多源時序影像洞庭湖流域水體時空演變特征分析

周再文,何貞銘,蔣松諭,相龍偉,彭 李

(1. 長江大學地球科學學院,湖北 武漢 430100;2. 荊州市自然資源衛星應用技術中心,湖北 荊州 434000)

湖泊不僅是重要的國土資源,且具有巨大的環境調節功能和效益,在調節江河徑流、防洪抗旱、發展灌溉、保護生物多樣性等方面發揮著重要的作用[1]。湖泊對流域內環境變化及人類活動十分敏感,是區域氣候敏感的指示器和調節器[2]。湖泊萎縮會導致生物多樣性減少、水體污染、調洪蓄水能力減弱、水體富營養化加重等一系列生態環境問題[3]。對湖泊流域進行長時序的變化監測,在提高湖泊動態變化規律認識,揭示氣候變化與人類活動對湖泊生態系統的影響具有重要的意義。

隨著遙感技術的快速發展,遙感技術被廣泛用于水體識別和監測的研究。基于遙感提取水體的方法主要有單波段閾值法、多波段譜間關系法、水體指數與閾值法、支持向量機、隨機森林及深度學習等方法。其中,水體指數法被研究人員廣泛采用[4-5]。文獻[6]使用NDWI削弱土壤植被等非水體因素影響,提取大型開闊水域,但易將城區建筑用地錯分為水體;文獻[7]在NDWI的基礎上,將近紅外波段替換為短波紅外波段,提出MNDWI并解決水體提取難以消除陰影的難題;文獻[8]通過AWEI放大水體與背景地物區之間的差異實現對水體的準確提取;文獻[9]基于半干旱地區水系與背景噪音反射特點,提出了增強型水體指數(EWI),有效解決了半干涸河道與背景噪聲混淆的問題。

由于傳統遙感方法數據獲取難、數據量大、影像預處理過程耗時費力,對大尺度長時序的遙感影像使用較少。融合了谷歌服務器高性能的計算能力及集成了數據龐大的衛星影像的GEE(Google Earth Engine)平臺的方法,為高時空分辨率、大尺度、長時序水體變化分析提供了一種新的分析工具[10]。

洞庭湖流域是長江流域重要的調蓄湖泊,在維系長江中下游流域江湖關系和生態平衡具有不可或缺的重要作用,也是長江經濟帶城鎮化高速發展的經濟活躍地區[11]。目前關于洞庭湖流域水體變化研究多以短時序的年際變化為主,缺少季度尺度的長期水體時空演變特征及其驅動因素研究[12]。因此,本文基于GEE平臺的多源時序影像和高性能的計算能力,細化洞庭湖流域水體時空演變特征。

1 研究區域與數據

1.1 研究區域

洞庭湖位于長江中游荊江南岸,湖南省東北部,不僅是我國長江流域的第2大淡水湖泊,也是我國僅存的兩大自由通江湖泊之一。洞庭湖地處亞熱帶季風氣候區,春、夏冷暖氣流交替頻繁,夏、秋晴熱少雨,秋寒偏旱。多年平均氣溫為16.4℃～17℃,年平均降水量為1100～1400 mm,無霜期為258～275 d[13]。

洞庭湖區大致可分為東洞庭湖、南洞庭湖和西洞庭湖3部分。為更好研究流域內三大湖區長時序水體變化特點,綜合流域內降水、氣溫、人口、土地利用等多方面因素,本文以3大湖區的外接矩形范圍作為研究區(如圖1所示)。

1.2 數據來源

1.2.1 多源時序影像數據

基于GEE平臺獲取自1989年11月1日至2022年10月30日覆蓋研究區且云量少于20%的多源遙感影像共874景,將其作為數據源(如圖2所示),影像數據均已經過輻射校正、幾何校正和去云預處理。為探究流域內水體季節性變化的特點,將歷年影像數據分豐水期(5—10月)和枯水期(11—次年4月)兩期進行水體提取[12]。部分年份豐、枯水期影像受云層遮擋影響,使用Landsat 7影像替代。Sentinel-2影像提取細小部分水體信息更為明顯,整體提取效果優于Landsat 8影像,且空間分辨率更高,因此2016年以后的影像采用Sentinel-2數據[14]。

