基于遥感影像分析1989—2019年黄河内蒙古段河冰时空变化

doi:10.7522/j.issn.1000-0240.2020.0058

基于遥感影像分析1989—2019年黄河内蒙古段河冰时空变化

牟献友^,¹, 宝山童¹, 张宝森², 翟涌光¹, 冀鸿兰^,¹

1.内蒙古农业大学水利与土木建筑工程学院，内蒙古呼和浩特 010018

2.黄河水利委员会黄河水利科学研究院，河南郑州 450003

A satellite-based analysis on spatial-temporal distribution and variation of river ice in Inner Mongolia reach of the Yellow River from 1989 to 2019 based on remote sensing image interpretation

MOU Xianyou^,¹, BAO Shantong¹, ZHANG Baosen², ZHAI Yongguang¹, JI Honglan^,¹

1.College of Water Conservancy and Civil Engineering, Inner Mongolia Agricultural University, Hohhot 010018, China

2.Yellow River Institute of Hydraulic Research, YRCC, Zhengzhou 450003, China

通讯作者: 冀鸿兰，教授，主要从事河冰水力学、寒区河冰过程与河流泥沙运动力学研究. E-mail： honglanji@sina.com

收稿日期: 2020-03-08 修回日期: 2020-06-25

基金资助:

国家重点研发计划项目.  2018YFC1508401
国家自然科学基金项目.  51969020.  51569020
内蒙古自治区应用技术研究与开发资金项目.  201802104

Received: 2020-03-08 Revised: 2020-06-25

作者简介 About authors

牟献友，教授，主要从事寒区水工建（构）筑物水毁机理、河冰过程及其灾害控制研究.E-mail：mouxianyou@163.com , E-mail：mouxianyou@163.com

摘要

获取河冰时空分布信息对黄河流域防凌减灾工作及沿岸地区可持续发展具有重要意义。收集黄河内蒙古段1989—2019年冬季河冰遥感影像数据；提出了归一化未封冻水体指数（NDUWI）用以剥离被归一化雪指数（NDSI）误分为河冰的水体像元，确定了该指数划分河冰、水体像元的阈值，并利用NDUWI结合NDSI的方法提取河冰信息进而分析河冰时空分布及变化特征，探讨了海勃湾水库调度及河床演变对河冰分布的影响。结果表明：黄河内蒙古段河冰主要分布在研究区中游（巴彦高勒—三湖河口）。1989年以来，研究区内河冰经历“平稳期”（1989—1997年）、“扩张期”（1998—2000年）、“萎缩期”（2001—2019年）3个阶段，其中2000年出现河冰面积峰值，并于2019年减小至最小。各子段中，海勃湾至巴彦高勒（R1段）2015年前河冰分布稳定，2015年起受海勃湾水库建成影响，河冰面积大幅萎缩；巴彦高勒至头道拐（R2~R4段）河冰面积变化特征大体与全段变化相同。空间上，2015年后R1段以纵向萎缩为主，巴彦高勒至三湖河口（R2段）左岸河冰萎缩，右岸河冰堆积仍有偎堤风险；三湖河口至包头（R3）段全段河冰漫滩现象严重，2016年起得以缓解；包头至头道拐（R4）段以局部漫滩为主，2016年开始以主槽封冻为主。上游海勃湾水库建成后的常规运用可有效减小下游黄河内蒙古段的河冰漫滩现象。研究成果可为黄河内蒙古段水库防凌调度及堤防安全隐患排查提供参考。

关键词： 黄河内蒙古段 ; 遥感 ; 河冰 ; 时空变化

Abstract

Accurate extraction of temporal-spatial information of the river ice is important to the ice prevention and sustainable development of Inner Mongolia section in Yellow River basin. Based on the remote sensing image data （93 scenes） of the winter river ice in the Inner Mongolia section of the Yellow River from 1989 to 2019， this study proposes Normalized Difference Unfrozen Water Index（NDUWI） to replace the single-band reflectance value of stripping water information in SNOMAP algorithm， and determines the threshold value of dividing river ice and water pixel. The information of river ice in the Inner Mongolia section of the Yellow River is extracted by the modified SNOMAP algorithm， and the spatial and temporal distribution and variation characteristics of river ice is analyzed. The results show that the middle reach of the study area （Bayangaole-Sanhu Estuary） is abounded with more river ice than the other reach. Since 1989， river ice of the study area sequentially underwent “stabilized phase” （1989—1997）， “expansion phase” （1998—2000）， and “shrinkage phase” （2001—2019）. Among all sub-sections， the distribution of river ice of R1 section prior to 2015 was stable； since 2015， the frozen section of the river has witnessed reduced in length； the area variations of river ice of the R2 section and R3 section are similar to that of the full section. The shrinkage rate of the left bank of R2 section is faster than that of its right bank， and the distribution of river ice of R3 section is primarily concentrated on its both banks. The significant fluctuation of river ice of R4 section is steadily decelerating with the passage of time. The distribution of river ice is mainly driven by the change of river regime. The research results can be used as reference for reservoir traffic control in the upper reaches of Inner Mongolia section of the Yellow River and the determination of potential risk dike sections.

