文献总结 | RSE:2022年巴基斯坦洪水Sentinel-1 SAR 观测分析

文摘   2024-03-06 18:19   江苏  

点击上方湖泊遥感与智慧流域关注我们

研究背景
RESEARCH BACKGROUND
随着气候变化,过去几十年来一些极端天气事件和全球洪水的发生频率显着增加这些极端事件对南亚发展中国家的影响最大,因为这些国家的暴露程度和脆弱性较高,造成重大损害和损失,特别是在巴基斯坦,巴基斯坦几乎每年都经历严重的洪水。洪水是对巴基斯坦构成巨大威胁的问题,引起了越来越多的关注。

本文探索和分析2022年灾难性洪水的实际淹没情况、规模、可能的原因以及未来趋势,提出了一种增强的全国范围洪水制图方法,并与其他基于像素的图像处理技术进行了比较,包括主动轮廓和变化检测。这些算法应用于巴基斯坦各种土地类型和淹没情景的Sentinel-1地面范围检测(GRD)合成孔径雷达(SAR)图像(10米空间分辨率),并使用其他参考洪水产品进行评估。准确性评估分析表明,算法具有高度的鲁棒性和准确性,总体准确率(OA)高于0.83,关键成功指数(CSI)高达0.91,并适用于准实时的自动洪水监测。
研究方法
1. 数据集与研究区
研究使用了Sentinel-1的SAR数据集,覆盖了2022年6月至8月的巴基斯坦,以展示不同环境中的洪水淹没模式,并评估洪水算法的性能。同利用MODIS/Aqua+Terra和UNOSAT提供的全球洪水产品,以及IMERG数据来估计降雨量,分析极端降雨事件,并通过巴基斯坦气象局的数据了解热浪引起的融雪/冰对洪水的影响。

图1 2020年巴基斯坦的位置图,以及其土地覆盖和冰川湖分布。A-D区域代表从北到南不同的洪水情景。土地覆盖数据来自ESA WorldCover 10米2020年数据。2020年冰川湖清单来源于张等人(2023c)。黑色多边形显示了巴基斯坦的地区边界。

2. 研究方法

2.1 SAR影像处理

首先更新轨道元数据,然后去除图像边缘的无效数据和低强度噪声,接着使用SRTM DEM进行地形校正并转换为WGS84坐标,最后对图像进行辐射定标得到后向散射系数。此外,应用增强型Lee滤波器以抑制散斑噪声。

2.2 分块阈值法

基于分块阈值法通过Ashman系数来选择阈值,计算公式为公式(1)其中m1和m2分别代表两个高斯分布的均值,s1和s2代表它们的标准差。hs是用于计算这些参数的分布直方图,较高的系数表示两个分布之间的可分离性更为显著。在本研究中,将 200 × 200 像素设置为图块大小,图块阈值相当恒定。使用KI算法解决阈值优化问题,通过最小化代价函数C来计算,能够很好地反映两类高斯密度函数之间的重叠。计算公式为公式(2)其中sm和sn为两类物质的强度标准差,tm和tn表示每个类的分数。

图2 洪水检测方法的总体方案。模型输入是SAR洪水图像和SRTM DEM数据的叠加。SWBD是参考水体掩膜。
2.3 基于模糊规则的细化

为了精确识别开放水域,采用了基于模糊规则的方法来处理图像。该方法通过分析后向散射强度、坡度、高程和对象大小等要素,来区分洪水区域。使用Z形隶属函数评估洪水概率,并将隶属度高于0.6的区域划分为洪水。这个过程有助于在复杂背景中准确地识别洪水区域。

2.4 最终分类

洪水地图通过形态学操作过滤,扩大水域边界并填补空隙,排除永久水体和小于30像素的孤立对象,提高洪水识别的准确性。

3. 精度评价

总体准确度(OA)、用户准确度(UA)和生产者准确度(PA)在内的三个性能指标被用来共同评估洪水地图的精确度。使用一个新指标——关键成功指数(CSI)来更准确地描述洪水分类的性能。

4. 比较细节

主动轮廓模型通过初始化轮廓并让曲线沿能量函数梯度下降来分割图像,而变化检测算法则通过逐点阈值的方式来检测时间序列中的变化。
研究结果
1. 不同洪水场景和SAR图像的比较

