2024, Vol. 36 
(2: 中国科学院南京地理与湖泊研究所, 湖泊与环境国家重点实验室, 南京 210008)
(3: 中国科学院大学, 北京 100049)
(4: 河南农业大学资源与环境学院, 郑州 450002)
(2: State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, P. R. China)
(3: University of Chinese Academy of Sciences, Beijing 100049, P. R. China)
(4: College of Resources and Environmental Sciences, Henan Agricultural University, Zhengzhou 450002, P. R. China)
水库是地表水资源的重要组成部分，具有调配水资源、提供饮用水、防洪发电、水产养殖和景观娱乐等多种重要的生态服务价值[1]。受全球气候变化和人类活动的影响，水库的水面面积、水位、蓄水量发生着剧烈的变化[2]。水库蓄水量的大幅度波动将会增加水库的富营养化风险，引发水质恶化，导致饮用水资源短缺，威胁区域社会经济的健康可持续发展[3]。因此，长时序动态监测水库水面面积变化，掌握水面面积、水位、蓄水量间的响应关系，对于水库水环境管理和饮用水安全保障具有重要意义。
传统湖库蓄水量估算主要有两种方法：水下地形测量法和水量平衡法[4-5]。其中，水下地形测量法估算精度高但经济和时间成本较大；水量平衡法计算简单但获取各参数的长时序实测数据较为困难。近年来，随着对地观测技术的迅速发展，遥感技术成为了湖库水体提取、水位和蓄水量估算的重要技术手段[6]。当前，通常利用光学卫星数据(Landsat系列卫星、哨兵2号卫星等)，运用水体指数法[7]、单波段阈值法[8]、决策树分类法[9]等多种方法实现水体面积估算；利用雷达测高数据(GFO、ERS-2、Envisat等)和激光测高数据(ICESat、ICESat-2、哨兵3号卫星等)实现湖库水位监测[10-11]；进一步，通过建立水面面积-水位关系实现湖库水量估算[12]。然而，不同水体提取方法的适用性差异和测高数据的有限时间覆盖度，为研究湖库长时序水面面积、水位、蓄水量的时空变化特征及响应关系带来了困难。
近年来，国内外学者利用多源遥感数据，生产了多种水体面积、水体蓄水量的数据集。例如：全球地表水数据集(JRC Global Surface Water, JRC GSW)[13]、Landsat Dynamic Surface Water Extent数据集(DSWE)[14]、全球地表水体范围栅格数据集(global surface water extent dataset, GSWED)[15]、水库与湖泊表面积时间序列数据集(reservoir and lake surface area timeseries, ReaLSAT)[16]、全国精细化水库数据集(China reservoir dataset, CRD)[17]、全球湖泊与水库矢量数据(HydroLAKES)[18]、全球湖泊蓄水数据集(global database of lake water storage, GLWS)[19]。这些数据集具有空间尺度大的优点，为调查和掌握不同区域湖库水面面积和水量等信息奠定了重要的数据基础。但是，上述数据集也存在时空分辨率相对较低、时间覆盖范围有限、部分地区数据缺失等问题，无法满足湖库水面面积、水位及蓄水量信息的长时序、高动态的监测需求。
新安江水库(又名千岛湖)是我国东部地区最大的水库，是长三角地区热门的旅游目的地和重要的战略饮用水源地。在全球气候变化和人工配水活动双重影响的背景下，摸清新安江水库水面面积的时空变化特征，探究新安江水库水面面积-水位-蓄水量的响应关系，对于保证新安江水库安全运行、维持水库正常功能和维护水质安全具有重要意义。然而，当前针对新安江水库水面面积、水位、蓄水量的长时序变化特征及响应关系的研究相对缺乏。
本研究试图基于Google Earth Engine(GEE)云平台，利用1987—2022年的Landsat系列和哨兵2号数据，运用水体指数法，分析近36年的新安江水库水面面积时空变化特征；利用长期实测水位和蓄水量数据，分析新安江水库水位-水面面积、水位-蓄水量和水面面积-蓄水量响应关系；结合流域气象、土地利用等数据，探究新安江水库水面面积时空变化成因，以期为山谷型深水水库水体自动化提取和蓄水量估算提供技术支持，为新安江水库的水资源管理提供理论支撑。
1 数据与方法 1.1 研究区概况新安江水库，位于浙江省淳安县，是一座典型的山谷特大型深水水库(图 1)[20]。新安江水库库区狭长，湖汊众多，岸线总长度为1406 km，南北纵长为150 km，最宽处10 km[21]。新安江水库平均水深31 m，最大水深100 m，换水周期约2年[22]。新安江水库设计水位(黄海标高)为108 m，对应的蓄水量为178.4×108 m3[23]。相对于自然湖泊，新安江水库是河流建坝形成的人工储水体，具有水位变幅大、水量交换快的特点[24]。
|
图 1 千岛湖流域和新安江水库的地理位置(a)以及地面验证点(b)和典型地面验证点示意(c~e) Fig.1 Location of the Qiandaohu Basin, the Xin'anjiang Reservoir and the in-situ validation samples(a: the Qiandaohu Basin and the Xin'anjiang Reservoir, b: the validation samples, c-e: typical validation samples) |
千岛湖流域(29°11′~30°20′N，117°38′~119°21′E)位于皖浙两省交界处，主要由浙江省淳安县全境，浙江省建德市、安徽省黄山市和宣城市绩溪县的部分地区组成，流域面积11452.5 km2，流域人口164.44万人(截至2020年)。千岛湖流域地形以山地丘陵为主，土地利用类型以林地和耕地为主[25]。千岛湖流域地属亚热带季风气候区，多年平均气温17℃，多年平均降水1733 mm，人均水资源量6405 m3，是长三角地区重要的水源涵养地与生态屏障[26]。
1.2 数据来源及预处理本研究使用的数据主要包括遥感影像数据、水文数据、气象数据和土地利用数据，相关数据介绍如表 1所示。
|
表 1 新安江水库相关数据汇总 Tab. 1 Summary of relevant data of Xin'anjiang Reservoir |
本研究利用1987—2022年Landsat 5 TM、Landsat 8 OLI和哨兵2号MSI影像数据来研究新安江水库近36年的水面面积时空变化特征。遥感影像数据的数据预处理包括影像拼接、去云及云量计算、影像筛选和重采样4个环节。第1步，影像拼接：由于Landsat 5 TM Level-2、Landsat 8 OLI Level-2和哨兵2号MSI Level-2A的单景影像无法完全覆盖新安江水库，因此需要通过多景影像拼接，以获取完整的新安江水库卫星影像。对于Landsat 5数据集，选择行列号为120/039、120/040、119/040的卫星影像进行拼接；对于Landsat 8数据集，选择行列号为120/039、119/040的卫星影像进行拼接；对于哨兵2号数据集，选择分幅编号为T50RPT和T50RQT的卫星影像进行拼接。第2步，去云及云量计算：基于GEE平台，参考Roteta等[27]的方法，利用Landsat的QA60波段和哨兵2号的SCL波段进行云识别和云掩膜。云量统计的空间区域为图 1a所示的新安江水库及其缓冲区。其中，缓冲区是利用CRD数据集中新安江水库的矢量边界向外膨胀创建的。参考Zhang等[28]的研究，本研究的缓冲面积约为水体面积的2倍。缓冲区西北方向至A点，位于街口轮渡码头附近；东北方向至B点，位于淳安县临岐镇养老服务中心附近；西南方向至C点，位于淳安县汾口三桥附近；东南方向至D点，位于新安江水库大坝(图 1a)。第3步，影像筛选：对上述所有拼接所得影像，筛选出云量低于5% 的高质量卫星影像[29]。最终，获得111景遥感影像(Landsat 5遥感影像46景，Landsat 8遥感影像20景，哨兵2号遥感影像45景)(图 2)。第4步，重采样：由于哨兵2号卫星数据不同波段的空间分辨率不一致，本研究参考Yang等[30]的研究，将哨兵2号数据各波段的空间分辨率重采样至10 m。
