文章快速检索  
  高级检索
湖盆数据未知的湖泊动态库容遥感监测方法
朱长明1, 张新2,3, 路明3, 骆剑承2    
1. 江苏师范大学城市与环境学院,江苏 徐州 221116;
2. 中国科学院遥感与数字地球研究所,北京 100101;
3. 河北工程大学水电学院,河北 邯郸 056038
摘要:针对现有库容遥感监测方法对无湖盆数据区域的湖泊动态库容难以直接测算问题,提出了未知湖泊水下地形数据的遥感湖泊动态库容监测方法。该方法通过多源遥感数据,匹配相对时相的湖泊面积和水位信息,构建并模拟湖盆DEM数据,据此来估算湖泊的动态库容。在算法实现上,首先采用分布迭代水体提取从遥感影像提取湖泊的多期动态边界;其次,从ICEsat GLAS激光测高数据中反演出湖泊的动态水位高程;第三,依据时间水位信息,通过邻近时相匹配,将水位高程赋给湖泊边界线,生成湖泊等水位线;第四,通过等水位线构建TIN(triangulated irregular network)和Kriging 插值,得到模拟湖盆数字高程模型;最后,依据模拟湖盆DEM和水体面积分布、水位信息,计算湖泊动态库容。试验通过对博斯腾湖的多年动态库容监测与真实性检验,结果显示:最大误差为2。21×;108 m3,最小误差为0。000 02×;108 m3,平均误差为0。044×;108 m3,均方根为0。59,相关系数达到0。99。
关键词湖泊     动态库容     遥感监测     湖盆数据    
Lake Storage Change Automatic Detection by Multi-source Remote Sensing without Underwater Terrain Data
ZHU Changming1, ZHANG Xin2,3, LU Ming3, LUO Jiancheng2     
1. Department of Geography and Environment, Jiangsu Normal University, Xuzhou 221116, China;
2. Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China;
3. School of Water Conservancy and Electic Power, Hebei University of Engnieering, Handan 056038, China
First author: ZHU Changming (1983—), male, PhD, assistant reasearch fellow, majors in remote sensing information automatic extraction and arid wetlands eco-environment change detection. E-mail: changmingzhu@yeah.net
Abstract: Focusing on lake underwater terrain unknown and dynamic storage that is difficult to obtain by the traditional methods, a new method is proposed for lake dynamic storage estimation by multi-source and multi-temporal remote sensing without underwater terrain data. The details are as follows. Firstly, extraction dynamic lake boundary through steps by steps adaptive iteration water body detection algorithm from multi-temporal remote sensing imagery. And then, retrieve water level information from ICESat GLAS laser point data. Thirdly, comprehensive utilizing lake area and elevation data, the lake boundary is converted to contour of water by the water level is assigned to the lake boundary line, according to the time and water level information. Fourthly, through the contour line construction TIN (triangulated irregular network) model and Kriging interpolation, it is gotten that the simulated three-dimensional lake digital elevation model. Finally, on the basis of simulated DEM, it is calculated that the dynamic lake volume, lake area distribution and water level information. The Bosten lake is selected as a case studying to verify the algorithm. The area and dynamic water storage variations of Bosten lake are detected since 2000. The results show that, the maximum error is 2.21× 108 m3, the minimum error is 0.00002× 108 m3, the average error is 0.044×108 m3, the root mean square is 0.59 and the correlation coefficient reached 0.99.
Key words: lake     dynamic storages     remote sensing detection     underwater terrain    
1 引 言

湖泊的动态蓄水量又叫动态库容,简称“动容”,指的是湖泊蓄水量的动态变化。通过遥感技术手段,及时准确地获取湖泊的蓄水量变化信息,对于水资源合理配置与规划、灾害预警、防控调治等方面具有重要的科学意义。动容遥感监测已经成为水文、水资源遥感最为重要的研究内容之一。国内外学者已开展了一系列的应用研究。例如:文献[1]基于遥感技术手段,通过面积和库容的关系模型计算了西藏易贡滑坡堰塞湖的库容;文献[2]利用实地观测数据建立水库面积库容模型,然后通过TM影像计算水库面积以求出水资源量;文献[3]从水位库容模型提取库容,据此建立水库面积库容关系模型,实现遥感水库库容量的测算;文献[4]提出利用3次样条插值生成等高线的方法估算库容量;文献[5]应用实测水位数据和遥感面积数据估算和平阿萨巴斯卡三角洲9个湖泊的动态库容;文献[6]提出利用光学遥感影像和雷达测高数据相结合的水库库容测算方法;文献[7]通过遥感、实地湖盆测量和GIS技术计算纳木错的年际和年内水量变化;文献[8]基于MODIS影像、水文站数据和湖盆DEM(digital elevation model)估算洞庭湖的蓄水量;文献[9]通过水位高程图与湖盆DEM相减生成水深图,再根据栅格水深计算鄱阳湖的库容。