圖2 多源時序影像信息

1.2.2 氣象數據

從GEE平臺上獲取1989—2019年ERA5 Monthly Aggregates月均氣溫數據和1989—2022年CHIRPS Daily逐天降水數據[15],利用月均氣溫和逐天降水數據分別計算出研究區歷年豐、枯水期的平均氣溫和降水。

1.2.3 人口密度和土地利用數據

為探究人類活動對洞庭湖流域水體面積的影響,收集了WorldPoP全球人口數據,以及文獻[16]基于GEE的335 709景Landsat影像制作的1990—2020年30 m中國逐年土地覆蓋數據集(annual Chinaland cover dataset, CLCD)。

2 研究方法

基于多源遙感數據提取洞庭湖流域湖泊面積技術路線如圖3所示,包括5個步驟:①影像預處理;②最優水體指數選取;③提取豐、枯水期水體;④計算水體面積;⑤水體變化分析。

圖3 基于多源遙感數據計算水體面積技術路線

2.1 最優水體指數選取

選取當前引用最多的歸一化差分水體指數(NDWI)、改進的歸一化差分水體指數(MNDWI)、自動水體提取指數(AWEIsh)及基于線性判別分析的水體指數(WI2015)4種水體指數提取研究區水體[17]。以10年為周期,選擇1991、2001、2011和2021年遙感影像作為測試數據,分別計算4種水體指數,選擇研究區內水體提取最優水體指數。2011年枯水期因云層遮蔽,影像缺失,使用2010年枯水期影像。最優水體指數的選取主要步驟為:①生成年度豐、枯水期合成指數數據。選擇4種指數對應的波段編號,逐像素計算4種指數,取每個像元的指數中值,生成年度合成指數數據。②計算分割閾值和提取水體。采用大津算法[18](OTSU)提取水體和非水體的分割閾值,將水體指數大于閾值的柵格單元定義為水體,否則為非水體。使用StratifiedSample函數對分割后的結果進行分層抽樣,提取訓練樣本,利用隨機森林分類器對研究區進行監督分類,將研究區劃分為水體和非水體。③精度評價。在研究區按豐、枯水期分別隨機生成200個精度驗證點(4年采取相同的樣本點),按照每年分類結果賦值,對分類結果進行人工目視判讀,構造混淆矩陣,再計算水體分類的總體精度(overall accuracy, OA)、F1和Kappa系數。④選取最優水體指數。根據試驗結果,分別計算4年水體指數以提取OA、F1和Kappa系數的平均值(見表1),選擇最優水體指數。

表1 水體指數精度統計

經計算,NDWI、MNDWI、AWEIsh和WI2015的OA均值在豐水期分別為0.971 4、0.977 5、0.967 5、0.956 3;在枯水期分別為0.907 7、0.932 5、0.914 3、0.907 5。F1均值在豐水期分別為0.971 8、0.976 8、0.967 6、0.956 4;在枯水期分別為0.878 5、0.885 1、0.868 3、0.861 2。Kappa系數均值在豐水期分別為0.944 8、0.954 8、0.934 9、0.912 5;在枯水期分別為0.825 0,0.837 5,0.806 1,0.793 7。MNDWI指數的3種評價指標在4年豐、枯水期試驗中均表現良好,因此選擇MNDWI提取洞庭湖流域水體。

2.2 水體時空變化分析

2.2.1 水體面積萎縮比例

因1989、1990年歷史影像缺失,選取1991年的豐、枯水期水體面積作為近30年研究區水體參考面積,以豐、枯水期季度為單位,計算洞庭湖流域水體面積萎縮比例[19],分析水體面積動態變化。計算公式為

(1)

式中,Ac為待評估年份的研究區水體面積;Ar為歷史同期參考水體面積。

2.2.2 標準差橢圓方法

標準差橢圓(standard deviational ellipse, SDE)是空間統計方法中能夠精確揭示要素空間分布多方面特征的方法。SDE通過橢圓重心、方位角、長短軸等參數對地理要素的空間分布及時空演化過程進行定量的描述[20]。