|
图 2 影像数据的时间分布(a：月份分布，b：季节分布) Fig.2 Time distribution of satellite images (a: monthly distribution, b: seasonal distribution) |
本研究基于GEE平台，利用Landsat系列数据和哨兵2号数据，运用水体指数法提取新安江水库水体。其中，水体和非水体的分割阈值利用OTSU方法进行计算[31]。具体处理流程包括3个步骤：第1步，在梳理国内外文献的基础上，选取了9种常见水体指数进行对比和遴选，包括归一化水体指数(NDWI)[32]、改进的归一化差异水体指数(MNDWI)[33]、增强水体指数(EWI)[34]、自动化水体提取指数(AWEInsh、AWEIsh)[35]、组合水体指数(CIWI)[36]、阴影水体指数(SWI)[37]、高斯归一化差异水体指数(GNDWI)[38]以及伪归一化差异水体指数(FNDWI)[39]。第2步，基于GEE平台实现NDWI等9种水体指数的计算。第3步，利用OTSU方法自动获取水体与非水体的最佳分割阈值，进而实现水体提取。
为验证水体提取精度，本研究选取了Landsat 5、Landsat 8以及哨兵2号各12景数据用于测试和对比不同水体指数性能(表 2)。为保证地物的多样性和尽可能顾及到不同的水体，每景测试影像均包括一般感兴趣区和典型感兴趣区(图 1b)。其中，一般感兴趣区域内包含水体、林地、建设用地等多种用地类型；典型感兴趣区内地物多样且复杂，区域内包含大量水体和其他地物的混合像元。在感兴趣区内，利用ArcGIS渔网工具生成网格点，通过目视解译的方式确定每个网格点的样本类型(水体和非水体)。在兼顾计算成本和样本丰富度的前提下，经过反复测试，一般感兴趣区域和典型感兴趣区域的网格大小分别为600 m×600 m和60 m×60 m。单景影像的水体样点平均约为2800个，非水体样点平均约为13000个。
|
|
表 2 遥感测试数据的时间分布 Tab. 2 Time distribution of test satellite images |
本研究利用虚警率和漏检率来表征水体提取的误差情况，利用F1-score综合评估各水体指数提取结果的准确度。F1-score数值越高，表明水体指数对水体和非水体的识别效果都越好。虚警率，漏检率及F1-score精度指标的计算方法可以参考文献[40-41]。
1.3.2 水库水位-水面面积响应关系分析方法本研究利用筛选得到的111景卫星数据，结合新安江水库水位数据，构建日、月、季节尺度下的水位-水面面积响应关系。具体地，利用2017—2022年51景卫星数据，估算新安江水库水体面积，结合新安江水库当日水位数据，运用线性函数、多项式函数、指数函数、对数函数、幂函数5种模型对水位-水面面积关系进行拟合，精度最优的函数模型为水位-水面面积的响应关系模型。卫星过境时间与水位测量时间相差2 h，因此，可以认为水面面积与水位具有较好的一致性。另外，对111景遥感数据按月和按季节进行分类，分别估算和统计月尺度和季节尺度下的水体面积，结合对应的月平均和季节平均水位数据，运用上述5种模型，构建月尺度和季节尺度下的水位-水面面积响应关系。
1.3.3 水库蓄水量计算方法本研究利用棱台公式，对水库蓄水量进行计算。水库蓄水量计算公式为：
| $ V=\sum\limits_{i=1}^n V_i+V_0 $ | (1) |
式中，V为累计蓄水量(×106 m3)；Vi为两相邻水位间的蓄水量(×106 m3)；V0为基准蓄水量(×106 m3)；n为累计个数。两相邻水位间的蓄水量计算公式为：
| $ V_i=\frac{1}{3} \Delta h\left(A_i+A_{i+1}+\sqrt{A_i A_{i+1}}\right) $ | (2) |
式中，Δh为两相邻水位的水位差(m)；Ai、Ai+1分别为两相邻水位对应的水面面积(km2)。
本研究将新安江水库设计水位108 m时的蓄水量178.4×108 m3作为计算水库蓄水量的基准数据。结合新安江水库设计水位高度和历史数据情况，将水位的取值范围设定为93~108 m，其中Δh为0.1 m。利用水位数据，运用水位-水面面积响应关系计算得到Ai和Ai+1。
1.3.4 水体淹没频率计算方法水体淹没频率(WIF)是指特定区域在长时间序列内被淹没在水中的频率，可通过叠加水体遥感影像计算时间序列内每个像素的水体淹没频率，计算公式为：
| $ W I F=\frac{W}{N} \times 100 \% $ | (3) |
式中，N为时间序列内所有有效观测次数，W为观测中识别为水体的次数。根据每个像元的WIF，可将水体类型划分为永久性水体(WIF>75%)和季节性水体(25%<WIF≤75%)[42]。
1.3.5 时间趋势分析方法本研究利用线性回归方法对研究时段内新安江水库水面面积、蓄水量等数据进行长时序变化趋势分析，利用F检验进行显著性判断。若显著性水平P < 0.05且斜率k>0，则表示因变量呈显著上升趋势；若显著性水平P < 0.05且斜率k < 0，则表示因变量呈显著下降趋势。
2 结果分析 2.1 水体指数对比与遴选基于36景遥感影像数据，通过逐景计算9个水体指数，运用虚警率、漏检率和F1-score指标，评价每个水体指数在不同卫星传感器上的性能，并遴选出适用于每个卫星传感器的最优水体指数(图 3)。
|
图 3 各指数的平均精度指标(a~c：虚警率和漏检率，d：F1-score) Fig.3 Average precision index value of each water index(a-c: false alarm value and missing alarm value, d: F1-score value) |
对于Landsat 5，各指数的F1-score均在85% 以上。其中，AWEIsh的F1-score最高(91.93%)，综合准确度最高。对于Landsat 8，AWEIsh的F1-score最高(91.03%)，水体提取的综合精度最高，SWI的虚警率过高(36.05%)，将会导致大量非水体像元误判为水体。对于哨兵2号数据，GNDWI的F1-score最高(93.14%)，提取水体效果最为精准，SWI虚警现象突出(37.13%)，不适用于水体提取。
综上所述，AWEIsh水体指数在Landsat系列数据集上性能最好，GNDWI水体指数在哨兵2号MSI数据集上性能最好。
2.2 水面面积时空变化特征利用1987—2022年的111景遥感影像数据，分析了新安江水库近36年水面面积月度、季度和年度变化特征以及空间变化特征。
