EN中文

Journal of Geo-information Science >

2015 , Vol. 17 >Issue 10: 1260 - 1268

DOI: https://doi.org/10.3724/SP.J.1047.2015.01260

Orginal Article

Research on South America Surface Water Mapping

  • WANG Ming , 1 ,
  • SONG Kaishan , 1, * ,
  • SHAO Tiantian 1 ,
  • LU Dongmei 2 ,
  • DU Jia 1 ,
  • ZANG Shuying 3, *
Expand
  • 1. Northeast Institute of Geography and Agroecology, CAS, Changchun 130102, China
  • 2. College of Computer Science and Engineering, Jilin Jianzhu University, Changchun 130118, China
  • 3. College of Heilongjiang Province, Key Laboratory of Remote Sensing Monitoring of Geographic Environment, Harbin Normal University, Harbin 150025, China
*Corresponding author: SONG Kaishan, E-mail:

Received date: 2014-09-12

  Request revised date: 2015-02-20

  Online published: 2015-10-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

As an important land cover type of Earth's surface, the surface water has a huge effect on the water cycle, climate change, environment and human activities. Thus, it is significant to analyze the distribution of the surface water and its change trend in time series. This study focuses on the use of the Automated Water Extraction Index (AWEI) to quantitatively evaluate the total surface water area in South America based on Landsat TM imagery and the MODIS digital product acquired in 2011. Meanwhile, the seasonal area fluctuation of the surface water in each typical climatic zone is monitored and the resultant data is used to analyze why the fluctuation occurred. The known data show that the total area of surface water in South America, mainly concentrated in the Amazon River basin, the Parana River basin and the Patagonia Plateau, is 305,000 km2 and the water rate is 1.69%. Based on our study, the number of lakes in South America is 9,579 while the total area is 142,000 km2, which takes 46.42% of the total area of surface water; the area of waterways is 157,000 km2, which takes 51.56% of the total area of surface water; and the reservoirs and ponds, which takes 2.01% of the total area surface water, is 6144.8 km2. From the perspective of climate zones, the area of surface water in the tropical zone of South America was influenced obviously by the change of rainy seasons, and within which the tropical desert climatic zone was the most affected one; in the temperate zone, the area of surface water didn’t change a lot because it has distinct seasons; in the plateau mountain climate zone, the area didn’t change a lot due to its unique climate feature; in both subtropical monsoon wet climate zone and Mediterranean climate zone, the surface water hardly changed with seasons but it exhibited obvious variations in winter and summer seasons. From the perspective of countries in South America, Brazil has the largest area of surface water (147,000 km2) which takes 48.17% of the total area of surface water in South America and its water rate was 1.72%; Argentina has the second largest area (34,000 km2) which takes 11.24% of the total surface water area and its water rate was 1.23%; while, Venezuela has the largest water rate (3.08%). The surface water in each typical climatic zone of South America has seasonal area fluctuation on several levels, which may relate to climate change and human activities. Further studies are needed to explain this issue in future.

Key words： surface water; remote sensing; water index; information extraction; area change

Cite this article

WANG Ming , SONG Kaishan , SHAO Tiantian , LU Dongmei , DU Jia , ZANG Shuying . Research on South America Surface Water Mapping[J]. Journal of Geo-information Science, 2015 , 17(10) : 1260 -1268 . DOI: 10.3724/SP.J.1047.2015.01260

