长江科学院院报

长江科学院院报 >

2025 , Vol. 42 >Issue 10: 183 - 191

DOI: https://doi.org/10.11988/ckyyb.20240861

水利信息化

多源遥感协同的洞庭湖团洲垸决口险情应急监测方法

  • 姜莹 , 1, 2 ,
  • 向大享 , 1, 2 ,
  • 蒋婕妤 3 ,
  • 程学军 1, 2 ,
  • 陈喆 1, 2 ,
  • 李经纬 1, 2
展开
  • 1 长江科学院 空间信息技术应用研究所,武汉 430010
  • 2 长江科学院 武汉市智慧流域工程技术研究中心,武汉 430010
  • 3 湖南省水利水电科学研究院 河流泥沙研究所,长沙 410000
向大享(1984-),男,湖北巴东人,正高级工程师,博士,主要从事水旱灾害监测、水利遥感方面的研究。E-mail:

姜 莹(1990-),女,湖南益阳人,工程师,硕士,主要从事水利信息化、智能遥感解译方面的研究。E-mail:

收稿日期: 2024-08-12

  修回日期: 2024-10-08

  网络出版日期: 2025-01-02

基金资助

中央级公益性科研院所基本科研业务费项目(CKSF2025727/KJ)

中央级公益性科研院所基本科研业务费项目(CKSF2025194/KJ)

中央级公益性科研院所基本科研业务费项目(CKSF2023403/KJ)

湖南省水利科技项目(XSKJ2022068-12)

湖北省自然科学基金项目(2022CFD173)

收起

Emergency Monitoring Methods for Breaches in Tuanzhou Embankment of Dongting Lake Based on Multi-source Remote Sensing Coordination

  • JIANG Ying , 1, 2 ,
  • XIANG Da-xiang , 1, 2 ,
  • JIANG Jie-yu 3 ,
  • CHENG Xue-jun 1, 2 ,
  • CHEN Zhe 1, 2 ,
  • LI Jing-wei 1, 2
Expand
  • 1 Spatial Information Application Department,Changjiang River Scientific Research Institute, Wuhan 430010, China
  • 2 Wuhan Smart Watershed Engineering Technology Research Center, Changjiang River Scientific Research Institute, Wuhan 430010, China
  • 3 Research Institute of River Sediment,Hunan Research Institute of Water Resources and Hydropower, Changsha 410000, China

Received date: 2024-08-12

  Revised date: 2024-10-08

  Online published: 2025-01-02

Fold

摘要

科学有效地对河湖堤防决口险情进行动态实时监测,为灾后快速评估和防洪应急抢险决策提供技术支撑,具有迫切的现实需求。在分析决口险情监测任务需求的基础上,兼顾时-空-频-谱等约束,构建一种多源遥感协同监测方法,利用模糊多属性决策思路评价不同协同方案在决口险情及引发的次生洪涝灾害任务中的动态监测能力,并通过反演决口宽度、垸区淹没面积等指标,实现多卫星监测组合的统一量化评定及决口险情过程追踪。为验证多源遥感协同监测方法在决口险情及洪涝灾害应急处置中的性能,以“7·5洞庭湖团洲垸湖堤决口险情”为例进行论证分析。结果表明:决口及洪涝场景下分别求解的协同监测方案综合适应度最优,且决口宽度反演值与水文测报值相符,相对误差为0.98%;淹没面积反演值与洪水复演模型计算值大体一致,相对误差为-2.39%,协同监测方案可满足险情应急监测任务对响应时效性、协同性等实际需求。

关键词： 多源遥感协同; 应急监测; 洞庭湖团洲垸; 决口险情; 洪涝灾害; 模糊多属性决策

本文引用格式

姜莹 , 向大享 , 蒋婕妤 , 程学军 , 陈喆 , 李经纬 . 多源遥感协同的洞庭湖团洲垸决口险情应急监测方法[J]. 长江科学院院报, 2025 , 42(10) : 183 -191 . DOI: 10.11988/ckyyb.20240861

Abstract

[Objective] Emergency response to breaches has high requirements for timeliness, information accuracy, overall situational awareness, and coordinated observation. The aim of this study is to meet the urgent practical need for dynamic real-time monitoring of breaches, providing technical support for rapid post-disaster assessment and decision-making for flood control emergency rescue. [Methods] Considering the constraints of time, space, frequency, and spectrum, we developed a multi-source remote sensing collaborative monitoring method by using the fuzzy multi-attribute decision-making method to evaluate the dynamic monitoring capabilities of different collaborative schemes in response to breaches and their secondary flood disasters. The breach progression can be traced by inverting indicators such as breach width and inundated area within the embankment area. We further selected the “breach in the Tuanzhou Embankment of the Dongting Lake on July 5” as a case study for experimental analysis and validation. [Results] (1) under the breach monitoring scenario, the derived collaborative monitoring scheme achieved a comprehensive fitness value of 0.654. The breach width variation curve exhibited a general consistency with the trend of in-situ hydrological monitoring data. The relative error between the breach width derived from collaborative inversion and hydrological measurement was 0.98%, demonstrating high accuracy suitable for emergency monitoring. (2) The coordination monitoring scheme under the flood monitoring scenario achieved a comprehensive fitness value of 0.591. The inundation area variation curve within the embankment area was overall consistent with the trend of values calculated by the flood re-simulation model, with a relative error of -2.39%. This error primarily stemmed from the fitting accuracy of discrete values derived from multi-source remote sensing inversion and systematic errors in the re-simulation model calculations. [Conclusions] The developed multi-source coordination combination method integrates both the coordination monitoring process and the coordination data inversion, covering the entire monitoring period before, during, after the breach. It accurately reflects the piping and seepage processes and their propagation trends before the occurrence of breaches, thereby addressing the practical needs for timeliness, comprehensiveness, and coordination in responding to breaches and secondary flood disasters. In addition, the effectiveness of the experiments and applications in this study depends on the types and quantities of satellite resources that can be scheduled under emergency monitoring modes, as well as their alignment with monitoring task requirements. The more satellite resources involved in coordination and evaluation, the higher the monitoring frequency and coverage cycle can be increased, potentially improving the comprehensive fitness value.

