基于FY－3/MERSI數據的新疆融雪性洪水災害監測

馬麗云，李建剛，李 帥

(1.烏魯木齊氣象衛星地面站，烏魯木齊 830011;2.新疆氣象臺，烏魯木齊 830002)

0 引言

在洪澇災害發生時，快速、動態、準確地提取水體信息并確定洪水淹沒區域和受災程度，對政府開展救援工作有著十分重要的意義。遙感技術以其高重復頻率和大范圍觀測能力，為決策部門提供了大量洪澇地區淹沒過程的實時信息。閆強等［1］利用SWAT模型(soil and water assessment tool)和 TM/ETM+圖像提取了烏蘭烏拉湖水體面積;周成虎等［2］提出基于光譜知識的AVHRR影像水體自動提取描述模型，并將其應用于太湖、淮河和渤海等地區;曲偉等［3］利用HJ星數據和ETM+數據比較了基于藍光波段的歸一化差異水體指數(normalized difference water index based on blue light，NDWI－B)和歸一化差異水體指數(normalized difference water index，NDWI)提取水體的效果;楊斌等［4］分析了植被、城鎮、土壤及水體等典型地物在中分辨率成像光譜儀(medium resolution spectral imager，MERSI)圖像上的表現特征，進而提出NDWI結合紅外通道的歸一化差異水體指數的擴展模型，提高了水體判識在城鎮區域的準確率，為提高洪澇判識的準確度提供了借鑒;胡衛國等［5］用歸一化植被指數和NDWI進行龍羊峽庫區水體信息提取，提出了決策樹水體信息提取方法。新疆地區洪水主要受降水、氣溫及山區積雪3個因素影響，不同情況產生不同類型的洪水。按其成因和災害特點可分為暴雨型洪水、升溫型洪水、暴雨升溫型洪水及潰決型洪水等4種類型。新疆融雪性洪水是洪水災害的一種特殊類型，屬于季節性積雪融雪性洪水，也是暴雨升溫型洪水的一種，主要發生在天山山區北部阿勒泰山區和準噶爾西部山區春季。有關新疆融雪性洪水研究有很多，但運用衛星監測融雪性洪水災害的研究較少。本文基于以往學者對水體提取的研究經驗［6］，利用FY－3衛星250 m空間分辨率數據，對新疆積雪性洪澇災害進行了監測研究。

1 數據分析及預處理

1.1 研究區概況和數據源

研究區位于北疆沿天山一帶，屬溫帶大陸性干旱氣候，降水稀少且四季分布不均。北部塔城地區的額敏河和西部伊犁地區的伊犁河分支喀什河均為內陸河;東南部烏魯木齊地區地處天山北麓中段，是準噶爾盆地南緣的內陸河流域，流域內有烏魯木齊河、頭屯河、白楊河、阿拉溝及柴窩鋪湖5個水系。

本文所用地面數據來源于新疆維吾爾自治區氣象局信息中心——2009年2月和2011年2—5月塔城地區的額敏河、伊犁地區伊犁河分支喀什河以及準噶爾盆地南緣內陸河流域的積雪參數野外觀測數據，實測點位置如圖1所示。

圖1 北疆實測樣點位置示意圖Fig.1 Schematic diagram ofmeasured samp le locations in the region of Northern Xinjiang

本文所用遙感數據有FY－3/MERSI數據和2011年4月9日覆蓋烏魯木齊地區的HJ－CCD數據。MERSI有20個通道，其中250 m空間分辨率的有5個通道，各通道參數見表1。

表1 MERSI儀器250 m分辨率通道主要參數Tab.1 Main parameters of 250 m resolution channels in MERSI equipment

1.2 主要地物的光譜特征分析

以烏魯木齊地區為例，選擇2011年4月9日覆蓋該地區250 m空間分辨率的MERSI數據對城鎮、植被、云陰影和水體4類典型地物進行采樣，采樣63個，其分布如圖2所示。

圖2 FY－3/MERSIB4(R)B3(G)B2(B)彩色合成圖像和樣點位置示意分布Fig.2 FY－3/MERSI color com posite of B4(R)B3(G)B2(B)remote sensing image and schematic distribution of sample points

