黄河是我国第二长河流,横跨东中西部,是我国重要的生态安全屏障,也是人口活动和经济发展的重要区域,承载着全国12%的人口和15%的耕地^[1]。习近平总书记于2022年前往黄河入海口进行考察,并在之后指出要加快构建抵御自然灾害防线,补好灾害预警监测短板,加强下游河道和滩区环境综合治理,高度重视黄河滩区居民迁建工作。因此,开展黄河入海口滩区水体范围的动态监测研究,综合已有研究提出并应用定量刻画滩区淹没风险的方法,对降低滩区生产生活空间淹没风险、保障当地居民生命财产安全具有重要意义。

黄河入海口滩区是黄河河道的重要组成部分,滩区生产生活用地承担汛期排洪泄洪的功能,面临被淹没的风险,这种风险影响着当地居民生活和社会经济发展。近年来,关于黄河水体动态监测的研究引起了广泛关注,方梦阳等^[2]通过GEE(Google Earth Engine)平台对黄河流域2000—2020年间年均近千景Landsat影像进行处理,再通过随机森林分类方法进行监督分类,制作了黄河流域2000—2020年20 a间逐年土地覆盖数据; 杨雯娜等^[3]基于“分区-集成”的评价方法,选取水资源、气候、土壤、植被及人类活动等指标建立评价体系,对黄河流域的生态脆弱性进行了量化评价与空间异质性分析; 王薇等^[4]以黄河三角洲中心城市东营市及所辖区县为研究区域,发现地表水资源短缺、地下淡水资源有限,是导致黄河三角洲水土资源空间匹配程度差的主要限制因子; 李云龙等^[5]以黄河三角洲地表水体为研究对象,采用轨迹分析法和Logistic回归模型,分析了地表水体演化特征及驱动机制; 王集宁等^[6]基于MSS,TM及OLI等遥感图像数据,在面向对象分类技术的支持下,完成了1973—2014年黄河口海岸线遥感动态监测与变迁分析。然而,现有研究缺乏对黄河入海口滩区长时序丰水期水体范围识别,同时,对黄河滩区内水体演变与居民生产生活空间受淹没风险之间关系的探究也较少。

遥感技术的不断发展和数据积累为长时序水体范围监测提供了技术支撑,中高空间分辨率卫星影像数据在水体范围识别方面具有良好的应用效果^[7-8]。Long等^[9]利用自动水体提取指数(automatic water extraction index,AWEI)与MODIS影像推导出多时相水域面积,并根据水位与湖面积之间的关系估计洞庭湖的实时水域范围; Yang等^[10]利用支持向量机方法提取了洞庭湖长时序水体范围,证实三峡大坝具备良好洪水调节作用; Pekel等^[11]利用GEE平台,得出1984—2015年全球地表水的变化状况; Peng等^[12]应用基于决策树的多指数陆表水体提取方法对洞庭湖水体范围进行了识别,取得了较好的效果。上述研究表明,借助遥感卫星影像可以有效获取长时序水体范围,为揭示黄河入海口滩区水体演变过程从而识别淹没风险提供技术支撑。

针对已有研究对黄河入海口滩区(下称黄河滩区)淹没风险评估的不足,本研究拟获取长时序Landsat系列遥感卫星影像数据,采用基于决策树的多指数陆表水体提取方法,提取黄河滩区1976—2020年间丰水期水体范围,并通过叠加分析各个区域历史淹没频次,获取淹没风险等级。此外,研究拟采用国产高分影像,应用专家知识解译方法对黄河滩区土地利用类型进行分类,获取城、镇、村庄居民点和采矿用地等滩区生产生活区域,并基于长时序水体范围监测结果对城镇村庄居民点和采矿用地等建设用地的淹没风险和迁建效果进行评估。

黄河滩区是指黄河主河槽与防汛大堤之间广阔的滩地区域^[13]。本研究所指黄河下游滩区空间范围西起滨州市滨城区; 在黄河北岸以遥感影像可明确分辨的黄河防汛“临黄堤、利黄堤、北大堤”为边界(图1(a)—(c)); 南岸界线分为2段,“滨城区—利津县”段以目视可见的黄河防汛“临黄堤”为界限(图1(d)),第二段以临黄堤与南方大堤交界处起,为关注更广阔的河口冲积平原,以目视解译可见的河流作为界线(图1(e)),形成“喇叭口”型(图1(f))动态监测区域。本研究最终所划定的黄河滩区空间范围如图2所示,总面积约为1 654.16 km²。

