湖泊水情遙感研究進(jìn)展

宋春橋，詹鵬飛,2，馬榮華

(1：中國(guó)科學(xué)院南京地理與湖泊研究所流域地理學(xué)重點(diǎn)實(shí)驗(yàn)室，南京 210008)(2：中國(guó)科學(xué)院大學(xué)，北京 100049)

水是人類(lèi)生存與社會(huì)發(fā)展均不可缺少的物質(zhì)基礎(chǔ). 湖泊作為可直接利用的最重要的地表淡水資源，具有調(diào)節(jié)河川徑流、提供農(nóng)業(yè)和生活水源以及改善區(qū)域生態(tài)環(huán)境等功能，不僅對(duì)人類(lèi)生活、國(guó)民經(jīng)濟(jì)和區(qū)域水資源具有非常重要的作用，在維護(hù)生態(tài)平衡方面也同樣具有重要貢獻(xiàn)[1]. 中國(guó)內(nèi)陸城鎮(zhèn)一半以上的飲用水由湖泊供給[2]. 另外，從生態(tài)服務(wù)功能方面來(lái)看，與其他生態(tài)系統(tǒng)相比，與湖泊伴生的濕地生態(tài)系統(tǒng)服務(wù)價(jià)值最高，是支撐人類(lèi)生存和發(fā)展的重要系統(tǒng)[3]，并與湖泊生態(tài)系統(tǒng)共同在維持生態(tài)平衡、調(diào)節(jié)區(qū)域氣候和河川徑流、補(bǔ)充地下水、防洪、保護(hù)生物多樣性、減輕流域洪旱災(zāi)害等方面發(fā)揮重要作用[4].

此外，湖泊作為自然綜合體，由湖盆、湖水、水中所含物質(zhì)(礦物質(zhì)、溶解質(zhì)、有機(jī)質(zhì)以及水生生物等)所組成，與自然界的物質(zhì)和能量循環(huán)密切相關(guān). 湖泊不僅是水資源和多種沉積礦藏貯存的場(chǎng)所[5]，同時(shí)也參與到各大圈層的相互作用之中，它的形成與消失、擴(kuò)張與收縮及其引起的生態(tài)環(huán)境的演化過(guò)程都是全球、區(qū)域和局部的構(gòu)造和氣候事件共同作用的結(jié)果[6]. 因此，湖泊作為全球環(huán)境變化的敏感對(duì)象，是湖區(qū)氣候變化、環(huán)境變異的指示器，尤其是位于偏遠(yuǎn)地區(qū)的內(nèi)陸湖泊受到人類(lèi)干擾較小，可以準(zhǔn)確地反映氣候、環(huán)境系統(tǒng)的變化[7].

21世紀(jì)以來(lái)，由于氣候變化、人類(lèi)活動(dòng)等因素的影響，中國(guó)多數(shù)湖泊發(fā)生了不同程度的變化. 例如，氣溫變暖[8]和地下水的過(guò)渡開(kāi)發(fā)[9]，導(dǎo)致了中國(guó)北方地區(qū)湖泊數(shù)量減少、面積萎縮；而在降雨量增加、冰川融化的共同作用下，新世紀(jì)以來(lái)青藏高原地區(qū)湖泊快速擴(kuò)張，同時(shí)造成草場(chǎng)淹沒(méi)、公路損壞等危害[10-12]. 因此，有必要對(duì)湖泊變化進(jìn)行實(shí)時(shí)、持續(xù)監(jiān)測(cè). 一般來(lái)說(shuō)，湖泊變化以直接的水文觀測(cè)為主，可以直接測(cè)量水位和岸線. 這種傳統(tǒng)方法雖然精度較高，但耗時(shí)耗力，且時(shí)效性有限，難以準(zhǔn)確表達(dá)區(qū)域性湖泊的實(shí)時(shí)變化. 此外，受到經(jīng)濟(jì)和政治因素的影響，近年來(lái)全球水文監(jiān)測(cè)站點(diǎn)數(shù)量有所減少. 對(duì)于一些海拔較高、地理狀況復(fù)雜且惡劣的地區(qū)，甚至無(wú)法進(jìn)行實(shí)地測(cè)量，也就造成了部分地區(qū)歷史水文觀測(cè)資料匱乏. 另一方面，不同地區(qū)水文監(jiān)測(cè)站點(diǎn)獲取的監(jiān)測(cè)數(shù)據(jù)格式差異較大，在進(jìn)行湖泊觀測(cè)數(shù)據(jù)整合時(shí)存在不便，難以滿(mǎn)足當(dāng)前全球變化研究對(duì)區(qū)域乃至全球水文監(jiān)測(cè)數(shù)據(jù)的需要[13]. 在這種情況下，遙感因其空間覆蓋廣、周期性觀測(cè)、人力成本低等優(yōu)勢(shì)，為監(jiān)測(cè)湖泊變化提供了難得的契機(jī). 尤其是近年來(lái)，社會(huì)經(jīng)濟(jì)發(fā)展以及城市化進(jìn)程的加快，用水矛盾越來(lái)越突出，水文學(xué)研究需要解決的問(wèn)題越來(lái)越復(fù)雜. 遙感技術(shù)在水文學(xué)中的廣泛應(yīng)用，極大地推動(dòng)了水文學(xué)的研究發(fā)展，湖泊水情遙感也就應(yīng)運(yùn)而生.

