GEE平台下多源遥感影像对洪灾的监测

刘小燕，崔耀平，史志方，付一鸣，闰亚迪，李梦迪，李楠，刘素洁

1.河南大学 黄河中下游数字地理技术教育部重点实验室,开封 475004;2.河南省大气污染综合防治与生态安全重点实验室,开封 475004;3.河南大学 地理与环境学院,开封 475004;4.河南省地质矿产勘查开发局第一地质勘查院,郑州 450001;5.河南省地球物理空间信息研究院,郑州 450009

1 引言

如何快速获取洪灾信息并立即采取科学、快速、准确的应急决策是应急救援的主要任务之一。中国是一个自然灾害发生频繁的国家，雨季时常会造成江淮等地的洪灾（李曾中 等，2000）。洪灾爆发造成大面积区域淹没是动态变化的，因此对洪灾区域进行快速动态监测十分必要。

遥感具有高效实时等优点，已经广泛应用于洪灾的评估（Van Westen，2013；Boccardo和Tonolo，2015；黄淑娥 等，2003）。其中，遥感数据中的光学和雷达影像主要用于识别和监测洪灾引起的地面结构变化和破坏（曾玲方 等，2015；Martinis等，2018；苏亚丽，2018；湛南渝，2020），而洪灾在破坏建筑物和基础设施的同时，会导致停电，并减少人类活动，这些都可能导致光线变化（Feeny等，2022）；一个地区的受灾程度与灯光的破坏范围有直接关系，因此可以从夜间灯光数据中提取灾情信息（张宝军，2018）。夜间灯光影像数据是由于人类在地表生产生活所产生的独有信息数据（Li 等，2021）。目前，世界上应用较多的夜间灯光数据有1976 年美国发射的国防气象卫星DMSP（The Defense Meteorological Program）搭载的OLS（Operational Line-Scan System）传感器获取夜间灯光数据（Liu 等，2012；Ma 等，2012）、2011 年美国宇航局发射的Suomi NPP 携带可见光近红外成像辐射仪获取的NPP-VIIRS（National Polar-orbiting Partnership Visible Infrared Imaging Radiometer Suite）DNB（Day/Night Band）数据（Shi等，2014；Zhao等，2018）和2018 年武汉大学团队发射的“珞珈一号”卫星获取的夜间灯光数据（厉飞 等，2021；刘权毅 等，2021）。其中DMSP/OLS 数据的空间分辨率为30 rad/s（赤道约1 km），NPP-VIIRS具有比DMSP/OLS数据更高的时空分辨率，近些年已经广泛被运用于灾害评估等方面。高义等（2013）研究发现NPP-VIIRS DNB 数据具有实现人口和社会经济数据空间化的巨大潜力。郭磊等（2020）将夜间灯光数据与土地利用数据相结合，建立人口和社会经济分布模型，为流域洪灾损失评价提供手段。赵习枝（2019）利用夜间灯光数据可以反映出榆林洪灾造成的停电现象。Skoufias 等（2020）基于夜间灯光等数据构建灾害指数模型，展示了如何快速找到不同灾害事件（如洪水和海啸）在全球范围内的相对经济影响；王晓荣（2021）基于夜间灯光数据识别洪灾害前后灯光变化并对受灾人口定量评估。因此，众多研究表明，基于夜间灯光数据研究和分析灾害的危害是可行的。

基于雷达影像监测洪灾的运用较普遍（孙亚勇 等，2017），因为雷达影像不受云雨天气的影响，但对于研究时间较短时间内水体的连续变化仍有缺失，且无法有效区分洪灾退去短时间内潮湿土地与水体；此外，光学影像容易受到云雨等天气的影响，会造成洪灾关键时期的变化无卫星覆盖。同时，为了避免由于数据来源及处理方式的不同，而造成对洪灾的监测不及时等问题的出现，本研究借助遥感大数据平台GEE（Google Earth Engine）来获取水体信息。GEE 平台是一个全球尺度地理空间数据分析的云服务平台，它集成了多种地理空间数据并提供了超过一千种数据类型和算子，无需下载数据就可以直接在线分析（Perilla 和Mas，2020），能够及时高效地监测灾害的动态变化。