Keywords： Inner Mongolia reach of the Yellow River ; remote sensing ; river ice ; spatial-temporal distribution and variation

PDF (13936KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

牟献友, 宝山童, 张宝森, 翟涌光, 冀鸿兰. 基于遥感影像分析1989—2019年黄河内蒙古段河冰时空变化[J]. 冰川冻土, 2022, 44(5): 1440-1455 doi:10.7522/j.issn.1000-0240.2020.0058

MOU Xianyou, BAO Shantong, ZHANG Baosen, ZHAI Yongguang, JI Honglan. A satellite-based analysis on spatial-temporal distribution and variation of river ice in Inner Mongolia reach of the Yellow River from 1989 to 2019 based on remote sensing image interpretation[J]. Journal of Glaciology and Geocryology, 2022, 44(5): 1440-1455 doi:10.7522/j.issn.1000-0240.2020.0058

0 引言

淡水冰（例如冰川、湖冰、河冰）是冰冻圈的重要组成部分，在全球气候、地表面能量平衡、水分通量、水滨及水生生态系统健康中扮演重要角色。在人口聚居区域，其对社会、经济层面的影响同样不容小觑。河水冻结导致的冰凌灾害作为中高纬度河流易生自然灾害，严重威胁沿岸人民生命财产安全，制约沿岸可持续发展。以黄河内蒙古段为例，每年冰期可持续4~5个月，受河道形态、水文条件、气象条件、人类活动影响，每年凌情不尽相同^［1］，河段内冰凌灾害频发^［2］。据已公开文献记载^［3-6］，1993—2008年间所发生的冰凌灾害中累计受灾群众达2.4×10⁴人，受灾面积接近240 km²，保守估算经济损失超11×10⁸元人民币。然而，相比冰冻圈其他组成部分，对于河冰的认知仍存在差距^［7］，河冰空间分布变化事关堤防的巩固安全、上游水库防凌调度以及跨河建筑物的布设等防凌减灾工作，因此了解河冰的空间分布是十分必要的。

科研人员^［8-10］对河冰变化研究多集中于基于水文观测的封开河时间、封冻时长、槽蓄水增量以及凌峰流量等凌情数据的变化。但是，随着气候、人类活动、河道特征、水沙特性等因素变化影响，河冰的空间分布同样会发生变化，而空间分布的变化势必会影响防凌减灾工作的对策。黄河内蒙古段封冻河段总长度大于700 km，若进行实地河冰分布观测需耗费大量人力、物力、财力、时间，且无法保证观测标准的统一性和数据的时效性。1980年以来，遥感的蓬勃发展为淡水冰研究提供了可靠的技术手段和大量的历史遥感影像。目前，基于光学遥感技术的淡水冰研究总体呈现三个方向：其一，季节性冻结冰的物候研究。例如，Kropáček等^［11］利用中分辨率成像光谱仪（MODIS）8天合成数据反演青藏高原59个湖泊2001—2010年间湖冰的冻融日期；姚晓军等^［12］利用MODIS及Landsat TM/ETM+遥感影像反演并分析可可西里地区湖冰物候变化，得到了湖冰冻融的空间模式为一岸扩展向另一岸；Chu等^［13］利用红外波段在冰和水表面的不同反射率，对2000—2015年间加拿大西北领地奴河的封开河时间进行了估计，精度令人满意。其二，多年冻结冰的空间变化研究。例如，在冰川监测领域上，刘娟等^［14］利用Landsat OLI遥感影像结合冰川编目数据，得出了冈底斯山冰川面积萎缩加快及北朝向萎缩最快的结论；李志杰等^［15］利用Landsat卫星影像，对1993—2016年间喀喇昆仑山什约克流域冰川空间变化进行分析，得出冰川整体萎缩且北朝向萎缩速率最快的结论；高永鹏等^［16］利用Landsat OLI影像对河西内流区冰川变化进行监测。其三，冰凌监测研究。Kääb等^［17-18］利用高时间、空间分辨率遥感影像分别对西伯利亚地区Lena River、Amur River及北美Yellowstone River、Yukon River浮冰流速及冰塞进行监测，所得结果具有较高精度。赵水霞等^［19］使用Landsat8卫星数据对黄河什四份子段河冰生消及冰塞过程进行了分析；李超等^［20］利用Landsat8卫星7、4、3波段组合获得良好的河冰提取精度，为冰情解译提供最佳波段组合；杨中华等^［21］提出“四星三源”（MODIS、ETM+、CBERS-02、RADARSAT）遥感动态凌汛监测模式，实现黄河凌情实时监测。

综上，受上游水库调度、河道萎缩等因素影响，作为季节性冻结的河冰同样存在时空变化。因此，为补充黄河内蒙古段河冰分布资料，判定河冰偎堤高危区，预警凌汛险情，本文基于历史遥感影像，使用遥感、GIS技术提取河冰分布信息并分析河冰时空分布及变化特征，以期为黄河内蒙古段重点堤段巡查、防凌调度、跨河建筑物布置等提供科学依据。

1 研究区概况

黄河内蒙古段起点为内蒙古自治区乌海市，流经乌兰布和沙漠东缘，穿过阴山山脉南麓与鄂尔多斯高原之间的冲积平原，终到吕梁山西侧进入山西境内（图1）。流域内属温带大陆性气候，全年少雨，冬春处于冷高压控制之下，每年11月末至12月初寒潮或冷空气入侵致使干流开始流凌、封冻，翌年3月气温回暖河道开始解冻、河冰消融，冰期历时3~4个月。封河时，河冰由下游向上游逐渐封冻，开河时顺序相反由上游开始解冻。研究河段沿程经过五市一盟共17个旗县。截至2017年末，沿岸17个旗县常住人口452.16×10⁴人，占全自治区人口17.71%；粮食总产量487.66×10⁴ t，占全自治区粮食总产量的15%^［22］；京呼银兰通讯光缆、河套灌区、西北电网高压输电线路、达拉特电厂、托克托电厂、包钢分布在河段两岸^［23］。研究河段全长约644 km，起点为海勃湾水库坝址终至托克托县河口村（头道拐水文站附近）。为便于分析，按水文站位置、河道比降、河型，将研究区分为4个子段^［24］，各子段特征见表1。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区地理位置及遥感影像覆盖范围