Key words： multi-source remote sensing coordination; emergency monitoring; Tuanzhou Embankment in Dongting Lake; breach emergency; flood disaster; fuzzy multi-attribute decision-making

0 引言

近年来,受极端气候事件影响,洪涝灾害时有发生,并伴随决口、漫堤、倒灌等次生灾害,给当地经济和人民生命财产安全造成严重损害。险情应急处置对响应时效性、信息获取准确性、全局性和观测协同性具有较高要求,如何科学有效地对险情进行动态实时监测,为灾后快速评估和防洪应急抢险决策提供技术支撑,具有迫切的现实需求。
传统的地面应急监测方法实时、直接、精度高,但受限于监测站点的稀疏程度和所处位置,不能反映决口险情及次生洪涝灾害的全局信息[1];此外,险情发生后临时布设的地面站具有信息滞后性,只能监测险情发生后的水雨情数据,无法复演布设前的管涌渗流过程及扩展趋势,不能满足险情全过程监测对时效性、全局性的要求。卫星遥感以其全天候、周期短、动态连续、覆盖范围广等优势,在防洪减灾中发挥着重要作用。随着遥感技术迅速发展,国外相继建立了Landsat、MODIS、WorldView、Sentinel等卫星对地观测体系;我国亦先后发射了气象、资源、环境、高分、北斗等系列卫星,此外,高景、吉林、北京、东方慧眼等商业卫星系列也陆续升空,监测数据类型涵盖了多光谱、高光谱、雷达等,卫星分辨率高达厘米级,重访周期可达日尺度,对地观测性能大大增强[2],在水旱灾害防御中应用广泛。但单颗卫星由于传输延迟和处理时间,信息获取存在一定滞后,且受传感器性能及天气条件等影响,可能导致数据质量参差不齐,无法满足险情应急监测对信息准确性及协同性的要求。空间信息网格框架[3]、空天地一体化对地观测传感网[4-5]等概念的提出,为多源遥感协同监测提供了新思路,相比单卫星,多卫星协同组网具有拓宽时空覆盖范围、提高目标识别精度、抗干扰能力强、可探测多维立体数据等优势,在决口险情应急中表现出巨大潜力。
多源遥感协同包括协同数据反演和协同监测过程2个方面。前者侧重于数据应用,属于传感器性能后评价模式;后者侧重于传感器自身性能,从固有的物理参数中选择与目标需求最匹配的卫星/传感器组合。国内外专家学者基于海量的卫星数据,在洪涝监测方面开展了大量研究,如运用航空影像和ERS-1合成孔径雷达提取流域洪水边界并绘制淹没区图[6];利用Landsat-7ETM+、Sentinel-1 SAR获取洪泛区的土地利用/覆盖情况[7];基于FY3和MODIS开展特大洪灾监测及灾损评估[8];基于GF-3和Sentinel-1雷达数据提取洪涝淹没范围信息并动态估算洪涝灾害淹没历时[9];利用Landsat8、Sentinel-1A变化检测获取洪水淹没范围[10]等。现有研究更多在洪涝遥感监测,而对决口险情研究甚少,且大多侧重于协同数据反演,基于灾前或灾后特定时间节点的卫星数据开展研究,而对洪涝灾害全过程缺乏动态实时监测,无法满足决口险情及洪灾演变对响应时效性及过程动态追踪的需求。
本文以团洲垸决口险情应急监测为对象,在分析任务需求的基础上,兼顾时-空-频-谱等约束,构建一种多源遥感协同监测组合优化方法,利用模糊多属性决策思路评价不同协同方案的动态监测能力,并通过决口宽度、淹没面积等指标反演,实现多星/传感器监测组合的统一量化评定及决口险情过程追踪,解决决口险情及其次生洪灾对时效性、全局性及协同性的需求问题,同时有效弥补数据缺失、信息准确性问题,为会商研判与险情处置提供技术支撑。

1 研究区域

团洲垸位于湖南省岳阳市华容县团洲乡,地处洞庭湖和藕池河交汇处,三面环水,是洞庭湖区防汛抗灾的重要区域。受持续强降雨及高洪水位影响,2024年7月5日下午,洞庭湖团洲垸一线湖堤(桩号19+480)发生决口险情,溃口险情区域(安全区除外)约为47.39 km2,决口面一度扩大至226 m,造成垸区被淹,紧急转移受灾群众7 680余人。团洲垸地理位置如图1所示。
图1 团洲垸地理位置

Fig.1 Geographic location of Tuanzhou Embankment

2 研究方法

2.1 应急监测任务需求分析

国家防灾减灾救灾委员会在环境与灾害监测预报小卫星星座项目的建设过程中,归纳总结了不同灾害监测对传感器性能参数基本需求库,阐述了洪涝、干旱、暴雨、森林火灾、地震等不同灾害类型在不同发展阶段(监测预警、应急响应、紧急救援、灾情评估)的应用中对重返时间、空间分辨率、观测谱段、全天候观测能力等的基本需求[11-12]。本文在传感器性能参数需求库基础上,结合团洲垸决口险情及其引发的洪涝灾害应急任务对响应及时性、信息准确性、覆盖完整性等现实要求,将需求指标量化为重返周期、频次、分辨率、谱段、覆盖率、条带数等参数。
决口发生在团洲垸北侧湖堤局部位置,随着洞庭湖高洪水压影响,决口宽度不断扩大,后随着封堵措施的介入,决口宽度逐步变小至全部合龙。因此,在决口应急监测任务中,将决口宽度动态变化值作为监测指标,具体任务需求为:重返周期尽量快、频次尽量多、空间分辨率优于20 m、覆盖湖堤局部,且满足决口宽度目视解译要求。
决口引发的洪涝灾害导致团洲垸大范围被淹,在洪涝应急监测任务中以垸区淹没面积作为监测指标,具体任务需求为:重返周期尽量快、频次尽量多、空间分辨率优于50 m、覆盖整个垸区、扫描条带数尽量少,监测谱段满足水体指数反演要求。
决口及洪涝监测任务具体需求如表1所示。
表1 决口及洪涝应急监测需求

