本站小編為你精心準(zhǔn)備了洪澇災(zāi)害范圍動(dòng)態(tài)監(jiān)測思考參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《遙感技術(shù)與應(yīng)用雜志》2016年第二期

摘要：

洪澇災(zāi)害范圍是表征洪澇災(zāi)害時(shí)空分布特征的關(guān)鍵物理參數(shù)，是洪澇災(zāi)害災(zāi)情評(píng)估的主要內(nèi)容和重要基礎(chǔ)。充分利用遙感技術(shù)、地面站網(wǎng)觀測數(shù)據(jù)和實(shí)地調(diào)查核查等手段，是當(dāng)前“天、空、地、現(xiàn)場”一體化開展洪澇災(zāi)害范圍動(dòng)態(tài)監(jiān)測的研究前沿。針對(duì)洪澇災(zāi)害范圍實(shí)時(shí)動(dòng)態(tài)演變過程監(jiān)測時(shí)效性受數(shù)據(jù)和信息提取效率制約的問題，提出了基于HJ－1CCD數(shù)據(jù)利用區(qū)域生長算法的洪澇災(zāi)害范圍提取模型。在研究多種地物目標(biāo)的影像特征與光譜響應(yīng)特征基礎(chǔ)上，采用區(qū)域生長算法對(duì)2013年汛期黑龍江省撫遠(yuǎn)縣洪澇災(zāi)害范圍進(jìn)行識(shí)別和判定。結(jié)果表明：汛期內(nèi)穩(wěn)定高頻次獲取的HJ－1CCD數(shù)據(jù)能為洪澇災(zāi)害范圍識(shí)別和動(dòng)態(tài)演變過程監(jiān)測提供數(shù)據(jù)保障。區(qū)域生長法提取集中連片水體的效率高，能夠?qū)⑦^去目視解譯、人工勾畫需要5h的工作量縮短到10min之內(nèi)；提取結(jié)果宏觀性強(qiáng)，在影響范圍大的洪澇災(zāi)害范圍動(dòng)態(tài)監(jiān)測業(yè)務(wù)中發(fā)揮著重要的作用。