从目前的研究看,现有基于遥感的动态库容计算方法,利用的是湖区数字地形数据或者面积库容关系模型,主要建立在湖盆数据已知的基础上。但是,现实中往往很多湖泊的湖盆数据难以直接获取,尤其是边远山区以及西部无资料或者少资料区,很多湖泊没有实测湖盆数据。另外,即使拥有历史湖盆数据,由于长期的湖底淤积以及湖泊的其他变化,湖盆水下地形数据也需要及时修正。所以,对于有详细湖盆资料的区域,湖泊动容计算相对容易。而对于湖盆数据未知的区域,如何通过遥感技术手段监测湖泊的动态库容,从目前查阅到的文献资料来看,相关研究甚少。为此,本文在现有的湖泊动容研究的基础上,重点研究没有湖盆数据的情况下,湖泊的动容遥感估测方法,提出了未知水下地形数据的湖泊动容多源多时相遥感估测方法。选取新疆博斯腾湖作为研究试验区,开展了博湖的多年动容遥感监测。试验结果表明,遥测的湖泊动容最大误差为2.21×108 m3,平均误差为0.044×108 m3,相关系数达到0.99,为无资料区的湖泊动容监测提供了一种方法。 2 研究区与数据源 2.1 研究区概况

博斯腾湖是我国最大的内陆淡水湖泊,地处天山南坡焉耆盆地的东南部,位于东经86°19′—87°28′,北纬41°46′—42°08′,东西长55 km,南北宽25 km,面积约为1228 km2,湖面海拔约1048 m,平均深度9 m,最深处17 m,属中生代凹陷湖。湖区深居内陆,属中温带干旱荒漠气候区,干旱少雨,蒸发强烈[10]。近年来,由于气候变化和人类活动的影响,湖泊“丰-枯”波动变化较大。气候干旱、水量变化较大,时间序列的多期卫星数据容易获取,有利于湖泊动容遥感监测。 2.2 数据源选择

湖泊水域面积遥感监测主要利用研究区已有的Landsat卫星遥感影像和CBERS影像,排除云干扰以及数据质量较差的影像,构建2000年至今博斯腾湖卫星影像数据库,作为湖泊面积遥感动态监测的数据源。高程遥感数据,采用了NASA(National Aeronautics and Space Administration)2003年发布的ICESat GLAS (ice cloud and land elevation satellite,geo-science laser altimeter system) 卫星激光雷达测高数据。ICESat 是首颗载有激光雷达传感器的卫星遥感平台,系统采用激光雷达测距比传统的雷达测距拥有更小更精确的激光光斑,适用于对内陆小面积水体高程监测[11, 12]。文章中用到的验证数据和部分水位高程替代数据来自博斯腾湖的观测统计数据。对于光学影像数据和激光测高数据,需要统一投影和坐标系统。由于光学影像比激光测高数据要丰富的多,在数据挑选上主要依据ICESat 测高数据获取时间来匹配邻近时相遥感影像数据(见表 1),根据水位—面积分布信息构建模拟湖盆。

