自然资源遥感, 2024, 36(2): 198-206 doi: 10.6046/zrzyyg.2023061

技术应用

基于Landsat影像的鄱阳湖面积监测及其与水位关系研究

赵辉,1, 陈振2, 冯超帆1, 张通1, 赵学晶1, 张兆旭,3,4

1.山东省核工业二四八地质大队,青岛 266041

2.青岛市勘察测绘研究院,青岛 266033

3.天津工业大学环境科学与工程学院,天津 300387

4.河北省海洋岸线生态修复与智慧海洋监测工程研究中心,秦皇岛 066000

Monitoring of the area of Poyang Lake based on Landsat images and its relationship with the water level

ZHAO Hui,1, CHEN Zhen2, FENG Chaofan1, ZHANG Tong1, ZHAO Xuejing1, ZHANG Zhaoxu,3,4

1. 248 Geological Brigade of Shandong Nuclear Industry,Qingdao 266041, China

2. Qingdao Survey and Mapping Research Institute, Qingdao, 266033, China

3. School of Environmental Science and Engineering, Tiangong University, Tianjin 300387, China

4. Marine Ecological Restoration and Smart Ocean Engineering Research Center of Hebei Province, Qinhuangdao 066000,China

通讯作者: 张兆旭(1989-),男,博士,讲师,主要从事定量遥感与GIS建模研究。Email:zhangzhaoxu@tiangong.edu.cn。

责任编辑: 陈庆

收稿日期: 2023-03-8   修回日期: 2023-07-4  

基金资助: 河北省海洋岸线生态修复与智慧海洋监测工程研究中心开放基金项目“基于多源遥感数据和Google Earth Engine平台的海岸带土地利用变化及其驱动力研究”(HBMESO2311)

Received: 2023-03-8   Revised: 2023-07-4  

作者简介 About authors

赵 辉(1990-),女,硕士,工程师,主要从事光学遥感应用研究。Email: 15621135786@126.com。

摘要

湖泊是陆地生态系统的一个重要的组成部分,湖泊水域的变化对环境和人类的生产活动都有着重大的影响。鄱阳湖作为中国第一大淡水湖,近年来多次出现洪旱灾害现象,因此对鄱阳湖进行动态监测意义重大。文章以2000—2021年鄱阳湖175期Landsat影像作为数据源,对比分析了归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、自动水体提取指数(automated water extraction index,AWEI)、谱间关系法(spectrum photometric method,SPM)这4种水体提取方法,优选最适宜鄱阳湖的水体提取模型; 利用175期面积数据分析了鄱阳湖2000—2021年面积的年际变化趋势,分析年内季节变化特征,同时结合2009—2013年和2017—2018年同时期的50组水位数据,建立面积-水位关系模型。结果表明: ①AWEI模型提取水体精度优于其他3种,该文最终选用AWEI进行鄱阳湖水体提取; ②鄱阳湖面积存在明显的季节性变化,且丰水季面积年际波动大,枯水季较平缓; ③棠荫水位站湖泊面积-水位分段线性模型为最佳模型,从而可以根据鄱阳湖区域的实时水位观测值对水体覆盖面积进行预测,以弥补云雨天气时利用可见光遥感手段难以监测到湖泊水体淹没情况的不足。

关键词： 鄱阳湖; Landsat; 水体提取; 面积变化; 面积-水位模型

Abstract

Lakes constitute a crucial part of terrestrial ecosystems. Changes in the water areas of lakes significantly influence environments and human production activities. Poyang Lake, the largest freshwater lake in China, has experienced many floods and droughts in recent years, thus necessitating its dynamic monitoring. With 175-phase Landsat images of Poyang Lake from 2000 to 2021 as the data source, this study comparatively analyzed four water body extraction methods: the normalized difference water index (NDWI), the modified normalized difference water index (MNDWI), the automated water extraction index (AWEI), and the spectrum photometric method (SPM), determining the optimal water body extraction index for Poyang Lake. Moreover, based on the 175-phase area data, this study delved into the inter-annual area variation trend from 2000 to 2021 as well as the intra-annual seasonal variations. Furthermore, it established the area - water level model by combining 50 sets of water level data from 2009 to 2013 and 2017 to 2018. The results show that: ① The AWEI model, outperforming the other three models in the extraction accuracy, was employed for the water body extraction of Poyang Lake; ② The area of Poyang Lake exhibited significant seasonal variations, large inter-annual fluctuations in the wet season, and relatively gentle inter-annual fluctuations in the dry season; ③ The area - water level piecewise linear model of the Tangyin gauging station proved optimal, which can predict the water coverage area based on real-time water level observations in Poyang Lake, compensating for the limitation of visible spectral remote sensing methods in monitoring the lake water coverage during cloudy and rainy weather.