3分析2022年巴基斯坦的四种洪水情景。每个场景由五个图像子集(S1S5)组成,并关联每个子集中后向散射系数的直方图分布。直方图显示所有图像子集呈现出不同的双峰趋势。洪泛区呈现明显的双峰分布,沙漠区域的双峰分布较小,城市区域的后向散射强度由于建筑物和淹没表面的影响而增加,而湖泊周围的图像随着尺寸增加从双峰趋向单峰。这些特性有助于在遥感图像中区分不同类型的地表覆盖。

图3 表示2022年巴基斯坦的四种洪水情景,以及用于准确性评估的五个子集和每种情景的相关直方图。这里的S1-S5,S1指的是最小的子集,而S5指的是最大的子集。

2. 准确性评估

研究比较了三种不同的洪水检测方法,发现提出的新方法在减少错误方面表现更佳,尤其是在城市和湖泊周围地区。该方法在洪泛区的表现略有不足,可能因为雷达信号被高植被增强而导致一些孤立水域在分类过程中被忽略。

图4 展示了图3中四幅图像A-D的S5子集,分别从活动轮廓模型(第一列)、变化检测方法(第二列)和我们提出的方法(第三列)得出的应急地图。正确检测到的像素、过度检测的像素和未检测到的像素分别用蓝色、绿色和红色表示。

图5显示了三种洪水检测方法在所有图像子集上的性能评估结果,突出了本研究算法在避免误检方面的有效性。本研究算法在各个图像子集上表现稳定,且关键成功指数(CSI)随图像尺寸增大而缓慢下降,表明其在不同图像尺寸上的处理能力。此外,研究方法在复杂洪水环境下显著提高了准确率,证明了其在全国范围洪水检测中的简单性和鲁棒性,特别是在洪水与背景对比度低的图像中。

图5 洪水图像上的洪水检测方法的性能概述,CSI 是在不同子集 S1-S5 内计算的。
3. 2022年巴基斯坦洪水范围

图6显示了使用我们提出的方法从 Sentinel-1 SAR 和 Sentinel-2 图像得出的洪水范围。MODIS NRT 全球洪水产品随着时间的推移合成水体检测区域,旨在减少错误并更严格地识别洪水。这种方式不太可能带来很多洪水的错误检测,但可能会大大漏检整个巴基斯坦的洪水(图6(a))。UNOSAT洪水产品并没有完全覆盖洪水发生的整个过程,因此不会捕获最大洪水水位覆盖范围(图6(b))。从Sentinel-1 SAR图像得出的洪水图与UNOSAT数据大致一致,但在旁遮普省的农田和森林区域发现了更多被淹没的地方(图6(c))。这表明巴基斯坦相当大的一部分地区受到了洪水的影响。此外,所提出的方法也被应用于Sentinel-2图像,以评估其在光学数据中的应用潜力(图6(d))。尽管Sentinel-2图像在分辨率上与Sentinel-1 SAR相当,但由于云层覆盖和淹没植被的缺失,其洪水检测结果往往被低估。
图6 2022 年整个巴基斯坦的洪水是使用提出方法从 (a) MCDWD_L3_NRT、(b) 联合国卫星中心 (UNOSAT)、(c) Sentinel-1 SAR 和 (d) Sentinel-2 数据得出的。

4. 与2010年洪水事件对比及气候因素分析

2022年的洪水在巴基斯坦造成了广泛的破坏,影响范围超过了2010年的重大洪水事件(图7(a))。旁遮普省和信德省是受灾最严重的地区,受灾面积几乎是2010年的两倍(图7(b)-(c))。伊斯兰堡地区受影响尤其严重,洪水覆盖了一定比例的土地。分析显示,大量的农田被淹,特别是在信德省。根据人口数据,可能有2200万人受到洪水的影响或生活在洪水威胁之下。

图7 2010年和2022年洪水事件比较。(a) 2010年和2022年巴基斯坦洪水的空间分布;(b) 2010 年和 (c) 2022年各地区洪水淹没情况。

2022年巴基斯坦的季风降雨量创下了近几十年的新高(图8),发生在6月至8月。与2010年相比,降雨区域从伊斯兰堡周边转移到了南部地区。信德省和俾路支省的累计降雨量达到了4200毫米的峰值。尽管最大降雨量在全国范围内分布均匀,但与洪水的空间分布似乎没有直接关系(图8(c)-(d))。这次历史性的洪水是连续12周强降雨的结果。

