基于MODIS卫星数据的中亚地区水体动态监
测研究
程彦培、张发旺、董华、王海平、冯仲科
? 2012-02-17 11:12:44 来源：《水文地质工程地质》2010年第5期
(程彦培、张发旺、董华：中国地质科学院水文地质环境地质研究所，正定 050803；
王海平、冯仲科：北京林业大学测绘与 3s 技术中心，北京 100083)
摘要: 水体动态监测是当今资源与环境变化研究的一个热点与重点。及时、准确地获得水体变化信息是对湿地资源保护、利用和可持续发展的有力支持，而遥感技术的快速、周期性等特点为湿地变化监测提供了技术手段。本文的研究区是中亚地区，结合该地区的光谱和时相特征，利用三个时相的 MODIS 数据，采用监督分类以及人工解译等方法获取了研究区水体分布以及变化信息，并从自然和人为两方面原因对咸水湖泊、淡水湖泊以及含水沟渠的变化情况进行进一步分析评价。
关键词: MODIS；中亚；水体；动态监测
中图分类号: P641. 2 文献标识码: A 文章编号: 1000-3665(2010)05-0033-05
基金项目: 亚洲地下水资源与环境地质编图(1212010813090)
作者简介: 程彦培(1965-)，男，硕士，副研究员，从事国土环境监测研究，国际合作水工环编图工作。E-mail: yanpeicheng@ tom. com
中亚地区的河流主要有阿姆河、锡尔河等内流河，大部分发源于中亚高山，湖泊有里海、咸海、巴尔喀什湖等，冰雪融水为主要水源。由于中亚深居世界最大的大陆——亚欧大陆内部，海洋上的水汽难以到达，形成了冬冷夏热，降水稀少，常年干燥的气候特点。而20世纪以来，在中亚地区发生多起严重干旱事件[1 ～ 2]，严重影响到人们的生活与发展。因此，研究该地区湿地资源的特征和演变规律，进而利用湿地资源、发展地区经济和实现经济 － 生态的良性循环，对现在和未来都有深远的意义。
湿地研究起源于 16 世纪欧洲泥炭的利用。到 20世纪 50 年代，湿地研究得以发展并逐渐走向国际化。由于遥感技术具有观测范围广、获取信息快、信息量大，尤其是访问周期短等特点，使得遥感技术成为湿地监测研究中最有利的技术手段[3]。近年来 MODIS 数据作为一个重要的数据源，在大气、植被、雪域、火灾监测、海洋等方面都有应用。水文学工作者运用 MODIS数据做了大量的工作，比如洪涝灾害过程和范围监测，积雪覆盖与径流预测，土壤水分和蒸发的研究，湿度和温度的反演，水文模型的研究，水质监测，湿地研究等。其中在水文监测方面，张树誉等利用 MODIS 数据资料对 2003 年渭河洪涝灾害进行了动态监测[4]；龟山哲等应用 MODIS 数据完成了洞庭湖蓄水量变化的监测[5]。 1 MODIS 遥感数据介绍
MODIS ( Moderate-resolution Imaging Spectroradio-meter)是美国 NASA 对地观测系统(EOS)系列遥感卫星平台上的主要传感器，也是当前世界上新一代“图谱合一”的光学遥感仪器。MODIS 分别搭载在上午星Terra 和下午星 Equa 上，能提供 250m，500m，1 000m三种空间分辨率的 36 个通道的数据，分布在 0. 4 ～14. 3μm 的电磁波谱范围内，扫描宽度为2 330 km，对地球上同一个地方，每天可以提供四景影像，并且免费提供能满足多个研究领域需求的各级产
品。NASA 计划利用 MODIS 至少获取了连续 15 年的地球综合信息，这些数据对于开展自然灾害与生态环境监测、全球 环境和气候变化、全球变化综合性研究具有重要意义[6]。
本文采用了 Terra 时相分别为 1989 年、1999 年和2009 年的中亚地区影像，数据 MODIS1B 产品，经度范围 66. 65° ～ 100. 72°，纬度范围 31. 24° ～ 52. 86°，1 ～ 7波段的(其中 1，2 波段经重采样)500m 分辨率的数据。利用专业遥感图像处理软件 ENVI 对 MODIS 数据进行辐射、几何校正以及去除 Bowtie，大气校正等预处理工作。