關(guān)鍵詞：

洪澇范圍；HJ－1CCD；區(qū)域生長；動(dòng)態(tài)監(jiān)測

1引言

洪澇災(zāi)害發(fā)生頻率高、突發(fā)性強(qiáng)、危害范圍廣、損失嚴(yán)重。據(jù)國際緊急事件數(shù)據(jù)庫統(tǒng)計(jì)，2012年洪澇災(zāi)害造成的人員傷亡和受災(zāi)人數(shù)占全球自然災(zāi)害造成損失的53％。近年來，我國極端氣候事件頻發(fā)，引發(fā)嚴(yán)重的洪澇災(zāi)害。隨著社會(huì)經(jīng)濟(jì)的發(fā)展，洪澇災(zāi)害損失越來越嚴(yán)重。據(jù)民政部統(tǒng)計(jì)，2013年，全國自然災(zāi)害因?yàn)?zāi)死亡失蹤人口2284人，其中洪澇和地質(zhì)災(zāi)害占61．8％；直接經(jīng)濟(jì)損失5808．4億元，其中洪澇和地質(zhì)災(zāi)害占32．4％。洪澇災(zāi)害范圍是表征洪澇災(zāi)害時(shí)空分布特征的關(guān)鍵物理參數(shù)，是全面客觀開展洪澇災(zāi)害災(zāi)情評(píng)估的主要內(nèi)容和重要基礎(chǔ)。充分利用遙感技術(shù)、地面站網(wǎng)觀測數(shù)據(jù)和實(shí)地調(diào)查核查等手段，是當(dāng)前“天、空、地、現(xiàn)場”一體化開展洪澇災(zāi)害范圍評(píng)估的研究前沿。遙感技術(shù)具有客觀、動(dòng)態(tài)性強(qiáng)、實(shí)時(shí)性好、獲取信息量大等獨(dú)特優(yōu)勢，對(duì)提高洪澇災(zāi)害范圍動(dòng)態(tài)監(jiān)測的時(shí)效性和準(zhǔn)確性具有重要的現(xiàn)實(shí)意義，國內(nèi)外已進(jìn)行了廣泛的研究，主要集中在提取方法研究和業(yè)務(wù)系統(tǒng)建設(shè)方面。如1973年美國利用陸地衛(wèi)星數(shù)據(jù)開展了密西西比河嚴(yán)重泛濫監(jiān)測［1］。周成虎［2］利用氣象衛(wèi)星、陸地衛(wèi)星和航空合成孔徑側(cè)視雷達(dá)圖像，采用遙感信息自動(dòng)分類處理和人機(jī)交互解譯技術(shù)開展1991年江淮流域特大洪澇災(zāi)害遙感調(diào)查；周紅妹等［3］利用NOAA＿AVHRR數(shù)據(jù)采用模糊非監(jiān)督分類、比值等方法對(duì)浙江省洪澇范圍進(jìn)行監(jiān)測；魏麗等［4］利用NOAA＿AVHRR數(shù)據(jù)對(duì)江西省洪澇范圍開展動(dòng)態(tài)監(jiān)測；中國科學(xué)院借助衛(wèi)星和航空等多平臺(tái)采用人機(jī)交互解譯的方法對(duì)1998年全國范圍的洪澇進(jìn)行監(jiān)測［5］。張樹譽(yù)等［6］利用MODIS數(shù)據(jù)采用水體判別閾值方式對(duì)2003年渭河洪澇范圍進(jìn)行動(dòng)態(tài)監(jiān)測和估算。李健等［7］利用FY－3A、HJ－1A／B和EOS多源衛(wèi)星遙感數(shù)據(jù)，采用監(jiān)督分類方法對(duì)2010年吉林省洪澇災(zāi)害進(jìn)行了遙感監(jiān)測。李文慧等［8］利用MERSI數(shù)據(jù)，采用NDWI＿EXs水體指數(shù)擴(kuò)展模型，提高了洪澇范圍提取的精度。何桂珍等［9］利用Radarsat和TM數(shù)據(jù)，以鄱陽湖區(qū)為例，開展洪澇災(zāi)害快速監(jiān)測與評(píng)估。在業(yè)務(wù)系統(tǒng)建設(shè)方面，上海市氣象科學(xué)研究所利用地面高程、土地利用狀況、排灌能力、歷年受災(zāi)狀況等地面資料，建立洪澇災(zāi)害遙感動(dòng)態(tài)監(jiān)測業(yè)務(wù)運(yùn)行系統(tǒng)［10］。中國水利水電科學(xué)研究院在構(gòu)建洪澇災(zāi)害遙感監(jiān)測與評(píng)估數(shù)據(jù)庫的基礎(chǔ)上，設(shè)計(jì)與實(shí)現(xiàn)了運(yùn)行穩(wěn)定的洪澇災(zāi)害遙感監(jiān)測與評(píng)估業(yè)務(wù)系統(tǒng)［11］。民政部國家減災(zāi)中心自2004年淮河洪澇開始遙感洪澇監(jiān)測業(yè)務(wù)，之后應(yīng)對(duì)了多次洪澇災(zāi)害，并借助環(huán)境與災(zāi)害監(jiān)測預(yù)報(bào)小衛(wèi)星星座運(yùn)行管理與減災(zāi)應(yīng)用系統(tǒng)，設(shè)計(jì)了洪澇災(zāi)害范圍識(shí)別工具。綜上，洪澇災(zāi)害遙感范圍動(dòng)態(tài)監(jiān)測主要以重訪周期高的低空間分辨率數(shù)據(jù)為主，兼顧中高空間分辨率數(shù)據(jù)。環(huán)境減災(zāi)衛(wèi)星（HJ－1）是我國發(fā)射的專門用于環(huán)境和災(zāi)害監(jiān)測的衛(wèi)星，具有重訪周期高、幅寬大、空間分辨率高、信息量豐富等優(yōu)勢，有利于識(shí)別水體邊界線，為洪澇宏觀動(dòng)態(tài)監(jiān)測提供數(shù)據(jù)支撐。本文選取黑龍江省撫遠(yuǎn)縣為研究區(qū)，基于HJ－1CCD數(shù)據(jù)，在研究多種地物目標(biāo)的影像特征與光譜響應(yīng)特征的基礎(chǔ)上，采用區(qū)域生長算法對(duì)2013年汛期黑龍江撫遠(yuǎn)縣災(zāi)前災(zāi)后的水體范圍進(jìn)行識(shí)別，動(dòng)態(tài)監(jiān)測洪澇范圍變化。利用HJ－1數(shù)據(jù)開展洪澇范圍動(dòng)態(tài)監(jiān)測不僅可為減災(zāi)救災(zāi)工作提高技術(shù)支撐，還可提高HJ－1數(shù)據(jù)的應(yīng)用深度和廣度，拓展應(yīng)用能力。