但是，由于陸表水體變化過(guò)程的復(fù)雜性以及遙感技術(shù)自身的局限性，陸地水體的長(zhǎng)期動(dòng)態(tài)監(jiān)測(cè)仍然受到一定程度的制約. 例如，在湖泊水情監(jiān)測(cè)方面，受到傳感器時(shí)空譜分辨率的限制，能夠用于精細(xì)化全天候動(dòng)態(tài)監(jiān)測(cè)的傳感器或者傳感器組合不多；又因?yàn)椴煌貐^(qū)下墊面復(fù)雜程度不一，目前還沒(méi)有統(tǒng)一的普適性水體提取算法. 因此，人們正在積極發(fā)展新的技術(shù)手段和方法. 除了發(fā)展新型衛(wèi)星傳感器，近年來(lái)建設(shè)的地球大數(shù)據(jù)云平臺(tái)，能夠方便、快速地獲取不同數(shù)據(jù)集，同時(shí)進(jìn)行高效處理. 遙感技術(shù)的不斷發(fā)展、成熟和完善，將不斷提升我們對(duì)陸地水體及其變化過(guò)程的理解，從而讓人們更及時(shí)地適應(yīng)不斷變化的地球環(huán)境[14].

湖泊水情要素是描述湖泊水文信息的主要物理量，也是能夠準(zhǔn)確反映某一時(shí)間湖泊水文變化規(guī)律的最直接的指標(biāo)[15]，包括水域范圍、水位、水量等. 湖泊水情遙感是指以電磁波與湖泊水體相互作用的機(jī)理為基礎(chǔ)，以湖泊水文要素為主要研究對(duì)象的一門(mén)綜合性交叉學(xué)科. 本文基于國(guó)內(nèi)外湖泊水情遙感監(jiān)測(cè)技術(shù)與方法的發(fā)展，總結(jié)該領(lǐng)域近年來(lái)提出的新方法和新技術(shù). 同時(shí)，結(jié)合當(dāng)前遙感技術(shù)和數(shù)據(jù)處理方法的發(fā)展，簡(jiǎn)要論述當(dāng)前遙感在湖泊動(dòng)態(tài)變化監(jiān)測(cè)中存在的問(wèn)題和未來(lái)的發(fā)展方向.

1 湖泊水情遙感的概念及由來(lái)

從1960s開(kāi)始，各種水文要素的參數(shù)反演及應(yīng)用研究已經(jīng)從多方面展開(kāi)[16-19]. 21世紀(jì)以來(lái)，各類(lèi)專(zhuān)著的出版以及研究的開(kāi)展，標(biāo)志著水文遙感逐步取得整體性和系統(tǒng)性發(fā)展，在理論、方法、技術(shù)和數(shù)據(jù)產(chǎn)品上也得以不斷完善[20]. 在這樣一個(gè)發(fā)展背景之下，分布式流域水文模型對(duì)空間信息需求的不斷增強(qiáng)，以及全球氣候變化和人類(lèi)活動(dòng)所帶來(lái)的全球?yàn)?zāi)害事件，促進(jìn)了學(xué)科交叉融合，水文遙感的加入進(jìn)一步推動(dòng)了水文學(xué)、生態(tài)水文學(xué)等學(xué)科的發(fā)展. 由于水體的流域循環(huán)特征，并且隨著涉水問(wèn)題影響面的擴(kuò)大和水科學(xué)研究的不斷深入，研究的重點(diǎn)逐漸轉(zhuǎn)向以流域?yàn)閱卧乃倪^(guò)程研究，以流域?yàn)檠芯繉?duì)象的水文過(guò)程監(jiān)測(cè)研究開(kāi)始逐漸形成.

事實(shí)上，作為全球陸地的組成部分，流域一直是水文遙感的核心研究對(duì)象之一. 流域水文過(guò)程遙感也就成為一個(gè)新的發(fā)展方向，它既是水文遙感的應(yīng)用對(duì)象出口，又具有特殊性[20]. 其中，流域水文過(guò)程中各個(gè)環(huán)節(jié)的變化都會(huì)最終作用于湖泊、河流水量動(dòng)態(tài)平衡過(guò)程，對(duì)于流域水文遙感的研究現(xiàn)狀及存在的主要問(wèn)題，劉元波等[20]、Tang等[21]綜述文獻(xiàn)已做了全面深入的闡述. 從廣義角度看，湖泊水情遙感包括影響湖泊水量平衡的流域各水文過(guò)程及其要素的遙感監(jiān)測(cè).

流域水文過(guò)程涉及面較廣，涵蓋過(guò)程較為復(fù)雜(圖1). 相對(duì)地表徑流、蒸散發(fā)以及大氣降水等水循環(huán)過(guò)程而言，湖泊面積、水位以及水量變化能夠直接指示湖泊水文情勢(shì)的動(dòng)態(tài)變化，并且更適合利用遙感技術(shù)進(jìn)行監(jiān)測(cè). 因此，從狹義角度看，湖泊水情遙感是指基于多源、多維度遙感對(duì)湖泊的面積、水位(水深)以及水量變化開(kāi)展的定量/定性監(jiān)測(cè). 本文重點(diǎn)針對(duì)狹義的湖泊水情要素面積、水位以及水量變化的遙感監(jiān)測(cè)技術(shù)和方法進(jìn)行綜述.

圖1 流域水循環(huán)過(guò)程及湖泊水情變量遙感監(jiān)測(cè)概念圖Fig.1 Conceptual illustration of watershed-scale water cycle and lake water regime monitoring based on remote sensing

2 湖泊水情遙感的衛(wèi)星傳感

2.1 用于湖泊面積提取的常用遙感衛(wèi)星

湖泊水域面積監(jiān)測(cè)為湖泊水情研究奠定了基礎(chǔ)，它的動(dòng)態(tài)變化為研究全球氣候變化乃至全球環(huán)境變化提供了重要依據(jù). 衛(wèi)星遙感技術(shù)的發(fā)展，為大尺度、實(shí)時(shí)、動(dòng)態(tài)監(jiān)測(cè)湖泊面積變化提供了可能性. 尤其是近年來(lái)中高分辨率遙感衛(wèi)星的發(fā)展更是為大尺度的湖泊面積精細(xì)化監(jiān)測(cè)提供了多種數(shù)據(jù)源. 目前常用的數(shù)據(jù)源有SPOT HRV-CCD、EOS MODIS、Landsat MSS/TM/ETM+/OLI、CBERS CCD、Sentinel OLCI等光學(xué)遙感影像，以及ERS-1、ERS-2、Envisat、Sentinel-1等微波雷達(dá)影像.

