典型電廠區(qū)多源遙感定量反演的適宜性評價*

王春陽,劉艷霞,畢京佳,董慧君

(1.山東電力工程咨詢院有限公司,山東濟南 250013;2.中國科學院海洋研究所,海洋地質(zhì)與環(huán)境重點實驗室,山東青島 266071;3.青島恒天翼信息科技有限公司,山東青島 266061;4.山東省東營市勘察測繪院,山東東營 257091)

典型電廠區(qū)多源遙感定量反演的適宜性評價*

王春陽1,劉艷霞2**,畢京佳2,3,董慧君4

(1.山東電力工程咨詢院有限公司,山東濟南 250013;2.中國科學院海洋研究所,海洋地質(zhì)與環(huán)境重點實驗室,山東青島 266071;3.青島恒天翼信息科技有限公司,山東青島 266061;4.山東省東營市勘察測繪院,山東東營 257091)

【目的】探討典型電廠廠址區(qū)各種地質(zhì)要素在多源遙感監(jiān)測的影像及方法選取方面的適宜性?！痉椒ā恳詨酃饣痣姀S和西北典型洪災區(qū)(有4個電站)為例，從海岸線變化監(jiān)測和洪水痕跡范圍識別方面，開展適宜性評價研究。【結果】對電廠廠址尺度范圍內(nèi)的海岸線變化監(jiān)測，在傳感器類型和反演方法選取時，不同潮灘坡降分別受到影像空間分辨率、水邊線高程誤差和改正時的內(nèi)插誤差、坡度改正誤差的影響，而需要選擇相應合適的影像數(shù)據(jù)。在進行洪水淹沒范圍的提取時，遙感反演、現(xiàn)場調(diào)訪和模擬結果對比顯示，基于Landsat數(shù)據(jù)的土壤含水量法提取的洪痕及洪水淹沒范圍更加準確。【結論】本研究結果可為電廠選址及后期監(jiān)測選取適宜的遙感數(shù)據(jù)源和相應技術方法提供參考，為工程廠址環(huán)境監(jiān)測提供可靠的遙感反演理論依據(jù)。

多源遙感技術 電廠選址 岸線變化監(jiān)測 洪痕識別

0 引言

【研究意義】遙感技術具有宏觀、綜合、多尺度、多層次的特點[1]，不僅在大尺度的全球環(huán)境監(jiān)測、大氣監(jiān)測(全球氣候變化、臭氧層與溫室氣體監(jiān)測等)中有重要應用，在局域和小范圍的環(huán)境監(jiān)測(森林火災、洪水、赤潮等)中，例如對重大工程的環(huán)境調(diào)查以及防災減災，也有廣泛應用[2-5]。遙感資料結合GIS技術與其它多元信息，可為大型工程區(qū)域及周圍自然資源清查、環(huán)境質(zhì)量評價等提供客觀可靠的決策依據(jù)[6]?！厩叭搜芯窟M展】隨著社會發(fā)展的需要和衛(wèi)星遙感技術的快速發(fā)展，各類型對地觀測衛(wèi)星成功升空，新型傳感器不斷推出，多平臺、多尺度、多層次觀測系統(tǒng)逐漸形成，不僅極大地提高了遙感的觀測尺度，其地物識別能力和精度也顯著增加。相應遙感技術的應用，已從早期的遙感數(shù)據(jù)分析轉向多種數(shù)據(jù)綜合分析，從靜態(tài)到動態(tài)，從定性到定量，從目視解譯到計算機自動識別，研究方法趨向系統(tǒng)化[7]?！颈狙芯壳腥朦c】從多源、多平臺、多尺度的遙感數(shù)據(jù)源中選擇合適的影像，以及評價各數(shù)據(jù)源的適宜性，逐漸成為當前遙感應用研究的突破口?！緮M解決的關鍵問題】以壽光火電廠選址中的海岸線變化和西北典型洪災區(qū)(有4個電站)的洪痕識別為監(jiān)測要素，探討不同時空分辨率的衛(wèi)星影像在監(jiān)測不同區(qū)域地質(zhì)要素的適宜性。

1 遙感海岸線變化監(jiān)測

1.1 海岸線變遷

遙感監(jiān)測海岸線變遷的方法，已由基于海岸特征并結合圖像處理技術對海岸線進行直接判讀的定性解譯[8-9](包括平均高潮線和一般高潮線等)，發(fā)展到以特定基準面為標識定量提取指示岸線位置的階段。而在確定指示岸線位置特征時，有許多潛在的影響因素，包括影像獲取時的潮位、坡降、波能、地下水位、沉積物粒徑、太陽高度角和傳感器觀測幾何等[10-11]。這些因素引起的海岸線變化可能是長期的、周期性的和隨機性的。而主要由潮位引起的周期性海岸線變化對海岸線的位置確定起到非常重要的作用，且潮位的影響又因為海岸地貌的變化造成海岸線位置的很大不同[12]。本節(jié)以小清河口附近壽光火電廠址岸線變遷監(jiān)測為例，探討特定廠址區(qū)域遙感提取海岸線的影像選取、影響因素及評價方法。

