论文部分内容阅读
摘 要：星载雷达遥感具有全天候获取地面特征的特点，在恶劣环境下工作仍然能得到较高精度的图像，在洪水灾害监测中的作用显著。2017年6—7月，洞庭湖区发生了严重的洪涝灾害，损失严重。该文选取2017年6月4日、6月28日、7月10日以及7月22日4期Sentinel-1数据，进行了洪涝灾害信息的提取与分析。通过去噪方法和水体提取方法对比分析，确定采用Lee滤波进行Sentinel-1数据去噪、采用阈值法进行水体提取，提取了不同时期的水体分布，实现了洪水动态监测。采取地图差分法获取淹没范围为1015.43km2，岳阳整体受灾面积最大。综合土地利用数据，结合叠加分析和分区统计发现，此次洪涝灾害对耕地的影响最大，受灾面积达693.35km2。
关键词：水体分布;洪水淹没;Sentinel-1;洞庭湖区
中图分类号 S277.4 文献标识码 A 文章编号 1007-7731（2020）19-0151-03
Information Extraction and Analysis of Food Disaster in Dongting Lake Area base on Sentinel-1
LI Jun1 et al.
（1Changsha Planning & Design Survey Research Institute，Changsha 4100，Hunan，China）
Abstract：Satellite Borne Radar remote sensing has the characteristics of all-weather acquisition of ground features.It is still able to obtain high precision images in bad environment，and plays a great role in monitoring flood disaster.Serious floods occurred in Dongting Lake area from June 2017 to July，causing serious losses.This paper selected and extracted flood and waterlogging information based on Sentinel-1 data of June 4，2017，June 28th，July 10th and July 22nd in the year of 2017.First of all，through comparative analysis，we got the best effect of Lee filtering on radar data de-noising effect and the extraction of water body in the 4 phase Sentinel-1 data by using the threshold method，to analyze change of water body area.Then，the map difference method was used to obtain the submergence area of 1015.43km2，while the Yueyang County got the largest affected area.Thirdly，according to the superposition analysis and the zoning statistics，we obtained the land use disaster area，it can be concluded that the flood disaster has the greatest impact on the cultivated land with an area of 693.35km2.
Key words：Water distribution;Flood inundated;Sentinel-1;Dongting Lake Are
1 引言