Keywords： Poyang Lake; Landsat; water body extraction; area variation; area - water level model

PDF (9602KB) 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

赵辉, 陈振, 冯超帆, 张通, 赵学晶, 张兆旭. 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 doi:10.6046/zrzyyg.2023061

ZHAO Hui, CHEN Zhen, FENG Chaofan, ZHANG Tong, ZHAO Xuejing, ZHANG Zhaoxu. Monitoring of the area of Poyang Lake based on Landsat images and its relationship with the water level[J]. Remote Sensing for Land & Resources, 2024, 36(2): 198-206 doi:10.6046/zrzyyg.2023061

0 引言

湖泊面积与水位情况受气候变化与人类活动影响较为明显[1⇓-3],鄱阳湖地处江西省北部,长江中下游以南,是我国面积最大的淡水湖[4]。近年来,鄱阳湖频繁发生洪旱灾害,受人类生产活动影响日益严重,加之湖泊通江特性等,导致鄱阳湖水位处在巨大的变化中[5-6]。因此,对鄱阳湖进行连续动态监测意义重大。自1970年以来,卫星遥感技术发展迅速,凭借其高时间、高空间分辨率,监测范围广,速度快等优点被广泛应用于大范围水体识别、洪涝灾害监测及湖泊变化分析等方面[7⇓⇓-10]。Landsat具有观测时间长、精度相对较高、可以免费下载等优势,已成为世界各国广泛应用的遥感数据源,Landsat对于实现湖泊面积的连续变化监测意义重大[11⇓-13]。随着卫星技术的发展,遥感为湖泊变化监测提供了有力的支撑,遥感技术可以获得大范围的地表地物信息,可以快速准确地提取水体信息,越来越多的研究者将卫星遥感技术应用到湖泊变化的连续监测研究中[14-15]。McFeeters[16]构建了归一化差异水体指数(normalized difference water index,NDWI),发现将绿光波段和近红外波段做比值运算之后能够在很大程度上抑制植被的信息,从而在影像中突出显示水体信息。Frazier等[17]比较了Landsat5的中红外波段阈值法与最大似然法的水体提取结果,发现2种方法对于水体的提取精度相差不大; Olmanson等[18]利用定量模型估算的方法对美国明尼苏达州的湖泊面积及水体透明度进行了监测和评价工作; Fisher等[19]利用Landsat数据,计算不同水体提取指数,确认优化的阈值,实现Landsat影像水体准确分类的自动化。在国内,不同学者针对水体提取也做了大量的工作。Li等[20]利用Landsat8影像,在机器学习算法中采用了决策树、逻辑回归、随机森林、神经网络、支持向量机和Xgboost等模型,通过交叉验证和网格搜索方法,确定了每个模型的参数,讨论了几种模型在水体提取中的优缺点,并与传统NDWI中的3种阈值确定方法进行了比较分析; Qin等[21]将U-Net卷积神经网络应用于珠海一号卫星高光谱遥感影像中并提取了小水体; 李辉等[22]根据2001年13个时相的无云MODIS影像及水位数据,分别建立了线性、对数、指数3种模型来拟合面积与水位的关系,发现对数关系模型中二者相关性最高; 刘可群等[23]选用洞庭湖2001—2007年间173个时相的MODIS遥感影像分析了湖泊面积与降水、水位之间的关系,证明湖水面积与城陵矶水位站水位相关性较强; 张楠楠等[24]利用2000—2010年11 a的MODIS数据,针对鄱阳湖建立了4种面积-水位模型,最终证明二次多项式模型相关性最高; 李鹏等[25]利用1989—2010年鄱阳湖100期TM影像,建立了汛期及非汛期水面-水位关系模型并确定了各时期相应的代表性水位站; 周洋等[26]对鄱阳湖的星子站、都昌站、湖口站的水位-面积关系进行了评估,发现星子站及都昌站的平均拟合面积相差较小。

从以上分析可以发现,虽然众学者都对鄱阳湖的面积变化进行了详细的研究,但少有学者将水位值分段来建立模型以预测湖泊面积。现有对鄱阳湖湖泊面积-水位关系的分析探究大多仅选取单一水位站,不具有代表性,而且鄱阳湖受到降水等季节性因素的巨大影响,丰水季与枯水季差异较大,因此很有必要考虑不同水位站及季节因素对湖泊面积-水位关系模型的影响,分别开展不同站点、不同水位下水位与面积的关系研究。因此,本文选取2000—2021年Landsat无云影像,对比了4种不同的水体提取方法(NDWI、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、自动水提取指数(automated water extraction index,AWEI)、谱间关系法(spectrum photometric method,SPM)[27]),最终选用AWEI提取鄱阳湖面积,并对鄱阳湖面积变化进行分析,结合2009—2013年、2017—2018年同时期6个水位站的水位值,通过回归分析构建了面积-水位的线性、指数、对数、二次多项式关系模型,并进一步根据水位值分段构建线性模型,取得了较好的效果。

1 研究区概况及数据源

1.1 研究区概况

鄱阳湖地处E115°47'~116°45',N28°22'~29°45'之间(图1),湖泊覆盖面积约为26 280 km2,占江西省国土面积的15.7%[28]。鄱阳湖受信江、赣江、修河、抚河和饶河5条河流和长江水位共同影响,季节间降水量分配极不平衡,导致湖区水位变化巨大。夏秋季为丰水期,水位可达20 m,水域面积可增至4 125 km2以上,冬春季为枯水期,水位低至12 m,面积不到500 km2[29]。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   鄱阳湖位置及其水位站点分布