4類典型地物的光譜特征曲線如圖3所示。

圖3 典型地物光譜特征曲線Fig.3 Typical surface spectral characteristic curves

從圖3可以看出，CH1通道的DN值為DN城鎮＞DN植被＞DN水體＞DN云陰影;CH2 通道的 DN 值為DN植被＞DN城鎮＞DN水體＞DN云陰影;CH3通道的 DN值為DN植被＞DN城鎮＞DN水體＞DN云陰影;CH4通道的DN值為DN植被＞DN城鎮＞DN云陰影＞DN水體。250 m可見光波段，各類地物 DN值滿足CH1＞CH2＞CH3。CH4近紅外波段范圍內植被和城鎮反射率高出水體反射率值［7］，云陰影反射率稍高于水體。除水體外，其他3類地物光譜值滿足CH4＞CH3。因此，選擇CH4通道數據用于判識水體。

1.3 遙感數據預處理

對FY－3/MERSI數據進行地圖投影和幾何糾正等預處理。將FY－3/MERSI空間分辨率250 m數據HDF(hierarchical data format，可以存儲不同類型的圖像和數碼數據的文件格式)數據疊加地理信息，并進行幾何糾正;然后，轉投影數據LDF(laser doppler flowmetry，LDF是SQL server數據庫的日志文件);裁切影像數據;最后進行波段運算。

選取2011年4月9日烏魯木齊地區HJ－CCD(HJ－1A/B)分辨率30 m數據(圖4)，并參照2010年烏魯木齊Landsat 5 TM圖像對其進行幾何精糾正，誤差小于0.5個像元。控制點GCP主要選在烏魯木齊柴窩鋪湖和鹽湖周圍，重采樣方法為雙線形內插(bilinear interpolation)。利用矢量文件進行圖像掩模，去除與本研究無關的其他地物，提出測試研究的融雪型洪水區域。

圖4 HJ－CCD B4(R)B3(G)B2(B)彩色合成圖像Fig.4 HJ－CCD color composite of B4(R)B3(G)B2(B)remote sensing image

2 洪水災害監測原理

2.1 監測方法及流程

選取2009年3月18日、2010年4月11日、2011年4月9日FY－3A/MERSI和HJ－CCD數據，針對塔城地區額敏河、伊犁地區伊犁河分支喀什河、烏魯木齊河和昌吉回族自治州的瑪納斯河等河流，應用時間分辨率較高的FY－3A/MERSI數據，對水體進行自動識別;然后，運用空間分辨率較高的HJ－CCD數據，引入NDWI－B模型，確定閾值，判識水體，比較其精度。具體流程如圖5所示。

圖5 監測方法流程圖Fig.5 Flow chart ofmonitoringmethods

2.2 監測指數的計算

歸一化指數可以在一定程度上消除太陽高度角、衛星天頂角及大氣輻射產生的影響，有效識別目標物［8－9］。本文利用 FY－3A/MERSI和 HJ－CCD各自通道CH1，CH2，CH4 數據計算NDWI［10］和NDWI－B［11－12］指數，即

2.3 歸一化差異水體指數閾值的選取

選取2011年4月9日烏魯木齊地區FY－3A/MERSI和HJ－CCD數據，計算得到圖6。

圖6 FY－3/MERSINDW IFY(上)，NDW I－BFY(中)and HJ－CCD NDW I－BHJ(下)指數及其直方圖Fig.6 FY－3/MERSINDW IFY(above)，NDW IBFY(m idd le)and HJ－CCD NDW I－BHJ(below)index and its histogram

從圖6可以看出，FY－3A/MERSI數據NDWI指數(即NDWIFY)上有3個峰值，峰值出現在NDWIFY較小的區域，應為類型較復雜的背景地物，而NDWIFY值較大的部分為水體和濕地，故閾值選取為0.02;FY－3A/MERSI數據NDWI－B指數(NDWI－BFY)直方圖中在NDWI－BFY低值區也有1個很明顯峰值，也是背景地物的反映，而NDWI－BFY值較大的部分為水體和濕地，所以閾值選取為0.01;HJCCD數據NDWI－B指數(NDWI－BHJ)直方圖上情況類似，通過選取適當閾值可以把地物分為2類，NDWI－BHJ指數值大的類別是水體和濕地，NDWI－BHJ指數值小的類別是其他背景地物，閾值確定為0.14。