2數(shù)據(jù)源

2．1研究區(qū)概況黑龍江省撫遠(yuǎn)縣地處黑龍江、烏蘇里江交匯的三角地帶，是中國最東部的縣級(jí)行政單位，介于133°40′～135°5′E，47°25′～48°27′N之間（圖1），屬中溫帶大陸性季風(fēng)氣候，其特點(diǎn)是冬長嚴(yán)寒，夏短炎熱，秋季多雨，年平均氣溫20．2℃，年平均降水量約為600mm，境內(nèi)有大小河流56條，湖泊泡沼700多個(gè)。研究區(qū)內(nèi)主要植被為牧草和大豆。2013年入汛以來受本地降雨和境外客水疊加影響，黑龍江和烏蘇里江出現(xiàn)特大洪水，發(fā)生嚴(yán)重的洪澇災(zāi)害，黑龍江撫遠(yuǎn)段超警戒水位近60d；洪水與內(nèi)澇并存，險(xiǎn)情多發(fā)。

2．2數(shù)據(jù)源利用HJ－1CCD數(shù)據(jù)（基本參數(shù)如表1所示）開展洪澇范圍動(dòng)態(tài)監(jiān)測。2008年9月6日，我國在太原衛(wèi)星發(fā)射中心成功將環(huán)境減災(zāi)A、B星送入太空，衛(wèi)星進(jìn)入預(yù)定軌道。A、B星是兩顆光學(xué)小衛(wèi)星，各搭載一臺(tái)寬覆蓋多光譜相機(jī)（CCD）。同時(shí)，A星上搭載了一臺(tái)高光譜成像儀，B星上搭載了一臺(tái)紅外相機(jī)［12］。單景HJ－1CCD影像能覆蓋研究區(qū)。本文選取了洪澇災(zāi)區(qū)災(zāi)前和災(zāi)后兩顆衛(wèi)星的10景數(shù)據(jù)（表2），其中災(zāi)前數(shù)據(jù)1景、災(zāi)后9景，所獲取的CCD數(shù)據(jù)圖像清晰，為洪澇范圍的動(dòng)態(tài)監(jiān)測提供了條件。本文選用的CCD數(shù)據(jù)為2級(jí)產(chǎn)品，分波段以壓縮包的形式存儲(chǔ)。首先對(duì)數(shù)據(jù)進(jìn)行解壓縮和波段合成，然后利用幾何精校正過的TM影像開展幾何精校正［13］。

3研究方法

3．1典型地物CCD影像特征不同地物類型結(jié)構(gòu)特征差異很大，對(duì)入射光的反射、吸收、透射不同，造成不同地物在HJ－1CCD上具有不同的幾何特征和光譜特征。HJ－1CCD標(biāo)準(zhǔn)假彩色合成影像通過目視判讀，能清楚識(shí)別各種典型地物［14］。山區(qū)、水體是自然地物，形狀不規(guī)則，圖型隨機(jī)，紋理破碎粗糙；居民地、道路和農(nóng)田是人工地物，形狀相對(duì)比較規(guī)則，紋理相對(duì)比較整齊。圖2（a）為山區(qū)，植被覆蓋高，植被在近紅外和紅波段強(qiáng)反射，表現(xiàn)為紅色調(diào)，顏色不均一；圖2（b）為居民地，城市下墊面組成成分復(fù)雜多樣，光譜特性復(fù)雜，在CCD圖像上表現(xiàn)為以白色調(diào)為主，黑、紅、白、藍(lán)顏色相間；圖2（c）為道路，鋪面材料不同，光譜特征不同，常表現(xiàn)為灰白色；圖2（d）為農(nóng)田，在近紅外和紅波段強(qiáng)反射，表現(xiàn)為淺紅色調(diào)；圖2（e）為過水農(nóng)田，農(nóng)田中土壤水分含量增加，且不均一，水的強(qiáng)吸收特征，導(dǎo)致呈現(xiàn)黑、紅、藍(lán)顏色相間；圖2（f）為水體，水體對(duì)光具有吸收作用，不同渾濁度的水體呈現(xiàn)不同的色調(diào)。