Fig.1   Location of Poyang Lake and distribution of water level stations


1.2 数据源及其预处理

1.2.1 遥感影像及预处理

共收集了2000—2021年Landsat5,7,8卫星的175景无云影像对鄱阳湖水体进行连续观测与提取,Landsat的空间分辨率为30 m,表1显示了用到的遥感影像信息。同时选用了与Landsat影像同期的GF-1号16 m多光谱数据进行水体提取精度验证,影像获取日期为2014年10月24日,本文中的Landsat影像数据主要来源于美国地质调查局,这些数据已经过系统的辐射定标、大气校正、几何纠正等处理。2003年5月31日,Landsat7 ETM+机载扫描行校正器故障导致数据出现条带现象(即SLC-off),条带修复利用的是中科院地理空间数据云平台提供的多影像固定窗口回归分析模型(2003—2014年)以及ENVI软件中的Destripe功能(2015—2021年数据)[30]。由于涉及面积的计算,本文采用Albers Conical Equal Area标准投影(等积投影)作为统一的投影坐标系统,以保证投影后湖泊面积保持不变。

表1   遥感影像信息表

Tab.1  Remote sensing image information

卫星参数Landsat5Landsat7Landsat8GF-1
传感器TMETM+OLIWFV
发射时间1984年3月1999年4月2013年2月2013年4月
覆盖周期/d1616164
空间分辨率/m30303016

新窗口打开| 下载CSV


1.2.2 水位数据及预处理

根据鄱阳湖区的水文站点分布及已有文献中对站点的选取情况[31-32],本文选取湖口站、星子站、都昌站、棠荫站、康山站、吴城站共6个水位站进行研究,站点的空间分布状况如图1所示。本文中的水位数据是根据我国的水文年鉴资料摘录整理而得,数据集包括以上6个站点2009—2013年、2017—2018年与遥感数据同期的日平均水位值。上述水位站的高程基准面有所不同,包括吴淞基面、冻结基面。在过去对长江流域的众多研究中,吴淞基面被普遍采用[33]。为了使数据具有可比性,将各站点水位值统一换算为吴淞基准面。

2 鄱阳湖水体提取

2.1 鄱阳湖范围的界定

鄱阳湖范围有狭义和广义之分,广义的鄱阳湖包括湖区及赣江、抚河、信江、饶河、修水5条河流组成的大水系,而狭义的仅指湖区内连通的面状水体[33]。本文研究的湖泊是狭义的鄱阳湖区。本文中鄱阳湖范围是依据国家地球系统科学数据共享平台中湖泊-流域科学数据中心提供的鄱阳湖1∶25万矢量边界数据来确定,经投影转换为Albers等积投影,以保证与影像的一致性。

2.2 水体提取方法及精度比较

目前针对Landsat数据的水体提取方法较多,大多通过波段间组合运算来增强水体信息,抑制非水体信息,排除易混淆地物。本文选用NDWI,MNDWI,AWEI和SPM来提取水体[16,34-35],并对各方法提取精度进行比较,各模型计算公式如表2所示。

表2   不同模型提取水体的计算公式

Tab.2  Formula of various models for extacting water body

模型公式①备注
NDWINDWI=(ρB2-ρB4)/(ρB2+ρB4)NDWI>a为水体
MNDWIMNDWI=(ρB2-ρB5)/(ρB2+ρB5)MNDWI>b为水体
AWEIAWEI=4(ρB2-ρB5)-(0.25ρB4+2.75ρB7)AWEI>c为水体
SPMSPM=(ρB2+ρB3)-(ρB4+ρB5)SPM>0为水体

①式中: ρB2,ρB3,ρB4,ρB5,ρB7分别对应Landsat5 TM影像的绿光波段、红光波段、近红外波段、第1短波红外波段、第2短波红外波段的反射率; a,b,c为不是固定值的常数,不同影像的取值不同。

新窗口打开| 下载CSV


本文选用研究区2004年2月15日(枯水期)、2014年10月24日(丰水期)的Landsat影像,对TM数据进行预处理后,利用这4种模型进行水体提取实验,并对不同的水体提取方法进行比较(图2)。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   不同方法提取水体比较

Fig.2   Comparision of different methods for extracting water body


从图2中目视判读可以看出,对比红框区域,无论是丰水期还是枯水期影像,NDWI方法提取的水体信息最少,漏提最多; 其他模型结果相当,都较好地抑制了其他地物的影响。分别统计2期影像用4种模型提取的水体面积,如表3所示,其中,2014年10月24日是以GF-1影像为基准进行验证,由于波段限制,GF-1影像的水体是采用NDVI方法提取; 2004年2月15日是以目视解译结果为参考值。

表3   不同模型提取面积的比较

Tab.3  Comparison of the different models for extracting area(km2)

参数影像时相NDWIMNDWISPMAWEI参考值
面积201410241 389.161 684.711 471.571 590.151 570.80
20040215662.39829.06767.18764.15748.80
差值20141024-181.64113.91-99.2319.35—
20040215-86.4180.2618.3815.35—

