基于NPP-VIIRS夜光遙感的洪水災損評估及可視化

何原榮，王曉榮，柴春芳，余德清，鄭淵茂，李棟坤

（1.廈門理工學院數字福建自然災害監測大數據研究所，福建廈門 361024；2.洞庭湖區生態環境遙感監測湖南省重點實驗室，湖南長沙 410007）

引言

隨著全球變暖，氣候異常多變，造成洪水災害頻發。洪水不僅破壞生態環境，而且嚴重威脅人類生命與財產安全，阻滯經濟發展進程。因此迫切需要快速有效的洪水災害評估方法。洪澇災害是世界上發生最頻繁、危害最嚴重的自然災害之一，約占全球自然災害損失40%［1，2］。據《2020年全國十大自然災害》顯示，全年自然災害造成全國直接經濟損失高達3 701.5億元，受災人口1.38億人，其中主要以洪澇為主，6月中旬洪澇已致714.4萬人受災，直接經濟損失達210.6億元，6.6萬間房屋倒塌或者不同程度損壞。洪水災害引起社會廣泛關注，其中受影響區域范圍提取是洪水防治的重要內容。因此，在洪水災害發生后，如何科學確定受影響區域，對災損進行快速評估并制定防災減災決策，具有十分重要的現實意義［3］。同時，災害風險存在較強地域性，對特定區域的研究具有重要意義［4］。

由于洪澇災害高風險區往往是連續片狀分布［5］，導致災害風險中的受災人口和災損增加［6］。因此，洪水災損評估是反映災情、及時開展救援和制定防災減災決策的重要數據來源和支撐。目前評估方法主要是概率統計指標綜合法［6－7］、基礎統計法［8］和遙感數據分析法［9］。概率統計指標綜合法主要依賴實地調查，費時費力且伴隨一定程度的危險性。基礎統計數據時效性較差，更新速度較慢，空間信息不足，難以保證評估準確率［8］。目前，常見的日間光學衛星遙感數據由于受寬幅限制，難以實現大尺度區域分析且解譯需要大量人力與物力。

夜間燈光遙感具有數據可獲得性強、經濟性且空間覆蓋范圍廣。近年來，夜光遙感數據在災損評估方面展現了獨特的優勢，可客觀地反映災害前后變化，具有客觀性、經濟性和海量數據等優勢，為洪水評估提供了新路徑［9］。與傳統災損評估方法相比較，夜光遙感數據可更客觀、更快速對災情進行定量評估［10－11］。學者們嘗試將夜光遙感數據應用于自然災害評估領域，在國外Kohiyama等［12］提出基于夜光遙感數據災害前后變化檢測出地震災損區域，定量評估地震對人類造成影響；在國內張寶軍［13］采用DMSP-OLS夜光遙感數據研究汶川地震，分析夜光在極重災區的變化規律，結果表明，災后亮度減少值與受影響人口數存在較顯著相關性。近年來，新一代的更高分辨率NPP-VIIRS夜光遙感數據為災損評估及恢復監測提供了新視角，比如，杜若華等［14］采用NPP-VIIRS夜光遙感數據分析魯甸地震前后災區夜光遙感數據時空變化過程，探討夜間燈光與經濟活動的關系，實現對震后災區恢復重建過程的準確監測。Zhao等［15］采用時間序列分析統計方法對颶風伊爾瑪和瑪麗亞造成的損失進行評估，并對災后恢復情況進行監測，成功獲取了受颶風破壞導致的夜間燈光亮度變化。Zheng等［16］采用NPP-VIIRS夜光遙感日數據對臺風災害進行快速評估，提出受影響人口計算方法并得出災后受影響人口提取的準確率為83.2%，可得NPP-VIIRS日數據對于提取臺風造成的受影響人口是準確有效；同時提取災后受影響區域及人口的時空分布和受影響程度，可為政府制定應急救援管理措施快速提供決策數據支撐。此外，曹羅丹等［17］基于夜光遙感數據采用空間分析構建洪災風險評估模型進行浙江洪水風險評估，表明遙感數據監測災害是可行。郭磊等［18］基于夜光遙感和土地利用數據結合，將人口和GDP空間化，并進行精度驗證，表明夜光遙感數據用于洪水評估是可行。