光學(xué)遙感影像包含大量易于提取的光譜信息，且由于數(shù)據(jù)可用性較高以及合適的時(shí)空分辨率，光學(xué)傳感器已在水體變化監(jiān)測(cè)領(lǐng)域得到了廣泛應(yīng)用[22]. 自1972年發(fā)射第一顆地球資源技術(shù)衛(wèi)星Landsat-1以來(lái)，基于衛(wèi)星的光學(xué)傳感器已經(jīng)證明了其監(jiān)測(cè)地球表面大規(guī)模陸地覆被變化的潛力[23]. 作為重要的土地覆蓋變化現(xiàn)象，地表水文學(xué)一直是地球觀測(cè)的重要課題. 早在1984年，就有了關(guān)于遙感技術(shù)在印度水文學(xué)和水資源管理中應(yīng)用的描述[24]；之后，又有了許多利用衛(wèi)星遙感數(shù)據(jù)得出河流淹沒(méi)面積、水位和流量的研究[25]；隨著技術(shù)的發(fā)展，又有學(xué)者對(duì)測(cè)量地表水的遙感方法進(jìn)行了更為詳盡的總結(jié)和分析[26].

在地表水的遙感監(jiān)測(cè)研究中，光學(xué)傳感器的空間分辨率是要考慮的主要因素之一. 粗分辨率遙感器精度較低，但通常具有高時(shí)間分辨率和廣闊的覆蓋范圍. 例如搭載在NOAA衛(wèi)星上的AVHRR傳感器，最初用于海洋和大氣層的監(jiān)測(cè)研究，但后來(lái)發(fā)現(xiàn)在探測(cè)大規(guī)模洪水事件時(shí)十分有效[27]. Terra和Aqua衛(wèi)星上的MODIS傳感器空間分辨率較粗，但重復(fù)周期短、覆蓋范圍廣. 自2000年衛(wèi)星發(fā)射以來(lái)，已經(jīng)積累了多年的數(shù)據(jù)記錄，非常適合對(duì)地表水體進(jìn)行時(shí)空分析. 因此，MODIS時(shí)間序列數(shù)據(jù)已被廣泛應(yīng)用于監(jiān)測(cè)湖泊水體的變化[28-30]和洪泛區(qū)淹沒(méi)研究[31-32].

相對(duì)于上述中低空間分辨率衛(wèi)星遙感數(shù)據(jù)源，作為中高分辨率光學(xué)衛(wèi)星，Landsat是歷史上最成功的衛(wèi)星系列之一，自1972年第一代衛(wèi)星發(fā)射，該系列衛(wèi)星已經(jīng)連續(xù)提供了近50年的對(duì)地觀測(cè)數(shù)據(jù). 傳感器由最早的MSS升級(jí)到目前最新的OLI，空間分辨率也從80 m提高到30 m，此級(jí)別的分辨率非常適合精細(xì)監(jiān)測(cè)大尺度地表水的長(zhǎng)期變化[33-35]. SPOT是另一個(gè)中高分辨率衛(wèi)星系列，裝載了分辨率約為10 m的傳感器，這比Landsat影像的分辨率更高. 無(wú)法免費(fèi)獲取數(shù)據(jù)在一定程度上限制了它的應(yīng)用，但仍然有相當(dāng)多的研究已經(jīng)使用了SPOT影像[36-37]. 同類(lèi)型的Sentinel-2由兩顆衛(wèi)星組成，搭載的MSI傳感器能夠提供空間分辨率為10～60 m的高質(zhì)量多光譜影像. 其他中高分辨率的傳感器，例如HJ-1A/B[38]等，也已被證明可以有效地探測(cè)地表水體.

提高傳感器的空間分辨率一直是遙感研究的主要目標(biāo)，并且在過(guò)去十年中取得了重大進(jìn)展. 許多新傳感器，例如IKONOS、Worldview、ZY-3、Quickbird和GF-1/2能夠提供米級(jí)甚至亞米級(jí)空間分辨率的影像. 在此分辨率級(jí)別上，可以成功檢測(cè)到小型水體. 但是，高空間分辨率傳感器同樣存在一些局限：一是它們的場(chǎng)景覆蓋小，不適合繪制大區(qū)域地表水；另一個(gè)是圖像上存在陰影，特別是在城市地區(qū)或山區(qū)[39]，這會(huì)嚴(yán)重影響水體的識(shí)別. 此外，高分?jǐn)?shù)據(jù)獲取方式一般都是收費(fèi)的，這使得它在科學(xué)研究中的應(yīng)用受到了限制. 因此，考慮要監(jiān)測(cè)的水體規(guī)模，選擇具有適當(dāng)分辨率的遙感數(shù)據(jù)至關(guān)重要.

此外，由于光學(xué)遙感傳感器容易受到夜晚和云雨天氣的影響，高質(zhì)量的遙感影像獲取較難，在一定程度上限制了水體信息的獲取. 相對(duì)而言，微波傳感器具有穿透云層和某些植被的能力，并且不受太陽(yáng)輻射的影響，可以在任何天氣條件下晝夜工作. 隨著微波遙感技術(shù)的發(fā)展，合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)數(shù)據(jù)的使用也越來(lái)越頻繁[40]. Schumann和Moller[41]對(duì)洪水監(jiān)測(cè)的可用微波遙感進(jìn)行了詳細(xì)綜述，發(fā)現(xiàn)SAR是最適合監(jiān)測(cè)洪水泛濫的微波傳感器.