1.2 研究區(qū)概況

研究區(qū)位于現(xiàn)代黃河三角洲地區(qū)。黃河平均每年輸送208.63×108m3和5.07×108t的水沙入海[9]，大約63%～79%的泥沙沉積在河口三角洲區(qū)域[12]，使得潮間帶面積迅速增加，特別是在現(xiàn)行河口地區(qū)，例如1976年-2008年，清水溝河口區(qū)潮間帶面積增加了136 km2。然而，在廢棄的河口區(qū)域，海岸沖刷也異常劇烈。該研究區(qū)屬于黃河1929年-1938年形成的葉瓣(圖1)。近年來，受多種因素綜合影響，黃河三角洲海岸沖淤變化異常復雜，而準確定量的監(jiān)測海岸線變化是正確評價海岸沖淤變遷的關鍵[13]。該研究區(qū)屬不正規(guī)半日潮海區(qū)，落潮歷時大于漲潮歷時，平均潮差1.25 m，最大潮差自黃河口0.5 m向南增至小清河口，可達2 m，而潮流速則遞減到小清河口，為30～40 cm/s。該區(qū)灘面為黃河泥沙多年堆積而成，潮灘平坦寬廣，寬7～9 km，平均坡度為0.45‰，組成物質(zhì)主要為極細砂和粉砂，粒徑介于0.125～0.016 mm，為三角洲內(nèi)近年來比較穩(wěn)定的區(qū)域。

1：1855年-1889年;2：1889年-1897年;3：1897年-1904年;4：1904年-1929年;5：1929年-1934年;6：1934年-1938年；1947年-1964年;7：1964年-1976年；A：研究區(qū)位置的潮灘照片The intertidal flat photo of study area

圖1 黃河改道歷史及研究區(qū)位置

Fig.1 Location of study area and historical migration of deltaic channels of the modern Huanghe River delta

1.3 遙感影像數(shù)據(jù)及處理

已有報道：定量提取水邊線時，在一個1∶500坡降的潮灘，水邊線的高度誤差和內(nèi)插間隔是主要的誤差源[14]，影像獲取時位于高潮或低潮都會對低坡降的瞬時水邊線位置產(chǎn)生幾十米的影響[8]。在坡降增加至1∶30時，影像的分辨率就成為誤差的主要影響因素。當潮汐變化引起的誤差大于影像的空間分辨率時，潮位變化必須考慮[11]。雖然也可通過選取低分辨率影像以忽略潮汐變化的影響，或選取高分辨率的影響減少誤差的影響[15]，但是在電廠這種小尺度的范圍內(nèi)，低分辨率影像有時很難滿足要求，而高分辨率的影像存在時間序列短的局限性。

由于研究區(qū)為黃河歷史上泥沙堆積形成的，自1976年黃河改道清水溝流路以來，該區(qū)潮灘受其影響始終處于不斷的沖淤變化中。因此，選用1973-2009年Landsat-MSS/-TM/-ETM+衛(wèi)星影像8景，用于分析海岸沖淤演化特征(表1)。所有影像校正到統(tǒng)一的WGS84坐標系UTM50N投影，RSM小于0.5個像元。大氣校正采用暗目標法(DOS2)。用單波段密度分割提取影像瞬時水邊線，又基于潮灘光譜特征，且研究區(qū)為粉砂淤泥質(zhì)海岸，灘面廣闊，落潮后潮灘上有大面積海水殘留(圖1,A)，近岸海水在有風天氣濁度較高等原因，選用NIR波段(TM/ETM+選4波段，MSS選7波段)提取水邊線；而對于近岸海水濁度較高的年份采用NIR波段與可見光波段的差值消除濁流水的影響。

表1 黃河三角洲地區(qū)衛(wèi)星影像數(shù)據(jù)列表

Table 1 Summary of the satellite data used in Huanghe River delta from 1973 to 2009

基礎影像?Masterimage校正影像??Slaveimage日期Date時間Time傳感器Sensor分辨率(m)Resolution潮位(cm)Tidallevel日期Date時間Time傳感器Sensor分辨率(m)Resolution潮位(cm)Tidallevel1973103110：11：42MSS804．4161973120610：11：28MSS8050．0001973122410：11：10MSS80-85．0001980092409：50：40MSS80-4．1601980071409：53：30MSS80-37．4121980060809：54：55MSS8075．5941984100510：07：25MSS80-36．9721984090310：12：01MSS8012．1921989021310：14：45TM3013．6721989012810：14：28TM30-96．9761988120310：12：30TM302．3361992082410：04：22TM3029．7901992040210：06：01TM30-40．7682004091810：30：27ETM+30-24．0782004091010：25：39TM3031．0232007061510：36：01TM30-14．1372007042810：36：38TM3071．9132007051410：36：28TM3069．9902009061210：32：23ETM+30-23．6402009062010：30：21TM3048．760

注：潮高基準面為1985國家高程基準,*基礎影像用于岸線提取，**校正影像用于坡度計算和精度評估

Note:The 1985 national tidal height datum was as the local tidal datum,the master images (*)used to detect coastline variations,and the slave images (**) used for calculation of the tidal flat gradient and evaluation of accuracy and errors

