豫北地区暴雨洪涝灾害状况评估及原因分析

陈 刚

（河南测绘职业学院 测绘工程系，河南 郑州 451464）

暴雨洪涝灾害是指因暴雨或长期降雨过于集中产生大量积水与径流而引起江河湖泊水位上涨，排水不及时，淹没地势低洼地区的土地、房屋，造成巨大经济损失的自然灾害，是影响人类生活的重大自然灾害之一［1］。在短时间内对暴雨洪涝灾害淹没土地的范围准确监测并进行受灾状况评估十分必要。

卫星遥感观测方法具有空间覆盖范围广、可周期性重访的优势，广泛应用于各种自然灾害监测中［2］。目前，洪水水体范围提取主要采用光学（Optical）和合成孔径雷达（Synthetic Aperture Radar，SAR）两类影像［3－4］。暴雨洪涝灾害通常是由持续强降水天气所引起且常伴随多云天气，对受灾区域的提取会受云层、降雨等自然因素干扰，光学影像无法很好地采集地物信息［5］。与光学影像相比，合成孔径雷达影像重返周期短，空间覆盖范围更大，其波长不受昼夜能见度和天气影响，对云层的穿透力较强。例如，在台风过境期间出现持续降雨和大范围云层覆盖，合成孔径雷达依然能够进行全天候、全天时和大范围的图像采集。因此，在洪涝灾害范围监测中，利用合成孔径雷达可以弥补光学影像的不足［6］。在提取洪水水体范围研究中，选用的SAR 影像主要包括Sentinel－1A［7］、GF－3［8］、RAN⁃DARSAT［9］、TerraSAR［10］和ALOS［11］等。

相关研究基于SAR 影像监测洪水范围，证明了SAR 影像在监测洪水方面具有独特优势，同时验证了采用SAR 影像监测暴雨洪涝灾害具备非常高的可靠性。提取洪水水体范围的方法主要分为差异特征分析和分类结果比较两类。差异特征分析通过构建差异图，选用前后两个时间点影像分别作为主影像和副影像，对影像经过预处理后，采用差值法、比值法、对数比值法和均值比值法等进行作差，提取洪水淹没范围［12］，该方法受SAR 影像相干噪声的干扰，洪水淹没范围提取精度较低。分类结果比较方法则是先对SAR 影像预处理后再提取水体范围，然后分析洪水淹没范围变化状况。因此，分类结果比较方法的可靠性主要取决于水体范围提取的精度。洪水淹没土地主要分为两种情况：一类是洪水发生过程中淹没土地；另一类是洪水退去后，排水不畅、地势低洼凹陷等造成土地淹没［13］。现有研究中，主要针对暴雨洪涝灾害水体进行监测，较少结合土地利用数据对洪水淹没损毁的土地受灾状况进行分析。

本文借助Sentinel－1A SAR 和Sentinel－2A 光学影像，首先利用SAR 影像对豫北地区“7·20”暴雨洪涝灾害洪水范围进行提取，并结合洪水前Sentinel－2A 光学影像土地利用分类得到的区域土地分类数据，采用系统协同叠加分析方法，对研究区暴雨洪涝灾害淹没土地进行灾后评估，为减轻灾后风险以及防御不利影响并进行灾后重建提供科学的数据支持与参考。

1 研究区概况与研究方法

1.1 研究区概况

2021 年7 月18—22 日，河南省北部区域焦作、新乡、鹤壁、安阳等地区出现罕见持续强降水天气过程，多个监测站降水量突破历史极值，境内多条河流水位超警戒水位，7 座中型水库溢流。强降雨造成豫北地区205 个乡镇约690 万人受灾。本文选择黄河以北新乡、鹤壁、安阳三市部分受灾最严重区域作为研究区进行暴雨洪涝灾害淹没土地分析。

1.2 研究方法

利用SAR 影像进行暴雨洪涝灾害洪水范围提取，结合光学影像进行土地利用分类，获取土地利用现状，在此基础上采用系统协同叠加分析的方法，对受灾土地类型和面积进行定量评估，分析流程见图1。

图1 暴雨洪涝灾情分析流程

1.3 数据来源与处理

本研究选取2021 年7 月15 日（洪水前）和2021年7 月27 日（洪水中）两个时期级别为Level－1 的IW模式GRD 类型SAR 影像进行洪水灾情分析，数据获取时间和具体参数见表1。

表1 Sentinel－1A SAR 影像参数

利用SNAP8.0 软件，对两期影像进行辐射定标、热噪声去除、轨道纠正、分贝化、滤波等预处理，利用SRTM－4 30 m 分辨率DEM 数据进行校正，然后将影像重投影到UTM WGS84 坐标系，最终获取20 m×20 m空间分辨率的雷达后向散射系数数据。SAR 影像主要分为4 种极化方式：HH、VV、HV、VH。其中，HH、VV 为同向极化，HV、VH 为交叉极化。水体表面光滑、均质性较强，交叉极化影像镜面反射的敏感程度和噪声水平均较低，类内方差较小。相比同向极化影像，VH 交叉极化的水体与非水体的重叠部分少、可分离度更高，非常适合水体提取［14］。经预处理后洪水前与洪水中两个时期的水体状况对比见图2。