综上所述，本研究拟结合多源、多时相遥感数据信息（Sentinel-1、Sentinel-2 和Landsat 8）从不同角度提取水体信息，从而对洪灾的变化进行精确有效地监测，与此同时，借助日NPP-VIIRS DNB 数据对洪灾的影响进行有效的评估，进而说明雷达影像、光学影像和夜间灯光数据等多源遥感数据均可在监测洪灾中发挥重要作用，为决策者和响应者提供支持，让政府或公众可以直观地了解灾害的严重程度。

2 数据来源与研究方法

2.1 研究区域

阜阳市位于安徽省西北部，黄淮海平原南端，淮北平原西部32°25′N—34°04′N，114°52′E—116°49′E，全市总面积达10118.17 km2。阜阳市北部与黄河决口扇形地相连，南部与江淮丘岗区隔淮河相望，地势平坦。阜阳市地势西北高而东南低，自西北向东南略有倾斜。阜阳市南临淮河，旱涝灾害频繁，表现出气候明显的变异性。

2020 年7 月安徽遭遇长时间大规模降雨，大部分降水都排入淮河。位于安徽省阜阳市的王家坝闸以上至淮河源头桐柏山364 km 为淮河上游；王家坝闸以下至江苏省洪泽湖的三河闸共490 km为淮河中游，落差仅16 m，况且淮河中游河道狭窄弯曲，支流众多，洪水宣泄不畅。由于持续的强降雨，水位上涨增加了溃堤的风险，为了避免内涝和溃堤，降低淮河主干道的压力，进而选择王家坝泄洪来降低淮河水位。

2.2 研究时间

2020 年7 月20 日08：32 淮河水位到达最高29.75 m，超保证水位0.45 m，王家坝正式开闸放水，蒙洼蓄洪区启用蓄洪。到了8 月1 日09：30，曹台孜闸28 孔闸门全部开启，蓄洪区正式开闸退洪。基于此，本研究将研究时间分为4段：（1）7月1 日至20 日（0701—0720，Ⅰ阶段），这一阶段主要是雨水聚集形成洪水的前期；（2）7 月21 日至31日（0721—0731，Ⅱ阶段），这一阶段是基于蒙洼蓄洪区洪水聚集期间，水体面积的变化，以及蒙洼区内人类活动的影响变化；（3）8月1日至25日（0801—0825，Ⅲ阶段），这一阶段是泄洪期间；（4）8 月26 日至31 日（0826—0831，Ⅳ阶段），这一阶段是研究区经历过暴雨洪水之后，恢复到正常生活。

2.3 数据来源与处理

日NPP-VIIRS DNB数据：该数据来自国家地球物理数据中心（https：//www.ngdc.noaa.gov/［2021-02-23］）。NPP-VIIRS DNB 数据在目前已有的夜间灯光数据中具有较高的时空分辨率，即时间分辨率为1 d，空间分辨率为500 m，但该数据没有过滤火光、极光等噪音（Cao 等，2013），本研究平滑了噪音以提升数据精度。

云分数据CF（Cloud Fraction）（Sihler 等，2017）是基于GEE 集成的数据集中Sentinel-5P（Shikwambana，2021）产品数据。Sentinel-5P是欧洲航天局于2017 年发射的一颗全球大气污染监测卫星。卫星搭载的对流层观测仪TROPOMI（Tropospheric Monitoring Instrument）加强了云的观测。卫星扫描宽度可达2600 km，时间分辨率为1 d，空间分辨率为7 km。

