洪涝灾害范围动态监测思考范文

《遥感技术与应用杂志》2016年第二期

摘要：

洪涝灾害范围是表征洪涝灾害时空分布特征的关键物理参数，是洪涝灾害灾情评估的主要内容和重要基础。充分利用遥感技术、地面站网观测数据和实地调查核查等手段，是当前“天、空、地、现场”一体化开展洪涝灾害范围动态监测的研究前沿。针对洪涝灾害范围实时动态演变过程监测时效性受数据和信息提取效率制约的问题，提出了基于HJ－1CCD数据利用区域生长算法的洪涝灾害范围提取模型。在研究多种地物目标的影像特征与光谱响应特征基础上，采用区域生长算法对2013年汛期黑龙江省抚远县洪涝灾害范围进行识别和判定。结果表明：汛期内稳定高频次获取的HJ－1CCD数据能为洪涝灾害范围识别和动态演变过程监测提供数据保障。区域生长法提取集中连片水体的效率高，能够将过去目视解译、人工勾画需要5h的工作量缩短到10min之内；提取结果宏观性强，在影响范围大的洪涝灾害范围动态监测业务中发挥着重要的作用。

关键词：

洪涝范围；HJ－1CCD；区域生长；动态监测

1引言

洪涝灾害发生频率高、突发性强、危害范围广、损失严重。据国际紧急事件数据库统计，2012年洪涝灾害造成的人员伤亡和受灾人数占全球自然灾害造成损失的53％。近年来，我国极端气候事件频发，引发严重的洪涝灾害。随着社会经济的发展，洪涝灾害损失越来越严重。据民政部统计，2013年，全国自然灾害因灾死亡失踪人口2284人，其中洪涝和地质灾害占61．8％；直接经济损失5808．4亿元，其中洪涝和地质灾害占32．4％。洪涝灾害范围是表征洪涝灾害时空分布特征的关键物理参数，是全面客观开展洪涝灾害灾情评估的主要内容和重要基础。充分利用遥感技术、地面站网观测数据和实地调查核查等手段，是当前“天、空、地、现场”一体化开展洪涝灾害范围评估的研究前沿。遥感技术具有客观、动态性强、实时性好、获取信息量大等独特优势，对提高洪涝灾害范围动态监测的时效性和准确性具有重要的现实意义，国内外已进行了广泛的研究，主要集中在提取方法研究和业务系统建设方面。如1973年美国利用陆地卫星数据开展了密西西比河严重泛滥监测［1］。周成虎［2］利用气象卫星、陆地卫星和航空合成孔径侧视雷达图像，采用遥感信息自动分类处理和人机交互解译技术开展1991年江淮流域特大洪涝灾害遥感调查；周红妹等［3］利用NOAA＿AVHRR数据采用模糊非监督分类、比值等方法对浙江省洪涝范围进行监测；魏丽等［4］利用NOAA＿AVHRR数据对江西省洪涝范围开展动态监测；中国科学院借助卫星和航空等多平台采用人机交互解译的方法对1998年全国范围的洪涝进行监测［5］。张树誉等［6］利用MODIS数据采用水体判别阈值方式对2003年渭河洪涝范围进行动态监测和估算。李健等［7］利用FY－3A、HJ－1A／B和EOS多源卫星遥感数据，采用监督分类方法对2010年吉林省洪涝灾害进行了遥感监测。李文慧等［8］利用MERSI数据，采用NDWI＿EXs水体指数扩展模型，提高了洪涝范围提取的精度。何桂珍等［9］利用Radarsat和TM数据，以鄱阳湖区为例，开展洪涝灾害快速监测与评估。在业务系统建设方面，上海市气象科学研究所利用地面高程、土地利用状况、排灌能力、历年受灾状况等地面资料，建立洪涝灾害遥感动态监测业务运行系统［10］。中国水利水电科学研究院在构建洪涝灾害遥感监测与评估数据库的基础上，设计与实现了运行稳定的洪涝灾害遥感监测与评估业务系统［11］。民政部国家减灾中心自2004年淮河洪涝开始遥感洪涝监测业务，之后应对了多次洪涝灾害，并借助环境与灾害监测预报小卫星星座运行管理与减灾应用系统，设计了洪涝灾害范围识别工具。综上，洪涝灾害遥感范围动态监测主要以重访周期高的低空间分辨率数据为主，兼顾中高空间分辨率数据。环境减灾卫星（HJ－1）是我国发射的专门用于环境和灾害监测的卫星，具有重访周期高、幅宽大、空间分辨率高、信息量丰富等优势，有利于识别水体边界线，为洪涝宏观动态监测提供数据支撑。本文选取黑龙江省抚远县为研究区，基于HJ－1CCD数据，在研究多种地物目标的影像特征与光谱响应特征的基础上，采用区域生长算法对2013年汛期黑龙江抚远县灾前灾后的水体范围进行识别，动态监测洪涝范围变化。利用HJ－1数据开展洪涝范围动态监测不仅可为减灾救灾工作提高技术支撑，还可提高HJ－1数据的应用深度和广度，拓展应用能力。