以上研究表明夜光遙感影像在臺風和地震等自然災害評估取得了重要成果，夜光遙感彌補了傳統方法信息獲取的不足。通過夜光遙感數據可直接反映自然災害對人類生活造成的影響［12］。因此采用夜間燈光變化提取受災區域評估自然災害是合理的嘗試，但夜光遙感數據在洪水災害評估的應用尚少報道。因此，本研究開展夜光遙感數據在洪水災損的評估。

綜上所述，針對傳統災損評估存在的時效性差、工作量大和信息獲取費時費力等不足，本研究基于NPP-VIIRS DNB夜光遙感數據，以廣西壯族自治區為研究區，開展洪水災損評估研究，對受影響區域和受災人口進行定量評估。首先對NPP-VIIRS DNB夜光遙感日數據進行預處理，通過災害前后夜光變化確定受影響區域；其次構建燈光指數與人口關系模型，確定最優擬合模型，實現洪水受影響區域和受災人口的快速評估；最后基于WebGIS將燈光密度、災情統計、多媒體數據進行集成開發，實現災情動態信息在線可視化展示，可為政府及公眾及時掌握災情進而有效制定應急救援措施提供重要的數據支持。

1 研究區與數據源

1.1 研究區概況

廣西壯族自治區位于我國西南沿海地帶，行政區域土地面積23.76萬平方千米，地處兩廣丘陵西部，素有盆地之稱。廣西屬于亞熱帶季風氣候，氣候宜人適于居住，水力資源眾多，降雨量豐富。一般4～9月為雨季時節，在此期間，降水量約為全年的70%～80%，洪水災害頻發。在2020年，“西江2020年第1號洪水”從6月2號持續到6月10號，對廣西影響極大，局部出現大暴雨，強降雨造成柳江、洛清江、賀江、桂江、黔江、西江等44條河流67個水文站出現超警戒水位0.02 m至6.37 m，導致多市受到影響，受影響嚴重區域主要是桂林市、百色市、柳州市和河池市。

1.2 數據來源及預處理

1.2.1 NPP-VIIRS夜光遙感數據

NPP-VIIRS夜光遙感數據（https://ngdc.noaa.gov/eog/viirs/download_dbs.html）主要包括年數據、月數據和日數據，本研究采用現有的2016年合成數據、2019年4月合成數據作為災前參照影像以及2020年6月12－20日數據進行研究。由于DMSP-OLS夜光遙感數據存在輻射精度粗糙、空間分辨率低和缺乏星載標定等局限性；而NPP-VIIRS夜光遙感數據分辨率高于DMSP-OLS且沒有溢出效應，能夠捕捉更加細微的夜間燈光，為洪水評估提供新的數據源。因此，本研究對NPP-VIIRS夜光遙感數據進行預處理，首先將NPP-VIIRS夜光遙感數據基于行政區劃圖對影像裁剪、Albers投影和最近鄰插值法重采樣至500 m×500 m，并將負值的區域賦值為0；其次，根據Zheng等［16］和張小詠等［19］的研究，采用統計量法輻射歸一化方法可降低云層對NPP-VIIRS夜光遙感影像的影響［16，19］，該方法已被證實具有可行性與準確性，統計量法輻射歸一化方法如公式（1）所示，再通過線性變換得統計量法輻射歸一化模型為式（2）所示；最后通過差值計算得到差值影像并進行顯著性檢驗。

式中；g f為歸一化后的像素值；μf、σf為參考影像的均值和標準差；g r、μr、σr為原影像的像素值、均值和標準差。

顯著性檢驗是針對相同區域擁有同一輻射特性的夜光遙感影像具有相同的灰度分布假設獲取分割閾值，避免閾值確定的隨意性［16，19］。置信度一般有0.90、0.95、0.99三種水平，0.99的置信度一般用于醫學領域，在遙感影像的變化檢測中，0.90的置信度會存在較大虛警率，導致存在實際非受影響區域的像素被判斷為受影響區域像素的現象。因此，本研究選擇0.95的置信度進行顯著性檢驗來確定閾值，提取受影響區域，減小顯著性檢驗目標周圍存在的虛警噪聲。差值影像擬合計算得到高斯密度函數，如式（3）所示：

