CN101114023A - 一种基于模型的湖泊湿地泛洪遥感监测方法 - Google Patents

Abstract

一种基于模型的湖泊湿地泛洪遥感监测方法，包括以下步骤；(1)获得湖泊湿地时间系列多源遥感影像数据；(2)在遥感影像上(半)自动提取水体；(3)在提取的水体影像上探测并确定水陆边界，并计算实际水域面积；(4)对遥感测算水域面积与水位高程数据进行非线性统计回归建模；(5)利用泛洪期间获得的微波遥感影像，对建立的模型进行对比验证并修正模型；(6)基于建立的高精度水域水位～面积分布数学模型及常用遥感变化监测方法，结合实测水位与可获得的遥感影像，实现连续实时监测湿地泛洪动态变化。本发明可与常用的地表环境变化多时相遥感影像检测法互相补充，对湖泊湿地泛洪动态变化监测与湿地过程建模研究具有重要的作用。

Description

一种基于模型的湖泊湿地泛洪遥感监测方法

技术领域

本发明涉及多云雨地区大型季节性湖泊湿地泛洪动态遥感变化监测方法，具体为一种基于模型的湖泊湿地泛洪遥感监测方法，属于湿地生态环境动态监测与湿地过程研究和遥感技术应用领域。

背景技术

被称为“地球之肾”的湿地是人类最重要的生存环境之一。湿地不仅为人类提供大量食物、原料和水资源，而且在维持生态平衡、调节气候、保持生物多样性和珍稀物种资源以及涵养水源、蓄洪防旱、降解污染，防止自然灾害等方面具有其他生态系统不可替代的作用。湿地研究除其本身的科学研究意义外，对全球变化、国民经济建设、社会可持续发展均具有极其重要的作用。当前，湿地生态环境的监测与保护是我国生态环境建设的重点。获取、表征和分析湿地的动态变化状况，获得湿地生态环境随时间演变的信息，是掌握湿地环境质量及演变趋势，为进行湿地利用、开发及保护，制定湿地管理对策提供科学依据的关键。

所有湿地都具有以下共同特点：在空间上往往分布在水、陆结合部的过渡带；在时间上呈现周期性干湿交替的动态变化；在生态上表现为水、陆环境诸因子相互作用、相互影响、相互渗透，兼有水、陆特征独特的复合生态系统。湿地生态系统的形成和演变，水动力运动特征起着十分重要的作用，其主要表现为水位的季节性变化或湿地的泛洪动态变化状况。因此，湿地生态环境监测的关键问题是确定湿地泛洪的范围及变化情况(水域分布与面积)与水位高程的变化，并确定水陆边界位置的动态变化情况。

遥感技术作为一种综观，快速的获取地面环境状况信息的方法手段，能快速高效地获取和分析大范围、真实的地表空间动态变化信息，能为资源和环境的监测、优化管理、规划发展提供科学的决策依据，是资源与环境监测中的重要技术手段和发展方向。利用遥感技术对大面积湿地资源及其生态环境进行动态监测和分析具有显著优势。首先，湿地区域地势平坦，应用卫星遥感进行湿地监测具有宏观、信息丰富，获取效率高、精度高等优越性，能在短时间内获取湿地区域的实况信息，这与传统的调查方法与手段相比，可大大节约调查时间和人力、物力与财力等显著优点；其次，通过获取湿地多种遥感数据，将这些多源的遥感信息与地面观测数据结合处理分析，对湿地生态环境的现状及演变，尤其是湿地的类型、面积、分布、动态变化、湿地功能评价等进行调查、分析，可为研究湿地过程与发育模式，湿地的演化规律，湿地系统结构与功能提供多层次、多时相的信息，为湿地生态环境动态监测及保护和合理利用、湿地的恢复、重建提供科学依据。

地表环境动态变化遥感监测主要是利用时间系列遥感数据，通过量化同一区域同/多时相遥感影像空间域、时间域、光谱域的耦合特征，以获得区域地表环境变化的类型、位置、数量和分布及由此而引起的相关功能变化等内容，本质就是对影像时域系列的各种变化信息进行提取。常用的遥感变化监测方法可以分为以下几类：