3 結果與分析

3.1 洞庭湖流域水體面積動態變化

洞庭湖區季節性特征明顯,其中,枯水期湖區面積較小,平均面積為1 524.40 km2;豐水期相對較大,平均面積為2 236.03 km2。湖區豐、枯水期水體面積總體表現為下降趨勢。

枯水期內研究區在2002年湖面積最大,為2 184.42 km2,在1992年湖面積最小,為1 073.57 km2,分別比枯水期平均值高43%和低30%;豐水期內1996年湖面積最大,為3 459.70 km2,2022年研究區湖面積最小,為1 005.03 km2,分別比豐水期平均值高48%和低57%。湖體面積在豐、枯水期均表現出波動明顯特征。1992—1999、2004—2018年枯水期水體面積持續減小,1992、1998年萎縮比例達0.36、0.31,面積較1991年同期減少570.98和489.50 km2;湖區面積在豐水期同樣存在一定程度的縮減,平均減少面積93.27 km2,其中2022年豐水期萎縮比例達0.57,面積縮減1427.27 km2(如圖4所示)。

圖4 1989—2022年洞庭湖流域水體變化

3.2 洞庭湖流域典型水體空間形態時空差異

在圖4中,選取豐、枯水期ASR大于0.2的各5個年份,即枯水期:1992、1998、2007、2010、2013年;豐水期:2008、2011、2014、2015、2022年。利用GEE平臺將這些年份提取的水體影像與1991年湖區季度水體影像疊加分析,突出顯示典型時期湖區的空間形態變化特征。

圖5為湖區典型豐、枯水期水體空間形態的時空差異(部分)。結果表明,東洞庭湖區西北、西南兩條分叉型水槽,以及連接三大湖區的兩條過渡型深水河槽為常年保存水體,洞庭湖流域的主體湖區為東洞庭湖。

圖5 典型年份豐、枯水期水體空間形態變化(部分)

枯水期3大湖區的水體由四周向中心逐漸縮減,過渡河槽變窄,南洞庭湖區支離破碎,碎片化、板塊化特征明顯,呈現大面積河流淺灘交錯區。在枯水期縮減最明顯的是東洞庭湖區中心的三角洲淺灘、漉湖及南洞庭湖的橫嶺湖(如圖5框內所示)。東洞庭湖區中心三角洲淺灘向四周擴張,湖區與過渡河槽交匯區縮減為狹長河道,漉湖面積縮減明顯,與主湖區連接通道變窄。南洞庭湖的橫嶺湖大面積被河流淺灘覆蓋(如圖5框內所示)。豐水期水體面積縮減較嚴重的區域是漉湖、萬子湖和大連湖,2022年豐水期東洞庭湖主湖區及漉湖、大連湖基本消失。

為更深刻研究洞庭湖流域水體空間形態演變規律,利用標準差橢圓分析流域內水體變化的空間全局特征。綜合標準差橢圓參數(見表2—表3)及分布離散趨勢信息(如圖6所示)可以看出,枯水期湖區水體重心雖然在1992、1998及2007年向南移動,但大致方向依然是向西、北方向移動,長軸方向由東南-西北向轉向東-西向,再轉向東南-西北向最后又轉向東-西向,趨勢反映出枯水期南洞庭湖及東洞庭湖存在縮減,流域內東洞庭湖兩條分叉型水槽成為主要湖區。橢圓面積和扁率變化均為先減小后增大最后減小,整體呈減小趨勢,說明在枯水期湖區碎片化、板塊化特征明顯。在豐水期橢圓中心大致向西北方向移動,但1998—2008年,2015—2022年,中心向西南方向移動,長軸方向、橢圓面積和扁率均呈波動變化特征。

表2 典型年份枯水期水體標準差橢圓相關參數

圖6 典型年份豐、枯水期水體空間變化趨勢

3.3 洞庭湖流域水體變化的影響因素

3.3.1 氣候變化

在自然條件下的水循環中,湖體面積受最直接的影響因素是大氣降水和蒸發[21]。

大氣降水作為湖泊水量的補給來源,直接影響湖泊水體的面積變化,降水量減少很容易導致湖泊水域面積減少甚至消失。氣溫則是決定蒸發的重要因素,溫度越高蒸發越快,蒸發量的升高會導致湖泊水分減少[22]。