3 監測結果與分析

2011年4月9日新疆烏魯木齊地區烏魯木齊河FY－3A/MERSI數據和HJ－CCD數據水體判識結果及其相應閾值如圖7所示。

圖7 烏魯木齊河HJ－CCD(左)和FY－3A/MERSI(右)的水體判識結果Fig.7 Identification results of Urumqi river of HJ－CCD(left)and FY－3A/MERSI(right)

用NDWI－BFY指數提取出的塔城額敏河范圍疊加在FY－3A/MERSI圖像上，可以很清晰地看到該河流洪澇的情況(圖8)。

圖8 NDW I－BFY提取出的塔城地區額敏河與FY－3A/MERSI圖像的疊加Fig.8 Superposition of Em in River in Tacheng extracted by NDW I－BFY and FY－3A/MERSI image

基于2009—2011年 F Y－3A/MERSI和 H J－CCD數據采用不同水體指數模型判識洪水面積的提取結果如表2所示。

表2 HJ－CCD和FY－3A/MERSI洪澇水體面積判識結果Tab.2 Flood water area identification results of HJ－CCD and FY－3A/MERSI

由表2可以看出，NDWI－BFY指數模型提取的洪水面積＞NDWI－BHJ模型提取面積＞NDWIFY模型提取面積，其中采用NDWI－BFY指數模型判識水體面積最大，判識結果與實際洪水災害分布數據最接近，應用效果較好。

由FY－3A/MERSI數據判識2009年3月18日新疆發生洪水地區的烏魯木齊河面積為501.5 km2，洪水發生前面積為400.4 km2，明顯增大101.1 km2。伊犁哈薩克自治州伊犁河的分支額敏河也是由洪水前1 608.8 km2增大至洪澇發生時的2 049.1 km2，河流面積明顯增大;2010年4月11日塔城額敏河由洪水前269.0 km2增大至洪澇發生時272.8 km2。

4 結論與討論

新疆北疆沿天山一帶地區融雪性洪水的形成過程與前期氣溫和大尺度降水天氣有直接關系，冬季積雪是產生洪水的物質來源。根據FY－3A/MERSI和HJ－CCD兩種數據獲取的 NDWI，確定判識閾值，對不同地區洪澇水體面積進行判識，可以直觀地反映出該時段不同區域洪澇的情況，為抗洪救災提供依據。本研究得出以下結論:

1)基于FY－3A/MERSI數據，運用NDWI對融雪性洪水災害進行監測是可行的。

2)借鑒以往學者對水體提取的研究經驗，結合環境減災小衛星的數據特點，采用HJ－CCD數據NDWI－B監測融雪性洪水災害天氣，不僅可以準確提取大范圍水體，還可以區分小范圍水體。本研究對比不同水體指數判識洪澇水體面積的結果表明，運用NDWI－BFY判識面積大于運用NDWI－BHJ或NDWIFY的判識面積，且與實際洪水災害數據最接近，應用效果最好。

3)被動微波可全天候不受云層影響獲取雪層信息和穿透雪層獲取地表信息，但其空間分辨率較低還難以準確獲取積雪空間信息。FY－3A/MERSI數據250 m與HJ－CCD數據分辨率和光譜范圍都有一定的區別，閾值確定有一定程度的不準確性［13－16］。水體指數判斷閾值的選取因地而異，本文在綜合研究的基礎上確定NDWI－BFY指數的閾值選為 0.01，NDWI－BHJ指數的閾值為 0.14，并取得了較好的效果。

4)限于各種條件，本次研究沒有對混合水體(純水體、渾濁水體和濕地)進行區分研究;另外因湖泊面積變化與影響洪澇的因素沒有線性關系，判識過程與河流有區別［17－19］，本文也未作研究。由于新疆地區水體流域面積不大，洪水多形成于山區，但融雪和降雨混合性洪水過程長、災害大，應用FY－3A/MERSI數據對洪澇影像進行判識，能為決策部門提供大量的洪澇地區淹沒過程的實時信息［20］。