图8 从IMERG 数据获得的巴基斯坦网格化降水量(空间分辨率为 0.1°)。(a) 2010年累计降雨量;(b) 2022年累计降雨量;(c) 2010年最大降雨量;(d) 2022 年最大降雨量。

5. 积雪消融可能产生的影响

气温变化: 图9展示了2020年至2022年北部山区6个气象站的月气温变化。2022年3月至5月,巴基斯坦经历了极端的高温热浪,气温明显高于平均水平,尤其是4月底,气温比正常高出约5℃。这些异常高温加速冰雪融化,可能导致全球性洪水。随后全部流入印度河支流,导致河流总流量增加,最终可能在脆弱地区引发山洪。

雪深变化: 根据ERA5-Land再分析数据,图10显示了6月至8月巴基斯坦北部平均雪深变化的时间序列。SWE(雪水当量)总体呈下降趋势,6月份融化最为迅速。然而,这些变化对洪水的贡献很小。6月21日至22日,由于西风的影响,巴基斯坦西北部出现了罕见的寒流和大雪,导致SWE在6月22日出现小幅上升。7月至8月,SWE变化减小,与此同时发生了极端洪水,表明融雪不是洪水的主要原因。

SWE的空间分布: 图11展示了受雪区限制的巴基斯坦北部山区各月日均SWE的空间分布。SWE在这些地区沿着高海拔地形断裂带分布。尽管SWE在不同高程上存在异质性,但由于该地区主要受冬季西风扰动的影响,这三个月的SWE趋势一致,从东北向西南逐渐减少。7月份积雪面积大幅减少,但总体融化并不显著,对洪水的形成影响不大。

图9 2020年至2022年北部山区六个气象站每月气温变化。

图10 巴基斯坦北部山区雪水当量(SWE)的时间序列源自2022年6月1日至8月31日期间的ERA5-Land数据。

图11 巴基斯坦北部山区的日平均 SWE,源自 2022 年 (a) 6 月、(b) 7 月和 (c) 8 月的 ERA5-Land 数据。
总结讨论
本文提出了一种新型洪水检测方法,利用雷达卫星图像和模糊规则,提高了洪水检测的准确性。通过 Sentinel-1 SAR 图像,研究了2010年至2022年间巴基斯坦的洪水变化,并分析了气候变化、融雪和GLOF对洪水的影响。结果显示,洪水情况在这段时间内加剧,特别是在旁遮普省和信德省。降雨数据和SWE观测揭示了洪水与自然因素之间的关系,指出未来研究应关注冰川厚度变化对洪水的影响。
✎ 编者注

以上总结仅代表个人对论文的理解,仅供研究参考所用,不用于商业用途。若上述理解内容有误,请以论文原文为主。未经同意,禁止转载。


原文链接 ↓
https://doi.org/10.1016/j.rse.2024.114055

点击左下方 “阅读原文” 可下载论文原文。



团队介绍

湖泊遥感与智慧流域创新团队,主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作,并在流域尺度开展大数据智慧管理平台研究,保障湖泊水质安全。团队拥有博士和硕士导师4人(段洪涛,罗菊花,刘东,谭振宇),可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学(国科大南京学院联合培养)等招收博、硕士研究生,欢迎报考!同时,长期招收联合培养研究生,欢迎咨询!

联系人:段洪涛研究员,htduan@niglas.ac.cn

点击下方链接直接关注我们

科学前沿丨文献总结 | WR:受养分输入控制的农业沟渠是温室气体排放热点
科学前沿丨文献总结 | RSE:考虑近红外非零反射的高光谱太阳耀光校正算法
科学前沿丨文献总结 | ES&T:美国艾荷华州湖泊有害蓝藻水华短期预测(提前一周)
科学前沿丨文献总结 | Science:机器学习助力预测美国《清洁水法案》监管范围
团队成果 | JAG:基于摄像头RGB图像的蓝藻水华动态实时监测算法研究
团队成果 | 湖泊草藻不同群落遥感自动识别算法研究取得进展
团队动态 | 段洪涛研究员连续4年入选全球前2%科学家榜单
团队动态段洪涛研究员荣获朱李月华优秀教师奖

湖泊遥感与智慧流域
围绕“湖泊遥感与智慧流域”方向,介绍学科方向前沿,分享团队研究成果和动态,提供论文下载和数据共享等服务。版权所有 @ NN TEAM联合创新团队(NIGLAS & NWU Innovation Team)
 最新文章