Fig. 1 Geographic location of the study area and the boundary of remote sensing image

表1 研究区分段及各子段特征

Table 1 sub-reaches of the study area and characteristics of different sub-reaches

河段名称	起点	终点	河道比降	河型
R1	海勃湾水库坝址	巴彦高勒水文站	0.15‰	过渡型河段
R2	巴彦高勒水文站	三湖河口水文站	0.17‰	游荡型河段
R3	三湖河口水文站	包头水文站	0.12‰	过渡型河段
R4	包头水文站	头道拐水文站	0.10‰	弯曲型河段

新窗口打开| 下载CSV

2 数据来源及研究方法

2.1　数据选取及预处理

本研究收集1989—2019年间覆盖研究区的所有影像，成像时间尽可能保证为每年1—2月，筛选出云量小于10%且河冰不被云覆盖的影像数据，如表2所示。其中91景Landsat5、7、8卫星所携带的TM、ETM+、OLI传感器影像（后文简称L5TM、L7ETM+、L8OLI）及2景Sentinel-2卫星MSI传感器（后文简称S2MSI）影像，因2019年研究区中R3、R4段Landsat8卫星影像质量不高，故选用相近日期的Sentinel-2卫星影像替代。其中，Landsat系列卫星数据获取自美国地质调查局（United States Geological Survey，https：//earthexplorer.usgs.gov/），Landsat卫星数据为经过地面控制点校正的Level 1Tie级数据，覆盖研究区的影像行号Row为32，条带号Path分别为127、128、129；Sentinel-2卫星数据获取自欧洲航天局（European Space Agency，https：//scihub.copernicus.eu/dhus/#/home），Sentinel-2卫星数据为L2A级大气底层反射率影像，覆盖R3、R4段影像图幅号为T49TDE、T49TCE。Landsat系列卫星数据为经过地面控制点几何校正的影像数据，其预处理过程为：首先，基于遥感图像处理软件ENVI中的辐射校正工具对传感器进行辐射定标，将图像DN值转换为反射率值；其次，利用FLAASH工具进行大气校正处理，获得地物表面反射率；最后，裁剪图像减少非研究区地物对分类过程的影响，提高数据处理效率。其中2012年、2013年所使用L7ETM+数据经过条带修复，所提取河冰信息仅供参考。Sentinel-2卫星的L2A级数据在发布前已经过辐射校正、几何校正等预处理，可直接使用。

表2 遥感影像数据

Table 2 Remote sensing data

序号	轨道号127；行号32		序号	轨道号128；行号32		序号	轨道号129；行号32
序号	日期	数据源	序号	日期	数据源	序号	日期	数据源
1	1989-01-14	L5TM	32	1989-01-21	L5TM	63	1989-02-13	L5TM
2	1990-02-02	L5TM	33	1990-02-25	L5TM	64	1990-01-31	L5TM
3	1991-02-21	L5TM	34	1991-01-11	L5TM	65	1991-02-03	L5TM
4	1992-02-08	L5TM	35	1992-02-15	L5TM	66	1992-02-06	L5TM
5	1993-02-10	L5TM	36	1993-02-17	L5TM	67	1993-02-08	L5TM
6	1994-03-01	L5TM	37	1994-01-03	L5TM	68	1994-02-11	L5TM
7	1995-02-16	L5TM	38	1995-01-22	L5TM	69	1995-02-14	L5TM
8	1996-02-19	L5TM	39	1996-02-10	L5TM	70	1996-02-01	L5TM
9	1997-02-21	L5TM	40	1997-02-28	L5TM	71	1997-02-19	L5TM
10	1998-01-07	L5TM	41	1998-02-15	L5TM	72	1998-02-06	L5TM
11	1999-02-11	L5TM	42	1999-02-02	L5TM	73	1999-02-09	L5TM
12	2000-03-01	L5TM	43	2000-03-08	L5TM	74	2000-02-28	L5TM
13	2001-02-16	L5TM	44	2001-02-07	L5TM	75	2001-02-06	L7ETM+
14	2002-02-19	L5TM	45	2002-01-25	L5TM	76	2002-02-17	L5TM
15	2003-02-22	L5TM	46	2003-02-05	L7ETM+	77	2003-02-12	L7ETM+
16	2004-02-25	L5TM	47	2004-02-16	L5TM	78	2004-02-07	L5TM
17	2005-02-27	L5TM	48	2005-02-18	L5TM	79	2005-02-25	L5TM
18	2006-02-14	L5TM	49	2006-02-21	L5TM	80	2006-02-28	L5TM
19	2007-02-01	L5TM	50	2007-02-24	L5TM	81	2007-01-30	L5TM
20	2008-02-20	L5TM	51	2008-02-27	L5TM	82	2008-03-05	L5TM
21	2009-01-21	L5TM	52	2009-02-13	L5TM	83	2009-02-20	L5TM
22	2010-01-24	L5TM	53	2010-01-15	L5TM	84	2010-02-23	L5TM
23	2011-02-04	L5TM	54	2011-02-19	L5TM	85	2011-02-10	L5TM
24	2012-02-07	L7ETM+	55	2012-02-14	L7ETM+	86	2012-02-21	L7ETM+
25	2013-02-25	L7ETM+	56	2013-01-31	L7ETM+	87	2013-02-23	L7ETM+
26	2014-02-20	L8OLI	57	2014-01-26	L8OLI	88	2014-02-18	L8OLI
27	2015-02-07	L8OLI	58	2015-02-14	L8OLI	89	2015-02-21	L8OLI
28	2016-02-10	L8OLI	59	2016-02-01	L8OLI	90	2016-02-24	L8OLI
29	2017-02-12	L8OLI	60	2017-02-19	L8OLI	91	2017-01-09	L8OLI
30	2018-01-14	L8OLI	61	2018-02-06	L8OLI	92	2018-02-13	L8OLI
31	2019-02-23	S2MSI	62	2019-02-26	S2MSI	93	2019-01-31	L8OLI