(1)多时相遥感图像算术运算法(Ross S.L.，Christopher D.E.Remote SensingChange Detection：Environmental Monitoring Methods and Applications.London：Taylor&Francis Ltd.，1 Gunpowder Square，EC4A 3DF，1999.)；

(2)多时相遥感图像分类后比较法或遥感图像分类与辅助数据比较法(Munyati C.Wetland change detection on the Kafue Flats，Zambia，by classificationof a multitemporal remote sensing image dataset.International Journal of RemoteSensing，2000，21(9)：1781～1806.)；

(3)基于知识或规则推理的检测方法(Houhoulis P F，Michener W K.Detecting wetland change：A rule-based approach using NWI and SPOT-XS data.Photogrammetric Engineering&Remote Sensing.2000，66(2)：205～211.)；

(4)基于遥感图像处理(分割)对地表变化进行检测的方法(中国专利号：200610011866.8)。

上述(1)、(2)遥感变化动态监测的方法都是以影像光谱辐射特征所包含的信息和像元分类器为基础的。其中，遥感变化检测结果除受影像分类精度的影响外，遥感数据预处理的两个重要方面是影像系列空间配准和辐射校正。要得到可靠的变化结果，需极高的图像配准精度和可靠的辐射校正。方法(3)实际上相当于采用专家系统方法检测变化，较难实现及推广应用。方法(4)基于对基准遥感图像和待检测遥感图像分别进行分割形成图像区域进行变化检测。此外，总的来看，就当前所有地表环境变化检测方法所用遥感影像数据而言，光学遥感影像应用较多。除一些特定的应用领域外，如地表高程变化、土壤水分、森林蓄积量等，微波遥感影像数据相对较少应用。

就我国长江中下游南方多云雨地区大型湖泊型湿地泛洪动态遥感变化监测工作而言，上述方法都在不同程度上存在困难，主要体现在：

(1)湿地泛洪时，受天气如阴、雨、云、雾等及遥感数据接受周期等影响，难以获取可用的光学遥感数据，造成难以全天时、全天候地实时、连续监测湿地泛洪动态。这对于我国长江中下游南方多云雨地区湿地泛洪监测是最大的困难；

(2)已有方法只能获得两幅或多幅遥感影像时间间隔内变化情况，难以描述完整的湿地泛洪动态变化过程；

(3)难以通过遥感变化检测方法获得湿地泛洪时水位数据；

(4)已有方法应用于湿地泛洪变化遥感检测不方便，操作繁锁，一般需遥感图像处理或相关专业背景人员才能使用；

(5)变化检测信息缺乏定量模型，不能直接为湿地研究者进行湿地过程和湿地生态环境动态变化建模所使用。

为克服上述困难，本发明提供一种基于模型的湖泊湿地泛洪遥感监测方法。

发明内容

本发明的目的是通过以下技术方案实现的。本发明提供一种基于模型的湖泊湿地泛洪动态遥感监测方法，包括如下步骤：

(1)获得湖泊湿地时间系列多源(光学与微波)遥感影像数据。

(2)在光学和微波遥感影像上(半)自动提取水体。

(3)在提取的水体影像上探测并确定水陆边界，测量水域分布所占总像元数，并计算实际水域面积。

(4)获取湿地湖泊同步实测的水位高程统计数据，与遥感测算水域面积进行统计建模。

(5)利用泛洪期间获得的微波遥感影像，经前述(2)和(3)处理后，利用实测水位和微波遥感测算水体面积对建立的模型进行对比验证并修正模型。

(6)基于建立的高精度水域水位～面积分布数学模型及常用遥感变化监测方法，结合实测水位与可获得的遥感影像，实现连续实时监测湿地泛洪动态变化。

上述(1)所获得的微波遥感数据，是指合成孔径雷达或成像雷达(SAR)数据，L或C波段，HH或交叉极化方式。

上述(2)遥感影像上水体提取，基于光学和微波遥感影像上水体的反射/辐射率特征，采用阈值法与人机结合的半自动提取。

上述(3)水陆边界提取，采用结合遥感图像边缘分形自相似特征和灰度梯度变化进行边缘检测的算法。

上述(4)多源遥感测算水域面积与地面实测水位高程数据统计建模，利用Origin软件进行非线性拟合回归分析，从而为水位高程-水域面积建立高精度的定量数学模型；

上述(5)基于水位高程-水域面积高精度的定量数学模型，遥感检测与地面实测水位可以相互补充，相互对比验证，并且基于其中任何一种数据(水位变幅和水域面积变化)可以测算另一种变化数据。