式中；μ為差值影像均值；σ為差值影像標準差。

1.2.2 其他輔助數據

研究區域經濟統計數據主要來源于2017年《廣西統計年鑒》，主要用于洪水災損評估及構建人口模型關系。分辨率為30m的土地利用柵格數據FROM-GLC10主要來源于清華大學地球系統科學系（http://data.ess.tsinghua.edu.cn/fromglc2017v1.html），數據包含農田、森林、草地、灌木、濕地、水、不透水面和裸地。研究區行政區劃圖來自國家地理信息中心（http://ngcc.sbsm.gov.cn/article/en/）提供的1：400萬矢量行政區域數據。

1.3 技術路線

本研究首先對夜光遙感數據進行預處理，通過差值法提取變化區域并提取受影響面積及監測災后恢復程度。其次，在統計數據的支撐下，進行燈光指數與人口線性和多項式模型的構建，確定最佳模型，定量反演人口并進行精度評價。最后，估算受災人口并分析災后恢復狀況，為洪水災害的應急救援提供數據支持。技術路線如圖1所示。

圖1 技術路線圖Fig.1 Technology roadmap

2 研究方法

2.1 燈光指數構建

燈光指數可表征從夜光遙感獲取人口與經濟發展變化動態。燈光像元可從縱向和橫向方面體現經濟發展狀況，平均燈光強度Light Density（LD）縱向體現人口密度、經濟頻度和城市建成區集中分布。燈光面積Light Area（LA）橫向展示區域人口與GDP分布范圍，以及城市擴張趨勢［20］。計算如式（4）～（6）所示：

式中：L D為平均燈光強度，T NL為燈光總強度，L A為燈光面積，DN為像元亮度值。

2.2 模型適宜性分析

2.2.1 模型構建

針對燈光指數與人口相關性，構建市級和縣級尺度燈光指數與人口的相關性模型，對比R2選取最優模型。線性模型和非線性模型如式（7）和式（8）所示：

式中，y為人口相關參數，R V IIRS為NPP-VIIRS夜光亮度輻射值，a、b、c為常數項。

基于燈光指數與人口的關系模型，并根據計算所得受影響面積定量估算受災人口。如式（9）所示：

式中：P E為受影響總人口；ρE為受影響區域人口密度；A E為受影響面積。

2.2.2 精度評價

相對誤差（Relative Error，RE）指模擬預估值與真實值之間的絕對誤差之比，反映結果可信度。本研究采用相對誤差對所構建模型擬合精度進行驗證，以年鑒統計人口數據作為真實值（Rs），Re為模擬結果，具體計算如式（10）所示。

根據相對誤差范圍劃分等級，分為高、中、低3個等級，具體如表1所示。

表1 相對誤差劃分標準Table 1 Standards for dividing relative errors

3 研究結果

3.1 受影響面積評估

夜間燈光與人類生活狀況息息相關，客觀反映經濟發展程度。洪水發生前后，燈光亮度發生顯著變化，電力線損毀和建筑物倒塌導致燈光亮度顯著減少。基于此，本研究以廣西壯族自治區14個市為研究區域，選取多個森林、湖水等不受云層及噪聲影響的區域作為廣西壯族自治區每個城市的統計樣本，對夜光遙感影像進行輻射歸一化得到歸一化影像，通過災前影像與災后歸一化后影像差值計算得到差值影像，并在0.95的置信度水平下進行顯著性檢驗確定閾值，如表2所示。根據閾值分割得到受影響區域分布圖，如圖2所示，可得各市受影響區域主要集中分布于城市建成區范圍；廣西北部受影響面積為1 725.75 km2，占據總受影響面積的66%，受災嚴重程度明顯高于南方，與洪水發生期間降水量分布圖相一致。

圖2 受影響區域分布圖Fig.2 Distribution map of affected area

表2 廣西各市高斯擬合參數及分割閾值Table 2 Gauss fitting parameters and segmentation threshold in Guangxi cities

3.2 受災人口定量估算

通過夜光與人口線性和非線性模型散點圖對比分析，結果表明：（1）市級尺度，燈光面積與總人口相關性最好，且多項式擬合R2比線性高，為0.755 6。縣級尺度，燈光平均強度與人口密度相關性較高，其中多項式決定系數R2較高，為0.821 9。（2）無論縣級還是市級擬合，結果均表明多項式擬合結果最好，燈光平均強度與總人口相關性最低，基本沒有相關性。燈光指數與人口相關關系散點圖，如圖3所示。