表 1 遥感主要数据源选择一览表Tab. 1 Data used for lake storage dynamic dictation
时间传感器激光点数时间传感器轨道号(Path/Row)
2001-06-1602001-06-16ETM+P143/R031
2001-09-2902001-09-29ETM+P142/R031
2002-06-2802002-06-28ETM+P142/R031
2002-10-2502002-10-25ETM+P143/R031
2003-10-27ICESat GLAS842003-10-28ETM+P143/R031
2004-03-19ICESat GLAS502004-04-01ETM+P142/R031
2004-05-28ICESat GLAS452004-06-07CBERSP032/R053
2004-11-04ICESat GLAS1252004-11-15ETM+P142/R031
2005-05-31ICESat GLAS842005-06-06CBERSP032/R053
2005-11-01ICESat GLAS842005-11-01ETM+P142/R031
2005-11-21ICESat GLAS952005-11-27ETM+P142/R031
2006-06-03ICESat GLAS842006-06-01ETM+P142/R031
2006-06-24ICESat GLAS1002006-06-22ETM+P143/R031
2006-10-31ICESat GLAS202006-10-21TMP142/R031
2006-11-04ICESat GLAS832006-11-01TMP142/R031
2007-04-11ICESat GLAS1132007-04-01TMP142/R031
2007-10-08ICESat GLAS132007-09-22TMP142/R031
2007-10-13ICESat GLAS842007-10-26CBERSP032/R053
2007-11-02ICESat GLAS1422007-11-01ETM+P142/R031
2008-03-19ICESat GLAS272008-04-01ETM+P142/R031
2008-10-14ICESat GLAS842008-10-01ETM+P142/R031
2009-03-14ICESat GLAS192009-03-01ETM+P142/R031
2009-04-08ICESat GLAS1222009-04-01ETM+P142/R031
2009-10-06ICESat GLAS182009-09-11TMP142/R031
2009-10-11ICESat GLAS842009-11-30TMP142/R031
2010-04-3002010-04-30TMP142/R031
注:2001—2002年ICESat未发射,而此时博斯腾湖处于高水位线,水位高程采用了站点统计数据补充
3 研究方法 3.1 湖泊动库容测算原理

湖泊库容是指某一水位以下的蓄水容积[13],是空间某曲面与某一基准面之间的空间体积,也可以理解为:能包容的最大体积。库容计算的实质就是计算包容体的最大体积,见图 1。图中,t1时刻的库容为H1基准面与湖盆曲面与之间的空间体积;t2时刻的库容为H2基准面与湖盆曲面与之间的空间体积。那么t1t2时刻的动态库容(Qc)就可以表达如下

式中,Qt2t2时刻的库容;Qt1t1时刻的库容;ΔH2为中间矩形部分;A、B为两侧锲形部分。
图 1 湖泊动态库容示意图Fig. 1 Sketch map of lake dynamic storage
3.2 无湖盆动容测算

湖盆地形数据未知的湖泊动态库容遥感监测方法,技术流程见图 2。整体流程由水体提取、水位反演、湖盆模拟和动态库容计算四大模块构成。首先,利用多源多时相遥感影像提取湖泊的面积动态信息;然后,从ICESat激光测高点云数据中反演出湖泊的动态水位高程;第三,综合利用多光谱遥感数据和卫星测高程数据,根据面积水位信息匹对,获得湖泊在空间上变化的等水位线——等高线;第四,通过等高线构TIN和kriging 插值[14],模拟得到湖泊的水下地形(DEM);最后,依据湖盆DEM和湖泊水边线,计算湖泊动态库容。

图 2 湖泊动容遥感监测算法流程Fig. 2 Flowchart of lake dynamic storage remote sensing detection

在湖泊水体分布信息提取上,根据NDWI (normal difference water index)[15]统计直方图双峰分布特征[16, 17],本文采用了“全局—局部”自适应迭代的方法[18],用动态自适应阈值分割代替固定阈值分割[19, 20],实现水体高精度提取。基于ICEsat水位信息反演上,首先将数据水准面转换到基于平均海平面;然后通过空间分析,从湖泊图层中,选取落在湖泊内的ICESat激光点云数据,再次根据每个观测日内水位的最大/最小水位、标准方差,剔除一些被云层干扰的激光点删除当日水位异常的高程点;最后,根据有效激光点云计算湖泊的水位高程,见式(2)[21]

式中,H是湖泊水位高程;Ei是陆面水位高程;Gi是大地水准面;n为落在湖中有效激光点云的数量。 3.2.1 构建湖盆DEM

湖盆DEM的模拟构建是未知水下地形的湖泊动态库容遥感监测中比较关键的一步。由于湖泊的面积分布变化,同时记录了湖泊的水位高程在空间上的分布信息,那么综合利用遥测湖泊边界线和同一时间水位高程信息,可获得湖泊在时间和空间上变化的等水位线——等高线,变化的湖面生成不同高程的等高线,据此来模拟未知的湖盆地形。