水体数据是通过GEE 平台集成的不同影像（Sentinel-1A、Sentinel-2A/2B 以及Landsat 8），并通过波段运算提取研究区7—8 月所有水体分布数据。Sentinel-1A：Sentinel-1 作为欧洲航天局ESA（European Space Agency）哥白尼计划于2014年4月3 日发射升空（杨魁 等，2015），经过半年试运营后，2014 年10 月开始对外发布数据。单颗星轨道周期为12 d，两颗卫星重访周期为6 d。它是基于C波段（微波）的成像系统，对水体变化的监测有着重要意义（黄萍 等，2018；Washaya，2018）。Sentinel-2 是高分辨率多光谱成像卫星，携带多光谱成像仪MSI（Multispectral Imager），一颗卫星的重访周期为10 d，两颗互补，重访周期为5 d。Landsat 8 是由美国航空航天局NASA（National Aeronautics and Space Administration）发射，波段1—7 和9—11 的空间分辨率为30 m，卫星每16 d可以实现一次全球覆盖。在GEE平台下，3种传感器获取阜阳7—8 月所有影像共155 景影像（其中43 景为Sentinel-1、98 景Sentinel-2 和17 景为Landsat 8 影像）。经过去云和影像完整性等一系列筛选后，可用影像共78景（其中18景为Sentinel-1、48景Sentinel-2和14景为Landsat 8影像）。

2.4 研究方法

2.4.1 夜间灯光指数

常用的夜间灯光指数有夜间灯光总强度TNL（Total Night-time Light）和综合灯光指数CNLI（Compounded Night Light Index）（李晓雪 等，2020；李峰 等，2016）。TNL 是指行政单元内夜间灯光DN值总和，CNLI由区域的平均夜间灯光强度与区域夜间灯光面积两者决定。

式中，DNi和ni分别表示行政区域内第i级灰度像元值和像元数；NL和AN分别代表行政区域内像元总数和所占据的面积，A表示行政区域总面积。

2.4.2 水体提取

徐涵秋（2005）提出改进的归一化差分水指数MNDWI（Modified Normalized Difference Water Index）是利用Landsat 8 的绿波段和短波红外波段识别水体。为达到精确提取水体的目的，本研究参考高分影像，通过先验知识和目视解译（吴效勇 等，2020），经过反复试验，最后得到最优阈值，以确保在最大限度提取水体信息的同时降低对其他地物的误提率（Xia 等，2019；王大钊 等，2019）。

式中，Green代表绿波段，MIR代表短波红外波段。

Feyisa 等（2014）提出的AWEI 指数AWEI（Automatic Water Extraction Index）提取水体的精度较高，总精度可达98.01%，因此这里基于Sentinel-2影像提取水体采用AWEI指数。表达式为

式中，Blue 为蓝波段；SWIR 1 和SWIR 2 为短波红外波段。AWEInsh 用来剔除与水体容易混淆的黑色建筑地表，AWEIsh 进一步剔除AWEInsh 中不能剔除的阴影，从而提高水体提取的精度。

基于雷达影像提取水体是利用微波范围内水体较低的后向散射特性来进行识别，通常采用阈值法。本研究采用大津法（OTSU）提取水体数据（Otsu，1979）。该算法假设一副图像由前景色和背景色组成，阈值可以将前景色和背景色尽可能的分开（王磊和段会川，2008）。

2.4.3 相关性分析

本研究将相同时间节点的水体面积和夜间灯光总强度按照时间顺序，进行相关性分析：

式中，x，y分别表示水体面积和夜间总灯光强度。

基于以上数据及方法对研究区水体的变化和夜间灯光变化进行分析（图2），综合分析和评估多源遥感数据对灾害监测能力。

3 研究结果

3.1 夜间灯光指数变化分析

受7—8月云雨等天气的影响，阜阳夜间灯光数据的质量不佳，为了避免此影响，本研究对夜间灯光数据进行预处理，设置云分数据<0.3 为无云（Kato等，2011），之后与NPP-VIIRS DNB数据进行叠加分析，并参考7—8月降雨量，筛选出阜阳7—8月无云或少云的夜间灯光数据（图3）。之后，分别统计4个时间段内夜间灯光数据的平均值，最终获得4 幅精度较高的夜间灯光数据（图4）。这样做有两个优点：首先对多幅影像数据求平均可以填补由于噪音的干扰产生的空值；其次，由于扫描角度的差异和大气的影响导致夜间灯光数据的强度发生波动，通过求相近时间段夜间灯光的平均值可以平滑这些波动。但是由于7 月21 日至31 日持续的强降雨导致这一时间段的夜间灯光数据质量较差，最终挑选出两幅噪音相对于其他时间较小的夜间灯光数据（0724、0731），7 月24 日阜阳北部和7 月31 日南部夜间灯光噪音较大，将两幅影像无噪音地区进行拼接能够弥补该时段内数据缺失。