Table 1 Emergency monitoring requirements for breach and flood disasters

任务 重返周期 频次 分辨率/m 覆盖率/μm 谱段/μm 条带数
决口 ≤20 湖堤局部 — —
洪涝 Min Max ≤50 整个垸区 0.4~14、
3~21		 Min
若性能指标被要求“Max”或“Min”,则该性能指标为“模糊”,其中,“Max”表示越高越好,“Min”表示越小越好。表1中,重返周期要求越小(快)越好,条带数越小(少)越好,频次越多(密)越好。由表1可知,决口监测对重返周期、频次、分辨率要求较高,对覆盖率要求相对较低,这与决口发生的局部性、动态性、迅速性相适应。而决口监测对谱段和条带数无要求,这是由于决口宽度目视解译更多取决于判读者对光学或雷达卫星影像特征的专业认知,受谱段或条带数干扰较少,因而谱段和条带数不被纳入决口监测任务的评价指标。
洪涝作为决口险情的次生灾害,具有相对时延性、动态性、扩散性,以点带面危及整个垸区,因而对分辨率要求比决口相对较低,对频次、重返周期、覆盖率要求相对更高。此外,光学或雷达谱段直接关乎水体指数反演,而条带数关乎数据处理的工作量,因而谱段和条带数也是洪涝监测任务必不可少的评价指标。

2.2 多源遥感协同应急监测模型构建

假设决口险情监测任务为 K,监测需求 Q = { q 1 , q 2 , … , q g , … , q m } , q g包括对重返周期、频次、分辨率、谱段、覆盖率、条带数的监测; m为传感器指标维数。若 q g被要求Max(越高越好)或Min(越低越好),则该需求指标为“模糊”,若 q g被要求为具体数值,则该需求指标为“明确”。
参与协同监测的传感器定义如式(1)所示。
S = S 1 S 2 ︙ S n = s 11 s 12 … s 1 m s 21 s 22 … s 2 m ︙ ︙ s f g ︙ s n 1 s n 2 … s n m 。
式中:S为多源协同监测传感器的性能矩阵,S=Sf,f=1,…,n;f为传感器编号; n为传感器数量; s f g表示第 f个传感器第 g个性能指标。
考虑到传感器存在“同传异需”或“异传同需”的模糊性情况,引入模糊多属性决策向量U={u1,u2,…,un},uf∈ 0   1表示传感器 f对监测任务的模糊隶属度, u f越大表示该传感器对监测任务的匹配度越好,反之匹配度越差。
多源遥感协同监测模型可描述为
U = Q S - 1 　 。
式中:U表示决策向量;Q表示监测需求向量。
输入参数:传感器性能矩阵S、任务需求Q。输出结果:依据模糊多属性决策方法确定的决策向量U及传感器组合方案。

2.3 模糊多属性决策的传感器监测性能度量

模糊多属性决策[13]思想起源于经典多属性决策理论,通过对已知样本集的属性指标、权重大小和数据结构进行多种变换,获得模糊优选决策下的目标排序,以此选出最优组合方案。考虑到决口险情及洪水监测任务对卫星/传感器的性能需求和权重各异,选用折衷型模糊多属性决策方法[14]对多传感器协同监测能力进行统一评价。
其原理如下:从卫星/传感器集合出发,通过虚拟模糊正理想(由每一个指标中模糊极大值构成)和模糊负理想(由每一个指标中模糊极小值构成),再基于加权距离计算各传感器与模糊正理想和模糊负理想之间的距离,由此计算各卫星/传感器属于模糊正理想的隶属度,隶属度越大,说明该卫星/传感器对监测任务的适配度越理想,最后基于最佳优先搜索决策,筛选出最优协同组合方案。基于模糊多属性决策的多源遥感协同监测方法技术框架如图2所示。
图2 模糊多属性决策性能评价技术框架

Fig.2 Technical framework for performance evaluation of fuzzy multi-attribute decision-making

2.3.1 监测需求指标权重配置

监测需求指标的权重系数能客观反映各指标重要程度,其配置差异在很大程度上影响卫星/传感器性能评定质量。同时,针对不同的监测任务,同一指标重要性差异较大。因此,以性能参数作为监测能力评价基础,需对其权重系数进行合理配置。本文采用修正熵权法来计算不同性能指标的权重。原理如下:
(1)计算熵值 h g。S包含 n个传感器、 m个性能指标,第 g个指标的熵值计算式为
h g = - k ∑ f = 1 n r f g l n r f g 　 。
其中:
r f g = s f g ∑ f = 1 n s f g   , 　 k = 1 l n n 　 。
式中: h g表示第 g个性能指标的信息熵; k为常数,其大小由传感器数量 n决定;rfg表示标准化指标sfg的比重矩阵。
(2)计算熵权 w g。其计算式为
w g = 1 - h g m - ∑ g = 1 m h g 　 。
式中 w g表示第 g个性能指标的权重系数。

2.3.2 传感器性能指标三角形模糊数表达

记 J ( S )为传感器集 S上的适应度模糊集,设Z∈J(S),μZ为三角形模糊数 Z的转换式,记为Z= l , z , r= z L , z , z R。其中, z表示性能指标基础数据值;zL表示性能指标值下界;zR表示性能指标值上界。
(1)定量指标:若p为精确数,对应的三角模糊数转换形式为
p = p , p , p 　 。
若p为区间数,对应的三角模糊数转换形式为
p = p m i n , p m e d , p m a x 　 ; p m e d = p m a x + p m i n 2 　 。
式中: p为性能指标;pmin、pmed、pmax分别表示区间的下界值、中值和上界值。
(2)权重向量三角模糊数表示为
W = w 1 , w 1 , w 1 , w 2 , w 2 , w 2 , … , w m , w m , w m 。
(3)定性指标:利用三角模糊数比例法转换为定量指标,常见转化形式如表2所示。
表2 定性指标转化形式