图2 洪水前与洪水中水体对比

水体与其他粗糙地物相比表面较为光滑、均一性较强，SAR 电磁波信号在水体表面很难被反射，因此SAR 只能接收到非常弱的回波信号。同时，在SAR 影像中，水体像素灰度值偏低，主要呈现为暗黑色或黑色［15］。目前，利用SAR 影像提取水体的主要模型包括决策树法、边缘检测提取法、阈值分割法、面向对象提取法等模型［16］。其中，阈值分割法原理简单且方便快速，在SAR 影像提取水体相关研究中应用广泛。Otsu 最大类间方差算法是一种自适应阈值确定方法，当水体和非水体两类地物间的类间方差最大时，得到分割水体和非水体的全局阈值，可避免影像受到对比度及亮度的干扰［17］。Otsu 法适用于像素直方图中，表现为明显“峰谷”形式，峰值与谷值相差越大则水体提取的准确性就越高［18］。因此，本文采用Otsu 方差算法，对VH 交叉极化影像确定阈值，进行水体提取。

为分析研究区内不同土地利用类型淹没状况，选取暴雨前2021 年6 月6 日一景Sentinel－2A 多光谱数据，选取分辨率为10 m 的Band 2、Band 3、Band 4 和Band 8 波段进行波段组合，对土地利用类型进行分类。参考第三次全国国土调查技术规程（TD／T 1055—2019），结合研究区实际，在ENVI 中选择训练样本并采用支持向量机（Support Vector Machine，SVM）将研究区划分为5 种主要土地利用类型，分别为耕地、林地、建设用地、水域和未利用地。

由于SAR 影像通过侧视斜距成像，因此当雷达经过山地丘陵区域时会发生叠掩、阴影等现象［19］。山体阴影的后向散射系数与水体较为接近，SAR 影像上呈现为暗黑色或黑色，利用阈值法无法准确地将水体与山体阴影进行区分，水体提取结果中会夹杂一部分山体阴影，降低了水体提取结果的精度。研究区西部地形以山地为主，地势高低起伏，因此借助DEM 提取区域坡度和高程信息，并根据坡度和高程信息设置准确的阈值剔除山体阴影，克服山体阴影对洪水淹没区水体提取结果准确度的影响。DEM 和土地利用分类见图3。

图3 研究区DEM 和土地利用分类

1.4 水体提取精度评价

为定量验证提取水体范围的准确性，本研究利用总体错检精度、虚检率和漏检率三项指标评价提取暴雨洪涝灾害范围的精度，计算公式分别为［20］

式中：Total为总体错检精度；PE为水体提取虚检率；PL为水体提取漏检率；FP为漏检像素点个数；FN为被虚检为非水体像素点个数；S为影像全部像素点总和；SH为未变化像素点总和；SS为采用目视解译法获取全部变化像素点总和。

2 结果与分析

2.1 SAR 水体提取结果

利用Otsu 算法计算VH 交叉极化影像的后向散射均值，确定2021 年7 月27 日洪水中水体范围提取的阈值为22.69 dB，小于阈值22.69 dB 为水体，而大于阈值22.69 dB 为非水体。研究区SAR VH 影像及其后向散射系数直方统计见图4。

图4 研究区SAR VH 影像及其后向散射系数直方统计

在ENVI 中设置阈值范围并提取研究区洪水水体范围，提取的水体结果中混杂着部分山体阴影，结合DEM 数据提取研究区坡度和高程信息，确定地形起伏较大区域的高程阈值为411 m，坡度阈值为13°。通过阈值分割法提取山体并剔除山体阴影，最终得到研究区洪水中的水体范围（见图5）。从图5 中可以看出，提取水体范围与SAR 影像水体范围基本吻合，洪水轮廓较完整且边缘较明显。

图5 提取的水体范围

2.2 水体提取精度评价结果

结合研究区DEM 所提取的洪水中水体范围总体错检精度、虚检率及漏检率见表2。

表2 提取洪水中水体范围总体错检精度、虚检率及漏检率

本文提取洪水中水体范围总像素为149 505，提取洪水中水体的总体错检精度为0.86%，虚检水体329像素，虚检率为0.22%，漏检水体5 950 像素，漏检率为3.98%。以上精度评价结果表明，采用SAR 影像并结合DEM 提取的洪水中水体范围达到了较高的精度，可以满足研究目的需要。

2.3 受灾原因分析

将提取的洪水淹没区域范围与河流水系、DEM 数据相叠加，结合河流走向和地势特点分析研究区发生暴雨洪水内涝的主要原因，见图6。

图6 洪水范围、河流与DEM 叠加结果

从图6 中可以看出，研究区处于太行山前倾平原和古黄河冲积平原的交界区，地势低洼。其西距太行山脉较近，海河流域多条河流面临暴雨洪水泄洪的压力非常大，其中主要泄洪区域位于卫河、淇河、共产主义渠交汇处，故该区域洪水积水淹没范围最大。