2.2.1 水面面积月度变化特征新安江水库水面面积在月度和季节尺度上表现出显著的时间异质性(图 4)。在月尺度上，水库水面面积从2月开始缓慢上升，4和5月略有下降，7月达到峰值(488.46 km2)，之后开始稳定下降。从月度变化来看，10月-次年2月为水库枯水期，3—9月为水库丰水期。从季节的角度来看，新安江水库夏季水面面积最大(475.50 km2)，冬季最小(437.58 km2)。
|
图 4 1987—2022年新安江水库水面面积月度和季节变化(a：月度变化，b：季节变化) Fig.4 Monthly and seasonal water area changes in the Xin'anjiang Reservoir from 1987 to 2022 (a: monthly variation, b: seasonal variation) |
1987—2022年新安江水库年平均水面面积变化呈现显著上升趋势(R2=0.20，P=0.01)(图 5)，总体增长速率为0.96 km2/a。另一方面，为降低统计结果因有效卫星影像数据时间分布不均的影响，本研究将研究时段划分为1987—1998、1999—2010、2011—2022年3个阶段。从图 5可以看出，新安江水库水面面积在3个时段内逐渐上升，且近年来面积扩张速度变快。其中，1987—1998年平均水面面积为438.87 km2；1999—2010年平均水面面积为442.48 km2，较上一时期增加了3.61 km2；2011—2022年平均水面面积为457.41 km2，较上一时期增加了14.94 km2。2.2.3水面面积空间变化特征基于111景卫星数据，通过逐像素计算水体淹没频率，得到了新安江水库水体的空间变化特征。其中，新安江水库永久性水体面积为423.19 km2，占比约为73.44%；季节性水体面积为58.63 km2，占比约为10.17%。
|
图 5 新安江水库水面面积和水位长时序变化 Fig.5 Long-time series of water area and water level changes in the Xin'anjiang Reservoir |
空间上，永久性水体主要分布在湖心等水体开阔区域(图 6a)，季节性水体主要分布在库区的各个湖汊(图 6d、6e)。水库北部淹没频率较低的区域集中在桐溪(威坪镇)附近。结合Google Earth历史高清遥感影像和《2011年版威坪镇城镇总体规划》可知，2010—2014年期间桐溪(威坪镇)在核心镇区对部分沿湖区域进行填方绿化建设(图 6b)。水库南部淹没频率较低的区域集中在武强溪(汾口镇)附近，为典型的水位季节性涨落地区(图 6c)。通过对不同年份多景影像的观察发现，这些区域因为退水期间沙洲暴露，植被得以生长而导致淹没频率较低；涨水期间则被水体淹没，呈现明显的周期性变化。
|
图 6 新安江水库水体淹没频率空间分布 Fig.6 Spatial distribution of the water frequency of the Xin'anjiang Reservoir |
通过对51组水位-水面面积数据运用5种函数关系进行拟合和精度对比，结果表明，三次多项式函数的拟合效果最好。日尺度下水位-水面面积的响应关系为：
| $ y=0.084 x^3-26.514 x^2+2782.113 x-96934.698 \quad\left(R^2=0.76\right) $ | (4) |
式中，x为日均水位(m)，y为日均水面面积(km2)。
类似地，在月和季节尺度下，三次多项式函数都表现出了最好的拟合效果。其中，月均水位-月均水面面积的三次多项式拟合结果为：
| $ y=0.013 x^3-4.048 x^2+438.596 x-15520.876 \quad\left(R^2=0.74\right) $ | (5) |
式中，x为月均水位(m)，y为月均水面面积(km2)。
根据三次多项式的性质可知(该多项式的一阶导数可以反映水面面积随水位变化的速率)，低水位时，水库水面面积随水位变化速率较快，在高水位时水库水面面积随水位变化速率较慢。如水位为95 m时，水面面积随水位变化速率为10.38 km2/m；水位为105 m时，水面面积随水位变化速率为4.98 km2/m。
季节尺度下，水位-水面面积拟合关系如表 3所示。其中，冬季R2最高(0.89)，夏季R2最低(0.49)。夏季水面面积和水位之间的相关性并不显著，这可能是由于夏季南方雨热同期，新安江水库水体蒸发加速，水位变化幅度大且变化速率快。另外，夏季云量较多会影响遥感数据的获取数量和质量，可能会对水面面积的监测及水位-水面面积响应关系构建产生一定影响。
|
|
表 3 新安江水库不同季节水位-水面面积关系 Tab. 3 Relationships between water level and water area in different seasons |
利用棱台公式(式1，式2)和日尺度下的水位-水面面积公式(式4)，推算新安江水库长系列水位和水面面积相对应的蓄水量。进一步参考张莉芳等[43]的研究方法，利用三次多项式函数分别对水位-蓄水量关系、水面面积-蓄水量关系进行拟合。
水位-蓄水量三次多项式函数拟合结果为：
| $ y=-0.365 x^3+114.797 x^2-11563.342 x+387535.310 \quad\left(R^2=1.00\right) $ | (6) |
式中，x为水库水位(m)，y为水库蓄水量(×106 m3)。
水面面积-蓄水量三次多项式函数拟合结果为：
| $ y=0.004 x^3-3.869 x^2+1416.346 x-160941.779 \quad\left(R^2=0.99\right) $ | (7) |
式中，x为水库水面面积(km2)，y为水库蓄水量(×106 m3)。
利用2021年7月-2023年2月的逐日水位数据，估算得到相应的蓄水量数据，并与逐日实测蓄水量数据进行对比(图 7a)。对比结果表明，实测逐日蓄水量与估算逐日蓄水量一致性较高(RMSE=6.63×108 m3，MAPE=4.84%)。综上所述，本研究构建的蓄水量模型具有较高的准确度，可有效估算新安江水库长时间序列的蓄水量变化。
|
图 7 实测蓄水量与估算蓄水量的一致性对比(a)和新安江水库蓄水量长时序变化(b) Fig.7 In-situ reservoir water storage and modeled reservoir water storage (a), and the long-term variations of the water storage in the Xin'anjiang Reservoir (b) |
进一步，利用1987—2022年的年均水位数据，结合水位-蓄水量模型(式6)，估算了1987—2022年新安江水库蓄水量(图 7b)。整体上看，新安江水库蓄水量呈显著上升趋势(R2=0.17，P=0.01)。蓄水量在2010年达到最大值152.16×108 m3，在2000年达到最小值122.63×108 m3。
3 讨论 3.1 基于多源遥感数据的水体提取一致性分析由于传感器特性、数据处理方法等不同，从多源遥感数据中获取的水体信息之间存在一定差异，因此在数据应用之前需要对水体信息进行一致性检验。
为尽可能增加一致性检验的影像数量，同时考虑到新安江水库水体变化的速度，本研究将过境时间差在4天内的影像认定为同步数据。通过数据匹配和筛选，共获得7对同步的哨兵2号和Landsat 8遥感影像。一致性检验结果表明，哨兵2号和Landsat 8数据集水体提取的一致性较好(RMSE=2.09 km2，MAPE=0.33%)(图 8)。两类数据集提取的水面面积差异较小，在0.15~3.89 km2之间。综上所述，两类遥感影像提取的水面面积一致性较好，表明联合哨兵2号和Landsat 8遥感影像提取水体的结果可靠。