Table 2 Conversion of qualitative indicators

量化值 成本型
指标		 收益型
指标		 量化值 成本型
指标		 收益型
指标
(0 0 1) 最高 最低 (6 7 8) 低 高
(1 1 2) 很高 很低 (7 8 9) 很低 很高
(2 3 4) 高 低 (9 10 10) 最低 最高
(4 5 6) 一般 一般

2.3.3 将卫星/传感器性能矩阵归一化处理

待评价对象S=Sf,f=1,…,n,对于第 g个性能指标,评价集中对应有 n个模糊指标值,将传感器 f第 g个性能指标的三角模糊数记为 S f g = a f g , b f g , c f g,则归一化模糊矩阵记为R= x f g m × n。
(1)若 S f g为成本型指标,归一化过程为
x f g = m i n a f g c f g , m i n b f g b f g , m i n c f g a f g Λ 1 　 。
(2)若 S f g为收益型指标对应的模糊指标,则归一化过程为
x f g = a f g m a x c f g , b f g m a x b f g , c f g m a x a f g Λ 1 　 。
式中:min(afg)、max(afg)分别表示所有传感器第 g个性能指标的三角模糊数 a f g的最小值和最大值;min(bfg)、max(bfg)分别表示三角模糊数bfg的最小值和最大值;min(cfg)、max(cfg)分别表示三角模糊数cfg的最小值和最大值; Λ 1表示归一化运算。

2.3.4 构造模糊决策矩阵

将归一化模糊指标矩阵R加权处理得到模糊决策矩阵Y,即
Y = w g × x f g m × n 　 。
式中:wg表示第g个性能指标的权重系数;xfg表示传感器f第g个性能指标的三角模糊数sfg的归一化值;×表示加权运算符。

2.3.5 确定模糊正理想与模糊负理想

模糊正理想Z+与模糊负理想Z-定义如下:
Z + = Z 1 + , … Z g + , … , Z m + 　 ; Z - = Z 1 - , … , Z g - , … , Z m - 　 。
式中: Z g + = m a x Y 1 g , … , Y n g表示模糊决策矩阵Y中第g个性能指标对应的模糊极大值; Z g - = m i n Y 1 g , … , Y n g表示模糊决策矩阵 Y中第 g个性能指标对应的模糊极小值。

2.3.6 确定模糊正理想距离与模糊负理想距离

确定S=Sf,f=1,…,n与模糊正理想 Z g +与模糊负理想 Z g -之间的距离,其表达式分别为
d f + = ∑ g = 1 m Y f g - Z g + 2 　 ; d f - = ∑ g = 1 m Y f g - Z g - 2 　 。
式中: d f +表示模糊正距离; d f -表示模糊负距离;Yfg表示加权模糊决策模糊矩阵向量。

2.3.7 折衷模糊排序

S以隶属度 μ f从属于模糊正理想,则有
μ f = d f - d f + + d f -   , 　 f = 1 , … , n 　 。
按模糊隶属度 μ f从大到小进行排序,某卫星/传感器 μ f越大,则表示该传感器对监测任务适应度越佳,由传感器集合的隶属度排序来确定卫星/传感器性能优劣序列Sd,d=rank(U,descend)。其中: d表示排序序号; S d表示优劣排序序列;descend为降序指令;rank(U,descend)表示依模糊隶属度降序排列的排序函数。

2.3.8 最佳优先搜索决策

由于最佳组合数量无法事先确定,需要对所有可能组合进行排查,按常规方法需要迭代2N-1次。为减少求解难度,选用最佳优先搜索算法求解最佳组合方案(只需迭代 N次)。该算法是一种启发式搜索算法,用启发函数对将要遍历的卫星/传感器优劣序列进行评分,以综合适应度最高作为迭代终止条件。
步骤1:从序列Sd,d=rank(U,descend)中取出优先级最高的传感器节点加入协同解集队列{So,o∈(1,…,e)}中,e为解集中传感器数量。
步骤2:计算队列So的综合适应度。
单项监测性能采用逻辑运算去重求和,即
s i * U = s i 1 * u 1 + … + s i o * u o + … + s i e * u e 。
式中: i表示各项性能指标的编号, i=1,2,…,m;??表示当前解集中第 o个传感器的第 i项性能指标值; u o表示第 o个传感器的模糊隶属度; *表示去重求和算子。
若决口、洪涝任务对监测指标 q i需求明确可量化,则协同解集的单项得分表示为
F i ( U ) = 0   , 　 s i * U q i 　 ; 1   , 　 s i * U ≥ q i 　 。
若决口、洪涝任务对监测指标 q i需求模糊(Min或者Max),则协同解集的单项得分表示为
F i ( U ) = r a n k ( s i * U ) / 2 n - 1 　 。
式中: q i表示第 i项性能指标;Fi(U)表示协同解集对第i项性能指标的单项得分。当 q i为极小型指标,即越小(快少)越好时,按倒序排序;当 q i为极大型指标,即越大(多密)越好时,按正序排序。
最后,利用各性能指标的单项得分计算当前协同解集的综合适应度 F e,即
F e = ∑ i = 1 m w i F i ( U ) 　 。
步骤3:对Sd,d=rank(U,descend)中剩余的传感器节点执行搜索,逐一判断节点加入队列后,综合适应度 F e是否进一步优化,若是,该节点加入解集队列,否则,不予考虑。
步骤4:重复步骤2、步骤3,直至找到目标节点或枚举完 S d,得到满足综合适应度最优化的协同解 { S o , o ∈ ( 1 , … , e ) }。