新窗口打开| 下载CSV

2.2　分类方法

2.2.1　河冰信息提取方法

目前基于光学遥感数据提取冰雪信息的主要方法为指数法，原理为根据冰雪与其他地物光谱特征的差异设置阈值提取冰雪信息。目前归一化雪指数（normalized difference snow index， NDSI）被广泛应用在湖冰、积雪、冰川等研究领域，是目前最常用且精度较高的方法^［25］。NDSI由Dozier于1989年首次提出^［26］，Riggs等^［27］基于NDSI提出SOMAP算法，Hall等^［28］精确了SNOMAP算法提取雪信息的阈值。SNOMAP算法提取冰雪信息需满足如下条件：

P i x e l_{s n o w} = \{\begin{matrix} N D S I > 0.4 \\ ρ_{N I R} > 0.11 \end{matrix}

（1）

式中： $N D S I = (ρ_{G r e e n} - ρ_{S W I R 1}) \cdot (ρ_{G r e e n} + ρ_{S W I R 1})^{- 1}$ ， $ρ_{G r e e n}$ 为绿光波段反射率值； $ρ_{S W I R 1}$ 为短波红外波段反射率值； $ρ_{N I R}$ 为近红外波段反射率值。需要指出的是NDSI阈值取值范围在0.25~0.45之间，常用值为0.4。

通过使用NDSI阈值提取的冰雪信息中包含一定量的水体信息，SNOMAP算法中设置近红外波段反射率阈值的目的就是剥离水体信息。鉴于河冰中存在清沟（未封冻水体），本文使用并改进SNOMAP算法进行河冰信息提取。因黄河河冰内含沙量较大、冰内气泡较多，加之河冰表面粗糙程度不同，势必会影响河冰光谱特征^［29］，若利用SNOMAP算法首先需对NDSI提取冰水混合类的阈值进行试验。由于Hall对NDSI剥离除冰、水的其他地物像元的效果已经做了详尽的描述，在此不再赘述。试验主要以土壤、河冰、水体作为主要地物类型，根据各种地物的NDSI指数的分布情况确定合理阈值。参照参考影像分别选取三种地物样本，导出样本点像元在各波段反射率值并计算NDSI，卫星遥感影像与参考影像信息如表3所示。如图2所示，土壤像元的NDSI值多为负值，仅有ETM+影像中3个像元的NDSI指数值大于0；河冰与水体的NDSI值大体保持在0.25以上，仅有4个河冰像元NDSI值（2005年2个，2016年1个，2019年1个）在0.2左右。结合NDSI的常用取值范围并在尽量排除异常值的情况下，选取0.25作为提取冰水混合类的阈值取值。此外，对比河冰与水体像元NDSI指数值的箱型图可知，二者NDSI指数值有重叠部分，说明单纯使用NDSI阈值无法准确提取河冰像元，需其他方法区分两种地物像元。

表3 卫星遥感影像及参考影像介绍

Table 3 Introduction of satellite remote sensing image and reference image

卫星遥感影像			参考影像
行列号	传感器	成像日期	影像中心位置	影像来源	成像日期
128/32	L7 ETM+	2003-02-05	40.05°N， 109.82°E	Google Earth™ ©Maxar Technologies	2003-02-03
128/32	L5 TM	2005-02-18	40.56°N， 109.02°E	Google Earth™ ©Maxar Technologies	2005-02-18
127/32	L8 OLI	2016-02-01	40.51°N， 110.15°E	Google Earth™ ©Maxar Technologies	2016-02-05
T49TDE	S2 MSI	2019-02-28	40.45°N， 110.36°E	Google Earth™ ©Maxar Technologies	2019-02-28

新窗口打开| 下载CSV

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 主要地物纯像元NDSI指数值分布图

Fig. 2 NDSI value distributions of pure pixels of major land cover types

2.2.2　水体信息提取方法

由于NDSI与NIR波段反射率值的阈值组合提取河冰像元出现了水体像元被误分为河冰的现象，故提出归一化未封冻水体指数（NDUWI）与NDSI的阈值组合提取水体信息方法以获得较高精度的河冰像元。因河道内未封冻水体对蓝、绿光反射率差距较大，而河冰对蓝、绿光反射率差距较小，因此，结合河冰及水体的光谱特征差异，提出归一化未封冻水体指数（Normalized Difference Unfrozen Water Index，简称NDUWI）。NDUWI计算公式如下：

N D U W I = (ρ_{G r e e n} - ρ_{B l u e}) / (ρ_{G r e e n} + ρ_{B l u e})

（2）

式中： $ρ_{B l u e}$ 为蓝光波段反射率值。

为验证NDUWI提取效果，根据河冰、水体像元的近红外波段（NIR）反射率值、归一化水体指数（NDWI）值、改进的归一化水体指数（MNDWI）值及归一化未封冻水体指数（NDUWI）值，确定其分布情况，再根据分布情况确定区分二者的阈值。NDWI、MNDWI计算公式如下：

