太湖流域水產(chǎn)養(yǎng)殖面積遙感監(jiān)測及產(chǎn)流模擬分析研究

劉增賢，劉克強，李勇濤，徐天奕，向美燾

(1.太湖流域管理局水利發(fā)展研究中心，上海 200434；2.上海東南工程咨詢有限責任公司，上海 200434)

太湖流域地處經(jīng)濟較為發(fā)達的長三角地區(qū)，是我國重要的工商業(yè)基地和淡水漁業(yè)基地，水產(chǎn)養(yǎng)殖已經(jīng)成為太湖流域現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)的重要組成部分。流域傳統(tǒng)水產(chǎn)養(yǎng)殖面積統(tǒng)計主要是從地方統(tǒng)計上報渠道獲得，缺乏實際水產(chǎn)養(yǎng)殖的空間分布信息，統(tǒng)計數(shù)據(jù)的不準確性和空間分布的欠缺，影響了流域水產(chǎn)養(yǎng)殖面積的動態(tài)統(tǒng)計分析。原流域水量水質(zhì)模型未考慮水產(chǎn)養(yǎng)殖下墊面的空布信息及產(chǎn)流機理研究，影響了產(chǎn)匯流計算精度。因此，迫切需要利用流域高分辨率的遙感影像開展土地覆被分類，對流域水產(chǎn)養(yǎng)殖面積進行快速準確的解譯，開展產(chǎn)流模擬計算分析，提升流域水量模擬精度。

1 研究區(qū)與研究數(shù)據(jù)

太湖流域地處長江三角洲的南翼，北抵長江，東臨東海，南濱錢塘江，西以天目山、茅山為界。流域面積為36895km2，行政區(qū)劃分屬江蘇、浙江、上海和安徽三省一市。

研究數(shù)據(jù)為覆蓋太湖流域的2015—2016年的“高分一號”(GF- 1)衛(wèi)星影像， GF- 1 衛(wèi)星于2013年4月26日成功發(fā)射，是我國高分辨率對地觀測系統(tǒng)的首發(fā)星，其配置了2臺2m分辨率全色/8m分辨率多光譜相機，重訪周期為4d，高分一號衛(wèi)星最突出的優(yōu)勢之一是實現(xiàn)了空間分辨率和時間分辨率的完美結(jié)合[1- 3]。

2 水產(chǎn)養(yǎng)殖等地物下墊面解譯

2.1 研究思路

在太湖流域GF- 1遙感影像輻射校準、大氣校正、正射校正、影像融合等預(yù)處理的基礎(chǔ)上，結(jié)合太湖流域水量水質(zhì)模型產(chǎn)匯流模擬的需要，構(gòu)建土地覆被類型分類標準。分析影像特征與地類的對應(yīng)關(guān)系，重點通過紋理、顏色、亮度、形狀等特征建立水產(chǎn)養(yǎng)殖等地物的解譯標志庫，進而開展下墊面監(jiān)督分類與目視修正[4- 6]。利用野外驗證點數(shù)據(jù)對分類結(jié)果進行精度校驗與評估，進一步開展解譯成果歸納匯總及下墊面信息網(wǎng)格化，為降雨產(chǎn)流模型提供基礎(chǔ)數(shù)據(jù)。研究水產(chǎn)養(yǎng)殖產(chǎn)流機理，開發(fā)太湖流域水量水質(zhì)模型水產(chǎn)養(yǎng)殖產(chǎn)流模擬模塊，開展水產(chǎn)養(yǎng)殖模塊產(chǎn)流與無水產(chǎn)養(yǎng)殖模塊產(chǎn)流成果對比分析。

2.2 土地覆被分類標準

依據(jù)國家標準GB/T 21010—2007《土地利用現(xiàn)狀分類》與《第二次全國土地調(diào)查土地利用分類》(2012年)，從降雨產(chǎn)流的角度，通常將下墊面分為水面、水田、旱地及建設(shè)用地，太湖流域下墊面分類標準確定為 5個一級類，9個二級類，分類情況具體見表1。

表1 太湖流域土地類型與土地利用遙感解譯分類對照表

(續(xù)表1)

2.3 太湖流域下墊面解譯標志庫建立

依據(jù)本項目太湖流域土地利用分類標準，結(jié)合太湖流域的野外調(diào)查數(shù)據(jù)和室內(nèi)專家解譯討論，制定本項目太湖流域的GF- 1土地利用解譯標志庫，解譯庫包含對應(yīng)于所制定太湖流域土地利用分類標準的地物編碼與名稱，以及地物在影像中的形狀、色調(diào)、紋理特征，針對地物影像特征，截取典型的實例影像，相對難以區(qū)分的水田、水產(chǎn)養(yǎng)殖、水域等地物特征見表2。

表2 太湖流域土地利用遙感解譯標志庫

2.4 遙感衛(wèi)片預(yù)處理及土地覆被分類

篩選了云量小于10%的影像，最終選取了73景質(zhì)量較好的衛(wèi)片作為本次遙感解譯工作的底圖。針對每景遙感衛(wèi)片開展預(yù)處理工作，具體步驟主要包括：大氣校正、幾何精校正與影像配準、圖像鑲嵌與裁剪，最終到得到覆蓋整個太湖流域經(jīng)預(yù)處理之后的遙感影像，如圖1所示。