本发明的优点在于：

(1)结合多源数据(光学、微波遥感影像和地面实测水位)，可以全天候、全天时，连续地获取湿地泛洪水域分布动态与水位数据，确保监测工作的连续性和完整地表征湿地泛洪动态变化；

(2)可探测湿地泛洪时水陆边界的动态位置；

(3)便于结合GIS对湿地过程与湿地动态建模；

(4)可与常用的地表环境变化多时相遥感影像检测法互相补充，且该发明监测方法简单实用且易于推广。

附图说明

图1为水体和植被的光谱特征图；

图2为SAR图像上水体提取流程图；

图3为湿地分形边界探测流程图；

图4为本发明基于模型的湿地泛洪遥感监测流程图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细描述。

采用本发明进行多云雨地区某湖泊湿地泛洪动态遥感监测，包括如下步骤：

(1)获得湖区时间系列(平水期、洪水期、枯水期)多源遥感影像数据，并进行预处理。遥感数据主要有：Landsat TM/ETM+影像、Terra Modis卫星遥感数据和Radarsat SAR图像数据。由于光学遥感进行监测时受天气条件的限制，在阴雨天气情况下常难以及时监测到湖泊水域面积的变化情况，因此，泛洪期间的SAR数据是必不可少的。就长江中下游南方地区而言，泛洪期间常伴随阴雨连绵，因此，SAR遥感影像为泛洪期间监测的主要遥感数据。光学遥感影像数据由于相对更为容易处理，因此，在可以获得光学遥感数据情况下，优先选择光学遥感数据进行处理。选择多种遥感影像来源另一个考虑是保证足够的遥感影像数据进行量算，以便进行后面的统计回归建模。

(2)在时间系列遥感影像数据上提取水体分布范围并测算水体面积。

水体作为自然界中的重要客体，它在电磁波波谱的各波谱段上反映的特征是遥感图像上水体提取的基础。如图1所示，水体的反射率(除镜面反射方向外)，在整个波段内都很低，在近红外部分更为突出，它们在整个波谱段内的反射率一般都在3％左右。对于清水，一般在可见光部分为4～5％，于0.6μm处开始下降至2～3％，到0.75μm以后的近红外波段，反射率显著衰减，水成了全吸收体。

由于水面粗糙度较微波辐射信号的波长小得多时，被视为平坦表面，以镜面反射为主，后向散射弱，在雷达图像上呈黑色而显著区别于其它地类。所以，对于水体而言，水体的微波特征决定了SAR图像能有效地获取水体分布。

根据水体对近红外和红外波段几乎全吸收及雷达波在水中急速衰减的特性，应用红外遥感影像和雷达图像可以获得比较准确的水体分布范围，从而保证水域面积量测的精度。

对于光学遥感影像数据，采用如下方法进行水体提取：由水体和植被的光谱反射率特征，可知近红外波段对于判别水陆边界、陆地植被最为有效。由于卫星遥感图像受太阳高度角和传感器视角及大气状况的影响，不够稳定，如果只用近红外波段反射率来进行植被与水体的遥感，会产生很大的误差，为克服它们的影响，采用光谱相对量及植被指数来作为植被和水体的判别标准。在湖区水体面积监测中，采用归一化植被指数NDVI来合成植被指数图。即：

NDVI＝(NIR-Red)/(NIR+Red)    (1)