在實(shí)際研究中，為了充分發(fā)揮不同數(shù)據(jù)源的優(yōu)勢(shì)和特點(diǎn)，需要根據(jù)研究目標(biāo)區(qū)域的特點(diǎn)和研究尺度等因素進(jìn)行篩選，這樣可以在提高時(shí)間和空間分辨的同時(shí)對(duì)比分析結(jié)果，提高識(shí)別精度. 圖2和表1列出了包括以上綜述的廣泛用于湖泊水域范圍監(jiān)測(cè)的衛(wèi)星/傳感器發(fā)展歷程和關(guān)鍵參數(shù).

圖2 水域范圍提取常用光學(xué)遙感衛(wèi)星/傳感器的發(fā)展Fig.2 Development of optical satellites/sensors for water extraction

表1 水域范圍提取常用光學(xué)遙感衛(wèi)星及相關(guān)信息

2.2 湖泊水位監(jiān)測(cè)遙感

衛(wèi)星測(cè)高的概念最早是在1969年召開(kāi)的固體地球和海洋物理大會(huì)上由美國(guó)著名大地測(cè)量學(xué)家Kaula W.M.提出的. 自從1973年第一顆星載主動(dòng)微波遙感航天器Skylab發(fā)射以來(lái)，衛(wèi)星測(cè)高技術(shù)得到不斷發(fā)展，之后各種不同的雷達(dá)/激光高度計(jì)被先后搭載在Geosat、ERS-1、TOPEX/Poseiden、ERS-2、GFO、Jason-1、Jason-2、Envisat、ICESat、Cryosat-2、SARAL、Jason-3、Sentinel-3、ICESat-2等測(cè)高衛(wèi)星上. 世界上主要測(cè)高衛(wèi)星及其基本參數(shù)如圖3和表2所示.

早在1982年，Brooks[42]就已經(jīng)借助Seasat測(cè)高衛(wèi)星獲得湖泊水位觀測(cè)數(shù)據(jù)并用到繪圖工作中. Birkett等[43-44]先后利用Geosat、T/P等測(cè)高數(shù)據(jù)對(duì)全球不同湖泊水位變化進(jìn)行監(jiān)測(cè)，并對(duì)其精度做出評(píng)估. 隨著ERS-1和ERS-2衛(wèi)星相繼發(fā)射，Ducet等[45]將T/P和ERS-1、ERS-2數(shù)據(jù)結(jié)合起來(lái)，繪制了高分辨率的全球大洋環(huán)流圖. 隨著科技水平的提高，可用的測(cè)高衛(wèi)星逐步增多，作為T(mén)/P衛(wèi)星的后繼衛(wèi)星，Jason-1、Jason-2以及Jason-3分別于2001、2008和2016年成功發(fā)射，延續(xù)對(duì)全球海洋表面進(jìn)行監(jiān)測(cè)的任務(wù). 已有研究對(duì)三者進(jìn)行組合從而構(gòu)成長(zhǎng)時(shí)序水位變化分析，并對(duì)系統(tǒng)偏差做出評(píng)估并校正[46]. 歐洲航天局(ESA)在2002年發(fā)射了Envisat衛(wèi)星，相對(duì)上一代衛(wèi)星ERS-1和ERS-2，Envisat衛(wèi)星搭載了新一代雷達(dá)高度計(jì)(Radar Altimeter-2，RA-2)，測(cè)高精度也提高到了厘米級(jí)[47]. ESA在2010年發(fā)射的雷達(dá)測(cè)高衛(wèi)星CryoSat-2搭載了先進(jìn)的Ku波段SIRAL高度計(jì)，能夠準(zhǔn)確測(cè)量南北極的海冰厚度以及冰蓋的變化. 上述這幾顆衛(wèi)星的分辨率都相對(duì)較低，只適用于面積較大的湖泊. 2016年發(fā)射的Sentinel-3A和2018年發(fā)射的Sentinel-3B上的高度計(jì)設(shè)計(jì)為在Ku頻段上以SAR模式運(yùn)行. SAR模式將提高高度計(jì)接收水體反射信號(hào)的能力，對(duì)于小型水體而言，這尤其重要. Gao等[48]評(píng)估了Sentinel-3內(nèi)陸水體水位產(chǎn)品的精度，證明了其在監(jiān)測(cè)中小型水體時(shí)受到的陸面干擾很小.

除了這些雷達(dá)高度計(jì)，美國(guó)國(guó)家航空航天局(NASA)在2003年發(fā)射了激光測(cè)高衛(wèi)星ICESat，搭載了地球科學(xué)激光測(cè)高系統(tǒng)GLAS(Geoscience Laser Altimeter System)，其星下點(diǎn)足跡(footprint)可以達(dá)到70 m，比起早期的衛(wèi)星測(cè)高數(shù)據(jù)，精度得到了很大的提高，廣泛用于內(nèi)陸湖泊水位變化的研究. 例如，Zhang等[49]、Phan等[50]、Song等[11]利用ICESat數(shù)據(jù)監(jiān)測(cè)了青藏高原湖泊在2003-2009年期間的水位和水量變化速率. 作為ICESat衛(wèi)星的后繼衛(wèi)星，2018年發(fā)射的ICESat-2繼續(xù)執(zhí)行對(duì)全球冰蓋、冰川、海冰等的監(jiān)測(cè)任務(wù). 相比而言，ICESat-2能夠覆蓋數(shù)量更多的湖泊，測(cè)高精度也有所提高. Zhang等[51]結(jié)合前序衛(wèi)星ICESat對(duì)其進(jìn)行了比較，驗(yàn)證了其精度的可靠性.