2数据源

2．1研究区概况黑龙江省抚远县地处黑龙江、乌苏里江交汇的三角地带，是中国最东部的县级行政单位，介于133°40′～135°5′E，47°25′～48°27′N之间（图1），属中温带大陆性季风气候，其特点是冬长严寒，夏短炎热，秋季多雨，年平均气温20．2℃，年平均降水量约为600mm，境内有大小河流56条，湖泊泡沼700多个。研究区内主要植被为牧草和大豆。2013年入汛以来受本地降雨和境外客水叠加影响，黑龙江和乌苏里江出现特大洪水，发生严重的洪涝灾害，黑龙江抚远段超警戒水位近60d；洪水与内涝并存，险情多发。

2．2数据源利用HJ－1CCD数据（基本参数如表1所示）开展洪涝范围动态监测。2008年9月6日，我国在太原卫星发射中心成功将环境减灾A、B星送入太空，卫星进入预定轨道。A、B星是两颗光学小卫星，各搭载一台宽覆盖多光谱相机（CCD）。同时，A星上搭载了一台高光谱成像仪，B星上搭载了一台红外相机［12］。单景HJ－1CCD影像能覆盖研究区。本文选取了洪涝灾区灾前和灾后两颗卫星的10景数据（表2），其中灾前数据1景、灾后9景，所获取的CCD数据图像清晰，为洪涝范围的动态监测提供了条件。本文选用的CCD数据为2级产品，分波段以压缩包的形式存储。首先对数据进行解压缩和波段合成，然后利用几何精校正过的TM影像开展几何精校正［13］。

3研究方法

3．1典型地物CCD影像特征不同地物类型结构特征差异很大，对入射光的反射、吸收、透射不同，造成不同地物在HJ－1CCD上具有不同的几何特征和光谱特征。HJ－1CCD标准假彩色合成影像通过目视判读，能清楚识别各种典型地物［14］。山区、水体是自然地物，形状不规则，图型随机，纹理破碎粗糙；居民地、道路和农田是人工地物，形状相对比较规则，纹理相对比较整齐。图2（a）为山区，植被覆盖高，植被在近红外和红波段强反射，表现为红色调，颜色不均一；图2（b）为居民地，城市下垫面组成成分复杂多样，光谱特性复杂，在CCD图像上表现为以白色调为主，黑、红、白、蓝颜色相间；图2（c）为道路，铺面材料不同，光谱特征不同，常表现为灰白色；图2（d）为农田，在近红外和红波段强反射，表现为浅红色调；图2（e）为过水农田，农田中土壤水分含量增加，且不均一，水的强吸收特征，导致呈现黑、红、蓝颜色相间；图2（f）为水体，水体对光具有吸收作用，不同浑浊度的水体呈现不同的色调。

3．2典型地物光谱响应特征利用对数残差法对CCD数据开展辐射校正，得到相对反射率图像。根据影像选取山区、居民地、道路、农田、过水农田、水体等主要地物的样本，测定光谱值，得到光谱响应曲线。由图3可知，水体与其他地物光谱特征差异较大，相对反射率最低。在第一和第三波段，水体与山体的相对反射率比较接近，难以区分。水在近红外波段吸收大量的能量，导致在第四波段，水体的相对反射率与其他地物的相对反射率差别最大。