具体技术流程见图 3。首先,根据“全局—局部”迭代的水体提取结果,整饰湖泊水体边界线,见图 3(b);然后,依据时间水位信息,将水位高程信息赋值给湖泊边界线,生成水位高程等值线图。通过不同时相的时间序列的湖泊边界图层叠加,生成湖泊等水位线分布图(湖泊水位等高线),见图 3(c)。再通过构TIN(triangulated irregular network)算法,依据湖泊等深度线创建TIN模型,见图 3(d);最后通过Kriking插值将TIN转为栅格数据,构建出湖泊地形的DEM(digital elevation model)模型见图 3(e)。

图 3 湖盆DEM生成示意图Fig. 3 Conceptual framework of basin DEM simulation
3.2.2 湖泊动容计算

通过以上步骤,得到了研究区的湖盆模拟DEM数据,将是遥感估算湖泊水量变化的重要依据。根据湖泊动态库容计算原理(见式(1),图 1),在构建了湖泊地形的DEM后,湖泊的动态库容可以进一步表达为

式中,Pt1it1时刻的单个像元面积;m为湖面像元总数;Pt2it2时刻的单个像元面积;n为湖面像元总数;Et2为t2时刻的水位高程;Et1t1时刻的水位高程;Hi为湖盆像素的高程信息。通过式(3)和相关参数获取模块可快速计算出湖泊的动态库容。 4 试验与结果分析 4.1 试验结果

根据无湖盆资料区的湖泊动容计算算法流程,计算出博斯腾湖的湖泊动态库容,见图 4动态库容变化柱状图。从图 4中可以清晰地看出,博斯腾湖2000年以来的库容动态变化情况。总体上博斯腾湖泊的库容在减小,而缩减的过程又可以分为两个阶段。以2004年为界,2000—2004年库容变化较大,动库容拟合线波动性较强烈;2004—2010年动态库容拟合曲线波动较小,说明湖泊库容相对稳定。

图 4 湖泊库容动态变化柱状图Fig. 4 Histogram of Bosten lake storage change
4.2 精度评价与误差分析

为了验证反演结果的真实可信性。文章将通过遥感技术手段监测的博斯腾湖动态库容信息,同台站的相关统计数据进行了对比分析。结果显示,动态库容相关系数达到0.99,平均误差为0.044×108 m3,最大误差为2.21×108 m3,误差最小值仅为0.000 2×108 m3,均方根为0.59,见图 5。以上误差统计数据说明,利用该方法监测的博斯腾湖泊动态库容信息精度较高,结果高度可信。

图 5 动态库容估算误差分布图Fig. 5 Histogram of estimation errors distribution

在误差源方面,影响湖泊动态库容的估算精度来自多方面,如:水边线提取、等值线生成、DEM插值等各个环节中。但是,概括起来主要为数据源误差和算法系统误差。通过误差变化特征曲线(图 5)和库容变化曲线(图 4)对照发现,两者变化特征基本一致,最大误差出现在面积-水位数据波动值比最大的地方。这说明,虽然提取的过程中每个步骤对精度都有影响,但是,由于水体提取、DEM插值等采用了比较成熟的算法,对系统误差有严格的控制。另外,动容计算通过差值运算,系统误差又相互抵消一部分。所以综合看来,数据源误差是动态库容计算精度的主要影响因素。

选取水位由低到高的10期数据,通过模拟手段改变对博斯腾湖的观测密度,分别计算的动态库容和误差分布,绘制误差动态曲线图,见图 6。从中可以看出动态库容误差与观测期数基本可以满足负幂指数关系,拟合方程为

随着观测期数的增加,误差越来越小。因此,获取高密度的湖泊等水位线,对湖泊的动态库容估算精度至关重要,动库容的估算精度直接受到观测密度的影响。湖泊等水位线越密集,构建湖盆DEM越精确,估算的动容精度也就越高。