圖3 水位提取測(cè)高衛(wèi)星/傳感器的發(fā)展Fig.3 Development of altimetry satellites/sensors for water level extraction

表2 測(cè)高衛(wèi)星及相關(guān)信息

3 湖泊水情要素遙感

3.1 湖泊水域范圍遙感

傳統(tǒng)的水體提取方法一般依靠人工判讀、目視檢測(cè)，這不僅費(fèi)時(shí)、費(fèi)力，還會(huì)引入目視解譯人員的經(jīng)驗(yàn)知識(shí)從而存在不可控的主觀誤差，并不適用于面積較大、周邊地理狀況復(fù)雜的水體. 隨著計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展，借助計(jì)算機(jī)識(shí)別技術(shù)實(shí)現(xiàn)水體信息自動(dòng)化提取的研究已經(jīng)陸續(xù)開(kāi)展. 現(xiàn)階段，計(jì)算機(jī)自動(dòng)化識(shí)別方法主要包括：?jiǎn)尾ǘ伍撝捣?、多波段運(yùn)算法(譜間關(guān)系法、比值法、水體指數(shù)法等)、色度判別法、決策樹(shù)分類(lèi)以及機(jī)器學(xué)習(xí)算法等.

單波段閾值法原理簡(jiǎn)單，操作簡(jiǎn)便. 單波段閾值法通常涉及從多光譜圖像中選擇一個(gè)波段提取開(kāi)放水體信息，然后確定該波段以區(qū)分水和陸地的閾值，這主要依據(jù)水體在近紅外波段和短波紅外波段具有強(qiáng)吸收的特點(diǎn). 該方法是最早用于水體提取的，早在1957年，就有人將單波段閾值法用到了海洋研究中[52]. 之后直到1992年，基于單波段閾值法發(fā)現(xiàn)并改進(jìn)了用于區(qū)分較小水體的紅外單波段閾值法[53]. 然而，閾值的主觀選擇可能導(dǎo)致開(kāi)放水域的過(guò)度估計(jì)或估計(jì)不足，并且提取的水信息通常與陰影噪聲混合. 相對(duì)而言，多波段方法使用兩個(gè)或多個(gè)多光譜波段進(jìn)行組合運(yùn)算，從而突出了圖像中的水體信息. 早在1998年，就有針對(duì)山區(qū)水體的多波段方法被提出并成功剔除了陰影的影響[54]. 雖然多波段組合運(yùn)算相對(duì)單波段閾值法有效削弱了非水體信息的干擾，但波段選取和閾值確定的工作比較繁瑣，且不能移除非水體的混合信息. 除了單波段及多波段閾值方法之外，水體指數(shù)法也是較為常用的一種水體提取方法. 水體指數(shù)法采用了歸一化比值運(yùn)算，因此能夠自動(dòng)消除地形起伏的影響，并通過(guò)突出水體、抑制其他地物信息來(lái)進(jìn)行有效區(qū)分. 例如在1996年提出的歸一化水體指數(shù)(Normalized Difference Water Index，NDWI)能夠突出影像中的水體信息并減弱植被和土壤信息，從而做到水體的快速識(shí)別[55]. 之后基于NDWI，提出用中紅外波段代替近紅外波段，發(fā)展改進(jìn)型歸一化水體指數(shù)(Modified Normalized Difference Water Index，MNDWI)，解決了提取水體的面積包含有城鎮(zhèn)建筑用地而偏大的問(wèn)題[56]，還解決了陰影難以消除的難題. 在部分研究中，還可以通過(guò)調(diào)整閾值大小[57]以及組合多種水體指數(shù)[58]，從而達(dá)到更好的提取效果. 另外，在不同計(jì)算過(guò)程中分階段地融合不同層次知識(shí)并建立迭代算法，能夠?qū)崿F(xiàn)水體的自動(dòng)化、高精度提取[59]. 除此之外，人工智能神經(jīng)網(wǎng)絡(luò)能夠?qū)Ａ?、?fù)雜的數(shù)據(jù)集進(jìn)行快速、準(zhǔn)確地處理，可以很好地將遙感影像的多光譜信息和紋理特征結(jié)合起來(lái)，從而實(shí)現(xiàn)圖像的精確分類(lèi)[60-61]. 數(shù)學(xué)形態(tài)學(xué)方法[62]、混合像元分解法[63]等在用于水體信息提取時(shí)，也取得了較好的識(shí)別效果.

由于SAR的成像機(jī)制較為復(fù)雜，許多學(xué)者為提高水體識(shí)別的準(zhǔn)確性，分別從不同角度分析并提出了有效的數(shù)據(jù)處理方法[64]. 基于SAR數(shù)據(jù)的水體信息提取方法也從傳統(tǒng)的方法發(fā)展為多波段、多極化方式和多個(gè)入射角的SAR圖像綜合分類(lèi)法. 近年來(lái)，基于計(jì)算機(jī)科學(xué)的遙感圖像識(shí)別技術(shù)發(fā)展迅速，結(jié)合光學(xué)影像數(shù)據(jù)和SAR數(shù)據(jù)的研究也開(kāi)始增多，充分利用了光學(xué)影像光譜信息豐富、SAR數(shù)據(jù)不受天氣影響的特點(diǎn)，從而實(shí)現(xiàn)了更加精確的水體信息提取[65]. 不同水體提取方法優(yōu)缺點(diǎn)比較見(jiàn)表3.

表3 主要水體提取方法

續(xù)表3

3.2 湖泊水位遙感

湖泊水位變化是評(píng)價(jià)湖泊水量平衡的重要指標(biāo). 一般來(lái)說(shuō)，湖泊水位變化以直接的氣象和水文觀測(cè)為主，能直接測(cè)量水位和湖岸. 但這種方法并不適用于地處偏遠(yuǎn)、自然條件惡劣地區(qū)的湖泊. 衛(wèi)星測(cè)高技術(shù)因其空間覆蓋面廣、全天時(shí)全天候重復(fù)工作、經(jīng)濟(jì)與人力成本相對(duì)較低等優(yōu)勢(shì)，為監(jiān)測(cè)湖泊水位變化提供了難得的契機(jī). 衛(wèi)星測(cè)高最早用于海面測(cè)量，但后續(xù)研究發(fā)現(xiàn)，大型湖泊表面和海洋表面具有類(lèi)似的反射特性，湖泊測(cè)高水位垂直精度較高，與海洋表面測(cè)高精度近似[72]. 由于衛(wèi)星測(cè)高可以從宇宙空間大范圍全天候多次重復(fù)、準(zhǔn)確地提供海洋、冰面、陸地冰川、湖泊、河流等表面高度的觀測(cè)值，具有其他監(jiān)測(cè)手段無(wú)法比擬的優(yōu)勢(shì)[73]，并且衛(wèi)星測(cè)高數(shù)據(jù)處理技術(shù)更加成熟，測(cè)高精度也在不斷提高，使得對(duì)于湖泊水位的研究開(kāi)始增加.