本次研究中主要对研究区丰水期的水体演变过程及淹没风险进行识别,丰水期通常指河流流量较高的时期,这个时期可能因为季节性降水、融雪等因素导致河流水位上升。不同地区的丰水期可能出现在不同的时段,研究区的丰水期通常在每年6—9月,这个时期受季风气候影响,降雨量较高,黄河下游河道的径流集中,黄河水位上升,可能导致洪水和淹没^[14]。

长时序水体范围识别与分析需要以连续时点的遥感卫星影像数据为基础,自1972年起开始运行的Landsat系列卫星可提供有效的数据支撑,本次研究从地理空间数据云(https://www.gscloud.cn)和美国地质勘探局(https://earthexplorer.usgs.gov/)获取了公开的Landsat系列卫星遥感影像数据集。按照每5 a为监测时点,筛选1976—2020年间研究区范围内少云(云量<20%)、无条带的丰水期(6—9月)的Landsat遥感影像数据(表1)。

各个时年丰水期包含多幅Landsat影像,基于ArcGIS10.6和ENVI5.1软件对遥感影像进行投影转换、按边界裁剪以及镶嵌等预处理,针对预处理后的各个时年丰水期多幅Landsat遥感影像,各时年挑选其中一幅作为样例如图3所示。

由于土地空间是人类生产生活行为的重要载体,探究黄河滩区水体演变过程对当地居民的影响,首先需要获取详细且精确的土地利用类型。由于某些土地利用类型在遥感影像上没有明显的区分特征,因此,为保证解译结果的准确性,提高后续数据分析的可靠性,本次研究基于2015年和2020年国产卫星遥感影像(高分2号、高分7号、北京2号和资源3号)开展人机交互目视解译工作,基于专家解译经验和实地勘测,精确揭示了2015年和2020年2期黄河滩区土地利用现状。2015年和2020年黄河滩区土地利用类型解译结果如图4所示。

解译结果表明黄河滩区内水域广泛,包含着陆地水域、湿地和海域等利用类型。同时,黄河滩区中分布着大规模耕地和城镇村庄建设用地,是周围城镇居民的生产生活区域,承载着重要的居住和农业功能,表明滩区居民易受水体演变影响。

本次研究采用基于决策树的多指数陆表水体提取方法来提取黄河滩区水体范围信息,技术路线如图5所示^[12]。该方法是利用已有的2000年的GLCF-GIW(the global land cover facility global inland water)水体产品作为先验知识,分别分层随机选取水体和非水体样本作为训练样本,同时采用地形指数、归一化植被指数(normalized difference vegetation index,NDVI)、改进归一化水体指数(modified normalized difference water index,MNDWI)、AWEI以及归一化建筑指数(normalized difference building index,NDBI)等优化训练样本,并作为决策树模型的特征输入,进行样本训练,自适应确定分类规则,从而根据该分类规则可快速得到每幅黄河滩区水体范围提取结果。

为解决水体与山体阴影、城区和云阴影等地物混淆的难点问题,基于决策树的多指数陆表水体提取方法综合采用了地形、水体、植被和建筑物等归一化指数。本次研究首先基于GDEM数据集计算了研究区的坡度,用于构建山体阴影掩模。坡度被计算为每个像素与相邻像素之间的最大高程差异率。地形指数的阈值设置为山体阴影坡度大于10°,从而对地形阴影掩模进行识别,以减弱甚至消除地形阴影对水体提取的影响。

NDVI一般被用于表征植被覆盖和土壤,在一定程度上可用于区分水体和其他土地覆盖类型。NDVI的计算公式为:

式中: ρNIR和ρred分别为近红外波段和红光波段的表面反射率。

MNDWI利用短波红外和近红外之间的差异比来增加水和其他暗目标之间的差异,尤其是高建筑物阴影。MNDWI的计算公式为:

式中: ρgreen和ρSWIR1分别为绿光波段和短波红外1波段的表面反射率。

当针对更早的Landsat MSS影像时,本文采用归一化水体指数(normalized difference water index,NDWI)利用绿光和近红外的差异比,增强水体的表达信息,弱化植被、土壤、建筑物等地物的信息。NDWI的计算公式为:

AWEI使用Landsat数据的5个光谱带来增强水和其他暗物体之间的对比度,本次研究使用的AWEI计算公式为:

式中: ρblue和ρSWIR2分别为蓝光波段和短波红外2波段的表面反射率。

NDBI使用近红外和短波红外波段来突出生产建筑用地面积,以避免城市对水体提取的影响,NDBI计算公式为:

综合多指数的方法能很好地去除云和云阴影、城市等地物类别的影响,极大地简化了计算的复杂程度,能有效地提高算法的计算速度,具有较高的精度和普适性。

本次研究采用的决策树模型是由Breiman等开发的分类回归树模型(classification and regression tree,CART)^[15]。CART模型既可以用于回归也可以用于分类,其核心方法是计算基尼系数,根据杂质找到最纯粹的划分方法,形成二叉树。由于CART模型具备清晰易懂的分类规则和大型数据库的高效计算,被广泛应用于遥感图像分类^[16-17]。本文采用GEE提供的CART算法训练决策分类规则,选择NDVI,MNDWI,AWEI和NDBI作为Landsat TM/ETM/OLI数据集算法的输入特征,而选择NDVI和NDWI作为Landsat MSS数据集的输入特征,最后根据训练好的分类模型获取地表水覆盖结果。

由于各个时年丰水期包含多幅遥感影像,同一时年丰水期内具有多个水体范围识别结果,因此,本次研究采用各个时年丰水期最大地表水区域作为黄河滩区水体范围。最大地表水区域的识别是汇总当年丰水期内所有水体提取结果,水体出现的频次大于2的区域则为当年丰水期的最大地表水区域,即丰水期黄河滩区水体范围。

本次研究基于获取的1976—2020年间长时序Landsat系列遥感影像数据集,采用基于决策树的多指数陆表水体提取方法,以5 a为时间间隔,识别出了各个时年黄河滩区丰水期水体覆盖最大范围。挑选每个研究时年中的一幅遥感影像水体提取结果进行精度检验。首先,使用分层随机方法选择大约50个水体样本点和50个水体样本点; 其次,利用原始图像结合Google Earth高空间分辨率遥感图像作为参考图像进行精度验证。汇总10个时点黄河滩区丰水期水体提取结果的精度验证混淆矩阵如表2所示,水体提取的用户精度、制图精度、综合精度均大于94%,Kappa系数大于0.9,表明基于决策树的多指数陆表水体提取方法所识别的水体范围可用于后续分析。

基于1976—2020年44 a来黄河滩区丰水期水体范围识别结果如图6所示,可用以刻画黄河滩区丰水期水体覆盖空间范围长期演变过程趋势,本研究通过统计各个区域历史被淹没次数以计算被淹没风险。

对黄河滩区水体范围提取结果进行统计(图7),黄河滩区丰水期水体范围1976—2020年44 a来总体经历了先减小后增大的变化趋势,1976年水体面积最大,达到1 051.14 km²,然后逐年递减至1995年达到最小值539 km²,而从1995—2020年间水体范围又经历了波浪式上升过程。统计结果表明,44 a来黄河滩区水体范围一直呈变化趋势,发生了明显的人为或自然影响水体范围情况,例如1976年和1996年的黄河入海口改道,1976年之后黄河滩区水体范围逐渐缩小,1996年之后黄河滩区水体范围逐渐增加,黄河滩区丰水期水体范围有长期增长趋势,因此应加强对黄河滩区水体范围的动态监测,避免滩区居民遭受淹没风险。

本次研究基于长时序丰水期水体范围监测结果,将1976—2020年间黄河滩区内水体提取的空间范围进行叠加,识别10个时点各个区域在被淹没次数,根据历史数据推断各个区域淹没概率,并在此基础上提出淹没风险分级,淹没次数、淹没概率和淹没风险分级对应关系如表3所示。

在实际应用中,淹没次数最大值为10的区域主要为河道中心地区和沿海海域,最小值为0的区域主要为内陆陆地无水体覆盖范围,在对黄河滩区淹没风险的分析中将其排除,1976—2020年间黄河滩区淹没次数及其程度分级如图8(a)所示。直观上,靠近黄河和海域的区域淹没风险较高,远离海域和黄河河道的地区淹没风险较低,但淹没风险在区域上也存在较强异质性。基于淹没次数空间结果可以得到黄河滩区淹没风险分级情况(图8(b)),该空间信息可以用于分析微观尺度上淹没风险对城镇村庄的影响,对于经常淹没地区来说,一旦丰水期来临,面临发生洪水风险的概率较大。

淹没次数1~9次的范围面积统计结果如图9所示,除常水域外,1976—2020年间黄河滩区内被淹没过的总面积为1 366.17 km²,淹没次数从1~7次的面积逐渐减少,然而淹没8~9次的区域面积逐渐增大。淹没次数在5次及以上的区域面积总和为463.7 km²,占黄河滩区总面积的28.03%,占44 a间被淹没过区域总面积的33.94%,表明有较大范围的区域面临着较高的被淹没风险。对于淹没次数在5次及以上的潜在风险区域,要严格控制土地用途,对存在农村居民点的地区要应迁尽迁,控制区域内工业活动等用地数量,最大限度减少潜在的危险和经济损失。