衛星遥感监测是获取地表宏观动态信息的有效手段，在洪涝灾害监测方面的应用广泛。相比常规光学卫星和红外卫星，雷达星载雷达卫星不会受到云层的干扰，可以全天候、全天时的获取高精度图像，在洪涝灾害检测方面优势明显[1-2]。利用雷达数据进行洪涝灾害分析的研究主要集中在水体识别方法[1-3]、洪水淹没范围分析[4-6]等方面。Yuqiang Wang等通过将Radersat sar和Landsat ETM+图像的互补信息相结合，提取水体信息[1]。李景刚等利用改进的最大方差阈值法进行图像分割，提取洞庭湖地区干季和汛期2个场景的ASAR数据中的水体[2]。郑伟等针对ENVISAT-ASAR数据，通过采取单波段阈值法、基于双极化数据的最大似然分类法和基于双极化数据和纹理信息的最大似然法，对比分析提取数据中的水体[3]。P.Matgen等提出了辐射阈值与区域生长法相结合的自动提取SAR图像洪水范围的方法[4]。Xiaohua Tong等提出利用Landsat 8号光学成像和雷达成像结合COSSMO-SkyMed的方法，采用地图差分法进行洪水淹没分析[5]。孙亚勇等通过建立开放性水体和淹没植被模型，根据影像记录的地表微波后向回波强弱差异，进行洪水淹没范围识别与提取[6]。
2017年6月22日至7月2日，湖南省大部分地区发生了持续性强降雨，最终形成了湘江流域性特大洪水，资水及沅水、洞庭湖区均发生洪涝灾害，造成了巨大的灾害损失[7]。利用雷达技术快速、全面的监测洪涝区洪涝灾害，提取洪水相关信息，了解洪涝灾害地区的情况，对于保障人民生命安全，开展救灾工作具有重大意义。 2 研究区域与数据来源
2.1 研究区域 考虑到雷达数据的可获取性和洪涝灾害暴发的主要地区，本研究选取的研究范围如图1所示，涉及洞庭湖区湖南省范围内的华容县、南县、沅江市、岳阳县、湘阴县、汉寿县以及安乡县。
2.2 数据来源
2.2.1 雷达数据 数据来自欧空局（http：//scihub.esa.int/）的Sentinel-1号Level-1级别中IW SLC（干涉宽幅模式的斜距单视复数）产品。获取雷达数据时间主要是2017年6月4日、6月28日、7月10日以及7月22日，成像模式为IW，极化方式为VV/VH，投影坐标系为UTM，像元大小为17.53m×17.53m。
2.2.2 Landsat8 OLI数据 Landsat8 OLI数据用于研究区的土地利用分类，轨道号为123/40、124/40分辨率为30m×30m，传感器为OLI，投影坐标系为UTM，数据获取时间选择洞庭湖区平水期2016年4月16日。所下载的影像数据云量小，图像质量好。
3 基于雷达数据洪水信息提取
3.1 雷达数据预处理 雷达数据预处理主要包括多视处理、辐射定标和数据去噪。只有进行去噪处理才能准确表现出原始图像信息，滤波方法的选择直接影响着后续信息提取的精度。常用的图像去噪方法包括中值滤波、均值滤波、Lee滤波等。图2为3种滤波方法的滤波结果（滤波窗口为5×5），发现中值滤波后图像中仍然存在大量的噪声点，均值滤波去噪对于图像的平滑效果最强。
为了进一步量化去噪效果，采用The Equivalent Number of Looks（ENL，等效视数）[8]来评价滤波的质量，该参数可量化图像区域的均匀性。计算公式如下：
[ENL=mean2variance] （1）
式中，mean表示图像中所有像元均值，variance表示方差，ENL值越大表明图像越光滑。
3种滤波方法处理后的雷达数据的统计指标如表1所示。从表1可以看出，3种滤波方法都对雷达图像有一定的滤波效果，其中Lee滤波处理后的雷达数据ENL值最大，该滤波方法更适合于本研究中雷达数据去噪。
3.2 洪水信息提取 基于SAR影像的水体提取方法主要包括：基于纹理信息的提取、结合地形辅助信息的提取、独立成分分析和阈值分割[9]。为了进一步量化水体提取的精度，本文选择了基于纹理信息的最大似然法、IsoData分类、阈值法3种方法进行了对比实验，并采取查全率（I）、虚警率（Q）[10]3个参数指标评估不同方法水体提取精度，计算公式如下：
[I=S（R）?S（E）S（R）] （2）
[Q=1-S（R）?S（E）S（E）] （3）
式中，S（R）表示的人工标记出来的水体面积，S（E）表示的是利用水体提取算法提取的水体面积，I值越大表明提取的水体范围越完整，Q值越大表示提取水体的准确性越低。
3种提取水体方法的统计指标如表3所示，从表3可以看出，利用Isodata提取水体的范围最完整，但准确性较低，虚警率达45%;利用基于纹理信息的最大似然法提取的水体的准确性最高，但提取的水体范围不全;而通过阈值法提取水体范围的完整性达到90%，Q值大约在15%左右略大于利用基于纹理信息的最大似然法提取水体的虚警率。但通过对比观察发现，虚警率主要是由于图像中水田造成的，可以采用后处理一定程度减少虚警率。最终，本研究确定采用阈值法进行洞庭湖区水体的提取。
4 洪水动态监测与土地利用受灾面积分析