1 引言

陆表水域常以河流、湖泊、水库和过渡性水域等液态形式存在,对全球水量平衡、淡水资源的更新、海陆之间的物质迁移和能量交换,以及全球的气候生态变化都有重要的作用。陆表水域的空间分布在一定程度上反映陆表水资源的储存、利用状况,而其波动或变化体现了气候变化、地表过程及人类活动,对水循环、物质迁移及生态系统变化的影响。同时,陆表水域的时空分布特征及其变化深刻地影响着全球生态、经济和人类福祉[1]。南美洲是全球第五大洲,拥有全球最大的流域,水资源丰富但分布不均,故研究陆表水域的空间特征和时空变化特征有重要意义。
水是受气候变化影响最直接和最重要的因子之一。气候变化必将引起全球水文循环的变化,并对降水、蒸发、径流等造成直接影响[2]。在气候变化背景下,受过量取水、城镇生活污水、工业废水排放和农业污染等多重影响,全球陆表水域的时空特征发生了一系列重要变化[1]。以南美洲为例,漫长的旱季和洪水频发,反映出全球气候变化正在严重影响南美洲亚马逊地区,同时,玻利维亚、秘鲁、厄瓜多尔、委内瑞拉和哥伦比亚,正面临来自安第斯山脉的水源减少的威胁[3]。因此,全面实时掌握陆表水域的空间分布特征、持续监测其动态变化,是推动全球水循环研究、加强水资源管理、应对全球环境变化、实施全球生态环境健康诊断的一项重要基础工作[1]。
水环境信息具有地域性、时效性、复杂性和多目的性[4],以洲际尺度作为研究单元,可发现陆表水域具有空间分布广、时空变化显著、区域差异明显等特点。国内外已广泛使用遥感影像数据进行较大尺度的水资源现状分析及其动态变化和水环境污染监测研究[5-6]。遥感技术获取信息快速准确,监测区域范围大,时间周期短,能及时监测水域的动态变化,辅以地理信息系统对监测数据快速处理和分析,形成实时、动态的陆表水域观测系统,可用于洪水灾害评估和管理、地表水资源的变化、水体质量评估及监测等有关水资源方面的研究[7-8]。本文以Landsat-TM影像为主,利用像元提取方法获得南美洲地表水体信息,并对南美洲各气候区域内典型水域行进动态监测,分析了各气候带内水域的季节性面积及其变化原因,为水资源的合理利用和保护提供理论基础。

2 研究区域和数据源

南美洲大陆地形可分为3个南北方向的纵列带：西部为狭长的安第斯山,东部为波状起伏的高原,中部为广阔平坦的平原低地[9]。复杂的地形特征造就了其东西部之间气候类型,在分布、排列上的强烈对比,甚至截然相反的特性。其大部分地区属热带雨林气候和热带草原气候,西部则有呈带状分布的热带沙漠气候和地中海气候,安第斯山脉则为高山气候,在南美洲东南部则有亚热带季风和季风性湿润气候。由于复杂的地形特征,气候特征及降水特征,南美洲各气候区地表水域的空间分布和时空变化特征都不尽相同。
洲际乃至全球尺度的遥感监测往往受到数据使用策略、数据源获取方案和数据处理方法等因素的制约[10],本研究综合分析了各种数据源,分别使用了2种适合全球尺度研究的传感器的影像产品,以2011基准年的776景Landsat 5-TM遥感影像为主进行水体信息提取,其空间分辨率为30 m,从美国地质调查局（USGS）官网（http://glovis.usgs.gov/）获取;使用2011年Terra/Aqua卫星中分辨率成像光谱仪（MODIS）8天合成的地表反射率产品（MOD09A1）高时间分辨率遥感影像,空间分辨率为500 m。在ENVI 5.0遥感图像处理软件平台对原始影像进行图像镶嵌、裁剪、投影转换和图像增强等预处理。另外,使用由中华人民共和国科学技术部国家遥感中心发布的“全球生态环境遥感监测2012年度报告”对本文所得南美洲水体信息提取结果进行对比。