1.4 潮位標定

為實現(xiàn)岸線變化對比分析，對提取的水邊線作不同潮位的標定。采用丘仲鋒等[16]建立的渤黃海二維潮汐伴隨同化數(shù)據(jù)模型，得到研究區(qū)域12個主要分潮(Sa，K1，O1，P1，Q1，M2，S2，N2，K2，M4，Ms4，M6)的調(diào)和常數(shù)。衛(wèi)星過境時各像元的瞬時潮高采用方國洪等[17]的主港潮汐預報調(diào)和方法：

(1)

式中A0是多年平均海平面在潮高基準面上的高度，如果從潮高基準面起算，則可將其值取為0；H和g是分潮的調(diào)和常數(shù)，分別為振幅和遲角；σ是分潮的角速率；υ0是分潮的格林威治天文初相角；f和u是分潮的交點因子和交點訂正角；i是分潮數(shù)。

將調(diào)和常數(shù)代入式(1)，即可算出衛(wèi)星過境時的瞬時潮高。此外，還收集本區(qū)內(nèi)羊角溝水文站實測的逐時潮位(1976年-1998年)和高低潮位(1999年-2010年)作為參照。

1.5 坡度校正

遙感水邊線的坡度校正通常采用構建區(qū)域DEM來實現(xiàn)，也可以基于一線或岸線變化模型(OSM)進行坡度校正，但前一種方法對區(qū)域影像的時間跨度和潮位差異有較高的要求。本文假設粉砂淤泥質(zhì)潮灘的潮間帶內(nèi)灘面坡度大致均一，故選取兩景過境時間盡量相距短的影像，按照1.3節(jié)中方法提取水邊線，分別設為l1和l2，再利用1.4節(jié)中獲得的潮位數(shù)據(jù)確定兩景影像的瞬時潮高，分別設為h1和h2，那么灘面坡度p可以確定為

(2)

還要計算多年平均海平面、理論深度基準面或1985年國家高程基準(中國通用高程基準)等各基準面之間的關系。例如，取1985年國家高程基準為h，則水邊線l2向陸或向海的移動距離為l，如式(3)，即可得到校正至某一基準面的海岸線的位置。

(3)

為便于計算改正和對比岸線變化，將研究區(qū)內(nèi)的海岸線每隔100 m取一垂直海岸的斷面，兩個年份水邊線間的距離量算和水邊線向陸或向海的距離改正都沿各斷面進行，具體操作通過ArcGIS擴展模塊功能和DSAS軟件實現(xiàn)。

1.6 精度評價

采用相對誤差分析和絕對誤差分析兩種定量評估方式進行精度評價。文中影像處理和水邊線的提取主要是采用已成熟的方法，盡可能考慮各種因素的影響。這里不做具體定量精度估算，主要考慮坡度在岸線改正過程中的關鍵作用，將坡度值作為精度評價的指標。

1.6.1 相對誤差評價

相對誤差評價主要是基于計算結果內(nèi)部的相互對比驗證，分別在1973年、1980年、1989年和2007年各增選一個時相的影像數(shù)據(jù)作實驗驗證，采用3組數(shù)據(jù)進行分析，各組內(nèi)數(shù)據(jù)間最長時間間隔為3個月。依據(jù)各影像的潮位狀況，選定1973-12-24、1980-06-08、1989-01-28和2007-06-15等4個時相影像分別作為3組驗證數(shù)據(jù)的基準(表2)，并采用上文提到的方法計算，各組內(nèi)其余兩個時相數(shù)據(jù)分別計算，得到478個斷面的坡降值,從而算出研究區(qū)段的平均坡降值。

1.6.2 絕對誤差評價

絕對誤差分析主要是坡度估算值與實測值之間的對比驗證。1976年以來，為監(jiān)測黃河三角洲海岸變遷，水利部黃河水利委員會(黃委會)沿三角洲海岸共布設了36條固定斷面進行長期變化監(jiān)測。選取與研究區(qū)海岸線基本垂直的10條斷面用于驗證，編號為從27至36。斷面水深數(shù)據(jù)從潮灘向深海，測量一次的時間周期約為1個月，此期間的潮灘坡度變化對本文結果影響可忽略。由于粉砂淤泥質(zhì)潮灘從陸向或海向均較難進行現(xiàn)場測量，因此，選取潮間帶測量數(shù)據(jù)較全的1984年、1992年、2004年和2009年用于計算潮灘真實坡降。各斷面實測坡降主要通過選取與影像提取的海岸線重疊或相近的水深值和水平距離計算得到(圖2)。

表2 相對誤差評價結果

Table 2 Error and RMSE of consistency check in study area

衛(wèi)星影像Date潮位Tidallevel(cm)潮差Tidalrange(cm)潮差之差Differenceoftidalrange(cm)平均坡降Averagegradient(‰)最大坡降Maxgradient(‰)最小坡降Mingradient(‰)均方根誤差RMSE(‰)誤差Error(%)19731206501350．6410．9630．4070．0089719731224-8545．5842．4197310314．41689．4160．6651．0320．4150．0094519800924-4．1679．7540．5660．7940．4030．009781980060875．59433．25219800714-37．412113．0060．5780．7270．4420．007741．21989021313．672110．6480．4530．6230．3790．0050919890128-96．97611．336198812032．33699．3120．4470．6170．3750．004820．62007042871．91386．0500．7630．9570．3220．0032920070615-14．1371．9232007051469．9984．1280．7610．9490．3310．003230．2