自1990s中期以來(lái)，衛(wèi)星雷達(dá)測(cè)高就被用于監(jiān)測(cè)諸如湖泊和河流等內(nèi)陸地表水的水位變化[26,74-75]. 在地面參照系內(nèi)測(cè)量地表水位，其重復(fù)性從10到35天不等，具體取決于衛(wèi)星的軌道周期. 盡管數(shù)據(jù)獲取與天氣條件無(wú)關(guān)，但是湖岸地形可能會(huì)影響衛(wèi)星高度計(jì)的信號(hào)，從而導(dǎo)致湖泊水位誤差較大. 最初發(fā)射的測(cè)高衛(wèi)星搭載的都是雷達(dá)傳感器，星下點(diǎn)足跡都在2 km左右，受湖岸地形的影響較大，更適用于監(jiān)測(cè)大型湖泊的水位動(dòng)態(tài)變化. 針對(duì)雷達(dá)測(cè)高衛(wèi)星軌道間距遠(yuǎn)、星下點(diǎn)足跡大的不足，NASA在2003年發(fā)射了激光測(cè)高衛(wèi)星ICESat(the Ice, Clouds, and Land Elevation Satellite)，搭載了地球科學(xué)激光測(cè)高系統(tǒng)(Geoscience Laser Altimeter System，GLAS)，空間分辨率較高，其星下點(diǎn)足跡可以達(dá)到70 m，垂直精度可以達(dá)到3 cm，能夠?qū)γ娣e較小的湖泊進(jìn)行水位變化監(jiān)測(cè). 作為ICESat衛(wèi)星的后繼衛(wèi)星，2018年發(fā)射的ICESat-2繼續(xù)執(zhí)行對(duì)全球冰蓋、冰川、海冰等的監(jiān)測(cè)任務(wù)，能夠覆蓋數(shù)量更多的湖泊，測(cè)高精度也有所提高.

但單個(gè)測(cè)高衛(wèi)星存在覆蓋湖泊數(shù)量少、服役年限短的不足，因此，在許多情況下，需要融合多種測(cè)高衛(wèi)星數(shù)據(jù)，從而發(fā)揮各種衛(wèi)星數(shù)據(jù)的優(yōu)勢(shì)，獲取數(shù)量更多、更完整的湖泊水位多年變化信息. 例如劉英等[76]基于Hydroweb(Hydrology website)湖泊水位長(zhǎng)時(shí)序變化數(shù)據(jù)，對(duì)青藏高原63個(gè)典型湖泊的多年水位變化進(jìn)行了分析. 除了使用衛(wèi)星測(cè)高監(jiān)測(cè)湖泊水位之外，現(xiàn)有研究中，也有學(xué)者通過(guò)GIS建模的方法獲取湖泊不同位置的水深. 例如，Hollister等[77]利用最大深度測(cè)量值和湖泊岸線，通過(guò)簡(jiǎn)單的線性變換可以估計(jì)任意點(diǎn)處的湖泊深度. 還有一些學(xué)者通過(guò)結(jié)合光學(xué)衛(wèi)星影像和地形數(shù)據(jù)計(jì)算得到影像獲取時(shí)間的湖泊平均水位[78-79]. 該方法的精度主要受到地形數(shù)據(jù)精度、遙感影像分辨率以及湖泊周?chē)貏?shì)的影響.

3.3 湖泊水量平衡遙感建模

傳統(tǒng)湖泊水量估算方法一般需要借助水文站實(shí)地測(cè)量獲取的地表徑流、湖面蒸散發(fā)等參數(shù)，但偏遠(yuǎn)地區(qū)的湖泊資料獲取較難實(shí)現(xiàn)[80]. 隨著遙感技術(shù)的發(fā)展，許多研究通過(guò)結(jié)合衛(wèi)星測(cè)高數(shù)據(jù)和衛(wèi)星影像數(shù)據(jù)獲取的湖泊水位和面積，估算出湖泊的水量變化，為解決這一困難提供了可靠的辦法.

根據(jù)衛(wèi)星測(cè)高數(shù)據(jù)和遙感影像數(shù)據(jù)的選擇，通常有3種方法可以提取湖泊水量. 第1種方法利用測(cè)高水位數(shù)據(jù)或者湖泊面積數(shù)據(jù)與實(shí)測(cè)湖泊水量數(shù)據(jù)建立數(shù)學(xué)模型，就可以通過(guò)遙感數(shù)據(jù)計(jì)算得到?jīng)]有觀測(cè)時(shí)期的湖泊水量. 盡管這是一種簡(jiǎn)單明了的方法，但它僅適用于可直接或間接獲取實(shí)際水量信息的湖泊. 第2種方法是利用同時(shí)段的測(cè)高數(shù)據(jù)和影像數(shù)據(jù)，結(jié)合水量估算公式，從而估算湖泊的水量變化[81-82]. 但是這種方法的局限性在于，只有在測(cè)高水位和湖泊面積數(shù)據(jù)監(jiān)測(cè)時(shí)間一致的情況才能用于估算湖泊水量變化. 第3種方法則是建立測(cè)高水位和湖泊面積統(tǒng)計(jì)模型，進(jìn)而通過(guò)一類(lèi)遙感數(shù)據(jù)(衛(wèi)星測(cè)高水位數(shù)據(jù)或者遙感影像數(shù)據(jù))得到湖泊長(zhǎng)時(shí)序的水量變化. 例如，在Crétaux等[83]的研究中，通過(guò)多源遙感數(shù)據(jù)獲取的湖泊面積擴(kuò)展了CNES測(cè)高數(shù)據(jù)的時(shí)段，從而獲取目標(biāo)湖泊/水庫(kù)的水量變化.