3．2典型地物光譜響應(yīng)特征利用對(duì)數(shù)殘差法對(duì)CCD數(shù)據(jù)開展輻射校正，得到相對(duì)反射率圖像。根據(jù)影像選取山區(qū)、居民地、道路、農(nóng)田、過水農(nóng)田、水體等主要地物的樣本，測定光譜值，得到光譜響應(yīng)曲線。由圖3可知，水體與其他地物光譜特征差異較大，相對(duì)反射率最低。在第一和第三波段，水體與山體的相對(duì)反射率比較接近，難以區(qū)分。水在近紅外波段吸收大量的能量，導(dǎo)致在第四波段，水體的相對(duì)反射率與其他地物的相對(duì)反射率差別最大。

3．3洪澇災(zāi)害范圍動(dòng)態(tài)監(jiān)測洪澇災(zāi)害范圍提取是以災(zāi)前、災(zāi)后多時(shí)相遙感數(shù)據(jù)為主，輔以災(zāi)情信息、氣象數(shù)據(jù)、現(xiàn)場信息和輿情信息等數(shù)據(jù)，采用區(qū)域生長算法分別提取災(zāi)前、災(zāi)后水體范圍，然后利用變化檢測方法開展災(zāi)害范圍動(dòng)態(tài)監(jiān)測。災(zāi)前災(zāi)后水體提取利用的是區(qū)域生長算法，其基本思想是具有相似準(zhǔn)則的像素空間聚類過程，即由一個(gè)種子像素（P0）出發(fā)，通過設(shè)置閾值，從其領(lǐng)域中搜索輻射特征和幾何特征與其差異最小的像素（P1），對(duì)于P1進(jìn)行同樣的搜索，得到與其差異最小的像素（P2），若P0＝P2，則滿足同質(zhì)準(zhǔn)則。否則，令P0＝P1，P1＝P2，重復(fù)迭代搜索，直至目標(biāo)區(qū)內(nèi)全部符合條件的像素都被聚類，構(gòu)成區(qū)域［15］。要獲得理想的空間聚類效果，首先要選擇種子像素，需滿足如下條件：①必須在水體覆蓋范圍內(nèi)，且與水體邊界有一定的距離；②種子像素與其周圍的像素有較高的相似度、且灰度均勻，均勻的灰度才能生長出更大的區(qū)域［16］。如果區(qū)域中目標(biāo)灰度分布不均勻，則需要將圖像進(jìn)行分塊，以獲取較好的區(qū)域識(shí)別效果；③種子核心區(qū)能反映出目標(biāo)水體的整體亮度分布。種子像素的設(shè)置對(duì)空間聚類效果影響很大。洪澇災(zāi)害發(fā)生時(shí)，不同河段水體的渾濁度差別很大且具有不同水深，造成水體輻射特征差異大。本文以2013年9月10日?qǐng)D像為例，利用區(qū)域生長法和水體指數(shù)法分別提取水體。圖5（a）～（c）分別代表了種子像素放在不同的相對(duì)反射率區(qū)（閾值為30）獲得不同的水體聚類區(qū)（圖中黃色三角形為種子像素位置）。可以看出，利用區(qū)域生長法提取水體時(shí)，種子像素的反射率與目標(biāo)水體的整體平均反射率相差較大（圖5（a）和圖5（b））不能提取聚類出理想的效果。種子像素的反射率與目標(biāo)水體的整體反射率越接近，聚類效果越有效。同時(shí)，比較區(qū)域生長法（圖5（c））與水體指數(shù)法（圖5（d））可以看出，水體指數(shù)法識(shí)別結(jié)果細(xì)節(jié)更明顯，能對(duì)整景圖像進(jìn)行提取；區(qū)域生長法重點(diǎn)側(cè)重集中連片水體的提取；如果要實(shí)現(xiàn)整景圖像提取，需采用設(shè)置多閾值、選擇多個(gè)種子像素的方式來實(shí)現(xiàn)；區(qū)域生長法能去除不必要的細(xì)節(jié)信息，更能滿足災(zāi)害范圍監(jiān)測業(yè)務(wù)的需要。例如圖5（d）中水體中央的植被已被水淹，屬于洪澇災(zāi)區(qū)，不需要作為植被信息單獨(dú)提取出來。