圖2 基于衛(wèi)星影像估算潮灘坡降值與實測斷面坡降值對比

Fig.2 Verification of absolute check for transects from 27 to 36 in 1984,1992,2004 and 2009

1.7 結果分析

由表2可知，4個檢驗年份的平均坡降分別為0.654‰、0.572‰、0.450‰、0.762‰。再通過對DSAS方法劃分的478個斷面進行均方根誤差計算，得到其變化范圍為0.00323‰～0.00978‰，低于坡降值兩個數(shù)量級，表明利用不同時相遙感數(shù)據(jù)計算的各斷面坡降值偏離程度較小，同時也顯示該區(qū)坡降在短期內(nèi)發(fā)生了較大的變化。平均坡降估算誤差(表2最后一列)受各年份相互驗證的兩景影像間的潮差之差(表2第4列)影響，兩組影像間的潮差之差越小，二者估算的平均坡降值越接近,說明利用影像進行坡降估算具有可行性。該方法不同于構建DEM模型獲得海岸線位置，其參與運算的影像數(shù)量較少，對于短期內(nèi)坡度變化較大的海岸段更加適用。

為驗證本文方法估算潮灘坡降值的準確度，假定黃委會在黃河三角洲沿岸設立的36個固定斷面的長期監(jiān)測結果是合理可靠的，則由影像估算的潮灘坡降值和實測值的對比和誤差分析結果(圖2和表3)看出，對4個年份的坡降值，采用10個實測斷面計算的均方根誤差為0.038‰～0.076‰，低于實測坡降值一個數(shù)量級。利用公式(1)將誤差算至潮灘坡面上，估算的距離誤差在20.34～171.35 m。

由上述分析可知，潮灘的坡降計算在整個海岸線定位和變化監(jiān)測中具有重要的作用，坡降計算的誤差是影響計算結果的關鍵，而引起坡降估算的主要誤差包括水邊線的高度配置、 影像分辨率和內(nèi)插計算精度[14]，其中水邊線的高度確定主要由潮汐模型決定；對于平均坡降0.45‰(本研究計算值0.33‰～1.09‰)的潮灘，采用30 m或80 m分辨率的MSSTM影像計算高度的評價誤差，分別為2 cm或4 cm(最大為9 cm)，可見影像分辨率不是主要的誤差來源；而對于由分段計算的間距大小帶來的誤差也與潮灘坡降有關，根據(jù)文獻[14]的討論結果：對于12.5 m分辨率的影像，1∶100和1∶30坡降差值像素為10 m×10 m， 1∶500坡降差值像素為60 m×60 m時為合理。而本研究選用30 m或80 m分辨率影像，潮灘坡降平均為1∶2000，對于給定的兩條岸線，岸線分段間距隨著潮灘坡度越小距離越大，因此本研究100 m的分段間隔足以滿足需要。對估算結果的相對誤差分析也顯示，不同影像估算坡降值的均方根誤差低于坡降值兩個數(shù)量級(表2)，表明利用不同時相遙感數(shù)據(jù)計算的各斷面坡降值偏離程度較小，結果具有可靠性，同時也顯示該區(qū)坡降在短期內(nèi)發(fā)生了較大的變化。而利用實測坡降對估算坡降進行誤差分析可知，均方根誤差低于實測坡降值一個數(shù)量級。從驗證結果可知，平均坡降估算誤差(表2最后一列)受到各年份相互驗證的兩景影像間的潮差之差(表2第四列)的影響，兩組影像間的潮差之差越小，二者估算的平均坡降值越接近，說明利用影像進行坡降估算具有可行性。

表3 絕對誤差評價結果統(tǒng)計表

Table 3 RMSE between the shoreline surveyed and those estimated by the proposed tidal and slope correction

年份Year潮差Tidalrange(cm)最大距離Maxdistance(m)最小距離Mindistance(m)均方根誤差RMSE(‰)198449．16154．3920．340．038199270．56158．2876．390．049200455．1084．8045．920．076200972．40171．3528．450．054

關于坡降估算的精度方面，文獻[18]認為，在當時的技術下處理遙感資料，合成衛(wèi)星影像誤差為1個像元(MSS為80 m2×80 m2，TM為30 m2×30 m2)，一般情況下為1.5個像元，水平方向誤差為120 m (MSS)和45 m (TM)，用不同時相衛(wèi)片解譯的岸線疊加時，誤差為0.1～0.5 mm，實際誤差為50～250 m(所用衛(wèi)片資料及解譯底圖均為1∶50×104)，用衛(wèi)片解譯水邊線、以及岸灘坡度的測定、高程的推算等，其綜合誤差100 m左右，這樣實際計算誤差估計為195～470 m，然而用單波段衛(wèi)片解譯時，可以消除衛(wèi)片合成誤差。這樣，實際誤差(150～350 m)比上述估計要小些。而本文采用多個樣本進行誤差分析(表1)，結果介于20.34～171.35 m，符合估算精度。均方根誤差為53.98～217.72 m，對采用分段估算(實際100 m間距)和厘米級潮位模擬標定等處理手段，在不涉及岸線疊加分析的條件下，該誤差范圍理論上是合理的。文獻[13]研究顯示，針對坡降大于1∶500的區(qū)域，選用12.5 m分辨率的Spot影像數(shù)據(jù)并采用不同方法進行海岸線提取的潮位校正后，均方根誤差為43.09～193.58 m。本文針對坡降約1∶2000的區(qū)域，選用30 m或80 m分辨率的影像得到估算的均方根誤差范圍是53.98～217.72 m，也顯示在坡降較小的區(qū)域，潮汐變化和內(nèi)插間隔等引起的誤差大于影像空間分辨率引起的誤差[14]。而從誤差精度上看，本文方法較適應兩年及以上時間跨度的岸線變化，對于岸線變化更劇烈的區(qū)域可進行逐年計算。