图 6 误差动态曲线Fig. 6 Dynamic error curve
5 结 论

利用多源卫星遥感技术进行湖泊制图与动容计算,是及时、快速获取大面积湖泊水文信息和数据更新的重要手段。但是,对于人际罕至的高寒地区、浩瀚无际的沙漠地区等无资料或少资料区,湖泊的精确地形数据很难获得,甚至根本没有。这对传统的遥感湖泊动容估算来说,无疑是一个限制因素。考虑到湖泊的面积变化同时记录了湖泊的水位高程在空间上的分布信息,变化的湖面生成不同高程的等高线。在综合利用多光谱遥感数据和卫星测高数据的基础上,本文提出了基于完全遥感的湖盆地形数据未知的湖泊水量变化估算方法。通过对多年的博斯腾湖动态库容变化的监测,结果表明测算的湖泊水量变化精度较高。从而得到以下结论:

(1) 在无湖盆资料区的湖泊动容遥感自动监测方面,通过面积水位数据构建模拟湖盆,方法具有可行性。

(2) 完全利用空间遥测技术,避免了传统的库容变化计算手段中对于各种水文、地形资料等数据的依赖,算法流程限制因素少,可进一步优化应用于无资料或少资料区的湖泊水资源遥感调查。

参考文献
[1] LV Jietang, WANG Zhihua, ZHOU Chenghu. A Tentative Discussion on the Monitoring of the Yigong Landslide-blocked Lake with Satellite Remote Sensing Technique[J]. Acta Geoscientia Sinica, 2002, 23(4): 363-368. (吕杰堂, 王治华, 周成虎. 西藏易贡滑坡堰塞湖的卫星遥感监测方法初探[J]. 地球学报, 2002, 23(4): 363-368.)
[2] QIAO Pinglin, ZHANG Jixian, LI Haitao, et al. Reservior Water Storage Remote Sensing Monitoring Method Study[J]. Science of Surveying and Mapping, 2003, 28(3): 55-57. (乔平林, 张继贤, 李海涛, 等. 水库容水量遥感监测方法研究[J]. 测绘科学, 2003, 28(3): 55-57.)
[3] TIAN Yu, LIN Zongjian, LU Xiushan, et al. Remote Sensing Application in Resevior Storage Calculation[J]. China Rural Water and Hydropower, 2007(3):17-22. (田雨, 林宗坚, 卢秀山, 等. 遥感技术在水库水容量测算中的应用[J]. 中国农村水利水电, 2007(3): 17-22.)
[4] FOTEINOPOULOS P. Cubic Spline Interpolation to Develop Contours of Large Reservoirs and Evaluate Area and Volume[J]. Advances in Engineering Software, 2009, 40(1): 23-29.
[5] SMITH L C, PAVELSKY T M. Remote Sensing of Volumetric Storage Changes in Lakes[J]. Earth Surface Process and Landforms, 2009, 34: 1353-1358.
[6] ABILEAH P, VIGNUDELLI S. A Completely Remote Sensing Approach to Monitoring Reservoirs Water Volume[J]. International Water Technology Journal, 2011, 1(1): 59-72.
[7] ZHANG Bing, WU Yanhong, ZHU Liping, et al. Estimation and Trend Detection of Water Storage at NamCo Lake, Central Tibetan Plateau[J]. Journal of Hydrology, 2011, 405: 161-170.
[8] CAI Qing, HUANG Lu, LIANG Jie, et al. Estimation of the Water Volume of the Dongting Lake with TERRA/MODIS Data[J]. Journal of Hunan University: Natural Sciences, 2012, 39(4): 64-69. (蔡青, 黄璐, 梁婕. 基于 MODIS遥感影像数据的洞庭湖蓄水量估算[J]. 湖南大学学报:自然科学版, 2012, 39(4): 64-69.)
[9] LIU Dong, LI Yan. Poyang Lake Area and Capacity Estimation Based on Remote Sensing Technology[J]. Remote Sensing Information, 2012(2): 57-61. (刘东, 李艳. 基于遥感技术的鄱阳湖面积库容估算[J]. 遥感信息, 2012(2): 57-61.)
[10] ZHANG Jianping. Eco-environment Situation of Bosten Lake Basin and Its Countermeasures[J]. Environmental Science and Technology, 2010, 23(Sup 2): 76-79. (张建平. 博斯腾湖流域生态环境现状及治理对策浅析[J]. 环境科技, 2010, 23(Sup 2): 76-79.)
[11] FAN Chunbo, LI Jiancheng, WANG dan, et al. Application of ICESat to Geoscience Research[J]. Journal of Geodesy and Geodynamics, 2005, 25(2): 94-98. (范春波, 李建成, 王丹, 等. 激光高度计卫星ICESAT在地学研究中的应用[J]. 大地测量与地球动力学, 2005, 25(2): 94- 98.)