4.1 洪水变化动态监测 通过确定采用阈值法进行洞庭湖區水体的提取，4个时间研究区水体在空间上分布情况如图3所示。在研究期内，水面面积变化较大的区域主要是岳阳县、湘阴县和沅江市。通过像元面积计算法获取4期雷达数据的水体面积如表3所示。从表3可以看出，6月4日的水体面积最少，约为1667.99km2，7月10日水体面积达到最大，约为2683.42km2，2个时期的水体面积相差1015.43km2。而6月28日的水体面积约为2390.29km2，7月22日的水体面积约为2463.92km2，这2个时间段的水体面积相差不大，但都高于6月4日的水体面积，低于7月10日的水体面积，主要是由于从6月22日起洞庭湖区持续降雨，并且雨量大、历时长达15d，导致河流水位上涨快，洪水峰高量大，造成湘水、资水、沅水连续两次超警洪水，而湘资沅三水相继汇入洞庭湖区，到6月30日期间洞庭湖区将开始出现超过警戒水位的洪水，到7月8日后降雨量逐渐减少，到7月10日后，洪峰到达顶峰，水体面积逐步回退。将6月4日的水体与7月10日的水体通过地图差分法获取淹没范围，总淹没面积为1015.43km2，主要淹没区域分布在岳阳县以及沅江市，此次洪涝灾害对洞庭湖区下游地区影响大，受灾面积最大。
4.2 土地利用受灾面积 利用Landsat 8oli数据，根据洞庭湖区的实际情况划分研究区的土地利用/覆盖类型，提取出研究区水体、耕地、林地、建设用地、滩地五类土地利用的分布。通过将洪水淹没范围数据与区域内的土地利用数据和县界行政区数据进行叠加处理，统计研究区内土地利用受灾情况如表4所示。从表4可以看出，洞庭湖区洪涝灾害对耕地影响最大，主要是因为洞庭湖区周围的耕地面积达到7745.90km2。此次洪涝灾害造成耕地受灾面积达到693.36km2，而建设用地和林地的受灾面积为17.10km2、108.02km2。从表4可以看出，土地利用类型受灾面积较为严重的主要分布在岳阳县和沅江市，其中，岳阳县的土地利用受灾面积最为严重，耕地受灾面积达到266.08km2，建设用地和林地的受灾面积分别为10.64km2、40.93km2;其次是沅江市，耕地受灾面积分别为148.10km2，建设用地受灾面积为2.64km2，林地受灾面积为24.78km2;华容县土地利用受灾面积最轻，耕地受灾面积为13.35km2，建设用地和林地受灾面积分别为1.27km2、1.16km2。 5 结论
本研究利用Sen1tinel-1雷达数据提取洞庭湖区在湘江流域性特大洪水暴发前后的水体分布，实现了洪涝灾害的动态变化监测。通过去噪方法和水体提取方法对比实验，采用Lee滤波方法进行了数据去噪，利用阈值法提取了不同时期的水体。结果表明，淹没主要集中在岳阳县，其次是沅江市和湘阴县。本次洪涝灾害对洞庭湖区耕地和岳阳县的农业影响最大。
参考文献
[1]Yuqiang Wang，Renzong Ruan，Yuanjian She，et al.Extraction of Water Information based on RADARSAT SAR and Landsat ETM+[J].Procedia Environmental Sciences，2011，10（1）：37-45.
[2]李景剛，黄诗峰，李纪人.ENVISAT卫星先进合成孔径雷达数据水体提取研究——改进的最大类间方差阈值法[J].自然灾害学报，2010，19（03）：139-145.
[3]郑伟，刘闯，王正兴.基于ENVISAT-ASAR数据的洪涝水体空间分布信息提取[J].自然灾害学报，2009，18（04）：120-124.
[4]P.Matgen，R.Hostache，G.Schumann，et al.Towards an automated SAR-based flood monitoring system：Lessons learned from two case studies[J].Physics and Chemistry of the Earth，2010，36（7）：44-48.
[5]Xiaohua Tong，Xin Luo，Shuguang Liu，et al.An approach for flood monitoring by the combined use of Landsat 8 optical imagery and COSMO-SkyMed radar imagery[J].ISPRS Journal of Photogrammetry and Remote Sensing，2018，136（1）：226-230.
[6]孙亚勇，黄诗峰，李纪人，等.Sentinel-1A SAR数据在缅甸伊洛瓦底江下游区洪水监测中的应用[J].遥感技术与应用，2017，32（02）：282-288.
[7]刘勇.湖南2017年6月至7月超历史暴雨洪水六大特征分析[N].湖南日报，2017-7-13（3）.
