洪澇災害范圍動態監測思考范文
本站小編為你精心準備了洪澇災害范圍動態監測思考參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。
《遙感技術與應用雜志》2016年第二期
摘要：
洪澇災害范圍是表征洪澇災害時空分布特征的關鍵物理參數，是洪澇災害災情評估的主要內容和重要基礎。充分利用遙感技術、地面站網觀測數據和實地調查核查等手段，是當前“天、空、地、現場”一體化開展洪澇災害范圍動態監測的研究前沿。針對洪澇災害范圍實時動態演變過程監測時效性受數據和信息提取效率制約的問題，提出了基于HJ－1CCD數據利用區域生長算法的洪澇災害范圍提取模型。在研究多種地物目標的影像特征與光譜響應特征基礎上，采用區域生長算法對2013年汛期黑龍江省撫遠縣洪澇災害范圍進行識別和判定。結果表明：汛期內穩定高頻次獲取的HJ－1CCD數據能為洪澇災害范圍識別和動態演變過程監測提供數據保障。區域生長法提取集中連片水體的效率高，能夠將過去目視解譯、人工勾畫需要5h的工作量縮短到10min之內；提取結果宏觀性強，在影響范圍大的洪澇災害范圍動態監測業務中發揮著重要的作用。
關鍵詞：
洪澇范圍；HJ－1CCD；區域生長；動態監測
1引言
洪澇災害發生頻率高、突發性強、危害范圍廣、損失嚴重。據國際緊急事件數據庫統計，2012年洪澇災害造成的人員傷亡和受災人數占全球自然災害造成損失的53％。近年來，我國極端氣候事件頻發，引發嚴重的洪澇災害。隨著社會經濟的發展，洪澇災害損失越來越嚴重。據民政部統計，2013年，全國自然災害因災死亡失蹤人口2284人，其中洪澇和地質災害占61．8％；直接經濟損失5808．4億元，其中洪澇和地質災害占32．4％。洪澇災害范圍是表征洪澇災害時空分布特征的關鍵物理參數，是全面客觀開展洪澇災害災情評估的主要內容和重要基礎。充分利用遙感技術、地面站網觀測數據和實地調查核查等手段，是當前“天、空、地、現場”一體化開展洪澇災害范圍評估的研究前沿。遙感技術具有客觀、動態性強、實時性好、獲取信息量大等獨特優勢，對提高洪澇災害范圍動態監測的時效性和準確性具有重要的現實意義，國內外已進行了廣泛的研究，主要集中在提取方法研究和業務系統建設方面。如1973年美國利用陸地衛星數據開展了密西西比河嚴重泛濫監測［1］。周成虎［2］利用氣象衛星、陸地衛星和航空合成孔徑側視雷達圖像，采用遙感信息自動分類處理和人機交互解譯技術開展1991年江淮流域特大洪澇災害遙感調查；周紅妹等［3］利用NOAA＿AVHRR數據采用模糊非監督分類、比值等方法對浙江省洪澇范圍進行監測；魏麗等［4］利用NOAA＿AVHRR數據對江西省洪澇范圍開展動態監測；中國科學院借助衛星和航空等多平臺采用人機交互解譯的方法對1998年全國范圍的洪澇進行監測［5］。張樹譽等［6］利用MODIS數據采用水體判別閾值方式對2003年渭河洪澇范圍進行動態監測和估算。李健等［7］利用FY－3A、HJ－1A／B和EOS多源衛星遙感數據，采用監督分類方法對2010年吉林省洪澇災害進行了遙感監測。李文慧等［8］利用MERSI數據，采用NDWI＿EXs水體指數擴展模型，提高了洪澇范圍提取的精度。何桂珍等［9］利用Radarsat和TM數據，以鄱陽湖區為例，開展洪澇災害快速監測與評估。在業務系統建設方面，上海市氣象科學研究所利用地面高程、土地利用狀況、排灌能力、歷年受災狀況等地面資料，建立洪澇災害遙感動態監測業務運行系統［10］。中國水利水電科學研究院在構建洪澇災害遙感監測與評估數據庫的基礎上，設計與實現了運行穩定的洪澇災害遙感監測與評估業務系統［11］。民政部國家減災中心自2004年淮河洪澇開始遙感洪澇監測業務，之后應對了多次洪澇災害，并借助環境與災害監測預報小衛星星座運行管理與減災應用系統，設計了洪澇災害范圍識別工具。