5)雪水當量是反映地表積雪量變化的重要因子，也是融雪性洪水災害區地表水文模型和氣候模型中的一個重要參數。MODIS和FY－3A/MERSI等可見光－短波紅外遙感數據能較準確地獲取晴空條件下較高空間分辨率的雪蓋信息，但應用于反演雪水當量的研究較少，今后的研究可以分析不同深度積雪光譜特征，挖掘雪深響應波譜范圍，確定對應FY－3A/MERSI通道，基于實測雪壓建立FY－3A/MERSI雪壓算式和反演雪水當量、雪層深度的模型［21－24］。

志謝:感謝國家衛星氣象中心楊昌軍博士對本文的指導和幫助。

［1］ 閆 強，廖靜娟，沈國狀.近40年烏蘭烏拉湖變化的遙感分析與水文模型模擬［J］.國土資源遙感，2014，26(1):152－157.doi:10.6046/gtzyyg.2014.01.26.Yan Q，Liao JJ，Shen G Z.Remote sensing analysisand simulation of change of Ulan Ul Lake in the past40 years［J］.Remote Sensing for Land and Resources，2014，26(1):152－157.doi:10.6046/gtzyyg.2014.01.26.

［2］ 周成虎，萬 慶，黃詩峰，等，基于GIS的洪水災害風險區劃研究［J］.地理學報，2000，55(1):15－24.Zhou CH，Wan Q，Huang S F，et al.A GIS－based approach to flood risk zonation［J］.Acta Geographica Sinica，2000，55(1):15－24.

［3］ 曲 偉，路京選，李 琳，等.環境減災小衛星影像水體和濕地自動提取方法研究［J］.遙感應用，2011，6(4):28－33.Qu W，Lu JX，Li L，et al.Research on automatic extraction ofwater bodies and wetlands on HJ satellite CCD images［J］.Remote Sensing Applications，2011，6(4):28－33.

［4］ 楊 斌，李文慧.基于NDWI和熱紅外混合的水體識別方法［J］.淮陰師范學院學報:自然科學版，2012，11(4):362－366.Yang B，LiW H.Water recognition based on NDWI and thermal infrared［J］.Journal of Huaiyin Teachers College:Natural Science，2012，11(4):362－366.

［5］ 胡衛國，孟令奎，張東映，等.資源一號02C星圖像水體信息提取方法［J］.國土資源遙感，2014，26(2):43－47.doi:10.6046/gtzyyg.2014.02.08.Hu W G，Meng L K，Zhang D Y，et al.Methods of water extraction from ZY－1 02C satellite imagery［J］.Remote Sensing for Land and Resources，2014，26(2):43－47.doi:10.6046/gtzyyg.2014.02.08.

［6］ 杜云艷，周成虎.水體的遙感信息自動提取方法［J］.遙感學報，1998，2(4):265－269.Du Y Y，Zhou C H.Automatic Extraction Remote sensing information for water bodies［J］.Journal of Remote Sensing，1998，2(4):265－269.

［7］ 黃永璘，農民強，孫 涵.基于FY－3A/MERSI的洪澇災害遙感監測初探［J］.氣象研究與應用，2009，30(2):59－62.Huang Y L，Nong M Q，Sun H.Flood disaster remote monitoring based on FY－3A/MERSI data［J］.Journal of Meteorological Research and Application，2009，30(2):59－62.

［8］ 溫克剛.中國氣象災害大典·新疆卷［M］.北京:氣象出版社，2006:76－77.Wen K G.Chinese Meteorological Disasters Ceremony，Xinjiang Volume［M］.Beijing:Meteorological Press，2006:76－77.

［9］ 宋小寧，趙英時.MODIS圖像的云檢測及分析［J］.中國圖像圖形學報，2003，8(9):1079－1083.Song X N，Zhao Y S.Cloud detection and analysisofMODIS image［J］.Journal of Image and Graphics，2003，8(9):1079－1083.

［10］ 楊昌軍.韋伯定律及時間序列在FY2C云檢測中的應用研究［D］.南京:南京信息工程大學，2007.Yang C J.Study on the Application ofWeber’s Law and Time Serials in FY2C Cloud Detection［D］.Nanjing:Nanjing University of Information Science and Technology，2007.