|
图 8 哨兵2号和Landsat 8数据提取水面面积一致性比较 Fig.8 Comparison of the consistency between the water area derived from Sentinel 2 and Landsat 8 |
本研究选择了覆盖新安江水库完整空间范围的多年连续水体数据产品(GSWED、JRC GSW和ReaLSAT)与本研究提取结果进行精度对比。具体地，分别使用JRC GSW、ReaLSAT的月度水体数据和GSWED的逐日水体数据，与遥感测试数据集中成像时间相近的影像进行精度对比(表 4)。
|
|
表 4 各水体数据产品精度验证数据的获取时间 Tab. 4 Time distribution of different water body products |
本研究提取的水体结果与GSWED、JRC GSW、ReaLSAT水体数据产品的精度对比如图 9所示。本研究提取的水体数据精度最高，F1-score为91.26%，GSWED产品精度最低，F1-score为32.61%。GSWED和ReaLSAT因其空间分辨率较低(分别为250和300 m)，提取水体时忽略了新安江水库众多细小湖汊区域，影响了整体精度。JRC GSW月度水体数据包括了同一月份中所有观测到的水体像元，而精度验证样点则是基于日尺度的遥感影像目视解译所得到的，因此导致JRC GSW的综合精度偏低。
|
图 9 各水体数据产品的平均F1-score Fig.9 Averaged F1-score value of each water body product |
综上所述，本研究提取的水体数据具有较高的空间分辨率、更长的时间序列和更高的提取精度，更适用于新安江水库水面面积长时序、高频率、精细化的动态变化监测。
3.3 水面面积时空变化影响因素分析 3.3.1 气候变化因素千岛湖流域上游降水是新安江水库水面面积动态变化的关键影响因素。潘娅英等[44]的研究结果表明，降雨是影响千岛湖流域径流的最主要影响因子。新安江水库拥有30余条入库河流，其中新安江是新安江水库最大的入库河流，其入库流量约占新安江水库入库流量的63% [24]。新安江入库流量的多少主要依赖于流域上游的降雨量，且两者具有显著正相关关系[45]。降雨和入库流量的增加会带动水库水位上升[46]。结合相关性分析，研究发现屯溪站月降水量与新安江水库月均水面面积呈显著正相关关系(r=0.24, P < 0.05)。由此可见，流域上游降水量会直接影响入库水量和水库水位，进而影响新安江水库水面面积。类似地，官厅水库[47]、密云水库[48]和青海湖[49]等湖库水体面积动态变化的主要影响因素也是降雨量。
3.3.2 人类活动因素新安江水库水面面积动态变化与土地利用方式转变具有较强关联。1985—2020年期间，淳安县水域用地呈现扩张趋势(图 10)，新增水域用地面积为8.81 km2，水域用地约有75% 的转入面积来自耕地，约25% 来自林地。新安江水库周围主要的土地利用类型为耕地和林地。因此，耕地与林地的转化是新安江水库水面面积扩张的重要原因。《杭州市淳安特别生态功能区条例》指出，淳安县持续推进库内108 m高程以下无证土地休耕还湿、陡坡地退耕还林工作。库区内高程108 m以下农用地逐步退耕将直接导致库区内耕地转化为水库水体。自2014年起，水库周边地区全面禁止规模化畜禽养殖，畜牧业的大幅减少和生态旅游的大力发展，导致耕地面积和林地面积减少，进一步促进了新安江水库水面面积增大。利用2015和2020年淳安县土地利用数据，发现水域用地面积增加了0.41 km2，水域用地约有83% 的转入面积来自耕地，约17% 来自林地。
|
图 10 1985—2020年淳安县土地利用类型转移桑基图 Fig.10 Sankey map of land use type transfer in Chun'an County from 1985 to 2020 |
本研究利用111景Landsat数据和哨兵2号数据，分析了近36年新安江水库的水面面积时空变化特征。卫星数据的空间分辨率是影响水面面积提取精度的重要因素。一般来说，空间分辨率越高，混合像元数量越少，水面面积提取精度越高。但是，过高的空间分辨率不仅会增加工作量和计算成本，还会因细节信息过多干扰水体的提取[50]。此外，高空间分辨率卫星数据通常只包含可见光和近红外波段，对水体指数的构建和应用存在一定的限制[51]。因此，未来可以考虑融合中高空间分辨率的多源遥感影像，兼顾水体提取精度和业务化运行效率，提升新安江水库水体的提取精度。
一般来说，水库兼具发电、防洪、供水、灌溉等多种功能。相比于湖泊而言，水库的水位、蓄水量的变化还会受到水库主导功能定位演变的影响。新安江水库是多年调节大型水库，2000年以前以水力发电为主[52]，2019年以来供水功能大幅增加[53]。水库发电通常导致水库水位和蓄水量的周期性变化。在发电期间，水电站通过放水发电导致水库水位下降；发电结束，水库水位受入库来水的影响逐渐回升。自2019年以来，新安江水库成为了杭州、嘉兴等周边城市的重要饮用水源地，其供水量的动态调度会直接影响水库蓄水量。为满足下游饮用水需求和新安江水库的正常运行，新安江水库供水最低水位应大于设计发电死水位。基于水库的主导功能，动态分析水库水位、蓄水量的变化，有助于提升水库水资源管理的有效性和科学性。然而，由于受到数据获取的限制，本研究未能获取到新安江水库发电用水量和饮用水供应量等数据，未能定量评估水库发电和供水等活动对水库水位、蓄水量变化的影响。未来可以通过与地方环保、水库管理等相关部门合作，收集更加丰富的实测数据，进一步分析水库的功能定位对水库水位和蓄水量的影响。
4 结论1) 通过对比9种常见水体指数性能，结果表明指数AWEIsh适用于Landsat系列卫星数据，指数GNDWI适用哨兵2号卫星数据。Landsat 8和哨兵2号卫星数据结合各自最优水体提取指数，得到的水体面积具有较好的一致性(RMSE=2.09 km2, MAPE=0.33%)。另外，基于最优水体指数提取得到的新安江水库水面面积产品，相比于开源数据GSWED、JRC GSW和ReaLSAT，具有更高的F1-score值(91.26%)。
2) 新安江水库水面面积呈现出明显的时空异质性。时间上，1987—2022年新安江水库水面面积呈显著上升趋势(R2=0.20, P=0.01)，总体增长速率为0.96 km2/a。空间上，新安江水库以永久性水体为主(面积占比为73.44%)，其主要分布在水库的开阔区域。
3) 三次多项式函数可以较好地模拟新安江水库水位-水面面积、水位-蓄水量和水面面积-蓄水量的响应关系。
4) 千岛湖流域上游降水量的变化和人类活动导致的土地利用变化是影响新安江水库水面面积动态变化的主要因素。千岛湖流域上游屯溪站月降水量与新安江水库月均水面面积呈显著正相关关系(r=0.24, P < 0.05)；耕地和林地是转化为水体的主要用地类型，1985—2020年淳安县新增水域用地面积8.81 km2，水域用地约有75% 的转入面积来自耕地，约25% 来自林地。
| [1] |
Busker T, de Roo A, Gelati E et al. A global lake and reservoir volume analysis using a surface water dataset and satellite altimetry. Hydrology and Earth System Sciences, 2019, 23(2): 669-690. DOI:10.5194/hess-23-669-2019 |