圖1 太湖流域遙感影像裁剪前后對比圖

基于GF- 1衛(wèi)星影像，針對不同地理環(huán)境特征的太湖流域下墊面紋理、結(jié)構(gòu)等遙感特征，融合面向?qū)ο蟮闹悄芙庾g方法，構(gòu)建流域下墊面高分遙感分類算法，實現(xiàn)流域下墊面的高精度分類?；赟VM(Support Vector Machine，支持向量機)分類方法進行水產(chǎn)養(yǎng)殖解譯的關(guān)鍵是樣本選取，應(yīng)盡可能選取有代表性的樣本，對于選取質(zhì)量好、區(qū)分度較高的訓(xùn)練數(shù)據(jù)，分類效果較好[7- 9]。在自動分類之后，存在水體中坑塘和水產(chǎn)養(yǎng)殖難以區(qū)分等問題，利用人機交互目視解譯的方式對自動分類結(jié)果進行了后處理的工作。開展各地類野外現(xiàn)場調(diào)查、校對，基于太湖流域194個野外現(xiàn)場核查驗證點，924個土地利用驗證斑塊對流域下墊面室內(nèi)遙感分類初步結(jié)果進行精度驗證，構(gòu)建混淆矩陣，流域下墊面遙感解譯總體精度為87.35%，水產(chǎn)養(yǎng)殖地物解譯精度為91.44%。太湖流域土地覆被分類分布圖，如圖2所示，水產(chǎn)養(yǎng)殖主要分布在湖州市東苕溪東部、太浦河周邊、陽澄湖北部、洮湖及滆湖的東南部區(qū)域，呈現(xiàn)較為明顯的集聚特征，也有部分在水田周邊零星分布。

圖2 太湖流域土地覆被分類分布圖

2.5 水產(chǎn)養(yǎng)殖等下墊面解譯成果統(tǒng)計

太湖流域下墊面主要由水面、水田、旱地及其他、建設(shè)用地四大類組成，如下表所示，其中水面面積占流域總面積的14.20%；水田面積占比為23.18%，其中水產(chǎn)養(yǎng)殖占比為4.83%；旱地及其他面積占比為31.49%；建設(shè)用地面積占比為31.13%(見表3)。

表3 太湖流域下墊面分類統(tǒng)計表

3 水產(chǎn)養(yǎng)殖產(chǎn)流模擬分析

3.1 水產(chǎn)養(yǎng)殖產(chǎn)流原理

考慮淡水魚類及其他水產(chǎn)品生長需要一定的光照、水溫等條件，且洪水時水位若漫過塘梗頂部，魚類會越岸逃走，給養(yǎng)殖戶造成損失，因此，水產(chǎn)養(yǎng)殖應(yīng)有一定的適宜水深范圍。當水深太淺或太深時，養(yǎng)殖戶需自行進行補水或排水，以減少養(yǎng)殖產(chǎn)品逃逸的損失?；谝陨峡紤]，可采用類似水田灌溉的方式對水產(chǎn)養(yǎng)殖產(chǎn)流過程進行模擬，設(shè)置一個適宜水深范圍，以適宜水深上限、適宜水深均值、適宜水深下限表征：當水深低于適宜水深下限時，從河道取水進行補水，補到適宜水深均值；當水深高于適宜水深上限時，需開啟泵站抽排，同樣排到適宜水深均值。因此，水產(chǎn)養(yǎng)殖產(chǎn)流應(yīng)更接近水田產(chǎn)流方式[9- 10]。

3.2 水產(chǎn)養(yǎng)殖模型處理方式

參考水田產(chǎn)流機理，根據(jù)水產(chǎn)養(yǎng)殖的需水過程及適宜水深上、下限，耐淹水深等因素，逐日進行水量平衡計算，推求水產(chǎn)養(yǎng)殖產(chǎn)水深R。

H0=H1+P-αE-f

式中，H0—計算過程中間變量水深，mm；H1—時段初的水產(chǎn)養(yǎng)殖水深，mm；P—時段內(nèi)降雨量，mm；E—時段內(nèi)水面蒸發(fā)量，mm；α—水產(chǎn)養(yǎng)殖的需水系數(shù)；f—水產(chǎn)養(yǎng)殖滲漏，mm。

式中，H2—時段末的水產(chǎn)養(yǎng)殖水深，mm；Hmin—水產(chǎn)養(yǎng)殖的適宜水深下限，mm；Hm—水產(chǎn)養(yǎng)殖的適宜水深上限，mm；Hmax—水產(chǎn)養(yǎng)殖的耐淹水深，mm；R—產(chǎn)水量(正值時)或補水量(負值時),mm。