由已有的研究及本文結果可知，對于不同坡降及潮差的潮灘來說，潮汐的周期性變化是準確估算海岸線位置的基礎，由海岸地形造成的潮位變化對海岸線位置確定至關重要。我們將潮灘坡降分為3個等級，當坡降大于1∶30時，影響海岸線提取精度的主要因素為影像自身的空間分辨率，此時影像分辨率越高則提取的海岸線位置越精確；當坡降為1∶500時，確定的水邊線高程誤差和改正時的內(nèi)插誤差便成為影響精度的主要誤差來源，影像分辨率不是主要的誤差來源；當潮灘坡降小于1∶500，達到1∶2000時，則潮灘的坡度改正誤差更加重要。

2 遙感洪水痕跡識別

2.1 研究區(qū)概況

2006年7月22日，大通河上游(青海省境內(nèi))突降暴雨，致使下游的永登縣連城、河橋兩鎮(zhèn)大通河水位上漲，發(fā)生了自1952年以來最大的洪水。洪水造成沿岸4個水電站(在修建的鐵城、天王溝、泰明和已建成的連城水電站)上下圍堰、廠房機坑、建筑材料被毀。另外，洪水毀壞農(nóng)田、林地60多公頃，造成經(jīng)濟損失1 300多萬元。大通河永登縣段屬于大通河下游,位于甘肅省蘭州市永登縣境內(nèi)，有連城和享堂兩個水文觀測站。流域主要是峽谷區(qū)，河道狹窄，植被條件不好，多為裸露的巖石。山區(qū)性河段是大通河洪水的主要來源區(qū)之一。據(jù)此選取洪水發(fā)生前(2006年7月12日)與洪水發(fā)生后(2006年8月5日)覆蓋該區(qū)域的Landsat ETM、TM和SPOT影像開展洪水淹沒范圍的提取。高程數(shù)據(jù)選用SRTM數(shù)據(jù)，分辨率為90 m的DEM數(shù)據(jù)。使用ENVI的FLAASH模塊對遙感影像進行大氣校正，并裁剪出研究區(qū)域，進行地形校正。采用植被指數(shù)法和土壤含水量兩種方法提取洪水痕跡，再利用八方向種子淹沒算法估算洪水淹沒范圍，并利用模擬結果對比不同方法及影像適宜性。模擬算法與估測算法相似，但是除了考慮連通性，模擬算法還需考慮水的流動方向。依據(jù)自然地表水流規(guī)律，判斷DEM區(qū)域內(nèi)某一點的水流方向時，只需計算八方向內(nèi)的最大高程落差，得知水流方向即從種子點流向高程落差最大的點。

2.2 植被指數(shù)法提取洪水痕跡

分別計算研究區(qū)洪水發(fā)生前后兩幅影像的

RVI、NDVI和MSAVI指數(shù)，公式[19]如下：

RVI=NIR/RED，

NDVI=(NIR-RED)/(NIR+RED)，

MSAVI=0.5*(2*NIR+1-sqrt((2*NIR +1)^2-8*( NIR -RED)))。

然后計算兩幅影像的差值，差值絕對值越大，說明洪水前后此地的植被覆蓋變化或植物生長狀況變化越大，越有可能被洪水淹沒或沖刷。設定閾值后提取洪水痕跡斑塊(圖3)。

2.3 土壤含水量法提取洪水痕跡

根據(jù)范文義等[20]提出的荒漠化地區(qū)土壤含水量的提取模型，使用Landsat TM影像計算洪水前后土壤光譜反射率，從而反映出土壤含水量的變化。從圖4可以看出洪水過后整個區(qū)域的土壤含水量都有所上升，這是由于區(qū)域的降水造成的。土壤含水量越高，被洪水淹沒或沖刷的可能性越大。設定閾值并從洪水后影像中提取洪水淹沒痕跡斑塊。

圖3 Landsat TM和SPOT數(shù)據(jù)不同指數(shù)估算結果

圖4 洪水發(fā)生前(a)后(b)土壤光譜反射率

Fig.4 Spectral reflectance of soil prior to (a) and following (b) the flood

2.4 淹沒范圍估測

使用C#語言與ArcEngine編程實現(xiàn)八方向種子淹沒估測：利用ArcEngine的柵格數(shù)據(jù)接口打開和保存洪水痕跡提取結果和淹沒算法生成的估測結果；利用ArcEngine的地圖顯示接口及圖形界面接口顯示數(shù)據(jù)結果；利用C#語言編寫種子淹沒算法。