綜上，洪澇災害遙感范圍動態監測主要以重訪周期高的低空間分辨率數據為主，兼顧中高空間分辨率數據。環境減災衛星（HJ－1）是我國發射的專門用于環境和災害監測的衛星，具有重訪周期高、幅寬大、空間分辨率高、信息量豐富等優勢，有利于識別水體邊界線，為洪澇宏觀動態監測提供數據支撐。本文選取黑龍江省撫遠縣為研究區，基于HJ－1CCD數據，在研究多種地物目標的影像特征與光譜響應特征的基礎上，采用區域生長算法對2013年汛期黑龍江撫遠縣災前災后的水體范圍進行識別，動態監測洪澇范圍變化。利用HJ－1數據開展洪澇范圍動態監測不僅可為減災救災工作提高技術支撐，還可提高HJ－1數據的應用深度和廣度，拓展應用能力。
2數據源
2．1研究區概況黑龍江省撫遠縣地處黑龍江、烏蘇里江交匯的三角地帶，是中國最東部的縣級行政單位，介于133°40′～135°5′E，47°25′～48°27′N之間（圖1），屬中溫帶大陸性季風氣候，其特點是冬長嚴寒，夏短炎熱，秋季多雨，年平均氣溫20．2℃，年平均降水量約為600mm，境內有大小河流56條，湖泊泡沼700多個。研究區內主要植被為牧草和大豆。2013年入汛以來受本地降雨和境外客水疊加影響，黑龍江和烏蘇里江出現特大洪水，發生嚴重的洪澇災害，黑龍江撫遠段超警戒水位近60d；洪水與內澇并存，險情多發。
2．2數據源利用HJ－1CCD數據（基本參數如表1所示）開展洪澇范圍動態監測。2008年9月6日，我國在太原衛星發射中心成功將環境減災A、B星送入太空，衛星進入預定軌道。A、B星是兩顆光學小衛星，各搭載一臺寬覆蓋多光譜相機（CCD）。同時，A星上搭載了一臺高光譜成像儀，B星上搭載了一臺紅外相機［12］。單景HJ－1CCD影像能覆蓋研究區。本文選取了洪澇災區災前和災后兩顆衛星的10景數據（表2），其中災前數據1景、災后9景，所獲取的CCD數據圖像清晰，為洪澇范圍的動態監測提供了條件。本文選用的CCD數據為2級產品，分波段以壓縮包的形式存儲。首先對數據進行解壓縮和波段合成，然后利用幾何精校正過的TM影像開展幾何精校正［13］。
3研究方法
3．1典型地物CCD影像特征不同地物類型結構特征差異很大，對入射光的反射、吸收、透射不同，造成不同地物在HJ－1CCD上具有不同的幾何特征和光譜特征。HJ－1CCD標準假彩色合成影像通過目視判讀，能清楚識別各種典型地物［14］。山區、水體是自然地物，形狀不規則，圖型隨機，紋理破碎粗糙；居民地、道路和農田是人工地物，形狀相對比較規則，紋理相對比較整齊。圖2（a）為山區，植被覆蓋高，植被在近紅外和紅波段強反射，表現為紅色調，顏色不均一；圖2（b）為居民地，城市下墊面組成成分復雜多樣，光譜特性復雜，在CCD圖像上表現為以白色調為主，黑、紅、白、藍顏色相間；圖2（c）為道路，鋪面材料不同，光譜特征不同，常表現為灰白色；圖2（d）為農田，在近紅外和紅波段強反射，表現為淺紅色調；圖2（e）為過水農田，農田中土壤水分含量增加，且不均一，水的強吸收特征，導致呈現黑、紅、藍顏色相間；圖2（f）為水體，水體對光具有吸收作用，不同渾濁度的水體呈現不同的色調。
3．2典型地物光譜響應特征利用對數殘差法對CCD數據開展輻射校正，得到相對反射率圖像。根據影像選取山區、居民地、道路、農田、過水農田、水體等主要地物的樣本，測定光譜值，得到光譜響應曲線。由圖3可知，水體與其他地物光譜特征差異較大，相對反射率最低。在第一和第三波段，水體與山體的相對反射率比較接近，難以區分。水在近紅外波段吸收大量的能量，導致在第四波段，水體的相對反射率與其他地物的相對反射率差別最大。
