基于GEE平臺的水葫蘆災害監測研究與應用

彭力恒，秦 雁，黃本勝，吉紅香，鄭 泳

(1.廣東省水利水電科學研究院，廣州 510635；2.廣東省水動力學應用研究重點實驗室，廣州 510635；3.河口水利技術國家地方聯合工程實驗室，廣州 510635)

1 概述

水葫蘆，學名鳳眼蓮[Eichornia crassipes (Mart.)Solms.]，又名水浮蓮，為雨久花科鳳眼藍屬浮水草本植物，原產于南美洲，是國際公認的十大入侵惡性雜草之一[1]。中國南部沿海地區水熱條件優良，缺少水葫蘆的有效天敵，因此水葫蘆一旦野生，很難人為控制，從而造成災害，廣東省東江流域、西江流域、珠江三角洲等區域的河流水葫蘆泛濫成災[2]。黃本勝、袁夢、徐紅輝等學者則通過水槽盆栽、水流物理模型和數值模擬等系列研究發現，生長在水面的水葫蘆可改變自由表面流的特性，因而有增加水流阻力、改變水流流速分布、占用一部分行洪過水斷面積的弊端，影響河道的行洪能力[3-5]，而且其形成規模將引發阻塞航運、破壞水生生態系統、死亡后二次污染水質、滋生蚊蟲等災害[1,6]。水葫蘆災害防治方法有人工及機械打撈防治、化學藥品防治、生物天敵防治等方式，但最為安全有效的方法仍為機械打撈[1]。水葫蘆隨水流漂移，生長蔓延迅速，人工巡查難以及時、動態掌握流域范圍內水葫蘆時空分布情況。

衛星遙感數據的云處理技術對于大區域的水葫蘆監測具有宏觀、高效、經濟等優勢[6-7]，可為水葫蘆流域系統治理、區域聯防聯控、成效動態評價等工作提供新方法。類似廣東省東江流域等較大流域的水葫蘆監測在學界較為少見，且對于海量遙感數據的處理，急需快速、有效的手段，以滿足水葫蘆大范圍、高時效性的動態監測需求。Google Earth Engine(GEE，https://earthengine.google.com)遙感云數據處理平臺致力于解決遙感數據量巨大且格式不統一、數據處理效率過低、數據管理及使用成本過高等問題。[8-9]，引入該平臺可高效完成海量遙感數據的快速分析和可視化需求。

與水葫蘆遙感相似的研究主要集中于漂浮覆蓋水面的大型海藻滸苔監測研究，或其他藻類水華遙感監測研究[10-15]。利用遙感影像分析水葫蘆的時空動態變化研究在近年漸增，然而尚未發現基于GEE平臺完成多期水葫蘆時空變化監測的研究，云數據處理技術用于監測水葫蘆災害的能力尚有待研究。

本文參考已有的浮生植物遙感監測手段，借助可有效提取水葫蘆的中高分辨率影像光譜特征、植被指數[6-7,14-15]，建立水葫蘆遙感識別模型，在GEE平臺完成流域級遙感數據處理，分析廣東省東江流域的水葫蘆分布情況，以輔助水葫蘆災害治理的精準決策。

2 研究區與數據

2.1 廣東省東江流域

東江發源于江西省尋烏縣椏髻缽山，源河為三桐河。在廣東省內，東江干流自東北向西南流經河源市、惠州市、東莞市、廣州市，于廣州市黃埔區禺東聯圍東南匯入獅子洋。流域集水面積35 340 km2，河長562 km，平均年徑流量2.571 010 m3。本文所指東江流域為位于廣東省內的區域，范圍如圖1所示。

圖1 研究區位示意

研究區內由于各種工、農產業和城市化迅猛發展，流域水污染問題凸顯。再者，由于治理水污染的末端管網建設滯后，鄉鎮的溝渠、池塘、河涌等治水的“最后一公里”難以監管，養殖及生活污水直排，致使水體富營養化及有機污染嚴重。最終導致水葫蘆在研究區內大量繁殖生長，容易爆發水葫蘆災害。

2.2 數據來源

本文數據來源包括：2017—2020年間Sentinel-2衛星影像4 856景、高分1號衛星影像58景、高分2號衛星影像38景以及2018年實地調研數據(見表1)。Sentinel-2衛星影像采用GEE平臺上的存檔數據，并使用GEE平臺直接對其進行處理分析。高分1號及2號衛星影像，在高分辨率對地觀測系統廣東數據與應用中心網站(http://gdgf.gd.gov.cn/index.jsp)下載獲取。Sentinel-2衛星星座由兩顆衛星組成，由歐洲空間局分別于2015年、2017年發射。兩顆衛星同軌道且相隔180度，雙星重訪周期為6 d，每顆Sentinel-2衛星攜帶1枚多光譜成像儀MSI，儀器覆蓋13個可見光、紅外波段，其成像影像幅寬達 290 km。高分1號衛星于2013年發射，其寬視場相機WFV包含藍、綠、紅、近紅外4個波段，4臺WFV組合的影像幅寬為800 km，最快可實現2 d重訪；高分1號全色多光譜相機PMS包含藍、綠、紅、近紅外、全色5個波段，兩臺PMS組合的影像幅寬為60 km。高分2號衛星于2014年發射，其載荷為全景多光譜相機PMS，包含藍、綠、紅、近紅外4個波段以及1個全色，成像幅寬為45 km，重訪周期不大于5 d。