N D W I = (ρ_{G r e e n} - ρ_{N I R}) / (ρ_{G r e e n} + ρ_{N I R})

（3）

M N D W I = (ρ_{G r e e n} - ρ_{S W I R 1}) / (ρ_{G r e e n} + ρ_{S W I R 1})

（4）

式中： $ρ_{N I R}$ 为近红外波段反射率值。

如图3（a）所示，NIR波段反射率值在TM及MSI传感器影像中提取效果较好，但TM传感器在NIR波段区分两种地物的阈值在0.2左右，而非SNOMAP算法中0.11，ETM+、OLI影像中，河冰、水体NIR反射率值并无明显的阈值；如图3（b）、3（c）所示，河冰、水体的NDWI和MNDWI（NDSI）指数值之间无明显的阈值存在（其中MNDWI计算公式与NDSI一致，故图中MNDWI指数值分布图相当于放大NDSI指数值分布图）；如图3（d）所示，河冰、水体像元的NDUWI值之间的存在清晰的阈值，ETM+、MSI影像中阈值为0.2，TM、OLI影像中阈值为0.25。NIR反射率值及3种指数提取水体像元阈值见表4。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 河冰、水体纯像元NIR波段反射率值及不同指数值分布图

Fig. 3 Different indexes and NIR reflectance value distributions of pure pixels of river ice and water cover types

表4 NIR反射率值、NDWI、MNDWI、NDUW阈值

Table 4 Threshold for NIR reflectance， NDWI， MNDWI and NDUWI

提取方法	水体信息提取阈值
提取方法	ETM+	TM	OLI	MSI
NIR反射率值	无适用阈值	0.15	无适用阈值	0.11
NDWI	无适用阈值	无适用阈值	无适用阈值	无适用阈值
MNDWI	无适用阈值	无适用阈值	无适用阈值	无适用阈值
NDUWI	0.2	0.25	0.25	0.2

新窗口打开| 下载CSV

以2016年2月1日OLI影像为例展示水体提取效果，当 $ρ_{N I R}$ 大于0.11时，透明度较高的河冰像元被误分为水体，随着阈值的降低仍然出现误分现象，当阈值低至0.045以下时，同时出现河冰像元误分、水体像元漏分的现象［图4（b）］。NDWI、MNDWI提取水体信息结果相似，均出现河冰被误分水体现象［图4（c）、4（d）］。如图4（e）所示，利用NDUWI阈值提取水体像元效果较为理想。4个传感器影像利用NDSI与NDUWI阈值组合提取河冰、水体的效果如图5所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 4种方法提取水体效果对比

Fig. 4 Contrast of extraction result by 4 methods

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 利用NDSI与NDUWI阈值组合提取河冰、水体信息效果

Fig. 5 Extraction results of 4 scenes from 4 sensors classified by NDSI and NDUWI

2.2.3　精度验证

用于分类验证的真实地物轮廓是基于Google Earth高清历史影像人工目视解译的。由于高清历史影像的空间分辨率在0.454 m，目视解译的误差忽略不计。选取2017年1月9日巴彦淖尔市附近Google Earth历史影像进行人工目视解译，验证同日成像的Landsat影像的分类精度。验证过程将使用高清影像进行人工解译的河冰、水、土壤作为真值，计算混淆矩阵。然后分别计算各类生产者、用户者、总体精度及Kappa系数。如表5所示，土壤分类精度最高，冰与水的分类精度相近。总体精度可达89.55%，Kappa系数为0.88，分类结果较为理想。

表5 冰、水、土壤分类精度评估

Table 5 Evaluation of classification accuracy in river ice， water and soil

	冰	水	土壤
生产者精度	89.26%	86.82%	93.65%
用户者精度	83.74%	84.27%	85.21%
总体精度	89.55%
Kappa系数	0.88

新窗口打开| 下载CSV

2.3　空间分析方法

得到河冰分类信息后生产河冰矢量数据，并对矢量数据进行分布变化分析。在进行分布变化分析时，R1段选取右岸国家干线公路（G110线）作为参照物（因R1段两岸堤防级别较低，遥感影像中不易辨认），R2~R4段以两岸堤防为参照物。R1段将G110线作为起点建立每级宽度为0.5 km的12级缓冲区，R2、R3段以两岸堤防作为起点分别建立每级宽度为0.5 km的5级缓冲区，R4段以R2、R3的方法建立4级缓冲区。计算河冰面矢量与缓冲区重叠部分的面积，分析每级缓冲区内河冰面积变化，进而得到河冰分布变化。河冰面积计算方法假设构成矢量多边形的点坐标为（x_i，y_i ），则多边形的面积S为：

S = 0.5 |\sum_{i = 1}^{n} (y_{i + 1} + y_{i}) \times (x_{i + 1} - x_{i})|

（5）

其中，按顺时针依次选点计算多边形面积为正值，逆时针依次选点计算多边形面积为负值。

3 研究结果

3.1　黄河内蒙古段河冰总体分布

1989—2019年间黄河内蒙古段稳封期河冰主要分布在中游（图6），中游两岸堤防之间大部分河滩被河冰覆盖，特别是在1999—2015年间，中游两岸堤防之间少有裸露河滩，有河冰偎堤现象。上游段2015年前河冰分布较为稳定，无显著变化，2015年起上游首部河冰消失，其余河段河冰宽度收窄。下游段河冰宽度较小，漫滩现象较轻，多数年份可分辨主槽位置。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 1989—2019年黄河内蒙古段河冰分布