统计阜阳、阜阳城乡区及非城乡区4个时间段的夜间灯光指数（TNL 指数和CNLI 指数）（图5）。从图5（a）中的TNL 指数看出，阜阳的TNL 指数最高，特别是Ⅰ阶段，TNL 指数达到了16373；蒙洼蓄洪区的夜间灯光指数最低，最低为Ⅲ阶段的808。从4 个阶段的TNL 指数变化中可以看出：4 个区域的Ⅰ阶段的TNL 指数高于其他阶段，Ⅱ、Ⅲ阶段处于低值，到了Ⅳ阶段，TNL 指数升高。从图5（b）中的CNLI 指数看出，阜阳及非城乡区的CNLI 指数值较小，且两者的变化趋势为：Ⅰ至Ⅲ阶段指数持续减小，到了Ⅳ阶段指数增大；而城乡区及蒙洼蓄洪区的CNLI 指数值相对较高，两者的变化趋势分别为：城乡区的CNLI 指数Ⅰ至Ⅱ阶段急剧减小，之后两个阶段指数增大；蒙洼蓄洪区Ⅰ至Ⅲ阶段指数逐渐减小，到了Ⅳ阶段指数增大。

综合两个指数变化可以看出蒙洼蓄洪区的夜间灯光指数的变化为：Ⅰ至Ⅲ阶段指数持续减小，到了Ⅳ阶段指数有所增大；其变化趋势与水体的变化趋势相悖：即夜间灯光指数Ⅰ阶段处于高值，Ⅱ、Ⅲ阶段处于低值，到了Ⅳ阶段指数增大；水体变化为Ⅰ阶段处于低值，Ⅱ、Ⅲ阶段水体面积到达最大值，到了Ⅳ阶段水体面积减小。

3.2 水体数据分析

3.2.1 水体精度验证

采用AWEI 指数方法分别基于GEE 平台和GIS软件提取Sentinel-2 2020 年8 月17 日的水体信息。图中蓝色水体为两种平台共同提取的部分，红色部分为基于GIS 软件提取出来的多余部分水体信息。通过细节对比发现，基于GIS软件提取的水体信息更加完整，但这样造成狭小道路信息无法剔除，而基于GEE 平台具有处理数据方便快捷且可以剔除非水体的细节等优点，能够对极端事件做出快速及时的反应，因此本研究通过GEE 平台对洪水进行快速高效监测（图6）。

本研究首先验证了Sentinel-1A 提取水体精度，这里用2020 年7 月20 日Sentinel-1A 提取的水体面积为660.22km2，国家对地观测科学数据中心（http：//39.106.90.21/［2021-02-23］）提供的安徽阜阳市2020 年7 月20 日水体面积为657.8 km2，说明基于Sentinel-1A 提取水体效果较好，且能够清晰表达出水体的分布，尽管在部分区域提取的水体边界效果不佳（图7（a）），且洪水退去的短时间内土壤湿度较高，容易造成水体提取过大。基于此，为了验证基于GEE 提取水体的精度，分别选择3 种传感器（Sentinel-1：8 月25 日、Sentinel-2：8 月27 日、Landsat 8：8 月28 日）提取的部分水体与高分影像（2020 年4 月9 日）进行对比，结果显示基于3种传感器都能较好提取水体信息。