表1 數據來源

3 研究方法

本文基于GEE平臺的水葫蘆遙感識別方法主要參考團隊成員已有研究[6]，方法主要流程包括高分1號和高分2號遙感影像預處理(正射糾正、輻射定標、數據融合和大氣糾正等)、基于歸一化水體指數NDWI[16]的水域模板制作和基于歸一化植被指數NDVI[17]的水葫蘆識別，本文不再重述。本文著重介紹基于GEE平臺的數據處理方法和精度評價方法。

3.1 基于GEE平臺的水葫蘆遙感識別方法

GEE平臺是先進的云地理信息處理平臺，儲存了超過25PB的隨時可分析數據供用戶使用[8-9]。通過該平臺在線編寫JavaScript API腳本、或者調用Python開發包的方式，基于谷歌服務器強大的云計算能力，即時處理海量地理空間數據，快速完成數據分析及分析結果的可視化。科研技術人員只需使用網頁瀏覽器登錄平臺，即可完成海量數據的處理工作。

本文使用GEE平臺，選取廣東省東江流域作為研究區，直接調用研究區內的4 856景Sentinel-2 MSI影像Level-1C產品(大氣層頂反射率TOA)作為研究數據集。對數據集中的數據先完成云量篩選，而后對各期影像完成去云、拼接、裁剪等在線影像預處理，計算各期影像的NDWI、NDVI作為影像分析的基礎數據。使用大津法(OTSU)[18]確定每期影像制作水域模板的閾值，并使用在線的影像掩膜功能制作水域模板，根據水域模板裁剪各期影像。使用大津法確定各期影像水葫蘆提取閾值，并在水域模板影像中識別水葫蘆的范圍。最終將水葫蘆分布圖像在線轉化為矢量格式，下載到本地，完成與各期高分影像的比對和后期的修正處理，形成各期水葫蘆提取結果。

對于東江流域下游惠州、東莞等重點區域，采用高分1號、2號衛星遙感數據作為輔助，依照同樣的算法流程，在本地單機實現數據處理分析。

3.2 精度評價

本文以目視解譯為基礎，結合實地調研數據的先驗知識和輔助信息，使用高分1號、高分2號各期遙感影像，在空間中隨機選取驗證點，以此作為水葫蘆提取的驗證樣本。

根據驗證樣本制作誤差混淆矩陣(Confusion Matrix)，并基于誤差混淆矩陣計算分類的總體精度、制圖精度、用戶精度3種評價指標[19]，以定量評價本文的分類結果。

若分類結果中，個驗證樣本被分為種類型，則誤差混淆矩陣是個的矩陣，矩陣中數據代表，驗證樣本中，真實地物類型(參考數據)為第類地物的驗證樣本，被分類為第類地物(被評價數據)的數量，其中和均為不大于的正整數。總體精度指驗證樣本中分類正確的比例，即混淆矩陣中對角線之和與驗證樣本總數之比，用于量化分類的總體效果。制圖精度指在驗證樣本中針對單個地物類型的像元被正確歸類的比例，即混淆矩陣中每行的對角線數與當行總數之比，用于量化分類結果中某類地物被漏分類的程度。用戶精度指分類結果中針對單個地物類型被分類后被正確歸類的比例，即混淆矩陣中每列的對角線數與當列總數之比，用于量化分類結果中某類地物因分類方法誤分類的程度。

4 結果分析

4.1 精度驗證結果

對于水葫蘆提取結果，本研究選取2017年3月及2018年1月遙感影像進行試驗，各制作321個驗證樣本，統計其混淆矩陣(見表2、表3)，計算總體精度、制圖精度、用戶精度指標，以驗證本文方法的水葫蘆提取精度。

表2 2017年3月水葫蘆提取混淆矩陣

表3 2018年1月水葫蘆提取混淆矩陣

結果表明，2017年3月的水葫蘆提取總體精度、制圖精度、用戶精度分別為78.82%、78.57%、77.56%，2018年1月的水葫蘆提取總體精度、制圖精度、用戶精度分別為83.18%、84.13%、75.71%，各項精度評價指標均高于前人的類似研究。因此，該水葫蘆遙感數據提取方法適用于本研究，可將其推廣于多時相遙感影像的水葫蘆提取識別。

4.2 廣東省東江流域水葫蘆分布及監測情況

本文利用基于GEE平臺的水葫蘆遙感識別方法，提取廣東省東江流域2019年3月和2020年4月共兩期的水葫蘆分布情況(見圖2)，并以縣級行政區劃為單位制作水葫蘆面積統計示意(見圖3)，為研究區的水葫蘆災害監測及防治提供信息支持。

