对于传统的湖泊水位面积关系模型研究,长时间序列遥感影像水体提取存在数据下载和处理繁琐、大量使用专业软件和人工干预多等问题,研究过程耗时长、效率低.基于Google Earth Engine,对2002年至2016年长时间序列Landsat影像数据进行预处理,利用NDWI提取东洞庭湖水体范围并计算水域面积,结合城陵矶水文站日水位数据,设计水位加权平均法、阈值法和单点水位法比较并确定影像对应的最优水位,建立水位-水体面积关系曲线研究结果表明: (1)东洞庭湖水域范围随季节变化大,面积在79月最大,在13月最小; (2)利用阈值法计算最优水位的精度(R2=0. 9628)优于加权平均水位法(R2=0.8322)和单点水位法(R2=0 9457); (3)五次多项式模型建立水位-面积关系曲线拟合精度最高(R2=0 9628)。
1研究区域简介
东洞庭湖(29°00’N至29938’ N, 112°43’E至113°14’E)位于湖南省北部岳阳市,地处长江中游荆江南侧,属于亚热带湿润季风气候,拥有充足的日照,降水量年际变化大.东洞庭湖是洞庭湖湖区中保存最为完好的季节性湖泊,也是长江上重要的调蓄湖泊B.湖区设有湖南东洞庭湖国家级自然保护区,1992年加入《国际重要湿地公约》,1994年升级为国家级自然保护区,是我国典型的湿地生态环境.城陵矶水文站是长江流域135个水文站之一,位于洞庭湖与长江的交汇处,对长江流域防汛测报起重要作用.图1为东洞庭湖区域Landsat影像合成图.
2 Google Earth Engine平台简介
Google Earth Engine (GEE)又称谷歌地球引擎,是一个基于云操作的平台,支持快速、交互式探索和分析空间数据.GEE包含大量公开的地理空间数据集,除了Landsat、MODIS、Sentinel 等遥感影像数据外,还提供地形数据、土地覆盖数据、气象数据、地球物理数据和社会经济数据等.用户通过应用程序编程接口(API)和基于Web的交互式开发环境(IDE)进行访问控制,可使用Python和JavaScript语言编写和调用算法,利用该平台的高性能计算资源处理大型空间数据集7.Google Earth Engine主要从以下方面提高用户工作效率: (1)数据易得:用户不需要自行采集、存储和管理遥感数据,可直接调用平台提供的地理数据集;(2)数据处理方便:平台提供图像处理、机器学习和地理统计等操作,用户通过函数式编程环境对地理信息进行分析;平台提供大量CPU的编组和管理,用户无需提供硬盘和服务器;平台利用JavaJust-In-Time(IT)编译器优化逐像素操作链的执行; (3)结果共享:平台可方便用户将研究结果传播给其他研究人员、政府工作者和普通公众等。
3实验数据及处理
本文数据有两类: (1)影像数据:选用2002年至2016年东洞庭湖区域的Landsat遥感影像作为原始影像数据,包括Landsat 5影像63景,Landsat8影像34
景,一共97景影像.利用Google Earth Engine平台进行数据下载,编程完成辐射定标、几何校正、大气校正、去云处理、影像拼接、掩模去除建筑区等预处理.由于东洞庭湖常年处于多云天气,很难获得连续的无云影像,因此需要将不同时期的少云影像进行拼接,最后得到处理后的2002年至2016年东洞庭湖影像数据36景,每一景为3个月的拼接合成影像. (2)水位数据:城陵矶水文站水位数据来源于湖南省水利厅水文信息网,包括水位采集时间、逐日水位(以米为单位)。
4基于NDWI的水体提取
常用的水体提取方法有单波段阈值法、谱间关法和指数法等单波段阈值法在TM5波段影像上选择一个阈值进行水体提取,原理简单,但水体与非水体的交界区域提取效果差图]谱间关系法利用多个波段影像信息,能有效区分水体和阴影,适合地势起伏较大的地区,而在平原地区优势不明显凹指数法根据研究地类在各波段反射率的强弱,通过比值运算突出感兴趣地物.NDWI (Normalized Difference Water In dex)指数对湖泊等大块水体的提取效果好,可以突出水体特征,抑制非水体特征EI-Asmar等叫利用NDWI研究尼罗河三角洲水体面积.李文波利用NDWI从ETM+遥感数据中提取水体.