| [2] |
Liu H, Zheng L, Jiang L et al. Forty-year water body changes in Poyang Lake and the ecological impacts based on Landsat and HJ-1 A/B observations. Journal of Hydrology, 2020, 589(3): 125161. DOI:10.1016/j.jhydrol.2020.125161 |
| [3] |
Zang N, Zhu J, Wang X et al. Eutrophication risk assessment considering joint effects of water quality and water quantity for a receiving reservoir in the South-to-North Water Transfer Project, China. Journal of Cleaner Production, 2022, 331: 129966. DOI:10.1016/j.jclepro.2021.129966 |
| [4] |
Duan Z, Bastiaanssen WGM. Estimating water volume variations in lakes and reservoirs from four operational satellite altimetry databases and satellite imagery data. Remote Sensing of Environment, 2013, 134: 403-416. DOI:10.1016/j.rse.2013.03.010 |
| [5] |
Zhou J, Wang L, Zhang YS et al. Exploring the water storage changes in the largest lake (Selin Co) over the Tibetan Plateau during 2003-2012 from a basin-wide hydrological modeling. Water Resources Research, 2015, 51(10): 8060-8086. DOI:10.1002/2014wr015846 |
| [6] |
Gao H. Satellite remote sensing of large lakes and reservoirs: From elevation and area to storage. Wiley Interdisciplinary Reviews: Water, 2015, 2(2): 147-157. DOI:10.1002/wat2.1065 |
| [7] |
Wang DZ, Wang SM, Huang C. Comparison of Sentinel-2 imagery with Landsat8 imagery for surface water extraction using four common water indexes. Remote Sensing for Land & Resources, 2019, 31(3): 157-165. [王大钊, 王思梦, 黄昌. Sentinel-2和Landsat8影像的四种常用水体指数地表水体提取对比. 国土资源遥感, 2019, 31(3): 157-165.] |
| [8] |
Song CQ, Zhan PF, Ma RH. Progress in remote sensing study on lake hydrologic regime. J Lake Sci, 2020, 32(5): 1406-1420. [宋春桥, 詹鹏飞, 马荣华. 湖泊水情遥感研究进展. 湖泊科学, 2020, 32(5): 1406-1420. DOI:10.18307/2020.0514] |
| [9] |
Chen C, Fu JQ, Sui XX et al. Construction and application of knowledge decision tree after a disaster for water body information extraction from remote sensing images. Journal of Remote Sensing, 2018, 22(5): 792-801. [陈超, 傅姣琪, 随欣欣等. 面向灾后水体遥感信息提取的知识决策树构建及应用. 遥感学报, 2018, 22(5): 792-801. DOI:10.11834/jrs.20188044] |
| [10] |
Jiang LG, Liu J, Zhang XX. Monitoring Lakes and reservoirs using satellite radar altimetry: Theory, methods, and progresses. National Remote Sensing Bulletin, 2022, 26(1): 104-114. [姜丽光, 刘俊, 张星星. 基于卫星雷达测高技术的湖库动态监测理论、方法和研究进展. 遥感学报, 2022, 26(1): 104-114.] |
| [11] |
Xu FL, Zhang GQ, Yi S et al. Seasonal trends and cycles of lake-level variations over the Tibetan Plateau using multi-sensor altimetry data. Journal of Hydrology, 2022, 604: 127251. DOI:10.1016/j.jhydrol.2021.127251 |
| [12] |
Zhang GQ, Wang MM, Zhou T et al. Progress in remote sensing monitoring of lake area, water level, and volume changes on the Tibetan Plateau. Journal of Remote Sensing, 2022, 26(1): 11. [张国庆, 王蒙蒙, 周陶等. 青藏高原湖泊面积, 水位与水量变化遥感监测研究进展. 遥感学报, 2022, 26(1): 11. DOI:10.11834/jrs.20221171] |
| [13] |
Pekel JF, Cottam A, Gorelick N et al. High-resolution mapping of global surface water and its long-term changes. Nature, 2016, 540(7633): 418-422. DOI:10.1038/nature20584 |
| [14] |
Jones J. Improved automated detection of subpixel-scale inundation—Revised dynamic surface water extent (DSWE) partial surface water tests. Remote Sensing, 2019, 11(4): 374. DOI:10.3390/rs11040374 |
| [15] |
