.

Sentinel-1 SAR user guide

[EB/OL].[2018-06-01]. https://sentinel.esa.int/web/sentinel/user-guides/Sentinel-1-SAR.

URL     [本文引用: 1]

European Space Agency.

Sentinel-1 SAR technical guide

[EB/OL].[2018-06-01]. https://sentinel.esa.int/web/sentinel/technical-guides/Sentinel-1-SAR.

URL     [本文引用: 1]

Zhang M M, Li Z, Tian B S, et al.

The backscattering characteristics of wetland vegetation and water-level changes detection using multi-mode SAR:A case study

[J]. International Journal of Applied Earth Observation and Geoinformation, 2016, 45:1-13.

DOI:10.1016/j.jag.2015.10.001      URL     [本文引用: 1]

王荣喜, 徐维国, 陈祥.

2020年安徽省长江流域防汛抗洪回顾与启示

[J]. 人民长江, 2020, 51(12):52-55.

[本文引用: 1]

Wang R X, Xu W G, Chen X.

Review and enlightenment on Yangtze River flood control in Anhui Province in 2020

[J]. Yangtze River, 2020, 51(12):52-55.

[本文引用: 1]

卢程伟, 刘佳明, 徐兴亚.

2020年巢湖流域防洪存在的问题及其对策探讨

[J]. 人民长江, 2020, 51(12):155-159.

[本文引用: 1]

Lu C W, Liu J M, Xu X Y.

Discussion on existing problems and countermeasures of flood control in Chaohu Lake basin in 2020

[J]. Yangtze River, 2020, 51(12):155-159.

[本文引用: 1]

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.

[本文引用: 1]

Tang D K, Wang F, Wang H Q.

Single-polarization SAR data flood water detection method based on Markov segmentation

[J]. Journal of Electronics & Information Technology, 2019, 41(3):619-625.

[本文引用: 1]

孙亚勇, 李小涛, 杨锋杰, 等.

基于星载SAR数据的山区水体提取方法研究

[J]. 中国水利水电科学研究院学报, 2014, 12(3):258-263.

[本文引用: 1]

Sun Y Y, Li X T, Yang F J, et al.

Study on the method of mountain water extraction based on the space-borne SAR images

[J]. China Institute of Water Resources and Hydropower Research, 2014, 12(3):258-263.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发