3 遥感影像地表水体识别制图

3.1 水体信息提取方法

水体信息提取方法主要根据水体电磁波特征及水体在影像各波段的波谱特征的差异,利用单个波段或者多个波段的组合,增强水体与非水体之间的差异,建立水体信息提取模型,区分水体与非水体[11]。目前,较为常用的方法有监督、非监督分类法、单波段阈值法、多波段谱间关系法和水体指数法等[12-15]。其中,水体指数法是多波段法的改进,它是基于多波段的水体光谱特征分析,选取与水体识别密切相关的多个波段,分析水体与遥感光谱值之间的映射关系,构建水体指数的数学模型,由阈值法直接实现水体信息的提取[16]。
在洲际尺度乃至全球尺度进行水体信息提取研究时,由于地物分布的复杂性、下垫面复杂的地形构成,很难找到一种适用于大面积区域的提取方法[17]。考虑到南美洲的地形特征与实际获取的影像质量,需使用可有效区分水体和阴影,以及颜色暗淡的地表水体信息提取方法,综合比较各种提取方法的优缺点及实际提取结果,本研究选择水体指数AWEI（Automated Water Extraction Index）[18],并通过反复实验选择合适的阈值进行南美洲的地表水体信息提取。
AWE I ns h = 4 × ( ρ band 2 - ρ band 5 ) - ( 0.25 × ρ band 4 + 2.75 × ρ band 7 ) （1）
AWE I s h = ρ band 1 + 2.5 × ρ band 2 - 1.5 × ( ρ band 4 + ρ band 5 ) - 0.25 × ρ band 7 （2）
AWEI是水体在影像各波段的光谱特征与反射机制,选用水体的特征波段进行组合,设计了2种在特定环境中使用的水体指数计算公式,有效地增加了水体与非水体之间的差异,使水体在影像中具有更高的区分度[18]。其中,式（1）用于高反射率地物较多,阴影较少的影像;式（2）用于存在大量阴影,少量高反射率地物的影像, ρ 为影像亮度值。基于这2种水体指数,选用合适的阈值,能较为准确地在影像中提取地表水体。以面积大于0.54 hm2的水域为研究单元,将地表水域分为湖泊、河渠及水库坑塘3种类型。根据河渠特有的狭长、线状的形态特征,划分出河渠类型;根据斑块面积,将面积大于1 km2的水体划分为湖泊;其余的自然水体和人工水体划分为水库坑塘。

3.2 典型区水体信息提取与验证

以遥感数据进行内陆水体面积提取,仅代表卫星过境时影像获取瞬间内陆水域的面积状况,但水体面积有季节性乃至年际间的变化[19]。根据各气候带的气候特征,本文把南美洲8个气候带分为4个类别进行研究：（1）热带区域,包括热带雨林气候带、热带沙漠气候带、热带草原气候带,由于季节区别不明显,所以仅考虑雨季和旱季水域面积的变化[20];（2）亚热带区域,包括亚热带季风性湿润气候带和地中海气候带,由于亚热带区域冬夏季节性区别明显[20],本文对此气候带着重考虑冬夏水域面积的变化规律。（3）温带区域,包括温带海洋气候带和温带大陆气候带,由于温带地区四季分明,因此重点分析此气候带内季节性水域面积变化规律。（4）高原与山地气候,主要考虑此气候带独特的气候特征与地形地貌,对水域面积的季节性变化的影响。
为了研究南美洲各气候带内地表水域面积的季节性变化,根据南美洲气候类型分布,均匀地在各气候带中选取水域面积较大、时空变化明显的水体区域作为样本区域（图1）。分别选取各样本区域在同一年各季节的Landsat5-TM影像,获取时间控制在2010-2011年,其中,由于南美洲的温带海洋气候带、热带沙漠气候带,以及热带雨林气候带区域气候变化较大,难以保证TM影像质量,因而选用分辨率较低,但影像质量相对较好的MODIS影像进行辅助识别分析。运用水体指数法AWEI[20]提取各气候带内样本区域的水体信息,分析在不同气候带内,水体面积的空间分布特征及季节性变化特征。
Fig. 1 The distribution of typical sub-regions for the investigation of seasonal variation of inland water areas