Han QQ, Niu ZG. Construction of the long-term global surface water extent dataset based on water-NDVI spatio-temporal parameter set. Remote Sensing, 2020, 12(17): 2675. DOI:10.3390/rs12172675 |
| [16] |
Khandelwal A, Karpatne A, Ravirathinam P et al. ReaLSAT, a global dataset of reservoir and lake surface area variations. Scientific Data, 2022, 9: 356. DOI:10.1038/s41597-022-01449-5 |
| [17] |
Song CQ, Fan CY, Zhu JY et al. A comprehensive geospatial database of nearly 100 000 reservoirs in China. Earth System Science Data, 2022, 14(9): 4017-4034. DOI:10.5194/essd-14-4017-2022 |
| [18] |
Messager ML, Lehner B, Grill G et al. Estimating the volume and age of water stored in global lakes using a geo-statistical approach. Nature Communications, 2016, 7(1): 13603. DOI:10.1038/ncomms13603 |
| [19] |
Yao FF, Livneh B, Rajagopalan B et al. Satellites reveal widespread decline in global lake water storage. Science, 2023, 380(6646): 743-749. DOI:10.1126/science.abo2812 |
| [20] |
Yin Y, Liu ML, Wang MZ et al. Coefficients of summer spectral absorption of particulate matter in Xin'anjiang Reservoir (Lake Qiandao). J Lake Sci, 2014, 26(5): 713-723. [殷燕, 刘明亮, 王明珠等. 夏季新安江水库(千岛湖)颗粒物吸收光谱特征分析. 湖泊科学, 2014, 26(5): 713-723. DOI:10.18307/2014.0509] |
| [21] |
Han XX, Zhu GW, Wu ZX et al. Spatial-temporal variations of water quality parameters in Xin'anjiang Reservoir (Lake Qiandao) and the water protection strategy. J Lake Sci, 2013, 25(6): 836-845. [韩晓霞, 朱广伟, 吴志旭等. 新安江水库(千岛湖)水质时空变化特征及保护策略. 湖泊科学, 2013, 25(6): 836-845. DOI:10.18307/2013.0607] |
| [22] |
Da WY, Zhu GW, Li YX et al. High-frequency dynamics of water quality and phytoplankton community in inflowing river mouth of Xin'anjiang Reservoir, China. Environmental Science, 2020, 41(2): 713-727. [笪文怡, 朱广伟, 黎云祥等. 新安江水库河口区水质及藻类群落结构高频变化. 环境科学, 2020, 41(2): 713-727. DOI:10.13227/j.hjkx.201906143] |
| [23] |
Zhang YM, Lan J, Li HY et al. Estimation of external nutrient loadings from the main tributary (Xin'anjiang) into Lake Qiandao, 2006-2016. J Lake Sci, 2019, 31(6): 1534-1546. [张倚铭, 兰佳, 李慧赟等. 新安江对千岛湖外源输入总量的贡献分析(2006—2016年). 湖泊科学, 2019, 31(6): 1534-1546. DOI:10.18307/2019.0621] |
| [24] |
Li HY, Wang YC, Shan L et al. Effect of rainstorm runoff on total phosphorus load in Xin'anjiang. Research of Environmental Sciences, 2022, 35(4): 887-895. [李慧赟, 王裕成, 单亮等. 暴雨径流对新安江入库总磷负荷量的影响. 环境科学研究, 2022, 35(4): 887-895.] |
| [25] |
Li Y, Shi K, Zhang YL et al. Analysis of water clarity decrease in Xin'anjiang Reservoir, China, from 30-Year Landsat TM, ETM+, and OLI observations. Journal of Hydrology, 2020, 590: 125476. DOI:10.1016/j.jhydrol.2020.125476 |
| [26] |
Li DH, Zhang XY, Wang Y et al. Evolution process of ecosystem services and the trade-off synergy in Xin'an River Basin. Acta Ecologica Sinica, 2021, 41(17): 6981-6993. [李冬花, 张晓瑶, 王咏等. 新安江流域生态系统服务演化过程及权衡协同关系. 生态学报, 2021, 41(17): 6981-6993. DOI:10.5846/stxb202010102575] |
| [27] |
Roteta E, Bastarrika A, Franquesa M et al. Landsat and sentinel-2 based burned area mapping tools in google earth engine. Remote Sensing, 2021, 13(4): 816. DOI:10.3390/rs13040816 |
| [28] |
Zhang FF, Li JS, Zhang B et al. A simple automated dynamic threshold extraction method for the classification of large water bodies from landsat-8 OLI water index images. International Journal of Remote Sensing, 2018, 39(11): 3429-3451. DOI:10.1080/01431161.2018.1444292 |