總體而言,湖區面積與豐、枯水期降水具有較高的一致變化趨勢,呈正相關,相關系數分別為0.728和0.604,這驗證了降水在一定程度上影響湖區面積的變化;湖區面積與豐、枯水期氣溫呈負相關,相關系數分別為-0.348和-0.408,這表明氣溫升高會加速湖泊表面水體蒸發,導致水體面積減少(如圖7和圖8所示)。在豐水期,2002、2012和2015年,湖區面積與降水和氣溫表現出同步變化,但趨勢不明顯,對比原始影像發現,2002年豐水期的Landsat 7影像因去云處理,導致一部分水體區域缺失,因此水體提取結果偏小。2012、2015年的5月月均降雨量分別為270.76和260.49 mm,高于歷史同期降雨水平,同年豐水期其余月份降水量均值為122.13和116.06 mm,因5月的極端降水影響了豐水期的整體降雨量均值,導致面積與降水變化不一致。

圖8 1989—2019年豐、枯水期水體面積與氣溫變化

在枯水期內,2015年湖區面積與降水變化不一致,分析枯水期降水數據為:2016年4月月均降水量251.89 mm,前5個月的月均降水量75.53 mm,4月的降水造成2015年枯水期降水均值與面積變化不同步異常。

3.3.2 人類活動影響

人口是社會發展中最活躍的因素,人口的空間密度在某種程度上反映了人類活動的強度,如農業生產、生態系統的改變等[23]。基于WorldPOP人口數據得到的湖區人口密度變化情況如圖9所示,人口密度從362人/km2增長至394人/km2,表明近20年研究區內人口密度一直處于增長狀態。

圖9 2000—2020年洞庭湖流域人口密度變化

人類活動帶來的最直接的影響是區域內土地利用變化,對研究區進行長時間的土地利用變化監測也能在一定程度上反映人類活動強度。以CLCD為參考,從中裁剪出研究區的土地利用情況,以10年為周期選取1990、2000、2010、2020年土地利用數據,進行土地利用轉移矩陣的計算,提取湖區主要土地覆蓋類型各時期的面積。

對比CLCD與本文提取的水體面積(如圖10所示),發現兩者總體趨勢雖然均下降,但存在一些差異。這可能是因為CLCD以Landsat全系列影像作為數據源,同時本文基于歷年豐、枯水期提取水體,并未按照年度變化提取。這也是本文方法在洞庭湖流域典型洪澇災害年份(1996、1998、2002、2016、2020年)水體局部變化特征更明顯的原因。

圖10 不同方法下洞庭湖流域水體面積對比

在研究期內,水體主要轉換為耕地,一部分轉換為不透水面、裸地與草地。其中,湖區過度圍墾占水體減少面積的95.3%、97.7%、95.1%,人工圍墾、圍湖造田成為湖區面積減少的主要影響因素(見表4)。對水體面積與耕地面積進行相關性分析,兩者呈負相關,相關系數為-0.952。

表4 1990—2020年洞庭湖流域水體變化情況 km2

4 結 語

本文基于GEE平臺對洞庭湖流域水體時空演變特征進行研究,并從氣候變化和人類活動兩個方面分析了水體變化的影響因素。結果表明:①1989—2022年,洞庭湖區豐、枯水期水體面積總體呈下降趨勢,3大湖區均有不同程度的縮減,平均減少93.27和140.15 km2。湖區季節性特征明顯,枯水期湖面支離破碎、板塊化;豐水期3大湖區相互連通,水域面積相對較大。②降水和氣溫是影響水體面積變化的重要自然因素。其中,湖泊面積與季度降水量呈較強正相關,與季度氣溫呈負相關。③隨著湖區社會經濟發展,人口增長、圍湖造田等人類活動導致的土地利用類型轉移,也是流域水體面積減少的重要原因。