图1 用于分析内陆水体季节性变化的典型区域空间分布

本研究获得的南美洲陆表水域信息从空间分辨率为30 m的Landsat5-TM影像产品上提取,利用ArcMap 9.3软件平台对水体信息提取结果,采用分类随机抽样法进行验证。将提取出的水体信息按照水体的类型分为湖泊、河渠、自然坑塘3个层次,分别根据3种水体类型的数量和所占比例确定各个层次的抽样数量,最后采用简单随机抽样的方法,从各层次中抽取验证样本。本文共抽取了700个样点,包括200个湖泊样点、200个河渠样点和300个水库坑塘样点。利用Google earth软件平台所提供的2011年历史图像作为验证影像,结果表明,在700个水体样点中,有656个样点被正确提取,提取精度为93.7%,误当作水体提取出来的样点主要是山体阴影与颜色暗淡的地表;在656个正确提取出的水体样点中,有614个水体样点的水体类型被正确分类,分类精度为93.6%,错误分类主要是将细小的河流和断流的河渠归类为坑塘或者湖泊。在选取的水体样点中,水库坑塘的提取精度为93%,分类精度为92.8%;湖泊的提取精度为96%,分类精度为98.4%;河渠的提取精度为92.5%,分类精度为89.7%。
同时,本研究把南美洲水体信息提取结果与“全球生态环境遥感监测2012年度报告”进行了验证对比,研究结果与报告中的统计有所出入：本文估测的南美洲地表水域总面积为30.5万km2,水域率为1.69%,报告中的水域总面积和水域率的统计结果分别为26.8万km2和1.51%。这主要是因为本文使用的水体提取方法与水体类型分类方法与报告中所使用的方法之间的差异;另外,陆表水域的年际间的变化可能是造成这种差异的另一个原因,详见水体季节性变化部分。

3.3 研究结果

（1）陆表水域的空间格局和面积统计
Fig. 2 The map of surface water distribution in South America

图2 南美洲陆表水域空间分布图

从水体信息提取结果可看出,南美洲地表水域的空间分布受其地形结构、气候因素的影响,呈现为整体密度较低、空间分布集中的特点（图2）。根据2011年南美洲水体信息提取结果统计,南美洲地表水域总面积达30.5×104 km2,水域率为1.69%。其中,湖泊9579个,总面积为14.2×104 km2,占水域总面积的46.42%。面积大于500 km2的大型湖泊有40个,平均面积为1943.2 km2,占湖泊总面积的54.91%。面积大于10 000 km2的超大型湖泊,分别是委内瑞拉境内西北部沿海的马拉开波湖（12 075 km2）和东南沿海的帕托斯湖（10 356 km2）,占湖泊总面积的15.8%。面积在50~500 km2的中型湖泊总计197个,平均面积为139 km2,占湖泊总面积的19.34%。面积在1~50 km2的湖泊总计9342个,平均面积为 3.9 km2（图3）。
Fig. 3 Statistics of quantity and area for lakes at all levels from South America

图3 南美洲各等级湖泊数量与面积统计图

南美洲河网密布,河川径流量丰富,河渠总面积达15.7×104 km2,占水域总面积的51.56%,是南美洲陆表水域最重要的组成部分。其中,亚马逊水系是以亚马逊河为主干的庞大水系,河网密度、流域面积和水量均居世界首位[21]。据本研究估算,亚马逊水系的水域面积为95 307.4 km2,占南美洲河渠总面积的60.6%,占南美洲地表水域总面积的31.26%。巴拉圭-巴拉那-拉普拉塔水系是以巴拉那河为主干的南美洲第二大水系,其水域面积为16 892.1 km2,占南美洲河渠总面积的10.74%。奥里诺科水系分布于南美洲北部的圭亚那高原,其水系的水域面积为8868.8 km2,占南美洲河渠总面积的5.64%。另外,水库坑塘广泛分布于南美洲大陆,总面积达6144.8 km2,占南美洲地表水域总面积的2.01%。
在南美洲各个国家中,水域面积最大的前5位依次是巴西、阿根廷、委内瑞拉、秘鲁和玻利维亚,其中,巴西的水域面积为14.7×104 km2,占南美洲水域总面积的48.17%,水域率为1.72%;阿根廷水域面积为3.4×104 km2,占南美洲水域总面积的11.24%,水域率为1.23%。在各个国家中,委内瑞拉的水域率最高,达到3.08%;其次是乌拉圭,为2.36%（表1）。
Tab. 1 Statistics of surface water area for different countries in South America