| [29] |
Vanhellemont Q. Automated water surface temperature retrieval from Landsat 8/TIRS. Remote Sensing of Environment, 2020, 237: 111518. DOI:10.1016/j.rse.2019.111518 |
| [30] |
Yang XC, Chen L. Evaluation of automated urban surface water extraction from Sentinel-2A imagery using different water indices. Journal of Applied Remote Sensing, 2017, 11(2): 026016. DOI:10.1117/1.JRS.11.026016 |
| [31] |
Pan FF, Xi XH, Wang C. A comparative study of water indices and image classification algorithms for mapping inland surface water bodies using landsat imagery. Remote Sensing, 2020, 12(10): 1611. DOI:10.3390/rs12101611 |
| [32] |
McFeeters SK. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 1996, 17(7): 1425-1432. DOI:10.1080/01431169608948714 |
| [33] |
Xu HQ. A study on information extraction of water body with the modified normalized difference water index (MNDWI). Journal of Remote Sensing, 2005, 9(5): 589-595. [徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究. 遥感学报, 2005, 9(5): 589-595.] |
| [34] |
Yan P, Zhang YJ, Zhang Y. A study on information extraction of water system in semi-arid regions with the enhanced water index (EWI) and GIS based noise remove techniques. Remote Sensing Information, 2007, 22(6): 62-67. [闫霈, 张友静, 张元. 利用增强型水体指数(EWI)和GIS去噪音技术提取半干旱地区水系信息的研究. 遥感信息, 2007, 22(6): 62-67. DOI:10.3969/j.issn.1000-3177.2007.06.015] |
| [35] |
Feyisa GL, Meilby H, Fensholt R et al. Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery. Remote Sensing of Environment, 2014, 140: 23-35. DOI:10.1016/j.rse.2013.08.029 |
| [36] |
Mo WH, Sun H, Zhong SQ et al. Research on the CIWI model and its application. Remote Sensing Information, 2007, 22(5): 16-21, 104. [莫伟华, 孙涵, 钟仕全等. MODIS水体指数模型(CIWI)研究及其应用. 遥感信息, 2007, 22(5): 16-21, 104. DOI:10.3969/j.issn.1000-3177.2007.05.004] |
| [37] |
Chen WQ, Ding JL, Li YH et al. Extraction of water information based on China-made GF-1 remote sense image. Resources Science, 2015(6): 1166-1172. [陈文倩, 丁建丽, 李艳华等. 基于国产GF-1遥感影像的水体提取方法. 资源科学, 2015(6): 1166-1172.] |
| [38] |
Shen ZF, Xia LG, Li JL et al. Automatic and high-precision extraction of rivers from remotely sensed images with Gaussian normalized water index. Journal of Image and Graphics, 2013, 18(4): 421-428. [沈占锋, 夏列钢, 李均力等. 采用高斯归一化水体指数实现遥感影像河流的精确提取. 中国图象图形学报, 2013, 18(4): 421-428.] |
| [39] |
Zhou Y, Xie GL, Wang SX et al. Information extraction of thin rivers around built-up lands with false NDWI. Journal of Geo-Information Science, 2014, 16(1): 102-107. [周艺, 谢光磊, 王世新等. 利用伪归一化差异水体指数提取城镇周边细小河流信息. 地球信息科学学报, 2014, 16(1): 102-107.] |
| [40] |
Li XF, Wang SQ, Weng X et al. Remote sensing of floating macroalgae blooms in the East China Sea based on UNet deep learning model. Acta Optica Sinica, 2021, 41(2): 18-26. [李潇凡, 王胜强, 翁轩等. 基于UNet深度学习算法的东海大型漂浮藻类遥感监测. 光学学报, 2021, 41(2): 18-26.] |
| [41] |
Zhang L, Han XZ, Weng FZ et al. Comparison of water information extraction algorithms based on sentinel-2A MSI data. Laser & Optoelectronics Progress, 2022, 59(12): 505-515. [张磊, 韩秀珍, 翁富忠等. 基于Sentinel-2A MSI数据的水体信息提取算法对比研究. 激光与光电子学进展, 2022, 59(12): 505-515.] |
| [42] |