3 试验与验证

以“7·5洞庭湖团洲垸湖堤决口险情”为例进行论证分析,验证多源遥感协同监测方法在决口险情及洪涝灾害应急处置中的适应性。

3.1 卫星调度及传感器参数分析

经对接国家航天局对地观测与数据中心、欧空局官网申请调度民商卫星拍摄决口险情区域。
时间窗:[2024-07-04,2024-07-08];
空间窗:[112°44'44″N,29°18'26″E,112°51'18″N,29°18'42″E]。
经查询筛选,满足时间窗、空间窗约束的卫星包括高分星(GF-1/1C/1D、GF-3/3B/3C、GF-4)、资源星(ZY3-02)、环境星(HJ-2B/2E/2F)、吉林一号(JL1-KF01A)、天仪巢湖一号(BC2)、东方慧眼(DFHY-1)、微纳星空(TJ04-1)、欧洲哨兵1/2号(Sentinel-1/2)等,涵盖了光学卫星(多光谱、高光谱)和雷达卫星(微波)。多源卫星携带的传感器性能参数参见自然资源卫星遥感云服务平台(http://sasclouds.com/ chinese/satellite/ global/landsat),详细信息如表3所示。由表3可见,成像卫星相对独立,其固有能力(如分辨率、重返周期、谱段等)和应用能力(经过时间、云量、条带数等)各不相同。受自身性能、成像条件、应用场景等约束,单一的卫星/传感器无法独立完成决口及洪灾应急监测,需协同多源卫星/传感器对各监测指标进行逻辑运算,实现对决口险情最大效益化动态监测。
表3 卫星/传感器参数

Table 3 Parameters of satellites and sensors

卫星 传感器 经过时刻 重返周期 频次 分辨率/m 覆盖率/% 谱段 条带数
GF-1 WFV3 2024-07-06T11:12 4 d 1 16 100 B/G/R/NIR 3
WFV4 2024-07-06T11:12 4 d 1 16 100 B/G/R/NIR 3
GF-1C PMS 2024-07-07T11:01 4 d 1 2、8 100 PAN/B/G/R/NIR 3
GF-1D PMS 2024-07-08T10:53 4 d 1 2、8 100 PAN/B/G/R/NIR 3
GF-3 SAR 2024-07-07T22:30 1 d 1 5 100 HH/HV 2
GF-3C SAR 2024-07-04T10:39 1 d 4 5 100 HH/HV 2
SAR 2024-07-05T9:59 1 d 5 100 HH/HV 2
SAR 2024-07-06T9:58 1 d 5 100 HH/HV 2
SAR 2024-07-06T23:11 1 d 5 100 HH/HV 2
GF-3B SAR 2024-07-05T10:38 1 d 3 5 100 HH/HV 1
SAR 2024-07-06T9:58 1 d 5 100 HH/HV 2
SAR 2024-07-08T22:28 1 d 5 100 HH/HV 2
GF-4 PMI 2024-07-06T9:20 20 s 2 50、400 100 PAN/B/G/R/NIR/MWIR 3
PMI 2024-07-06T12:18 20 s 50、400 100 PAN/B/G/R/NIR/MWIR 3
HJ-2B CCD 2024-07-07T11:51 2 d 1 16 100 B/G/R/NIR 2
HJ-2F SAR 2024-07-04T9:56 2.5 d 1 5 100 HH/HV 3
HJ-2E SAR 2024-07-07T23:53 2.5 d 1 5 100 HH/HV 2
JL1-KF01A PMS 2024-07-06T11:10 0.5 h 1 1 49 PAN/B/G/R/NIR 2
DFHY-1 高分相机 2024-07-07T11:25 20 h 2 0.5、2 100 PAN/B/G/R/NIR 2
高分相机 2024-07-08T11:07 20 h 0.5、2 100 PAN/B/G/R/NIR 2
BC2 SAR 2024-07-06T14:03 6 h 1 12、20 68 VV 1
TJ04-1 SAR 2024-07-06T14:22 1 d 1 0.5 89 HH/HV/VH/VV 3
Sentinel1 SAR 2024-07-04T18:28 12 d 1 10 100 HH/HV 1
Sentinel2 MSI 2024-07-05T11:05 5 d 1 10、20 100 B/G/R/NIR 1
ZY302 TMS/MUX/NAD 2024-07-08T11:20 5 d 1 2.1、2.5、5.8 20 PAN/B/G/R/NIR 2

注:谱段各参数分别表示为B-蓝波、G-绿波、R-红波、NIR-近红外、PAN-全色、MWIR-中红外、HH-水平/水平极化、VV-垂直/垂直极化、HV-水平/垂直极化、VH-垂直/水平极化。

3.2 折衷模糊排序

采用MATLAB读入卫星/传感器性能集合,将数据进行量纲一化、归一化等预处理。采用修正熵权法分别确定决口、洪涝监测任务下卫星/传感器指标权重,如表4所示。
表4 决口、洪涝监测指标权重

Table 4 Weights of monitoring indicators for breach and flood disasters

监测任务 重返周期 频次 分辨率 覆盖率 谱段 条带数
决口 0.244 0.322 0.281 0.153 — —
洪涝 0.176 0.211 0.158 0.166 0.135 0.154
将指标集、权重集转换为三角模糊数表达,加权处理得到决口、洪涝监测任务模糊决策矩阵,并分别进行模糊正理想距离 d f +、模糊负理想距离 d f -、模糊隶属度 μ f求解。

3.2.1 决口监测任务

决口监测任务模糊多属性求解结果如表5所示。由表5可以看出:决口监测场景下,综合考虑重返周期、频次、分辨率、覆盖率指标,加权得到的卫星模糊隶属度排序为:GF-3C>GF-3B>DFHY-1>JL1-KF01A>TJ04-1>GF-3>GF-1C=GF-1D>HJ-2B>HJ-2E=HJ-2F>GF-1>Sentinel2>Sentinel1。其中,GF-4因分辨率不满足决口监测的最低分辨率要求,BC2和ZY3-02在湖堤局部覆盖不全无法量算决口宽度,故不参与性能评定;而GF-1C与GF-1D属于高分星座,HJ-2E与HJ-2F属于环境星座,其重返周期、频次、分辨率、覆盖率均一致,故性能排序一致。
表5 决口监测任务模糊多属性求解结果