依据黄河滩区内目视解译的土地利用分类结果提取2015年黄河滩区范围内面积大于1 hm²的城镇居民点和采矿用地等建设用地类型点位631个,总面积为22.88 km²。叠加淹没风险分级分布情况,可以得出城镇村庄居民点及采矿用地等建设用地被淹没风险(图10)。

从图10中可以看出,2015年城镇村庄居民点和采矿用地中位于不经常淹没区地块有413个,占总点位比例为65.45%,此区域为低淹没风险区,迁建迫切程度为低; 位于偶尔淹没区的有52个,占比8.24%,采矿用地46个,居民点6个。此区域为中度淹没风险区,迁建迫切程度为中等,要注意加强交通、防汛堤坝、地下水排水性系统等防汛体系等基础设施建设; 位于经常淹没区的地块有20个,占比3.17%,其中采矿用地14个,居民点6个,此区域为高度淹没风险区,迁建迫切程度为高,此部分区域要加强迁建及退出工作,已经废弃的工矿用地加紧退出工作,仍在利用的工矿设施要加强防洪能力建设,水利设施也要注重牢固性建设。

2015年黄河滩区不同淹没风险的居民点及采矿用地面积的统计结果如图11所示。淹没风险低(无淹没区和不经常淹没区)的面积为19.94 km²,占总面积的87%,其中,不经常淹没区的面积为17.43 km²,占居民点总面积的76%,表明虽然黄河滩区内大部分城镇村庄居民点和采矿用地等建设用地被淹没的概率较低,但是根据历史数据来看,1976—2020年44 a来未被淹没过的建设用地较少,大部分建设用地依然存在被淹没的概率,政府应考虑其规避淹没风险的措施及适宜的迁建方案。中高淹没风险的居民点总共有2.94 km²,占总面积的13%,其中中风险(位于偶尔淹没区)的建设用地面积为2.79 km²,占总面积的12%,高风险区域(位于经常淹没区)的建设用地面积为0.16 km²,占总面积的1%。这些居民点受淹没灾害的威胁较大,迁建迫切程度较高,应尽快开展迁建工作,防止由于水体淹没造成的人民群众生命财产损失。基于以上统计结果,按照2020年6月1日起执行的《山东省征地区片综合地价》,按照最高补偿标准为129万元/ hm²,可以初步估算出黄河滩区中风险淹没区的建设用地征地补偿款成本为3.59亿元,高风险淹没区的建设用地征地补偿款成本约为0.20亿元。

基于2015年建设用地信息提取结果,对比2020年遥感影像,针对高淹没风险建设用地的迁建状况进行动态监测,部分居民点监测结果如表4所示。通过对比分析发现,2015年存在的高淹没风险居民点在2020年遥感影像上已经拆除,地方政府已经认识到部分地块的潜在风险,并采取了相应的迁建等措施,统计得出高淹没风险区内无亟需搬迁的城镇村庄居民点,但仍然存在部分采矿用地位于高淹没风险区,需加强防洪设施建设。

黄河流域生态保护和高质量发展已成为国家战略,本次研究通过获取长时序丰水期Landsat遥感卫星影像,采用基于决策树的多指数陆表水体提取方法,对黄河入海口滩区1976—2020年间丰水期的水体范围进行识别,并通过叠加分析获取各个区域淹没风险。除常水域外,1976—2020年间黄河滩区内被淹没过的总面积为1 366.17 km²,淹没次数从1~7次的面积逐渐减少,然而淹没8~9次的区域面积逐渐增大。淹没次数在5次及以上的区域面积总和为463.7 km²,占黄河滩区总面积的28.03%,占1976—2020年44 a间被淹没过区域总面积的33.94%,表明有较大范围的区域面临着较高的被淹没风险。至2020年,高淹没风险居民点已经拆除,但仍然存在部分采矿用地位于高淹没风险区。根据上述结果,黄河入海口滩区建设用地应明确迁建需求,科学迁建选址,完善防洪设施建设。

本次研究通过遥感技术对黄河入海口滩区水体演变过程及淹没风险进行识别,为降低滩区生产生活空间淹没风险、保障当地居民生命财产安全等现实问题的解决提供了思路。然而,受限于长时序遥感影像的获取,对暴雨和洪涝等原因造成的水体异常扩大范围识别还不清晰,下一步研究应结合地面监测数据更为精确地识别黄河滩区淹没风险。