本文 MODIS L1B 数据下载地址:http:/ /ladsweb.nascom. nasa. gov / data / search. html
2 研究原理与方法
2. 1 数据选取与预处理
不同的地物其本身的结构和理化等性质不同[7]，导致其对电磁波的反射、发射信息的差异，这种差异通过传感器的接收和记录，在影像上反应就是灰度值的大小，是地物相互区别的依据。
在 MODIS 数据中，地表自然水体的显著反射特征是:在可见光和近红外波段(0. 4 ～ 2. 5μm，相对应于MODIS 数据中的 1 ～ 19 波段) 的电磁波吸收率明显高于其它地物。其中在可见光波段水体反射率总体较低(一般为 4% ～ 5% )，并且随着波长增大还会逐步降低，在 0. 6μm 处反射率约为 2 % ～ 3 % ；在近红外波段，水体几乎吸收了其全部能量，近似于一个“黑体”[8]。依据研究需要，把实际地物概化为三大类:水体、陆地和植被。为了分析水体以及背景地物在MODIS 影像上的光谱灰度值特征，对三类地物进行采样，测得各地物在
MODIS 影像前 7 个波段的光谱灰度值(图 1)(2009 年)。其中 1989 和 1999 年的各地物光谱曲线走势于 2009 年基本一致，只是受到季节、光照强度等因素的影响，光谱曲线灰度值整体偏低。
从图 1 中可以看出:波段 1，水体与陆地灰度值基本一致，植被的灰度值偏低；波段 2，植被和陆地的灰度值相差甚少，水体的最低；3、4 波段，三类地物的灰 度值比较接近；第 5 波段，陆地与植被的灰度值相差不多，而水体的灰度值明显偏低，但是由于该波段经常出现条带噪声，导致灰度值发生异常，因此本研究中未用该波段参与水体的判别；在 6、7 波段，陆地灰度值最高，水体的最低，植被则介于两者之间。
选取影像中的 1、2、6 波段数据做处理。首先对所选范围数据做几何校正[9]。其中投影采用积斜方位投影(Azimuthal Equal Area Projection)，将三个波段的数据均投影至 250m 分辨率。用 6S 模式完成大气校正，还原地物的真实反射率[10]。然后依据影像投影一致的边界图，筛选校正好的影像，并选取无云的影像进 行裁剪、拼接，从而获得 1989、1999 和 2009 年份覆盖整个研究区的 1:500 万遥感影像图。
2. 2 图像解译处理
水体与沼泽地、盐场等建筑因为含水量高，泥沙含量而具有典型的水体反射特征，在近红外、红外波段反射率最弱，利用植被指数很容易与其他地物区分[11]:
植被指数(VI) 是遥感监测地面植物生长和分布的一种方法，其中的归一化植被指数[12](NDVI)应用最广。
NDVI = ( NIR – R) / ( NIR + R)
式中:NIR，R——近红外和红光波段的反射率。
通过计算不同时期影像的 NDVI 值，将前后期的NDVI 值相减，所有差值不为 0 的像元即为发生变化的像元；由于 NDVI 主要反映绿色植被的信息，时间序列 NDVI 曲线是地表绿色植被生长动态过程的记录，以最直观的形式反映绿色植被周期性的物理过程，利用这个周期性循环规律，对于湿地变化信息的监测是可行的。
湿地判别采用 NDVI 阈值并结合人机交互式调整的方法。首先设定 NDVI 阈值为 F1，将湿地与非湿地区分开，得到湿地的范围图像，并将其目视解译湿地作比较，调整 F1，直到两者判别结果最接近时为止，作为初步结果。最后用目视解译人机交互式方法调整判识 错误像元(比如，局部沙化草地的 NDVI 与沼泽地的NDVI 相近)，得到最终湿地判识结果。在此结果的基础上，再进行湿地内部沼泽地和水体判别，判识原理还是根据沼泽地和水体的光谱特性差异，进而造成的NDVI 差异。判识方法和区分湿地与非湿地的方法相同。经多次调整，得到区分湿地内部沼泽地和水体(河流、湖泊)的阀值 F2。不同时相 MODIS 影像，阀值F1、F2取值不同。然后采用 PCI 命令行编程工具 EASI+ 进行基于像元运算的湿地自动判识，EASI + 实现湿地判识关键语句是:
基于MODIS卫星数据的中亚地区水体动态监测研究