3.2.2 蒙洼蓄洪区水体变化统计分析

为了监测蒙洼蓄洪区水体的面积变化，本研究单独对蓄洪区范围内的水体进行统计。由于Sentinel-1、Sentinel-2及Landsat 8对水的表现力度不同，因此对于不同传感器提取的水体进行单独分析。Landsat 8 受限于时间跨度难以表现出蒙洼蓄洪区蓄洪前后水体变化。图8（a）、（b）分别统计基于Sentinel-1、Sentinel-2提取的蒙洼蓄洪区水体变化，其中灰色图框是基于Sentinel-1 提取的蒙洼蓄洪区2020 年5 月（洪灾前）水体总面积为28 km2。Ⅰ至Ⅲ阶段水体面积变化趋势为先上升后下降（图8（a）），且Ⅱ阶段水体面积到达最大值，即：7 月31 日水体面积达到323 km2，比洪水来之前的水体面积多出6 倍；对Sentinel-2 提取水体面积统计（图8（b）），4个阶段的水体面积变化趋势同样为先上升后下降，即7 月8 日蓄洪区的水体面积与洪灾前水体的面积近似，之后水体面积持续上升，到了8 月1 日蒙洼蓄洪区开始泄洪，水体面积持续降低，直至恢复至洪灾前的水平。因此，基于Sentinel-1 和Sentinel-2 提取的水体不同时间段的面积变化与蒙洼蓄洪区蓄洪和泄洪的日期一致。

3.3 夜间灯光指数与水体的综合分析

为了更加准确地了解夜间灯光与水体面积变化之间的关系，本研究选择既有夜间灯光数据且水体数据无缺失的日期，并对夜间灯光强度和水体面积进行相关性分析（图9）。统计发现夜间灯光强度与水体面积变化呈负相关，且均通过显著性检验。

由于获取阜阳东部水体时间分布较密集，为了验证基于多源遥感影像对洪灾的监测和评估的能力，单独对阜阳东部的水体面积及夜间灯光指数之间的变化关系进行分析。

基于Sentinel-1 和Sentinel-2 两个传感器对阜阳东部长时间序列水体面积进行统计（图10）。其中灰色部分是基于Sentinel-1 提取的阜阳东部洪灾前的水体面积，为237 km2。Ⅰ至Ⅱ阶段阜阳东部水体面积逐渐增大，到了7 月31 日（Ⅱ阶段末）面积到达最大值，为818 km2，与洪灾前的面积相比，面积增加了2.5 倍，之后，Ⅲ阶段水体面积有所减小；基于Sentinel-2 获取的水体Ⅰ至Ⅲ阶段面积逐渐增大，Ⅳ阶段面积减小。

图1 研究区分布Fig.1 Study area

图2 数据处理流程图Fig.2 Flow chart

图3 研究时间段内无云或少云的夜间灯光数据Fig.3 Night light data with no or few clouds during the study period

图4 4个时间段夜间灯光变化Fig.4 Night light changes in four time periods

图5 研究区夜间灯光指数变化分析Fig.5 Analysis of changes in lighting index at night in the study area

图6 分别基于GEE平台和GIS软件采用同样方法提取水体细节对比（蓝色为两者共同提取水体信息，红色为两者水体之间的差异信息）Fig.6 Comparison of water body details extracted by the same method based on GEE platform and GIS software（The Blue is the water body information extracted by both，and red is the difference information between the two water bodies）

图9 阜阳夜间灯光强度和水体面积的相关性分析Fig.9 Correlation analysis of night light intensity and water area in Fuyang

对阜阳东部、城乡区及非城乡的TNL 指数及CNLI 指数进行统计分析（图11）。阜阳东部及其非城乡地区的TNL 指数变化趋势为先下降后上升，即Ⅰ至Ⅲ阶段指数持续减小，到了Ⅳ阶段指数增大。而城乡区Ⅰ至Ⅱ阶段指数减小，之后阶段指数恢复到Ⅰ阶段水平。阜阳东部及其城乡区和非城乡区的CNLI 指数整体呈现出先下降后上升的趋势，而城乡区CNLI指数只有Ⅱ阶段处于低值，为0.003，其余阶段无明显变化，其值在0.006 之间轻微波动；非城乡地区CNLI 指数的变化趋势为：Ⅰ至Ⅲ阶段指数逐渐减小，到了Ⅳ阶段指数增大。