Fig. 6 Spatial distribution of river ice of Yellow River in Inner Mongolia section from 1989 to 2019

3.2　河冰面积变化

3.2.1　黄河内蒙古段河冰面积变化

如图7所示，1989—2019年黄河上游内蒙古段河冰大致经历“稳定期”（1989—1997）、“扩张期”（1998—2000年）、“萎缩期”（2001—2019年）。2000年河冰扩张至最大范围，全段河冰面积为1 723.50 km²；2019年萎缩至最小，面积为936.27 km²；多年平均值为1 349.54 km²（由于冰期跨越相邻两年，后文均使用翌年年份代表冰期年份，例如始于1999年终于2000年的冰期以2000年表示）。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 1989—2019黄河内蒙古段河冰面积年际变化

Fig. 7 Variations of river ice area in Inner Mongolia section of Yellow river from 1989 to 2019

1989—1997年间，河冰面积在1 072.93 km²至1 380.32 km²之间波动，平均值为1 223.68 km²，河冰面积维持在较低水平；1998—2000年间，河冰经历快速上升阶段，3年间累积增加面积为561.91 km²，所扩张面积占2000年（31年间最大值）河冰面积的32.6%；2001—2015年间，河冰缓慢萎缩，年平均萎缩率为-18.4 km²·a^-1，其中2003年出现河冰面积极小值，其原因为封河期（2002年12月上旬）黄河内蒙古段上游的石嘴山站流量较往年少23.2%且气温为往年最低，封河期气温低、流量小、水位低，使河道内快速形成稳定的冰盖。稳封后流量保持在200 m³·s^-1，使河水在冰盖下，故河冰面积出现极小值。2016年河冰面积骤减472.07 km²，同比减少32.64%；2017年、2018年出现小幅回升，2019年出现最小值，3年间河冰面积在947.38 km²至1 177.56 km²之间波动，平均值为1 048.47 km²，低于31年平均值，河冰面积处于低水平。

3.2.2　各子河段河冰面积变化

如图8所示，除1992年、2003年出现极小值外，对应表1中的R1段1989—2014年河冰面积稳定，多年均值为189.27 km²；2015年、2016年分别萎缩66.16 km²、66.93 km²，2016年河冰面积仅为2014年40.88%。R2段大体呈现“先增后减”的变化特征，1989—2008年间河冰面积波动上升，其中1997—1999年连续增加177.82 km²，2000—2008年河冰面积保持高位并于2008年达到31年最大值（801.49 km²）；2009年起波动下降，其中2016年由771.75 km²骤降至581.12 km²，2017年、2018年小幅回升，2019年回落至552.04 km²，与1989年水平相近。R3、R4段河冰面积变化特征大体与R2段一致，呈现为“先增后减”，但波动幅度较R2段剧烈。1996—1999年经历河冰面积大幅增加时期，其中仅1999年两段同比增加了51.69%、72.84%，河冰面积达到历史最大值；2006—2019年河冰面积波动下落，仅2016年两段同比下降46.72%、32.60%，2017年两段表现略有差异，2017年、2018年R3段出现小幅回升、R4段则保持稳定。但与R2段不同的是，R3、R4段在2001—2005年间出现明显“下降—回升”的过程。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 1989—2019黄河内蒙古段各子河段河冰面积变化曲线

Fig. 8 Variations of river ice area in each sub-reach in Inner Mongolia section of Yellow River from 1989 to 2019

3.3　河冰空间分布变化

R1段分布变化主要表现为沿流向的纵向萎缩。由图9（b）、9（c）可知，R1段左右岸除1992年、2003年有较大波动外，2015年前各缓冲区河冰面积较为稳定；2015年、2016年各缓冲区河冰面积同时大幅减少［见图9（a）中2015年河冰分布］，2018年稍有回升。对比两岸边缘区，经过2015年、2016年的两次河冰萎缩过程，左岸4.5~5.5 km两个缓冲区河冰基本消失，右岸0~0.5 km缓冲区河冰已经消失，由此可见，发生纵向萎缩同时，R1段也出现河冰横向萎缩，且左岸横向萎缩更为显著。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 R1段河冰分布图及两岸各缓冲区河冰面积年际变化

Fig. 9 Distribution of river ice in section R1 and interannual variation of river ice area in each section along both banks

R2段河冰变化以沿流向横向分布变化为主。如图10（a）所示，1989年河冰主要以河道中心分布，而2019年河冰以右岸分布为主。对比图10（b）、10（c）可知，左右岸分布变化主要出现在靠近堤防的边缘区（0～1 km），1989—1998年左右两岸边缘河冰面积呈现波动上升趋势，左岸外缘波动幅度较右岸波动幅度大；1999年两岸河冰扩张，左右岸边缘河冰面积分别同比增加64.84%、50.84%；2000—2010年河冰面积保持小范围波动，在此期间，两岸河冰大致呈现对称分布；2011年起左右岸同时开始萎缩，左岸边缘区河冰年均萎缩率为2.17 km² a^-1、2.48 km²·a^-1，右岸为1.14 km²·a^-1、0.88 km²·a^-1，且右岸0~1 km两个缓冲区面积始终大于左岸相应区域。至2019年左岸0~1 km缓冲区河冰面积基本恢复1989年水平，其余缓冲区低于1989年水平；而右岸各缓冲区保持或高于1989年水平。由图10（a）可知，R2段河冰漫滩现象严重，2000年两岸堤防间基本被河冰覆盖，裸露河滩面积较小，且河冰偎堤现象严重。随时间推移，2016年、2019年左岸河冰萎缩，出现大面积裸露河滩；而右岸仍有河冰堆积，且河冰距离堤防距离较近，部分位置仍然存在偎堤现象。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 R2段河冰分布图及两岸各缓冲区河冰面积年际变化