圖2 東江流域行政區水葫蘆面積分布示意

圖3 東江流域縣級行政區水葫蘆面積統計示意

2019年3月廣東省東江流域水葫蘆主要分布在流域中下游，東莞、惠州、廣州、河源分布較廣，上游地區則較少。根據遙感監測后的統計結果，按縣級行政區水葫蘆覆蓋面積將行政區分為4個等級：第1等級為東莞、惠城、增城，其范圍內水葫蘆覆蓋面積分別達到了2.36 km2、1.34 km2、1.01 km2；第2等級為東源、博羅，其區域內水葫蘆覆蓋面積次之，分別為0.84 km2、0.74 km2；第3等級為紫金、源城，其區域內水葫蘆分布面積較少，分別為0.23 km2、0.19 km2；第4等級為和平、寶安、惠陽、新豐、龍門、龍川，其區域內水葫蘆分布面積相對較少，分別為0.09 km2、0.08 km2、0.08 km2、0.06 km2、0.03 km2、0.03 km2。興寧、連平、惠東、黃埔、龍崗、福田、羅湖、南山、鹽田未發現水葫蘆分布。

2020年4月廣東省東江流域水葫蘆主要分布于流域下游，廣州、東莞、惠州的水葫蘆覆蓋面積較多，上游地區水葫蘆覆蓋面積相對較少。根據遙感監測結果統計，按水葫蘆覆蓋面積情況將行政區分為4個等級：第1等級為東莞、惠城，區域內水葫蘆覆蓋面積分別達到了1.56 km2、1 km2；第2等級為博羅、增城、紫金，水葫蘆覆蓋面積次之，分別為0.84 km2、0.69 km2、0.39 km2；第3等級為惠東，水葫蘆分布面積為0.17 km2；第4等級為東源、和平、龍門、寶安、新豐、源城、龍崗、連平、龍川、惠陽，水葫蘆分布面積相對較少，分別為0.13 km2、0.09 km2、0.07 km2、0.06 km2、0.05 km2、0.04 km2、0.03 km2、0.02 km2、0.02 km2、0.02 km2。興寧、黃埔、福田、羅湖、南山、鹽田暫未發現水葫蘆分布。

對比2019年3月和2020年4月兩個時期的統計數據，發現廣東省東江流域水葫蘆覆蓋總面積由7.08 km2減少至5.19 km2，面積減少26.7%，說明水葫蘆災害治理的效果顯著。

從各行政區劃的尺度上看，2020年4月惠東、紫金、博羅、龍門、龍崗、連平的水葫蘆較2019年3月有所增加，其中又以惠東、紫金、博羅增加較為明顯，分別增加了0.17 km2、0.16 km2及0.11 km2。疊加高分辨率遙感圖像對比，發現水葫蘆覆蓋面積增加的區域多數位于城鎮中細小的河涌、溪流、池塘，主要支流，干流基本未見水葫蘆。另一方面，2020年4月龍川、新豐、寶安、惠陽、源城、增城、惠城、東源、東莞的水葫蘆較2019年3月有所減少，其中減少幅度最顯著的是源城、增城、惠城、東源、東莞，分別減少了0.15 km2、0.32 km2、0.34 km2、0.71 km2、0.8 km2。

5 結論與展望

東江流域水葫蘆分布及監測研究工作表明：基于GEE平臺，通過計算光學遙感影像植被指數、水體指數提取水葫蘆的方法可靠，精度較高，可應用于大范圍水葫蘆分布時空分析。

由于GEE平臺提供了海量數據云存儲、快速云計算能力，同時開放了圖像處理API接口，用戶只需編寫完成算法程序，就能即時實現流域級遙感數據計算分析任務。經測試，基于GEE平臺采用Sentinel-2衛星遙感數據提取東江流域水葫蘆分布耗時約1 min，成果數據可在平臺進行展示及統計分析，最終下載到本地。常規方式需花費數小時，甚至數天時間完成流域級遙感圖像的下載，后續的影像處理和分析即使使用工作站編寫程序處理圖像數據，也需要小時級別的時間才能完成。且基于GEE平臺，對用戶設備幾乎沒有性能要求，也不需要提前購置圖像處理軟件，極大地提升水葫蘆時空分布的監測效率，為水葫蘆災害防治及治理成效評價提供準實時信息支撐、高效的技術支撐。

基于GEE平臺分析水葫蘆空間分布信息，既能全面、及時掌握水葫蘆的分布情況，制定科學合理的治理方案，又能高效準確的判斷治理效果。廣東省東江流域的水葫蘆防治實踐證明，該技術為東江流域建立水葫蘆災害流域系統治理，區域聯防聯治，長效治理評價的工作機制提供了科學的支撐。經過技術應用與科學治理，廣東省東江流域水葫蘆災情得到了明顯的改善。

隨著河長制湖長制的進一步推行，江河水質的不斷改善，水葫蘆防治逐漸向小、微、污染重的水體發展。需要進一步縮短遙感監測周期、提高遙感監測精度，結合多時相高分辨率水質遙感識別污染排放源，監管排污實體，綜合分析水葫蘆分布和災害情況。同時，建立地面巡查與遙感監測相結合的動態監察體系，持續監管評價治理成效，根治水葫蘆頑癥，防止反復成災。