2.5 結果對比與討論

圖5a中的點數(shù)據(jù)是實地考察的采樣點，是否曾被淹沒是通過對當?shù)鼐用竦脑L問得到。從圖3a、3b、3c可以看出，使用Landsat TM影像的3種不同植被指數(shù)估測出的洪水淹沒范圍相互之間的吻合度較高，但是洪水淹沒區(qū)域主要集中在上游地區(qū)，這與實地考察的結果(圖5)出入較大。

圖5 植被指數(shù)估測淹沒范圍對比

Fig.5 The inundated area estimated from different vegetation index of TM image(a) and SPOT image (b)

從圖3d、3e、3f可以看出，使用SPOT影像的3種不同植被指數(shù)估測出的洪水淹沒范圍相互之間的吻合度較低。通過RVI和NDVI指數(shù)估測的淹沒范圍偏大，根據(jù)MSAVI指數(shù)的提取結果更加符合實地調(diào)訪結果。這一點在TM影像的提取結果中也成立。

從圖5看，SPOT影像的估測范圍要大于TM影像，這是因為SPOT影像的分辨率較高，能夠反映更多植被指數(shù)變化的細節(jié)，許多區(qū)域在TM影像中屬于混合像元，難以提取植被變化痕跡，而在SPOT影像中能很好地提取出來。

從圖6可以看出，使用土壤含水量法估測出的洪水淹沒范圍主要集中在下游地區(qū)，估測結果與實地考察結果較為相符。實驗的結果表明，土壤含水量變化比植被變化更能正確反映洪水淹沒的痕跡，原因可能是研究區(qū)地表植被多為農(nóng)作物，在劇烈的天氣變化中，農(nóng)作物受到的破壞并不僅僅來自洪水淹沒。還有可能來自暴風對枝葉、莖稈的損傷或者雨水貯積造成的淹澇[21]。洪水發(fā)生時節(jié)，研究區(qū)的農(nóng)作物以玉米為主，正處于拔節(jié)期，積水對拔節(jié)期玉米的密度和死株率都有影響。拔節(jié)期積水淹沒3 d，死株率可以達到17%以上，5 d則上升到50%，7 d能上升到70%(文獻[22])。但積水的原因有很多種，洪水淹沒只是其中一種，還有可能是降水造成的積水，山坡上的溝渠排水造成的積水。調(diào)訪過程中得知，在河流水位上漲造成洪水時，同時發(fā)生了局部暴雨而導致山洪。在水位上漲、暴雨和山洪的多重影響下，植被的變化是多種因素共同作用的結果。與植被指數(shù)法不同的是，使用土壤含水量指標并不是尋找洪水前后變化較大的區(qū)域，而是尋找洪水后含水量同比較大的區(qū)域。這是因為整個研究區(qū)的土壤含水量都因為降水而升高，原來距離河流較遠的地區(qū)含水量較低，變化也就較大，但這些地方并不是被洪水淹沒的區(qū)域。另外，由于DEM數(shù)據(jù)分辨率的限制，許多小的田坎、土堆對洪水淹沒范圍的影響并不能如實地反映出來。

圖6 土壤水含量估測淹沒范圍

Fig.6 The inundate area estimated from the index of soil moisture content

取至少兩個植被指數(shù)估測范圍重疊的區(qū)域作為植被指數(shù)的最終估測范圍，與模擬范圍(圖7)做疊加分析，結果如圖8所示?？梢钥闯觯琓M影響估測的范圍集中在上游地區(qū)，可能是由于分辨率較低，下游植被的變化較分散，沒有大片連續(xù)，因而無法提取出來。這一點從SPOT數(shù)據(jù)的估測結果可以得到驗證。但是SPOT數(shù)據(jù)的分辨率高，提取出的植被變化細節(jié)較多，下游地區(qū)估測范圍明顯比模擬范圍要大，與調(diào)訪中了解到的暴雨、山洪對植被造成的破壞一致。

圖7 淹沒范圍模擬結果

Fig.7 The inundate area estimated form simulation result

通過上述對比可以看出，土壤含水量估測出的淹沒范圍與模擬淹沒范圍十分吻合，在一些區(qū)域甚至更加精確。

(a)TM估測與模擬對比;(b)SPOT估測與模擬對比

(a)Comparison of estimation and simulation under TM;(b)Comparison of estimation and sinulation under SPOT

圖8 TM與SPOT植被指數(shù)估測結果與模擬結果對比

Fig.8 Comparison of results between the simulated and the estimated from vegetation index of TM image (a) and SPOT image (b)