［11］ 趙英時.遙感應用分析原理與方法［M］.北京:科學出版社，2006.Zhao Y S.Analysis Principles and Methods of Remote Sensing Applications［M］.Beijing:Science Press，2006.

［12］ SPOT Imaging.SPOT Satellite Geometry Handbook［ED/OL］.http://www－img.univ－mlv.fr/～ riazano/publications/GAEL－P135－DOC－001－01－04.PDF，2012.

［13］ 楊 斌，李文慧.基于NDWI和熱紅外混合的水體識別方法［J］.淮陰師范學院學報:自然科學版，2012，11(4):362－366.Yang B，LiW H.Water recognition based on NDWI and thermal infrared［J］.Journal of Huaiyin Teachers College:Natural Science，2012，11(4):362－366.

［14］ 黃永磷，農民強，孫 涵.基于FY－3A/MERSI的洪澇災害遙感監測初探［J］.氣象研究與應用，2009，30(2):59－62.Huang Y L，Nong M Q，Sun H.Flood disaster remote monitoring based on FY－3A/MERSI data［J］.Journal of Meteorological Research and Application，2009，30(2):59－62.

［15］ 丁太勝，胡 雯，馬曉群，等.江淮流域旱澇災害氣象衛星遙感監測和預報方法研究［J］.高原氣象.2003，22(2):147－154.Ding T S，Hu W，Ma X Q，et al.Research on satellite monitoring and prediction of droughtand flood disasters in Jiang－Huai Valley［J］.Plateau Meteorology，2003，22(2):147－154.

［16］ 都金康，黃永勝，馮學智，等.SPOT衛星影像的水體提取方法及分類研究［J］.遙感學報，2001，5(3):214－219.Du JK，Huan Y S，Feng X Z，et al.Study on water bodies extraction and classification from SPOT image［J］.Journal of Remote Sensing，2001，5(3):214－219.

［17］ Rao P K.氣象衛星——系統、資料及其在環境中的應用［M］.許健民譯.北京:氣象出版社，1994:178－201.Rao P K.Meteosat—System，Data and its Application in the Environment［M］.Translated by Xu JM.Beijing:Meteorological Press，1994:178－201.

［18］ Gong P，Wang J，Yu L，et al.Finer resolution observation and monitoring ofglobal land cover:Firstmapping resultswith Landsat TM and ETM+data［J］.International Journal of Remote Sensing，2013，34(7):2607－2654.

［19］ Martinec J，Rango A，Roberts R.Snowmelt Runoff Model(SRM)User’s Manual［R］.Las Cruces:New Mexico State University.

［20］ 李文慧，楊 斌，黃永璘.基于MERSI的洪澇災害遙感監測技術應用研究［J］.科技信息，2012(32):61－62，65.LiW H，Yang B，Huang Y L.Application of remote sensing technology based MERSI floods［J］.Science Technology Information，2012(32):61－62，65.

［21］ 丁 鳳.基于新型水體指數(NWI)進行水體信息提取的實驗研究［J］.測繪科學，2009，34(4):155－157.Ding F.Study on information extraction of water body a new water index(NWI)［J］.Science of Surveying and Mapping，2009，34(4):155－157.

［22］ 潘 勵，何 瀟.環境減災衛星CCD影像精糾正方法研究［J］.武漢大學學報:信息科學版，2013，38(6):631－636.Pan L，He X.Rectificationmethod of linear CCD image form HJ－1A/1B satellites［J］.Geomatics and Information Science Wuhan University，2013，38(6):631－636.

［23］ 張佳華，吳 楊，姚鳳梅，等.利用衛星遙感和地面實測積雪資料分析近年新疆積雪特征［J］.高原氣象，2008，27(3):551－557.Zhang JH，Wu Y，Yao FM，etal.Analysesof recent Xinjiang snow cover feature utilizing satellite remote sensing and surface observation data［J］.Plateau Meteorology，2008，27(3):551－557.

［24］ 李曉靜，劉玉潔，朱小祥，等.利用SSM/I數據判識我國及周邊地區雪蓋［J］.應用氣象學報，2007，18(1):12－20.Li X J，Liu Y J，Zhu X X，et al.Snow cover identification with SSM/Idata in China［J］.Journal of Applied Meteorological Science，2007，18(1):12－20.