3．3洪澇災害范圍動態監測洪澇災害范圍提取是以災前、災后多時相遙感數據為主，輔以災情信息、氣象數據、現場信息和輿情信息等數據，采用區域生長算法分別提取災前、災后水體范圍，然后利用變化檢測方法開展災害范圍動態監測。災前災后水體提取利用的是區域生長算法，其基本思想是具有相似準則的像素空間聚類過程，即由一個種子像素（P0）出發，通過設置閾值，從其領域中搜索輻射特征和幾何特征與其差異最小的像素（P1），對于P1進行同樣的搜索，得到與其差異最小的像素（P2），若P0＝P2，則滿足同質準則。否則，令P0＝P1，P1＝P2，重復迭代搜索，直至目標區內全部符合條件的像素都被聚類，構成區域［15］。要獲得理想的空間聚類效果，首先要選擇種子像素，需滿足如下條件：①必須在水體覆蓋范圍內，且與水體邊界有一定的距離；②種子像素與其周圍的像素有較高的相似度、且灰度均勻，均勻的灰度才能生長出更大的區域［16］。如果區域中目標灰度分布不均勻，則需要將圖像進行分塊，以獲取較好的區域識別效果；③種子核心區能反映出目標水體的整體亮度分布。種子像素的設置對空間聚類效果影響很大。洪澇災害發生時，不同河段水體的渾濁度差別很大且具有不同水深，造成水體輻射特征差異大。本文以2013年9月10日圖像為例，利用區域生長法和水體指數法分別提取水體。圖5（a）～（c）分別代表了種子像素放在不同的相對反射率區（閾值為30）獲得不同的水體聚類區（圖中黃色三角形為種子像素位置）。可以看出，利用區域生長法提取水體時，種子像素的反射率與目標水體的整體平均反射率相差較大（圖5（a）和圖5（b））不能提取聚類出理想的效果。種子像素的反射率與目標水體的整體反射率越接近，聚類效果越有效。同時，比較區域生長法（圖5（c））與水體指數法（圖5（d））可以看出，水體指數法識別結果細節更明顯，能對整景圖像進行提取；區域生長法重點側重集中連片水體的提取；如果要實現整景圖像提取，需采用設置多閾值、選擇多個種子像素的方式來實現；區域生長法能去除不必要的細節信息，更能滿足災害范圍監測業務的需要。例如圖5（d）中水體中央的植被已被水淹，屬于洪澇災區，不需要作為植被信息單獨提取出來。
4研究結果
采用區域生長算法對撫遠縣洪澇范圍進行動態監測。結果如圖6和表3所示，洪澇災害范圍變化明顯。2012年11月1日災前水體面積為168km2，2013年9月7日起受本地降水和境外客水增加的影響，加上研究區地勢低洼，河水倒灌淹沒沿江農田，水體面積增至1138km2，增加了5．8倍；之后洪水范圍不斷擴大，峰值出現在9月10日，為1382km2。然后洪水水位從下游開始逐漸下降、水體逐漸消退。根據自2013年9月7日起淹沒歷時可能導致的農作物損失，來劃分不同程度的受災范圍。淹沒歷時大于7d為重度受災，淹沒歷時大于3d為中度受災，淹沒歷時大于1d為輕度受災。
5結語
本文充分依托遙感技術客觀、動態性強、實時性好、獲取信息量大等獨特優勢，基于國產環境減災衛星數據，構建洪澇災害范圍動態演變監測方法，為高效、高精度開展洪澇災害災情評估業務夯實基礎。（1）環境減災衛星重訪周期高、幅寬大、空間分辨率高，在洪澇災害范圍動態監測領域發揮著重要的作用，尤其是在應對暴雨頻次相對較低、強度大的東北三江流域洪澇災害時，能夠獲得現勢性好、可用性強的光學數據，為災情綜合評估提供了有力支撐。（2）區域生長算法能準確高效識別水體這種與其他地物光譜特征差異大的地物，從而快速提取洪澇范圍，將過去目視解譯、人工勾畫需要5h的工作量縮短到10min之內，大大提高了工作效率和精度。深入研究面向對象的自動化分區和自動化閾值設置算法能使區域生長算法更智能化和精準化。（3）在我國航空航天產業蓬勃發展的背景下，針對一次洪澇災害過程具備獲取多源多尺度數據的能力，如何實現高效協同處理和智能信息提取是洪澇災害監測亟需解決的重要問題。
作者：范一大 和海霞 李博 劉明 單位：民政部國家減災中心 民政部衛星減災應用中心