表1 南美洲各国陆表水域信息统计（水域面积前10位的国家）

国家 水域面积（×104 km2） 陆地面积（×104 km2） 水域总面积比重（%） 水域率（%） 湖泊数量面积（km2） 水库坑塘数量面积（km2） 河渠面积（km2）
巴西 14.7 851.5 48.2 1.72 3461（46 844.6） 3244（2331.2） 97 697.3
阿根廷 3.4 278.0 11.2 1.23 1871（24 545.5） 1740（1252.7） 8464.9
委内瑞拉 2.8 91.6 9.3 3.08 760（20 448.1） 685（491.9） 7277.3
秘鲁 1.7 128.5 5.5 1.32 448（7354.4） 391（279.6） 9284.4
玻利维亚 1.4 109.9 4.6 1.27 836（10 384.8） 505（363.0） 3168.4
哥伦比亚 1.3 114.2 4.3 1.16 630（3515.5） 580（416.8） 9322.0
智利 1.2 75.7 4.0 1.61 659（10 477.9） 482（327.1） 1412.5
乌拉圭 0.4 17.6 1.4 2.36 149（2443.3） 199（142.1） 1581.7
巴拉圭 0.3 40.7 0.8 0.63 218（1284.0） 210（152.9） 1113.6
苏里南 0.2 16.4 0.7 1.33 12（1486.3） 9（6.9） 680.9
（2）典型区陆表水域面积季节性变化规律
本研究在南美洲8个气候带中选取了12个样本区域,根据水体信息提取结果,样本区域水域面积总计39 038.4 km2,占南美洲地表水域总面积的12.8%,各样本水域统计结果见表2。
Tab. 2 Statistics of surface water area for different typical sub-regions from various climate zones

表2 各气候带内样本水域信息统计结果

气候类型 样本号 最大值（km2） 最小值（km2） 标准差（km2） 平均值（km2） 变异系数
热带雨林 样本1 2775.1 2656.2 50.2 2716.1 1.85
样本2 1106.6 1004.9 47.5 1075.7 4.41
热带沙漠 样本1 220.7 90.2 64.1 165.7 38.68
热带草原 样本1 2569.4 2016.4 304.2 2366.1 12.86
样本2 1151.0 1027.3 42.4 1116.7 3.80
温带大陆 样本1 5083.2 4278.2 360.2 4553.3 7.91
样本2 1194.6 1014.3 84.1 1094.5 7.69
温带海洋 样本1 1613.1 1580.4 14.0 1593.5 0.88
亚热带季风性湿润气候 样本1 2608.9 2310.3 136.0 2426.2 5.60
样本2 10 970.5 10 926.7 22.6 10 946.4 0.21
地中海气候 样本1 108.8 83.5 11.6 91.8 12.65
高原山地气候 样本1 7970.5 7789.7 75.5 7872.6 0.96
总计 10 970.5 83.5 101.0 3001.5 8.1
南美洲很大一部分面积是热带区域,对于热带雨林气候带中的样本区域,一年之中水域面积最大的季节在雨季（6-7月）,为2775.1 km2,年平均水域面积为2716.1 km2,面积变异系数仅为1.85%,季节变化趋势不明显（图4）。在此气候带选取的样本区取自亚马逊河流域,全年降水量大,且降水季节分配均匀,河流流量季节变化小,没有明显的汛期和枯水期,加上亚马逊河中下游地区,左岸和右岸支流流域雨季彼此协调,所以亚马逊河干流水量的季节变化较为和缓[21]。热带沙漠气候带内的样本区域水域面积较小,水域面积最大的月份出现在雨季（6-7月）,为220.7 km2,最小出现在11月至次年2月,面积仅为90.2 km2,年平均水域面积为165.7 km2,面积变异系数达38.68%,面积变化趋势剧烈（图4）。南美洲安第斯山脉以西,位于3~30°S之间的热带沙漠气候区,常年干旱少雨,降水少且变化率大,降雨量的年际变化很大,例如,位于智利北部沙漠的伊基圭曾连续4年无雨,但第5年的一次阵雨降水量就达15 cm,在另一年的一次阵雨记录竟达63.5 cm[3],降水直接影响了热带沙漠气候区地表水域的空间分布,造成水域面积剧烈的动态变化。热带草原气候带所选取的2个样本区均取自巴西高原,水域面积最大的月份均出现在4-5月,分别为2569.4 km2和56.5 km2,水域面积最小的月份出现在1月,在草原的湿季（11月至次年4月）水域面积明显增大,增大的面积分别为553 km2和81.7 km2,在干季（5-10月）水域面积持续减少,其面积分别为418.3 km2和123.8 km2,2个样本区域水域面积变异系数分别为11.7%和5.2%。在巴西高原,11月至次年4月,来自大陆的东南信风辐合上升,多对流雨,形成湿季;5-10月,受单一、干燥的东南信风控制,干燥少雨,形成干季[9]。本文统计结果表明热带草原气候的水域干湿两季季节性变化比较突出（图4）,这符合热带草原干湿两季分明的特点。
Fig. 4 Contrast of surface water area seasonal change in typical climate zones