圖3 燈光指數與人口相關關系散點圖Fig.3 Scatter plot of correlation between nighttime light index and population

洪水評估具有不確定性、復雜性和多樣性，受災人口定量估算是洪水受災情況評價的重要基礎之一。基于人口定量評估模型，在市級尺度下燈光面積與總人口多項式模型相關性最優，R2為0.76，與Amaral等［20］的研究結果一致。基于此，本研究基于夜光遙感數據反演總人口及人口密度，進行反演精度評價，結果表明人口密度評估結果的評估準確率高為71.4%，準確率中為14.3%，表明基于夜光遙感數據評估人口準確率較高。由于經濟差異，不同地區人口反演結果的準確度不同，最小相對誤差僅為2%，反演結果及精度評價如表3所示。因此，基于燈光指數與人口密度相關性，估算“西江2020年第1號洪水”事件中受災人口，如圖4所示。

表3 廣西地區市級人口反演結果及精度評價Table 3 Inversion results and accuracy evaluation of municipal population in Guangxi

基于夜光遙感影像評估洪水災損，獲取研究區各市受影響區域分布及評估受災人口，整體結果為：受影響總面積為2 628.65 km2，占廣西總面積的1.11%。受災總人口為126.426萬人，即總人口的2.61%。據當地報道，廣西14市出現洪澇災害，受災總人口為159.22萬人（http://www.gxzf.gov.cn/gxyw/t5551069.shtml），評估結果與當地報道受災人口相對誤差為20.6%，準確率為79.4%，反演結果如表4所示，可得反演結果與當地報道的實際比較接近，具有一致性，反演精度較高，表明基于NPP-VIIRS夜光遙感數據評估洪水災情具有準確性和可行性。此外，本研究通過夜光遙感數據反演得出的受影響區域是空間化的結果，受影響人口密度也是空間化的結果。因此，本研究得出的受影響人口數據是空間化的結果。

表4 反演受災人口及受災面積Table 4 Inversion of the affected population and the affected area

3.3 受災程度等級評估

根據夜光遙感數據洪水前后顯著變化獲取受影響區域空間分布，計算受影響面積并劃分受災程度等級，主要分為重災區（AREA＞200 km2）、中等災區（100 km2＜AREA＜200 km2）和一般災區（AREA＜100 km2），如表5所示。其中，重災區主要包括百色、桂林、柳州和河池四市，受影響總面積為1 725.75 km2，占總受影響面積的65.70%，占全省面積的0.73%，應針對重災區首先開展救援工作。中等災區受影響總面積為637 km2，一般災區受影響面積為264 km2。洪水期間，強降雨主要分布于桂林市、柳州市、河池市和百色市，受災影響嚴重區域與重災區地理分布是一致的（http://gx.weather.com.cn/zt/tqzt/3338443.shtml）。

表5 受災程度等級劃分Table 5 Classification of levels of exposure

重災區以百色市為例，受影響區域主要集中于右江區、田陽縣、田東縣和平果縣，受影響面積為514.75 km2，占受影響總面積的20%。災后一周受影響區域略微減小，恢復11.41%，恢復比較緩慢，恢復進程如圖5所示。

圖5 百色市恢復狀況Fig.5 Recovery status of Baise City

中等災區以賀州市為例，受影響區域主要集中于八步區和鐘山縣，受影響面積為166.25 km2，占受影響總面積的6%。災后一周受影響區域明顯減小，恢復21.95%，恢復速度比百色市略微上升，恢復狀況如圖6所示。

圖6 賀州市恢復狀況Fig.6 Recovery status of Hezhou City

一般災區以欽州市為例，受影響區域主要在欽南區，受影響面積為89 km2，占受影響總面積的3%。災后一周受影響區域顯著減小，恢復率為79.49%，恢復速度比較快，恢復狀況如圖7所示。

圖7 欽州市恢復狀況Fig.7 Recovery status of Qinzhou City

3.4 災情可視化

3.4.1 ArcGIS Online平臺

ArcGIS Online是基于云技術的地理信息系統創作式平臺。地圖制作由紙質地圖向智能化Web展示地圖轉變。ArcGIS Online提供Web制圖的基礎，開放式的互操作模式使每個人既是數據提供者也是服務使用者，用戶可以充分利用并在平臺中創建、制作、分析、分享和瀏覽使用地圖，通過瀏覽器與地圖互動瀏覽，將地圖嵌入網站開放共享。