3 結論

本研究選取山東小清河口壽光電廠和甘肅省永登縣大通河段的典型電廠廠址區(qū)，通過遙感監(jiān)測海岸線變遷和洪痕及洪水淹沒范圍，探討不同廠址各地質(zhì)要素在遙感影像及方法選取方面的適宜性，所選影像類型主要依據(jù)廠址區(qū)范圍特征、時間尺度等。結合已有研究和本文結果，在海岸線變化定量監(jiān)測中，對于潮灘坡降較大(>1∶30)的區(qū)域，影像空間分辨率越高則解譯精度越高；當坡降減小到1∶500時，確定的水邊線高程誤差和改正時的內(nèi)插誤差是影像選取和方法選擇的主要依據(jù)；當坡降達到1∶2000時，潮灘的坡度改正誤差則為考慮的重點。對于洪水淹沒范圍的提取，考慮到范圍尺度較小，主要選取Landsat和SPOT較高空間分辨率的數(shù)據(jù)做對比分析，發(fā)現(xiàn)基于Landsat TM數(shù)據(jù)的土壤含水量法提取的洪水痕跡與模擬結果和實際調(diào)訪情況更符合。

[1] 王潤生,熊盛青,聶洪峰,等.遙感地質(zhì)勘查技術與應用研究[J].地質(zhì)學報,2011,85(11):1699-1743. WANG R S,XIONG S Q,NIE H F,et al.Remote sensing technology and its application in geological exploration[J].Acta Geologica Sinica,2011,85(11):1699-1743.

[2] 姜晟,李俊龍,李旭文,等.核電站溫排水遙感監(jiān)測方法研究——以田灣核電站為例[J].中國環(huán)境監(jiān)測,2013,29(6):212-216. JIANG S,LI J L,LI X W,et al.A research on the remote sensing monitoring method with the thermal discharge of Tianwan nuclear power station[J].Environmental Monitoring in China,2013,29(6):212-216.

[3] 李磊,李志龍,席占生,等.電力工程中遙感提取侵蝕溝參數(shù)的方法探討[J].中國水土保持,2014(6):46-49. LI L,LI Z L,XI Z S,et al.Discussion on the method of remote sensing to extract the parameters of erosion ditch in power engineering[J].Soil and Water Conservation in China,2014(6):46-49.

[4] 許靜,朱利,姜建,等.基于HJ-1B與TM熱紅外數(shù)據(jù)的大亞灣核電基地溫排水遙感監(jiān)測[J].中國環(huán)境科學,2014,34(5):1181-1186. XU J,ZHU L,JIANG J,et al.Monitoring thermal discharge in Daya Bay plant based on thermal infrared band of HJ-1B and TM remote sensing[J].China Environmental Science,2014,34(5):1181-1186.

[5] 張愛玲,朱利,陳曉秋,等.核電站溫排水衛(wèi)星遙感監(jiān)測應用研究[J].環(huán)境監(jiān)測管理與技術,2014,26(6):12-16. ZHANG A L,ZHU L,CHEN X Q,et al.Research on application of satellite remote sensing techniques for monitoring thermal discharge from nuclear power plant[J].The Administration and Technique of Environmental Monitoring,2014,26(6):12-16.

[6] 馮筠,黃新宇.遙感技術在資源環(huán)境監(jiān)測中的作用及發(fā)展趨勢[J].遙感技術與應用,1999,14(4):59-70. FENG Y,HUANG X Y.Roles of remote sensing technology on monitoring resources and environment and its trends[J].Remote Sensing Technology and Application,1999,14(4):59-70.

[7] 陳愛群.國內(nèi)外遙感最新技術及其發(fā)展趨勢[J].測繪科技情報,2008(1):12-15. CHEN A Q.Remote sensing technology and its latest development trend[J].Surveying and Mapping Science and Technology Information,2008(1):12-15.

[8] BOAK E H,TURNER I L.Shoreline definition and detection:A review[J].Journal Coast of Research,2005,21(4):688-703.

[9] CUI B L,LI X Y.Coastline change of the Yellow River estuary and its response to the sediment and runoff (1976-2005)[J].Geomorphology,2011,127(1/2):32-40.

[10] GENS R.Remote sensing of coastlines:Detection,extraction and monitoring[J].International Journal of Remote Sensing,2010,31(7):1819-1836.

[11] GUARIGLIA A,BUONAMASSA A,LOSURDO A,et al.A multisource approach for coastline mapping and identification of shoreline changes[J].Annals of Geophysics,2006,49(1):295-304.

[12] FAN H,HUANG H J,ZENG T Q,et al.River mouth bar formation,riverbed aggradation and channel migration in the modern Huanghe (Yellow) River delta,China[J].Geomorphology,2006,74(1/2/3/4):124-136.

[13] CHEN W W,CHANG H K.Estimation of shoreline position and change from satellite images considering tidal variation[J].Estuarine,Coastal and Shelf Science,2009,84(1):54-60.

[14] MASON D C,DAVENPORT I J,FLATHER R A,et al.A sensitivity analysis of the waterline method of constructing a digital elevation model for intertidal areas in ERS SAR scene of eastern England[J].Estuarine,Coastal and Shelf Science,2001,53(6):759-778.

[15] LOHANI B.Construction of a digital elevation model of the Holderness coast using the waterline method and Airborne Thematic Mapper data[J].International Journal of Remote Sensing,1999,20(3):593-607.