3．3洪涝灾害范围动态监测洪涝灾害范围提取是以灾前、灾后多时相遥感数据为主，辅以灾情信息、气象数据、现场信息和舆情信息等数据，采用区域生长算法分别提取灾前、灾后水体范围，然后利用变化检测方法开展灾害范围动态监测。灾前灾后水体提取利用的是区域生长算法，其基本思想是具有相似准则的像素空间聚类过程，即由一个种子像素（P0）出发，通过设置阈值，从其领域中搜索辐射特征和几何特征与其差异最小的像素（P1），对于P1进行同样的搜索，得到与其差异最小的像素（P2），若P0＝P2，则满足同质准则。否则，令P0＝P1，P1＝P2，重复迭代搜索，直至目标区内全部符合条件的像素都被聚类，构成区域［15］。要获得理想的空间聚类效果，首先要选择种子像素，需满足如下条件：①必须在水体覆盖范围内，且与水体边界有一定的距离；②种子像素与其周围的像素有较高的相似度、且灰度均匀，均匀的灰度才能生长出更大的区域［16］。如果区域中目标灰度分布不均匀，则需要将图像进行分块，以获取较好的区域识别效果；③种子核心区能反映出目标水体的整体亮度分布。种子像素的设置对空间聚类效果影响很大。洪涝灾害发生时，不同河段水体的浑浊度差别很大且具有不同水深，造成水体辐射特征差异大。本文以2013年9月10日图像为例，利用区域生长法和水体指数法分别提取水体。图5（a）～（c）分别代表了种子像素放在不同的相对反射率区（阈值为30）获得不同的水体聚类区（图中黄色三角形为种子像素位置）。可以看出，利用区域生长法提取水体时，种子像素的反射率与目标水体的整体平均反射率相差较大（图5（a）和图5（b））不能提取聚类出理想的效果。种子像素的反射率与目标水体的整体反射率越接近，聚类效果越有效。同时，比较区域生长法（图5（c））与水体指数法（图5（d））可以看出，水体指数法识别结果细节更明显，能对整景图像进行提取；区域生长法重点侧重集中连片水体的提取；如果要实现整景图像提取，需采用设置多阈值、选择多个种子像素的方式来实现；区域生长法能去除不必要的细节信息，更能满足灾害范围监测业务的需要。例如图5（d）中水体中央的植被已被水淹，属于洪涝灾区，不需要作为植被信息单独提取出来。

4研究结果

采用区域生长算法对抚远县洪涝范围进行动态监测。结果如图6和表3所示，洪涝灾害范围变化明显。2012年11月1日灾前水体面积为168km2，2013年9月7日起受本地降水和境外客水增加的影响，加上研究区地势低洼，河水倒灌淹没沿江农田，水体面积增至1138km2，增加了5．8倍；之后洪水范围不断扩大，峰值出现在9月10日，为1382km2。然后洪水水位从下游开始逐渐下降、水体逐渐消退。根据自2013年9月7日起淹没历时可能导致的农作物损失，来划分不同程度的受灾范围。淹没历时大于7d为重度受灾，淹没历时大于3d为中度受灾，淹没历时大于1d为轻度受灾。

5结语

本文充分依托遥感技术客观、动态性强、实时性好、获取信息量大等独特优势，基于国产环境减灾卫星数据，构建洪涝灾害范围动态演变监测方法，为高效、高精度开展洪涝灾害灾情评估业务夯实基础。（1）环境减灾卫星重访周期高、幅宽大、空间分辨率高，在洪涝灾害范围动态监测领域发挥着重要的作用，尤其是在应对暴雨频次相对较低、强度大的东北三江流域洪涝灾害时，能够获得现势性好、可用性强的光学数据，为灾情综合评估提供了有力支撑。（2）区域生长算法能准确高效识别水体这种与其他地物光谱特征差异大的地物，从而快速提取洪涝范围，将过去目视解译、人工勾画需要5h的工作量缩短到10min之内，大大提高了工作效率和精度。深入研究面向对象的自动化分区和自动化阈值设置算法能使区域生长算法更智能化和精准化。（3）在我国航空航天产业蓬勃发展的背景下，针对一次洪涝灾害过程具备获取多源多尺度数据的能力，如何实现高效协同处理和智能信息提取是洪涝灾害监测亟需解决的重要问题。

作者：范一大 和海霞 李博 刘明 单位：民政部国家减灾中心 民政部卫星减灾应用中心