式中，NIR、Red分别为近红外波段、红外波段的亮度数字值DN。就TM影像而言，TM3波段相当于红波段；TM4波段相当于近红波段。Modis成像光谱仪的波段1光谱范围为0.62～0.67μm，为红波段；波段2光谱范围为0.84～0.87μm，为近红波段，光谱范围都比Landsat TM相对要窄。由于湖区的大部分区域长有水生植物，所以，在植被指数图上，通过人机交互确定NDVI数值范围(如-0.10＜NDVI＜0.30)为水体覆盖的区域。

对于SAR遥感影像数据，采用如下方法进行水体提取，如图2所示，其工作过程为：

1)输入SAR亮度(灰度)图像；

2)经辐射较正后获得后向散射强度图像；

3)经Gamma Map滤波后获得去噪图像；

4)对去噪图像进行均值纹理分析(Mean Texture Analysis)获纹理分析图像；

5)对纹理分析图像进行线性拉伸获Lut图像；

6)对Lut图像分区域用阈值法分类为水体与非水体。

一般在SAR图像上提取水体时，可以用人机交互方式确定水体提取的灰度阈值，高于此阈值的将被认为是陆地，低于此阈值的将被认为是水体。当水域较大时，用单个阈值对图像所有区域处理往往会造成误判。对相隔较远的地区，由于地形地貌、植被覆盖、作物长势等方面常有较大区别，因此，对某局部地区识别水体适合的阈值，在另一距离较远的地区并不一定适合。要减少水体判识时的误判，应对差别较大的地区分别选取阈值。由于湖泊湿地泛洪时水域面积较大，对处理后的SAR图像采用分别选取阈值的方法分类区分水体与非水体。

在水体提取影像上统计水体所占总像元数，乘以每个像元的地面分辨率大小，即得到水体的面积。需要指出的是水域面积测量的精度与遥感图像的地面分辨率有关，地面分辨率越高，则精度越高。

(3)针对湿地边界的复杂性，采用结合遥感图像边缘分形自相似特征和灰度梯度变化进行边缘检测的算法探测并提取水陆边界。算法流程如图3所示，其工作过程为：

1)输入遥感图像(附图中设为N×N大小)；

2)对处理的每一像素点g(i，j)确定其E×E基元块和对应的L×L局部区域块，E可取2，3，4...，L可取为2E，3E，4E...；

3)计算E×E中心基元块的相对标准差 $\mathrm{\μ}(\mathrm{\μ}={\mathrm{\σ}}_e/\stackrel{\‾}{g}),$ σ_e和

分别是基元块E×E区域内像元灰度的标准差和均值；

4)如果μ＜T₁，T₁是阈值，则该像素点不是边缘点，边缘输出图像g(i，j)＝0；否则至5)；

5)计算E×E中心基元块和对应的L×L局部区域块之间的R或S，R是相关系数，S是相似系数；

6)若R或S小于阈值T2，则不是边缘点，令g(i，j)＝0，否则g(i，j)＝1，探测到边缘点；

7)重返步骤2)判断下一像素点。

该算法能有效提取图像边缘，且在含有噪声的遥感图像中，仍能提取较丰富的边缘细节，具有一定的抗噪声性能。这对于从SAR遥感图像上湿地边界的检测与提取，具有实用价值。当图像上噪声干扰增大时，本方法的边缘探测有效性逐渐降低。对于高信噪比的原始图像探测边缘效果非常明显。因此，采用该方法检测前，可以对SAR影像采用斑噪滤波抑制噪声，然后再进行湿地水陆边界提取。

(4)利用与遥感影像获取时间对应的地面同步实测水位数据与(2)遥感测算的水域面积，利用Origin软件进行非线性拟合回归分析。

(5)利用洪水期间获取的Radarsat SWA SAR遥感影像对模型进行检验对比分析并修正。最终得到湖泊主体水位高程-水域面积分布模型为：

$S=e^{(11.4474+\frac{-34.9727}{H-5.000})},$ H＜16m，R²＝0.9956    (2)

S＝3930.044+637.5036ln(H-15.1962)，H≥16m，R²＝0.9978(3)