除了利用測(cè)高衛(wèi)星得到的水位變化，同樣可以結(jié)合光學(xué)影像得到湖泊面積變化和DEM數(shù)據(jù)，計(jì)算水量變化. 受湖盆地形影響，某一湖泊面積與相應(yīng)的水面高程(水位)對(duì)應(yīng)，并在不同形態(tài)的湖盆中具有不同的關(guān)系. 通過(guò)這種關(guān)系可以計(jì)算湖泊面積變化與水量變化之間的關(guān)系[84].

此外，由美國(guó)宇航中心和德國(guó)航天中心聯(lián)合研發(fā)的GRACE(Gravity Recovery And Climate Experiment)重力衛(wèi)星，不會(huì)受到復(fù)雜地形的限制，能夠進(jìn)行連續(xù)多次的重復(fù)觀測(cè). 十余年來(lái)，國(guó)內(nèi)外學(xué)者針對(duì)GRACE重力衛(wèi)星的數(shù)據(jù)處理方法、產(chǎn)品精度以及在各個(gè)科研領(lǐng)域的應(yīng)用等方面開(kāi)展了諸多的研究工作[85-87]. 作為GRACE的后繼衛(wèi)星，2018年5月發(fā)射的GRACE-FO能夠延續(xù)之前的對(duì)地觀測(cè). 研究發(fā)現(xiàn)由于空間分辨率較粗，GRACE衛(wèi)星僅適合大尺度范圍的陸地水量變化監(jiān)測(cè). 盡管基于GRACE數(shù)據(jù)的陸地水量研究中存在一定的誤差，但在用于驗(yàn)證其他方法獲取的水量估算結(jié)果的研究中取得了不錯(cuò)的效果[11,88].

4 湖泊水情遙感監(jiān)測(cè)數(shù)據(jù)集成處理

地球大數(shù)據(jù)時(shí)代的主要特點(diǎn)在于數(shù)據(jù)獲取速度快、更新周期短、時(shí)效性強(qiáng)[89]，且數(shù)據(jù)量呈現(xiàn)出指數(shù)級(jí)增長(zhǎng)的態(tài)勢(shì)，這對(duì)數(shù)據(jù)存儲(chǔ)、處理和分析的要求都很高，一般的本地計(jì)算機(jī)或服務(wù)器已經(jīng)不能滿(mǎn)足海量數(shù)據(jù)的計(jì)算需求. 自21世紀(jì)以來(lái)，基于云平臺(tái)的海量數(shù)據(jù)并行計(jì)算得到快速發(fā)展，例如，由Google與卡內(nèi)基美隆大學(xué)、美國(guó)地質(zhì)調(diào)查局共同開(kāi)發(fā)的免費(fèi)地理計(jì)算云平臺(tái)-谷歌地球引擎(Google Earth Engine, GEE). GEE平臺(tái)建立在谷歌數(shù)據(jù)中心的一系列數(shù)據(jù)支持之上，有著強(qiáng)大的數(shù)據(jù)存儲(chǔ)、處理、分析和可視化能力. 此外，該平臺(tái)還整合了各類(lèi)遙感影像數(shù)據(jù)、地球物理數(shù)據(jù)、氣候/天氣數(shù)據(jù)和人口統(tǒng)計(jì)數(shù)據(jù)等. GEE高效快速的計(jì)算能力以及鑲嵌其中的各種地理空間數(shù)據(jù)和分類(lèi)算法為全球或區(qū)域尺度的科學(xué)研究創(chuàng)造了極大的便利.

近年來(lái)，高性能云計(jì)算平臺(tái)已被廣泛應(yīng)用于社會(huì)與科學(xué)研究. 基于GEE平臺(tái)，Pekel等[35]結(jié)合1984-2015年全球300多萬(wàn)景Landsat影像，生成了30 m空間分辨率的全球地表水體分布年度和月度數(shù)據(jù)集，最近又將數(shù)據(jù)集更新到2019年. 如果通過(guò)一臺(tái)本地計(jì)算機(jī)完成此項(xiàng)計(jì)算任務(wù)的運(yùn)算時(shí)間超過(guò)1200年，而基于GEE平臺(tái)，完成此項(xiàng)工作僅耗時(shí)45天，可見(jiàn)云計(jì)算平臺(tái)在提高數(shù)據(jù)處理效率上的能力十分強(qiáng)大.

5 研究現(xiàn)狀及展望

衛(wèi)星遙感作為一種先進(jìn)的湖泊變化監(jiān)測(cè)技術(shù)手段，可以實(shí)時(shí)監(jiān)測(cè)當(dāng)前的動(dòng)態(tài)變化，掌握現(xiàn)有情況；也可以對(duì)歷史觀測(cè)資料進(jìn)行分析，探究變化規(guī)律；同時(shí)還可以結(jié)合水文、水動(dòng)力模型，對(duì)未來(lái)變化趨勢(shì)進(jìn)行預(yù)測(cè)[90]. 尤其是近年來(lái)中高分辨率遙感衛(wèi)星的發(fā)展更是為多尺度的湖泊變化監(jiān)測(cè)提供了多種數(shù)據(jù)源，針對(duì)全球湖泊水情監(jiān)測(cè)的研究開(kāi)始從多方面開(kāi)展，這些研究極大地促進(jìn)了對(duì)于全球湖泊在過(guò)去近半個(gè)世紀(jì)變化規(guī)律的掌握和理解，取得了顯著的研究進(jìn)展.

