骨干河道水域岸線遙感監測
——以江蘇省常州市為例

戎欣，詹雅婷

（1.江蘇省地質調查研究院，南京 210018；2.自然資源江蘇省衛星應用技術中心，南京 210018）

1 引言

河道的合理開發利用對生態建設、經濟發展具有重要意義，因此，為了全面掌握河道資源情況，維護河道生態平衡，杜絕違法侵害河道行為，同時為了更好地對接河長制管理要求，對骨干河道管理范圍內的變化情況進行監測的需求非常迫切。監測管理范圍內水域岸線變化情況及進行數據的處理和分析，并提供相關技術成果[1]，可以輔助“兩違、三亂”的治理，在河湖水域的保護與治理方面提供違法查處的支撐以及各種基礎信息。

2 總體監測思路

建立骨干河道水域岸線遙感監測體系，提高水域岸線監測能力，這是隨著遙感衛星影像的拍攝能力和拍攝周期的不斷提高而產生的需求，是呼應大數據和地理信息技術迅速發展的當務之急[2]。建立及時發現問題、高效解決問題的監測技術系統，充分利用現代測量、空間檢測、信息網絡等技術，可實現全流程、全覆蓋的水域要素的現代化監測。

本文以常州市為例，選取常州列入省骨干河道名錄及市級管理權限河道名錄的胥河、丹金溧漕河、德勝河等43條河道，采用多源數據與高分辨率遙感影像相結合的方法，深度學習智能解譯與目視解譯法相結合的技術方法，將外業調查舉證與內業監測相結合，以便對骨干河流水域岸線管理范圍進行的監測能夠準確、及時以及客觀，通過獲得的實際數據可以為水利部門及相關執法部門的管理提供決策依據和技術支撐。在監測中，選擇亞米級高分辨率遙感影像，可以較2 m分辨率影像提供更加準確的信息，本文使用了輻射校正、幾何校正、影像融合、圖像增強以及影像鑲嵌的遙感影像處理方法[3]，使用基于典型年份（確定為2018年）與最新年度（2021年）亞米級高分影像數據對比，確定最新的河道管理范圍內監測的水域、岸線變化，參照河湖庫高分遙感監測規范，采集變化點位的信息，進行要素提取，綜合運用高分衛星影像內業數據處理與外業調查輔助的技術手段，對常州市骨干河道水域岸線進行監測，為管理部門提供準確高效的技術數據。

3 常州市骨干河道遙感監測體系

本文采用遙感數據智能提取以及解譯的技術方法，在CGCS2000國家大地坐標系中，對前、后兩年的衛星圖像進行疊加和比較，盡量從整體上提取水域岸線變化圖斑，并對變化圖斑的面積、位置、變化類型、變化時間等特性進行分析。將河湖庫管理要求和矢量數據結合起來，梳理、分析、篩選、加工后，按照需求，可以提供給地方核查單位，做到每月監測、從而監管水域資源。

3.1 遙感數據的處理

3.1.1 數據源

本次骨干河道水域岸線遙感監測以常州市為例，采用的數據源包括：北京二號（BJ-2）、高分七號（GF-7）、高分二號（GF-2），衛星影像、空間分辨率為亞米級。其中，前時相影像采用2018年北京二號（BJ-2）影像，后時相影像采用2021年高分二號（GF-2）、高分七號（GF-7）、北京二號（BJ-2）衛星影像，矢量數據采用“常州市水域岸線遙感監測管理范圍界線岸別”。

3.1.2 輻射校正

輻射校正主要是針對遙感圖像上的薄云和霾進行去除，在保持影像清晰度和信息量數據不減少的前提下，對原始圖像中的條帶和噪聲進行去噪處理，對輻射度畸變較大的原始圖像進行輻射度糾正處理。在遙感影像上，霾（薄云）的存在會導致影像的對比度降低，并導致亮度略微提高，所以，去除霾（薄云）實質上就是利用濾波使霾（薄云）區影像的像元值重新趨于正常。

3.1.3 幾何校正

幾何校正是利用衛星數據RPC參數，通過幾何糾正模型，參照糾正底圖和對應的DEM數據，均勻選取同名點，生成全色和多光譜影像的數字正射影像的一種衛星數據處理方式，其中誤差不大于0.5個像素，最大不超過1個像素。