Fig. 10 Distribution of river ice in section R2 and interannual variation of river ice area in each section along both banks

R3段分布变化集中在左右岸边缘区，31年间经历向两岸扩张再向主槽萎缩的过程［图11（a）］，2016年以后大体以主槽河冰为主。如图11（b）、11（c）所示，1989—2000年间，左岸边缘区河冰面积小于左岸其他缓冲区河冰面积；2000—2010年间除2003年、2004年外，边缘区外侧（0~0.5 km）河冰面积已超过其他缓冲区内河冰面积，但与其他各缓冲区河冰面积相差不大；2000年后各缓冲区基本保持同步变化。右岸各缓冲区变化趋势大体一致，边缘区河冰面积变化幅度最大且始终小于其他各缓冲区，各缓冲区河冰面积随距堤距离的增加而增加。对比图11（a）各代表年河冰分布位置可知，1989年河冰以主槽为轴线向两岸扩散，2000—2015年间河冰漫滩现象严重，以致左右岸河冰均有偎堤现象出现。2016年起河冰萎缩，漫滩偎堤现象大为缓解；2019年基本以主槽封冻为主。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 R3段河冰分布图及两岸各缓冲区河冰面积年际变化

Fig. 11 Distribution of river ice in section R3 and interannual variation of river ice area in each section along both banks

如图12（b）、12（c）所示，R4段左右岸各缓冲区河冰面积年际变化较大，2019年除0~0.5 km缓冲区回归1989年水平外，其他各缓冲区河冰面积均萎缩。由图12（a）可知，R4段首部河冰漫滩偎堤现象最为严重，而河段尾部河冰分布较为稳定，其余部分以局部漫滩为主。相比2015年前各年份，2016年起漫滩现象有较大缓解，裸露河滩面积增大；2019年河冰主要以主槽封冻为主。

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 R4段河冰分布图及两岸各缓冲区河冰面积年际变化

Fig. 12 Distribution of river ice in section R4 and interannual variation of river ice area in each section along both banks

4 讨论

4.1　海勃湾水库对下游冰情影响

2014年前海勃湾坝址下游河道常年封冻，2014年5月海勃湾水库运行后，R1段由于封冻长度的缩短导致其河冰面积萎缩幅度最大，冬季坝址至巴彦木仁段不再封冻。原因是：水库运行后，库内蓄水温度呈现分层现象，库底水温保持恒定，导致下泄水流“冬暖夏凉”^［30］进而影响下游河道水温；其次，水库的泄洪闸改变了水流的边界条件，使水流内部急剧掺混，流速的改变导致下泄至河道内的水体在一定距离内不封冻。对于巴彦高勒站以下河段（R2、R3段），封河期海勃湾水库控制下泄流量在650 m³·s^-1，对入库流量实行“多蓄少补”^［31］，水库对流量的平稳控制有效避免流量波动，使冰花顺利流向下游，有效缓解下游冰情。以2014年末河冰封冻过程为例，海勃湾水库投入运行后，理论上河冰面积会有所下降，然而下游各河段均出现河冰面积的大幅上升，造成该现象的原因为2014年冬季封河期流量为847 m³·s^-1，超过预案设定下泄流量197 m³·s^-1，比多年平均值多300 m³·s^-1；2014年11月25日海勃湾水库下泄流量由0 m³·s^-1激增至1 420 m³·s^-1，至11月27日下泄流量仍保持在960 m³·s^-1［32］，下泄水流流入下游河段时遭遇寒流入侵，致使河水快速冻结后壅冰上岸，造成河冰面积增加。由图7可知，下游R2、R3、R4段受大流量过程影响，2015年水库投入运营后河冰面积并未下降反而增加，而2016年起河冰面积开始下降并在之后处于低水平；从图11（a）可知，2015年R4段上、中河冰漫滩现象较为严重，2016年后得到明显缓解。可见，海勃湾水库可有效缓解下游凌情，且水库平稳调度对下游防汛工作至关重要，科学的防凌调度可有效控制河冰扩散，缓解下游河冰漫滩现象。

4.2　河床演变对河冰分布变化的影响

河冰过程包括了复杂的相互作用，包括水力学、力学以及热力学，同时也受天气和水文条件的影响^［33］，而河床正是水力学当中的边界条件，河床作为河水的承载体，而河水又是河冰的承载体，其性质势必会影响河冰分布情况。主槽位置变化、深度变化、宽度变化、滩槽高差、弯道数量等特征都影响着河道内河水结冰封冻的过程。黄河上游内蒙古段存在两个典型河段，游荡型的巴彦高勒至三湖河口段以及弯曲型的包头至头道拐段。R2段河冰面积为四段中最大，而R4段河冰分布变化属四段最显著。