新窗口打开| 下载CSV


由表3分析发现,利用AWEI方法提取得到的水体面积最接近真实值(差值最小),其次是SPM法,MNDWI方法的错提现象突出,NDWI方法的提取效果最差,漏提现象最严重。因此,本文最终选用效果最好、精度最高的AWEI方法来提取湖泊面积。

由于不同影像获取的时相、气候状况不同,同时水体提取的阈值也不同,经统计,本文中所有影像的阈值范围均在0.01~0.15之间。将水体提取结果加载到ArcGIS软件中,并与鄱阳湖矢量边界进行叠加,从而计算出研究区不同时间的水体面积。

3 鄱阳湖面积变化及其与水位关系探究

3.1 鄱阳湖水面覆盖的变化分析

3.1.1 年内季节变化分析

鄱阳湖面积变化较大,尤其是在丰水期及枯水期转换时,湖泊涨、退水较快,因此会导致湖区面积发生显著变化。为更好地了解鄱阳湖在2000—2021年内面积的季节变化规律,在得到175景影像湖泊面积基础上,进一步计算了多年各月湖泊面积平均值,图3为多年各月平均面积。从多年面积均值可以发现,全年各月中6月和7月鄱阳湖面积最大,1月面积最小。鄱阳湖1—6月面积稳定上升,8—12月逐步降低,在3月出现了异常峰值,原因可能是3月份的影像数量较少,加之2003年和2010年3月湖泊面积较往年偏高,导致多年平均值偏高,总体来说,各月面积均值总体呈单峰型,湖泊面积存在明显季节性变化,夏季面积最大,秋季开始逐渐减小,冬季面积最小。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   多年各月平均面积

Fig.3   Average area of each month for many years


3.1.2 年际变化分析

由于2018年7月、9月、12月没有收集到可用影像,故选取2000—2017年,2019—2021年7月、9月、12月的Landsat卫星影像进行面积变化监测,其中,7月是5条河来水形成的湖泊汛期,9月受长江汛期影响,导致高水位、大面积,12月属于枯水期。本文选择这3个典型月份,通过各月逐年变化趋势来分析其年际变化,图4为湖泊面积年际变化曲线。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   湖泊面积年际变化曲线

Fig.4   The interannual variability curve of Poyang Lake area


受云影响,2000年、2002年、2015年12月均没有合适影像,故12月的折线图出现了断点。分析发现: 同处汛期,大部分年份7月湖泊面积大于9月,仅在2000年、2005年、2008年、2012年小于9月; 9月处于丰水期,2005年以来,9月湖泊面积波动较大; 12月处于枯水期,湖泊面积都较小且变化较平缓。总体来说,丰水期面积年际波动大,枯水期波动较平缓。

3.2 湖泊面积与水位关系探究

3.2.1 湖泊面积-水位关系模型建立

利用鄱阳湖2009—2013年和2017—2018年共50期湖泊面积与各水位站日均水位数据绘制散点图。图5显示了湖口站、星子站、都昌站、吴城站、棠荫站、康山站6个水位站湖泊面积与水位的关系。同时,本文针对这6个水位站分别建立了面积-水位的线性、对数、指数、二次多项式模型,各个站点模型的决定系数如表4所示。从表4中可以发现,二次多项式模型在各个站点的决定系数均大于其他模型,指数模型决定系数最低; 棠荫站、吴城站、都昌站湖泊面积-水位的二次多项式模型决定系数相对较高,因此,选择棠荫站、吴城站、都昌站为代表性水位站,进一步验证模型精度。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   各水位站湖泊面积与水位关系散点图

Fig.5   Scatter diagram of relationship between area and water level at each water level stations


表4   各水位站湖泊面积-水位各模型决定系数R2

Tab.4  Coefficients of determination(R2) of the four models between lake area and water level at each water level station

模型湖口站星子站都昌站吴城站棠荫站康山站
线性0.898 40.918 60.940 00.947 10.930 00.838 3
对数0.874 10.893 20.921 90.944 70.952 80.860 8
指数0.867 40.891 30.914 60.912 30.865 40.764 7
二次多项式0.898 90.919 10.940 10.949 90.966 10.884 7

新窗口打开| 下载CSV


采用40个点构建二次多项式模型,随机选取10个点对模型做精度验证,3个代表性水位站(棠荫站、吴城站、都昌站)模型及决定系数见表5,误差情况如表6所示。

表5   代表性水位站二次多项式模型及决定系数

Tab.5  Quadratic polynomial model and coefficient of determination of representative water level stations

水位站二次多项式模型决定系数R2
棠荫站y=-23.834x2+1008.8x-7401.60.956 7
吴城站y=-3.021x2+329.68x-2030.60.942 3
都昌站y=1.7096x2+176.01-694.320.931 6

新窗口打开| 下载CSV


表6   二次多项式模型模拟湖泊面积与遥感提取面积比较

Tab.6  Comparison between the area fitted by quadratic polynomial model and that extracted by remote sensing