根据徐蓉等采用3种方法对我国不同地区的10个湖泊进行水体提取的结果,NDWI比波段插值模型适合东部地区湖泊提取.根据张飞等对新疆艾比湖水体提取的结果,NDWI比MNDWI精度更高对于内陆湖泊,利用NDWI指数水体提取效果好,因此选用NDWI进行水体提取.NDWI利用水体在绿光反射率最大、水体在近红外波段反射率小、植被土壤在近红外波段反射率大的特征,根据式(1)在包含绿波段和近红外波段的影像中提取水体一般而言,当NDWI指数为正值时,判断地物为水体,当NDWI指数为零值或负值时,判断为植被或土壤实际情况中水体含有叶绿素、悬浮物等物质,因此要根据研究区域的具体情况设定合适的阈值。确定阈值是利用NDWI区分水体和非水体的重要步骤,但是水体和其他物体之间的阈值不稳定,且随着场景和位置的变化而变化,因此为每个图像手动寻找阈值是不切实际的Otsu阈值被广泛用于确定NDWI在水体检测的阈值.Otsu方法从图像直方图中确定理想阈值,使类间方差最大,类内方差最小选择Otsu方法自动确定每个月的阈值,共得到12个阈值(见表1),根据阈值判断地面像元是否为水体,减少因不同时期水文特征不同造成水体信息提取遗漏现象当像元NDWI大于阈值时,判断该像元为水体,当像元NDWI小于阈值时,判断该像元为非水体.由于预处理后的Landsat影像为拼接影像,包含两个或两个以上日期的水位信息,因此幅影像上使用的NDWI阈值同样多于一个.利用Google Earth Engine平台,完成不同阈值的水体提取。得到东洞庭湖地区水体提取结果的二值化图像36幅。
5东洞庭湖水域水体提取结果
Landsat影像预处理后得到36景东洞庭湖影像数据,根据选取的NDWI阈值,利用Google Earth Engine提取水体利用定量统计分析方法,随机选取其中4景影像的水体提取结果作为样本进行精度评价.首先,基于Google Earth Engine在影像上选取300个随机点,其次,将原始影像与NDWI提取结果进行叠加分析,通过混淆矩阵法计算水体提取精度(如表2)。
从表2可看出,水体提取结果的总体精度都超过95%,Kappa系数大于0.9,说明NDWI进行水体提取的结果理想,利用Ostu方法得到的NDWI阈值可以准确
提取东洞庭湖水体面积从图2提取结果可知,随着季节的变化,东洞庭湖水体面积变化较大,最小面积常出现在春季(13月),夏季(46月)开始上升,到秋季(79月)时湖面面积达到一年的最大值,在冬季(1012月)水面积逐渐减小研究时间内的最大面积为1204.7517 km2 (2002年7~9月),最小面积为240.7221 km2 (2008年1~3月).春季平均面积为332.6463 km,夏季平均面积为715.1662 km,秋季平均面积为1078.1585 km2,冬季平均面积为696.5282 km2.由提取影像面积变化可以看出,东洞庭湖是一个季节性的湖泊。
6东洞庭湖水位与水体面积关系
使用水位加权平均法、单点水位法和阈值法(根统计值确定阈值为750km2)这3种方法对每幅水体提取影像进行计算,得到最佳水位-水体面积序列,如表3
所示由计算可知,加权平均水位法与阈值法的相关系数为88.67%,单点水位法与阈值法相关系数为90.80%,加权平均水位法与单点水位法的相关系数为86.11%.
3种水位序列相关性不大于9500%,具有一定差异性。
利用线性函数、指数函数、对数函数、三次多项式、五次多项式这5种函数模型,以最优水位值为横坐标,东洞庭湖水体面积为纵坐标,建立最优水位-水体面积关系曲线由关系曲线(如图3)可知,水体面积随水位增长整体呈.上升趋势使用3种方法求解得到5种模型的确定性系数R2如表4所示由表4可看出,阈值法拟合的水位-水体面积函数模型精度最好,大部分模型优于其他方法的模型,且5种模型的确定性系数均大于90%.分析原因,由于水体影像由同一季节若干幅不同日期的影像拼接而成,在3个月内水位变化可能较大(如2016年9月25日与2016年7月23日水位差为10.07m),如使用加权平均水位值或单点水位法则不能准确表达该季节水位情况使用阈值法选择最优水位可在一定程度上避免此类情况。
参考论文:王诗蕾,罗晋陈泽强基于Google Earth Engine的湖泊水位与水体面积关系研究.计算机系统应用,2021,30(6):238-245.