4研究結(jié)果

采用區(qū)域生長算法對(duì)撫遠(yuǎn)縣洪澇范圍進(jìn)行動(dòng)態(tài)監(jiān)測。結(jié)果如圖6和表3所示，洪澇災(zāi)害范圍變化明顯。2012年11月1日災(zāi)前水體面積為168km2，2013年9月7日起受本地降水和境外客水增加的影響，加上研究區(qū)地勢低洼，河水倒灌淹沒沿江農(nóng)田，水體面積增至1138km2，增加了5．8倍；之后洪水范圍不斷擴(kuò)大，峰值出現(xiàn)在9月10日，為1382km2。然后洪水水位從下游開始逐漸下降、水體逐漸消退。根據(jù)自2013年9月7日起淹沒歷時(shí)可能導(dǎo)致的農(nóng)作物損失，來劃分不同程度的受災(zāi)范圍。淹沒歷時(shí)大于7d為重度受災(zāi)，淹沒歷時(shí)大于3d為中度受災(zāi)，淹沒歷時(shí)大于1d為輕度受災(zāi)。

5結(jié)語

本文充分依托遙感技術(shù)客觀、動(dòng)態(tài)性強(qiáng)、實(shí)時(shí)性好、獲取信息量大等獨(dú)特優(yōu)勢，基于國產(chǎn)環(huán)境減災(zāi)衛(wèi)星數(shù)據(jù)，構(gòu)建洪澇災(zāi)害范圍動(dòng)態(tài)演變監(jiān)測方法，為高效、高精度開展洪澇災(zāi)害災(zāi)情評(píng)估業(yè)務(wù)夯實(shí)基礎(chǔ)。（1）環(huán)境減災(zāi)衛(wèi)星重訪周期高、幅寬大、空間分辨率高，在洪澇災(zāi)害范圍動(dòng)態(tài)監(jiān)測領(lǐng)域發(fā)揮著重要的作用，尤其是在應(yīng)對(duì)暴雨頻次相對(duì)較低、強(qiáng)度大的東北三江流域洪澇災(zāi)害時(shí)，能夠獲得現(xiàn)勢性好、可用性強(qiáng)的光學(xué)數(shù)據(jù)，為災(zāi)情綜合評(píng)估提供了有力支撐。（2）區(qū)域生長算法能準(zhǔn)確高效識(shí)別水體這種與其他地物光譜特征差異大的地物，從而快速提取洪澇范圍，將過去目視解譯、人工勾畫需要5h的工作量縮短到10min之內(nèi)，大大提高了工作效率和精度。深入研究面向?qū)ο蟮淖詣?dòng)化分區(qū)和自動(dòng)化閾值設(shè)置算法能使區(qū)域生長算法更智能化和精準(zhǔn)化。（3）在我國航空航天產(chǎn)業(yè)蓬勃發(fā)展的背景下，針對(duì)一次洪澇災(zāi)害過程具備獲取多源多尺度數(shù)據(jù)的能力，如何實(shí)現(xiàn)高效協(xié)同處理和智能信息提取是洪澇災(zāi)害監(jiān)測亟需解決的重要問題。

作者：范一大 和海霞 李博 劉明 單位：民政部國家減災(zāi)中心 民政部衛(wèi)星減災(zāi)應(yīng)用中心