图4 南美洲各气候带典型水域季节性变化图

亚热带季风性湿润气候带中选取了2个样本区域,水域面积最大的月份均为2月（南美洲夏季）,分别为2608.9 km2和10 970.5 km2,平均水域面积分别为2426.2 km2和10 946.4 km2,面积最小的月份为5-7月（南美洲秋、冬季）,分别为2310.3 km2和10 926.7 km2,面积变异系数为5.6%和0.21%,表明水域面积的季节性变化较小（图4）。由于热带海洋气团和极地大陆气团交替控制和互相角逐,亚热带季风性湿润气候带常年都有大量的降水,所以冬夏干湿变化不大,降水主要集中在夏季（12月至次年3月）,导致此气候带内地表水体面积变化微弱。地中海气候带中选取的样本区域水域面积总体表现为夏季减少、冬季增加的特点,1月（夏季）水域面积为88.9 km2,7月（冬季）水域面积为108.9 km2,年平均面积为91.8 km2,面积变异系数为12.64%。水域面积变化,主要集中在由夏季向冬季过渡的时期,主要由于冬季时,西风带南移至此气候区内,西风从海洋上带来潮湿的气流,加上锋面气旋活动频繁,因此气候温和多雨;而夏季时,副热带高压或信风向北移至此气候区内,气流以下沉为主,再加上沿海洋流的作用,不易形成降水,因此气候干燥炎热。这样的气候特征导致了地中海气候带内冬夏水域面积变化显著的特点。
温带大陆气候带内选取了2个样本区域,水域面积变化总体表现为夏季增加幅度大,其他季节变化小的特点,最大水域面积分别为5083.2 km2和1194.6 km2,夏季增加的水域面积分别为805 km2和157.9 km2,面积变异系数分别为7.91%和7.69%。2个样本区均选自南美洲南部的巴塔哥尼亚高原,因为西风越过高大的安第斯山后下沉形成焚风,鲜有锋面气旋活动,加之东岸有福克兰寒流,因此,全年少雨且雨量集中在夏季。位于南美洲西海岸的温带海洋性气候带,选取了一个样本区域,水域面积变化表现为冬季水域面积增加幅度大,其余季节变化小的特点,面积最大的月份出现在8月（冬季）,面积为1613.1 km2,年平均水域面积为1593.5 km2,冬季增加的水域面积达32.7 km2,面积变异系数仅为0.89%,水域面积季节性变化很小。由于受到温带气旋活动的影响,导致全年雨量丰沛,特别是冬季时温带气旋更为活跃,因而冬季降水量在全年所占比例稍大。
高原山地气候带内,选取了南美洲海拔最高,面积最大的淡水湖——的的喀喀湖作为样本水域,据水体提取统计结果,水域面积最大的月份为2月（夏季）,为7970.5 km2,年平均水域面积为7872.6 km2,面积最小的月份为7月（冬季）,为7848.8 km2,面积变异系数为0.96%,年内季节性变化很小。
Fig. 5 The area change of the Lake Titicaca in 2011