影像时相棠荫站都昌站吴城站
水位值/m模拟面积
值/km2		误差/%水位值/m模拟面积
值/km2		误差/%水位值/m模拟面积
值/km2		误差/%
2009031613.992 046.720.1112.9531 872.37-8.4213.871 960.89-4.09
2009060415.402 481.450.8615.3132 401.80-2.3816.122 498.821.57
2009110311.27940.35-6.398.9831 024.732.019.96953.32-5.10
2010031914.552 230.72-2.3413.1931 925.34-15.7113.851 955.97-14.36
2010120811.34973.24-6.148.493923.85-10.909.84920.94-11.18
2011072814.412 186.12-2.5314.2432 159.41-3.7214.742 172.52-3.14
2012062017.712 988.85-0.5717.7132 959.73-1.5418.152 957.91-1.60
2012080719.013 162.553.3118.9833 262.946.5919.453 238.825.80
2017021011.24926.18-3.758.623950.53-1.229.83918.24-4.58
2018020511.881 219.151.1510.0931 256.304.2311.071 248.753.61

新窗口打开| 下载CSV


从结果来看,棠荫站二次多项式模型拟合效果优于其他2个站点,误差绝对值最大为6.39%,最小为0.11%,大部分误差绝对值都在4%以内,且其决定系数也优于其他2个站点模型,而其他两站点误差均较大,最大误差绝对值均超过14%。

3.2.2 湖泊面积-水位关系模型分段探讨

通过对图5中都昌站、棠荫站、吴城站面积-水位散点图进一步分析,可发现当水位小于17 m时,二者大体呈线性增长关系,但当水位大于17 m后,随着水位持续升高,湖泊面积并没有呈现出显著的增长趋势,大体保持不变,因此,考虑按水位值分段研究面积-水位之间的关系,设置初始分段点水位值为17 m。

由于湖口站和星子站的湖泊面积与水位数据散点在低于14 m的枯水位时较离散,康山站在水位14~16 m范围内较离散,而都昌站、棠荫站和吴城站相对较集中,因此,本节仍只针对都昌站、棠荫站和吴城站做相关分析。以水位值17 m为界分为2部分,分别建立线性模型,并计算决定系数及标准差,并与表4中二次多项式模型相比较,如表7所示。

表7   各水位站面积-水位二次多项式模型与分段线性模型比较

Tab.7  Comparison between the quadratic polynomial model and piecewise linear model of water area and water level

模型都昌站棠荫站吴城站
R2标准差R2标准差R2标准差
二次多项式模型0.940 1178.899 20.966 1134.626 10.949 9163.564 3
分段模型0.947 4167.615 20.967 9130.745 50.959 8146.403 1

新窗口打开| 下载CSV


由表中可以发现,在每个水位站,分段模型的决定系数R2均大于二次多项式模型,而标准差均小于二次多项式模型; 棠荫站面积-水位分段模型优于吴城和都昌站。

为进一步验证分段模型精度,选取棠荫站40个点构建分段模型,随机选取10个点做精度验证,设置初始分段点水位值为17 m,分段拟合出各段的面积-水位关系模型,并通过反复试验,最终确定分段点水位值为16.55 m时,拟合效果最好,此时,该分段模型为:

y=370.3x-3183.6　x≤16.55my=56.46x+2011.7　x>16.55m

模型R2=0.9602,利用该分段模型和二次多项式模型预测出的10个点的面积及对应误差如表8所示。

表8   棠荫站遥感提取面积、分段模型拟合面积、二次多项式拟合面积之间的比较

Tab.8  Comparison betwen the area axtracted by remote sensing、the area fitted by piecewise models and the area fitted by quadratic polynomial

序号影像时相棠荫站
水位值/m		提取面积
/km2		分段模型
拟合值/km2		误差/%二次多项式
拟合值/km2		误差/%
12009031613.992 044.541996.90-2.332 046.720.11
22009060415.402 460.282 519.022.392 481.450.86
32009110311.271 004.53989.68-1.48940.35-6.39
42010031914.552 284.062 204.27-3.492 230.72-2.34
52010120811.341 036.861 015.60-2.05973.24-6.14
62011072814.412 242.892 152.42-4.032 186.12-2.53
72012062017.713 005.893 011.610.192 988.85-0.57
82012080719.013 061.283 085.000.773 162.553.31
92017021011.24962.28978.571.69926.18-3.75
102018020511.881 205.281 215.560.851 219.151.15

新窗口打开| 下载CSV


从表8可以发现,分段模型拟合效果较好,误差绝对值最大为4.03%,最小为0.19%,误差均在5%以内。将棠荫站分段模型与二次多项式模型的预测面积误差进行比较可以发现,两模型预测结果相差不大,误差都在10%以内,但分段模型预测结果误差大部分都小于二次多项式模型,且误差绝对值最大为4.03%,而二次多项式模型预测误差相对较大,最大的误差绝对值是6.39%,经计算,分段模型的残差标准差2.226 5,而二次多项式模型的残差标准差为3.183 7,因此,总体来说分段模型更稳定,优于二次多项式关系模型。图6为棠荫站湖泊面积-水位关系的分段模型的模拟结果。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   棠荫站湖泊面积-水位分段线性模型拟合

Fig.6   Fit plot of the piecewise linear model between the lake area and water level of Tangyin station