[8]赵昕.基于MODIS与ASAR数据的洪水淹没信息提取方法研究[D].成都：电子科技大学，2012.
[9]陈玲艳，刘智，张红.基于水体散射特性的SAR图像水体监测[J].遥感技术与应用，2014，29（6）：963-969.
[10]陈志国.高分辨率SAR卫星影像洪水区域提取应用研究[D].武汉：武汉大学，2017. （责编：张宏民）
关键词：水体分布;洪水淹没;Sentinel-1;洞庭湖区
中图分类号 S277.4 文献标识码 A 文章编号 1007-7731（2020）19-0151-03
Information Extraction and Analysis of Food Disaster in Dongting Lake Area base on Sentinel-1
LI Jun1 et al.
（1Changsha Planning & Design Survey Research Institute，Changsha 4100，Hunan，China）
Abstract：Satellite Borne Radar remote sensing has the characteristics of all-weather acquisition of ground features.It is still able to obtain high precision images in bad environment，and plays a great role in monitoring flood disaster.Serious floods occurred in Dongting Lake area from June 2017 to July，causing serious losses.This paper selected and extracted flood and waterlogging information based on Sentinel-1 data of June 4，2017，June 28th，July 10th and July 22nd in the year of 2017.First of all，through comparative analysis，we got the best effect of Lee filtering on radar data de-noising effect and the extraction of water body in the 4 phase Sentinel-1 data by using the threshold method，to analyze change of water body area.Then，the map difference method was used to obtain the submergence area of 1015.43km2，while the Yueyang County got the largest affected area.Thirdly，according to the superposition analysis and the zoning statistics，we obtained the land use disaster area，it can be concluded that the flood disaster has the greatest impact on the cultivated land with an area of 693.35km2.
Key words：Water distribution;Flood inundated;Sentinel-1;Dongting Lake Are
1 引言
衛星遥感监测是获取地表宏观动态信息的有效手段，在洪涝灾害监测方面的应用广泛。相比常规光学卫星和红外卫星，雷达星载雷达卫星不会受到云层的干扰，可以全天候、全天时的获取高精度图像，在洪涝灾害检测方面优势明显[1-2]。利用雷达数据进行洪涝灾害分析的研究主要集中在水体识别方法[1-3]、洪水淹没范围分析[4-6]等方面。Yuqiang Wang等通过将Radersat sar和Landsat ETM+图像的互补信息相结合，提取水体信息[1]。李景刚等利用改进的最大方差阈值法进行图像分割，提取洞庭湖地区干季和汛期2个场景的ASAR数据中的水体[2]。郑伟等针对ENVISAT-ASAR数据，通过采取单波段阈值法、基于双极化数据的最大似然分类法和基于双极化数据和纹理信息的最大似然法，对比分析提取数据中的水体[3]。P.Matgen等提出了辐射阈值与区域生长法相结合的自动提取SAR图像洪水范围的方法[4]。Xiaohua Tong等提出利用Landsat 8号光学成像和雷达成像结合COSSMO-SkyMed的方法，采用地图差分法进行洪水淹没分析[5]。孙亚勇等通过建立开放性水体和淹没植被模型，根据影像记录的地表微波后向回波强弱差异，进行洪水淹没范围识别与提取[6]。