Table 5 Fuzzy multi-attribute solution results of breach monitoring tasks

卫星 d f + d f - μ f 排序
GF-1 0.156 7 0.281 4 0.661 3 10
GF-1C 0.102 2 0.341 3 0.843 2 7
GF-1D 0.102 2 0.341 3 0.843 2 7
GF-3 0.089 0 0.359 7 0.861 1 6
GF-3C 0.005 4 0.451 1 0.985 5 1
GF-3B 0.006 8 0.443 0 0.984 1 2
GF-4 — — — —
HJ-2B 0.135 6 0.308 8 0.818 0 8
HJ-2E 0.141 5 0.299 2 0.783 9 9
HJ-2F 0.141 5 0.299 2 0.783 9 9
JL1-KF01A 0.032 1 0.409 2 0.950 1 4
DFHY-1 0.019 8 0.410 5 0.976 2 3
BC2 — — — —
TJ04-1 0.073 3 0.377 6 0.886 4 5
Sentinel1 0.175 7 0.253 4 0.559 7 12
Sentinel2 0.161 9 0.271 5 0.614 1 11
ZY3-02 — — — —

3.2.2 洪涝监测任务

洪涝监测任务模糊多属性求解结果见表6。由表6可知:洪涝监测场景下,综合考虑重返周期、频次、分辨率、覆盖率、谱段、条带数指标,加权得到的卫星模糊隶属度排序为:GF-3C>GF-3B>DFHY-1>GF-3>HJ-2B>HJ-2F>GF-4>HJ-2E>GF-1=GF-1C=GF-1D>Sentinel1>Sentinel2。其中,JL1-KF01A、TJ04-1、ZY3-02因覆盖率不满足垸区监测完整性要求,BC2单极化方式不满足微波反演水体要求,故以上卫星不参与性能评定;而GF-1、GF-1C、GF-1D高分星座的重返周期、频次、分辨率、覆盖率、谱段、条带数一致,故最终性能排序一致。
表6 洪涝监测任务模糊多属性求解结果

Table 6 Fuzzy multi-attribute solution results of flood monitoring tasks

卫星 d f + d f - μ f 优选排序
GF-1 0.160 6 0.327 9 0.707 9 9
GF-1C 0.160 6 0.327 9 0.707 9 9
GF-1D 0.160 6 0.327 9 0.707 9 9
GF-3 0.088 7 0.418 6 0.835 5 4
GF-3C 0.012 1 0.454 7 0.920 1 1
GF-3B 0.023 3 0.451 1 0.915 6 2
GF-4 0.132 5 0.337 5 0.782 1 7
HJ-2B 0.097 2 0.403 3 0.811 2 5
HJ-2E 0.141 4 0.335 1 0.759 8 8
HJ-2F 0.117 2 0.339 8 0.792 5 6
JL1-KF01A — — — —
DFHY-1 0.046 8 0.445 0 0.898 0 3
BC2 — — — —
TJ04-1 — — — —
Sentinel1 0.167 9 0.322 4 0.673 7 10
Sentinel2 0.184 2 0.301 2 0.660 8 11
ZY3-02 — — — —

3.3 最佳优先搜索决策

按模糊隶属度排序依次枚举卫星,采用去重求和计算当前队列的单项得分,并加权求解各组合方案的综合适应度。其中,重返周期和分辨率为逻辑交运算,覆盖率为逻辑并运算,频次为累计和运算。

3.3.1 决口监测任务

决口监测任务组合评定结果如表7所示。由表7可以看出,采用最佳优先搜索决策当协同监测方案为{GF-3C+GF-3B+DFHY-1+JL1-KF01A+TJ04-1+GF-3+GF-1C+GF-1D+HJ-2B+HJ-2E+HJ-2F+GF-1}时,综合适应度FY=0.654趋于稳定值,达到最优。
表7 决口监测任务组合评定结果

Table 7 Composite evaluation results of breach monitoring tasks

组合方案 综合适应度
GF-3C 0.458
GF-3C+GF-3B 0.491
GF-3C+GF-3B+DFHY-1 0.512
GF-3C+GF-3B+DFHY-1+JL1-KF01A 0.550
GF-3C+GF-3B+DFHY-1+JL1-KF01A+TJ04-1 0.562
GF-3C+GF-3B+DFHY-1+JL1-KF01A+TJ04-1+GF-3 0.581
GF-3C+GF-3B+DFHY-1+JL1-KF01A+TJ04-1+GF-3+GF-1C+GF-1D 0.613
GF-3C+GF-3B+DFHY-1+JL1-KF01A+TJ04-1+GF-3+GF-1C+GF-1D+HJ-2B 0.627
GF-3C+GF-3B+DFHY-1+JL1-KF01A+TJ04-1+GF-3+GF-1C+GF-1D+HJ-2B+HJ-2E+HJ-2F+GF-1 0.654
GF-3C+GF-3B+DFHY-1+JL1-KF01A+TJ04-1+GF-3+GF-1C+GF-1D+HJ-2B+HJ-2E+HJ-2F+GF-1+Sentinel2 0.654
GF-3C+GF-3B+DFHY-1+JL1-KF01A+TJ04-1+GF-3+GF-1C+GF-1D+HJ-2B+HJ-2E+HJ-2F+GF-1+Sentinel2+Sentinel1 0.654

3.3.2 洪涝监测任务

洪涝监测任务组合评定结果如表8所示。由表8可以看出,采用最佳优先搜索决策当协同监测方案为{GF-3C+GF-3B+DFHY-1+GF-3+HJ-2B+ HJ-2F+GF-4+HJ-2E+GF-1+GF-1C+GF-1D+Sentinel1}时,综合适应度 F Y=0.591趋于稳定值,达到最优。
表8 洪涝监测任务组合评定结果