Deng YE, Jiang WG, Tang ZH et al. Long-term changes of open-surface water bodies in the Yangtze River Basin based on the google earth engine cloud platform. Remote Sensing, 2019, 11(19): 2213. DOI:10.3390/rs11192213 |
| [43] |
Zhang LF, Pan HH, Shan DJ et al. Remote sensing technology-based re-checking of reservoir storage capacity curve of Zhelin Reservoir. Water Resources and Hydropower Engineering, 2017, 48(6): 1-6, 22. [张莉芳, 潘华海, 单定军等. 基于遥感技术的柘林水库库容曲线复核. 水利水电技术, 2017, 48(6): 1-6.] |
| [44] |
Pan YY, Luo YZ, Wang YN et al. Characteristics of evolution of precipitation and runoff in Xin' an River Basin. Research of Soil and Water Conservation, 2018, 25(6): 121-125. [潘娅英, 骆月珍, 王亚男等. 新安江流域降水、径流演变特征分析. 水土保持研究, 2018, 25(6): 121-125.] |
| [45] |
Li Y, Zhang YL, Shi K et al. Monitoring spatiotemporal variations in nutrients in a large drinking water reservoir and their relationships with hydrological and meteorological conditions based on Landsat 8 imagery. Science of the Total Environment, 2017, 599/600: 1705-1717. DOI:10.1016/j.scitotenv.2017.05.075 |
| [46] |
Da WY, Zhu GW, Wu ZX et al. Long-term variation of phytoplankton community and driving factors in Qiandaohu Reservoir, southeast China. J Lake Sci, 2019, 31(5): 1320-1333. [笪文怡, 朱广伟, 吴志旭等. 2002—2017年千岛湖浮游植物群落结构变化及其影响因素. 湖泊科学, 2019, 31(5): 1320-1333. DOI:10.18307/2019.0522] |
| [47] |
Jiao CT, Song SX, Huang QX et al. Dynamics of open-surface water in Guanting Reservoir Basin: A Google Earth Engine platform study. Journal of Beijing Normal University: Natural Science, 2021, 57(5): 639-647. [焦晨泰, 宋世雄, 黄庆旭等. 基于Google Earth Engine平台的官厅水库流域开放水体动态研究. 北京师范大学学报: 自然科学版, 2021, 57(5): 639-647.] |
| [48] |
Lai YQ, Zhang J, Song YY et al. Comparative analysis of different methods for extracting water body area of Miyun Reservoir and driving forces for nearly 40 years. Journal of the Indian Society of Remote Sensing, 2020, 48(3): 451-463. DOI:10.1007/s12524-019-01076-5 |
| [49] |
Xiao Q, Yang K, Hong L. Remote sensing monitoring and temporal-spatial analysis of surface water body area changes of lakes on the Yunnan-Guizhou Plateau over the past 30 years. J Lake Sci, 2018, 30(4): 1083-1096. [肖茜, 杨昆, 洪亮. 近30 a云贵高原湖泊表面水体面积变化遥感监测与时空分析. 湖泊科学, 2018, 30(4): 1083-1096. DOI:10.18307/2018.0421] |
| [50] |
Zhou L, Cui YX, Wei YC. Influence of the spatial resolution of remote sensing images on water information extraction. Journal of Nanjing Normal University: Engineering and Technology Edition, 2015, 15(4): 66-74. [周蕾, 崔云霞, 韦玉春. 空间分辨率对水体遥感信息提取的影响. 南京师范大学学报: 工程技术版, 2015, 15(4): 66-74.] |
| [51] |
Li D, Wu BS, Chen BW et al. Review of water body information extraction based on satellite remote sensing. Journal of Tsinghua University: Science and Technology, 2020, 60(2): 147-161. [李丹, 吴保生, 陈博伟等. 基于卫星遥感的水体信息提取研究进展与展望. 清华大学学报: 自然科学版, 2020, 60(2): 147-161.] |
| [52] |
Wu SY, Zhao JS, Lei XH et al. Impacts of climate change on operation of Xin'an River Reservoir and adaption strategies. Journal of Hydroelectric Engineering, 2017, 36(1): 50-58. [吴书悦, 赵建世, 雷晓辉等. 气候变化对新安江水库调度影响与适应性对策. 水力发电学报, 2017, 36(1): 50-58. DOI:10.11660/slfdxb.20170107] |
| [53] |
Zhang YL, Qin BQ, Zhu GW et al. Importance and main ecological and environmental problems of lakes in China. Chinese Science Bulletin, 2022, 67(30): 3503-3519. [张运林, 秦伯强, 朱广伟等. 论湖泊重要性及我国湖泊面临的主要生态环境问题. 科学通报, 2022, 67(30): 3503-3519. DOI:10.1360/TB-2022-0178] |