图5 2011年的的喀喀湖水域面积变化图

本研究在南美洲的地表水体提取,及各气候带典型水域季节性时空变化分析中,均使用了30 m空间分辨率的Landsat-TM影像和500 m空间分辨率的MODIS影像。其中,MODIS影像主要用于补充TM影像难以获取的区域进行辅助分析。本文以高原山地气候带中的典型水体的的喀喀湖为例,评估了使用MODIS影像进行辅助分析的可行性与误差。使用的的喀喀湖2011年MODIS每8天合成的数据,全年监测12次,据本文统计,的的喀喀湖的丰水期集中在1-3月,枯水期集中在6-8月,一年之中水域面积最大值为7701.2 km2（2月）,最小值为7520.1 km2（1月）,平均面积为7636.9 km2,变异系数为0.76%,面积变化较大的月份为2月、8月,平均变化面积达到200~300 km2,由于的的喀喀湖地处高原山区,海拔较高,气温低,降水多,导致水域面积年内变化较小。将12个月的监测结果叠加分析发现,变化的水域主要集中在湖泊边缘区域（图5）。此外,将MODIS数据获得的监测结果与使用30 m高分辨率影像（Landsat5-TM）获得的结果进行对比发现：使用高分辨率影像提取的水域面积高于使用低分辨率影像获得的结果,这一结果与Feng等[22]在鄱阳湖开展的结果类似。通过计算,其平均误差在200~300 km2,在同一时间范围内的动态变化趋势大致相似,2种提取结果变量间的线性相关程度较高,线性相关系数达到0.66。以TM影像获得的水体提取结果为基准,在同一时相内使用MODIS影像进行地表水体提取的结果的相对误差范围在0.86%~3.4%之间。由于地物分布的复杂性、电磁辐射传输过程中,各种环境的影响,以及探测元件本身的物理特性等多种因素的作用,遥感影像中的像元很少是由单一地物组成的,这种包含了多种地物类型的影像像元被称为混合像元[23]。混合像元的光谱特征是由其包含的多种地物光谱叠加的结果,在传统的研究中,影像上的每个像元都被视为纯像元,这种处理方式会对研究结果的准确性产生影响,本文没有对混合像元进行分解,因而对于水体边缘的像元信息没有正确提取（图7）,导致整体水域面积低于高分辨率影像所提取的结果。
Fig. 7 Contrast of the extraction result of the Lake Titicaca based on TM image and MODIS image

图7 基于MODIS影像与TM影像的的喀喀湖水体提取结果对比

4 结论与讨论

通过遥感与GIS获得水域面积、水域率和面积变异系数等指标,分析了南美洲陆表水域的空间分布特征。同时,统计了南美洲各个国家的水域面积及水域率,从气候特征、降水的空间分布特征和地形地貌因素的角度,剖析了各气候带内典型水域面积的季节性动态变化趋势,有助于更深入地了解气候变化对陆表水域空间分布的影响,以及陆表水域的空间分布与变化对区域生态功能和水环境的影响。
由监测结果可知,河渠是南美洲陆表水域最主要的组成部分,总面积达15.7×104 km2,占南美洲陆表水域总面积的一半以上（51.56%）,而且位于不同气候带中的地表径流,有明显不同的时空变化。南美洲水域面积最大的5个国家依次为巴西、阿根廷、委内瑞拉、秘鲁和玻利维亚,其中,水域率最大的国家为委内瑞拉（3.08%）。典型水域的季节性动态变化表明,在南美洲各个气候带中,热带沙漠气候带内水域面积季节性波动最大,面积变异系数达38.68%,丰水期和枯水期的面积之差为130.51 km2;温带大陆性气候带内陆表水域的丰水期和枯水期面积之差最大,为805.02 km2。
通过遥感监测获取的水域面积只是水资源在特定时态下的一种表征,不能直接反映地表水资源量,但仍可从空间分布格局和时空变化上揭示水资源的分布特征和变化趋势。综合考虑各气候区内所有样本水域面积的动态变化发现：2011年,南美洲地表水体平均面积变异系数为8.1%,季节性面积动态变化不是很大。但是,由于地表水体形态各异,同时其下垫面条件复杂多变,所以,导致水域面积变化的原因往往不能用单一的因素来解释。在全球气候变化的大背景之下,不但要充分考虑气候变化等自然因素带来的水资源时空变化,同时不可忽视人类活动的影响。对导致水体时空变化的驱动力因素进行定量分析与估算,为合理规划、有效利用水资源提供依据。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈军,宫鹏,陈立军,等.全球生态环境遥感监测(陆表水域面积分布状况)[R].北京:中华人民共和国科学技术部国家遥感中心,2012:1-54.

