2021遥感应用组二等奖：流域水质，生态监测与形貌学分析—以洞庭湖流域为例

作品简介

一、应用背景

湖泊是人类重要的水资源，在自然因素和人类活动的双重作用下，面临着严峻的水质下降、富营养化、周围生态环境变差，直接影响到人类的生产生活。洞庭湖是我国第二大淡水湖，水体面域广，变化幅度大，采用定点采样的理化分析检测方法对水质进行监测耗时、费力、不经济，很难反映湖泊的整个水质状态。遥感技术应用于大面积湖泊水质动态监测无疑是现代水环境监测的巨大潜力，全面、实时、快捷、动态地从遥感数据中得到相关信息，是常规环境监测的重要补充，为环鄱阳湖生态经济区政府决策提供科学的依据。

为了实现社会经济与环境协调发展，达到洞庭湖的可持续发展目标，提出了针对性地对策建议:要全面提高湖泊环境保护意识;调整产业结构，制定适宜的产业政策制度:加强长江污染的综合治理;控制湖内影响水质的人为活动;加强湿地保护的科学研究，做好科学决策和环境监管能力建设。

二、应用目标

作品通过遥感手段，对长江中游、洞庭湖等区域变化及水体质量变化进行监测，探究泥沙淤积的原因，提出相应的解决方法，对该地区防洪抗洪举措、生态环境改善以及可持续发展提供一定的借鉴意义。

江湖关系对防洪、生态影响重大，不可将二者割裂开来，长江洪水峰高量大、持续时间长、组成非常复杂，对流域环境影像极大。今年，我国发布多条洪涝灾害预警，城陵矶站维持超警戒水位已长达38天，创下新世纪以来洞庭湖超警时间最长纪录，对相关地区的生态系统产生重大影响。本作品以长江中游、洞庭湖地区作为研究区，对水质及生态环境进行研究分析，具有一定代表性，在长江流域“江河—湖泊”体系防洪抗灾、水质改善、环境治理有一定的借鉴意义。

三、主要技术流程

本作品主要包括湖区生态评估模型、水体营养指数模型部分、尺度一致性检验和水质环境交互评价部分。主要采用的数据有：哨兵和Landsat影像、MODIS数据及产品、先验的土地利用数据集、气象数据和人类活动相关的数据。

图1 总技术流程图

1.数据预处理

(1) 将东西和南北风速合成总风速栅格；

(2) 将由《湖南省统计年鉴》《湖北省统计年鉴》获取的各年GDP数据插值为栅格，采用最小二乘法预测2021年GDP和人口密度并插值为栅格；

(3) 使用MCTK工具对MODIS数据进行重投影；

(4) Sentinel-2、Landsat 7,8数据进行辐射定标，大气校正；

(5) 使用IDL批量进行镶嵌，重采样，裁剪，去坏值。

2.土地覆盖模型

对经过预处理的哨兵数据进行面向对象的分割，提取水体掩膜，然后通过实验确定其他指数阈值大小，构建决策树完成后续土地覆盖分类，主要用到的指数有：NDVI、MNDWI、NDBI、DBSI。

图2 土地覆盖模型建立流程

3.地形模型

DEM数据进行预处理后，查阅相关文献得到地形与植被生长和生态相关的因子，通过GeoScene Pro软件建立地形因子提取模型，根据DEM数据进行坡度、坡向、山体阴影等提取，并对各个因子进行加权，得到最终结果。

图3 地形模型

图4 GeoScene Pro Model Biulder模型建立

4. 地表温度反演模型和TCDI模型

TCDI模型是一种综合考虑植被-热环境的干旱指数，来源于植被干旱指数TVDI。由于本在构建地表覆盖模型时为四分类，故采用改进的陆表四分类的模型对Landsat8数据进行地表温度的反演。首先根据地表覆盖模型计算CVC，据此进行比辐射率的模拟，后计算得出LST。