2017年6月22日至7月2日，湖南省大部分地区发生了持续性强降雨，最终形成了湘江流域性特大洪水，资水及沅水、洞庭湖区均发生洪涝灾害，造成了巨大的灾害损失[7]。利用雷达技术快速、全面的监测洪涝区洪涝灾害，提取洪水相关信息，了解洪涝灾害地区的情况，对于保障人民生命安全，开展救灾工作具有重大意义。 2 研究区域与数据来源
2.1 研究区域 考虑到雷达数据的可获取性和洪涝灾害暴发的主要地区，本研究选取的研究范围如图1所示，涉及洞庭湖区湖南省范围内的华容县、南县、沅江市、岳阳县、湘阴县、汉寿县以及安乡县。
2.2 数据来源
2.2.1 雷达数据 数据来自欧空局（http：//scihub.esa.int/）的Sentinel-1号Level-1级别中IW SLC（干涉宽幅模式的斜距单视复数）产品。获取雷达数据时间主要是2017年6月4日、6月28日、7月10日以及7月22日，成像模式为IW，极化方式为VV/VH，投影坐标系为UTM，像元大小为17.53m×17.53m。
2.2.2 Landsat8 OLI数据 Landsat8 OLI数据用于研究区的土地利用分类，轨道号为123/40、124/40分辨率为30m×30m，传感器为OLI，投影坐标系为UTM，数据获取时间选择洞庭湖区平水期2016年4月16日。所下载的影像数据云量小，图像质量好。
3 基于雷达数据洪水信息提取
3.1 雷达数据预处理 雷达数据预处理主要包括多视处理、辐射定标和数据去噪。只有进行去噪处理才能准确表现出原始图像信息，滤波方法的选择直接影响着后续信息提取的精度。常用的图像去噪方法包括中值滤波、均值滤波、Lee滤波等。图2为3种滤波方法的滤波结果（滤波窗口为5×5），发现中值滤波后图像中仍然存在大量的噪声点，均值滤波去噪对于图像的平滑效果最强。
为了进一步量化去噪效果，采用The Equivalent Number of Looks（ENL，等效视数）[8]来评价滤波的质量，该参数可量化图像区域的均匀性。计算公式如下：
[ENL=mean2variance] （1）
式中，mean表示图像中所有像元均值，variance表示方差，ENL值越大表明图像越光滑。
3种滤波方法处理后的雷达数据的统计指标如表1所示。从表1可以看出，3种滤波方法都对雷达图像有一定的滤波效果，其中Lee滤波处理后的雷达数据ENL值最大，该滤波方法更适合于本研究中雷达数据去噪。
3.2 洪水信息提取 基于SAR影像的水体提取方法主要包括：基于纹理信息的提取、结合地形辅助信息的提取、独立成分分析和阈值分割[9]。为了进一步量化水体提取的精度，本文选择了基于纹理信息的最大似然法、IsoData分类、阈值法3种方法进行了对比实验，并采取查全率（I）、虚警率（Q）[10]3个参数指标评估不同方法水体提取精度，计算公式如下：
[I=S（R）?S（E）S（R）] （2）
[Q=1-S（R）?S（E）S（E）] （3）
式中，S（R）表示的人工标记出来的水体面积，S（E）表示的是利用水体提取算法提取的水体面积，I值越大表明提取的水体范围越完整，Q值越大表示提取水体的准确性越低。
3种提取水体方法的统计指标如表3所示，从表3可以看出，利用Isodata提取水体的范围最完整，但准确性较低，虚警率达45%;利用基于纹理信息的最大似然法提取的水体的准确性最高，但提取的水体范围不全;而通过阈值法提取水体范围的完整性达到90%，Q值大约在15%左右略大于利用基于纹理信息的最大似然法提取水体的虚警率。但通过对比观察发现，虚警率主要是由于图像中水田造成的，可以采用后处理一定程度减少虚警率。最终，本研究确定采用阈值法进行洞庭湖区水体的提取。
4 洪水动态监测与土地利用受灾面积分析