[2]
李峰平,章光新,董李勤,等.气候变化对水循环与水资源的影响研究综述[J].地理科学,2013,33(4):457-464.

[3]
阿热米罗·普罗科比奥.论南美洲水资源的管理与保护[J].拉丁美洲研究,2011,33(6):23-30.

[4]
张继贤,乔平林.水资源环境遥感监测与评价[M].北京:测绘出版社,2005:10.

[5]
Zhou J.Wavelet transform method to merge Land Sat TM and SPOT panchromatic data[J]. Remote Sensing, 1998,19(4):143-157.

[6]
何延波,杨琨.遥感和地理信息系统在水文模型中的应用[J].地质地球化学,1999,21(2):99-103.

[7]
赵英时. 遥感应用分析原理与方法[M].北京:科学出版社,2003.

[8]
Verpoorter C, Kutser T, Tranvik L, et al.Automated mapping of water bodies using Landsat multispectral data[J]. Limnology and Oceanography-Methods, 2012,10:1037-1050.

[9]
杨青山. 世界地理[M].北京:高等教育出版社,2005.

[10]
Hansen M C, Stehman S V, Potapov P V.Quantification of global gross forest cover loss[J]. PNAS, 2010,107:8650-8655.

[11]
Xu H.Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery[J]. International Journal of Remote Sensing, 2006,27:3025-3033.

[12]
马丹. 基于MODIS数据的水体提取研究[J].地理空间信息,2008,6(1):25-27.

[13]
毕海芸. 基于TM影像的几种常用水体提取方法的比较和分析[J].遥感信息,2012,27(5):77-82.

[14]
Jiang Z, Qi J, Su S, et al.Water body delineation using index composition and HIS transformation[J]. International Journal of Remote Sensing, 2012,33:3402-3421.

[15]
Sun F, Sun W, Chen J, et al.Comparison and improvement of methods for identifying water bodies in remotely sensed imagery[J]. International Journal of Remote Sensing, 2012,33:6854-6875.

[16]
颜梅春. 基于TM数据的水域变化信息提取研究[J].水资源保护,2005,1(6):31-33.

[17]
Borro M, Morrandeira M, Salvia M, et al.Mapping shallow lakes in a large South American floodplain: A frequency approach on multitemporal Landsat TM/ETM data[J]. Journal of Hydrology, 2014,512:39-52.

[18]
Feyisa G L, Meilby H, Fenshlot R, et al.Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery[J]. Remote Sensing of Environment, 2014,140:23-35.

[19]
Haas E M, Bartholomé E, Combal B, et al.Time series analysis of optical remote sensing data for the mapping of temporary surface water bodies in sub-Saharan western Africa[J]. Journal of Hydrology, 2009,370:52-63.

[20]
伍光和. 自然地理学[M].北京:高等教育出版社,2008.

[21]
范广洲. 亚马逊流域生态系统生理过程对气候变化的影响[C].2004年中国科协学术年会第十一分会场论文集,2004.

[22]
Feng L, Hu C M, Chen X L, et al.Assessment of inundation changes of Poyang Lake using MODIS observations between 2000 and 2010[J]. Remote Sensing of Environment, 2012,121:80-92.

[23]
胡茂桂,王劲峰.遥感影像混合像元分解及超分辨率重建研究进展[J].地理科学进展,2010,29(6):747-756.

Options
Outlines

/

〈 〉