(1) 计算CVC模型：由基于土地覆盖模型的FVC，NDVI和EVI根据主成分贡献加权组成，作为模拟比辐射率的映射原像。

(2) LSE模拟：不同地表类型有不同的比辐射率，对先验数据集进行CVC数值模拟，得到LSE拟合方程。

(3) 计算LST：将得到的LSE进行结合Landsat的热红外波段进行计算和进制转化，得到LST(℃)。

(4) 计算TCDI模型：根据下列公式得到TCDI模型。

在上述模型完成后，为了验证TCDI模型的空间一致性，我们对MODIS数据进行同样的TCDI算法处理，输入数据则变为MODIS影像和先验的土地利用数据，得到整个洞庭湖流域的大尺度TCDI模型影像，取其东洞庭湖区域与哨兵影像结果进行交叉验证。

图5 地表温度反演模型和TCDI模型及交叉验证流程

5. 生态脆弱性模型

对2017至2021年各个因子的数据进行主成分分析，综合五年的数据后得出各个因子的贡献排名，筛选出特征贡献均值在0.1以上的因子共8个，通过查阅资料进行加权，最终得到湖区的生态脆弱性模型。

6. 水质营养指数模型

由于以上的几个模型均用于评价已经做完水体掩膜的陆表区域，所以对于水体区域，我们应用水质营养指数模型，采用谭小琴基于实测数据拟合的经验公式反演研究区水体叶绿素、高锰酸盐等浓度，据此浓度数据得到各指标营养状态指数TLI并加权处理得到水质TLI总和。

图6 水质营养指数模型建立流程

7. 河流形貌学监测

对湖区流域进行生态和水质评估后，由于河流是具有特殊的结构的水体，所以需要对其进行额外的形态学特征提取以满足后续分析的需要。首先，使用“土地覆盖模型”提取河流、水体，再通过编写Matlab脚本，其中调用了RivMAP函数库，来提取河流中心线、河流岸线，并在ArcGIS中绘制1km缓冲区来进行河岸的交互分析。

图7 中心线、河流岸线提取结果

四、关键技术

1.建立针对陆表四分类算法而设计的单窗法地温反演模型FCWV，通过CVC数据，在“监测平台”实现一键反演地温功能。

2.通过多尺度分割和面向对象的方式提取主湖区水体掩膜，再通过构建决策树完成土地覆盖模型。

3.TLI综合营养指数是考虑悬浮物，叶绿素等多种水表化学浓度的计算方法，在“监测平台”实现一键反演水表水质营养状态指数。

4.采用MATLAB进行河流中心线，再提取河流双岸线，根据河岸线进行缓冲区分析。

5. 应用 Python，C#，MatLab，ArcGIS Engine 等技术建立东洞庭湖流域及周边地区水体特征和生态环境的一体化监测平台。

图8 平台演示图

 图9 IDL代码例图

五、结果分析

1.枯水期东洞庭湖流域生态脆弱性分析

通过统计分析可以得到，在2017-2021年间，研究区生态环境基本保持不变，但在2020-2021年间生态改善较大，与植被覆盖成正相关，与地温和干旱程度则相反。

2.枯水期东洞庭湖流域水质分析

对于流域水质，由分区统计结果和转移矩阵中可以得出，水质在总体上呈现变好的趋势，在2020-2021年间变化最大。在水体TLI营养指数较高的流域，其岸基生态并不理想，所以两者之间存在某种一致性，尤其是在枯水期湖区表现的最为直观。

3.形态学监测分析

通过2017-2021年12幅影像叠加，计算生态变化的趋势，发现北部长江中段的水质有明显的的变好的趋势。根据提取河岸缓冲区，并对其进行分割，统计各分区内生态和水质状况。

上图依次为河道水体提取并进行二值化结果、提取河流中心线结果、提取河岸线结果、河岸1KM缓冲区分析结果，缓冲区分割结果。

上图为自西向东，每段河流及其对应河岸缓冲区划分结果，统计其在区间内的均值（包括生态数据和水质数据），发现长江中段自西向东，水质富营养化有较大的改善，由此可见水质和沿河地区的生态之间确实存在一定的相关性。