3.4.2 洪水災損專題圖

基于基礎數據庫，結合“西江2020年第1號洪水”災損數據，制作多視角Web洪水災損專題圖。首先選擇捷泰地圖藍黑版底圖作為Web map的制作底圖。其次，加載研究區域的行政區劃圖Shapefiles文件（包含所有Shapefiles文件的ZIP歸檔）和災損數據csv文件，將災損數據符號化。最后選擇圖層，更改樣式設置布局分級展示受影響區域分布，以分級地圖和數據可視化圖表呈現，為臺風應急管理提供協作互動平臺。“西江2020年第1號洪水”廣西受災人口分級展示專題圖如圖8（a）所示：其中廣西北部比南部地區受影響顯著，與降雨分布圖基本吻合。廣西受影響區域分布專題圖如圖8（b）所示：以點元素代表受災區域分布位置，有利于災情位置的判斷，協助救援工作開展，此外，空間分布判斷有利于災害評估快速響應，對災后救援有著重要的意義。

圖8 洪水災損專題圖Fig.8 Thematic map of flood damage

3.4.3 洪水災情可視化系統

“西江2020年第一號洪水”災情可視化系統主頁如圖9所示：對洪水災害造成的受影響面積與受影響人口可視化展示。組件主要包含圖層列表、查詢、底圖庫、搜索和分析，主窗口地圖展示的是受災人口分級圖。

圖9 “西江2020年第1號洪水”災情可視化系統主界面Fig.9 "Xijiang No.1 Flood in 2020"disaster visualization system main interface

主要功能包括地圖縮放平移、圖層管理切換、信息圖表布局展示、信息檢索和查詢和協作共享。通過與地圖交互，根據屬性表查看各市災情信息，得到受災影響數據。通過儀表顯示受影響面積和受災人口數量，設置分界線，若受影響面積超過200 km2，則屬于重災區，受影響面積將以紅色警示，如圖10所示以桂林市為例。通過受災人口和受影響區域儀表、各市受災人口數量和受影響面積以及各市受影響區域劃分，直觀展示各市受影響嚴重程度，實現資源共享靈活應用，可實現信息的實時共享，可為政府制定應急救援措施提供決策數據支撐，也可為全球制定應急救援措施提供數據支撐及決策支持。

圖10 災情可視化系統專題信息查詢結果界面（以廣西省桂林市為例）Fig.10 Disaster visualization system thematic information query result interface（take Guilin，as an example）

4 結論

本研究基于夜光遙感數據進行洪水評估研究，定量反演受災人口與受影響面積，定性分析受災嚴重程度劃分受影響嚴重等級與災后恢復狀況，并構建災情可視化管理系統，可為國內外政府制定應急救援措施提供決策數據支撐。主要結論如下：

（1）基于洪水發生前后夜光遙感數據的顯著變化提取受影響面積，采用統計量法輻射歸一化減少噪聲的影響，提高變化檢測準確性，得到受影響區域分布，研究區北部發達城市比南部不發達地區受影響更為嚴重。

（2）通過不同模型對比選取最優模型進行高精度反演，表明多項式模型優于線性模型。根據受災人口評估方法評估洪水受災人口，反演結果與當地報道統計人口相比具有一致性，準確度較高，并可獲取受災人口空間分布；最后基于WebGIS將燈光密度、災情統計、多媒體數據進行集成開發，構建災情動態信息在線可視化展示系統。

NPP-VIIRS DNB夜光遙感數據在洪水災損評估方面，取得了較好的結果，具有一定的科學價值和現實意義，可為應急救災制定決策提供重要數據來源。此外由于當地報道的地面參照數據的精度不同，真實的反演精度可能會偏高或偏低，因此地面參照數據的精度變化會造成一定的誤差。將來當獲得更精確的地面參照數據后，可以進一步驗證評估的結果。其次，通過統計量法輻射歸一化去噪取得良好的結果，將來可構建更優的方法使得精度更高。總之，在今后的研究中需要將這些因素充分考慮，使得評估結果更具準確性，可進一步論證夜光遙感數據在不同區域評估的可靠性以及有效性。