Table 8 Composite evaluation results of flood monitoring tasks

组合方案 综合适应度
GF-3C 0.314
GF-3C+GF-3B 0.336
GF-3C+GF-3B+DFHY-1 0.341
GF-3C+GF-3B+DFHY-1+GF-3 0.375
GF-3C+GF-3B+DFHY-1+GF-3+HJ-2B 0.381
GF-3C+GF-3B+DFHY-1+GF-3+HJ-2B+HJ-2F 0.390
GF-3C+GF-3B+DFHY-1+GF-3+HJ-2B+HJ-2F+GF-4 0.422
GF-3C+GF-3B+DFHY-1+GF-3+HJ-2B+HJ-2F+GF-4+HJ-2E 0.456
GF-3C+GF-3B+DFHY-1+GF-3+HJ-2B+HJ-2F+GF-4+HJ-2E+GF-1+GF-1C+GF-1D 0.578
GF-3C+GF-3B+DFHY-1+GF-3+HJ-2B+HJ-2F+GF-4+HJ-2E+GF-1+GF-1C+GF-1D+Sentinel1 0.591
GF-3C+GF-3B+DFHY-1+GF-3+HJ-2B+HJ-2F+GF-4+HJ-2E+GF-1+GF-1C+GF-1D+Sentinel1+Sentinel2 0.591
需要注意的是,协同监测方案在决口、洪涝监测任务中综合适应度分别为0.654、0.591,该结果取决于应急监测模式下可调度的卫星资源种类、数量以及与监测任务需求的匹配度。此次团洲垸决口险情突发、响应时间紧迫、处置任务重,在应急监测模式下可申请的国外卫星资源有限,且哨兵系列受限于重返周期,在决口及洪涝应急监测中作用不大。国产卫星星座在此次团洲垸决口险情应急监测中优势明显,GF-3/GF-3B/GF-3C SAR星座组网,在有效时间内对决口及垸区实现了全天候、全天时、高精度的覆盖监测;GF-1/GF-1C/GF-1D 多光谱星座组网,为决口发生、扩展、合龙等过程宽度变化提供精度保障;HJ-2B/HJ-2E/HJ-2F星座组网,涵盖了多光谱及微波,可进一步加密监测频次;此外,东方慧眼、吉林一号、微纳星空等商业卫星的补充,拓展了国产卫星应急处置的可行性。

3.4 结果验证与分析

3.4.1 决口监测任务

为验证决口监测组合方案{GF-3C+GF-3B+ DFHY-1+JL1-KF01A+ TJ04-1+GF-3+GF-1C+GF-1D+HJ-2B+HJ-2E+HJ-2F+GF-1}的可靠性,以对应影像为基础,反演决口宽度值作为决口险情监测指标,并进行插值拟合形成变化监测曲线,再结合水文原位测报数据[15]对决口宽度变化趋势进行比对论证。
从团洲垸决口宽度变化监测曲线(图3)可以看出,多源遥感协同监测方案与水文原位测报数据整体趋势一致,且协同监测时间贯穿了决口前、决口中、决口后全过程,有效弥补了原位水文观测无决口前数据的缺陷。
图3 团洲垸决口宽度变化监测曲线

Fig.3 Monitored breach width variation of Tuanzhou Embankment

协同反演的决口宽度与水文测报结果的相对误差为0.98%,精度较高,能满足应急观测需求。

3.4.2 洪涝监测任务

为验证洪涝监测组合方案{GF-3C+GF-3B+ DFHY-1+GF-3+HJ-2B+HJ-2F+GF-4+HJ-2E+GF-1+ GF-1C+GF-1D+Sentinel1}的可靠性,以对应影像为基础,反演团洲垸垸区的淹没面积作为洪涝监测指标,并进行插值拟合形成变化监测曲线。因淹没面积无法通过原位水文实测,故选用洪水复演模型计算的淹没面积[16]与本文组合方案的反演面积进行相互论证。
图4显示,在决口发生前(7月4—5日15:30),已有小范围渗漏,这也进一步验证了决口前垸内管涌口附近已有渗流现象[17]。决口发生后,多源遥感协同监测方案与洪水复演模型计算结果大体趋势一致,整体相对误差为-2.39%,其误差主要来源于多源遥感反演离散值拟合精度、复演模型计算系统误差。
图4 垸区淹没面积变化监测曲线

Fig.4 Monitored inundation area variation in embankment area

4 结论

本文在分析决口险情监测任务需求的基础上,兼顾时-空-频-谱等约束,构建一种多源遥感协同监测组合优化方法,利用折衷型模糊多属性决策思路评价不同协同方案在决口险情及其引发的次生洪涝灾害任务的动态监测能力,并通过决口宽度、垸区淹没面积等指标反演,实现多卫星/传感器监测组合的统一量化评定及决口险情过程追踪。为验证模型的适用性,以“7·5洞庭湖团洲垸湖堤决口险情”为例进行试验和论证分析,主要结论如下:
(1)构建的多源协同组合方法可解决决口险情及次生洪灾对时效性、全局性及协同性的现实需求问题。
(2)多源协同组合方法兼顾了协同监测过程及协同数据反演,在监测时间上贯穿决口前、决口中、决口后全过程,真实反映决口险情发生前的管涌渗流过程及扩展趋势,有效弥补决口前数据缺失、信息准确性的问题。
(3)决口及次生洪涝场景下分别求解的协同监测方案综合适应度分别为0.654、0.591,决口宽度反演值与水文测报值趋势相符,相对误差为0.98%;淹没面积反演值与洪水复演模型计算值趋势大体一致,相对误差为-2.39%。
后续将结合常规监测模式,多途径获取卫星资源,进一步对洪涝灾害应急监测、灾损评估等应用场景开展多源遥感协同监测研究。

感谢中共湖北省委军民融合发展委员会办公室组织协调数据,感谢国家航天局对地观测与数据中心提供本次洞庭湖区团洲垸溃口应急监测过程中所有卫星数据。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
徐保东, 李静, 柳钦火, 等. 地面站点观测数据代表性评价方法研究进展[J]. 遥感学报, 2015, 19(5): 703-718.

(XU Bao-dong, LI Jing, LIU Qin-huo, et al. Review of Methods for Evaluating Representativeness of Ground Station Observations[J]. Journal of Remote Sensing, 2015, 19(5): 703-718. (in Chinese))

[2]
黄诗峰, 马建威, 孙亚勇. 我国洪涝灾害遥感监测现状与展望[J]. 中国水利, 2021(15): 15-17.