[12] ABSHIRE J B, SUN X L, RIRIS H, et al. Geoscience Laser Altimeter System (GLAS) on the ICESat Mission: On-orbit Measurement Performance[J]. Geophysical Research Letters, 2005, 32(21): 21-32.
[13] MI Hongyan, ZAI Jian, JIANG Xinhua. Contrast and Analysis of Reservoir Storage Calculation Methods[J]. Surveying and Mapping of Geology and Mineral Resources, 2007, 23(2): 1-4. (米鸿燕, 宰建, 蒋兴华. 静库容计算方法的比较分析[J]. 地矿测绘, 2007, 23(2): 1-4.)
[14] ZENG Huaien, HUANG Shengxiang. Research on Spatial Data Interpolation Based on Kriging Interpolation[J]. Engineering of Surveying And Mapping, 2007, 16(5): 5-10. (曾怀恩, 黄声享. 基于Kriging方法的空间数据插值研究[J]. 测绘工程, 2007, 16(5): 5-10.)
[15] MCFEETERS S K. The Use of Normalized Difference Water Index(NDWI) in the Delineation of Open Water Features[J]. International Journal of Remote Sensing, 1996, 17(7): 1425-1432.
[16] SOHN H G, JEZEK K C. Mapping Ice Sheet Margins from ERS-1 SAR and SPOT Imagery [J]. International Journal of Remote Sensing, 1999, 20: 3201-3216.
[17] LIU H, JEZEK K C. Automated Extraction of Coastline from Satellite Imagery by Integrating Canny Edge Detection and Locally Adaptive Threshold Method[J]. International Journal of Remote Sensing, 2004, 25(5): 937-958.
[18] LUO Jiancheng, SHENG Yongwei, SHEN Zhanfeng, et al. Automatic and High-precise Extraction for Water Information from Multispectral Images with the Step-by-step Iterative Transformation Mechanism[J]. Journal of Remote Sensing, 2009, 13(4): 610-615. (骆剑承, 盛永伟, 沈占锋, 等. 基于分步迭代的多光谱遥感水体信息高精度自动提取方法研究[J]. 遥感学报, 2009, 13(4): 610-615.)
[19] ZHU Changming, LUO Jiancheng, SHEN Zhanfeng, et al. River Linear Water Adaptive Auto-extraction on Remote Sensing Image Aided by DEM[J]. Acta Geodaetica et Cartographica Sinica, 2013, 42(2): 277-283. (朱长明,骆剑承,沈占锋,等. DEM辅助下的河道细小线性水体自适应迭代提取[J]. 测绘学报, 2013, 42(2): 277-283.)
[20] LI Junli, SHENG Yongwei, LUO Jiancheng. Automatic Extraction of Himalayan Glacial Lakes with Remote Sensing[J]. Journal of Remote Sensing, 2011, 15(1): 29-43. (李均力, 盛永伟, 骆剑承. 喜马拉雅山地区冰湖信息的遥感自动化提取[J].遥感学报, 2011, 15(1): 29-43.)
[21] ZHU Changming, LUO Jiancheng, LI Junli, et al. Bosten Lake Wetlands Water Level Automatic Retrieval and Trends Analysis Based on ICESat Global Laser Point Data[J]. Lecture Notes in Computer Science, 2012, 7202: 582-590.
http://dx.doi.org/10.11947/j.AGCS.2015.20130438
中国科学技术协会主管、中国测绘地理信息学会主办。
0

文章信息

朱长明,张新, 路明, 骆剑承
ZHU Changming, ZHANG Xin, LU Ming, LUO Jiancheng
湖盆数据未知的湖泊动态库容遥感监测方法
Lake Storage Change Automatic Detection by Multi-source Remote Sensing without Underwater Terrain Data
测绘学报,2015,44(3):309-315
Acta Geodaeticaet Cartographica Sinica, 2015, 44(3): 309-315.
http://dx.doi.org/10.11947/j.AGCS.2015.20130438

文章历史

收稿日期:2013-09-30
修回日期:2014-07-10

相关文章

工作空间