图11 阜阳东部4个时间段夜间灯光指数变化分析Fig.11 Analysis of night light index changes in four time periods in eastern Fuyang

通过对阜阳东部4个阶段长时间序列下水体面积变化及夜间灯光指数结合分析，可以发现两者的变化趋势相悖，即夜间灯光指数变化为：Ⅰ阶段的指数处于较高值，到了Ⅱ、Ⅲ阶段指数处于4 个阶段的低值，之后到了Ⅳ阶段，指数有所增大；而水体面积变化趋势为：Ⅰ至Ⅱ阶段面积增大，Ⅲ至Ⅳ阶段面积减小，充分说明了夜间灯光指数监测洪灾动态的可行性。

4 结论

本研究基于夜间灯光数据、Sentinel-1、Sentinel-2 以及Landsat 8 卫星传感器的监测数据，并借助GEE 平台提取阜阳7—8 月较高时间精度的水体空间分布数据，并通过水体的空间分布变化发现7—8 月阜阳南部水体面积变化明显，特别是蒙洼蓄洪区，水体面积变化趋势为先上升后下降；提取不同时间段水体的面积变化与蒙洼蓄洪区蓄洪和泄洪的日期一致。同时，洪灾影响人类活动，可表现为夜间灯光强度的降低。本研究表明，NPP-VIIRS DNB 的日数据可以用来评估洪水的影响。然而，单纯用夜间灯光数据评估洪灾目前还存在局限性：首先，洪灾总是伴随着强降雨和大量云层，这影响灯光强度变化；其次，暴风雨和洪水会导致地表反射率的变化，从而导致地表反射的光线减少。基于此，为了尽可能减少这些误差，本研究基于云分数据，对日NPP-VIIRS DNB 数据进行处理，经过筛选及均值平滑等处理，最终获得4 个时间段的4 幅夜间灯光影像，并综合两个夜间灯光指数（TNL 和CNLI）分析研究区夜间灯光指数变化趋势与水体面积的变化关系，发现两者的变化趋势相反，说明经过严格的夜间灯光数据处理之后，其也具备对洪灾进行监测及评估的能力。综上，本研究结合了Sentinel-1 的雷达数据、Sentinel-2 和Landsat 8 以及夜间灯光的光学数据等多源遥感数据详细的监测了洪灾的变化过程。

洪灾是一个短时间内的变化过程，因此其对时间要求较高，而雷达数据具有较强的穿透能力，它不受云雨等天气的影响，并且具有高时空分辨率，普遍用在洪灾的监测，即便如此也可能缺失某一关键时间节点洪灾动态变化数据，且无法区分洪水退去后短时间内的潮湿土壤与水体的区别，因此本研究结合了光学影像对洪水的变化情况进行有效监测；与此同时，夜间灯光可以通过灯光强度的变化来反映洪水对人们活动的影响；此外，本研究发现灯光强度的变化与洪水变化具有较强的相关性，这也进一步证明了基于夜间灯光、光学影像和雷达影像等多源遥感数据具有监测洪灾的能力。

针对当前频发的极端天气本研究旨在发现：对洪灾的有效监测就需要结合多个遥感影像分析，目前大多数研究仅考虑雷达影像对洪灾的监测，这会造成某一关键时间节点数据的缺失而对监测结果精度造成干扰。与此同时，不同遥感影像之间有各自的优缺点，多源数据结合分析提高了研究时间精度和变化结果的准确性。短期夜间灯光特别是每天夜间灯光的变化可以有效监测洪灾的快速变化过程，本研究采用的夜间灯光的空间分辨率为500 m，这主要是是由于洪水的覆盖面积较大，且洪灾造成的停电是大面积的，因此本研究并未对夜间灯光数据的分辨率进行进一步的优化。本研究主要对灾后评估提供意见，后续将进一步挖掘数据之间的融合及夜间灯光对洪水的评估能力，进一步结合多源数据优化精度并将研究区放在城市地区，分析郑州市区的2021 年7.20 洪水事件的影响，以期在时间和空间上提高对灾前、灾中及灾后的实时监测与评估的能力，为决策者和响应者提供支持。