R2段淤积最为严重、演变最为复杂^［34］。河床宽度、主槽位置不稳定，为河冰分布造成诸多不确定性。河槽淤积与河床变窄共同作用造成滩槽落差减小，容易造成河水漫滩、输冰不畅的局面。安催花等^［35］研究表明，截至2012年R2段、R3段、R4段河槽淤积严重，断面萎缩；梅艳国等^［36］研究表明，R2段在1977—2000年河床宽度总体呈减小趋势，其中1985—1995年间河床宽度呈现波动下降；2000—2014年保持在小范围波动但总体不变。这意味着河道向窄而浅的断面形态发展。相应地，由图8中R2段河冰面积变化曲线可知，R2段河冰面积从1989年的593.32 km²增加至2000年的779.39 km²，增幅为16.92 km²·a^-1，与河床宽度减小趋势相对应，其中1989—1995年河冰面积呈现波动上升与河床宽度波动下降相对应；2000—2014年河冰面积保持656.66~801.49 km²之间波动（其中仅有3年低于720 km²分别为2003年、2011年、2014年），与河床宽度保持稳定相对应。由此可见，河道淤积后河底高程抬升、河床宽度变窄导致河床横断面向窄而浅发展，过水面积的减小容易导致冰凌堵塞，从而造成河冰堆积壅水漫滩进而造成河冰面积的增加。

卡冰现象的发生是由河道地形、流量、冰产量等因素共同作用产生。泥沙淤积造成河床的抬高导致主槽冬季输冰时湿周减小、过流面积减小，一旦上游来冰量剧烈增加，极易在河道收窄、弯道处形成冰塞。上游海勃湾水库若按照防凌调度计划保证流量平稳，流凌期、封冻期大流量稳封期小流量，可在主槽中形成稳定冰盖，减小河冰卡冰漫滩（河冰漫滩减少的表现形式就是河冰面积的减少）。稳封后控制下泄流量可使水流在冰盖与主槽形成的类似管道的边界条件下输水输冰，不会造成水鼓或冰上过流从而造成河冰的扩散。

河道水流的平面形式和发展趋势称为河势，其中涵盖河道水流动力轴线位置、走向以及河湾、岸线和沙洲、心滩等分布与变化的趋势。R4段属弯曲型河段，几乎不存在沙洲、心滩，河势变化主要以水流走向、河弯、岸线变化为主。如图13所示，对比主槽变化图发现，R4段主槽摆动主要发生在公布营子至白家圪旦、九股地至东李三壕内，其余河段河道主槽变化并不明显。对比主槽变化，公布营子至侉圪堵之间变动较大，相比于1988年流凌前，1990年、1999年、2005年、2008年、2016年均发生主槽摆动，截至2019年公布营子至侉圪堵段增加5处弯道，侉圪堵弯道附近河道逐渐由左岸摆动至右岸；九股地至东李三壕之间1990年、1995年、1999年、2003年、2005年、2016年、2018年均发生摆动弯道，九股地至东李三壕段增加4个弯道，东李三壕附近弯道主要以萎缩为主。对比1989年以来河冰分布情况（图12），公布营子、侉圪堵、九股地以及东李三壕几处河道摆动频繁的区域常有堆冰现象发生。东李三壕至头道拐水文站之间河段主槽31年间摆动幅度非常小，河冰堆积情况相比其他河段较轻。可见，河势变化较大河段河冰漫滩现象比较严重。

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13 1989—2019年R4段主槽位置变化

Fig. 13 Changes of main channel location in R4 reach from 1989 to 2019

5 结论

基于1989—2019年间Landsat卫星TM、ETM+、OLI传感器及Sentinel-2卫星MSI传感器影像数据，提出了归一化未封冻水体指数（NDUWI），利用NDUWI指数值与NDSI指数值的阈值相结合的方法，提取了黄河河冰信息并进行时空变化分析，主要结论如下：

（1）黄河上游内蒙古段河冰分布呈现“中间多两边少”，巴彦高勒至三湖河口河冰面积最大，包头至头道拐最小。研究区内河冰经历“平稳期”（1989—1997年）、“扩张期”（1998—2000年）、“萎缩期”（2001—2019年），全段河冰面积在936.27~1723.50 km²之间，河冰面积最大、最小值分别出现在2000年和2019年。

（2）1989—2014年海勃湾水库坝址至巴彦高勒之间（R1段）河冰分布稳定，受海勃湾水库建成使用的影响，2015年起河冰面积开始下降并保持低水平。巴彦高勒至三湖河口（R2）、三湖河口至包头（R3）、包头至头道拐（R4）河冰面积变化趋势大体保持一致，三段均于1998—2000年呈现上升趋势，2001年起呈现下降趋势，其中2016年出现明显下降后并保持低水平。

（3）各子河段中，R1段河冰以沿流向萎缩为主，2015年后海勃湾水库坝址下游20 km内不再封冻。R2段2001年前左右两岸大体呈现对称变化，2001年起左岸边缘区（0~0.5 km、0.5~1 km）年平均萎缩率为2.17 km²·a^-1、2.48 km²·a^-1，右岸为1.14 km²·a^-1、0.88 km²·a^-1，左岸河冰萎缩而右岸大体保持不变。R3段河冰分布呈现向两岸扩张再萎缩的变化特征，2016年前漫滩现象严重，2016年起两岸同时向主槽萎缩，漫滩现象大为缓解。R4段2016年前河段首部漫滩现象严重，尾部以主槽封冻为主，其余河段局部漫滩，2016年起以全段主槽封冻为主。

（4）海勃湾水库合理控制下泄流量可有效地减少黄河内蒙古段河冰漫滩现象；建议着重加强巴彦高勒至三湖河口段右岸堤防巡查。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Yao

Huiming

， Qin

Fuxing

， Shen

Guochang

， et al.

Ice regime characteristics in the Ningxia-Inner Mongolia reach of Yellow River

［J］. Advances in Water Science， 2007， 18（6）： 893-899.