在该次暴雨洪水中，受灾最严重的是卫辉市和浚县两地。图6 中，卫辉市北部山区明显高于南部平原，大量洪水由北向南流入卫河。随着洪水流量不断增大，造成共产主义渠多处决堤，洪水自决堤处倒灌入卫河，极大地提升了卫河卫辉段的流量。而卫辉市位于卫河和东孟姜女河的交汇地带，地势低洼，因此成为卫河上游倒灌来水的集聚区，造成卫河卫辉段水位居高不下，部分洪水顺堤外流入卫辉市，城市内积水无法排入卫河，是导致卫辉市发生严重内涝的主要原因。

浚县境内洪水的主要来源是本地历史最大降水量2 倍以上的持续强降水，以及卫河、共产主义渠和淇河上游泄洪洪水。7 月23 日卫河发生决堤，泄出洪水迅速淹没16 个村庄。当地政府为保障浚县县城防洪安全，控制卫河的水位和流量，紧急启用6 个滞洪区，造成浚县全域内一半以上地区被洪水淹没。

2.4 灾害状况评估

通过水体提取结果和受灾原因分析可知，研究区域内洪水中水体范围面积较大，洪水淹没区域主要集中于卫河沿线的新乡市凤泉区、牧野区、卫辉市、鹤壁市淇县、浚县以及安阳市汤阴县、安阳县和滑县部分区域。本文对研究区内各市分县区洪水前与洪水中的水体面积进行统计，结果见表3。

表3 分县区洪水前与洪水中水体面积统计 km2

通过表3 可以看出，研究区洪水前水体面积为9.16 km2，洪水中洪水水体总面积为268.91 km2，洪水水体面积增加了259.75 km2，其中浚县、卫辉市洪水水体面积分别增加了93.71、83.16 km2。

在ArcGIS 软件中将提取的洪水水体范围中洪水前区域内的水体剔除，然后与土地利用分类结果进行叠加分析，从而更好地确定研究区域内不同土地利用类型淹没状况，结果见图7。

图7 研究区域不同土地利用类型淹没状况

暴雨洪水淹没的区域主要为农村地区，土地利用类型是地势较低的耕地和建设用地，淹没面积分别为211.89、44.75 km2，分别占总受灾面积的81.57%和17.23%。对洪水期间水体空间分布进行分析可知，泄洪期间洪水由卫河卫辉段向西流入浚县，进一步增加了当地防洪压力，当地政府启用沿卫河干流分布的6个滞洪区，受到暴雨和上游泄洪的双重影响，该县经济损失最严重。此外，卫河河道淤积严重，部分河道被耕地、养殖棚等违规建筑占用，减小了河道的过水断面，给卫河的正常泄洪带来隐患。因此，当地政府在洪水退去后，应加大私自开垦耕地、建设养殖棚及违规建筑的整治力度，扩宽河道，进一步提高卫河泄洪能力。

3 结 论

本研究利用SAR 影像提取了豫北地区暴雨洪涝灾害洪水范围，结合光学影像处理得到的区域土地利用数据，采用系统协同叠加分析方法，对豫北地区“7·20”暴雨洪涝灾害淹没土地进行受灾状况评估，得到如下结论。

（1）SAR 影像具有全天候、全天时和大范围的图像采集能力，在洪涝灾害监测中可以弥补光学影像的不足，基于SAR 影像提取的水体范围精度较高，能够对洪水淹没区域快速有效监测并在空间上进行显示；结合光学影像处理的土地利用分类数据，可以精准地进行暴雨洪涝灾害评估，为减轻灾后风险以及防御不利影响并进行灾后重建提供科学的数据支持与参考。

（2）强降水天气过后，豫北地区洪水水体总面积为268.91 km2，洪水水体面积增加了259.75 km2。其中浚县、卫辉市和淇县是受灾最严重的3 个县（市）。该区域距太行山脉较近，位于卫河、淇河、共产主义渠交汇处，多条河流泄洪增加了数倍的排水量，同时地势低洼，是主要滞洪区，故该区域洪水积水淹没范围最大。

（3）暴雨洪水淹没的区域主要为农村地区，土地利用类型主要是耕地和建设用地，分别占总受灾面积的81.57%和17.23%。卫河河道淤积严重，部分河道被耕地、养殖棚等违规建筑占用，减小了河道的过水断面，给卫河的正常泄洪带来隐患。北方农村地区长期以来很少经历洪水灾害，农村居民点在进行宅基地建设时要充分考虑防洪问题，同时在规划农村道路时还需要设计应急撤离路线。此外，对黄河下游河道所毗邻的海河流域、淮河流域的河道应加大私自开垦耕地、建设养殖棚及违规建筑的整治力度，扩宽河道，进一步提高泄洪能力，避免在极端气候条件下超标准洪水淹没黄河周边地区。