4.1 洪水变化动态监测 通过确定采用阈值法进行洞庭湖區水体的提取，4个时间研究区水体在空间上分布情况如图3所示。在研究期内，水面面积变化较大的区域主要是岳阳县、湘阴县和沅江市。通过像元面积计算法获取4期雷达数据的水体面积如表3所示。从表3可以看出，6月4日的水体面积最少，约为1667.99km2，7月10日水体面积达到最大，约为2683.42km2，2个时期的水体面积相差1015.43km2。而6月28日的水体面积约为2390.29km2，7月22日的水体面积约为2463.92km2，这2个时间段的水体面积相差不大，但都高于6月4日的水体面积，低于7月10日的水体面积，主要是由于从6月22日起洞庭湖区持续降雨，并且雨量大、历时长达15d，导致河流水位上涨快，洪水峰高量大，造成湘水、资水、沅水连续两次超警洪水，而湘资沅三水相继汇入洞庭湖区，到6月30日期间洞庭湖区将开始出现超过警戒水位的洪水，到7月8日后降雨量逐渐减少，到7月10日后，洪峰到达顶峰，水体面积逐步回退。将6月4日的水体与7月10日的水体通过地图差分法获取淹没范围，总淹没面积为1015.43km2，主要淹没区域分布在岳阳县以及沅江市，此次洪涝灾害对洞庭湖区下游地区影响大，受灾面积最大。
4.2 土地利用受灾面积 利用Landsat 8oli数据，根据洞庭湖区的实际情况划分研究区的土地利用/覆盖类型，提取出研究区水体、耕地、林地、建设用地、滩地五类土地利用的分布。通过将洪水淹没范围数据与区域内的土地利用数据和县界行政区数据进行叠加处理，统计研究区内土地利用受灾情况如表4所示。从表4可以看出，洞庭湖区洪涝灾害对耕地影响最大，主要是因为洞庭湖区周围的耕地面积达到7745.90km2。此次洪涝灾害造成耕地受灾面积达到693.36km2，而建设用地和林地的受灾面积为17.10km2、108.02km2。从表4可以看出，土地利用类型受灾面积较为严重的主要分布在岳阳县和沅江市，其中，岳阳县的土地利用受灾面积最为严重，耕地受灾面积达到266.08km2，建设用地和林地的受灾面积分别为10.64km2、40.93km2;其次是沅江市，耕地受灾面积分别为148.10km2，建设用地受灾面积为2.64km2，林地受灾面积为24.78km2;华容县土地利用受灾面积最轻，耕地受灾面积为13.35km2，建设用地和林地受灾面积分别为1.27km2、1.16km2。 5 结论
本研究利用Sen1tinel-1雷达数据提取洞庭湖区在湘江流域性特大洪水暴发前后的水体分布，实现了洪涝灾害的动态变化监测。通过去噪方法和水体提取方法对比实验，采用Lee滤波方法进行了数据去噪，利用阈值法提取了不同时期的水体。结果表明，淹没主要集中在岳阳县，其次是沅江市和湘阴县。本次洪涝灾害对洞庭湖区耕地和岳阳县的农业影响最大。
参考文献
[1]Yuqiang Wang，Renzong Ruan，Yuanjian She，et al.Extraction of Water Information based on RADARSAT SAR and Landsat ETM+[J].Procedia Environmental Sciences，2011，10（1）：37-45.
[2]李景剛，黄诗峰，李纪人.ENVISAT卫星先进合成孔径雷达数据水体提取研究——改进的最大类间方差阈值法[J].自然灾害学报，2010，19（03）：139-145.
[3]郑伟，刘闯，王正兴.基于ENVISAT-ASAR数据的洪涝水体空间分布信息提取[J].自然灾害学报，2009，18（04）：120-124.
[4]P.Matgen，R.Hostache，G.Schumann，et al.Towards an automated SAR-based flood monitoring system：Lessons learned from two case studies[J].Physics and Chemistry of the Earth，2010，36（7）：44-48.
[5]Xiaohua Tong，Xin Luo，Shuguang Liu，et al.An approach for flood monitoring by the combined use of Landsat 8 optical imagery and COSMO-SkyMed radar imagery[J].ISPRS Journal of Photogrammetry and Remote Sensing，2018，136（1）：226-230.
[6]孙亚勇，黄诗峰，李纪人，等.Sentinel-1A SAR数据在缅甸伊洛瓦底江下游区洪水监测中的应用[J].遥感技术与应用，2017，32（02）：282-288.
[7]刘勇.湖南2017年6月至7月超历史暴雨洪水六大特征分析[N].湖南日报，2017-7-13（3）.
[8]赵昕.基于MODIS与ASAR数据的洪水淹没信息提取方法研究[D].成都：电子科技大学，2012.
[9]陈玲艳，刘智，张红.基于水体散射特性的SAR图像水体监测[J].遥感技术与应用，2014，29（6）：963-969.
[10]陈志国.高分辨率SAR卫星影像洪水区域提取应用研究[D].武汉：武汉大学，2017. （责编：张宏民）