[16] 丘仲鋒,何宜軍,呂咸青.黃海、渤海TOPEX/Poseidon高度計資料潮汐伴隨同化[J].海洋學報,2005,27(4):10-18. QIU Z F,HE Y J,LV X Q.Tidal adjoint assimilation with the TOPEX/Poseidon altimetry data in the Huanghai and Bohai Seas[J].Acta Oceanologica Sinica,2005,27(4):10-18.

[17] 方國洪,鄭文振,陳宗鏞,等.潮汐和潮流的分析和預報[M].北京:海洋出版社,1986. FANG G H,ZHENG W Z,CHEN Z Y,et al.Analysis and Forecasting of Tides and Tidal Streams[M].Beijing:China Ocean Press,1986.

[18] 黃海軍,李成治,郭建軍.衛(wèi)星影像在黃河三角洲岸線變化研究中的應用[J].海洋地質(zhì)與第四紀地質(zhì),1994(2):29-37. HUANG H J,LI C Z,GUO J J.Application of Landsat images to the studies of the shoreline changes of the Huanghe River Delta[J].Marine Geology & Quaternary Geology,1994(2):29-37.

[19] 苗乃哲.基于Landsat_TM數(shù)據(jù)的冬小麥不同生育期葉面積指數(shù)反演方法精度比較[D].西安:西安科技大學,2012. MIAO N Z.Accuracy Comparison of the Leaf Area Index Inversion Method of Winter Wheat at Different Growth Stages Based on Landsat TM Data[D].Xi’an:Xi’an University of Science and Technology,2012.

[20] 范文義,李明澤,應天玉.荒漠化地區(qū)土壤含水量的遙感定量反演[J].應用生態(tài)學報,2008,19(5):1046-1051. FAN W Y,LI M Z,YING T Y.Remote sensing quantitative retrieval of soil water content in desertification region[J].Chinese Journal of Applied Ecology,2008,19(5):1046-1051.

[21] 張官雄,張慧,邢大鵬.災害性天氣條件對農(nóng)作物的影響分析及應對[J].北京農(nóng)業(yè),2015(9):176-177. ZHANG G X,ZHANG H,XING D P.Analysis of the impact of disastrous weather conditions on crops and its countermeasures[J].Agriculture in Beijing,2015(9):176-177.

[22] 李香顏.洪水災害風險分析及其對農(nóng)作物的影響評估技術研究[D].鄭州:河南農(nóng)業(yè)大學,2009. LI X Y.Flood disaster risk analysis and impact on crop assessment technology research[D].Zhengzhou:Henan Agricultural University,2009.

(責任編輯：尹 闖)

Evaluation of Various Satellite Sensors for Quantitative Retrieval of Different Elements in Diverse Power Plant

WANG Chunyang1,LIU Yanxia2,BI Jingjia2,3,DONG Huijun4

(1.Shandong Electric Power Engineering Consulting Institute Co.,Ltd.,Jinan,Shandong,250013,China;2.Key Laboratory of Marine Geology and Environment,Institute of Oceanology,Chinese Academy of Sciences,Qingdao,Shandong,266071,China;3.Qingdao Heng Tian Yi Information Technology Co.,Ltd,Qingdao,Shandong,266061,China;4.Dongying Surveying and Mapping Institute of Shandong Province,Dongying,Shandong,257091,China)

【Objective】The impacts of spatiotemporal resolution of remote sensing satellite sensors were explored on the accuracy of quantitative retrieval of different elements in diverse regions.【Methods】An ability of various satellite sensors for waterline extraction and inundated area identification was evaluated in Shouguang coal-fired power plant and the northwest typical flood area.【Results】The result of shoreline change monitoring shows that tidal variations and terrain change can affect the use of remote sensing techniques for delineating coastline.In different beach slope scales,waterline heightens error,interpolation inaccuracy,inadequate sensor resolution and slope correcting error will separately play a major role.In the extraction of flood inundated area by remote sensing inversion,the soil moisture content method using Landsat data is considered more accurate in extracting of flood-mark and inundated area based on the comparative verification of the results of the field survey and simulation.【Conclusion】This study can provide reasonable remote sensing data source and the corresponding technical methods for the location selection and post monitoring of power plant,and also service the reliable theory basis of remote sensing interpretation on the environmental monitoring of engineering site.

multi-source satellite technique,power plant site selection,coastline extraction,flood-mark identification

2016-11-12

王春陽 (1984-)，男，工程師，主要從事流域水文模擬與預報方向研究。

*海洋公益性行業(yè)科研專項經(jīng)費項目“典型海島生態(tài)脆弱性評估及綜合調(diào)控技術研究與示范”子課題“高強度開發(fā)海島生態(tài)脆弱性評估及調(diào)控技術應用示范”項目和國家自然科學基金項目(41306190)資助。

http://www.cnki.net/kcms/detail/45.1206.G3.20170109.1052.003.html

X145,X87

A

1005-9164(2016)06-0528-10

**通信作者：劉艷霞(1979-)，女，副研究員，主要從事海洋地質(zhì)遙感方向研究,E-mail：liuyanxia@qdio.ac.cn。

廣西科學Guangxi Sciences 2016,23(6):528～537

網(wǎng)絡優(yōu)先數(shù)字出版時間：2017-01-09 【DOI】10.13656/j.cnki.gxkx.20170109.001