基于遙感數(shù)據(jù)的圩區(qū)鄉(xiāng)村水系形態(tài)與水質(zhì)研究

程 昝，邱婭柳，霍 璐

（1.南京市水利規(guī)劃設(shè)計院股份有限公司，江蘇 南京 210022；2.高淳區(qū)水資源管理中心，江蘇 南京 211300）

0 引 言

當前，隨著生態(tài)文明建設(shè)的深入發(fā)展，水系治理更加注重上下游統(tǒng)籌、水岸同治、連片治理、區(qū)域山水林田湖草的綜合治理，對于單元片區(qū)、流域范圍內(nèi)開展水系形態(tài)與水質(zhì)研究顯得格外重要[1]。

本文以高淳北固村平原水網(wǎng)圩區(qū)作為單元片區(qū)，基于landsat8 衛(wèi)星遙感數(shù)據(jù)與高分衛(wèi)星遙感數(shù)據(jù)，借助形態(tài)學、拓撲學等理論對研究區(qū)的水系形態(tài)進行提取分析，包含水系邊界、中心線地提取，相關(guān)形態(tài)指標的計算[2]。并基于遙感數(shù)據(jù)對于水質(zhì)數(shù)據(jù)進行反演建模，探討研究區(qū)水系形態(tài)與水質(zhì)的關(guān)系。豐富了遙感數(shù)據(jù)在水系研究中的應(yīng)用[3]。

1 研究范圍

北固村隸屬于江蘇省南京市高淳區(qū)陽江鎮(zhèn)，是典型的水網(wǎng)圩區(qū)，地處南蕩圩。西側(cè)為水陽江，南側(cè)為撐龍港，北側(cè)為運糧河，東側(cè)為官溪河，如圖1，本文研究對象為北固村中的水系河網(wǎng)。

圖1 北固村位置

2 遙感數(shù)據(jù)的獲取與預(yù)處理

2.1 遙感數(shù)據(jù)的獲取

Landsat 8 衛(wèi)星是美國陸地衛(wèi)星計劃（Landsat）的第八顆衛(wèi)星，包括9 個波段，空間分辨率為30 m，其中包括一個15 m 的全色波段[4]。Landsat8 數(shù)據(jù)由地理空間數(shù)據(jù)云（http://www.gscloud.cn/）網(wǎng)站下載獲取。而高分衛(wèi)星數(shù)據(jù)則是由南京水利規(guī)劃設(shè)計院股份有限公司提供。

2.2 遙感數(shù)據(jù)的預(yù)處理

因為Landsat8 文件己經(jīng)經(jīng)過了帶DEM 的地形校正，所以坐標精度基本能滿足中小比例尺的要求，但還未做輻射定標和大氣校正。采用ENVI 的Radiometric Calibration 及Apply Flaash Setting 工具自動讀取元數(shù)據(jù)中的正射參數(shù)將本研究選取的數(shù)據(jù)進行輻射定標[5]。

大氣校正是遙感數(shù)據(jù)進行定量分析的基本前提，其根本目的是盡可能地排除地物反射率的各種不良影響。本研究采取較為通用的大氣輻射傳輸模型MODTRA，使用ENVI 對Landsat-8 數(shù)據(jù)進行大氣校正[6]。

由于遙感波段分辨率較低，難以滿足小尺度的空間研究要求，因此需要將高分衛(wèi)星的高精度可見光遙感數(shù)據(jù)與landsat 的低精度遙感衛(wèi)星遙感數(shù)據(jù)進行融合重采樣，從而滿足后續(xù)研究的需求[7]。

3 基于遙感數(shù)據(jù)的圩區(qū)鄉(xiāng)村水系形態(tài)與水質(zhì)研究

3.1 形態(tài)提取

（1）水系邊界提取

水系的邊界是水系研究的基礎(chǔ)之一，而水系對于不同波段的吸收率差異較大，因此可以采用歸一化水體指數(shù)（NDWI）進行水系邊界范圍的提取[8]，歸一化水體指數(shù)（NDWI）能夠準確的識別出水系范圍，清晰的分辨水系邊界[9]。歸一化水體指數(shù)（NDWI）公式如下：

式中：Green 為綠光波段、NIR 為近紅外波段。

從圖2 可以看出，采用改進水體指數(shù)提取的水系邊界與高清衛(wèi)星影像圖的水系邊界基本重合，甚至能夠識別出部分因水體植物遮擋而無法肉眼識別的水系區(qū)域，因此通過改進水體指數(shù)提取的水系邊界能夠準確清晰的反應(yīng)實際的水體范圍[10]。

圖2 水系邊界提取

（2）水系中心線提取

水系河網(wǎng)的中心線能夠反應(yīng)水系的基本形態(tài)、是后期水系概化以及其它深入研究的基礎(chǔ)。在上一節(jié)邊界提取的水系邊界基礎(chǔ)上，運用骨架算法提取中心線，作為后續(xù)研究的基礎(chǔ)。骨架算法有歐式距離法、細化迭代法、三角網(wǎng)劃分法等多種算法，近幾年神經(jīng)網(wǎng)絡(luò)在骨架算法上也取得了較大的進展[11]。