(HUANG Shi-feng, MA Jian-wei, SUN Ya-yong. Situation and Prospect of Flood Disaster Monitoring by Remote Sensing in China[J]. China Water Resources, 2021(15): 15-17. (in Chinese))

[3]
李德仁, 朱欣焰, 龚健雅. 从数字地图到空间信息网格: 空间信息多级网格理论思考[J]. 武汉大学学报(信息科学版), 2003, 28(6): 642-650.

(LI De-ren, ZHU Xin-yan, GONG Jian-ya. From Digital Map to Spatial Information Multi-grid—A Thought of Spatial Information Multi-grid Theory[J]. Geomatics and Information Science of Wuhan University, 2003, 28(6): 642-650. (in Chinese))

[4]
CHRISTIAN E. Planning for the Global Earth Observation System of Systems (GEOSS)[J]. Space Policy, 2005, 21(2): 105-109.

[5]
陈能成, 张良培. 空天地一体化对地观测传感网的概念与特征[J]. 测绘地理信息, 2015, 40(5): 4-7, 12.

(CHEN Neng-cheng, ZHANG Liang-pei. Concept and Characteristics of Integrated Earth Observation Sensor Web[J]. Journal of Geomatics, 2015, 40(5): 4-7, 12. (in Chinese))

[6]
OBERSTADLER R, HÖNSCH H, HUTH D. Assessment of the Mapping Capabilities of ERS-1 SAR Data for Flood Mapping: a Case Study in Germany[J]. Hydrological Processes, 1997, 11(10): 1415-1425.

[7]
ZOKA M, PSOMIADIS E, DERCAS N. The Complementary Use of Optical and SAR Data in Monitoring Flood Events and Their Effects[J]. Proceedings, 2018, 2(11): 644.

[8]
ZHENG W, SHAO J, GAO H. Songhua River Basin Flood Monitoring Using Multi-source Satellite Remote Sensing Data[C]// IGARSS 2019-2019 IEEE International Geoscience and Remote Sensing Symposium. July 28 - August 2, 2019, Yokohama, Japan. New York: IEEE Press, 2019: 9760-9763.

[9]
张若旭, 李小涛, 江威, 等. 多源雷达遥感协同的鄱阳湖流域洪水淹没历时估算[J]. 中国科学院大学学报, 2023, 40(4):486-495.

(ZHANG Ruo-xu, LI Xiao-tao, JIANG Wei, et al. Estimation of Flood Inundation Duration Using Multi-source Radar Remote Sensing in Poyang Lake Basin[J]. Journal of University of Chinese Academy of Sciences, 2023, 40(4):486-495. (in Chinese))

[10]
段伟芳, 温小乐, 徐涵秋, 等. 基于光学与雷达影像变化检测的2020年鄱阳湖洪灾评估与分析[J]. 地球信息科学学报, 2022, 24(12): 2435-2447.

DOI

(DUAN Wei-fang, WEN Xiao-le, XU Han-qiu, et al. Assessment and Analysis of the 2020 Poyang Lake Flood Hazard Based on Optical and Radar Image Assisted Change Detection[J]. Journal of Geo-Information Science, 2022, 24(12): 2435-2447. (in Chinese))

[11]
李德仁, 朱庆, 朱欣焰, 等. 面向任务的遥感信息聚焦服务[M]. 北京: 科学出版社, 2010.

(LI De-ren, ZHU Qing, ZHU Xin-yan, et al. Task-oriented Remote Sensing Information Focusing Service[M]. Beijing: Science Press, 2010. (in Chinese))

[12]
郑重. 成像卫星传感器观测能力度量与规划服务方法研究[D]. 武汉: 武汉大学, 2012.

(ZHENG Zhong. Research on Measurement and Planning Service Method of Imaging Satellite Sensor Observation Ability[D]. Wuhan: Wuhan University, 2012. (in Chinese))

[13]
ZADEH L A. Fuzzy Sets[J]. Information and Control, 1965, 8(3): 338-353.

[14]
兰继斌, 徐扬, 刘家忠. 模糊多属性决策的折衷方法[J]. 系统工程与电子技术, 2004, 26(1): 40-43.

(LAN Ji-bin, XU Yang, LIU Jia-zhong. Compromise Method for Fuzzy Multiple Attribute Decision Making[J]. Systems Engineering and Electronics, 2004, 26(1): 40-43. (in Chinese))

[15]
王超, 张馨月, 罗兴, 等. 团洲垸决口水文应急分析简报(第5期)[R]. 武汉: 长江水利委员会水文局, 2024.

(WANG Chao, ZHANG Xin-yue, LUO Xing, et al. Brief Report on Hydrological Emergency Analysis of Tuanzhou Embankment Breach (Issue 5)[R]. Wuhan: Hyrology Bureau of Changjiang Water Resources Commission, 2024. (in Chinese))

[16]
胡德超, 王敏, 毛冰, 等. 洞庭湖团洲垸2024溃堤洪水过程复演[J]. 长江科学院院报, 2024, 41(12):180-188.

DOI

(HU De-chao, WANG Min, MAO Bing, et al. Numerical Restoration of the 2024 Dike-break Flood Process at Tuanzhou Township Alongside the Dongting Lake[J]. Journal of Changjiang River Scientific Research Institute, 2024, 41(12):180-188. (in Chinese))

[17]
陈喆, 向大享, 姜莹, 等. 基于国产高分三号星座的洪涝灾害应急监测模式研究:以洞庭湖区团洲垸溃口险情为例[J]. 长江科学院院报, 2024, 41(12):189-195,201.

DOI

(CHEN Zhe, XIANG Da-xiang, JIANG Ying, et al. Flood Disaster Emergency Monitoring Based on China’s Gaofen-3 Satellite: Application to Tuanzhou Embankment Breach inDongting Lake Area[J]. Journal of Changjiang River Scientific Research Institute, 2024, 41(12): 189-195,201. (in Chinese))

Options
文章导航

/

〈 〉

*严禁使用本系统存储、处理、传输涉密信息*
版权所有 © 《长江科学院院报》编辑部
技术支持：北京玛格泰克科技发展有限公司