隨著水文遙感的不斷發(fā)展，各種水體監(jiān)測(cè)產(chǎn)品不斷出現(xiàn)，提供了海量的空間數(shù)據(jù)，為進(jìn)行湖泊水情實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)以及變化規(guī)律分析奠定了重要的數(shù)據(jù)基礎(chǔ). 但是水文遙感作為一門(mén)新的學(xué)科，也面臨著諸多問(wèn)題，包括遙感反演算法普適性、多源遙感數(shù)據(jù)之間的差異性、長(zhǎng)時(shí)序遙感趨勢(shì)反演的可靠性等. 例如，通過(guò)對(duì)湖泊水情遙感研究進(jìn)展進(jìn)行回顧與綜合，能夠發(fā)現(xiàn)湖泊水域范圍提取從早期單一、非連續(xù)數(shù)據(jù)向多源、多傳感器遙感數(shù)據(jù)的綜合使用轉(zhuǎn)變，提取方法也由最初費(fèi)時(shí)費(fèi)力的目視判讀發(fā)展為現(xiàn)在計(jì)算速度快、識(shí)別精度高的計(jì)算機(jī)自動(dòng)化識(shí)別. 但這些提取方法仍會(huì)受到混合像元、陰影以及光譜特征相似地物的影響，針對(duì)這些問(wèn)題，用于提取的指數(shù)模型和算法也在逐步優(yōu)化和發(fā)展. 國(guó)內(nèi)外學(xué)者通過(guò)結(jié)合多種方法進(jìn)行綜合研究，以減少陰影的影響，并針對(duì)混合像元問(wèn)題發(fā)展了多種混合像元分解模型，但目前并沒(méi)有效果最佳的普適算法. 綜上所述，湖泊面積變化研究一般集中在兩個(gè)方面：一是水體信息提取普適方法研究，二是湖泊變化的趨勢(shì)以及成因分析. 因此不斷探索湖泊信息提取的新方法以及如何定量分析湖泊動(dòng)態(tài)變化是十分重要的研究主題.

另外，湖泊水位提取發(fā)展類(lèi)似，過(guò)去許多研究大多利用1～2種測(cè)高數(shù)據(jù)進(jìn)行部分衛(wèi)星軌道經(jīng)過(guò)的湖泊的分析，受限于測(cè)高衛(wèi)星軌道間距大、服役年限短，這就導(dǎo)致很難覆蓋到大范圍多數(shù)湖泊，并且能夠得到的水位數(shù)據(jù)也僅限于衛(wèi)星服役年限而無(wú)法構(gòu)建長(zhǎng)時(shí)序的湖泊歷史水位資料. 但隨著測(cè)高技術(shù)的發(fā)展，數(shù)據(jù)處理算法的成熟，可用的測(cè)高數(shù)據(jù)越來(lái)越多且精度得到提高，開(kāi)發(fā)多源測(cè)高數(shù)據(jù)集成算法并優(yōu)化成為今后湖泊水位提取的重點(diǎn). 因此如何采用綜合集成的方法和大數(shù)據(jù)、系列數(shù)據(jù)的優(yōu)勢(shì)，提高湖泊水文要素提取的精度和效率是未來(lái)研究的方向.

在當(dāng)前湖泊水情遙感研究的基礎(chǔ)上，要推動(dòng)湖泊水情遙感更進(jìn)一步，未來(lái)的研究及發(fā)展重點(diǎn)可以歸納為以下兩點(diǎn)：

1)基于多源遙感云計(jì)算平臺(tái)的湖泊水情數(shù)據(jù)批處理：在地球大數(shù)據(jù)時(shí)代，高性能云計(jì)算平臺(tái)的發(fā)展為海量遙感數(shù)據(jù)存儲(chǔ)、計(jì)算及可視化展示提供了技術(shù)支持與平臺(tái)支撐. 近年來(lái)國(guó)內(nèi)云計(jì)算平臺(tái)也得到了快速發(fā)展，如阿里云等. 然而，目前國(guó)內(nèi)云計(jì)算平臺(tái)在地球科學(xué)領(lǐng)域的應(yīng)用還較少. 因此，未來(lái)應(yīng)該多考慮基于國(guó)內(nèi)外云計(jì)算平臺(tái)開(kāi)展全球或區(qū)域尺度的地表水體連續(xù)變化研究.

2)集成站點(diǎn)與遙感觀測(cè)發(fā)展湖泊關(guān)鍵要素全國(guó)乃至全球尺度產(chǎn)品：利用眾源衛(wèi)星光學(xué)與雷達(dá)遙感影像，發(fā)展耦合分步迭代與機(jī)器學(xué)習(xí)思想的水體自動(dòng)化分類(lèi)算法，實(shí)現(xiàn)大尺度長(zhǎng)時(shí)序湖泊水域范圍提取技術(shù)；引入合適的濾波算法，同化站點(diǎn)觀測(cè)、多源雷達(dá)與激光測(cè)高衛(wèi)星數(shù)據(jù)重建長(zhǎng)時(shí)序湖泊水位，在此基礎(chǔ)上研發(fā)“天(衛(wèi)星)-空(無(wú)人機(jī)航測(cè))-地(臺(tái)站)-水(無(wú)人船載測(cè)深)”湖泊水情監(jiān)測(cè)技術(shù)方案，實(shí)現(xiàn)湖泊水位與水量變化的歷史長(zhǎng)時(shí)序重建與近實(shí)時(shí)監(jiān)測(cè). 并將上述技術(shù)體系移植到GEE等遙感云平臺(tái)，研發(fā)全國(guó)或全球尺度湖泊水情的業(yè)務(wù)化產(chǎn)品.