式中，S为湖泊主体水域面积，H为湖泊水位高程。当湖泊水位小于16m时，S随H的变化呈指数关系，相关系数R²＝0.9956；当湖区水位高程大于等于16m时，S随H的变化呈对数关系，相关系数R²＝0.9978。对水域分布模型进行F检验，信度为0.01，S与H的相关性达极显著水平。

利用洪水期间获得的Radarsat SWA SAR遥感影像对上述湖泊主体水域分布模型进行检验对比分析。结果表明，采用模型计算出的水域面积与遥感图像测算的结果相差较小，误差小于0.7％。在丰水期尤其湖区水位较高时期，采用模型计算的水域面积与遥感测算的结果较为相符，计算结果基本能够代表实际情况。需要指出的是水域面积测量的精度与遥感图像的地面分辨率有关，地面分辨率低，则精度差；地面分辨率高，则精度高。

(6)基于水位高程-水域面积高精度的定量数学模型，遥感检测与地面实测水位可以相互补充，相互对比验证，并且基于其中任何一种数据(水位变幅和水域面积变化)可以测算另一种变化数据，从而确保监测工作的连续性和完整地表征湿地泛洪动态变化。图4为本发明基于模型的湿地泛洪遥感监测流程图，其工作过程为：首先，建立湖泊湿地水位高程-水域面积高精度的定量数学模型，即图4中虚框所含工作，包括：利用时间系列多源遥感影像，经遥感影像水体提取与水域面积量算，与地面同步实测水位数据进行非线性统计回归建模；然后，基于建立的模型，结合湖泊湿地泛洪时可获得的SAR遥感数据和水位高程数据，实现连续监测湖泊湿地泛洪动态变化(水位变幅和水域面积变化)。

如1998年大洪水期间8月某段时间内某湖泊湿地水域面积的变化监测情况列表1。

表1  某湖泊湿地泛洪期某段时间水域面积的变化情况

时间	水域面积/km2	备注
			1998.8.5	5187	由实测水位经模型计算
1998.8.07	5208	由SAR遥感影像测算
			1998.8.23	5131	由实测水位经模型计算
1998.8.24	5096	由SAR遥感影像测算

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明，但不以任何方式限制本发明。因此，尽管本说明书参照附图和实施方式对本发明已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明进行修改或者等同替换；而一切不脱离本发明的精神和技术实质的技术方案及其改进，其均应涵盖在本发明专利的保护范围当中。

Claims (2)

1.一种基于模型的湖泊湿地泛洪遥感监测方法，其特征在于包括如下步骤：

(1)获得湖泊湿地时间系列多源(光学与微波)遥感影像数据；

(2)在光学和微波遥感影像上(半)自动提取水体；

(3)在提取的水体影像上探测并确定水陆边界，测量水域分布所占总像元数，并计算实际水域面积；

(4)获取湿地湖泊同步实测的水位高程统计数据，与遥感测算水域面积进行统计建模；

(5)利用泛洪期间获得的微波遥感影像，经前述(2)和(3)处理后，利用实测水位和微波遥感测算水体面积对建立的模型进行对比验证并修正模型；

(6)基于建立的高精度水域水位～面积分布数学模型及常用遥感变化监测方法，结合实测水位与可获得的遥感影像，实现连续实时监测湿地泛洪动态变化。

2.根据权利要求1所述的一种基于模型的湖泊湿地泛洪遥感监测方法，其特征在于：

(1)所获得的微波遥感数据，是指合成孔径雷达或成像雷达(SAR)数据，L或C波段，HH或交叉极化方式；

(2)遥感影像上水体提取，基于光学和微波遥感影像上水体的反射/辐射率特征，采用阈值法与人机结合的半自动提取；

(3)水陆边界提取，采用结合遥感图像边缘分形自相似特征和灰度梯度变化进行边缘检测的算法；

(4)多源遥感测算水域面积与地面实测水位高程数据统计建模，利用Origin软件进行非线性拟合回归分析，从而为水位高程-水域面积建立高精度的定量数学模型；

(5)基于水位高程-水域面积高精度的定量数学模型，遥感检测与地面实测水位可以相互补充，相互对比验证，并且基于其中任何一种数据(水位变幅和水域面积变化)可以测算另一种变化数据。

Images