4 结论

本文选用2000—2021年Landsat卫星数据,针对鄱阳湖探索了该地区水体提取方法,分析了湖泊面积变化规律,结合2009—2013年和2017—2018年同期实测水位数据,构建了湖泊面积与水位的关系模型。

1)利用AWEI自动水提取指数对鄱阳湖水体进行提取能达到较为理想的效果。

2)鄱阳湖全年各月面积均值的总体趋势呈单峰型,面积存在明显的季节性变化,夏季湖泊面积最大,秋季开始逐渐减小,冬季湖泊面积最小。丰水季时,湖泊面积年际波动大,枯水季较平缓。

3)鄱阳湖湖泊面积-水位存在较大的相关性,分段线性模型能较好地模拟湖泊面积-水位之间的关系。经验证发现,棠荫站湖泊面积-水位分段线性模型拟合效果最优,云雨天气可见光遥感难以监测到鄱阳湖水体淹没情况时,可根据该模型对湖泊面积进行有效预测。

本文的研究可以为鄱阳湖地区防洪减灾、评估其蓄洪的能力提供科学的依据及基础性参考资料。

参考文献

Smith L C, Sheng Y, MacDonald G M, et al.

Disappearing Arctic lakes. Science

[J]. Science, 2005, 308(5727):1429.

PMID:15933192      [本文引用: 1]

Historical archived satellite images were compared with contemporary satellite data to track ongoing changes in more than 10,000 large lakes in rapidly warming Siberia. A widespread decline in lake abundance and area has occurred since 1973, despite slight precipitation increases to the region. The spatial pattern of lake disappearance suggests (i) that thaw and "breaching" of permafrost is driving the observed losses, by enabling rapid lake draining into the subsurface; and (ii) a conceptual model in which high-latitude warming of permafrost triggers an initial but transitory phase of lake and wetland expansion, followed by their widespread disappearance.

孟恺, 石许华, 王二七, 等.

青藏高原中部色林错湖近10年来湖面急剧上涨与冰川消融

[J]. 科学通报, 2012, 57(7):571-579.

[本文引用: 1]

Meng K, Shi X H, Wang E Q, et al.

High-altitude salt lake elevation changes and glacial ablation in Central Tibet,2000—2010

[J]. Chinese Science Bulletin, 2012, 57(7):571-579.

[本文引用: 1]

Benson L V, Paillet F L.

The use of total lake-surface area as an indicator of climatic change:Examples from the Lahontan basin

[J]. Quaternary Research, 1989, 32(3):262-275.

[本文引用: 1]

张歆牧. 鄱阳湖湿地生态环境评价[D]. 武汉: 华中师范大学, 2008.

[本文引用: 1]

Zhang X M. Evaluation of the ecological environment of Poyang Lake wetland[D]. Wuhan: Central China Normal University, 2008.

[本文引用: 1]

闵骞.

近50年鄱阳湖形态和水情的变化及其与围垦的关系

[J]. 水科学进展, 2000, 11(1):76-81.

[本文引用: 1]

Min Q.

Study on the relationship between shape,water regime and innings of Poyang Lake

[J]. Advances in Water Science, 2000, 11(1):76-81.

[本文引用: 1]

姜鲁光. 鄱阳湖退田还湖地区洪水风险与土地利用变化研究[D]. 北京: 中国科学院地理科学与资源研究所, 2006.

[本文引用: 1]

Jiang L G. Flood risk and land use change in the wetland restoration area around Poyang Lake,China[D]. Beijing: Institute of Geographic Sciences and Natural Resources Research, CAS, 2006.

[本文引用: 1]

Nie Y, Zhang Y, Ding M, et al.

Lake change and its implication in the vicinity of Mt.Qomolangma (Everest),central high Himalayas,1970—2009

[J]. Environmental Earth Sciences, 2013, 68(1):251-265.

[本文引用: 1]

Feng L, Hu C M, Chen X L, et al.

Satellites capture the drought severity around China’s largest freshwater lake

[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012, 5(4):1266-1271.

[本文引用: 1]

Carroll M L, Townshend J R G, DiMiceli C M, et al.

Shrinking lakes of the Arctic:Spatial relationships and trajectory of change

[J]. Geophysical Research Letters, 2011, 38(20):L20406.

[本文引用: 1]

李景刚, 李纪人, 黄诗峰, 等.

近10年来洞庭湖区水面面积变化遥感监测分析

[J]. 中国水利水电科学研究院学报, 2010, 8(3):201-207.

[本文引用: 1]

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

The remote sensing monitoring analysis of Chinese Dongting Lake water area variations in last 10 years using Terra/MODIS data time series

[J]. Journal of China Institute of Water Resources and Hydropower Research, 2010, 8(3):201-207.

[本文引用: 1]

于欢, 张树清, 李晓峰, 等.

基于TM影像的典型内陆淡水湿地水体提取研究

[J]. 遥感技术与应用, 2008, 23(3):310-315.

[本文引用: 1]

Yu H, Zhang S Q, Li X F, et al.

Inland limnetic wetlands water body extraction using TM imagery

[J]. Remote Sensing Technology and Application, 2008, 23(3):310-315.

[本文引用: 1]

车向红. 2000—2014年青藏高原湖泊动态遥感监测与分析[D]. 太原: 太原理工大学, 2015.