由于研究區(qū)水系形態(tài)線性趨勢明顯，因此可采用原理相對簡單的歐式距離法提取水系中心線。歐式距離法的原理是通過邊界范圍對內(nèi)進行距離變換，變換后形成局部極值點（如圖3），再將局部極值點連線形成骨架。但骨架不止包含中心線，還包含一些小枝杈，因此需要調(diào)節(jié)參數(shù)，多次迭代，只保留中心骨架，即中心線[12]。研究區(qū)水系中心線提取結(jié)果如圖4 所示。

圖3 歐式距離法提取骨架

圖4 水系中心線提取結(jié)果

3.2 水質(zhì)反演

（1）波段篩選

遙感數(shù)據(jù)能夠反演水質(zhì)的原因是因為不同水質(zhì)的水系對各類波段的吸收率不同，例如富營養(yǎng)化的水體通常對于綠色波段吸收率較高。因此首先將現(xiàn)場采集的水質(zhì)數(shù)據(jù)與同一天的遙感遙感衛(wèi)星數(shù)據(jù)的多個波段進行相關(guān)性分析，選出其中關(guān)聯(lián)性較高的波段進行建模，來達到反演水質(zhì)的目的[13]。

通過對于現(xiàn)場采集的水質(zhì)數(shù)據(jù)與同一天的Landsat8 遙感遙感衛(wèi)星數(shù)據(jù)的多個波段進行相關(guān)性分析（表1），結(jié)果表明，紅光波段、綠光波段與水體懸浮物的相關(guān)性較高，紅光波段與近紅外波段與葉綠素A 相關(guān)性較高，其它波段與各水質(zhì)采集數(shù)據(jù)相關(guān)性都較小，但紅光波段、綠光波段與近紅外波段的皮爾遜系數(shù)（Pearson）依然小于0.8，單波段不足以反應(yīng)研究區(qū)水質(zhì)情況，因此需要將多個波段進行綜合建模[14]。因此可以采用水體渾濁度指數(shù)（WSI）及植被指數(shù)（NVDI）來反映北固村圩區(qū)水系的水質(zhì)狀況。

表1 水質(zhì)采集數(shù)據(jù)與Landsat8 各波段皮爾遜（Pearson）相關(guān)系數(shù)分析

（2）多波段融合

水體渾濁度指數(shù)（WSI）僅涉及紅光波段與綠光波段，并且水體渾濁度指數(shù)（WSI）也是常用的反演水體懸浮物情況的遙感指標之一，因此選用水體渾濁指數(shù)指數(shù)（WSI）來反演出研究區(qū)水系水體懸浮物情況[15]。

式中：水體渾濁度指數(shù)（WSI）計算方式為紅光波段的反射值（R）與綠光波段的反射值（G）之差比上兩者之和。

植被指數(shù)（NVDI）僅涉及紅光波段與近紅外波段，是反映植被生長的重要參數(shù)之一，可以用于分析水中富營養(yǎng)化情況或葉綠素A 的含量，計算公式如下：

式中：計算方式為近紅外波段（NIR）與紅光波段的反射值（R）之差比上兩者之和，

（3）計算結(jié)果

為了將水質(zhì)指標數(shù)據(jù)提取出來，在ARCGIS 中沿著河道的中心線設(shè)置采樣點，并保證點的位置是位于遙感數(shù)據(jù)像素的中心點，且間距不大于50 m。最后得到采樣點291 個，并依據(jù)河道ID 將點分類，計算不同河道采樣點數(shù)據(jù)的平均值，作為該河道的水質(zhì)指標數(shù)據(jù)，提取結(jié)果如圖5、圖6。

圖5 植被指數(shù)

圖6 水體渾濁指數(shù)

將多波段融合后的植被指數(shù)（NVDI）、水體渾濁指數(shù)（WSI）分別與葉綠素A 及水體懸浮物濃度進行相關(guān)性分析后，皮爾遜系數(shù)（Pearson）均大于0.8，呈強相關(guān)。

由圖5、圖6 可以看出，植被指數(shù)得分較高的基本為直接與蟹塘相連的支溝，干溝植被指數(shù)得分較低。水體懸浮物得分較高的以部分干溝為主，部分干溝得分較低，支溝得分處于中等水平。

4 結(jié) 語

本文研究表明，遙感數(shù)據(jù)能夠準確清晰地提取圩區(qū)鄉(xiāng)村水系邊界與中心線，并反演建模圩區(qū)鄉(xiāng)村水系的各類水質(zhì)數(shù)據(jù)，其中水體渾濁度指數(shù)（WSI）與植被指數(shù)（NVDI）能夠準確地反映圩區(qū)鄉(xiāng)村水系中的水體懸浮物與葉綠素A 含量。本文僅對水系的范圍與邊界進行了提取分析，并未對水系形態(tài)的其它指標進行進一步探索。