3.1.4 影像融合

影像融合是使用圖像插值算法在同一時相和相同的數據源之間進行的，融合后的圖像可以突出目標物的信息，使目標物和周圍的地物之間具有明確的邊界。算法采用三次卷積法，融合方法采用PANSHARP，融合后的影像會整體提升亮度、色彩反差、色調、紋理的效果。

3.1.5 圖像增強

輻射強化：采用直方圖變換、線性變換、非線性變換、直方圖定化等方式，通過對圖像的明暗度、反差度、色彩等進行調節，從而實現圖像的明暗度適中，色彩飽和以及層次分明。

色彩處理：使用逐波段進行直方圖調整、色彩平衡、HIS調整的方法調整影像的色彩，從而使影像盡量表現為接近自然的真彩色效果。主要是植被應體現為綠色，道路、城市表現為灰色，水體為藍灰色或藍品色，以便于地物更精準的判讀[4]。

空間強化：空間強化可以有目的地在突出圖像的邊緣或線性特征，同時可以有針對性地削弱消除在獲取和傳輸圖像時產生的各種噪聲點。

3.1.6 影像鑲嵌

在鑲嵌之前，采用重疊準確度方法進行檢查，并且鑲嵌需要滿足景與景間疊加限差，取樣間隔修正，同時保留質量好，云霧量小的圖像。當鄰近兩景圖像的品質和時相相差較小時，保證圖像紋理、色彩可以自然過渡；在相鄰兩景圖像中相或品質相差較小時，進行色相、色階以及顏色的飽和度的修改，然后進行對比度和亮度的調整，最后進行色彩平衡。

3.2 變化圖斑提取

3.2.1 建立解譯標志

基于圖像的光譜特征、幾何特征、紋理特征、地物空間布置，再結合外業踏勘結果，采用分類對比、比較推理等方法，對監測區域內主要監測類型的光譜特征、空間特征和時間特征進行對比，通過對不同類型的影像的幾何形狀、色彩、反差、大小、紋理、陰影、色調、位置[5]等綜合信息進行綜合分析，構建河道所使用的解譯標志（見圖1），為提取變化信息打下技術基礎。

3.2.2 深度學習智能提取與目視解譯法相結合

在監測的區域，采用深度學習的監測方法進行遙感影像的信息提取，首先，運用分類對比的方法[6]分析了不同圖像的分辨率，以及不同波段合成、不同季節、不同區域同一地類所表現的色調、色彩、紋理特征，再運用典型樣本的方法提取典型類型的圖像的譯樣本，并學習大量的同一地物對應的輸入和輸出結果，對卷積網絡進行訓練，建立模型，因此，在不同影像分辨率、不同波段合成、不同季節、不同區域的同一地物，都能被監測發現并提取出來[7]。

對于智能解譯效果不佳的區域，本文采用目視解譯的方法進行輔助解譯。通過智能提取與人機交互相結合的方法，使提取結果精度達到最優化。遙感影像要素提取對比如圖2所示。

3.2.3 外業調查輔助

外業調查采取點線面相結合的方式。對于內業監測解譯情況較好的區段，則主要通過點的方式進行驗證，對解譯一般中等的區段，要安排有一定代表性的舉證路線，對于解譯效果不佳的區段，則主要采取面驗證的方式進行舉證。

4 常州市骨干河道遙感監測結果分析

經對常州市監測范圍內2018年與2021年亞米高分影像的遙感監測分析共發現406處變化。本次監測共計監測骨干河道43條，發現新增變化的河道數量為39條，其中，金壇區變化32處，溧陽區141處，天寧區57處，武進區103處，新北區49處，鐘樓區24處，從而得出結論，溧陽市新增變化圖斑個數最多。常州市骨干河道遙感監測空間分布圖如圖3所示。

5 結語

本文對江蘇省常州市骨干河道水域岸線進行遙感監測，利用高分辨率遙感影像，采取智能提取與人機互動等前沿技術，實現了骨干河道資源監管的智能提取與監測，為河湖庫形成常態化監測提供了技術與數據支撐，遙感監測的技術手段可以彌補傳統的河湖巡查監管，極大地提高了監管與工作的效率。在接下來的研究中，將繼續深入研究如何將遙感監測技術與水利資源管理相結合、多種監測方式融合與協作、如何提升信息智能提取精準度等方面的內容，以提升河道資源管理的現代化與信息化水平。