[本文引用: 1]

Che X H. Monitoring and analyzing of lake dynamics in Qinghai-Tibet Plateau using remote sensing from 2000 to 2014[D]. Taiyuan: Taiyuan University of Technology, 2015.

[本文引用: 1]

Sokolov M, Storie J L, Henry C J, et al.

Semantically-consistent Landsat8 image to Sentinel-2 image translation for alpine areas

[J/OL]. arXiv, 2022 (2022-12-22)[2023-02-20]. https://arxiv.org/abs/2212.12056.

URL     [本文引用: 1]

Zhang G Q, Li J L, Zheng G X, et al.

Lake-area mapping in the Tibetan Plateau:An evaluation of data and methods

[J]. International Journal of Remote Sensing, 2017, 38(3):742-772.

[本文引用: 1]

刘东, 李艳.

基于遥感技术的鄱阳湖面积库容估算

[J]. 遥感信息, 2012, 27(2):57-61.

[本文引用: 1]

Liu D, Li Y.

The calculation of area and storage of Poyang Lake based on remote sensing technology

[J]. Remote Sensing Information, 2012, 27(2):57-61.

[本文引用: 1]

McFeeters S K.

The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features

[J]. International Journal of Remote Sensing, 1996, 17(7):1425-1432.

[本文引用: 2]

Frazier P S, Page K J.

Water body detection and delineation with Landsat TM data

[J]. Photogrammetric Engineering and Remote Sensing, 2000, 66(12):1461-1467.

[本文引用: 1]

Olmanson L G, Bauer M E, Brezonik P L.

A 20-year Landsat water clarity census of Minnesota’s 10,000 lakes

[J]. Remote Sensing of Environment, 2008, 112(11):4086-4097.

[本文引用: 1]

Fisher A, Flood N, Danaher T.

Comparing Landsat water index methods for automated water classification in eastern Australia

[J]. Remote Sensing of Environment, 2016, 175:167-182.

[本文引用: 1]

Li A M, Fan M, Qin G D.

Comparative analysis of machine learning algorithms in water extraction

[J]. Journal of Physics:Conference Series, 2021, 2076(1):012045.

[本文引用: 1]

Qin P, Cai Y L, Wang X L.

Small waterbody extraction with improved U-net using Zhuhai-1 hyperspectral remote sensing images

[J]. IEEE Geoscience and Remote Sensing Letters, 2021, 19:5502705.

[本文引用: 1]

李辉, 李长安, 张利华, 等.

基于MODIS影像的鄱阳湖湖面积与水位关系研究

[J]. 第四纪研究, 2008, 28(2):332-337.

[本文引用: 1]

Li H, Li C A, Zhang L H, et al.

Relationship between water level and water area in Poyang Lake based on MODIS image

[J]. Quaternary Sciences, 2008, 28(2):332-337.

[本文引用: 1]

刘可群, 梁益同, 黄靖, 等.

基于卫星遥感的洞庭湖水体面积变化及影响因子分析

[J]. 中国农业气象, 2009, 30(s2):281-284,336.

[本文引用: 1]

利用2001-2007年EOS-MODIS数据,计算洞庭湖不同时期的水体面积,并将面积变化与城陵矶水位、流域面雨量进行相关分析。结果表明:洞庭湖水体面积与城陵矶水位有极显著的相关性,特别是下半年;洞庭湖水体面积与前期流域面雨量有较大的相关性,水体面积变化对前期某段时期的流域面雨量比较敏感,同时与百日以上时间尺度的雨量关系良好;洞庭湖水体面积季节变化明显,夏季水体面积1200~2600km2,冬季面积500~800km2,夏季是冬季面积的2~5倍;洞庭湖水体面积有逐年减少趋势,特别是冬半年较为明显,在水位相同的情况下,洞庭湖水体面积平均每年减少16.0km2。

Liu K Q, Liang Y T, Huang J, et al.

Analysis of the variations and influencing factors of area in Dongting Lake based on remote sensing satellite

[J]. Chinese Journal of Agrometeorology, 2009, 30(s2):281-284,336.

[本文引用: 1]

The water area in Dongting Lake is an important basis for studying on wetland ecosystem and flood regulation.To explore the trends and influencing factors of water area in Dongting Lake,the water area in Dongting Lake in different periods had been identified using EOS-MODIS data from 2001 to 2007,and the correlation between the change of water area in Dongting Lake,the water level in Chenglingji and the area-rainfall were analysed.The results showed that there was a significant correlation between the water area in Dongting Lake and the water level in Chenglingji,especially in the second half year;the water area in Dongting Lake is correlated to the antecedent area-rainfall of the Dongting Lake,and the change of water area is sensitive to area-rainfall in some past period and has well correlation with the rainfall of more than 100 days time scale;the water area in Dongting Lake has seasonal variation,which is 1200～2600 km2 in summer and 500～800 km2 in winter,and the area in summer is 2～5 times than that in winter;the water area decreased year by year,especially in winter,and the water area in Dongting Lake decreased 16.0 km2 each year on the same water level.

张楠楠, 王文, 王胤.