3.3 水產(chǎn)養(yǎng)殖產(chǎn)流參數(shù)率定

太湖流域洮滆片與運西片為水產(chǎn)養(yǎng)殖較為密集區(qū)域，基于2016年的率定成果開展洮滆片及運西片水產(chǎn)養(yǎng)殖下墊面產(chǎn)匯流模擬及參數(shù)率定，確定水利計算分區(qū)內(nèi)水產(chǎn)養(yǎng)殖模型各參數(shù)取值分別為：水田最大日排水水深200mm，水田最大日引水水深10mm，水產(chǎn)養(yǎng)殖最大日排水水深200mm，水產(chǎn)養(yǎng)殖最大日引水水深4mm；按照非汛期及汛期水產(chǎn)養(yǎng)殖產(chǎn)流參數(shù)有所不同，見表4。水田在非種植期作為旱地處理，年初開始受降雨影響即有少量產(chǎn)流；種植期由于水田耐淹水深較水產(chǎn)養(yǎng)殖小，一旦超過水田調(diào)蓄水深即有產(chǎn)水，在降雨期間水田能夠調(diào)蓄的水量較水產(chǎn)養(yǎng)殖偏小，但當水位超過水產(chǎn)養(yǎng)殖調(diào)蓄水深后，水產(chǎn)養(yǎng)殖則排水至適宜水深上限，單日排水量較水田偏大；在無雨期間，受蒸發(fā)影響，種植期水田需從河道取水進行灌溉，灌溉次數(shù)及灌溉量均較水產(chǎn)養(yǎng)殖偏大。

表4 非汛期及汛期水產(chǎn)養(yǎng)殖產(chǎn)流參數(shù)表 單位：mm

3.4 水產(chǎn)養(yǎng)殖產(chǎn)流參數(shù)率定

結(jié)合水稻種植期及2016年實際入梅時間，開展6月19日—9月30日期間水產(chǎn)養(yǎng)殖下墊面產(chǎn)流對洮滆片及運西片分區(qū)代表站水位過程的影響分析，坊前、南潯水位過程及水產(chǎn)養(yǎng)殖、水田下墊面徑流深計算成果如圖3所示。

圖3 流域典型代表站水位過程及水產(chǎn)養(yǎng)殖、水田下墊面徑流深過程圖

入梅后湖西區(qū)洮滆片出現(xiàn)大范圍降雨，水產(chǎn)養(yǎng)殖及水田下墊面均超過耐淹水深蓄滿產(chǎn)流。從7月4日起降雨強度逐漸減弱后，水產(chǎn)養(yǎng)殖產(chǎn)水也逐漸減少，水稻進入“擱田期”，耐淹水深降低，故產(chǎn)流量反而有所增加。洮滆片及運西片在7月20日出梅后水田水位低于適宜水深下限，需從河道取水灌溉，水產(chǎn)養(yǎng)殖則在適宜水深范圍內(nèi)無產(chǎn)水，隨著降雨量減少蒸發(fā)持續(xù)，導(dǎo)致水產(chǎn)養(yǎng)殖分別從8月27日和8月31日起有一次從河道補水過程，日均取水量按水產(chǎn)養(yǎng)殖最大日引水水深計算。

從洮滆片及運西片代表站水位過程及特征水位表(見表5)可知，坊前站最低、最高水位與實測值一致，南潯最低水位較實測偏低3cm，最高水位較實測值偏低5cm，在考慮水產(chǎn)養(yǎng)殖產(chǎn)匯流模擬條件下代表站最低、最高水位均更趨近與實測值。因此，考慮水產(chǎn)養(yǎng)殖下墊面產(chǎn)匯流機理后可以進一步提高流域產(chǎn)匯流過程精細化模擬程度，為提升流域水資源管理能力和保障流域防洪安全提供決策支持。

表5 地區(qū)代表站特征水位表 單位：m

4 結(jié)語

本文基于面對對象高分辨率遙感技術(shù)和空間結(jié)構(gòu)分析方法，實現(xiàn)了對于太湖流域水產(chǎn)養(yǎng)殖等下墊面的分類提取及數(shù)據(jù)分析，結(jié)合太湖流域野外調(diào)查數(shù)據(jù)，構(gòu)建解譯標志庫，采用目視解譯檢驗解譯成果，最終太湖流域下墊面總體分類精度為87.35%，其中水產(chǎn)養(yǎng)殖地物解譯精度為91.44%。近年來流域水產(chǎn)養(yǎng)殖面積變化較快，通過采用遙感解譯方法實現(xiàn)水產(chǎn)養(yǎng)殖下墊面快速提取及空間分布分析，對于開展流域水產(chǎn)養(yǎng)殖面積動態(tài)監(jiān)測具有重要意義。

本研究把水產(chǎn)養(yǎng)殖作為一類新型的下墊面模擬方式開展分析，創(chuàng)新性的研究了水產(chǎn)養(yǎng)殖下墊面產(chǎn)匯流機理，對于完善流域不同類型下墊面產(chǎn)匯流過程，提升流域水動力模型模擬精度和流域水資源管理水平具有積極意義。水產(chǎn)養(yǎng)殖養(yǎng)殖特點決定了該類下墊面耐淹水深較水田偏高，在較強降雨過程中水產(chǎn)養(yǎng)殖可對調(diào)蓄地區(qū)洪水起到一定的積極作用。