鄱阳湖面积的卫星遥感估计及其与水位关系分析

[J]. 遥感技术与应用, 2012, 27(6):947-953.

[本文引用: 1]

Zhang N N, Wang W, Wang Y.

Estimate the area of the Poyang Lake using satellite remote sensing data and analyze its relationship with water level

[J]. Remote Sensing Technology and Application, 2012, 27(6):947-953.

[本文引用: 1]

李鹏, 封志明, 姜鲁光, 等.

鄱阳湖天然湖面遥感监测及其与水位关系研究

[J]. 自然资源学报, 2013, 28(9):1556-1568.

DOI:10.11849/zrzyxb.2013.09.011      [本文引用: 1]

以1989—2010年鄱阳湖100期(景)Landsat TM/ETM+影像为数据源,对比分析了水体指数法和谱间关系法两种主要的水体提取方法,利用水体指数法提取了天然湖体水面面积,揭示了不同水位下鄱阳湖天然湖体水面的空间扩展过程与特征,建立了汛期与非汛期水面-水位关系模型并确定了相应代表性水位站。结果表明:①在鄱阳湖,水体指数法水体提取精度优于谱间关系法;②受地形影响,不同水位条件下鄱阳湖天然水面的空间扩展特征大致呈"菱形"沿湖岸以顺时针方向(即:北→东→南→西→北)推进;③水位为6~15 m时,鄱阳湖天然湖体水面随水位变化呈线性变化,水面变化显著;而在水位介于15~22 m时,天然湖体水面随水位变化则呈对数变化。基于水面-水位关系模型,确定汛期代表性水位站为星子站、都昌站与吴城站;而非汛期代表性水位站为棠荫站。

Li P, Feng Z M, Jiang L G, et al.

Natural water surface of Poyang Lake monitoring based on remote sensing and the relationship with water level

[J]. Journal of Natural Resources, 2013, 28(9):1556-1568.

[本文引用: 1]

周洋, 张增信, 王言鑫.

鄱阳湖湖泊水位与面积的关系评估

[J]. 科技通报, 2015, 31(11):42-47.

[本文引用: 1]

Zhou Y, Zhang Z X, Wang Y X.

Discussion of relationship between water level and area of Poyang Lake

[J]. Bulletin of Science and Technology, 2015, 31(11):42-47.

[本文引用: 1]

Feyisa G L, Meilby H, Fensholt R, et al.

Automated water extraction index:A new technique for surface water mapping using Landsat imagery

[J]. Remote Sensing of Environment, 2014, 140:23-35.

[本文引用: 1]

朱宏富, 金锋, 李荣昉. 鄱阳湖调蓄功能与防灾综合治理研究[M]. 北京: 气象出版社, 2002.

[本文引用: 1]

Zhu H F, Jin F, Li R F. Study on regulation and storage function and comprehensive disaster prevention and control of Poyang Lake[M]. Beijing: China Meteorological Press, 2002.

[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 Sentinel-2 imagery with Landsat8 imagery for surface water extraction using four 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]

寿敬文. 陆地卫星7号ETM+图像数据缺行的修复与应用研究[D]. 哈尔滨: 哈尔滨工程大学, 2006.

[本文引用: 1]

Shou J W. Research on recovering and application of the Landsat-7 ETM+ SLC-off image[D]. Harbin: Harbin Engineering University, 2006.

[本文引用: 1]

李国文, 喻中文, 陈家霖.

鄱阳湖动态水位-面积、水位-容积关系研究

[J]. 江西水利科技, 2015, 41(1):21-26,34.

[本文引用: 1]

Li G W, Yu Z W, Chen J L.

Study on the relationship between dynamic level-area and level-volume of Poyang Lake

[J]. Jiangxi Hydraulic Science & Technology, 2015, 41(1):21-26,34.

[本文引用: 1]

曾少龙. 基于EFDC模型的鄱阳湖水位与湖面面积关系分析[D]. 南昌: 江西师范大学, 2018.

[本文引用: 1]

Zeng S L. Analysis of the relationship between water level and lake surface area of Poyang Lake based on EFDC model[D]. Nanchang: Jiangxi Normal University, 2018.

[本文引用: 1]

蔡晓斌. 主被动遥感辅助下的鄱阳湖水位时空动态及洲滩变化研究[D]. 武汉: 武汉大学, 2010.

[本文引用: 2]

Cai X B. The change analysis of water stage and beach wetland in Poyang Lake with the aid of multi-temporal active and passive remote sensing data[D]. Wuhan: Wuhan University, 2010.

[本文引用: 2]

徐涵秋.

利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究

[J]. 遥感学报, 2005, 9(5):589-595.

[本文引用: 1]

Xu H Q.

A Study on information extraction of water body with the modified normalized difference water index(MNDWI)

[J]. Journal of Remote Sensing, 2005, 9(5):589-595.

[本文引用: 1]

杜云艳, 周成虎.

水体的遥感信息自动提取方法

[J]. 遥感学报, 1998, 2(4):264-269.

[本文引用: 1]

Du Y Y, Zhou C H.

Automatically extraction remote sensing information for water bodies

[J]. Journal of Remote Sensing, 1998, 2(4):264-269.

[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